UNIVERSIDAD AUTONÓMA DEL ESTADO

DE MÉXICO

FACULTAD DE GEOGRAFÍA

LICENCIATURA EN GEOGRAFÍA

U.A. GEOESTADÍSTICA

PROFESOR:
FRANCISCO ZEPEDA MONDRAGÓN

ALUNMO:
ANTOINE AVILA NAVIDAD

NO. CUENTA:
2172579

GRUPO:
3G

24/05/2023
Concepto de Kriging
Este es un método de inferencia espacial que nos permite utilizar información
proporcionada por muestras para estimar valores de variables en ubicaciones no
muestreadas. Elija el promedio ponderado de los valores de la muestra con la
varianza más pequeña.
La precisión de cada método depende de cuatro factores principales, que son:
Tamaño de la muestra y calidad de los datos para cada punto, la posición de la
muestra en el tanque, la distancia entre la muestra y el punto a estimar, y la
continuidad espacial en consideración.

Tipos
Simple
Asume que las mediciones locales son relativamente constantes y muy cercanas al
promedio de una población conocida. La media de la población se utiliza para cada
estimación local, combinada con los puntos vecinos necesarios para la estimación.
En este caso simple de kriging, dado que se supone que se conoce µ, ε(s) también
se conoce en la ubicación de los datos normal.

Ordinario
Una solución probabilística a este problema implica resolver el problema del modelo
conceptual y conceptualizar valores desconocidos como realizaciones de procesos
estocásticos. Las mediciones locales no están necesariamente cerca de la media
de la población, solo se estiman utilizando puntajes vecinos. Es el método más
común para resolver problemas ambientales. El objetivo del kriging convencional es
muy ambicioso y prácticamente imposible porque, como veremos a continuación, el
verdadero error medio 𝑚𝑟 y su varianza 𝜎𝑟.

En bloques
Se dedica a estimar la media de un bloque rectangular centrado en un nodo de la
grilla. Un bloque tiene el tamaño y la forma de una celda de cuadrícula. Este tipo de
Kriging demuestra no ser un buen interpolador porque no estima el valor de los
puntos. Estima un bloque, o mejor dicho, estima la media de las variables dentro de
una región local.

Indicador
Al medir los indicadores, obtenemos las probabilidades de que los valores estén por
encima o por debajo de un cierto umbral, que debe elegirse con cuidado.
Asuma el modelo I(s) = μ + ε(s).
donde μ es una constante desconocida e I(s) es una variable binaria. La generación
de datos binarios puede basarse en el uso de un umbral para datos continuos, o los
datos observados pueden ser 0 o 1.

Residual
Método empleado bajo las mismas circunstancias del universal, cuyo
funcionamiento cosiste en remover la tendencia y a partir de los residuales;
estimar una variante del Kriging estacionario (simple u ordinario), la predicción en
un sitio no muestreado que es igual a la tendencia estimada más la predicción del
error.
Bibliografía
Heine, G. W. "A Controlled Study of Some Two-Dimensional Interpolation Methods".
COGS Computer Contributions 3 (no. 2): 60–72. 1986.

McBratney, A. B. y R. Webster. "Choosing Functions for Semi-variograms of Soil

Properties and Fitting Them to Sampling Estimates". Journal of Soil Science 37:
617–639. 1986.

Oliver, M. A. "Kriging: A Method of Interpolation for Geographical Information

Systems". International Journal of Geographic Information Systems 4: 313–332. 1990.

Press, W. H., S. A. Teukolsky, W. T. Vetterling y B. P. Flannery. Numerical Recipes in

C: The Art of Scientific Computing. New York: Cambridge University Press. 1988.

Royle, A. G., F. L. Clausen y P. Frederiksen. "Practical Universal Kriging and

Automatic Contouring". Geoprocesamiento 1: 377–394. 1981.