Disponible con una licencia de Geostatistical Analyst.
Las geoestadísticas, en su uso original, se denominaban como "estadísticas de la Tierra", por ejemplo, en geografía y geología. En la actualidad, las geoestadísticas se utilizan ampliamente en numerosos campos y constituyen una rama de las estadísticas espaciales. Originalmente, en las estadísticas espaciales, las geoestadísticas eran sinónimos de kriging, que es una versión estadística de la interpolación. La definición actual se ha ampliado para incluir no solo el kriging, sino también otras técnicas de interpolación entre las que están los métodos determinísticos que se explican en Métodos determinísticos de interpolación espacial. Geostatistical Analyst es una realización de esta definición más amplia de geoestadísticas. Una de las entidades esenciales de las geoestadísticas es que el fenómeno que se estudia adopta toma valores (no necesariamente medidos) en cualquier parte del área de estudio, por ejemplo, la cantidad de nitrógeno presente en un campo de cultivo o la concentración de ozono de la atmósfera. Es importante identificar los tipos de datos que se pueden analizar adecuadamente utilizando geoestadísticas.
Información sobre el kriging en Geostatistical Analyst
Imagine que el siguiente rectángulo es el área de interés de su estudio. Las ubicaciones espaciales del área de estudio se indexan con las letras si, indexándose cada ubicación particular con el subíndice i.
En el ejemplo anterior, suponga que ha capturado datos para las ubicaciones de la s1 a la s7 y desea predecir el valor de la ubicación s0, coloreada en rojo. Este es un ejemplo de interpolación. El kriging presupone que sería posible situar s0 en cualquier parte del área de estudio, y usted presupone que existe algún valor real en la ubicación s0. Por ejemplo, si los datos constan de la concentración de nitrógeno en s1, ..., s7, también hay una determinada concentración en s0 que no se ha observado, pero que le gustaría predecir. Observe que los datos se capturan como eventos de punto, aunque en realidad se producen valores en todas partes, por lo que se denominan espacialmente continuos.
En el campo de la estadística, los valores se describen a menudo como uno de los siguientes tipos:
- Continuo: cualquier número real (por ejemplo, -1,4789, 10965,6891)
- Entero (por ejemplo, -2, -1, 0, 1, 2,)
- Categórico ordenado (por ejemplo, peor, medio, mejor)
- Categórico no ordenado (por ejemplo, bosque, agrícola, urbano)
- Binario (por ejemplo, 0 o 1)
La palabra continuo puede ser fuente de cierta confusión. Si los datos son espacialmente continuos y continuos en valor con una distribución normal multivariante, y si se conoce la autocorrelación de la distribución multivariante, el kriging es un predictor óptimo. Sin embargo, se han desarrollado diferentes formas de kriging para dar cabida a todos los tipos de datos anteriores.