Anexo D: el método de las bandas rotantes

Anexo D: el método de
las bandas rotantes

I. Idea directriz

Las técnicas de simulación en geoestadística buscan generar varias realizaciones de una función
aleatoria definida en un espacio Rd (d = 2 ó 3 en general) y de ley espacial dada. La idea directriz
del método de las bandas rotantes es reducir el problema de la simulación a un problema de
simulación unidimensional.

II. Observaciones preliminares

En lo que sigue, nos pondremos en el caso estacionario de orden dos, pero el método queda
aplicable en el marco intrínseco al reemplazar las covarianzas usuales por covarianzas generalizadas.
Podemos incluso restringirnos, sin pérdida de generalidad, a los modelos básicos de covarianza
(esférica, exponencial...) ya que, según el modelo lineal de regionalización, una función aleatoria
de covarianza anidada puede verse como la suma de funciones aleatorias independientes cuyas
covarianzas son los modelos de base identificados en el esquema anidado.

Presentaremos la técnica de las bandas rotantes en el caso de funciones aleatorias isótropas,

aunque, en teoría, es posible extenderla a funciones aleatorias anisótropas cualquiera. En la práctica,
si el modelo de covarianza presenta una anisotropía geométrica – o zonal, que es un caso extremo de
anisotropía geométrica –, se vuelve al caso isótropo por una transformación lineal de las coordenadas
(rotación seguida de una homotecia); una vez la función aleatoria simulada en el nuevo sistema
referencial, se aplica la transformación inversa para obtener la simulación de la función aleatoria
anisótropa.

227
Anexo D: el método de las bandas rotantes

III. Paso de R a R d

Sea una función aleatoria Y(1) definida en R, estacionaria de orden dos, de esperanza nula y de
covarianza C1, supuesta continua en R:

E [Y (1) ( t )] = 0

E [Y (1) ( t + r ) Y (1) ( t )] = C1 (r )

Sean ∆ una recta de Rd y u un vector director unitario de ∆. Para x ∈ Rd, se plantea:

Yu (x) = Y (1) (< x | u >) (fórmula de esparcimiento).

1
424 3
proyección
de x sobre ∆

figura D.1: un proceso unidimensional (a) y un ejemplo

de proceso bidimensional obtenido por esparcimiento (b)

La función aleatoria Yu es de esperanza nula y todas sus realizaciones son constantes en los
hiperplanos ortogonales a u. Su covarianza vale:

C d (h) = E [Yu (x + h) Yu (x)] = E [Y (1) (< x + h | u >) Y (1) (< x | u >) ]

= C 1 (< x + h | u > − < x | u > )
= C 1 (< h | u > )

Esta covarianza es anisótropa pues depende de la dirección de h. Se vuelve isótropa al aleatorizar

la orientación de la recta ∆: se reemplaza u por una variable aleatoria U uniforme sobre la esfera
unitaria Sd de Rd, lo que define YU:

YU (x) = Y (1) (< x | U >) .

228
Anexo D: el método de las bandas rotantes

De acuerdo al teorema de la esperanza total, se tiene:

C d (h) = E [YU (x + h) YU (x)]

= E { E [YU (x + h) YU (x) | U]}
= E { C 1 (< h | U > ) }

es decir

C d (h) = ∫ C 1 ( < h | u > ) ϖ d ( du )

Sd

donde Sd es la esfera unitaria de Rd

ϖd es la distribución de probabilidad de U sobre Sd (uniforme, luego invariante por rotación).

La invarianza por rotación de ϖd implica que Cd es isótropa y sólo depende de r = |h|.

El operador Td: C1 → Cd se llama operador de las bandas rotantes: a una función de covarianza
continua en R, asocia una función de covarianza isótropa en Rd. Un resultado fundamental es que Td
es biyectivo: para toda función de covarianza Cd continua e isótropa en Rd, existe una única función
de covarianza C1 continua en R que verifica la relación anterior. Esta propiedad permite reemplazar
el problema de la simulación de una función aleatoria Y(x) de covarianza Cd isótropa en Rd por un
problema unidimensional: basta con simular Y(1) de covarianza C1 y una variable uniforme U en Sd,
luego plantear Y(1)(< x | U >) como simulación de Y(x).

