Anlisis geoestadstico con ArcGIS parte 1.

Estadstica
descriptiva
Antes de abordar en firme, el modulo de geoestadistica que viene con ArcGIS, es
necesario recordar algunos conceptos de estadstica, en particular de estadstica
descriptiva, que son necesarios para realizar un anlisis geoestadstico con el software.

La estadstica descriptiva, se dedica a los mtodos de recoleccin, descripcin,

visualizacin y resumen de datos originados a partir de los fenmenos de estudio. Para
analizar los datos usualmente se construyen las tablas de frecuencias y se utilizan: la
media, mediana, moda, desviacin estndar, la varianza, coeficiente de curtosis,
coeficiente de sesgo, coeficiente de variacin, cuartiles, deciles y percentiles. Estos
parmetros se agrupan en varias categoras conocidas como medidas de tendencia
central, medidas de dispersin y medidas de forma.

Tablas de Frecuencias
Una forma de presentar ordenadamente un grupo de observaciones, es a travs de
tablas de distribucin de frecuencias. Para construir una tabla de frecuencia se deben
ordenar los datos de menor a mayor e incluir los siguientes parmetros.

Es el nmero de datos que estn

Frecuencia Absoluta (ni)
en un mismo intervalo.

Es la frecuencia absoluta dividida

Frecuencia Relativa (fi)
por el nmero total de datos.

Es la suma de las frecuencias

absolutas de todos los valores
Frecuencia Absoluta inferiores o iguales al valor
Acumulada (Ni) considerado. La ltima frecuencia
absoluta acumulada es igual al
nmero de casos.

Es el resultado de dividir cada

Frecuencia Relativa
frecuencia absoluta acumulada
Acumulada (Fi)
por el nmero total de datos.

Indica el nmero de intervalos en

Numero de clases
que se agruparan los datos.
 Se obtiene al dividir por dos, la
Amplitud de la clase o
diferencia del valor mximo y
intervalo
mnimo de los datos.

Es el promedio de la suma del

Marca de clase lmite superior e inferior de cada
intervalo o clase.

En el caso de datos agrupados se debern determinar el nmero de intervalos, la

amplitud de los mismos y la marca de clase, de la siguiente forma:

Distribucin normal
Una distribucin de probabilidad sigue una distribucin normal, cuando la
representacin grfica de su funcin de densidad es una curva positiva continua,
simtrica respecto a la media, de mximo en la media, y que tiene 2 puntos de
inflexin situados a ambos lados de la media y a distancia igual a la desviacin
estndar, es decir de la forma:

Propiedades.
Tiene una nica moda, que coincide con su media y su mediana.
La curva normal es asinttica al eje de abscisas.
Es simtrica con respecto a su media. Segn esto, para este tipo de variables
existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50%
de observar un dato menor.
 Cuanto mayor sea la desviacin estndar, ms se dispersarn los datos en torno
a la media y la curva ser ms plana. Un valor pequeo de este parmetro indica, por
tanto, una gran probabilidad de obtener datos cercanos al valor medio de la
distribucin.
El coeficiente de sesgo es igual a cero (0).
La curtosis es igual a cero (0).
Para la aplicacin de los mtodos geoestadsticos es necesario verificar la funcin de
probabilidad del conjunto de datos se aproximen a un comportamiento normal, esto lo
veremos ms adelante en el anlisis exploratorio de los datos.

Con el fin de que este sea un ejemplo prctico para abordar el anlisis geoestadistico
con ArcGIS, ilustraremos todo los conceptos con un ejemplo a partir de datos de
monitoreo de niveles piezomtricos de agua subterrnea que se presentan en la tabla
siguiente. Para ello se seguirn los siguientes pasos.

