a32
DESCRIPTION
geoestadisticaTRANSCRIPT
-
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