Proyecto Final

Análisis geoestadístico de contaminación en el suelo por
137Cs en cercanías a la planta nuclear de Chernóbil
Presentado a:
Juan Carlos Álvarez Forero
Presentado por:
Angela Marcela Pineda Lozano 20221094021
Leidy Tatiana Castillo 20221094006
Anngie Catherine Estupiñán 20221094010
Universidad Distrital Francisco José de Caldas

Especialización Sistemas de Información Geográfica
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS
ESPECIALIZACIÓN EN SISTEMAS DE INFORMACIÓN GEOGRAFICA V1-2022-06-14
GEOESTADISTICA
CONTENIDO
INDICE DE FIGURAS ........................................................................................... 2
INDICE DE TABLAS .............................................................................................. 4
INTRODUCCIÓN .................................................................................................. 5
OBJETIVO ............................................................................................................ 6
PROCEDIMIENTO GENERAL DE ANÁLISIS GEOSTADISTICO ............................... 7
ANÁLISIS EXPLORATORIO DE LOS DATOS .......................................................... 8
ANÁLISIS ESTRUCTURAL DE LOS DATOS .......................................................... 14
VISUALIZACIÓN DE SUPERFICIES DE TENDENCIA EN 3D ................................ 18
VISUALIZACIÓN DE SUPERFICIES DE TENDENCIA RASTER ............................. 21
AJUSTE DE LA TENDENCIA. ............................................................................... 23
VECINDADES ..................................................................................................... 33
VALIDACION CRUZADA ..................................................................................... 34
ESTIMACION KRIGING...................................................................................... 35
Página 1 de 41
GEOESTADISTICA
GEOESTADISTICA
INDICE DE FIGURAS
Figura 1 Cargue de datos software R. Fuente: Propia .................................................... 7
Figura 2 Cargue y verificación de datos, Variable CS137, número de datos 1171. Fuente:
Propia ....................................................................................................................... 8
Figura 3 Resultados medidas de tendencia central, variable CS137, procesamiento “R”.
Fuente: Propia ........................................................................................................... 9
Figura 4 Resultados medidas de tendencia central, Histograma, variable CS137,
procesamiento “R”. Fuente: Propia ............................................................................. 10
Figura 5 Resultados medidas de dispersión variable CS137, procesamiento “R”. Fuente:
Propia ...................................................................................................................... 11
Figura 6 Resultados medidas de distribución variable CS137, procesamiento “R”. Fuente:
Propia ...................................................................................................................... 12
Figura 7 Resultados Q-QPlot variable CS137, procesamiento “R”. Fuente: Propia ............ 13
Figura 8 Resultados Q-QPlot variable CS137, procesamiento “R”. Fuente: Propia ............ 13
Figura 9 Resultados de Normalidad kolmogórov-Smirnov variable CS137, procesamiento “R”.
Fuente: Propia .......................................................................................................... 14
Figura 10 Tendencia X. Fuente: Propia ........................................................................ 15
Figura 11 Tendencia Y. Fuente: Propia ........................................................................ 16
Figura 12 Tenddencia (Deriva/drift). Fuente: Propia ..................................................... 17
Figura 15 Creación de La grilla, superficie media constante. Fuente: Propia ................... 18
Figura 16 Superficie primer orden. Fuente: Propia........................................................ 19
Figura 17 Superficie segunda Orden. Fuente: Propia .................................................... 20
Figura 18 Superficie tercer Orden. Fuente: Propia ........................................................ 20
Figura 19 Condición de Universalidad. Fuente: Propia. .................................................. 21
Figura 20 Superficie de orden 1, en sentido X y Y. Fuente: Propia ................................. 22
Figura 23 Cálculo de errores estandarizados. Fuente: Propia ......................................... 24
Figura 24 Cálculo de errores estandarizados. Fuente: Propia ......................................... 24
Figura 25 Cálculo variograma experimental. Fuente: Propia .......................................... 24
Figura 26 Ajuste automático de Variograma. Fuente: Propia ......................................... 25
Figura 27 Recalculo de medidas de tendencia central. Fuente: Propia ............................ 25
Figura 28 Generación de histograma. Fuente: Propia.................................................... 26
Figura 29 Generación de histograma y Caja de bigotes. Fuente: Propia.......................... 26
Figura 30 Generación de diagramas QQPlot. Fuente: Propia .......................................... 26
Figura 31 Transformación Gaussiana de la variable. Fuente: Propia ............................... 27
Figura 32 Recalculo de medidas de central, bajo transformación. Fuente: Propia ............ 27
Figura 33 Recalculo de medidas de dispersión, bajo transformación. Fuente: Propia ....... 27
Figura 34 Recalculo de medidas de dispersión, bajo transformación. Fuente: Propia ....... 28
Figura 35 Recalculo de medidas de distribución, bajo transformación. Fuente: Propia ..... 28
Página 2 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 36 Evaluación Resultados de Normalidad kolmogórov - Smirnov variable CS137,

