ESCUELA PROFESIONAL DE

INGENIERIA MINAS

CURSO:
GeoEstadstica

ING. Darwin Ortega Cceres

Ing. Darwin Ortega Cceres - MI 548 1

 Capitulo II
Anlisis Estructural
2.1. Introduccin
El anlisis estructural es uno de los tpicos mas importantes de la geoestadstica
puesto que se encarga de la caracterizacin de la estructura espacial de una propiedad
o fenmeno regionalizado. Es el proceso en el marco del cual se obtiene un modelo
geoestadstico para la funcin aleatoria que se estudia.

En pocas palabras podemos decir que el anlisis estructural consiste en estimar y

modelar una funcin que refleje la correlacin espacial de la variable regionalizada a
partir de la adopcin razonada de la hiptesis ms adecuada acerca de su variabilidad.
Esto quiere decir, que en dependencia de las caractersticas de estacionaridad del
fenmeno se modelar la funcin de covarianzas o la de semivarianzas.

Por su importancia y generalidad estudiaremos el proceso de estimacin y modelacin

de la funcin de semivariograma.

Ing. Darwin Ortega Cceres - MI 441 2

 Capitulo II
Anlisis Estructural
2.2. El Variograma
El semivariograma, conocido tambien como variograma, es la herramienta central de
la geoestadstica. Permite la cuantificacin de los parmetros geolgicos y expresa la
correlacin espacial entre los valores muestreados.
Dada una variable regionalizada Z(x) que cumpla la Hiptesis Intrnseca entonces
existe la funcin semivarianza y se define como sigue:

El semivariograma es una funcin que relaciona la semivarianza con el vector h

conocido como "lag", el cual denota la separacin en distancia y direccin de
cualquierpar de valores Z (x) y Z (x + h) .

Ing. Darwin Ortega Cceres - MI 441 3

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.1. Elementos del Variograma
El variograma es una funcin montona creciente, ya que a medida que aumenta la
distancia h al menos tericamente, aumenta el valor medio de la diferencia cuadrtica
de los valores de la funcin aleatoria, hasta llegar a un valor limite denominado
meseta, la meseta se alcanza para un valor de h conocido, llamado rango o alcance. El
rango determina la zona de influencia en torno a un punto, mas all del cual la
autocorrelacin es nula. Sin embargo, no todos los variogramas alcanzan una meseta.
Es posible que un variograma no tienda asintticamente a la varianza, sino que tienda
al infinito cuando as lo haga h. El variograma representa la tasa media de cambio de
una propiedad con la distancia. El hecho de que dos observaciones prximas sean mas
parecidas que si estuvieran mas separadas se refleja en el concepto de Variograma. La
dependencia a medida que se incrementa la distancia h, hasta alcanzar el valor del
rango.

Ing. Darwin Ortega Cceres - MI 441 4

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.1. Elementos del Variograma

Fig. Variogramas con meseta (izq) y sin meseta (der)

Ing. Darwin Ortega Cceres - MI 441 5

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2. Variograma Experimental (*(h))
El variograma se puede construir experimentalmente con los datos de las muestras o
sondeos disponibles, una serie de puntos. El variograma, refleja muchas propiedades
de la variable en estudio. Entre otras los siguientes:

a) Proporciona informacin de orden estructural de la variable estudiada (la

continuidad de la mineralizacin).
b) El alcance traduce la existencia de un rea de influencia, la meseta indica una
ausencia de correlaciones.
c) Grado de continuidad entre leyes. Est dado en funcin de su pendiente al origen
del variograma. Puede ser dbil, moderado, fuerte.
d) Da una idea de la dimensin del cuerpo mineralizado y ayuda incluso a la
interpretacin gentica de un depsito mineral.

Ing. Darwin Ortega Cceres - MI 441 6

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2. Variograma Experimental (*(h))
La forma de estimacin mas comn del semivariograma viene dada por:

donde N(h) es el nmero de pares (Zxi ) y (Zxi + h) separados a una distancia h = IhI

Sus caractersticas son las siguientes:

- Es un estimador no paramtrico.
- Es ptimo cuando se dispone de una malla regular de muestreo que sea
representativa y la distribucin sea normal. En estas condiciones el sesgo es el mnimo
posible.

