Curso Métodos 5 A 2011

MTODOS ESTATSTICOS
APLICADOS GEOLOGIA
LGA IG UnB /
Parte 5 Anlise Espacial
ANLISE ESPACIAL
LGA IG UnB /
ANLISE ESPACIAL
Embora os gelogos e geofsicos estudem um mundo tri-
dimensional, sua viso deste fortemente bi-dimensional. Isto
reflete, em parte, o fato da terceira dimenso, a profundidade, estar
freqentemente acessvel somente numa pequena frao da
extenso disponvel nas outras duas dimenses espaciais.
Adicionalmente, nossos pensamentos so condicionados pelo meio
no qual os expressamos e mapas, fotografias, imagens e sees so
impressos ou desenhados em folhas planas de papel.
LGA IG UnB /
Anlise espacial
ANLISE ESPACIAL
Podemos, eventualmente, possuir o conhecimento sobre um corpo
mineralizado em sub-superfcie com todas suas extenses
tridimensionais e, mesmo assim, precisamos reduzir a
representao para projees planas afim de expressar relaes de
interesse.
LGA IG UnB /
Anlise espacial
MAPAS GEOLGICOS: CONVENCIONAIS E OUTROS
Gelogos e geofsicos so cuidadosamente treinados para ler,
utilizar e criar mapas; provavelmente nenhum outro grupo
cientfico seja to adepto de expressar e visualizar relaes
dimensionais por meio deste instrumento.
Mapas so meios compactos e eficientes de expressar relaes
espaciais e detalhes. So to importantes para os geocientistas
quanto as partituras so para os msicos.
LGA IG UnB /
Anlise espacial
Neste bloco de assuntos examinaremos mtodos para analisar
feies no que podemos, genericamente, chamar de mapas:
representaes bidimensionais de reas.
A representao poder ser, igualmente, um mapa de uma lmina
delgada, uma imagem de micro-sonda, uma imagem de satlite ou
mapa geofsico. Portanto, mapa, neste conceito geral, incluir os
tradicionais mapas geolgicos e topogrficos, como tambm,
fotografias areas, plantas de minas, imagens de lminas, etc. Na
realidade, incluir qualquer representao espacial em duas
dimenses.
LGA IG UnB /
Anlise espacial
Entre os tpicos que consideraremos e que tm aplicaes bvias
para campos to diversos como a geofsica e microscopia, est a
probabilidade de se encontrar um objeto por meio de uma procura
sistemtica atravs de uma rea.
Relaes em mapas so quase sempre expressas em termos de
pontos localizados no mapa. Estamos interessados em distncias
entre pontos, a densidade de pontos e os valores assinalados aos
pontos. Feies lineares sero tambm investigadas quanto a
distribuio espacial e anlise direcional.
LGA IG UnB /
Anlise espacial
A maioria dos mapas so compostos de estimativas de funes
contnuas, baseadas em amostragem feita em pontos discretos.
Sejam esses mapas topogrficos, de contorno estrutural ou do
campo magntico, uma representao da superfcie por uma funo
matemtica freqentemente demandada.
A qualidade final de um mapa reflete, em grande extenso, a
densidade dos pontos de controle. Este uma questo a ser
analisada neste bloco de assuntos.
A elaborao de mapas de contorno e as tcnicas de obteno de
malha regular (grid) sero igualmente discutidas.
LGA IG UnB /
Anlise espacial
PADRES SISTEMTICOS DE PROCURA
A maioria dos gelogos e geofsicos devota suas carreiras
profissionais ao processo de procura de algo escondido. Usualmente,
o objeto de procura pode ser um campo de petrleo ou um corpo
mineral no descobertos. Outros alvos podem igualmente ser objetos
de procura, como um fssil num programa de escavao, uma
contaminao em sub-superfcie, o vazamento em um oleoduto, etc.
Muito frequentemente a procura tem sido conduzida de modo
