AVALIAO DE

DEPSITOS MINERAIS
Geoestatstica

Prof. Marcnio P. de Magalhes

O que geoestatstica?

O que geoestatstica?

O que geoestatstica?

Histrico

Histrico

Histrico

Histrico

Histrico

Histrico

Histrico

Momentos estatsticos

Momentos estatsticos

Momentos estatsticos

Estacionaridade

Estacionaridade

Estacionaridade

Estacionaridade

Estacionaridade

Estacionaridade

Estacionaridade

Estacionaridade

Estacionaridade

Estacionaridade

Exerccios

SEMIVARIOGRAMA EXPERIMENTAL

DADOS

VARIOGRAMA EXPERIMENTAL

VARIOGRAMA EXPERIMENTAL

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Covarincia uma medida de associao (relao) linear entre

duas variveis aleatrias. Se X e Y so duas v.a., a covarincia entre elas
definida por:
Cov(X,Y) = E[(X-E(X))(Y-E(Y))]

Desta forma a covarincia entre duas variveis X e Y igual a

mdia de uma varivel aleatria Z que por sua vez o produto dos
desvios de cada uma das duas variveis X e Y em relao as suas
respectivas medias.

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Exemplifiquemos com o seguinte quadro de distribuio conjunta
de duas variveis aleatrias discretas X e Y:

X 0

P(y)

3/20

3/20

2/20

8/20

1/20

1/20

2/20

4/20

4/20

1/20

3/20

8/20

P(x)

8/20

5/20

7/20

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

A distribuio de probabilidade da varivel aleatria Z

Z = (X-E(X))(Y-E(Y)) a prpria distribuio de probabilidade
conjunta dada no quadro acima para as variveis X e Y.

Como a covarincia uma esperana temos que:

Cov( X , Y ) E[( X E ( X ))(Y E (Y )]

( X E ( X ))(Y E (Y )) p( X ,Y )

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Ou seja, a covarincia o somatrio do produto da

varivel Z = (X-E(X))(Y-E(Y)) pelas probabilidades conjuntas.
Para calcular a covarincia devemos calcular as esperanas
(medias) de X e Y. Estas so:

8
5
7 19
E( X ) 0
1
2

20
20
20 20
8
4
8
E (Y ) 1
2
3
2
20
20
20

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

No exemplo do quadro acima a covarincia igual a:

19
3
19
3
19
2
) (1 2) (1 ) (1 2) (2 ) (1 2)
20
20
20
20
20
20
19
1
19
1
19
2
(0 ) (2 2) (1 ) (2 2) (2 ) (2 2)
20
20
20
20
20
20
19
4
19
1
19
3
(0 ) (3 2) (1 ) (3 2) (2 ) (3 2)
0
20
20
20
20
20
20

Cov( X , Y ) (0

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Um outro mtodo (mais fcil) de se calcular a covarincia dado

pela expresso:

Cov( X , Y ) E ( XY ) E ( X ).E (Y )

Sabemos que a definio de covarincia :

Cov(X,Y) = E[(X-E(X))(Y-E(Y))]
Podemos desenvolver o segundo termo desta expresso da seguinte forma:

Cov( X , Y ) E ( XY E ( X )Y E (Y ) X E ( X ) E (Y ))
E ( XY ) E ( X ).E (Y ) E (Y ).E ( X ) E ( X ).E (Y ) E ( XY ) E ( X ) E (Y )

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Apliquemos esta expresso aos dados do quadro acima para
calcular a covarincia:

Para isto precisamos calcular E(XY). Para fazer isto devemos para
cada valor do quadro (para cada dupla de valores de X e Y) calculamos o
valor do produto XY e multiplicamos pela probabilidade conjunta.
E ( XY ) 0.1.3 / 20 1.1.3 / 20 2.1.2 / 20 0.2.1/ 20 1.2.1/ 20 2.2.2 / 20
0.3.4 / 20 1.3.1/ 20 2.3.3 / 20 1,9

Portanto a covarincia ser:

Cov( X , Y ) 1,9 (0,95).(2) 0

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Conclumos que as duas variveis aleatrias X e Y so no
correlacionadas.
Se X e Y so duas variveis aleatrias independentes, ento
Cov(X,Y) = 0
Mas a recproca no verdadeira. O fato de Cov(X,Y) = 0 no

implica necessariamente que X e Y sejam independentes.

