11-Estimación
-
Upload
luis-hernandez-barraza -
Category
Documents
-
view
216 -
download
0
Transcript of 11-Estimación
-
7/21/2019 11-Estimacin
1/54
Unidad didactica 5:Tecnicas de estimacion de una sola variable
Eduardo Cassiraga
Grupo de HidrogeologaDepartamento de Ingeniera Hidraulica y Medio Ambiente
Universidad Politecnica de Valencia
Master en Ingeniera Hidraulica y Medio Ambiente
-
7/21/2019 11-Estimacin
2/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Contenidos
1 Introduccion.
2 Combinacion lineal ponderada.
3 Tipos de estimaciones.
4 El krigeado ordinario.
5 Un ejemplo de krigeado ordinario.
6 Krigeado ordinario y parametros del modelo de continuidad espacial.
Master en Ingeniera Hidraulica y Medio Ambiente 1
-
7/21/2019 11-Estimacin
3/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
1 Introduccion
El objetivo de un estudio geoestadstico no es solamente describir la informacion y
construir un modelo de continuidad espacial.
La informacion acerca de los datos y el modelo de continuidad espacial nos permitenrealizar la estimacion de los valores de una o varias variables donde ellas no fueronmuestreadas.
Master en Ingeniera Hidraulica y Medio Ambiente 2
-
7/21/2019 11-Estimacin
4/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
2 Combinacion lineal ponderada
Todos los metodos de estimacion que seran descritos construyen cada estimador como
una combinacion lineal ponderada de la informacion disponible, esto es:
Estimador =z =ni=1
i zi
donde el asterisco indica que el valor obtenido es una estimacion, z
1,...,zn son los
n
datos disponibles yi es el peso asignado al valorzi.
Master en Ingeniera Hidraulica y Medio Ambiente 3
-
7/21/2019 11-Estimacin
5/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
3 Tipos de estimaciones
Existen diferentes aproximaciones para dar valor a los pesos, las cuales dan origen a
distintas tecnicas de estimacion: Estimacion global y local. Estimacion de una media y de una distribucion completa. Estimacion puntual y de bloque.
Master en Ingeniera Hidraulica y Medio Ambiente 4
-
7/21/2019 11-Estimacin
6/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Estimacion global y local
Una estimacion sobre un area grande dentro de la cual hay muchos datos es una
estimacion global.
Una estimacion local es una que se lleva a cabo sobre un area pequena en la cualtenemos pocos datos, incluso ninguno, y para la cual tenemos que utilizar la informacioncercana que se encuentra fuera del area de estimacion.
Las estimaciones globales son utiles en lasetapas iniciales de los estudios y raramentesatisfacen los objetivos del mismo, por ejemplo:
a En aplicaciones mineras no es suficiente conocer la concentracion media de un metal precioso sobre
el area de estudio, sino que es muy importante tener informacion local detallada de tal concentracion.
b En un estudio de contaminacionla informacion global acerca de la concentracion de un contaminante
no es suficiente para determinar si localizaciones especficas tienen o no concentraciones inaceptables.
c En los estudios de flujo de agua subterranea una estimacion global de la conductividad hidraulicacarece de significado ya que el flujo esta controlado por las zonas de altos y bajos valores de
permeabilidad.
Master en Ingeniera Hidraulica y Medio Ambiente 5
-
7/21/2019 11-Estimacin
7/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Medias y distribuciones completas
La mediaes el estadstico mas comun para sumarizar una distribucion de valores.
Presenta problemas para distribuciones muy sesgadas y para aplicaciones donde la simplemedia aritmetica carece de significado como es el caso del calculo de permeabilidadesequivalentes.
Hay muchas aplicaciones que exigen una estimacion de la variabilidad de un dado
atributo, por ejemplo:a La variabilidad espacial de la conductividad hidraulica es vital a la hora de una correcta descripcion del
flujo de agua subterranea en un acufero o de petroleo en un yacimiento.
b Un estudio de contaminacion de suelos requiere el conocimiento de la concentracion de algunos metales
pesados por encima o por debajo de determinados umbrales.
Cuando una determinada aplicacion requiere la estimacion de estadsticos distintos de lamedia la solucion obvia pasa por estimar la distribucion completa de valores.
