Please enable JavaScript.

Coggle requires JavaScript to display documents.

Herramientas geoestadísticas en la construcción de Modelos Digitales de…

- - - - OBJETIVO es un modelo de superficie lo más parecido a la realidad que nos muestra una predicción con el menor error posible.
- - - - Conocer la estructura de autocorrelación de los datos, significa conocer la intensidad y dirección de la variación en el espacio de la variable en estudio
        
        Toda variable espacial que presente estructura de correlación es variable regionalizada y su estudio se realiza desde un enfoque probabilístico en el una campo de las funciones aleatorias o procesos estocásticos
  - - - Un proceso estocástico es el conjunto de datos de variables aleatorias, con el objetivo de descubrir la función aleatoria
  - - - la función semivariograma queda definida por: FORMULA 1
        
        Para cada vector distancia h tendremos un valor de la función γ (h) y a partir de la Fórmula 1, el semivariograma experimental (Figura 1) se escribe como: FORMULA 2
        
        variograma experimental, con un vector h puede interpretarse como el momento de inercia de la nube de correlación, que mide la distancia cuadrática promedio entre los puntos de la nube y la línea diagonal. Mientras más apretada la nube de correlación diferida en torno a la diagonal, más pequeña su inercia.
    - - El efecto pepita
      - El alcance o rango
      - la meseta
    - - E < 0.15 indica aleatoriedad baja,,, 0.15 ≤ E ≤ 0.30 indica aleatoriedad media,,,, E ˃ 0.30 indica aleatoriedad alta
        
        IED indica cual es la contribución de la parte aleatoria de la dependencia espacial respecto
        de la dependencia total.
        
        Cuanto menor sea el IDE, mayor es el grado de dependencia espacial.
  - - - Cuando las dependencias espaciales no son iguales a las direcciones, nos muestran la anisotropía, por lo que el variograma estará en direcciones de máximo alcance y tendrá mayor dependencia espacial.
        
        La comparación entre modelos, y al elegir los m de mejor ajuste, generalmente se hace por el método de validación cruzada, o estadísticos:
        
        suma de errores cuadtaticos
        
        Mide la diferencia global entre los datos reales y los valores predichos por un modelo de estimación. Las diferencias son cuadradas y luego se suman.
        
        El error cuadrático medio
        
        mide la cantidad de error que hay entre dos conjuntos de datos. esto quiere decir, compara un valor predicho y un valor observado o conocido.
        
        Criterio de Información de Akaike
        
        es una medida de la bondad de ajuste de un modelo estadístico. acerca de la exactitud y complejidad del modelo.