Escolar Documentos
Profissional Documentos
Cultura Documentos
DE MXICO
GEOESTADSTICA
APLICADA
Tema: Estimacin Espacial
Instructores:
Dr. Martn A. Daz Viera (mdiazv@imp.mx)
Dr. Ricardo Casar Gonzlez (rcasar@imp.mx)
2009
Contenido
Introduccin
Ecuaciones del Kriging
Clasificacin del Kriging
Tipos de Kriging lineal ms usuales
Kriging Simple
Kriging Ordinario
Kriging Universal
Kriging Residual
Kriging Indicador
Aspectos prcticos del Kriging
03/04/2009 CG6-Estimacin Espacial 2
Introduccin
Malla
Problema: A partir de informacin
x Celda conocida de una propiedad, medida
x
en ciertas ubicaciones, estimar el
x
valor en localizaciones en donde se
x desconoce o se carece de muestreo,
x x usualmente en una malla.
x
x x
En geoestadstica el mtodo de
x estimacin espacial que se usa es el
x Kriging
x x
Nodos Muestra x
03/04/2009 CG6-Estimacin Espacial 3
Introduccin
El Kriging es un trmino que ha sido acuado
para designar al mejor estimador lineal
insesgado (BLUE, en ingls).
Esta es una tcnica de estimacin espacial
desarrollada por G. Matheron en los sesentas a
partir de los trabajos de D. G. Krige quin
fue pionero en el uso de la correlacin
espacial para propsitos de prediccin.
Matheron le asigna el nombre de Kriging en
honor a Krige.
03/04/2009 CG6-Estimacin Espacial 4
Introduccin
El estimador Kriging se considera ptimo
ya que:
1. Es insesgado, es decir, el valor esperado del
error es cero.
2. Garantiza la mnima varianza de la
estimacin, es decir, reduce al mnimo la
varianza del error de la estimacin.
Mejor {
m i n V a r Z 0 Z *
0 }
N
Lineal Z *
0 =
i =1
iZ i
Insesgado E Z 0 = E Z
*
0
Valor esperado E Z ( x ) = m; x
Funcin de covarianzas
C ( h ) = E Z ( x + h ) Z ( x ) m 2
Variograma
(h) = 1 2Var [ Z ( x + h) Z ( x)]
i =1
n
Esto implica que
E Z ( x ) = m
i i
i =1
m
Entonces n n
m = m
i =1
i
i =1
i =1
= Var Z k Z = E ( Z k Z k )
2 * * 2
e k
Entonces, para satisfacer la condicin de insesgadez
hay que minimizar la siguiente funcin objetivo:
n
F = e 2 i 1
2
i =1
- un multiplicador de Lagrange
03/04/2009 CG6-Estimacin Espacial 9
Ecuaciones del Kriging
Derivando a F respecto a i y resulta el
sistema de ecuaciones del Kriging:
F n
= 2 ki + 2 j ij 2 = 0, i = 1,..., n
i j =1
F n
= i 1 = 0
i =1
donde ij = C ( x i , x j ) covarianza
i =1
Z* z4
z3
puntual
z2
z1
por bloques Z*
z3 z4
Kriging Ordinario
Kriging Universal
Kriging Residual
Requisitos:
Conocer valores esperados de la funcin
m( x i ) = E Z ( x i ) , i = 0,..., n
aleatoria .
n
j ij = i = 1,..., n
' '
i0 ,
j =1
n
= m ( x ) m ( x )
0 0
i =1
i i
Estimador: 0 = 0 + i Z ( x i )
*
Z
i =1
n
K2 = 00' i i' 0
Varianza de la estimacin: S
i =1
ij , ij
03/04/2009 CG6-Estimacin Espacial 19
Kriging Ordinario
Sistema de ecuaciones:
n
j ij = 0i , i = 1,..., n
j =1
n
=1
i =1
i
Estimador: Z 0* = i Z ( xi )
i =1
n
K2 = 00 i i 0 +
Varianza de la estimacin: O
i =1
m ( x ) = E Z ( x ) = all ( x )
l
Conocer la funcin de covarianzas o el
semivariograma de la funcin aleatoria sin
tendencia, es decir
ij , ij para {Z ( x ) m ( x )}
03/04/2009 CG6-Estimacin Espacial 21
Kriging Universal
Sistema de ecuaciones:
n L
j ij ll ( x i ) = 0i , i = 1,..., n
j =1 l =1
n
( x ) = ( x ), l = 1,..., L
i =1
i l i l 0
Estimador: Z 0* = i Z ( x i )
i =1
n L
Z * ( x ) = mk* ( x ) + R* ( x )
1 1
E [ ( A, zc )] = E I ( x, zc )d x = E [ I ( x, zc )] d x
A xA A xA
F. de distribucin de Z E [ ( A, zc )] = Pr [ Z ( x) zc ] = FZ ( zc )
03/04/2009 CG6-Estimacin Espacial 26
Kriging Indicador
La distribucin de probabilidad de variables indicador es
una distribucin de Bernoulli y sus momentos estn dados
por:
a) Valor esperado E [ I ( x, zc )] = FZ ( zc )
Fun. de covarianzas CI ( h, zc ) = Fx , x + h ( zc , zc ) { FZ ( zc )}
2
b)
c) Varianza Var [ I ( x, zc )] = FZ ( zc ) [1 FZ ( zc )]
d) Fun. de semivarianzas I ( h, zc ) = FZ ( zc ) Fx , x + h ( zc , zc )
=1
n
x nodos x -puntos
de la muestrales
x x estimacin x
x
y celda x
x
x x x
x
x x
x
Radio de
bsqueda:
Igual al rango
Mayor que el
rango no tiene
sentido, ya no
existe correlacin
Es un interpolador exacto
Incorpora el modelo de variabilidad espacial (obtenido mediante
el anlisis estructural o variogrfico).
Proporciona una medida de la precisin de la estimacin
mediante la varianza de estimacin.
La varianza de estimacin tiene aplicaciones: diseo de
muestreo.
La precisin depende de varios factores: del nmero de
muestras, su localizacin, la distancia entre las muestras y el
punto o bloque a estimar, de la calidad del modelo de variacin
espacial (variograma).
03/04/2009 CG6-Estimacin Espacial 43