1

“AÑO DE LA CONSOLIDACIÓN DEL MAR DE GRAU”

Presentado por:

MINCHEZ ALDERETE, JUAN DIEGO

Curso:
GEOESTADISTICA I

Docente:
DR. ALFREDO MARIN SUAREZ
ING. AUGUSTO TEVÉS ROJAS

Tema:
CALCULO DE VARIOGRAMA: DATOS AGRUPADOS COMPARTIDOS

Escuela Académico Profesional de Ingeniería de Minas

Facultad de Ingeniería Geológica, Minera y Metalúrgica
UNIVERSIDAD NACIONAL DE INGENIERIA
13/09/16
 2

AGRADECIMIENTOS

A Dios, a mis padres, a mis profesores por darme la oportunidad de estudiar y

ser un profesional.

En especial a mis profesores de Geoestadística I, Ing. Augusto Tevés Rojas y

Dr. Alfredo Marín Suarez por su esfuerzo y dedicación, quien con sus

conocimientos, su experiencia, su paciencia y su motivación han logrado en mí

cautivar aún más el interés por la minería y la disciplina de la geoestadistica.

 3

TABLA DE CONTENIDO

OBJETIVOS............................................................................................................................4

ALCANCES.............................................................................................................................5

FUNDAMENTACIÓN.............................................................................................................6

PROCEDIMIENTO: FUNCIÓN VARIOGRAMA................................................................9

CONCLUSIONES.................................................................................................................22

BIBLIOGRAFÍA.....................................................................................................................23
 4

OBJETIVOS

 Conocer la importancia del variograma como parámetro

diferenciador de sistemas.
 Hacer un estudio de variogramas y su comportamiento frente a

datos con diversas formas de agrupación.

 5

ALCANCES

Se hace uso del paquete Excel en la cual se crean pequeños códigos (lenguaje

visual Basic) para personalizarlos.

 6

FUNDAMENTACIÓN

TEOREMA DEL LÍMITE CENTRAL

El Teorema del Límite Central o Teorema Central del Límite indica que, bajo
condiciones muy generales, la distribución de la suma de variables aleatorias
tiende a una distribución gaussiana cuando la cantidad de variables es muy
grande.

Existen diferentes versiones del teorema, en función de las condiciones

utilizadas para asegurar la convergencia. Una de las más simples establece
que es suficiente que las variables que se suman sean independientes,
idénticamente distribuidas, con valor esperado y varianza finitas.

La aproximación entre las dos distribuciones es en general mayor en el centro

de las mismas que en sus extremos o colas, motivo por el cual se prefiere el
nombre “Teorema del Límite Central” (“central” califica al límite, más que al
teorema).

Esta relación entre la forma de la distribución de la población y la forma de la

distribución de muestreo se denomina teorema del límite central, que es tal vez
el más importante de toda la inferencia estadística. Nos asegura que la
distribución de muestreo de la media se aproxima a la normal al incrementarse
el tamaño de la muestra. Hay situaciones teóricas en las que el teorema del
límite central no se cumple, pero casi nunca se encuentran en la toma de
decisiones práctica. Una muestra no tiene que ser muy grande para que la
distribución de muestreo de la media se acerque a la normal. Los estadísticos
utilizan la distribución normal como una aproximación a la distribución de
muestreo siempre que el tamaño de la muestra sea al menos de 30, pero la
distribución de muestreo de la media puede ser casi normal con muestras
incluso de la mitad de ese tamaño. La importancia del teorema del límite central
es que nos permite usar estadísticas de muestra para hacer inferencias con
respecto a los parámetros de población sin saber nada sobre la forma de la
distribución de frecuencias de esa población más que lo que podamos obtener
de la muestra.
 7

Formulación del Problema

En esta tarea tomaremos 5000 datos aleatorios luego hallaremos su

variograma

Para realizar este estudio se tienen que generar datos aleatorios (entre 0 1).

A estos datos se debe hacer un estudio estadístico (descriptivo) y

geoestadistico (función variograma).

