2 Características del Kriging Estimación óptima, error de estimación mínimo. Interpolación exacta. Suavizamiento: La dispersión de los valores estimados es menor que la dispersión de los valores verdaderos. Histograma y variograma diferentes. Sesgo en la estimación de funciones que involucran a valores umbrales (ley de corte). Varianza de kriging solo depende de posición y de modelo de variograma.
Ing. Alejandro Vásquez Arrieta
3 Características de Simulación Estimación no óptima, error de estimación no es mínimo. Interpolación exacta solo cuando es condicional. No suaviza: La dispersión de los valores simulados igual que la dispersión de los valores verdaderos. Histograma y variograma iguales. Insesgo en la estimación de funciones que involucran a valores umbrales (ley de corte). Permite medir la precisión de la estimación por intervalos de probabilidad.
Ing. Alejandro Vásquez Arrieta
Simulación no condicional 4
Ing. Alejandro Vásquez Arrieta
Simulación condicional 5
Ing. Alejandro Vásquez Arrieta
6 Aplicaciones de Simulación Estimación de variables, pero requiere de promediar escenarios. Para estimar la probabilidad de ocurrencia de un evento (probabilidad de que la ley sea mayor que la ley de corte). Medición de incertidumbre: definir intervalos de probabilidad para los valores desconocidos. Análisis de riesgo: proponer diversos escenarios (uno optimista, uno pesimista, uno intermedio) y guiar la toma de decisión..
Ing. Alejandro Vásquez Arrieta
7 Contaminación por cobalto
Ing. Alejandro Vásquez Arrieta
8
Localizaciones Muestreadas
Ing. Alejandro Vásquez Arrieta
9
Red de Puntos a Simular
Ing. Alejandro Vásquez Arrieta
10
Distribución de datos medidos experimentalmente y
localizaciones propuestas a simular Ing. Alejandro Vásquez Arrieta 11
Valores ZK*(x), obtenidos por kriging a partir de los
datos experimentales Ing. Alejandro Vásquez Arrieta 12
Valores ZS(x), simulados no condicionalmente.
Ing. Alejandro Vásquez Arrieta
13
Valores ZSK*(x), obtenidos por kriging a partir de los
datos simulados en las localizaciones muestreadas. Ing. Alejandro Vásquez Arrieta 14
Diferencia [ZS(x) – ZSK*(x)] simulada.
Ing. Alejandro Vásquez Arrieta
15
Valores ZSC*(x) de la simulación
condicional. Ing. Alejandro Vásquez Arrieta 16
Ing. Alejandro Vásquez Arrieta
• La estimación por kriging tiene como objetivo 17 proporcionar en cada localización a estimar un valor Z*(x), lo más próximo posible del valor real y desconocido Z(x) del fenómeno estudiado.
• La estimación por kriging no reproduce la dispersión
de los datos reales, más bien subestima en general esta dispersión. • La simulación condicional de la geoestadística, reproduce media y variograma de los datos reales, así como el histograma, es decir, se reproducen las principales características de dispersión del fenómeno real.
• Ahora, en cada localización, el valor simulado no es el
mejor estimador de Z(x) que es posible obtener. Ing. Alejandro Vásquez Arrieta 18