Master en Ingeniera Hidraulica y Medio Ambiente 6
-
7/21/2019 11-Estimacin
8/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Estimaciones puntuales y de bloque
En las ciencias de la tierra, existe una relacion entre el tamano o soporte de los datos
y la distribucion de sus valores, por ejemplo:a Muestreo a pequena escala y muestreo a gran escala (variabilidad espacial).b Hallar estadsticos utilizando la tecnica de ventanas moviles (promediar valores dentro
de grandes areas reduce la varianza de los datos y hace a la distribucion de los mismosmas simetrica).
La relacion entre el soporte de los datos y la distribucion de sus valores tieneserias implicaciones practicas, esto es, no es lo mismo estimar una distribucion completaa partir de valores cuyo soporte es el de los datos que a partir de valores con un soportemayor.
En muchas aplicaciones, el soporte de los datos no es el mismo que el de lasestimacionesque queremos calcular: problema de escalado (upscaling).
Master en Ingeniera Hidraulica y Medio Ambiente 7
-
7/21/2019 11-Estimacin
9/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
4 El krigeado ordinario
La idea basica del krigeado ordinario
es estimar elvalor desconocido de un atributo z en el punto decoordenadas u, a partir de n valores conocidos de z,cuyas coordenadas son u, con = 1,...,n.
El estimador por krigeado ordinario tiene la formasiguiente:
z(u) =n
=1
z(u)
z( )u1 z( )u2
z( )u3
z( )u4
z( )u5
z( )u6 z( )u7
z( )?u
donde el denota que se trata de un estimador y(u)son coeficientes de ponderaciondesconocidos a priori.
Master en Ingeniera Hidraulica y Medio Ambiente 8
-
7/21/2019 11-Estimacin
10/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Los objetivos del krigeado
Los objetivos del krigeado son obtener los valores de los coeficientes de manera
que:1 El estimador sea insesgado, es decir, que la media del error mR cometido sobre un
conjunto de estimaciones sea igual a cero.2 Que la varianza 2R de esos errores sea mnima.
El error cometido en la estimacion para una localizacion use puede definir como:
r(u) =z(u) z(u)
donde z(u) es el valor estimado y z(u) es el valor verdadero.
Los objetivos del krigeado ordinario son inasequibles ya que los valores verdaderos deuna variable son siempre desconocidos, luego tampoco podremos obtener mR y
2R.
Master en Ingeniera Hidraulica y Medio Ambiente 9
-
7/21/2019 11-Estimacin
11/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El modelo de funcion aleatoria
La solucion pasa por construir un modelo de nuestrosdatos y trabajar con el error medio y la varianza paranuestro modelo.
El modelo a construir es un modelo de funcionaleatoria.
La expresion del estimador por krigeado ordinario semodifica tal que tiene la forma siguiente:
Z(u) =n
=1
Z(u) (1)
Z( )u1 Z( )u2
Z( )u3
Z( )u4
Z( )u5
Z( )u6 Z( )u7
Z( )?u
Master en Ingeniera Hidraulica y Medio Ambiente 10
-
7/21/2019 11-Estimacin
12/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El error en la estimacion
La utilizacion de un modelo de funcion aleatoria nos permite definir el error cometido
en la estimacion del atributo z en la localizacion ucomo:
R(u) =Z(u) Z(u) (2)
donde Z(u) y Z(u) son las variables aleatorias que representan el valor estimado y
el valor verdadero respectivamente. El error R(u) es tambien una variable aleatoria.El error medio mR cometido en un conjunto de estimaciones:
mR=E{R(u)}= E{Z(u) Z(u)}
y la varianza del error 2R(u) de un conjunto de estimaciones:
2R=V ar {R(u)}= V ar {Z(u) Z(u)} (3)
Master en Ingeniera Hidraulica y Medio Ambiente 11
-
7/21/2019 11-Estimacin