MODELO MATEMÁTICO

 Estadística (descriptiva)

La media

n
xi
x̄=∑
i =1 n

La varianza

2 2
2
σ =
∑ ( x− x̄ ) ∑ x
= − x̄ 2
n n

Desviación estándar

σ=
√ n √
∑ ( x− x̄ )2 = ∑ x2 − x̄ 2
n

Coeficiente de variación

σ
C.V=
x̄
 8

 GEOESTADISTICO (Función Variograma)

np

∑ {Z ( x i )−Z ( xi + h)}2
xi
γ (h )=
2×np

PROCEDIMIENTO: FUNCIÓN VARIOGRAMA

 9

1. NUMEROS ALEATORIOS

Generación de los 1000 Números Aleatorios entre [0,1]

Números Aleatorios
0.823065804
0.269972101
0.196962306
0.18347308
0.578950956
0.555228428
0.228174416
0.73873718
0.2411722
⋮
0.247404996
0.088366239
0.468811683
0.580396193
0.97281319
0.58857885
0.217734726
0.303751853

2. DATOS AGRUPADOS DE 30 EN 30

Compartiendo 5 datos en común:

Compartido 5 datos
0.422682207
0.553092295
0.464364222
0.556435567
0.501101119
0.437423346
0.505775836
⋮
0.565166684
0.459166332
0.550815792
0.519605295
Algoritmo
 10

Sub gruposcondatoscompartidos()

Dim a As Integer

Dim b As Integer

Dim c As Integer

Dim d As Double

Sheets("calculos").Select

'grupos de 30 compartido 5 datos

For b = 0 To 398

d=0

For c = 1 To 30

d = d + Cells(c + 2 + 25 * b, 3)

Next

Cells(b + 1 + 2, 4) = d / 30

Next

End Sub

Compartiendo 10 datos en común:

Compartido 10 datos
0.422682207
0.563871866
0.493493056
0.484055505
0.554655871
0.501101119
0.423654664
⋮
0.530705575
0.5619587
0.565166684
0.497720915
Algoritmo

Sub gruposcondatoscompartidos()
 11

Dim a As Integer

Dim b As Integer

Dim c As Integer

Dim d As Double

Sheets("calculos").Select

'grupos de 30 compartido 10 datos

For b = 0 To 498

d=0

For c = 1 To 30

d = d + Cells(c + 2 + 20 * b, 3)

Next

Cells(b + 1 + 2, 5) = d / 30

Next

End Sub

Compartiendo 15 datos en común:

Compartido 15
datos
0.422682207
0.546128054
0.582677787
0.484447792
0.484055505
0.556435567
0.547006418
⋮
0.423654664
0.505775836
0.566183608
Algoritmo

Sub gruposcondatoscompartidos()

Dim a As Integer
 12

Dim b As Integer

Dim c As Integer

Dim d As Double

Sheets("calculos").Select

'grupos de 30 compartido 15 datos

For b = 0 To 664

d=0

For c = 1 To 30

d = d + Cells(c + 2 + 15 * b, 3)

Next

Cells(b + 1 + 2, 6) = d / 30

Next

End Sub

3. ESTADISTICA DESCRIPTIVA

Compartido 5 datos:
 13

Estadística Descriptiva
Media 0.49798743
Error típico 0.0027045
Mediana 0.50099849
Moda #N/A
Desviación estándar 0.05402233
Varianza de la muestra 0.00291841
-
Curtosis 0.04234435
-
Coeficiente de asimetría 0.15192281
Rango 0.30666651
Mínimo 0.33910479
Máximo 0.6457713
Suma 198.696985
Cuenta 399
Histograma

Clase Frecuencia % acumulado

0.339104792 1 0.25%
0.355245134 0 0.25%
0.371385477 6 1.75%
0.387525819 4 2.76%
0.403666162 8 4.76%
0.419806505 9 7.02%
0.435946847 19 11.78%
0.45208719 34 20.30%
0.468227533 34 28.82%
0.484367875 38 38.35%
0.500508218 46 49.87%
0.51664856 48 61.90%
0.532788903 52 74.94%
0.548929246 31 82.71%
0.565069588 29 89.97%
0.581209931 17 94.24%
0.597350274 12 97.24%
0.613490616 6 98.75%
0.629630959 2 99.25%
y mayor... 3 100.00%
 14

