Leccion74 - Estimacion Local3544

Leccin 4:
La estimacin local
De los estimadores
tradicionales al kriging
Introduccin
Objetivo
La estimacin local consiste en evaluar el valor de la variable
regionalizada en un sitio no muestreado del espacio, utilizando
para ello los datos circundantes disponibles.
Asimismo, se puede evaluar el valor promedio de la variable en
un soporte mayor que el soporte de las muestras.
Los estimadores tradicionales (1)

Ejemplo introductorio
Se busca estimar el valor en el sitio ? a partir de los valores
muestreados en A, B, C, D, E, F.

Estimador del ms cercano vecino
Atribuye toda la ponderacin al dato ms cercano al sitio a
estimar. En este caso se trata del dato ubicado en C.

Estimador del inverso de la distancia
Asigna a cada dato una ponderacin inversamente
proporcional a (una potencia de) su distancia al sitio a estimar.
inverso de la distancia
inverso del cuadrado de la distancia

Ventajas
Fciles de ejecutar
En ambos casos, el estimador privilegia los datos cercanos
Inconvenientes
El ms cercano vecino apantalla a todos los otros datos, luego
omite parte de la informacin. El inverso de la distancia no
considera las redundancias que existen entre datos agrupados
Ambos estimadores no toman en cuenta la estructuracin de la
variable regionalizada: continuidad en el espacio, anisotropa
No miden la precisin de la estimacin

El kriging busca mejorar la ponderacin de los datos al tomar
en cuenta:
1) sus distancias al sitio a estimar
2) las redundancias entre los datos (posibles agrupamientos)
3) la estructuracin de la variable regionalizada (variograma)
privilegia los datos cercanos si el variograma es muy regular
reparte la ponderacin entre los datos si existe un efecto pepita
en caso de anisotropa, privilegia los datos ubicados a lo largo
de las direcciones de mayor alcance
Asimismo, el kriging cuantifica la precisin de la estimacin.
Construccin del kriging (1)

El sistema de kriging se obtiene al plantear tres restricciones:
restriccin de linealidad
Sea z(x) la variable regionalizada en estudio, {x, 1... n}
los sitios con datos y x0 el sitio que se busca estimar.
La primera restriccin consiste en escribir el estimador como
una combinacin lineal ponderada de los datos:
n
z (x 0 ) a z(x )
*
buscar los ponderadores {, 1... n} y el coeficiente a

restriccin de insesgo
En el modelo probabilstico, el error cometido debe tener una
esperanza nula:
E[Z*(x0) Z(x0)] = 0
el estimador no tiende a sobreestimar o subestimar el valor
real desconocido
Notas:
1) las maysculas se refieren a las magnitudes aleatorias, las minsculas a las
magnitudes determinsticas
2) el asterisco indica una estimacin

restriccin de optimalidad
Se busca minimizar la varianza del error cometido, que mide
la amplitud potencial de dicho error
minimizar var[Z*(x0) Z(x0)]
bsqueda de la precisin mxima
Plan de kriging (1)

Cules son los datos a utilizar en la estimacin?
Se puede utilizar todos los datos disponibles (vecindad nica)
o slo una parte de ellos (vecindad mvil)
La palabra vecindad se refiere a la zona del espacio, centrada
en el sitio a estimar, donde se busca los datos que servirn en
la estimacin.
La vecindad nica aumenta innecesariamente los tiempos
de clculo sin mejorar la precisin de la estimacin, por lo
que se prefiere a menudo trabajar con una vecindad mvil.
Hay que especificar la forma y el tamao de esta vecindad.
Plan de kriging (2)

Forma de la vecindad mvil
Idealmente, la vecindad debera tener la forma de las curvas
de isovalores del mapa variogrfico, para tomar en cuenta la
anisotropa en la correlacin espacial de los datos.
En general, se suele tomar una vecindad en forma de elipse
(2D) o elipsoide (3D), lo cual corresponde tericamente a
una anisotropa geomtrica.
Plan de kriging (3)

Divisin en sectores angulares
Para mejorar la reparticin de los datos en torno al sitio a
estimar, es recomendable dividir la vecindad en sectores
angulares y buscar datos en cada sector.
Plan de kriging (4)

Tamao de la vecindad mvil
Los parmetros ms relevantes a considerar son: el alcance
del variograma y la densidad del muestreo.
Factores que inducen a aumentar el tamao:
precisin, insesgo condicional
Factores que inducen a disminuir el tamao:
cambios en la estructuracin espacial, irrelevancia de los
datos lejanos, poca confiabilidad del variograma para las
distancias muy grandes, tiempos de clculo.
Plan de kriging (5)

