La Geoestadística se define como la aplicación de la Teoría de

Funciones Aleatorias al reconocimiento y estimación de

fenómenos naturales, o simplemente, el estudio de las variables
numéricas distribuidas en el espacio

MÓDULO EN GEOESTADISTICA
ANÁLISIS ESPACIAL UNIVARIADO

2010
CENTROGEO
DIPLOMADO EN GEOMÁTICA

Practica # 2
Prof. Dr. Darío Rojas A.
J. Javier Martínez Cervantes
Alberto Porras
1) Objetivo puede ser cuantificada de diversas
maneras:
Evaluar y practicar el uso de diversas
funciones que permiten realizar el análisis  La función de covarianza
espacial univariado de un conjunto de que mide la similitud entre los
datos. datos.
N( h)
1
A partir de un conjunto de datos construir C( h)= ∑ z( x α ) z( x α +h )−m x mx +h
N (h ) α=1
el diagrama de dispersión h y el
variograma experimenta, igualmente se N ( h)
1
estudiara su forma en función del valor mx = ∑ z( x α )
Donde N (h) α =1 y
dado de la amplitud de clase (“h” lag). La
N ( h)
cual se ajustara a diferentes modelos de 1
mx +h = ∑ z ( x α + h)
variograma experimental; con el cual N (h) α =1
podremos elegir el que mejor se
comporte.  El correlograma es una
medida sin unidades que mide la similitud
2) Introducción entre los datos y que es la forma
estandarizada de la covarianza. El
Las herramientas y funciones que se conjunto de coeficientes de correlación
usaron para describir la relación espacial para los diferentes valores de h
entre dos variables pueden ser también constituyen la función correlación
usadas para describir la relación entre el experimental.
valor de una variable y el valor de la
misma en puntos de su vecindad. Su  El semivariograma que, a
aplicación nos permite estudiar aspectos diferencia del correlograma y la
tales como la continuidad espacial de la covarianza, mide la disimilitud promedio
variable, sus tendencias de variación, entre los datos separados por un vector h.
direcciones privilegiadas o isotropía en su
comportamiento espacial.
Existen diversas herramientas que nos
Las relaciones espaciales entre los datos ayudan a cuantificar la relación entre el
de una variable pueden ser mostradas valor de una variable en un lugar
mediante el uso de un diagrama de particular y el valor de la misma variable
dispersión h, que es la gráfica sobre un en lugares localizados a distancias
par de ejes cartesianos de todos los pares diferentes (continuidad espacial).
de mediciones (z(xi ), z(xi + h)) de el
Entre las herramientas más comunes para
mismo atributo z en sitios separados por
cuantificar la continuidad espacial se
una distancia h y en una dirección encuentra el variograma que puede ser
particular θ. visto como un resumen de un grupo de
Por otro lado, la similitud o disimilaridad diagramas de dispersión-h en donde a
entre los datos separados por un vector h cada valor del variograma le corresponde

2
un diagrama de dispersión diferente (que 13.8 6.5 6.5 10.6 10.6 23.0 21.8 32.8
depende de la distancia h en el eje de las 30.2 30.8 33.7 26.5 39.3 24.5 24.9 23.2
absisas). 16.0 20.9 10.3 22.6 16.2 22.9 36.9 23.5
18.5 16.4 17.9 18.5 13.6 7.9 31.9 14.1
El variograma experimental se 7.1 3.9 3.7 22.5 27.6 17.3
constituye como una realización
4) Diagrama de dispersión h.
particular del fenómeno de estudio y
representa un modelo estadístico (no 4.1) Cargue en su hoja de trabajo de excel
determinista). los datos contenidos en el archivo
[Link]
El semivariograma experimental se
calcula como: Como se mencionó, el diagrama de
N (h )
dispersión h muestra la relación entre los
1 pares de valores de una variable, para una
γ (h)=
2N(h )
∑ ( z(ui )−z (ui +h))2 clase dada de distancia y dirección.
i=1
Los pares de datos son típicamente
Donde N(h) es el número de pares de agrupados en clases de distancias (lags) [h
datos cuyas localizaciones están a una ± Δh] y ángulos [ ± Δθ].
distancia h. El semivariograma es una Por convención el comienzo del vector h,
z(xi) es llamado valor cola (tail), mientras
función tanto de la distancia como de la
que el valor al final z(xi + h) es llamado el
dirección, aunque en el caso de esta valor cabeza (head).
práctica consideraremos el caso
isotrópico. 4.2) Realice los diagramas de dispersión h
para los valores del Zn , con h=2m, 4m,
3) Datos De Wijs 6m. La abscisa corresponde a los valores
Los datos utilizados en esta práctica de las colas y las ordenadas a las cabezas.
llevan el nombre de De Wijs. Esta serie (Inserte las gráficas obtenidas en su
de datos fue tomada en 1951 en la mina reporte de laboratorio).
chilena de Pulacayo y consta de 118
mediciones del contenido de Zinc Nota: Para poder visualizar de una mejor
realizadas en intervalos regulares de manera la correlación se puede agregar a
distancia (cada dos metros). la gráfica una línea con inclinación de
45º.
A continuación presentamos la serie de
datos (el orden es por renglones): DESARROLLO
17.7 17.8 9.5 5.2 4.1 19.2 12.4 15.8
20.8 24.1 14.7 21.6 12.8 11.9 35.4 12.3 Primeramente cargamos Excel, en
14.9 19.6 10.6 15.1 15.6 9.3 8.1 13.5 seguida abrimos el archivo de De Wijs,
30.2 29.1 7.4 12.3 13.6 9.5 13.1 27.4 el cual se trabajó en la práctica pasada.
8.8 11.4 6.4 11.0 11.4 14.1 20.9 10.6
15.3 24.0 12.3 7.8 9.9 20.7 25.0 19.1 Los datos medidos están a cada 2 metros
13.1 27.4 15.2 12.2 10.1 12.3 16.7 18.6 de distancia.
6.0 11.6 11.3 4.7 10.9 6.0 7.2 5.6
8.9 5.8 8.9 6.7 7.2 9.7 10.8 17.9
10.9 13.7 22.3 10.2 5.1 13.9 9.0 10.6

