Documente Academic
Documente Profesional
Documente Cultură
actica 5:
T
ecnicas de estimaci
on de una sola variable
Eduardo Cassiraga
efc@dihma.upv.es
Grupo de Hidrogeologa
Departamento de Ingeniera Hidraulica y Medio Ambiente
Universidad Politecnica de Valencia
Geoestadstica
Contenidos
1 Introducci
on.
2 Combinaci
on lineal ponderada.
3 Tipos de estimaciones.
4 El krigeado ordinario.
5 Un ejemplo de krigeado ordinario.
6 Krigeado ordinario y parametros del modelo de continuidad espacial.
Geoestadstica
1 Introducci
on
El objetivo de un estudio geoestadstico no es solamente describir la informaci
on y
construir un modelo de continuidad espacial.
La informaci
on acerca de los datos y el modelo de continuidad espacial nos permiten
realizar la estimaci
on de los valores de una o varias variables donde ellas no fueron
muestreadas.
Geoestadstica
2 Combinaci
on lineal ponderada
Todos los metodos de estimaci
on que seran descritos construyen cada estimador como
una combinaci
on lineal ponderada de la informaci
on disponible, esto es:
Estimador = z =
n
X
i z i
i=1
donde el asterisco indica que el valor obtenido es una estimacion, z1,...,zn son los n
datos disponibles y i es el peso asignado al valor zi.
Geoestadstica
3 Tipos de estimaciones
Existen diferentes aproximaciones para dar valor a los pesos, las cuales dan origen a
distintas tecnicas de estimaci
on:
Estimaci
on global y local.
Estimaci
on de una media y de una distribuci
on completa.
Estimaci
on puntual y de bloque.
Geoestadstica
Estimaci
on global y local
Una estimaci
on sobre un area grande dentro de la cual hay muchos datos es una
estimaci
on global.
Una estimaci
on local es una que se lleva a cabo sobre un area peque
na en la cual
tenemos pocos datos, incluso ninguno, y para la cual tenemos que utilizar la informacion
cercana que se encuentra fuera del area de estimaci
on.
Las estimaciones globales son u
tiles en las etapas iniciales de los estudios y raramente
satisfacen los objetivos del mismo, por ejemplo:
a En aplicaciones mineras no es suficiente conocer la concentraci
on media de un metal precioso sobre
el area de estudio, sino que es muy importante tener informaci
on local detallada de tal concentraci
on.
b En un estudio de contaminaci
on la informaci
on global acerca de la concentraci
on de un contaminante
no es suficiente para determinar si localizaciones especficas tienen o no concentraciones inaceptables.
c En los estudios de flujo de agua subterr
anea una estimaci
on global de la conductividad hidraulica
carece de significado ya que el flujo esta controlado por las zonas de altos y bajos valores de
permeabilidad.
Geoestadstica
Geoestadstica
Geoestadstica
4 El krigeado ordinario
La idea b
asica del krigeado ordinario es estimar el
valor desconocido de un atributo z en el punto de
coordenadas u, a partir de n valores conocidos de z,
cuyas coordenadas son u, con = 1, ..., n.
z(u1)
z(u2)
z(u)?
z(u3)
z(u5)
z(u4)
z(u6)
z(u7)
=1
Geoestadstica
Geoestadstica
El modelo de funci
on aleatoria
La solucion pasa por construir un modelo de nuestros
datos y trabajar con el error medio y la varianza para
nuestro modelo.
Z(u1)
Z(u2)
Z(u)?
Z(u3)
n
X
Z(u)
Z(u5)
Z(u4)
Z(u6)
Z(u7)
(1)
=1
10
Geoestadstica
El error en la estimaci
on
La utilizaci
on de un modelo de funci
on aleatoria nos permite definir el error cometido
en la estimaci
on del atributo z en la localizaci
on u como:
R(u) = Z (u) Z(u)
(2)
donde Z (u) y Z(u) son las variables aleatorias que representan el valor estimado y
el valor verdadero respectivamente. El error R(u) es tambien una variable aleatoria.
