METODO DEL KRIGING

INTRODUCION

El Kriging es un término que ha sido acuñado para designar al “mejor

estimador lineal insesgado” (BLUE, en inglés).
Esta es una técnica de estimación espacial desarrollada por G. Matheron en
los sesentas a partir de los trabajos de D. G. Krige quién fue pionero en el uso de la
correlación espacial para propósitos de predicción. Matheron le asigna el nombre
de Kriging en honor a Krige.
El Kriging es un tipo de interpolación que consta de métodos
Geoestadísticos, está basado en modelos estadísticos que incluyen la auto-
correlación, es decir, las relaciones estadísticas entre los puntos medios. Gracias a
esto, las técnicas de estadística geográfica no solo tienen la capacidad de producir
una superficie de predicción sino que también proporcionan una medida de certeza
o precisión de las predicciones.
Cuando describimos y exponemos el MÉTODO DE KRIGING, estamos citando
específicamente un método de estimación local.

La estimación local busca estimar o predecir el valor de la variable

regionalizada en un sector del campo estudiado, a partir de los datos disponibles
(problema de “interpolación” espacial).

El estimador Kriging se considera óptimo ya que:

1. Es insesgado, es decir, el valor esperado del error es cero.
2. Garantiza la mínima varianza de la estimación, es decir, reduce al mínimo la
varianza del error de la estimación
En el presente trabajo, describiremos el MÉTODO DE KRIGING bautizado así en
honor de uno de los precursores de la geoestadística Daniel Krige.

GEOESTADISTICA Pá gina 1
 METODO DEL KRIGING

I. OBJETIVOS:

✓ En el campo de las ciencias de la tierra es muy común encontrar variables

distribuidas espacialmente, para el estudio de estas variables son usados
diversos procedimientos geoestadísticos.

✓ Es interpolar la ley a partir de muestras que lo rodean, asignando pasos a

cada muestra que se reduzca al mínimo la varianza de estimación. En otras
palabras, se interpola la ley con la máxima precisión posible.

✓ El presente trabajo busca explicar uno de las principales teorías en las

cuales se ha desarrollado esta ciencia sobre todo para el cálculo de
estimación.

GEOESTADISTICA Pá gina 2
 METODO DEL KRIGING

II. FUNDAMENTOS DE LA GEOESTADISTICA

Geoestadística: Es una ciencia que comprende un conjunto de herramientas y

técnicas que sirven para analizar y predecir los valores de una variable que está
distribuida en el espacio de una forma continua, es conocida también como
estadística espacial.

La aplicación de la geoestadística está orientada a los SIG “Sistemas de

información Geográfica” (Conjunto de programas informáticos que sirven para
captar, almacenar, recuperar, transformar, Mostrar y analizar diversos tipos de
datos espaciales), por esto se la puede definir también como estadística
relacionada con datos geográficos.

Para realiza un trabajo estadístico es necesario llevar a cabo los pasos siguientes:

➢ Análisis Exploratorio de los datos:

Básicamente es una etapa de aplicación de la estadística, se estudian los datos

puros sin tener en cuenta su distribución geográfica en el espacio.

Se verifica la normalidad de los datos y se aplica la transformada de los datos si

fuera necesario.

➢ Análisis Estructural

Se estudia la continuidad espacial, es indispensable conocer la distribución

geográfica de las variables para realizar esta etapa del estudio. Se calculan los
variogramas que expliquen la variabilidad espacial y se ajustan a un variograma
teórico.

GEOESTADISTICA Pá gina 3
 METODO DEL KRIGING

➢ Kriging

Estima la variable en los puntos no muestrales, considerando la estructura de

correlación espacial seleccionada e integrando la información obtenida de forma
directa en los puntos muéstrales.

III. MARCO TEÓRICO:

I.1 RESEÑA HISTÓRICA

La Geoestadística surge en la década del 50 a partir de estudios previos de H.

