Está en la página 1de 55
Geoestadística y estimación de recursos Luis Álvarez Paredes

Geoestadística y estimación de recursos

Geoestadística y estimación de recursos Luis Álvarez Paredes
Geoestadística y estimación de recursos Luis Álvarez Paredes
Geoestadística y estimación de recursos Luis Álvarez Paredes
Geoestadística y estimación de recursos Luis Álvarez Paredes

Luis Álvarez Paredes

Geoestadística y estimación de recursos Luis Álvarez Paredes
Geoestadística y estimación de recursos Introducción Luis Álvarez Paredes

Geoestadística y estimación de recursos

Introducción

Geoestadística y estimación de recursos Introducción Luis Álvarez Paredes
Geoestadística y estimación de recursos Introducción Luis Álvarez Paredes
Geoestadística y estimación de recursos Introducción Luis Álvarez Paredes
Geoestadística y estimación de recursos Introducción Luis Álvarez Paredes

Luis Álvarez Paredes

Geoestadística y estimación de recursos Introducción Luis Álvarez Paredes
Introducción La palabra “geoestadística” fue inventada por Georges Matheron en 1962. El prefijo “geo” alude

Introducción

La palabra “geoestadística” fue inventada por Georges Matheron en 1962. El prefijo

“geo” alude a las ciencias de la tierra, que ha sido históricamente la disciplina

donde la geoestadística se ha desarrollado. L a Geoestadística es conocida también

como estadística espacial

Matheron, en su forma actual la definió como: “La aplicación del formalismo de las

funciones aleatorias al reconocimiento y estimación de fenómenos naturales”

El término “estadística” se refiere al uso de herramientas estadísticas y probabilísticas . Con respecto

El término “estadística” se refiere al uso de herramientas estadísticas y

probabilísticas . Con respecto a la estadística clásica, la Geoestadística busca tomar

en cuenta las dependencias entre las observaciones disponibles, considerando que

ellas están ubicadas en el espacio.

Los objeticos de la geoestadística son el expresar las características estructurales Z(x) en una forma

Los objeticos de la geoestadística son el expresar las características estructurales Z(x) en una forma matemática adecuada (modelo).

Continuidad

Anisotropía

Como también el resolver de manera satisfactoria los problemas de estimación

Definir estimadores óptimos

Encontrar intervalos de confianza, cuantificación del error

Los orígenes Los orígenes de la Geoestadística están en la minería, como antecedentes pueden citarse

Los orígenes

Los orígenes de la Geoestadística están en la minería, como antecedentes pueden

citarse los trabajos de Sichel (1947, 1949) y Krige (1951), cuyos estudios están

referidos al inmenso archivo de datos que representan las minas de oro

sudafricanas. El primero observó la naturaleza asimétrica de la distribución del

contenido de oro en las minas sudafricanas, la equiparó a una distribución lognormal y desarrolló las fórmulas básicas para esta distribución.

Ello permitía una primera estimación de las reservas, pero suponía implícitamente que los datos eran independientes, en clara contradicción con la experiencia de que existen “zonas” más ricas que otras.

Danie Gerhardus Krige, nacido en el Estado Libre de Orange en Sudáfrica, pionero en el

Danie Gerhardus Krige, nacido en el Estado Libre de Orange en Sudáfrica, pionero

en el campo de la geoestadística y fue profesor en la University of the Witwatersrand en Sudáfrica.

Sudáfrica, pionero en el campo de la geoestadística y fue profesor en la University of the
Una primera aproximación a la solución de este problema fue dada por Krige, que propuso

Una primera aproximación a la solución de este problema fue dada por Krige, que

propuso una variante del método de medias móviles, A partir de estas consideraciones Krige y Sichel definieron estimadores t insesgados de la ley media

de un panel utilizando las características media y varianza de los logaritmos de las

leyes de las muestras. Estos estimadores de Krige que dieron nombre a la técnica

del Krigeage, formalizada mas tarde por Matheron, permiten resolver sin sesgos el

problema difícil de la estimación de reservas

En resumen la escuela sudafricana da inicio al origen de la Geoestadística, al establecer y

En resumen la escuela sudafricana da inicio al origen de la Geoestadística, al

establecer y aclarar las nociones claves de:

Correlaciones espaciales.

