Académique Documents
Professionnel Documents
Culture Documents
KRIGING ORDINARIO
CURSO : Geoestadistica
ESTUDIANTES :
Zapata Carrasco Jimmy 122142
Cuakera Asto Giovanni 122117
Pimentel Zambrano Pedro 1221
Lopinta Chaparro Dilmer 132062
Salas Pampañaupa Alexander 1
venacio 1
ABANCAY-APURIMAC-PERU
2018
PRESENTACIÓN
Esta publicación va dirigida a los alumnos de Geoestadística de
Ingeniería de Minas.
𝐸( 𝑍 (𝑆𝑜 ) −
𝑍(𝑆 ) ) = 𝐸(∑ λ𝑖 𝑍(𝑆 ) − 𝑍(𝑆 ) )
𝑜 𝑖 𝑜
𝑖=1
µ(∑𝑛𝑖=1 λ𝑖 − 1) = 0 → (∑𝑛 λ − 1) = 0
𝑖=1 𝑖
Siempre y cuando:
𝑛
∑ λ𝑖 = 1
𝑖=1
𝐸(𝑍 ∗ ) = 𝑍
De esta formar
𝑛
𝐸 (∑ λ𝑖 𝑍(𝑆𝑖) ) = 𝐸(𝑍) = µ
𝑖=1
Lo cual es equivalente
𝑛 𝑛
∑ λ𝑖 𝐸 (𝑍(𝑆 ) ) = ∑ λ𝑖 µ = µ
𝑖
𝑖=1 𝑖=1
∑ λ𝑖 = 1
𝑖=1
𝐸(𝑠 2 𝑜 ) = 𝐶𝑂𝑉(0) + µ2 = σ2 + µ2
Sustituyendo en la variable queda.
𝑛 𝑛 𝑛 𝑛 𝑛 𝑛
∗
𝐸(
𝑍 𝑍 2
λ λ λ
(𝑆𝑜 ) − (𝑆𝑜 ) ) = ∑ ∑ 𝑖 𝑗 𝐶𝑂𝑉(𝑆𝑖 − 𝑆𝑗 ) − 2 ∑ 𝑖 𝐶𝑂𝑉(𝑆𝑖 − 𝑆𝑗 ) + C(0) +
µ2 (∑ ∑ λ𝑖 λ𝑗 − 2 ∑ λ𝑖 + 1)
𝑖=1 𝑗=1 𝑖=1 𝑖=1 𝑗=1 𝑖=1
Pero
𝑛 𝑛 𝑛 𝑛
(∑ ∑ λ𝑖 λ𝑗 − 2 ∑ λ𝑖 + 1) = (∑ λ𝑖 − 1)2 = 0
𝑖=1 𝑗=1 𝑖=1 𝑖=1
Bajo la restriccion
𝐸(𝑍 ∗ ) = 𝑍
∑ λ𝑖 𝐶𝑂𝑉(𝑆𝑖 − 𝑆𝑗 ) − 𝐶𝑂𝑉(𝑆𝑖 − 𝑆𝑗 ) − µ = 0
𝑖=1
𝑛
∑ λ𝑖 𝐶𝑂𝑉(𝑆𝑖 − 𝑆𝑗 ) − µ = −𝐶𝑂𝑉(𝑆𝑖 − 𝑆𝑗 )
𝑖=1
𝑛
𝒅φ (λ𝑖 , µ)
= (∑ λ𝑖 − 1)
𝒅µ
𝑖=1
𝑛
∑ λ𝑖 − 1 = 0
𝑖=1
𝑛
∑ λ𝑖 = 1
𝑖=1
∑ λ𝑖 𝐶𝑂𝑉(𝑆𝑖 − 𝑆𝑗 ) − µ = −𝐶𝑂𝑉(𝑆𝑖 − 𝑆𝑗 )
𝑖=1
𝑛
∑ λ𝑖 = 1
𝑖=1
𝑉𝐴𝑅( 𝑍 (𝑆𝑜 ) −
𝑍(𝑆 ) ) = 𝑉𝐴𝑅(𝑍(𝑆 ) ) − ∑ λ𝑖 𝐶𝑂𝑉(𝑆𝑖 − 𝑆𝑜 ) + µ
𝑜 𝑖
𝑖=1
Que tal como es de esperarse es mayor que la del kriging simple, debido
aldesconocimiento de la media de la variable en estudio.
5. KRIGING ORDINARIO (Funciones Cuadráticas).
5.1. HIPÓTESIS.
Se supone ahora que la variable regionalizada es la realización de una
función aleatoria Z estacionaria tal que:
∀x∈V, E[Z (x)] = m conocida
∀x, x + h∈V, cov[Z (x + h), Z (x)] =C (h)
Donde V representa la vecindad de kriging.
5.2. DETERMINACIÓN DEL ESTIMADOR.
Este es un caso más general, en el cual la varianza no existe y las
condiciones impuestas sobre la variable regionalizada son:
Linealidad: Se asegura esta restricción al tomar como estimador en x0.
𝑛
∗
𝑍 (𝑋𝑜 ) = 𝑖 + ∑ λ𝑖 𝑍(𝑋𝑖)
𝑖=1
𝐸( 𝑍 (𝑋𝑜 ) −
𝑍(𝑋 ) ) = 𝑖 + ∑ λ𝑖 𝐸(𝑍(𝑋 ) ) − 𝐸(𝑍(𝑋 ) ) = i + (∑ λ𝑖 − 1)𝐸(𝑍(𝑋 ) )
𝑜 𝑖 𝑖 𝑖
𝑖=1 𝑖=1
∑ λ𝑖 = 1
𝑖=1
VAR(
𝑍 𝑍 λ λ λ
(𝑋𝑜) − (𝑋𝑜) ) = ∑ ∑ 𝑖 𝑗 𝐶𝑂𝑉(𝑋𝑖 − 𝑋𝑗 ) − 2 ∑ 𝑖 𝐶𝑂𝑉(𝑋𝑖 − 𝑋𝑗 ) + C(0)
𝑖=1 𝑗=1 𝑖=1
∑ λ𝑗 γ(𝑋𝑖 − 𝑋𝑗 ) − µ = γ(𝑋𝑖 − 𝑋𝑗 ) … … . ∀i = 1 … . n
𝑗=1
𝑛
∑ λ𝑖 = 1
𝑖=1
Esto es:
γ(𝑋1 − 𝑋1 ) … γ(𝑋1 − 𝑋𝑛 ) 1 λ1 𝐶γ(𝑋1 − 𝑋0 )
⋮ ⋮ ⋮ ⋮ ⋮
[ … ] [λ ]=[
γ(𝑋𝑛 − 𝑋1 ) γ(𝑋𝑛 − 𝑋𝑛 ) 1 𝑛 γ(𝑋𝑛 − 𝑋0 ) ]
… 0 µ
1 1 1
σ2
𝑘𝑜 = σ − ∑ λ𝑖 COV(𝑋𝑖 − 𝑋𝑜 ) − µ = ∑ λ𝑖 γ(𝑋𝑖 − 𝑋𝑜 ) − µ
2
𝑖=1 𝑖=1