Sichel, D.G. Krige, y B. Matern, con el objetivo de obtener una mayor precisión en la
estimación de las reservas minerales. Su punto de partida es el análisis de los
fenómenos distribuidos en el espacio, por ejemplo la Geoestadística surge en la
década del 50 a partir de estudios previos de H. Sichel, D.G. Krige, y B. Matern, con
el objetivo de obtener una mayor precisión en la estimación de las reservas
minerales.
Su punto de partida es el análisis de los fenómenos distribuidos en el espacio, por
ejemplo la La Geoestadística surge en la década del 50 a partir de estudios
previos de H. Sichel, D.G. Krige, y B. Matern, con el objetivo de obtener una mayor
precisión en la estimación de las reservas minerales. Su punto de partida es el
análisis de los fenómenos distribuidos en el espacio, por ejemplo la Hoy por hoy,
los dominios de aplicación de la Geoestadística son amplios, ya que a partir del
estudio de la variabilidad de sus variables, se obtienen elementos para predecir sus
características.
Además de la minería que es el campo que le dio origen, se pueden mencionar
otras áreas de estudio tales como: el petróleo, (estimaciones de sismos), la pesca
(estimación provisiones de peces, profundidad, temperatura del agua), la salud
(distribución espacial de enfermedades) ingeniería civil (obras de grandes
dimensiones que exigen del conocimiento de la variabilidad espacial del terreno),
las finanzas (relación entre el análisis técnico con el análisis económico), la
cartografía, la hidrogeología, el medio ambiente, entre otros.

GEOESTADISTICA Pá gina 4
 METODO DEL KRIGING

En su surgimiento y desarrollo hay tres elementos importantes que destacar: la

consolidación de la Geoestadística con los trabajos de G. Matheron en 1965, D.G.
Krige, el establecimiento de la escuela de Fontainebleau, y finalmente el desarrollo
de la Geoestadística asociada con la informática.

IV. EL KRIGING

Es un método analítico donde la función de interpolación depende de la auto-

correlación espacial de la variable, que se representa en variogramas.

Las técnicas de estadística geográfica no solo tienen la capacidad de producir una

superficie de predicción sino que también proporcionan alguna medida de certeza
o precisión de las predicciones.

El kriging es un método de interpolación Geoestadístico, que está asociado con

las siglas en inglés B.L.U.E (Best linear unbiased estimador), es lineal porque los
estimadores se forman por la combinación lineal de los datos disponibles; tiene 2
características básicas:

o Minimiza la varianza del error (el cuadrado de las desviaciones).

o Es insesgado porque trata que la suma de los errores sea cercana

GEOESTADISTICA Pá gina 5
 METODO DEL KRIGING

GEOESTADISTICA Pá gina 6
 METODO DEL KRIGING

➢ ¿Cómo funciona el kriging?

Es un procedimiento geoestadístico avanzado que genera una superficie estimada

a partir de un conjunto de puntos dispersados con valores z. A diferencia de otros
métodos de interpolación en el conjunto de herramientas de Interpolación, utilizar
la herramienta Kriging en forma efectiva implica una investigación interactiva del
comportamiento espacial del fenómeno representado por los valores z antes de
seleccionar el mejor método de estimación para generar la superficie de salida.

V. CLASIFICACIÓN DE KRIGING

1. Según el soporte de la medición de los datos.

2. Según la forma del estimador.

SEGÚN EL SOPORTE DE LA MEDICIÓN DE LOS DATOS.

Puntual

Por Bloques

GEOESTADISTICA Pá gina 7
 METODO DEL KRIGING

SEGÚN LA FORMA DEL ESTIMADOR

Lineales No Lineales
Simple Disyuntivo
Ordinario Indicador
Universal Probabilístico
Residual

VI. TIPOS DE KRIGING

➢ KRIGING PUNTUAL

➢ KRIGING DE BLOQUES

➢ KRIGING SIMPLE

➢ KRIGING ORDINARIO

➢ KRIGING UNIVERSAL

➢ KRIGING RESIDUAL

Según el soporte de la medición de los datos

1. PUNTUAL:
Opera través de la utilización de unos factores de ponderación. Estos factores de
ponderación, para obtener el valor de la variable, se calculan a partir de un sistema de
ecuaciones, denominadas ecuaciones de krigeaje, en las que las incógnitas para resolver el

GEOESTADISTICA Pá gina 8
 METODO DEL KRIGING

sistema se obtienen a partir del semivariograma modelizado. Un ejemplo del citado

sistema de ecuaciones para una estimación a partir de 3 puntos, sería el siguiente:

K1Y1,1+K2Y1,2+K3Y1,3+µ=Y0,1
K1Y2,1+K2Y2,2+K3Y2,3+µ=Y0,2
K1Y3,1+K2Y3,2+K3Y3,3+µ=Y0,3
K1+K2+K3=1

donde Ki son los factores de ponderación (Z *=∑KiZi, siendo Z* el valor

estimado y Zi los valores conocidos para llevar a cabo la estimación), Y i,j son
valores del semivariograma, obtenidos a partir de la ecuación del modelo
correspondiente para una instancia i a j.

