n
Z (u) a i Z (u i )
*
i1
continuidad o variabilidad
espacial
anisotropía (dirección
preferencial)
Estimadores lineales ponderados
Existen muchos estimadores y son sencillos de aplicar, pero la
asignación de la ponderación sólo depende del criterio de
cercanía.
5
Zˆ ( amarillo ) i (d amarillo , rojo i ) x Z ( rojo i )
i 1
DEFINICIÓN
El krigeaje o krigeado (del francés krigeage) es un método
geoestadístico de estimación de puntos que utiliza un
modelo de variograma para la obtención de datos.
Calcula los pesos que se darán a cada punto de
referencias usados en la valoración. Esta técnica de
interpolación se basa en la premisa de que la variación
espacial continúa con el mismo patrón.
Considerando las
variables Z(xi) que
están cerca de un
soporte geométrico
a estimar y dentro de
su aureola de
influencia. Aureola
definida por medio
de los alcances
estimados a partir de
un estudio de
variogramas.
Estimadores lineales ponderados
Existen varios tipos de kriging:
g() = s2
n
Z (u) a i Z (u i )
*
i1
n
E{Z (u) Z (u)} a i E{Z (u i )} E{Z (u)}
*
i1
n
a i m m
i1
n
a {1 i } m
i1
Kriging Simple
Condición de varianza mínima
n n n
= C (u u
i j i j ) 2 i C (u u i ) C(0)
i1 j 1 i1
Kriging Simple
Los ponderadores óptimos (que minimizan la varianza del error)
pueden determinarse tomando derivadas parciales con respecto a los
ponderadores
[ ] n
2 j C (u i u j ) 2 C (u u i ), i 1,...n
i j 1
e igualándola a cero:
n
C (u u
j 1
j i j ) C (u ui ), i 1,...n
n n
Z (u) i Z (u i ) {1 i } m
*
i1 i1
n
s (u) s i C (u i u)
2
KS
2
i1
En notación matricial
g alcance = 10
Distancia
λ1 λ2 λ3
alcance = 10 0.781 0.012 0.065
5 0.648 -0.027 0.001
1 0.000 0.000 0.000
Kriging Simple: ejemplo
Kriging simple con un variograma esférico isótropo con alcance
10 y tres diferentes efectos pepita
Distancia
1 2 3
pepita = 0% 0.781 0.012 0.065
25% 0.468 0.203 0.064
75% 0.172 0.130 0.053
100% 0.000 0.000 0.000
Kriging Simple: ejemplo
Kriging simple con un variograma esférico con un efecto pepita
del 25%, un alcance principal de 10 y alcances menores
diferentes
Cambio de anisotropía
1 2 3
anisotropía 1:1 0.468 0.203 0.064
2:1 0.395 0.087 0.141
5:1 0.152 -0.055 0.232
20:1 0.000 0.000 0.239
Kriging Ordinario
Hipótesis
n
E{Z (u) Z (u)} a i E{Z (u i )} E{Z (u)}
*
i1
n
a i m m
i1
Siendo m desconocida, para que este valor esperado sea nulo se debe
plantear
n
a0
i1
i 1
Kriging Ordinario
Condición de varianza mínima
n n n
= C (u u
i j i j ) 2 i C (u u i ) C(0)
i1 j 1 i1
Kriging Ordinario
Los ponderadores óptimos (que minimizan la varianza del error
sujeto a que la suma de los ponderadores sea igual a 1)
pueden determinarse introduciendo un multiplicador de
Lagrange m
n n n
n
var{Z (u) Z (u)} i j C (u i u j ) 2 i C (u u i ) C (0) 2m i 1
*
[ ] n
2 j C (u i u j ) 2 C (u u i ) 2 m, i 1,...n
i j 1
[ ] n
2 i 1
m i1
n
j C (u i u j ) m C (u u i ), i 1,...n
j1
n
1
i
i1
Kriging Ordinario
En notación matricial:
No es preciso que el variograma tenga una meseta para que exista este
sistema. Por ende, se puede utilizar aun cuando el variograma crece
infinitamente y no existe ni varianza ni covarianza
Kriging Ordinario
Varianza del error
i1
n
i g (u i u) m
i1
No toman en cuenta
información local: valores de los datos (→ en particular, son
indiferentes a la presencia de un efecto proporcional)
MODELO
EXPONENCIAL
MODELO
GAUSSIANO
Ejemplo de aplicación:
A partir de los valores de la potencia de un manto de Hematita en los
puntos A y B, se desea estimar la potencia en el punto C. Considerando
que la potencia del manto tiene el siguiente modelo de variograma.
c
c
Reemplazando:
Entonces tendremos a partir del sistema de ecuaciones anterior, el siguiente sistema
particular:
Entonces
del sistematendremos a partir
de ecuaciones del sistema
anterior, de ecuaciones
el siguiente sistema anterior, el siguiente sis
particular:
Reemplazando:
Reemplazando:
ó
Parámetro auxiliar que será usado
posteriormente en la fórmula de la
varianza de Kriging de Matheron.
Siendo la potencia estimada del manto
igual a:
0.685x2 + 0.315x5
Reemplazamos:
2.945 m
Ahora veamos cuál es el error que se comete en esta
estimación, para lo cual particularizamos la fórmula de la
varianza de Kriging de Matheron dada anteriormente.
Reemplazando: