Professional Documents
Culture Documents
0pWRGRVWUDGLFLRQDOHV
,QWHUSRODFLyQSRUHOPiVFHUFDQRYHFLQR
0,$*HRHVWDGtVWLFD
)LJXUD. Ponderacin obtenida con la interpolacin por el ms cercano vecino.
,QYHUVRGHODGLVWDQFLD
Este segundo estimador asigna a cada dato una ponderacin inversamente proporcional
a (una potencia de) su distancia al sitio a estimar.
0,$*HRHVWDGtVWLFD
2WURVPpWRGRV
Muchos otros mtodos de interpolacin han sido propuestos en la literatura, entre los
cuales podemos citar:
Los mtodos de VXSHUILFLHV GH WHQGHQFLD, que consisten en aplicar una regresin
polinomial sobre los datos.
3URSLHGDGHV
La pregunta que cabe plantease es saber si, entre todos los mtodos anteriores, existe
uno que sea PHMRU que los otros. El trmino mejor podra ser tomado en el sentido de que
la desviacin cuadrtica promedio entre los valores estimados y los valores verdaderos sea
la ms pequea posible. En la prctica, ningn mtodo es siempre mejor que otro, de modo
que la eleccin de uno u otro mtodo no es trivial.
0,$*HRHVWDGtVWLFD
sub-conjunto son utilizados para interpolar los valores del segundo sub-conjunto. El anlisis
de los errores cometidos permite entonces decidir cul es el mtodo de interpolacin que
tiene el mejor desempeo. Una variante del mtodo de jack-knife consiste en considerar un
segundo sub-conjunto reducido a un solo dato, siendo todos los otros datos parte del primer
sub-conjunto, y repitiendo la interpolacin para cada dato a la vez. Esta variante lleva el
nombre de YDOLGDFLyQFUX]DGD. Su puesta en marcha y los criterios que merecen atencin
para juzgar el desempeo de un mtodo sern detallados ms adelante.
&RQVWUXFFLyQGHONULJLQJ
5HVWULFFLyQGHOLQHDOLGDG
El estimador tiene que ser una combinacin lineal ponderada (promedio ponderado) de
los datos, que denotaremos de la siguiente forma:
= * ([ 0 ) = D + = ( [ ) ,
=1
donde [0 es el sitio donde se busca tener una estimacin, {[, = 1... Q} son los sitios con
datos, mientras que los ponderadores {, = 1... Q} y el coeficiente D son las incgnitas
0,$*HRHVWDGtVWLFD
del problema de kriging. En rigor, se debera escribir ([0) en lugar de , puesto que los
ponderadores de kriging dependern del sitio [0 a estimar.
Esta restriccin se debe a la decisin de considerar slo los primeros momentos de las
distribuciones de probabilidad (esperanza y covarianza / variograma). La construccin de
estimadores ms sofisticados que no sean combinaciones lineales de los datos, requerira la
especificacin de la distribucin espacial de la funcin aleatoria ms all de su variograma.
Esto se puede realizar con mtodos de geoestadstica no lineal (kriging de indicadores,
kriging disyuntivo, kriging lognormal, kriging multi-Gaussiano).
=1
5HVWULFFLyQGHLQVHVJR
Esta etapa consiste en expresar que el error de estimacin tiene esperanza nula, es decir
([ = * ( [ 0 ) = ( [ 0 ) ] = 0 .
5HVWULFFLyQGHRSWLPDOLGDG
Al superar las etapas anteriores, el estimador est sometido a una o varias restricciones
pero no est totalmente especificado. La ltima etapa consiste en buscar los ponderadores
que minimizan la varianza del error de estimacin:
var[ = * ([ 0 ) = ([ 0 )] es mnima.
En trminos intuitivos, esta restriccin significa que VL VH FDOFXOD VREUH QXPHURVDV
FRQILJXUDFLRQHV GHNULJLQJ LGpQWLFDV OD YDULDQ]D HVWDGtVWLFDGHORV HUURUHVGH HVWLPDFLyQ
FRPHWLGRVHVODPiVEDMDSRVLEOH Este criterio de precisin equivale a la minimizacin del
error cuadrtico promedio.
0,$*HRHVWDGtVWLFD