Documentos de Académico
Documentos de Profesional
Documentos de Cultura
por
Marco Antonio Alfaro Sironvalle
2008
INTRODUCCION.
Este texto trata de presentar, desde un punto de vista ms terico, los krigeados simple
(importante en las simulaciones condicionales) y ordinario (importante en la construccin
de un modelo de bloques de leyes en un depsito minero).
La presentacin sigue al pie de la letra la biblia de la geoestadstica: Las variables
regionalizadas y sus aplicaciones, traducida al castellano por Marco Alfaro solamente
he agregado algunas figuras y simplificado las frmulas la cual se encuentra disponible
en la biblioteca en lnea del Centro de Geoestadstica de la Escuela de Minas de Pars.
Figura 1: Krigeado de una zona V la cual contiene N datos. La zona es, en general 3D.
Z S* = 1Z1 + 2 Z 2 + ... N Z N
estos pesos se calculan de manera de hacer mnima la varianza de estimacin resultante,
considerando las caractersticas geomtricas del problema (formas, dimensiones e
implantacin relativa del bloque y de las muestras).
Figura 2: Dos bloques consecutivos (a) y (b) en una mina de yodo. La variable regionalizada es igual a 1 en
mineral y 0 en estril. En (c) se tienen los ponderadores del krigeado. Se observa que es absolutamente
necesario introducir muestras externas al bloque. Para (a) y (b) se tienen los estimadores Za = 0.2, Zb = 0.7.
Como es natural, el krigeado atribuir pesos dbiles a las muestras alejadas, e inversamente.
Sin embargo esta regla intuitiva puede fallar cuando aparecen fenmenos ms complejos
conocidos como efecto de pantalla (por ejemplo, en la figura 2 el krigeado atribuye un peso
nulo a las muestras de la segunda aureola) y de transferencia de influencia (tal como
muestra la figura siguiente).
Figura 3: Estimacin por krigeado del bloque V de la figura. Se tiene una agrupacin de datos al lado derecho.
1 = 0.488
(h) = | h | 2 = 0.256
= 0.256
3
Figura 4: Ponderadores de krigeado en la situacin anterior, suponiendo un variograma lineal e istropo. El
peso total de las muestras de la derecha es de 0.512: Se dice que el krigeado desagrupa la informacin.
En un caso istropo cules seran las relaciones entre los pesos i de cada compsito de la
figura 4:
Figura 4: Si el variograma es istropo, se verifica que 1 debe ser el de mayor peso. Se debe verificar que
luego vienen 2 y 3. Se verifica adems que 4 es muy prximo a 5+6+7+8 (transferencia de influencia o
desagrupacin) y que 6 es prximo a 0 (efecto de pantalla).
Figura 5: Histograma de las leyes de los bloques y de las muestras. Ambos tienen la misma media (cuando no
hay agrupaciones de datos en zonas ricas o pobres). La varianza de las muestras es ms grande que la varianza
de los bloques.
Nuestra nocin de krigeado permite interpretar fcilmente este fenmeno, y corregir sus
efectos. Cuando se selecciona un panel rico, la aureola de muestras exteriores tiene, en
general, una ley ms dbil que las muestras interiores, sin embargo su influencia sobre el
panel a estimar no es despreciable porque el krigeado le atribuye un peso no nulo. Si no se
toma en cuenta esta aureola exterior, se introduce, necesariamente, una causa de error
sistemtico por exceso (ver la figura 2a).
El efecto esencial de esta ponderacin es eliminar en promedio un error sistemtico
por exceso, luego un error inquietante. Al considerar este objetivo primordial, la mejora de
la precisin propiamente dicha, aparece como secundaria.