Influencia de las dimensiones de las muestras o del panel sobre las

distribuciones.

Sesgos de estimación cuando se efectúan selecciones sobre el mineral.

Sin embargo, para tener una visión de conjunto, es necesario esperar las primeras obras (1955,

Sin embargo, para tener una visión de conjunto, es necesario esperar las primeras

obras (1955, 1962) de George Matheron, un minero matemático y probabilista quien utilizó el enorme conocimiento experimental de la escuela sudafricana y

adaptando el lenguaje probabilístico a cada realidad concreta, en el Centro de

Morfología Matemática de la Escuela de Minas de París;

probabilístico a cada realidad concreta, en el Centro de Morfología Matemática de la Escuela de Minas
Georges Matheron, (1962) desarrolló la técnica denominada kriging basada en la labor investigadora previa de

Georges Matheron, (1962) desarrolló la técnica denominada kriging basada en la

labor investigadora previa de Krige. La formulación rigurosa y la solución al problema de predicción vino de la mano de Matheron, de la Escuela de Minas de

Paris, quien es considerado como padre de la Geoestadistica. Formuló la Teoría de

las Variables Regionalizadas y definió a la geoestadistica como ¨ la aplicación del

formalismo de las funciones aleatorias al reconocimiento y estimación de

fenómenos naturales¨.

Matheron logró formalizar en un lenguaje riguroso las observaciones experimentales de sus antecesores, dando lugar

Matheron logró formalizar en un lenguaje riguroso las observaciones

experimentales de sus antecesores, dando lugar a la teoría formal de la

Geoestadística. En los años sucesivos la teoría se fue depurando, ampliando el

campo de validez y reduciendo las hipótesis necesarias, y se desarrollaron las

técnicas de aplicación fundamentalmente por las aportaciones de G. Matheron y

su equipo de trabajo.

Desde la Minería, las técnicas geoestadísticas se han exportado a otros muchos campos y, como

Desde la Minería, las técnicas geoestadísticas se han exportado a otros muchos

campos y, como técnica, la Geoestadística ha logrado alcanzar su madurez. Los campos de aplicación actuales alcanzan los dominios más variados, como la

evaluación de recursos naturales (mineros, forestales, gas, petróleo, etc. ), ciencias

del suelo y medio- ambientales, topografía, oceanografía, geofísica, agricultura y

análisis de imágenes, por nombrar algunos

El desarrollo formal, lo podemos resumir, en lo siguiente: • 1962 Teoría formal de la

El desarrollo formal, lo podemos resumir, en lo siguiente:

1962 Teoría formal de la Geoestadística.

1970 Explosión a nivel mundial de la Geoestadística.

1980 Maduración, consolidación.

1990 Aceptación.

2000 Aplicaciones, en diversos campos de la ciencia.

2010 Fortalecimiento científico.

2012 Nuevas aplicaciones en todas las áreas del conocimiento humano, en el

campo de la robótica y simulación

Geoestadística y estimación de recursos Conceptos Luis Álvarez Paredes

Geoestadística y estimación de recursos

Conceptos

Geoestadística y estimación de recursos Conceptos Luis Álvarez Paredes
Geoestadística y estimación de recursos Conceptos Luis Álvarez Paredes
Geoestadística y estimación de recursos Conceptos Luis Álvarez Paredes
Geoestadística y estimación de recursos Conceptos Luis Álvarez Paredes

Luis Álvarez Paredes

Geoestadística y estimación de recursos Conceptos Luis Álvarez Paredes
Noción de variable regionalizada La geoestadística se define como el estudio de fenómenos regionalizados, es

Noción de variable regionalizada

La geoestadística se define como el estudio de fenómenos regionalizados, es decir, que se extienden en el espacio y presentan una cierta continuidad. Por “espacio”, entenderemos en general el espacio geográfico, pero puede también tratarse del eje temporal o de espacios

más abstractos.

