Anda di halaman 1dari 30

Elementos de Geoestadstica

www.monografias.com
Elementos de geoestadstica
1. Introduccin
2. Problema que dio origen a la Geoestadstica
3. Geoestadstica, concepto
4. Variables aleatorias regionaliadas
!. "iptesis de la Geoestadstica
#. $onocimiento del problema
%. El an&lisis estructural
'. Estimacin
(. Geoestadstica )ulti*ariada
1+. Geoestadstica no ,ineal
11. ,a -imulacin Geoestadstica
12. $onclusiones
13. .e/erencias 0ibliogr&/icas.
1. Introduccin
En el campo de las geociencias es comn encontrar variables distribuidas espacialmente. Para el
estudio de estas variables son usados diversos procedimientos geoestadsticos de estimacin y/o
simulacin. Esto es, a partir de un conjunto de muestras tomadas en localizaciones del dominio en
ue se manifiesta un fenmeno a estudiar y consideradas representativas de su realidad, ue por
lo general es siempre desconocida, estos procedimientos permiten la descripcin o caracterizacin
de las variables con dos fines diferentes, primero, proporcionar valores estimados en localizaciones
de inter!s y segundo, generar valores ue en conjunto presenten iguales caractersticas de
dispersin ue los datos originales. "a geologa y la minera es el campo tpico para la aplicacin
de estos modelos, campo en el ue surge y se desarrolla la #eoestadstica como ciencia aplicada.
$e %ace referencia en esta monografa a los conceptos fundamentales de la #eoestadstica. Para
profundizar en el tema puede ser consultada la bibliografa citada.
2. Problema que dio origen a la Geoestadstica
"a bsueda, e&ploracin y evaluacin de yacimientos minerales tiles es una de las actividades
fundamentales ue toda empresa minera debe desarrollar durante su vida til, destac'ndose entre
otras tareas( el pronstico cientfico en la localizacin de los yacimientos minerales tiles, la
elaboracin de m!todos eficaces para la e&ploracin y la evaluacin gelogo econmico de los
yacimientos para su e&plotacin )"epin y *riosa, +,-./ *rmstrong y 0arignan, +,,1/ 0%ica, +,-12.
3odo esto condicionado al agotamiento de los recursos producto de la e&plotacin y a las
fluctuaciones de las cotizaciones del mercado. "os trabajos de bsueda y e&ploracin se dividen
en estadios ue son resultado de la aplicacin de un principio importante del estudio del subsuelo,
el Principio de *pro&imaciones $ucesivas. 0ada uno de los estadios culmina con la determinacin
lo m's apro&imada posible de los recursos minerales del yacimiento, actividad fundamental de las
empresas gelogo 4 mineras conocida como c&lculo de recursos 1 reser*as.
El desarrollo de la minera %a trado unido el perfeccionamiento de los m!todos de bsueda de los
minerales tiles, y los de la determinacin de su cantidad y utilidad para la e&traccin )"epin y
*riosa, +,-.2, adem's, el mundo minero se %ace cada vez m's competitivo y las compa5as
necesitan evaluar su potencial econmico )6erc7mans y *rmstrong, +,,12. E&isten actualmente
dos formas de realizar el c'lculo de reservas, los m!todos cl'sicos y los modernos. 0omo cl'sicos
se pueden destacar, el de 86loues #eolgicos9 y el de 8Perfiles Paralelos9 ):az, ;<<+2, !stos se
caracterizan por el uso de valores medios o media ponderadas de los contenidos de la e&ploracin
en bloues definidos convenientemente. Estos m!todos son eficientes cuando la informacin
disponible presenta determinada regularidad, pero en la pr'ctica, como se se5ala en =ournel y
>uijbregts )+,1-2 y :avid )+,112 la gran diversidad de formas en ue se presentan los datos %a
1
Elementos de Geoestadstica
llevado a la utilizacin de t!cnicas matem'ticas y estadsticas para resolver un nico problema,
estimar valores desconocidos a partir de los conocidos, para la estimacin y caracterizacin de los
recursos y reservas. En los ltimos a5os muc%as investigaciones se %an desarrollado con este fin
)#otway y 0ressie, +,,?2, e&istiendo mayor inter!s en las estimaciones a nivel local ue a nivel
global )@ivoirard y #uiblin, +,,12. 0laro est', no e&iste un m!todo por muy sofisticado ue sea, ue
permita obtener resultados e&actos.
Auestro objetivo ser' discutir, los m!todos m's eficientes ue proporcionen la mayor informacin
posible de los datos disponibles, es decir, los modernos, de los ue se pueden citar entre los
geomatem'ticos( El Bnverso de la :istancia, 3riangulacin, $plines, etc. *n m's, buscando el
mejor estimador ue minimice la varianza del error de estimacin surge la #eoestadstica por los
trabajos de #. Cat%eron en la Escuela $uperior de Cinas de Pars, basado en conceptos iniciales
de trabajos de >.$. $ic%el en +,D1 y +,D,, en la aplicacin de la distribucin lognormal en minas
de oro, seguido por la famosa contribucin de :.#. Erige en la aplicacin del an'lisis de regresin
entre muestras y bloues de mena. Estos trabajos fijaron la base de la #eoestadstica "ineal,
adem's, de la introduccin de la teora de funciones aleatorias por 6. Catern en el estudio de la
variacin espacial de campos forestales. "a #eoestadstica se consolid y desarrollo en los ltimos
?< a5os como ciencia aplicada casi e&clusivamente en el campo minero, la cual %a sido
ampliamente usada )*ri7, +,,;/ @ivoirard y #uiblin, +,,12, e&istiendo como ciencia aplicada ue da
respuesta a necesidades pr'cticas y concretas. $e reconoce como una rama de la estadstica
tradicional, ue parte de la observacin de ue la variabilidad o continuidad espacial de las
variables distribuidas en el espacio tienen una estructura particular )=ournel y >uijbregts, +,1-/
0urran y *t7inson, +,,-2, desarroll'ndose %erramientas matem'ticas para el estudio de estas
variables dependientes entre si, llamadas segn Cat%eron *ariables regionaliadas, uien
elabor su teora como se presenta en Cat%eron )+,1<2, =ournel y >uijbregts )+,1-2, :avid )+,112
y de Fouuet )+,,.2. En resumen, la aplicacin de la teora de los procesos estoc'sticos a los
problemas de evaluacin de reservas de distintos tipos de materias primas minerales y en general
a las ciencias naturales en el an'lisis de datos distribuidos espacial y temporalmente )0%rista7os y
@ag%u, +,,.2 dio origen a lo ue %oy se conoce como #eoestadstica.
3. Geoestadstica, concepto
"a #eoestadstica se define como la aplicacin de la 3eora de Funciones *leatorias al
reconocimiento y estimacin de fenmenos naturales )=ournel y >uijbregts, +,1-2, o simplemente,
el estudio de las variables num!ricas distribuidas en el espacio )0%auvet, +,,D2, siendo una
%erramienta til en el estudio de estas variables )G%ang, +,,;2. $u punto de partida es asumir una
intuicin topo4probabilista )Cat%eron, +,1<2. "os fenmenos distribuidos en el espacio, la
mineralizacin en un yacimiento mineral por ejemplo, presenta un car'cter mi&to, un
comportamiento catico o aleatorio a escala local, pero a la vez estructural a gran escala )figura +2.
2
Elementos de Geoestadstica
$e puede entonces sugerir la idea de interpretar este fenmeno en t!rminos de Funcin *leatoria
)F*2, es decir, a cada punto & del espacio se le asocia una Hariable *leatoria )H*2 G)&2, para dos
puntos diferentes & e y, se tendr'n dos H*s G)&2 y G)y2 diferentes pero no independientes, y es
precisamente su grado de correlacin el encargado de reflejar la continuidad de la mineralizacin, o
de cualuier otro fenmeno en estudio, de modo ue el !&ito de esta t!cnica es la determinacin
de la funcin de correlacin espacial de los datos )G%ang, +,,;2. $u estimador, El 2rigea3e, tiene
como objetivo encontrar la mejor estimacin posible a partir de la informacin disponible, y en
efecto, el valor estimado obtenido GI)&2 de un valor real y desconocido G)&2, consiste en una
combinacin lineal de pesos asociados a cada localizacin donde fue muestreado un valor G)&i2 )i J
+,Kn2 del fenmeno estudiado, observando dos condiciones fundamentales( +.4 ue el estimador
sea insesgado. ELGI 4 GM J <, y ;.4 ue la varianza HarLGI 4 GM sea mnima, consigui!ndose de este
modo minimizar la varianza de error de estimacin.
* diferencia de otros m!todos de interpolacin, como por ejemplo el inverso de la distancia, el
7rigeaje utiliza en la estimacin las caractersticas de variabilidad y correlacin espacial del
fenmeno estudiado, por lo ue su uso implica un an'lisis previo de la informacin con el objetivo
de definir o e&traer de esta informacin inicial un modelo ue represente su continuidad espacial.
Nna vez logrado, estamos en condiciones de obtener el mejor valor posible en cada localizacin o
bloue a estimar a partir de los datos medidos, acompa5ada de la varianza de 7rigeaje como
medida del error de la estimacin realizada )*rmstrong y 0arignan, +,,12, lo ue distingue al
7rigeaje de otros m!todos de interpolacin )*basov et al., +,,</ de Fouuet, +,,./ 0arr, +,,O2.
4. Variables aleatorias regionaliadas
0ontinuando con el caso minero, la informacin inicial para realizar el c'lculo de reservas es el
resultado del an'lisis de los testigos de perforacin, o muestras de afloramiento, obtenido en los
laboreos de e&ploracin, ue como una variable aleatoria puede tomar cualuier valor dentro de un
rango determinado. Esta es la caracterstica fundamental ue distingue a este tipo de variable,
adem's de su valor, una posicin en el espacio, %ec%o !ste al ue Cat%eron denomin Variable
4leatoria .egionaliada )Cat%eron, +,1<2, la cual est' presente en la mayor parte de los estudios
geolgicos )Pawlows7y et al., +,,O2 y fenmenos naturales )de Fouuet, +,,.2. *l respecto en
=ournel y >uijbregts )+,1-2 y :avid )+,112 se dedica el captulo BB y H respectivamente a la teora
de la variable regionalizada. 0aptulos donde se presentan los conceptos fundamentales de la
#eoestadstica, en la ue particularmente =ournel y >uijbregts )+,1-2 plantea ue la definicin de
variable regionalizada como una variable distribuida en el espacio es puramente descriptiva y
envuelve una interpretacin probabilstica, refiri!ndose a ue, desde el punto de vista matem'tico
una variable regionalizada es simplemente una funcin f)&2 ue toma valores en todos los puntos &
de coordenadas )&i, yi, zi2 en el espacio tridimensional. $in embargo, es muy frecuente ue estas
funciones varen tan irregularmente en el espacio ue impiden un estudio matem'tico directo, y se
%ace necesario realizar un an'lisis de variabilidad de la informacin disponible, sugiriendo un
estudio profundo de la funcin variograma como veremos m's adelante.
En t!rminos tericos es oportuno aclarar ue una variable aleatoria )H*2 es una variable ue puede
tomar ciertos valores de acuerdo a cierta distribucin de probabilidades. Nn valor medido en cada
punto &i es considerado como una realizacin z)&i2 de una H* G)&i2 cuya media es m)&i2. En los
puntos & donde no e&isten valores medidos es desconocida la propiedad ue se estudia, pero
est'n bien definidos y pueden asimismo considerarse variables aleatorias G)&2. *l conjunto de
todas las mediciones z)&2 en el 'rea de estudio de la variable regionalizada puede considerarse
como una realizacin particular del conjunto de H*s )G)&2, & 'rea de estudio2. * este conjunto de
H*s se llama Funcin *leatoria y se escribe G)&2 )=ournel y >uijbregts, +,1-/ *rmstrong y 0arignan,
+,,12. :e modo ue al e&tender el concepto de funcin aleatoria al espacio de una o m's
dimensiones, aparece la nocin aleatoria y estructural de una variable regionalizada( primero G)&2
como H* y segundo ue las H*s G)&2 y G)&P%2 no son en general independientes, si no ue est'n
relacionadas por la estructura espacial de la variable regionalizada original G)&2.
3
Elementos de Geoestadstica
4.1. $onceptos de *ariable aleatoria regionaliada
En el estudio de las variables aleatorias regionalizadas es importante presentar conceptos ue se
se5alan en =ournel y >uijbregts )+,1-2 y :avid )+,112 y ue son utilizados por la mayora de los
autores donde se aplican los m!todos geoestadsticos como %erramienta fundamental de trabajo.
Estos conceptos son(
.egin5 se refiere al espacio en el cual e&iste y se estudia el fenmeno natural.
,ocaliacin5 Es el punto de una regin en la cual se define una variable aleatoria regionalizada.
-oporte Geom6trico5 Est' determinado por el elemento fsico sobre el cual se realiza la
determinacin de la variable aleatoria regionalizada, esto no es m's ue la muestra unitaria, sobre
la cual estudiaremos el atributo de inter!s.
)omentos de primer orden5
$i la funcin de distribucin de G)&i2 tiene una media definida, ser' una funcin de la localizacin &i.
m)&i2 J E{G)&i2}
)omento de segundo orden5
$i la varianza )Har2 de G)&i2 e&iste, entonces se define como el momento de segundo orden y ser'
tambi!n una funcin de la localizacin &i.
Har {G)&i2} J E{LG)&i2 4 m)&i2M
;
}
$i la varianza de las variables G)&i2 y G)&j2 e&iste entonces la covarianza )0ov2 de las !stas
tambi!n e&iste y es funcin de las localizaciones &i y &j.
0ovLG)&i2, G)&j2M J E{LG)&i2 4 m)&i2MLG)&j2 4 m)&j2M}
si &i J &j / 0ovLG)&i2, G)&j2M J Har {G)&i2}
"a funcin variograma o funcin estructural se define como la varianza de la diferencia G)&i2 4 G)&j2.
Har{G)&i2 4 G)&j2} J ;)&i, &j}
la magnitud )&i, &j} J Q Har{G)&i2 4 G)&j2} se denomina semi*ariograma.
3ambi!n se puede definir el correlograma estandarizando, la covarianza para los valores &i 4 &j J % J
< como( )%2 J 0)%2/0)<2 4+ +
donde( 0)%2 es la covarianza a la distancia %,
0)<2 es la covarianza en el origen.
E&isten relaciones entre estas medidas de correlacin(
)%} J 0)<2 4 0)%2 con )<2 J <
)%2 J + 4 )%2/0)<2
!. "iptesis de la Geoestadstica
0omo la forma en ue se presenta la informacin es muy diversa )=ournel y >uijbregts, +,1-2, la
geoestadstica se construye asumiendo condiciones de estacionaridad. Por lo ue es necesario
aceptar el cumplimiento de ciertas %iptesis sobre el car'cter de la funcin aleatoria o procesos
estoc'sticos estudiados, llamadas >iptesis de la #eoestadstica. Estas son segn =ournel y
>uijbregts )+,1-2 y :avid )+,112( "a Estacionaridad Estricta, "a Estacionaridad de $egundo Rrden,
"a >iptesis Bntrnseca y los Procesos 0uasiestacionarios.
I7 Estacionaridad Estricta. $e dice ue G)&2 es estrictamente estacionaria si la funcin de
distribucin de probabilidades de las variables aleatorias regionalizadas G)&i2 son iguales entre s,
independiente de la localizacin &i, lo ue reuiere ue los momentos de distinto orden para cada
variable aleatoria regionalizada sean completamente independientes de la localizacin &i. Esta
condicin como su nombre lo indica es demasiado restrictiva al estudiar la mayora de los
fenmenos encontrados en la pr'ctica.
II7 Estacionaridad de -egundo 8rden. Esta condicin es m's frecuente en la pr'ctica, la misma
e&ige ue(
+2 E{G)&i2} J m, e&iste y no depende de la localizacin &i.
;2 "a funcin covarianza, 0ov{G)&i2 4 G)&j2}, e&ista y slo dependa de la longitud del vector % J &i 4 &j
o sea.
0)%2 J 0ov{G)&i2, G)&j2} J E{G)&i2, G)&iP%2} 4 m
;
4
Elementos de Geoestadstica
Esta %iptesis reuiere la estacionaridad slo para la media y para la funcin de covarianza de la
variable aleatoria regionalizada. "a segunda condicin implica, estacionaridad de la varianza y del
variograma.
+
o
HarLG)&i2M J E{LG)&i2 4 mM
;
} J 0)<2 &
;
o
)%2 J E{LG)&i2M
;
} 4 E{G)&i2, G)&iP%2} &
como ELG)&i2, G)&iP%2M J 0)%2 P m
;
y ELG
;
)&i2M J 0)<2 P m
;
)%2 J 0)<2 P m
;
4 )0)%2 P m
;
2
)%2 J 0)<2 4 0)%2.
0omo se observa en la ltima e&presin )%2 y 0)%2, son dos %erramientas ue permiten e&presar
la correlacin entre la variable aleatoria regionalizada G)&i2 y G)&iP%2, separadas por el vector %.
III7 "iptesis Intrnseca. Nna funcin aleatoria G)&2 se dice intrnseca cuando(
a2 $u esperanza matem'tica e&iste y no depende de la localizacin &i.
E{G)&2} J m &
b2 Para todo vector % el incremento LG)&P%2 4 G)&2M tiene varianza finita y no depende de la
localizacin &i(
Har{G)&P%2 4 G)&2} J E{LG)&P%2 4 G)&2M
;
} J ;)%2 &
0uando se cumple esta condicin se dice ue la funcin aleatoria G)&2 es %omog!nea. Esta
condicin se encuentra con bastante frecuencia en la naturaleza, pues e&isten muc%os procesos
ue no tiene varianza finita y sin embargo, poseen una funcin variograma finita.
"a estacionaridad de segundo orden, siempre implica la condicin intrnseca )%omogeneidad2, sin
embargo la relacin inversa no siempre se cumple.
IV7 Procesos $uasiestacionarios. En la pr'ctica la funcin estructural, covarianza o
semivariograma, es slo usada por lmites % b. El lmite b representa la e&tensin de la regin en
la ue el fenmeno estudiado conserva cierta %omogeneidad del comportamiento de G)&i2. En otros
casos, b pudiera ser la magnitud de una zona %omog!nea y dos variables G)&2 y G)&P%2 no pueden
ser consideradas en la misma %omogenizacin de la mineralizacin si S%S T b. En tales casos,
podemos, y verdaderamente debemos, estar satisfec%o con una funcin estructural 0)&,&P%2 o
)&,&P%2, lo ue no es m's ue estacionaridad local )para distancias % menores ue el lmite b2.
Esta limitacin de la %iptesis de estacionaridad de segundo orden )o la %iptesis intrnseca si slo
el variograma es asumido2 a slo esas distancias S%Sb corresponde a la %iptesis de
cuasiestacionaridad. Est' %iptesis es verdaderamente un compromiso de la escala de
%omogeneidad del fenmeno y la cantidad de datos disponibles.
En la pr'ctica segn *rmstrong y 0arignan )+,,12 y 0%ica )+,-12 son dos las %iptesis ue m's se
presentan( "a Estacionaridad de $egundo Rrden y la >iptesis Bntrnseca. Estas condiciones de
estacionaridad se asumen en el desarrollo terico, en la pr'ctica deben ser verificadas en los datos
antes de comenzar un estudio geoestadstico, para lo ue se puede realizar un an'lisis estadstico
de la informacin, de modo ue se refleje de as el grado de confiabilidad en la aplicacin de estos
m!todos.
#. $onocimiento del problema
*ntes de comenzar un estudio geoestadstico se deben discutir todos los elementos ue aporten
conocimientos del problema a resolver, la estructura geolgica en ue se desarrolla la
mineralizacin o el fenmeno en estudio, organizacin y verificacin de la informacin disponible y
finalmente realizar el an'lisis e&ploratorio de los datos.
Nna vez obtenido los datos, es necesario ue se controlen integralmente a fin de verificar de una
parte su e&actitud y de otra su representatividad. Es importante ue se est! familiarizado con los
datos, discutir todos los elementos necesarios a fin de conocer el problema a resolver )*rmstrong y
0arignan, +,,12. En la minera los resultados son muy sensibles al nivel de informacin usado
)0arrasco40astelli y =ara4$alame, +,,-/ "antu!joul, +,,D2, cualuier modificacin involuntaria en la
etapa inicial se refleja sistem'ticamente durante todo el estudio )*rmstrong y @ot%, +,,1/
*rmstrong y 0arignan, +,,12.
5
Elementos de Geoestadstica
#.1. $onceptos necesarios de estadstica b&sica
0on el objetivo de conocer la informacin disponible se puede %acer un an'lisis de la estadstica
descriptiva )Erajews7i y #ibbs, +,,?/ =ournel y >uijbregts, +,1-/ :avid, +,112. * continuacin se
presenta un resumen de los conceptos necesarios de estadstica b'sica.
45 $&lculos estadsticos o estadstica descripti*a. Permiten determinar si la distribucin de los
datos es normal, lognormal, o si no se ajustan a una distribucin estadstica, lo cual implica tener
conocimiento de(
1.7 9umero de casos5 Es el nmero de valores muestreados del fenmeno en estudio,
representados por n y los datos por &i, i J +, . . . , n, ue llamamos distribucin.
2.7 .ango de la distribucin5 Es la diferencia entre el valor m'&imo y el mnimo.
3.7 )edia5 Es la media aritm!tica de la distribucin, dado por la frmula(
m
i
i
n
X
n
X

