geoestadÍstica - grupo de geofísica...
TRANSCRIPT
![Page 1: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/1.jpg)
GEOESTADÍSTICA
ANALISIS EXPLORATORIO DE DATOS
TAREA 1
![Page 2: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/2.jpg)
CONTENIDO
� Introducción
� Datos
� Estadística Unívariada
� Estadística Bivariada
� Conclusiones
![Page 3: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/3.jpg)
INTRODUCCION
El conocimiento de las características y propiedades del subsuelo es un aspectoimportante a considerar en el diseño y construcción de obras de ingeniería. En muchos casos, la caracterización del subsuelo no resulta sencilla, dada la complejidad y la variabilidad espacial que presenta en la naturaleza.
En Geotecnia, la práctica usual para caracterizar el subsuelo en un sitioparticular consiste en extraer muestras, analizarlas y determinar sus propiedades. Recientemente, la obtención directa de las propiedades del suelo en el lugarmediante pruebas de campo ha tomado también mucha importancia. En ambos casos, la caracterización está basada en la familiaridad con la geología, la interpretación de los datos cuantitativos, la experiencia y la intuición.
![Page 4: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/4.jpg)
INTRODUCCION
Entre este tipo de propiedades, la que más destaca es el contenido de agua, w, (especialmente para materiales cohesivos), debido a las correlaciones que presentacon las propiedades mecánicas; además, es la propiedad que se determina en mayor número y a menor costo en un estudio geotécnico.
La resistencia al esfuerzo cortante (qu) es uno de los parámetros másrepresentativos de las propiedades mecánicas. Las pruebas de campo son las quemás datos aportan, por ejemplo la prueba de veleta que puede ser aplicada en diferentes profundidades, a diferencia de una prueba de compresión triaxial en laboratorio que usualmente únicamente es determinada en especimenes de sueloobtenidos en algunas profundidades de interés.
![Page 5: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/5.jpg)
INTRODUCCION
Desde el punto de vista de la Mecánica de Suelos, la secuencia estratigráfica superficial típica del subsuelo de la zona lacustre en la Ciudad de México incluye una costra seca delgada, un estrato de arcilla de espesor fuerte y el primer estrato o capa resistente, Figura 1.