El objeto sobre el cual trabajaremos será una descripción matemática del fenómeno regionalizado, a saber,

El objeto sobre el cual trabajaremos será una descripción matemática del fenómeno regionalizado, a saber, una o varias funciones numéricas llamadas variables regionalizadas, que miden ciertas propiedades o atributos relacionados con este fenómeno.

La teoría de las variables regionalizadas se propone dos objetivos principales:

Expresar las características estructurales de una variable regionalizada mediante una forma

matemática adecuada.

Resolver, de manera satisfactoria, el problema de la estimación de una variable regionalizada

a partir de un conjunto de muestras, asignando errores a las estimaciones.

Por ejemplo: • la ley de un mineral, la potencia de una veta, la acumulación,

Por ejemplo:

• la ley de un mineral, la potencia de una veta, la acumulación, la densidad de la roca o la recuperación metalúrgica, describen un fenómeno de mineralización;

• la porosidad y la permeabilidad de la roca en un reservorio de petróleo o en un acuífero;

• la concentración de un elemento contaminante en la atmósfera o en el suelo;

• la altitud topográfica en un punto del espacio geográfico;

• la conductividad eléctrica, el pH y la concentración en nutrientes medidas sobre una

muestra de suelo;

• el número de árboles y su diámetro promedio en áreas de observación de un bosque.

Del punto de vista conceptual, una variable regionalizada es una función determinística . En general,

Del punto de vista conceptual, una variable regionalizada es una función

determinística . En general, esta función presenta dos aspectos complementarios :

por una parte, tiene una cierta “continuidad” espacial (zonas de altos valores /

zonas de bajos valores), pero por otro lado, varía irregularmente y escapa a toda

representación simple (Figura 1 )

/ zonas de bajos valores), pero por otro lado, varía irregularmente y escapa a toda representación
Antes de estudiar ejemplos de variables regionalizadas, mencionemos que en geoestadística se utiliza la notación

Antes de estudiar ejemplos de variables regionalizadas, mencionemos que en geoestadística se utiliza la notación condensada: Un punto del espacio se representa por la letra x. Por ejemplo la ley en el punto x se representa por z(x). Por consiguiente, z(x) puede significar:

z(x) si el problema es unidimensional (1-D)

z(x1 , x2 ) si el problema es bidimensional (2-D)

z(x1 , x2 , x3 ) si el problema es tridimensional (3-D)

En el espacio de una dimensión, sea z(x) = Ley de Cu a lo largo

En el espacio de una dimensión, sea z(x) = Ley de Cu a lo largo de una galería:

En el espacio de una dimensión, sea z(x) = Ley de Cu a lo largo de
En el espacio de una dimensión, sea z(x) = Ley de Cu a lo largo de
En el espacio de dos dimensiones, sea z(x1 , x2 ) = z(x) = potencia

En el espacio de dos dimensiones, sea z(x1 , x2 ) = z(x) = potencia mineralizada yacimiento de nitratos:

en

un

En el espacio de dos dimensiones, sea z(x1 , x2 ) = z(x) = potencia mineralizada
En el espacio de tres dimensiones, sea z(x1 , x2 , x3 ) = z(x)

En el espacio de tres dimensiones, sea z(x1 , x2 , x3 ) = z(x) = Ley de Cu en el punto x dentro de un depósito masivo:

En el espacio de tres dimensiones, sea z(x1 , x2 , x3 ) = z(x) =
Campo Se llama campo a la zona en la cual se estudia la variable regionalizada.