procesamiento “R”, bajo ajuste. Fuente: Propia ........................................................... 28
Figura 37 Tendencia en sentido X. Fuente: Propia ........................................................ 29
Figura 38 Tendencia en sentido X. Fuente: Propia ........................................................ 29
Figura 39 Tendencia en sentido Y. Fuente: Propia ........................................................ 29
Figura 40 Tendencia en sentido Y. Fuente: Propia ........................................................ 29
Figura 41 Evaluación de superficie de Orden 1, y Orden 2. Fuente: Propia ..................... 30
Figura 42 Evaluación de superficie de Orden 3, generación 3D. Fuente: Propia ............... 30
Figura 43 Evaluación de superficie de Generación orden 2 y 3 en 3D. Fuente: Propia ...... 30
Figura 44 Generación de tendencia en 3D orden 3, y Ráster Orden 1 Fuente: Propia ...... 31
Figura 45 Generación Ráster Orden 2, y Orden 3. Fuente: Propia .................................. 31
Figura 46 Ajuste de calculo de Errores estandarizados. Fuente: Propia........................... 32
Figura 47 Calculo de variograma ajustado. Fuente: Propia ............................................ 32
Figura 48 Ajuste automático de variograma direccionales Fuente: Propia ....................... 32
Figura 49 Ajuste automático de variograma direccionales y nube variografica Fuente: Propia
............................................................................................................................... 33
Figura 50 Creación de vecindades y validación cruzada. ............................................... 33
Figura 51 Kriging ordinario, procesamiento “R”. Fuente: Propia ..................................... 35
Figura 52 Kriging simple, procesamiento “R”. Fuente: Propia ........................................ 35
Figura 53 Kriging universal, procesamiento “R”. Fuente: Propia ..................................... 36
Figura 54 Anamorfosis, procesamiento “R”. Fuente: Propia ........................................... 36
Figura 55 Logarítmica, procesamiento “R”. Fuente: Propia ............................................ 37
Figura 56 Superficie Media, procesamiento “R”. Fuente: Propia ..................................... 37
Figura 57 Superficie dispersión, procesamiento “R”. Fuente: Propia ............................... 38
Figura 58 Superficie de Anamorfosis, procesamiento “R”. Fuente: Propia ....................... 38
Figura 59 Superficie logarítmica, procesamiento “R”. Fuente: Propia .............................. 39
Figura 60 kringing, Fuente: Propia .............................................................................. 40
Figura 61 Simulación, Fuente: Propia .......................................................................... 40
Página 3 de 41
GEOESTADISTICA
GEOESTADISTICA
INDICE DE TABLAS
Tabla 1 Resultados de medidas de tendencia central. Fuente: Propia .............................. 8
Tabla 2 Resultados de medidas de dispersión. Fuente: Propia ....................................... 10
Tabla 3 Resultados de medidas de dispersión. Fuente: Propia ....................................... 11
Tabla 4 Resultados de vecindades. Fuente: Propia ....................................................... 33
Tabla 5 Resultados de modelo de vecindades. Fuente: Propia ....................................... 34
Página 4 de 41
GEOESTADISTICA
GEOESTADISTICA
INTRODUCCIÓN
El presente documento contiene el desarrollo del análisis geoestadístico realizado sobre los
datos suministrados por parte del docente Juan Carlos Álvarez en la asignatura
Geoestadística, en relación a la contaminación de suelo generado por la planta nuclear de
Chernóbil.
La variable sobre la cual se realizó el análisis corresponde al elemento radioactivo Cesio,

sobre el cual se tienen 1171 registros, los cuales fueron procesados a fin de identificar la
incidencia de las muestras tomadas sobre el área próxima a la localización de la zona de
estudio.
El análisis realizado sobre la variable ya mencionada, permite a diferentes entidades y

futuros analistas tomar decisiones precisas y acertadas sobre la incidencia del elemento
radiactivo Cesio, en la contaminación presentada por cuenta de la planta nuclear de
Chernóbil
Página 5 de 41
GEOESTADISTICA
GEOESTADISTICA
OBJETIVO
• Aplicar los conocimientos impartidos en el desarrollo de la asignatura Geoestadística
para evaluar la variable radioactiva de Cesio.
• Evaluar los resultados obtenidos a través de los diferentes análisis realizados:
exploratorio, estructural y demás que se dieron a lugar.
• Interpretar los diferentes resultados mediante gráficas que se obtuvieron mediante
el uso del software “R”.
Página 6 de 41
GEOESTADISTICA
GEOESTADISTICA
PROCEDIMIENTO GENERAL DE ANÁLISIS GEOSTADISTICO
Una vez se identifica la variable que se evaluara, se realiza el cargue de los datos al software
“R”, en donde se identifica y define Cesio, como la muestra que se analizara dentro del
proceso.
Figura 1 Cargue de datos software R. Fuente: Propia
Posterior al cargue de datos, y la verificación de la variable que se evalúa: CS137 (Cesio),

en la interfaz del software se verifican el numero de datos “cargados” y sobre los cuales se
realizará el estudio, adicional, se identifica el mapeo de los puntos, en donde se encuentran
contenidos los 1171 valores a analizar, procedimiento que se puede visualizar en la Figura
2 Cargue y verificación de datos, Variable CS137, número de datos 1171. Fuente: Propia
Página 7 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 2 Cargue y verificación de datos, Variable CS137, número de datos 1171. Fuente: Propia
ANÁLISIS EXPLORATORIO DE LOS DATOS

