UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA GEOLOGIA, MINERA Y METALURGICA

ESCULA DE MINAS

NOMBRE Y APELLIDOS: Nestor Enrique Rodriguez Jesus

CURSO: Geoestadstica I

TEMA: Variograma (Efecto Hueco)

PROFESOR: Ing. Teves

Lima, 24 de abril del 2012

 Variograma (Efecto Hueco)
Objetivos:
El objetivo del presente informe es determinar los parmetros descriptivos de los
semivariogramas, los cuales sern posteriormente usados en la estimacin.

Marco terico:
Variograma:

A esta funcin denotada por 2(h) se le denomina variograma. Utilizando la definicin

terica de la varianza en trminos del valor esperado de una variable aleatoria,
tenemos:

La mitad del variograma (h), se conoce como la funcin de semivarianza y caracteriza

las propiedades de dependencia espacial del proceso. Dada una realizacin del
fenmeno, la funcin de semivarianza es estimada, por el mtodo de momentos, a travs
del semivariograma experimental, que se calcula mediante:

Donde Z(x) es el valor de la variable en un sitio x, Z(x + h) es otro valor muestral

separado del anterior por una distancia h y n es el nmero de parejas que se encuentran
separadas por dicha distancia. La funcin de semivarianza se calcula para varias
distancias h. En la prctica, debido a irregularidad en el muestreo y por ende en las
distancias entre los sitios, se toman intervalos de distancia {[0, h], (h, 2h], (2h, 3h],L}y
el semivariograma experimental corresponde a una distancia promedio entre parejas de
sitios dentro de cada intervalo y no a una distancia h especfica. Obviamente el nmero
de parejas de puntos n dentro de los intervalos no es constante.

Parmetros de los variogramas:

Son tres los elementos que caracterizan la variabilidad de un atributo:

La discontinuidad en el origen (existencia del efecto de pepita: C 0): Se

denota por C0 y representa una discontinuidad puntual del variograma en el
origen. Puede ser debido a errores de medicin en la variable o a la escala de la
 misma. En algunas ocasiones puede ser indicativo de que parte de la estructura
espacial se concentra a distancias inferiores a las observadas.
El valor mximo de la variabilidad (meseta: C1): Es la cota superior del
variograma. Tambin puede definirse como el limite del variograma cuando la
distancia h tiende a infinito. La meseta puede ser o no finita. Los variogramas
que tienen meseta finita cumplen con la hiptesis de estacionariedad fuerte;
mientras que cuando ocurre lo contrario, el variograma define un fenmeno
natural que cumple slo con la hiptesis intrnseca. La meseta se denota por C1 o
por (C0 + C1) cuando la pepita es diferente de cero. Si se interpreta la pepita
como un error en las mediciones, esto explica porque se sugiere que en un
modelo que explique bien la realidad, la pepita no debe representar mas del 50%
de la meseta. Si el ruido espacial en las 25 mediciones explica en mayor
proporcin la variabilidad que la correlacin del fenmeno, las predicciones que
se obtengan pueden ser muy imprecisas.
El rea de influencia de la correlacin (alcance: a): En trminos prcticos
corresponde a la distancia a partir de la cual dos observaciones son
independientes. El rango se interpreta como la zona de influencia. Existen
algunos modelos de variograma en los que no existe una distancia finita para la
cual dos observaciones sean independientes; por ello se llama rango efectivo a la
distancia para la cual el variograma alcanza el 95% de la meseta. Entre ms
pequeo sea el rango, ms cerca se esta del modelo de independencia espacial.
El rango no siempre aparece de manera explcita en la frmula del variograma.
En el caso del modelo esfrico, el rango coincide con el parmetro a, que se
utilizar en las ecuaciones ms adelante. Sin embargo, en el modelo
exponencial, el rango efectivo es a/3 y en el modelo gaussiano es a/((3)^1/2).
Modelos Tericos de Variogramas:

Modelo Esfrico:

Tiene un crecimiento rpido cerca al origen, pero los incrementos marginales van
decreciendo para distancias grandes, hasta que para distancias superiores al rango los
incrementos son nulos. Su expresin matemtica es la siguiente:

En donde C1 representa la meseta, a el rango y h la distancia.