Ing. Darwin Ortega Cceres - MI 441 7

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2. Variograma Experimental (*(h))

En la prctica a menudo el empleo de este estimador produce variogramas

experimentales errticos, lo cul se debe a desviaciones del caso ideal para la
aplicacin del mismo.

Estas desviaciones pueden ser enumeradas por su importancia en el orden siguiente:

- Desviaciones en la distribucin.

Z (x) y Z (x + h) no pueden ser representadas apropiadamente por una distribucin

binormal. Con frecuencia Z (x) es sesgada y con grandes colas.

Ing. Darwin Ortega Cceres - MI 441 8

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2. Variograma Experimental (*(h))

- Heterocedasticidad.

Se dice que los datos son heterocedsticos, si el diagrama del valor medio m contra la
desviacin estndar , calculadas en vecindades mviles, muestra que la dispersin
de los valores (medidos por ) est relacionada con su magnitud (medida por m ). Por
la tanto, por ser el semivariograma una medida de la dispersin, su magnitud est
ligada a la magnitud de los valores de los datos. Cuando se da este tipo de fenmeno,
se dice que existe un efecto proporcional.

Ing. Darwin Ortega Cceres - MI 441 9

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2. Variograma Experimental (*(h))

- Desviaciones en el muestreo.

Las observaciones {Z (xi ), i =1,..., n} de la funcin aleatoria Z (x) no estn distribuidas

espacialmente en forma aleatoria. Consecuentemente se produce un sesgo en el
muestreo es decir en la eleccin de las localizaciones de las observaciones, tendientes
a estar agrupadas en reas de altos o bajos valores. Estas desviaciones pueden ser
detectadas mediante un grfico del nmero de muestras n contra el valor medio m
para vecindades mviles de un tamao determinado.

Ing. Darwin Ortega Cceres - MI 441 10

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2. Variograma Experimental (*(h))

- Existencia de valores atpicos (outliers).

Normalmente las observaciones son correctas, pero a veces suelen aparecer

observaciones discordantes que pueden ser debidas a errores humanos y/o mal
funcionamiento de los instrumentos de medicin. Si es posible constatar que un valor
de estos es errneo, lo mejor es eliminarlo, aunque esto no siempre es factible. De ah
que la eliminacin de estas observaciones puedan causar una subestimacin del
potencial de un rea.

Ing. Darwin Ortega Cceres - MI 441 11

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.1. Consideraciones prcticas para el cmputo del Variograma
Para el cmputo del variograma es necesario tener en cuenta algunas reglas prcticas
que permiten elevar la eficiencia y la calidad de la estimacin, independientemente
del tipo de estimador que se utilice.

Estas reglas son las siguientes:

- En la estimacin del semivariograma los pares de las observaciones se agrupan

segn la distancia dentro de un intervalo h = IhI con una tolerancia h/2 y dentro de
una direccin con una tolerancia /2 . El semivariograma as estimado es
considerado suavizado o regularizado.

Ing. Darwin Ortega Cceres - MI 441 12

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.1. Consideraciones prcticas para el cmputo del Variograma

- El semivariograma muestral debe ser considerado solamente para pequeas

distancias por lo que generalmente, se estima para valores de h menores que la mitad
de la distancia mxima ( IhI < dmax/2 ).

- La eleccin del nmero de intervalos es arbitraria. No obstante se considera

que un nmero mximo de 25 intervalos es suficiente para cualquier
propsito, y un mnimo de 10 debe ser usado para determinar con precisin
el rango y la meseta del semivariograma.

Ing. Darwin Ortega Cceres - MI 441 13

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.1. Consideraciones prcticas para el cmputo del Variograma

- El largo de los intervalos debe ser elegido de forma tal que el nmero de pares en
cada intervalo sea lo suficientemente grande para que el estimado del semivariograma
sea relativamente estable. Se considera que entre 30 y 50 pares satisfacen este
requerimiento.

