Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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).
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
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