INDICE

RESUMEN.…………………………………………………………………… pág. 2

INTRODUCCION…………………………………………………………….. pág. 2

OBJETIVOS………………………………………………………………….. pág. 2

MARCO TEORICO……………………………………………………………pág. 3

GEOESTADISTICA……………………………………………………pág. 3 HISTOGRAMA…………………………………………………………pág. 3 SEMIVARIOGRAMA…………………………………………………..pág. 3 ANALISIS DE TENDENCIAS…………………………………………pág. 3 NORMAL QQ-PLOT……………………………………………………pág. 3 LINEA DE TENDENCIA……………………………………………….pág. 3

DIAGRAMAS Y ANALISIS…………………………………………………....pág. 4

HISTOGRAMA………………………………………………………….pág. 4 NORMAL QQ-PLOT……………………………………………………pág. 4 TREND ANALYSIS……………………………………………………..pág. 5 MAPA VARIOGRAFICO……………………………………………….pág. 5 EFECTO ESFERICO…………………………………………………...pág. 6

o SEMIVARIOGRAMA……………………………………………pág. 6o COVARIANZA…………………………………………………...pág. 6o MAPA DE ISOCONTORNOS………………………………….pág. 7o LINEA DE TENDENCIA………………………………………..pág. 7o MAPA FINAL…………………………………………………….pág. 8

EFECTO HOLE………………………………………………………….pág. 9o SEMIVARIOGRAMA……………………………………………pág. 9o COVARIANZA…………………………………………………...pág. 9o MAPA DE ISOCONTORNOS………………………………...pág. 10o LINEA DE TENDENCIA………………………………………pág. 10o MAPA FINAL…………………………………………………..pág. 11

EFECTO GAUSIANO……………………………………………..…..pág. 12o SEMIVARIOGRAMA…………………………………………..pág. 12o COVARIANZA………………………………………………….pág. 12o MAPA DE ISOCONTORNOS……………………………..….pág. 13o LINEA DE TENDENCIA…………………………………..…..pág. 13o MAPA FINAL…………………………………………….…….pág. 14

CONCLUSIONES…………………………………………………..….pág. 15 RECOMENDACIONES…………………………………………..……pág. 15 BIBLIOGRAFIA………………………………………………….…….pág. 15

1

RESUMEN

El presente informe trata de explicar los más entendible posible los cálculos estadísticos realizados a una muestra de ozono, la cual analizaremos mediante el software arcGIS.

Este programa es diseñado principalmente para:

Análisis geoestadísticos Crear variogramas e intercorrelaciones de data Realizar interpolaciones

Este programa permite que trabajemos con la data del ozono analizándola y dando a conocer las fallas que podría tener, asi como también la falta de muestreo y se presentara un mapa final.

INTRODUCCION

La ingeniería de minas ha ido revolucionándose en las últimas décadas, para ello también es necesario estar a la par con la tecnología y lograr un adecuado trabajo.

La Geoestadística es la aplicación de la teoría de variables regionalizadas, es decir las variables que presentan una estructura espacial de correlación, a la estimación de procesos o fenómenos espaciales. Desde un punto de vista teórico, la geoestadística se basa en conceptos y herramientas ya existentes en otros campos de la estadística como procesos estocásticos estacionarios, técnicas de análisis de la varianza y predicción por mínimos cuadrados, con una extensión al caso de funciones aleatorias en dos o más dimensiones (chica olmo et al., 1995)

OBJETIVOS

Se mostrara gráficos estadígrafos y nuestra misión será la de interpretarlos adecuadamente.

Se hará el análisis de las muestras de ozono para una determinada región, así también veremos que zonas son necesarias para un mayor muestreo.

Utilizar correctamente los comandos del software arcGIS.