1. Organizar los datos de menor a mayor.

2. Calcular la tabla de frecuencia.
3. Realizar el histograma de frecuencias.
4. Calcular los parmetros geoestadstico.

Paso 1. Organizar los datos de menor a mayor

Pozo X Y Nivel Pz Pozo X Y Nivel Pz

(msnm) (msnm)
1 1.038.638 1.368.620 2,0 28 1.044.694 1.371.405 6,00
2 .034.835 1.344.198 2,1 29 1.041.841 1.363.397 6,1
3 1.039.637 1.368.963 2,2 30 1.040.838 1.356.677 8,0
4 1.039.628 1.368.960 2,2 31 1.044.135 1.364.301 8,07
5 1.042.236 1.377.584 2,44 32 1.046.740 1.377.526 8,08
6 1.039.030 1.370.440 2,49 33 1.046.626 1.374.772 9,02
7 .036.835 1.354.454 2,9 34 1.042.604 1.360.903 9,21
8 1.043.217 1.357.777 2,99 35 1.039.466 1.348.279 10,1
9 1.040.082 1.373.095 3,2 36 1.041.429 1.333.870 10,3
10 1.039.392 1.374.231 3,3 37 1.045.207 1.363.183 10,8
11 1.040.434 1.368.119 3,33 38 1.044.733 1.360.337 11,5
12 1.039.720 1.368.500 3,35 39 1.048.893 1.374.744 11,82
13 1.042.060 1.376.470 3,43 40 1.040.383 1.355.006 12,2
14 1.041.545 1.369.212 3,7 41 1.042.263 1.354.636 12,3
15 1.042.045 1.371.752 3,8 42 1.039.411 1.336.953 12,8
16 1.040.269 1.377.908 3,97 43 1.048.342 1.369.941 14,62
17 1.040.731 1.371.643 4,0 44 1.046.214 1.355.644 14,9
18 1.042.360 1.376.070 4,29 45 1.044.935 1.336.931 16,6
19 1.040.390 1.376.776 4,5 46 1.041.256 1.339.628 18,16
20 1.035.335 1.356.941 4,5 47 1.048.313 1.360.466 19,14
21 1.047.035 1.371.548 4,62 48 1.044.224 1.348.328 24,1
22 1.042.020 1.370.310 4,66 49 1.044.765 1.341.254 24,2
 23 1.033.716 1.352.675 5,0 50 1.046.735 1.356.327 25,57
24 1.042.570 1.377.470 5,10 51 1.045.454 1.346.959 27,15
25 1.035.564 1.343.433 5,2 52 1.050.523 1.361.111 30,08
26 1.042.520 1.368.530 5,38 53 1.052.106 1.361.728 35,32
27 1.042.932 1.368.255 5,87

Paso 2. Calcular la tabla de frecuencia.

Luego la tabla de frecuencias queda como la siguiente

No Intervalo Marca de frecuencia frecuencia frecuencia frecuencia

clase absoluta absoluta relativa relativa
acumulada acumulada
1 2,0076 - 6,1776 4,0926 29 29 0,55 0,55
2 6,1776 - 10,3476 8,2626 7 36 0,13 0,68
3 10,3476 - 14,5176 12,4326 6 42 0,11 0,79
4 14,5176 - 18,6876 16,6026 4 46 0,08 0,87
5 18,6876 - 22,8576 20,7726 1 47 0,02 0,89
6 22,8576 - 27,0276 24,9426 4 51 0,08 0,96
7 27,0276 - 31,1976 29,1126 1 52 0,02 0,98
8 31,1976 - 35,3676 33,2826 1 53 0,02 1,00

Paso 3. Realizar el histograma de frecuencias.

A partir de la tabla anterior se construye el histograma de frecuencias, el cual nos da

una idea del comportamiento de los datos. Como primer acercamiento, se observa que
los datos estn dispersos, sesgados y la moda, la media y la mediana son diferentes,
por tanto los datos no obedecen a una distribucin normal.
Paso 4. Calcular los parmetros geoestadstico

a. Medidas de tendencia central

Intentan identificar el dato ms representativo de la distribucin del conjunto. Son las
siguientes.

Media. Se le suele llamar promedio, se define como la suma de los valores de todas
las observaciones divididas por el nmero total de datos. Se denota con o X.

En su clculo intervienen todos los datos, por lo tanto, se ven influenciados por la
variacin de cualquiera de ellos. En particular, es sensible a los valores extremos, pues
estos producen grandes modificaciones.

Para los datos agrupados del ejemplo, tenemos lo siguiente.