Posterior a la verificación de los valores cargados, se procede a correr el código a fin de
obtener el resultado de las medidas de tendencia central: media, mediana y moda, las cuales
se resumen en la siguiente tabla:
Tabla 1 Resultados de medidas de tendencia central. Fuente: Propia
MEDIDAS DE TENCENCIA CENTRAL RESULTADO

MEDIANA 248
MODA 60
MEDIA 1202.541
Los valores obtenidos en las medidas de tendencia central indican que el punto medio del
conjunto de datos evaluados (mediana) se encuentra en el valor 248, lo que indica que la
mitad de las observaciones están por encima de este valor y la otra mitad están por debajo.
Ahora bien, en cuanto a la media se identifica que el promedio de los datos evaluados oscila
aproximadamente en 1202.541, normalmente, la mediana y la media miden la tendencia
central de los datos; no obstante, para el ejercicio que se desarrolla, estas medidas se
encuentran distantes, por lo que se induce que existen valores atípicos que impiden que
dichos valores sean similares, concluyendo que no existe simetría en los datos evaluados.
La moda encontrada en los datos, corresponde a 60, indicando de esta forma que dentro
de las muestras tomadas y evaluadas del cargue de datos, es el valor que más frecuencia
Página 8 de 41
GEOESTADISTICA
GEOESTADISTICA
presenta. Dado que solo se obtiene un dato como moda, se interpreta que se presenta una
distribución unimodal. A continuación, en la Figura 3 Resultados medidas de tendencia
central, variable CS137, procesamiento “R”. Fuente: Propia se evidencian los valores ya
descritos obtenidos a través del procesamiento realizado en el software “R”.
Figura 3 Resultados medidas de tendencia central, variable CS137, procesamiento “R”. Fuente: Propia
A fin de facilitar la interpretación ya descrita de los valores obtenidos dentro de la evaluación

de las medidas de tendencias central, se obtiene el histograma, el cual se muestra en la
Figura 4 Resultados medidas de tendencia central, Histograma, variable CS137,
procesamiento “R”. Fuente: Propia , el mismo corrobora que dentro de los datos existentes
hay valores atípicos y extremos que impiden la simetría.
Página 9 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 4 Resultados medidas de tendencia central, Histograma, variable CS137, procesamiento “R”. Fuente:
Propia
A continuación, se muestran los valores obtenidos en cuanto a la evaluación de las medidas

de dispersión: Varianza y desviación estándar.
Tabla 2 Resultados de medidas de dispersión. Fuente: Propia
MEDIDAS DE DISPERSIÓN RESULTADO

VARIANZA 25303874
DESVIACIÓN ESTÁNDAR 5030.296
Según los resultados, obtenidos, se interpreta que los datos se encuentran dispersos entre
ellos, dado que el valor de la varianza es alto en relación a los valores contenidos para la
variable CS137 (Cesio); en cuanto a la desviación estándar, el valor obtenido corrobora la
interpretación ya dada, existe una dispersión de los valores dentro de las muestras analizas.
En la Figura 5 Resultados medidas de dispersión variable CS137, procesamiento “R”. Fuente:
Propia, se muestra el procesamiento realizado en el software “R”.
Página 10 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 5 Resultados medidas de dispersión variable CS137, procesamiento “R”. Fuente: Propia
A continuación, se muestran en la Tabla 3 Resultados de medidas de dispersión. Fuente:

Propia, obtenidos para las observaciones de la variable CS137 (Cesio)
Tabla 3 Resultados de medidas de dispersión. Fuente: Propia
MEDIDAS DE DISTRIBUCIÓN RESULTADO

ASIMETRIA 14.84
CURTOSIS 267.6968
Bajo los valores obtenidos, se estable que la curtosis es positiva, lo que indica que la
distribución presenta colas más pesadas que la distribución normal; de igual forma se
muestra una asimetría positiva o hacia la derecha, identificando que la asimetría es mayor
que cero, por lo anterior se valida nuevamente los datos son asimétricos.
A continuación, en la Figura 6 Resultados medidas de distribución variable CS137,

