Introduction À La Géostatistique Et Variogrammes

Introduction la gostatistique et
variogrammes
Automne 2003
GLQ3401
Intro stat + variogrammes- D. Marcotte
Plan
Rappels statistiques
1 v.a.
2 v.a.
Point de vue gostat

Gisement vs modle stat
Historique
Effet support
Effet information
Gostatistique linaire
GLQ3401
Hypothse de stationnarit
Variogramme exprimental
Modles
Problmes et stratgie de modlisation
Une v.a. (continue) est entirement caractrise par sa fonction de densit

Loi normale, m=5, =3
0.2
0.1
0
-10
-5
10
15
20
15
20
Loi lognormale, m=5, =3
0.2
0.1
0
-10
-5
10
Intgrale: probabilit
GLQ3401
Rsumer une distribution par certaines statistiques

Tendance centrale (moyenne)
Loi normale, =3
0.2
m=5
m=10
m=15
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
-10
GLQ3401
-5
10
15
20
25
30
Dispersion autour de la moyenne (cart-type)
Loi normale, m=5

0.4
s=1
s=3
s=6
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-20
GLQ3401
-15
-10
-5
10
15
20
25
30
Asymtrie
=0
Loi normale, m=5, =3

0.2
0.1
0
-10
= 0.44
-5
10
15
20
10
15
20
10
15
20
0.2
0.1
0
-10
-5
0.3
= 3.84
0.2
0.1
0
-10
GLQ3401
-5
Le type de loi peut avoir une grande influence sur les ressources et la
valeur dun gisement.
Exemple : gisement m=2, =2, t.coupure = 1
GLQ3401
Normale
Lognormale
Tonnage/T0
0.69
0.66
Teneur
3.02
2.70
Profit conv
1.40
1.13
Deux v.a.
Un couple de v.a. X et Y (continues) est entirement

caractris par la loi de densit conjointe f(x,y)
Loi binormale, 1=2 2=5 =0.8
GLQ3401
Loi binormale, 1=2 2=5 =0.2
On peut rsumer une distribution bivariable par diffrentes statistiques dont :

- moyennes des 2 variables
- cart-types (ou variances) des 2 variables
- corrlation (ou covariance) entre les 2 variables
La covariance mesure le degr dassociation entre 2 v.a.
La corrlation est la covariance entre 2 v.a. normalises pour prsenter un
cart-type de 1
XY
GLQ3401
Cov (X, Y )
=
XY
r=0.3
r=0.7
-2
-2
-4
-4
-2
4
2
-4
-4
-2
r=0.96
r=0
0
-2
-4
-4
GLQ3401
-2
0
-4
-2
10
20
40
15
30
r=0.4
10
20
5
0
r=0.68
10
10
15
20
15
20
10
15
20
30
r=0.92
20
10
GLQ3401
10
11
Esprance mathmatique
Notion fondamentale
E[X] = xf X ( x )dx
E[g (X)] = g ( x )f X ( x )dx
E[g (X, Y )] = g ( x , y)f X ,Y ( x , y)dxdy
Si g(X)=(X-m)2 => E[g(X)] = Var(X)
Si g(X,Y)= (X-mx) (Y-my) = Cov(X,Y)
GLQ3401
12
Proprits de lesprance mathmatique

E est un oprateur linaire =>
E[c g(X)]= c E[g(X)]
E[g(X) + h(X)] = E[g(X)] + E[h(X)]
E[g(X,Y) + h(X,Y)] = E[g(X,Y)] + E[h(X,Y)]
En particulier
Var(X1 + X 2 ) = Var(X1 ) + Var(X 2 ) + 2 * Cov(X1 , X 2 )
Var (aX1 + bX 2 ) = a 2 Var (X 1 ) + b 2 Var(X 2 ) + 2ab * Cov(X 1 , X 2 )

n
Var ( a i X i ) = a i a jCov ( X i , X j )
i =1
GLQ3401
i =1 j=1
Une des expressions

qui revient le plus
souvent en gostat
13
Var c z( x )dx = c 2 Cov(z( x ), z( y))dxdy
Une autre expression

qui revient souvent en
gostat
Cov a z( x )dx , b z( y)dy = ab Cov(z( x ), z( y))dxdy
GLQ3401
14
Point de vue de la gostat

