INTRO

Existen muchos mtodos de estimacin, tales como:

Media aritmtica

Inverso de la distancia

Kriging OK, SK, entre otros

Cmo elegir un mtodo de

estimacin?

ZA() ZX() ZB()

A dAX X dBX B

UA() UX() UB()

()
()
()

()
()
()

MEDIA

Cmo estimo el valor de Z en X?

La primera idea que se nos viene a la mente, es ver al valor de X como un promedio estimado
por los valores conocidos.

Por tanto, la estimacin por este mtodo sera de la siguiente manera:

() + ()
() =
2
El resultado obtenido se representara de la siguiente manera:

(MATLAB)

Del grfico, concluimos que el valor estimado resulta ser siempre el mismo as la distancia de
separacin entre las muestras y el valor estimado varen.

Este resulta ser un mtodo prctico, sin embargo, en la actualidad no es utilizado por sus
claras limitaciones, cmo la no consideracin del vector posicin y la no mencin del error de
estimacin por este mtodo.

Por esta razn, nace la necesidad de buscar un mtodo de estimacin que s considere la
distancia en la estimacin del valor no conocido.

INVERSO DE LA DISTANCIA

Cmo influye la distancia de separacin entre

las muestras y el valor desconocido en la
estimacin?

Ya en este mtodo se puede apreciar, que las muestras cercanas al punto en donde se desea
estimar tendrn mayor influencia en comparacin con las muestras que se encuentren ms
alejadas al punto de estimacin

Por tanto, la estimacin por este mtodo sera de la siguiente manera:

1 1
2 () + ()
() = 2
1 1
2 +
2
El resultado obtenido se representara de la siguiente manera:

(MATLAB)

Del grfico, concluimos que el valor estimado mediante este mtodo si considera la posicin
de las muestras respecto al punto de en el que vamos a estimar, haciendo de este un mtodo
tambin sencillo de aplicar, pero con mayor detalle de anlisis que el mtodo de la media,
debido a que incluye el inverso de la distancia elevado al cuadrado.

Sin embargo, este mtodo no hace mencin al error de estimacin, adems no se puede
estimar valores en la posicin de las muestras estimadoras, las cules muestran la inexactitud
y grandes limitaciones de este mtodo.
De esta manera se busca un mtodo de estimacin exacto, y que adems muestre el error de
estimacin.

SIMPLE KRIGING

Para qu me sirve calcular el error de

estimacin?

(AGREGAR ECUACIONES SK)

Como podemos notar las ecuaciones del SK son complejas, sin embargo, debemos entender
que el SK es un mtodo que busca calcular de una manera matemtica utilizando fundamentos
de clculo diferencial para minimizar el error en la estimacin y calcular los pesos (1 y 2) con
las que influye cada muestra para estimar el valor en la posicin UX(), conociendo la media
global

As es valor estimado ser:

Poner formula de z*

(MATLAB)

En el grafico anterior se puede notar el comportamiento que tiene los pesos de cada muestra
conforme varia la posicin respecto de las muestras conocidas, es decir para puntos cercanos A
,los valores estimados son cercanos a ZA(),debido a que tiene una mayor influencia o un
mayor peso (1),lo mismo ocurre con el punto B. Debemos mencionar que cuando estimamos
para los puntos de muestreo A o B ,el valor estimado debe ser igual a los valores conocidos en
estos puntos ,por esta razn se dice que el Kriging es un mtodo exacto de estimacin.

Tambin podemos notar el comportamiento de la varianza para diferentes puntos donde

deseamos estimar

La limitacin de este mtodo es que debemos conocer la media global para poder estimar, de
no conocer la media global una alternativa de solucin sera buscar una forma de calcularlo
,pero este proceso es demasiado tedioso y muchas veces queda fuera de nuestro alcance.
ORDINARY KRIGING
Qu pasara si no conocemos la
media global?

Ya en este mtodo se puede apreciar, que las muestras cercanas al punto en donde se desea
estimar tendrn mayor influencia en comparacin con las muestras que se encuentren ms
alejadas al punto de estimacin

Por tanto, la estimacin por este mtodo sera de la siguiente manera:

(AGREGAR ECUACIONES OK)

Como podemos notar las ecuaciones del OK tambin son complejas, pero el objetivo es
calcular los pesos (1 y 2) con las que influye cada muestra para estimar el valor en la posicin
UX(), planteando las ecuaciones similares al caso anterior para este caso se tiene dos
ecuaciones con tres incgnitas, por lo cual se procede agregar una ecuacin adicional que
permita resolver el sistema de ecuaciones. Dicha ecuacin est conformada por el Lagrangiano
el cual resulta de considerar la influencia de la media global igual a cero

Ecuacin de sum 1-suma de lambdas =0

As es valor estimado ser:

Poner formula de z*
El resultado obtenido se representara de la siguiente manera:

(MATLAB)

En el grafico anterior se puede notar el comportamiento que tiene los pesos de cada muestra
conforme varia la posicin respecto de las muestras conocidas, es decir para puntos cercanos A,
los valores estimados son cercanos a ZA(),debido a que tiene una mayor influencia o un mayor
peso (1),lo mismo ocurre con el punto B. Finalmente podemos apreciar que este mtodo
resulta ser ms complejo y real debido a que considera todas las variables aleatorias, permite
conocer el error de estimacin y no requiere conocer la media global para realizar la estimacin.