Proporcionaremos ahora, algunas indicaciones acerca de la manera como D.G. Krige
formul el problema en el comienzo de los aos 1950. Desde haca tiempo, los mineros de
Africa del Sur conocan este efecto de sobre-estimacin de los paneles ricos, y aplicaban
ciertos factores correctivos empricos. Para encontrar estos coeficientes, Krige parte de la
hiptesis que el muestreo est bien hecho, dicho de otra forma, que la esperanza
matemtica de la ley de las muestreas que se toman en un panel es igual a la ley media real
de este panel. Si estas variables son gaussianas (en los yacimientos de Africa del Sur, las
leyes eran en realidad lognormales, pero esto no cambia esencialmente nada), la recta de
regresin que proporciona la esperanza condicional de la muestra en funcin de la ley del
panel es entonces igual a la primera bisectriz.
La otra recta de regresin, la que entrega la esperanza de la ley media del panel en funcin
de la ley de la muestra (que es la ms interesante) tiene entonces una pendiente inferior a la
unidad. Si la ley x de la muestra es superior a la media general m, la esperanza del panel es
entonces inferior a x, e inversamente. Krige corrigi este error utilizando la ecuacin:
(1)
y = m + ( x m)
x
y
, =
y
x
y, por consiguiente:
y2
= 2 <1
x
El coeficiente es igual a la razn de las varianzas (en todo el yacimiento) de los paneles y
de las muestras.
de una combinacin lineal de las leyes disponibles Xi de las muestras, por otra parte con la
condicin:
=1
Sobre la cual volveremos largamente: Pero ahora, en lugar de atribuir a todas las muestras
exteriores el mismo peso ai = (1 - ) / n sin diferenciar entre ellas, independientemente
que se trate de muestras cercanas o alejadas, es natural buscar atribuir a cada una de ellas,
un peso ai apropiado, el cual considere su localizacin con respecto al panel a estimar. Se
llaga as a la investigacin de los pesos ptimos ai , es decir a la nocin de krigeado, tal
como la hemos presentado anteriormente.
2. Notaciones
En adelante, utilizaremos siempre el mismo sistema de notaciones:
Z(x) designa una F.A. (estacionaria o no), en general de esperanza no nula, e Y(x)
una F.A. (no necesariamente estacionaria ni intrnseca) de esperanza nula: por
ejemplo, a menudo se tomar:
Y ( x ) = Z ( x ) E [ Z ( x )]
S = { x , = 1, 2,..., N }
Dependiendo del caso, se buscar estimar, sea el valor Z(x0) en un punto x0 que no
pertenece a S, o bien el promedio (1/ V ) Z ( x)dx en un dominio V diferente de S.
V
Para ello se formarn estimadores lineales a partir de los datos disponibles, que
sern los Z(x), xS. En el caso discreto se escribir siempre:
Z = Z ( x )
( x S )
C(x , x ) = C
Pasemos ahora a las ecuaciones del krigeado, distinguiendo 3 casos (F.A. de esperanza nula
o conocida; F.A. estacionaria de esperanza desconocida; F.A. intrnseca sin deriva). En
todos los casos supondremos que la covarianza o el variograma son conocidos (es decir han
sido calculados, interpretados y ajustados a partir de los datos disponibles).
con:
1
Y
0 V ( x , x)dx
D 2 (Y ) = 1
( x, y )dxdy
0
V2
Y0
Este sistema que tiene N ecuaciones y N incgnitas es regular y admite una solucin nica
si y solamente si la matriz de covarianzas es estrictamente definida positiva (luego con
determinante > 0), lo cual supondremos siempre. La varianza 2K (o varianza de krigeado)
de esta estimacin ptima es igual al valor de la forma cuadrtica E(Y0-YK)2 cuando se
toma como coeficientes la solucin de (2). Por otra parte (2) implica:
