Professional Documents
Culture Documents
IIN
NGGEEN ER
NIIE RIIA
AE EN
NM MIINNAASS
A
APPU
UNNT
TEESS C
CUURRSSOOGGE EOOE ESST
TAADDIISST
TIIC
CAA
L
LIIN
NEEAALL..
PPA
ARRT
TEE 11
T
TE OR
EO RIIA
A..
REFERENCIAS BIBLIOGRAFICAS.
1. INTRODUCCION
CURSO DE GEOESTADISTICA
UNIVARIABLE MULTIVARIABLE
KRIGING
LOGNORMAL
5
INGENIERIA EN MINAS
6
2. VARIABLES REGIONALIZADAS
2.1 DEFINICION
z(x) z(x)
Lo ideal
matemticamente
x x
FIGURA N 3 SOPORTE
x
Testigo
cilndrico
Se usar Z(x) para representar la ley del volumen de muestra localizado en el punto x.
A. Caractersticas Estructurales
Se entiende por caractersticas estructurales:
Z2(x)
Yacimiento 2
FIGURA N 5 ANISOTROPIA
Anisotropa
B. Problema de Estimacin
(Ec. 1)
los datos estn ubicados en el espacio geogrfico, las hiptesis de la estadstica clsica son
raramente aceptables. Por lo tanto se debe definir el concepto de variable regionalizada,
que se trata simplemente de una funcin definida en todo punto del espacio geogrfico y
que representa numricamente el fenmeno regionalizado estudiado.
14 30
zona
12 25 pobre
10 20
z(x) z(x)
8 15
6 10
4 5 zona
rica
2 0
0 20 40 0 200 400
local global
1) localmente, en el punto x, Z(x) es una variable aleatoria (de donde proviene el aspecto
errtico);
2) para todo conjunto de puntos x1, x2, xk, las variables aleatorias Z(x1), Z(x2), Z(xk)
no son, en general, independientes, sino que estn ligadas por unas correlaciones que
cuantifican la semejanza entre los valores que toman (de donde proviene el aspecto
estructurado).
En geoestadstica lineal, se usan slo los dos primeros momentos (Los momentos
de una funcin aleatoria son parmetros descriptivos de su ley espacial, bastantes simples,
como para ser, a menudo, fciles de calcular.) de la funcin aleatoria. Entregan una
descripcin elemental de la ley espacial, y son suficientes para resolver la mayor parte de
los problemas encontrados en la prctica.
3.2.1. Covariograma
(Ec. 2)
Donde N(h) es el nmero de parejas (z(xi), z(xi + h)) de datos a una distancia h dada. m-h
es la media de los valores izquierdos (si existen) de las parejas de datos a distancia h,
definida por:
(Ec.3)
Anlogamente,
(Ec. 4)
Define la media de los valores derechos (si existen) de las parejas de datos a distancia h.
3.2.2. Correlograma
(Ec. 5)
donde C(h) es la covarianza, s-h y s+h son las varianzas correspondientes a cada lado de
los pares a distancia h.
(Ec. 6)
(Ec. 7)
3.2.3. Variograma
(Ec. 8)
Las relaciones entre las funciones con que se caracteriza a la continuidad espacial
se cumple si los datos son considerados como estacionarios. El carcter estacionario
implica la homogeneidad de Z(x) en el espacio y significa que el fenmeno representado
Z(x) se repite indefinidamente en el espacio.
m = E { Z (x)} (Ec. 9)
Es as como los autores de Africa del Sur (D.G. Krige..) a partir del enorme
archivo de datos del Yacimiento de Oro de Rand, calcularon la varianza de estas muestras
en paneles ms y ms grandes, finalmente en todo el conjunto del Yacimiento de Rand se
pudo concluir con certeza que no existe en este caso una varianza a priori finita.
Hiptesis Intrnseca:
An en el caso en que la varianza a priori C(o) no existe (es infinita) puede suceder
que los incrementos: Z (x0+h) - Z(x0) tengan una varianza finita. Diremos entonces que
la funcin aleatoria Z(x) verifica la hiptesis intrnseca si, para todo vector h, el
incremento Z (x0+h) - Z(x0) verifica las hiptesis:
Hiptesis Intrnseca
(Ec. 12)
(Ec. 13)
(h) = [2 - C(h)]
(Ec. 14)
(h) = 2 - C(h)
(Ec. 15)
(h) = 2 [ 1- (h)]
(Ec. 16)
FIGURA N 3.8
2
Co
(h) (h)
Co
h
FIGURA N 3.9
(h)
2
(h) =/ 0
2
En general se cumple:
C(h)= (h)
2
(0) =1 =/ 0
(0) = 0
4. VARIOGRAMA
4.1 DEFINICION
FIGURA N 10 VARIOGRAMA
x+ h
Esta funcin define, por tanto, la correlacin espacial entre los valores
muestreados. El variograma o semivariograma se obtiene calculando, para cada distancia
de separacin entre las muestras (lag) en una determinada direccin, la diferencia al
cuadrado de los valores de dichas muestras. La definicin terica de la funcin
semivariograma g (h) es:
(Ec. 17)
{ }
2
(diferencias) de leyes
(h) = (1/2) Promedio en datos que estn a
la distancia h
(Ec. 18)
Propiedades del Variograma:
La gran ventaja del variograma es que incorpora parmetros estructurales tales como:
MESETA
CURSO DE GEOESTADISTICA
RANGO
TIPOS
ESTRUCTURAS ANISOTROPIAS
VARIOGRAMA
SIMPLE HOR.