2. POR BLOQUES:

Según La Forma Del Estimador

3. LINEALES:

➢ Simple:

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

GEOESTADISTICA Pá gina 9
 METODO DEL KRIGING

También se conoce el variograma gγ (h), el cual presenta una meseta:

γ (∞) = σ 2

Existe una función de covarianza, dada por C(h) = σ 2 – γ (h)

El caso más simple y la hipótesis básica es la estacionalidad junto con el

hecho de que se asume que la media de la función aleatoria es conocida.

Esto es:

E( Z (u))=Y mes conocida

➢ Ordinario:

Las medias locales no son necesariamente próximas de la media de la

población, usándose apenas los puntos vecinos para la población es el
método más ampliamente utilizado en los problemas ambiental.

El valor esperado del error de estimación es:

n
E{Z*(u)-Z(u)}=a+∑ ❑ λi . E {Z (u) }−E {Z (u)}
i=1

n
¿ a+ ∑ ❑ λi . m−m
i=1

PROPIEDADES DEL KRIGING

GEOESTADISTICA Pá gina 10
 METODO DEL KRIGING

● Interpolación Exacta:
La estimación en un sitio con dato es igual al valor del dato y la varianza de
Kriging en este sitio vale 0.

● Aditividad:
La estimación de la ley de un bloque es igual al promedio de las
estimaciones de leyes puntuales en este bloque.

● Suavizamiento:
La dispersión de los valores estimados es menor que la
dispersión de los valores verdaderos, sobre todo en las zonas donde hay
pocos datos.
En consecuencia, se tiende a subestimar las zonas de altas leyes y
sobreestimar las zonas de bajas leyes.
El kriging es inapropiado para evaluación de procesos donde los valores
extremos son importantes (→ simulaciones).

● Insesgo y Precisión:
Por construcción

● Sesgo Condicional:
El error promedio puede no tener esperanza nula cuando se considera sólo
los sitios donde la ley estimada es alta (o baja). En general, el sesgo
condicional es pequeño si se usa suficientes datos (>15)

GEOESTADISTICA Pá gina 11
 METODO DEL KRIGING

Todos los lo tipos de modelos de Krige comparten el objetivo de minimizar la

varianza del error (o de la estimación), σ 2E ( X) , con la restricción de un estimador
insesgado, ósea:
σ 2E ( X)=Var [Z ¿ ( X )−Z ( X)]→ Minimo

Con la restricción,
E [Z ¿ ( X )−(X )]=0

KRIGING DE BLOQUES

El kriging de bloques consiste en estimar directamente el valor promedio de la

variable sobre un soporte mayor que el soporte de los datos (bloque). Este Kriging
tiene interés en varios dominios de aplicación, como la evaluación de recursos
minerales (estimar leyes de mineral sobre unidades selectivas de explotación) o las

GEOESTADISTICA Pá gina 12
 METODO DEL KRIGING

ciencias medio-ambientales (estimar la concentración de un contaminante sobre

unidades de remediación).

Para que los cálculos tengan un sentido físico, es necesario que la variable
estudiada sea aditiva; por ejemplo, la estimación en un bloque de una variable
como el pH no se podrá realizar, pues el pH de un bloque no es igual a la media
aritmética de los pH puntuales en ese bloque.

A modo de ejemplo, supongamos que se desea estimar el valor en un bloque V a

partir de datos puntuales ubicados en los sitios x1... xn. El sistema de kriging
ordinario de bloques es muy similar al de Kriging puntual, salvo por el segundo
miembro:

C (X 1− X 1)… C( X 1−X n) 1 λ 1 C( X 1 ,V )

C (X n− X 1) … C ( X n− X n) 1 λnC ( X n , V )

1 1 µ 1

❑ M
1 1
C (x , V )= ∫ ❑ v (u−x)du ∑ ❑C (u−x )
V❑ M m =1

siendo {u1... uM} un conjunto de puntos que discretizan el bloque V.

El Kriging (simple, ordinario…) puede ser extendido a la estimación directa del valor
promedio en un bloque:

GEOESTADISTICA Pá gina 13
 METODO DEL KRIGING

1
Z(V )= ∫V
Z(u) du
|V|

El sistema de Kriging sólo difiere del sistema de Kriging puntual en el miembro de la

derecha: hay que reemplazar la covarianza punto-punto C (ui – u) por la covarianza
punto-bloque:

N
1 1
C(u i ,V )= ∫V C (ui ,u ) du≈ ∑ C (ui , x k )
|V| N k =1

Hemos visto hasta el momento estimaciones en un punto, en el caso cuando se

desea conocer el valor promedio sobre una región o bloque, se formulan las
ecuaciones del Kriging de manera análoga al caso puntual.