Validacin cruzada
Para determinar el plan de kriging, se puede recurrir a la
validacin cruzada: probar varios planes y escoger aquel que
entrega los resultados ms satisfactorios
precisin alcanzada
sesgo condicional
Varios tipos de kriging
Kriging simple (1)

Hiptesis
Se conoce el valor promedio m de la variable regionalizada,
el cual se asume representativo de cada regin del espacio.
Tambin se conoce el variograma (h), el cual presenta una
meseta () 2.
Kriging simple (2)

Restriccin de linealidad
La estimacin en un sitio x0 se escribe como una combinacin
lineal ponderada de los datos circundantes, ubicados en los
sitios {x, 1... n}:
n
z (x 0 ) a z(x )
*
Kriging simple (3)

Restriccin de insesgo
La esperanza del error de estimacin vale:
n
E [ Z (x 0 ) Z(x 0 )] a E [ Z(x )] E [ Z(x 0 )]

*
1
n
a [ 1] m
1
Para anular esta esperanza, se plantea

n
a [1 ] m
1
Kriging simple (4)

Restriccin de optimalidad
La varianza del error de estimacin se expresa en funcin del
variograma:
n
var[Z (x 0 ) Z(x 0 )] [ (x x )] 2 [ 2 (x x 0 )]
*
1 1
n
[1 ] (x x ) 2 (x x 0 )
2
1 1
La minimizacin requiere anular las derivadas de esta expresin

con respecto a las incgnitas {, 1... n}.
Kriging simple (5)

Sistema de ecuaciones finales
Se llega al siguiente sistema de ecuaciones lineales:
a [1 ] m
n
(insesgo)
n
1... n , [1 ] (x x )

1
mide las
redundancias
entre datos
(x x 0 )
mide la influencia
de los datos sobre
el valor a estimar
Kriging simple (6)

Precisin de la estimacin
El valor mnimo de la varianza del error de estimacin se llama
varianza de kriging y vale:
n
(x 0 ) [1 ] (x x 0 )
2
KS
Caso particular de un efecto pepita puro

Los ponderadores se anulan y el estimador es igual a la media
conocida. La varianza de kriging es igual a la varianza a priori
2 .
Kriging simple (7)

La media tiene un peso complementario al peso acumulado de
los datos. Su rol es compensar la falta de informacin cuando
los datos son escasos o alejados.
Ilustracin: variograma esfrico de meseta 1 en una dimensin
kriging
varianza de kriging
peso de la media
Kriging ordinario (1)

Hiptesis
Se desconoce el valor promedio de la variable
regionalizada
Se conoce el variograma (h), el cual puede o no tener meseta
El considerar el valor de la media como desconocido permite
generalizar el estimador a situaciones donde esta media no es
constante en el campo: la media puede variar de una regin a
otra del espacio, siempre que sea aproximadamente constante
en cada vecindad de kriging.

Restriccin de linealidad
La estimacin en un sitio x0 se escribe como una combinacin
lineal ponderada de los datos circundantes, ubicados en los
sitios {x, 1... n}:
n
z (x 0 ) a z(x )
*

Restriccin de insesgo
La esperanza del error de estimacin vale:
n
E [ Z (x 0 ) Z(x 0 )] a E [ Z(x )] E [ Z(x 0 )]

*
1
n
a [ 1] m
1
Siendo m desconocida, la nica alternativa es plantear

a0 y

Restriccin de optimalidad
La varianza del error de estimacin se expresa en funcin del
variograma:
n
var[Z (x 0 ) Z(x 0 )] [1 ] (x x ) 2 (x x 0 )
*
1 1
La minimizacin de esta expresin bajo la restriccin de insesgo

requiere introducir una incgnita adicional llamada
multiplicador de Lagrange, denominada .

Sistema de ecuaciones finales
insesgo
a0
1... n ,
(x x )
mide las
redundancias
entre datos
(x x 0 )
mide la influencia
de los datos sobre
el valor a estimar

Precisin de la estimacin
El valor mnimo de la varianza del error de estimacin se llama
varianza de kriging y vale:
n
(x 0 ) (x x 0 )
2
KO
Caso particular de un efecto pepita puro

Los ponderadores son iguales a 1/n, de modo que el estimador
coincide con la media aritmtica de los datos. La varianza de
kriging supera levemente la varianza a priori.

