UNIVERSIDAD DE CUENCA

FACULTAD DE INGENIERIA

Método de Interpolación Estadística

“Kriging”
INTEGRANTES:
Edwin Nacipucha
Sebastián Ortega
David Sánchez
Kevin Sánchez
 MÉTODO KRIGING

Kriging es un método de interpolación estadística que da

la mejor estimación lineal insesgada de los valores de los
puntos, esto es, elegir el promedio ponderado de los
valores de las muestras la cual tenga la mínima varianza.
 Precisión del método
La precisión de los métodos depende de varios factores
• El número de muestras tomadas.
• La calidad de la medición en cada punto.
• Las ubicaciones de las muestras en la zona
• Las distancias entre las muestras
• La continuidad espacial de la variable o atributo en
estudio
 DESARROLLO DEL MODELO MATEMÁTICO
DEL MÉTODO KRIGING

Así, ෡ 𝒔𝟎 = 𝝀𝟏 𝒁 𝒔𝟏 + 𝝀𝟐 𝒁 𝒔𝟐 + 𝝀𝟑 𝒁 𝒔𝟑 + 𝝀𝟒 𝒁(𝒔𝟒 )
𝒁

Donde los 𝝀𝒊 , 𝒊 = 𝟏, 𝟐, 𝟑, 𝟒 son los factores de ponderación o pesos tales que:

𝟒

𝝀𝟐 > 𝝀𝟒 > 𝝀𝟑 > 𝝀𝟏 𝒚 ෍ 𝝀𝒊 = 𝟏

𝒊=𝟏
 En general, para obtener una estimación de 𝑍(𝑠0 ), se
realiza una combinación lineal de los valores 𝑍 𝑠𝑖 , 𝑖 =
1. . 𝑛:
4

𝑍መ 𝑠0 = ෍ λ𝑖 𝑍 𝑠𝑖
𝑖=1
 Los parámetros λ𝑖 son los factores de ponderación o
coeficientes de ponderación y son calculados de
acuerdo a los siguientes criterios:
• 𝑍መ 𝑠0 Sea in-sesgado
• 𝑉𝑎𝑟(𝑍መ 𝑠0 − 𝑍 𝑠0 ) Sea mínima
TIPOS DE KRIGING
Hay diferentes variaciones del método kriging, entre
ellas están:

 Kriging Simple (SK).

 Kriging Ordinario (OK).

 Kriging Universal (UK).

Kriging Ordinario (OK)

El kriging ordinario se usa cuando la variable es

estacionaria, con covarianza conocida y media
desconocida.
 Los parámetros λ𝑖 son calculados con los mismos
criterios:
• 𝑍መ 𝑠0 Sea in-sesgado
• 𝑉𝑎𝑟(𝑍መ 𝑠0 − 𝑍 𝑠0 ) Sea mínima
 Del respectivo proceso de minimización se obtiene
la siguiente ecuación
A∗λ=b
Donde:
C(𝑠1 , 𝑠1 ) C(𝑠1 , 𝑠2 ) … C(𝑠1 , 𝑠𝑛 ) 1
… … … … 1
 𝐴= … … … … 1
C(𝑠1 , 𝑠𝑛 ) C(𝑠𝑛 , 𝑠1 ) … C(𝑠 , 𝑠 ) …
𝑛 𝑛
1 1 1 … 0
C(𝑠1 , 𝑠0 )
C(𝑠2 , 𝑠0 )
 b= …
C(𝑠𝑛 , 𝑠0 )
1
λ𝑖
λ𝑖
 λ= …
λ𝑖
𝜓(𝑠0 )
 Los términos de A,B se obtienen sacando las covarianzas respectivas con
la siguiente formula:
Para este método se utiliza la matriz de covarianza
Ejemplo:

Puntos conocidos

Punto X Y Z
P1 500 600 2500
P2 488.005 616.621 2500.244
P3 489.789 618.46 2500.288
P4 493.72 614.271 2500.358
P5 498.262 606.254 2500.244
P6 500.652 618.989 2499.944
P0 505.25 625.464
Para lo cual primero se determina la matriz A que está
conformada por el valor de las covariancias entre los
puntos dados, dicho valor se calcula con la fórmula:
σ 𝑥𝑖 ∗ 𝑦𝑖
𝐶𝑜𝑣 = − (𝑥ҧ ∗ 𝑦)
ത
𝑁

Matriz de Covarianza

P 1 2 3 4 5 6 0
1 0.00 -49.84 -47.12 -22.41 -2.72 3.10 33.42
2 -49.84 0.00 0.82 -3.36 -26.58 7.49 38.12
3 -47.12 0.82 0.00 -4.12 -25.86 1.44 27.07
4 -22.41 -3.36 -4.12 0.00 -9.10 8.18 32.26
5 -2.72 -26.58 -25.86 -9.10 0.00 7.61 33.56
6 3.10 7.49 1.44 8.18 7.61 0.00 7.44
0 33.42 38.12 27.07 32.26 33.56 7.44 0.00
Y la matriz b es que está conformada por el valor de las
covariancias entre los puntos dados respecto al punto
buscado:

33.4215
38.1243838
27.072211
32.2638225
33.55987
7.4430125
1
El sistema de ecuaciones quedaría de la siguiente
forma:
Matriz inversa de Covarianzas
De donde los valores de λ se determinarían
multiplicando la inversa de la matriz A por la matriz b
Y se obtiene los siguientes valores:
Cálculo de la cota
Finalmente se determina el valor de 𝑍0 realizando:
𝑛

𝑍መ 𝑠0 = ෍ λ𝑖 𝑍 𝑠𝑖
𝑖=1