procesamiento “R”. Fuente: Propia se muestra el procesamiento realizado y el grafico de
bigotes obtenido en el software “R”. En la figura anteriormente mencionada se evidencia la
distribución de los datos.
Página 11 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 6 Resultados medidas de distribución variable CS137, procesamiento “R”. Fuente: Propia
Para finalizar la evaluación del análisis exploratorio de los datos, en la Figura 7 Resultados
Q-QPlot variable CS137, procesamiento “R”. Fuente: Propia y Figura 8 Resultados Q-QPlot
variable CS137, procesamiento “R”. Fuente: Propia, se muestra la distribución de los
Cuartiles, en donde en cada una de las figuras se muestra la dispersión de los datos,
comportamiento atípico de las observaciones evaluadas.
Para corregir los valores se procedió a realizar una transformación logarítmica, la cual se
muestra en la Figura 8 Resultados Q-QPlot variable CS137, procesamiento “R”. Fuente:
Propia; sin embargo, los valores mantienen su comportamiento disperso y atípico.
Página 12 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 7 Resultados Q-QPlot variable CS137, procesamiento “R”. Fuente: Propia
Figura 8 Resultados Q-QPlot variable CS137, procesamiento “R”. Fuente: Propia
A fin de validar las conclusiones ya descritas, se verifico los resultados para normalidad
Kolmogórov-Srminov, obteniendo en ambos casos, valores positivos, validando las
condiciones de anormalidad ya presentadas, y mostrando que dentro de las observaciones
Página 13 de 41
GEOESTADISTICA
GEOESTADISTICA
planteadas existen datos atípicos que impiden que los valores se aproximen y mantengan
una distribución normal; es importante indicar que los valores calculados superan los valores
teóricos.
Figura 9 Resultados de Normalidad kolmogórov-Smirnov variable CS137, procesamiento “R”. Fuente: Propia
ANÁLISIS ESTRUCTURAL DE LOS DATOS

A continuación, en el desarrollo del presente numeral, el lector podrá evidenciar el análisis
estructural realizado, el cual consiste en la modelación de la función que muestra la
correlación de la variable que se evalua.
En la Figura 10 Tendencia X. Fuente: Propia Y Figura 11 Tendencia Y. Fuente: Propia, ese

evidencia la tendencia de la variable CS137 evaluada en el sentido X y en el sentido Y,
respectivamente.
En el análisis de la tendencia en el sentido X, se muestra la línea de tendencia de primer

orden, segundo orden y tercer orden, en los clores azul, rojo y verde respectivamente; en
la figura se evidencia que existen datos fuera de las líneas de tendencia, puntos que
evidencian los datos atípicos mostrados en las observaciones
Página 14 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 10 Tendencia X. Fuente: Propia
En la figura ya mencionada, tendencia en el sentido Y, se muestran las líneas de tendencia

de primer orden, segundo orden y tercer orden ellos colores azules, rojo, verde
respectivamente; al igual que en el sentido X, en el sentido Y, se identifican varias
observaciones atípicas que se encuentran lejos de las líneas de tendencia generadas para
las diferentes muestras de la variable evaluada.
Página 15 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 11 Tendencia Y. Fuente: Propia
Finalmente, y a fin de cerrar el procedimiento de calculo y procesamiento, a modo de

información, se muestran los pantallazos del proceso de manipulación del código en el
software “R”, en donde se obtiene el grado de la función de tendencia del orden ya
mencionado (𝑥, 𝑥 2 , 𝑥 3 , 𝑒𝑐𝑡).
Página 16 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 12 Tenddencia (Deriva/drift). Fuente: Propia
Página 17 de 41
GEOESTADISTICA
GEOESTADISTICA
VISUALIZACIÓN DE SUPERFICIES DE TENDENCIA EN 3D

En virtud de la evaluación de la variable en tres dimensiones, se realiza la muestra del
proceso ejecutado para la visualización de las superficies de Tendencia en 3D.
Figura 15 Creación de La grilla, superficie media constante. Fuente: Propia
Página 18 de 41
GEOESTADISTICA
GEOESTADISTICA
En la anterior figura, se muestra la figura de media constante (Hipótesis de estacionariedad

de orden dos (2)) y condiciones de Universidalidad.
De igual forma se muestra la superficie generada para el primer orden, en donde se realiza
la estimación de valores para la primera derivada, es decir drift 1, en el sentido “X” y “Y”,
scatter plot con superficie de regresión drift 1, en sentido “X” y “Y”
Figura 16 Superficie primer orden. Fuente: Propia
En cada una de las siguientes figuras se realiza el modelamiento de la superficie en 3D, de

segundo orden y tercer orden; en las mismas se evidencia que existen valores atípicos y
extremos en los sentidos, lo que indica una asimetría de valores observados.
Página 19 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 17 Superficie segunda Orden. Fuente: Propia
Figura 18 Superficie tercer Orden. Fuente: Propia
Página 20 de 41
GEOESTADISTICA
GEOESTADISTICA
VISUALIZACIÓN DE SUPERFICIES DE TENDENCIA RASTER

A fin de visualizar de forma ráster el comportamiento de la variable se realiza el
modelamiento y el cargue de la información.
En la siguiente figura se muestra la condición de Universalidad generada
Figura 19 Condición de Universalidad. Fuente: Propia.
En la Figura 20 Superficie de orden 1, en sentido X y Y. Fuente: Propia, Figura 21 Superficie