Y0
K2 = D 2 (Y0 ) Y
En el caso del krigeado puntual (estimacin de Y(x0) para un punto x0 que no pertenece a S)
el sistema se reduce a:
(4)
= , x0
2
K = x0 , x0 , x0
directamente del sistema (4), pero es evidente a priori que el estimador Y es ptimo,
0
Sea ahora Z(x) una F.A. la cual admite una covarianza centrada (x,y) y una esperanza
constante m = E[Z(x)], no nula, pero conocida. Llegamos inmediatamente al caso
precedente al razonar sobre la F.A. Y(x) = Z(x) m . El estimador ptimo de krigeado
simple es entonces:
(5)
Z K = m + ( Z m)
Z0 =
1
Z ( x)dx
V
S = { x , = 1, 2,..., N }
por medio de una combinacin lineal de la forma:
Z * = Z
= 1
(6)
= m 2 (1 ) 2 + D 2 ( Z 0 ) 2 Z0 +
Como m es desconocido, solo se puede minimizar esta expresin cuando ella no depende
de m, es decir, si (6) se verifica
Tambin se puede justificar esta condicin (6) imponiendo al estimador Z* la condicin de
ser insesgado cualquiera que sea el valor (desconocido) de m (estimador universal). Se
tiene:
E ( Z 0 Z * ) = m m = 0
E ( Z 0 Z * ) 2 = D 2 ( Z 0 Z * ) = D 2 ( Z 0 ) 2 , Z0 +
Expresando que esta forma cuadrtica es mnima considerando la condicin (6), se obtiene
el sistema siguiente donde figura un parmetro de Lagrange:
(7)
= , Z0 +
= 1
, Z0
+ = , Z0 +
(8)
D 2 ( Z * Z 0 ) = D 2 ( Z 0 ) + , Z0
(9)
= , x0 +
= 1
D2 (Z * Z ) = +
0
x0 x0
, x0
1
Z ( x)dx , se puede tambin buscar estimar
V
= 1
Que expresa que m* es insesgado cualquiera que sea el valor desconocido de m, y se eligen
los coeficientes 0 que minimizan D2(m*) = E(m - m*) considerando esta condicin. De la
relacin:
D 2 (m m* ) = 0 0
se deduce que los 0 constituyen la nica solucin del sistema siguiente, donde figura un
parmetro de Lagrange 0:
0 = 0
0
= 1
(10)
= =
(11)
Z K = m + ( Z m)
Probemos que el estimador ptimo Z* del caso en que m no es conocida (prrafo 4.1) y el
estimador ptimo m* de m, estn relacionados por la relacin siguiente (muy similar a
(5)):
(13)
Z K* = m* + ( Z m* )
con los mismos coeficientes , solucin del sistema (2). Este resultado significa que se
puede krigear como si m fuera conocida, con la condicin de reemplazar el valor
desconocido de m por su estimador ptimo m*.
En efecto, consideremos el segundo miembro de (13):
m* + ( Z m* ) = + 0 (1 ) Z
Las cantidades:
' = + 0 (1 )
' = + 1 = 1
al considerar
' = + 1 )
0
' =
, Z0
+ 1 ) 0
Luego, los verifican bien la primera relacin (10), con el parmetro de Lagrange
(14)
= 1 ) 0
Z * Z 0 = ( Z Z 0 ) + (1 )m*
Z Z
con todos los Z, luego tambin con sus combinaciones lineales, y, en particular, con m*. Se
tiene, entonces:
D 2 ( Z * Z 0 ) = D 2 ( Z Z 0 ) + (1 ) 2 D 2 (m* )
es decir:
(15)
D 2 ( Z * Z 0 ) = K2 + (1 ) 2 D 2 (m* )
1
Z ( x)
V
Z * = Z
tal que:
La condicin a/ proporciona:
1
dx = 0
= 1
Cuando esta condicin se verifica, segn el mecanismo de clculo que indica que se puede
calcular la varianza de Z*- Z0 como si existiera una covarianza igual a . Se puede
entonces, transponer directamente el sistema (9): los coeficientes del estimador ptimo
constituyen la nica solucin del sistema:
(16)
=
( x, x )dx
= 1
K2 =
1
V2
( x, y)dxdy + + V ( x, x )dx
(17)
( x0 ) = ( x0 , x ) ( x0 )
( x0 ) = 1
2 ( x ) = ( x ) + ( x ) ( x , x )
0
0
0
K 0
segn el carcter lineal de los segundos miembros de (16), la solucin del krigeado de
1
Z ( x)dx
V
es:
1
( x)dx
V
1
( x)dx
V
Sin embargo la varianza no se obtiene por una combinacin lineal de las varianzas 2K(x0)
de los krigeados puntuales.