Modelo Exponencial:

Este modelo se aplica cuando la dependencia espacial tiene un crecimiento exponencial

respecto a la distancia entre las observaciones. El valor del rango es igual a la distancia
para la cual el semivariograma toma un valor igual al 95% de la meseta. Este modelo es
ampliamente usado. Su expresin matemtica es la siguiente:

Modelo Gaussiano:

Al igual que en el modelo exponencial, la dependencia espacial se desvanece solo en

una distancia que tiende a infinito. El principal distintivo de este modelo es su forma
parablica cerca al origen. Su expresin matemtica es:
 Comparacin de los modelos exponencial, esfrico y Gaussiano. La lnea punteada
vertical representa el rango en el caso del modelo esfrico y el rango efectivo en el de
los modelos exponencial y gaussiano. Este tiene un valor de 210, respecto a una escala
simulada entre 0 y 300. El valor de la meseta es 30 y el de la pepita 0. El 95% de la
meseta es igual a 28.5.

Modelos Monmicos:

Corresponden a los modelos que no alcanzan la meseta (Fig. 11). Su uso puede ser
delicado debido a que en algunos casos indican la presencia de no estacionariedad en
alguna direccin.

Su frmula matemtica es la siguiente:

Obviamente cuando el parmetro q es igual a uno el modelo es lineal y k representa la

pendiente de la ecuacin de regresin con intercepto cero. Grficamente se pueden
representar as:

Modelo de Independencia (Pepita Puro):

Es indicativo de carencia de correlacin espacial entre las observaciones de una

variable. Es comn sumar este modelo a otro modelo terico de semivarianza, para
obtener lo que se conoce como semivariograma anidado. Lo anterior se sustenta en una
propiedad de los semivariogramas que dice que cualquier combinacin lineal de
semivariogramas con coeficientes positivos es un semivariograma. Su expresin
matemtica es:

Su representacin grfica es la siguiente:

Anlisis de anisotropa:

Cuando el semivariograma calculado en diferentes direcciones (norte-sur, este-oeste, y

en direcciones intermedias de 45 o de 22.5, con tolerancia de 22.5o), muestra similar
comportamiento, se dice que el fenmeno es Isotrpico, cuando muestran diferentes
comportamientos es Anisotrpico. Los tipos de anisotropas ms comunes son la
Geomtrica y la Zonal.

Anisotropa Geomtrica: Est presente cuando los semivariogramas en

diferentes direcciones tiene la misma meseta pero distintos alcance
Anisotropa Zonal: Est presente cuando los semivariogramas en diferentes
direcciones tiene diferentes mesetas y alcances.

Los problemas ms comunes al modelar semivariogramas que complican este proceso

se analizan en los siguientes casos:

Existencia de estructuras anidadas: Indica que diferentes procesos operan a

diferentes escalas, como por ejemplo alguno o todos los siguientes: A muy
pequeas distancias la variabilidad puede estar presente debido a cambios de una
composicin mineral a otra. A pequeas distancias la variabilidad puede estar
presente debido a errores. A grandes distancia la variabilidad puede estar
presente debido a casos transitorios de desgaste mineral. El cual puede ser
resuelto aplicando varios modelos simultneamente.
 Existencia de efecto hueco: Indica que muy pocos pares estn disponible para
la comparacin a una distancia especfica. Y puede ser resuelto recuperando ms
casos para la distancia definida.
La periodicidad est presente: Indica que el comportamiento del
semivariograma repite por s mismo periodicidades, por ejemplo: El valor de la
meseta puede aumentar o disminuir sistemticamente, o un caso en que los
valores son tomados alternativamente a travs de diferentes estratos, como
piedras areniscas, esquistos, etc. Esto puede ser resuelto si es un problema real y
no un antifaz del anlisis, la periodicidad puede ser tambin un fenmeno real
mostrado por zonal ricas y pobres repetidas a espacios similares.

