CONCEPTOS GENERALES

SOBRE EL MODELAMIENTO
GEOESTADISTICO DE DATOS

INTEGRANTES: (grupo 3)

• JUAN PERCY RAMOS BENITES

• JEMERSON HUAMAN HUAYLLA
• EDISON YUCRA CAHUANA
• KATHERINE BORDA ESPINOZA
• JHON UTANI GOMEZ
 Para poder describir y “entender” un
fenómeno regionalizado, es necesario
elaborar una representación matemática o
modelo. Una primera solución consiste en
utilizar un modelo determinístico.

¿qué es un modelo  Un modelo matemático nunca es una

matemático? Propósito de un representación totalmente precisa de
Es una descripción modelo una situación física, es una
matemática (con Entender el idealización.
 Un buen modelo simplifica la
frecuencia mediante fenómeno y quizá
realidad lo suficiente como para
una función o una hacer predicciones permitir cálculos matemáticos pero
ecuación), de un con respecto al es lo suficientemente preciso para
fenómeno del comportamiento proveer conclusiones valiosos.
mundo real futuro
 En general, este enfoque conduce a una evaluación precisa de la variable
regionalizada a partir de un número limitado de observaciones, pero requiere conocer
la génesis del fenómeno y las leyes físicas o ecuaciones matemáticas que rigen la
distribución de la variable regionalizada. Entre otros dominios de aplicación, citemos

 la meteorología: previsión climática a corto

plazo
 la geofísica: determinación de la intensidad y
orientación del campo gravitacional y del
campo magnético terrestre en el espacio y el
tiempo
 la teoría de la señal: reconstitución de una señal
continua a partir de un conjunto de mediciones,
usando propiedades espectrales
 Variables Regionalizadas
A modo de definición una variable regionalizada es una variable aleatoria cuya
realización depende de la posición. Ejemplos típicos de variables regionalizadas son la
elevación topográfica de algún terreno, el perfil de pozo registrado con alguna
herramienta de sondeo

Cualquier fenómeno cuantificable puede ser caracterizado por

ciertas magnitudes o variables, que fluctúan en el espacio o el
tiempo. A esta variable se le da el nombre de la V.R
Noción de la
variable
Del punto de vista matemático, una V.R se representa por una
regionalizad función f(x) del espacio o del tiempo, esta función es compleja,
a generalmente desconocida

Para el estudio de la variable regionalizada se utilizan: los

métodos transitivos que mediante la representación de valores
numéricos permiten obtener una realidad física
 • Ejemplos típicos

• la evaluación minera • la exploración petrolífera • la caracterización de una zona

contaminada o de una parcela agrícola

• la estimación de los recursos

forestales de una región • la previsión meteorológica de largo
plazo
 Estamos entonces obligados a renunciar a una descripción determinística
del fenómeno y recurrir a un modelo probabilístico. Este proceder resulta
operatorio, pues permite formalizar tanto los conocimientos como las
incertidumbres que se tiene del fenómeno regionalizado.
Modelo probabilístico
Modelo determinístico Como su nombre lo indica un
Son modelos cuya solución para modelo en que las acciones o
determinadas condiciones es única y alternativas posibles están signadas
siempre la misma, así mismo son por el azar.
aquellos donde se supone que los También es aquel cuyo
datos se conocen con certeza, es comportamiento es no determinística,
decir, se supone que cuando el en la medida que el subsiguiente
modelo sea analizado se tiene estado del sistema esta determinado
disponible toda la información tanto por las acciones predecibles del
necesaria para la toma de decisión proceso como por elemento
aleatorio.
 1. Límites de la estadística clásica

la esperanza
se considera los
datos como Se busca
Estadística realizaciones estimar los
clásica independientes de parámetros
una misma variable
aleatoria. la varianza
 La geoestadística
entrega una representación intermedia

aleatoria funcional
 Conceptos de variable aleatoria regionalizada
señalan
Journel y
Huijbregts David (1977)
(1978)
Estos conceptos son:

1.-Región 2.-Localización
Se refiere al espacio en el cual existe y se Es el punto de una región en la cual se
estudia el fenómeno natural. define una variable aleatoria
regionalizada.
 3.-Momentos de primer orden 4.-Soporte Geométrico

Si la función de distribución de Z(xi) Está determinado por el elemento físico

tiene una media definida, será una sobre el cual se realiza la determinación
función de la localización xi. de la variable aleatoria regionalizada,
m(xi) = E{ Z(xi)}
 5.-Momento de segundo orden

Si la varianza (Var) de Z(xi) existe, entonces se define como el

momento de segundo orden y será también una función de la
localización xi.

