CAPTULO 7

MODELO DE KRIGING
7.1. INTRODUCCIN

En trminos mineros, la tcnica del kriging o krigeado consiste en encontrar la mejor estimacin
lineal insesgada de un bloque o zona V considerando la informacin disponible; es decir, las
muestras interiores y exteriores a V.

Figura 7.1: Volumen a estimar.

El krigeado atribuye un peso i a la muestra z(xi). Estos pesos i se calculan de

manera de mi-nimizar la varianza del error cometido.

Inters del Krigeado

El inters del krigeado proviene de su misma definicin: al minimizar E2

estamos seguros de obtener la estimacin ms precisa posible de V o equivalentemente, de
sacar el mejor provecho posible de la informacin disponible.

El nombre krigeado proviene de los trabajos de Daniel Krige en las minas de oro sudafricanas de
Rand, en los aos 50. La teora fue formalizada una dcada ms tarde por el geomatemtico
francs Georges Matheron.

El inters prctico ms importante del krigeado, proviene, no del hecho que asegura la mejor
precisin posible, sino ms bien porque permite evitar un error sistemtico. En la mayora de los
depsitos mineros, se deben seleccionar, para la explotacin, un cierto nmero de bloques, con-
siderados como rentables y se deben abandonar otros bloques considerados no-explotables.
Daniel Krige demostr que, si esta seleccin se realizara considerando exclusivamente las
muestras interiores a cada bloque, resultara necesariamente (en promedio) una sobre-
estimacin de los bloques seleccionados. La razn de este problema es que el histograma de las
leyes reales de los bloques tiene menos leyes extremas, ricas o pobres, luego tiene ms leyes
intermedias que el histograma calculado con las muestras interiores, y, si se calcula el efecto de

- 112 -
6 Modelo de Kriging 113
 una seleccin sobre este ltimo histograma, los paneles eliminados sern en realidad menos po-
bres que lo que se haba previsto, y los paneles conservados menos ricos.

Figura 7.2: Histograma de bloques y de muestras.

De acuerdo a lo expresado anteriormente, el krigeado define el estimador lineal:

Con la condicin de isesgado (llamado tambin condicin de universalidad):

2
Los pesos i se calculan de manera de minimizar la varianza E del error = ZK ZV, en que ZV es la ley
media desconocida de V.

Como es natural, el krigeado atribuye pesos altos a las muestras cercanas a V y pesos dbiles a las
alejadas. Sin embargo, esta regla intuitiva puede fallar en ciertas situaciones en las cuales se habla de
efecto de pantalla o de transferencia de influencia.

Estudiaremos estos conceptos con un ejemplo: La figura siguiente muestra un bloque que debe ser
estimado a partir de 8 muestras S1, S2,..S8.

Figura 7.3: Transferencia de influencia y efecto de pantalla.

El krigeado encontrar en este caso, suponiendo isotropa espacial:

_________
114 GEOESTADSTICA PARA LA ENSEANZA UNIVERSITARIA
1 i (i = 2, 3, .., 8)

La muestra S1 es la de mayor peso.

2, 3i (i = 4, 5, , 8)

Las muestras S2 y S3 tienen mayor peso que las muestras S 4, S5, ., S8.

6 0

Se dice que la muestra S5 hace pantalla a la muestra S6.

4 5+ 6+ 7+ 8

Se dice que hay una transferencia de influencia; es decir, la influencia de la muestra S4 se repar-
te entre las muestras S5, S6, S7 y S8. Se puede afirmar que el krigeado desagrupa la informa-
cin.