En general, la explicitación de la función C1 a partir de Cd es difícil. Una excepción proviene de las funciones
de covarianza generalizada de tipo potencia. En efecto, con excepción de una constante multiplicativa, las funciones
reales de la forma rα son invariantes al pasar de R a Rd: son funciones propias para el operador de las bandas
rotantes. Más precisamente, se tiene:

 α + 1  d 
Γ   Γ  
α α  2  2
Td ( r ) = A d , α r con A d , α =
α + d
π Γ  
 2 

donde Γ es la función de Euler que interpola la factorial: Γ(n+1) = n ! Esta propiedad vuelve particularmente simple
la aplicación del método de las bandas rotantes a las funciones aleatorias intrínsecas de covarianza generalizada
polinomial.

Otro caso notable es aquel de la covarianza generalizada spline K1(r) = r2 ln(r), de orden k ≥ 1 en R. Esta
función no es una función propia para el operador de las bandas rotantes. Así, se tiene:

2 2
K 2 ( r ) = T2 [ K 1 ( r ) ] = r ln ( r ) / 2 + r [ 1 − 2 ln(2) ] / 4
2 2
K 3 ( r ) = T3 [ K 1 ( r ) ] = r ln ( r ) / 3 − r / 9

y, por recurrencia
2 2
K d ( r ) = ( d − 2) K d − 2 ( r ) / d − r / d ∀d ≥ 3 .

229
Anexo D: el método de las bandas rotantes

Sin embargo, las covarianzas generalizadas de orden k son definidas con una indeterminación de un polinomio
par de grado ≤ 2k, de modo que Kd(r) puede identificarse con r2 ln (r) / d, ya que k ≥ 1.

IV. Simulación de una función aleatoria en R 3

Se busca simular una función aleatoria en R3, de media nula y de función de covarianza C3
conocida (e isótropa). Primero, calcularemos la covarianza C1 asociada a C3 por el operador de las
bandas rotantes. Sea un vector h de R3. Se orienta el sistema referencial de tal manera que el eje
vertical sea llevado por el vector h. Se utiliza las coordenadas esféricas (θ,φ) para localizar el vector
aleatorio U, θ ∈ [0,2π[ y φ ∈ [0,π/2].

figura D.2: coordenadas esféricas en R3

Siendo el vector U de orientación uniforme en R3, esto se traduce a nivel de sus coordenadas
esféricas por:

θ es uniforme en [0,2π[
sen φ (y no φ mismo) es uniforme en [0,1].

Denotando r = |h|, se tiene:

π π
2π dθ
C 3 ( r ) = E { C 1 (< h | U >) } = ∫ 2 ∫ C1 (r sen φ) cos φ dφ = ∫ 2 C1 (r sen φ) cos φ dφ .
0 0 2π 0

230
Anexo D: el método de las bandas rotantes

Si se plantea t = r sin φ, se obtiene:

1 r
r ∫0
C 3 (r ) = C1 ( t ) dt

d
que se invierte en: C1 (r ) = [r C 3 (r )]
dr

de donde se calcula la covarianza C1 conociendo C3.