No Intervalo Marca de frecuencia producto

clase absoluta
1 2,0076 - 6,1776 4,0926 29 118,685
2 6,1776 - 10,3476 8,2626 7 57,838
3 10,3476 - 14,5176 12,4326 6 74,596
4 14,5176 - 18,6876 16,6026 4 66,410
5 18,6876 - 22,8576 20,7726 1 20,773
 6 22,8576 - 27,0276 24,9426 4 99,770
7 27,0276 - 31,1976 29,1126 1 29,113
8 31,1976 - 35,3676 33,2826 1 33,283
Suma 500,468
Media (suma/53) 9,443
Para los datos no agrupados

Pozo NP Pozo NP
1 2,0076 28 6,0000
2 2,1313 29 6,1496
3 2,2000 30 8,0054
4 2,2100 31 8,0724
5 2,4449 32 8,0827
6 2,4946 33 9,0188
7 2,8554 34 9,2078
8 2,9876 35 10,1156
9 3,2347 36 10,2553
10 3,2930 37 10,8373
11 3,3317 38 11,5066
12 3,3506 39 11,8241
13 3,4291 40 12,2268
14 3,6896 41 12,3280
15 3,7990 42 12,8004
16 3,9651 43 14,6244
17 3,9980 44 14,9301
18 4,2921 45 16,6351
19 4,4900 46 18,1630
20 4,5286 47 19,1410
21 4,6227 48 24,0632
22 4,6637 49 24,2354
23 5,0499 50 25,5698
24 5,1009 51 27,1534
25 5,2438 52 30,0800
26 5,3826 53 35,3188
27 5,8690
Suma 497,0104
Media (suma/53) 9,3776

Mediana. Es el valor de la serie de datos que deja la mitad de las observaciones por
debajo de ella y la otra mitad por encima, es decir, divide al conjunto de datos en dos
partes iguales y se denota por Me.

Dado que slo depende del orden de los datos, tiene la ventaja de que no es sensible a
los valores extremos.

En datos agrupados se calcula de la siguiente forma.

1. Calcular: n/2
2. La mediana ser el valor de la variable cuya frecuencia absoluta acumulada primero
iguale o supere a N/2. Este ser el intervalo en el que se encuentra la mediana.
3. Aplicar la formula sustituyendo los valores correspondientes.

Para datos agrupados, tenemos lo siguiente.

Se calcula n/2 = 53/2 = 26.5, se busca este valor en la columna de la frecuencia

acumulada de la tabla de frecuencia. Si no se encuentra, tomamos el valor siguiente, el
cual es 29, por lo cual el intervalo donde se encuentra la moda es (2.0076 6.1776].

Fi=29
Fi-1=8
Li= 2.0076
a= 4.17

Para datos no agrupados, tenemos lo siguiente.

Como el nmero de datos de la muestra es impar e igual a 53, la mediana es el dato
que ocupa el puesto 27(divide la muestra en dos partes iguales), el cual es: Me=
5.8690

Moda. Es el dato que ms veces se repite, es decir, aquel dato o rango que presenta
mayor frecuencia absoluta. Puede haber ms de una moda en una distribucin. Se
denota por Mo.
Para datos agrupados, tenemos lo siguiente.

De los datos agrupados en la tabla de frecuencia, se observa que la mayor frecuencia

absoluta es 29, por lo tanto el intervalo donde est la moda es (2.0076 6.1776].

Li=2.0076
a=4.17
d2=29-7 = 22
d1=29-0 = 29

b. Medidas de dispersin
Las medidas de dispersin indican la mayor o menor concentracin de los datos con
respecto a las medidas de centralizacin. Nos dan una idea sobre la homogeneidad o
que tan agrupado estn los datos.

Desviacin estndar. Indica cunto tienden a alejarse los valores puntuales de la

media. Se suele representar por una S. Una desviacin estndar grande indica que los
puntos estn lejos de la media, y una desviacin pequea indica que los datos estn
agrupados cerca de la media.
Para datos agrupados, tenemos lo siguiente.
No Intervalo Marca de frecuencia (Xi-X)*fi
clase (Xi) absoluta
1 2,0076 - 6,1776 4,0926 29 830,111
2 6,1776 - 10,3476 8,2626 7 9,750
3 10,3476 - 14,5176 12,4326 6 53,634
4 14,5176 - 18,6876 16,6026 4 205,052
5 18,6876 - 22,8576 20,7726 1 128,365
6 22,8576 - 27,0276 24,9426 4 960,977
7 27,0276 - 31,1976 29,1126 1 386,901
8 31,1976 - 35,3676 33,2826 1 568,337
Suma 3143,12
n-1 52
S 7,774

Para datos no agrupados.