aleatrio. O gelogo anda aleatoriamente atravs da regio de
investigao, como um antigo bandeirante seguindo seu animal de
carga.
LGA IG UnB /
Padres sistemticos de procura
Contudo, atualmente, gelogos e outros geocientistas esto usando
procedimentos sistemticos na procura, especialmente quando
precisam de instrumentos para detectar os alvos.
A maioria das procuras sistemticas conduzida ao longo de um ou
mais conjuntos de linhas paralelas. Corpos de minrio que podem
ser caracterizados por suas propriedades magnticas ou
radiomtricas podem, por exemplo, ser investigados por meio de
aerolevantamento ao longo de linhas de vo igualmente espaadas.
Levantamentos ssmicos so planejados em conjuntos regulares de
perfis. Reconhecimento por satlite, por sua natureza caracterstica,
consiste de trajetrias orbitais paralelas.
LGA IG UnB /
As probabilidades de que alvos sero detectados por uma procura
atravs de um conjunto de linhas podem ser determinadas por
consideraes geomtricas.
Basicamente, a probabilidade de descoberta est relacionada ao
tamanho relativo do alvo quando comparado com o espaamento
do padro de procura. A forma do alvo e o arranjo das linhas de
procura tambm afetam a probabilidade.
LGA IG UnB /
Se o alvo considerado elptico e a procura atravs de linhas
paralelas, a probabilidade de que uma linha interceptar o alvo
escondido de um tamanho especfico, no importando onde ele
ocorra dentro da rea, pode ser calculada.
As suposies acima so razoveis para muitos problemas de
explorao. Observe que a probabilidade est relacionada somente
com a interseo do alvo por uma linha. Reconhecer o alvo outro
assunto.
LGA IG UnB /
Suponha que o alvo sendo procurado tenha uma seo elptica cujas
dimenses sejam dadas pelo semi-eixo maior a e semi-eixo menor
b. Se o alvo for circular, ento, a = b = r, o raio do crculo.
O padro de procura consiste de uma srie de linhas paralelas
espaadas de uma distncia D.
LGA IG UnB /
A probabilidade de que um alvo, menor que o espaamento entre as
linhas, seja interceptado por um perfil :
LGA IG UnB /
D
P
p
=
onde P o permetro do alvo elptico. A equao para o permetro
de uma elipse :
D
b a
D
b a
p
2
2
2
2
2 2 2 2
+
=
+
=
2 / ) ( 2
2 2
b a P + =
Substituindo na primeira equao:
Permetro de um circulo
de dimetro D
Ento, chamando Q o numerador da equao:
LGA IG UnB /
D
Q
p =
Onde:
2
2
2 2
b a
Q
+
=
Para o caso de um alvo circular: a = b = r
D
r
p
2
=
Num outro extremo, um dos eixos da elipse pode ser to curto que
o alvo torna-se uma linha aleatoriamente orientada. Este problema
geomtrico conhecido como o Problema de Buffon que especifica
a probabilidade de uma agulha de comprimento l interceptar uma
linha quando jogada aleatoriamente sobre um conjunto de linhas
paralelas espaadas de uma distncia D. esta probabilidade :
Onde l o comprimento do alvo.
LGA IG UnB /
D
l
p
2
=
Um outro problema de interesse aquele que estabelece a
probabilidade de que um alvo elptico, localizado aleatoriamente,
seja interceptado uma ou mais vezes por uma conjunto de linhas
paralelas arranjadas em malha retangular.
LGA IG UnB /
Neste caso a equao geral dada por:
p = [Q (D
1
+ D
2
Q)] / D
1
D
2
Onde D
1
e D
2
so as distncias dos lados de uma clula da malha.
LGA IG UnB /
No caso especfico no qual o padro de procura seja composto por
uma malha regular quadrada, temos:
D
1
= D
2
= D
e
bacos disponveis na literatura facilitam rpida estimativa de
probabilidades associadas com corpos de geometrias variadas e