3
 Datos de Zn de De wijcs

Datos a cada 2 metros

Ahora seleccionamos los datos a cada dos metros, esto lo hacemos poniendo el apuntador
más clic y jalándolo hasta el último dato.

Para seleccionar los datos hay que poner el

apuntador más clic en el botón izquierdo
del ratón y se arrastra hasta el último dato
que vayamos a seleccionar.

4
Ahora le damos botón derecho al mouse
y seleccionamos la opción de copiar

5
 Ponemos el apuntador en la celda C2, le
damos clic al botón derecho del mouse y
seleccionamos la opción de pegar

La celda C1 llevara el nombre de “h=2m.”

En la columna “D” pondremos h = 4 metros, para esto seleccionamos lo valores desde 4m

hasta el último valor.

6
Para el diagrama de dispersión de h = 4m
tomaremos los valores desde 9.5 hasta el último
dato.

Para seleccionar los datos le damos clic al botón

izquierdo del mouse y lo arrastramos hacia abajo

Ya que se tienen seleccionados

los datos se le da botón derecho
al mouse y se selecciona la
opción de copiar

7
 Ponemos el cursor en la celda D2 le
damos botón derecho al mouse y le
decimos que pegue los datos

Listo, después de pegar los datos se realizan los mismos pasos para lag igual a 6 m.

Ahora realizaremos la gráfica de dispersión colas vs cabezas a cada 2, 4 6 10 y 12 metros,

para esto seleccionamos los datos de la columna B y C.

8
Ya cuando tenemos los datos seleccionados nos
vamos a Insertar, gráfica de Dispersión, escogemos la
que es solo con marcadores.

Para editar la gráfica y poner la línea de

tendencia le damos un clic a la gráfica,
ahora nos vamos a Herramientas de
gráficos, diseño de gráfico, ahí
seleccionamos el diseño número 9, para
editar los encabezados nada más se la
da doble clic sobre el mismo

9
Este mismo procedimiento se realiza para la gráficas faltante, h = 4m, se seleccionan los
datos de la columna B2:B117, D2:D117, al tener seleccionadas estas columnas se realizan
todos los pasos anteriores para realizar la gráfica de dispersión. Esto es para h= 6m, h=8m,
h=10m y h=12m.

4.3 Preguntas

1 ¿Cómo sería la nube de puntos para un valor de h=0?

2 ¿Cómo se manifestaría en el diagrama de dispersión h una correlación perfecta?

3 ¿Es igual el número de puntos que aparecen en los diagramas de dispersión para
diferentes valores de h? De qué depende el número de puntos?

4 ¿Qué significa el hecho de que la dispersión de la nube de puntos vaya

aumentando conforme aumenta la distancia h?

5 ¿Existe alguna relación entre el ensanchamiento de la nube de puntos y el

coeficiente de correlación?

6 ¿Existe alguna relación entre el ensanchamiento de la nube de puntos y el

variograma

5) Las Funciones covarianza, correlograma y semivariograma.

5.1) Función de covarianza para el Zinc

De acuerdo a las fórmulas vistas en clase implemente la función covarianza (con rangos de
clase de 0,2, 4, 6, 8, 10 y 12m) y haga la gráfica correspondiente.