Cdigo del Programa:

Dim m As Single

Sub generar(ByVal i As Single, ByVal j As Single)

For i = 1 To m
Cells(i + 3, 2) = Abs(Sin(i / 10))
Next i
For j = 1 To m
Cells(j + 3, 4) = j
Next j
End Sub

Sub variograma(ByVal l As Single, ByVal k As Single)

Dim f As Single, f1 As Single
l=1
Do While l < m
k=0
f=0
Do While k < m - l
k=k+1
f1 = (Cells(k + 3, 2) - Cells(k + l + 3, 2)) ^ 2
f = f + f1
Loop
Cells(l + 3, 3) = (f) / (2 * k)
l=l+1
Loop
End Sub

Sub Efecto_Hueco()
m = InputBox("Escribir Numero de Muestras")
Range("c2") = m
Call generar(i, j)
Call variograma(l, k)
MsgBox ("Fin del Proceso")
End Sub

Datos y Grficas:

Datos Aleatorios (h) h

0,0998334166 0,0023805930 1
0,1986693308 0,0090798866 2
0,2955202067 0,0194062293 3
0,3894183423 0,0326437131 4
0,4794255386 0,0480657853 5
0,5646424734 0,0649488345 6
0,6442176872 0,0825846642 7
0,7173560909 0,1002940014 8
0,7833269096 0,1174376309 9
0,8414709848 0,1334274113 10
0,8912073601 0,1477368474 11
0,9320390860 0,1599094719 12
0,9635581854 0,1695660055 13
0,9854497300 0,1764120013 14
0,9974949866 0,1802405566 15
0,9995736030 0,1809372604 16
0,9916648105 0,1784810424 17
0,9738476309 0,1729453951 18
0,9463000877 0,1644951552 19
0,9092974268 0,1533862948 20
0,8632093666 0,1399600506 21
0,8084964038 0,1246374026 22
0,7457052122 0,1079126075 23
0,6754631806 0,0903451964 24
0,5984721441 0,0725503564 25
0,5155013718 0,0551892705 26
0,4273798802 0,0389576964 27
0,3349881502 0,0246513039 28
0,2392493292 0,0129913874 29
0,1411200081 0,0046849386 30
0,0415806624 0,0004232656 31
0,0583741434 0,0008268675 32
0,1577456941 0,0058113779 33
0,2555411020 0,0147137688 34
0,3507832277 0,0268267263 35
0,4425204433 0,0414266326 36
0,5298361409 0,0577869751 37
0,6118578909 0,0751918331 38
0,6877661592 0,0929484367 39
0,7568024953 0,1103996709 40
0,8182771111 0,1269350201 41
0,8715757724 0,1420012414 42
0,9161659367 0,1551119238 43
0,9516020739 0,1658550203 44
0,9775301177 0,1738996953 45
0,9936910036 0,1790026426 46
0,9999232576 0,1810108125 47
0,9961646088 0,1798642278 48
0,9824526126 0,1755965203 49
0,9589242747 0,1683350354 50
Y ms Y ms Y ms
 Datos Aleatorios Grfica de Variograma
(h)
1.2000000000

1.0000000000

0.8000000000

0.6000000000

0.4000000000

0.2000000000

0.0000000000
h
0 60 120 180 240 300 360 420 480 540 600 660 720 780 840 900 96010201080

Media de Datos Aleatorios

0,6388639808
Varianza de Datos Aleatorios
0,0941573977
Coeficiente de Variacin de Datos Aleatorios
 0,4803068942

Conclusiones:
En conclusin se puede observar que si los datos cumplen una funcin peridica,
entonces el variograma de estos datos va a presentar una relacin peridica de
igual o semejante periodo. En este caso el periodo es 31.41.
El efecto hueco se observa en la grafica, cuando ocurre que se tienes pocos pares
para una comparacin a una distancia especfica. La variacin numrica entre un
dato anterior y posterior es considerable.

Bibliografa:
http://ocw.upm.es/proyectos-de-ingenieria/sistemas-de-informacion-geografica-
tecnicas-cuantitativas-para-gestion-de-
datos/contenidos/WEB/TEORIA/10krigeado.pdf
http://www.monografias.com/trabajos14/geoestadistica/geoestadistica.shtml
Universidad Nacional de Colombia. Introduccin a la Geoestadistica-Teora y
Aplicacin