Para o ltimo exemplo, verificamos que Cov(X,Y) = 0. No entanto
vamos verificar que estas duas variveis no so independentes. Para que X e

Y sejam independentes estritamente necessrio que P(X,Y) = P(X).P(Y) para

todos os valores de X e Y. Ou seja, para todas as clulas da distribuio de
probabilidade conjunta, o valor da probabilidade conjunta deve ser igual ao

produto das probabilidades marginais respectivas.

Verifiquemos esta

propriedade para o quadro de distribuio de probabilidade conjunta anterior.

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

X

P(y)

Y
1

3/20
8/20.8/20
16/400

3/20
= 8/20.5/20
=
40/400

2/20
8/20.7/20
=
56/400

8/20

1/20
4/20.8/20
=
32/400

1/20
4/20.5/20
=
20/400

2/20
4/20.7/20
=
28/400

4/20

4/20
8/20.8/20
=
56/400

1/20
8/20.5/20
=
40/400

3/20
8/20.7/20
=
56/400

8/20

P(x)

8/20

5/20

7/20

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

No quadro acima os valores em vermelho so as probabilidades
conjuntas. Em seguida vem o clculo do produto das probabilidades

marginais respectivas. Observe-se que para a primeira clula temos

P(X=0,Y=1) = 3/20 = 0,15 e P(X=0).P(Y=1) = 16/400 = 0,04.
Na segunda clula da primeira linha temos P(X=1,Y=1) = 3/20 =
0,15 e P(X=1).P(Y=1) = 40/400 = 0,1. Portanto em nenhuma destas duas
clulas a probabilidade conjunta coincide com o produto das probabilidades
marginais respectivas. Bastava que para apenas uma das clulas no

ocorresse a igualdade de probabilidades e as variveis aleatrias j

seriam dependentes. Para que ocorra independncia perfeita entre as
variveis aleatrias necessrio que para todas as clulas da

distribuio de probabilidade conjunta ocorra a igualdade entre a

probabilidade conjunta e o produto das probabilidades marginais
respectivas.

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Sejam X e Y duas variveis quaisquer.
Ento
Var(X + Y) = Var(X) + Var(Y) + 2 Cov(X,Y)
No caso de X e Y serem independentes temos o caso particular
de:
Var(X + Y) = Var(X) + Var(Y),

j que Cov(X,Y) = 0

COVARIANCIA PARA VARIAVEIS ALEATRIAS CONTINUAS

Se X e Y so duas variveis aleatrias continuas a
covarincia dada pela seguinte expresso:

Cov( X , Y ) E[( X E ( X )).(Y E (Y ))]

(x

)( y Y )dxdy

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Qual a interpretao pratica da covarincia?

A covarincia serve para verificar se duas variveis aleatrias

movimentam-se ou no no mesmo sentido. Por exemplo, se quando uma varivel X

aumenta a varivel Y tambm aumenta e se quando X diminui, Y tambm diminui
(as variveis) movimentam-se, covariam no mesmo sentido, a covarincia positiva.
Ao contrario, quando X aumenta, Y diminui ou quando X diminui, Y aumenta, ou
seja, as variveis covariam em sentidos opostos, a covarincia negativa.

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Podemos calcular a covarincia, quando temos a distribuio

de probabilidade conjunta como foi mostrado anteriormente. Mas

podemos tambm calcular a covarincia se tivermos um conjunto de
dados observados para as variveis X e Y. Por exemplo:
Anos de
Nmero de
Agente
servio (X)
clientes (Y)
A
2
48
B
3
50
C
4
56
D
5
52
E
4
43
F
6
60
G
7
62
H
8
58
I
8
64
J
10
72

40

50

60

70

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Diagrama de disperso para as variveis X (anos de servio) e Y
(numero de clientes)

6
Anos de servio (X)

10

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Exerccio:

Casal
1
2
3
4
5
6
7
8
9
10

Rendimento do
Homem (X)
10
10
5
10
15
10
5
15
10
5

Rendimento da
Mulher (Y)
5
10
5
5
5
10
10
10
10
10

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

Exerccio:
Com base na tabela anterior:

a) Construa a distribuio de probabilidade conjunta de X e Y

(b) Determine as distribuies marginais de X e Y

(c) X e Y so v.a. Independentes? Justifique.
(d) Calcule as medias e varincias de X e Y e a covarincia entre elas.