de orden 2, en sentido X y Y. Fuente: Propia y Figura 22 Superficie de orden 3, en sentido
X y Y. Fuente: Propia, se muestran los resultados de modelamiento ráster obtenidos para la
variable evaluada CS137, mostrando para cada uno de las tendencias y ordenes evaluados.
Página 21 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 20 Superficie de orden 1, en sentido X y Y. Fuente: Propia
Página 22 de 41
GEOESTADISTICA
GEOESTADISTICA
Dentro de las imágenes mostradas se evidencia que existen observaciones en los extremos
que son atípicas a los valores centrales y normales, por lo que valida la existencia de datos
lejanos de las tendencias formuladas.
AJUSTE DE LA TENDENCIA.
Dado que la evaluación realizada sobre la variable CS137, demostró asimetría en las
observaciones obtenidas es necesario realizar el ajuste de los valores atípicos y recalculo de
todo el procedimiento ya descrito, de tal forma que los valores puedan tener una tendencia
adecuada.
Para esto en primera instancia se realiza el calculo de los errores estandarizados, que se
pueden dar por la toma de datos en campo, errores del observados entre otras
anormalidades que alteran el resultado final de la observación.
Página 23 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 23 Cálculo de errores estandarizados. Fuente: Propia
A fin de identificar el ajuste de las medidas de tendencia central, se calcula la media de los
valores residuales y de los residuales estandarizados.
Figura 24 Cálculo de errores estandarizados. Fuente: Propia
Una vez se procesan los valores residuales estanddarizados y se identifica la varianza se

imprime la tabla comparativa, en donde evidencia el ajuste realizado a cada una de las
derivas planteadas de diferente orden, y se calcula el error de la media, media residual y
varianza residual.
Figura 25 Cálculo variograma experimental. Fuente: Propia
Hasta el orden tres, se disminuye el error residual de varianza, siendo este, menor que uno
(1), para posteriormente realizar el calculo del variograma experimental.
Página 24 de 41
GEOESTADISTICA
GEOESTADISTICA
Bajo el procesamiento ejecutado, se encontró un variograma onmidireccional con un alcance

total de 30000, el cual fue el punto de partida para el caculo de variograma direccional con
una tolang de 22.5, mostrado en la siguiente figura.
Figura 26 Ajuste automático de Variograma. Fuente: Propia
Con el ajuste automático y por defecto la variable evaluada tiene una anisotropía zonal con
una dirección de 0°.
Figura 27 Recalculo de medidas de tendencia central. Fuente: Propia
Ahora bien, una vez se realizan los ajustes correspondientes se realiza una transformación
logarítmica, con el objetivo de encontrar la corrección adecuada a los datos para mejores
interpretaciones.
Con el ajuste logarítmico se encuentra que las medidas de tendencia central como la media
y la mediana, se encuentran cercanas una de la otra, valores que se pueden identificar en
el histograma, en donde una vez evaluada y analizada la variable se puede intuir que tiene
un comportamiento simétrico y ajustado.
Página 25 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 28 Generación de histograma. Fuente: Propia
Adicional a este recalculo, se genera el ajuste y calculo de las medidas de dispersión,

generando de esta forma, una curva de tendencia que encierra todos los datos y un
diagrama de bigotes que muestra los datos con una cercanía prudente, de tal forma que los
datos dispersos no afectan de gran manera el procesamiento global de la variable.
Figura 29 Generación de histograma y Caja de bigotes. Fuente: Propia
En virtud de la evaluación de las medidas de distribución bajo el ajuste logarítmico se

muestra a continuación, en la Figura 30 Generación de diagramas QQPlot. Fuente: Propia,
las graficas de los cuartiles, mostrando que la línea de tendencia de los datos se encuentra
próxima a todas las observaciones, considerando muy pocos valores por fuera de la misma.
Figura 30 Generación de diagramas QQPlot. Fuente: Propia
Página 26 de 41
GEOESTADISTICA
GEOESTADISTICA
Por otro lado, se contempla la transformación Gaussiana, realizando el procedimiento ya

descrito el software R, de tal forma que se genera la siguiente figura.
Figura 31 Transformación Gaussiana de la variable. Fuente: Propia
Una vez se realiza la transformación, se recalculan las medidas de tendencia central, y se

genera el histograma correspondiente; en esta transformación gaussiana la media y la
mediana se encuentran lejos una de la otra, identificando en primera instancia que la
transformación gaussiana no es la adecuada.
Figura 32 Recalculo de medidas de central, bajo transformación. Fuente: Propia
Figura 33 Recalculo de medidas de dispersión, bajo transformación. Fuente: Propia
De igual forma, se genera el calculo de las medidas de distribución y dispersión, encontrando

que si bien se ajusta y se visualiza en primera instancia una simetría en los datos, al proceder
al análisis detallado encontramos datos atípicos que no se encuentra corregidos.
Página 27 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 34 Recalculo de medidas de dispersión, bajo transformación. Fuente: Propia
Dentro de las medidas de dispersión evaluadas, se encuentra que las líneas de tendencia
procesadas encierran los datos, es decir; se encuentran muy cercanas de las observaciones
realizadas
Figura 35 Recalculo de medidas de distribución, bajo transformación. Fuente: Propia
Figura 36 Evaluación Resultados de Normalidad kolmogórov - Smirnov variable CS137, procesamiento “R”,
bajo ajuste. Fuente: Propia
Una vez se tienen las trasformaciones indicadas, se procede a visualizar las diferentes
tendencias en los sentidos X y Y, con el propósito de identificar el comportamiento de los
valores y visualmente evaluar el comportamiento.
Página 28 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 37 Tendencia en sentido X. Fuente: Propia
Figura 38 Tendencia en sentido X. Fuente: Propia
Figura 39 Tendencia en sentido Y. Fuente: Propia
Figura 40 Tendencia en sentido Y. Fuente: Propia
Página 29 de 41
GEOESTADISTICA
GEOESTADISTICA
Como se evidencia en la Figura 37 Tendencia en sentido X. Fuente: Propia, Figura 38

