Kriging

Generalidades del Kriging

z Mtodo estadstico de interpolacin
z Objetivo:
Predecir los valores de la variable de
inters en lugares no muestreados
z Predictor lineal
z Insesgado
z Mnima varianza
Generalidades del Kriging
Reporta
z Mapa de predicciones en todas las
ubicaciones de inters s
0
z Varianza estimada del error de
prediccin
( ) ( ) ( )
i
n
i
i
s z s Z s Z

=
=
1
0
*
0

Generalidades del Kriging
z Media de los
residuales de
prediccin
z Cuadrado medio
del error
( ) ( ) | |
0
n
1
*

=
n
i
i i
s Z s Z
( ) ( ) | |
posible menor lo
2
n
1
*

=
n
i
i i
s Z s Z
z Error cuadrtico medio estandarizado
( ) ( ) | |
( )
1
2
2
1
1
*
n

(
(
(
(

=
i
s Z s Z
s
n
i
i i

Generalidades del Kriging

z Coeficiente de Correlacin de Pearson entre
los n observados y sus prediccciones
( ) ( ) ( ) 1 ,
*

i i
s z s z r
Tambin es necesario comparar
z mximo y mnimo de los errores de
prediccin,
z diagramas de caja tanto de las predicciones
como de los errores, as como todas las
medidas involucradas
Diferentes tipos de prediccin
z Valor de la variable de inters
z Residuos de cada prediccin
z Probabilidad de que la variable
supere o no supere un umbral
definido
z Cuantiles
Kriging Simple
z Estacionariedad de segundo orden
z Media constante y conocida
z Difcilmente aplicable por requerir
demasiado conocimiento de la variable
z Siempre insesgado (sin ninguna
restriccin)
z No es preciso que se cumpla que
1
1
n
i
i

=
=

Kriging Simple
( )
( ) | | regin la de media a Temperatur : E
s espacial ubicacin con lugar el en a Temperatur :
= s Z
s Z
zVarianza menor a la de la variable en
estudio sin regionalizar
( ) ( )
( )
( ) ( ) ( )
0 0 0
1

n
i i i
i
Var Z s Z s Var Z s Cov s s
=
=

Ejemplo
Kriging Ordinario
z Media constante pero desconocida
z Puede usarse ya sea en presencia de
estacionariedad de segundo orden o de
estacionariedad intrnseca
z Para cumplir la propiedad de
insesgamiento, requiere ser sometido a
la restriccin de que
1
1
n
i
i

=
=

Kriging Ordinario
( ) ( ) | | ( ) ( )
( ) | | ( ) | |
1 Cuando
0 1 0 1
0
1
1 1
1 1
0
0
1
0 0
*
=
=
(

=
(

= =
=
(

=
= =
= =
=
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i i
s Z E s Z E
s Z s Z E s Z s Z E

Varianza del KO
( ) ( )
( )
( ) ( ) ( )
0 0 0
1

n
i i i
i
Var Z s Z s Var Z s Cov s s
=
= +

Mayor en general que la varianza del

kriging simple
Kriging residual
z La media no es constante, existe tendencia
z Se estima la tendencia mediante un modelo
de regresin, en general, por Mnimos
Cuadrados Ordinarios
z Se calculan los residuos y se aplica KO a la
lista de residuos
z Se le suma la tendencia a las predicciones
de los residuos
Kriging residual
( ) ( ) ( )
0
*
0 0
*

s e s m s Z + =
( ) ( )
i
n
i
i
s e s e

=
=
1
0
*

Kriging Indicador
z El inters recae en el cumplimiento o no
de una condicin
z Se define un umbral
z No tiene ningn supuesto. Se considera
un mtodo de prediccin no paramtrico
z Se predice la probabilidad de que en
cada punto se cumpla o no la condicin
Kriging Indicador
z Se redefine la variable a travs de una
variable indicadora
( )
( )

=
caso Otro 0
Si 1
,
l i
l i
z s Z
z s I
( ) ( ) ( ) ( ) ( )
l l l
z F z s Z z s I = = =
0 0
Pr 1 , Pr
( ) ( ) ( ) ( ) ( ) ( ) 0 , Pr 0 1 , Pr 1 ,
0 0 0
= + = =
l l l
z s I z s I z s I E
i.
=
Kriging Indicador
( ) 1 , 0
0
*

l
z s I
( ) ( )
l l
z s I z s I

, ,
0
*
0
*
l l
z z

cuando
Kriging Multigaussiano
z Se encuentra la funcin de probabilidad
acumulada emprica .
z Se calculan con base los puntajes normal
estndar es decir los valores de una
distribucin de probabilidad normal estndar
para los cuales la probabilidad acumulada
corresponde a la emprica
z Se predice utilizando kriging simple
Kriging Transgaussiano
( ) ( ) ( )
( )
( ) ( ) ( ) ( )

)

+ =
=

2
' ' Z Z
normal ad probabilid de n distribuci
con aleatoria variable una es donde
D s
2
,
0
*
0
ko y
y
s s
s Y
s Y s Z