Histograma
60 120.00%
50 100.00%
40 80.00%
30 60.00%
Frecuencia

20 40.00% Frecuencia
10 20.00% % acumulado

0 0.00%
927 774 621 478 33
5 182 039 885 742 9 59
1 0 4 38 5 66 6 94 6 22 7 50 8 7 8 8 06 9 35 0 6 3 0
9 1 3 5 8 0 2 5 7 9
33 .37 .40 .43 .46 .50 .53 .56 .59 .62
0. 0 0 0 0 0 0 0 0 0

Clase

Compartido 10 datos:

Estadística Descriptiva
0.5015793
Media 4
0.0026282
Error típico 7
0.5029997
Mediana 2
Moda #N/A
0.0524997
Desviación estándar 2
0.0027562
Varianza de la muestra 2
Curtosis 0.1470676
-
Coeficiente de 0.0657854
asimetría 8
0.3534503
Rango 5
0.3337322
Mínimo 8
0.6871826
Máximo 3
200.13015
Suma 8
Cuenta 399
 15

Histograma

Clase Frecuencia % acumulado

0.33373228 1 0.25%
0.35233493 1 0.50%
0.37093758 0 0.50%
0.38954023 6 2.01%
0.40814288 5 3.26%
0.42674553 18 7.77%
0.44534818 28 14.79%
0.46395083 32 22.81%
0.48255348 54 36.34%
0.50115613 52 49.37%
0.51975878 56 63.41%
0.53836143 47 75.19%
0.55696408 41 85.46%
0.57556673 27 92.23%
0.59416938 18 96.74%
0.61277203 8 98.75%
0.63137468 3 99.50%
0.64997733 1 99.75%
0.66857998 0 99.75%
y mayor... 1 100.00%

Histograma
60 120.00%
50 100.00%
40 80.00%
30 60.00%
20 40.00%
Frecuencia

Frecuencia
10 20.00% % acumulado
0 0.00%
09 1
8
5 88
79

79

69 78

4 78
77

85 77

6
8
40 5

97
0. 3 7

2
0 . 3 22

48 1

51 4

7
59 40

63 3

6
0. 34 8

0. 55 3

0. 7 5 8

0. 16 9

0. 3 7 4
0. 814

79
6
37
37

1
33

44

55

66
0.

0.

Clase
 16

Compartido 15 datos:

Estadística Descriptiva
Media 0.5023666
Error típico 0.00261247
Mediana 0.50491248
Moda #N/A
Desviación estándar 0.05218412
Varianza de la muestra 0.00272318
Curtosis 0.2145825
-
Coeficiente de asimetría 0.07146829
Rango 0.36450578
Mínimo 0.29539127
Máximo 0.65989705
Suma 200.444273
Cuenta 399
Histograma

Clase Frecuencia % acumulado

0.29539127 1 0.25%
0.31457578 0 0.25%
0.3337603 0 0.25%
0.35294481 0 0.25%
0.37212933 0 0.25%
0.39131384 4 1.25%
0.41049836 8 3.26%
0.42968287 20 8.27%
0.44886739 32 16.29%
0.4680519 36 25.31%
0.48723642 55 39.10%
0.50642093 49 51.38%
0.52560545 60 66.42%
0.54478996 54 79.95%
0.56397448 34 88.47%
0.58315899 25 94.74%
0.60234351 9 96.99%
0.62152802 7 98.75%
0.64071254 4 99.75%
y mayor... 1 100.00%
 17

Histograma
70 120.00%
60 100.00%
50 80.00%
40
60.00%
30
40.00%
Frecuencia

20 Frecuencia
10 20.00% % acumulado
0 0.00%
7 9 9 9 9 8 8 8 8 7
9 12 0 29 932 835 7 38 6 41 544 447 3 50 2 53
5 3 7 6 12 49 8 6 2 3 60 97 3 4 7 1
.2 9 33 3 3 7 2 4 1 0 44 8 48 7 5 2 5 5 6 3 60 2 64 0
0 0. 0. 0. 0. 0. 0. 0. 0. 0.