Campo

Se llama campo a la zona en la cual se estudia la variable regionalizada. Para definir bien el

Dado

que un fenómeno regionalizado nunca posee una extensión infinita, estudiaremos

la variable regionalizada sólo dentro de un dominio limitado D llamado campo de la

variable. Este campo puede representar una zona natural, fuera de la cual la

variable no está definida. Puede tratarse también de un dominio particular, donde

la variable interesa, por ejemplo, los sitios donde no se anula o donde es mayor que un límite de detección.

campo (por ejemplo los límites) es necesario utilizar un modelo geológico adecuado.

Noción de soporte Una variable regionalizada puede definirse, no sólo en cada punto del espacio,

Noción de soporte

Una variable regionalizada puede definirse, no sólo en cada punto del espacio, sino que

también en una superficie (2D) o en un volumen (3D). La superficie o el volumen sobre el cual

se considera la variable regionalizada se denomina soporte. En general, el soporte de las

mediciones es muy pequeño (asimilado a un “punto”), mientras que el que interesa en la

práctica puede ser más voluminoso (por ejemplo, las unidades selectivas de explotación en

evaluación minera o las unidades de remediación en contaminación de suelo).

las unidades selectivas de explotación en evaluación minera o las unidades de remediación en contaminación de
Esta noción es esencial debido a la dependencia que existe entre el soporte y la

Esta noción es esencial debido a la dependencia que existe entre el soporte y la distribución estadística de los valores, conocida como efecto de soporte: los soportes voluminosos presentan una menor cantidad de valores extremos y una mayor cantidad de valores intermedios que los soportes puntuales. Así, la distribución de los valores (en especial, su varianza) depende del soporte sobre el cual está definida la variable regionalizada.

Este efecto queda ilustrado en la Figura 2, que muestra la distribución de la ley de cobre en

un yacimiento medida sobre tres soportes distintos. Se observa que la forma del histograma

tiende a simetrizarse cuando aumenta el soporte y que la varianza disminuye, aunque se

mantiene constante el valor promedio.

En los problemas que involucran un cambio de soporte, es deseable que la variable regionalizada

En los problemas que involucran un cambio de soporte, es deseable que la variable regionalizada sea aditiva, es decir, que su valor en la unión de varios dominios sea igual a la media de sus valores sobre cada uno de ellos. Esta restricción es necesaria para que el cálculo del valor promedio sobre un soporte más grande que el soporte de las mediciones, tenga un sentido físico.

Compositar o regularizar En general, en el estudio de una variable regionalizada no es conveniente

Compositar o regularizar

En general, en el estudio de una variable regionalizada no es conveniente mezclar soportes de tamaños diferentes. En el caso en que los testigos que constituyen el sondaje son de tamaño irregular, es necesario hacer una operación la cual consiste en regularizar o compositar el

sondaje, es decir disponer de datos (compósitos) de longitud constante.

la cual consiste en regularizar o compositar el sondaje, es decir disponer de datos (compósitos) de
Cada compósito está caracterizado por sus coordenadas x, y, z, sus leyes, un código que

Cada compósito está caracterizado por sus coordenadas x, y, z, sus leyes, un código que indica el dominio o unidad geológica y la identificación del sondaje, eventualmente otra información. Se tiene así la base de datos de sondajes del depósito, la cual, en formato de texto, puede ser incorporada en cualquier paquete computacional.

Modelos Normalmente, no se conoce la variable regionalizada en forma exhaustiva, sino que solamente a

Modelos

Normalmente, no se conoce la variable regionalizada en forma exhaustiva, sino que solamente a través de un conjunto limitado de datos (muestras de sondajes en exploración

minera, observaciones en terreno en ingeniería forestal, mediciones realizadas en estaciones

de monitoreo en contaminación atmosférica, etc.).