2

MARCO TEÓRICO:

La Geoestadística: Es una rama de la Geografía matemática que se centra en los conjuntos de datos de la superficie terrestre, conocidos también como datos espaciales o espacio-temporales. Desarrollado originalmente para predecir las distribuciones de probabilidad de las leyes de mineral para las operaciones mineras, se aplica en la actualidad en diversas disciplinas geográficas como la hidrología, la ecología del paisaje, la pedología, la climatología, entre otras. La geoestadística no solo se aplica en diversas ramas de la geografía, sino también en otras ciencias tales como la oceanografía, la geoquímica, la geología del petróleo, la hidrogeología, la geometalurgia, la silvicultura y la agricultura (especialmente en la agricultura de precisión). También en problemas particulares como los destinadas a la propagación de enfermedades (epidemiología), la práctica del comercio y de la planificación militar (logística), y el desarrollo de redes espaciales eficientes.

Histograma: Es una representación gráfica de una variable en forma de barras, donde la superficie de cada barra es proporcional a la frecuencia de los valores representados, ya sea en forma diferencial o acumulada. Sirven para obtener una "primera vista" general, o panorama, de la distribución de la población, o la muestra, respecto a una característica, cuantitativa y continua, de la misma y que es de interés para el observador (como la longitud o la masa).

Semivariograma: Es una herramienta que permite analizar el comportamiento espacial de una variable sobre un área definida, obteniendo como resultado la influencia de los datos a diferentes distancias. A partir de los datos proporcionados por el variograma teórico se realizará la estimación por krigeaje.

Análisis de Tendencias (trend análisis): Es la práctica de la recopilación de información y tratando de detectar un patrón o tendencia, en la información. En algunos campos de estudio, el término "análisis de tendencias" más ha definido formalmente significados.

Normal QQ plot: es un método gráfico para el diagnóstico de diferencias entre la distribución de probabilidad de una población de la que se ha extraído una muestra aleatoria y una distribución usada para la comparación

3

DIAGRAMAS Y ANÁLISIS:

Analizaremos si las muestras necesitan algún tipo de transformación.

Dataset 10

Frequency 10-1

0.21 0.31 0.41 0.51 0.61 0.71 0.81 0.91 1.01 1.11 1.210

0.86

1.72

2.58

3.44

4.3CountMinMaxMeanStd. Dev.

: 167 : 0.021 : 0.121 : 0.058973 : 0.021153

SkewnessKurtosis1-st QuartileMedian3-rd Quartile

: 0.70426 : 2.8321 : 0.04325 : 0.056 : 0.0725

HistogramTransformation: None

Dataset : O3_Sep06_3pm Attribute: OZONE Se observa un histograma de buena distribución dentro de los

límites de la campana de gaus que no necesita ningún tipo de transformación.

Standard Normal Value

Dataset 10

-2.75 -2.2 -1.65 -1.1 -0.55 0 0.55 1.1 1.65 2.2 2.750.21

0.41

0.61

0.81

1.01

1.21

Normal QQPlotTransformation: None

Dataset : O3_Sep06_3pm Attribute: OZONE UN GRÁFICO Q-Q NORMAL DE DATOS N(0,1) GENERADOS

ALEATORIAMENTE.

4

Veremos que tipo de función es con la que vamos a trabajar.

XX

YY

ZZ

Trend Analysis

Dataset : O3_Sep06_3pm Attribute: OZONE EN EL GRAFICO SE MUESTRAN DOS PARÁBOLAS DE

TENDENCIA, LO CUAL INDICA QUE ESTAMOS TRABAJANDO CON UNA FUNCIÓN CUADRÁTICA.

MAPA VARIOGRAFICO:

TENDENCIA Norte- oeste 315

5

ANALIZAREMOS LA DATA EN BASE A TRES MODELOS DE SEMIVARIOGRAMAS.

EFECTO ESFERICO

SEMIVARIOGRAMA.o En el variograma analizamos la meceta, el alcance, el sill.

COVARIANZA.

6

MAPA DE ISOCONTORNOS.