Clase
 18

4. Variogramas

Compartido 5, 10 y 15 datos en común:

γ(h) 5 γ(h) 10 γ(h) 15

compartidos compartidos compartidos
0.00256459 0.001876019 0.001490379
0.00302545 0.002879054 0.002993976
0.002929336 0.002847063 0.002992565
0.002742265 0.002841818 0.002926602
0.002961514 0.002697824 0.00284404
0.003043148 0.002832081 0.002775569
0.002770749 0.002962013 0.002760728
0.002882101 0.002867498 0.002888403
0.002701667 0.002748993 0.003029963
0.002744558 0.002705607 0.003040007
0.002781212 0.00263724 0.002874392
0.002709369 0.002719415 0.002742635
0.002861761 0.002798882 0.002802312
0.002836729 0.002792926 0.002800986
0.002849189 0.002793812 0.002659038
0.002735388 0.002861064 0.002611984
0.002928218 0.002829748 0.002722441
0.002823942 0.002886463 0.002747893
0.002705011 0.002858721 0.002709977
0.00290585 0.002610942 0.002842421
0.003094885 0.002817862 0.002949358
0.002991843 0.003019772 0.002821286
0.002831811 0.002972199 0.002822166
0.00264306 0.0027924 0.00296785
0.002679568 0.002720916 0.002929812
0.00285624 0.00292783 0.002738005
0.002864578 0.002964737 0.002711183
0.003017864 0.002782096 0.002889466
0.002726955 0.00273119 0.002934761
0.002962645 0.002666683 0.002869016
0.002965973 0.002645332 0.002823452
⋮ ⋮ ⋮
0.003072497 0.002742045 0.002764052
 19

Algoritmo

Sub Variograma5datoscompartidos()

Sheets("calculos").Select

m = 398

l=1

Do While l < m

k=0

f=0

Do While k < m - l

k=k+1

f1 = (Cells(k + 2, 4) - Cells(k + l + 2, 4)) ^ 2

f = f + f1

Loop

Sheets("Variogramas").Select

Cells(l + 3, 2) = (f) / (2 * k)

l=l+1

Sheets("calculos").Select

Loop

End Sub

Sub Variograma10datoscompartidos()

Sheets("calculos").Select

m = 498

l=1
 20

Do While l < m

k=0

f=0

Do While k < m - l

k=k+1

f1 = (Cells(k + 2, 5) - Cells(k + l + 2, 5)) ^ 2

f = f + f1

Loop

Sheets("Variogramas").Select

Cells(l + 3, 3) = (f) / (2 * k)

l=l+1

Sheets("calculos").Select

Loop

End Sub

Sub Variograma15datoscompartidos()

Sheets("calculos").Select

m = 664

l=1

Do While l < m

k=0

f=0

Do While k < m - l

k=k+1

f1 = (Cells(k + 2, 6) - Cells(k + l + 2, 6)) ^ 2

 21

f = f + f1

Loop

Sheets("Variogramas").Select

Cells(l + 3, 4) = (f) / (2 * k)

l=l+1

Sheets("calculos").Select

Loop

End Sub

Chart Title
0

0
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 01 06 11 16 21 26 31 36 41 46
1 1 1 1 1 1 1 1 1 1

γ(h) 5 compartidos γ(h) 10 compartidos γ(h) 15 compartidos

 22

CONCLUSIONES

 Se observa que los parámetros estadísticos tanto de los datos aleatorios

y ordenados son las mismas, sin embargo son dos sistemas diferentes.

 El Variograma es un parámetro que nos ayuda diferenciar un sistema

con otro, ya que es demasiado sensible a cualquier cambio de los datos
es por ello el cambio en la gráfica.

 Es una herramienta que nos permite analizar el comportamiento espacial

de una propiedad o variable sobre una zona dada.

 Nos damos cuenta de un comportamiento lineal del variograma para

distancias pequeñas.

BIBLIOGRAFÍA

Estadística Descriptiva e Inferencial (Manuel Córdova Zamora. Quinta

edición)

Las Variables Regionalizadas y su Estimación- George Matheron.

An Introduction to Multivariate Statistical Análisis-John Wiley & Sons.

 23

Estadística Descriptiva e Inferencial – Manuel Córdova Zamora.