El error medio mR cometido en un conjunto de estimaciones:
mR = E {R(u)} = E {Z (u) Z(u)}
2
y la varianza del error R
(u) de un conjunto de estimaciones:
2
R
= V ar {R(u)} = V ar {Z (u) Z(u)}
(3)
11
Geoestadstica
(4)
bajo la restricci
on
mR = E {R(u)} = E {Z (u) Z(u)} = 0
(5)
12
Geoestadstica
La condici
on de estimador insesgado
La condici
on de estimador insesgado (ec. 5) se expresa
mR = E {R(u)} = E {Z (u) Z(u)} = 0
Reemplazando la expresi
on del estimador (ec. 1) en la del error (ec. 2):
R(u) =
n
X
Z(u) Z(u)
=1
n
X
)
Z(u) Z(u)
=1
n
X
E {Z(u)} E {Z(u)}
=1
13
Geoestadstica
n
X
E {Z} E {Z}
=1
= 1
(6)
=1
14
Geoestadstica
La condici
on de varianza mnima
Esta condici
on (ec. 4) se expresa:
2
mn R
= mn V ar {R(u)} = mn V ar {Z (u) Z(u)}
Lo que supone:
2
1 Encontrar una expresi
on para R
.
2 Encontrar un mnimo para dicha expresi
on.
15
Geoestadstica
Una expresi
on para la varianza del error
De forma general, la varianza de una combinaci
on lineal de variables aleatorias se
expresa:
( n
)
n X
n
X
X
V ar
Z(u) =
C {Z(u)Z(u )}
(7)
=1
=1 =1
donde C {Z(u)Z(u )} es la covarianza entre las variables aleatorias para las localizaciones u y u .
La varianza del error cometido en un conjunto de estimaciones (ec. 3) es una
combinaci
on lineal de dos variables aleatorias, por lo que:
V ar {R(u)} = C {Z (u)Z (u)} C {Z (u)Z(u)}
C {Z(u)Z (u)} + C {Z(u)Z(u)}
= C {Z (u)Z (u)} 2 C {Z (u)Z(u)} +
+ C {Z(u)Z(u)}
(8)
16
Geoestadstica
El primer t
ermino es
C {Z (u)Z (u)}
y corresponde a la autocovarianza de Z (u), es decir, V ar {Z (u)}.
Utilizando la definici
on del estimador (ec. 1) tenemos que de acuerdo a la expresion
para una combinaci
on lineal de variables aleatorias (ec. 7)
(
V ar {Z (u)} = V ar
n
X
)
Z(u)
=1
n X
n
X
C {Z(u)Z(u )}
=1 =1
n X
n
X
C(u u )
(9)
=1 =1
17
Geoestadstica
El segundo t
ermino es
C {Z (u)Z(u)}
y se puede escribir como:
(
n
X
C {Z (u)Z(u)} = C
Z(u) Z(u)
=1
(
=E
n
X
)
Z(u)Z(u)
(
E
=1
n
X
=1
n
X
=1
n
X
E {Z(u)Z(u)}
n
X
)
Z(u) E {Z(u)}
=1
n
X
E {Z(u)} E {Z(u)}
=1
C {Z(u)Z(u)}
C(u u)
(10)
=1
18
Geoestadstica
El tercer t
ermino es
C {Z(u)Z(u)}
y corresponde a la autocovarianza de la variable aleatoria Z(u), y es igual a la varianza
de Z(u), que puede expresarse como:
C {Z(u)Z(u)} = 2
(11)
n X
n
X
=1 =1
C(u u ) 2
n
X
C(u u)
(12)
=1
que debe ser minimizada, para lo cual aplicamos el criterio de la primera derivada.
19
Geoestadstica
Minimizaci
on de la varianza del error
La expresi
on a minimizar es la siguiente:
2
R
= 2 +
n X
n
X
C(u u ) 2
=1 =1
n
X
C(u u)
=1
+ 2
n
X
!
1
=1
20
Geoestadstica
n
P
n
P
!
C(u u )
=1 =1
21C(u1 u1) + 21
n
P
!
C(u1 u )
=2
= 21C(u1 u1) + 2
n
X
C(u1 u )
=2
=2
n
X
C(u1 u )
(13)
=1
21
Geoestadstica
(14)
(15)
2
De acuerdo a las ecuaciones (13), (14) y (15), la derivada de R
queda:
n
2
X
R
=2
C(u1 u ) 2C(u1 u) + 2
1
=1
C(u1 u ) + = C(u1 u)
=1
Master en Ingeniera Hidraulica y Medio Ambiente
22
Geoestadstica
De igual forma se pueden obtener las derivadas con respecto a los demas coeficientes
de ponderaci
on tal que el resultado es:
n
2
X
R
= 0 =
C(u1 u ) + = C(u1 u)
1
=1
..
..
n
2
X
R
= 0 =
C(u u ) + = C(u u)
=1
..
