UNIVERSIDAD ALAS PERUANAS

FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS

CURSO: GEOESTADÍSTICA I

DOCENTE DEL CURSO

ING. KROVER W. LAZARTE PONCE

Ing. Krover W. Lazarte P. 1

 4. CONTENIDO ANALÍTICO

SEMANA 1
CAPITULO I: INTRODUCCIÓN A LA TEORIA DE VARIABLES
REGIONALIZADAS.
1.1 Introducción, explicación de la metodología a seguir en el curso:
Método constructivista.
SEMANA 2
Variable Aleatoria
Función Aleatoria
1.2 Variables regionalizadas
1.3 Hipótesis estacionario.

Ing. Krover W. Lazarte P. 2

 Función de distribución y momentos de una función aleatoria
Sea Z(x) una función aleatoria definida en R3 , entonces el vector aleatorio

se caracteriza por su función de distribución de probabilidad n-variada:

El conjunto de todas las distribuciones para todo valor de n y para

cualquier selección de puntos en R3 constituye la ley espacial de
probabilidad de la función aleatoria Z(x).
Esta función en la práctica es imposible de determinar y sólo se puede
esperar inferir los primeros momentos de la distribución de Z(x) .
En las aplicaciones en geoestadística lineal resulta suficiente estimar los
momentos hasta de segundo orden, no obstante en la mayoría de los casos
la información disponible no permite inferir momentos de orden superior.
Ing. Krover W. Lazarte P. 3
 Momentos de la distribución de una FA : Z(x)
El momento de primer orden de Z(x) es la esperanza matemática definida
como:

También conocido como valor medio o media de Z(x) está definido

como la expresión anterior.

Ing. Krover W. Lazarte P. 4

 Momentos de la distribución de una FA : Z(x)
Momentos de segundo orden:
Los momentos de segundo orden considerados en geoestadística son:
i) La varianza de Z(x) esta definida como:

ii) La covarianza de dos variables aleatorias Z(xi) y Z(xj) definida como:

Esta función es también conocida como función de autocovarianza.

iii) El semivariograma Z(x) o que se define como:

También conocido como función de semivarianzas o variograma. Además

el variograma es , pero con frecuencia se usa el término
indistintamente para designar a
Nota: Se debe notar que tanto la varianza como el variograma son siempre positivos, mientras
que la covarianza puede tomar valores negativos.
Ing. Krover W. Lazarte P. 5
 Hipótesis de la Geoestadística.
Como la forma en que se presenta la información inicial es muy diversa,
según [Alfonso,1989b] aspecto que trata [Journel,1978], para aplicar la
Geoestadística es necesario aceptar el cumplimiento de ciertas hipótesis
sobre el carácter de la función aleatoria o procesos estocásticos
estudiados.

Las hipótesis de la Geoestadística son:

Ing. Krover W. Lazarte P. 6

 Estacionaridad de una FA
Estacionaridad Estricta
Se dice que una función aleatoria Z(x) es estrictamente estacionaria si la
función de distribución de probabilidades de las variables aleatorias
regionalizadas Z(xi) son iguales entre sí o invariante a cualquier traslación
respecto al vector h y/o independiente de la localización xi.
Esto requiere que los momentos de distinto orden para cada variable
aleatoria regionalizada sean completamente independientes de la
localización xi.
Pero resulta práctico limitar la hipótesis de estacionaridad a los primeros
momentos.
Esta condición como su nombre lo indica. Es demasiado restricta al estudiar
la mayoría de los fenómenos encontrados en la práctica.

Ing. Krover W. Lazarte P. 7

 Hipótesis de la Geoestadística.
I.- Estacionaridad Estricta.

