Академический Документы
Профессиональный Документы
Культура Документы
MOQUEGUA
TEMA: KRIGING
CURSO: GEOESTADÍSTICA
INDICE
1. INTRODUCCON ....................................................................................................................................... 2
2. LA FÓRMULA DE KRIGING ................................................................................................................... 2
3. EL MEJOR ESTIMADOR LINEAL INSESGADO .................................................................................... 3
4. PLANTEAMIENTO DEL PROBLEMA GENERAL ................................................................................. 4
5. ECUACIONES DEL KRIGING ORDINARIO ........................................................................................... 5
6. ECUACIONES DEL KRIGING ORDINARIO EN FORMA MATRICIAL ................................................ 6
7. CLASIFICACIÓN DE LOS DIFERENTES TIPOS DE KRIGING ............................................................. 8
8. BIBLIOGRAFIA ........................................................................................................................................ 9
1
UNIVERSIDAD NACIONAL DE MOQUEGUA
KRIGING
1. INTRODUCCON
Este nombre apareció alrededor de 1960 para nombrar una técnica creada en Francia por
Matheron a partir de los trabajos de D. G. Krige quién fue probablemente el primero que
hizo uso de la correlación espacial y del mejor estimador lineal insesgado en el campo de
la evaluación de yacimientos minerales.
Kriging presupone que la distancia o la dirección entre los puntos de muestra reflejan una
correlación espacial que puede utilizarse para explicar la variación en la superficie. La
herramienta Kriging ajusta una función matemática a un número específico de puntos o a
todos los puntos dentro de un radio especificado, para determinar el valor de salida para cada
ubicación. Kriging es un proceso que tiene varios pasos, entre los que se incluyen, el análisis
estadístico exploratorio de los datos, el modelado de variogramas, la creación de la superficie
y (opcionalmente) la exploración de la superficie de varianza. Este método es más adecuado
cuando se sabe que hay una influencia direccional o de la distancia correlacionada
espacialmente en los datos. Se utiliza a menudo en la ciencia del suelo y la geología.
2. LA FÓRMULA DE KRIGING
2
UNIVERSIDAD NACIONAL DE MOQUEGUA
El método kriging es similar al de IDW en que pondera los valores medidos circundantes
para calcular una predicción de una ubicación sin mediciones. La fórmula general para ambos
interpoladores se forma como una suma ponderada de los datos:
• donde:
s0 = la ubicación de la predicción
El kriging es un término que ha sido acuñado para designar al “mejor estimador lineal
3
UNIVERSIDAD NACIONAL DE MOQUEGUA
El kriging es una técnica de estimación local que ofrece el mejor estimador lineal insesgado
de una característica desconocida que se estudia. La limitación a la clase de estimadores
lineales es bastante natural ya que esto significa que solamente se requiere el conocimiento
del momento de segundo orden de la función aleatoria (la covarianza o el variograma)
y que en general en la práctica es posible inferir a partir de una realización de la misma.
Sea Z (x) una función aleatoria, la cual está definida en un soporte puntual y es
- un valor esperado,
- un variograma
donde al menos uno de estos dos momentos de segundo orden se supone conocido.
Cuando solamente existe el variograma, entonces la función aleatoria Z (x) se considera intrínseca.
Los valores experimentales consisten en un conjunto de valores discretos { ( ), 1,..., i Z x i = n}. Con
frecuencia estos valores están definidos en soportes puntuales o casi puntuales, en otros casos son los
valores medios ( ) i i V Zx definidos en los soportes
4
UNIVERSIDAD NACIONAL DE MOQUEGUA
Vi centrados en los puntos i x , donde los n soportes pueden ser todos diferentes.
La estimación del valor medio ( ) i i V Zx en el dominio de Vi se define como
Es bueno destacar que bajo la hipótesis de estacionaridad el valor esperado de cada uno de estos datos.
Los n coeficientes son calculados de manera tal que el estimador sea insesgado y que la varianza de la
estimación sea mínima, entonces se dice que el estimador Z es óptimo.
- La condición de insesgadez.
Para obtener un valor esperado del error igual a cero resulta suficiente imponer la condición:
Entonces
y finalmente
5
UNIVERSIDAD NACIONAL DE MOQUEGUA
donde
σ - es la varianza de la estimación, e
2
μ - un multiplicador de Lagrange.
donde ij = Zi jZ
6
UNIVERSIDAD NACIONAL DE MOQUEGUA
Nótese que bajo la hipótesis intrínseca las covarianzas pueden ser reemplazados por las
semivarianzas, usando la expresión:
ij = 2 − ij (1.17)
donde
2 = C(0), es la varianza total o a priori de la muestra.
7
UNIVERSIDAD NACIONAL DE MOQUEGUA
= i ki +
2
e (1.19)
i=1
Estas últimas expresiones resultan ser la formulación del Kriging más común puesto que se
aplica en el caso cuando la variable regionalizada cumple la hipótesis intrínseca la cual es
una condición menos exigente que la estacionaridad de segundo orden.
- no lineales:
Disyuntivo
Indicador
Probabilístico
- paramétrico:
8
UNIVERSIDAD NACIONAL DE MOQUEGUA
Multigaussiano
Disyuntivo
Lognormal
- no paramétrico:
Simple
Ordinario
Universal
Residual
Indicador
Probabilístico
8. BIBLIOGRAFIA
• C:/Users/hp/Downloads/GeoEstadistica.pdf