Pozo NP (Xi-X) Pozo NP (Xi-X)
1 2,0076 54,3169 28 6,000 11,4082
2 2,1 52,5089 29 6,150 10,4200
3 2,2 51,5179 30 8,005 1,8829
4 2,2 51,3745 31 8,072 1,7035
5 2,44 48,0623 32 8,083 1,6768
6 2,49 47,3757 33 9,019 0,1287
7 2,9 42,5391 34 9,208 0,0288
8 2,99 40,8321 35 10,116 0,5446
9 3,2 37,7352 36 10,255 0,7704
10 3,3 37,0224 37 10,837 2,1307
11 3,33 36,5529 38 11,507 4,5326
12 3,35 36,3247 39 11,824 5,9854
13 3,43 35,3852 40 12,227 8,1179
14 3,7 32,3533 41 12,328 8,7049
15 3,8 31,1208 42 12,800 11,7156
16 3,97 29,2952 43 14,624 27,5289
17 4,0 28,9401 44 14,930 30,8303
 18 4,29 25,8628 45 16,635 52,6713
19 4,5 23,8886 46 18,163 77,1833
20 4,5 23,5128 47 19,141 95,3240
21 4,62 22,6091 48 24,063 215,6668
22 4,66 22,2209 49 24,235 220,7542
23 5,0 18,7290 50 25,570 262,1873
24 5,10 18,2902 51 27,153 315,9791
25 5,2 17,0883 52 30,080 428,5894
26 5,38 15,9600 53 35,319 672,9459
27 5,87 12,3103
suma 3.363,14
n-1 52
S 8,042

Varianza. Describe la variabilidad de la distribucin. Es la medida de la desviacin o

dispersin de la distribucin. Se calcula mediante la ecuacin.

Para datos agrupados, tenemos lo siguiente.

S = 7.774 = 60.44

Para datos no agrupados, tenemos lo siguiente.

S = 8.042 = 64.675

Coeficiente de variacin. Mide la representatividad de la media. Valores extremos

del mismo nos llevarn a concluir que la media no es representativa, es decir, existirn
valores entre las observaciones que se separan significativamente de las dems.

Para datos agrupados, tenemos lo siguiente.

C.V = 7.74/9.443*100 = 82%

Para datos no agrupados, tenemos lo siguiente.

C.V = 8.042/9.3776*100 = 85.8%
c. Medidas de forma
Miden el grado de deformacin respecto a una curva patrn (distribucin normal).
Coeficiente de curtosis. Mide el grado de aplastamiento o apuntamiento de la grfica
de la distribucin de la variable estadstica. Datos concentrados respecto a la media
(desviacin estndar pequea) dar una grafica alargada; si los datos estn dispersos
la grfica ser achatada o aplastada.

Nota: El valor calculado a travs de la herramienta Geostatistical Analyst de ArcGIS no

le resta 3 como aparece en la ecuacin anterior.

Para datos no agrupados tenemos, lo siguiente:

Pozo NP (Xi-X)4 Pozo NP (Xi-X)4
1 2,0076 2.950,3256 28 6,000 130,1466
2 2,1 2.757,1808 29 6,150 108,5761
3 2,2 2.654,0983 30 8,005 3,5454
4 2,2 2.639,3382 31 8,072 2,9021
5 2,44 2.309,9875 32 8,083 2,8115
6 2,49 2.244,4559 33 9,019 0,0166
7 2,9 1.809,5744 34 9,208 0,0008
8 2,99 1.667,2604 35 10,116 0,2966
9 3,2 1.423,9469 36 10,255 0,5935
10 3,3 1.370,6549 37 10,837 4,5400
11 3,33 1.336,1150 38 11,507 20,5448
12 3,35 1.319,4859 39 11,824 35,8246
13 3,43 1.252,1157 40 12,227 65,9010
14 3,7 1.046,7389 41 12,328 75,7746
15 3,8 968,5028 42 12,800 137,2543
16 3,97 858,2062 43 14,624 757,8409
17 4,0 837,5292 44 14,930 950,5047
18 4,29 668,8854 45 16,635 2.774,2665
19 4,5 570,6668 46 18,163 5.957,2546
20 4,5 552,8518 47 19,141 9.086,6611
21 4,62 511,1702 48 24,063 46.512,1891
22 4,66 493,7663 49 24,235 48.732,4260
23 5,0 350,7750 50 25,570 68.742,2017
24 5,10 334,5301 51 27,153 99.842,7699
25 5,2 292,0101 52 30,080 183.688,8444
26 5,38 254,7224 53 35,319 452.856,1270
 27 5,87 151,5428
suma 954.116,25
n-1 52
S4 4182,95
K 1,38

