Patrones de correlación y Función Aleatoria en Estadística Espacial

Qué permiten realizar los patrones de correlación?

Permiten realizar una predicción de donde se puede ubicar espacialmente la mineralización y su valor y error en aquellas ubicaciones que no han sido muestreadas

Cuál es el propósito de conceptualizar un Función Aleatoria?

El propósito de conceptualizar una FA como, {Z(u), u es un elemento del Área de estudio A}, es que existen ubicaciones dentro de A desconocidas, Por lo tanto, nunca será necesario conocer la FA cuando la variable Z esté completamente conocida.

Explique el paradigma subyacente de la inferencia estadística?

Es transar la replicación no disponible en la ubicación u por otra replicación disponible en algún otro lugar en espacio y/o tiempo.

Estacionaridad es propiedad de qué?

Es una propiedad del modelo de VA

Describa el concepto de efecto pepita y su relación con la geología a nivel infinitesimal?

Es el valor del variograma a una distancia no mayor que el tamaño de muestra, el cual caracteriza la variabilidad a “muy corta distancia” o “variabilidad en el origen” o “en si misma”.

Por qué estacionaridad de segundo orden pasa a ser irrelevante en la práctica?

Porque casi siempre es asumida y por ende no es importante.

Cuál es el objetivo y propósito de una proceso de estimación?

Es asignar un valor en las ubicaciones NO-Muestreadas utilizando una Variable Aleatoria con la que se infiere una Función de Distribución de Probabilidad y la Variabilidad Espacial.

• Simplicidad y reproductibilidad, producción de largo o corto plazo.
• Predecir producciones futuras Tonelaje/ley ± error

Explique cómo se mide el factor de reducción de varianza?

El factor de reducción se mide como f es la varianza de dispersión del bloque (v) dentro del deposito (G), dividido la varianza de dispersión de los puntos dentro del deposito (G) dentro de un intervalo entre [0,1].

Cómo se determina el ponderador por el método de inverso a la distancia?

Para determinar el ponderador, los pesos son estandarizados para suma 1 y asegurar un estimador globalmente insesgado.

Cuál es la desventaja de Kriging?

No ENTREGA una buena medida de la incertidumbre asociada a la estimación

Cuál es la condición de Insesgo de Kriging Simple?

La condición de insesgo es que asume un error mínimo

En qué se basa Kriging Ordinario?

Se basa en que es un Estimador, con error de varianza mínimo, en cualquier lugar no muestreado donde el valor real es desconocido, La media m es desconocida y no asume nada al respecto, Es insesgado globalmente por definición ya que limita la suma de los pesos a 1, Cómo resultado no NECESITA conocer la media.

Cómo minimiza la varianza de estimación Kriging Simple?

La minimiza sin restricción en los pesos.

Por qué Kriging Ordinario es un algoritmo Non-Estacionario?

KO es un algoritmo Non-Estacionario, el cual corresponde a un modelo de Función Aleatoria con una MEDIA VARIABLE y COVARIANZA ESTACIONARIA