regressão à média é a tendência de um valor extremo ser seguido por um valor mais próximo da média. furo que deu teor altíssimo: o vizinho quase sempre vem mais baixo. não porque o filão acabou — porque o pico tinha erro embutido.

o efeito na estimativa

todo valor medido é sinal + ruído. quando você seleciona os pontos mais altos, seleciona junto o ruído mais alto. na hora de estimar o bloco em volta, o ruído não se repete e o teor "cai". o inverso vale pros pontos mais baixos: sobem.

resultado prático: a krigagem superestima os blocos pobres e subestima os ricos. é o mesmo efeito que faz a krigagem suavizar — variância do estimado menor que a variância real.

viés condicional

o nome técnico disso é viés condicional. você plota teor estimado (x) contra teor real (y) e ajusta uma reta. o ideal é inclinação 1. na prática a reta fica mais deitada: para cada classe de teor estimado, a média real regride pra média global.

• bloco estimado alto → real costuma vir mais baixo.
• bloco estimado baixo → real costuma vir mais alto.

isso destrói seletividade. você manda pra pilha de estéril blocos que eram minério e vice-versa.

por que importa

quem decide se lavra ou bota fora corta o depósito por um teor (cutoff). se a estimativa tem viés condicional, a curva teor-tonelagem mente: promete mais metal acima do cutoff do que a mina vai entregar. clássico de reconciliação que vem negativa.

mitigar:

• mais dado perto do bloco baixa o ruído (mas não zera).
• escolher suporte e vizinhança que minimizem o viés condicional, não só a variância de krigagem.
• métodos que respeitam a distribuição real em vez de só a média local — krigagem indicadora, simulação. simulação não suaviza: troca "uma média errada" por "muitos cenários com a variância certa".

regressão à média não é defeito de quem estima. é o que acontece quando você seleciona extremos de qualquer coisa medida com erro — teor, nota de prova, desempenho de fundo. veja também o p-valor e o paradoxo-simpson: a mesma lição de não confiar no número extremo isolado.