Actualizado por ultima vez el 8 de febrero de 2022, por Luis Benites.
Un variograma traza las diferencias en pares de puntos de datos, separados por una distancia de retraso. Si un proceso tiene una fuerte correlación espacial, la función de variograma aumentará, por lo general alcanzando un punto de saturación. Si la función muestra un comportamiento constante, eso indica una ausencia de correlación espacial.
Un variograma es una herramienta eficaz para describir el comportamiento de procesos aleatorios espaciales no estacionarios . Se utiliza principalmente en estadísticas espaciales, geoestadísticas y diseño estadístico; En geoestadística, es un “paso esencial” para analizar la variabilidad espacial (Gómez-Hernández et al., 1999).
La función de variograma
El variograma mide la disimilitud de una manera relativamente simple. Los pares de puntos de datos están separados por una distancia de retraso especificada . Los retrasos los elige el usuario y dependen del tipo de datos que esté tratando. Por ejemplo, los retrasos se pueden calcular para puntos de datos que están separados por 1 km, luego por 2 km y luego por 3 km. O podrían calcularse para puntos separados por 5, 10 y 15 cm. Se establece una tolerancia de retraso, de modo que los valores que no son exactamente la distancia especificada caen en un retraso especificado. Esto suele ser entre retrasos. Por ejemplo, una distancia de 7 cm se redondea hacia abajo a un retraso de 5 cm, y un retraso de 9 cm se redondea hacia arriba a un retraso de 10 cm (nota: si está familiarizado con los intervalos de histogramas , las tolerancias de retraso funcionan de la misma manera).
Estos retrasos se analizan por sus diferencias cuadráticas medias. El grado de disimilitud entre las funciones Z(x) y Z(x + h) se define con la función de variograma γ(h): a diferencia de la función de covarianza , no es necesario conocer la media. Además, puede manejar medios que no son constantes.
Referencias
Gómez-Hernández et al. (1999). geoENV II — Geoestadística para aplicaciones ambientales. Springer Science & Business Media.
Orshansky, M. et al. (2007). Diseño para la Manufacturabilidad y Diseño Estadístico: Un Enfoque Constructivo . Springer Science & Business Media.