Para aprovechar la información disponible, más allá de un simple reporte de los datos, será

necesario construir modelos. Pero debe tenerse presente que un modelo nunca describe la

variable regionalizada en su totalidad, sin simplificación, ni distorsión.

El modelamiento y las hipótesis que se requieren aportan mayor información que aquella contenida en

El modelamiento y las hipótesis que se requieren aportan mayor información que aquella

contenida en los datos experimentales. En consecuencia, conviene reducir al máximo la complejidad del modelo, evitando introducir hipótesis o parámetros arbitrarios, que no se puede controlar experimentalmente. Por el contrario, es necesario encontrar el modelo

menos exigente que permite resolver el problema planteado.

Los problemas de estimación La “predicción” o “estimación” constituye un objetivo importante de la

Los problemas de estimación La “predicción” o “estimación” constituye un objetivo importante de la geoestadística. Consiste en evaluar, de la manera más precisa posible, un valor que no ha sido medido, a partir de los datos disponibles.

Una característica de los métodos geoestadísticos será, no sólo construir estimadores, sino

también proporcionar una medida de la precisión de la estimación por medio de herramientas

probabilísticas (por ejemplo, varianzas o intervalos de confianza

de estimaciones:

Distinguiremos dos tipos

).

las estimaciones globales

las estimaciones locales.

La estimación global Busca caracterizar el campo D completo por un valor único (por ejemplo,

La estimación global

Busca caracterizar el campo D completo por un valor único (por ejemplo, la media de la variable regionalizada en estudio) o por una distribución estadística (histograma). Es poco común que una estimación global sea suficiente; frecuentemente, se requiere completarla

con estimaciones locales. Por ejemplo en un estudio de contaminación de suelo, no basta con

evaluar la concentración promedio en toda la zona de un elemento contaminante, sino que es

necesario distinguir los sectores fuertemente contaminados de aquellos que no lo están.

Estimación Local Por el contrario, las estimaciones locales se interesan por los diferentes sectores de

Estimación Local

Por el contrario, las estimaciones locales se interesan por los diferentes sectores de la zona de estudio. En general, se busca evaluar el valor en un sitio que no ha sido muestreado o el valor promedio de un “bloque” cuyo soporte es mayor que el soporte de los datos. En este

problema, debe considerarse la continuidad espacial de la variable regionalizada, las

distancias entre el sector a estimar y los sitios con datos, así como la configuración espacial de

los mismos sitios con datos puesto que datos agrupados suelen tener valores parecidos,

constituyéndose en información redundante. Otro aspecto de la estimación local es la

cuantificación de la incertidumbre

El análisis de la dependencia espacial Permite describir la distribución de los valores en el

El análisis de la dependencia espacial

Permite describir la distribución de los valores en el espacio, cuantificar las correlaciones o redundancias de información entre valores medidos en sitios diferentes, determinar el tamaño de la “zona de influencia” de una observación, así como detectar anisotropías que

indican que la variable regionalizada tiene direcciones preferenciales de continuidad en el

espacio.

Los procesos de concentración de materias primas y elementos valiosos que conforman un yacimiento, son

Los procesos de concentración de materias primas y elementos valiosos que conforman un yacimiento, son procesos naturales que se ciñen a ciertos patrones y que por lo tanto no son productos del azar; por consiguiente no se puede estudiar un yacimiento por el método estadístico simple o por los métodos clásicos cuya primera condición a priori es suponer (erróneamente por cierto) que los fenómenos geológicos son completamente aleatorios que

no se rigen por patrones determinados. Supongamos que las leyes de una veta, tomadas a

distancias diferentes de muestreo, a lo largo de una galería presenta la siguiente distribución.