13/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Los objetivos del krigeado
De acuerdo a una aproximacion probabilstica, los objetivos del krigeado ordinario, que
son obtener los valores de los coeficientes de manera que la varianza del errorcometido en un conjunto de estimaciones sea mnima y el estimador halladosea insesgado, pueden escribirse matematicamente como:
mn 2R= mn V ar {R(u)}= mn V ar {Z(u) Z(u)} (4)
bajo la restriccion
mR=E{R(u)}= E{Z(u) Z(u)}= 0 (5)
Master en Ingeniera Hidraulica y Medio Ambiente 12
-
7/21/2019 11-Estimacin
14/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
La condicion de estimador insesgado
La condicion de estimador insesgado (ec. 5) se expresa
mR=E{R(u)}= E{Z(u) Z(u)}= 0
Reemplazando la expresion del estimador (ec. 1) en la del error (ec. 2):
R(u) =
n
=1
Z(u) Z(u)
La esperanza del error es:
E{R(u)}= E
n
=1 Z(u) Z(u)
=n
=1
E{Z(u)} E{Z(u)}
Master en Ingeniera Hidraulica y Medio Ambiente 13
-
7/21/2019 11-Estimacin
15/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Asumiendo que la funcion aleatoria es estacionaria, esto es que
E{Z(u)}= m(u) = cte u
el valor esperado del error queda expresado como
E{R(u)}=n
=1
E{Z} E{Z}
de donde se deduce que para que
E{R(u)}= 0
se debe verificar quen
=1
= 1 (6)
Master en Ingeniera Hidraulica y Medio Ambiente 14
-
7/21/2019 11-Estimacin
16/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
La condicion de varianza mnima
Esta condicion (ec. 4) se expresa:
mn 2R= mn V ar {R(u)}= mn V ar {Z(u) Z(u)}
Lo que supone:
1 Encontrar una expresion para 2R.
2 Encontrar un mnimo para dicha expresion.
Master en Ingeniera Hidraulica y Medio Ambiente 15
-
7/21/2019 11-Estimacin
17/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Una expresion para la varianza del error
De forma general, la varianza de una combinacion lineal de variables aleatorias se
expresa:
V ar
n=1
Z(u)
=
n=1
n=1
C{Z(u)Z(u)} (7)
donde C{Z(u)Z(u)} es la covarianza entre las variables aleatorias para las locali-zaciones u y u.
La varianza del error cometido en un conjunto de estimaciones (ec. 3) es unacombinacion lineal de dos variables aleatorias, por lo que:
V ar {R(u)}= C{Z(u)Z(u)} C{Z(u)Z(u)}
C{Z(u)Z(u)}+ C{Z(u)Z(u)}
=C{Z(u)Z(u)} 2 C{Z(u)Z(u)} +
+ C{Z(u)Z(u)} (8)
Master en Ingeniera Hidraulica y Medio Ambiente 16
-
7/21/2019 11-Estimacin
18/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El primer termino esC{Z(u)Z(u)}
y corresponde a la autocovarianza de Z(u), es decir, V ar {Z(u)}.
Utilizando la definicion del estimador (ec. 1) tenemos que de acuerdo a la expresionpara una combinacion lineal de variables aleatorias (ec. 7)
V ar {Z(u)}= V ar n
=1 Z(u)=
n=1
n=1
C{Z(u)Z(u)}
=n
=1n
=1 C(u u) (9)
Master en Ingeniera Hidraulica y Medio Ambiente 17
-
7/21/2019 11-Estimacin
19/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El segundo termino esC{Z(u)Z(u)}
y se puede escribir como:
C{Z(u)Z(u)}= C
n=1
Z(u)
Z(u)
=E
n
=1 Z(u)Z(u)
E
n
=1Z(u)
E{Z(u)}
=
n=1
E{Z(u)Z(u)} n
=1
E{Z(u)} E{Z(u)}
=n
=1 C{Z(u)Z(u)}
=n
=1
C(u u) (10)
Master en Ingeniera Hidraulica y Medio Ambiente 18
-
7/21/2019 11-Estimacin
20/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El tercer termino esC{Z(u)Z(u)}
y corresponde a la autocovarianza de la variable aleatoriaZ(u), y es igual a la varianzade Z(u), que puede expresarse como:
C{Z(u)Z(u)}= 2 (11)
Reemplazando las ecuaciones (9), (10) y (11) y reordenando en la expresion de lavarianza del error (ec. 8) tenemos:
2R=2 +
n=1
n=1
C(u u)2n
=1
C(u u) (12)
que debe ser minimizada, para lo cual aplicamos el criterio de la primera derivada.
