UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

INTRODUCCION
Generalmente el valor de la media m es desconocido y por lo tanto no se puede utilizar el kriging simple. El kriging ordinario establece una condicin adicional al sistema de ecuaciones del kriging simple para filtrar el valor desconocido de la media.

DEFINICION Kriging es un grupo de geoestadsticos tcnicas para interpolar el valor de un campo al azar en una incumplido ubicacin de las observaciones de su valor en lugares cercanos. La teora detrs de interpolacin y extrapolacin por Kriging fue desarrollado por el matemtico francs Georges Matheron sobre la base de la tesis de maestra de Daniel Krige Gerhardus,. Desde el punto de vista geolgico, la prctica de kriging se basa en el supuesto de continuacin de la mineralizacin entre los valores medidos. La aplicacin de kriging a los problemas en la geologa y la minera, as como a la hidrologa se inici a mediados de los aos 60 y especialmente en los aos 70 con el trabajo de Georges Matheron.

El Kriging es conocido como el mtodo interpolador Geoestadstico, es un estimador lineal insesgado, presenta dos propiedades bsicas que son: Hacer que la suma de errores tienda a cero, y que el cuadrado de las desviaciones sea mnimo.
Tiene como objetivo estimar el valor de la variable Z, para un punto x0 que no ha sido considerado anteriormente, realiza una suma ponderada sobre todos los sectores que conforman la zona de estudio de inters, tomando los vecinos ms cercanos al punto de inters x0.

pg. 1

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

El proceso del Kriging es asignar pesos a los vecinos ms cercanos, considerados para la estimacin, la diferencia del Kriging con otros mtodos de interpolacin, es que utiliza un mtodo semejante a la interpolacin por media mvil ponderada, a diferencia que los pesos son asignados a partir de un anlisis espacial, basados en el semivariograma experimental. Un mtodo de interpolacin ser exacto cuando, pase por los puntos muestrales, lo ms cercano posible a ellos. Es importante que un modelo para semivariograma que ha sido ajustado, represente una tendencia a los modelos antes descritos, para que las estimaciones obtenidas por medio del Kriging sean ms exactas y ms confiables. Las estimaciones mediante el mtodo Kriging pueden ser, por punto o por bloque.
Mtodos de Estimacin del Kriging.

Existen dos mtodos de Kriging para realizar las estimaciones.

Kriging Ordinario.

Es el mtodo ms apropiado, para situaciones medioambientales, este mtodo asume que las medias locales, no estn necesariamente relacionadas lo ms cercanamente a la media poblacional, por lo cual solo usa las muestras en la vecindad local para la estimacin.
Kriging Simple.

Asume que las medias locales son relativamente constantes e iguales a la media poblacional, la cual es conocida. La media poblacional es usada como un factor en cada estimacin local, a lo largo con las muestras en las vecindades locales. Hay dos tipos de Kriging, el de Punto y el de Bloque, lo cuales generan unas cuadrculas de interpolacin.
Kriging de Punto. Estima los valores de los puntos en los nodos de las cuadrculas.

pg. 2

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

REPRESENTACIN TCNICA PUNTO KRIGING.

Kriging de Bloque.

Estima el valor promedio de los bloques rectangulares, que estn centrados en los nodos de las cuadrculas, los bloques son le tamao y forma de las celdas de las cuadrculas, este tipo de Kriging no resulta ser un buen interpolador, ya que no estima el valor de un punto.
Efecto del Rango en las Estimaciones. Un valor grande para el rango (a), significa un comportamiento ms continuo. Las estimaciones dan como resultado mapas bastante lisos para la variable de inters.

Efecto del modelo en las Estimaciones. Considerando la forma que presenta el Variograma en los primeros lags, un modelo Gaussiano es ms continuo que un modelo Esfrico con un mismo efecto en 6h, para la variable mejor correlacionada, se muestran los mapas con ms suavizacin.

Efecto del Sill en las Estimaciones. El cambiar el valor de Sill, no cambia los valores de las estimaciones, por lo que los mapas de estimaciones seguirn siendo los mismo, afecta a la variacin de las estimaciones, un sill ms alto indica, mayor variacin en las estimaciones.

pg. 3

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

Error de Estimacin.

