EL METODO DE KRIGING DE MATHERON (ESTACIONARIO)

HISTORIA
La estimacin de mineral recobrable es muy importante ya que la variabilidad local puede afectar
la ganancia al explotar una mina.
Los primeros pasos para resolver este problema fueron tomados en los aos 50 en Sudfrica con el
trabajo del ingeniero minero Danie Krige y el estadista Herbert Sichel trabajando en las minas de
oro de Witwatersrand.
Georges Matheron adopto el trabajo pionero hecho en Sudfrica y formaliz la mayor parte de los
conceptos de la teora que llamo geoestadstica.
EJEMPLOS:

IDEA

VARIABLE Y FUNCIN REGIONALIZADA

El valor observado en cada punto x de los datos es considerado como una salida, z(x ), de una
variable aleatoria, Z(x ), para x D.
Denimos a la variable regionalizada como,
z(x ) para todo x D.
La familia de todas estas variables aleatorias
{Z(x ), x D}
es llamada una funcin aleatoria.

HIPTESIS ESTACIONARIAS
Queremos que los dos primeros momentos (la media y la covarianza) sean constantes, lo cual, es
llamado estacionariedad dbil o de segundo orden.
En otras palabras, el valor esperado de Z(x) debe ser constante para todos los puntos x , esto es,
E[Z(x )] = m(x ) = m
y la funcin de covarianza entre cualquiera dos puntos x y x + h depende solo del vector h y no del
punto x ,
E*Z(x )Z(x + h)+ m2 = C(h)

Hiptesis Intrnsecas
Se supone que los incrementos de la funcin son dbilmente estacionarios, es decir, la media y la
varianza de los incrementos Z(x + h) Z(x ) existen y son independientes del punto x , esto es
E*Z(x + h) Z(x )+ = 0
Var*Z(x + h) Z(x )+ = 2(h)
La funcin (h) es llamada el semi-variograma (o el variograma), la cual es la herramienta bsica
para la interpretacin estructural del fenmeno como tambin para la estimacin.

Mtodo Kriging
Kriging es un mtodo de estimacin que da la mejor estimacin lineal insesgada de los valores de
los puntos, esto es, elegir el promedio ponderado de losvalores de las muestras la cual tenga la
mnima varianza.
Hay diferentes variaciones del mtodo kriging, entre ellas estn:
Kriging Simple (SK).
Kriging Ordinario (OK).
Kriging Universal (UK).
La precisin de los mtodos depende de varios factores.
1 El nmero de muestras y la calidad de los datos en cada punto.
2 La posicin de las muestras en el deposito.

3 La distancia entre las muestras y el punto a ser estimado.

4 La continuidad espacial bajo consideracin.

Deseamos estimar un valor z(x0) en x0, usando los valores de los datos z(x ), de n puntos
muestrales vecinos x y combinndolos linealmente con pesos w, i.e.

Los pesos son elegidos de tal manera que el estimador sea:

1 Insesgado: E[Z(x0) Z(x0)+ = 0
2 Varianza mnima: Var [Z(x0) Z(x0)] sea un mnimo.

La propiedad 1) (estimador insesgado), es garantizada con la suma unitaria de los pesos, esto es,

dado que las esperanzas de los incrementos es cero.

La varianza de la estimacin

es la varianza de la combinacin lineal

con un peso w0 igual a -1 y

La varianza de la estimacin

Minimizando la estimacin de la varianza con la restriccin sobre los pesos

obtenemos el sistema de kriging ordinario (OK)

Se puede expresar el sistema anterior en forma matricial como,

La varianza de la estimacin del kriging ordinario es,

El estimador kriging ordinario es un interpolador exacto en el sentido que si x0 es idntico con una
locacin de los datos entonces el valor estimado es idntico con el valor del dato en ese punto

PROBLEMA

P3 (0,0,50)
58.3095

P1
P2
P3

64.0312
P2 (30,0,0)

50
P1 (0,40,0)
( )

(
( )

1 CASO:
Cuando:

Co = 0.6
C1 = 0.4
a = 80

Planteamos el Sistema de ecuaciones:

1 11 + 2 12 + 3 13 + = 1v
1 21 + 2 22 + 3 23 + = 2v
1 31 + 2 32 + 3 33 + = 3v
1 + 2 + 3 = 1
Donde:
11 = 22 = 33 = 0.6
12 = 21 = (50) = 0.9261
13 = 31 = (64.0312) = 0.9776
23 = 32 = (58.3095) = 0.9598