VER.
a1
a2
a1
a2
VARIOGRAMA
RANGOS ELIPTICO ESTRATIFICADO
INDICADOR
SOPORTE CORREGIONALIZACION
VARIOGRAMA
RESIDUAL
PUNTO
VARIABLE 1
ANALISIS
VARIOGRAMA GEOESTADISTICO
UNIVARIABLE
VARIABLE 2
MUESTRAS VARIOGRAMA
{
CRUZADO
ANALISIS
VARIOGRAMA GEOESTADISTICO
CRUZADO
VARIOGRAMA { MULTIVARIABLE
RELATIVO
20
INGENIERIA EN MINAS
21
Caso 1: Leyes muy regulares y continuas. Z(x) es una funcin muy regular, su
interpretacin en un variograma es en forma parablica en el origen.
Ley (h)
0 x 0 h
x x+h
Ley (h)
0 x 0 h
II
Ley (h)
Co
0 x 0 d h
Ley
II
(h)
0 x 0 h
Ley (h)
0 x 0
h
(h)
Ley
h
0 x 0
(h)
Ley
0 x 0 a
h
Se usar una malla regular (ver fig. N 14) para una mejor visin grfica.
h hy
hx
La prctica demuestra que para estudiar la estructura basta con calcular el variograma g
(h) en cuatro direcciones. Por ejemplo: q = 0, q = 45, q = 90, y q = 135.
h1 = h2 = h
1. Se fija un punto A en uno de los datos de la malla irregular, respecto del cual se va
identificar la distancia h.
3. Una vez establecido el sector achurado o lag, se determina la pareja asociada a AB,
donde B es un dato del lag a la distancia h de A.
4. Al pasar por cada uno de los datos se realiza el procedimiento anterior para
determinar el nmero de parejas asociados a distintas distancias h (identificados
por los lag en la fig. N 3.18).
Maximun
bandwidth
lag 4
lag
Tolerancia
lag 3
lag de lag 2
espaciamiento
lag 1
Tolerancia
Angular
Direccin
lag 0
X
Este mtodo tiene problemas, ya que pueden caer ms de un dato en la zona achurada; en
este caso se considera la media de los datos.
(h)
MESETA = CO
CO { a h
0
Datos
Independencia Relacin Independencia
x0-a x0 x0+a
a a
El ajuste del variograma terico debe representar fielmente los aspectos que
considera importantes el variograma experimental (ver Fig. 21). Es el variograma terico
el que ser utilizado en los clculos posteriores.
(h )
Variograma experimental
Variograma terico
Para tener un buen ajuste es necesario considerar una cierta vecindad restringida de
manera de no considerar demasiadas muestras para estimar la ley del bloque.
Los modelos a considerar se pueden agrupar en dos grandes categoras: (a) los que
alcanzan una meseta (modelos de transicin) y (b) los que no alcanzan una meseta.