Dado que no son estrictamente equivalentes, hay un error de estimacin involucrado en los procedimientos. La aceptacin de un mtodo de estimacin ser dado por la magnitud de los errores involucrados, el mejor mtodo a considerar de be ser el que de los errores ms pequeos, considerando todos los bloques o puntos en la estimacin.
La Varianza en la Estimacin.

La varianza indica la dispersin que presentan los valores estimados con respecto a los valores reales. El Kriging no solo provee una estimacin de mnimos cuadrados, tambin est ligado a la varianza del error.
La varianza del error es:

Dependiente en el modelo de la covarianza. La precisin de la estimacin podra depender de la complejidad de la variabilidad espacial de z, modelado por la covarianza. Dependiente en la configuracin de los datos. La localizacin de los datos y sus distancias entre s, son estimados. Independiente de los valores de los datos. Para un modelo de covarianza dado, la configuracin de dos datos idnticos podra producir la misma varianza Kriging, sin importar que los datos estuvieren.

pg. 4

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

KRIGING PUNTUAL

Utilizaremos el programa geovar

Luego abriremos el programa y seleccionaremos el archivo: PROG1.BAS

pg. 5

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

pg. 6

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

2. kriging en Excel Caso de estudio configuracin del problema

APLICACIN Caso I

MODELO ESFERICO:

( )

( )

( )

pg. 7

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

SOLUCION: a) Matriz de distancia

V B 1

( )

x1 x2 x3 x4

1,41 3,16 4,24 3,16

2 3,16 4,24 3,16 1,41

3 3,16 1,41 3,16 4,24

4 4,24 3,16 1,41 3,16

Matriz de variograma
V B 1

x1 x2 x3 x4

0,2101 0,4582 0,5979 0,4582 4311

2 0,4582 0,5979 0,4582 0,2101

3 0,45822 0,2101 0,45822 0,59789

4 0,59789 0,45822 0,2101 0,45822

Matriz de distancia
BB 1

1 2 3 4

0 2 2 2.83

2 2 0 2.83 2

3 2 2.83 0 2

4 2.83 2 2 0

Matriz de variograma
BB 1

2 1 0 0.296 2 0.296 0 3 0.296 0.413 4 0.413 0.296 ( )

3 0.296 0.413 0 0.296

4 0.413 0.296 0.296 0

pg. 8

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

Matriz de distancia
V V X1

X2 X1 0 4 X2 4 0 X3 5.66 4 X4 4 5.66

X3 5.66 4 0 4

X4 4 5.66 4 0

Matriz de variograma
V V X1

X1 X2 X3 X4

0 0.568 0.7583 0.568 ( )

X2 0.568 0 0.568 0.7583

X3 0.7583 0.568 0 0.568

X4 0.568 0.7583 0.568 0

ENTONCES: ( ( ) ( ) ( ) ( ) ) ( )

APLICACIN Caso II

( )

( )

( )

pg. 9

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

SOLUCION: a) Matriz de distancia

V B 1

( )

x0 x1 x2 x3 x4

1.41 1,41 3,16 4,24 3,16

2 1.41 3,16 4,24 3,16 1,41

3 1.41 3,16 1,41 3,16 4,24

4 1.41 4,24 3,16 1,41 3,16

Matriz de variograma
V B 1

X0 x1 x2 x3 x4

0,2101 0,2101 0,4582 0,5979 0,4582

2 0,2101 0,4582 0,5979 0,4582 0,2101

3 0,2101 0,45822 0,2101 0,45822 0,59789

4 0,2101 0,59789 0,45822 0,2101 0,45822

Matriz de distancia
BB 1

1 2 3 4

2 0 2 2 0 2 2.83 2.83 2

3 2 2.83 0 2

4 2.83 2 2 0

Matriz de variograma
BB 1

2 1 0 0.296 2 0.296 0 3 0.296 0.413 4 0.413 0.296 ( )

