Kriging

Generalidades del Kriging

z Mtodo estadstico de interpolacin
z Objetivo:
Predecir los valores de la variable de
inters en lugares no muestreados
z Predictor lineal
z Insesgado
z Mnima varianza
Generalidades del Kriging
Reporta
z Mapa de predicciones en todas las
ubicaciones de inters s0
n
Z (s0 ) Z (s0 ) = i z (si )
*

i =1
z Varianza estimada del error de
prediccin
Generalidades del Kriging
[Z (s ) Z (s )]
n
z Media de los *
i i
residuales de i =1
0
prediccin n

[ ]
n
2
z Cuadrado medio ( ) i(
Z s Z s ) *
i
del error i =1
lo menor posible
n
z Error cuadrtico medio estandarizado

n

1 i =1
[ ] 2
Z (si ) Z (si )
*

1
n si


( ) 2


Generalidades del Kriging
z Coeficiente de Correlacin de Pearson entre
los n observados y sus prediccciones
( )
r z (si ), z (si ) 1
*

Tambin es necesario comparar

z mximo y mnimo de los errores de
prediccin,
z diagramas de caja tanto de las predicciones
como de los errores, as como todas las
medidas involucradas
Diferentes tipos de prediccin
z Valor de la variable de inters
z Residuos de cada prediccin

z Probabilidad de que la variable

supere o no supere un umbral
definido
z Cuantiles
 Kriging Simple
z Estacionariedad de segundo orden
z Media constante y conocida
z Difcilmente aplicable por requerir
demasiado conocimiento de la variable
z Siempre insesgado (sin ninguna
restriccin)
n
z No es preciso que se cumpla que i = 1
i =1
 Kriging Simple
zVarianza menor a la de la variable en
estudio sin regionalizar

( )
n
Var Z ( s0 ) Z ( s0 ) = Var ( Z ( si ) ) iCov ( si s0 )
i =1

Ejemplo

Z (s ) : Temperatura en el lugar con ubicacin espacial s

E[Z (s )] = : Temperatura media de la regin
 Kriging Ordinario
z Media constante pero desconocida
z Puede usarse ya sea en presencia de
estacionariedad de segundo orden o de
estacionariedad intrnseca
z Para cumplir la propiedad de
insesgamiento, requiere ser sometido a
la restriccin de que n

i =1
i =1
 Kriging Ordinario
E [Z (s0 ) Z (s0 )] n
*
= E i Z (si ) Z (s0 ) =
i =1
n n

E[Z (s )] E[Z (s )] = = 0
i =1
i i 0
i =1
i

n n
i 1 = 0 i 1 = 0
i =1 i =1
n
Cuando
i =1
i =1
 Varianza del KO

Mayor en general que la varianza del

kriging simple

( )
n
Var Z ( s0 ) Z ( s0 ) = Var ( Z ( si ) ) iCov ( si s0 ) +
i =1
 Kriging residual
z La media no es constante, existe tendencia
z Se estima la tendencia mediante un modelo
de regresin, en general, por Mnimos
Cuadrados Ordinarios
z Se calculan los residuos y se aplica KO a la
lista de residuos
z Se le suma la tendencia a las predicciones
de los residuos
 Kriging residual

Z (s0 ) = m (s0 ) + e (s0 )

* *

n
e (s0 ) = i e(si )
*

i =1
 Kriging Indicador
z El inters recae en el cumplimiento o no
de una condicin
z Se define un umbral
z No tiene ningn supuesto. Se considera
un mtodo de prediccin no paramtrico
z Se predice la probabilidad de que en
cada punto se cumpla o no la condicin
 Kriging Indicador
z Se redefine la variable a travs de una
variable indicadora
i.

1 Si Z (si ) zl
I (s i , z l ) =
0 Otro caso
=

E (I (s0 , zl )) = 1 Pr (I (s0 , zl ) = 1) + 0 Pr (I (s0 , zl ) = 0 )

Pr (I (s0 , zl ) = 1) = Pr (Z (s0 ) zl ) = F ( zl )
 Kriging Indicador
0 I (s 0 , z l ) 1
*

I (s0 , zl ) I (s0 , zl )
* *
cuando

z l z l
 Kriging Multigaussiano
z Se encuentra la funcin de probabilidad
acumulada emprica .
z Se calculan con base los puntajes normal
estndar es decir los valores de una
distribucin de probabilidad normal estndar
para los cuales la probabilidad acumulada
corresponde a la emprica
z Se predice utilizando kriging simple
Kriging Transgaussiano

Z (s ) = (Y (s )) sD
donde Y (s ) es una variable aleatoria con
distribucin de probabilidad normal
y2,ko
( )
Z (s 0 ) = Z (s 0 )
*
+ ' ' ( y )
2