Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tipos de Kriging PDF
Tipos de Kriging PDF
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
*
( )
n
Var Z ( s0 ) Z ( s0 ) = Var ( Z ( si ) ) iCov ( si s0 )
i =1
Ejemplo
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
( )
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
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
=
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