Documente Academic
Documente Profesional
Documente Cultură
Anlisis Geoestadistico
- La media
- Mediana Medidas de tendencia central
- Moda
Dado que slo depende del orden de los datos, tiene la ventaja de que no es sensible a los
valores extremos.
1. Calcular: n/2
2. La mediana ser el valor de la variable cuya frecuencia absoluta acumulada primero
iguale o supere a N/2. Este ser el intervalo en el que se encuentra la mediana.
Moda. Es el dato que ms veces se repite, es decir, aquel dato o rango que
presenta mayor frecuencia absoluta. Puede haber ms de una moda en una
distribucin. Se denota por Mo.
b. Medidas de dispersin
(Cesar Perez)
Trabajo practico.
Con el fin de que este sea un ejemplo prctico para abordar el anlisis
geoestadistico con ArcGIS, ilustraremos todo los conceptos con un ejemplo a
partir de datos de monitoreo de niveles piezomtricos de agua subterrnea que se
presentan en la tabla siguiente. Para ello se seguirn los siguientes pasos.
Tabla de frecuencias
frecuenci
Marca frecuencia
Interval frecuencia frecuencia a relativa
No de absoluta
o absoluta relativa acumulad
clase acumulada
a
K=
a=
Marca clase =
2 -Resolver
Mdulo
Datos Datos no
Parmetro Geostatistical Observaciones
agrupados agrupados
analyst de ArcGIS
Media
Mediana
Moda
Desviacin
estndar
Varianza
Coeficiente de
Variacin
Curtosis
Sesgo o
asimetra
Parmetros de validacin de
Normalidad en los datos.
Respecto parmetros de tendencia central.
CS = 0
Si CV < 100, no hay problema con los valores extremos de los datos
frecuencia frecuencia
Marca de frecuencia frecuencia
No Intervalo absoluta relativa
clase absoluta relativa
acumulada acumulada
2,0076 -
1 6,1776 4,0926 29 29 0,55 0,55
6,1776
2 -10,3476 8,2626 7 36 0,13 0,68
10,3476
3 -14,5176 12,4326 6 42 0,11 0,79
14,5176
4 -18,6876 16,6026 4 46 0,08 0,87
18,6876
5 -22,8576 20,7726 1 47 0,02 0,89
22,8576
6 -27,0276 24,9426 4 51 0,08 0,96
27,0276
7 -31,1976 29,1126 1 52 0,02 0,98
31,1976
8 -35,3676 33,2826 1 53 0,02 1
35
30 29
25
20
15
10
7
6
5 4 4
1 1 1
0
Resultado de los parmetros Geo-
estadisticos del A. E D.
Datos
Datos no Mdulo Geostatistical
Parmetro agrupado Observaciones
agrupados analyst de ArcGIS
s
Media 9.443 93.776 93.776
Mediana 4.81 5.869 5.869
Moda 4.378 - -
Desviacin
7.74 8.0421 8.0421
estndar
Varianza 6,044 6,4675 6,4675
Coeficiente de
82% 85.8% 85.75%
Variacin
A la curtosis que calcula
Curtosis 1.38 1.4709
ArcGIS se le debe restar 3
Sesgo o
1.46 1.4773
asimetra
Siempre ???
Log-Normal
frecue
ncia
frecuencia
frecuencia frecuencia relativ
Marca de clase absoluta
No Intervalo Intervalo absoluta relativa a
acumulada
acumu
lada
1 0,6969 -1,0569 0,88 7 7 0,13 0,13
2 1,0569 -1,4153 1,24 10 17 0,19 0,32
3 1,4153 -1,7737 1,59 10 27 0,19 0,51
4 1,7737 -2,1321 1,95 5 32 0,09 0,6
5 2,1321 -2,4905 2,31 7 39 0,13 0,74
6 2,4905 -2,8489 2,67 6 45 0,11 0,85
7 2,8489 -3,2073 3,03 4 49 0,08 0,92
8 3,2073 -3,5657 3,39 4 53 0,08 1
Concluimos
Media = 1.92
Mediana = 1.77
Moda = 1.41
desviacin estndar=
0.787
varianza =0.619
Cvariacion = 41%
Curtosis=-0.98
sesgo o asimetra =0.34
ASIMETR
IA
Mo Me POSITIV
A
Softwar
e
Geostatistical Analyst
explorar
variabilidad de datos
Eliminar Siempre ?