Z(x1)
Z(x2)
Gisement
Z(x3)
Gisement => infinit de points ou trs grand nombre de quasi-points

x : emplacement gographique
chaque point -> teneur -> Z(x)
chaque teneur -> v. a. (ensemble forme une fonction alatoire (de x))
GLQ3401
15
Impossible destimer partir des donnes la loi de densit conjointe

Impossible destimer partir des donnes la loi de densit bivariable
Impossible destimer partir des donnes la loi de densit dune variable
Cul de sac ?
Oui -> zut, cours termin !
Non -> youppi cours pas termin !
GLQ3401
16
sortie
-Hypothses
-Questions auxquelles le modle permet de rpondre
Hypothse
Gamme de questions
Gnralit
-Simulations
Hypothse
-Mthodes non-linaires
-Mthodes linaires
GLQ3401
17
Historique de la gostatistique
1930-1950 Thorie des fonctions alatoires (Kolmogorov, Wiener)
1955 Daniel Krige : approche empirique (rgression) pour corriger

problmes de biais conditionnel observ dans les mines
Pourquoi moins que prvu ?
Comment prvoir et tenir compte de leffet support ?
1960-1970 Matheron (mines), Matern (foresterie), Gandin

(mtorologie) dveloppent ensemble doutils => naissance de la
gostat linaire stationnaire. Rponse aux questions de Krige.
Matheron donne le nom de krigeage la mthode destimation
quil dveloppe.
1970 Polytechnique est la 1re Universit en A. du N. enseigner la

gostat (M. David)
GLQ3401
18
Historique (suite)
1973 gostat linaire non-stationnaire *

1975 gostat non-linaire
1977 1er livre en anglais de gostat (M. David)
1980 gostat linaire multivariable *
1985 simulations *
* Domaines encore actifs de recherche
Aujourdhui, la gostat est applique dans une foule de domaines

(mines, ptrole, foresterie, agriculture, environnement,
hydrogologie, gotechnique, pches, biologie, biomdical,)
GLQ3401
19
Effet support
Gisement A
Gisement B
10
10
10
10
10
10
Comment prvoir ces comportements diffrents ?

Quel est limpact $$ ?
GLQ3401
20
Effet information
Vrai
Minerai
rejet
Strile
trait
Estim
Prvoir ltendue des plages derreur et pertes en $ ?
valuer $ en information pour rduire les pertes ?
On mine partir destims mais on rcolte des valeurs vraies !
GLQ3401
21
tonnage extrait gal

on rcupre toujours moins de mtal avec des gros blocs quavec
des petits blocs (effet support)
=> on rcupre toujours moins de mtal avec des estims quavec

les vraies valeurs (effet information)
La gostatistique permet thoriquement

- Prvoir lampleur de ces effets
- Minimiser ces effets
- Prendre des dcisions claires au vu de ces effets
GLQ3401
22
Gostatistique linaire
Questions
Estimation de teneurs ponctuelles ou blocs

Prcision associe ces estimations
Hypothse
Stationnarit du second ordre

Les caractristiques sont moyenne,
variance et covariance
Deux paires de points espacs dun mme vecteur

h ont des caractristiques
semblables
GLQ3401
23
Z(x1)
Diagramme binaire
Z(x2)
Z(x2)
Z(x1)
Gisement
Moyenne ? Variance ? Covariance?
+ hypothse stationnarit
h scattergram
Z(x+h)
h
h
h
h
h
Z(x)
Gisement
GLQ3401
24
h1 scattergram
Faire varier h
Z(x+h)
h1
h1
h1
h1
h1
Z(x)
Gisement
h2 scattergram
Z(x+h)
h2
h2
Z(x)
Gisement
GLQ3401
25
h peut varier en direction et en module.
|h| =1
Z(x+h)
|h| =2
Z(x+h)
Z(x)
Z(x+h)
Z(x)
|h|
Z(x)
Cov
On cherche si possible avoir au

moins 30 points sur chaque
diagramme
GLQ3401
|h| =2
-Tolrance sur la direction

-Tolrance sur le module
26
Exemple
GLQ3401
27
Avec tolrance de 0.5 sur |h| et 15o sur direction
GLQ3401
28
En pratique, on ne sintresse qu la covariance (corrlation)

h=3 dir=0-180, Cov = 0.17
1
Z(x+h)
0.5
-0.5
Fonction de covariance
-1
-1
-0.5
0.5
0.2
h=8 dir=0-180, Cov = 0.085

