Índice

1. Introducción……………………………………………………………………….. 2

2. Marco teórico

Variograma…………………………………………………………………………. 3

Lenguaje de programación python……………………………………… 3

3. Desarrollo para obtención de variogramas…………………………… 4

4. Resultados:

Individuales………………………………………………………………………… 6

Análisis de resultados en conjunto…………………………………….. 12

5.Conclusiones y observaciones………………………………………………. 15

GEOESTADISTICA I, INFORME 2
1
 1. INTRODUCCIÓN
El presente informe tiene como propósito analizar los efectos en la obtención de
los variogramas cuando se realiza la tarea de compositaer los datos obtenidos de
manera aleatoria, facilitando al alumno la comprensión y de esta acción en las
muestras y sus efectos e interpretaciones en el presente curso. Los variogramas
han sido calculados para variables aleatorias de gran obtenidos de manera
aleatoria.

El marco teórico del presente trabajo es la geoestadistica en una gran mayoría,

siendo la programación digital en el lenguaje de programación python utilizado
para facilitar el cálculo y obtención de puntos a graficar .

GEOESTADISTICA I, INFORME 2
2
 2. MARCO TEÓRICO

2.1 VARIOGRAMA
El variograma o semivariograma es una herramienta que permite analizar el
comportamiento espacial de una variable sobre un área definida, obteniendo como
resultado un variograma experimental que refleja la distancia máxima y la forma en que
un punto tiene influencia sobre otro punto a diferentes distancias.
El resultado de este análisis no puede ser aplicado directamente en los diferentes
métodos de interpolación que lo ocupan como información base, es por esto que una vez
calculado el variograma experimental, debe ser realizado un modelo matemático que
modele de la mejor forma posible al variograma experimental, el cual es conocido como
variograma teórico.
USOS
El variograma permite conocer el alcance, es decir, la distancia máxima a la que una
muestra tiene influencia sobre otra muestra, una aplicación de esta información es
conocer la vecindad en que se pueden buscar muestras para estimar el valor de un punto
especifico. La aplicación de esta herramienta también permite, a partir de los datos
proporcionados por el variograma teórico, realizar una estimación por medio de la
metodología del krigeaje, la cual utiliza el modelo matemático para definir el ponderador
que se aplica a cada una de las muestras encontradas al momento de asignar un valor al
punto buscado.
PROCEDIMIENTO
El procedimiento correcto para su uso es:

1. Eliminación de cualquier comportamiento tendencial.

2. Selección de la h (lag en inglés) y del ángulo en el caso de que se trabaje con
variogramas direccionales.
3. Creación del variograma experimental basado en la muestra seleccionada.
4. Selección de un variograma teórico que se adecúe al experimental, pues el
variograma experimental no es una función donde se puedan
realizar interpolaciones.
2.2 LENGUAJE DE PROGRAMACIÓN PYTHON
PYTHON

Este artículo trata sobre el lenguaje de programación. Para el grupo de humoristas,

véase Monty Python.
Para el revólver, véase Colt Python.
Para otros usos de este término, véase Pitón.
Python es un lenguaje de programación interpretado cuya filosofía hace hincapié en una
sintaxis que favorezca un código legible.

GEOESTADISTICA I, INFORME 2
3
Se trata de un lenguaje de programación multiparadigma, ya que soporta orientación a
objetos, programación imperativa y, en menor medida, programación funcional. Es un lenguaje
interpretado, usa tipado dinámico y es multiplataforma.

GEOESTADISTICA I, INFORME 2
4
 3. Desarrollo y obtención de variogramas:
a) Generación de datos aleatorios: se han generado 12mil ratos
aleatorios entre [0;1] en excel:
b)

c) Realizamos el composito de los 12mil datos con dos funciones

en python:
d)

El cual nos da como resultado 800 datos (debido a que es un

composito sin comparticion), con los cuales obtendremos el
variograma correspondiente con las siguientes funciones en python:

GEOESTADISTICA I, INFORME 2
5
 e) Graficas de histogramas, variogramas: con los resultados
obtenidos de correr el programa procedemos a graficar y analizar los
resultados, los cuales se presentan en la siguiente sección del
presente trabajo.

4. Resultados individuales:
 Histograma de 12mil datos compositados de 15
en 15 sin repetición:
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0.05 0.15 0.25 0.35 0.45 0.55 0.65 0.75 0.85 0.95

 Variograma 12mil datos compositados de 15 en

15 sin compartición:
VAR. COMP. 15, SIN COMPARTIR
0.009
0.008
0.007
0.006
0.005
0.004 VC15

0.003
0.002
0.001
0
0 2000 4000 6000 8000 10000 12000

GEOESTADISTICA I, INFORME 2
6
 Vista hasta h =150
VAR. COMP. 15, SIN COMPARTIR
0.006

0.005

0.004

0.003
VC15

0.002

0.001

0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150

 Histograma 12mil datos compositados de 15 en

15 compartiendo 7:
0.45

0.4

0.35

0.3

0.25

0.2

0.15

0.1

0.05

0
0.05 0.15 0.25 0.35 0.45 0.55 0.65 0.75 0.85 0.95

GEOESTADISTICA I, INFORME 2
7
  Variograma 12mil datos compositados de 15 en
15 copartiendo 7