La menor o mayor intensidad de los efectos anteriores depende, evidentemente, del variograma
(efecto de pepita, meseta, alcance).
Por ejemplo, si se tiene un variograma lineal istropo, (h)=|h| , se tienen los pesos siguientes
para estimar el bloque B:

Figura 7.4: Variograma lineal y pesos del krigeado. Se tienen 3 muestras. Se produce un desagrupa-
miento

7.2. LAS ECUACIONES DEL KRIGEADO ORDINARIO PARA BLOQUES

2
Para obtener las ecuaciones de krigeado hay que minimizar la expresin de E

pero los i deben verificar la condicin:

__________
6 Modelo de Kriging 115
 2 2
El mtodo clsico para minimizar la expresin de E (igualar a cero las derivadas parciales de E
Respecto de 1, 2,.., N) no asegura que la suma de los i sea 1. En este caso hay que utilizar el mtodo
de lagrange, el cual explicaremos con un ejemplo matemtico.
2 2
Ejemplo: Minimizar la funcin A = x + y si x + y = 1

El mtodo de Lagrange define la funcin A siguiente:

2 2
A = x + y - 2 ( x + y 1)

es una incgnita auxiliar llamada parmetro de Lagrange. Observamos que A es una funcin de tres
variables: x, y, . Por otra parte, si se verifica la condicin x +y = 1, entonces A = A.

El mtodo de Lagrange consiste en igualar a cero las derivadas parciales de A .

Es fcil de ver que la solucin de este sistema es

x =
0.5 y
= 0.5
= 0.5

Luego el mnimo de A o de A es:

2 2
A = (0.5) + (0.5) = 0.5

Por lo general el parmetro carece de significacin fsica.

En el caso del krigeado hay que considerar la expresin:

Se demuestra que al realizar N + 1 derivaciones, se obtiene el sistema de ecuaciones siguiente:

_________
116 GEOESTADSTICA PARA LA ENSEANZA UNIVERSITARIA
que es un sistema lineal de N+1 ecuaciones con N+1 incgnitas (1, 2, . . . , N, )
Se demuestra que el sistema siempre tiene solucin (se supone que el modelo de (h) es autorizado),
salvo el caso en el cual existen dos (o ms) muestras diferentes con las mismas coordenadas: Este
caso no debera presentarse en la prctica pero a veces ocurre, lo cual hace necesario una revisin
previa de la base de datos.

EXPRESION MATRICIAL

0 12 13 ... 1n

21 0 23 ... 2n
. . . .
.
. . .
. . . .
n1 n2 n3 ... 0
1 1 1 ... 1
1
1 1
1 2 2
.. .
.
.. .
.. .

1 n n

0 1

El mtodo que hemos presentado se conoce como krigeado ordinario y se puede aplicar siempre que
la variable regionalizada no presente una deriva en la vecindad de estimacin.

Varianza del error

Se demuestra que la expresin de E2 se simplifica, obtenindose:

7.3. CASOS DE ESTUDIO DEL KRIGEADO ORDINARIO PARA BLOQUES

Ejemplo 1: En el caso del yacimiento istropo de la siguiente figura, estudiado anteriormente,

tenemos:

Figura: 7.5: Configuracin geomtrica del bloque a krigear.

Modelo

__________
6 Modelo de Kriging 117

Se obtiene, con la ayuda de un programa computacional:

Ejemplo N 2: En el caso del yacimiento anisotropico estudiado anteriormente en la figura 4.64, se
tiene el bloque siguiente:

Figura 7.6: Configuracin geomtrica del bloque con leyes de cobre.

Al usar un programa computacional, se obtiene los ponderadores siguientes:

_________
118 GEOESTADSTICA PARA LA ENSEANZA UNIVERSITARIA

Vemos que el krigeado ha considerado la anisotropa, asignando mayor peso a los datos 2 y 3 que a 4
y 5.

Ejemplo N 3: Estimar la ley de cobre total para el bloque mostrado en la figura del yacimiento. Elegir
un plan de krigeado en base al modelo cuadrtico que tiene un efecto pepita de 0.4; meseta de 3.8 y un
alcance de 60 metros. Cada bloque tiene una dimensin de 10x10 metros. Asimismo calcular su error
de estimacin. (sugerencia, puede tomar un radio de influencia de 10m).

YACIMIENTO DE COBRE

0.5 2.5
0.8 1.6
1.9 3.2

2.3 1.8
1.2 1.8

B
1.9 2.4
1.5 3.6
1.3

1.3 2.4
2.1 1.6
Figura 7.7: Configuracin geomtrica del yacimiento.