1
0.15
Covariance
Z(x+h)
0.5
-0.5
-1
-1
-0.5
0.5
0.1
0.05
h=15 dir=0-180, Cov = -0.029

1
-0.05
Z(x+h)
0.5
10
12
h 0.5 =0 ou 180 15
14
16
-0.5
GLQ3401
-1
-1
-0.5
Z(x)
0.5
29
Le variogramme
h=3 dir=0-180, Cov = 0.16
1
0.8
0.6
0.4
Z(x+h)
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
-1
-0.5
0.5
Mesure la dispersion sur cette droite
GLQ3401
30
Variogramme : dfinition
1
1
(h)= Var[Z(x) - Z(x + h)] = E (Z(x) - Z(x + h))2
2
2
GLQ3401
Variogramme
Covariance
Constante
Constante connue
Var
Si existe = palier
Doit exister = Cov(h=0)
Crot
Dcrot
31
Lien entre variogramme et covariance

2
( h ) = Cov ( h )
Variogramme
Covariance
h
GLQ3401
32
Choisir une direction + tolrance angulaire
Discrtiser |h| en classes distinctes
Rpartir les paires dans les classes
1
e (h) =
2 N(h)
N( h )
2
[
]
Z(
)
Z(
+
h)
xi
xi
i =1
N(h) : nombre de paires dans la direction considr et dans la classe de distance h
GLQ3401
33
Exemple
h=1
1
N(h)
(h)
N(h)
(h)
0.5
1.25
1.6
1.25
2.5
1.125
1.33
0.83
2 .5
2 .5
1 .5
1 .5
0 .5
0 .5
0
GLQ3401
0
1
Intro stat + variogrammesD. Marcotte
34
Le variogramme dcrit la continuit spatiale du phnomne

30
25
20
0o
45o
1.5
1.5
15
10
0.5
0.5
10
15
20
25
o
2
1.5
1.5
0.5
0.5
GLQ3401
10
15
20
25
20
25
20
25
30
135
15
15
90
10
10
20
25
10
15
35
10
20
30
0o
135o
3000
3000
2000
2000
1000
1000
10
15
20
25
50
60
10
o
3000
2000
2000
1000
1000
GLQ3401
10
15
15
20
25
20
25
45
3000
10
90
40
20
25
10
15
20
30
40
50
36
10
20
30
40
0o
135o
4000
50
4000
60
3000
3000
2000
2000
1000
1000
10
15
20
25
10
3000
3000
2000
2000
1000
1000
40
50
40
50
10
20
10
15
20
25
45o
4000
30
90o
4000
20
30
40
50
60
10
20
30
10
10
15
20
25
10
15
20
25
20
30
GLQ3401
Effet ppite caus par le bruit ajout

Notez comme la structure sous-jacente
demeure trs visible
40
50
60
10
20
30
40
50
37
donnees
Variogramme
2
1.5
g(h)
3 exmples en 1D
0
1
0.5
-2
50
100
150
donnees
200
50
100
Variogramme
50
100
Variogramme
2
1.5
g(h)
1
0.5
-2
50
100
150
donnees
200
2
2
g(h)
1.5
0
1
0.5
-2
50
GLQ3401
100
x
150
200
50
100
h
38
Le variogramme est une statistique dordre 2