..
n
2
X
R
= 0 =
C(un u ) + = C(un u)
n
=1
23
Geoestadstica
=1
n
P
= 1, ..., n
(16)
= 1
=1
24
Geoestadstica
1
C(u1 u1) C(u1 un) 1
..
..
.. ..
...
C(un u1) C(un un) 1 n
1
0
{z
} | {z
|
C
=
}
C(u1 u)
..
C(un u)
1
{z
D
25
Geoestadstica
La expresi
on para la varianza del error
Para conocer el valor mnimo que toma la varianza de los errores cometidos multiplicamos cada una de las n primeras ecuaciones del sistema de ecuaciones del krigeado
ordinario (ec. 16) por , obteniendo:
n
X
= 1, ..., n
=1
n
X
C(u u ) +
n
X
=1
=1
=1
n
X
n
X
n
X
=1
C(u u ) =
=1
=1
n
X
C(u u)
=1
C(u u)
n
X
=1
26
Geoestadstica
quedando:
n X
n
X
C(u u ) =
=1 =1
n
X
C(u u)
=1
2
KO
(u) = 2
n
X
C(u u)
(17)
=1
27
Geoestadstica
Dato
0
1
2
3
4
5
6
7
X
65
61
63
64
68
71
73
75
Y
137
139
140
129
128
140
141
128
Valor
?
477
696
227
646
606
791
783
28
Geoestadstica
C(h) =
(
C0 + C
1
C1 exp
si |h| = 0
3|h|
a
si |h| > 0
29
Geoestadstica
Localizacion
0
1
2
3
4
5
6
7
0
0.00
4.47
3.61
8.06
9.49
6.71
8.94
13.45
1
4.47
0.00
2.24
10.04
13.04
10.05
12.17
17.80
2
3.61
2.24
0.00
11.05
13.00
8.00
10.05
16.97
Distancia
3
4
8.06
9.49
10.44 13.04
11.05 13.00
0.00
4.12
4.12
0.00
13.04 12.37
15.00 13.93
11.05
7.00
5
6.71
10.05
8.00
13.04
12.37
0.00
2.24
12.65
6
8.94
12.17
10.05
15.00
13.93
2.24
0.00
13.15
7
13.45
17.80
16.97
11.05
7.00
12.65
13.15
0.00
30
Geoestadstica
4 Construcci
on del sistema de krigeado ( = C 1 D):
10.00
5.11
0.44
0.20
0.49
0.26
0.05
1.00
11
C
21
C
31
C
41
C
51
C
61
C
71
C
1
12
C
22
C
32
C
42
C
52
C
62
C
72
C
1
5.11
10.00
0.36
0.20
0.91
0.49
0.06
1.00
13
C
23
C
33
C
43
C
53
C
63
C
73
C
1
0.44
0.36
10.00
2.90
0.20
0.11
0.36
1.00
14
C
24
C
34
C
44
C
54
C
64
C
74
C
1
0.20
0.20
2.90
10.00
0.24
0.15
1.22
1.00
15
C
25
C
35
C
45
C
55
C
65
C
75
C
1
0.49
0.91
0.20
0.24
10.00
5.11
0.22
1.00
16
C
26
C
36
C
46
C
56
C
66
C
76
C
1
17
C
27
C
37
C
47
C
57
C
67
C
77
C
1
0.26
0.49
0.11
0.15
5.11
10.00
0.19
1.00
1
1
1
1
1
1
1
0
0.05
0.06
0.36
1.22
0.22
0.19
10.00
1.00
10
C
20
C
30
C
40
C
50
C
60
C
70
C
1
1.00
1.00
1.00
1.00
1.00
1.00
1.00
0.00
2.61
3.39
0.89
0.58
1.34
0.68
0.18
1
31
Geoestadstica
5 Solucion:
1
2
3
4
5
6
7
1
=C D=
0.173
0.318
0.129
0.086
0.151
0.057
0.086
0.907
n
P
n
P
2
2
32
Geoestadstica
33
Geoestadstica
El efecto de la meseta
(h) = 0.0 + 1.0 Esf1500(h)
34
Geoestadstica
El efecto de la pepita
(h) = 0.0 + 1.0 Esf1500(h)
35
Geoestadstica
El efecto de la pepita
(h) = 0.0 + 1.0 Esf1500(h)
36
Geoestadstica
37
Geoestadstica
38
Geoestadstica
El efecto de la forma
(h) = 0.0 + 1.0 Esf1500(h)
39
Geoestadstica
El efecto de la forma
(h) = 0.0 + 1.0 Esf1500(h)
40
Geoestadstica
El efecto de la anisotropa
(h) = 0.0 + 1.0 Esf1500(h)
41
Geoestadstica
El efecto de la anisotropa
(h) = 0.0 + 1.0 Esf1500(h)
42
Geoestadstica
Sntesis del an
alisis realizado
Caso
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
2
ok
Est.