1
1
4.7 )oda5 Es el valor m's frecuente de la distribucin.
!.7 )ediana5 Es el valor para el cual la mitad de los datos son menores y la otra mitad est'n por
encima de este valor.
$i ordenamos los datos en orden ascendente podemos calcular la mediana como.
U)nP+2/; si n es impar.
C J '
)Un/; P Un/;P+2/; si n es par.
"a mediana es tambi!n llamada percentil O<, adem's los datos no solo se dividen en dos grupos,
sino ue se pueden dividir en cuatro partes, cuartiles, donde V+ J percentil ;O, V; J Cediana y V? J
percentil 1O, si los datos se dividen en +<, tenemos los deciles. :e forma general estas medidas se
pueden calcular por( [p)nP+2/+<<] !sima observacin de los datos ordenados ascendentemente,
donde p es el percentil ue se desea calcular.
#.7 Variana5 :escribe la variabilidad de la distribucin. Es la medida de la desviacin o dispersin
de la distribucin y se calcula por(
( )
2
2
1
1
1

n
i m
X X
i
n
"a razn principal por la ue se aboga por la divisin entre n4+ en la estimacin de la varianza, es
porue proporciona un mejor estimado/ si dividimos por n4+ nos referimos a la varianza muestral $
;
como un estimador insesgado de la varianza poblacional
;
. Esto significa ue si un e&perimento
fuera repetido muc%as veces se podra esperar ue el promedio de los valores as obtenidos para
$
;
igualara a
;.
Por otra parte si dividimos entre n los valores obtenidos para $
;
seran como
promedio demasiado peue5o.
%.7 :es*iacin est&ndar5 :escribe la tendencia o dispersin de la distribucin. Es la medida de
desviacin alrededor de la media. $e calcula por(
J

2
'.7 $oe/iciente de asimetra5 :escribe la simetra de la distribucin relativa a la distribucin
normal. $e calcula por(
( )
3
3
1
3
1

n
X X S
i m
i
n
En la distribucin normal la asimetra tiene valor cero, un valor negativo indica una cola a la
izuierda y un valor positivo indica una cola a la derec%a.
(.7 $urtosis5 :escribe el grado de esbeltez de la distribucin, tomado por lo general en relacin a
una distribucin normal, y se puede calcular por(
6
Elementos de Geoestadstica
( )
4
4
1
4
1

n
X X S
i m
i
n
"a distribucin normal tiene curtosis igual a tres, y es llamada mesocrtica. * las distribuciones m's
agudas, con colas relativamente anc%as, se les llama leptocrticas, tienen valores de curtosis
mayores ue tres, y las distribuciones m's bien ac%atadas en el centro se llaman platicrticas,
tienen valores menores ue tres, en ocasiones se acostumbra a definir la curtosis como D 4 ?.
1+.7 Error est&ndar5 :escribe el grado de conocimiento de los datos y se puede calcular por(
J

