Análise do desempenho da krigagem com variância do erro de medida na presença de erros amostrais e valores extremos

• Ano de defesa: 2019
• Autor(a) principal: Zeni, Melissa Abrão
• Orientador(a): Costa, Joao Felipe Coimbra Leite
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Krigagem; Tecnologia mineral; Amostragem
• Palavras-chave em Inglês: Sampling error; Outliers; Kriging
• Link de acesso: http://hdl.handle.net/10183/200105

Os recursos minerais são tipicamente mensurados por múltiplas fontes de dados. Esses dados possuem confiabilidade variada, e para utilizá-los na estimativa, é necessário metodologias que os integrem de maneira adequada. Nesta dissertação, é proposta a investigação da krigagem com variância do erro de medida, a qual penaliza com menor peso as amostras com maior incerteza associada, sendo uma alternativa à abordagem onde dados imprecisos são agrupados como dados secundários. A metodologia é analisada através da sua aplicação utilizando dados sintéticos com diferentes configurações do erro, elaborados a partir de um banco de dados original. A variância do erro de medida foi obtida através da modelagem das diferentes estruturas dos variogramas. Os resultados das estimativas foram comparados à krigagem ordinária, utilizando como modelo de referência a variável original reblocada no mesmo suporte das estimativas. Essa comparação é realizada através da análise dos valores máximos e mínimos estimados, diagramas de dispersão, coeficiente de correlação, análise de deriva e erro quadrático médio. De modo geral, a krigagem com variância do erro de medida forneceu uma melhor acurácia das estimativas comparada à krigagem ordinária. Dependendo da disposição espacial do erro, e de sua correlação com os teores, entretanto, poderá ocorrer enviesamento das estimativas. A investigação da krigagem com variância do erro de medida como alternativa ao se trabalhar com valores extremos apresentou bons resultados, uma vez que mantêm o teor de todas as amostras, e distribui peso a estas conforme sua confiabilidade.