Previamente hay que hacer constar que, tericamente, el valor del semivariograma
para una distancia cero debera ser cero. Sin embargo, muchas veces esto no sucede,
generando lo que se denomina efecto pepita (Co) (el nombre hace mencin a la aparicin,
mas o menos errtica, de pepitas de oro en algunos yacimientos aurferos). Sus causas
pueden ser muy variadas: errores de muestreo, fluctuaciones de la variable a una escala
menor que la de observacin, etc. Dado que su presencia es bastante comn, hay que
1) Modelo exponencial
g(h) = C [1 - exp(-[h/a])] + Co
g(h) = C [1 - exp(-[h2/a2])] + Co
3) Modelo lineal
Este modelo se presenta cuando, al representar V*(h) frente a los lags, se obtiene una lnea
recta. El modelo presenta la ecuacin:
g(h) = p.h + k
4) Modelo de Wijsan
En este modelo, al igual que en el anterior, g(h) se incrementa ms all del valor de
la varianza de los datos. En una primera observacin, parece ser semejante al modelo
lineal, pero si se representan los valores de g(h) frente al logaritmo de h, entonces se
obtiene una lnea recta. Tiene la expresin:
Existen situaciones en las que, si bien no es posible el ajuste inmediato de un tipo concreto
de modelo, no hay razones para rechazar la posibilidad de buscar una continuidad
espacial. Entre las muchas posibilidades existentes, Anneis (1991) pone de manifiesto
algunas muy caractersticas, como son:
Una asuncin que se hace en la Geoestadstica es que no existen tendencias dentro del
yacimiento que puedan causar una ruptura en el concepto de estacionariedad. La ruptura
(o cambio en la tendencia de la meseta), se produce en una distancia claramente superior
al alcance, por lo que no tiene una mayor incidencia en la estimacin local de los bloques
definidos para el yacimiento, pues las dimensiones del rea de bsqueda (alcance) son
menores que la distancia representada por el punto donde se produce la ruptura. Cuando
este tipo de comportamientos dominan el semivariograma, es decir, la ruptura se produce a
distancias prximas al alcance, con lo que se rompe el concepto de estacionariedad, es
necesario utilizar una tcnica que se denomina Krigeage universal (Journel y Huijbregts,
1978), en lugar del Krigeage ordinario que se aplica en las situaciones de estacionariedad.
Este efecto puede reconocerse cuando alternan reas con alta ley y reas con baja ley. El
resultado es una pseudoperiodicidad reflejada en una oscilacin del semivariograma
alrededor de una aparente-meseta.
c) SEMVARIOGRAMAS COMPUESTOS
Cuando la prolongacin de la lnea que une los dos o tres primeros puntos del
semivariograma corta la meseta a una distancia mucho menor que la correspondiente al
alcance general del semivariograma, es muy probable que la situacin corresponda a una
mezcla de dos semivariogramas esfricos.
Este tipo de estructuras pueden ser causadas, por ejemplo, por la presencia de
zonas mineralizadas ms ricas dentro de una matriz de mineralizacin dispersa. Tambin
son comunes en yacimientos aluviales de oro, reflejando el alcance ms corto los canales
individuales y el ms largo la anchura total de la zona de inters econmico.
e) ESTRUCTURAS ANIDADAS
Una estructura de rango largo puede estar sobreimpuesta con una estructura de
rango corto. El uso de modelos anidados provee suficiente flexibilidad para tomar en
cuenta ambas estructuras. Es de tener en cuenta que la sobre-sofisticacin de por s
generalmente no produce beneficios. Cada una de las estructuras modeladas debe ser
explicada por la geologa del depsito o los fenmenos fsicos involucrados. Por ejemplo,
cierto mineral puede presentar regionalizaciones de distinto rango, correspondiente a
distintas etapas en la mineralizacin. Tal caso podra ser modelado con tal vez el mismo
tipo de funcin (esfrica, por ejemplo), de distintos rangos.
d) MODELAMIENTO DE LA ANISOTROPA
Anisotropa Geomtrica.
Anisotropa Zonal
1. ANISOTROPA GEOMETRICA
(h)
c
2 1
d ir d ir
o a2 a1 h
Donde los alcances a1 y a2 corresponden a los valores de las longitudes de los semiejes de
la elipse.En el caso istropo los alcances son iguales y, por tanto, la figura se convierte en
un circulo.
Sea el factor de anisotropa k=( a1/a2) > 1, donde k es la razn del alcance mayor
al menor.
(Ec. 20)
Donde es el ngulo formado entre el eje x y el eje x de la elipse. g1 es el
variograma de la direccin 1.
2. ANISOTROPA ZONAL
c1 dir 1 (h1 )
c2
dir 2 (h2 )
o a2 a1 h
5. VALIDACION CRUZADA
5.1. DEFINICION
La idea es estimar Zv, en cada ubicacin donde exista una muestra en un bloque o
zona V (ver Fig. N 25). Ignorando el valor de la muestra existente en ese punto, se estima
Zv a partir de las muestras colindantes dentro de la zona de inters, utilizando el modelo
del variograma y el krigeage. Una vez estimada esa muestra, la siguiente se estima
restituyendo el valor original anterior. Se repite el proceso tantas veces como muestras
hayan. Al final se conoce en cada punto de la zona de inters, un valor observado y un
valor estimado, pudindose establecer, a continuacin, una relacin entre ambos tipos de
valores, lo que da una medida de los errores cometidos. Como el Krigeage utiliza el
semivariograma, variando los valores de ste se podr buscar la opcin que genere una
menor diferencia entre los valores estimados y los reales. Este proceso iterativo permitir
definir qu parmetros del semivariograma (los citados efecto pepita, meseta y alcance)
son los ms adecuados para la ptima modelizacin. La mejor situacin sera que todos los
puntos estuviesen situados en la bisectriz del cuadrante, lo que indicara que el valor real
(Z) y el estimado (Z) son semejantes. Todo lo que se separe de dicha bisectriz indica
error en la estimacin.
