1 Curso de Geoestadística 3. Análisis EstructuralRamón Giraldo H. PhD. Estadística Profesor Departamento de Estadística Universidad Nacional de Colombia

2 Variable RegionalizadaEs un proceso estocástico 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.

3 Estacionariedad Fuerte

4 Estacionariedad Débil

5 estacionario No estacionario

6 Variograma Esta función permite medir la relación que existe entre los datos de acuerdo con la cercanía (h) entre los sitios Cálculo con datos de una muestra de sitios (estimador de momentos)

7 Otras Medidas de Correlación Espacial

8 Semivariograma y CorrelogramaMeseta Pepita Rango h

9 Variograma

10 Función de Covarianza

11 Ilustración

12 Cálculo del SemivariogramaEl 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 empírico a distancia 100

13 Semivarianza Datos de la Ilustración

14 Semivariograma Empírico y Ajuste de un modelo teóricoModelo de Variograma Gaussiano

15 Cálculo del variograma en dirección

16 Variograma “Cloud”

17 Modelos teóricos de variogramaEsférico Exponencial Gaussiano Efecto Nugget

18 Modelos de Semivariograma

19 Parámetros del Variograma TeóricoPepita: Se denota por C0 y representa una discontinuidad puntual del semivariograma en el origen. Puede ser debido a errores de medición 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 proporción la variabilidad que la correlación del fenómeno, las predicciones que se obtengan pueden ser muy imprecisas. Rango   Es la distancia hasta la cual hay correlación entre los datos. Entre más pequeño sea el rango, más cerca se esta del modelo de independencia espacial. El rango no siempre aparece de manera explícita en la fórmula del semivariograma.

20 Comparación de modelos Teóricos de Variograma

21 Otras Medidas de Correlación EspacialCovariograma Correlograma Es más fácil trabajar con el variograma

22 Test de Montecarlo de Correlación Espacial

23 Isotropía: Igual Correlación en todas las direcciones

24 Anisotropía GeométricaAnisotropías Anisotropías : Generalmente cuando el variograma experimental es calculado en distintas direcciones presenta distintos comportamientos con la variación de la distancia. Anisotropía Geométrica Anisotropía Zonal Anisotropía Híbrida

25 Anisotropía: hay más correlación en una dirección que en otra.Anisotropía. Mayor correlación en dirección 0 grados. Es más fácil detectarla bajo estacionariedad. Anisotropía y tendencia. Mayor Correlación en dir 90 grados (linea verde). Dificil detección!!

26 Anisotropía Geométrica :Es aquella en la que el variograma en distintas direcciones presenta el mismo sill pero rangos distintos Mayor continuidad espacial en la dirección de mayor rango Tenemos igual varianza =/ rango Menor continuidad espacial en la dirección de menor rango

27 Anisotropía Zonal : Anisotropía ZonalEs aquella en la que el variograma en distintas direcciones presenta el mismo rango pero diferente sill Presencia de diferentes estructuras

28 Anisotropía Híbrida : Anisotropía HíbridaEs aquella en la que el variograma en distintas direcciones presenta rangos diferentes y distintos sill. Presencia de diferentes estructuras Característico de variogramas horizontales y verticales Tanto la varianza como el rango cambian.

29 Mapa de Variograma: isovalores del variograma experimental en función de la separación (distancia y orientación). Caso de anisotropía geométrica (en cualquier dirección el valor máximo es 1 = sill). Hay isotropia si dentro del mapa del Variograma hay un elipce abra mayor correlaion. En 45 grados abra menos correlaion Anisotropia mayor correlaicon

30 Modelos de variograma anisotrópicosAnisotropía geométrica: Puede ser corregida por una transformación lineal de coordenadas que permita reducir una elipse a un circulo. -Anisotropía zonal: puede ser corregido separando el semivariograma en sus componentes isotrópicos horizontal y anisotrópico vertical.

31 Estimación de la Estructura de CorrelaciónMínimos Cuadrados (Usando el variograma muestral) 1.1. Ordinarios 1.2 Ponderados 1.3. Cuasi-Verosimilitud Geoestadísitcia Basada en Modelo (No se usa el variograma muestral) 2.1. Máxima-Verosimilitud 2.2. MV Restringida 2.3. Bayesiana

32 Métodos 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

33 Estimación por Mínimos Cuadrados

34 Estimación por Mínimos CuadradosSill Nugget Range Esferical Exponential Matern Gaussian Matérn

35 Distribución Normal Multivariada

36 Geoestadística Basada en ModeloObservaciones Señal Ruido

37 Estimación Máximo VerosímilParámetros de Log-Verosimilitud es maximizada numéricamente Estimación MV Es maximizada numéricamente MV Restringida

38 Las estimaciones difieren!!OLS, WLS ML, REML