![Page 6: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/6.jpg)
INTRODUCCION
Figura 1. Estratigrafía del subsuelo de la Ciudad de Mé xico
![Page 7: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/7.jpg)
INTRODUCCION
Figura 2. Mapa de Ubicación de los Datos Ciudad de Méxic o
![Page 8: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/8.jpg)
DATOS
F o r m a c i ó n A r c i l l o s a S u p e r io r
( F A S )
C o o r d e n a d a C o o r d e n a d a P r o f u n d i d a d w q u X Y S u p . I n f . ( % ) ( k g / c m 2 )
4 9 5 6 5 3 . 0 0 0 2 1 6 5 5 6 1 . 0 0 0 3 . 0 0 7 . 3 0 9 0 . 0 0 1 . 2 5 4 9 8 6 0 3 . 0 0 0 2 1 6 9 2 1 7 . 0 0 0 1 . 9 0 7 . 9 0 1 0 0 . 0 0 1 . 1 4 8 6 3 6 8 . 0 0 0 2 1 7 1 5 4 9 . 0 0 0 3 . 8 0 8 . 0 0 3 8 . 0 0 1 . 5 4 8 9 9 0 1 . 7 8 3 2 1 7 2 9 1 5 . 4 7 1 2 . 4 0 8 . 0 0 7 5 . 0 0 1 . 1 4 8 8 6 1 7 . 0 0 0 2 1 7 5 4 1 1 . 0 0 0 2 . 8 0 8 . 5 0 5 0 . 0 0 1 . 4 4 9 8 6 6 5 . 0 0 0 2 1 6 9 6 7 3 . 0 0 0 2 . 1 0 9 . 0 0 9 0 . 0 0 1 . 0 5 4 9 1 7 9 6 . 0 0 0 2 1 7 3 7 3 1 . 0 0 0 1 . 0 0 9 . 3 5 1 1 0 . 0 0 1 . 1 5 4 7 9 8 8 1 . 0 0 0 2 1 7 4 5 8 5 . 0 0 0 0 . 9 0 9 . 4 0 3 5 . 0 0 1 . 4 5 4 9 7 7 3 8 . 0 0 0 2 1 6 8 8 3 1 . 0 0 0 1 . 2 0 9 . 5 0 8 5 . 0 0 1 . 0 5 4 7 8 9 4 6 . 7 5 8 2 1 6 1 9 7 1 . 2 1 9 0 . 6 0 9 . 6 0 6 0 . 0 0 1 . 3 5 4 9 7 9 1 4 . 0 0 0 2 1 7 0 0 8 8 . 0 0 0 1 . 7 0 9 . 6 0 7 5 . 0 0 1 . 2 5 4 9 7 8 1 9 . 0 0 0 2 1 6 9 1 8 4 . 0 0 0 1 . 7 0 9 . 6 0 1 1 0 . 0 0 0 . 9 5 4 8 0 2 3 1 . 0 0 0 2 1 7 6 6 4 2 . 0 0 0 2 . 0 0 9 . 7 0 4 5 . 0 0 1 . 6 4 7 9 2 1 3 . 2 0 7 2 1 6 1 8 0 8 . 4 9 1 1 . 2 0 9 . 7 0 5 5 . 0 0 1 . 4 5 4 8 5 9 9 7 . 3 8 8 2 1 6 1 7 2 4 . 3 9 8 3 . 6 0 9 . 8 0 3 4 . 0 0 1 . 6 5 4 9 5 8 8 1 . 0 0 0 2 1 6 3 4 0 5 . 0 0 0 0 . 8 0 9 . 9 0 1 7 0 . 0 0 0 . 9 5 4 9 6 1 1 2 . 0 0 0 2 1 6 3 3 4 3 . 0 0 0 1 . 4 0 9 . 9 0 1 8 0 . 0 0 0 . 9 4 9 7 6 9 9 . 0 0 0 2 1 6 9 6 7 7 . 0 0 0 2 . 3 0 1 0 . 1 0 1 2 5 . 0 0 1 . 1 5 4 9 8 3 8 8 . 0 0 0 2 1 6 9 2 7 5 . 0 0 0 1 . 8 0 1 0 . 1 0 1 4 0 . 0 0 1 . 2
4 8 5 5 5 0 . 0 0 2 1 6 6 5 0 0 . 0 0 0 . 6 0 1 0 . 2 0 1 8 0 . 0 0 0 . 7 5 4 9 5 8 1 9 . 0 0 0 2 1 6 3 2 4 2 . 0 0 0 1 . 6 0 1 0 . 5 0 1 8 0 . 0 0 0 . 8 4 9 8 6 0 2 . 0 0 0 2 1 6 9 1 0 2 . 0 0 0 3 . 0 0 1 0 . 6 0 1 4 0 . 0 0 0 . 8 5
