UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

INTRODUCCIÓN

El kriging busca estimar el valor z(x) de una variable regionalizada en un sitio x del espacio.
Existen varias opciones:

• kriging simple: media y variograma conocidos

• kriging ordinario: se desconoce el valor de la media

Una limitación de este método es que la varianza de estimación no depende de los valores de los
datos. Si la configuración de los datos es la misma, la varianza de kriging será la misma,
indiferentemente de si estamos en una zona de poca variabilidad o de alta variabilidad. Por ende,
no refleja propiedades como el efecto proporcional.

Otra limitación es que el kriging suaviza y no permite estimar cualquier función de la variable en
estudio (ejemplo: tonelaje, metal, ley media sobre una ley de corte). Sólo está diseñado para
estimar la variable misma en el soporte de las muestras o en soportes más voluminosos (kriging
puntual o de bloque).

Kriging puede ser entendido como una predicción linear o una forma de la Inferencia bayesiana.
Parte del principio que puntos próximos en el espacio tienden a tener valores más parecidos del que
puntos más alejados. La técnica de Kriging asume que los datos recogidos de una determinada
población se encuentran correlacionados en el espacio. Es decir, si en un aterrizo de residuos
tóxicos y peligrosos la concentración de Zinc o en un punto p es x, es muy probable que se
encuentren resultados muy próximos de x mientras más próximos se esté del punto p (principio
de la geoestadística). Sin embargo, a partir de determinada distancia de p, ciertamente no se
encontrarán valores aproximados de x porque la correlación espacial puede dejar de existir.
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

MARCO TEÓRICO

CONCEPTO:

El kriging es un término que ha sido acuñado para designar al “mejor estimador lineal insesgado”
de un punto y al mejor promedio lineal móvil ponderado de un bloque.

Este nombre apareció alrededor de 1960 para nombrar una técnica creada en Francia por
Matheron a partir de los trabajos de D.G. Krige quien fue probablemente el primero que hizo uso
de la correlación espacial y del mejor estimador lineal insesgado en el campo de la evaluación de
yacimientos minerales.

El kriging es una técnica de estimación local que ofrece el mejor estimador lineal insesgado de
una característica desconocida que se estudia. La limitación a la clase de estimadores lineales es
bastante natural ya que esto significa que solamente se requiere el conocimiento del momento de
segundo orden de la función aleatoria (la covarianza o el variograma) y que en general en la
práctica es posible inferir a partir de una realización de la misma.

INTERPOLACIÓN GEOESTADÍSTICA:

La interpolación Geoestadística se basa fundamentalmente en 3 pasos:

1.- Análisis de variabilidad, obtención del semivariograma empírico.

2.- Ajuste a un modelo teórico, y selección adecuada del semivariograma y sus parámetros.
3.- Uso del semivariograma teórico ajustado, el proceso de estimación por el popular (dentro de
la Geoestadística) método llamado Kriging.

Kriging es un término creado por George Matheron en sus trabajos en 1960, el cual interesado en
los problemas de estimación de reservas minerales, se apoyó en la ideas iniciales de un ingeniero
en minas sudafricano Danie G. Krige quien desarrollaba sus trabajos sobre evaluación de minas
de oro. Inicialmente Matheron denominó a esta técnica Krigeage que en ingles se convierte en
Kriging, término que tiene su origen en el apellido de Krige reconociendo de esta forma su
inspiración inicial de minimizar la varianza de estimación, hecho por el que surge este
interpolador y la Geoestadística en general.

Kriging en una técnica de estimación que proporciona el mejor estimador lineal imparcial. El
sistema Kriging, deducción teórica que se puede encontrar en, puede presentarse en su
formulación final de acuerdo a las siguientes variantes.
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

ECUACIONES DEL KRIGING EN FORMA MATRICIAL:

CLASIFICACIÓN DE LOS DIFERENTES TIPOS DE KRIGING:

• según la forma del estimador:

- lineales: - no lineales

• simple • disyuntivo
• ordinario • indicador
• universal • probabilístico
• radial
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

- según el soporte de la medición de los datos:

• puntual
• en bloques

KRIGING PUNTUAL

Este tipo de interpolación busca estimar el valor de la variable o fenómeno en estudio en un punto del
espacio.
La estimación del valor de un punto de un conjunto de cerca los valores de la muestra mediante kriging.
La estimación krigeado de un punto por lo general será muy similar a la estimación krigeado para un
bloque relativamente pequeño centrado en el punto, pero calcula la desviación estándar kriging será
mayor. Cuando un punto krigeado coincide con una ubicación de la muestra, la estimación krigeado será
igual al valor de la muestra.
Estima los valores de los puntos en los nodos de las cuadrículas.

