Beruflich Dokumente
Kultur Dokumente
FACULTAD DE INGENIERÍA
CURSO:
GEOESTADÍSTICA
DOCENTE:
PRESENTADO POR:
AGRADECIMIENTO
A nuestra prestigiosa Universidad Nacional de Cajamarca, la cual abrió sus puertas a jóvenes
bien y por concedernos los ambientes y la información necesaria para realizar nuestro trabajo.
A nuestros padres por apoyarnos siempre, por su preocupación en nuestra salud y educación.
A nuestro docente el Ing. Wilder Chuquiruna Chávez por el constante apoyo y la paciencia que
nos tiene.
GEOESTADISTICA i
ANÁLISIS DE DATOS Y VARIOGRAFIA
DEDICATORIA
A nuestros padres, por su apoyo brindado durante todo este tiempo en que el estudio y el trabajo
ocupan nuestro tiempo. Quienes sabiamente nos supieron guiar en la vida, siendo parte de mis
El equipo de trabajo
GEOESTADISTICA ii
ANÁLISIS DE DATOS Y VARIOGRAFIA
INDICE DE CONTENIDOS
AGRADECIMIENTO ............................................................................................................. I
DEDICATORIA...................................................................................................................... II
RESUMEN ............................................................................................................................V
ABSTRACT ........................................................................................................................... VI
1. INTRODUCCION .............................................................................................................. 1
GEOESTADISTICA iii
ANÁLISIS DE DATOS Y VARIOGRAFIA
BIBLIOGRAFÍA.................................................................................................................... 44
GEOESTADISTICA iv
ANÁLISIS DE DATOS Y VARIOGRAFIA
RESUMEN
La necesidad de acudir a herramientas estadísticas para el análisis de datos en todas las áreas
del conocimiento, ha hecho que aparezcan con el correr de los años nuevas metodologías que,
no obstante, se centran en fundamentos probabilísticos comunes, son específicas para cada una
de las diversas disciplinas del saber. Algunos ejemplos son, entre otros, la econometría,
este contexto. Como consecuencia de este impulso surgió una nueva rama de la estadística,
El término geoestadística surge de la combinación del carácter aleatorio de una Variable con
GEOESTADISTICA v
ANÁLISIS DE DATOS Y VARIOGRAFIA
ABSTRACT
The need to resort to statistical tools for the analysis of data in all areas of knowledge has led
to the appearance over the years of new methodologies that, however, focus on common
probabilistic foundations, are specific to each of the various disciplines of knowledge. Some
examples are, among others, econometrics, psychometrics or biostatistics. The great relevance
that the environmental issue currently has worldwide has led professionals in statistics to direct
efforts in the development of new appropriate techniques for the analysis of information framed
within this context. As a consequence of this impulse, a new branch of statistics emerged, called
The term geostatistics arises from the combination of the random character of a Variable with
the geological character that undoubtedly possess. The geostatistics is also responsible for
studying the variogram is a tool that allows analyzing the spatial behavior of a property or
GEOESTADISTICA vi
ANÁLISIS DE DATOS Y VARIOGRAFIA
1. INTRODUCCION
La palabra “geoestadística” fue inventada por Georges Matheron en 1962. El prefijo “geo”
alude a las ciencias de la tierra, que ha sido históricamente la disciplina donde la geoestadística
se ha desarrollado. Los campos de aplicación actuales alcanzan los dominios más variados,
como la evaluación de recursos naturales (mineros, forestales, gas, petróleo, etc.), ciencias del
tomar en cuenta las dependencias entre las observaciones disponibles, considerando que ellas
y la predicción de fenómenos en espacio y/o tiempo, tales como: ley de metales, porosidades,
geología, sin embargo, la geoestadística tiene sus orígenes en la minería. (VIERA, 2002, pág.
Pag.1).
1.2 OBJETIVOS:
Conocer los tipos de modelado de histogramas, en ellos están los más conocidos
yacimientos.