Ejemplos

• covarianza esférica de alcance a:

C 1 − 3 r + 1 r 3  si r ≤ a

C3 ( r ) =   2 a 2 a3 
0 en caso contrario

La covarianza unidimensional asociada (figura D.3 a) es:

C 1 − 3 r + 2 r 3  si r ≤ a

C1 ( r ) =   a a3 
0 en caso contrario

Una manera sencilla para simular un proceso Y(1) de covarianza C1 consiste en dividir el eje real en intervalos
de longitud a y construir, en cada intervalo, un segmento de recta que se anula en el centro del intervalo y tiene
una pendiente de ± 2 3C / a; el signo de la pendiente es aleatorio, positivo o negativo con igual probabilidad,
e independiente de un intervalo a otro (figura D.3 b).

figura D.3: (a) covarianza unidimensional asociada a una covarianza esférica

(b) ejemplo de realización de un proceso unidimensional de covarianza C1

231
Anexo D: el método de las bandas rotantes
• covarianza exponencial de parámetro a (alcance práctico 3a):

C3 ( r ) = C exp ( − r / a ) , lo que proporciona C1 ( r ) = C (1 − r / a ) exp ( − r / a ) (figura D.4 a).

Para simular un proceso Y(1) de covarianza C1, se divide el eje real en intervalos aleatorios independientes que
siguen una distribución exponencial de longitud promedio 2a, luego se plantea Y(1) = C en la primera mitad
de cada intervalo e Y(1) = – C en la segunda mitad (figura D.4 b).

figura D.4: (a) covarianza unidimensional asociada a una covarianza exponencial

(b) ejemplo de realización de un proceso unidimensional de covarianza C1

• covarianza generalizada polinomial:

k k
p +1 2 p +1 p +1 2 p +1
C 3 ( r ) = ∑ ( −1) bp r , luego C 1 ( r ) = ∑ ( −1) ( 2 p + 2) b p r (figura D.5).
p=0 p=0

figura D.5: covarianza unidimensional asociada a una covarianza tridimensional lineal

La simulación de procesos unidimensionales cuyas covarianzas generalizadas son lineales o polinomiales se

trata al final del anexo F.

232
Anexo D: el método de las bandas rotantes

Propiedades generales

• En el caso de funciones aleatorias estacionarias de orden dos (covarianzas ordinarias):

C3(0) = C1(0): misma varianza;

α α
si C 3 (0) − C 3 ( r ) ~ r (0 < α ≤ 2) , entonces C 1 (0) − C 1 ( r ) ~ r : misma regularidad en el origen;
r →0 r →0

si C3(r) = 0 para r > a, entonces C1(r) = 0 para r > a: mismo alcance.

• En el caso de funciones aleatorias intrínsecas de orden k (covarianzas generalizadas, que se supone nulas en el
origen):
α α
si C 3 ( r ) ~ r , entonces C 1 ( r ) ~ r (α ≤ 2k+2);
r →0 r →0
2 2
si C 3 ( r ) ~ r ln(r ) , entonces C 1 ( r ) ~ r ln(r ) .
r →0 r →0

Observación

Incidentemente, la relación

d
C1 (r ) = [ r C 3 ( r )]
dr

constituye un medio eficaz para verificar si una función isótropa C3 dada es una función de covarianza en R3: basta
con calcular la función C1 asociada y verificar que C1 es una covarianza en R.

Ejemplos

• ¿Es C3(r) = cos(ωr) una covarianza en R3?

La función C1 asociada por el operador de las bandas rotantes es

C 1 ( r ) = − r ω sen (ω r ) + cos (ω r )

Por no estar acotada, C1 no es una función de covarianza en R; por lo tanto, C3 no es una función de
covarianza en R3, aunque lo es en R.

• C3(r) = (1 – r / a) 1r ≤ a (función triangular, que es una covarianza en R).

Se obtiene
C1 ( r ) = (1 − 2 r / a ) 1r ≤ a

Esta función no puede ser una covarianza, pues se sabe que el mayor grado de discontinuidad de una función
de covarianza se ubica en el origen (ahora bien, aquí, C1 es continua en el origen y discontinua en r = a).

Se recordará de estos dos ejemplos que una covarianza en R no es necesariamente una covarianza en R3 (la
reciproca siempre es verdadera: una función de covarianza en un espacio también es una covarianza en un espacio
de dimensión inferior).