COVARINCIA X CORRELAO
O sinal na covarincia indica o tipo de relao que as duas

variveis tem. Um sinal positivo indica que elas movem juntas e um

negativo que elas movem em direes opostas. Enquanto a covarincia
cresce com o poder do relacionamento, ainda relativamente difcil fazer
julgamentos sobre o poder do relacionamento entre as duas variveis
observando a covarincia, pois ela no padronizada.
A correlao a medida padronizada da relao entre duas
variveis. Ela pode ser calculada da covarincia:

COVARINCIA X CORRELAO

COVARINCIA ENTRE DUAS VARIVEIS ALEATRIAS

A correlao nunca pode ser maior do que 1 ou menor do que menos
1. Uma correlao prxima a zero indica que as duas variveis no esto
relacionadas. Uma correlao positiva indica que as duas variveis movem

juntas, e a relao forte quanto mais a correlao se aproxima de um. Uma

correlao negativa indica que as duas variveis movem-se em direes
opostas, e que a relao tambm fica mais forte quanto mais prxima de

menos 1 a correlo ficar. Duas variveis que esto perfeitamente

correlacionadas positivamente (r=1) movem-se essencialmente em perfeita
proporo

na

perfeitamente

mesma

direo,

correlacionados

proporo em direes opostas.

enquanto

dois

negativamente

conjuntos

movem-se

que
em

esto
perfeita

VARINCIA
A varincia, que uma medida do espalhamento da distribuio ao
redor da mdia, e calculada primeiro pela soma dos desvios quadrados da
mdia, e dividindo-a pelo nmero de observaes (se os dados representam

a populao toda) ou por este nmero, reduzido por um (se os dados

representam uma amostra)

REGRESSO LINEAR CORRELAO/COVARINCIA

Uma

regresso

simples

uma

extenso

do

conceito

correlao/covarincia. Ela tenta explicar uma varivel, a qual chamada varivel

dependente, usando a outra varivel, chamada varivel independente. Mantendo a

tradio estatstica, seja Y a varivel dependente e X a varivel independente. Se as

duas variveis so plotadas uma contra a outra num grfico de espalhamento, com Y
no eixo vertical e X no eixo horizontal, a regresso tenta ajustar uma linha reta
atravs dos pontos de tal modo que minimiza a soma dos desvios quadrados dos
pontos da linha. Conseqentemente, ela chamada de regressso ordinria dos
mnimos quadrados (OLS). Quando tal linha ajustada, dois parmetros emergem um o ponto em que a linha corta o eixo Y, chamado de intercepo da regresso, e

o outro a inclinao da linha de regresso.

REGRESSO LINEAR CORRELAO/COVARINCIA

Regresso OLS:

Y = bX + a

REGRESSO LINEAR CORRELAO/COVARINCIA

A inclinao (b) da regresso mede ambas a direo e a magnitude da

relao. Quando as duas variveis esto correlacionadas positivamente, a inclinao
tambm ser positiva, enquanto quando as duas variveis esto correlacionadas
negativamente, a inclinao ser negativa. A magnitude da inclinao da regresso
pode ser lida como segue - para cada acrscimo unitrio na varivel (X), a varivel
dependente mudar por b (inclinao). A ligao estreita entre a inclinao da
regresso e a correlao/covarincia no seria surpreendente desde que a

inclinao estimada usando a covarincia.

REGRESSO LINEAR CORRELAO/COVARINCIA

A interseo(a) da regresso pode ser lida de vrias maneiras. Uma
interpretao que ela o valor que Y ter quando X zero. Uma outra mais direta,
e est baseada em como ela calculada. a diferena entre o valor mdio de Y, e o

valor ajustado da inclinao de X.

Os parmetros da regresso so sempre estimados com algum ruido,

parcialmente porque o dado medido com erro e parcialmente porque os estimamos
de amostra de dados. Este ruido capturado numa dupla de estatsticas. Um o R-

quadrado da regresso, que mede a proporo da variabilidade em Y que explicada

por X. uma funo direta da correlao entre as variveis.

REGRESSO LINEAR CORRELAO/COVARINCIA

Um valor de R-quadrado muito prximo de um indica uma forte

relao entre as duas variveis, apesar da relao poder ser positiva ou

negativa.
Uma outra medida do ruido numa regresso o erro padro, que
mede o "espalhamento" ao redor de cada um dos dois parmetros estimados a interseo(a) e a inclinao(b). Cada parmetro tem um erro padro
associado, que calculado dos dados.