GEOESTADISTICA 1
ANÁLISIS DE DATOS Y VARIOGRAFIA
y distribuciones.
1.3 GEOESTADISTICA
1.3.1 Definición:
• Estimación / Simulación
• Diseño de muestra
• Análisis de riesgo
“Estadística espacial”
GEOESTADISTICA 2
ANÁLISIS DE DATOS Y VARIOGRAFIA
Está basada en técnicas estadísticas convencionales que nos permiten obtener todo un
espacial.
Industria petrolera
Minería
Industria pesquera
Hidrogeología
Medio ambiente
Salud publica
Ingeniería civil
Cartografía
Finanzas
Otros
1.4 HISTOGRAMA
barras, en la cual una barra va pegada a la otra, es decir no hay espacio entre las barras. Cada
la distribución.
Un histograma es una gráfica adecuada para representar variables continuas, aunque también
se puede usar para variables discretas. Es decir, mediante un histograma se puede mostrar
GEOESTADISTICA 4
ANÁLISIS DE DATOS Y VARIOGRAFIA
Los datos se refieren al tiempo en segundos de atención al cliente, son cuantitativos continuos,
datos, por lo que hoy en día nos debemos centrar más en su interpretación. Sin embargo, no
Lo primero que se tiene que tener en cuenta es que los datos se deben agrupar en clases de igual
tamaño. Teniendo en cuenta lo anterior, desarrollemos las ideas básicas de la agrupación de los
datos.
Para los datos que se refieren a los tiempos de atención al cliente varían de 141 a 233 segundos.
Si esto lo representaremos con una recta, la longitud sería de 92. A este valor de 92 se le conoce
como rango y cómo puedes ver es igual a la diferencia entre el valor mayor y el valor menor.
GEOESTADISTICA 5
ANÁLISIS DE DATOS Y VARIOGRAFIA
Supongamos que deseamos clasificar los datos en dos clases, lo que equivaldría a dividir la
recta en dos partes iguales; es decir, dividir 92/2 =46. A este valor 46, se le conoce como
amplitud o intervalo de clase. Entonces la primera clase comprendería los tiempos entre 141 y
187 y la segunda los tiempos entre 187 y 233, como se ve en la siguiente figura.
Ahora se nos ocurre clasificar los datos en cuatro clases, es decir, tenemos que dividir el rango
entre 4; 92/4 = 23. Entonces la primera clase comprendería los tiempos entre 141 y 164, la
segunda los tiempos entre 164 y 187, la tercera entre 187 y 210 y la cuarta entre 210 y 233.
GEOESTADISTICA 6
ANÁLISIS DE DATOS Y VARIOGRAFIA
Como puedes observar la amplitud de clase se obtiene dividiendo el rango entre el número de
forma de la distribución de datos. Por esta razón a veces es necesario hacer varios histogramas
con diferente número de clases hasta obtener el que muestre eficientemente las características
encuentre entre 5 y 20, tendiendo a un número mayor de clases según aumente el número de
datos.
Atendiendo a la sugerencia anterior agrupemos ahora los datos en 6 clases, por lo tanto:
GEOESTADISTICA 7
ANÁLISIS DE DATOS Y VARIOGRAFIA
1.4.5 ¿En qué clase se consideran los datos que coinciden con los límites de clase?