Sin embargo, la tcnica es til como una indicacin general de las bondades (o los
posibles problemas) asociados con el modelo de variograma escogido. Adems, los datos
estadsticos recogidos permiten entender mejor los resultados del estudio geoestadstico, y
por ello se debe poner a la validacin cruzada como una tcnica ms del anlisis
exploratorio de los datos. Tambin permite detectar los problemas mas serios durante el
proceso de estimacin, como son problemas computacionales, errores groseros, etc. En
general, la validacin cruzada es un ejercicio que debe ser tomado como un ensayo
general, antes de llevar a cabo la estimacin total del rea.
z(xi)
A = (1/N) i
B = (1/N) ( i / Zv)
C = (1/N) [ ( Zv - Zv) / ]2
(Ec. 21)
Donde:
Zv es el valor observado
Zv es el valor estimado
i = Zv - Zv = error de estimacin
2 varianza del error
A 0
B 0
C 1
Con los datos obtenidos por medio de esta tcnica se construye una grfica como la que se
muestra en la fig. N 26; se prueba si existe una buena relacin entre los datos observados
y los estimados. (Coeficiente de correlacin).
zv
zv
Los datos estadsticos recogidos permiten entender mejor los resultados del estudio
geoestadstico y por ello se debe poner a la validacin cruzada como una tcnica ms del
anlisis exploratorio de los datos.
5.3.1 VENTAJAS
5.3.2. DESVENTAJAS
Si las muestras no son representativas del rea, re-estimar con buena precisin
estas muestras no implica que el modelo de variograma permita una buena
estimacin del resto del depsito.
La morfologa del rea de bsqueda suele ser, normalmente, una elipse centrada en el
punto que va a ser estimado. Su orientacin viene dictada por la anisotropa del esquema
de continuidad espacial, con el eje mayor de la elipse en la direccin de mxima
continuidad. Si no existe dicha anisotropa, la elipse se convierte en un crculo y la
cuestin de la orientacin deja de ser, obviamente, relevante. Todo lo mencionado es para
dos dimensiones, por lo que si la estimacin se produjese en tres dimensiones, habra que
cambiar, evidentemente, la elipse por un elipsoide o el crculo por una esfera.
ligeramente mayor que la distancia media de muestreo, viniendo sta definida, de forma
muy general, por:
DMM = (St/n)1/2
donde:
DMM = Distancia media de muestreo.
St = Area total cubierta por las muestras.
n = Nmero demuestras.
Esta cuestin incide en dos aspectos. Por una parte, la posible presencia de agrupamientos
de muestras, que queda resuelta. Por el diseo del propio sistema de ecuaciones de
Krigeage, que toma en cuenta y pondera este fenmeno. Por otro lado, el segundo aspecto
hace mencin a la importancia de las diferentes muestras para su inclusin en la
estimacin, por ejemplo en cuanto a su pertenencia a la misma poblacin que el punto a
estimar. Esta cuestin es casi imposible de asegurar, y menos de verificar, por lo que la
decisin debe venir acompaada de una informacin de tipo cualitativo. En otras
palabras, el estudio geolgico completo de toda la informacin presente es el mejor
camino para definir qu muestras son relevantes y qu muestras no lo son, pudiendo ser
estas ltimas apartadas del proceso de estimacin. Este problema, en yacimientos de baja
complejidad geolgica puede no ser tal, incrementndose segn aumenta la dificultad de la
interpretacin geolgica.
6. ERROR DE ESTIMACION
(Ec. 22)
z v = i z (xi) i = pesos o ponderaciones
i=1
(Ec. 23)
En que los ai verifican la condicin de insesgado:
1 + 2 + 3 +.............+ N = 1
(Ec. 24)
Se asume entonces que el error , es una magnitud aleatoria, es decir, una variable
aleatoria. Esta magnitud aleatoria tiene una cierta ley de probabilidad caracterizada por
una esperanza matemtica m, y una varianza 2. Luego la ley de probabilidad del error es
la ley normal o de Gauss (ver fig. N 27)
(Ec. 25)
En todo caso la expresin terica del valor zv desconocido est dada por:
N es el nmero de datos
xi son las coordenadas de los datos
v es la geometra y el tamao del bloque o zona v
(h) es el variograma
i es el peso o ponderacin que se asigna a la participacin de Z(xi) en el
clculo de Zv
x( y) es un punto variable dentro del bloque
Nota: Para el clculo de la expresin fundamental, se supone que se conoce el modelo del
variograma.
a. El trmino (xi,xj): Representa el valor de (h), siendo h el vector que une los
puntos xi, xj
xj
h
xi
xi x
x
xi v
h
y
x
v
hij
y
x
v
7 KRIGEAGE
7.1. DEFINICION
Para obtener las ecuaciones del krigeage hay que minimizar la expresin de 2 .
