Curso de Geoestadstica

3. Anlisis Estructural

Ramn Giraldo H.
PhD. Estadstica
Profesor Departamento de Estadstica
Universidad Nacional de Colombia
 Variable Regionalizada

Es un proceso estocstico con dominio

definido en un espacio euclidiano m-
dimensional Rm

Si m = 2, Z(x), a una variable aleatoria

medida en un punto x del plano.
D: Fijo y Continuo.
Estacionariedad Fuerte

EZ x m x D R m

CovZ x , Z x h C h
 Estacionariedad Dbil

EZ x Z ( x h) 0

V Z x Z ( x h) 2 h
estacionario

No estacionario
 Variograma
Esta funcin permite medir la relacin que existe entre los datos de
acuerdo con la cercana (h) entre los sitios

V Z x Z ( x h) E Z x Z ( x h) E Z x Z ( x h)
2 2

E Z x Z ( x h)
2

Clculo con datos de una muestra de sitios (estimador

de momentos)

2 h
z x h z x 2

nh
Otras Medidas de Correlacin Espacial

C(h) (h)
2

h
h 1 2

 Semivariograma y Correlograma

Correlograma
Semivar.
Meseta

Pepita Rango h
Variograma
Funcin de Covarianza
 Ilustracin

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
 Clculo del Semivariograma

(100)38 37 37 35 ... 37 36
2 2 2

(200)38 35 35 30 ... 39 36
2 2 2

El semivariograma experimental se calcula

mediante la suma de los cuadrados de las
diferencias entre observaciones que se encuentran
a una distancia h (en el ejemplo 100, 200, 300, etc)

Ejercicio: calcular el valor del variograma emprico a

distancia 100
Semivarianza Datos de la Ilustracin
Distancia Semivariograma

100 3.403

200 6.258

500 19.750

775 23.259

Semivariograma
25
20
15
10
5
0
0 500 1000
Semivariograma Emprico y Ajuste de un
modelo terico
Modelo de Variograma
Gaussiano

h2
( h) C1 1 exp
2
a
Clculo del variograma en direccin

 Variograma Cloud

This is an example of
a variogram produced
using ArcGIS's
Geostatistical Analyst.

[ Z ( si ) Z ( s j )]2
ij
2
Modelos tericos de variograma
3 h 1 h 3
C1 ha
Esfrico ( 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
 Parmetros del Variograma Terico
Pepita:
Se denota por C0 y representa una discontinuidad puntual del semivariograma en el
origen. Puede ser debido a errores de medicin 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 proporcin la variabilidad que la correlacin del
fenmeno, las predicciones que se obtengan pueden ser muy imprecisas.
Rango
Es la distancia hasta la cual hay correlacin entre los datos. Entre ms pequeo sea
el rango, ms cerca se esta del modelo de independencia espacial. El rango no
siempre aparece de manera explcita en la frmula del semivariograma.
 Comparacin de modelos Tericos de
Variograma

30

25
Semivariograma

20
Esfrico
15 Exponencial
Gaussiano
10

0
0 50 100 150 200 250 300
Distancia(h)
 Otras Medidas de Correlacin Espacial

C(h) (h)
Covariograma
2

h
h 1 2
Correlograma

Es ms fcil trabajar con el variograma
 Test de Montecarlo
de Correlacin Espacial
Isotropa: Igual Correlacin en todas las
direcciones
 Anisotropas

Anisotropas :

Generalmente cuando el variograma experimental es

calculado en distintas direcciones presenta distintos
comportamientos con la variacin de la distancia.

Anisotropa Geomtrica

Anisotropa Zonal

Anisotropa Hbrida
 Anisotropa: hay ms correlacin en una
direccin que en otra.

Anisotropa. Mayor correlacin en

Anisotropa y tendencia. direccin 0 grados. Es ms fcil
Mayor Correlacin en dir 90 grados detectarla bajo estacionariedad.
(linea verde). Dificil deteccin!!
 Anisotropa Geomtrica

Anisotropa Geomtrica :

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 direccin 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

la direccin de menor rango Distancia

 Anisotropa Zonal

Anisotropa 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

Presencia de diferentes 0,5

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
 Anisotropa Hbrida

Anisotropa Hbrida :

Es aquella en la que el 4,5

variograma en distintas 4
direcciones presenta 3,5
rangos diferentes y 3

Variograma
distintos sill. 2,5
2
Presencia de diferentes 1,5

estructuras 1
0,5
0
Caracterstico 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 funcin de la separacin (distancia y orientacin). Caso
de anisotropa geomtrica (en cualquier direccin el valor
mximo es 1 = sill)
 Modelos de variograma anisotrpicos

-Anisotropa geomtrica:
Puede ser corregida por una transformacin lineal de
coordenadas que permita reducir una elipse a un circulo.

-Anisotropa zonal:
puede ser corregido separando el semivariograma en sus
componentes isotrpicos horizontal y anisotrpico vertical.
Estimacin de la Estructura de Correlacin

Mnimos Cuadrados
(Usando el variograma muestral)

1.1. Ordinarios
1.2 Ponderados
1.3. Cuasi-Verosimilitud

2. Geoestadsitcia Basada en Modelo

(No se usa el variograma muestral)

2.1. Mxima-Verosimilitud
2.2. MV Restringida
2.3. Bayesiana
Mtodos para ajustar el variograma

1) choose the most likely candidate model

2) Methods for estimating the parameters of the model :

non-linear least squares estimation allows for the estimation of

parameters that enter the equation non-linearly but ignores any
dependences among the empirical variogram values

non-linear weighted least-squares generalized least squares in

which the variance-covariance of the variogram data points is
accounted for in the estimation procedure

maximum likelihood assuming the data are Normally distributed but

the estimators are likely to be highly biased, especially in small
samples (the usual remedy is jackknifing)

restricted maximum likelihood maximize a slightly altered likelihood

function which reduces the bias of the MLEs
Estimacin por Mnimos Cuadrados

OLS ( ) min u u;
2

WLS ( ) min n(u)u u;

2

2
QL ( ) min
1
u u;
u;
Estimacin por Mnimos 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
Matrn
 Distribucin 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
 Geoestadstica Basada en Modelo

Modelo
Y ( x) S ( x) Z ( x)
Observaciones Seal 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
 Estimacin Mximo Verosmil

2, 2 , Parmetros deG( ) 2

I 2 R , X

l ,
1
2

log G y X G y X
T 1
Log-Verosimilitud

X G( ) 1 X X G( ) 1Y
1

l , log G y X
1
2
G y X
T 1

l , es maximizada numricamente Estimacin MV
1
2
1
1

L* log G log X G X y X G y X

L* Es maximizada numricamente MV Restringida

Las estimaciones difieren!!
OLS, WLS

ML, REML