Diferentes autores dan ideas diferentes de cómo solucionar esta cuestión, aquí recomendamos
la cuarta clase. Esto equivale a leer la tercera clase, como el intervalo que incluye a los
valores desde 173 a menos de 198. Entonces en la tabla se debe identificar que el
GEOESTADISTICA 8
ANÁLISIS DE DATOS Y VARIOGRAFIA
Se especifica un rango un poco más amplio que el rango de los datos y se introduce
aumento se reparte de forma igual entre la primera y la última clase. Es decir, ½ = 0.5,
entonces la primera clase iniciará en 141 - 0.5 = 140.5 y la última terminará en 237 +
Como se puede observar ya ningún dato coincide con los límites de la clase.
tenemos:
GEOESTADISTICA 9
ANÁLISIS DE DATOS Y VARIOGRAFIA
Ahora si podemos contar el número de observaciones que le corresponde a cada clase. A este
A la tabla de dos columnas, en que una de ellas indica las clases y la otra las frecuencias se le
conocen como tabla de distribución de frecuencias, debido a que muestra con qué frecuencia
Utilizar los nombres genéricos de clases y frecuencias no le indican al lector nada acerca de los
datos representados en la tabla. Por lo que en lugar de clases se debe escribir el nombre de los
GEOESTADISTICA 10
ANÁLISIS DE DATOS Y VARIOGRAFIA
Se puede obtener mayor información a partir de los datos si se elaboran unas columnas
Entonces la primera clase indica que hay 2 clientes que tardaron 141 a menos de 157 segundos
en ser atendidos en la caja; 4% de los clientes observados tardaron de 141 a menos de 157
segundos en caja.
GEOESTADISTICA 11
ANÁLISIS DE DATOS Y VARIOGRAFIA
Para cada clase es conveniente calcular un valor que la represente. Este valor e conoce como
Marca de Clase (Xi) y es el punto medio de cada clase. Se obtiene de la siguiente manera:
GEOESTADISTICA 12
ANÁLISIS DE DATOS Y VARIOGRAFIA
cuyo valor sea menor o igual que el límite superior de cada clase, lo que se conoce como
frecuencia acumulada.
Así, por ejemplo, para la tercera clase, el número de observaciones menores a 189 son 17 + 13
+2 = 32, que son las frecuencias de la tercera, segunda y primera clase respectivamente. Este
Si se grafican ahora sobre el eje de las X los límites superiores de clase y sobre el eje de las Y
las frecuencias acumuladas absolutas o relativas obtenemos la gráfica conocida como Ojiva o
GEOESTADISTICA 13
ANÁLISIS DE DATOS Y VARIOGRAFIA
Algunas de las afirmaciones que podemos hacer al observar la gráfica, son las siguientes:
46 clientes tardaron menos de 205 segundos; es decir el 92% de los clientes tardaron
El proceso es muy tardado sólo en el 2% de los casos; tardaron más de 221 segundos.
El proceso es muy rápido sólo en el 4% de los casos; tardaron menos de 157 segundos.
Hemos mencionado que hoy en día nos debemos centrar más en la interpretación de los
en la asignatura de estadística en cuatro grupos diferentes. ¿Qué nos puede decir la forma de
estos histogramas?
simétrica, con respecto a la clase de mayor frecuencia, que comprenden las calificaciones de
GEOESTADISTICA 14
ANÁLISIS DE DATOS Y VARIOGRAFIA
7.8 a 8.2.; la mayoría de los estudiantes obtienen calificaciones entre 7.4 y 8.6, (acumulación
La sección B muestra una distribución con una cola larga a la derecha, es decir, muestra un
sesgo positivo. La mayoría de los estudiantes obtuvieron calificaciones muy bajas, como lo
densidad en la parte derecha. Esto se puede deber a varias razones, como, por ejemplo, que el
grupo esté formado por muy malos estudiantes o el profesor sea muy exigente o el examen
La sección C muestra una distribución con una cola larga a la izquierda, es decir, muestra un
sesgo negativo.
parte izquierda. Esto se puede deber a varias razones, como, por ejemplo, que el grupo esté
formado por muy buenos estudiantes o el profesor sea muy relajado o el examen fue muy fácil,
etc.
