Beruflich Dokumente
Kultur Dokumente
3. Análisis Estructural
Ramón Giraldo H.
PhD. Estadística
Profesor Departamento de Estadística
Universidad Nacional de Colombia
Variable Regionalizada
EZ x m x D R m
EZ x Z ( x h) 0
V Z x Z ( x h) 2 h
estacionario
No estacionario
Variograma
Esta función permite medir la relación que existe entre los datos de
acuerdo con la cercanía (h) entre los sitios
E Z x Z ( x h)
2
2ˆ h
z x h z x 2
nh
Otras Medidas de Correlación Espacial
C(h) (h)
2
h
h 1 2
Semivariograma y Correlograma
Correlograma
Semivar.
Meseta
Pepita Rango h
Variograma
Función de Covarianza
Ilustración
44 40 42 40 39 37 36
42 43 42 39 39 41 40 38
37 37 37 35 38 37 37 33 34
35 38 35 37 36 36 35 200
36 35 36 35 34 33 32 29 28
38 37 35 30 29 30 32
100
Cálculo del Semivariograma
100 3.403
200 6.258
500 19.750
775 23.259
Semivariograma
25
20
15
10
5
0
0 500 1000
Semivariograma Empírico y Ajuste de un
modelo teórico
Modelo de Variograma
Gaussiano
h2
( h) C1 1 exp
2
a
Cálculo del variograma en dirección
Variograma “Cloud”
This is an example of
a variogram produced
using ArcGIS's
Geostatistical Analyst.
[ Z ( si ) Z ( s j )]2
ij
2
Modelos teóricos de variograma
3 h 1 h 3
C1 ha
Esférico ( h) 2 a 2 a
C1 ha
3h
( h) C1 1 exp
Exponencial a
h2
( h) C1 1 exp
Gaussiano 2
a
0 if h 0
Efecto Nugget ( h)
1 otro caso
Modelos de
Semivariograma
Parámetros del Variograma Teórico
Pepita:
Se denota por C0 y representa una discontinuidad puntual del semivariograma en el
origen. Puede ser debido a errores de medición en la variable o a la escala de la
misma. En algunas ocasiones puede ser indicativo de que parte de la estructura
espacial se concentra a distancias inferiores a las observadas.
Meseta
Varianza de los datos. Se denota por C1 o por (C0 + C1) cuando la pepita es
diferente de cero. Se sugiere que en un modelo que explique bien la realidad, la
pepita no debe representar mas del 50% de la meseta. Si el ruido espacial en las
mediciones explica en mayor proporción la variabilidad que la correlación del
fenómeno, las predicciones que se obtengan pueden ser muy imprecisas.
Rango
• Es la distancia hasta la cual hay correlación entre los datos. Entre más pequeño sea
el rango, más cerca se esta del modelo de independencia espacial. El rango no
siempre aparece de manera explícita en la fórmula del semivariograma.
Comparación de modelos Teóricos de
Variograma
30
25
Semivariograma
20
Esférico
15 Exponencial
Gaussiano
10
0
0 50 100 150 200 250 300
Distancia(h)
Otras Medidas de Correlación Espacial
C(h) (h)
Covariograma
2
h
h 1 2
Correlograma
Es más fácil trabajar con el variograma
Test de Montecarlo
de Correlación Espacial
Isotropía: Igual Correlación en todas las
direcciones
Anisotropías
Anisotropías :
Anisotropía Geométrica
Anisotropía Zonal
Anisotropía Híbrida
Anisotropía: hay más correlación en una
dirección que en otra.
Anisotropía Geométrica :
Es aquella en la que el 3
variograma en distintas
2,5
direcciones presenta el mismo
sill pero rangos distintos 2
Variograma
1,5 N-S
E-O
Mayor continuidad espacial en 1
la dirección de mayor rango
0,5
0
Menor continuidad espacial en 0,0 0,9 2,0 3,0 4,1 5,1 6,2 7,2 8,3 9,3 10,4 11,4
Anisotropía Zonal :
3,5
Es aquella en la que el
2,5
variograma en distintas
direcciones presenta el mismo 2
Variograma
rango pero diferente sill 1,5
Distancia
Anisotropía Híbrida
Anisotropía Híbrida :
Variograma
distintos sill. 2,5
2
Presencia de diferentes 1,5
estructuras 1
0,5
0
Característico de variogramas 0 0,6 1,2 1,8 2,4 3 3,6 4,2 4,8 5,4 6 6,6 7,2
horizontales y verticales Distancia
Mapa de Variograma: isovalores del variograma experimental
en función de la separación (distancia y orientación). Caso
de anisotropía geométrica (en cualquier dirección el valor
máximo es 1 = sill)
Modelos de variograma anisotrópicos
-Anisotropía geométrica:
Puede ser corregida por una transformación lineal de
coordenadas que permita reducir una elipse a un circulo.
-Anisotropía zonal:
puede ser corregido separando el semivariograma en sus
componentes isotrópicos horizontal y anisotrópico vertical.
Estimación de la Estructura de Correlación
Mínimos Cuadrados
(Usando el variograma muestral)
1.1. Ordinarios
1.2 Ponderados
1.3. Cuasi-Verosimilitud
2.1. Máxima-Verosimilitud
2.2. MV Restringida
2.3. Bayesiana
Métodos para ajustar el variograma
2
QL ( ) min
1
ˆu u;
u;
Estimación por Mínimos Cuadrados
Sill
2 2
2,0
1,6
Semivariance
1,2
2
0,8
Nugget Range
0,4
0,0
0 10000 20000 30000
Distance
3
2 3 u 1 u
2
u
(u; ) 2 2 Esferical
2 2
u
Exponential
3u
(u; ) 2 2 1exp Matern
k .5
u2
(u; ) 1exp 2
2 2 Gaussian
k
Matérn
Distribución Normal Multivariada
Y ( s1 ) ( s1 ) 2 C ( s1 , sn )
Y ( s) ~ N ( s) ,
Y (s ) (s ) C (s , s )
n n n 1 2
1
f (Y ( s )) exp (Y ( s) ( s )) (Y ( s) ( s ))
T 1
(2 ) 2
1/ 2
Geoestadística Basada en Modelo
Modelo
Y ( x) S ( x) Z ( x)
Observaciones Señal Ruido
S ( x1 )
Z ( x1 )
S ( x) ~ MVN , 2 R
~ Z ( x) ~ MVN 0, 2 I
S(x )
~
~
Z (x ) ~
n
n
1 12 1n
1 2n
, u ij Corr S ( xi ), S ( x j ) , u xi x j
R
1
Estimación Máximo Verosímil
2, 2 , Parámetros deG( ) 2
I 2 R , X
l ,
1
2
log G y X G y X
T 1
Log-Verosimilitud
l ˆ , log G y Xˆ
1
2
G y Xˆ
T 1
l ˆ , es maximizada numéricamente Estimación MV
1
2
1
1
L* log G log X G X y Xˆ G y Xˆ
ML, REML