233
Anexo D: el método de las bandas rotantes

Puesta en marcha práctica

Conociendo la covarianza C3 (isótropa) de la función aleatoria a simular en R3, se calcula la

covarianza C1 asociada. Se simula entonces, por un método cualquiera, una función aleatoria Y(1) en
R de covarianza C1, luego se sortea una dirección U uniforme en S3 y se plantea

YUS (x) = Y (1) (< x | U >) .

La aleatorización de U puede parecer artificial ya que, en definitiva, se ocupa una realización

numérica de esta variable. Una consecuencia es que una realización de YUS es constante en planos
paralelos entre sí, ortogonales a la dirección U sorteada, de modo que su covarianza experimental no
es isótropa (presenta una anisotropía zonal pura); en términos matemáticos, la función aleatoria
simulada no es ergódica1: la covarianza experimental calculada sobre una realización particular no
permite encontrar la covarianza teórica isótropa.

Para llegar a la ergodicidad, la idea es repetir el procedimiento de simulación para numerosas

direcciones {ui, i = 1... N}, sorteadas al azar o regularmente espaciadas en la esfera unitaria (ver el
párrafo siguiente), y superponer las simulaciones elementales obtenidas. Así pues, se necesita varias
simulaciones independientes en R para obtener una simulación ergódica en R3.

Más precisamente, para simular una función aleatoria Y(x) de covarianza C3 isótropa, se itera el
siguiente algoritmo (iteraciones indexadas por un índice i que varía de 1 a N):

• simular una función aleatoria Yi(1) en R de esperanza nula y covarianza C1; la elección del
método de simulación es libre y puede adaptarse a la covarianza a simular;
• sortear una dirección Ui en R3, por ejemplo de distribución uniforme sobre la esfera;
• calcular YSi (x) = Yi(1) (< x | U i >) (constante en los planos ortogonales a Ui).

Se debe realizar las diferentes iteraciones independientemente unas de otras. La simulación final
es
N N
1 1
YS (x) =
N
∑ YSi (x) =
i =1 N
∑Y
i =1
i
(1)
(< x | U i > ) .

La ponderación por 1/ N permite conservar la función de covarianza teórica: YS tiene la misma

función de covarianza que las simulaciones elementales YSi, es decir C3. El momento de orden 1
(esperanza) es nulo, tanto para YS como para las Yi(1), i = 1... N; para simular una función aleatoria
de esperanza m cualquiera, basta con añadir m a la simulación final YS.

1
La hipótesis de ergodicidad consiste en identificar las medias espaciales con las esperanzas matemáticas, y más
generalmente los momentos estadísticos con los momentos teóricos. Permite inferir los momentos de una función
aleatoria a partir de una realización única.
234
Anexo D: el método de las bandas rotantes

A nivel de las realizaciones, la función de covarianza experimental de YS es:

1 N
Ĉ 3 (h) = ∑ Ĉ1,i (< h | u i >)
N i =1

donde Ĉ1,i, covarianza experimental de la simulación unidimensional Yi(1), es identificable con C1

si Yi(1) es ergódica. Cuando N es suficientemente grande y las direcciones ui repartidas de manera
homogénea sobre la esfera unitaria S3, Ĉ3(h) se vuelve una aproximación aceptable de

C 3 (h) = E { C1 (< h | U >) } = ∫ C 1 ( < h | u > ) ϖ 3 ( du ) .

S3

En este caso, se alcanza prácticamente la ergodicidad, es decir, la covarianza experimental de

YS reproduce correctamente la covarianza teórica C3. Además, al aumentar N, YS converge hacia
una función aleatoria de ley espacial gaussiana, en calidad de suma de funciones aleatorias
independientes y de igual ley espacial (teorema del límite central).

Número y elección de las rectas

Para elegir las rectas asociadas a las simulaciones unidimensionales, un primer enfoque consiste
en sortear rectas “al azar” en R3, es decir cuya orientación sigue una distribución uniforme sobre la
esfera unitaria. La desventaja de este procedimiento es que la repartición de las rectas no es
homogénea: se produce grupos de rectas en ciertas direcciones del espacio, mientras que sectores
angulares del espacio son vacíos de rectas (figura D.6 a).

