UNI

FIGMM

14

UNI

FIGMM

ANLISIS DE LA FUNCIN VARIOGRAMA

El objetivo a cumplir en la realizacin del presente informe de Geoestadistica I es realizar un
estudio de los variogramas y el comportamiento que presentan frente a determinados datos
obtenidos al aplicar diferentes formas de agrupacin y con ellos obtener graficos para luego
con ellos poder obtener informacin de un determinado fenmeno.
Algunas definiciones afines:
TEOREMA DEL LMITE CENTRAL
El Teorema del Lmite Central o Teorema Central del Lmite indica que, bajo condiciones muy
generales, la distribucin de la suma de variables aleatorias tiende a una distribucin gaussiana
cuando la cantidad de variables es muy grande.
Existen diferentes versiones del teorema, en funcin de las condiciones utilizadas para
asegurar la convergencia. Una de las ms simples establece que es suficiente que las variables
que se suman sean independientes, idnticamente distribuidas, con valor esperado y varianza
finitas.
La aproximacin entre las dos distribuciones es en general mayor en el centro de las mismas
que en sus extremos o colas, motivo por el cual se prefiere el nombre Teorema del Lmite
Central (central califica al lmite, ms que al teorema).
Esta relacin entre la forma de la distribucin de la poblacin y la forma de la distribucin de
muestreo se denomina teorema del lmite central, que es tal vez el ms importante de toda la
inferencia estadstica. Nos asegura que la distribucin de muestreo de la media se aproxima a
la normal al incrementarse el tamao de la muestra. Hay situaciones tericas en las que el
teorema del lmite central no se cumple, pero casi nunca se encuentran en la toma de
decisiones prctica. Una muestra no tiene que ser muy grande para que la distribucin de
muestreo de la media se acerque a la normal. Los estadsticos utilizan la distribucin normal
como una aproximacin a la distribucin de muestreo siempre que el tamao de la muestra sea
al menos de 30, pero la distribucin de muestreo de la media puede ser casi normal con
muestras incluso de la mitad de ese tamao. La importancia del teorema del lmite central es
que nos permite usar estadsticas de muestra para hacer inferencias con respecto a los
parmetros de poblacin sin saber nada sobre la forma de la distribucin de frecuencias de esa
poblacin ms que lo que podamos obtener de la muestra.

14

UNI

FIGMM

Formulacin del Problema

En esta tarea tomaremos 1000 datos aleatorios luego hallaremos su variograma
Para realizar este estudio se tienen que generar datos aleatorios (entre 0 1).
A estos datos se debe hacer un estudio estadstico (descriptivo) y geoestadistico (funcin
variograma).
El mismo estudio se debe realizar para nuevos datos generados de la siguiente manera:
Se deben agrupar de 30 en 30 de los 1000 datos anteriores y sacar su promedio de
cada grupo.

La figura muestra el esquema del taladro a estudiar

14

UNI

FIGMM

MODELO MATEMTICO
Estadstica (descriptiva)
La media
x

xi
n

i 1

La varianza

(x x )2

Desviacin estndar

(x x )2

x
n

Coeficiente de variacin
C .V

GEOESTADISTICO (Funcin Variograma)

np

(h )

{ Z ( x i ) Z ( x i h )}

xi

2 np

14

UNI

FIGMM

Mil datos aleatorios

estadstica
descriptiva
Media
Error tpico
Mediana
Curtosis
Coeficiente
de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta
Mayor (1)
Menor(1)
Nivel de
confianza
(95,0%)
clase
amplitud

0,493998193
0,009223866
0,490869552
-1,2188846
0,003286835
0,998076727
0,000457562
0,998534289
493,9981931
1000
0,998534289
0,000457562
0,018100374
10,96
0,090734248

14

UNI

Clase
0,000457
56
0,091191
81
0,181926
06
0,272660
31
0,363394
55
0,454128
8
0,544863
05
0,635597
3
0,726331
55
0,817065
79
0,907800
04
0,998534
29
y
mayor...

FIGMM

Frecuenc
ia

%
acumula
do

0,10%

101

10,20%

105

20,70%

81

28,80%

72

36,00%

106

46,60%

81

54,70%

95

64,20%

83

72,50%

99

82,40%

85

90,90%

90

99,90%

100,00%

Clase
0,454128
8
0,181926
06
0,091191
81
0,817065
79
0,635597
3
0,998534
29
0,907800
04
0,726331
55
0,272660
31
0,544863
05
0,363394
55
0,000457
56
y
mayor...

HALLAMOS SU HISTOGRAMA

14

Frecuenc
ia

%
acumula
do

106

10,60%

105

21,10%

101

31,20%

99

41,10%

95

50,60%

90

59,60%

85

68,10%

83

76,40%

81

84,50%

81

92,60%

72

99,80%

99,90%

100,00%

UNI

FIGMM

HALLAMOS SU VARIOGRAMA:

1000 DATOS ORDENADOS ASCENDENTEMENTE:

SU VARIOGRAMA.