Ilustracin: variograma esfrico de meseta 1 en una dimensin
kriging
varianza de kriging
Otros tipos de kriging

Existen otras variantes del kriging:
kriging universal
kriging intrnseco
kriging con deriva externa
marco no estacionario
kriging trigonomtrico
kriging transitivo: se plantea en un marco determinstico
kriging aleatorio: la posicin de las muestras es incierta
kriging lognormal: recurre a una transformada logartmica
kriging de indicadores, kriging disyuntivo, kriging
multigaussiano: buscan caracterizar el valor desconocido
por una distribucin de probabilidad
Propiedades del kriging
Observaciones sobre el kriging

El sistema de kriging toma en cuenta
aspectos geomtricos: distancias entre el sitio a estimar y
los datos; redundancias entre los datos
aspectos estructurales: continuidad espacial, anisotropa...
Los ponderadores y la varianza de kriging no toman en cuenta
los valores de los datos.
Salvo excepciones, los ponderadores de kriging pueden ser
negativos, lo que a veces desemboca en estimaciones negativas.
El sistema de kriging es regular (entrega una solucin nica)
siempre que no existan datos duplicados.
Propiedades del kriging (1)

interpolacin exacta: estimar un sitio con dato devuelve
el valor medido en este sitio
suavizamiento: la dispersin de los valores estimados es
menor que la dispersin de los valores verdaderos
el kriging tiende a subestimar las zonas de altas leyes
y sobreestimar las zonas de bajas leyes
aditividad: el kriging del valor promedio de un sector es
el promedio de las estimaciones puntuales en este sector
insesgo: la media de los errores cometidos en una regin
de gran tamao se acerca a cero
Propiedades del kriging (2)

sesgo condicional: en las zonas cuya estimacin supera una
ley de corte, la media de los errores puede diferir de cero
propiedad a evitar o minimizar, de lo contrario se incurre
en una mala apreciacin del valor del negocio minero
elegir una vecindad de kriging suficientemente grande
El kriging de bloques (1)

El kriging tambin puede emplearse para estimar el valor de la
variable regionalizada sobre un soporte mayor que el soporte
de las muestras (bloque).
Dos alternativas:
discretizar el bloque en muchos puntos, estimar el valor de
cada
punto y en
promediar
puntuales
costoso
clculos;las
noestimaciones
permite calcular
la varianza de
estimacin
evaluar directamente el valor del bloque, sin recurrir a
estimaciones puntuales
El kriging de bloques (2)

El plantear las tres etapas de construccin del kriging conduce
al sistema de kriging de bloques.
Este sistema slo difiere del sistema puntual en el miembro de
la derecha. El clculo numrico de este miembro requiere una
discretizacin (no confundir con una estimacin del bloque
va discretizacin en varios puntos).
El kriging de bloques posee las siguientes propiedades:
suavizamiento
insesgo, pero posible sesgo condicional
aditividad
Aplicacin a los
datos mineros
Eleccin del plan de kriging (1)

Se compara tres planes de kriging por jackknife: estimar 902
muestras a partir de las 1474 restantes. La variable en estudio
es la ley de cobre.
plan 1: estimar con los 2 datos ms cercanos
plan 2: estimar con los 24 datos ms cercanos (3 por octante)
plan 3: estimar con los 48 datos ms cercanos (6 por octante)
En cada caso, se recurre al kriging ordinario, que slo requiere
especificar el modelo variogrfico (media desconocida).

Histogramas de los errores cometidos
Las medias de los errores son casi nulas insesgo

La mayor precisin se alcanza en los planes 2 y 3

Nubes de correlacin entre leyes reales y estimadas
El sesgo condicional y la dispersin de la nube son mnimos en

los planes 2 y 3.
Kriging de las leyes de cobre a partir

de las muestras de exploracin (1)
Kriging ordinario de las leyes en un banco con el plan 2

Kriging simple de las leyes (media = 0.98% Cu)

Kriging ordinario de bloques de soporte 5m 5m 12m

Kriging ordinario de bloques de soporte 25m 25m 12m
Categorizacin de recursos (1)

No todos los bloques estimados tienen el mismo grado de
confiabilidad. Por ende, se suele definir varias categoras de
recursos:
recursos medidos: mayor grado de confiabilidad
recursos indicados: confiabilidad mediana
recursos inferidos: poca confiabilidad
Los recursos medidos + indicados se denominan demostrados
y son aquellos que se consideran para efectos financieros
(evaluacin del proyecto minero). Ahora bien, la definicin de
cada categora es muy vaga y depende en gran parte del
criterio del especialista.