padres de procuras diversos.
LGA IG UnB /
|
.
|
\
|
=
D
Q
D
Q
p 2
LGA IG UnB /
Padres
sistemticos de
procura
LGA IG UnB /
Padres
sistemticos de
procura
DISTRIBUIO DE PONTOS
Gelogos esto, freqentemente, interessados na maneira na qual
pontos esto distribudos numa superfcie bi-dimensional ou mapa.
Os pontos podem representar locais de amostragem, poos de
petrleo ou plos e projees em uma rede estereogrfica.
Podemos estar interessados na uniformidade da cobertura, na
densidade de distribuio de pontos ou na relao entre um ponto e
outro. Estas so questes de grande interesse para gelogos e
outros geocientistas.
LGA IG UnB /
Distribuio de pontos
Os padres de distribuio de pontos em mapas podem ser
classificados em trs categorias:
Regular
Aleatrio
Agrupado
LGA IG UnB /
LGA IG UnB /
Os mapas, geralmente, apresentam distribuies de pontos entre os
extremos representados pela figura. O problema est na
identificao do padro observado, dentro do espectro de possveis
distribuies.
LGA IG UnB /
O padro de pontos em um mapa dito ser uniforme se a
densidade de pontos em qualquer subrea igual densidade de
pontos em todas as outras subreas de mesmo tamanho e forma.
Um padro regular se os espaamentos entre pontos so
constantes, como numa malha. Isto a distncia entre um ponto i e
outro ponto j que estejam numa direo especificada, a mesma
para qualquer par anlogo de pontos no mapa. bvio que um
padro regular tambm uniforme. A recproca, entretanto, no
necessariamente verdadeira.
LGA IG UnB /
Um padro aleatrio pode ser gerado se qualquer subrea
passvel de conter um ponto como qualquer outra subrea de
mesmo tamanho, no importando a localizao da subrea. A
localizao de um ponto no influencia a colocao de qualquer
outro ponto.
Num padro agrupado a probabilidade de ocorrncia de um ponto
varia de modo inverso com a distncia de pontos pr-existentes.
LGA IG UnB /
Uma densidade uniforme de pontos importante em muitas anlises,
includo superfcies de tendncia, que veremos mais adiante. A
confiabilidade de mapas de contorno diretamente dependente da
densidade de pontos de controle e de sua uniformidade de
distribuio.
Contudo, a maioria dos gelogos fica contente com uma avaliao
qualitativa da adequao e representatividade da distribuio dos seus
dados. Embora a necessidade de uniformidade na distribuio
espacial dos dados seja relevante, o grau de uniformidade raramente
medido.
Os testes necessrios para determinar uniformidade so muito
simples. Infelizmente poucos gelogos tm usado esses testes,
enquanto os gegrafos os usam com freqncia.
LGA IG UnB /
Distribuio de pontos: densidade uniforme
DENSIDADE UNIFORME DE PONTOS
Uma rea de um mapa pode ser dividida num dado nmero de
subreas de mesmo tamanho, de tal modo que cada subrea contenha
um certo nmero de pontos.
Se os pontos so distribudos uniformemente no mapa, ns podermos
esperar que cada subrea possua o mesmo nmero de pontos.
LGA IG UnB /
A hiptese de no diferena no nmero de pontos por subrea pode
ser testada usando o teste
2
, e independente da forma ou orientao
das subreas.
Contudo, o teste ser mais eficiente se o nmero de subreas for o
maior possvel sujeito restrio de que nenhuma subrea tenha
menos que 5 pontos.
LGA IG UnB /
O nmero esperado de pontos em cada subrea numa distribuio
uniforme :
LGA IG UnB /
k
N
E =
onde N o nmero total de pontos e k o nmero de subreas. Um
teste
2
de qualidade de ajuste entre a distribuio observada e uma
distribuio esperada uniforme dado por:
( )
=