% Cu
0.5
0.6
0.9

1v = (40) = 0.875
2v = (30) = 0.8144
3v = (50) = 0.9261
Reemplazando tenemos:
1 0.6 + 2 0.9261 + 3 0.9776 + = 0.875
1 0.9261 + 2 0.6 + 3 0.9598 + = 0.8144
1 0.9776 + 2 0.9598 + 3 0.6 + = 0.9261
1 + 2 + 3 = 1
Mediante el software que se encuentra en la pgina web:
http://es.onlinemschool.com/math/assistance/equation/gaus/
Se puede hallar las incgnitas:
1 = 0.30609
2 = 0.48026
3 = 0.21363
= 0.03771
Entonces podemos hallar Z (Po) y

Z (Po) = 0.30609x0.5 + 0.48026x0.6 + 0.21363x0.9 = 0.63346

k = 0.30609x0.875 + 0.48026x0.8144 + 0.21363x0.9261 + 0.03771 0 = 0.8945

2 CASO:
Cuando:

Co = 0.6
C1 = 0.4
a = 40

Planteamos el Sistema de ecuaciones:

1 11 + 2 12 + 3 13 + = 1v
1 21 + 2 22 + 3 23 + = 2v

1 31 + 2 32 + 3 33 + = 3v
1 + 2 + 3 = 1
Donde:
11 = 22 = 33 = 0.6
12 = 21 = (50) = 1
13 = 31 = (64.0312) = 1
23 = 32 = (58.3095) = 1
1v = (40) = 1
2v = (30) = 0.9656
3v = (50) = 1
Reemplazando tenemos:
1 0.6 + 2 + 3 + = 1
1 + 2 0.6 + 3 + = 0.9656
1 + 2 + 3 0.6 + = 1
1 + 2 + 3 = 1
Mediante el software que se encuentra en la pgina web:
http://es.onlinemschool.com/math/assistance/equation/gaus/
Se puede hallar las incgnitas:
1 = 0.30466
2 = 0.39066
3 = 0.30466
= 0.12186
Entonces podemos hallar Z (Po) y

Z (Po) = 0.30466x0.5 + 0.39066x0.6 + 0.30466x0.9 = 0.66092

k = 0.30466x1 + 0.39066x0.9656 + 0.30466x1 + 0.12186 0 = 1.1084

3 CASO:
Cuando:

Co = 0.6
C1 = 0.4
a = 160

Planteamos el Sistema de ecuaciones:

1 11 + 2 12 + 3 13 + = 1v
1 21 + 2 22 + 3 23 + = 2v
1 31 + 2 32 + 3 33 + = 3v
1 + 2 + 3 = 1
Donde:
11 = 22 = 33 = 0.6
12 = 21 = (50) = 0.7813
13 = 31 = (64.0312) = 0.8272
23 = 32 = (58.3095) = 0.8089
1v = (40) = 0.7468
2v = (30) = 0.7111
3v = (50) = 0.7813
Reemplazando tenemos:
1 0.6 + 2 0.7813 + 3 0.8272 + = 0.7468
1 0.7813 + 2 0.6 + 3 0.8089 + = 0.7111
1 0.8272 + 2 0.8089 + 3 0.6 + = 0.7813
1 + 2 + 3 = 1
Mediante el software que se encuentra en la pgina web:
http://es.onlinemschool.com/math/assistance/equation/gaus/
Se puede hallar las incgnitas:
1 = 0.30597
2 = 0.48142

3 = 0.2126
= 0.01121
Entonces podemos hallar Z (Po) y

Z (Po) = 0.30597x0.5 + 0.48142x0.6 + 0.2126x0.9 = 0.63317

k = 0.30597x0.7468 + 0.48142x0.7111 + 0.2126x0.7813 + 0.01121 0 = 0.74815

Comparando los resultados obtenido en los 3 casos:

CASO

Z (Po)

1
2
3

0.63346
0.66092
0.63317

a=80
a=40
a=160

k
0.8945
1.1084
0.74815

REFERENCIAS

- Tulcanaza, E. (1992). Tcnica Geoestadstica y Criterios Tcnico-Econmicos Para la Estimacin y

Evaluacin de Yacimientos Mineros. Chile: Estudios Mineros.
- Marin, Augusto. Estimacin de recursos (Apuntes de clase del profesor, Lima, Per, Junio,2014)
- Alfaro M. (2007). Estimacion de Recursos Mineros. Chile - USACH

ANEXOS

La calculadora de la pgina web: http://es.onlinemschool.com/math/assistance/equation/gaus/

Introducimos los coeficientes del sistema de ecuaciones:

Damos clic en Resolver sistema de ecuaciones lineales por el mtodo Gauss Jordan