Ce nest pas suffisant pour caractriser tous les aspects dune
image ou dun processus
e.g. on peut crer plusieurs images ayant mme m , mme
variogramme et prsentant pourtant des textures trs diffrentes
GLQ3401
39
(h)
?
?
?
|h|
h moyen dans
la classe
Dans les calculs gostat, on doit connatre Cov ou pour tout h
Modle
GLQ3401
40
(h)
?
|h|
Non, le modle doit tre admissible
Modle admissible : modle assurant que
toute variance calcule partir de celui-ci
est positive
GLQ3401
Modles dmontrs
admissibles
41
Gnralement,
(h)
Palier :
= C0 + C
+
+
Effet de ppite : C0
|h|
GLQ3401
Porte : a
42
Exemples de modle
Ppite
Gaussien
Exponentiel
0.5
0.5
0
50
100
150
200
0.5
0
0
Sphrique
50
100
150
0
0
200
50
100
150
200
50
100
150
200
100
150
200
100
150
200
150
200
Fractal avec b=1.5

3
Linaire avec palier
Circulaire
Linaire
2
0.5
0.5
0.5
1
0
0
0
50
100
150
200
Gravimtrique
50
100
150
0
0
200
50
100
150
200
50
DeWijsien
1.5
Fractal avec b=0.5
Magntique
0.5
0.5
0.5
0
0
100
200
300
400
500
Cubique
100
200
300
400
0
0
500
50
100
150
200
Effet de trou cosinus
Penta-sphrique (Christakos, 1984 p.264)
50
Effet de trou sinus

1.5
1
0.5
0.5
0
0
50
GLQ3401
100
150
200
0.5
50
100
150
200
0
0
50
100
150
200
50
100
43
Stein
Quadratique (Alfaro, 1984)
Whittle
0.5
0.5
0.5
0
100
200
300
400
500
0.5
0
0
Stable (Lantujoul,1994)
Matern p.30, 2e, n=1
100
200
300
400
0
0
500
50
100
150
200
Hyperbolique (Lantujoul, 1994)
Matern p.30, 2e, n=3
100
200
300
400
500
BK Matern, p.30, 4e, s=2
0.5
0.5
0.5
0
0
100
200
300
400
500
0.5
BJ Matern p.30, 3e, k=0
100
200
300
400
0
0
500
100
200
300
400
500
Christakos,1984, p.261
1.5
500
1000
1500
Christakos, 1984, p.262
0.5
0.5
1
1
0.5
0.5
0
0
0
100
200
300
400
500
500
1000
0.5
0.5
0.5
GLQ3401
1000
1500
200
300
400
500
100
200
300
400
500
100
200
300
400
500
400
500
Cosinus hyperbolique
1
0.5
0
500
100
Christakos, 1984, p.262 (74)
Bessel 2: Mantoglou et Wilson
0
0
1500
0
0
50
100
150
200
100
200
300
44
Toute somme (coefficients positifs) de modles de variogramme est admissible

Toute somme (coefficients positifs) de modles de covariance est admissible
Tout produit (coefficients positifs) de modles de covariance est admissible
Chaque modle peut tre isotrope ou anisotrope, les directions danisotropie
peuvent varier dun modle lautre
Un modle peut tre admissible en 1D et non-admissible en en 2D, 3D,.
GLQ3401
45
Modles de base en mine

Effet de ppite
-Erreurs de mesure
-Erreurs de localisation
(h)
-Erreurs danalyse (Gy)

-Microstructure non-identifiable
d au manque de donnes
Presque toujours prsent mais

h
rarement seul
(h ) = 0 si h = 0
C 0 si h > 0
GLQ3401
Effet de ppite pur =>

estimation impossible
46
(h)
Sphrique
Modle le + frquent
e.g. teneur, paisseur,
Combin avec effet ppite
h
si h = 0
0
3
h
h
(h ) = C 1.5 0.5
si 0 < h < a
a
a

C
si h a
GLQ3401
47
Exponentiel
(h)
Assez commun
Semblable au sphrique
| h |
3 | h |
(h ) = C1 exp
ou C1 exp

a
'
a
GLQ3401
a: porte effective (h)=0.95*C

a=a/3
48
Gaussien
(h)
-Peu frquent en mine

-Variables trs continues :e.g.
topographie, gravimtrie, magntisme,
paisseur,
- Problmes numriques si absence
deffet de ppite
a: porte effective (h)=0.95*C
a=a/30.5
| h | 2
| h | 2
(h ) = C1 exp

ou C1 exp 3
a
a'
GLQ3401
49
b=1
b=1.4
b=0.6
(h)
-Modles sans palier

-Moyenne, variance et
covariance non dfinies
| h |
( h ) = C
a
GLQ3401
| h |> 0, 0 b < 2
50
Problmes Problmes Problmes