2 = 2 i (1/v) v (xi,x) dx - (1/v2) vv (x,y) dx dy - i j ( xi,xj)
i=1 i=1 j=1
(Ec. 31)
pero los i, deben verificar la condicin de insesgamiento:
i = 1
A = 2 - 2(1 + 2 + 3 + .. +n -1)
1(x1, x1) + 2(x1, x2) + ............+ (x1, xN) + = (1/v) v(x1, x)dx
1(x2, x1) + 2(x2, x2) + ............+ (x2, xN) + = (1/v) v(x2, x)dx
1(xN, x1) + 2(xN, x2) + ............+ (xN, xN) + = (1/v) v(xN, x)dx
1 + 2 +..............+ = 1
que es un sistema lineal de N + 1 ecuaciones con N + 1 incgnitas ( a1, a2, ......., aN, m),
lo cual siempre tendr soluciones.
2 = (1/v) (x ,x) dx + - (1/v) (x,y) dx dy
i v i v v
i=1
(Ec. 32)
Ecuaciones a considerar:
1 + 2 +..............+ = 1
2 = (x ,x ) +
i i 0
i=1
(Ec. 33)
Interpolador de Krigeage
Interpolador de minmos cuadrados
x1 x2 x
Para determinar el valor del bloque, se lleva a cabo una discretizacin del rea en
un conjunto de puntos (2x2, 3x3, etc.), obtenindose, a continuacin, la media entre los
diferentes valores. Un ejemplo de la importancia de los computadores en el desarrollo de
la geoestadstica es que, para calcular, por ejemplo, el valor de un slo bloque con una
discretizacin de 10 x l0, sera necesario resolver cien sistemas de ecuaciones, cada una de
ellos con, por ejemplo, 11 ecuaciones (suponiendo una estimacin a partir de diez
valores). Y esto slo para un bloque, siendo frecuente, normalmente, dividir el yacimiento
en centenares de bloques. Todo ello llevara a la resolucin de decenas o centenares de
miles de ecuaciones, hecho absolutamente inviable si no fuese por la ayuda de la
informtica.
Por ltimo, hay que hacer constar que los valores que se obtienen con el Krigeage
(tanto puntual como de bloques) llevan aparejados los correspondientes valores de la
varianza de la estimacin (varianza del krgeage), lo que permite hacer un estudio de la
bondad de la estimacin. Estos valores de la varianza del krigeage pueden,
posteriormente, ser interpelados y obtener mapas en la que se puede analizar qu zonas
presentan una mayor exactitud en la estimacin, cuales poseen una mayor probabilidad de
error, etc., lo que suele ser muy necesario a la hora de establecer los planes de produccin
minera.
Cuando se aplica el krigeage sobre un bloque V debera considerar todos los datos
disponibles ( krigeage completo). Sin embargo, esta situacin implica clculos muy
largos. Por esta razn se recomienda restringir la vecindad de estimacin que puede ser
una esfera o crculo, o bien un elipsoide o elipse (3D y 2D).
Se tiene un bloque mineralizado que ha sido evaluado por sondeos situados en sus
cuatro esquinas. El valor asignado al bloque ser, si el espesor es constante, la media
aritmtica de las cuatro esquinas. Pueden existir dos situaciones como las siguientes:
Si la ley mnima de corte es, por ejemplo, del 5%, est claro que ambos bloques son
explotables, independientemente de que la asignacin de explotabilidad del bloque B sea
casi totalmente dependiente de un nico valor (19%), lo que no se refleja directamente en
el resultado.
Considrese ahora que la mineralizacin y el estril son materiales con ley superior e
inferior, respectivamente, a una determinada ley mnima de corte (5%), por lo que se les
asigna un valor 1 al primer caso y cero al segundo. Entonces se tendra que, para el
bloque A, todos los sondeos entraran en la categora de mineralizacin y se le podra
asignar, al bloque, un indicador medio de 1. Por el contrario, para el bloque B, slo un
La expresin matemtica para una variable de este tipo sera I(x,z), correspondiente a
una ley z(x) de una muestra en un punto x y con una ley de corte z. De tal forma que:
1, si Z(X) > z
I(X,Z) =
0, si Z(X) < z
Una vez que las leyes, o cualquier otra variable a estudiar, han sido transformadas de
esta manera, se puede intentar construir un semivariograma experimental y ajustarle un
modelo matemtico de los existentes. Para el caso de] modelo esfrico, la ecuacin sera:
7.8. EL COKRIGEAGE
El valor estimado de una variable por Co-Krigeage viene definido por la siguiente
expresin:
Uo = ai ui + bjvj
donde:
Unicamente merece la pena comentar que existen ciertas situaciones en las que
este mtodo no mejora los resultados que se obtendran utilizando simplemente el
krgeage. Cuando los modelos de semivariogramas son muy similares entre s, y las
variables principal y secundaria estn igualmente maestreadas en todos los puntos, los
resultados con un mtodo y otro son, prcticamente, semejantes.