Una segunda posibilidad sería tomar rectas distribuidas de manera regular en el espacio. La
dificultad es que el mayor número de rectas regularmente repartidas que se puede construir en R3 es
igual a 15: se trata de las rectas que unen los centros de las aristas opuestas de un icosaedro regular2.
Ahora bien, la experiencia muestra que realizar una simulación por bandas rotantes con la ayuda
de 15 rectas es altamente insuficiente: la covarianza simulada difiere de la covarianza teórica y no es
isótropa. En términos matemáticos, la función aleatoria simulada no es ergódica. Varias centenas
de rectas son necesarias.

Una alternativa eficaz consiste en escoger rectas casi-regularmente repartidas en el espacio,

por ejemplo, calculadas según una secuencia de Van der Corput3 (figura D.6 b). Este procedimiento
mejora altamente la calidad de las simulaciones con respecto a rectas de direcciones uniformes o a
las 15 rectas regulares del icosaedro.

2
El icosaedro es el poliedro convexo regular que tiene el mayor número de caras (20) (estas caras son triángulos
equiláteros iguales).
3
Las secuencias de Van der Corput se basan en las descomposiciones binarias y ternarias de los naturales i = 1… N
(siendo N el número de rectas a generar). En cada etapa, la idea es encontrar una dirección “tan alejada como sea posible”
de las direcciones anteriormente generadas. Las secuencias obtenidas son más homogéneas que aquellas obtenidas por
simulación de rectas independientes y uniformemente distribuidas (ver anexo E).
235
Anexo D: el método de las bandas rotantes

figura D.6: generación de 300 direcciones sobre la esfera unitaria

(a): direcciones uniformes; (b): direcciones equirepartidas

En la práctica, se obtiene simulaciones muy aceptables siempre que el número de rectas sea
suficientemente grande (para fijar las ideas, > 300): el efecto de la discretización del espacio en un
número finito de rectas se vuelve despreciable en comparación con los defectos de ergodicidad
“inherentes” a las realizaciones de una función aleatoria (recordemos que es utópico buscar
simulaciones perfectamente ergódicas, pues el dominio simulado siempre está limitado).

figura D.7: simulación de un esquema esférico isótropo en R3 (representación de una sección

plana en escala de grises) a partir de 15 rectas regulares (a) y 300 rectas equirepartidas (b)
la discretización del espacio por solamente 15 rectas regulares conduce a artefactos

236
Anexo D: el método de las bandas rotantes

V. Simulación de una función aleatoria en R 2

V.1. Enfoque directo

Tratemos de actuar de igual manera en R2. Se toma h orientado según el eje de las abscisas y se
localiza U por su ángulo polar θ.

figura D.8: coordenadas polares en R2

Si se plantea r = |h|, se tiene

1 2π 2 r 1
C 2 ( r ) = E [C 1 ( < h | U > ) ] = ∫
2π 0
C1 (r cos θ) dθ = ∫
π 0 r2 − t2
C1 ( t ) dt .

La inversión da:
d r t
C1 (r ) = ∫
d r 0 r2 − t2
C 2 ( t ) dt .

En general, el cálculo de C1 a partir de C2 es inextricable, salvo en algunos casos particulares,

como el de las covarianzas generalizadas de la forma C1(r) = rα que son funciones propias del
operador de las bandas rotantes. En este caso, se tiene:

1 2π α
2 π ∫0
C 2 (r ) = r cos α θ dθ = A 2,α r α .

Aunque, en el caso general, no se puede encontrar una expresión analítica simple de C1, es
posible tener una representación espectral de C1 con ayuda de la de C2, utilizando el teorema de
Bochner. Este teorema puede servir para calcular C1 de manera aproximada (ver párrafo siguiente) y
es la base del método espectral estudiado en el anexo F.