Existe una categorizacin similar para las reservas (probadas,
probables, posibles), que son la fraccin de los recursos que se
puede explotar tcnica y econmicamente.
Una manera de identificar las categoras consiste en clasificar
los bloques segn su varianza de estimacin (la definicin de
las varianzas lmites debe tomar en cuenta el tipo de yacimiento
y el muestreo).
Otros criterios: nmero de muestras en la vecindad de kriging,
distancia promedio de las muestras cercanas, criterio geolgico,
etc.
pertinencia de la categorizacin?

Un ejemplo molestoso: categorizacin a partir de dos medidas
de incertidumbre (varianza de kriging y varianza de un conjunto
de simulaciones condicionales)
A diferencia del kriging, las simulaciones condicionales toman

en cuenta la mayor incertidumbre que existe en las zonas de altas
leyes debido al efecto proporcional.
Estimacin de las leyes de cobre a

partir de los pozos de tronadura (1)
Parmetros asociados a una ley de corte de 0.5% Cu:

costo mina 0.6 US$/t; costo planta 4.4 US$/t; recuperacin 0.8;
costo fundicin 770 US$/t; precio cobre 1870 US$/t
Estimacin de las leyes de cobre a

partir de los pozos de tronadura (2)
Resultados econmicos para una ley de corte de 0.5% Cu
14%
mineral a planta
estril a planta
16%
2%
5%
8%
3%
mineral a botadero
estril a botadero
73%
79%
Tonelaje a planta [Mt]

Ley promedio efectiva [%Cu]
Ley promedio estimada [%Cu]
Cantidad de metal efectiva [mt]
Cantidad de metal estimada [mt]
Beneficio efectivo [MUS$]
Beneficio previsto [MUS$]
Kriging
71.64
1.041
1.057
745.8
757.3
298.1
308.2
Pozos
64.42
1.089
1.143
701.5
736.3
295.2
325.8
Influencia de los parmetros

en los resultados del kriging
Configuracin de kriging
Se busca estimar el valor en el sitio ? a partir de los valores
muestreados en A, B, C, D, E, F.
Influencia del comportamiento

del variograma en el origen (1)
Variograma lineal v/s variograma parablico en el origen
esfrico (alcance 1, meseta 1)
gaussiano (alcance 1, meseta 1)

Variograma lineal v/s variograma con discontinuidad en el origen
esfrico (0.5) + pepita (0.5)

Variograma lineal v/s variograma totalmente peptico
efecto pepita puro (meseta 1)
Influencia de la meseta
del variograma
Se toma el modelo esfrico como referencia
Influencia del alcance

del variograma (1)
Influencia del alcance

del variograma (2)
esfrico (alcance 0.5, meseta 1)
Influencia del efecto de

hoyo del variograma
seno cardinal (semi-perodo 0.2)
Influencia de la anisotropa
del variograma
esfrico anistropo (meseta 1,

alcances 2 [N45E] y 0.5 [N45O])
Influencia del tipo de kriging:

simple u ordinario (1)
kriging ordinario

kriging simple

simple u ordinario (2)
esfrico (alcance 0.5, meseta
1) kriging ordinario
esfrico (alcance 0.5, meseta 1)

kriging simple

puntual o de bloque (1)
kriging puntual

kriging de un bloque 0.25 0.25

puntual o de bloque (2)

Ejercicios
Buscar un plan de kriging adecuado para las leyes de cobre y oro.
kt3d, locxyz, histplt, scatplt, condbias
A partir de los sondajes de exploracin, estimar las leyes de cobre
y oro en los bloques 25m 25m 12m e ilustrar las propiedades
del kriging.
kt3d, pixelplt, histplt, scatplt, condbias
A partir de los pozos de tronadura, krigear las leyes de cobre en los
bloques 25m 25m 12m. Comparar los resultados econmicos
obtenidos con aquellos que se obtendran al estimar cada bloque
por su pozo central.
kt3d, Excel
Archivos de parmetros
de los programas GSLib
Plan de kriging (1)

