You are on page 1of 20

Unidad did´

actica 4:
El modelo de funci´
on aleatoria
Eduardo Cassiraga
efc@dihma.upv.es
Grupo de Hidrogeolog´ıa
Departamento de Ingenier´ıa Hidr´aulica y Medio Ambiente
Universidad Polit´ecnica de Valencia

M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente

Geoestad´ıstica

Unidad did´actica 4: El modelo de funci´
on aleatoria

Contenidos
1 Introducci´
on.
2 Algunas definiciones preliminares.
3 Tipos de modelos.
4 El modelo de funci´
on aleatoria.
5 La decisi´on de estacionariedad.
6 Resumen.

M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente

1

a partir de los cuales podemos construir un modelo (una representaci´ on) acerca de la poblaci´ on (la realidad) que desconocemos y que queremos investigar.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria 1 Introducci´ on • La descripci´ on de la informaci´ on raramente es el u ´ltimo objetivo de un estudio estad´ıstico. • El an´alisis estad´ıstico descriptivo es un primer paso que nos permite obtener una serie de estad´ısticos. incluyendo los espaciales. por ejemplo las predicciones acerca de los valores de una variable. • Todas las aplicaciones geoestad´ısticas. requieren de la construcci´ on de un modelo. • La geoestad´ıstica pone mucho ´enfasis en dejar bien claro el modelo subyacente a su aproximaci´ on. M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 2 . • El principal inter´es est´a generalmente en las inferencias acerca de las caracter´ısticas de la poblaci´ on que podamos hacer a partir de la muestra que hemos registrado.

esto es: Datos Valor Sn = {z(uα).. α = 1..Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria 2 Algunas definiciones preliminares Muestra: es el conjunto Sn de n mediciones del atributo z sobre el ´area de estudio A. ∀ u ∈ A} ¿Qu´e sucede con el atributo en las localizaciones donde no ha sido medido? M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 3 . n} Poblaci´ on: es el conjunto de todas la medidas que podr´ıan registrarse sobre el ´area de estudio A.. esto es: Coordenada {z(u). .

• En la mayor´ıa de los casos debemos admitir que existe una gran incertidumbre acerca de c´omo trabaja el fen´ omeno que gener´ o nuestra informaci´on. no podemos realizar ninguna inferencia acerca del fen´omeno en las localizaciones donde ´este no ha sido muestreado.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria Algunas definiciones preliminares • La necesidad de modelizar la distribuci´ on espacial de z sobre A surge del hecho de que la informaci´ on disponible. • Sin un modelo. • La realidad es u ´nica pero tiene muchas representaciones posibles dependiendo de la informaci´ on disponible y del objetivo del estudio a realizar. M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 4 . no es exhaustiva. • Un modelo es una representaci´ on de la realidad (desconocida). Sn. • La informaci´ on m´as deseable a la hora de construir un modelo es una descripci´ on del fen´ omeno a partir del cual fueron generados los datos.

Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria 3 Tipos de modelos • Modelos determin´ısticos: • Suelen basarse en la f´ısica del problema. • Asocian a cada localizaci´ on no muestreada un conjunto de posibles valores con sus correspondientes probabilidades de ocurrencia. • Asocian a cada localizaci´ on no muestreada un s´ olo valor estimado. • Reflejan un conocimiento perfecto del fen´ omeno estudiado. M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 5 . • Modelos probabil´ısticos: • Mucha de la informaci´ on utilizada para construirlos proviene de los datos. • Reflejan un conocimiento imperfecto del fen´ omeno estudiado.

Los 7 datos son medidas de la tasa de inter´es de un banco tomadas los jueves de cada semana.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria Ejemplo de modelos determin´ısticos Modelo 1 Tasa Altura Modelo 2 Distancia Tiempo Los 7 datos son medidas de la altura de una pelota que bota sobre una superficie. Conocemos tambi´en la componente horizontal de su velocidad inicial. M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 6 . El banco ajusta su tasa una vez por semana cada viernes.

una funci´on de distribuci´on para los posibles valores que puede tomar la variable.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria Ejemplo de modelos probabil´ısticos Modelo 3 Probabilidad Zinc Datos ¿? Distancia Los 7 datos son medidas de la concentraci´on de un metal pesado (zinc) a unos pocos dec´ımetros de la superficie de la tierra. M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente Zinc Un aproximaci´on probabil´ıstica construye en cada localizaci´on no muestreada. 7 .