3 0.296 0.413 0 0.296

4 0.413 0.296 0.296 0

pg. 10

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

Matriz de distancia
V V X0

X1 X0 0 2.83 X1 2.83 0 X2 2.83 4 X3 2.83 5.66 X4 2.83 4

X2 2.83 4 0 4 5.66

X3 2.83 5.66 4 0 4

X4

2.83
4

5.66
4

Matriz de variograma
V V X0

X0 X1 X2 X3 X4

0 0.4132 0.4132 0.4132 0.4132 ( )

X1 0.4132 0 0.568 0.7583 0.568

X2 0.4132 0.568 0 0.568 0.7583

X3 0.4132 0.7583 0.568 0 0.568

X4

0.4132 0.568 0.7583 0.568 0

ENTONCES: ( ( ) ( ) ( ) ( ) ) ( )

KRIGING PUNTUAL APLICACIN NUMERICA

pg. 11

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

MODELO ESFERICO: xi x1 x2 x3 x4 Z(xi) 50 52 60 53

( )

( )

( )

SOLUCION: ( )

SISTEMA DE MATRICES:

Comprobar que siempre tiene que ser 1 xi=1

pg. 12

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

ENTONCES: ( ( ) ) ( ( ) ) ( ) ( ) ( ) ( )

POR LO TANTO: ( ( ) ) ( ) ( ( ) ) ( ( ) ) ( )

APLICACIN Caso III

( )

( )

( )

SOLUCION: a) ( ) ( ) ( )

pg. 13

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

Matriz de distancia
V B 1

2 x0 1.41 1.41 x1 1,41 3,16 x2 3,16 4,24 x3 4,24 3,16 x4 3,16 1,41 x5 5.10 5.10

3 1.41 3,16 1,41 3,16 4,24 3.16

4 1.41 4,24 3,16 1,41 3,16 3.16

Matriz de variograma
V B 1

X0 x1 x2 x3 x4 x5

0,2101 0,2101 0,4582 0,5979 0,4582 0.6987

2 0,2101 0,4582 0,5979 0,4582 0,2101 0.6987

3 0,2101 0,45822 0,2101 0,45822 0,59789 0.4582

4 0,2101 0,59789 0,45822 0,2101 0,45822 0.4582

Matriz de distancia
BB 1

1 2 3 4

2 0 2 2 0 2 2.83 2.83 2

3 2 2.83 0 2

4 2.83 2 2 0

Matriz de variograma
BB 1

1 2 3 4

0 0.296 0.296 0.413 (

2 0.296 0 0.413 0.296 )

3 0.296 0.413 0 0.296

4 0.413 0.296 0.296 0

pg. 14

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

Matriz de distancia
V V X0

X0 X1 X2 X3 X4 X5

0 2.83 2.83 2.83 2.83 4

X1 2.83 0 4 5.66 4 6.32

X2 2.83 4 0 4 5.66 2.83

X3 2.83 5.66 4 0 4 2.83

X4

X5 2.83 4 4 6.32 5.66 2.83 4 2.83

0 6.32 6.32 0

Matriz de variograma
V V X0

X0 X1 X2 X3 X4 X5

0 0.4132 0.4132 0.4132 0.4132 0.5680 ( )

X1 0.4132 0 0.568 0.7583 0.568 0.8220

X2 0.4132 0.568 0 0.568 0.7583 0.4132

X3 0.4132 0.7583 0.568 0 0.568 0.4132

X4

X5 0.4132 0.568 0.568 0.8220 0.7583 0.4132 0.568 0.4132

0 0.8220 0.8220 0

ENTONCES: ( ( ) ) ( ( ) ( ) ) ( )

KRIGING PUNTUAL APLICACIN NUMERICA

pg. 15

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

MODELO ESFERICO: xi Z(xi) X0 58 X1 50 X2 52 X3 60 X4 53

X5 ? [ ]

( )

( )

( )

SOLUCION: ( ) SISTEMA DE MATRICES:

Comprobar que siempre tiene que ser 1 xi=1

pg. 16

UNIVERSIDAD NACIONAL JORGE BASADRE GRHOMANN

KRIGING PUNTUAL

ENTONCES: ( ) ( ( ) ) ( ( ) ) ( ( ) ) ( ) ( ) ( )

POR LO TANTO: ( ( ) ( ) ( ) ) ( ) ( ( ) ) ( ( ) ) ( )

pg. 17