La sección D muestra dos distribuciones normales traslapadas, una con acumulación entre 5.6
y 6.4 y la otra entre 7.2 y 8.0. Este se puede deber a que el grupo este conformado por
GEOESTADISTICA 15
ANÁLISIS DE DATOS Y VARIOGRAFIA
Examinemos ahora los histogramas que se muestran enseguida y que se refieren al peso en
kilogramos de los estudiantes de un grupo de estadística. La gráfica con nombre total, muestra
la distribución del peso de todos los estudiantes, mientras que las otras dos gráficas separan el
peso de los hombres y de las mujeres, ¿Qué podemos apreciar en estas gráficas? Para el grupo
D se observan dos poblaciones traslapadas. Un aspecto relevante que revelan estas gráficas es
La variabilidad total del peso se encuentra entre 35 y 105. La variabilidad para los hombres
disminuye y se encuentra entre 55 y 105 y para las mujeres aun es menor y se encuentra entre
35 y 75 kilos. La variabilidad al formar grupos por el género disminuye, debido a que son
grupos más homogéneos. Para los hombres la tendencia se muestra entre 55 y 85 kilos, mientras
distribución.
GEOESTADISTICA 16
ANÁLISIS DE DATOS Y VARIOGRAFIA
2. MODELADO DE HISTOGRAMAS
2.1 DISTRIBUCIÓN NORMAL
Sin duda, la distribución continua de probabilidad más importante, por la frecuencia con que
Gauss. Fue descubierta y publicada por primera vez en 1733 por De Moivre. A la misma
llegaron, de forma independiente, Laplace (1812) y Gauss (1809), en relación con la teoría de
La curva normal adopta un número infinito de formas, determinadas por sus parámetros μ y σ.
GEOESTADISTICA 17
ANÁLISIS DE DATOS Y VARIOGRAFIA
Simétrica con respecto a la media (µ) donde coinciden la mediana (Mn) y la moda (Mo).
Dado que tanto µ como σ pueden asumir infinitos valores, es impracticable tabular las
probabilidades para todas las posibles distribuciones normales. Para solucionarlo, se utiliza la
GEOESTADISTICA 18
ANÁLISIS DE DATOS Y VARIOGRAFIA
Ejemplo
observaciones con asimetría positiva en donde la mayoría de los valores ocurren en las
valores pequeños por lo cual la media se desplaza hacia la derecha y esto hace que el mejor
Dada una variable aleatoria X ∼ N (µ, σ), se dice que la variable aleatoria sigue una
GEOESTADISTICA 19
ANÁLISIS DE DATOS Y VARIOGRAFIA
Se tiene que:
efectos positivos que se componen de manera multiplicativa y donde cada una de estas causas
tiene un efecto despreciable frente al global. Esto se debe a que la aditivita de los efectos
conduce a una ley normal, en el caso de la ley lognormal, lo hace la proporcionalidad de los
efectos.
En el campo industrial, la ley lognormal, puede recibir justificaciones teóricas como las
Ejemplo
Se estudia la proporción de rentistas por encima de 18.000€ anuales para un sector económico
Puesto que, Y sigue una distribución log normal, se puede considerar una variable tal que, por
tanto;
GEOESTADISTICA 20
ANÁLISIS DE DATOS Y VARIOGRAFIA
Esta ley de distribución describe procesos en los que interesa saber el tiempo hasta que ocurre
ley que sigue este evento se utiliza, por ejemplo, para la datación de fósiles o cualquier materia
Se dice que una variable aleatoria Y tiene distribución exponencial con parámetro β > 0 si y
variable aleatoria Y.
Ejemplo.
La magnitud de los terremotos registrados en una región de los Estados Unidos puede
representarse mediante una distribución exponencial con media 2.4, de acuerdo a la escala de
Richter. Calcule la probabilidad de que un terremoto en esta región rebase los 3.0 grados en la
escala de Richter.