2 Modelizar la incertidumbre local acerca del atributo (conjunto de realizaciones del atributo en cada localizaci´ on). una para cada localizaci´ on espacial.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria 4 El modelo de funci´ on aleatoria • La geoestad´ıstica se basa en el concepto de funci´ on aleatoria: el conjunto de valores desconocidos de un determinado atributo es considerado como proveniente de variables aleatorias. • Tal modelo permite: 1 Tener en cuenta la estructura espacial (funciones de continuidad espacial). M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 8 . dependientes espacialmente. 3 Modelizar la incertidumbre espacial acerca del atributo (conjunto de realizaciones del atributo sobre el ´area completa de estudio).

Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria El modelo de funci´ on aleatoria • Una variable aleatoria es una variable cuyos valores son generados aleatoriamente de acuerdo a alg´ un mecanismo probabil´ıstico. M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 9 . caracterizada completamente por su funci´ on de distribuci´ on acumulada que se escribe: F (u. z) = Prob{Z(u) ≤ z} ∀ z la cual da la probabilidad de que la variable Z en la localizaci´on u sea menor o igual que un determinado umbral z. • Un atributo continuo es modelizado a trav´es de una variable aleatoria continua. por ejemplo Z(u).

generalmente correlacionadas entre s´ı. Datos Funcion aleatoria Valor Variable aleatoria V(u 2) V(u 1) V(u 4) V(u 3) V(u 5) V(u 6) V(u 7) Coordenada M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 10 . definidas para cada localizaci´on u sobre el ´area de estudio A tal que {Z(u). ∀ u ∈ A}.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria El modelo de funci´ on aleatoria • Una funci´ on aleatoria es un conjunto de variables aleatorias Z(u).

.. z(uN ).. • En la pr´actica.. N corresponde un vector de N variables aleatorias {Z(u1). el an´alisis se limita a calcular las funciones de distribuci´on acumulada y los momentos para no m´as que dos localizaciones. .. k = 1.. ... Z(uN ) ≤ zN } • La ecuaci´ on anterior caracteriza la incertidumbre conjunta acerca de los N valores z(u1).. que esta caracterizado por la funci´on de distribuci´ on acumulada N -variada siguiente: F (u1. Z(uN )}. ... M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 11 . zN ) = Prob{Z(u1) ≤ z1. z1. constituye la ley espacial de la funci´ on aleatoria Z(u)....Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria El modelo de funci´ on aleatoria • Para cualquier conjunto de N localizaciones uk .. .. • El conjunto de todas las N -variadas funciones de distribuci´on acumuladas para alg´ un entero positivo N y para alguna elecci´ on de las localizaciones uk . . uN ....

u2) = E{Z(u1) · Z(u2)} − E{Z(u1)} · E{Z(u2)} • El correlograma ρ(u1. u1) · C(u2.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria El modelo de funci´ on aleatoria • La funci´on de distribuci´on acumulada univariada F (u. u2) C(u1. u2) = p C(u1. u2) • El variograma 2 γ(u1. Z(u2) ≤ z2} • El valor esperado m(u) = E{Z(u)} • La covarianza C(u1. z) = Prob{Z(u) ≤ z} • La funci´on de distribuci´on acumulada bivariada F (u1. u2. z2) = Prob{Z(u1) ≤ z1. u2) = V ar{Z(u1) − Z(u2)} M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 12 . z1.

• Ejemplo: la inferencia de la C(u1.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria 5 La decisi´ on de estacionariedad • Las funciones de distribuci´ on acumulada univariadas y bivariadas y sus correspondientes momentos son dependientes de la localizaci´ on. M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 13 . el modelo de funci´ on aleatoria Z(u) debe ser estacionario dentro de A. en t´erminos probabil´ısticos. u2) entre las dos variables aleatorias Z(u1) y Z(u2) separadas por un vector h = u2 − u1. la idea es utilizar todas las medidas separadas un vector h = u2 − u1 dentro del ´area de estudio A. por lo que su inferencia requerir´ıa muchas realizaciones para cada localizaci´ on u. exigir´ıa un conjunto de medidas repetidas en cada localizaci´ on u1 y u2 que es imposible realizar. • Esto exige que el fen´ omeno estudiado sea “homog´eneo” dentro del ´area de estudio o. • En su lugar.