- Los valores estimados para cada intervalo se deben graficar contra la distancia
promedio de todos los pares que se encuentran dentro de dicho intervalo.

Ing. Darwin Ortega Cceres - MI 441 14

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.2. Formas generales del variograma experimental.

En sentido amplio se considera por su forma que hay dos tipos principales de
semivariogramas. En el primer tipo, la semivarianza se incrementa con el incremento
del valor absoluto del intervalo |h| hasta alcanzar un valor mximo a partir del cul se
mantiene relativamente constante y oscila alrededor del mismo. Estos variogramas
son conocidos como de tipo transitivo. El valor del intervalo a partir del cual el
variograma no se incrementa es conocido como alcance o rango (radio de correlacin)
y marca el lmite de la dependencia espacial de la propiedad. La varianza mxima es
conocida como "sill" o meseta del variograma y tericamente debe coincidir con la
varianza a priori 2 de la muestra de la funcin aleatoria Z (x) .

Ing. Darwin Ortega Cceres - MI 441 15

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.2. Formas generales del variograma experimental.

Una variable con este tipo de semivariograma no slo cumple la hiptesis intrnseca,
sino tambin es estacionaria de segundo orden. Esto significa que su valor esperado es
Constante.

y la funcin de covarianza existe y est definida por:

Ing. Darwin Ortega Cceres - MI 441 16

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.2. Formas generales del variograma experimental.

y el semivariograma est relacionado con las funciones de covarianza y de

autocorrelacin como sigue:

donde 2 = C(0) es la varianza de la muestra, tambin conocida como varianza a priori,

de la funcin aleatoria Z (x).

Ing. Darwin Ortega Cceres - MI 441 17

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.2. Formas generales del variograma experimental.

El segundo tipo de semivariograma aparenta un incremento sin lmites, es decir son no

acotados, por esto no presentan una varianza a priori finita.

Un aspecto del variograma que es importante sealar es que por definicin (0) = 0
pero en la prctica el variograma muestral * (h) cuando IhI tiende a cero no
necesariamente se anula.

Ing. Darwin Ortega Cceres - MI 441 18

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.2. Formas generales del variograma experimental.

Esto es conocido como efecto "nugget" o pepita, y el valor del semivariograma en cero
(0) es conocido como la varianza "nugget" o microvarianza. En principio esto puede
ocurrir solamente si existen discontinuidades en la funcin aleatoria. En la prctica su
existencia de debe a la variacin espacial que no puede explicar el variograma debido
a la escala del muestreo. Para un material continuamente variable el efecto nugget se
produce a partir de la contribucin de los errores de medicin y la variacin a
distancias mucho menores que el intervalo de muestreo ms pequeo.

Ing. Darwin Ortega Cceres - MI 441 19

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.2. Formas generales del variograma experimental.

Ing. Darwin Ortega Cceres - MI 441 20

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos teoricos de varianza
Cada varianza calculada para una separacion particular es solamente un estimador de
una semivarianza media para esa separacion y como tal esta sujeta a error. Este
error, que crece grandemente por las fluctuaciones muestrales, da al variograma
experimental una apariencia mas o menos inestable. El verdadero variograma que
representa la variacion
regional es continua y es el variograma que realmente se quiere conocer.
Por lo que una vez que se han definido los puntos del variograma experimental, ser
necesario ajustar un modelo terico a dichos puntos. Esto se debe a la imposibilidad
de trabajar con el variograma experimental, que carece de una funcin matemtica
precisa (o al menos difcil de caracterizar), y a la necesidad de extender los valores del
variograma mas all de la distancia mxima definida. Tambin, por el contrario, ser

Ing. Darwin Ortega Cceres - MI 441 21

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
necesario la extensin del variograma a distancias prximas a cero y as tambien para
poder cuantificar el grado y escala de variacin espacial. Este modelo terico ser
utilizado posteriormente para interpolar en el espacio el valor de la variable en sitios
no muestreados, ya que para ello se requiere variogramas a separaciones para las
cuales no se tienen comparaciones directamente y dicho modelo ayudara para su
calculo.
Existen numerosos modelos que se utilizan en geostadistica, siendo los mas
comnmente usados el modelo esfrico, el modelo exponencial, el modelo gaussiano
y el modelo lineal.

