1.4 Objetivos y procedimiento

A partir de los valores observados $\{Z(\mathbf{s}_1), \ldots, Z(\mathbf{s}_n)\}$ (o $\{Z(B_1), \ldots, Z(B_n)\}$), los objetivos suelen ser:

• Obtener predicciones (kriging) $\hat{Z}(\mathbf{s}_0)$ (o $\hat{Z}(B_0)$).

• Realizar inferencias (estimación, contrastes) sobre las componentes del modelo $\hat{\mu}(\cdot)$, $\hat{\gamma}(\cdot)$.

• Obtención de mapas de riesgo $P({Z}(\mathbf{s}_0)\geq c)$.

• Realizar inferencias sobre la distribución (condicional) de la respuesta en nuevas localizaciones…

En cualquier caso en primer lugar habría que estimar las componentes del modelo: la tendencia $\mu(\mathbf{s})$ y el semivariograma $\gamma(\mathbf{h})$. La aproximación tradicional (paramétrica) para el modelado de un proceso geoestadístico consiste en los siguientes pasos:

1. Análisis exploratorio y formulación de un modelo paramétrico inicial (Capítulo 2).

2. Estimación de los parámetros del modelo (puede ser un proceso iterativo; Capítulo 3):

   1. Estimar y eliminar la tendencia.

   2. Modelar la dependencia (ajustar un modelo de variograma) a partir de los residuos.

3. Validación del modelo (Sección 4.6) o reformulación del mismo.

4. Empleo del modelo aceptado (Capítulo 4).

Como ya se comentó, emplearemos el paquete gstat en este proceso (Sección 1.1.2).