El estimador estadístico clásico encontraría para ambos tramos las mismas medias y varianzas, e incluso

El estimador estadístico clásico encontraría para ambos tramos las mismas medias y

varianzas, e incluso hasta el mismo histograma; por lo tanto supondrá que en ambos tramos

la veta se puede cubicar y trabajar en la misma forma. Esta simplificación es errónea, ya que

podemos ver que en el tramo A existe un cierto patrón de distribución de las leyes, con una

zona central rica que se va empobreciendo hacia ambos lados; mientras que en el tramo B,

se trata de una distribución más al azar.

Lamentablemente en una mina con muchos niveles, muchos metros de galería y miles de muestras,

Lamentablemente en una mina con muchos niveles, muchos metros de galería y miles de

muestras, analizadas quizás por varios metales, no será tan fácil reconocer a simple vista, si

existe o no algún patrón de distribución o estructura.

Necesitamos de una técnica con elementos más poderosos, y que (por el afán de simplificar

Necesitamos de una técnica con elementos más poderosos, y que (por el afán de

simplificar el problema) no comience justamente por ignorar lo que deseamos encontrar una función rige la distribución de las variables en un yacimiento; es decir, una relación matemática que nos informe cómo varían las leyes, la potencia, el peso específico y otros

parámetros mensurables en el yacimiento. La mejor herramienta actual para estudiar la distribución de tales variables es la GEOESTADISTICA (Variograma)

Función Aleatoria Los yacimientos, las leyes siguen una determinada función de distribución y que no

Función Aleatoria

Los yacimientos, las leyes siguen una determinada función de distribución y que no varían al azar, sin embargo, con mucha frecuencia ese hecho no se toma en cuenta al momento de la cubicación o estimación de reservas.

La geoestadística utiliza una cierta interpretación probabilística de la variable regionalizada,

mediante el modelo de las funciones aleatorias. Consiste en afirmar que la variable

regionalizada en estudio es la realización de una cierta función aleatoria

Si se realiza una agrupación de todas las variables aleatorias presentes en el espacio (dominio),

Si se realiza una agrupación de todas las variables aleatorias presentes en el espacio (dominio), se puede determinar su función aleatoria.

Debemos recordar que existe datos discretos o continuos, por lo tanto variables estadísticas discretas o continuas, y por ende variables aleatorias discretas o continuas y finalmente

existen funciones aleatorias para variables continuas o discretas.

La función aleatoria también es conocida como función de distribución de probabilidad, en el

caso de variables continuas es conocida como densidad de probabilidad, en el caso de

variables discretas como masa de probabilidad.

Es una forma de representar algún valor de z, no muestreado o desconocido. Esta es

Es una forma de representar algún valor de z, no muestreado o desconocido. Esta es la función de probabilidad del modelo de incertidumbre respecto de z

Intuitivamente una VA puede tomarse como una cantidad cuyo valor no es fijo pero puede tomar diferentes valores

Z(X)

VA puede tomarse como una cantidad cuyo valor no es fijo pero puede tomar diferentes valores

¿Z(u)?

Z(X)

VA puede tomarse como una cantidad cuyo valor no es fijo pero puede tomar diferentes valores
VA puede tomarse como una cantidad cuyo valor no es fijo pero puede tomar diferentes valores

Z(X)

VA puede tomarse como una cantidad cuyo valor no es fijo pero puede tomar diferentes valores

Z(X)

VA puede tomarse como una cantidad cuyo valor no es fijo pero puede tomar diferentes valores
La Geoestadística considera una variable regionalizada a z(x) en estudio, como una realización particular de

La Geoestadística considera una variable regionalizada a z(x) en estudio, como una realización particular de una cierta función aleatoria Z(x). Una variable distribuida en el espacio de forma que presenta una estructura espacial de correlación se dice que esta regionalizada

Es muy frecuente observar en una V.R. dos aspectos complementarios y aparentemente

contradictorios:

Un aspecto aleatorio asociado con las variaciones erráticas e impredecibles de la variable,

Un aspecto general estructurado que refleja en cierta forma las características globales de

variación del fenómeno regionalizado.