Tendencias
Este-
oeste
Norte-
Sur
Contextualizacin
Donde estamos en el
anlisis
Sistemti
ca
2.A.E.
Porque la autocorrelation es importante?
La
g 3
Modelo Aniso
trpico
Escala y
Estructuras
LAG = 20 e Intervalos
pequeos = 5
Donde hay
Variogramas
Supuesto estadsticos:
Estacionaridad Media y la varianza no sean funcin de la
localidad muestreada. Estacionaridad de segundo grado (debil)
Varianza es una funcin de la distancia de separacin entre los
valores
Isotropia No tendencias direcionales presentes en los datos. Sin
embargo siempre se calculan variopgramas direccionales para
determinar la tendencia de los datos.
Sin embargo
En algunos casos estos no se cumple debido a las tendencias
presentes en los datos. En estos casos se sugiere eliminar la
tendencia antes del anlisis
Anisotropa Geomtrica
Anisotropa Zonal
Anisotropa Geomtrica :
Es aquella en la que el 3
variograma en distintas
direcciones presenta el 2,5
Variograma
1,5 N-S
E-O
Mayor continuidad espacial
1
en la direccin de mayor
rango 0,5
2,5
Variograma
1,5 N-S
E-O
1
0,5
0
0,0 0,9 2,0 3,0 4,1 5,1 6,2 7,2 8,3 9,3 10,4 11,4
Distancia
Anisotropa Zonal :
3,5
3
Es aquella en la que el
variograma en distintas 2,5
direcciones presenta el 2
Variograma
mismo rango pero
diferente sill 1,5
Presencia de 0,5
diferentes estructuras
0
0 0,94 1,99 3,04 4,09 5,14 6,19 7,24 8,29 9,34 10,4 11,4
Distancia
3,5
2,5
Variograma
1,5
0,5
0
0 0,94 1,99 3,04 4,09 5,14 6,19 7,24 8,29 9,34 10,4 11,4
Distancia
El variograma experimental
Detectar direcciones de
anisotropa
Zonas de influencia y su extensin (correlacin
espacial)
0,7
0,6
0,5
0,4
Variable
0,3
0,2
0,1
0
1
15
23
11
13
17
19
21
25
Ubicacin
0,012
0,01
0,008
Variograma
0,006
0,004
0,002
0
1
11
15
17
19
13
Distancia
Variograma Terico-Definicin
Continuidad espacial
1 0,12
0,8 0,1
Variable
0,6 0,08
Variograma
0,4 0,06
0,04
0,2
0,02
0
0 5 10 15 20 25 0
0 2 4 6 8 10
Ubicacin
Distancia
2 1
1,5 0,8
1
Variograma
0,6
Variable
0,5
0,4
0
0,2
1 3 5 7 9 11 13 15 17 19
-0,5
0
-1 1 2 3 4 5 6 7
Ubicacin
Distancia
Variograma
Experimental
n
1
h Z x Z xh 2
2n(h) i 1
(h) = Semivarianza
h= distancia
n(h) = Nmero total de pares de
datos definidos para un distancia
definida (lag)
Z = valores de la variable para un
punto especfico
Variograma
1
h E [ Z ( x) Z ( x h)] 2 Z x h1
2
x h1
h1
Deteccin de
caractersticas
que varan Z x
x h
segn la
Z x h
direccin y la
distancia
xh
Momentos de Una variable
regionalizada
Variograma
Variograma
V ariogram a
Distancia Distancia
1 n
Variograma (semivariograma) h
Z x Z xh 2
2n(h) i 1
El
T h e s e m i- v a r io g r a m is
semivariograma
b a s e dbasado
esta o n m o d e llin en g th e
la( s modelacin
q u a r e d ) d if f e r e n c e s de
in
lat h diferencias
e z - v a lu e s a s a f u n c t io n
o f t h e d is t a n c e s b de
(cuadradas) e tw e e n
a ll ovalores
los f t h e k n o w n zp o in t s .
como una
funcin de la
distancia entre
los puntos
El variograma experimental
- Definido solo
a ciertas
distancias
- Obtener un
modelo
terico del
variograma
experimental
- Ajustar una
funcin
continua
(de Giraldo
Henao)
En terminos grficos
(d) co bd
Exponential:
Spherical:
variograma tiene un 3
comportamiento lineal. 2,5
Variograma
2
Representa variables
continuas pero no 1,5
diferenciables. As, la 1
propiedad puede
0,5
cambiar rpidamente
0
de un punto a otro.