2
/ n
"a distribucin normal tiene un valor de error est'ndar menor ue +.;O y la distribucin lognormal o
una distribucin con tendencia positiva, tiene valores de error est'ndar mayores ue +.;O.
11.7 $oe/iciente de *ariacin5 Es una medida de la variacin relativa de los datos y puede ser
calculado por(
0H J $/Um
y en porcentaje como( +<< 0H J +<< )$/Um2 W
Proporciona una comparacin entre la variacin de grandes valores y la variacin de peue5os
valores. "as t!cnicas de #eoestadstica "ineal ue predomina en el campo de las geociencias
producen los mejores resultados cuando el coeficiente de variacin es menor ue uno, 0H < +.
Para 0H > + se recomiendan t!cnicas de #eoestadstica no "ineal.
12.7 Prueba $;i7$uadrado( Permite determinar si la distribucin es normal, lognormal o alguna
otra distribucin probabilstica, es su lugar puede ser usada la prueba 8Eolmogorov $mirnov9 como
se refleja por muc%os autores es m's robusta.
13.7 Prueba t7-tudent5 Permite determinar si en una distribucin bimodal las medias de las
poblaciones son estadsticamente diferentes.
05 $onstruccin de gr&/icos estadsticos5 Estos gr'ficos permiten ilustrar y entender las
distribuciones de los datos, identificar datos errados, valores e&tremos, los mismos incluyen(
1.7 )apa base, seccin cruada 1 *ista en perspecti*a5 $on usados para visualizar la relacin
espacial en ; y ? dimensiones, permiten encontrar errores en la informacin.
2.7 "istogramas5 $on usados para ver las caractersticas descriptivas de la distribucin. Es un
gr'fico de barras donde en las abscisas aparecen los lmites de las clases y en las ordenadas las
frecuencias correspondientes a cada clase.
3.7<recuencia acumulati*a5 Nsado para identificar el tipo de distribucin muestral y ayuda a
determinar si est'n presentes poblaciones mi&tas. Es un gr'fico de lmite de clase contra
frecuencia acumulada.
En el caso de gr'ficos estadsticos es til usar los gr'ficos de frecuencia absoluta, relativa,
acumulativa y el diagrama de dispersin, como se presenta en muc%os sistemas.
3odos estos elementos permiten decidir sobre las condiciones de estacionaridad vistas
anteriormente. Cuc%os autores slo toman como elementos fundamentales de estadstica b'sica
ue( la media y la mediana tome valores pr&imos/ el coeficiente de variacin sea inferior a +/ la
distribucin de los datos est! pr&ima a la curva normal y no e&istan valores e&tremos ue afecten
el desarrollo del an'lisis estructural.
%. El an&lisis estructural
El an'lisis estructural o estudio variogr'fico segn )*rmstrong y 0arignan, +,,12 est' compuesto
por(
El c'lculo del semivariograma e&perimental.
El ajuste a este de un modelo terico conocido.
El c'lculo del semivariograma e&perimental es la %erramienta geoestadstica m's importante en la
determinacin de las caractersticas de variabilidad y correlacin espacial del fenmeno estudiado
)0%ica, +,-12, es decir, tener conocimiento de como la variable cambia de una localizacin a otra
)"amorey y =acobsom, +,,O/ Bssa7s X 0o.,+,,,2, representando el til m's importante de ue
7
Elementos de Geoestadstica
dispone el geoestadstico para el an'lisis del fenmeno mineralizado o de la variable de
distribucin espacial en estudio )$a%in et al.,+,,-/ #enton, +,,-a2. Este an'lisis tiene como
condicionantes( la distribucin estadstica, la e&istencia de valores aberrantes o anmalos, la
presencia de zonas %omog!neas o posibles zonaciones en la distribucin de las leyes.
Puede ser calculado inicialmente el semivariograma medio, global u 8omnidireccional9 )ver El
$emivariograma E&perimental2, proporcionando una idea inicial de la variabilidad espacial de los
datos, siendo el m's idneo para representar u obtener una estructura clara y definida.
Posteriormente deben ser calculados los semivariogramas en diferentes direcciones, puede ser
calculado en D direcciones separadas DOY con tolerancia angular de ;;.OY, comenzando por <Y
)figura ;a2 %asta encontrar la direccin de m'&ima o mnima variabilidad )figura ;b2, pueden ser
calculados tambi!n, m's especficamente, en - direcciones separadas por ;;.OY. Nna forma r'pida
y pr'ctica de visualizar la e&istencia de anisotropa es mediante el c'lculo del 8Capa de
Hariogramas9 )Fry7man y @ogon, +,,?/ >omand4Etienne et al.,+,,O/ Bsaa7s X 0o.,+,,,2, el cual
adem's permitir' obtener la direccin inicial apro&imada para el c'lculo de los semivariogramas
direccionales, permitiendo un an'lisis adecuado de anisotropa. Posteriormente, dependiendo de la
continuidad espacial, es suficiente slo calcular dos semivariogramas separados ,<Y.
*%ora, el semivariograma e&perimental obtenido no es utilizado en el proceso de estimacin, debe
ser ajustado a !ste uno a varios modelos tericos, obteni!ndose un modelo o funcin analtica ue
caracteriza la continuidad espacial de la variable estudiada. "os modelos de variograma terico
utilizado en el proceso de estimacin o simulacin deben satisfacer ciertas condiciones, es decir
tienen ue ser 8definido positivo9 o de 8tipo positivo9 ):eutsc%, +,,D/ Cyers, +,,;/ 0ressie y
#rondona, +,,;2 de lo contrario puede e&istir el riesgo de encontrar varianzas negativas ue no
tienen sentido )*rmstrong y 0arignan, +,,12. En general el ajuste a modelos tericos para la
determinacin de los par'metros del semivariograma se realiza de forma visual. En ocasiones se
efectan ajustes polinomiales por el m!todo de los mnimos cuadrados u otras variantes, ue
aunue se encuentra el mejor ajuste, no siempre se verifica la condicin de ue el variograma
obtenido sea siempre de tipo positivo, siendo insatisfactorio )#enton, +,,-b2, por lo ue se
recomienda el uso de modelos autorizados. Finalmente debe obtenerse uno o varios modelos de
variogramas con los correspondientes valores de meseta y alcance. El modelo de variograma
seleccionado debe representar fielmente los aspectos ue se suponen importantes del variograma
e&perimental )Zac7ernagel, +,,O2, ue ser'n usados posteriormente en el proceso de estimacin
o simulacin.
%.1. El semi*ariograma e=perimental
El variograma se define como la media aritm!tica de todos los cuadrados de las diferencias entre
pares de valores e&perimentales separados una distancia % )=ournel y >uijbregts, +,1-2, o lo ue
es lo mismo, la varianza de los incrementos de la variable regionalizada en las localizaciones
separadas una distancia %.
Har[G)&P%24G)&2\ J ;)%2
"a funcin )%2 se denomina semi*ariograma, la cual puede ser obtenido por la e&presin.
8
Elementos de Geoestadstica
[ ]

+
) (
1
2
) ( ) (
) ( 2
1
) (
h Np
i
i i
h x Z x Z
h Np
h
donde( Ap)%2 es el nmero de pares a la distancia %.
% es el incremento.
G)&i2 son los valores e&perimentales.
&i localizaciones donde son medidos los valores z)&i2.
Esta e&presin de )%2 representa el til m's importante en todo estudio geoestadstico )*rmstrong
y 0arignan, +,,1/ Zeerts, y 6ier7ens, +,,?/ 0%ica, +,-12. $u c'lculo no consiste en una simple
evaluacin de su e&presin, segn se plantea en )Erajews7i y #ibbs, +,,?/ =ournel y >uijbregts,
+,1-/ :avid, +,11/ Uie y Cyers, +,,Oa/ Pannatier, +,,?2 esta operacin est' relacionada con los
elementos siguientes(
"a direccin en la ue ser' calculado el semivariograma, uno o dos 'ngulos ue definen una
direccin en el espacio y/o con tolerancias angulares d y/o d. El semivariograma
calculado usando tolerancia angular de ,<Y se denomina 8semivariograma medio9, 8global9 u
8omnidireccional9 como ya se indic.
El incremento o paso en el c'lculo del semivariograma % y su tolerancia lineal d%, se
recomienda ue el valor de d% sea la mitad del incremento inicial.
Nna distancia, ue representa la distancia m'&ima a ue pueden estar alejados los segundos
puntos del par con respecto a la lnea ue define la direccin de c'lculo, conocido como anc%o
de banda.
"a distancia "ma& %asta la cual ser' calculado del semivariograma. $e recomienda ue !sta sea
la mitad de la distancia entre las muestras m's alejadas )*rmstrong y 0arignan, +,,1/
Erajews7i y #ibbs, +,,?2, aunue dependiendo de la geometra del fenmeno regionalizado en
algunos casos puede ser calculado %asta una distancia superior.
:efinido los elementos anteriores, se evala la e&presin del semivariograma para todos los pares
de localizaciones separadas a la distancia % ue cumplan las siguientes condiciones(
+.4 "a distancia entre las localizaciones &i y &iP% sea mayor ue %4d% y menor ue %Pd%, o lo ue
es lo mismo, el segundo punto del par est! incluido en el espacio definido por %4d% y %Pd%
encontr'ndose el primer punto del par en el origen o )figura ?2, este origen se mueve entre las
muestras a analizar.
9
Elementos de Geoestadstica
;.4 El 'ngulo formado entre la lnea ue une los dos puntos del par y la direccin <
o
debe estar
incluido entre 4d y Pd )figura D2.
?.4 "a distancia entre el segundo punto del par y la lnea ue define la direccin de c'lculo del
semivariograma no debe superar el anc%o de banda ):eutsc% y =ournel, +,,-2 )figura O2.
Finalmente se representan gr'ficamente los valores de )%2 en funcin de %.
10
Elementos de Geoestadstica
El gr'fico de )%2 tiene las siguientes caractersticas segn )*rmstrong y 0arignan, +,,1/ Erajews7i
y #ibbs, +,,?/ 0urran y *t7inson, +,,-2 )figura .2.
Pasa por el origen )para %J<, )%2J<2
Es en general una funcin creciente de %.
En la mayor parte de los casos )%2 crece %asta cierto lmite llamado meseta, en otros casos puede
crecer indefinidamente. El comportamiento en el origen puede tener diferentes formas, las cuales
son segn =ournel y >uijbregts )+,1-2, *rmstrong y 0arignan )+,,12, 0%ica )+,-12 )figura 12(
Parablico5 0aracteriza a una variable muy regular, siendo continua y diferenciable.
,ineal5 0aracteriza a una variable continua, pero no diferenciable, es decir menos regular.
:iscontinuidad en el origen5 8Efecto de pepita9, es el caso en ue )%2 no tiende a cero cuando %
tiene a cero. @epresenta a una variable muy irregular.
:iscontinuo puro5 "lamado tambi!n ruido blanco, representa el caso de mayor discontinuidad,
siendo el caso limite de ausencia de estructura, donde los valores de dos puntos cualesuiera no
tienen correlacin alguna.
%.1.1. $onstruccin del semi*ariograma e=perimental en 2:
* continuacin se presentan oc%o pasos para la construccin del semivariograma e&perimental
para datos distribuidos en dos dimensiones, resultado del an'lisis realizado en la bibliografa
consultada.
$ea G)&2 una funcin aleatoria con A variables aleatorias regionalizadas G)&i2 donde & J {&, y} es la
localizacin y G)&i2 es el valor medido correspondiente. :ados una direccin a trav!s de un 'ngulo
en la cual se desea calcular el semivariograma, d una tolerancia angular, d% una tolerancia
lineal y el anc%o de banda.
$e proponen los siguientes pasos(
+.4 0alcular la cantidad de pares de datos posibles por( Ap J A)A4+2/;
;.4 Para cada par, calcular la distancia entre las localizaciones correspondientes por(
( ) ( ) d X X Y Y
i
+
1 2
2
1 2
2
i J +, . . . , Ap
almacenando para cada i(
11
Elementos de Geoestadstica
4 P+( Amero del primer punto del par,
4 P;( Amero del segundo punto del par,
4 d( Halor de la distancia entre los dos puntos del par.
4 *ngulo ] ue fija la direccin de la recta ue pasa por los dos puntos del par.
?.4 Rrdenar ascendentemente el grupo de datos anteriores por la distancia.
D.4 0alcular la amplitud m'&ima del semivariograma "ma& como "ma& J :ma&/;, donde :ma& es la
distancia a ue est'n separadas las localizaciones m's lejanas. Esto es la m'&ima distancia
calculada en el paso );2, o lo ue es lo mismo, el ltimo valor despu!s del ordenamiento del paso
anterior.
O.4 Fijar una distancia % inicial conocida como paso o incremento del semivariograma, se
recomienda la distancia promedio entre las muestras contiguas. Para los mltiplos de esta
distancia ser' calculada )%2, por la e&presin del semivariograma. Esto indica la cantidad de
puntos a procesar en el semivariograma, el cual se puede obtener como "ma& / %