EN EL MAPA SE OBSERVAN LAS MUESTRAS Y SU NIVEL DE CORRELACION, SE TRABAJA CON UN SOLO FACTOR.

LÍNEA DE TENDENCIA.

LA LÍNEA GRIS ES LA LÍNEA DE TENDENCIA PERFECTA Y OBSERVAMOS QUE LA LÍNEA AZUL PRESENTA LA LÍNEA DE

7

CORRELACIÓN ENTRE LAS MUESTRAS, LA CUAL ES DE 45° APROXIMADAMENTE, LO CUAL MUESTRA UNA BUENA CORRELACIÓN.

PLANO FINAL: Utilizando el modelo esférico.

Leyenda

ko-esferico

<VALUE>

0.009665051 - 0.025325369

0.025325369 - 0.036474246

0.036474246 - 0.044411343

0.044411343 - 0.050061912

0.050061912 - 0.05408466

0.05408466 - 0.05973523

0.05973523 - 0.067672326

0.067672326 - 0.078821203

0.078821203 - 0.094481521

0.094481521 - 0.116478853

4

0 90 180 270 36045Kilometers

-400000.000000

-400000.000000

-300000.000000

-300000.000000

-200000.000000

-200000.000000

-100000.000000

-100000.000000

0.000000

0.000000

100000.000000

100000.000000

200000.000000

200000.000000

300000.000000

300000.000000

400000.000000

400000.000000

500000.000000

500000.000000

-800

000

.000

00

0

-800

000

.000

00

0

-600

000

.000

00

0

-600

000

.000

00

0

-400

000

.000

00

0

-400

000

.000

00

0

-200

000

.000

00

0

-200

000

.000

00

0

0.000

00

0

0.000

00

0

2000

00

.000

00

0

2000

00

.000

00

0

4000

00

.000

00

0

4000

00

.000

00

0

Leyenda

ko-esferico

<VALUE>

0.009665051 - 0.025325369

0.025325369 - 0.036474246

0.036474246 - 0.044411343

0.044411343 - 0.050061912

0.050061912 - 0.05408466

0.05408466 - 0.05973523

0.05973523 - 0.067672326

0.067672326 - 0.078821203

0.078821203 - 0.094481521

0.094481521 - 0.116478853

4

0 90 180 270 36045Kilometers

8

Las partes en color rojo se deben al muestreo ya realizado, mientras que en las partes más claras, hace falta realizar muestreo.

EFECTO HOLE.

SEMIVARIOGRAMA.o En el variograma analizamos la meceta, el alcance, el sill.

COVARIANZA.

9

MAPA DE ISOCONTORNOS

EN EL MAPA SE OBSERVAN LAS MUESTRAS Y SU NIVEL DE CORRELACION, SE TRABAJA CON UN SOLO FACTOR.

LÍNEA DE TENDENCIA

10

LA GRAFICA PRESENTA UNA LÍNEA DE APROXIMADAMENTE 45°, LO CUAL REPRESENTA UNA BUENA CORRELACIÓN ENTRE LA MUESTRAS.

PLANO FINAL: Utilizando el modelo hole

11

5

80 0 80 160 240 32040

Kilometers

Leyenda

<VALUE>

0.003623835 - 0.004607537

0.004607537 - 0.005397084

0.005397084 - 0.006030795

0.006030795 - 0.006820342

0.006820342 - 0.007804045

0.007804045 - 0.009029648

0.009029648 - 0.010556637

0.010556637 - 0.012459126

0.012459126 - 0.014829454

0.014829454 - 0.017782664

-400000.000000

-400000.000000

-300000.000000

-300000.000000

-200000.000000

-200000.000000

-100000.000000

-100000.000000

0.000000

0.000000

100000.000000

100000.000000

200000.000000

200000.000000

300000.000000

300000.000000

400000.000000

400000.000000

500000.000000

500000.000000

-700

000

.000

00

0

-700

000

.000

00

0

-500

000

.000

00

0

-500

000

.000

00

0

-300

000

.000

00

0

-300

000

.000

00

0

-100

000

.000

00

0

-100

000

.000

00

0

1000

00

.000

00

0

1000

00

.000

00

0

3000

00

.000

00

0

3000

00

.000

00

0

Las partes en color amarillo se deben al muestreo ya realizado, mientras que en el color azul y morado, hace falta realizar muestreo.

