05 – Estacionaridad y representatividad

Estacionaridad

Variable regionalizada es una realización de la función aleatoria

• Imposible inferir la función aleatoria Z(x) con sólo una realización z(x)
(los datos).
• ¿Qué sentido tiene F(z) si solamente tenemos un dato en cada posición?

• Asumiendo que la misma función aleatoria se aplica a todas las

coordenadas (ubicaciones o tiempo) x, podemos usar la información z(x)
para inferir la función aleatoria implícita Z(x).

Estacionaridad

UNSCH
Estacionaridad

• Le da sentido al formalismo de la función aleatoria

• Permite hacer inferencia a partir de una sola realización
• Es una decisión, no una hipótesis

• Es una propiedad del modelo, no de los datos:

 Un modelo estacionario se ajusta (o no) a los datos

UNSCH
Estacionaridad

• Estacionaridad estricta: se asume que la ley espacial (distribución multivariable (o,

mejor, multipunto)) es invariante por traslación. Es decir, la relación espacial entre
puntos en una determinada configuración espacial, se mantiene independiente de
dónde esté situada dicha configuración.

• Estacionaridad de segundo orden: 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:

E ( Z (u))  m
u  D
Cov ( Z (u), Z (u  h))  C (h)
• Implica la siguiente relación:  (h)  C (0)ylaCexistencia
(h) del variograma

UNSCH
Estacionaridad

• Casi-Estacionaridad de segundo orden: cuando esta relación se cumple a una

escala pequeña (radio de búsqueda del plan de kriging).

• Considerar la posibilidad de subdividir el área en subzonas más homogéneas

 Modelamiento geológico (unidades de estimación)

UNSCH
Representatividad

• La muestra debe ser representativa del área o población

• La representatividad de la muestra debiera cuestionarse siempre que los datos

no están dispersos uniformemente sobre el área (sesgo espacial), el cual
desafortunadamente es a menudo el caso en aplicaciones de ciencias de la
tierra.
- Área a explotar en los primeros años
- Área de más alta ley (anomalía)

• Se dice que el muestreo es preferencial (sesgado) si la ubicación de los datos

no es regular ni está aleatoriamente distribuida sobre el área.
Condiciones de accesibilidad
Valores esperados del atributo: el muestreo es a menudo más denso en áreas que son
consideradas críticas
Estrategia de muestreo: Ubicaciones agrupadas pueden haberse muestreado para
caracterizar la variabilidad de pequeña escala

UNSCH
Representatividad

• Restricciones técnicas y económicas

• Delineación de zonas de interés económico
• Accesibilidad

UNSCH
Representatividad

Histograma Variograma Datos Condicionantes

Muy sensible a estadísticas de
entrada

Función de
Transferencia

Modelo numérico
Respuesta
Múltiples realizaciones

UNSCH
Representatividad

Realizaciones

Fluctuaciones
Ergódicas (media
+
En una espacio
medible)
Histograma

No hay desagrupamiento o remoción del sesgo espacial

inherente en los algoritmos de simulación geoestadística

UNSCH
Desagrupamiento

• Las técnicas de desagrupamiento (declustering) permiten obtener

estadísticas representativas

• Varios métodos:
– Método de las celdas
– Método de los polígonos
– Pesos de kriging ordinario

• La idea es cambiar las frecuencias (pesos) de las muestras en función de su

representatividad:
– Donde hay más muestras, éstas informan menos acerca del fenómeno (más
redundantes)
– Donde hay menos muestras, éstas son más informativas

UNSCH
Desagrupamiento
• Una forma de corregir el muestreo preferencial consiste en la retención solamente
de los datos regularmente espaciados  adecuado si hay suficiente información al
utilizar sólo grilla regular para inferencia

yn
i

• Cuando la escasez de datos no permite dejar los valores agrupados, las áreas más
densamente muestreadas debieran recibir menor ponderación que las datos en
áreas menos muestreadas
UNSCH
Desagrupamiento

• Método de las celdas

• Ponderar las muestras en función de su peso en una celda

UNSCH
Desagrupamiento

• Método de las celdas

- Ponderar las muestras en función de su peso en una celda

UNSCH
Desagrupamiento

• Método de las celdas

– Cambio en la media depende fuertemente de deriva en los datos
– Se recomienda utilizar el tamaño que se deduce de la malla de sondajes

UNSCH
Desagrupamiento

• Método de los polígonos

– Ponderar el valor de cada muestra por el volumen de influencia

• Requiere conocer los límites del

dominio
• En 3D es computacionalmente
difícil de programar
• Muy fácil de aproximar
numéricamente
• Si los límites del dominio son
conocidos, da buenos resultados

UNSCH
 Desagrupamiento

• Sólo aplicado para corregir la distribución

– Se ponderan las frecuencias de las muestras
– Los valores de las muestran no cambian
– Los ponderadores se calculan por celda, poligonal
u otras técnicas.

UNSCH
 Derivas
• En la mayoría de los casos alguna clase de deriva está presente en el
fenómeno
– Los fenómenos de interés son anomalías
No estacionarios
• Escala de la deriva es importante

30 14

zona
25 pobre 12

20 10
z(x)
z(x)
15 8

10 6

5 4
zona rica

0 2
0 200 400 0 20 40
global local

UNSCH
 Derivas
• Modelamiento de la
deriva es subjetivo
• Modelo resultante es
función de cómo se
modeló la deriva
• Extremos:

• El modelo de la deriva
captura toda la variabilidad y
el residuo es ruido puro
(efecto pepita)

• La variabilidad se reparte
entre el modelo de la deriva y
la estructura de los residuos

UNSCH