Para hallar el variograma de 1000 datos se usara el siguiente cdigo:

Dim n As Integer
Dim i As Integer
Dim s As Double

14

UNI

FIGMM

Dim l As Double

Sub lambda1 ()
s=0
For n = 1 To 999
s=0
For i = 1 To 1000 - n
s = s + (Cells (i, 1) - Cells (i + n, 1)) ^ 2
Next
l = s / (2 * (1000 - n))
Cells (n + 1, 3) = l
Next
End Sub.

El cdigo para generar de 30 en 30.

Dim m As Integer
Dim p As Double
Dim j As Integer
Sub grupo30 ()

14

UNI

FIGMM

For m = 0 To 33
p=o
For j = 1 To 30
p = p + Cells(j + 30 * m, 1)
Next
Cells(m + 1, 5) = p / 30
Next
End Sub
Dim n As Integer
Dim i As Integer
Dim s As Double
Dim l As Double
Sub lambda1 ()
s=0
For n = 1 To 33
s=0
For i = 1 To 33 - n
s = s + (Cells(i, 5) - Cells(i + n, 5)) ^ 2
Next
l = s / (2 * (33 - n))
Cells(n + 1, 7) = l
Next
End Sub

14

UNI

FIGMM

Rem Cdigo para de 30 en 30 con traslape 5.

Dim m As Integer
Dim p As Double
Dim j As Integer
Sub grupo30 ()
For m = 0 To 40
p=o
For j = 1 To 30
p = p + Cells(j + (30 - 5) * m, 1)
Next
Cells(m + 1, 3) = p / 30
Next
End Sub

Dim n As Integer
Dim i As Integer
Dim s As Double
Dim l As Double
Sub lambda2()
s=0
For n = 1 To 40
s=0
For i = 1 To 41 - n
s = s + (Cells(i, 3) - Cells(i + n, 3)) ^ 2

14

UNI

FIGMM

Next
l = s / (2 * (41 - n))
Cells(n + 1, 5) = l
Next

End Sub

Rem Cdigo para de 30 en 30 con traslape 10.

Dim m As Integer
Dim p As Double
Dim j As Integer
Sub grupo30 ()
For m = 0 To 50
p=o
For j = 1 To 30
p = p + Cells(j + (30 - 10) * m, 1)
Next
Cells(m + 1, 3) = p / 30
Next

14

UNI

FIGMM

End Sub

Dim n As Integer
Dim i As Integer
Dim s As Double
Dim l As Double

Sub lambda30 ()
s=0
For n = 1 To 50
s=0
For i = 1 To 51 - n
s = s + (Cells(i, 3) - Cells(i + n, 3)) ^ 2
Next
l = s / (2 * (51 - n))
Cells(n + 1, 5) = l
Next
End Sub

Rem Cdigo para de 30 en 30 con traslape 15.

14

UNI

FIGMM

Dim m As Integer
Dim p As Double
Dim j As Integer
Sub grupo30 ()
For m = 0 To 65
p=o
For j = 1 To 30
p = p + Cells(j + (30 - 15) * m, 1)
Next
Cells(m + 1, 3) = p / 30
Next
End Sub

Dim n As Integer
Dim i As Integer
Dim s As Double
Dim l As Double
Sub lambda2()
s=0
For n = 1 To 65
s=0
For i = 1 To 66 - n
s = s + (Cells(i, 3) - Cells(i + n, 3)) ^ 2
Next
l = s / (2 * (66 - n))
Cells(n + 1, 5) = l

14

UNI

FIGMM

Next
End Sub

CONCLUSIONES

El Variograma es demasiado sensible a valores extremos es por ello el cambio en la

grafica.

Nos damos cuenta tambin que en las dos ltimas graficas casi todos sus parmetros
son casi iguales y esto sucede ya que una de las limitaciones del variograma es que
cuando las distancias son demasiado grandes este se torno constante

Es una herramienta que nos permite analizar el comportamiento espacial de una

propiedad o variable sobre una zona dada.

Nos permite detectar direcciones de anisotropa

Nos damos cuenta de un comportamiento lineal del variograma para distancias

pequeas.
Vemos que el variograma del trabajo expuesto tomando 1000 datos aleatorios no nos
muestra una grafica conocida esto es debido a que son datos aleatorio.
Tambin notamos que en el grafico de variograma casi al final sale un punto creciente o
hacia arriba.
Notamos que al agrupar los datos de cada vez mayores el rango de sus variogramas
disminuye.

Como el Variograma tomo en cuenta la variabilidad de los espacios es por ello que las
graficas son distintas y ambas varan en rangos diferentes.

14

UNI

FIGMM

BIBLIOGRAFIA

http://es.scribd.com/doc/24737935/Geoestadistica-Aplicada

Estadstica Descriptiva e Inferencial (Manuel Crdova Zamora. Quinta edicin)

14