GEOESTADISTICA 21
ANÁLISIS DE DATOS Y VARIOGRAFIA
Por otro lado, si en vez de tener como valor esperado a β se tiene 1/λ, entonces la función de
densidad se escribe:
Es claro, que ambas funciones representan lo mismo, la diferencia es el dato que da cada
ejercicio. Fíjese que en el ejercicio anterior nos decía que los terremotos se distribuían
exponencial con media 2.4, es decir, que en promedio esa es la escala. En ese caso ese
3. SIMULACIONES DE DISTRIBUCIONES
3.1 SIMULACIÓN DE DISTRIBUCIONES DE PROBABILIDAD
La simulación es, grosso modo, la representación de un proceso o fenómeno mediante otro más
simple, que permita analizar sus características. Al simular un fenómeno, la pretensión es que
el proceso se comporte de la misma forma que la realidad y produzca resultados similares. Para
a) Un generador de números pseudo aleatorios entre cero y uno. Esta función aparece
genere una muestra sintética de valores de la variable aleatoria asociada con la función
que se simula.
GEOESTADISTICA 22
ANÁLISIS DE DATOS Y VARIOGRAFIA
muéstrales, en el que se afirma, bajo ciertas hipótesis, que la distribución de las medias de un
1) La media de las medias muéstrales en una actividad de muestreo con apego a las
diferencia significativa.
̅−𝝁
𝒙
𝒁= 𝝈
√𝒏
GEOESTADISTICA 23
ANÁLISIS DE DATOS Y VARIOGRAFIA
1. El gerente de una empresa de bienes y raíces, ha realizado un estudio estadístico sobre sus
ventas anuales y ha establecido que el ingreso mensual por venta de casas, tiene un
comportamiento normal con una media de Q148 mil y una desviaciones estándar de Q62 mil.
Dado que la variable tiene un comportamiento normal, se puede utilizar la curva normal para
1.1. Si se toma una muestra de 25 meses ¿cuál es la probabilidad que el ingreso mensual
1.2 Si se toma una muestra de 25 meses ¿cuál es la probabilidad que el ingreso mensual
GEOESTADISTICA 24
ANÁLISIS DE DATOS Y VARIOGRAFIA
1.3 Si se toma una muestra de 25 meses ¿cuál es la probabilidad que el ingreso mensual
aleatorias para experimentos de simulación. Para aplicar este método suponga que queremos
generar el valor de una variable aleatoria discreta X con función de masa de probabilidad:
3.3.1 Procedimiento
distribución respectiva.
1. 𝑭(𝒙) = 𝟏 − 𝒆−𝜷𝒙
GEOESTADISTICA 25
ANÁLISIS DE DATOS Y VARIOGRAFIA
2. 𝑭(𝒙) = 𝟏 − 𝒆−𝜷𝒙 = 𝑹
𝟏
3. 𝒙 = − 𝜷 ∗ 𝒍𝒏(𝟏 − 𝑹); 𝒆𝒔𝒕𝒂 𝒃𝒊𝒆𝒏𝒆 𝒂 𝒔𝒆𝒓 𝒍𝒂 𝒇𝒖𝒏𝒄𝒊ó𝒏 𝒊𝒏𝒗𝒆𝒓𝒛𝒂
𝟏
4. 𝒙𝒊 = − 𝜷 ∗ 𝒍𝒏(𝟏 − 𝑹𝒊 )
densidad.
