Documente Academic
Documente Profesional
Documente Cultură
Practica 1: GEOESTADISTICA
En esta practica trabajaremos los elementos necesarios para realizar un estudio geoestadsti-
co de un banco de datos: estimacion del variograma, determinacion de superficies de tendencia
y prediccion espacial mediante kriging. Realizaremos la prediccion espacial mediante kriging,
empleando tres metodos diferentes: kriging ordinario, kriging universal y kriging pulido por la
mediana.
La estimacion del variograma emprico se realiza en la librera geoR con el comando variog().
# estimador clasico
> aq.cl1<-variog(aq.geo,option=cloud)
> plot(aq.cl1,pch=20)
> aq.v1<-variog(aq.geo,uvec=seq(0,260,20))
> plot(aq.v1,pch=20)
> aq.vc1<-variog(aq.geo,uvec=seq(0,260,20),bin.cloud=T)
> plot(aq.vc1,bin.cloud=T)
# estimador robusto
> aq.cl2<-variog(aq.geo,option=cloud,estimator.type=modulus)
> plot(aq.cl2,pch=20)
> aq.v2<-variog(aq.geo,uvec=seq(0,260,20),estimator.type=modulus)
> plot(aq.v2,pch=20)
> aq.vc2<-variog(aq.geo,uvec=seq(0,260,20),estimator.type=modulus,
bin.cloud=T)
> plot(aq.vc2,bin.cloud=T)
2
ESTADISTICA ESPACIAL EN EPIDEMIOLOGIA Y MEDIO AMBIENTE Practica 1
3
ESTADISTICA ESPACIAL EN EPIDEMIOLOGIA Y MEDIO AMBIENTE Practica 1
2. Superficies de tendencia
La determinacion de superficies de tendencia puede realizarse con varias funciones de la
librera spatial. Las superficies de tendencia polinomiales se ajustan mediante el comando
surf.ls(), y puede evaluarse en un grid sobre una region con trmat().
4
ESTADISTICA ESPACIAL EN EPIDEMIOLOGIA Y MEDIO AMBIENTE Practica 1
Tras eliminar la tendencia observada, hay que analizar de nuevo la variabilidad residual y
estimar el variograma, como en los Cuadros 8 y 9.
5
ESTADISTICA ESPACIAL EN EPIDEMIOLOGIA Y MEDIO AMBIENTE Practica 1
> aqs.exp.ml<-likfit(geodata=aqs.geo,ini=c(30000,50))
> aqs.exp.rml<-likfit(geodata=aqs.geo,ini=c(30000,50),method=RML)
> aqs.exp.ols<-variofit(vario=aqs.v1,ini=c(30000,50),weights=equal,
minimisation.function=optim)
> aqs.exp.wls<-variofit(vario=aqs.v1,ini=c(30000,50),weights=npairs)
3. Kriging ordinario
Continuaremos el estudio de los datos de la altura del acufero de Texas. La prediccion
mediante kriging ordinario esta basada en la variograma ajustado previamente. El ajuste em-
pleado es el de la familia de Matern, con = 1,5. Predeciremos el proceso sobre una red regular
de puntos que cubren toda la region.
6
ESTADISTICA ESPACIAL EN EPIDEMIOLOGIA Y MEDIO AMBIENTE Practica 1
Otra alternativa, consiste en determinar una superficie de tendencia, eliminar dicha ten-
dencia observada, y analizar los residuos mediante kriging ordinario. La superficie aq.ls es el
ajuste de una superficie polinomial de grado 3. Los residuos fueron guardados en aqs.geo y el
variograma estimado fue uno de la familia exponencial.
4. Kriging universal
El kriging universal incorpora directamente la superficie de tendencia u otras funciones
ligadas a las localizaciones, evaluadas en los puntos de observacion y en los de prediccion.
7
ESTADISTICA ESPACIAL EN EPIDEMIOLOGIA Y MEDIO AMBIENTE Practica 1
8
ESTADISTICA ESPACIAL EN EPIDEMIOLOGIA Y MEDIO AMBIENTE Practica 1
Tras eliminar la tendencia observada, hay que analizar la variabilidad residual y estimar el
variograma, como en los Cuadros 16 y 17. Puede apreciarse que el variograma resultante es
constante, ajustando un modelo de pepita puro.
9
ESTADISTICA ESPACIAL EN EPIDEMIOLOGIA Y MEDIO AMBIENTE Practica 1
10