IIN
NGGEEN ER
NIIE RIIA
AEENNM MIINNAASS
A
APPU
UNNT
TEESS C
CUURRSSO OG GE
EOOE ESST
TAADDIISST
TIIC
CAA
LLIIN
NE EA
ALL ..
PPA
ARRT
TEE 22
E ER
EJJE RC
CIIC
CIIO
OSS --T
TAAL
LL ER
LE RE
ESS
IIN
NGGEEN ER
NIIE RIIA
AEENNM MIINNAASS
A
APPU
UNNT
TEESS C
CUURRSSO OG GE
EOOE ESST
TAADDIISST
TIIC
CAA
LLIIN
NE EA
ALL ..
G
GUUIIA
ADDE
ETTR
RAAB
BAAJJO
O 11
C
COON
NCCE
EPPT
TOOSS G
GEEN
NEER
RAAL
LEESS
TEMA 1
1.1.-La varianza de una V.A . Z de densidad de probabilidad f(x) esta definida por
V[Z]=E [(Z-)]
Con
=E[Z] = z f(z)dz
Demuestre
Demuestre E [ Z ] = E [ Z]
Demostrar V [ Z ] = E [ Z]
1.3.-L a covarianza centrada entre dos variables aleatorias Z1 y Z2 esta definida por
1.4.-Z1 y Z2 son dos variables aleatorias de covarianza centrada Cov ( Z1, Z2)
Sabemos Z*= i Zi
Demuestre
V[Z*]= Z*= i j Cov( Zi , Zj)
i j
Recuerde Z* = i j Zi Zj
i j
Se desea hacer un estudio sobre un sitio que en el pasado tuvo residuos mineros, el
principal contaminante que queda en el terreno es un leve porcentaje de cido remanente
Se ha decidido hace una primera campaa de muestreado en cuadros de 10 x 10 metros
A.- Campaa 1
90 39
80 33 43 33
70 32
60 26
50 28
40 35
30 29
20
10
0
0 10 20 30 40 50 60 70 80 90
B.-Campaa 2
La media deducida de la primera campaa es superior a 22 g / que es lo que la ley autoriza
como mximo , por eso se ha procedido a tomar mas muestras ,obteniendose las siguientes
leyes
90 39
80 33 43 33 9
70 32
60 9 12 26
50 28
40 35
30 12 17 29
20 23
10 15 19
0 0
0 10 20 30 40 50 60 70 80 90
C.- Campaa 3
Teniendo en cuenta la importancia de la dispersin de las leyes ,se ha decidido efectuar un
muestreo sistemtico ,cada cuatro parcelas ,dando el siguiente resultado:
90
80 21 43 20 9 12
70
60 9 25 12 20 26
50
40 30 11 19 19 17
30
20 23 15 15 23 14
10
0 25 2 23 0 12
0 10 20 30 40 50 60 70 80 90
90 22 20 15 39 20 22 10 4 12 7
80 30 21 33 43 33 20 14 9 4 12
70 24 23 13 32 29 24 24 11 6 16
60 30 9 7 25 24 12 26 20 16 26
50 23 16 14 11 23 19 14 16 12 28
40 18 30 21 11 23 19 8 19 35 17
30 12 45 21 17 14 18 15 19 29 19
20 11 23 27 15 11 15 26 23 15 14
10 15 13 10 19 28 25 24 8 14 6
0 20 25 21 2 24 23 21 0 19 12
0 10 20 30 40 50 60 70 80 90
Si usted observa este grafico y los anteriores cual es su comentario , Comente y discuta
con sus compaeros
1.8.-Efecto Informacin
90
80 21 43 20 9 12
70
60 9 25 12 20 26
50
40 30 11 19 19 17
30
20 23 15 15 23 14
10
0 25 2 23 0 12
0 10 20 30 40 50 60 70 80 90
Conteste
IIN
NGGEEN ER
NIIE RIIA
AE EN
NM MIINNAASS
A
APPU
UNNT
TEESS C
CUURRSSOOGGE EOOE ESST
TAADDIISST
TIIC
CAA
L
LIIN
NEEAALL..
