Académique Documents
Professionnel Documents
Culture Documents
Muchos autores se han esforzado para darle una definición, las que giran bajo el concepto de
variables regionalizadas introducido por Matheron 1965, el cual enfatiza dos aspectos
contradictorios: el aleatorio (que tiene en cuenta las irregularidades locales) y el estructural (que
refleja las tendencias a larga escala). Chilès (1999, p. 2) la define como “la aplicación de los
métodos probabilísticos a las variables regionalizadas”. Olea (1999 p. 1) la considera como “un
conjunto de técnicas que se auxilian de la caracterización espacial de los atributos, empleando
modelos primarios aleatorios, de manera similar a las series temporales”. Quizás, la definición
más acertada es “la ciencia que estudia las variables regionalizadas”, dada por Le Loc’h (2005).
Una caracterización bastante aceptable es presentada por Dubois (1998); él destaca el papel del
análisis espacial o temporal del fenómeno estudiado.
Para la estadística hay una estructuración numérica de la información geológica. Los datos son
tomados solamente en la estructura matemática de la variable (x) que para un fenómeno geológico
cualquiera puede tomar valores entre x mínimo y x máximo. Si ordenamos la serie de datos
confrontados con la frecuencia con que se presentan, se pueden estructurar numéricamente tanto
en una distribución normal o una lognormal. El conocimiento de esa distribución, no sólo hará
más fácil y barata la investigación, sino que también contribuirá a resolver otra importante
cuestión que es el problema del muestreo
La geoestadística, tiene en cuenta que las variables geológicas no solamente poseen una
dimensión numérica (los valores que puede tomar x) sino que cada observación o cada dato (p.ej.
una muestra) tiene una ubicación y un alcance espacial en el volumen de roca de su entorno; esta
componente espacial no es considerada por la estadística clásica. La geoestadística es una
metodología para comprender como los valores de la variable se relacionan unos con otros en el
campo de lo geométrico o geográfico. Es así que el histograma o la curva de frecuencias de la
estadística clásica no son útiles ya que además de la distribución numérica aleatoria que ésta
considera, hay una componente geométrica (espacial) que la afecta, por lo que la geoestadística
utiliza otras herramientas (p.ej. el variograma, que se trata en otro apunte) para analizar esa
composición doble: aleatoria y estructurada en el espacio. Debe tenerse en cuenta, no obstante,
que la geoestadística necesita que previamente se realice el tratamiento estadístico de datos.
DISTRIBUCIONES
Distribución normal
Dos tipos de distribuciones estadísticas son las que más se ajustan a los datos geológicos y
específicamente al comportamiento de las variables en una concentración mineral: la distribución
normal y la lognormal. En la distribución normal (o Gaussiana), la variable presenta una forma de
campana (“campana de Gauss”) cuya forma teórica es definida por la ecuación:
1 1 𝑥−𝑢𝑥 2
− ( )
𝑓(𝑥 ) = 𝑒 2 𝜎𝑥
√2𝜋𝜎𝑥
donde x es el valor de la variable, ux es la media y 𝜎𝑥 es el desvío estándar. La curva definida
por esta ecuación es la función de densidad de probabilidad.
1 1 𝑙𝑛𝑥−𝛼 2
− ( )
𝑓(𝑥 ) = 𝑒 2 𝛽
√2𝜋𝛽𝑥
∑ 𝑙𝑛𝑥
Donde 𝑦 = 𝑙𝑛𝑥 ; 𝛼= (𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑖𝑐𝑜), 𝑡𝑎𝑚𝑏𝑖𝑒𝑛 ∶ 𝛽 2 = 𝜎𝑦2 ; 𝛼 = 𝑢𝑦
𝑛
Diferencias
La diferencia entre la distribución normal y lognormal se esquematiza en la figura 7 que ilustra
las curvas de frecuencia y de frecuencia relativa acumulada, donde el eje x son las clases y el eje
y las frecuencias. Puede verse que la distribución lognormal, cuando se utilizan los valores reales
presenta una “cola” a la derecha (sesgo positivo) que desaparece y se hace similar a la forma de
la distribución normal si los valores son transformados a logaritmos. Para graficar estos valores,
en vez de transformarlos numéricamente, suele utilizarse el eje x con escala logarítmica. La
frecuencia relativa acumulada posee una forma de “S” si el eje y es de escala aritmética, pero si
se lo transforma en una escala probabilística (de acuerdo a la ecuación de Gauss [1]), se obtiene
una recta, que hace facilita la comparación de distintas series de datos (p.ej. las pendientes).