Disponible con una licencia de Geostatistical Analyst.
La selección de un tamaño de intervalo tiene efectos importantes en el semivariograma empírico. Por ejemplo, si el tamaño de intervalo es demasiado grande, la autocorrelación de corto alcance puede enmascararse. Si el tamaño del intervalo es demasiado pequeño, puede que haya muchos bins vacíos y que los tamaños de muestra en los bins sean demasiado pequeños para obtener medias representativas para los bins.
Cuando las muestras se encuentran en una cuadrícula de muestreo, el espaciado de la cuadrícula suele ser un buen indicador para el tamaño de intervalo. No obstante, si los datos se adquieren utilizando un esquema de muestreo irregular o aleatorio, la selección de un tamaño de intervalo adecuado no es tan sencilla. Una regla sencilla es multiplicar el tamaño del intervalo por el número de intervalos, lo que debería ser aproximadamente la mitad de la distancia más grande entre todos los puntos. Además, si el rango del modelo de semivariograma ajustado es muy pequeño en relación con la extensión del semivariograma empírico, puede reducir el tamaño del intervalo. Por el contrario, si el rango del modelo de semivariograma ajustado es grande en relación con la extensión del semivariograma empírico, puede aumentar el tamaño del intervalo.
Otro enfoque para determinar el tamaño de intervalo es utilizar la herramienta Promedio de vecinos más cercanos para determinar la distancia media entre los puntos y sus vecinos más cercanos. Esto proporciona un tamaño de intervalo razonablemente bueno, ya que cada intervalo tendrá al menos varios pares de puntos. La herramienta Promedio de vecinos más cercanos se encuentra en Herramientas de estadística espacial, en Analizar patrones. Solo se debe especificar la clase de entidad de entrada. El método de distancia se establece automáticamente en Distancia euclidiana.
Una vez que la herramienta se ejecuta, imprime una distancia media observada, y este valor se puede utilizar como tamaño de intervalo para el modelado de semivariograma/covarianza. Sin embargo, si el dataset contiene puntos o muestras agrupados, puede ser aconsejable utilizar un valor más pequeño para el tamaño de intervalo a fin de obtener una estimación más precisa del nugget para el modelo de semivariograma/covarianza.
Más información sobre cómo ajustar un modelo al semivariograma empírico