Master en Ingeniera Hidraulica y Medio Ambiente 19
-
7/21/2019 11-Estimacin
21/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Minimizacion de la varianza del error
La expresion a minimizar es la siguiente:
2R=2 +
n=1
n=1
C(u u)2n
=1
C(u u)
+ 2 n
=1 1donde es el parametro de Lagrange.
El ultimo termino de esta ecuacion no altera la expresion para la varianza de los erroresya que es igual a 0. A partir de esta expresion se deben hallar las n+ 1 primerasderivadas (n con respecto a los coeficientes de ponderacion y una con respecto alparametro de Lagrange).
Master en Ingeniera Hidraulica y Medio Ambiente 20
-
7/21/2019 11-Estimacin
22/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Derivando con respecto a e igualando el resultado a cero se obtiene la ecuacion quecorresponde a la condicion de estimador insesgado.
Al derivar con respecto a 1 como el primer termino no depende de 1 su derivada es
cero.
El segundo termino puede expandirse y si despreciamos todos los terminos que noincluyen a 1 tenemos:
n=1
n=1
C(u u)
1=
21C(u1 u1) + 21
n=2
C(u1 u)
1
= 21C(u1 u1) + 2n
=2
C(u1 u)
= 2n
=1
C(u1 u) (13)
Master en Ingeniera Hidraulica y Medio Ambiente 21
-
7/21/2019 11-Estimacin
23/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El tercer termino contiene un termino que es funcion de 1, luego:
(
n=1 C(u u))
1=
(1C(u1 u))
1=C(u1 u) (14)
Con el ultimo termino sucede igual y su derivada se escribe:
( (n
=1 1))
1=
(1)
1= (15)
De acuerdo a las ecuaciones (13), (14) y (15), la derivada de 2R queda:
2R1
= 2n
=1
C(u1 u)2C(u1 u) + 2
que igualando a cero y ordenando se transforma en:n
=1
C(u1 u) + = C(u1 u)
Master en Ingeniera Hidraulica y Medio Ambiente 22
-
7/21/2019 11-Estimacin
24/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
De igual forma se pueden obtener las derivadas con respecto a los demas coeficientesde ponderacion tal que el resultado es:
2
R
1= 0 =
n=1
C(u1 u) + = C(u1 u)
... ...
2R
= 0 =n
=1C(u u) + = C(u u)
... ...
2Rn
= 0 =n
=1
C(un u) + = C(un u)
Master en Ingeniera Hidraulica y Medio Ambiente 23
-
7/21/2019 11-Estimacin
25/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Sistema de krigeado ordinario
Las necuaciones anteriores sumadas a la obtenida al derivar con respecto al multipli-cador de Lagrange, que es la condicion necesaria para que el estimador sea insesgado,constituyen un sistema den + 1ecuaciones lineales denominadosistema de krigeadoordinario, y se escribe:
n
=1 C(u u) + = C(u u), = 1,...,n
n=1
= 1 (16)
donde C(h) es la funcion de covarianza de la funcion aleatoria Z(u) que se obtienede la informacion disponible.
Master en Ingeniera Hidraulica y Medio Ambiente 24
-
7/21/2019 11-Estimacin
26/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Forma matricial del sistema de krigeado ordinario
El sistema de krigeado ordinario se escribe de forma matricial
C(u1 u1) C(u1 un) 1... . . . ... ...
C(un u1) C(un un) 11 1 0
C
1...
n
=
C(u1 u)...
C(un u)1
Dde donde se obtiene que la solucion del sistema es:
= C1 D
La matrizCcaracteriza la correlacion entre los datos que intervienen en la estimacion yel vectorD explica la continuidad entre la localizacion de cada dato con la localizaciona estimar.