Coeficiente de sesgo o asimetra. Evala el grado de distorsin o inclinacin que

adopta la distribucin de los datos respecto a su valor promedio tomado como centro
de gravedad. El coeficiente de simetra de Pearson es:

Si CS = 0, la distribucin es simtrica, en ese caso las desviaciones a la derecha y a la

izquierda de la media se compensan.

Si CS < 0, la distribucin es asimtrica negativa. La mayora de las observaciones

estn a la derecha de la proyeccin de la media.

Si CS > 0 la distribucin es asimtrica positiva. La mayora de las observaciones estn

a la izquierda de la proyeccin de la media.

Para datos no agrupados tenemos, lo siguiente:

Pozo NP (Xi-X)3 Pozo NP (Xi-X)3

1 2,0076 -400,3156 28 6,000 -38,5323
2 2,1 -380,4950 29 6,150 -33,6357
3 2,2 -369,7752 30 8,005 -2,5838
4 2,2 -368,2318 31 8,072 -2,2235
5 2,44 -333,2017 32 8,083 -2,1712
6 2,49 -326,0869 33 9,019 -0,0462
7 2,9 -277,4485 34 9,208 -0,0049
8 2,99 -260,9171 35 10,116 0,4019
9 3,2 -231,8037 36 10,255 0,6761
10 3,3 -225,2662 37 10,837 3,1102
11 3,33 -220,9952 38 11,507 9,6500
12 3,35 -218,9291 39 11,824 14,6432
13 3,43 -210,4909 40 12,227 23,1296
14 3,7 -184,0258 41 12,328 25,6828
15 3,8 -173,6104 42 12,800 40,1000
16 3,97 -158,5600 43 14,624 144,4387
 17 4,0 -155,6861 44 14,930 171,1850
18 4,29 -131,5267 45 16,635 382,2620
19 4,5 -116,7581 46 18,163 678,0858
20 4,5 -114,0136 47 19,141 930,6861
21 4,62 -107,5039 48 24,063 3.167,1971
22 4,66 -104,7469 49 24,235 3.279,9221
23 5,0 -81,0534 50 25,570 4.245,3899
24 5,10 -78,2215 51 27,153 5.616,7807
25 5,2 -70,6396 52 30,080 8.872,8285
26 5,38 -63,7603 53 35,319 17.457,0231
27 5,87 -43,1918
suma 39.576,74
n-1 52
S3 520,13
Sesgo 1,46

A continuacin se muestran los resultados obtenidos a travs de las ecuaciones de

datos agrupados y no agrupados, tambin se incluyen los resultados arrojados por la
herramienta Geostatistical Analyst (la cual se ver ms adelante). Se observa que los
resultados obtenidos tanto por las ecuaciones aplicadas a datos no agrupados y los
obtenidos por la herramienta Geostatistical Analyst son similares.
Mdulo
Datos Datos no Geostatistica
Parmetro Observaciones
agrupados agrupados l analyst de
ArcGIS
Media 9.443 9.3776 9.3776
Mediana 4.6678 5.869 5.869
Moda 4.378
Desviacin
7.74 8.0421 8.0421
estndar
Varianza 60.44 64.675 64.675
Coeficiente de
82% 85.8% 85.75%
Variacin
A la curtosis que
Curtosis 1.38 1.4709 calcula ArcGIS se le
debe restar 3
Sesgo o
1.46 1.4773
asimetra