Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Kriging
Objetivo (1)
• su varianza es pequeña
• Restricción de linealidad
a =1
• Restricción de insesgo
E[Z*(x0) – Z(x0)] = 0
• Restricción de optimalidad
Validación cruzada
→ precisión alcanzada
→ sesgo condicional
Varios tipos de kriging
Kriging simple (1)
Hipótesis
C(h) = s2 − g(h)
Kriging simple (2)
Restricción de linealidad
La estimación en un sitio x0 se escribe como una combinación
lineal ponderada de los datos circundantes, ubicados en los
sitios {xa: a = 1... n}:
n
z ( x 0 ) = a + a z( x a )
*
a =1
Kriging simple (3)
Restricción de insesgo
La esperanza del error de estimación vale:
n
E [ Z ( x 0 ) − Z ( x 0 )] = a + a E [ Z ( x a )] − E [ Z ( x 0 )]
*
a =1
n
= a + [ a − 1] m
a =1
n
Para anular esta esperanza, se plantea a = [1 − a ] m
a =1
Restricción de optimalidad
La varianza del error de estimación se expresa en función de la
covarianza C(h):
n n n
var[Z (x 0 ) − Z(x 0 )] = s + a C(x a − x ) − 2 a C(x a − x 0 )
* 2
a = [1− a ]m (insesgo)
a=1
n
a =1...n, C(x − x ) =
a C(x a − x 0 )
=1
De la forma: A X = B
Precisión de la estimación
El valor mínimo de la varianza del error de estimación se llama
varianza de kriging simple y vale:
n
s 2KS (x 0 ) = s 2 − a C(x a − x 0 )
a=1
Siempre se tiene
s2KS (x0 ) s2
Kriging simple (8)
Hipótesis
Restricción de linealidad
La estimación en un sitio x0 se escribe como una combinación
lineal ponderada de los datos circundantes, ubicados en los
sitios {xa: a = 1... n}:
n
z ( x 0 ) = a + a z( x a )
*
a =1
Kriging ordinario (3)
Restricción de insesgo
La esperanza del error de estimación vale:
n
E [ Z ( x 0 ) − Z ( x 0 )] = a + a E [ Z ( x a )] − E [ Z ( x 0 )]
*
a =1
n
= a + [ a − 1] m
a =1
Restricción de optimalidad
La varianza del error de estimación se expresa en función del
variograma:
n n n n
var[Z (x 0 ) − Z(x 0 )] = s [1 − a ] − a g(x a − x ) + 2 a g(x a − x 0 )
* 2 2
a =1 a =1 =1 a =1
n
a =1
a =1 insesgo
a=0
n
a = 1...n ,
=1
g (x a − x ) −m= g (x a − x 0 )
mide las mide la influencia
redundancias de los datos sobre
entre datos el valor a estimar
Kriging ordinario (6)
De la forma: A X = B
Precisión de la estimación
El valor mínimo de la varianza del error de estimación se llama
varianza de kriging ordinario y vale:
n
s (x 0 ) = a g (x a − x 0 ) − m
2
KO
a =1
s2KO (x0 ) s2
Kriging ordinario (8)
Kriging de bloques
Permite estimar directamente el valor promedio de la variable
sobre un soporte mayor que el soporte de los datos (bloque)
como las unidades selectivas de explotación:
M
1 1
Z(v) =
|v| v
Z(x) dx
M
Z(x
m=1
m )
n
a = 1
a=1
a =0
n
a = 1... n , g (x a − x ) −m= g (x a , v)
=1
con
1 1 M
g ( x a , v) = g (x a − x) dx g (x a − x m )
|v| v M m=1
Otros tipos de kriging (4)
Co-kriging
Versión multivariable del kriging, donde se busca estimar el
valor de una variable (Cu) tomando en cuenta los datos de esta
variable y de otras variables correlacionadas (As, Mo…).
Requiere tener los modelos variográficos de cada variable (Cu,
As, Mo), así como variogramas cruzados entre las distintas
variables (Cu-As, Cu-Mo, As-Mo), para medir las
correlaciones entre estas variables.
Propiedades del kriging
Observaciones sobre el kriging (1)
Los ponderadores y la varianza de kriging toman en cuenta
• Insesgo
La media de los errores cometidos en una región de gran
tamaño se acerca a cero
• Interpolación exacta
Estimar un sitio con dato devuelve el valor medido en este
sitio, mientras que la varianza de kriging en ese sitio es nula
• Aditividad
El kriging del valor promedio de un sector es el promedio de
las estimaciones puntuales en este sector
Propiedades del kriging (2)
• Suavizamiento (alisamiento)
La dispersión de los valores estimados es menor que la
dispersión de los valores verdaderos
→ Solución: simulaciones
Propiedades del kriging (3)