3.2.4. Establecer el efecto que sobre la variabilidad de un estimador tiene el tamaño de la simulación

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. 
•