Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Paso clave
Interés de krigeado
• El primer interés del krigeado deriva de su misma definición: Al
minimizar la varianza de estimación, estamos seguros de sacar el
mejor partido posible de la información disponible, o si se prefiere
obtener la estimación más precisa posible del panel en estudio.
Esta ventaja es a menudo notable, pero no se justificaría siempre,
debido a las complicaciones suplementarias que introduce
necesariamente una ponderación. El interés práctico más
importante del krigeado, proviene, no del hecho que asegura la
mejor precisión posible, sino más bien porque permite evitar un
error sistemático.
Interés de krigeado
es una incógnita auxiliar llamada parámetro de Lagrange. Observamos que A' es una función de tres variables: x,
y, . Por otra parte, si se verifica la condición x + y = 1, entonces A' = A.
A' / x = 2x - 2 = 0
A' / y = 2y - 2 = 0
A' / = -2(x + y - 1) = 0
y = 0.5
= 0.5
Figura: V.6: Bloque a krigear, en negro la ley de la muestra, en azul el número de la muestra.
1 = 0.77
2 = 0.23
E = 2.37
Donde (ℎ) = 𝜎2 −(ℎ) es la función de covarianza asociada al variograma 𝛾(ℎ). Este sistema de n
ecuaciones con n ponderadores desconocidos es el Sistema de Kriging Simple.
La varianza del error o “varianza de kriging” puede calcularse sin conocer los valores de los
datos y está dada por:
Kriging Ordinario (KO)
En esta variante del kriging, se desconoce la media de la variable. El considerar el valor de la
media como desconocido permite generalizar el estimador a situaciones donde esta media no
es constante en el espacio: la media puede variar de una región a otra, siempre que sea
aproximadamente constante en cada vecindad de kriging. Se conoce además el variograma el
cual puede o no tener meseta.
La varianza del error o “varianza de kriging” puede calcularse sin conocer los valores de los
datos y está dada por:
Kriging Universal (KU)
La función aleatoria no estacionaria es modelada como la suma de dos componentes: una
deriva determinista que varía suavemente (𝑥) y una componente residual estocástica que varía
erráticamente (𝑥). Así se tiene que:
La componente de deriva se modela como una suma ponderada de funciones conocidas 𝑓 (𝑢) y
coeficientes desconocidos 𝑎𝑙 𝑐𝑜𝑛 𝑙 = 0,…,:
Los ponderadores 𝜆𝑖 vienen dados por un sistema de ecuaciones, llamado Sistema de Kriging
Universal:
VENTAJAS DESVENTAJAS
su objetivo principal es minimizar la
varianza del error de estimación. no es facil de entender.
tiene en cuenta la distribución de los necesita mas parametros que los
datos y la anisotropía cuantificada por métodos tradicionales.
el variograma. exige computación intensiva.
Es consistente y puede ser usado en requiere algoritmos numéricos
diferentes soportes y escalas. elaborados.
Permite realizar predicciones precisas consume tiempo.
de los datos.