Ing. Darwin Ortega Cceres - MI 441 22

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.

Figura 4.2: Funcin de semivarianza experimental en dos direcciones para un conjunto de datos hipotticos.
Ing. Darwin Ortega Cceres - MI 441 23
 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
Slo ciertas funciones pueden ser consideradas modelos vlidos de variogramas y se
dicen que son modelos autorizados.

El hecho de probar si una funcin dada es aceptable o no, est relacionado con el
examen de su Transformada de Fourier Christakos [1984] obtuvo las condiciones que
el espectro de la funcin debe reunir para ser un modelo vlido.

Como una propiedad importante se debe destacar que cualquier combinacin lineal
de modelos autorizado es tambin un modelo vlido.

Ing. Darwin Ortega Cceres - MI 441 24

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
2.2.2.3.1. Modelos transitivos o acotados
2.2.2.3.1.1. Modelo Esfrico: El modelo esfrico para el semivariograma, esta dado
maten ticamente como:

Donde C es el valor de la meseta, a el rango y h la distancia. Este modelo tiene un

crecimiento rpido cerca al origen, pero los incrementos marginales van decreciendo
para distancias grandes, hasta que para distancias superiores al rango los incrementos
son nulos.

Ing. Darwin Ortega Cceres - MI 441 25

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
2.2.2.3.1. Modelos transitivos o acotados.
2.2.2.3.1.1. Modelo Esfrico:

Ing. Darwin Ortega Cceres - MI 441 26

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
2.2.2.3.1. Modelos transitivos o acotados.
2.2.2.3.1.2. Modelo Exponencial:
Alcanza la meseta asintticamente. Se considera que el rango, a, es la distancia para
la cual el valor del variograma es del 95% de la meseta. Como el esfrico, muestra un
crecimiento lineal prximo al origen; sin embargo, crece de forma ms rpida y luego
se estabiliza ms gradualmente.

Ing. Darwin Ortega Cceres - MI 441 27

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
2.2.2.3.1. Modelos transitivos o acotados.
2.2.2.3.1.2. Modelo Exponencial:

Ing. Darwin Ortega Cceres - MI 441 28

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
2.2.2.3.1. Modelos transitivos o acotados.
2.2.2.3.1.3. Modelo Gaussiano:
Al igual que el modelo exponencial, el modelo tiende a alcanzar la meseta
asintticamente, y el rango se define como la distancia a la cual el variograma alcanza
el 95% de la meseta. El principal distintivo de este modelo es su forma parablica
cerca al origen.

Ing. Darwin Ortega Cceres - MI 441 29

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
2.2.2.3.1. Modelos transitivos o acotados.
2.2.2.3.1.3. Modelo Gaussiano:

Ing. Darwin Ortega Cceres - MI 441 30

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
2.2.2.3.1. Modelos transitivos o acotados.
2.2.2.3.1.4. Modelo lineal y lineal generalizado:
Hay otros modelos que no tienen meseta. Su uso puede ser delicado debido a que en
algunos casos indican la presencia de no estacionariedad en alguna direccin
(Clarck, 2001)
Su formula matemtica es la siguiente:

Obviamente, cuando el parmetro es igual a uno el modelo es lineal. Para 0 < < 2 el
modelo es lineal generalizado

Ing. Darwin Ortega Cceres - MI 441 31

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
2.2.2.3.2. Modelos no acotados.
2.2.2.3.2.1. Modelo de efecto pepita puro :
Formalmente se puede definir como sigue:

Ing. Darwin Ortega Cceres - MI 441 32

 Capitulo II
Anlisis Estructural
2.2. El Variograma
2.2.2.3. Modelos tericos de varianza.
2.2.2.3.2. Modelos no acotados.

2.2.2.3.2.2. Modelo Potencia :

2.2.2.3.2.3. Modelo logartmico (Modelo de Wijsian)

Ing. Darwin Ortega Cceres - MI 441 33