..4 0alcular la e&presin del semivariograma para todos los pares almacenados en el paso );2 ue
cumplan las condiciones siguientes(
a2 "a distancia d sea mayor ue %4d% y menor ue %Pd%, es decir, %4d% d %Pd%. $i esta
condicin se cumple e&aminar la condicin b, de lo contrario continuar con la distancia
siguiente.
b2 El 'ngulo ] formado entre las lneas ue parten del primer punto del par en la direccin <
o
y la
ue pasa por los dos puntos del par en la direccin positiva, es decir, en contra de las
manecillas del reloj, sea mayor ue 4d y menor ue Pd, es decir, 4d ] Pd. $i
esta condicin se cumple e&aminar la condicin c, de lo contrario continuar con la distancia
siguiente
c2 "a distancia entre el segundo punto del par y la lnea ue pasa por el primer punto en la
direccin no supere el anc%o de banda.
8bser*aciones5
Aote ue como los datos almacenados en el paso );2 est'n ordenados ascendentemente
por la distancia, este paso se interrumpe cuando la distancia siguiente sea mayor ue %Pd%, y au
precisamente, comienza la pr&ima iteracin.
*l interrumpir este paso calcular el semivariograma con los pares ue cumplieron las
condiciones a, b y c, as obtenemos un valor de )%2 correspondiente al incremento % actual.
1.4 Bncrementar la distancia % en su propio valor, es decir, % ser' el pr&imo mltiplo del % inicial. $i
el nuevo valor de % no supera el valor de ". @egresar al paso ).2 de lo contrario continuar el
siguiente paso.
-.4 *l finalizar el paso )12 debemos tener para cada valor transitado por % un valor calculado de
)%2, los cuales ser'n representados en un gr'fico U4^ donde en la abscisa representan los valores
de % y en la ordenada los de )%2. Rbteniendo as el semivariograma e&perimental o emprico para
una direccin, incremento y tolerancias definidas.
%.1.2. $onstruccin del semi*ariograma en tres dimensiones 3:
Para la construccin del semivariograma ?: es necesario incorporar a la direccin del c'lculo un
nuevo 'ngulo ue permita fijar unido al 'ngulo una direccin en el espacio tridimensional. El
'ngulo debe variar entre 4,<
o
y ,<
o
, teniendo en cuenta ue los valores e&tremos coinciden con la
direccin vertical y son independientes de la direccin del 'ngulo
"a construccin del semivariograma ?: es similar al ;: con cambios en dos de sus pasos
presentados anteriormente(
+.4 En el paso ;( el c'lculo de la distancia se sustituye por(
( ) ( ) ( ) d X X Y Y Z Z
i
+ +
1 2
2
1 2
2
1 2
2
*lmacenar para cada i adem's( Rtro 'ngulo ] ue fija junto al 'ngulo ] la direccin de la recta
ue pasa por los dos puntos del par en tres dimensiones.
;.4 En el paso . punto b, la direccin ue contiene a los dos puntos del par debe estar incluida en
el 'ngulo slido formado por la direccin del c'lculo del semivariograma y la tolerancia d, con
centro en el primer punto del par.
12
Elementos de Geoestadstica
En el caso del c'lculo del semivariograma en tres dimensiones, an cuando tericamente pueden
ser calculados, en la pr'ctica nos encontramos una direccin ue juega un rol diferente a la del
resto )*rmstrong y 0arignan, +,,12. En el caso minero las variaciones a trav!s de los estratos es
diferente a su comportamiento a lo largo de un estrato, esto unido a la forma en ue se realiza la
e&ploracin, varios pozos distanciados decenas de metros y cada uno contiene un conjunto de
muestras mineralizadas con una longitud del orden de + m. Es recomendable entonces analizar
est' direccin por separado y desarrollar un an'lisis de variabilidad espacial en la direccin
vertical, es decir, perpendicular a la estructura geolgica y otro an'lisis en la direccin %orizontal, a
lo largo de la estructura geolgica, utilizando en este caso compsitos de la zona de inter!s,
realizando adem's, un an'lisis de anisotropa. Elementos ue permitir'n describir la variabilidad en
tres dimensiones.
%.1.3. Problemas m&s comunes encontrados en el c&lculo de semi*ariograma
:e lo e&presado %asta au, adem's de lo planteado en muc%os te&tos de geoestadstica, se
puede obtener la impresin de ue es f'cil el c'lculo del semivariograma e&perimental )*rmstrong
y 0arignan, +,,12. "a fuente de problemas ue se pueden presentar en la realizacin del un
an'lisis estructural es muy variada, lo ue est' en correspondencia con la variedad de casos ue
se presentan en la naturaleza. *lgunos de los problemas m's comunes discutidos en *rmstrong y
0arignan )+,,12 son(
El *alor idneo del incremento ;5 Nna inadecuada seleccin de % puede proporcionar un
semivariograma err'tico, aunue no se puede dar un criterio e&acto o apro&imado sobre cual el
mejor valor de %, es recomendable recalcular )%2 para distintos valores de %, %asta encontrar una
forma suavizada del mismo.
:istribuciones con *alores e=tremos5 "a e&istencia de valores e&tremos, altos o bajos, en una
distribucin, puede conducir a la obtencin de un variograma fuertemente err'tico. En este caso la
solucin puede ser simple, eliminar los datos e&tremos, porue pueden ser ocasionados por
errores, en otros casos pueden encontrarse en zonas geogr'ficamente distintas y pueden ser
tratados de manera separada.
Nna %erramienta til para la deteccin de valores e&tremos y encontrar el incremento adecuado
puede ser, calculado la 89ube de Variogramas9 )*rmstrong y 0arignan, +,,12, el cual consiste en
representar los valores de LG)&iP%24G)&i2M
;
/; contra %, para cada par posible de la informacin inicial.
,a e=istencia de poblaciones mi=tas( E&isten datos ue pueden mostrar diferentes poblaciones,
los cuales pueden estar estadsticamente diferenciados. En muc%os casos las poblaciones est'n
geogr'ficamente diferenciadas, donde se recomienda tratar las zonas por separado. En otros
casos las poblaciones se presenten mezcladas geogr'ficamente, en este caso una solucin puede
ser un cambio de escala, con lo ue se logra reducir la diferencia de los valores e&tremos.
En Erajews7i y #ibbs )+,,?2 se presentan otras razones por los ue los semivariogramas son
err'ticos, las cuales son( +.4 Ao %ay suficientes muestras, ;.4 "as muestras no son representativas
del fenmeno, ?.4 "as clasificaciones de las muestras no son v'lidas, D.4 El 'rea estudiada es no
%omog!nea, O.4 Peue5os o largos conjuntos de datos son necesarios, ..4 Peue5as o largas
distancia deben ser calculadas, 1.4 C's o menos distancias deben ser calculadas, -.4 Peue5as
tolerancias son necesarias, ,.4 "as muestras pueden tener localizaciones incorrectas, +<.4 "os
valores muestreados pueden ser errneos.
El problema fundamental en la obtencin de un semivariograma correcto es, la eleccin adecuada
de los intervalos de distancias para los cuales ser' calculado el semivariograma, de modo ue en
!stos la cantidad de pares encontrados sea suficiente desde el punto de vista estadstico.
%.2. )odelado de semi*ariogramas
El modelado de semivariogramas incluye dos etapas fundamentales )Uie y Cyers, +,,Oa2, una vez
construido el semivariograma e&perimental o emprico es necesario ajustar a este un modelo
terico, con el objetivo de determinar los par'metros descriptivos del semivariograma ue
posteriormente ser'n usados en la estimacin )*$0E 3as7, +,,</ =ournel y >uijbregts, +,1-/
:avid, +,11/ "amorey y =acobsom, +,,O/ Pannatier, +,,?/ *ri7, +,,</ :ubrule, +,,D2.
%.2.1. Par&metros del semi*ariograma
"os par'metros del semivariograma caracterizan tres elementos importantes en la variabilidad de
un atributo ue son( la discontinuidad en el origen )e&istencia de efecto de pepita2, el valor m'&imo
13
Elementos de Geoestadstica
de variabilidad )meseta2, y el 'rea de influencia de la correlacin )alcance2, )figura -2. como se
presentan en Erajews7i y #ibbs )+,,?2, =ournel y >uijbregts )+,1-2, :avid )+,112, Ec%aabi )+,,O2,
"amorey y =acobsom )+,,O2, Zallace y >aw7ims )+,,D2, Pannatier )+,,?2, *ri7 )+,,<2, Pitard
)+,,D2, y se describen a
continuacin.
El E/ecto Pepita >9ugget?5 El semivariograma por definicin es nulo en el origen, pero en la
pr'ctica las funciones obtenidas pueden presentar discontinuidad en el origen, a esta
discontinuidad se le llama e/ecto de pepita, en ingles )Augget effect2. Puede ser obtenido trazando
una lnea recta entre los primeros puntos del semivariograma emprico y e&tender !sta %asta ue
se intercepte con el eje ^. $i esta interseccin ocurre por debajo de cero, el valor asumido por este
efecto es cero, pues valores negativos de )<2 no tienen significado y no es comn. El efecto pepita
se representa como 0o.
,a )eseta >-ill?5 Es el valor de )%2 para el cual con el aumento de % su valor permanece
constante, se representa como )03 J 0 P 0o2 y se denomina meseta. Puede obtenerse trazando
una lnea paralela a la abscisa y ue se ajuste a los puntos de mayor valor del semivariograma y su
valor se lee en la interseccin de esta lnea con la ordenada.
El 4lcance >.ange?5 "a distancia % para la cual las variables G)&2 y G)&P%2 son independientes, se
denomina alcance y se representa por )a2, es decir, las distancias para la cual los valores de la
variable dejan de estar correlacionados, o lo ue es lo mismo, la distancia para la cual el
semivariograma alcanza su meseta.
El alcance siempre tiene valor positivo y puede ser obtenido a partir de la interseccin de las
lneas descritas en los puntos anteriores, ese punto ledo en la abscisa es una fraccin del propio
alcance, fraccin ue se detallara posteriormente en la e&plicacin de los modelos tericos
%.2.2. )odelos tericos de semi*ariogramas
"os modelos tericos de semivariogramas admisible o autorizados m's utilizados en la pr'ctica se
presentan en =ournel y >uijbregts )+,1-2 en los ue coinciden Erajews7i y #ibbs )+,,?2, :eutsc% y
=ournel )+,,-2, 6acc%i y Eottegoda )+,,O2, Zac7ernagel )+,,O2, *rmstrong y 0arignan )+,,12,
Cyers )+,,+c2, Eiyono y $uzu7i )+,,.2. *tendiendo a las dos caractersticas m's importantes en el
modelado de semivariogramas ue son segn =ournel y >uijbregts )+,1-2( +.4 $u comportamiento
en el origen, el cual puede ser linear, parablico y con Efecto de Pepita y ;.4 "a presencia o
ausencia de meseta. Estos modelos son(
E/ecto de Pepita5 0orresponde a un fenmeno puramente aleatorio )ruido blanco2, sin correlacin
entre las muestras, cualuiera sea la distancia ue las separe, )figura ,2, donde 0 representa el
valor de la meseta.
)%2 J < % J <
J 0 S % S T <
14
Elementos de Geoestadstica
)odelo Es/6rico5 Este modelo es
probablemente el m's utilizado, es una
e&presin polinomial simple, en su forma
representada en la figura +<, se puede
observar un crecimiento casi lineal y despu!s a
cierta distancia finita del origen se alcanza una
estabilizacin, la meseta. "a tangente en el
origen encuentra a la meseta en el punto de
abscisa );/?2a, donde a representa el valor del
alcance.
)%
2 J
0
L )?/;2)%/a2 4 Q)%/a2
?
M % a
0 % T a
15
Elementos de Geoestadstica
)odelo E=ponencial5 Este modelo a
diferencia del esf!rico crece inicialmente
m's r'pido y despu!s se estabiliza de
forma asinttica )figura ++2. 0omo la
meseta no se alcanza a una distancia
finita, se usa con fines pr'cticos el 8alcance
efectivo9 o 8alcance pr'ctico9 a], valor ue
se obtiene en el punto de abscisa para el
cual el modelo obtiene el ,OW de la
meseta, con un valor a]J?a, donde a es el
par'metro de escala. "a tangente en el
origen encuentra a la meseta en el punto
aJ)+/?2a].
)%2 J 0 L+ 4 E&p)4S%S/a2M S%S T <
)odelo Gaussiano5 Este es un modelo e&tremadamente continuo )figura +;2, inicialmente
presenta un comportamiento parablico
en el origen, despu!s al igual ue en el
modelo E&ponencial se alcanza la
meseta de forma asinttica. El alcance
pr'ctico tiene un valor de a]J+.1?a, ue
es el valor de la abscisa donde se
alcanza el ,OW de la meseta.
)%2J 0 L + 4 E&p)4S%S
;
/a
;
2M S%S T <
)odelo con /uncin potencia5 Este es un
modelo sin meseta, su forma se representa
en la figura +?, para valores de
correspondientes a <.O, +.< y +.O.
)%2 J S%S