Tendencia en sentido X. Fuente: Propia, Figura 39 Tendencia en sentido Y. Fuente: Propia,
Figura 40 Tendencia en sentido Y. Fuente: Propia el ajuste y transformación de las
observaciones arroja graficas con valores con comportamiento cercano, los unos de los
otros, eliminando los valores atípicos que inducían la desviación.
Una vez se analiza la tendencia de los valores en el Sentido X y Y, se procede a realizar la

evaluación de las observaciones en las superficies de Orden1, orden 2 y Orden 3.
Figura 41 Evaluación de superficie de Orden 1, y Orden 2. Fuente: Propia
Figura 42 Evaluación de superficie de Orden 3, generación 3D. Fuente: Propia
Figura 43 Evaluación de superficie de Generación orden 2 y 3 en 3D. Fuente: Propia
Página 30 de 41
GEOESTADISTICA
GEOESTADISTICA
Cada una de las anteriores figuras, muestra como el ajuste y la transformación, unifico el
comportamiento de la variable dentro de las observaciones, acercando de esta forma los
valores a un resultado que induce una respuesta unificada al fenómeno de contaminación.
Figura 44 Generación de tendencia en 3D orden 3, y Ráster Orden 1 Fuente: Propia
Figura 45 Generación Ráster Orden 2, y Orden 3. Fuente: Propia
Se procede a realizar el procesamiento para genera las imágenes de ráster de orden 1,

orden 2 y orden 3, respectivamente, en donde se ve como el comportamiento unificado de
la variable muestra tendencias normales y simétricas.
Para cerrar la evaluación, se determina la tendencia que ajusta mejor los valores,
obteniendo de esta forma, cero errores en los valores de tendencia central; es decir, media
de errores igual a cero, media de errores estandarizados igual a cero (0), Varianza de errores
estandarizados igual a cero (0).
Una vez se determina el ajuste de la tendencia se calcula el valor de la media de los

residuales, residuales estandarizados y varianza de los residuales estandarizados,
obteniendo la tabla comparativa en donde se muestra claramente que si bien se realizan los
ajustes respectivos, se obtienen errores de -6.46, -2.73 y 1.00 respectivamente.
Página 31 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 46 Ajuste de calculo de Errores estandarizados. Fuente: Propia
El modelo ejecutado hasta el momento, se encuentra que el ajuste gaussiano realizado

muestra un comportamiento ideal en cuenta a las medidas de dispersión y distribución; en
cuenta las medidas de tendencia central la media y la mediana no se encuentran cercanas
como se desea, no obstante, genera un histograma con valores simétricos.
Figura 47 Calculo de variograma ajustado. Fuente: Propia
Figura 48 Ajuste automático de variograma direccionales Fuente: Propia
En la Figura 47 Calculo de variograma ajustado. Fuente: Propia y Figura 48 Ajuste

automático de variograma direccionales Fuente: Propia, de distingue el variograma
experimental direccional con una tolang de 22.5 por defecto
Página 32 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 49 Ajuste automático de variograma direccionales y nube variografica Fuente: Propia
Cerrando el procesamiento, se genera la nuber variografica y el ajuste de los variogramas

direccionales encontrando que se tiene una anizotropia zona en las direciones de 0° y 90°.
Figura 50 Creación de vecindades y validación cruzada.
Continuando con el procedimiento se realiza la creación de las vecindades y la validación

cruzada.
VECINDADES
Como se puede observar en la tabla los ángulos de rotación en grados del modelo 1 es
mayor respecto al modelo 2, por otro lado, la distancia de búsqueda anisotropica (1) del
modelo 1 es menor que la del modelo 2, sin embargo, se evidencia que la distancia de
búsqueda anisotropica (2) es mayor en el modelo 1, respecto al modelo 2, esto será
analizado en la validación cruzada.
Tabla 4 Resultados de vecindades. Fuente: Propia
PARAMETROS MODELO 1 MODELO 2

