Como escoger un modelo geoestadistico en ArcGis
La geoestadística nos permite utilizar varios métodos para modelar nuestros datos; entre ellos contamos con los modelos circular, esférico, Tetraesferico, Pentaesférico, Exponencial, Gaussiano, Rational Quadratic, Hol Effect, K-Bessel, J-Bessel y Stable. ¿Pero cómo seleccionamos el modelo geoestadistico que mejor modela nuestros datos en ArcGis?. La respuesta está en el análisis exploratorio y estructural de los datos.
Paso 1. Durante el análisis exploratorio calculamos la media, Mediana, Moda, coeficiente de curtosis, coeficiente de sesgo, desviación estándar, coeficiente de variación y varianza. Esto se realiza para los datos originales o transformados en caso de que sea necesario, ver el artículo Análisis geoestadístico con ArcGIS parte 2.
Los resultados obtenidos los podríamos resumir en la siguiente tabla.
![analisis-exporatorio-datos analisis-exporatorio-datos](https://images-blogger-opensocial.googleusercontent.com/gadgets/proxy?url=http%3A%2F%2Flh3.ggpht.com%2F-1vpJac-R4-M%2FT7R8uIjSCuI%2FAAAAAAAACgY%2FoTmbjWnYt4E%2FF1.%25252520analisis-exporatorio-datos_thumb%2525255B1%2525255D.jpg%3Fimgmax%3D800&container=blogger&gadget=a&rewriteMime=image%2F*)
Paso 2. Durante el análisis estructural se anotan los valores correspondiente a las siguientes variables partial sill, RMS, ASE, RMSS y el error, para mayor información ver el artículo Análisis geoestadístico con ArcGIS parte 3.
Los datos se podrían resumir de la siguiente forma.
![analisis-estructural-datos analisis-estructural-datos](https://images-blogger-opensocial.googleusercontent.com/gadgets/proxy?url=http%3A%2F%2Flh4.ggpht.com%2F-nXg13mZDTTA%2FT7R8vFyHAcI%2FAAAAAAAACgo%2FJBZ02KH5ecY%2FF2.%25252520analisis-estructural-datos_thumb%2525255B1%2525255D.png%3Fimgmax%3D800&container=blogger&gadget=a&rewriteMime=image%2F*)
Paso 3. Escogemos aquel o aquellos modelos gesoestadisticos cuyo Partial sill sea lo más cercano posible a la varianza de los datos. De acuerdo al análisis exploratorio la variancia obtenida fue 0,15030, por lo cual la tabla anterior se simplificara a…
![seleccion-modelo-geoestadistico seleccion-modelo-geoestadistico](https://images-blogger-opensocial.googleusercontent.com/gadgets/proxy?url=http%3A%2F%2Flh3.ggpht.com%2F-6ntQ1UJ3-xc%2FT7R8wO3q-oI%2FAAAAAAAACg4%2FLGZxcigxeiE%2FF3.%25252520selleccion-modelo-geoestadistico_thumb%2525255B1%2525255D.png%3Fimgmax%3D800&container=blogger&gadget=a&rewriteMime=image%2F*)
Paso 4. El modelo a seleccionar será aquel que mejor reproduzca los datos conocidos, por lo tanto cumplirá con las siguientes condiciones:
- Raíz cuadrada del error medio (RMS): pequeño.
- Error estandar promedio (ASE): pequeño
- Raíz cuadrada del error medio (RMSS): cerca de 1.
Dado lo anterior la tabla se reduce a los siguientes modelos…
![seleccion-modelo seleccion-modelo](https://images-blogger-opensocial.googleusercontent.com/gadgets/proxy?url=http%3A%2F%2Flh3.ggpht.com%2F-aRu7wj375fA%2FT7R8xma0FOI%2FAAAAAAAAChI%2Fhqtgn_phG3w%2FF4.%25252520selleccion-modelo_thumb%2525255B1%2525255D.png%3Fimgmax%3D800&container=blogger&gadget=a&rewriteMime=image%2F*)
Poso 5. Finalmente el modelo a escoger es aquel que presenta la mayor confiabilidad, donde
confiabilidad = 100-error.
Entonces en nuestro ejemplo seleccionamos el modelo Pentaesférico para el análisis geoestadístico de los datos.