UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERIA
ESCUELA DE INGENIERÍA DE ENERGÍA Y MINAS

MINERIA DEL FUTURO

X CICLO

“KRIGING ORDINARIO”

Alumnos:

Alva Vallejos Alexandra.

Jacobo Lujan Vivian

Gonzales Reyes Hilder.

Peña Ballena Italo.

Rivera Segura, Deyler.

Quispe Quezada Elfer.

Salvatierra Baltazar Yolbin.

Tandaypan Rodriguez Carlos.

Ticlia Amador Euler.

Docente: Ing. Henrry Contreras.

Huamachuco – Perú.
2017
 Universidad Nacional de Trujillo

I. INTRODUCCION:

Las técnicas de predicción espacial son modalidades de una familia de métodos

llamada Kriging. El nombre se debe al Ingeniero minero D.G. Krige, quien
desarrolló en la década de los50, métodos empíricos para predecir características
de una mina en alguna ubicación de interés donde no se conocían datos, usando las
características conocidas en lugares cercanos donde si habían sido tomados. Su
método original es conocido como Kriging ordinario.

El Kriging aparece en muchas formas de acuerdo a si se conocen la media,

la distribución de probabilidad de Z(s), si las predicciones son hechas para puntos o
áreas y así sucesivamente.

Sin embargo, es importante recordar que el Kriging no es el único método de

predicción espacial; existen métodos determinísticos como distancia inversa,
interpolación polinomial global, interpolación polinomial local, triangulación
lineal, funciones de base radial entre otros. La ventaja del kriging sobre los
métodos determinísticos es la estimación de la varianza del error de predicción,
lo cual permite además estimar intervalos de confianza para dicha predicción
además de que el kriging es un método de estimación que da el mejor
estimador lineal insesgado (cuando se cumplen todos los supuestos).
Inicialmente, el kriging fue desarrollado para aquellos casos donde hay
presencia de estacionariedad y posteriormente fue extendido para casos donde
se cumple la hipótesis intrínseca.

2
 Universidad Nacional de Trujillo

II. OBJETIVO:

 Definir el concepto de “Kriging ordinario” y su importancia en la estimación de

recursos.

3
 Universidad Nacional de Trujillo

III. MARCO TEORICO:

3.1. Kriging:

El Kriging es un término que ha sido acuñado para designar al “mejor estimador

lineal insesgado”.
El kriging simple asume el conocimiento tanto de la media como de la
covarianza del proceso. Por supuesto, es poco práctico ya que en general estos dos
parámetros son desconocidos y es preciso estimarlos a partir de los datos de la
muestra.

Definamos la variable:

Donde µ es la media de la variable en la región de estudio y por lo tanto

Entonces si ahora encontramos la predicción de Y (S0) tendremos:

Y la varianza del error de predicción queda:

3.2. Kriging ordinario:

El kriging ordinario se usa cuando la variable es estacionaria con covarianza

conocida y media desconocida. Aunque el proceso es similar al del kriging
simple, no podemos centrar la variable, ya que no conocemos µ, así que
es necesario trabajar directamente con la variable en estudio Z. Nuevamente la
predicción es.

4
 Universidad Nacional de Trujillo

Al no conocer la media es necesario garantizar la propiedad de insesgamiento:

Cuando:

De esta forma,

Lo cual es equivalente a:

Por lo tanto es indispensable que se cumpla la condición de que:

Para obtener un estimador insesgado. Se mantiene igual la segunda condición que

es la de mínima varianza; partamos de la expresión ya deducida de la varianza.

Donde bajo las nuevas condiciones se tiene:

5
 Universidad Nacional de Trujillo

Sustituyendo en la varianza queda:

Pero por la propiedad de insesgamiento:

Así que la expresión a minimizar es:

Dando como resultado el sistema de n + 1 ecuaciones del Kriging ordinario:

A partir de las cuales se encuentran los valores de los factores de ponderación para
llevar a cabo la ponderación:

Por último, la varianza del error de predicción es:

6
 Universidad Nacional de Trujillo

3.3. Varianza del Kriging:

La varianza de Kriging ordinario (varianza del error cometido en el sitio x0), se expresa
de la siguiente forma:

3.4. Factores de los cuales depende la precisión del kriging:

La toma de muestras da la información de lo que ocurre en cada punto. Sin

embargo, no da información acerca de la relación que pueda existir entre dichos puntos.
Se requiere de una forma precisa de estimar valores en puntos intermedios o en
el caso de bloques, por ejemplo, estimar el promedio sobre el bloque.

 El número de muestras tomadas.

 La calidad de la medición en cada punto.
 La ubicación de las muestras en la zona.
 La distancia entre las muestras.

7
 Universidad Nacional de Trujillo

3.5. Ejemplo Práctico:

8
Universidad Nacional de Trujillo

9
 Universidad Nacional de Trujillo

IV. CONCLUSIONES.

Se logró comprender la importancia de hacer uso del kriging en la estimación de

recursos, el cual en minería es de suma importancia para predecir valores de leyes en
donde no se conocen.

10
 Universidad Nacional de Trujillo

V. BIBLIOGRAFIA:

- Emery X, 2009. “Analisis del Kriging para la selección de datos aleatorios”. Pág.
75,91.

11