4 8 9 5 5 0 . 0 0 2 1 6 7 5 0 0 . 0 0 0 . 8 0 1 0 . 6 0 1 9 0 . 0 0 0 . 7 6 4 9 8 1 6 0 . 0 0 0 2 1 6 9 6 7 7 . 0 0 0 2 . 2 0 1 0 . 7 0 1 2 5 . 0 0 1 . 0 5
4 7 9 5 5 0 . 0 0 2 1 6 4 4 5 0 . 0 0 0 . 6 5 1 0 . 8 0 2 2 0 . 0 0 0 . 8 4 8 1 8 1 6 . 0 0 0 2 1 6 1 7 4 8 . 0 0 0 2 . 4 0 1 0 . 9 0 7 0 . 0 0 1 . 1
4 8 9 2 5 0 . 0 0 2 1 6 4 8 5 0 . 0 0 0 . 8 0 1 1 . 0 0 1 9 0 . 0 0 0 . 8 2 4 8 1 0 9 0 . 0 0 2 1 6 6 9 5 0 . 0 0 0 . 7 5 1 1 . 1 0 2 0 0 . 0 0 0 . 8 4 8 3 5 5 0 . 0 0 2 1 6 4 8 5 0 . 0 0 0 . 7 5 1 1 . 4 0 2 1 0 . 0 0 0 . 8 5
4 8 7 6 4 7 . 3 0 0 2 1 6 3 6 0 3 . 5 0 0 0 . 8 0 1 1 . 9 0 8 0 . 0 0 1 . 2 4 9 2 5 0 0 . 6 2 0 2 1 7 3 9 4 7 . 4 3 0 1 . 4 0 1 2 . 0 0 1 2 0 . 0 0 1 . 1 5 4 9 2 5 5 1 . 0 6 0 2 1 7 3 8 4 5 . 8 3 0 2 . 9 0 1 2 . 0 0 1 3 0 . 0 0 1 4 9 2 5 7 5 . 5 0 0 2 1 7 3 9 7 8 . 9 4 0 1 . 6 0 1 2 . 0 0 1 5 0 . 0 0 1 . 2 4 4 9 8 5 7 8 . 8 9 9 2 1 6 2 3 7 6 . 0 9 3 1 . 0 0 1 2 . 0 0 2 7 5 . 0 0 0 . 7 5 4 9 6 1 0 1 . 7 5 0 2 1 6 6 4 2 5 . 6 6 3 1 . 9 0 1 2 . 2 0 2 5 0 . 0 0 0 . 7 4 9 7 2 3 6 . 0 0 0 2 1 7 5 2 4 6 . 0 0 0 0 . 6 0 1 2 . 6 0 9 0 . 0 0 0 . 9 5 4 9 5 9 3 2 . 0 0 0 2 1 6 3 5 2 5 . 0 0 0 1 . 8 0 1 2 . 9 0 2 0 0 . 0 0 0 . 8 4 9 8 1 6 5 . 7 0 0 2 1 6 2 0 8 9 . 8 9 6 0 . 6 0 1 2 . 9 0 2 2 5 . 0 0 0 . 7 4 9 8 4 3 4 . 6 6 6 2 1 6 2 5 9 5 . 3 0 5 0 . 2 0 1 3 . 0 0 2 3 0 . 0 0 0 . 7 2 4 9 5 5 8 9 . 0 0 0 2 1 6 3 3 6 0 . 0 0 0 2 . 0 0 1 3 . 2 0 2 0 0 . 0 0 0 . 7 5 4 9 5 7 5 7 . 0 0 0 2 1 6 3 5 8 7 . 0 0 0 0 . 6 0 1 3 . 2 0 2 0 0 . 0 0 0 . 7 8 4 9 7 2 8 1 . 0 0 0 2 1 6 9 6 7 2 . 0 0 0 0 . 7 0 1 4 . 6 0 1 5 0 . 0 0 1 . 4 5 4 8 3 6 4 3 . 4 4 7 2 1 7 3 8 0 5 . 5 1 4 0 . 3 0 1 7 . 3 0 7 5 . 0 0 1 . 2 5 4 9 6 0 2 5 . 0 0 0 2 1 6 3 2 0 4 . 0 0 0 0 . 8 0 1 7 . 3 0 1 5 0 . 0 0 1 . 2 6 4 9 8 2 1 2 . 0 0 0 2 1 6 8 8 3 1 . 0 0 0 2 . 4 0 1 7 . 5 0 8 0 . 0 0 1 . 1 5 4 8 3 7 3 6 . 0 7 8 2 1 7 3 8 0 3 . 6 8 7 0 . 4 0 1 8 . 0 0 7 5 . 0 0 1 . 2 4 9 5 6 8 9 . 0 0 0 2 1 6 3 4 6 8 . 0 0 0 1 . 2 0 1 8 . 0 0 1 5 0 . 0 0 1 . 5 5 4 7 8 5 4 4 . 3 6 3 2 1 6 1 0 7 7 . 2 2 8 2 . 5 0 1 9 . 6 0 7 0 . 0 0 1 . 3 6 4 7 9 1 9 1 . 3 8 9 2 1 6 1 7 7 5 . 7 8 4 2 . 0 0 2 0 . 0 0 5 0 . 0 0 1 . 3 2 4 9 8 4 6 6 . 0 0 0 2 1 6 7 7 6 6 . 0 0 0 1 . 8 0 2 3 . 0 0 1 2 5 . 0 0 0 . 9 4 8 9 9 3 4 . 4 5 8 2 1 7 2 9 1 0 . 5 2 4 2 . 6 0 2 4 . 0 0 5 6 . 0 0 1 . 3 5 4 9 8 6 1 2 . 0 0 0 2 1 6 7 7 0 9 . 0 0 0 1 . 3 0 3 0 . 1 0 7 0 . 0 0 1 . 3 4 7 8 9 4 0 . 0 0 0 2 1 7 0 4 5 0 . 0 0 0 2 . 1 0 9 . 2 0 9 5 . 0 0 0 . 9 5