Mínimo número de puntos 10 10
por vecindad
Máximo número de puntos 50 50
por vecindad
Numero de sectores 8 8
Página 33 de 41
GEOESTADISTICA
GEOESTADISTICA
Máximo número de 5 5
muestras por sector
Utilice la búsqueda Y Y
anisotropía (y,n)
Usar rotación de Y Y
anisotropía (y,n)
Angulo de rotación en -16.633 -16.617
grados
Distancia de búsqueda 5915.214 6593.139
anisotropica (1)
Distancia de búsqueda 55077.259 25108.068
anisotropica (2)
Como se puede observar en la tabla anterior, los ángulos de rotación en grados del modelo
1 es mayor respecto al modelo 2, por otro lado, la distancia de búsqueda anisotropica (1)
del modelo 1 es menor que la del modelo 2, sin embargo, se evidencia que la distancia de
búsqueda anisotropica (2) es mayor en el modelo 1, respecto al modelo 2, lo anterior será
analizado en la validación cruzada.
VALIDACION CRUZADA
Posteriormente, se realiza el proceso de validación cruzada que permite estimar el nivel de

ajuste de un modelo de con un conjunto de datos de la misma población, pero sean
independientes de los utilizados para validar el modelo, teniendo en cuenta lo anterior, se
realizó la validación cruzada para cada uno de los modelos considerando las siguientes
vecindades que se observan a continuación:
Tabla 5 Resultados de modelo de vecindades. Fuente: Propia
MODELO - ERROR MEDIA ERROR VAR ERROR STD

VECINDAD MEDIA STD
Modelo 2 – Vecindad -0.0005923 -0.000546 1.326493
Única
Modelo 1 – Vecindad -0.0007051 -0.000668 2.179925
Única
Modelo 2 – Vecindad
única con tendencia -0.0009565 -0.000838 1.323748
única con tendencia -0.001099 -0.001018 2.17753
móvil con tendencia -0.005427 -0.01111 0.8807672
móvil con tendencia -0.002191 -0.004227 1.055647
Página 34 de 41
GEOESTADISTICA
GEOESTADISTICA
MODELO - ERROR MEDIA ERROR VAR ERROR STD

VECINDAD MEDIA STD
móvil -0.005846 -0.01158 0.8831745
móvil -0.002352 -0.004597 1.057441
De la anterior tabla se puede evidenciar los resultados de error medio, error medio estándar
y el error de varianza estándar, por lo cual se evidencia que el modelo 1 y 2 con vecindad
única, es el error más cercano a 1, por lo que se puede inferir que el variograma cuantifica
adecuadamente la incertidumbre.
ESTIMACION KRIGING
Para realizar la estimación del Kriging se utiliza una grilla de (200, 200) con el modelo de
variograma teórico definido, el cual corresponde al modelo 2 (efecto pepita, gaussiano y
potencia) y vecindad única, del lo anterior se obtienen en el programa R las superficies
obtenidas de las estimaciones:
Figura 51 Kriging ordinario, procesamiento “R”. Fuente: Propia
Figura 52 Kriging simple, procesamiento “R”. Fuente: Propia
Página 35 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 53 Kriging universal, procesamiento “R”. Fuente: Propia
TRANSFORMACIONES INVERSAS KRIGING

Con la función de anamorfosis invertible y lo polinomios de Hermite se obtienen los valores
de la variable Ln_Z . Posteriormente, mediante la función exponencial aplicada a la variable
Ln_Z se obtienen los datos iniciales de la variable Cs 137 (Z), cuya superficie de estimación
por kriging se encuentran evidenciadas a continuación:
Figura 54 Anamorfosis, procesamiento “R”. Fuente: Propia
Página 36 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 55 Logarítmica, procesamiento “R”. Fuente: Propia
SIMULACIONES
Figura 56 Superficie Media, procesamiento “R”. Fuente: Propia
Página 37 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 57 Superficie dispersión, procesamiento “R”. Fuente: Propia
TRANSFORMACIONES INVERSAS SIMULACIONES

Al igual que las transformaciones inversas realizadas para los resultados del krigging, se
procede a obtener los valores de la variable Ln_Z mediante la función inversa de
anamorfosis. Luego, mediante la función exponencial aplicada a la variable Ln_Z se obtienen
los datos iniciales de la variable Cs 137 (Z), como se evidencia a continuación:
Figura 58 Superficie de Anamorfosis, procesamiento “R”. Fuente: Propia
Página 38 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 59 Superficie logarítmica, procesamiento “R”. Fuente: Propia
Como se puede observar en las superficies de anamorfosis y logarítmica, hay un alto error
de estimación del kriging, esto como consecuencia de que en el conjunto de datos hay 3
datos altos lo que genera una influencia directa en la estimación de los puntos vecinos de
los cuales tiene valores moderadamente bajos, aumentando el error de estimación.Como se
puede observar en las superficies de anamorfosis y logarítmica, hay un alto error de
estimación del kriging, esto como consecuencia de que en el conjunto de datos hay 3 datos
altos lo que genera una influencia directa en la estimación de los puntos vecinos de los
cuales tiene valores moderadamente bajos, aumentando el error de estimación.
ANALISIS ESTIMACION RESPECTO A LAS SIMULACIONES
Página 39 de 41
GEOESTADISTICA
GEOESTADISTICA
Figura 60 kringing, Fuente: Propia
Figura 61 Simulación, Fuente: Propia
Página 40 de 41
GEOESTADISTICA
GEOESTADISTICA
VALORES KRINGING MEDIA DATOS REALES

UNIVERSAL SIMULACIONES
Mínimo 6031 9068 11000
Máximo 17 14 6
Media 405.5 442.1 1202.5
Como se observa, los valores de las simulaciones se acercan más a los datos reales por lo
que se puede decir que el modelo del kringing universal es el modelo que permite evaluar
de una mejor manera el comportamiento de los datos.
Página 41 de 41
GEOESTADISTICA