𝟏
𝟎≤𝒙≤𝟏
𝒇(𝒙) = { 𝟒
𝟑
𝟏≤𝒙≤𝟐
𝟒
Primera parte:
𝒙
𝟏 𝒙 𝒙
𝑭(𝒙) = ∫ 𝒅𝒕 = ⇒𝒓=
𝟎 𝟒 𝟒 𝟒
Segunda parte:
𝒙
𝟏 𝟑 𝟑 𝟏 𝟑 𝟏
𝑭(𝒙) = + ∫ 𝒅𝒕 = 𝒙 − ⇒𝒓= 𝒙−
𝟒 𝟏 𝟒 𝟒 𝟐 𝟒 𝟐
𝟏
𝒙 = 𝟒𝒓 𝒔𝒊 𝟎 ≤ 𝒙 ≤
𝟒
𝟒 𝟐 𝟏
𝐱= 𝐫 + 𝐬𝐢 ≤ 𝐱 ≤ 𝟏
𝟑 𝟑 𝟒
Para generar un valor de x se debe en primer lugar generar un valor de r, cuando r<1/4 el valor
𝟒 𝟐
Y si r>1/4 entonces 𝒙 = 𝟑 𝒓 + 𝟑
GEOESTADISTICA 26
ANÁLISIS DE DATOS Y VARIOGRAFIA
La simulación de Monte Carlo es una técnica cuantitativa que hace uso de la estadística y los
sistemas reales no dinámicos (por lo general, cuando se trata de sistemas cuyo estado va
cambiando con el paso del tiempo, se recurre bien a la simulación de eventos discretos o bien
La clave de la simulación Monte Carlo consiste en crear un modelo matemático del sistema,
proceso o actividad que se quiere analizar, identificando aquellas variables (inputs del modelo)
cuyo comportamiento aleatorio determina el comportamiento global del sistema. Una vez
en (1) generar – con ayuda del ordenador-muestras aleatorias (valores concretos) para dichos
inputs, y (2) analizar el comportamiento del sistema ante los valores generados. Tras repetir n
sistema, lo cual nos será de utilidad para entender el funcionamiento del mismo –obviamente,
nuestro análisis será tanto más preciso cuanto mayor sea el número n de experimentos que
En la imagen inferior se muestra un análisis histórico de 200 días sobre el número de consultas
central. La tabla incluye el número de consultas diarias (0 a 5) junto con las frecuencias
absolutas (número de días que se producen 0, 1, ..., 5 consultas), las frecuencias relativas
GEOESTADISTICA 27
ANÁLISIS DE DATOS Y VARIOGRAFIA
0 10 0.05 0.05
1 20 0.1 0.15
2 40 0.2 0.35
3 60 0.3 0.65
4 40 0.2 0.85
5 30 0.15 1.00
probabilidad de que se den 3 consultas en un día sería de 0,30), por lo que la tabla anterior nos
variable aleatoria es el número de consultas al EIS, que sólo puede tomar valores enteros entre
0 y 5).
Supongamos que queremos conocer el número esperado (o medio) de consultas por día. La
a la variable aleatoria que representa el número diario de consultas al EIS, sabemos que:
GEOESTADISTICA 28
ANÁLISIS DE DATOS Y VARIOGRAFIA
Por otra parte, también podemos usar simulación de Monte Carlo para estimar el número
esperado de consultas diarias (en este caso se ha podido obtener el valor exacto usando teoría
será posible usar la columna de frecuencias relativas acumuladas para obtener los llamados
una distribución uniforme entre 0 y 1), estaremos llevando a cabo un experimento cuyo
GEOESTADISTICA 29
ANÁLISIS DE DATOS Y VARIOGRAFIA
asociado a un suceso. Así, por ejemplo, si el ordenador nos proporciona el número pseudo-
aleatorio 0,2567, podremos suponer que ese día se han producido 2 consultas al EIS.
Finalmente, usando la función PROMEDIO será posible calcular la media de los valores de la
columna H.
GEOESTADISTICA 30
ANÁLISIS DE DATOS Y VARIOGRAFIA
En este caso, hemos obtenido un valor estimado que corresponde exactamente con el valor real
valor real, siendo dichos valores diferentes unos de otros (cada simulación proporcionará sus
propios resultados). Se puede comprobar este hecho pulsando repetidamente sobre la función
F9 (cada vez que se pulsa dicha tecla, Excel genera nuevos valores aleatorios y, por tanto,
nuevos valores para la columna H y la casilla I1). Si en lugar de usar una muestra aleatoria
formada por 100 observaciones hubiésemos usado una formada por 10, los valores que
obtendríamos al pulsar repetidamente F9 no serían estimaciones tan buenas al valor real. Por
el contrario, es de esperar que si hubiésemos usado 1.000 (o mejor aún 10.000) observaciones,
los valores que obtendríamos en la casilla I1 estarían todos muy cercanos al valor real.4.
