Professional Documents
Culture Documents
1.2 ? 0.8
z
Modelo probabilístico
• Si conozco varias realizaciones y asumo cierta
homogeneidad espacial, puedo inferir su
• ¿Cómo infiero la distribución de distribución
probabilidad de un dado? – Equivalente a tirar varias veces el dado
Frecuencia acumulada
– Puede ser una función discontinua
– zlim FZ ( z ) 0 y lim FZ ( z ) 1
z
• Propiedades de la varianza:
Vara 0
VaraZ a 2 VarZ
Varb Z VarZ
Análisis estadístico
• El coeficiente de variación (CV), que es adimensional, es la razón
entre la desviación estándar y la media.
std
CV
mean
Análisis estadístico bivariable
Prob(( X , Y ) A) f ( x, y ) dx dy
A
Análisis estadístico bivariable
• Función de distribución acumulada:
2 FXY ( x, y )
f XY ( x, y )
xy
• Distribuciones marginales:
6 7 7
4 4
1 1 1
Variable z1
1 2 3 4 5 6 7 8 9 10 11 12
9 N 9
8a. Columna
4a. Columna
8 8
1 1 1 1
1
7 L 7
15
1 2 3 3 3 1 1 1
3
6 6
31 31
1 1 4 7 7 6 4 1 Línea de
1
Variable z2
Variable z2
regresión
5 5
1 4 6 7 7 4 1 de z 2 en z 1
4
4 4
15
K1 1 1 3 3 3 2 1
3
1
Distribución Marginal (Global) de
Ejemplos de distribuciones
3 3
de la línea KL de regresión
La media corresponde a la
1 1 1 1
4
1
Z2/Z1 = Z2 (1-r ) = 1,00
en columnas verticales
2 2
Línea de regresión
2
1 1
M de z 1 en z 2
2
0 1 2 3 4 5 6 7 8 9 10 11 12 0
Z2 = 1,334
Z2 = 1,155
Variable z1
Media = 5
2
1 1 1 1
4 4
2
9 9
z2
15 15
20 20
Distribución Marginal (Global) de z1 Coeficiente de
Media = 6 Correlación
Z12 = 3,78 r = 0,5
Z1 = 1,945
Análisis estadístico bivariable
• El momento de segundo orden de una distribución bivariable es la covarianza.
La covarianza entre las dos variables se define como:
Cov{ X , Y } E{[ X m X ][Y mY ]} E{ XY } m X mY
E dx ( x m
X )( y mY ) f XY ( x, y ) dy
→ “análisis variográfico”
Función aleatoria
• Ejemplo: mismos conjuntos de valores, pero distribuidos de forma diferente
en el espacio. Las variables aleatorias se modelarán con altas correlaciones en
el primer caso, y con bajas correlaciones en el segundo caso.
0 0 0 0 1 1 1 0 1 0 1 0
0 0 0 0 0 1 0 0 0 0 0 1
1 1 0 0 0 0 1 0 0 1 0 1
1 1 1 0 0 0 1 0 1 0 1 0
0 1 1 0 0 0 0 0 0 0 0 0
0 0 1 1 0 0 0 0 1 1 0 0
Función aleatoria
• Ejemplo: mismos conjuntos de valores, pero distribuidos de forma diferente
en el espacio. Las variables aleatorias se modelarán con altas correlaciones en
el primer caso, y con bajas correlaciones en el segundo caso.
0 0 0 0 1 1 1 0 1 0 1 0
0 0 0 0 0 1 0 0 0 0 0 1
1 1 0 0 0 0 1 0 0 1 0 1
1 1 1 0 0 0 1 0 1 0 1 0
0 1 1 0 0 0 0 0 0 0 0 0
0 0 1 1 0 0 0 0 1 1 0 0
Estacionaridad
Estacionaridad
Estacionaridad
E ( Z (u)) m
u D
Cov( Z (u), Z (u h)) C (h)
– Condiciones de accesibilidad
– Valores esperados del atributo: el muestreo es a menudo más denso en áreas
que son consideradas críticas
– Estrategia de muestreo: Ubicaciones agrupadas pueden haberse muestreado
para caracterizar la variabilidad de pequeña escala
Representatividad
• Restricciones técnicas y económicas
• Delineación de zonas de interés económico
• Accesibilidad
Representatividad
Realizaciones
+ Fluctuaciones
Ergódicas
Histograma Histograma
• Varios métodos:
– Método de las celdas
– Método de los polígonos
– Pesos de kriging ordinario
• Cuando la escasez de datos no permite dejar los valores agrupados, las áreas más
densamente muestreadas debieran recibir menor ponderación que las datos en
áreas menos muestreadas
Desagrupamiento
• Método de las celdas
– Ponderar las muestras en función de su peso en una celda
Desagrupamiento
• Método de las celdas
– Cambio en la media depende fuertemente de deriva en los datos
– Se recomienda utilizar el tamaño que se deduce de la malla de
sondajes
Desagrupamiento
• Método de los polígonos
– Ponderar el valor de cada muestra por el volumen de influencia
• Escala de la deriva 25
zona
pobre 12
es importante z(x)
20 10
z(x)
15 8
10 6
5 4
zona rica
0 2
0 200 400 0 20 40
global local
Derivas
• Modelamiento de la deriva es
subjetivo
– Modelo resultante es función de
cómo se modeló la deriva
– Extremos:
• El modelo de la deriva captura toda la
variabilidad y el residuo es ruido puro
(efecto pepita)
Modelos = Realidad
Modelamiento geológico
• Aspectos claves (etapas) del modelo geológico
Mapeo/análisis de datos
Modelamiento geológico