Var { Z(xi)} = E{ [Z(xi) - m(xi)] 2}

 1.1.-Variables aleatorias regionalizadas
Journel y LLAMADO
según según David
Huijbregts
Hipótesis de la Geoestadística (1977):
(1978)

I- Estacionaridad Estricta.
Se dice que Z(x) es estrictamente estacionaria si
la función de distribución de probabilidades de
las variables aleatorias regionalizadas Z(xi) son
iguales entre sí,
 II- Estacionaridad de Segundo Orden.

1) E{ Z(xi)} = m, xiste y no depende de la localización xi.

2) La función covarianza, Cov{ Z(xi) - Z(xj)} , exista y
sólo dependa de la longitud del vector h = xi – xj.

III- Hipótesis Intrínseca.

Una función aleatoria Z(x) se dice intrínseca cuando:

Para todo vector h el incremento [Z(x+h) - Z(x)] tiene

varianza finita y no depende de la localización xi:
 2.-Noción de Función Aleatoria

Función Aleatoria

Una función elegida al En teoría de probabilidades se

azar de una familia de
posibles funciones
define la noción de variable
(PROBABILIDADES ) aleatoria (V.A.)
 variable aleatoria

En un experimento aleatorio
consiste en asociar un valor
numérico a cada suceso elemental
del experimento.

Variables Aleatorias Discretas Variables aleatorias continuas

El conjunto de posibles valores es

El conjunto de posibles valores es
no numerable. Puede tomar todos
numerable. Suelen estar asociadas
los valores de un intervalo. Son el
a experimentos en que se mide el
resultado de medir.
número de veces que sucede algo.
Ejm.1.-tiempo que tarda en
Ejm. 1.-Numero de páginas de un
fundirse una bombilla
libro
2.-cantidad de agua consumida en
2.-número de preguntas en una
un mes.
clase de una hora
 CARACTERIZACION DE UNA FUNCION ALEATORIA
DISTRIBUCION
ESPACIAL

GRUPO DE VARIABLES ALEATORIAS

 CARACTERIZACION DE UNA FUNCION ALEATORIA

DISTRIBUCION UNIVARIABLE Y BIVARIABLE

Estas distribuciones corresponden a los casos particulares donde k = 1 y k = 2. En

general, los datos disponibles permiten inferir estas distribuciones

DISTRIBUCION
UNIVARIABLE

Fx1 corresponde a la función de distribución

de la variable aleatoria Z(x1) ubicada en x1
 CARACTERIZACION DE UNA FUNCION ALEATORIA

DISTRIBUCION
BIVARIABLE

Fx1,x2 corresponde a la función de distribución

conjunta del par de variables aleatorias
{Z(x1), Z(x2)}
 Momentos

Los momentos de una variable aleatoria X son los valores

esperados de ciertas funciones de X. éstos forman una
colección de medidas descriptivas que pueden emplearse para
caracterizar la distribución de probabilidad de X y
especificarlas si todos los momentos de X son conocidos
Primer Momento: Valor Esperado

Llamado también Esperanza, primer momento

alrededor del cero es la media o valor esperado
de la variable aleatoria .
 Segundo Momento: La Varianza

El segundo momento central, alrededor de la

media, recibe el nombre de varianza de la
variable aleatoria.
 Tercero Momento: Covarianza

El tercer momento central está relacionado con la

asimetría de la distribución de probabilidad de X.
La cual es llamada sesgo
La covarianza da una visión elemental del vínculo
o “interacción” que existe entre Z(x1) y Z(x2)
Cuarto Momento: Correlograma

El cuarto momento central es una medida de qué

tan puntiaguda es la distribución de probabilidad
y recibe el nombre de curtosis(coeficiente de
correlación lineal) entre dos variables aleatorias
Z(x1) y Z(x2): 4
 Quinto Momento: La Semi-Variograma

Entre dos variables aleatorias Z(x1) y Z(x2)

En adelante, para aliviar la escritura, se omitirá
sistemáticamente el prefijo “semi” y se hablará
solamente de “variograma”.
 INFERENCIA ESTADÍSTICA –
HIPÓTESIS DE ESTACIONARIDAD
• Del punto de vista matemático, la hipótesis de
estacionariedad consiste en postular que la distribución
espacial de la función aleatoria es invariante por traslación,
es decir, que las propiedades de un conjunto de datos no
dependen de su posición absoluta en el espacio, sino que
solamente de sus posiciones relativas. Esto implica las
siguientes simplificaciones:
Relaciones entre momentos