Captulo IV

El error de estimacin

Enunciado del problema:

Sea un bloque o zona V y un conjunto de datos z(x1), z(x2), . . . , z(xN), en que:
xi

coordenada del dato z(xi)

z(xi)

ley en el punto xi

Figura IV.1: Volumen a estimar. Localizacin de las muestras.

N = N de datos
No se conoce la ley media de V: zV
En la prctica, se estima la ley media desconocida por una frmula lineal del tipo:

91

zV = 1 z ( x1 ) + 2 z ( x2 ) + ... + N z ( xN )
En que los i verifican la condicin de insesgado:

1 + 2 + ... + N = 1
Los pesos i dependen del mtodo de estimacin utilizado:

i =

1
N

media aritmtica

i =

Si
S

polgonos

1
dik
i = N
1

k
i =1 d i

inverso distancia

Se supone, entonces, que los i son conocidos.

El error de estimacin es:

= zV zV
en que

zV es la ley estimada (conocida) y zv es la ley real (desconocida).

Mencionemos que es equivalente definir el error como:

92

 = zV zV
Debido a que zv es desconocido, entonces es desconocido. Renunciamos entonces
a conocer el error en signo y magnitud.

Sin embargo, se puede caracterizar

probabilsticamente el error , al utilizar el modelo matemtico.

Asumimos entonces que es una magnitud aleatoria; es decir, una variable aleatoria.
Esta magnitud aleatoria tiene una cierta ley de probabilidad caracterizada por una
esperanza matemtica mE y una varianza E2. Respecto de la ley de probabilidad del
error, asumimos que:
La ley de probabilidad del error es la ley normal o de Gauss . En Geoestadstica esta
aproximacin es razonable, pero se pueden utilizar otras aproximaciones tales como la
desigualdad de Chebichev.

Figura IV.2: Densidad de probabilidad de la ley normal o de Gauss.

Conviene recordar las siguientes reas de la ley de Gauss:

93

Figura IV.3: Ley normal. es la desviacin estndar.

Figura IV.4: Ley normal, regla de los dos sigma. Es el caso ms utilizado en la prctica.

Figura IV.5: Ley normal, regla de los tres sigma.

94

En otras palabras, utilizando probabilidades:

P(m - m + )

0.68

P(m - 2 m + 2)

0.95

P(m - 3 m + )

0.997

Estudio de mE:
En trminos tericos:
mE = E()
Este valor es nulo porque los errores se compensan (siempre que el mtodo de
estimacin verifique la condicin de insesgado = 1).
Luego:

mE = 0
Estudio de E2
En trminos tericos:

E2 = E ( mE ) 2 = E 2
E2 = E 2
La Geoestadstica demuestra que se puede calcular numricamente el valor de
Luego, el problema est resuelto.

E2 .

Segn las propiedades de la Ley de Gauss,

podemos afirmar que:

P[ - E E ] = 0.68

(i)

95

P[ - 2E 2E ] = 0.95

(ii)

P[ - 3E 3E ] = 0.997

(iii)

En la prctica se utiliza frecuentemente la ecuacin (ii); es decir, se admite un riesgo de

equivocacin del 5%. En otras palabras:
- 2E 2E con 95% de confianza
o bien, se puede afirmar, con 95% de confianza que la ley verdadera es igual a la ley
estimada dos sigma (regla de las dos sigmas):

zV = zV 2 E

(con 95% de confianza)

Si usted no cree en esta aproximacin gaussiana utilice la desigualdad de Chebychev,

la cual establece que, cualquiera que sea la variable aleatoria :

P [ k k ] 1

1
k2

P [ 2 2 ] 0.75

Existe una desigualdad an mejor, llamada desigualdad de Gauss, la cual establece, en

nuestras condiciones que (ver Cramer, 1955):

P[ k k ] 1

4
9k 2

P[ 2 2 ] 0.89

En resumen el problema radica en el clculo numrico de

estndar

E = E2 .