En el kriging por bloques en lugar de estimar el valor en un punto Χ κse considera

una región V κ de área Ακ con centro en el punto χ κ . El estimador tiene la siguiente
forma:
n
Ζ¿V =∑ ❑ λ i Ζ( Χ i )
κ
i=1

En las ecuaciones del Kriging puntual el vector del miembro derecho las
semivarianzas son reemplazadas por las semivarianzas promedios con respecto al
bloque V K que seV κ

Expresan como:

GEOESTADISTICA Pá gina 14
 METODO DEL KRIGING

❑
1
λV = ∫ ❑ γ ( X −X i ) d X
Ακ V
κ ,i

Entonces las ecuaciones del Kriging por bloques serán:

[0 γ 12 ⋯ γ 1 n 1 γ 12 0 ⋯ γ 2 n 1 ⋯ γ n1 1 ⋯ γ n 2 1 ⋯ ⋯ ⋯ ⋯ ⋯ 01 1 0][ λ1 λ2 ⋯ λ n λ μ ]=[γ V 1 γ V 2 … γ V n 1]
k, k, k,

Y la varianza de la estimación se expresa como:

σ 2
n
V κ=¿ ∑
i=1
❑ λ i γV + μ−γ V ,V ¿
κ ,i k k

Donde:

❑ ❑
γ 1 ∫ ❑∫ ❑ γ ( X −Y )d x d y
V V =
A 2k V k Vk
k k

Los ponderadores y la varianza de kriging en bloque toman en cuenta:

● Aspectos Geométricos:
Distancias entre el sitio a estimar y los datos; distancias (redundancias) entre
los datos mismos.

● Aspectos Variográficos:
Continuidad Espacial, anisotropía, mediante la covarianza o el variograma.
GEOESTADISTICA Pá gina 15
 METODO DEL KRIGING

No toman en cuenta:

● Información Local:
Valores de los datos (→ en particular, son indiferentes a la presencia de un
efecto proporcional).

GEOESTADISTICA Pá gina 16
 METODO DEL KRIGING

Ejercicios Propuestos

EJERCICIO 1:

GEOESTADISTICA Pá gina 17
 METODO DEL KRIGING

GEOESTADISTICA Pá gina 18
 METODO DEL KRIGING

GEOESTADISTICA Pá gina 19
 METODO DEL KRIGING

EJERCICIO 2:

GEOESTADISTICA Pá gina 20
 METODO DEL KRIGING

EJERCICIO 3:

GEOESTADISTICA Pá gina 21
 METODO DEL KRIGING

En un yacimiento de Au se ha realizado es estudio Geoestadístico y se ha

determinado que la variable tiene un comportamiento exponencial con nugget de
0.01 g2 ∕ TM 2, sill de 0,11 g2 ∕ TM 2, alcance de 48.6m en la dirección W-E y 43.6m en
la dirección N-S. El grafico que muestra las dimensiones de un bloque, se dispone
de una muestra con ley de 2.81 g ∕ TM . Expresar la ley estimada con una
probabilidad de 95 % en el caso siguiente:
a) La muestra en cualquier parte del bloque.

DATOS:
g
X =2.81 → LEY MEDIA
MT

C o=0.01 g2 ∕ MT 2

C=0.11 g2 ∕ MT 2

a 1=48.6 m

a 2=43.6

Encontramos las dimensiones del gráfico:

35 m
X= =0.72
48.6

47.5mts

47.5 m
Y= =1.09
43.6 m

35mts

GEOESTADISTICA Pá gina 22
 METODO DEL KRIGING

2 σ 2e
σ E =Co +C ( )
C

σ E=¿ 2
0.01+(O .11 ×0.6 )¿

σ 2E =0.076

Sacamos la raíz cuadrada se tiene que la ley media es:

σ =0.275 → 95 % se obtiene
x±σ

2.81 ±0.275 → estimacion

GEOESTADISTICA Pá gina 23
 METODO DEL KRIGING

EJERCICIO 4

GEOESTADISTICA Pá gina 24
 METODO DEL KRIGING

GRAFICO POR ESCALA:

GEOESTADISTICA Pá gina 25
 METODO DEL KRIGING

GEOESTADISTICA Pá gina 26
 METODO DEL KRIGING

GEOESTADISTICA Pá gina 27
 METODO DEL KRIGING

GEOESTADISTICA Pá gina 28