4 8 4 5 0 0 . 0 0 2 1 6 8 8 5 0 . 0 0 0 . 8 5 1 5 . 2 0 1 8 0 . 0 0 0 . 8
![Page 9: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/9.jpg)
ESTADISTICA UNIVARIADA
Variable w
Variable qu
![Page 10: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/10.jpg)
Variable w
50.00 100.00 150.00 200.00 250.00
var00001
10
20
30
40
50
Co
un
t
w 54
Mean 126.8148 Median 122.5000 Grouped Median 121.2500 Sum 6848.00 Minimum 34.00 Maximum 275.00 Range 241.00 Firs t 90.00 Last 180.00 Std. Deviation 62.8202 Variance 3946.380 Kurtos is -.873 Skewness .396 Harmonic Mean 94.8086 Geometric Mean 110.6672
![Page 11: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/11.jpg)
Graficos de la variable w
VAR00001
280.0
260.0
240.0
220.0
200.0
180.0
160.0
140.0
120.0
100.0
80.0
60.0
40.0
12
10
8
6
4
2
0
Std. Dev = 62.82
Mean = 126.8
N = 54.00
54N =
VAR00001
300
200
100
0
![Page 12: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/12.jpg)
Graficos de la variable w
La distribución se aleja de unadistribución normal.
Normal Q-Q Plot of VAR00001
Observed Value
3002001000-100
Exp
ecte
d N
orm
al V
alue
300
200
100
0
-100
![Page 13: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/13.jpg)
Variable Log(w)
Transformación de la primera variable w usando logaritmo
Log (w) Mean 2.0440
Median 2.0880 Grouped Median 2.0836
Sum 110.38 Minimum 1.53 Maximum 2.44
Range .91 First 1.95 Last 2.26
Std. Deviation .2388 Variance 5.703E-02 Kurtosis -.791
Skewness -.376 Harmonic Mean 2.0150
Geometric Mean 2.0298
![Page 14: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/14.jpg)
Graficos de la variable Log(w)
54N =
VAR00003
2.6
2.4
2.2
2.0
1.8
1.6
1.4
VAR00003
2.44
2.38
2.31
2.25
2.19
2.13
2.06
2.00
1.94
1.88
1.81
1.75
1.69
1.63
1.56
10
8
6
4
2
0
Std. Dev = .24
Mean = 2.04
N = 54.00
![Page 15: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/15.jpg)
Graficos de la variable Log(w)
Normal Q-Q Plot of VAR00003
Observed Value
2.62.42.22.01.81.61.4
Exp
ecte
d N
orm
al V
alu
e
2.6
2.4
2.2
2.0
1.8
1.6
1.4
La distribución se aleja de unadistribución normal.