Donnes extrmes influencent beaucoup le variogramme
10
70
35
60
30
50
25
40
30
10
GLQ3401
3
Distance
15
10
20
20
10
gamma(h)
gamma(h)
3
Distance
51
Zone A: (pas de 2m)

4
Zone B: (pas de 1m), zone +variable

8
10
12
10
12
14
10
12
10
10
10
V ariogram m e ex prim ental

9
8
-tudier les zones sparment ?
-Sous-chantillonner la zone B
11
gamma(h)
6
12
Z one B
10
16
18
15
17
13
15
Z one A + B
24
14
21
Z one A
GLQ3401
5
Dis tanc e
10
52
Pratique de confirmer prfrentiellement les teneurs riches

Variogrammes
50
Grille regulire
Grille+10 doublons
Grille+doublons
45
40
35
30
)
h(
25
20
15
10
5
0
A pour effet de fournir beaucoup de

paires petite distance et montrant de
trs fortes variations
GLQ3401
Si on rchantillonne chaque point, pas

de problme
53
Erreurs de localisation
Variogrammes
1.8
Localisations vraies
Localisations erronnes
1.6
1.4
1.2
1
)
h(
0.8
0.6
0.4
0.2
0
GLQ3401
5
h
10
54
La gologie ne collabore pas toujours

Positions observes
20
15
15
10
10
y
Certains logiciels
0
permettent de passer
-5
un systme de
-5
coordonnes
gologiques
10
15
-5
-5
20
Variogrammes initiaux
1.2
1.2
0.6
)
h(
0.4
0.2
0.2
6
10
GLQ3401
20
// strates
Perpendiculaire
0.6
0.4
15
0.8
Dir. x
Dir. y
10
Variogrammes aprs "dpliage"

1.4
5
x
1.4
0.8
)
h(
5
0
Positions "dplies"
20
10
55
Anisotropies
1- Gomtrique : les portes dcrivent une ellipse
ap
ag
a =
= 60
= 90
{a
aga p
2
p
cos + a sin
2
2
g
1/ 2
= 45
= 30
=0
GLQ3401
56
2- zonale : toute anisotropie qui nest pas gomtrique

=> somme de composantes isotropes et avec anisotropies gomtriques
Vario. exp. (dir, dip, vreg) : (45,0,0)
1.5
1.5
1.5
1
0.5
0
(h)
(h)
(h)
1
0.5
10
15
20
h
30
1
25
0.5
10
15
20
10
15
20
15
(h)
1.5
1
0.5
10
15
h
20
Gaussien isotrope a=7, C=0.5

+
Gaussien aniso gom.
a45=17
a135=
M o d .
a n i
20
1 7
s o .
1 .
2 D
y p e ,
a x
a y ,
0 .
0 4 9 e + 0 0 9
4 5
1 .
3 - g a u s s i
e n
3 - g a u s s i
e n
o t
( t
r i
g o )
10
10
15
20
25
30
Ajustement assez bon pour 0-5 pixels dans toutes les directions
GLQ3401
57

3000
2000
2000
2000
1000
(h)

3000
(h)
(h)
3000
Oh non, je ne
vais pas encore
me faire
variographer!
1000
1000
10
0
0
10
15 20
h
3000
0
0
10
15
h
20
0
0
10
15
h
20
30
40
(h)
2000
Modle sphrique avec

anisotropie gomtrique
A(135)=20.4, a(45)=13.8
1000
0
0
20
10
15
60
10
20
30
40
50
20
GLQ3401
50
58
Stratgie de modlisation
Dfinition minutieuse du domaine

