Martn A. Daz Viera

Debido a que la cantidad que se encuentra entre llaves en la expresin anterior Ec.(3.47) es

constante ( )ln 2 2n n n const + + =( independientemente del tipo de modelo, entonces para fines prcticos se calcula:

)

}

)

(3.48) ( )ln 2A n R p= +que es un estimador simplificado del Criterio de Informacin de Akaike. Donde es el nmero de valores estimados { del variograma muestral, es la suma residual de los cuadrados de las diferencias entre los valores experimentales y los del modelo ajustado , es decir , mientras que es el

nmero de parmetros del modelo de variograma ajustado .

n

( ihp

( )* , 1,...,ih i n =

1

n

i==

R

)*( )ih ( ) ( )( 2*i iR h h

( )h

Se considera que el modelo que presenta el menor AIC es el mejor.

3.9 Validacin del modelo del semivariograma

Para validar el modelo obtenido de variograma se puede proceder de varias maneras. Un

mtodo que resulta atractivo por su sencillez y eficiencia es el leave one out que consiste

en sacar un elemento de la muestra y estimar el valor en ese punto usando Kriging con el

modelo de variograma obtenido. De forma anloga se acta para el resto de los elementos

de la muestra. Como resultado se obtiene un mapa de las diferencias

( ) ( )* , 1,...,i iZ x Z x i n = entre el valor real y el estimado.

De forma tal que si el modelo del semivariograma refleja adecuadamente la

estructura espacial implcita en el conjunto de datos, entonces los valores estimados deben

ser cercanos a los valores observados.

Esta "cercana" puede ser caracterizada segn los siguientes estadgrafos:

a) ( ) ( ){ *1

1 ni

iZ x Z x

n = }i cercano a 0.

28