G
GUUIIA
ADDE
ETTR
RAAB
BAAJJO
O 22
V
VAAR
RIIO
OGGR
RAAFFIIA
A
C(h) = Cov ( Z ( x + h ) , Z ( h ) )
= E[(Z(x+h)m)(Z(x)m)]
Demuestre C(0)>=0
Demuestre C(-h)=C(h)
Demuestre /C(h)/<=C(0)
g (h) = ( )* E [ Z ( x + h ) Z ( x ) ]2
= E [( Z ( x + h ) m ) ( Z ( x ) - m) ]
Demuestre g (0) = 0
Demuestre g ( h ) = C ( 0 ) C ( h )
Si
Z* = i Z(ui)
Recuerde que
V(Z*)= i j Cov(Z(ui), Z(uj))
Demuestre que si i = 0
Entonces
V(Z*)= - i j g (Z(ui), Z(uj))
3
3 h 1 h
( h) = C * ( * * ) si h a
2 a 2 a3
= c si h>=a
2.6.-si se tiene
h
C (h) = 2.5 * exp( )
200
Calcule la V(Z*)
2.8.- Z(x) es una variable aleatoria conocida en 48 nodos de hungarilla regular de paso 1
metro .En cada nodo xi asociamos un peso i representado sobre la figura (pesos igual a
+1 y -1 )
Si
48
Z*=i Z(xi)
i=1
(h) = h si h 2
( h) = h si h 2
3
3 h 1 h
( h) = C * ( * * ) si h a
2 a 2 a3
= C si h >=a
Demuestre que la tangente de g (h) para h=0 corta la recta de la ecuacin y=C en
h=(2/3)*a.
3 C
( h) = ( * h)
2 a
h
(h) = C * (1 exp( ))
a
Demuestre que la tangente de g (h) para h=0 corta la recta de la ecuacion y=C em
h=a
x2 xn
exp( x) = 1 + x + + .... + + ....
2! n!
2.12 .-Variograma experimental a 1 dimensin .Dos series de leyes z1(p) y z2(p) .Los
datos son a un metro y p representa la cota de la ley calculada a partir del collerin del
sondaje .
Para los dos sondajes ,las leyes utilizadas son las mismas .Que puede usted deducir
,concerniente a las medias y a las varianzas de leyes en cada sondaje (sin calcular)
Para ambos sondajes las leyes son las mismas ,pero su disposicin es diferente
.Utilizando el grafico siguiente calcule el variograma experimental de leyes a los
largo de cada sondaje ,haciendo variar p , limtese a h<5 m.
IIN
NGGEEN ER
NIIE RIIA
AEENNM MIINNAASS
A
APPU
UNNT
TEESS C
CUURRSSO OG GE
EOOE ESST
TAADDIISST
TIIC
CAA
LLIIN
NE EA
ALL ..
G
GUUIIA
ADDE
ETTR
RAAB
BA O 33
AJJO
V
VAAR
RIIA
ANNZ
ZAASS
Una funcin aleatoria Intrnseca Z(x), de variograma (h) donde se conocen las
realizaciones z(x) sobre un volumen V esta dado por
1
mV = z (u )du f 1
V
La varianza de los valores z(x) en el interior del volumen V esta dada por
1
S 2 (O ) = ( z (u ) mV )2 du f 2
V V
Si ahora considerramos todas las realizaciones posibles z(x) de la Funcin aleatoria Z(x),
la varianza de la Funciona aleatoria Z(x) en un volumen V esta definida por
1
2 (OV ) = E ( S 2 (OV ) = ( z (u ) mV )2 du f 3
V
1
2 (OV ) = du (u v)dv = (V , V ) f 4
V2
V V
Para poner en marcha estas formulas , uno de los primeros problemas es que solo se
conoce un numero limitado de N muestras z(xn)
Para ello recurriremos a las siguientes formulas
N
mV * =
1
N n=1
z ( xn ) f 1
Figura 1
Figura 2
Aplicacin
3.1.-Se tiene un sitio con contaminacin de acido en el suelo, se desea reconvertir este
lugar en sitio urbano, los resultados de las muestran estn en la figura 3
Consideraremos que estas medidas son puntuales Su valor medio es de 18.8 con una
desviacin estndar de 8.48.
Calcule 2(0/v)*
La meseta utilizada es diferente de la varianza de los datos ,eso se puede deber a no tener
suficientes puntos o que no es necesariamente estacionaria .Este ajuste es lejos perfecto ,
pero servir por el instante.