Kriging puntual es la forma más simple de kriging. Utiliza los puntos sin dimensiones para estimar otros
puntos sin dimensiones, por ejemplo, parcelas elevación del contorno. En kriging puntual, la variable
regionalizada se supone que es estacionaria, no existe la deriva. Este supuesto permite una estimación
de un valor desconocido en el punto p, Y E, P, que se calcula utilizando una media ponderada de los valores
conocidos o puntos de control:

Este valor estimado más probable es diferente del valor real en el punto p, Y A, P, y esta diferencia se
llama el error de estimación:

Si no existe la deriva y las ponderaciones utilizadas en la estimación de la suma a uno, entonces el valor
estimado se dice que es imparcial. La dispersión de las estimaciones sobre el verdadero valor se conoce
como la estimación de la varianza o error,

O como su raíz cuadrada, conocido como el error estándar de la estimación;

El error de estimación y la estimación dependerá de los pesos elegido. Idealmente, kriging trata de elegir
los pesos óptimos que producen el error de estimación mínima. Con el fin de derivar las ecuaciones
necesarias para kriging, el uso extensivo del cálculo que se requiere y no se incluirá aquí, sin embargo, la
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

información sobre la derivación se encuentra en Clark (1979) y Olea (1975). Peso óptimo, las que
producen estimaciones imparcial y tener una estimación de varianza mínima, se obtienen mediante la
resolución de un conjunto de ecuaciones simultáneas. Por simplicidad y para ilustrar la metodología de
kriging, tres valores desconocidos, Y 1, Y 2, Y y 3, serán utilizados para estimar un valor desconocido en
el punto p, Y E, P. Tres pesos debe ser determinado W 1, W 2 y W-3, para hacer una estimación. El
procedimiento kriging comienza con estas tres ecuaciones simultáneas:

Donde es la semivarianza entre el control de los puntos i y j que corresponde a la distancia entre
ellos, h. Puesto que h ij = ji h, la izquierda de la matriz es simétrica, con ceros a largo de la diagonal desde
la distancia de un punto a sí mismo es cero. Los valores de los semivarianzas se toman de la
semivariograma conocidos o estimados. Para asegurar que la solución es imparcial, una cuarta ecuación
se utiliza

Además, una cuarta variable se introduce el llamado multiplicador de LaGrange, λ , Para asegurar que el
mínimo error posible estimación se obtiene. Por lo tanto, el conjunto completo de ecuaciones
simultáneas:

La separación de estas ecuaciones en forma matricial los rendimientos

 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

O en términos generales,

Esta ecuación se resuelve la matriz de los coeficientes desconocidos, [W]. Los valores de la matriz A y B
se toman de la semivariograma o la expresión matemática que describe su forma. Una vez que el peso
individual se conocen, una estimación puede ser hecha por

Y una varianza de estimación se puede calcular

Los métodos utilizados en kriging le permiten tener una ventaja sobre otros procedimientos de
estimación en la que los valores estimados tienen un error mínimo asociadas a ellos y este error es
cuantificable.
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

SOFWARE APLICATIVO:

ISATIS: es un software de usos variados en geoestadística que permite abordar problemas muy
diferentes de diversas industrias. Lanzado por primera vez hace casi 25 años, es ampliamente
reconocido como la caja de herramientas geoestadística de referencia para el análisis y la
visualización exhaustiva de datos, el mapeo de calidad, la estimación precisa de recursos y el análisis
de riesgos. Isatis ofrece una tecnología geoestadística robusta y sólida que se mejora continuamente,
año tras año. La conectividad Isatis con paquetes de software de primer nivel hace que sea fácil de
integrar en su flujo de trabajo diario.

PRACTICAS DE LABORATORIO DE KRIGING POR BLOQUE

1) CREACION DEL ESTUDIO:

Los estudios de Isatis se gestionan a través del Data File Manager.

A través del Data File Manager, se puede crear, cambiar el nombre, guardar, restaurar y borrar estudios (tanto
el actual, como los demás contantes en la lista de estudios del software.
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

2) IMPORTACION DE DATOS:
Isatis es muy flexible en la importación de archivos, pudiendo recibir los más diversos formatos, como
muestra la figura al lado.
Para esta presentación, utilizaremos el formato excel.

3
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

3) ANALISIS EXPLORATORIO DE DATOS

Un analisis exploratório de dados puede ser através de la Ventana Exploratory Data Analisys.
Esta venta puede ser accedida através del menu Statistics -> Exploratory Data Analysis.
Através de este menu puede hacerse:
1) Estatística básica
2) Mapa de localisacion de muestras.
3) Scater plot (q-q, H-plot)
4) Histogramas
5) Variogramas
Siempre deje el botón de ajuste de parámetros accionado (define los parámetros antes del cálculo)
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

RESULTADOS DEL ANALISIS:

MAPA DE LOCALIZACÍON DE COORELACION ENTRE MUESTRA “V” Y “U”

MUESTRAS

HISTOGRAMA HISTOGRAMA ACUMULADO

 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

MAPA VARIOGRAFICO
Este tipo de análisis variográfico sirve como un estudio preliminar de las posibles direcciones
preferenciales y secundarias, no pudiendo en modo alguno sustituir el análisis completo de las variables.

