Kriging

D. ABURTO M.
1
 Kriging

• Hasta ahora, ningún método ha tenido en 
cuenta la continuidad espacial de la variable en 
estudio (modelo de variograma). El Kriging lo 
incorpora.

• El principio del kriging consiste en encontrar un 
estimador lineal de buena calidad.

• La calidad es evaluada en función del error de 
estimación.

2
 Restricciones impuestas
Tres etapas ordenadas (restricciones impuestas) 
conducen a la obtención del estimador, por 
método de kriging.

1. Estimador como CL ponderada
2. Esperanza del error de estimación nula
3. Varianza del error de estimación
minimizada

3
1. Estimador como CL Ponderado
• Sea: z , el valor desconocido, localizado 
en el punto  del dominio estudiado, de 
una FA, que buscamos estimar a partir de 
las realizaciones disponibles  .

• En términos probabilísticos:

4
 2. Esperanza del error de 
estimación nula
• Consiste en imponer que la esperanza del error de 
estimación sea nula (condición de INSESGO):

∗
0

Donde,
∗ : es el estimador de la VA desconocida
: es la verdadera VA (desconocida).

Nótese que esta imposición dará que :

1
5
 3. Varianza del error mínima
“Imposición de la condición que la varianza del error de 
estimación sea la mínima posible”
∗
var del error = 

Para ello se define una función “phi” que incorpora las dos 
condiciones (insesgo y var(error):

μ′: dado como el ponderador de Lagrange (artificio matemático que permite 
incorporar una condición predefinida: ∑ 1
6
 3. Minimización de la varianza
del error (en función de Cov caso ST2)
Recordar que para minimizar una función, ésta se deriva e 
igual a “0”, teniendo que:
∗
∅ μ′ 1

∗
0 7
Sistema de ecuaciones de Kriging
en función de Cov

8
 Sistema de ecuaciones de kriging
en función de variogramas
• Para el caso ST2 tenemos que:
C 0 C h

• Demostrar que entonces tenemos:
1

9
 Escritura matricial               
Kriging ordinario puntual
j
1
1 i
1 1 0

10
 Escritura matricial            
Kriging Bloque
j
1
1 i
1 1 0

,
,
1

∗
, ,

11
 Ejercicio 1
Fuente: Centre de Geostatistique, École des Mines de Paris

• El siguiente bloque de 200x200m2 fue krigeado utilizando 5 

muestras dispuestas sobre una malla regular de 
200mx200m. Z(x) es estacionaria con variograma isótropo.
• Escribir el sistema de kriging en forma  M2
de ecuaciones y en forma matricial. 
Zv?
Considere una estimación puntual.
M3 M1 M5
• Considerando las simetrías, simplifique 
el sistema y resuelva formalmente. El 
variograma de Z(x) es esférico de  M4

meseta C=2 y alcance 250m.
• Entregue el valor estimado y su varianza 
de estimación.

12
 Ejes de Simetría para Kriging
• En caso isótropos, podemos utilizar los ejes de 
simetría para simplificar el sistema de las 
ecuaciones particulares de kriging.
EJERCICIO: Para este caso, trace los ejes y simplifique los  (pesos):

Eje 1
Eje 4 Eje 3 Resp: Dados los 5 ejes (4 + centro), 
M2 tenemos
Eje 1 >>  = 
Zv? Eje 2 >>  = 
Eje 2
M3 M1 M5 Eje 3 >>  =  ;  = 
Eje 4 >>  =  ;  = 
Eje 5 >>  =  ;  = 
entonces, 
M4
=  =  =  ≠  13
 …Continuación ejercicio 1
Fuente: Centre de Geostatistique, École des Mines de Paris

• En el mismo ejercicio anterior realice una estimación 
de «bloque», a través de los valores del abaco y a 
través de una discretización de 2x2.
Compare los resultados de las tres  M2
estimaciones (la puntual, la de bloque a 
Zv?
partir de abacos y la de bloque a partir  M 3 M1 M5
de la discretización 2x2).
M4

14
 Varianza y Covarianza
Demostrar
•

15
Propiedad de Combinación lineal

(recordar)

16
 Varianza
de una combinación lineal
Dado que ahora trabajaremos  con combinaciones lineales, 

Demostrar que:

17
 Varianza
de una combinación lineal
Se puede demostrar también que:

2 ,

18
 Condición de autorización

• Requerida para el posterior cálculo de la 
esperanza y la varianza de una CL.

– Si la FA es ST2, toda combinación lineal es 
autorizada.

– En el caso intrínseco una CL es autorizada si 
la suma de sus ponderadores es igual a 
cero.
19