Erro Padro da Interseo = SEa =

REGRESSO LINEAR CORRELAO/COVARINCIA

O R-quadrado mede ainda a fora da relao, mas uma estatstica
adicional do R-quadrado chamada de R-quadrado ajustado calculada para contar
a tendncia que induziria o R-quadrado a manter crescente quando as variveis

independentes so adicionadas regresso. Se existem k variveis independentes

na regresso, o R-quadrado ajustado calculado como segue:

REGRESSO MLTIPLA

A regresso que mede a relao entre duas variveis torna-se uma

regresso mltipla quando ela extendida para incluir mais do que uma varivel
independente (X1, X2, X3, X4..) na tentativa de explicar a varivel dependente Y.
Enquanto as apresentaes grficas tornam-se mais difcil, a regresso mltipla
conduz a uma forma que uma extenso da regresso simples.

Y = a + b X1 + c X2 + dX3 + eX4

REGRESSO MLTIPLA
Na teoria, as variveis independentes numa regresso precisam estar no
correlacionadas uma com a outra. Na prtica, elas so freqentemente, e esta
correlao cruzada das variveis independentes chamada multi-colinearidade.
Quando existe multi-colinearidade,
Os coeficientes sobre cada uma das variveis independentes tornam-se muito mais

difceis para ler isolados, pois as variveis comeam a procurar uma s outras.
A estatstica-t relatada tende a exagerar a significncia da relao. Existem
aproximaes estatsticas disponveis para se tratar com a multi-colinearidade.
A regresso ainda tem poder de previso.
Ambas regresses, a simples e a mltipla, esto baseadas numa relao linear

entre a varivel dependente e a varivel independente. Quando a relao no-linear,

o uso de uma regresso linear conduzir predies incorretas. Em tais casos, as
variveis independentes precisaro ser transformadas para tornar a relao mais linear.

VARIVEL REGIONALIZADA

NATUREZA DAS VARIVEIS ALEATRIAS E REGIONALIZADAS

NATUREZA DAS VARIVEIS ALEATRIAS E REGIONALIZADAS

DESAGRUPAMENTO

DESAGRUPAMENTO

DESAGRUPAMENTO

DESAGRUPAMENTO POLIGONAL

DESAGRUPAMENTO POLIGONAL

DESAGRUPAMENTO POLIGONAL

Aps o

DESAGRUPAMENTO POLIGONAL

DESAGRUPAMENTO POLIGONAL

DESAGRUPAMENTO POLIGONAL

DESAGRUPAMENTO POLIGONAL

DESAGRUPAMENTO POR CLULAS

Conforme esse mtodo, a rea total dividida

DESAGRUPAMENTO POR CLULAS

DESAGRUPAMENTO POR CLULAS

DESAGRUPAMENTO POR CLULAS

CLCULO E MODELAGEM DE VARIOGRAMA EXPERIMENTAIS

CLCULO E MODELAGEM DE VARIOGRAMA EXPERIMENTAIS

CLCULO E MODELAGEM DE VARIOGRAMA EXPERIMENTAIS

CLCULO E MODELAGEM DE VARIOGRAMA EXPERIMENTAIS

CLCULO E MODELAGEM DE VARIOGRAMA EXPERIMENTAIS

INTERPRETAO GEOMTRICA DA FUNO VARIOGRAMA

INTERPRETAO GEOMTRICA DA FUNO VARIOGRAMA

INTERPRETAO GEOMTRICA DA FUNO VARIOGRAMA

FUNO VARIOGRAMA E A FUNO COVARINCIA

FUNO VARIOGRAMA E A FUNO COVARINCIA

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

Distribuio Irregular

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

Distribuio Irregular

CLCULO DE VARIOGRAMAS EXPERIMENTAIS

Distribuio Irregular

KRIGAGEM

Krigagem Linear

O sistema de krigagem necessrio para a determinao dos ponderadores,

ou pesos, associados a cada um dos pontos estimadores baseia-se na ideia de que
quanto maior a covarincia entre uma amostra xi, i= 1,2,3,...,n, e o local que est
sendo estimado, x0, mais essa amostra deve contribuir para a estimativa.

O sistema de krigagem leva em considerao tanto a distncia entre as

amostras como o seu agrupamento.

KRIGAGEM

Krigagem Simples ou Estacionria

Sob a condio de estacionaridade de segunda ordem, a mdia e a

varincia de todos os locais so constantes.

E[Z(x)] = m

E[(Z(x) - m)(Z(x+h) - m)] = E[Z(x)Z(x+h) - m] = C(h)

Assim, o estimador da krigagem simples calculado segundo (Olea, 1999,

p. 10-15):

Z*KS (x0) = m + i [Z(xi) - m]

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM

KRIGAGEM