Professional Documents
Culture Documents
Objetivo General
Objetivos Específicos
Lineales:
- Simple.
- Ordinario.
- Universal.
Kriging paramétrico y no paramétrico.
Paramétrico:
- Multigaussiano.
- Disyuntivo.
- Lognormal.
No paramétrico:
- Simple
- Ordinario
• Universal : Este kriging se sustenta en la hipótesis que la función aleatoria 𝑍(𝑥) ya no es estacionaria y su
valor esperado varía en el espacio (deriva), reflejando una tendencia sistemática en la distribución
espacial de los valores
- Residual
- Indicador
- Probabilístico.
Kriging - simple
REQUISITOS:
- Conocer los valores esperados de la función
aleatoria.
- Conocer la función de covarianzas de la
función aleatoria .
Objetivo del Kriging.
El objetivo del Kriging es interpolar la ley a partir de muestras que lo rodean, asignando pesos a cada muestra que
reduzca al mínimo la varianza de estimación, se interpreta la ley con la máxima precisión posible.
Para poder llegar a la definición de Kriging, es necesario dejar claro la definición de la varianza de estimación. A
continuación se presenta la deducción de las varianza de estimación simulando las ocurrencias de una función
aleatoria con resultados de análisis químicos al interior de un bloque.
Propiedades del Kriging.
Interpolación exacta: la estimación en un sitio con dato es igual al valor del dato y la varianza de kriging en este
sitio vale 0
Aditividad: la estimación de la ley de un bloque es igual al promedio de las estimaciones de leyes puntuales en
este bloque
Sesgo condicional: el error promedio puede no tener esperanza nula cuando se considera sólo los sitios donde
la ley estimada es alta (o baja). En general, el sesgo condicional es pequeño si se usa suficientes datos (>15)
El estimador Kriging se considera óptimo
Para validar los parámetros del kriging (modelo de variograma, vecindad elegida), se puede usar los siguientes
métodos:
Validación cruzada: se estima sucesivamente cada dato considerando solamente los datos restantes
Jack-knife: se divide la muestra inicial en dos partes (por ejemplo, cuando hay dos campañas de sondajes), y se
estima una parte a partir de la otra
Luego, se hace un estudio estadístico de los errores cometidos para saber si el kriging fue “satisfactorio” (buena
precisión, poco sesgo condicional…)
Criterios de validación:
Medias de los errores y de los errores estandarizados: deben ser cercanas a cero estimador sin sesgo
Varianza de los errores: debe ser la más baja posible estimador preciso
Conclusiones
El krigeage puntual a diferencia del kriageage simple que asume que las medias locales son
relativamente constantes y de valor muy semejante a la media de la población que es conocida.