DESARROLLO
Primeramente vamos a crear una columna en Excel don tendremos los rangos de clase.

Rangos de clase a cada dos metros

10
Adyacentemente a la columna de rangos crearemos la columna de covarianza

Ahora calcularemos la covarianza de los datos de dewijcs, para esto utilizaremos la formula
COVAR, ponemos el cursor en la celda P2 y escribimos la formula seleccionando los datos
a 0, 2, 4, 6, 8, 10 y 12 metros.

En la Celda P2 ponemos la
fórmula:
=COVAR(B2:B119,B2:B119)

En la celda P3 escribimos la
fórmula:

=COVAR(B2:B119,C2:C119)

En la celda P4 escribimos la
fórmula:

=COVAR(B2:B117,D2:D117)

Hay que tomar en cuenta que los datos se tienen que acomodar en la forma de la hoja de
arriba

11
Ya cuando se obtienen los valores de los diferentes rangos se seleccionan los datos y se
realiza la gráfica (si no se recuerda cómo se realiza una gráfica, ver practica uno)

5.2) Correlograma.
De manera análoga haga la función del correlograma con su gráfica correspondiente.

DESARROLLO
Adyacentemente a la columna de COVARIANZA creamos la columna del correlograma
(correlación).

h covarianza correlograma
0 63.5094865
2 28.6457294
4 18.3222919
6 19.5739705
8 11.3623777
10 15.523716
12 10.786588
Ahora calcularemos la correlación entre los datos de dewijcs, para esto utilizaremos la
fórmula [Link] ( ), ponemos el cursor en la celda Q2 y escribimos la formula
seleccionando los datos

Los datos se pueden acomodar al gusto del estudiante, este es sólo un ejemplo para
desarrollar la práctica.

12
 En la Celda Q2 (h=0) escribimos la
fórmula:
=[Link](B2:B119,B2:B119)

En la Celda Q3 (h=2) escribimos la

fórmula:
=[Link](B2:B118,C2:C118)

En la Celda Q4 (H=4) escribimos la

fórmula:
=[Link](B2:B117,D2:D117)

Después de calcular todos los valores para “h” se realiza la gráfica “h vs correlograma”

5.3) Preguntas

7. Analice las curvas obtenidas y explique su comportamiento. ¿Existe alguna

relación entre ellas?

8 ¿Qué significa el comportamiento decreciente de la función de covarianza y el

correlograma?

9. ¿A qué distancia de separación (aproximada) decrece a cero la correlación y

covarianza entre los datos?

13
5.4) Semivariograma.
Obtenga los siguientes semivariogramas experimentales e inserte las gráficas
correspondientes en su reporte.

i) Clases de distancia de 2m, es decir, h= [0,2,4,6,8…] y Δh=0m

DESARROLLO
Abrimos Excel copiamos los datos de Dwijs y los pegamos en la columna A de cada una de
nuestras hojas de trabajo

Vamos a crear tres hojas con H=2,

H=4, H=6. En cada una de estas hojas
vamos a pegar los datos de Dwijcs en la
columna A.

Para calcular el valor del semivariograma de h=2, acomodaremos los datos de la siguiente
manera (este es sólo un ejemplo, el estudiante los puede acomodar como mejor se
acomode).

Datos de dewijcs a cada 2 metros

14
En las columnas C, E, G y I calcularemos la diferencia entre colas y cabezas al cuadrado

En la celda C2 escribiremos la fórmula:

=(A2-B2)^2
Mientras que en la celda I2 sera la
siguiente fórmula:
=(A2-H2)^2
Así sucesivamente para h=4, h=6

En la celda C2 Le damos Enter y se

arrastra la formula hasta el valor
final (CELDA “C118”)

15
 Cuando se tiene todos los valores
calculados, pasamos a realizar la
sumatoria de los datos

En la celda C120 calculamos el

semivariograma de la siguiente manera:
=C119/(2*118)

Dónde:
C119: es la sumatoria de la columna C
118: es el número total de datos ocupados
(colas y cabezas)
Para calcular los valores restantes del semivariograma h=2, se realiza los mismos pasos
mencionados anteriormente. Ya cuando se tienen todos los valores se realiza la gráfica de
h= 2, ejemplo:

Después de terminar el semivariograma para h=2, pasamos a la hoja H=4, para calcular su
semivariograma de la misma manera como si hiso en el ejemplo pasado.