Parameters for KT3D
*******************
START OF PARAMETERS:
muestras1.dat
0 1 2 3 4 0
-1.0
1.0e21
2
muestras2.dat
1
2
3
4
0
0
jackknife.dbg
jack_Cu_plan2.out
50
0.5
1.0
50
0.5
1.0
1
0.5
1.0
1
1
1
1
24
3
100.0 100.0 150.0
0.0
0.0
0.0
1
2.302
0 0 0 0 0 0 0 0 0
0
extdrift.dat
4
2
0.06
1
0.18 0.0
0.0
100.0 100.0
2
0.20 0.0
0.0
40.0
40.0
0.0
100.0
0.0
99999
-file with data

columns for DH,X,Y,Z,var,sec var
trimming limits
-option: 0=grid, 1=cross, 2=jackknife
-file with jackknife data
columns for X,Y,Z,vr and sec var
-debugging level: 0,1,2,3
-file for debugging output
-file for kriged output
-nx,xmn,xsiz
-ny,ymn,ysiz
-nz,zmn,zsiz
-x,y and z block discretization
-min, max data for kriging
-max per octant (0-> not used)
-maximum search radii
-angles for search ellipsoid
-0=SK,1=OK,2=non-st SK,3=exdrift
-drift: x,y,z,xx,yy,zz,xy,xz,zy
-0, variable; 1, estimate trend
-gridded file with drift/mean
- column number in gridded file
-nst, nugget effect
-it,cc,ang1,ang2,ang3
-a_hmax, a_hmin, a_vert
Plan de kriging (2)

Parameters for locxyz
*********************
jack_Cu_plan2.out
1
2
7
3
-1.0e21
1.0e21
-998.0
1.0e21
mapa_error_Cu_plan2.ps
0.0
400.
0.0
600.
1
0
1
0
0.0
3.0
0.5
0.25
Plan 2
-file with data

columns for X, Y, variable
columns for Z and coordinate limits
trimming limits
-file for PostScript output
-xmn,xmx
-ymn,ymx
-0=data values, 1=cross validation
-0=arithmetic, 1=log scaling
-0=gray scale, 1=color scale
-0=no labels,
1=label each location
-gray/color scale: min, max, increm
-label size: 0.1(sml)-1(reg)-10(big)
-Title
Plan de kriging (3)

Parameters for HISTPLT
**********************
jack_Cu_plan2.out
7
0
-1.0e21
1.0e21
hist_error_Cu_plan2.ps
-2.0
2.0
0.25
20
0
0
0
2
Plan 2
1.5
-1.1e21
-file with data

columns for variable and weight
trimming limits
-file for PostScript output
-attribute minimum and maximum
-frequency maximum (<0 for automatic)
-number of classes
-0=arithmetic, 1=log scaling
-0=frequency, 1=cumulative histogram
number of cum. quantiles (<0 for all)
-number of decimal places (<0 for auto.)
-title
-positioning of stats (L to R: -1 to 1)
-reference value for box plot
Plan de kriging (4)

Parameters for SCATPLT
**********************
jack_Cu_plan2.out
5
4
0
0
-1.0
1.0e21
scatplt_Cu_plan2.ps
0.0
3.0
0
0.0
3.0
0
1
0.5
0.0
2.0
Plan 2
-file with data

- columns for X, Y, wt, third var.
- trimming limits
-file for Postscript output
-X min and max, (0=arith, 1=log)
-Y min and max, (0=arith, 1=log)
-plot every nth data point
-bullet size: 0.1(sml)-1(reg)-10(big)
-limits for third variable gray scale
-title
CONDBIAS: Conditional Statistics
********************************
jack_Cu_plan2.out
5
4
-1.0
1.0e21
condb_Cu_plan2_regresion.out
20
condb_Cu_plan2_leyesmedias.out
30
0.0
0.1
\Input data file

\column for estimate, true
\tmin,tmax
\Output for conditional bias
\number of classes
\Output for mean above cutoff
\number of cutoffs, start, inc
Kriging de bloques (1)

Parameters for KT3D
*******************
muestras.dat
0 1 2 3 4 0
-1.0
1.0e21
2
Grilla_25x25.dat
1
2
3
5
0
0
kt3d.dbg
kriging_Cu25_exploracion.out
16
12.5
25.0
24
12.5
25.0
11
11.0
12.0
10
10
1
1
24
3
100.0 100.0 150.0
0.0
0.0
0.0
1
2.302
0 0 0 0 0 0 0 0 0
0
extdrift.dat
4
2
0.06
1
0.18 0.0
0.0
0.0
100.0 100.0 100.0
2
0.20 0.0
0.0
0.0
40.0
40.0 99999
-file with data

trimming limits
-nx,xmn,xsiz
-ny,ymn,ysiz
-nz,zmn,zsiz
-nst, nugget effect
Kriging de bloques (2)

