actica 4:
El modelo de funci
on aleatoria
Eduardo Cassiraga
efc@dihma.upv.es
Grupo de Hidrogeologa
Departamento de Ingeniera Hidraulica y Medio Ambiente
Universidad Politecnica de Valencia
Geoestadstica
Contenidos
1 Introducci
on.
2 Algunas definiciones preliminares.
3 Tipos de modelos.
4 El modelo de funci
on aleatoria.
5 La decision de estacionariedad.
6 Resumen.
Geoestadstica
1 Introducci
on
La descripci
on de la informaci
on raramente es el u
ltimo objetivo de un estudio
estadstico.
El principal interes esta generalmente en las inferencias acerca de las caractersticas de
la poblaci
on que podamos hacer a partir de la muestra que hemos registrado.
El analisis estadstico descriptivo es un primer paso que nos permite obtener una serie
de estadsticos, incluyendo los espaciales, a partir de los cuales podemos construir un
modelo (una representaci
on) acerca de la poblaci
on (la realidad) que desconocemos y
que queremos investigar.
Todas las aplicaciones geoestadsticas, por ejemplo las predicciones acerca de los
valores de una variable, requieren de la construcci
on de un modelo.
La geoestadstica pone mucho enfasis en dejar bien claro el modelo subyacente a su
aproximaci
on.
Geoestadstica
Datos
Valor
Sn = {z(u), = 1, ..., n}
Poblaci
on: es el conjunto de todas la
medidas que podran registrarse sobre el
area de estudio A, esto es:
Coordenada
{z(u), u A}
Geoestadstica
Geoestadstica
3 Tipos de modelos
Modelos determinsticos:
Suelen basarse en la fsica del problema.
Asocian a cada localizaci
on no muestreada un s
olo valor estimado.
Reflejan un conocimiento perfecto del fen
omeno estudiado.
Modelos probabilsticos:
Mucha de la informaci
on utilizada para construirlos proviene de los datos.
Asocian a cada localizaci
on no muestreada un conjunto de posibles valores con sus
correspondientes probabilidades de ocurrencia.
Reflejan un conocimiento imperfecto del fen
omeno estudiado.
Geoestadstica
Tasa
Altura
Modelo 2
Distancia
Tiempo
Geoestadstica
Probabilidad
Zinc
Datos
Distancia
Zinc
Geoestadstica
4 El modelo de funci
on aleatoria
La geoestadstica se basa en el concepto de funci
on aleatoria: el conjunto de valores
desconocidos de un determinado atributo es considerado como proveniente de variables
aleatorias, una para cada localizaci
on espacial, dependientes espacialmente.
Tal modelo permite:
1 Tener en cuenta la estructura espacial (funciones de continuidad espacial).
2 Modelizar la incertidumbre local acerca del atributo (conjunto de realizaciones del
atributo en cada localizaci
on).
3 Modelizar la incertidumbre espacial acerca del atributo (conjunto de realizaciones del
atributo sobre el area completa de estudio).
Geoestadstica
El modelo de funci
on aleatoria
Una variable aleatoria es una variable cuyos valores son generados aleatoriamente de
acuerdo a alg
un mecanismo probabilstico.
Un atributo continuo es modelizado a traves de una variable aleatoria continua, por
ejemplo Z(u), caracterizada completamente por su funci
on de distribuci
on acumulada
que se escribe:
F (u; z) = Prob{Z(u) z} z
la cual da la probabilidad de que la variable Z en la localizacion u sea menor o igual que
un determinado umbral z.
Geoestadstica
El modelo de funci
on aleatoria
Una funci
on aleatoria es un conjunto de variables aleatorias Z(u), generalmente
correlacionadas entre s, definidas para cada localizacion u sobre el area de estudio A tal
que {Z(u), u A}.
Datos
Funcion aleatoria
Valor
Variable aleatoria
V(u 2)
V(u 1)
V(u 4)
V(u 3)
V(u 5)
V(u 6)
V(u 7)
Coordenada
10
Geoestadstica
El modelo de funci
on aleatoria
Para cualquier conjunto de N localizaciones uk , k = 1, ..., N corresponde un vector
de N variables aleatorias {Z(u1), ..., Z(uN )}, que esta caracterizado por la funcion de
distribuci
on acumulada N -variada siguiente:
F (u1, ..., uN ; z1, ..., zN ) = Prob{Z(u1) z1, ..., Z(uN ) zN }
La ecuaci
on anterior caracteriza la incertidumbre conjunta acerca de los N valores
z(u1), ..., z(uN ).
El conjunto de todas las N -variadas funciones de distribucion acumuladas para alg
un
entero positivo N y para alguna elecci
on de las localizaciones uk , constituye la ley
espacial de la funci
on aleatoria Z(u).
En la practica, el analisis se limita a calcular las funciones de distribucion acumulada y
los momentos para no mas que dos localizaciones.