Descripcion
Caso base
Cambio de meseta
50 % de efecto pepita
Efecto pepita puro
Cambio de alcance
Cambio de alcance
Cambio de forma
Cambio de forma
Anisotropa
Anisotropa
Variograma
(h) = 0.0 + 1.0 Sph1500 (h)
(h) = 0.0 + 10.0 Sph1500 (h)
(h) = 0.5 + 0.5 Sph1500 (h)
(h) = 1.0 + 0.0 Sph1500 (h)
(h) = 0.0 + 1.0 Sph100 (h)
(h) = 0.0 + 1.0 Sph5000 (h)
(h) = 0.0 + 1.0 Gaus1500 (h)
(h) = 0.0 + 1.0 Exp1500 (h)
(h) = 0.0 + 1.0 Sph150 (h)
(Alcance max. = 1500, alcance mn. = 150,
direcci
on =120o )
(h) = 0.0 + 1.0 Sph150 (h)
(Alcance max. = 1500, alcance mn. = 150,
direcci
on = 0o )
Caso 1
0.696
0.145
0.095
-0.028
0.133
-0.048
0.006
Caso 2
0.696
0.145
0.095
-0.028
0.133
-0.048
0.006
Caso 3
0.260
0.110
0.110
0.120
0.140
0.090
0.100
Caso 4
0.140
0.140
0.140
0.140
0.140
0.140
0.140
Caso 5
0.140
0.130
0.140
0.140
0.140
0.130
0.140
Caso 6
0.680
0.140
0.090
-0.020
0.130
-0.040
0.009
Caso 7
0.880
0.560
0.068
-0.110
0.050
-0.390
-0.050
Caso 8
0.610
0.120
0.090
-0.011
0.130
-0.020
0.019
Caso 9
0.140
0.650
0.044
0.042
0.044
0.052
0.042
Caso 10
0.005
0.011
0.534
0.023
0.008
0.012
0.404
0.162
40.07
1.620
40.07
0.069
39.70
1.140
39.40
1.140
39.50
0.040
40.09
0.000
42.60
0.300
39.90
0.570
40.06
0.500
41.34
43
Geoestadstica
Caso 1
27.3
27.3
2.1
2.1
44
Geoestadstica
Caso 2
27.3
27.3
2.1
2.1
45
Geoestadstica
Caso 3
27.3
27.3
2.1
2.1
46
Geoestadstica
Caso 4
27.3
27.3
2.1
2.1
47
Geoestadstica
Caso 5
27.3
27.3
2.1
2.1
48
Geoestadstica
Caso 6
27.3
27.3
2.1
2.1
49
Geoestadstica
n
X
Z(u)
=1
n
X
)
Z(u)
=1
De acuerdo a la definici
on de varianza (V ar{X} = E{[X E{X}]2} = E{X 2}
E{X}2):
(
V ar
n
X
)
Z(u)
=1
Master en Ingeniera Hidraulica y Medio Ambiente
=E
"
n
X
=1
Z(u)
#2
( "
n
X
#)2
Z(u)
=1
50
Geoestadstica
=E
n
X
=1
(
)
n
n
n
X
X
X
Z(u )
Z(u)
Z(u) E
Z(u ) E
=1
=1
n
n X
X
E {Z(u)Z(u )}
=1 =1
n
n X
X
=1
E {Z(u)} E {Z(u )}
=1 =1
n X
n
X
=1 =1
n X
n
X
C {Z(u)Z(u )}
=1 =1
luego
(
V ar
n
X
)
Z(u)
=1
n X
n
X
C {Z(u)Z(u )}
=1 =1
51
Geoestadstica
Bibliografa
Isaaks, E. y Srivastava, R. (1989). An Introduction to Applied Geostatistics, Oxford
University Press, New York.
Goovaerts, P. (1997). Geostatistics for Natural Resources Evaluation, Oxford University Press, New York.
Froidevaux, R. (1998). Geostatistics for Petroleum Reservoir Characterization.
Workshop Notes, FSS International.
52
Geoestadstica
53