Master en Ingeniera Hidraulica y Medio Ambiente 25
-
7/21/2019 11-Estimacin
27/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
La expresion para la varianza del error
Para conocer el valor mnimo que toma la varianza de los errores cometidos multipli-camos cada una de las n primeras ecuaciones del sistema de ecuaciones del krigeado
ordinario (ec. 16) por , obteniendo:
n=1
C(u u) +
= C(u u), = 1,...,n
sumando estasn ecuaciones se llega a:
n=1
n=1
C(u u) +n
=1
=
n=1
C(u u)
n=1
n=1
C(u u) =n
=1
C(u u)n
=1
y dado que la suma de los coeficientes es igual a 1, el ultimo termino es igual a
Master en Ingeniera Hidraulica y Medio Ambiente 26
-
7/21/2019 11-Estimacin
28/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
quedando:n
=1
n=1
C(u u) =n
=1
C(u u)
que se puede sustituir en la ecuacion de la varianza del error (12) obteniendo lasiguiente expresion para la varianza de la estimacion por krigeado ordinario:
2KO(u) =2
n
=1C(u u) (17)
Master en Ingeniera Hidraulica y Medio Ambiente 27
-
7/21/2019 11-Estimacin
29/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
5 Un ejemplo de krigeado ordinario
1 Informacion disponible:
Dato X Y Valor0 65 137 ?1 61 139 4772 63 140 6963 64 129 2274 68 128 6465 71 140 6066 73 141 7917 75 128 783
Master en Ingeniera Hidraulica y Medio Ambiente 28
G d i U id d did i T i d i i d l i bl
-
7/21/2019 11-Estimacin
30/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
2 Modelo de continuidad espacial:
C(h) =
C0+ C1 si |h|= 0
C1 exp3|h|a
si |h|> 0
Asumimos queC0= 0, a= 10 y C1= 10, luego el modelo queda:
C(h) = 10 exp (0.3|h|)
3 Calculo de las distancias entre los datos y el punto a estimar:
Master en Ingeniera Hidraulica y Medio Ambiente 29
G d i U id d did i 5 T i d i i d l i bl
-
7/21/2019 11-Estimacin
31/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
Distancia
Localizacion 0 1 2 3 4 5 6 7
0 0.00 4.47 3.61 8.06 9.49 6.71 8.94 13.45
1 4.47 0.00 2.24 10.44 13.04 10.05 12.17 17.802 3.61 2.24 0.00 11.05 13.00 8.00 10.05 16.97
3 8.06 10.04 11.05 0.00 4.12 13.04 15.00 11.05
4 9.49 13.04 13.00 4.12 0.00 12.37 13.93 7.00
5 6.71 10.05 8.00 13.04 12.37 0.00 2.24 12.65
6 8.94 12.17 10.05 15.00 13.93 2.24 0.00 13.15
7 13.45 17.80 16.97 11.05 7.00 12.65 13.15 0.00
Master en Ingeniera Hidraulica y Medio Ambiente 30
G t d ti U id d did ti 5 T i d ti i d l i bl
-
7/21/2019 11-Estimacin
32/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
4 Construccion del sistema de krigeado (= C1 D):
=
C11 C12 C13 C14 C15 C16 C17 1
C21 C22 C23 C24 C25 C26 C27 1
C31 C32 C33 C34 C35 C36 C37 1C41 C42 C43 C44 C45 C46 C47 1
C51 C52 C53 C54 C55 C56 C57 1
C61 C62 C63 C64 C65 C66 C67 1
C71 C72 C73 C74 C75 C76 C77 11 1 1 1 1 1 1 0
1
C10C20
C30
C40
C50
C60
C701
=
10.00 5.11 0.44 0.20 0.49 0.26 0.05 1.00
5.11 10.00 0.36 0.20 0.91 0.49 0.06 1.000.44 0.36 10.00 2.90 0.20 0.11 0.36 1.000.20 0.20 2.90 10.00 0.24 0.15 1.22 1.00
0.49 0.91 0.20 0.24 10.00 5.11 0.22 1.00
0.26 0.49 0.11 0.15 5.11 10.00 0.19 1.000.05 0.06 0.36 1.22 0.22 0.19 10.00 1.001.00 1.00 1.00 1.00 1.00 1.00 1.00 0.00
1
2.61
3.390.890.58
1.34
0.680.18
1
Master en Ingeniera Hidraulica y Medio Ambiente 31
G t d ti U id d did ti 5 T i d ti i d l i bl
-
7/21/2019 11-Estimacin
33/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
5 Solucion:
=
12
34567
= C1
D =
0.173
0.318
0.1290.0860.1510.057
0.0860.907
z0 =ni=1
izi= 0.173477 + 0.318696 + ... + 0.086783 = 592.7
2KO =2
n
i=1iCi0 = 100.1732.61 ... 0.0860.180.907 = 8.96
El estimador es igual a 592.7 y la varianza del error 8.96.