VAR. COMP. 15 COMPARTIENDO 7

0.012

0.01

0.008

0.006
VC15,7

0.004

0.002

0
0 2000 4000 6000 8000 10000 12000

Vista hasta h = 150

VAR. COMP. 15 COMPARTIENDO 7
0.006

0.005

0.004

0.003
VC15,7

0.002

0.001

0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150

GEOESTADISTICA I, INFORME 2
8
  Histograma 12mil datos compositados de 15 en
15 compartiendo 10:
0.45

0.4

0.35

0.3

0.25

0.2

0.15

0.1

0.05

0
0.05 0.15 0.25 0.35 0.45 0.55 0.65 0.75 0.85 0.95

 variograma 12mil datos compositados de 15 en

15 compartiendo 10

VAR. COMP. 15, COMPARTIENDO 10

0.012

0.01

0.008

0.006
VC15,10

0.004

0.002

0
0 2000 4000 6000 8000 10000 12000

GEOESTADISTICA I, INFORME 2
9
 Vista hasta h=150

VAR. COMP. 15, COMPARTIENDO 15

0.007

0.006

0.005

0.004

VC15,10
0.003

0.002

0.001

0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150

 Histograma 12mil datos compositados de 15 en

15 compartiendo 12:
0.45

0.4

0.35

0.3

0.25

0.2 hi

0.15

0.1

0.05

0
0.05 0.15 0.25 0.35 0.45 0.55 0.65 0.75 0.85 0.95

GEOESTADISTICA I, INFORME 2
10
  Variograma 12mil datos compositados de 15 en
15 compartiendo 12:
VAR COMP 15 COMPARTIENDO 12
0.01
0.009
0.008
0.007
0.006
0.005
VC15,12
0.004
0.003
0.002
0.001
0
0 2000 4000 6000 8000 10000 12000 14000

Vista hasta h =150

VARIOGRAMA COMP 15 COMPARTIENDO 12

0.006

0.005

0.004

0.003
VC15,12

0.002

0.001

0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150

GEOESTADISTICA I, INFORME 2
11
ANÁLISIS DE RESULTADOS EN CONJUNTO

datos iniciales resultado variograma

composito media desviación media desviación
sin comp 0.49723624 2.8810358 0.08273603 0.00269209
C15 0.49723624 0.07357052 0.0055478 0.00060909
C15,7 0.49703154 0.07366882 0.00560093 0.00064527
C15,10 0.49719206 0.0744377 0.00573089 0.00060066
C15,12 0.49721412 0.0735757 0.00557509 0.00058105

Grafica: medias y desviación

0.5

0.4

0.3 SC
C15
0.2 C15,7
C15,10
0.1 C15,12

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

-0.1

GEOESTADISTICA I, INFORME 2
12
Variogramas en un solo grafico hasta h =12000:

0.2

0.175
VSD
0.15
VC15
0.125

0.1 VC15,
7
0.075
VC15,
0.05 10
VC15,
0.025 12
0
0 2000 4000 6000 8000 10000 12000

VAD : variograma sin compositor

VC15: variograma composito15
VC15,7: variograma composito15 compartiendo 7
VC15,10: variograma composito15 compartiendo 10
VC15,12: variograma composito15 compartiendo 12

GEOESTADISTICA I, INFORME 2
13
 Variogramas en un solo grafico hasta h =300:

0.007

0.006

0.005

0.004 VC15
VC15,7
VA15,10
0.003
VC15,12

0.002

0.001

0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300

GEOESTADISTICA I, INFORME 2 14
 Variogramas en un solo grafico hasta h =105:
0.007

0.006

0.005

0.004 VC15
VC15,7
VC15,10
0.003
VC15,12

0.002

0.001

0
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105

GEOESTADISTICA I, INFORME 2 15
 5. Conclusiones y observaciones

 Los variogramas de los compositos tienen menor valor de γ(h).

 Los compositos compartiendo ya sea 7, 10, 12 o sin compartir son similares en sus
valores de γ(h) y su respectiva grafica si se observa todos los datos pero si se maneja una
escala de 300 o menos se ve la diferencia y la tendencia inical de los variogramas, siendo
la siguiente una muestra:
0.006
y = -1E-05x2 + 0.0006x - 0.0028
0.005

0.004

0.003 Series1
POL2
0.002

0.001

0
0 5 10 15 20 25 30 35

La cual muestra que los datos mientras más valores compartan mostraran esta tendencia
inicial, por lo cual se puede concluir que al estar las leyes relacionadas se muestra un
variograma con estas características y su consiguiente conclusión será que si observamos
un variograma que muestra similar característica podremos decir que dichos datos están
relacionados y el valor de “h” desde donde es constante el variograma será el nivel de
relación máximo de muestra amuestra.
 Es muy importante la escala en la cual se ven los datos porque así se podrá
observar mejor la tendencia inicial del variograma y sus características.
 Hay una pérdida (minimo)de datos al final del composito porque el composito no
es exacto.

GEOESTADISTICA I, INFORME 2
16