con M<, ;L

Para el valor de J+ en el modelo anterior
se obtiene el modelo "ineal, al cual no
tiene ni meseta ni alcance. *%ora por
efectos pr'cticos, sin embargo, muc%os
programas inform'ticos denotan la
pendiente del modelo lineal con la relacin
0/a )figura +D2.
)%2 J )0/a2 S%S
$e %an presentado los modelos m's usados
en la pr'ctica, aunue se debe se5alar,
16
Elementos de Geoestadstica
e&isten otros modelos ue son ampliamente descritos en el manual de referencias del sistema
geoestadstico Bsatis.
Estos modelos pueden ser ajustados individualmente, aunue es posible encontrar en la pr'ctica
aplicaciones donde a los semivariogramas e&perimentales se les debe ajustar m's de un modelo
terico, es decir, a trav!s de superposicin, nombr'ndose estructuras imbricadas )Erajews7i y
#ibbs, +,,?/ =ournel y >uijbregts, +,1-/ :avid, +,112.
"a seleccin del modelo y los par'metros apropiados a las caractersticas del semivariograma
emprico, para ser usados en la interpolacin geoestadstica ue veremos posteriormente es el
punto m's importante en el proceso planteando )*ri7, +,,<2, adem's, esta seleccin es
fundamental en el caso particular de la minera donde se presentan yacimientos( con irregularidad
en la densidad de barrenos/ sin una adecuada perforacin/ con alta asimetra en la distribucin o
ue carecen de un modelado geolgico propio. *l respecto se refieren muc%os autores sobre el
efecto negativo ue puede tener en la estimacin el uso del 7rigeaje sin un estudio de estructura
espacial y la seleccin adecuada del modelo de semivariograma y sus par'metros.
%.2.3. Validacin del modelo terico
0omo el ajuste de los modelos tericos al semivariograma e&perimental, se realiza de forma visual
o interactiva, variando los valores 0o )efecto de pepita2, 0 P 0o )meseta2 y a )alcance2, %asta
coincidir con los par'metros ue mejor se ajustan, es conveniente validar el modelo seleccionado y
los par'metros meseta y alcance escogidos. *l respecto se discute la validacin cruzada en
=ournel y >uijbregts )+,1-2, *rmstrong y 0arignan )+,,12, 6acc%i y Eottegoda )+,,O2, Cyers
)+,,+b2, :eutsc% y =ournel )+,,-2, Uie y Cyers )+,,Ob2, Eiyono y $uzu7i )+,,.2, >ost )+,,O2,
"ajaunie )+,,12, Cadani )+,,-2, 0arr )+,,D2.
El m!todo de validacin cruzada %a sido ampliamente utilizado para evaluar el grado de bondad de
un modelo de semivariograma y reconocido como un m!todo ptimo de estimacin de sus
par'metros. "a operacin de validar un semivariograma terico ajustado a uno e&perimental
siempre toma muc%o tiempo, !ste se considera como el ltimo de los pasos importantes del
an'lisis de variabilidad, debido a ue una vez obtenido este resultado ser' utilizado en la
estimacin por 7rigeaje en cualuiera de sus variantes.
%.2.3.1. Validacin cruada
$ea G)&2 una funcin aleatoria estacionaria con semivariograma )%2, su funcin de covarianza
0)%2 viene dada por 0)%2 J
;
4 )%2 donde
;
es la varianza de G)&2. $ea G&+, G&;,...,G&n los
valores de G)&2 en n puntos medidos. "a validacin cruzada consiste en suprimir el i4!simo valor
medido G)&i2 y estimarlo a partir del resto de los datos. El valor estimado G
I
)&i2 se calcula por
7rigeaje, procedimiento e&plicado m's adelante.
$i se repite este proceso para los A puntos, se pueden calcular n errores de validacin(
E)&i2 J G
I
)&i24 G)&i2 i J +, ;, . . . , A.
*s se van probando diferentes valores de los par'metros del semivariograma %asta ue los
errores de validacin cumplen los siguientes criterios estadsticos( )=ournel y >uijbregts, +,1-/
:avid, +,11/ *rmstrong y 0arignan, +,,12.
+. El error medio, dado por 3+ J )+/n2 iJ+,n LG)&i2 4 G
I
)&i2M, debe ser apro&imadamente igual
a cero.
;. El error medio cuadrado, dado por 3; J )+/n2 iJ+,n LG)&i2 4 G
I
)&i2M
;
, debe ser peue5o.
?. "a medida, 3? J )+/n2 iJ+,n {LG)&i2 4 G
I
)&i2M/}
;
, debe ser igual a uno.
D. "a medida, 3D J 0orr{LG)&i2 4 G
I
)&i2M/, G
I
)&i2}, debe ser cero.
O. "a medida, 3O J 0orr{G)&i2, G
I
)&i2}, debe ser uno.
Rtros autores slo plantean ue las medidas fundamentales son la indicada por 3+ y 3?, )"amorey
y =acobsom, +,,O/ 6acc%i y Eottegoda, +,,O2.
%.2.4. 43uste autom&tico
El ajuste de modelos de semivariogramas se puede realizar tambi!n de forma autom'tica. Esta %a
sido presentada por varios autores, en la ue se sugieren una forma particular de aplicar el m!todo
de los mnimos cuadrados y as obtener el modelo y sus par'metros, teniendo en cuenta ue el
17
Elementos de Geoestadstica
modelo obtenido sea definido positivo, como ya se %a indicado. "a efectividad de estos se describe
y argumenta en #otway )+,,+2 y G%ang )+,,O2. Nna comparacin generalizadora se presenta en
Gimmerman y Gimmerman )+,,+2 donde se comparan varios m!todos para estimar los par'metros
del semivariograma entre visuales y autom'ticos.
*%ora, el ajuste realizado de forma autom'tica no tiene porue reportar mejores resultados en el
proceso de estimacin, recomend'ndose en =ournel y >uijbregts )+,1-2 y "antu!joul )+,,12 y otros
validar el modelo seleccionado de acuerdo al estimador a utilizar. Nn criterio decisivo,
independiente de la forma utilizada en la eleccin del modelo terico y sus par'metros, es si lugar
a dudas, emplear el m!todo de la validacin cruzada con el estimador a utilizar en el proceso de
estimacin, discutido anteriormente.
%.3. 4n&lisis de anisotropa
0onviene au realizar un an'lisis sobre el comportamiento de la variabilidad del atributo en
estudio. $e conoce ue el semivariograma describe las caractersticas de continuidad espacial de
la variable regionalizada en una direccin, pero este comportamiento pueden variar segn la
direccin ue se analice, como se discute en =ournel y >uijbregts )+,1-2, :avid )+,112,
Gimmerman )+,,?2, Erajews7i y #ibbs )+,,?2. $e e&ige por este motivo un an'lisis del
comportamiento de la continuidad en distintas direcciones, el *n'lisis de *nisotropa.
0uando el semivariograma calculado en diferentes direcciones )norte4sur, este4oeste, y en
direcciones intermedias de DOY o de ;;.OY, con tolerancia de ;;.O
o
2, muestra similar
comportamiento, se dice ue el fenmeno es Isotrpico, cuando muestran diferentes
comportamientos es 4nisotrpico )Erajews7i y #ibbs, +,,?2. "os tipos de anisotropas m's
comunes son la #eom!trica y la Gonal. )Erajews7i y #ibbs, +,,?/ =ournel y >uijbregts, +,1-/
*rmstrong y 0arignan, +,,12
4nisotropa Geom6trica5 Est' presente cuando los semivariogramas en diferentes direcciones
tiene la misma meseta pero distintos alcance )figura +O2.
4nisotropa @onal5 Est' presente cuando los semivariogramas en diferentes direcciones tiene
diferentes mesetas y alcances )figura +.2.
*l respecto en )Gimmerman, +,,?2, se %ace un estudio profundo de los tipos de anisotropa,
proponiendo una nueva terminologa. En estos casos conviene realizar transformaciones de
coordenadas con el objetivo de obtener modelos Bsotrpicos )=ournel y >uijbregts, +,1-/ 0%ica,
+,-1/ *rmstrong y 0arignan, +,,12.
%.3.1. E/ecto proporcional
0uando en el c'lculo del semivariograma se
detecta ue e&iste una relacin linear entre el
valor medio de las muestras usadas en el
c'lculo de cada )%2 y la desviacin est'ndar
correspondiente, se dice ue e&iste un efecto
proporcional )%eterosedasticidad2. Este efecto
se puede detectar ploteando los valores de Um
18
Elementos de Geoestadstica
contra , es decir, ue el coeficiente de variacin )/Um2 sea apro&imadamente constante, ocurre
cuando los datos presentan una distribucin lognormal )=ournel y >uijbregts, +,1-2 )figura +12. "a
solucin a este problema propuesta por :avid )+,112 consiste en dividir cada valor del
semivariograma local por el cuadrado de la media local, y obtener lo ue se conoce como
semivariograma relativo ):avid, +,112.
F)%2 J )%2/Um
;
)%2
[ ]
( )
[ ]
F h
N h
Z x Z x h
Z x Z x h
i i
i i
i
N h
( )
( )
( ) ( )
( ) ( )
( )

+
+

1
2
2
2
2
1
Puede ser calculado usando los pasos anteriormente presentados para el c'lculo de los
semivariogramas tradicionales.
E&isten otras medidas de la continuidad espacial descritas en =ournel y >uijbregts )+,1-2 y
Pannatier )+,,?2, las cuales permiten un an'lisis estructural detallado con diferentes objetivos.
%.3.2. Problemas en el modela3e de semi*ariogramas
"os problemas m's comunes al modelar semivariogramas ue complican este proceso se
presentan en Erajews7i y #ibbs )+,,?2. $e analizan los siguientes casos.
1.7 ,a anisotropa geom6trica est& presente5 Bndica ue los semivariogramas direccionales
tienen la misma meseta pero diferentes alcances, !sta puede ser corregida a trav!s de una
transformacin linear de coordenadas ue permita reducir una elipse a un circulo.
2.7 ,a anisotropa onal est& presente5 indica ue tanto las mesetas como los alcances son
diferentes para los semivariogramas direccionales, puede ser corregido separando el
semivariograma en sus componentes isotrpicos %orizontal y anisotrpico vertical.
3.7 ,a tendencia de los datos est& presente5 indica ue los valores medidos aumentan o
disminuyen dram'ticamente en la zona estudiada con el aumento de la distancia. Esto puede ser
resuelto aplicando polinomios a la ecuacin del semivariograma, es decir un an'lisis de tendencia.
4.7 El e/ecto proporcional est& presente5 Bndica ue la desviacin est'ndar local es proporcional
al cuadrado de la media local y ue los datos presentan una distribucin lognormal, puede ser
resuelto dividiendo cada valor del semivariograma local por el cuadrado de la media local, es decir
usando semivariogramas relativos.
!.7 E=istencia de estructuras anidadas5 indica ue diferentes procesos operan a diferentes
escalas, como por ejemplo alguno o todos los siguientes( * muy peue5as distancias la
variabilidad puede estar presente debido a cambios de una composicin mineral a otra. *
peue5as distancias la variabilidad puede estar presente debido a errores. * grandes distancia la
variabilidad puede estar presente debido a casos transitorios de desgaste mineral. El cual puede
ser resuelto aplicando varios modelos simult'neamente.
#.7 E=istencia de e/ecto ;ueco5 indica ue muy pocos pares est'n disponible para la comparacin
a una distancia especfica. ^ puede ser resuelto recuperando m's casos para la distancia definida.
%.7 ,a periodicidad est& presente5 indica ue el comportamiento del semivariograma repite por s
mismo periodicidades, por ejemplo( El valor de la meseta puede aumentar o disminuir
sistem'ticamente, o un caso en ue los valores son tomados alternativamente a trav!s de
diferentes estratos, como piedras areniscas, esuistos, etc. Esto puede ser resuelto si es un
problema real y no un antifaz del an'lisis, la periodicidad puede ser tambi!n un fenmeno real
mostrado por zonal ricas y pobres repetidas a espacios similares.
'. Estimacin
3odo lo e&presado %asta au tiene un nico objetivo, conocer la informacin disponible para
realizar estimaciones )=ournel y >uijbregts, +,1-/ :avid, +,11/ *rmstrong y 0arignan, +,,12, es
decir, estimar valores desconocidos a partir, no slo de los conocidos, sino tambi!n de su
estructura de continuidad espacial. * diferencia de otra gran variedad de m!todos de interpolacin
ue no utilizan estas caractersticas y ue se emplean actualmente con diferentes fines. $in
19
Elementos de Geoestadstica
pretender %acer una comparacin profunda de las caractersticas y ventajas de !stos m!todos,
veamos algunos ejemplos.
'.1. Ariangulacin
Este m!todo consiste en ajustar un plano ue pase por las tres muestras m's cercanas y
adyacentes a la localizacin ue se desea estimar.
"a ecuacin del plano es(
G J a & P b y P c
0ada muestra tiene coordenadas )&, y2 y z representa el valor muestreado.
0on el objetivo de obtener la ecuacin del plano ue pase por las tres muestras se construye el
siguiente sistema de ecuaciones lineales(
a &+ P b y+ P c J z+
a &; P b y; P c J z;
a &? P b y? P c J z?
y as obtenemos los coeficientes a, b y c, entonces el valor de z en cualuier localizacin dentro del
tri'ngulo correspondiente se puede obtener sustituyendo sus coordenadas en la ecuacin de G.
'.2. In*erso de la distancia
Este m!todo se basa en una combinacin lineal dada por( G
I
)&2 J i

G)&i2
En la ue i son los pesos proporcionales al inverso de la distancia euclidiana entre las
localizaciones muestreadas y la ue se desea estimar, !stos pesos son calculados por(
i J )+/doi2/ +/doj
donde( doi es la distancia entre la localizacin a estimar y la localizacin de la muestra i.
#eneralizando obtenemos(
G
I
)&2 J LiP+,n +/doi G)&i2M / iJ+,n+/doj
$e pueden obtener distintos estimadores si escribimos la ecuacin anterior como(
G
I
)&2 J LiJ+,n )+/doi2

G)&i2M / iJ+,n)+/doj2




Aote ue si J + se obtiene la ecuacin anterior.
Estas dos t!cnicas de estimacin utilizan directamente los valores muestreados en el proceso de
estimacin y refieren pesos de acuerdo a las distancias entre los datos, sin tener en cuenta la
continuidad espacial de la informacin disponible. Heamos a%ora el Brigea3e, interpolador de la
geoestadstica, ue s utiliza los resultados ue discutidos del an'lisis estructural.
Bnicialmente, Cat%eron denomin a esta t!cnica 2rigeage )en franc!s2 ue en ingles se convierte
en 2riging y en espa5ol se escribe 2rigea3e. Este t!rmino ue tiene su origen en el apellido de
:.#. Erige, reconociendo de esta forma su aporte. El 7rigeaje es una t!cnica de estimacin ue
proporciona el mejor estimador lineal imparcial )6"NE, en ingles, 6est "inear Nnbiased Estimator2,
)$c%aug et al.,+,,?/ 0%ristensen et al.,+,,?/ *basov et al., +,,<2, y ue adem's proporciona una
error de estimacin conocido como *ariana de Brigea3e ue depende del modelo de variograma
obtenido y de las localizaciones de los datos originales )*rmstrong y 0arignan, +,,1/ =ournel y
>uijbregts, +,1-/ :avid, +,11/ *basov et al., +,,<2. Esto brinda la posibilidad de %acer an'lisis
sobre la calidad de las estimaciones )Zeerts y 6ier7ens, +,,?/ >aas, +,,;2.
'.3. Planteamiento del problema del Brigea3e
0omo resultado de los trabajos de bsueda y e&ploracin de yacimientos minerales, se obtiene
informacin del an'lisis umico de los testigos de perforacin y/o rocas de afloramiento.
0ualuiera sea la forma en ue se organice esta informacin, debe ser regularizada, de modo ue
se obtengan los valores de la caracterstica estudiada )contenido mineral en el caso minero2,
acompa5adas de las coordenadas de las localizaciones correspondientes.
En t!rminos mineros, el problema de 7rigeaje consiste en encontrar la mejor estimacin lineal
posible del contenido mineral de un panel, teniendo en cuenta la informacin disponible,
mediciones ue %an sido obtenidas tanto en el interior como e&ternamente al panel ue se desea
estimar. El 7rigeaje consiste en efectuar una ponderacin, es decir, atribuir un peso a cada valor
observado, los pesos son calculados de manera ue minimice la varianza de estimacin resultante,
teniendo en cuenta las caractersticas geom!tricas del problema )Cat%eron, +,1<2. *l minimizar la
varianza de estimacin se garantiza el uso ptimo de la informacin disponible )G%ang, +,,.2.
20
Elementos de Geoestadstica
'.3.1. Ecuaciones del Brigea3e
$e dispone de los valores muestreados G)&i2, iJ+,K,n, y deseamos estimar un valor de la
caracterstica observada en el panel G)v2 por una combinacin lineal de G)&i2.
GI)v2 J i G)&i2
donde GI)v2 es el valor estimado y i son los peso de 7rigeaje, de modo ue los i sean obtenidos
de tal forma ue proporcione un estimador( insesgado ELGI)v2 4 G)v2M J < y de varianza mnima
HarLGI)v2 4 G)v2M
"a geoestadstica e&ige como primera etapa y fundamental el conocimiento del comportamiento
estructural de la informacin, es decir, se debe contar adem's, con el modelo de semivariograma
terico ue refleje fielmente las caractersticas de variabilidad y correlacin espacial de la
informacin disponible, discutido anteriormente. En el caso minero, particularmente, por la forma en
ue se presenta la informacin, de estar condicionada en una direccin por diversos par'metros
)@ivoirard y #uiblin, +,,12, se debe obtener modelos de variogramas verticales y %orizontales, el
primero, ue caracteriza la correlacin espacial en esta direccin, es decir a trav!s de los estratos,
y el segundo en los estratos, obteni!ndose un modelo conjunto para la estimacin de bloues )Pan
y *ri7, +,,?/ *rmstrong y 0arignan, +,,12. "os bloues a estimar son definidos con dimensiones
convenientes a la unidad de seleccin minera, teniendo en cuenta el espaciamiento entre muestras
y el alcance estructural, es decir, la distancia %asta la cual las muestras se encuentran
correlacionadas espacialmente. "as ecuaciones del 7rigeaje se obtienen entonces de acuerdo las
%iptesis de la geoestadstica ue deben ser asumidas y verificadas como ya se indic.
3eniendo en cuenta las %iptesis de la geoestadstica se pueden obtener las ecuaciones del
7rigeaje para los siguientes casos( funcin aleatoria estacionaria de esperanza nula o conocida,
m!todo conocido como Erigeaje $imple, para una funcin aleatoria estacionaria de esperanza
desconocida, y una funcin aleatoria intrnseca, m!todo conocido para los dos ltimos casos como
Erigeaje Rrdinario.
* continuacin se presenta el sistema 7rigeaje para estos casos(
'.3.1.1. 2rigea3e -imple
Estimador( GI)v2 J i G)&i2 P m)+4 i2.
$istema( i 0)&i, &j2 J 0)&j, v2 j J +,K,n
Harianza de 7rigeaje(
;
J 0)v,v2 4 i 0)&i, v2
'.3.1.2. 2rigea3e 8rdinario
En t6rminos de la co*ariana
Estimador( GI)v2 J i G)&i2
$istema( i 0)&i, &j2 4 J 0)&j, v2 i,j J +,K,n
i J +
Harianza de 7rigeaje(
;
J 0)v,v2 4 i 0)&i, v2 P
En t6rminos del semi*ariograma
Estimador( GI)v2 J i G)&i2
$istema( i )&i, &j2 P J )&j, v2 j J +,K,n
i J +
Harianza de 7rigeaje(
;
J i )&i, v2 4 )v,v2 P
En todos los casos el sistema puede ser escrito matricialmente de la forma( E J 0
*l sistema 7rigeaje es necesario %acer algunas observaciones segn =ournel y >uijbregts )+,1-2(
+.4 El sistema 7rigeaje tiene solucin nica si y solo s la matriz de E es definida estrictamente
positiva, es decir(
iJ+,njJ+,n ij 0)&i, &j2 <
o en t!rminos de variograma(
4 iJ+,njJ+,n ij )&i, &j2 <
y no e&isten datos con las mismas coordenadas.
21
Elementos de Geoestadstica
;.4 El 7rigeaje, el cual es un estimador imparcial, es tambi!n un interpolador e&acto, es decir, para
iguales soportes de observacin v