=
k
i
i
E
E O
1
2
2

onde O
i
o nmero observado de pontos na subrea i e E o nmero
esperado. O teste tem = k 2 graus de liberdade, onde k o nmero
de subreas.
(ver exemplo)
LGA IG UnB /
LGA IG UnB /
Como exemplo de
aplicao deste teste,
considere a figura
mostrada que contm a
localizao de 123
poos perfurados para a
prospeco de petrleo.
A rea do mapa foi
dividida em 12 subreas
de igual tamanho.
Para uma distribuio uniforme de pontos, esperaramos encontrar
cerca de 10 poos em cada subrea.
A tabela a seguir resume os dados do problema que tem = 10 graus
de liberdade. Para um nvel de significncia de 5 % o valor crtico
de 18,3.
A hiptese em teste H
0
de que a distribuio de pontos uniforme,
para uma alternativa H
1
de no uniforme.
LGA IG UnB /
LGA IG UnB /
O valor de X
2
menor que o valor

crtico. Concluso,
aceitamos H
0
, a
distribuio uniforme.
PADRO ALEATRIO DE PONTOS
Estabelecer que um padro uniforme no especifica a natureza da
uniformidade, pois tanto padres regulares como aleatrios so
esperados ser homogneos. Na maioria dos casos, a verificao da
uniformidade suficiente, mas se desejamos mais informaes sobre
o padro ser necessrio realizar outros testes.
Se os pontos forem distribudos aleatoriamente atravs do mapa,
mesmo que a cobertura seja uniforme, ns no esperamos observar
exatamente o mesmo nmero de pontos dentro de cada subrea.
LGA IG UnB /
Distribuio de pontos: padro aleatrio
Ao contrrio, existir um nmero preferido de pontos que ocorrer na
maioria das subreas e, progressivamente, menos subreas tero tanto
mais como menos pontos. Isto aparente no exemplo que analisamos.
Embora nossa hiptese de uniformidade estabelecesse que
deveramos esperar 10 pontos em cada subrea, observamos, de fato,
subreas com mais e menos de 10 pontos.
LGA IG UnB /
Devemos, agora, recordar que a distribuio de probabilidade de
Poisson o caso limite da distribuio binomial quando p, a
probabilidade de sucesso, muito pequena e (1 p) se aproxima de 1.
A distribuio de Poisson pode ser usada para modelar a ocorrncia
de raras ocorrncias aleatrias em tempo e usada, tambm, para
modelar a colocao aleatria de pontos no espao.
LGA IG UnB /
Embora a distribuio de Poisson, como a distribuio binomial, use
nmeros de sucessos, falhas e tentativas nos clculos de
probabilidade, ela pode ser re-escrita de modo que nenhum destes
parmetros seja necessrio.
Ao contrrio, ela usa o nmero de pontos por subrea e a densidade
de pontos na rea toda, para prever quantas subreas deveriam conter
um dado nmero de pontos.
O nmero previsto ou esperado de subreas pode ser usado num teste
2 para verificar se os pontos esto distribudos aleatoriamente na
rea.
LGA IG UnB /
Como uma aplicao, podemos determinar se poos produtores de
petrleo distribudos numa bacia ocorrem aleatoriamente ou so
distribudos de outro modo. No intuitivamente bvio que a
distribuio de Poisson possa ser expressa numa forma apropriada
para este tipo de problema e, portanto, vamos mostrar em detalhe.
LGA IG UnB /
LGA IG UnB /
Suponha que a bacia tenha uma rea a na qual m poos produtores
esto aleatoriamente localizados. A densidade de poos produtores
numa bacia ser designada de e temos:
= m/a
A bacia pode ser dividida em concesses de rea A. Cada concesso
poder ser, por sua vez, subdividida em n subreas extremamente
pequenas e de igual tamanho, que poderamos considerar como locais
potenciais de sondagem. A probabilidade de que cada uma destas
reas extremamente pequenas contenha um poo produtor tende a
zero a medida que n torna-se infinitamente grande.
LGA IG UnB /
A rea de cada local de sondagem ser dada por A/n. A probabilidade
de que o local tenha um poo produtivo dada por:
p = (A/n)
e a probabilidade de que o local no contenha um poo produtivo
ser:
1 - p = 1 - (A/n)
LGA IG UnB /
Desejamos investigar a probabilidade de que r dos n locais de
sondagem dentro de uma concesso contero poos produtores e n r
locais no contero. A probabilidade de uma combinao especfica
de locais com descobertas e no descobertas, dentro de uma
concesso ser dada por:
LGA IG UnB /
r n r
n
A
n
A
P

|
.
|
\
|

|
.
|
\
|
= 1
Contudo, dentro de uma concesso existem C
n,r
combinaes dos n
locais de sondagem, dos quais r contm poos produtores e todos tm
a mesma probabilidade. A probabilidade de que uma concesso ter
exatamente r poos produtores ser, portanto, dada por:
LGA IG UnB /
( )
r n r
n
A
n
A
r
n
r P

|
.
|
\
|

|
.
|
\
|
|
|
.
|
\
|
= 1
Observe que esta expresso simplesmente aquela da distribuio
binomial para a probabilidade de r descobertas em n locais de
sondagem.
Quando o n torna-se infinitamente grande a expresso acima pode ser
aproximada por:
LGA IG UnB /
( )
( )
( )
! r
A
e r P
r
A