237
Anexo D: el método de las bandas rotantes

V.2. Análisis espectral de las bandas rotantes

El teorema de Bochner enuncia que una función Cd(h), definida en Rd y continua, es la covarianza de una
función aleatoria estacionaria de orden dos si y sólo si es la transformada de Fourier de una medida positiva
integrable:

∫e
−2 i π < h | t >
C d (h ) = χ ( dt )

∫ χ(dt ) = C
2
con d ( 0) = σ .

En el caso de una función aleatoria real, la medida χ es simétrica y se tiene:

C d (h ) = ∫ cos (2 π < h | t >) χ(dt ) .

Planteando t = ρu, donde u es un vector normalizado, se puede factorizar χ en dos medidas, una que se refiere
a la dirección u, otra al radio ρ:
χ(dt ) = F1 (du ) Fu (dρ) .

Se utiliza las coordenadas esféricas (ρ,u) para calcular Cd(h):

+∞
C d (h ) = ∫ ∫ Sd 0
cos ( 2 π ρ < h | u >) F1 (du ) Fu (dρ) donde Sd es la esfera unitaria de Rd

+∞
= ∫ ∫ 1 S
2 d
−∞
cos ( 2 π ρ < h | u > ) Fu (dρ) F1 (du ) al simetrizar Fu(dρ)

+∞

∫ ∫
u u
= 1 S
C1 (< h | u >) F1 (du ) con C1 ( t ) = cos ( 2 π ρ t ) Fu (dρ)
−∞
2 d

donde C1u es una función de covarianza, en calidad de transformada de Fourier de una medida positiva integrable.

Esta fórmula constituye la expresión más general de las bandas rotantes. Considerando una covarianza continua
Cd en Rd, no necesariamente isótropa, su descomposición espectral permite determinar Fl y Fu. El procedimiento de
simulación es el siguiente:

1) para i = 1... N (N suficiente grande), repetir las siguientes etapas en forma independiente:

• sortear una dirección ui según la distribución dada por Fl (no necesariamente uniforme sobre la semiesfera
unitaria);
ui
• calcular la covarianza C l asociada en R;
(1) ui
• simular una función aleatoria Yu , i en R de covarianza C l ;

i (1)
• plantear YS ( x) = Yu , i (< x | u i > ) ;

2) plantear como simulación final:

1 N
i 1 N
(1)
YS ( x ) = ∑ YS ( x ) = ∑ Yu , i (< x | u i >) .
N i =1 N i =1

238
Anexo D: el método de las bandas rotantes

En el caso donde Cd(h) es isótropa

F1(du) es la distribución uniforme sobre la semiesfera unitaria de Rd

Fu(dρ) = F2(dρ) no depende de la dirección u

luego C1u, transformada de Fourier de F2, es idéntica en todas las direcciones: C1u = C1 (independiente de u). Por lo
tanto, se tiene:

C d (h ) = ∫ 1 S
2 d
C1 (< h | u > ) F1 (du ) .

Esta relación se puede contejar con la fórmula anterior

C d (h ) = ∫ Sd
C 1 (< h | u >) ϖ d (du )

donde se puede reducir la integral sobre la esfera unitaria Sd a una integral sobre la semiesfera.

El teorema de Bochner entrega una representación espectral de la covarianza C1 asociada a Cd: C1 aparece
como la transformada de Fourier de una medida que es la función radial de la representación espectral de Cd.
Conociendo Cd, es entonces posible obtener la representación espectral de C1 a partir de la de Cd.

V.3. Puesta en marcha práctica

En la práctica, para simular una función aleatoria definida en R2 y de covarianza isótropa C2(h),
no se calcula la covarianza C1 asociada a C2 con ayuda del teorema de Bochner, ni tampoco a partir
de la relación

d r t
C1 (r ) =
dr ∫ 0
r − t2
2
C 2 ( t ) dt .