SOLUCIN:

Seleccin de muestras de acuerdo al radio de influencia de 10 metros.

Radio de 10 m.

X1 X2

X5 X3

X4

Figura 7.8: Muestras de acuerdo al radio de influencia.

__________
6 Modelo de Kriging 119
 Modelo Cuadrtico
Parmetros

C0= 0.4
C= 3.8 S= 4.2

a= 60
 S h h 2
2 2 para 0 h a
(h) a a

S
para h a

Aplicacin de matrices para el clculo de los ponderadores i.

Clculo de la LEY

Clculo de la varianza

Calculo de intervalo de confianza.

Clculo de las distancias entre muestras

Figura 7.9: Muestras para el clculo de distancias.

_________
120 GEOESTADSTICA PARA LA ENSEANZA UNIVERSITARIA
Matriz de distancias entre muestras

x1 x2 x3 x4 x5
 x1 0 10 14.142 15.811
10
14.14
x2 10 0 10 15.811 2
x3 14.142 10 0 7.171 10
x4 15.811 15.811 7.171 0 7.171
x5 10 14.142 10 7.171 0

Clculo de variogramas entre muestras, usando el modelo cuadrtico.

Matriz de variogramas entre muestras

x1 x2 x3 x4 x5
x1 0 1.283 1.747 1.922 1.283
x2 1.283 0 1.283 1.922 1.747
x3 1.747 1.283 0 0.932 1.283
x4 1.922 1.922 0.932 0 0.932
x5 1.283 1.747 1.283 0.932 0

Clculo de distancias entre las muestras con los puntos discretizados del bloque.

Figura 7.10: Discretizacin del bloque en 4 puntos.

MATRIZ DE VARIOGRAMAS
0 1' 2' 3' 4' PROM
X1 0.48 1.034 1.354 1.034 0.976
X2 1.034 0.48 1.034 1.354 0.976
X3 1.354 1.034 0.48 1.304 0.976
X4 1.595 1.595 1.034 1.034 1.315
X5 1.034 1.354 1.034 0.48 0.976

__________
6 Modelo de Kriging 121

MATRIZDE DISTANCIAS
 0 1' 2' 3' 4'
x1 3.536 7.906 10.606 7.906
x2 7.906 3.536 7.906 10.606
x3 10.606 7.906 3.536 7.906
x4 12.748 12.748 7.906 7.906
x5 7.906 10.606 7.906 3.536

Calculo de variogramas entre muestras y los puntos discretizados del bloque, usando el modelo
cuadrtico.

Reemplazando los datos calculados en la matriz de kriging.

0.97
0 1.283 1.747 1.922 1.283 1 1 6
0.97
1.283 0 1.283 1.922 1.747 1 2 6
0.97
1.747 1.283 0 0.932 1.283 1 3 6
1.31
1.922 1.922 0.932 0 0.932 1 4 5
0.97
1.283 1.747 1.283 0.932 0 1 5 6

1 1 1 1 1 0 M 1

Resultados
1
0,250
2
0,250
3
0,246
4
0,008
5
0,246
M
-0,105

CLCULO DE LA LEY DEL BLOQUE

_________
122 GEOESTADSTICA PARA LA ENSEANZA UNIVERSITARIA
CLCULO DEL ERROR DE ESTIMACIN DE LA LEY DEL BLOQUE

Previo a este paso necesitamos discretizar el bloque de la siguiente manera para calcular

Figura 7.11: Discretizacin del bloque para el clculo del error de estimacin de la ley.

Matriz de distancias entre los puntos del bloque

1' 2' 3' 4'

1' 0 5 7.071 5
2' 0 5 7.071
3' 0 5
4' 0

Matriz de variogramas
1' 2' 3' 4'
1' 0 0.671 0.932 0.671
2' 0 0.671 0.932
3' 0 0.671
4' 0

Clculo de

__________
6 Modelo de Kriging 123
Clculo de la varianza

Clculo de intervalo de confianza.