)J+,K,n2 y de estimacin H, "os valores real G

y estimado GI
son iguales, adem's de ue la varianza de 7rigeaje
;
7 es cero.
?.4 "as e&presiones del sistema 7rigeaje y de la varianza de 7rigeaje son completamente
generales, es decir, son aplicables cualuiera sean los soportes de observacin y estimacin y el
modelo estructural empleado.
D.4 El sistema 7rigeaje y la varianza de 7rigeaje dependen slo( del modelo estructural 0)%2 o )%2
obtenido y de la geometra del soporte de observacin. Esta caracterstica da la posibilidad de ue
la varianza de 7rigeaje sea usada cuidadosa y convenientemente para el estudio de redes y la
clasificacin de recursos.
En el proceso de 7rigeaje, la matriz ue se obtiene tiene dimensiones de %asta )AP+2 & )AP+2,
cuando e&isten muc%os datos en el 'rea de influencia definido por los alcances esta matriz es
grande, lo ue implica tiempo para la solucin del sistema, sin embargo )Cyers, +,,+c2, e&cepto
para las localizaciones vecinas de la localizacin a estimar, los pesos son ceros o pr&imos a cero,
conocido como el e/ecto pantalla del 7rigeaje. En la pr'ctica, se establece una vecindad de
bsueda para evitar el trabajo con grandes sistemas, el cual es recomendado en la totalidad de la
literatura b'sica de geoestadstica. 3odos los sistemas ue implementan la estimacin por 7rigeaje,
permiten la definicin de una vecindad de bsueda, la cual debe ser obtenida con reducciones
proporcionales en cada unos de los alcances, o la estimacin por cuadrantes u octantes, limitando
el nmero de muestras a usar en el proceso de 7rigeaje. :e modo ue los pesos asignados a las
muestras m's lejanas a la localizacin a estimar y dentro de la vecindad de bsueda no sean
negativos, nulos o pr&imos a cero. En ocasiones por esta razn se realizan compensaciones por
el sistema de 7rigeaje ue pueden arrojar pesos negativos y por consiguiente valores negativos en
la estimacin.
'.4. El caso no estacionario, 2rigea3e Cni*ersal >2C?
Nno de los problemas encontrados al modelar semivariogramas segn Erajews7i y #ibbs )+,,?2 y
*$0E 3as7 )+,,<2 es la e&istencia de tendencia en los datos, es decir, ue los valores medidos
aumentan o diminuyen en alguna direccin en el 'rea de estudio. Este es el caso de un fenmeno
no estacionario, lo ue %ace imposible la aplicacin del 7rigeaje presentado %asta au. 0on el
objetivo de solucionar este problema Cat%eron propuso dos apro&imaciones, primero el Erigeaje
Nniversal )EN2 )Cat%eron, +,1<2, ue consiste en e&traer de la variable original G)&2 la parte no
estacionaria por medio de una componente determinstica m)&2 ue representa la deriva, %asta
encontrar la parte estacionaria del fenmeno, obteni!ndose un componente estoc'stico @)&2
relacionados por la siguiente e&presin(
G)&2 J m)&2 P @)&2.
Para el componente determinstico se sugiere utilizar una funcin polinomial de las coordenadas
para modelar la tendencia, es decir(
m x a f x
l
l
l
K
( ) ( )

0
donde al son coeficientes y f
l
es la funcin ue describe la tendencia. *s pueden obtenerse derivas
simples, lineales, cuadr'ticas, etc., )=ones y Hecc%ia, +,,?/ Caisonneuve, +,,-2. Para una deriva
simple el EN se reduce al Erigeaje Rrdinario )0%ristensen, +,,?/ @enard, +,,-2.
Rbteni!ndose finalmente el sistema Erigeaje Nniversal.

( , ) ( ) ( , )
( ) ( )
x x a f x x x
f x f x
l
l
o
l
K N
l l
o
N
+

0 1
1
0on varianza de estimacin.
22
Elementos de Geoestadstica

KU l
l
o
l
K N
x x a f x
2
0 1
+


( , ) ( )
Nna variante de 7rigeaje ue tiene en cuenta esta situacin, fue desarrollada por #oldberger, *, $.
en +,.; y descrita por Cat%eron en +,.,, para tratamiento de datos d!bilmente estacionarios y
con tendencia. "a aplicacin de EN puede resultar difcil por la indeterminacin de la tendencia y
del semivariograma )0arr, +,,</ *rmstrong y 0arignan, +,,1/ @enard, +,,-2.
Nna apro&imacin m's general es el estudio del modelo de <unciones 4leatorias Intrnsecas de
orden 2, la cual consiste en construir incrementos de orden creciente %asta alcanzar un orden E
para el cual dic%os incrementos son estacionarios )0%ristensen, +,,<2.
(. Geoestadstica )ulti*ariada
"os conceptos presentados %asta au, e&tendidos a m's de una variable, se denominan
#eoestadstica Cultivariada )Zac7ernagel, +,,O2. Es posible encontrar casos de variables de
inter!s ue est'n insuficientemente muestreadas, pero ue se conoce su correlacin con otras
variables en la zona de inter!s. Ntilizando esta correlacin es posible estimar una variable de
inter!s a partir de la informacin de la propia variable adem's de las correlacionadas con ellas
)=ournel y >uijbregts, +,1-/ :avid, +,11/ Cyers, +,,+a/ Zac7ernagel, +,,O/ Cyers, +,,+d/ *$0E
3as7, +,,</ 0%rista7os y 6ogaert, +,,./ *lmeida y =ounel, +,,D/ 0arr y Cao, +,,?2. Esto es, el 0o4
Erigeaje, una e&tensin o generalizacin del 7rigeaje cuando m's de una de las variables
disponibles guardan relacin entre s. En este caso, se reuiere conocimiento no slo del modelo
de semivariograma de cada una de las variables, sino adem's, del semivariograma cruzado entre
las variables )G%ang et al.,+,,;/ Cyers, +,,+a/ :_*gostino y Gelen7a, +,,;/ Pawlows7y et
al.,+,,D/ Cyers, +,,;/ *$0E 3as7, +,,</ Cyers, +,,+a/ 0arr y Cyers, +,,</ Zac7ernagel, +,,D2.
E&isten variantes de 0o4Erigeaje m's generales para la integracin de datos )*lmeida y =ounel,
+,,D2
En este proceso, se pueden distinguir las siguientes situaciones )Zac7ernagel, +,,O y +,,-2(
Isotopa5 $e produce cuando todas las variables poseen valores medidos en todas las
localizaciones. En este caso no es de inter!s aplicar el procedimiento multivariado, porue el 0o4
Erigeaje en este caso puede resultar euivalente al 7rigeaje, se dice variables auto7rigeables.
"eterotopa total( 0uando las variables poseen valores medidos en localizaciones diferentes. En
este caso no es de inter!s tampoco aplicar procedimiento multivariado, adem's, de ue no es
posible obtener el semivariograma cruzado e&perimental.
"eterotopa parcial( Esta situacin se produce cuando algunas )la mayor parte2 de las
localizaciones muestreadas poseen valores medidos de todas las variables, un caso importante es
cuando las muestras de la variable de inter!s est'n incluidas como un subconjunto de las dem's
variables. En este caso pueden ser calculados los semivariogramas cruzados y resulta ventajoso
utilizar el procedimiento 0o4Erigeaje.
(.1. -emi*ariogramas cruados
El semivariograma cruzado se obtiene por la ecuacin(
[ ][ ]

AB A i A i
i
N h
B i B i
h
N h
Z x Z x h Z x Z x h ( )
( )
( ) ( ) ( ) ( )
( )
+ +

1
2
1
donde G* y G6 son variables correlacionadas, G* la variable de inter!s y G6 la variable au&iliar o
secundaria.
"os criterios para el c'lculo del semivariograma cruzado son an'logos al caso univariado, mientras
el semivariograma directo toma slo valores positivos, el cruzado puede tomar valores negativos, lo
ue indica correlacin inversa entre las variables. Nn aspecto importante en el modelado de los
semivariogramas cruzados es ue deben satisfacer la desigualdad de 0auc%y ` $c%warz
)Zac7ernagel, +,,O2(
) ( ) ( ) ( h h h
B A AB

Nna forma de modelar los semivariogramas cruzados consiste en ajustar independientemente los
semivariogramas de las variables G*, G6 y el de la suma G* P G6, los cuales est'n relacionados por
la siguiente e&presin.
23
Elementos de Geoestadstica
[ ] ) ( ) ( ) (
2
1
) ( h h h h
B A B A AB

+
En Bssa7s y $rivastava )+,-,2 se presentan elementos para el c'lculo y ajuste de los
semivariogramas en el caso multivariado, adem's del Codelo "ineal de 0orregionalizacin como
procedimiento para modelar semivariogramas directos y cruzados.
(.2. $o72rigea3e.
El sistema 0o4Erigeaje $imple se presenta a continuacin.

j
ij ii i
n
j
N
C x x C x x fo i N n
o
j
( ) ( ) ,... ; ,...,


1 1
1 1
"a varianza es(

CK
i
ii o i i o o
n
j
N
o o o
i
x x x x
2
1 1



( ) ( )
El sistema 0o4Erigeaje Rrdinario es(


j
ij i ii i
n
j
N
i
ii
n
x x x x fo i N n
fo i N
o
j
o
i
( ) ( ) ,... ; ,...,
,...,
+

1 1
1
1 1
1
donde(

'

o
o
ii
i i si
i i si
o
0
1

y la varianza es(

CK
i
ii o i i i o o
n
j
N
o o o o
i
x x x x
2
1 1
+


( ) ( )
(.3. 2rigea3e con :eri*a E=terna
Este procedimiento es un simple y eficiente algoritmo para incorporar una segunda variable ^)&2 en
la estimacin de una primaria G)&2 ):eutsc% y =ournel, +,,-2. 0onsiste en una e&tensin del
Erigeaje con Codelo de 3endencia o Erigeaje Nniversal ue integra condiciones de universalidad
suplementarias relativas a una o varias variables e&ternas ^i)&2 i J +, ..., A medidas de forma
e&%austiva en todo el dominio donde se desea estimar la variable de inter!s )Zac7ernagel, +,,?2.
$i la variable ^)&2 ue llamaremos secundaria tiene un comportamiento lineal con la variable de
inter!s G)&2 ue llamaremos primaria, es decir, si se cumple la relacin( ) ( )} ( { E x !Y a x Z + u
otra relacin polinomial con sentido fsico, es posible incorporar !sta en el sistema de 7rigeaje,
integrado dos fuentes de informacin con diferente grado de conocimiento. Rbteni!ndose el
siguiente sistema(
24
Elementos de Geoestadstica
1
1
1
1
1
1
1
1
]
1