=
Observe que o nmero de locais de sondagem n sumiu da equao
ficando somente a densidade de poos, , o nmero de poos
produtores, r, e a rea das concesses A. A expresso final vista
acima a distribuio de Poisson quando aplicada probabilidade
de eventos raros aleatrios (poos produtores) ocorrendo em reas
geogrficas.
Observe, ainda, que A simplesmente o nmero mdio de poos por
concesso, isto porque o produto da densidade de poos produtores
pela rea da concesso. Na prtica o produto A estimado por:
A = m/T
onde m o nmero total de poos produtores e T o nmero de
concesses.
Agora podemos efetuar um teste 2 para verificar se o nmero
observado de poos por concesso se iguala a aquele esperado, caso
os poos estivessem aleatoriamente localizados de acordo com o
modelo de Poisson.
LGA IG UnB /
O nmero de concesses contendo exatamente r poos produtores, n
r
,
pode ser obtido por:
LGA IG UnB /
Ou
n
r
= m P(r)
n
r
= m e
-(m/T)
[(m/T)
r
/r!]
LGA IG UnB /
A figura mostrada representa a localizao de poos produtores de
petrleo no Texas. A rea foi dividida em 160 concesses iguais de
10 mi
2
. Como existem 168 poos produtores na rea, o nmero mdio
de poos por concesso :
m/T = 168/160 = 1,05
Ns podemos contar o nmero de concesses no mapa que contm
exatamente zero descoberta, uma descoberta, duas descobertas, etc,
etc.
LGA IG UnB /
Usando a equao:
LGA IG UnB /
Podemos calcular o nmero esperado de concesses que
contenham os mesmos nmeros de descobertas (ver tabela a
seguir).
( )
!
/
n
/ r
r
T m
me
r
T m
=
LGA IG UnB /
LGA IG UnB /
O teste 2 dado por:
LGA IG UnB /
( )
=

=
c
i
i
E
E O
1
2
2
o teste tem = c 2 graus de liberdade. Onde c o nmero de

categorias com valor observado 5. Valores menores devem se
agrupados em nova categoria.
Pelos dados da tabela observamos que a trs ltimas categorias
devero ser combinadas numa nica. Assim, o teste ter = 5 2
graus de liberdade.
O valor de
2
calculado pelo somatrio em cinco categorias igual a
13,28. O valor crtico para um nvel de significncia = 5%e = 3
igual a 7,81.
O teste estatstico excede, em muito, o valor crtico. Portanto,
devemos rejeitar a hiptese de que os poos produtores de petrleo no
exemplo estejam distribudos aleatoriamente. Podemos concluir,
assim, que o modelo de Poisson no apropriado para o problema.
LGA IG UnB /
No processo de ajustar o modelo de Poisson aos dados, geramos
algumas informaes que podem ser usadas para aprofundar a anlise
dos dados.
O nmero mdio de poos produtores por concesso estimado por
A = m/T. A varincia no nmero de poos produtores por concesso
dada por:
LGA IG UnB /
( )
1
1
2
2
=
T
T m r
s
T
i
i
Onde r
i
o nmero de descobertas na i
sima
concesso. O somatrio
se estende por todas as T concesses.
Os resultados alternativos para comparar valores esperados de mdia
e varincia so:
m/T > s
2
padro mais uniforme que aleatrio
m/T = s
2
padro aleatrio
m/T < s
2
padro mais agrupado que aleatrio
A significncia estatstica da diferena entre m/T e s
2
pode ser
verificada com auxlio de um teste t.
LGA IG UnB /
O teste t compara a razo entre m/T e s
2
, que deveria ser igual a 1 se
as estatsticas so iguais. O teste tem a forma:
LGA IG UnB /
e
s
s
T m
t
1
2

