3.2.2 CARACTERIZACIÓN DE CADA INDICADOR: AGRUPAMIENTO DE DATOS, GRÁFICAS Y ESTIMACIÓN DE PARÁMETROS

• 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 • SecuencialGaussiano.

• 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.