Parameters for KT3D
*******************
Grilla_25x25_desfasada.dat
0 1 2 3 4 0
-1.0
1.0e21
2
Grilla_25x25.dat
1
2
3
5
0
0
kt3d.dbg
kriging_Cu25_explotacion.out
16
12.5
25.0
24
12.5
25.0
11
11.0
12.0
10
10
1
1
24
3
100.0 100.0 150.0
0.0
0.0
0.0
1
2.302
0 0 0 0 0 0 0 0 0
0
extdrift.dat
4
2
0.06
1
0.18 0.0
0.0
0.0
100.0 100.0 100.0
2
0.20 0.0
0.0
0.0
40.0
40.0 99999
-file with data

trimming limits
-nx,xmn,xsiz
-ny,ymn,ysiz
-nz,zmn,zsiz
-nst, nugget effect
Kriging de indicadores (1)

Principio
Se busca caracterizar el valor en el sitio ? por una distribucin
de probabilidad, la cual refleja la incertidumbre en este sitio.

sitio
A
B
C
D
E
F
?
ponderador de
kriging (%)
5.2
-7.2
57.9
27.1
15.7
1.2
ley
0.21
0.35
0.42
0.28
0.53
0.05
ley de corte ley de corte ley de corte ley de corte ley de corte
n1 0.1
n2 0.2
n3 0.3
n4 0.4
n5 0.5
0
0
1
1
1
0
0
0
1
1
0
0
0
0
1
0
0
1
1
1
0
0
0
0
0
1
1
1
1
1
0.389
La estimacin de cada
indicador se interpreta
como la probabilidad
que el valor verdadero
sea menor que la ley
de corte asociada.
0.012
0.012
0.335
0.263
0.842

Se debe corregir las estimaciones para que sean crecientes entre
0 y 1, luego interpolarlas y hacer un eventual cambio de soporte.
correccin
correccin
correccin
descendente
ascendente
final
interpolacin/extrapolacin
cambio de soporte

Leccion74 - Estimacion Local3544

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Leccion74 - Estimacion Local3544

Cargado por

Copyright:

Formatos disponibles

Leccin 4:

Los estimadores tradicionales (1)

Los estimadores tradicionales (2)

Los estimadores tradicionales (3)

inverso del cuadrado de la distancia

Los estimadores tradicionales (4)

Los estimadores tradicionales (5)

Construccin del kriging (1)

buscar los ponderadores {, 1... n} y el coeficiente a

Construccin del kriging (2)

Construccin del kriging (3)

Plan de kriging (1)

Plan de kriging (2)

Plan de kriging (3)

Plan de kriging (4)

Plan de kriging (5)

Varios tipos de kriging

Kriging simple (1)

Kriging simple (2)

Kriging simple (3)

E [ Z (x 0 ) Z(x 0 )] a E [ Z(x )] E [ Z(x 0 )]

Para anular esta esperanza, se plantea

Kriging simple (4)

La minimizacin requiere anular las derivadas de esta expresin

Kriging simple (5)

Kriging simple (6)

Caso particular de un efecto pepita puro

Kriging simple (7)

Kriging ordinario (1)

Kriging ordinario (2)

Kriging ordinario (3)

E [ Z (x 0 ) Z(x 0 )] a E [ Z(x )] E [ Z(x 0 )]

Siendo m desconocida, la nica alternativa es plantear

Kriging ordinario (4)

La minimizacin de esta expresin bajo la restriccin de insesgo

Kriging ordinario (5)

Kriging ordinario (6)

Caso particular de un efecto pepita puro

Kriging ordinario (7)

Otros tipos de kriging

Propiedades del kriging

Observaciones sobre el kriging

Propiedades del kriging (1)

Propiedades del kriging (2)

El kriging de bloques (1)

El kriging de bloques (2)

Eleccin del plan de kriging (1)

Eleccin del plan de kriging (2)

Las medias de los errores son casi nulas insesgo

Eleccin del plan de kriging (3)

El sesgo condicional y la dispersin de la nube son mnimos en

Kriging de las leyes de cobre a partir

Kriging de las leyes de cobre a partir

Kriging de las leyes de cobre a partir

Kriging de las leyes de cobre a partir

Categorizacin de recursos (1)

Categorizacin de recursos (2)

Categorizacin de recursos (3)

A diferencia del kriging, las simulaciones condicionales toman

Estimacin de las leyes de cobre a

Parmetros asociados a una ley de corte de 0.5% Cu:

Estimacin de las leyes de cobre a

Tonelaje a planta [Mt]

Influencia de los parmetros