Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 150 vistas

    Propiedades Del Kriging y Validacion Cruzada

    Cargado por

    Yosimar Diego Noah
    El kriging es un método de interpolación espacial que tiene dos propiedades principales: interpolación exacta y suavizamiento. La validación cruzada es una técnica para verificar la adecuación entre los datos y los parámetros del modelo variográfico mediante la estimación sucesiva de cada dato considerando sólo los datos restantes y analizando gráficamente los errores y errores estandarizados.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Propiedades Del Kriging y Validacion Cruzada

    Cargado por

    Yosimar Diego Noah
    150 vistas4 páginas
    El kriging es un método de interpolación espacial que tiene dos propiedades principales: interpolación exacta y suavizamiento. La validación cruzada es una técnica para verificar la adecuación entre los datos y los parámetros del modelo variográfico mediante la estimación sucesiva de cada dato considerando sólo los datos restantes y analizando gráficamente los errores y errores estandarizados.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El kriging es un método de interpolación espacial que tiene dos propiedades principales: interpolación exacta y suavizamiento. La validación cruzada es una técnica para verificar la adecuación entre los datos y los parámetros del modelo variográfico mediante la estimación sucesiva de cada dato considerando sólo los datos restantes y analizando gráficamente los errores y errores estandarizados.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    150 vistas4 páginas

    Propiedades Del Kriging y Validacion Cruzada

    Cargado por

    Yosimar Diego Noah
    El kriging es un método de interpolación espacial que tiene dos propiedades principales: interpolación exacta y suavizamiento. La validación cruzada es una técnica para verificar la adecuación entre los datos y los parámetros del modelo variográfico mediante la estimación sucesiva de cada dato considerando sólo los datos restantes y analizando gráficamente los errores y errores estandarizados.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 4

    PROPIEDADES DEL KRIGING

    Propiedad de suavizamiento
    Interpolación exacta (alisamiento)
    • La propiedad de suavizamiento tiene
    importantes consecuencias en la práctica
    • El kriging es un interpolador exacto, cuando se busca determinar los valores de la
    es decir, la estimación en un sitio con variable regionalizada en relación a un umbral.
    dato vuelve a dar el valor de este
    dato. Para demostrarlo, basta con
    verificar que, si el sitio a estimar x0 es
    el mismo donde se midió un dato

    . Por ejemplo, en evaluación de recursos


    minerales, se desea saber si la ley de mineral
    supera o no una ley de corte que asegura la
    rentabilidad del negocio.
    VALIDACIÓN CRUZADA

    Se puede verificar la adecuación entre los datos y los parámetros,


    utilizando la llamada técnica de la validación cruzada. El principio es
    estimar sucesivamente, mediante kriging, cada dato, considerando sólo
    los datos restantes.
    La validación cruzada es presentada usualmente bajo la forma de
    pruebas gráficas, en especial:
    • La nube de correlación entre los valores de los datos {z (x α), α = 1...
    n} y los valores estimados {z*(x α), α = 1... n}.
    VALIDACIÓN CRUZADA

    • El histograma de los errores estandarizados

    Donde σ*(x α) es la desviación estándar de kriging, en el sitio x α. Una


    estimación se considera buena si el error estandarizado asociado
    pertenece al intervalo [-α, α], por ejemplo, con α = 2. En efecto,
    independientemente del modelo variográfico, el error absoluto tiende a
    ser alto para un dato aislado, y bajo para un dato cercano a otros datos.
    VALIDACIÓN CRUZADA

    Las medias de los errores y de los errores estandarizados miden el


    sesgo del estimador, y deben ser cercanas a cero.
    La varianza de los errores estandarizados debe ser cercana a 1:

    El coeficiente de correlación entre los valores estimados y los valores


    de los datos debe ser lo más cercano posible a 1.
    El número de datos mal estimados debe ser el menor posible, menos
    del 5% del total de los datos.

    También podría gustarte