96

E2

o de la desviacin

Clculo de E2 :
Sabemos que:

E2 = E ( 2 ) = E ( zV zV ) 2
Por otra parte:
N

zV =

zV =

1
V

i =1

z ( xi )

z ( x)dx

(La ley real desconocida se calcula, en el caso de ser posible, por el promedio de las
leyes de todos los puntos x dentro de V). La integral anterior puede ser simple, doble o
triple. Luego el error es la diferencia entre una sumatoria y una integral:

= i z ( xi )
i =1

1
z ( x)dx
V V

Al desarrollar 2 y tomar luego la esperanza matemtica, se demuestra la frmula

siguiente:

2
E

1
= 2 i
V
i =1

x
x
dx

(
,
)
i
V2
V

( x , y ) dxdy

V V

97

i =1 i =1

( xi , x j )

Que constituye la frmula fundamental para el clculo de E2.

Por ejemplo, si se calculan con esta formula las varianzas del error para los tres casos
de la figura IV.6, se tendrn las desigualdades:

Figura IV.6. Varianza del error en tres casos.

En la expresin de E2 (en notacin condensada) (p, q) significa el valor numrico de

(h) (modelo o ecuacin), siendo h el vector que une los puntos p y q:

Figura IV.7: Vector que une los puntos p y q.

Antes de explicar cmo se calculan los trminos en forma numrica, observamos que

E2 depende de:

98

es decir, el nmero de datos

xi

es decir, las coordenadas de los datos

es decir, la geometra y el tamao del bloque o zona V

(h)

es decir, de la regularidad o irregularidad de las leyes

es decir, del mtodo de estimacin

Significado de los trminos en la expresin de E2:

En la expresin anterior xi representa las coordenadas de los datos; x ( y) representa
un punto variable dentro del bloque (o zona) V. En el clculo de la frmula fundamental
se supone que se conoce el modelo de variograma.
i)

Trmino (xi, xj): Representa el valor de (h) siendo h el vector que une los
puntos xi y xj:

Figura IV.8: Vector que une el dato en xi con el dato en xj.

99

i)

1
Trmino V ( xi , x) dx : Representa el valor medio de la funcin (h) (h es el
V
vector que une xi con x), siendo x un punto variable dentro de V:

Figura IV.9: El punto xi es fijo, el otro punto es variable dentro de V.

En la prctica la integral anterior se calcula por discretizacin de V en k puntos.

Entonces, la aproximacin es:

G
1
1 k
( xi , x)dx (h j )

VV
k j =1
Esta aproximacin es mejor cuando el nmero k de puntos dentro de V es ms grande.
La prctica recomienda un nmero mnimo de puntos dentro de V de manera de
obtener una precisin aceptable:

100

i)

Si V es bidimensional:

k 36 ptos.

ii)

Si V es tridimensional:

k 64 ptos.

Se puede tomar un valor de k superior a los recomendados, pero los procesos

computacionales sern ms lentos.

iii)

Trmino

1
V2

( x, y)dxdy

: Representa el valor medio de la funcin (h)

VV

(h es el vector que une x con y) siendo x e y dos puntos variables dentro de V:

Figura IV.10: El punto x y el punto y describen independientemente l conjunto V.

Esta integral tambin se calcula por discretizacin de V en k puntos.

Entonces, la aproximacin es:

1
V2

1
(
,
)

x
y
dxdy

V V
k2
101

G
(hij )
k

i =1 j =1

El clculo numrico de E2 es entonces posible.

Se puede utilizar un programa

computacional para calcular E2 o bien 2E.

Ejemplo: En el yacimiento istropo de la figura III.35 , se tiene que:

(hx , hy ) = 0.417 hx2 + hy2

Individualizamos el bloque siguiente:

Figura IV.11: Bloque con N=2 muestras.

a)

Si se estima zV por zV = 0.5 Z(x1) + 0.5 Z(x2) = 38, un calculo computacional

proporciona: 2 E = 3.02
Luego:
zV = 38 3.02
(con 95% de confianza)

102