|
.
|
\
|
=
Onde s
e
= [2/(T-1)]
1/2
. O teste tem T -1 graus de liberdade.
Para o nosso exemplo podemos verificar a hiptese:
H
0
: os parmetros so iguais (padro aleatrio)
E alternativa:
H
1
: os parmetros so diferentes
A varincia no nmero de descobertas por concesso :
s
2
= 231,6/159 = 1,46
O erro padro pode ser obtido por:
s
e
= [2/(159)]
1/2
= 0,112
A estatstica t :
t = [(1,05/1,46) 1]/0,112 = - 8,96
Este valor excede o valor crtico de 1,96 obtido para um = 5% e 159
graus de liberdade. Rejeitamos, de novo, a hiptese de aleatoriedade
para os dados do exemplo.
LGA IG UnB /
PADRO AGRUPADO DE PONTOS
Muitas das distribuies espaciais de pontos que ocorrem na natureza
mostram uma tendncia pronunciada na direo do agrupamento. Isto
especialmente verdadeiro com certas variveis biolgicas
(ocorrncia de um organismo ou foco de doenas infecciosas). Porm
na geologia observamos, tambm, casos com este comportamento.
Padres de agrupamento de pontos podem ser modelados por muitas
distribuies tericas, que podem ser consideradas, em sua maioria,
como combinaes de duas ou mais distribuies simples. Uma
distribuio descreve as locaes dos centros dos grupos enquanto
outra descreve o padro de pontos individuais em torno dos centros.
LGA IG UnB /
Distribuio de pontos: padro agrupado
PADRO AGRUPADO DE PONTOS
A distribuio binomial negativa pode ser usada para modelar a
ocorrncia de pontos agrupados no espao, numa maneira anloga
quela da distribuio de Poisson para pontos aleatrios.
A distribuio binomial negativa pode ser vista como uma
composio entre a distribuio de Poisson e a distribuio
logartmica. Os centros estariam distribudos aleatoriamente no mapa
e os pontos num grupo seguiriam a distribuio logartmica.
LGA IG UnB /
Numa formulao adequada para descrever padres espaciais de
pontos, a distribuio binomial negativa tem a expresso:
LGA IG UnB /
( )
k r
p p
p
r
r k
r P
(
+
(
+
|
|
.
|
\
|
+
=
1
1
1
1
Nos termos do problema de distribuio de poos de petrleo em
anlise, r o nmero de poos de petrleo numa concesso, p a
probabilidade de que um dado local de sondagem fornea um poo
produtor, e k uma medida do grau de agrupamento dos poos na
rea. Se k grande, agrupamento menos pronunciado e a
distribuio se aproxima de Poisson, ou aleatoriedade. A medida que
k se aproxima de zero, o padro de agrupamento torna-se mais
pronunciado.
A densidade igual a:
= k p
Se k no for inteiro, o que em geral ocorre, a equao combinatorial
no poder ser resolvida.
LGA IG UnB /
A seguinte aproximao para a equao deve ser usada:
LGA IG UnB /
( )
( )
k
p
P
+
=
1
1
0
( )
( ) ( ) ( )
( ) 1
1 1
+ +
= r P
r
p p r k
r P
Como no caso da distribuio de Poisson, estimado pela
densidade mdia das descobertas por concesso, m/T.
O parmetro de agrupamento, k, estimado por:
LGA IG UnB /
( )
( )
T
m
s
T
m
k
=
2
2
onde s
2
a varincia no nmero de poos produtivos por concesso.
Deste modo a probabilidade p pode ser estimada por:
( )
k
T
m
k p = = /
Podemos, agora, aplicar o modelo binomial negativo aos dados do
exemplo em anlise para ver se a distribuio de poos produtores,
segue um modelo agrupado descrito pela distribuio.
A mdia e varincia no nmero de poos produtores por concesso j
foram obtidos no problema anterior: m/T = 1,05 e s
2
= 1,46. O efeito
de agrupamento pode ser estimado por:
LGA IG UnB /
69 , 2
05 , 1 46 , 1
05 , 1
2
=
= k
Por outro lado a probabilidade de um poo produtor ocorrer numa
concesso :
LGA IG UnB /
390 , 0
69 , 2
05 , 1
= = =
k
p

