Gua Geoestadstica

Antecedentes sobre Geoestadstica

La geoestadstica es una rama de la estadstica que se enmarca en el tratamiento de fenmenos
espaciales, con el objetivo de estudiar variables regionalizadas.
Una variable regionalizada queda caracterizada por:

Ser continua, discreta o categrica.

El dominio donde se encuentra definida, que se llama Campo.
El rea o volumen sobre donde est siendo medida, que se denomina Soporte.
Cabe destacar que el inters esencial de la geoestadstica es estimar o simular variables
regionalizadas.
El clculo de recursos mineros consta de cinco grandes etapas, las cuales son:
EDA
Anlisis Variogrfico
Kriging
Transformacin de Distribucin de Datos
Simulaciones

Estudio Exploratorio de Datos (EDA)

El estudio exploratorio de datos tiene como objetivo conocer la distribucin de la variable a
estudiar con la finalidad de definir la(s) zonas(s) de estudio y sopesar posibles falencias o
dificultades inherentes, las herramientas que se utilizan mayormente son:

Mapas
Histogramas
Estadsticas bsicas
Nubes de Correlacin

Anlisis Variogrfico
El estudio variogrfico pretende conocer la continuidad o discontinuidad espacial de la variable
regionalizada, se realiza con la funcin variograma que indica cun desemejantes son los valores
de la variable regionalizada entre dos sitios.
Se pueden calcular variogramas en diferentes direcciones, sin embargo, es incompleto e
imperfecto, razn por la cual debe ser modelado.
 Kriging
El kriging permite estimar una variable regionalizada por medio de una combinacin lineal
ponderada de datos. Este estimador verifica lo siguiente:

Interpolacin exacta: el kriging devuelve el valor medido en cada sitio con dato.
Insesgo: el error de estimacin tiene esperanza nula.
Precisin: el error de estimacin tiene varianza mnima.
Suavizamiento: la dispersin de los valores estimados es menor que la dispersin de los
valores verdaderos.
A causa del suavizamiento la variabilidad de los valores estimados no es uniforme en el espacio,
es decir, en zonas densamente muestreadas la variabilidad ser alta, caso contrario ocurre en las
zonas con escasos datos (ms suave).
La Varianza de kriging no depende de los valores de los datos, sino que solamente de su
posicin en el espacio y del modelo variograma. Por lo tanto, no mide todas las fuentes de
incertidumbre, lo cual se traduce en que la incertidumbre aumenta a medida que aumenta
la dispersin y disminuye cuando tienen valores parecidos.

Transformacin de Distribucin de Datos

Esta etapa es previa a la simulacin y consiste en transformar la distribucin de datos originales
a una distribucin Gaussiana (normal) mediante la funcin Anamorfosis.
El motivo es que las simulaciones ocupan datos gaussianos para desarrollarse.

Simulaciones
El principio de las simulaciones consiste en crear una variable sinttica que represente la
variabilidad/continuidad espacial de la variable regionalizada.
Mientras que el kriging y otros mtodos de interpolacin conducen a una imagen suavizada de
la realidad, las realizaciones (simulaciones) presentan la misma variabilidad espacial que la
variable regionalizada real, en particular, el mismo histograma y el mismo variograma. En
consecuencia, la respuesta de una simulacin a una operacin es similar a la respuesta
que dara la variable real.
La simulacin tendr las siguientes propiedades:

Interpolacin exacta: cuando es una simulacin condicional.

Insesgo: la variable regionalizada o, ms generalmente, una funcin de esta variable
puede ser estimada sin sesgo (es decir, con un error de esperanza nula) por la misma
funcin aplicada a los valores simulados.
 No suaviza: la dispersin de los valores simulados es la misma que la dispersin de los
valores verdaderos.
No es precisa: el error entre el valor real y el valor simulado no tiene varianza mnima.
Esta ltima limitacin se soluciona haciendo un gran nmero de simulaciones para tener varios
escenarios posibles.

Simulacin no condicional
La simulacin no condicional busca construir realizaciones de la funcin aleatoria que representa
a la variable regionalizada, pero sin tomar en cuenta los valores de los datos. Por lo tanto,
aunque represente la variabilidad de la variable regionalizada no interpola los datos.

Simulacin condicional
Para que una simulacin sea realista, se desea que restituya los valores medidos en los sitios con
datos. Se habla entonces de una simulacin condicional. Por ejemplo, en un sitio con dato, no
hay incertidumbre y se obtiene el valor del dato con todas las realizaciones. Al contrario, lejos
de los datos, la distribucin condicional se parece a la distribucin a priori (no condicional), de
modo que los datos son inactivos.