X X

X X

X X X X

X
X

E (Z(x)) = m(x) E (Z(x)) = m

FA Var Z(x) = σ2(x) Var Z(x) <<<<<< = σ2
Cov (Z(x) Z(y)) = K (x,y) Cov (Z(x) Z(y)) = K (h)
h = y-x
Ing. Krover W. Lazarte P. 8
 Clasificación de las FA según su grado de estacionaridad

 FA estacionarias de segundo orden

 FA aleatorias intrínsecas
 Funciones aleatorias no estacionarias

Ing. Krover W. Lazarte P. 9

 FA estacionarias de segundo orden
Se dice que una FA es estacionaria de segundo orden si sus momentos de
primer y segundo orden no dependen de la posición, es decir:
I. su valor esperado existe y no depende de x ,

II. para cualquier par de variables aleatorias Z(x) y Z(x+h), su covarianza

existe y sólo depende del vector de separación h ,

La estacionaridad de la varianza implica que la varianza existe, es finita y no

depende de x , es decir

Así mismo bajo esta hipótesis el semivariograma también es estacionario y

se cumple que:

Además existe una relación directa entre el semivariograma y la función de

covarianza
Ing. Krover W. Lazarte P. 10
 FA estacionarias de segundo orden
Esta hipótesis requiere la estacionaridad solo para la media y para la
función de covarianza de la variable aleatoria regionalizada. La segunda
condición implica, estacionaridad de la varianza y del variograma.

Como se observa en la última expresión γ(h) y C(h), son dos herramientas

que permiten expresar la correlación entre la variable aleatoria
regionalizada Z(xi) y Z(xi+h), separadas por el vector h.
Ing. Krover W. Lazarte P. 11
 FA aleatorias intrínsecas o Hipótesis Intrínseca.
Un función aleatoria Z(x) se dice intrínseca cuando:

Cuando se cumple esta condición se dice que la función aleatoria Z(x) es

homogénea.
Esta condición se encuentra con bastante frecuencia en la naturaleza, pues existen
muchos procesos que no tiene varianza finita y sin embargo, poseen una función
variograma finita.
La estacionaridad de segundo orden, siempre implica la condición
intrínseca (homogeneidad), sin embargo la relación inversa no siempre se cumple.
Ing. Krover W. Lazarte P. 12
 FA aleatorias intrínsecas o Hipótesis Intrínseca.
HIPÓTESIS INTRÍNSICA  EL VARIOGRAMA

Var (Z(x+h) – Z(x)) = E (Z(x+h) – Z(x))2 = 2 γ (h)

PROPIEDADES DEL VARIOGRAMA
i)Relación con la covarianza ii) Simetría iii) Positividad
γ(h) = 2 - K(h) = K(0) – K(h) γ(-h) = γ(h)
γ(h)  0
K(0) meseta
γ(h) El variograma es la
herramienta básica
de la geoestadística
que expresa la
correlación espacial
K(h)
a de las muestras

Ing. Krover W. Lazarte P. 13

 FA no estacionarias
 Cuando no cumplen la Hipótesis Intrínseca.
 El valor esperado de la diferencia depende de la posición.
 La varianza de la diferencia no es estacionaria
 Un indicador de no estacionaridad (tendencia) es cuando el variograma
presenta un crecimiento similar o superior a h2
 Si consideramos a la FA Z(x) como la suma de una componente
determinística m(x) y de un residuo R(x) estacionario con media nula, es
decir:
• Entonces vemos que el semivariograma de Z(x) depende de x

En el caso en que la deriva sea lineal el semivariograma

no depende de x

Ing. Krover W. Lazarte P. 14

 Ejemplo de variograma
Ejemplo de variograma en presencia de tendencia muestra un crecimiento
h2
Figigura: Ejemplo de
semivariograma en
presencia de tendencia
muestra un crecimiento
h2 en la dirección de
45°con intervalo 4
km.

Ing. Krover W. Lazarte P. 15

 Ejemplos de Estacionaridad
(a) Media y varianza constantes; (b) media variable y varianza constante;
(c) Media constante y varianza no constante; (d) Media y varianza no
constantes.

Ing. Krover W. Lazarte P. 16

 Ejemplos de Estacionaridad
(a) Media estacionaria; (b) Media no estacionaria

Ing. Krover W. Lazarte P. 17

Ciencia Tecnologia y Medio Ambiente

Para uso restringido para KL. Todos los derechos reservados. Ninguna
parte de esta presentación puede ser reproducida o utilizada en ninguna
forma o por ningún medio sin permiso explícito de Krover Lazarte.