Podemos usar as equaes de aproximao para estimar a
probabilidade de que uma dada concesso ter zero descoberta,
uma descoberta, etc, etc.
A probabilidade de que uma dada concesso ter nenhuma descoberta
ser:
LGA IG UnB /
( )
( )
4124 , 0
390 , 0 1
1
0
69 , 2
=
+
= P
A probabilidade de que uma dada concesso ter exatamente uma
descoberta ser:
( )
( )
3112 , 0 4124 , 0
1
390 , 1
390 , 0
1 1 69 , 2
1 =
|
.
|
\
|
+
= P
As probabilidades de que uma concesso ter exatamente dois, trs,
ou outro nmero de poos produtores podem ser obtidas de modo
similar.
O nmero de concesses contendo r poos produtores pode ser obtido
multiplicando as probabilidades obtidas por T, no problema igual a
160, o nmero de concesses.
A tabela mostrada a seguir fornece os valores esperados com base na
distribuio binomial negativa. Um histograma permite comparar
visualmente os valores observados com os esperados.
LGA IG UnB /
LGA IG UnB /
LGA IG UnB /
A verificao do ajuste dos dados observados com aqueles esperados,
segundo um padro agrupado descrito pela distribuio binomial
negativa, pode ser feito atravs de um teste 2. A hiptese de que
os poos produtores no mapa seguem um padro agrupado.
De novo ser preciso agrupar as trs ltimas categorias para que
atinjam o limite de 5 no valor esperado. Os graus de liberdade para o
problema so:
= c 2 = 5 2 = 3
Onde c so as categorias vlidas.
LGA IG UnB /
Para um nvel de significncia = 5% e = 3 graus de liberdade,
obtemos na tabela 2 uma valor crtico de 7.81.
O somatrio para a obteno do valor de 2 produziu um resultado
igual a 4,82. Como este valor menor que o valor crtico, aceitamos a
hiptese: Os poos produtores de petrleo na bacia seguem um
padro agrupado descrito pela distribuio binomial negativa.
LGA IG UnB /
ANLISE DE VIZINHANA PRXIMA
Uma alternativa anlise por meio de subreas a anlise de
vizinhana prxima. Os dados usados no so os nmeros de pontos
por subreas, mas as distncias entre pares mais prximos de pontos.
Como no necessrio selecionar um dado tamanho de subrea, o
procedimento de anlise de vizinhana evita a possibilidade de se
concluir que um padro aleatrio numa escala, mas no em outra.
LGA IG UnB /
Distribuio de pontos: vizinhana prxima
Adicionalmente, como geralmente existem muito mais pares de
pontos prximos do que subreas, a anlise mais sensvel.
A anlise de vizinhana prxima compara caractersticas de um
conjunto observado de distncias entre pares de pontos mais
prximos, com aquelas que seriam esperadas caso os pontos fossem
distribudos aleatoriamente no mapa.
As caractersticas de um padro aleatrio terico de pontos num mapa
podem ser derivadas com o apoio da distribuio de Poisson, como j
visto anteriormente.
LGA IG UnB /
Se ignoramos o efeito das bordas do mapa, a distncia mdia esperada
entre vizinhos mais prximos dada por:
LGA IG UnB /
n A
2
1
=
onde A a rea do mapa e n o nmero de pontos. Lembre-se que
A/n a densidade de pontos . A varincia na distncia mdia dada
por:
( )
2
2
4
4
n
A

=
Manipulando as constantes temos:
LGA IG UnB /
2
2
06831 , 0
n
A
=
O erro padro na distncia mdia entre pares de pontos mais

prximos a raiz quadrada da equao acima:
2
26136 , 0
n A
s
e
=
A distribuio da distncia mdia normal desde que n seja maior
que 6, deste modo podemos usar um simples teste z, visto
anteriormente, para verificar a hiptese de que a distncia mdia
observada entre vizinhos mais prximos igual distncia mdia
esperada numa distribuio aleatria de pontos.
O teste ser, portanto dado por:
LGA IG UnB /
e
s
d
z