0 0
0 0 1 1 1
1
1
1
2 1
1
2 2 22 21
1 1 12 11
N
N
Z
NN
Z
N
Z
N
Z Z
Z
N
Z Z
Y Y Y
Y C C
Y C C C
Y C C C

1
2
1
2

1
]
1
1
1
1
1
1
1
J
C
C
C
Y
Z
Z
N
Z
10
20
0
0
1

1
]
1
1
1
1
1
1
1
1
o en notacin matricial C w B
El estimador es( Z Z
i i
i
N
0
1

y la varianza de estimacin(
2
00
C
Z
w B
T
donde( 3 como superndice denota matriz transpuesta,
C
ij
Z
( covarianza de la variable primaria entre las localizaciones i y j.
(.4. $o72rigea3e con Variable $olocaliada >$ollocated $o2riging?
Rtro modelo ue incorpora una o varias variable e&terna para al estimacin de una primaria
consiste en una forma reducida de sistema de 0o4Erigeaje ):eutsc% y =ournel, +,,-2, ue incluye a
la variable de inter!s y la variable secundaria conocida en todo el dominio donde ser' estimada la
variable primaria.
El sistema de 0ollocated 0o7riging es
C C C C
C C C C
C C C
C C C C
Z Z
N
Z ZY
Z Z
N
Z ZY
N
Z
NN
Z
N
ZY
ZY ZY
N
ZY Y
11 12 1 10
21 22 2 20
1 0
01 02 0 00
1
1
1
1
1 1 1 1 0

1
]
1
1
1
1
1
1
1
1

1
2
1

N
"

1
]
1
1
1
1
1
1
1
J
1
1
1
1
1
1
1
1
]
1

1
00
0
20
10
ZY
Z
N
Z
Z
C
C
C
C

o en notacin matricial( C w B
El estimador es( [ ] Z Z " Y m m
i i
i
N
Y Z 0
1
0
+ +

la varianza de estimacin es(


2
00
C
Z
w B
T
:onde(
Y
0
es el valor colocado de la variable secundaria en la localizacin a estimar x
0
.

i
)i J +,...,A2( pesos asignados a los datos e&perimentales de la variable primaria.
" ( peso asignado a la variable secundaria.
m
Y
( esperanza matem'tica de la variable secundaria.
m
Z
( esperanza matem'tica de la variable primaria.
C
ij
Y
( covarianza de la variable secundaria entre las localizaciones i y j.
C
ij
ZY
( covarianza cruzada entre la variable primaria y secundaria en las localizaciones iyj.
Y Y x
i i
( ) y lo mismo para la variable primaria.