Master en Ingeniera Hidraulica y Medio Ambiente 32
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
34/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
6 Krigeado ordinario y parametros del
modelo de continuidad espacial
Estudiaremos el efecto de los diferentes parametros del modelo de continuidad espacial(variograma):
1 Sobre la estimacion de un solo punto.2 Sobre la estimacion de un campo completo
Master en Ingeniera Hidraulica y Medio Ambiente 33
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
35/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El efecto de la meseta
(h) = 0.0 + 1.0Esf1500(h) (h) = 0.0 + 10.0Esf1500(h)
Master en Ingeniera Hidraulica y Medio Ambiente 34
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
36/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El efecto de la pepita
(h) = 0.0 + 1.0Esf1500(h) (h) = 0.5 + 0.5Esf1500(h)
Master en Ingeniera Hidraulica y Medio Ambiente 35
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
37/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El efecto de la pepita
(h) = 0.0 + 1.0Esf1500(h) (h) = 1.0 + 0.0Esf1500(h)
Master en Ingeniera Hidraulica y Medio Ambiente 36
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
38/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El efecto del alcance
(h) = 0.0 + 1.0Esf1500(h) (h) = 0.0 + 1.0Esf100(h)
Master en Ingeniera Hidraulica y Medio Ambiente 37
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
39/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El efecto del alcance
(h) = 0.0 + 1.0Esf1500(h) (h) = 0.0 + 1.0Esf5000(h)
Master en Ingeniera Hidraulica y Medio Ambiente 38
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
40/54
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
El efecto de la forma
(h) = 0.0 + 1.0Esf1500(h) (h) = 0.0 + 1.0Gau1500(h)
Master en Ingeniera Hidraulica y Medio Ambiente 39
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
41/54
G U 5
El efecto de la forma
(h) = 0.0 + 1.0Esf1500(h) (h) = 0.0 + 1.0Exp1500(h)
Master en Ingeniera Hidraulica y Medio Ambiente 40
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
42/54
El efecto de la anisotropa
(h) = 0.0 + 1.0Esf1500(h) (h) = 0.0 + 1.0Esf1500,150,120(h)
Master en Ingeniera Hidraulica y Medio Ambiente 41
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
43/54
El efecto de la anisotropa
(h) = 0.0 + 1.0Esf1500(h) (h) = 0.0 + 1.0Esf1500,150,0(h)
Master en Ingeniera Hidraulica y Medio Ambiente 42
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
44/54
Sntesis del analisis realizado
Caso Descripcion Variograma
1 Caso base (h) = 0.0 + 1.0 Sph1500(h)2 Cambio de meseta (h) = 0.0 + 10.0 Sph1500(h)
3 50 % de efecto pepita (h) = 0.5 + 0.5 Sph1500(h)4 Efecto pepita puro (h) = 1.0 + 0.0 Sph1500(h)5 Cambio de alcance (h) = 0.0 + 1.0 Sph100(h)6 Cambio de alcance (h) = 0.0 + 1.0 Sph5000(h)7 Cambio de forma (h) = 0.0 + 1.0 Gaus1500(h)8 Cambio de forma (h) = 0.0 + 1.0 Exp1500(h)9 Anisotropa (h) = 0.0 + 1.0 Sph150(h)
(Alcance max. = 1500, alcance mn. = 150,direccion =120o)
10 Anisotropa (h) = 0.0 + 1.0 Sph
150
(h)
(Alcance max. = 1500, alcance mn. = 150,direccion = 0o)
Caso 1 Caso 2 Caso 3 Caso 4 Caso 5 Caso 6 Caso 7 Caso 8 Caso 9 Caso 10
1 0.696 0.696 0.260 0.140 0.140 0.680 0.880 0.610 0.140 0.0052 0.145 0.145 0.110 0.140 0.130 0.140 0.560 0.120 0.650 0.0113 0.095 0.095 0.110 0.140 0.140 0.090 0.068 0.090 0.044 0.534