![Page 16: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/16.jpg)
Variable qu
0.80 1.00 1.20 1.40 1.60
var00002
10
20
30
40
50
Cou
nt
qu
Mean 1.0863 Median 1.1000 Grouped Median 1.0917 Sum 58.66 Minimum .70 Maximum 1.65 Range .95 First 1.25 Last .80 Std. Deviation .2637 Variance 6.956E-02 Kurtosis -.983 Skewness .255 Harmonic Mean 1.0241 Geometric Mean 1.0549
![Page 17: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/17.jpg)
Graficos de la variable qu
VAR00002
1.631.501.381.251.131.00.88.75
14
12
10
8
6
4
2
0
Std. Dev = .26
Mean = 1.09
N = 54.00
54N =
VAR00002
1.8
1.6
1.4
1.2
1.0
.8
.6
![Page 18: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/18.jpg)
Graficos de la variable qu
Normal Q-Q Plot of VAR00002
Observed Value
1.81.61.41.21.0.8.6.4
Exp
ecte
d N
orm
al V
alue
1.8
1.6
1.4
1.2
1.0
.8
.6
.4
La distribución se aleja de unadistribución normal.
![Page 19: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/19.jpg)
Variable Log(qu)
Transformación de la primera variable qu usando logaritmo
Log (qu) Mean 2.320E-02 Median 4.139E-02 Grouped Median 3.803E-02 Sum 1.25 Minimum -.15 Maximum .22 Range .37 First .10 Last -.10 Std. Deviation .1068 Variance 1.141E-02 Kurtosis -1.192 Skewness -.063 Harmonic Mean . Geometric Mean .0000
![Page 20: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/20.jpg)
Graficos de la variable Log(qu)
VAR00004
.20.15.10.05.00-.05-.10-.15
12
10
8
6
4
2
0
Std. Dev = .11
Mean = .02
N = 54.00
54N =
VAR00004
.3
.2
.1
0.0
-.1
-.2
![Page 21: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/21.jpg)
Graficos de la variable Log(qu)
Normal Q-Q Plot of VAR00004
Observed Value
.3.2.10.0-.1-.2
Exp
ecte
d N
orm
al V
alue
.3
.2
.1
0.0
-.1
-.2
La distribución se aleja de unadistribución normal.
![Page 22: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/22.jpg)
ESTADISTICA BIVARIADA
Variable w
&
Variable qu
![Page 23: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/23.jpg)
variable w & variable qu
Correlación -.806
Covarianza -13.349
VAR00002
1.81.61.41.21.0.8.6
VA
R00
001
300
200
100
0
Gráfico de dispersión (scatterplot)
![Page 24: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/24.jpg)
Regresión Linealw & qu
0.642Adjusted Square
37.5673Std. Error of theEstimate
0.649R2
0. 806R
379.139
291.410
Intervalo de Confianza
19.565
21.860
Std. Error
-191.900
335.275
B
379.139qu
291.410Constante
Coeficientes
![Page 25: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/25.jpg)
Estadística de Residuosw & qu
Minimum Maximum
Mean Std. Deviation N
Predicted Value
18.6403 200.9449 126.8148 50.6133 54
Residual -62.9700 112.1698 -5.7896E-15 37.2112 54 Std. Predicted Value
-2.137 1.465 .000 1.000 54
Std. Residual
-1.676 2.986 .000 .991 54
![Page 26: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/26.jpg)
Graficas de Residuosw & qu
Regression Standardized Residual
3.00
2.75
2.50
2.25
2.00
1.75
1.50
1.25
1.00
.75.50.250.00
-.25
-.50
-.75
-1.00
-1.25
-1.50
-1.75
Histogram
Dependent Variable: VAR00001
Fre
quen
cy
8
6
4
2
0
Std. Dev = .99
Mean = 0.00
N = 54.00
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: VAR00001
Observed Cum Prob
1.00.75.50.250.00E
xpec
ted
Cum