.. Z(uN + h)} tienen la misma funci´ on de distribuci´ on acumulada cualquiera sea el vector de traslaci´on h. M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 14 . Z(uN )} y {Z(u1 + h). .. . . uN . esto es.. .. ...... cualquier par de vectores de variables aleatorias {Z(u1). . zN ) ∀ u1.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria La decisi´ on de estacionariedad • Una funci´ on aleatoria Z(u) se dice ser estacionaria dentro de un ´area A si su funci´on de distribuci´ on acumulada es invariante bajo traslaci´ on....... uN y h • La decisi´ on de estacionariedad es limitada a las funciones de distribuci´on acumulada univariada y bivariada y a sus primeros dos momentos.. z1. lo que se escribe: F (u1... . uN + h.. zN ) = F (u1 + h.. z1.

Z(u + h) ≤ z2} • m = E{Z(u)} • C(h) = E{Z(u) · Z(u + h)} − E{Z(u)} · E{Z(u + h)} • ρ(h) = C(h) C(0)  2 • 2 γ(h) = V ar{Z(u) − Z(u + h)} = E [Z(u) − Z(u + h)] M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 15 . z1. z2) = Prob{Z(u) ≤ z1. esto es: • F (z) = Prob{Z(u) ≤ z} • F (h.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria La decisi´ on de estacionariedad • Las funciones de distribuci´ on acumulada univariadas y bivariadas y los momentos de primer y segundo orden del modelo de funci´ on aleatoria se pueden expresar ahora dependiendo s´ olo del vector separaci´ on h.

0 30.0 20.4 0.20 Función de covarianza y variograma γ 1.0 50.6 0.0 Distancia M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 16 .0 0.0 40. el correlograma y el variograma de una funci´ on aleatoria estacionaria est´an relacionados de la siguiente manera: γ(h) = C(0) − C(h) γ(h) ρ(h) = 1 − C(0) C(h) → 0 para |h| → ∞ γ(h) → C(0) para |h| → ∞ 1.0 0.8 0.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria La decisi´ on de estacionariedad • Un modelo de funci´ on aleatoria se dice que es estacionario de segundo orden cuando: 1 El valor esperado E{Z(u)} existe y es invariante dentro del ´area A 2 La funci´ on de covarianza C(h) existe y s´ olo depende del vector separaci´on h • La funci´on de covarianza.0 10.2 C 0.

Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria 6 Resumen • La soluci´ on geoestad´ıstica consiste en interpretar cada valor z(u) como una realizaci´on particular de una variable aleatoria Z(u) en la localizaci´on u. constituye una funci´ on aleatoria. • El conjunto de estas variables aleatorias {Z(u). • Un modelo de funci´ on aleatoria se dice que es estacionario de segundo orden cuando: 1 El valor esperado E{Z(u)} existe y es invariante dentro del ´area A. ∀ u ∈ A}. 2 La funci´ on de covarianza C(h) existe y s´ olo es funci´on del vector separaci´on h. • El problema de caracterizar la variabilidad espacial de z(u) se reduce a caracterizar las correlaciones entre las varias variables aleatorias Z(ui) y Z(uj ) que constituyen la funci´on aleatoria. • Una funci´ on aleatoria Z(u) se dice ser estacionaria dentro de un ´area A si su funci´on de distribuci´ on acumulada es invariante bajo traslaci´ on. M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 17 .

(1997). R. M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 18 . E. Geostatistics for Natural Resources Evaluation. An Introduction to Applied Geostatistics.Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria Bibliograf´ıa • Isaaks. P. (1989). Oxford University Press. New York. New York. y Srivastava. Oxford University Press. • Goovaerts.

New York. Oxford University Press. P. (5-Lectura-Cap´ıtulo3-Goovaerts. • Goovaerts.pdf ) M´aster en Ingenier´ıa Hidr´aulica y Medio Ambiente 19 . Geostatistics for Natural Resources Evaluation (Cap´ıtulo 3)..Geoestad´ıstica Unidad did´actica 4: El modelo de funci´ on aleatoria Para leer en casa.. (1997).