Examen des donnes, donnes extrmes ?
Au besoin sous-chantillonnage des donnes pour viter de sur-reprsenter
des zones particulires
Variogramme omnidirectionnel => modle isotrope candidat
Dterminer directions gologiques principales
Calculer variogrammes directionnels (au moins 4 directions) attention aux
paramtres de calculs (classes de distance et tolrance)
Comparer variogrammes directionnels au modle isotrope candidat
acceptable => termin

Inacceptable => ajuster un modle anisotrope (gomtrique)
anisotrope (gomtrique) acceptable => termin

Inacceptable => anisotropie zonale ?
Dans tous les cas, il importe surtout dajuster les premiers points du variogramme
viter de surajuster les donnes
GLQ3401
59
Remarques concernant le calcul des variogrammes

Objectifs:
au moins 30 paires pour la plupart des points du variogramme
4-6 points avant le palier pour pouvoir ajuster modle
h < hmax/2
Doit avoir un minimum de donnes

>30 pour variogramme omnidirectionnel
>60 pour variogrammes directionnels
Influence le choix de largeur des classes
GLQ3401
60
Exemple
20
40
0.8
60
(h)
80
100
0.6
120
Variog. omni
0.4
140
160
0.2
180
200
50
200
20
40
60
h
0.5
10
20
30
h
40
50

1
(h)
0.5
150
(h)
(h)
100
20
40
0.5
60
20
40
60
(h)
Variog. directionnels
0.5
20
40
60
GLQ3401
61
N=30
N=60
1.5

1.5
38
64
(h)
Effet de
ppite
apparent
46
76
0.5
14

1
137
59
89 105
341459522
593615 769
721
0.8
70
(h)
38
78
(h)
52
N=200
0.5
0.6
0.4
16
Mo d .
273
164
51
50
100
150
0
0
20
h
100
100
50
50
-50
-50
-100
-100
GLQ3401
-50
50
100
-100
-100
40
h
0
0
60
20
40
60
50
0
-50
0
50
100
-100
-100
0 .
2 5 .
0 .
1 - p p i t
4 - s p h r i q u e
100
-50
0.2
0
0
i s o .
-50
50
100
62
N=40000
N=200
Vario. exp. (dir, dip, vreg) : (0,0,22.5)
0.5 1539
0.5
79
1
62
46
(h)
0.5
89 126
212
159156154
66
161
(h)
(h)
0.5
121113149
147
181
174
0.5 14
(h)
(h)
(h)
0.5
39
72
171 200
96 139
152
172
82
0
0
20
40
60
h
0
0
20
40
h
60
0
0
20
40
h
60
0
0
40
60
h
20
91
(h)
(h)
111136
183
143207
116
0.5
0.5
40 73
17
0
0
20
40
h
GLQ3401
60
0
0
20
40
0
0
20
40
h
60
0
0
20
40
60
Ajustement bon;
ne peut tre
amlior sans
altrer les autres
ajustements
60
63
Pour dtecter une anisotropie, il faut pouvoir calculer le variogramme dans la

direction de meilleure continuit. Celle-ci nest pas toujours connue.
Rapport apparent en fonction de la direction (: angle avec ag) et du rapport d'anisotropie
4
= 90
= 45
= 30
=0
3.5
Rapport apparent: a / a+90
= 60
0
10
2.5
Tout cart => sousestimation de lanisotropie
20
1.5
30
0.5
Faible anisotropie peut

passer inaperue
GLQ3401
1.5
2.5
3.5
Rapport vrai: ag / ap
64
Tolrance angulaire doit tre maintenue faible <22.5, idalement 0-10.

Tolrance trop grande
=> variogrammes peu directionnels
=> sous-estimation de lanisotropie
Rapport apparent en fonction de la tolrance et du rapport d'anisotropie