Proyecto Final

Cargado por

Copyright:

Formatos disponibles

Proyecto Final

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Proyecto Final

Cargado por

Copyright:

Formatos disponibles

Análisis geoestadístico de contaminación en el suelo por

137Cs en cercanías a la planta nuclear de Chernóbil

Universidad Distrital Francisco José de Caldas

Figura 36 Evaluación Resultados de Normalidad kolmogórov - Smirnov variable CS137,

La variable sobre la cual se realizó el análisis corresponde al elemento radioactivo Cesio,

El análisis realizado sobre la variable ya mencionada, permite a diferentes entidades y

PROCEDIMIENTO GENERAL DE ANÁLISIS GEOSTADISTICO

Figura 1 Cargue de datos software R. Fuente: Propia

Posterior al cargue de datos, y la verificación de la variable que se evalúa: CS137 (Cesio),

ANÁLISIS EXPLORATORIO DE LOS DATOS

MEDIDAS DE TENCENCIA CENTRAL RESULTADO

A fin de facilitar la interpretación ya descrita de los valores obtenidos dentro de la evaluación

A continuación, se muestran los valores obtenidos en cuanto a la evaluación de las medidas

MEDIDAS DE DISPERSIÓN RESULTADO

A continuación, se muestran en la Tabla 3 Resultados de medidas de dispersión. Fuente:

MEDIDAS DE DISTRIBUCIÓN RESULTADO

A continuación, en la Figura 6 Resultados medidas de distribución variable CS137,

Figura 7 Resultados Q-QPlot variable CS137, procesamiento “R”. Fuente: Propia

Figura 8 Resultados Q-QPlot variable CS137, procesamiento “R”. Fuente: Propia

ANÁLISIS ESTRUCTURAL DE LOS DATOS

En la Figura 10 Tendencia X. Fuente: Propia Y Figura 11 Tendencia Y. Fuente: Propia, ese

En el análisis de la tendencia en el sentido X, se muestra la línea de tendencia de primer

Figura 10 Tendencia X. Fuente: Propia

En la figura ya mencionada, tendencia en el sentido Y, se muestran las líneas de tendencia

Figura 11 Tendencia Y. Fuente: Propia

Finalmente, y a fin de cerrar el procedimiento de calculo y procesamiento, a modo de

Figura 12 Tenddencia (Deriva/drift). Fuente: Propia

Figura 13 Tenddencia (Deriva/drift). Fuente: Propia

Figura 14 Tenddencia (Deriva/drift). Fuente: Propia

VISUALIZACIÓN DE SUPERFICIES DE TENDENCIA EN 3D

Figura 15 Creación de La grilla, superficie media constante. Fuente: Propia

En la anterior figura, se muestra la figura de media constante (Hipótesis de estacionariedad

Figura 16 Superficie primer orden. Fuente: Propia

En cada una de las siguientes figuras se realiza el modelamiento de la superficie en 3D, de

Figura 17 Superficie segunda Orden. Fuente: Propia

Figura 18 Superficie tercer Orden. Fuente: Propia

VISUALIZACIÓN DE SUPERFICIES DE TENDENCIA RASTER

En la siguiente figura se muestra la condición de Universalidad generada

Figura 19 Condición de Universalidad. Fuente: Propia.

En la Figura 20 Superficie de orden 1, en sentido X y Y. Fuente: Propia, Figura 21 Superficie

Figura 20 Superficie de orden 1, en sentido X y Y. Fuente: Propia

Figura 21 Superficie de orden 2, en sentido X y Y. Fuente: Propia

Figura 22 Superficie de orden 3, en sentido X y Y. Fuente: Propia

Figura 23 Cálculo de errores estandarizados. Fuente: Propia

Figura 24 Cálculo de errores estandarizados. Fuente: Propia

Una vez se procesan los valores residuales estanddarizados y se identifica la varianza se

Figura 25 Cálculo variograma experimental. Fuente: Propia

Bajo el procesamiento ejecutado, se encontró un variograma onmidireccional con un alcance

Figura 26 Ajuste automático de Variograma. Fuente: Propia

Figura 27 Recalculo de medidas de tendencia central. Fuente: Propia

Figura 28 Generación de histograma. Fuente: Propia

Adicional a este recalculo, se genera el ajuste y calculo de las medidas de dispersión,

Figura 29 Generación de histograma y Caja de bigotes. Fuente: Propia

En virtud de la evaluación de las medidas de distribución bajo el ajuste logarítmico se

Figura 30 Generación de diagramas QQPlot. Fuente: Propia

Por otro lado, se contempla la transformación Gaussiana, realizando el procedimiento ya

Figura 31 Transformación Gaussiana de la variable. Fuente: Propia

Una vez se realiza la transformación, se recalculan las medidas de tendencia central, y se

Figura 32 Recalculo de medidas de central, bajo transformación. Fuente: Propia

Figura 33 Recalculo de medidas de dispersión, bajo transformación. Fuente: Propia