La interpretación probabilística de una V.R. como realización de una F.A. Z(x) tiene sentido operativo

La interpretación probabilística de una V.R. como realización de una F.A. Z(x) tiene sentido operativo sólo si es posible inferir, al menos en parte, la función de distribución o ley de probabilidad de Z(x).

En general, no es posible la inferencia estadística a partir de una sola realización, de la misma

manera que no es posible reconstituir la función de distribución de una variable aleatoria a

partir de una sola observación. Para hacer posible la inferencia estadística, se hace

imprescindible introducir hipótesis adicionales acerca de Z(x) para poder reducir el número de

"parámetros" de los que depende la función de distribución. Estas hipótesis tienen que ver

con la homogeneidad espacial de la función aleatoria.

La Distribución de Probabilidad se utiliza para describir la probabilidad de que se den los

La Distribución de Probabilidad se utiliza para describir la probabilidad de que se den los diferentes resultados

la probabilidad de que se den los diferentes resultados Función Aleatoria Gausiana o Normal Función Aleatoria

Función Aleatoria Gausiana o Normal

la probabilidad de que se den los diferentes resultados Función Aleatoria Gausiana o Normal Función Aleatoria

Función Aleatoria Lognormal

Por ejemplo, suponer que la función aleatoria es estacionaria puede pensarse como equivalente a que

Por ejemplo, suponer que la función aleatoria es estacionaria puede pensarse como equivalente a que la función aleatoria se "repite" en el espacio y esta "repetición" proporciona la información equivalente a muchas realizaciones de la misma F.A., permitiendo de esta forma la posibilidad de la inferencia estadística.

las VAs son un subconjunto del depósito o un área que es considerada estacionaria. La

las VAs son un subconjunto del depósito o un área que es considerada estacionaria. La función aleatoria Es una función que asigna una probabilidad a cada realización de z de una variable aleatoria Z: P(Z=z)

Asociación de parámetros estadísticos con las funciones aleatorias de recursos geológicos. Las variables

Asociación de parámetros estadísticos con las funciones aleatorias de recursos geológicos.

Las variables regionalizadas no son independientes , por lo tanto existe una dependencia espacial que puede ser calculada. Basándonos en este principio, podemos estimar las

variables en el espacio que no tenemos datos. La interacción entre variables es denominada

“como continuidad”

Decisión de Estacionaridad. Se determina la función aleatoria del conjunto de variables en el dominio

Decisión de Estacionaridad.

Se determina la función aleatoria del conjunto de variables en el dominio (espacio) de

estudio, pero de las muestras conocidas”.

Con esta función de densidad se puede asumir que las variables o puntos del espacio que aun no tenemos información y que debemos inferir tienen el mismo comportamiento estadístico es decir presentan la misma función aleatoria. Esto ultimo es conocido como estacionaridad”

Procesos Estocásticos Estacionarios Es un proceso cuya distribución de probabilidad, en un instante de tiempo

Procesos Estocásticos Estacionarios

Es un proceso cuya distribución de probabilidad, en un instante de tiempo fijo o de una

posición fija, es la misma para todos los instantes de tiempos o posiciones. Por lo tanto

parámetros como media y varianza existen y no varían a lo largo del tiempo o posición.

Estacionaridad Estricta Se asume que las características de la población son las mismas en cualquier

Estacionaridad Estricta

Se asume que las características de la población son las mismas en cualquier lugar del espacio

Estacionaridad de Segundo Orden e Intrínseca.

Una función aleatoria es estacionaria de segundo orden cuando su esperanza matemática

existe y es constante y cuando para cualquier par de puntos, la covarianza existe y sólo

depende del vector de separación entre los puntos.

En geología los procesos son de naturaleza Aleatoria o Estocásticos de Tipo Estacionarios de Segundo

En geología los procesos son de naturaleza Aleatoria o Estocásticos de Tipo

Estacionarios de Segundo Orden