1
y
2
( multiplicadores de "agrange.
"os valores C
ij
ZY
pueden apro&imarse por la e&presin C
ij
ZY
J 6
Z
ij
C , donde(
25
Elementos de Geoestadstica
6 J ( ) 0
ZY
Z
ij
Y
ij
C C ,
Z
ij
C ,
Y
ij
C son las varianzas de las variables G y ^, ( ) 0
ZY
es el
coeficiente de correlacin entre las variables G y ^.
1+. Geoestadstica no ,ineal
En ocasiones nos encontramos situaciones con caractersticas ue las t!cnicas lineales no
permiten modelar, datos con alta asimetra por ejemplo. En estos casos se pueden realizar
transformacin a los datos, y obtener configuraciones de estos ue si pueden ser e&plicados por el
7rigeaje, para lo ue se %an adoptado variantes como el Erigeaje "ognormal, Erigeaje de
Bndicadores, El Erigeaje :isyuntivo )0arr y Cao, +,,?2, El Erigeaje de Probabilidades )0arr, +,,D/
0arr y Cao, +,,?2, etc. "a idea de estos procedimientos es realizar transformaciones en los datos
originales %asta encontrar %omogeneidad en la informacin, utilizar la t!cnica Erigeaje descritas
%asta au y posteriormente realizar la transformacin inversa. Nn estudio m's detallado en este
sentido puede ser encontrado en 0%ica )+,-12, :eutsc% y =ournel )+,,-2, @ivoirard )+,,+2, entre
otros.
11. ,a -imulacin Geoestadstica
"a estimacin en #eoestadstica por el Erigeaje, como todo proceso de interpolacin, ofrece una
imagen suave o lisa de la realidad, e&istiendo aplicaciones en la ue interesa algo m's ue
simplemente obtener valores apro&imados a una realidad desconocida, es decir, resultara til una
representacin ue pueda sustituir la realidad. 0on tal intencin se propone, la $imulacin
#eoestadstica, a trav!s de la cual se obtienen realizaciones con igual comportamiento espacial
ue la informacin observada en las localizaciones muestreadas. "a cual puede ser til para
obtener una representacin de una de las posibles realizaciones de la realidad de un yacimiento
)"antu!joul, +,,-/ @ivoirard, +,,-2. Esto da la posibilidad de sustituir un yacimiento real por uno
simulado y realizar estudio de simulacin de e&plotacin, estudio de redes, etc, Nn estudio m's
detallado puede ser encontrado en "antuejoul )+,,O2, :eutsc% y =ournel )+,,-2, 0uador et al.
);<<<2, 0uador y Vuintero );<<+2, entre otros.
12. $onclusiones
>asta au %emos e&puesto los elementos fundamentales de la geoestadstica, ciencia aplicada
ue surge como solucin a problemas concretos en la estimacin de reservas minerales y ue
toma auge en otros campos de las 0iencias de la 3ierra. Es importante destacar ue la estimacin
a trav!s del 7rigeaje, se %ace buscando y utilizando las caractersticas de continuidad espacial del
fenmeno estudiado, caractersticas ue constituyen la contribucin fundamental de la
geoestadstica a trav!s de las diferentes variantes de interpolacin ue propone. *dem's de las
referencias bibliogr'ficas utilizadas, uedaran por citar las magnificas contribuciones de otros
autores.
.e/erencias 0ibliogr&/icas.
4baso*, ).A., :3a/aro*, I.-. 1 4sBero*, G.I., 1((+, 0omputer 6ased $ystem for E&ploration,
Rptimization, and @eserve Estimation at t%e 6a7%ar Field, $out% *ps%eron, *zerbaijan, $$@,
0omputers X #eosciences, Hol. +., Ao. ;, pp. ;DO4;D,
4lmeida, 4.-. 1 Dounel, 4.G., 1((4, =oint $imulation of Cultiple Hariables wit% a Car7ov43ype.
0oregionalization Codel, Cat%ematical #eology, Hol. ;., Ao. O, pp. O.O4O--.
4nnels, 4.E., 1((1, Cineral :eposit Evaluation, Practical *pproac%, 0%apman X >all, D?+ p.
4riB, 4., 1((+, Effects of $earc% Parameters on Eriged @eserve Estimates, Bnternational =ournal of
Cining and #eological Engineering, Hol. -, Ao.+;, pp. ?<O4?+-.
4rmstrong, )., 1((4, 86on $ens et #!ostatistiue9, 6ulletin de "iaison des *nciens $tagiaires du
0entre daEtudes $uperioures des Catieres Premieres 0E$C*3, Ao.D< Aovembre +,,D, - p.
4rmstrong, ). 1 .ot;, $., 1((%, Aotas del curso #eoestadstica "ineal, en el 0F$# 80iclo de
Formacin Especializada en #eoestadstica9, 0urso( +,,14,-, 0entro de #eoestadstica de la
Escuela Aacional $uperior de Cinas de Paris, Fontainebleau, Francia.
26
Elementos de Geoestadstica
4rmstrong, ). 1 $arignan, D., 1((%, 8#!ostatistiue "in!aire, *pplication au :omaine Cinier.9,
bcole de Cines de Paris, ++; p., 8#!ostatistiue "in!aire, *pplication au :omaine Cinier.9,
bcole de Cines de Paris, ++; p.
4-$E AasB, 1((+, 0ommitted on #eostatistics 3ec%niues in #eo%ydrology of t%e #round Zater
>ydrology 0ommittee oft%e *$0E >ydraulics :ivision, , @eview of #eostatistics in
#eo%ydrology BB( *plicatioms, =ournal of >ydraulic Engineering, Hol.++., Ao. O, pp. .??4.O-.
0acc;i, 0. 1 2ottegoda, 9.A., 1((!, Bdentification and 0alibration of $patial 0orrelation Patterns of
@ainfall, =ournal of >ydrology +.O, Elsevier $cience 6.H., pp. ?++4?D-.
$arr, D..., 1((+, NHE@B#( * Frotram411 Program for Nniversal Eriging, 0omputers X #eosciences,
Hol.+., Ao.;, pp. ;++4;?..
$arr, D..., 1((4, Rrder @elation 0orrection E&periments for Probability Eriging, Cat%ematical
#eology, Hol. ;., Ao. O, pp. .<O4.;+.
$arr, D..., 1((!, Aumerical *nalysis for t%e #eological $ciences, Prentice >all Bnc, O,;p.
$arr, D... 1 )ao, 9., 1((3, * #eneral Form of Probability Eriging for Estimation of t%e Bndicator and
Nniform 3ransforms, Cat%ematical #eology, Hol. ;O, Ao. D, pp. D;O4D?1.
$arr, D... 1 )1ers, :.E., 1((+, Efficiency of :ifferent Euation $olvers in 0oEriging, 0omputers X
#eosciences, Hol. +., Ao. O, pp. 1<O41+..
$arrasco7$astelli, P. 1 Dara7-alame, E., 1((', Bnformation Bmpact in Cining :ecisions 0ase $tudy
@adomiro 3omic, =ournees de #eostatistiue, 0entre de #!ostatistiue, Ecole des Cines de
Pars, Fontainebleau, France, ;O et ;. Cai +,,-, +D p.
$;au*et, P., 1((4, 8*ide4Cemoire de #!ostatistiue Ciniere9, bcole des Cines de Paris, ;+< p.
$;ica78lmo, )., 1('%, *n'lisis #eoestadstico en el Estudio de la E&plotacin de @ecursos
Cinerales, 3esis :octoral, Nniversidad de #ranada, Espa5a, ?-1 p.
$;ristaBos, G., 1 .ag;u, V..., 1((#, :ynamic $toc%astic Estimation of P%ysical Hariables,
Cat%ematical #eology, Hol. ;-, Ao. ?, pp. ?D4?.O.
$;ristensen, .., 1((+, 3%e Euivalence of Prediction from Nniversal Eriging and Bntrinsic @andom
Function Eriging, Cat%ematical #eology, Hol. ;;, Ao. ., pp. .OO4..D.
$;ristensen, .., 1((3, Vuadratic 0ovariance Estimation and Euivalence of Predictions,
Cat%ematical #eology, Hol. ;O, Ao. O, pp. OD+4OO-.
$ressie, 9. 1 Grondona, ).8., 1((2, * 0omparison of Hariogram Estimation wit% 0ovariogram
Estimation, 3%e *rt of $tatistical $ciences, 0%apter +O, pp. +,+4;<-.
$uador7Gil, D. E. 1 Euintero, 4., 1(((, *n'lisis estructural( punto de partida de todo estudio
geoestadstico. @evista Cinera y #eologa, Hol. UHB, Ao. ?, pp. +.4;;.
$uador7Gil, D.E., Euintero, 4., 1 Est6*e, E., 2+++, "a simulacin condicional en #eoestadstica.
@evista Cinera y #eologa, Hol. UHBB, Ao.+, pp. D14O<.
$uador7Gil, D. E. 1 Euintero, 4., 2++1, $imulacin condicional de variables regionalizadas y su
aplicacin al comportamiento de la porosidad efectiva en un yacimiento fracturado ` poroso,
6oletn de la $ociedad #eolgica Ce&icana, 3omo "BH, pp. +,4;1.
$urran, P.D. 1 4tBinson, P.)., 1((', #eoestatistics and @emote $ensing, Progress in P%ysical
#eograp%y, ;;, +, pp. .+41-.
:F4gostino, V. 1 @elenBa, 4., 1((2, $upplementing $olar @adiation Aetwor7 :ata by 0o47riging
wit% $atellite Bmages, Bnternational =ournal of 0limatology, Hol. +;, pp.1D,41.+.
:a*id, )., 1(%%, #eostatistical Rre @eserve Estimation, Elsevier, *msterdam, ?.D p.
de <ouquet, $, 1((#, Vuelues @appels $ur les C!t%odes #!ostatistiues, 0entre de
#!ostatistiue, Ecole des Cines de Pars, Fontainebleau, France, D p.
:eutsc;, $.V., 1((4, Eriging Zit% $tring of :ata, Cat%ematical #eology, Hol. ;., Ao.O, pp. .;?4
.?-.
:eutsc;, $.V. 1 Dournel, 4.G., 1((', 8#$"B6( #eostatistical $oftware "ibrary and Nseras #uide9,
$econd Edition, R&ford Nniversity Press, ?., p.
:ubrule, 8., 1((4, Estimating or 0%oosing * #eostatistical Codel, @. :imitra7opolous )de.2,
#eostatistics for t%e Ae&t 0entury, pp. ?4+D.
Ec;aabi, D., Aroc;u, <. 1 Gau*im, .., 1((!, * #eneral $trengt% 3%eory for 0omposite Caterials
6ased on :ual Eriging Bnterpolation, =ournal of @einforced Plastics and 0omposites, Hol.+D,
pp.;++4;?;.
27
Elementos de Geoestadstica
Est6*e $ru, E. 1 $uador7Gil, D.E., 2++2, ^acimiento Rro 0astellanos( evaluacin y comparacin
de t!cnicas de estimacin espacial, @evista Cinera y #eologa, Hol. UHBBB, Aos. +4D.
<r1Bman, P. 1 .ogon, A.4., 1((3, *nisotropy in Pore Aetwor7s *nalysed wit% ;4: *utocorrelation
)Hariomaps2, 0omputers X #eosciences, Hol. +,, Ao. 1, pp. --14,?<.
Genton, ).G., 1(('a, >ig%ly @obust Hariograms Estimation, Cat%ematical #eology, Hol. ?<, Ao. ;.
Genton, ).G., 1(('b, Hariograms Fitting by #eneralized "east $uares Nsing an E&plicit Formula
for t%e 0ovariance $tructure, Cat%ematica #eology, Hol. ?<., Ao. D. pp. ?;?4?DO.
GotGa1, $.4., 1((1, Fitting $emivariogram Codels by Zeigmted "east $uares, $%ort Aote,
0omputers X #eosciences, Hol. +1, Ao. +, pp.+1+4+1;.
"aas, A.$., 1((2, @edesigning 0ontinental4$cale Conitoring Aetwor7s, *tmosp%eric Environment,
Hol. ;.*, Ao. +-, pp. ??;?4????.
"omand7Etienne, <., 0elen, A., -abbadini, -., -;tuBa, 4. 1 .o1er, D.D., 1((!, *nalysis of t%e
evolution of @oc7 =oints Corp%ology wit% ;4: autocorrelation )Hariomaps2, *pplication of
$tatistics and Probability, "emaire, Favre and C!bar7i )eds.2, 6al7ema @otterdam, pp. +;;,4
+;?..
"ost, G., 8mre, ". 1 -Giter, P., 1((!, $patial Bnterpolation Error for Conitoring :ata, =ournal of
t%e *merican $tatistical *ssociation, Hol. ,<, Ao. D?+, pp. -O?4-.+.
IsaaBs, E. ". 1 -ri*asta*a, ..)., 1('(, *pplied #eostatistics, Aew ^or7 R&ford, R&ford Nniversity
Press, O.+ p.
IsaaBs H $o., 1(((, $*#E;<<+, * $patial and #eostatistical Environment for Hariograp%y, $an
Cateo, 0alifornia, %ttp(//www.isaa7s.com, .1 p.
Dones, ..". 1 Vecc;ia, 4.V., 1((3, Fitting 0ontinuous *@C* Codels to Nneually $paced $patial
:ata, =ournal of 3%e *merican $tatistical *ssociation, Hol. --, Ao. D;?, pp. ,D14,OD.
Dournel, 4. G. 1 "ui3bregts, $. D., 1(%', Cining #eostatistics, *cademic Press, Aew ^or7, .<< p.
2i1ono, D. 1 -uuBi, )., 1((#, 0onditional $imulation of $toc%astic Zaves by Nsing Ealman Filter
and Eriging 3ec%niues, Elevent% Zorld 0onference on Eart%ua7e Engineering, *capulco,
Ce&ico, =une ;?4;-, - p.
2ra3eGsBi, -. 4. 1 Gibbs, 0.,., 1((3, * Hariaogram Primer, #ibbs *ssociates, ,? p.
,a3aunie, $., 1((%, Bterative 0ross Halidation, 0entre de #!ostatistiue, Ecole des Cines de Pars,
France, - p.
,amore1, G. 1 Dacobsom, E., 1((!, Estimation of $emivariogram Parameters and Evaluation of
t%e Effects of :ata $parsity, Cat%ematical #eology, Hol.;1, Ao.?, pp. ?;14?O-.
,antu63oul, $;., 1((4, 0ours de $electivit!, 0entre de #eostatistiu!, Ecole des Cines de Pars,
1; p.
,antue3oul, $;., 1((!, 0onditional $imulation, 0entre de #eostatistiu!, Ecole des Cines de
Pars, +D+ p.
,antu63oul, $;., 1((%, Bterative *lgorit%ms for 0onditional $imulation, E.^.6aafi and A.*.
$c%ofields )eds2 #eostatistics Zollongonga,., Holume +, pp. ;14D<.
,antu63oul, $;., 1((', Aotas del curso $imulacin, en el 0F$# 80iclo de Formacin Especializada
en #eoestadstica9, 0urso +,,14,-, 0entro de #eoestadstica de la Escuela $uperior de Cinas
de Paris, Fontainebleau, Francia.
,epin, 8. V. 1 4riosa, D. :., 1('#, 6sueda, E&ploracin y Evaluacin #elogo Econmica de
^acimientos Cinerales $lidos, Editorial Pueblo y Educacin, 0iudad de "a >abana, Primera
Parte, ?D- p, $egunda Parte, +,+ p.
)adani, "., 1((', #eostatistical Rre @eserves Estimation of Ce%diarad 6arite Cine, Bran, =ournees
de #eostatistiue, 0entre de #!ostatistiue, Ecole des Cines de Pars, Fontainebleau, France,
;O et ;. Cai +,,-, 1 p.
)aisonneu*e, <., 1((', Essai de #!ostatistiue "ineaire, 0entre de #!ostatistiue, Ecole del
Cines de Pars, ;+ p.
)at;eron, G., 1(%+, 8"a 3%!orie des Hariables @egionalis!es et ses *pplications9 "es 0a%iers du
0entre de Corp%ologie Cat%ematiue de Fontainebleau, Fascicule O, Ecole de Cines de Paris,
;+; p.
28
Elementos de Geoestadstica
)at;eron, G. 1 2leingeld, I.D., 1('%, 83%e Evolution of #eostatistics9, *P0RC -1. Proceedings
of t%e 3wentiet% Bnternational $ymposium on t%e *pplication of 0omputers and Cat%ematics in
t%e Cineral Bndustries, Holume ?. #oestatistics. =o%annesburg, $*BCC, pp. ,4+;.
)1ers, :. E., 1((1a, Pseudo40ross Hariograms, Positive4:efiniteness, and 0o7riging,
Cat%ematical #eology, Hol. ;?, Ao.., pp. -<O4-+..
)1ers, :.E., 1((1b, Rn Hariogram Estimation, 3%e Frontiers of $tatistical $cientific 3%eory
Bndustrial *pplications )Holume BB of t%e Proceedings of B0R$0R4B, 3%e First Bnternational
0onference on $tatistical 0omputing2.
)1ers, :.E., 1((1c, Bnterpolation and Estimation wit% $patially "ocated :ata, 0%emometrics and
Bntelligent "aboratory $ystems, ++, Elsevier $cience Publis%ers 6.H., pp. ;<,4;;-.
)1ers, :.E., 1((1d, Cultidimensional Cultivariable $moot%ing, $patial $tatistics Bmaging, pp. ;1O4
;-O.
)1ers, :.E., 1((2, Eriging, 0o7riging, @adial 6asic Functions and 3%e @ole of Positive
:efiniteness, 0omputers Cat%ematical *pplication, Hol. ;D, Ao.+;, pp.+?,4+D-.
Pan, G. 1 4riB, 4., 1((3, @estricted Eriging for Ci&ture of #rade Codels, Cat%ematical #eology,
Hol. ;O, Ao. ., pp. 1+?41?..
Pannatier, J., 1((3, Cs4Zindows Program for e&ploratory variograp%y and variogram modelling in
;:, Bnternational Zor7s%op on $tatistics of $patial Processes43%eory and *pplications, 6ari,
Btaly ;14?< $eptember +,,?.
PaGloGsB1, V., 8lea, ..4. 1 :a*is, D.$., 1((4, *dditive "ogratio Estimation of @egionalized
0ompositional :ata( and *pplication to 0alculation of Ril @eserves, #eostatistics for t%e Ae&t
0entury, pp. ?1+4?-;.
PaGloGsB1, V., 8lea, ..4. 1 :a*is, D.$., 1((!, Estimation of @egionalized 0omposition( *
0omparison of 3%ree Cet%ods, Cat%ematical #eology, Hol.;1, Ao. +, pp.+<O4+;1.
Peric, )., 1('1, E&ploration of 6urundi Aic7eliferous "ateritic by Electrical Cet%ods, #eop%ysical
Prospecting, ;,, pp. ;1D4;-1.
Pitard, <. <., 1((4, E&ploration of t%e Augget Effect, @. :imitra7opolous )de.2 #eostatistics for t%e
Ae&t 0entury, pp.+;D4+?..
Euintero -il*erio, 4., $uador Gil, D. E. 1 Est6*e $ru, E., 2+++, $imulacin no 0ondicional,
C!todo de las 6andas @otantes en ?:. @evista Cinera y #eologa, Hol. UHBB, Ao. +, pp. O+4OD.
Euintero -il*erio, 4. 1 $uador Gil, D. E., 2+++, *n'lisis Estructural de la Porosidad Efectiva en el
>orizonte 3obas Fina del ^acimiento Pina, 0iego de *vila. @evista Cinera y #eologa. Hol. UHBB,
Aos. ?4D, pp. +,4;;.
.enard, :., 1((', Aotas del curso #eoestadstica Ao Estacionaria, en el 0F$# 80iclo de
Formacin Especializada en #eoestadstica9, 0urso( +,,14,-, 0entro de #eoestadstica de la
Escuela $uperior de Cinas de Paris, Fontainebleau, Francia.
.i*oirard, D. 1((1, Bntroduction au Erigeage :isjonctif et a la #eostatistiue non "ineaire, 0entre
de #!ostatistiue, Ecole des Cinea de Paris, ,, p.
.i*oirard, D. 1 Guiblin, P., 1((%, #lobal Estimation Hariance in Presence of 0onditioning
Parameters, E.^.6aafi and A.*. $c%ofields )eds2 #eostatistics Zollongonga,., Holume +, pp.
;D.4;O1.
.i*oirard, D., 1((', Aotas del curso $imulacin, en el 0F$# 80iclo de Formacin Especializada en
#eoestadstica9, 0ursos( +,,O4,. y +,,14,-, 0entro de #eoestadstica de la Escuela $uperior
de Cinas de Paris, Fontainebleau, Francia.
.ot;, $., 1((', Aotas del curso #oeestadstica Ao "ineal, en el 0F$# 80iclo de Formacin
Especializada en #eoestadstica9, 0urso +,,14,-, 0entro de #eoestadstica de la Escuela
$uperior de Cinas de Paris, Fontainebleau, Francia.
-a;in, 4. 1 "assan, ".)., 1((', En%ancement of Permeability Hariograms Nsing Rutcrop :ata,
3%e *rabian =ournal for $ciences and Engineering, Hol. ;?, Ao. +0, pp. +?14+DD.
-c;aug, D., I*ersen, A. 1 Pedersem, C., 1((3, 0omparison of Ceasurements and Codel
@esults for *irborne $ulp%ur and Aitrogen 0omponents wit% Eriging, *tmosp%eric Environment,
Hol.;1*, Ao. ., pp. -?+4-DD.
IacBernagel, "., 1((4, 0o7riging versus Eriging in @egionalized Cultivariate :ata *nalysis,
#eoderma, .;, pp. -?4,;.
29
Elementos de Geoestadstica
IacBernagel, "., 1((!, Cultivariate #eostatistic, an Bntroduction wit% applications, 6erlin( $pringer,
;O. p.
IacBernagel, "., 1((', Aotas del curso #oeestadstica Cultivariada, en el 0F$# 80iclo de
Formacin Especializada en #eoestadstica9, 0urso +,,14,-, 0entro de #eoestadstica de la
Escuela $uperior de Cinas de Paris, Fontainebleau, Francia.
Iallace, ).2. 1 "aGBims, :.)., 1((4, *pplications of #eostatistics in Plant Aematology,
$upplement to =ournal of Aematology ;. )DO2, pp. .;.4.?D.
Ialpole, ..E. 1 )1ers, .. "., 1((#, Probabilidad y Estadstica, 0uarta edicin, Ed. Cc #raw ` >ill,
C!&ico, ;+- p.
Iebster, 4. ,., 1((#, Estadstica aplicada a la Empresa y a la Economa. B@ZBA, segunda edicin.
Cadrid..
Ieerts, ".D.A. 1 0ierBens, ).<.P., 1((3, #eostatistical *nalysis of Rver 6an7 :eposits of
*natomising and Ceandering Fluvial $ystems/ @%ine4Ceuse :elta, 3%e Aet%erlands,
$edimentary #eology, -O, Elsevier $ciences Publis%ers 6.H., pp. ;;+4;?;.
Kie, A. 1 )1ers, :.E., 1((!a, Fitting Catri&4Halued Hariogram Codels by $imultaneous
:iagonalization )Part B( 3%eory2, Cat%ematical #eology, Hol. ;1, Ao. 1, pp. -.14-1O.
Kie, A. 1 )1ers, :.E., 1((!b, Fitting Catri&4Halued Hariogram Codels by $imultaneous
:iagonalization )Part BB( *pplication2, Cat%ematical #eology, Hol. ;1, Ao. 1, pp. -114---.
@;ang, .., )1ers, :. E. 1 IarricB, 4. I., 1((2, Estimation of t%e $patial :istribution of $oil
0%emical Nsing Pseudo 0ross4Hariograms, $oil $cience $ociety of *merica =ournal, Hol. O.,
Ao. O, pp.+DDD4+DO;.
@;ang, K.<., Van Ei3Beren, D.$.". 1 "eeminB, 4.I., 1((!, Rn t%e Zeig%ted "east $uares
Cet%od for Fitting a $emivariogram Codel, $%ort Aote, 0omputers X #eosciences, Hol. ;+, Ao.
D, pp. .<O,.<-.
@immerman, :.,., 1((3, *not%er "oo7 at *nisotropy in #eostatistics, Cat%ematical #eology, Hol.
;O, Ao. D, pp. DO?4D1<.
@immerman, :.,. 1 @immerman, ).0., 1((1, * 0omparison of $patial $emivariograms Estimators
and 0orresponding Rrdinary Eriging Predictors, 3ec%nometrics, Hol.??, Ao.+, pp. 114,+.
:r. $. Dos6 Euintn $C4:8. GI,
:epartamento de Bnform'tica
Nniversidad de Pinar del @o
0uba
cuadorcinfo.upr.edu.cu
30

Anda mungkin juga menyukai