EFECTO GAUSIANO.

Leyenda

<VALUE>

0.003623835 - 0.004607537

0.004607537 - 0.005397084

0.005397084 - 0.006030795

0.006030795 - 0.006820342

0.006820342 - 0.007804045

0.007804045 - 0.009029648

0.009029648 - 0.010556637

0.010556637 - 0.012459126

0.012459126 - 0.014829454

0.014829454 - 0.017782664

80 0 80 160 240 32040

Kilometers

5

12

SEMIVARIOGRAMAo En el variograma analizamos la meceta, el alcance, el sill.

COVARIANZA.

MAPA DE ISOCONTORNOS

13

EN EL MAPA SE OBSERVAN LAS MUESTRAS Y SU NIVEL DE CORRELACION, SE TRABAJA CON UN SOLO FACTOR.

LÍNEA DE TENDENCIA.

La grafica presenta una línea de aproximadamente 45°, lo cual representa una buena correlación entre la muestras.

PLANO FINAL: Utilizando el modelo gausiano.

14

µ

60 0 60 120 180 24030

Kilometers

Leyenda

0.003058546 - 0.00408502

0.00408502 - 0.004860945

0.004860945 - 0.005447478

0.005447478 - 0.006223404

0.006223404 - 0.007249878

0.007249878 - 0.008607803

0.008607803 - 0.010404204

0.010404204 - 0.012780668

0.012780668 - 0.015924498

0.015924498 - 0.020083478

-300000.000000

-300000.000000

-200000.000000

-200000.000000

-100000.000000

-100000.000000

0.000000

0.000000

100000.000000

100000.000000

200000.000000

200000.000000

300000.000000

300000.000000

400000.000000

400000.000000

-600

000

.000

00

0

-600

000

.000

00

0

-400

000

.000

00

0

-400

000

.000

00

0

-200

000

.000

00

0

-200

000

.000

00

0

0.000

00

0

0.000

00

0

2000

00

.000

00

0

2000

00

.000

00

0

4000

00

.000

00

0

4000

00

.000

00

0

Partes claras, se debe al muestreo que ya se ha realizado, mientras que en el color rojo, hace falta realizar muestreo.

CONCLUSIONES

µ

Leyenda

0.003058546 - 0.00408502

0.00408502 - 0.004860945

0.004860945 - 0.005447478

0.005447478 - 0.006223404

0.006223404 - 0.007249878

0.007249878 - 0.008607803

0.008607803 - 0.010404204

0.010404204 - 0.012780668

0.012780668 - 0.015924498

0.015924498 - 0.02008347860 0 60 120 180 24030

Kilometers

15

Se ha logado redactar un adecuado informe de los principales elementos y comandos del software arcGIS

Se ha explicado lo más claro posible los estadígrafos e interpretándolos de forma concisa.

RECOMENDACIONES

Ser cuidadosos con el manejo de datos, seguir todos los pasos adecuadamente.

Tomarse el tiempo necesario para revisar e interpretar los gráficos.

BIBLIOGRAFIA

http://www.snieg.mx/Contenidos/espanol/inegi_coord/informe/informe_2013.pdf

http://www.tdx.cat/bitstream/handle/10803/5526/amc1de1.pdf;jsessionid=6716D878C9F22C1D43A9DC4FAE777933.tdx1?sequence=1

http://ocw.upm.es/proyectos-de-ingenieria/sistemas-de-informacion-geografica-tecnicas-cuantitativas-para-gestion-de-datos/contenidos/WEB/TEORIA/07exploracion_de_datos.pdf