Distancia
3,5
Variograma
2
La variabilidad de la 1,5
propiedad depender 1
0,5
de la pendiente de la
0
recta en el origen 0 1 2 3 4 5 6 7 8 9 10 11
Distancia
A mayor pendiente, 3
Variograma
A menor pendiente, 1,5
menor variabilidad 1
0,5
0
0 1 2 3 4 5 6 7 8 9 10 11
Distancia
Comportamiento Cuadrtico
Variograma
2
10
13
16
19
22
25
28
31
34
37
Distancia
Comportamiento Hbrido:
8
Variacin ms suave a 7
distancias cortas 6
5
Variograma
Variacin ms fuerte a 4
distancias grandes 3
2
1
Indica presencia de 0
estructuras actuando a 0 1,5 3 4,5 6 7,5 9 10,5 12 13,5 15 16,5 18
diferentes escalas Distancia
Comportamiento a grandes
distancias :
Variograma
INDICA LA PRESENCIA DE
UNA DERIVA O DRIFT
VARIABLE NO ESTACIONARIA
Distancia
Modelos de ajuste
variografico Brachidontes exustus
Eje espacial
Bentos en la costa rocosa de a) 3.10 e) c)
2.33 100
Campeche 1.55
0.78 Grain = 0.05 m 80
Abunda nce (% )
100 c) 0
80
Extent = 1 m
0.000.00 0.33 0.67 1.00 60 20
40
40 60
80
60
b) 3.10 f) 20 100
40 2.33 05
20 1.55 1015
100 0.78 Grain = 0.15 m
2025 40 20
Brachidontes exustus
0
0 20 40 60 80 100 80 1
Extent = 1 m
0.000.00 0.33 0.67 1.00 100 8
0 6
0
0.8
Distance (m)
c) 60 c) 3.10 g)
0.6
0.4
40
20
0.5
2.33
1.55 1
T
H o
ep
teorg
or
ga
eph
ny
ei
ty
0.78 Grain
O rie ntati
o n
= 4.0 m
0.2
T
Teom
taplerature
Extent = 40.0 m
0 0.000.00 13.33 26.67 40.00
0.0 1 10 100
0.0d) 3.10
-0.2020406080100 h) 0.5
Log Distance (m)
2.33
1.55
Distance (m) 0.78 Grain = 4.0 m
Extent = 80.0 m
1 10 100
La modificacin del grano y extensin permite 0.000.00 26.67 53.33 80.00 0.0
2 Tencias
principales
Una cuadratica
(roja) y una
menos
pronunciada que
exponencial
(azul).
2do y 3er orden.
EXPONENC
IAL
GAUSSIAN
O
MODELOS
MONOMICOS
Indican presencia de NO ESTACIONARIEDAD en alguna direccin
Semana Fecha Plan A: Software Plan B: Sin software
Diciembre
1
W16 Anlisis variogrfico /consultas taller (M.PEREZ)
W6 CERTAMEN
4
J7 Trabajo de lab Trabajo de lab
Kriging Ordinario
Kriging Universal
Kriging Simple
Kriging residual
__________
Co-Kriging
Geo-Multivariada
_____
Simulation
Multipoint.
Geo - No Lineal
Kriging
Kriging ordinario: empleado cuando no existen direcciones
especficas en las tendencias de los datos.
Kriging universal. Considera direccionalidad de los datos (en
sistemas de informacin geogrfica la dereccionalidad es
modelada por una constante linear, de segundo o de tercer
orden).
kriging puntual : Produces valores para puntos especficos no
muestreados.
Kriging en bloques: Produce valores produces para areas. Los
valores estimados tienen varianza pequea debido a que son
derivados del promedio de un bloque de puntos de referencia.
Co-kriging: Emplea 2 o mas variables para estimar valores no
conocidos en uno de ellos (e.g: composicin del suelo y
contenido de agua del suelo).
A. R. Condal/ E. Mera/ D. Pech
Se pretende estimar el valor del punto 0(65E, 137N), basados en la
informacin de los puntos circundantes (7). La tabla indica las
coordenadas (x,y) de los 7 puntos de referencia y la distancia existente
entre estos (v) y el punto 0 (punto a estimar).
Parameters:
C0 = 0, a = 10, C1 = 10
C(h) = 10 e 0.3|h|
Kriging matrices
Kriging weights: