Está en la página 1de 12

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

INTRODUCCIN

El kriging puede ser entendido como una prediccin lineal o una forma de inferencia
bayesiana. Parte del principio: puntos prximos en el espacio tienden a tener valores ms
parecidos que los puntos ms distantes. La tcnica de kriging asume que los datos
recogidos de una determinada poblacin se encuentran correlacionados en el espacio.
Esto es, si en un vertedero de residuos txicos y peligrosos la concentracin de zinc en un
punto p es x, ser muy probable que se encuentren resultados muy prximos a x cuanto
ms prximos se est del punto p (principio de geoestadstica). Sin embargo, desde una
cierta distancia de p, ciertamente no se encontrarn valores prximos a x porque la
correlacin espacial puede dejar de existir.
Se considera al mtodo de kriging del tipo MELI (Mejor Estimador Lineal Insesgado)
o ELIO (Estimador Lineal Insesgado ptimo): es lineal porque sus estimaciones son
combinaciones lineales ponderadas de los datos existentes; y es insesgado porque
procura que la media de los errores (desviaciones entre el valor real y el valor estimado)
sea nula; es el mejor (ptimo) porque los errores de estimacin tienen
una variancia (variancia de estimacin) mnima. El trmino kriging abarca una serie de
mtodos.

1
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

FUNDAMENTO TEORICO

El krigeaje o krigeado (del francs krigeage) es un mtodo geoestadstico de estimacin de


puntos que utiliza un modelo de variograma para la obtencin de datos. Calcula los pesos
que se darn a cada punto de referencias usados en la valoracin. Esta tcnica
de interpolacin se basa en la premisa de que la variacin espacial contina con el mismo
patrn. Fue desarrollada inicialmente por Danie G. Krige a partir del anlisis de regresin
entre muestras y bloques de mena, las cuales fijaron la base de la geoestadstica lineal.

TIPOS DE KRIGING
KRIGING SIMPLES
Asume que las medias locales son relativamente constantes y de valor muy semejante a la
media de la poblacin que es conocida. La media de la poblacin es utilizada para cada
estimacin local, en conjunto con los puntos vecinos establecidos como necesarios para la
estimacin.

KRIGING ORDINARIO
Las medias locales no son necesariamente prximas de la media de la poblacin, usndose
apenas los puntos vecinos para la estimacin. Es el mtodo ms ampliamente utilizado en
los problemas ambientales.

2
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

COKRIGING
Es una extensin de las situaciones anteriores en las que dos o ms variables tienen una
dependencia espacial y esa variable se estima que no se muestra con la intensidad con la
que otros son variables dependientes, con estos valores y sus dependencias para estimar
la variable requiere.

CONCEPTOS MATEMTICOS

El mtodo de Kriging utiliza diversas teoras explayadas en la estadstica. En tanto, para


que esta teora estadstica se vea ms clara en el mbito de aplicacin; se explican algunos
conceptos.

semivariancia y semivariograma

3
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

Una semivariancia es la medida del grado de dependencia espacial entre dos muestras. La
magnitud de la semivariancia entre dos puntos depende de la distancia entre ellos,
implicando en semivariancias menores para distancias menores y semivariancias mayores
para distancias mayores. El grfico de las semivariancias en funcin de la distancia a un
punto es llamado de semivariograma. A partir de una cierta distancia, la semivariancia no
ms aumentar con la distancia y se estabilizar en un valor igual a la variancia media,
dando a esa regin el nombre de silo o patamar (sill). La distancia entre el inicio del
semivariograma al comienzo del silo recibe el nombre de rango. Al extrapolar la curva del
semivariograma para la distancia cero, podemos llegar a un valor no-nulo de
semivariancia. Ese valor recibe el nombre de efecto pepita (Nugget Effect).

modelos de variograma

En el Mtodo de Kriging normalmente son usados cuatro tipos de variogramas: usadas las
siguientes variables:
: variancia
: nugget
: silo
: variancia asinttica
: distancia de separacin

4
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

Linear
Este modelo no presenta silo y es muy simple. Su curva puede ser representada por:

Esfrico
Una forma esfrica es la ms utilizada en el silo. Su forma es definida por:

Exponencial
La curva de variograma exponencial respeta la siguiente ecuacin:

Gaussiano
Una forma gaussiana es dada por:

5
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

MTODO DE KRIGING

DETERMINACIN DEL SEMIVARIOGRAMA


Tomando como base una simulacin de un sistema de dos dimensiones (2 D) que
contienen un nmero finito de puntos donde es posible una medicin de cualquier
tamao. Luego de la adquisicin de estos datos, se iniciar la interpolacin Kriging
buscando alcanzar una mayor resolucin. El primer paso es construir un semivariograma
experimental. Para tal, se calcula la semivariancia de cada punto en relacin a los dems y
se ve en un grfico de la semivariancia por la distancia.

A partir de ese grfico se estima el modelo de variograma que mejor se aproxima a la


curva obtenida. El efecto pepita puede estar presente en el semivariograma experimental
y debe ser considerado. Determinado el modelo de semivariograma a ser usado, se inicia
la fase de clculos. Siendo el semivariograma una funcin que depende de la direccin, es
natural que presente valores diferentes conforme la direccin, recibiendo este fenmeno
el nombre de anisotropa. Un caso de semivariograma presente una forma semejante en
todas las direcciones del espacio, va a depender de h, dicindose que es una
estructura isotrpica, i. e., sin direcciones privilegiadas de variabilidad.

6
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

CLCULO DE LOS PESOS

Considere, para el clculo del kriging, la siguiente frmula:

donde

es el nmero de muestras obtenidas,

punto y
los

es el valor obtenido en el

es el peso designado al punto . A fin de obtener los pesos de cada uno de

puntos, para cada uno de ellos se realiza un clculo de

. Tal

procedimento depende del tipo de kriging que est siendo utilizado. Hacemos hincapi en
la siguiente notacin:
: peso del j-simo punto
: valor de la semivariancia de
: variable temporaria

KRIGING ORDINARIO

En ese caso es utilizada la media local de los puntos mostrados. Por consiguiente, debe
normalizarse la media de los pesos. Consecuentemente, se tiene un resultado ms preciso
del Kriging Simple. El uso ser de las siguientes ecuaciones para determinar los valores de
los pesos en el p-simo punto:

7
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

KRIGING SIMPLES

Para este caso, utilizar la media de todos los dados. Implicando, por tanto, que no se
normalice en la ubicacin promedio de los pesos, como en el anterior. As, tenemos casi la
misma ecuacin, excepto por la exclusin de

y por la ltima equacin. La caracterstica

principal de este mtodo es la generacin de grficos ms lisos y ms estticamente


suaves. Cabe sealar que este caso es menos exacto que el caso anterior. Los valores de
los pesos para el p-simo punto sern dados por:

Obtencin de Punto Interpolado


Cuando llegamos a los valores de

, se calculan los valores de

De esa manera, se calcula el valor interpolado para todos los puntos deseados. Se resalta
que solamente deben ser utilizados los valores adquiridos arriba.
8
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

PROBLEMA

( )

( )

9
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

GRAFICAMENTE:

P2 (0; 5)

P0 (0; 0)

P3 (7; 0)

P3 (-4; -3)

SOLUCIN

P2 (0; 5)

8, 6

8,96

P0 (0; 0)
5

P3 (7; 0)

11,4

P1 (-4; -3)

10
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

( )

11
METODO DE KRIGING

UNIVERSIDAD NACIONAL DE INGENIERIA

GEOESTADISTICA I

CONCLUSIONES

Como bien lo dijo Matheron la Geoestadistica es una mezcla de matemtica,


estadstica y computacin.

Se consider importante realizar el anlisis estructural poniendo nfasis en la


estimacin del variograma, porque es la herramienta fundamental en el Kriging de
la variable de inters.

En las distintas etapas de un estudio geoestadistico es necesario la interaccin de


los datos con los resultados obtenidos.

Puede ser un mtodo muy til para resolver los problemas de las tcnicas de
interpolacin lineal (especialmente en el caso de distribuciones muy sesgadas).

Mediante este mtodo se pueden calcular leyes y porcentajes por encima de leyes
de corte.

12
METODO DE KRIGING