4
3.5
Rapport apparent
tolrance
0
10
20
2.5
30
40
1.5
1.5
2.5
3.5
Rapport vrai: ag / ap
GLQ3401
65
En 3D
Meilleures directions pour le calcul => directions des forages
- Permet de bien estimer le variogramme petite distance
- Erreurs de localisation et de direction ont moins dimpacts sur
le variogramme car les distances inter-carottes demeurent
inchanges
Hic:
- Ncessite des forages ayant diffrentes directions pour

pouvoir modliser lanisotropie
GLQ3401
66
Autres outils utiles

-Validation croise de modles candidats (krigeage); eg. Tester un modle
isotrope vs anisotrope; tester un effet de ppite de 10% vs 30%;
-Modle permet de prdire les variances des composites de tailles diffrentes ?
-Modle permet de prdire les variances des valeurs kriges ?
-Variogramme des log(teneurs) pour identifier les anisotropies possibles, la
(les) porte, limportance approximative de leffet de ppite
-Variogramme dune transformation des teneurs (e.g. rang), mme chose que
les log
GLQ3401
67

Introduction À La Géostatistique Et Variogrammes

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Introduction À La Géostatistique Et Variogrammes

Uploaded by

Copyright:

Available Formats

Introduction la gostatistique et

Intro stat + variogrammes- D. Marcotte

Point de vue gostat

Intro stat + variogrammes- D. Marcotte

Une v.a. (continue) est entirement caractrise par sa fonction de densit

Loi lognormale, m=5, =3

Intro stat + variogrammes- D. Marcotte

Rsumer une distribution par certaines statistiques

Intro stat + variogrammes- D. Marcotte

Dispersion autour de la moyenne (cart-type)

Loi normale, m=5

Intro stat + variogrammes- D. Marcotte

Loi normale, m=5, =3

Loi lognormale, m=5, =3

Loi lognormale, m=5, =9

Intro stat + variogrammes- D. Marcotte

Intro stat + variogrammes- D. Marcotte

Un couple de v.a. X et Y (continues) est entirement

Loi binormale, 1=2 2=5 =0.2

Intro stat + variogrammes- D. Marcotte

On peut rsumer une distribution bivariable par diffrentes statistiques dont :

Intro stat + variogrammes- D. Marcotte

Intro stat + variogrammes- D. Marcotte

Intro stat + variogrammes- D. Marcotte

Si g(X)=(X-m)2 => E[g(X)] = Var(X)

Si g(X,Y)= (X-mx) (Y-my) = Cov(X,Y)

Intro stat + variogrammes- D. Marcotte

Proprits de lesprance mathmatique

Var(X1 + X 2 ) = Var(X1 ) + Var(X 2 ) + 2 * Cov(X1 , X 2 )

Var (aX1 + bX 2 ) = a 2 Var (X 1 ) + b 2 Var(X 2 ) + 2ab * Cov(X 1 , X 2 )

Intro stat + variogrammes- D. Marcotte

Une des expressions

Var c z( x )dx = c 2 Cov(z( x ), z( y))dxdy

Une autre expression

Cov a z( x )dx , b z( y)dy = ab Cov(z( x ), z( y))dxdy

Intro stat + variogrammes- D. Marcotte

Point de vue de la gostat

Gisement => infinit de points ou trs grand nombre de quasi-points

Intro stat + variogrammes- D. Marcotte

Impossible destimer partir des donnes la loi de densit conjointe

Oui -> zut, cours termin !

Non -> youppi cours pas termin !

Intro stat + variogrammes- D. Marcotte

Intro stat + variogrammes- D. Marcotte

1930-1950 Thorie des fonctions alatoires (Kolmogorov, Wiener)

1955 Daniel Krige : approche empirique (rgression) pour corriger

1960-1970 Matheron (mines), Matern (foresterie), Gandin

1970 Polytechnique est la 1re Universit en A. du N. enseigner la

Intro stat + variogrammes- D. Marcotte

1973 gostat linaire non-stationnaire *

* Domaines encore actifs de recherche

Aujourdhui, la gostat est applique dans une foule de domaines

Intro stat + variogrammes- D. Marcotte

Comment prvoir ces comportements diffrents ?

Intro stat + variogrammes- D. Marcotte

On mine partir destims mais on rcolte des valeurs vraies !

Intro stat + variogrammes- D. Marcotte

tonnage extrait gal

=> on rcupre toujours moins de mtal avec des estims quavec

La gostatistique permet thoriquement

Intro stat + variogrammes- D. Marcotte

Estimation de teneurs ponctuelles ou blocs

Stationnarit du second ordre