11
Geoestadstica
El modelo de funci
on aleatoria
La funcion de distribucion acumulada univariada
F (u; z) = Prob{Z(u) z}
La funcion de distribucion acumulada bivariada
F (u1, u2; z1, z2) = Prob{Z(u1) z1, Z(u2) z2}
El valor esperado
m(u) = E{Z(u)}
La covarianza
C(u1, u2) = E{Z(u1) Z(u2)} E{Z(u1)} E{Z(u2)}
El correlograma
(u1, u2) = p
C(u1, u2)
C(u1, u1) C(u2, u2)
El variograma
2 (u1, u2) = V ar{Z(u1) Z(u2)}
12
Geoestadstica
5 La decisi
on de estacionariedad
Las funciones de distribuci
on acumulada univariadas y bivariadas y sus correspondientes
momentos son dependientes de la localizaci
on, por lo que su inferencia requerira
muchas realizaciones para cada localizaci
on u.
Ejemplo: la inferencia de la C(u1, u2) entre las dos variables aleatorias Z(u1) y Z(u2)
separadas por un vector h = u2 u1, exigira un conjunto de medidas repetidas en cada
localizaci
on u1 y u2 que es imposible realizar.
En su lugar, la idea es utilizar todas las medidas separadas un vector h = u2 u1 dentro
del area de estudio A.
Esto exige que el fen
omeno estudiado sea homogeneo dentro del area de estudio o, en
terminos probabilsticos, el modelo de funci
on aleatoria Z(u) debe ser estacionario
dentro de A.
13
Geoestadstica
La decisi
on de estacionariedad
Una funci
on aleatoria Z(u) se dice ser estacionaria dentro de un area A si su funcion de
distribuci
on acumulada es invariante bajo traslaci
on, esto es, cualquier par de vectores
de variables aleatorias
{Z(u1), ..., Z(uN )} y {Z(u1 + h), ..., Z(uN + h)}
tienen la misma funci
on de distribuci
on acumulada cualquiera sea el vector de traslacion
h, lo que se escribe:
F (u1, ..., uN ; z1, ..., zN ) = F (u1 + h, ..., uN + h; z1, ..., zN )
u1, ..., uN y h
La decisi
on de estacionariedad es limitada a las funciones de distribucion acumulada
univariada y bivariada y a sus primeros dos momentos.
14
Geoestadstica
La decisi
on de estacionariedad
Las funciones de distribuci
on acumulada univariadas y bivariadas y los momentos de
primer y segundo orden del modelo de funci
on aleatoria se pueden expresar ahora
dependiendo s
olo del vector separaci
on h, esto es:
F (z) = Prob{Z(u) z}
F (h; z1, z2) = Prob{Z(u) z1, Z(u + h) z2}
m = E{Z(u)}
C(h) = E{Z(u) Z(u + h)} E{Z(u)} E{Z(u + h)}
(h) =
C(h)
C(0)
15
Geoestadstica
La decisi
on de estacionariedad
Un modelo de funci
on aleatoria se dice que es estacionario de segundo orden cuando:
1 El valor esperado E{Z(u)} existe y es invariante dentro del area A
2 La funci
on de covarianza C(h) existe y s
olo depende del vector separacion h
La funcion de covarianza, el correlograma y
el variograma de una funci
on aleatoria estacionaria estan relacionados de la siguiente
manera:
(h) = C(0) C(h)
(h)
(h) = 1
C(0)
C(h) 0 para |h|
(h) C(0) para |h|
1.20
1.0
0.8
0.6
0.4
0.2
0.0
0.0
10.0
20.0
30.0
40.0
50.0
Distancia
16
Geoestadstica
6 Resumen
La soluci
on geoestadstica consiste en interpretar cada valor z(u) como una realizacion
particular de una variable aleatoria Z(u) en la localizacion u.
El conjunto de estas variables aleatorias {Z(u), u A}, constituye una funci
on
aleatoria.
El problema de caracterizar la variabilidad espacial de z(u) se reduce a caracterizar
las correlaciones entre las varias variables aleatorias Z(ui) y Z(uj ) que constituyen la
funcion aleatoria.
Una funci
on aleatoria Z(u) se dice ser estacionaria dentro de un area A si su funcion
de distribuci
on acumulada es invariante bajo traslaci
on.
Un modelo de funci
on aleatoria se dice que es estacionario de segundo orden cuando:
1 El valor esperado E{Z(u)} existe y es invariante dentro del area A.
2 La funci
on de covarianza C(h) existe y s
olo es funcion del vector separacion h.
Master en Ingeniera Hidraulica y Medio Ambiente
17
Geoestadstica
Bibliografa
Isaaks, E. y Srivastava, R. (1989). An Introduction to Applied Geostatistics, Oxford
University Press, New York.
Goovaerts, P. (1997). Geostatistics for Natural Resources Evaluation, Oxford University Press, New York.
18
Geoestadstica
19