VARIOGRAMA
espacial de los parámetros geológicos y expresa la correlación espacial entre los valores
GEOESTADISTICA 31
ANÁLISIS DE DATOS Y VARIOGRAFIA
el comportamiento cerca del origen indica qué tan semejantes son dos datos muy
el cálculo del variograma puede hacerse a lo largo de distintas direcciones del espacio
GEOESTADISTICA 32
ANÁLISIS DE DATOS Y VARIOGRAFIA
Meseta = la varianza
GEOESTADISTICA 33
ANÁLISIS DE DATOS Y VARIOGRAFIA
4.1.3 Fluctuaciones
de este diámetro
GEOESTADISTICA 34
ANÁLISIS DE DATOS Y VARIOGRAFIA
4.1.4 Ciclicidad
h=1; Gh = 1/2x8 [(1-2)2 + (2-3)2 + (3-4)2 + (4-5)2 + (5-4)2 + (4-3)2 + (3-2)2 + (2-1)2] =
0,5
h=2; Gh = 1/2x7 [(1-3)2+ (2-4)2+ (3-5)2+ (4-4)2+ (5-3)2 + (4-2)2 + (3-1)2] = 1,71
GEOESTADISTICA 35
ANÁLISIS DE DATOS Y VARIOGRAFIA
MINEROS
El archivo secuencial tiene el siguiente número de muestras para las variables económicas:
GEOESTADISTICA 36
ANÁLISIS DE DATOS Y VARIOGRAFIA
El cobre tiene un coeficiente de variabilidad de 1.02, una varianza estadística de 0.19 muy por
GEOESTADISTICA 37
ANÁLISIS DE DATOS Y VARIOGRAFIA
El archivo secuencial tiene el siguiente número de muestras para las variables económicas:
GEOESTADISTICA 38
ANÁLISIS DE DATOS Y VARIOGRAFIA
La malla de perforación fue de 60x60 metros, los sondajes fueron analizados cada 1.5 metros
y cada 10 metros en la “contra muestra”, ello permitió tener un mayor número de información
GEOESTADISTICA 39
ANÁLISIS DE DATOS Y VARIOGRAFIA
COBRE (Cu %)
Los modelos de variogramas son curvas, generadas a partir de una función matemática, que
ajustaremos a nuestros datos y nos permitirán conocer la distribución para todos los puntos en
el espacio
Se utilizan para Krigear; con el variograma experimental quedan muchas zonas donde no
existen valores concretos. Por lo tanto, es posible que sea necesario definir el valor de la
GEOESTADISTICA 40
ANÁLISIS DE DATOS Y VARIOGRAFIA
Los modelos más utilizados son del tipo transicional (con meseta). Estos son:
MODELO ESFÉRICO
MODELO EXPONENCIAL
MODELO PARABÓLICO
Otro modelo comúnmente utilizado, podríamos decir que sólo tiene meseta y se
GEOESTADISTICA 41
ANÁLISIS DE DATOS Y VARIOGRAFIA
GEOESTADISTICA 42
ANÁLISIS DE DATOS Y VARIOGRAFIA
5. CONCLUCIONES
El histograma es una herramienta estadística de gran ayuda a la hora de analizar
nuestras variables.
Se dio a conocer de manera simple y fácil de entender en que consiste cada una de las
Se dio a conocer de manera simple y fácil de entender en que consiste cada una de las
Se dio a conocer de manera simple y fácil de entender en que consiste cada una de las
GEOESTADISTICA 43
ANÁLISIS DE DATOS Y VARIOGRAFIA
BIBLIOGRAFÍA
GEOESTADISTICA 44