4 -0.028 -0.028 0.120 0.140 0.140 -0.020 -0.110 -0.011 0.042 0.023
5 0.133 0.133 0.140 0.140 0.140 0.130 0.050 0.130 0.044 0.0086 -0.048 -0.048 0.090 0.140 0.130 -0.040 -0.390 -0.020 0.052 0.0127 0.006 0.006 0.100 0.140 0.140 0.009 -0.050 0.019 0.042 0.404
2ok 0.162 1.620 0.069 1.140 1.140 0.040 0.000 0.300 0.570 0.500
Est. 40.07 40.07 39.70 39.40 39.50 40.09 42.60 39.90 40.06 41.34
Master en Ingeniera Hidraulica y Medio Ambiente 43
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
45/54
Modelo de continuidad espacial y campos estimados
Datos
2.1
27.3
(h) = 0.0 + 1.0Esf1500(h)
Caso 1
2.1
27.3
Master en Ingeniera Hidraulica y Medio Ambiente 44
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
46/54
Modelo de continuidad espacial y campos estimados
Datos
2.1
27.3
(h) = 1.0 + 0.0Esf1500(h)
Caso 2
2.1
27.3
Master en Ingeniera Hidraulica y Medio Ambiente 45
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
47/54
Modelo de continuidad espacial y campos estimados
Datos
2.1
27.3
(h) = 0.0 + 1.0Esf100(h)
Caso 3
2.1
27.3
Master en Ingeniera Hidraulica y Medio Ambiente 46
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
48/54
Modelo de continuidad espacial y campos estimados
Datos
2.1
27.3
(h) = 0.0 + 1.0Esf3000(h)
Caso 4
2.1
27.3
Master en Ingeniera Hidraulica y Medio Ambiente 47
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
49/54
Modelo de continuidad espacial y campos estimados
Datos
2.1
27.3
(h) = 0.0 + 1.0Esf1500,300,135(h)
Caso 5
2.1
27.3
Master en Ingeniera Hidraulica y Medio Ambiente 48
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
50/54
Modelo de continuidad espacial y campos estimados
Datos
2.1
27.3
(h) = 0.0 + 1.0Esf1500,300,45(h)
Caso 6
2.1
27.3
Master en Ingeniera Hidraulica y Medio Ambiente 49
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
51/54
Varianza de una combinacion lineal de variables aleatorias
Sea una variable aleatoria Z(u) definida como una combinacion lineal de nvariablesaleatoriasZ(u) con = 1,...,n, tal que:
Z(u) =
n=1
Z(u)
y vamos a calcular su varianza, esto es:
V ar {Z(u)}= V ar n=1
Z(u)
De acuerdo a la definicion de varianza (V ar{X} = E{[XE{X}]2} = E{X2} E{X}2):
V ar
n=1
Z(u)
=E
n=1
Z(u)
2
E
n=1
Z(u)
2=
Master en Ingeniera Hidraulica y Medio Ambiente 50
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
52/54
=E
n=1
Z(u)n
=1
Z(u)
E
n=1
Z(u)
E
n=1
Z(u)
=
n=1
n=1
E{Z(u)Z(u)} n
=1
n=1
E{Z(u)} E{Z(u)}
=
n
=1n
=1{E[Z(u)Z(u)] E[Z(u)] E[Z(u)]}
=n
=1
n=1
C{Z(u)Z(u)}
luego
V ar n
=1
Z(u
) =n
=1
n
=1
C{Z(u
)Z(u
)}
Master en Ingeniera Hidraulica y Medio Ambiente 51
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
53/54
Bibliografa
Isaaks, E. y Srivastava, R. (1989). An Introduction to Applied Geostatistics, OxfordUniversity Press, New York.
Goovaerts, P. (1997). Geostatistics for Natural Resources Evaluation, Oxford Uni-versity Press, New York.
Froidevaux, R. (1998). Geostatistics for Petroleum Reservoir Characterization.
Workshop Notes, FSS International.
Master en Ingeniera Hidraulica y Medio Ambiente 52
Geoestadstica Unidad didactica 5: Tecnicas de estimacion de una sola variable
-
7/21/2019 11-Estimacin
54/54
Para leer en casa...
Cressie, N. (1990). The Origins of Kriging, Mathematical Geology, Vol. 22, No 3,239-252. (6-Lectura-Cressie-MG90.pdf)