INTRODUCCIÓN

Los primeros usos de la geoestadística surgen para satisfacer la

demanda por el estudio de fenómenos con correlación espacial. Estos
primeros usos comenzaron a partir de los años sesenta, especialmente
con el propósito de predecir valores de las variables en sitios no
muestreados. Como precursores de estas técnicas suelen citarse
trabajos de Sichel (1947; 1949) y Krige (1951). El primero observó la
irregular naturaleza y disposición del mineral de oro en las minas
sudafricanas. En una primera aproximación asimiló esta distribución a
una distribución de probabilidad lognormal y desarrolló las fórmulas
básicas para describir esta disposición en el espacio. Se trataba con ello
de realizar estimaciones acerca de las reservas, sin necesidad de
realizar carísimas prospecciones.
Con esta técnica se realizaron unas primeras estimaciones de las
reservas, pero bajo el supuesto de que las mediciones eran
independientes, en clara contradicción con la experiencia de que
existen “zonas” más ricas que otras.
Para tratar de considerar la dependencia espacial, el geólogo G. Krige
que propuso una variante del método de medias móviles, el cual puede
considerarse como el equivalente al krigeado simple que, resulta ser uno
de los métodos de estimación lineal más robustos.
Esta técnica es solo una las áreas del análisis de datos espaciales. Sin
embargo no toda la información georreferenciada es susceptible de ser
analizada por medio de dicha metodología.
Por ello una primera e ineludible etapa del trabajo será la de realizar un
análisis exploratorio de los datos. En esta fase se trata de identificar la
localización, variabilidad, forma y observaciones extremas. Por ello se
comenzará por una descripción de los datos de los que se dispone, así
como una mención a las fuentes de dichos datos. Posteriormente se irán
desgranando los principales conceptos básicos dentro de la teoría
geoestadística.
Posteriormente se entrará a detallar los procedimientos empleados para
identificar de manera experimental (con base en datos muestrales) la
estructura de autocorrelación espacial, para algunas distancias dadas,
de un conjunto de datos de una variable. Una vez detectada la autocorrelación
espacial, el siguiente paso es la predicción en sitios de
la región de estudio donde no se ha hecho medición de la variable de
interés. Para ello se recurrirá a los procedimientos kriging que sirven para
realizar predicciones.