Pro
b
1.00
.75
.50
.25
0.00
![Page 27: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/27.jpg)
variable Log(w) & variable Log (qu)
Correlación -.827
Covarianza -2.109E-02
Gráfico de dispersión (scatterplot)
VAR00004
.3.2.10.0-.1-.2
VA
R00
003
2.6
2.4
2.2
2.0
1.8
1.6
1.4
![Page 28: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/28.jpg)
Regresión Lineal Log(w) & Log(qu)
0.678Adjusted Square
0.1356Std. Error of theEstimate
0.684R2
0.827R
2.125
2.049
Intervalo de Confianza
0.174
0.019
Std. Error
-1.849
2.087
B
2.125Log(qu)
2.049Constante
Coeficientes
![Page 29: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/29.jpg)
Estadística de ResiduosLog(w) & Log(qu)
Minimum Maximum Mean Std. Deviation
N
Predicted Value
1.6848 2.3733 2.0440 .1974 54
Residual -.2445 .4411 1.234E-17 .1343 54 Std.
Predicted Value
-1.819 1.668 .000 1.000 54
Std. Residual
-1.803 3.252 .000 .991 54
![Page 30: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/30.jpg)
Graficas de ResiduosLog (w) & Log (qu)
Regression Standardized Residual
3.50
3.00
2.50
2.00
1.50
1.00
.50
0.00
-.50
-1.00
-1.50
-2.00
Histogram
Dependent Variable: VAR00003
Fre
quen
cy
16
14
12
10
8
6
4
2
0
Std. Dev = .99
Mean = 0.00
N = 54.00
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: VAR00003
Observed Cum Prob
1.00.75.50.250.00
Exp
ecte
d C
um
Pro
b
1.00
.75
.50
.25
0.00
![Page 31: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/31.jpg)
CONCLUSIONESAnálisis unívariado
� Primeramente se realizo el análisis unívariado para las variables w y qu, conjuntamente con sus transformaciones logarítmica, en ellas se vio que pese a la transformación existe un mejor ajuste a una normal en coordenadas naturales,también se observo que no hay valores atípicos apreciables en nuestros datos.
![Page 32: GEOESTADÍSTICA - Grupo de Geofísica Computacionalmmc2.geofisica.unam.mx/cursos/geoest/Tareas/Tarea1_Ejemplo1.pdf · Las pruebas de campo son las que más datos aportan, por ejemplo](https://reader033.vdocuments.net/reader033/viewer/2022060705/6071045105153557fe7530c8/html5/thumbnails/32.jpg)
CONCLUSIONES
Análisis bivariado
� En éste análisis también se realizo primeramente a las variables w y qu, observándose un coeficiente de correlación de -.806, ajustándose a una recta un poco peor que en la transformación de las variables a coordenadas logarítmicas que obtuvo un coeficiente de correlación de -.827, pero creemos que no es necesario la transformación a coordenadas logarítmicas ya que la ganancia es mínima.
� También se realizo la regresión lineal obteniéndose un valor para R cuadrada de .649, y una recta de ajuste w = -191.900qu + 335.275, con una desviación estándar de 50.6133 y un error residual de 112.1698, en la transformación a coordenadas logarítmicas se obtiene un valor para R cuadrada de .684, y una recta de ajuste w = -1.849qu + 2.087, con una desviación estándar de .1974 y un error residual de .4411, aquí al igual que en el caso unívariado, pese a que existe una mejor regresión lineal en coordenadas logarítmicas, no es muy marcada la mejoría, por ello creemos que no es necesario la transformación a coordenadas logarítmicas ya que la ganancia es mínima.