3.2.2.- Caracterización de cada indicador: Agrupamiento de datos, gráficos y estimación de parámetros.

3.2.2.- Caracterización de cada indicador: Agrupamiento de datos, gráficos y

estimación de parámetros.

Método Secuencial Indicador

• Desarrollado por Alabert (1987b) y Journel (1989). Es el caso correspondiente a

la simulación de indicadores anidados usando el método secuencial.

• En particular si se considera un solo indicador debido a que toma valores sólo

de 0 y 1, la distribución condicional se reduce su valor esperado condicional, que

en general es no conocido.

• Alabert y Journel propusieron usar en su lugar la estimación mediante kriging

simple del indicador, la cual preserva la media y la covarianza de la FA que

comparado con el método de condicionamiento estándar tiene la ventaja de

producir simulaciones binarias que reproducen el histograma de la FA.

• Un nuevo valor simulado se obtiene a partir de la FDP estimada usando los

valores observados (datos) y los valores previamente simulados en una vecindad

del punto.

• En dependencia de cómo se estime la función distribución de probabilidad,

existen dos métodos secuenciales: • Secuencial Indicador • Secuencial

Gaussiano.

• Usa el Kriging indicador para estimar la función distribución de probabilidad local.

• Requiere del modelo del semivariograma para cada valor de corte especificado

por el usuario o como alternativa más eficiente pero menos precisa del

semivariograma obtenido para el valor de corte correspondiente a la mediana.

 Permite mezclar fácilmente datos duros con suaves.

 Es un algoritmo muy eficiente

 Su principal dificultad estriba en los problemas de relación de orden del

Kriging de los indicadores. Como alternativa se toma en cuenta la

correlación cruzada de los indicadores (co-simulación de los indicadores).

 Otro problema es que la calidad de la simulación es sensible al tamaño de

la vecindad empleada por el kriging, usualmente demasiado pequeña.