16
En las columnas B, D, F y H calcularemos los valores para el semivariograma h=4
En la celda B2 escribiremos la fórmula: =(A2-A3)^2
Le damos ENTER y arrastramos la fórmula hasta el
valor final (CELDA B236)

En la celda D2 la fórmula será: =(A2-A4)^2

Mientras que en la celda F2 es. =(A2-A5)^2

La celda H2 llevara la fórmula. =(A2-A7)^2

En todos los casos la fórmula se arrastra hasta el valor

final, siempre será uno menos que el anterior.

Ya que se tienen los valores calculados pasamos a calcular la sumatoria de cada uno de
ellos

Cuando se tiene todos los valores

calculados, pasamos a realizar la
sumatoria de los datos

En la celda B239 calculamos el

semivariograma de la siguiente manera:
=B237/(2*236)

Dónde:
B237: es la sumatoria de los datos de la
columna C
236: Es el número total de datos
ocupados (colas y cabezas)

Por último se realiza la gráfica para el semivariograma h = 4, ejemplo:

Para el semivariograma h=6 se realizan los mismo pasaos de los ejemplos anteriores

17
5.5) Preguntas:
10. ¿De acuerdo a su opinión cuál de los variogramas experimentales obtenidos es el más
óptimo para su utilización y por qué?

11. ¿Qué le sucede al semivariograma en la distancia correspondiente al rango?

12. ¿Qué efecto se manifiesta cuando el valor del semivariograma no tiende a cero al
tender h a cero? ¿A qué se debe este efecto?

6) Ajuste manual del variograma a un modelo teórico.

Elija de los variogramas experimentales anteriores el que le parezca más adecuado para
ajustar a un modelo teórico.
A continuación grafique su variograma experimental y trate de ajustarlo a un modelo
esférico de manera manual. Escoja de manera visual el valor del sill de su variograma,
después, a partir de un valor inicial para el rango vaya aumentándolo paulatinamente.
Grafique los variogramas ajustados sobre el variograma experimental (mínimo 3).
En cada caso obtenga el RMSE (Root Mean Square Error) entre el variograma
experimental y el ajustado.

Variograma esférico

|h| 3
{[ |h|
γ esf (h)= c 1 .5 −0. 5
a a ( ) ]} si|h|≤a ;

γ ( h )=c , si|h|≥a
Donde “c” es el valor del sill y “a” el rango en el modelo esférico.

Ejemplo:

Primeramente tendremos que escoger el variograma experimental que más se ajuste a

nuestro modelo teórico, para modo de ejemplo utilizare el semivariograma h=4

De este semivariograma experimental obtendremos él sill y el rango el cual se elegirá de

forma visual.

18
Del semivariograma h=4 tenemos que nuestro sill tendrá un valor inicial de 50 y nuestro
rango será de 6.9m, estos valores los tomaremos para calcular el variograma teórico.
Nos vamos a una hoja nueva de Excel para calcular los diferentes variogramas teóricos, en
este caso vamos a variar los valores de SILL y del RANGO, lo cual nos ayudara a tener el
mejor modelo teórico, esto lo comprobaremos con el error medio cuadrático (RMSE).

Para calcular el variograma teórico vamos a utilizar la fórmula

del variograma esférico, el sill y el rango, en la celda D2 vamos a
escribir la fórmula:
=SI(C2<=$B$3,$B$2*(1.5*C2/$B$3-0.5*(C2/$B$3)^3),$B$2)

En la celda D11 donde ya se varió el valor del SIIL y el RANGO la

fórmula será la siguiente:
=SI(C11<=$B$12,$B$11*(1.5*C11/$B$12-0.5*(C11/$B$12)^3),$B$11)

En el utlimo variograma teórico el valor de la fórmula será:

=SI(C22<=$B$23,$B$22*(1.5*C22/$B$23-0.5*(C22/$B$23)^3),$B$22)

Hay que tomar en cuenta que para que la fórmula funcione,

los datos tienen que estar acomodados de la misma manera
que en el ejemplo, los valores del SILL y del RANGO
variaran en función de los resultados de cada estudiante.

Por último se realizan las gráficas de cada uno de los variogramas calculados

19
El error medio cuadrático se calcula con los valores del semivariograma experimental y los
valores del variograma teórico
h semivariograma experimental variograma teórico (G2-H2)^2
4 42.38265957 38.60777026 14.2497893
8 50.86195279 50 0.74296261
12 52.13467532 50 4.55683874
SUMATORIA 19.5495907 RMSE= 1.47383064

6.1) Preguntas:
13.- ¿Según usted cuál es el mejor ajuste?
14.- ¿Cuál es el ajuste al que le correspondió el menor RMSE?
15.- ¿Usted considera que el RMSE es el mejor parámetro para ajustar un variograma
experimental a un modelo teórico? ¿Por qué?

20