=
Onde a distncia mdia observada (o d barra) ser a soma da distncia
entre todos os pares de pontos mais prximos dividida pelo nmero
deles. Este teste supe que as margens se estendem ao infinito. Como,
geralmente, este no o caso, aparece um efeito de borda.
Uma maneira de correo do efeito de borda usar a frmula de
Donnelly (1978):
LGA IG UnB /
n
p
n
n
A
.
412 , 0
514 , 0
2
1
|
|
.
|
\
|
+ + =
2 / 5 2
2
035 , 0 070 , 0
n
A
p
n
A
+
e
onde p o permetro do mapa retangular. A razo entre os valores
esperado e observado na distncia mdia fornece a estatstica de
vizinhana prxima, R. R varia de zero, pontos coincidentes, at 1,
pontos aleatrios, tendo um valor mximo de 2,15, padro regular.
LGA IG UnB /
d
R =
DISTRIBUIO DE LINHAS
Alguns padres que ocorrem naturalmente so compostos de linhas,
tais como lineamentos numa imagem de satlite, traos de juntas
expostos num afloramento de granito ou micro fraturas numa seo
delgada de rocha.
Assim como um conjunto de pontos pode formar um padro que varia
de uniforme a fortemente agrupado, tambm podem as linhas. claro
que as linhas so mais complexas que pontos, pois possuem
comprimento e orientao, alm da localizao.
LGA IG UnB /
Distribuio de linhas
DISTRIBUIO DE LINHAS
A anlise de distribuio de linhas , portanto, mais complexa e
mtodos estatsticos adequados para estudos de padres de linhas so
menos desenvolvidos que aqueles para padres de pontos.
Poucos estudos tm examinado a distribuio de comprimentos de
linhas. Um pequeno nmero de trabalhos tem investigado a questo
de espaamento de linhas num dado padro. Um maior nmero de
trabalhos existe sobre orientao de linhas, assunto a ser visto
posteriormente.
LGA IG UnB /
Podemos definir um padro aleatrio de linhas como aquele no qual
uma linha possvel cortar qualquer local e a orientao da linha ,
tambm, igualmente provvel.
Podemos definir uma medida de densidade de linhas que anlogo
densidade de pontos :
LGA IG UnB /
A
L
=
onde L simplesmente o comprimento total de todas as linhas no
mapa que tem uma rea A. O modelo de Poisson descreve o padro
aleatrio de linhas e determina a forma da distribuio de Poisson.
A distribuio de distncias entre pares de linhas pode ser examinada
calculado-se uma medida de vizinhana mais prxima. Primeiro
selecionamos, aleatoriamente, um ponto sobre cada linha do mapa. A
partir de cada ponto, a distncia medida para a linha mais prxima
segundo uma perpendicular a esta linha. A distncia mdia (d barra)
entre vizinhos mais prximos ser a mdias destas distncias.
LGA IG UnB /
LGA IG UnB /
Dacey (1967) determinou que a distncia mdia esperada entre
vizinhos mais prximos numa distribuio aleatria de linhas dada
por:
LGA IG UnB /
31831 , 0
=
e a varincia esperada :
2
2
10132 , 0

=
A partir da varincia esperada e do nmero de linhas no mapa
podemos definir o erro padro:
LGA IG UnB /
n
s
e
2
=
Isto permite calcularmos uma estatstica z para testar a significncia
da diferena entre as distncias mdias esperada e observada:
A estatstica z para o teste tem a forma:
LGA IG UnB /
e
s
d
z

=
O teste feito nas duas extremidades da curva z, em funo da
hiptese:
= d H :
0
Se aceitamos a hiptese conclumos que a distribuio de linhas
aleatria segundo Poisson.
O teste funciona para conjuntos de linhas retas ou curvas, desde que
as linhas no mudem de direo freqentemente.

Curso Métodos 5 A 2011

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Curso Métodos 5 A 2011

Hochgeladen von

Copyright:

Verfügbare Formate

MTODOS ESTATSTICOS

DENSIDADE UNIFORME DE PONTOS

menor que o valor

o teste tem = c 2 graus de liberdade. Onde c o nmero de

O erro padro na distncia mdia entre pares de pontos mais

Das könnte Ihnen auch gefallen