Documentos de Académico
Documentos de Profesional
Documentos de Cultura
( [ = ([ 0 ) = ([ 0 )] = D + ( [ = ([ )] ( [ = ([ 0 )] = D + ( 1)P
*
= =
=1 =1
La igualdad sobre la suma de los ponderadores asegura que, en el caso en que todos los
datos son iguales a una misma constante, el valor estimado restituir esta constante.
2SWLPDOLGDG como en el caso del kriging simple, la varianza del error de estimacin
es:
var[ = ([0 ) = ([0 )] = & ([ [ ) + & () 2 & ([ [0 )
*
=1 =1 =1
var[ = * ([ 0 ) = ([ 0 )]
= & () + & ([ [ ) 2 & ([ [ 0 ) + 2 ( 1 )
=1 =1 =1
=1
=0
y se minimiza la funcin de las Q+1 variables 1,... , . Calculando las Q+1 derivadas
parciales de esta funcin y luego anulndolas, se obtiene el sistema:
= 0 : & ([ [ ) + = & ([ [ 0 ) =1...Q
=1
= 0 : =1 (condicin de insesgo)
=1
Este sistema contiene una incgnita y una ecuacin ms que el sistema de kriging
simple. Se puede escribir en notacin matricial:
0,$*HRHVWDGtVWLFD
& ([1 [1 ) & ([1 [ ) 1 1 & ([1 [ 0 )
& ( [ [ ) & ( [ [ ) 1 = & ([ [ )
1
0
1 1 0 1
Esto es:
([1 [1 ) ([1 [ ) 1 1 ([1 [ 0 )
( [ [ ) ([ [ ) 1 = ( [ [ )
1
0
1 1 0 1
9DULDQ]DGHNULJLQJ
La varianza de kriging ordinario (varianza del error cometido en el sitio [0) se expresa
de la siguiente forma:
([0 ) = & ([ [0 )
2
2
=1
= ([ [0 )
=1
0,$*HRHVWDGtVWLFD
2WURVWLSRVGHNULJLQJ
.ULJLQJFRQGHULYDV
Kriging FRQ GHULYD H[WHUQD, que supone que la deriva es proporcional a una variable
externa conocida en forma exhaustiva. Por ejemplo, para estimar la temperatura a nivel
del suelo, se podra considerar la cota topogrfica (modelo digital de elevacin) como
deriva externa. Para evaluar la profundidad del techo de un horizonte en un reservorio
de petrleo, se puede utilizar el mapa obtenido por la interpretacin de datos ssmicos
(tiempos de reflexin). En un inventario forestal, la deriva externa podra provenir de la
interpretacin de fotografas areas o de imgenes satelitales.
La determinacin del sistema de kriging sigue las mismas etapas que aquellas vistas en
el kriging simple y kriging ordinario (linealidad, insesgo y optimalidad). Sin embargo, cabe
sealar que la dificultad de estos mtodos de kriging con deriva radica en la obtencin del
modelo variogrfico: la presencia de la deriva hace que el variograma experimental de los
datos est sesgado con respecto al variograma terico:
( [ (K)] (K) .
.ULJLQJGHEORTXHV
0,$*HRHVWDGtVWLFD
mineral sobre unidades selectivas de explotacin) o las ciencias medio-ambientales (estimar
la concentracin de un contaminante sobre unidades de remediacin). Para que los clculos
tengan un sentido fsico, es necesario que la variable estudiada sea aditiva; por ejemplo, la
estimacin en un bloque de una variable como el pH no se podr realizar, pues el pH de un
bloque no es igual a la media aritmtica de los pH puntuales en ese bloque.
con
1 1
& ([ ,9 ) = & (X [ ) GX & (X [ ) ,
|9 | 0 =1
&RNULJLQJ
Se trata de la versin multivariable del kriging, donde se busca estimar el valor de una
variable tomando en cuenta los datos de esta variable y de otras variables correlacionadas.
Por ejemplo, estimar la concentracin de cobalto en un sitio determinado, con ayuda de los
datos de concentracin de cobalto y de nquel. La puesta en marcha del co-kriging requiere
tener los modelos variogrficos de cada variable (Co y Ni), as como YDULRJUDPDVFUX]DGRV
entre las distintas variables, para medir la correlacin existente entre estas variables.
1
12 (K) = cov{ =1 ([ + K) =1 ([) , = 2 ([ + K) = 2 ([)}
2
1
12 (K) = [ ]1 ([ ) ]1 ([ )][ ]2 ([ ) ]2 ([ )]
2| 1 (K)| ( )
donde 1(K) = {(,) tal que [ [ = K, siendo ambas variables ]1 y ]2 medidas en [ y [}.
Para poder determinar el variograma cruzado experimental, se necesita tener los datos de
0,$*HRHVWDGtVWLFD
las diferentes variables en los mismos sitios; por lo tanto, no se puede calcular en caso de
KHWHURWRStD (es decir, cuando las variables estn medidas en sitios distintos, en cuyo caso el
conjunto 1(K) es vaco para todo vector K). Ms detalles se exponen en el Anexo A.
.ULJLQJQROLQHDO
Estos mtodos consisten en aplicar kriging a una transformada (no lineal) de la variable
=, luego en volver a esta variable. Esta etapa de transformacin de vuelta no es trivial, pues
requiere introducir correcciones para que el estimador final no tenga sesgo. Por ejemplo, si
la transformada logartmica tiene una distribucin Gaussiana, se obtiene el llamado NULJLQJ
ORJQRUPDO:
2 ([0 )
= * ([0 ) = exp{ ln[ = ([ )] + +}
=1 2
2EVHUYDFLRQHVVREUHHOVLVWHPDGHNULJLQJ
1) las distancias entre el sitio a estimar y los sitios con datos, mediante los trminos
&([ [0) o ([ [0);
0,$*HRHVWDGtVWLFD