Académique Documents
Professionnel Documents
Culture Documents
(Figura 5, izquierda) dibuja una direccin de mayor continuidad con una orientacin de 60
aproximadamente desde el eje norte-sur (los colores claros indican valores pequeos para el
variograma experimental, mientras que los colores oscuros indican valores ms grandes).
Esta observacin se confirma al calcular los variogramas experimentales direccionales
(Figura 5, derecha), donde se aprecia un crecimiento ms lento en la direccin N60E y ms
rpido en la direccin ortogonal N30W. Para el modelamiento, se preferir utilizar estos
variogramas direccionales en lugar del variograma omnidireccional (Figura 2), puesto que
este ltimo no captura el cambio de continuidad espacial con la direccin (anisotropa).
&RQVLGHUDFLRQHVSUiFWLFDV
1
+ (U ) = [ ] ([ ) ] ([ )]2
2 | 1 (U )| - + ( , )
+
0,$*HRHVWDGtVWLFD
2) En general, cada variograma direccional se calcula para distancias mltiplos de una
distancia elemental, llamada paso . La eleccin del paso puede tener repercusiones en
el clculo. Un paso demasiado pequeo conducir a un variograma experimental
errtico, poco estable, mientras que un paso demasiado grande no permitir apreciar los
detalles de la continuidad espacial, en especial el comportamiento en el origen del
variograma. Cuando la malla de muestreo es regular2, el paso est prcticamente
impuesto. En caso contrario, se podr utilizar la nube variogrfica para encontrar un
paso tal que el nmero de pares de datos que intervienen en el clculo del variograma
experimental sea suficiente (para fijar ideas, superior a la mitad del nmero de datos),
de manera que estos puntos sean representativos.
4) En general, se utiliza una tolerancia en las distancias igual a la mitad del paso: en la
direccin considerada, el L-simo punto del variograma experimental se calcula con los
pares de datos cuya separacin cae en el intervalo [(L 0.5) SDVR, (L + 0.5) SDVR]. De
esta manera, todas las distancias son utilizadas una vez y una sola. Se puede tambin
considerar una tolerancia menor, en cuyo caso las clases de distancias involucradas en
el clculo del variograma experimental ya no son contiguas y algunos pares de datos no
son tomados en cuenta. Esta situacin, aparentemente poco favorable (pues se pierde
informacin) no es siempre la peor, sobre todo cuando se trabaja en una malla regular o
casi-regular.
5) Las tolerancias angulares tienden a disipar la eventual anisotropa del variograma (las
direcciones con mayor continuidad espacial se mezclan con direcciones de continuidad
intermedia, de manera que la anisotropa aparece menos marcada de lo que est en
realidad). Por ende, hay que buscar un justo equilibrio en la eleccin de las tolerancias.
Es recomendable completar la definicin de las tolerancias angulares por aquella de las
separaciones mximas: DQFKR GH EDQGD y, en el espacio de tres dimensiones, DOWR GH
EDQGD; este ltimo parmetro resulta importante en la prctica, pues evita mezclar las
direcciones horizontales con direcciones inclinadas, cuyo comportamiento es a menudo
bastante distinto.
2
Por ejemplo, para una malla cuadrada de lado D, se elegir un paso de clculo igual a D en las direcciones
principales de la malla, y D 2 en las direcciones diagonales.
0,$*HRHVWDGtVWLFD
&RPSOHPHQWRRWUDVKHUUDPLHQWDVSDUDHODQiOLVLVYDULRJUiILFR
&RYDULDQ]DH[SHULPHQWDO
1
&1 (K) = / [ ] ([ ) ] ][ ] ([ ) ] ] ,
| 1 (K)| ( . )
donde 1(K) = {(,) tal que [ [ = K}, mientras que ] es un estimador de la esperanza, a
saber la media aritmtica de los Q datos disponibles:
0
1
] = ] ([ ) .
Q =1
1
&2 (K) = 2 [ ] ([ ) ] 398:7; <58 (K)][ ] ([ ) ] 35476 8 (K)] ,
| 1 (K)| ( 1 )
1 1
con ] ?9@A7B C5@ (K) = > ]= ([ ) y ] F5G7H I (K) = E ]D ([ ) .
| 1 (K) | ( , ) ( ) | 1 (K) | ( , ) ( )
cuya esperanza es, bajo la hiptesis simplificadora que los datos no estn correlacionados
Bajo la hiptesis de no correlacin entre los datos, se tiene un sesgo igual a C()/Q para el estimador de
la varianza DSULRUL C(). En realidad, como la variable regionalizada manifiesta cierta continuidad espacial,
los datos estn correlacionados y el sesgo es todava ms importante.
0,$*HRHVWDGtVWLFD
( [&1 (K)] & (K)
( [& (K)] & (K)
2
&RYDULDQ]DQRFHQWUDGD
0,$*HRHVWDGtVWLFD
1
&UPV (K) = T ] ( [ ) ] ( [ ) .
| 1 (K)| ( S )
De este modo, KWL () KML (K) constituye un estimador insesgado del variograma (K).
Este estimador atena la influencia de los valores altos, en comparacin con el variograma
experimental clsico, puesto que los valores de los datos ya no intervienen en un cuadrado.
Esto es particularmente interesante en el caso de datos cuya distribucin es muy asimtrica
y presenta algunos valores extremos que hacen inestable el variograma experimental.
&RUUHORJUDPDH[SHULPHQWDO
Tal como para la covarianza, se puede definir un estimador HUJyGLFR, que utiliza todos
los datos al momento de estimar la esperanza y la varianza:
&1 (K)
1 (K) = ,
&()
1
y un estimador QRHUJyGLFR, que slo utiliza los datos que estn apareados para el vector K:
&2 (K)
2 (K) = ,
X9[\7] ^5[ (K) X5Y7Z [ (K)
1
con a9bc7d efb (K) = ` [_ ] ([ ) ] a9bc7d efb (K)]2
| 1 (K) | ( ,) ( )
1
i5j7k l (K) = h [g ] ([ ) ] i5j7k l (K)]2 .
| 1 (K) | ( ,) ( )
Los estimadores as definidos son ms robustos que el estimador del variograma, pero
sesgados debido a que utilizan estimadores de la esperanza y de la varianza:
( [1 (K)] (K)
( [2 (K)] (K)
0,$*HRHVWDGtVWLFD