Hasta ahora nos habamos conformado con calcular las varianzas de dispersin
experimentales 2(0/V)* , 2(0/G)* y 2(0/v)* utilizando las formulas de aproximacin
1, 2, 3 ,pero es posible calcularlas directamente con la formula
2(0/V) = (V/V)
Para hacer los clculos es necesario utilizar los bacos de la funcin F( L,l ) .Esta funcin
da directamente el valor medio de un variograma de meseta 1 y alcance a cuando los
puntos x y x describen independientemente el rectngulo V =L x l
En este caso las cosas son un poco mas complicadas porque (h) no es isotropico, es
necesario calcular L/a1 y l/a2 para poder leer el baco, posteriormente se multiplica este
valor por la meseta.
Para las celdas V sucesivamente iguales a G, V v calcule por este mtodo 2(0/V) ,
2(0/G) y 2(0/v), ,Usted puede utilizar la tabla siguiente
Si considera ahora una meseta de 72, los resultados mejoran? , Cuales son sus
Conclusiones?
LA RELACION DE KRIGE
x v V G
1
Zv ( x) = Z (u )du
V
V ( x)
Por un estimador ZV(x) cometiendo un error aleatorio (ZV(x) ZV(x)*) , por lo tanto ser
una medida importante de la varianza , que llamaremos varianza de estimacin
2 = V [ZV ( x) ZV ( x)*]
Si el estimador ZV(x) es no sesgado .es decir que su error (ZV(x) ZV(x)*) es de esperanza
nula ,entonces
E 2 = E[(ZV ( x) ZV ( x)*)2 ]
1
Z v ( x) = Z (u )du
v
v( x )
Estos volmenes pueden ser reducidos a puntos con media de cantidades Z(xk) , tenemos:
Estas varianza del error que son las varianzas de estimacion .se calculan con las ayudas de
los abacos como para las varianzas de dispersin ,sabiendo que :
3.10.-El mismo rectangulo estime ZV(x) * = (1/4)*(Z(xk) ,la media de las medidas
situadas en las extremidades .
1
ZG = Z (u )du
G
G
*
Con Z Vi , estimacion local de la media sobre Vi .Deseando cuantificar la varianza del
error cometido
T2 = V [Z * ZG ] var ianza estimacion global
Si desarrollamos esta expresin se obtiene:
Composicin Directa
Todos los Vi son idnticos ,los z(xi) estn en una malla regular ,y para calcular 2G lo
haremos aproximadamente Z*Vi=Z(xi)
2 1 2
G (0, V )
N E
Aleatorio estratificado
Idenm al anterior , pero con cada xi implantado al hazard en Vi
2 1 2
G (0 / V )
N
Vi2 * E
2 (L , V )
i i
2
Panel i =1
N
i =1
Vi2
2
Con E(Li,i)=Varianza de estimacin de la media sobre Vi por la media sobre Li ,y N el
numero de Vi .
Cada lnea Li es reconocida por una sucesin de Z(xi) espaciadas a distancia constante l
.Hacemos una aproximacin que Z*li=Z(Li) ,donde
2 1 2
Linea (0, l )
M E
2
G 2 2
panel+ linea
Si consideramos
N
G=
U i =1
Vi
Donde los Vi son todos identicos , no se conoce la geometra del dominio G mas que por
aproximacin de los datos asociados a Vi que indicarian una mineralizacion .Si contamos
su cantidad esta es N , lo que entregaria una area aproximada de A* =N*V
La varianza del error cometido sera
2A 1 N2 N2
( + 0.061* 1 )
A2 N2 6 N2
N N
N21 = Inf ( Vertical , Horizonal )
2 2
Para los dos valores de a ,calcule las varianza de estimacin global del panel
segn los cuatro casos ,posteriormente sintetice los resultados en la tabla siguiente
,compare ,concluya ?
Una superficie G reconocida por las muestras puntuales .Las muestras con mineralizacin
son indicadas como 1 , y las otras como 0 .La malla de reconocimiento es de 10 x 10 m.
IIN
NGGEEN ER
NIIE RIIA
AEENNM MIINNAASS
A
APPU
UNNT
TEESS C
CUURRSSO OG GE
EOOE ESST
TAADDIISST
TIIC
CAA
LLIIN
NE EA
ALL ..
G
GUUIIA
ADDE
ETTR
RAAB
BA O 44
AJJO
KR
K RIIG
GEEA
AGGE
E
4.3.-Sistema general
Si estimamos el valor medio de Z(u) por un Krigeage Ordinario utilizando los valores de
Z de los puntos Mi
La meseta C=2
Con la ayuda de los bacos ,encuentre la solucin ,escriba ,el estimador dando la
varianza del krigeage.
IIN
NGGEEN ER
NIIE RIIA
AE EN
NM MIINNAASS
A
APPU
UNNT
TEESS C
CUURRSSOOGGE EOOE ESST
TAADDIISST
TIIC
CAA
L
LIIN
NEEAALL..
PPA
ARRT
TEE 33
A
ABBA
ACCO
OSS..