La simulación puede ser obtenida de manera más sencilla aplicando el método de las bandas
rotantes en R3, luego “cortando” por un plano. Sin embargo, una hipótesis limitativa es necesaria:
hay que suponer que C2(h), covarianza isótropa en R2, también es una covarianza en R3. Aunque es
el caso de la mayoría de los esquemas elementales (modelos esférico, exponencial, potencia...), esta
propiedad no es sistemática, pues una covarianza en un espacio no es forzosamente una covarianza
en un espacio de dimensión superior.

Sean ∆ una recta de orientación uniforme en R3, ∆′ su proyección ortogonal en el plano

horizontal (luego, de orientación uniforme en R2), h un vector de este plano que lleva el eje de las
abscisas y r el modulo de h; ∆ está localizada en el espacio por los ángulos θ y φ (con θ ∈ [0,2π[ y
φ ∈ [0,π/2]), ∆′ está localizada en el plano por el ángulo θ. Se denota como U un vector director de
∆ y U′ un vector director de ∆′ (figura D.9).

239
Anexo D: el método de las bandas rotantes

La uniformidad de la orientación de ∆ se traduce por:

• θ es uniforme en [0,2π[
• sen φ (y no φ) es uniforme en [0,1].

figura D.9: sumersión de R2 en R3

Sea C1 la covarianza asociada a C2 considerada como una covarianza en R3. Se tiene la relación
siguiente:
1 r
r ∫0
C 2 ( r ) = E [ C 1 (< h | U > ) ] = C1 ( t ) dt .

Ahora bien, para toda realización u = (θ,φ) de U,

C1 (< h | u >) = C1 ( | h | cos φ cos θ) .

Planteando C1φ (r ) = C1 (r cos φ) , esta última igualdad se escribe

C1 (< h | u >) = C1φ ( | h | cos θ) = C1φ (< h | u′ >)

de donde viene:

C 2 (r ) = E [ C1 (< h | U >) ] = E { E [C1φ (< h | U′ >) ] | φ } .

Condicionalmente a φ, C1φ(r) es la función de covarianza asociada a C2 (esta vez, tomada en

calidad de covarianza en R2).

Para una realización de φ fija, C1φ se deduce de C1 con diferencia de un factor de anisotropía
geométrica igual a 1/(cos φ). En particular, si C1 tiene un alcance, lo mismo pasa con C1φ(r).

240
Anexo D: el método de las bandas rotantes

El algoritmo de simulación es el siguiente:

• sumir R2 en R3 y calcular la función C1 asociada a C2 tomada en R3;

• simular θ uniforme en [0,2π[, lo que da la recta ∆′ en el plano y su vector director u′;
• simular sen φ uniforme en [0,1], lo que da cos φ;
• calcular C1φ , que se deduce de C1 y de cos φ: C1φ (r ) = C1 (r cos φ) ;

• simular una función aleatoria Y(1) en R de covarianza C1φ ;

• el valor simulado en x (x ∈ R2) es YS (x) = Y (1) (< x | u′ >) .

Como en el caso tridimensional, conviene repetir el algoritmo con simulaciones {Yi(1), i = 1... N}
independientes y un número N de rectas suficiente como para alcanzar la ergodicidad. Se plantea
finalmente:
N N
1 1
YS (x) =
N
∑ YSi (x) =
i =1 N
∑Yi =1
i
(1)
(< x | u ′i >) .

Se puede elegir un número arbitrario de rectas, de manera de asegurar una discretización fina
del plano. Es necesario tomar a lo menos una centena de rectas si se quiere hacer despreciable
la desviación entre la covarianza experimental de la simulación y el modelo teórico. En general,
en lugar de rectas sorteadas según una distribución uniforme en el plano, se toma rectas regularmente
dispuestas (por ejemplo, una recta por grado de ángulo, o sea N = 180).

figura D.10: simulación de un esquema esférico isótropo en R2

a partir de 5 rectas regulares (a) y 180 rectas regulares (b);
representación en escala de grises

241
Anexo D: el método de las bandas rotantes

242