RESULTADO EL MAPA: presenta Anisotropía.

 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

VARIOGRAMA OMNIDIRECCIONAL
Crearemos un variograma experimental omnidireccional con los siguientes parámetros:
Lag: 9
Numero de lags: 11
Tolerancia en distancia: 50% del lag.
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

VARIOGRAMA DIRECCIONAL
La creación de los variogramas direccionales es muy parecida a la del variograma omnidireccional,
necesitando sólo algunas informaciones adicionales, siendo ellas:?

a) Ancho de banda (en este caso, 5.5 m)

b) Alltura de la rebanada: sin (caso 2D)

c) Numero de direcciones: (en este caso 4)

d) Tolerancia angular: (en este caso 22.5)

e) Numero de lag: (10)

f) Direcciones (0˚,45˚,90˚,135˚)
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

MODELAMIENTO VARIOGRAFICO
El modelado varigráfico consiste en ajustar una función matemática sobre los varigramas
experimentales, encontrando los alcances en cada dirección analizada.

MODELO TEORICO PARA EL AJUSTE: Modelo Esférico es el que más se ajustó al

varigrama experimental del (V ppm).
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

CREACION DE CUADRICULA
Para poder realizar interpolaciones / estimaciones / simulaciones, es necesario que exista un archivo
que pueda recibir esos datos. Por lo tanto, para este estudio se creará una cuadrícula 2D.

Tabla con los parámetros de creación de la cuadrícula

X Y Descripcion

Origin 0 0 Origen de grid

Mesh 5 5 Tamaño de las celulas

Nodes Número de bloques

51 59
Number sobre el eje
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

ESTIMACIONES
Se realizará una estimación para la variable v. Utilizaremos la técnica de Krigagem.

La ventana de krigado se puede accionar a través del menú Interpolate -> Estimación -> (Co-) Kriging ...
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

KRIGING POR BLOQUES

Para la realización del krigado deberán ser suministrados los siguientes parámetros:

1) Krigación de bloques

2) Numero de variables (en este caso 1)

3) Datos de entrada (variable V - pset)

4) Salida de datos (archivo de cuadrícula, cree una variable llamada V)

5) Modelo variográfico (seleccione el archivo de parámetros obtenido en el modelado

direccional)

6) Vecindad de búsqueda (siguiente diapositiva)

1
2
3

6
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

RESULTADO DE ESTIMACIONES
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

VALIDACION CRUZADA DE LA ESTIMACION (V)

La validación cruzada o cross-validation es una técnica utilizada para evaluar los resultados de
un análisis estadístico y garantizar que son independientes de la partición entre datos de entrenamiento
y prueba. Consiste en repetir y calcular la media aritmética obtenida de las medidas de evaluación sobre
diferentes particiones. Se utiliza en entornos donde el objetivo principal es la predicción y se
quiere estimar la precisión de un modelo que se llevará a cabo a la práctica.
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

RESULTADOS DE LA VALIDACION CRUZADA

 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

CONCLUSIONES

 Isatis es un excelente software un análisis geoestadístico.

 El variograma presenta un Anisotropía.

 El vari grama teórico que más se ajusta al experimental es Esférico.

 La varianza de estimación tiene aplicaciones: diseño de muestreo.

 El kriging del bloque nos muestra el resultado de puntos de muestra más alto y también predecir
un puntos cualquiera en el área.

REFERENCIA BIBLIOGRAFICA

M. Alfaro Introducción a la teoría de las funciones aleatorias. Depto. De ingeniería de minas,

USACH, 2005.

A. Journel Mining Geostatistics. Academic Press, 1978.

M. Alfaro Introducción al Muestreo Minero. Instituto de Ingeniería de Minas de Chile, 2003.

Ing. Jorge Segura Geoestadistica para la Enseñanza Universitaria. Facultad de Ingeniería, Escuela
Académica Profesional de Ingeniería de Minas, 2011 - 2012
 UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN GEOESTADISTICA

INTEGRANTES:

DUVERLY ROQUE RAMOS 2013-38953

DENIS PERCA LUCERO

JEAN BARON MENDOZA CUTIPA 2013-38937

JEAN carlos MACHICADO ACHO 2013-38947

GARY VALDIVIA BARRIOS 2011-101044

IVAN CUAQUIRA PILCO

BAIRO ANCAJIMA BALCAZAR 201338959

LUIS ANTONIO FLORES PONGO 2013-38919

VLADIMIR GALARZA

FERNANDO HUAHUALA CAZA 2013-

HERMANO DE HUAHUALA TAMBIEN 2014-