Clase 6 Evaluacin

Repaso
V. Regionalizada: una fn q generaba una respuesta. La variable ind. Era la posicin en el espacio. La
respuesta poda ser cualquier atributo que podemos identificar.
V. Aleatoria: cada valor q se recoge de la V.R., es lo que compone la variable aleatoria.
Por ejemplo, campaa de sondajes. Las leyes corresonderan a una V.A.
Funcin aleatoria: Ejemplo botella.
V.R. cada espacio q se genera entre los granos de arena
V.A. El conjunto de espacios que generan los granos de arena. Al tomar botella y sacudirla,
generaremos una nueva VA. Cada sacudidad genera una realizacin de fenmeno
Hay zonas donde podramos suponer un sondaje. Desconocemos los valores q obtendreos en la
meustra. En c/u de las posiciones podramos determinar una dist. De valores, y a partir de una
probabilidad podramos asumir el valor de la muestra (ver imagen )
Grilla de meustreo.
Cada muestra podrpia tomar un valor a partir de las caract. De la fn aleatoria.
Es posible evaluar la incertidumbre.
Reconocer la caract. De la dist. En cada punto del espacio.
Los posibles valores q pueda tomar c/u de los ptos, dependen de las caract. De continuidad q tienen
la VA.
Los posibles valores deberan reproducir los dos 1ros momentos de inercia de la VR (la media
espacial y la varianza).
(cardiograma).
Media y varianza se mantienen en el espacio.
Ejemplos estacionaridad.
Cao no estacionario (manto plegado).
Emery.
M. Variogrfico
Tarea (probar considerando el sondaje, y de manera global). Entender el mecanismo de c/u de ellos.
Mapa Vario (GSLIb
Se visualiza en el SGEMS

SGEMS (desplegar planos de manera 3D)

Medir la direccin de continuidad que tiene al variable analizada.
Reallziar EDA, definir UE sobre la cual se asume el supuesto de estacionaridad.
Realizar el anlisis de la direccin de la continuidad con la herramienta
(Alfaro, estudiar). Explicacin a cmo se obtienen as direccio nes de continuidad a travs del M.
variogrfico.
Determinar las 3 comp. Direcciones que van a construir el vector de continuidad.

Estoy viendo la continuidad de una variable en el plano XY.

Se representa la variabilidad en fn del paso.

Como el variograma es par, vere lo mismo en el otro lado.

Variogrma. Comportamiento de la continuidad en todas las direcciones que estn en el plano.
Los colores permiten identificar cul es la direccin donde tengo la mayor continuidad.
La direccin de mayor continuidad en el plano XY corresponde al azimut.
Cada evaluador podra obtener un m. variografico distinto, e interpretarlo de distinta manera (pero
dentro de cierto rango).
Tolerancia, paso, generar cambios en el despliegue de los datos.
M. variogrfico, conjunto de variogrmas que estoy viendo en un plano.
La continuidad es un vector.
Dterminar componentes direccionales
Para calcular 2da componente necesito mirar un plano q sea ortogonal a la componente. Tambin
voy a determinar una direccin.
Necesito ver el plano desde otra direccin, as ver el ngulo que tiene el vector.
Vulcan (mano izquierda) Dip es GSLIB (mano derecha). Dip es +
A partir del clculo de los planos, es como determinamos las 3 comp. Del vector (azimut, plunge y
dip)
SGEMS
Generar los 3 planos.
Se va a visualizar la envolvente. Medir ngulos dentro del computador.
M. Variogrfico
til para entender anisotropa den fenmenos, y as entender las direcciones q se tienen.

Independiente del comp. Que tnga el variograma en cualquier direccin, hay un elemento que se va
a mantener constante independiente de la direccin que estemos tratando.
La pepa, variabilidad a la escala ms corta posible.
Independiente a la direccin, todos tengan el mismo efecto pepa. Extrapolar cuando evalo
variogrmaa a la escapa ms corta posible. (vertical, sondajes).
Evaluar cmo se comporta la continuidad a la escala ms pequea. Ese efecto pepa es el que le
asigno a todas las direcciones.
Evaluar efecto pepa calculando variograma al paso ms pequeo posible (sondajes).

La razn x la cual es el mismo en todas las direcciones, lo q representa el efecto pepa es la

variabilidad q tienen los datos a la ms minma escala.
Los datos tienen asociado un error de muestreo (error fundamental).
Una forma de estimarlo, es a travs de un variograma en el sondaje (la escala ms corta posible).
Variabiidad en el origen es la misma para cualquier direccin.
Ejemplos de anisotropa
Geomtrica

La meseta es la misma, ind. De la direccin.

Ejemplo. PC.
Anisotropa en las unidades ms masivas.
Anisotropa zonal

Con el variogrma podemos determinar continuidad en ciertas direcciones

Con el mapa v. podemos determinar las drecciones preferenciales que posee la VA.
Continuidad al ser un vector, se puede utilizar fn matemtica q la modele
Qu herramientas se utilizan para construir la fn matemrtica.
Cuando modelamos variograma, lo q hacemos es ajustar ciertas fns matemticas q ya existen,
ajustarlas al comp. Que posee el varigorama experimental. Se realiza en c/u de las direccioens de
continuidad.
3 componentws

Si modelamos matemtica% c/u de las componentes, vamos a poder construir el vector.

Ajusrar fns a las caract. Del fenmenos, expresadas en el varigroama experimental en c/u de las
direcciones.
Asumimos q es nula, pero sabemos que no es nula
Relacin entre CV experimental y el variograma.

Las fns matemticas que utilizamos para poder modelar el vector pueden ser la sgtes
Fn cte 8efecto pepa puro).
Variograma lo estoy modelando con una fn cte.

Modelo esfrico

A=alcance.
H= paso.
C=meseta.
Modelo exponencial
Poseen formas distintas
Utilizo una u otra dependiendo de las caract. Del dato
Lo que quiero es generar fn matemtica q se ajusta al comportamiento que muestran los datos.
Esfrico. La fn alcanza la meseta de manera ms agreesiva
Exponencial. Se utiliza cuando el variogram tiende a ser mas continuo
Modelo gaussiano
Mucho ms continuo en el origen. Se ven agrupaciones de colores.
Variabilidad pura (colores q no tienen ningn patrn).
Modelamiento
Considerar
Variograma en una sola direccin.
Modelamiento lo realizamos a travs de la anidacin de estruc.
Suma de distintas fns matemticas, acotadas a ciertas distancias.

Suma de distintas fns que voy utilizando para anidar el variograma, y que dependen de la distancia
y de las diferencias de variabilidad.
3 direccones (las minimas para poder construir un vector).
1ra funcin (estructura) que vpuy a utilizar ser la pepa. La determinamos previamente con el
ejercicio de determinar el varigorama a lo largo del sondaje (pepa se conoce como Co)
2da estructura sera alguna de las fns matemticas mostradas anteriormente. Pero, las cuales
estarn condicionadas por
Distancia donde la fn ser vlida.
Variabilidad que me aporta la funcin (contribucin).
C1, y aplico una fn esfrica hasta los 50 mts. A los 50 mts tendr una variabilidad de 0.8
En la construccin de la fn, la contribucin es la diferencia.

Plantear fn matemtica para evaluar continuidad de la variable en la direccin

Comentarios
Identificar de manera correcta en el EDA las unidades de estimacin, de tal manera q el supuesto
de estacionaridad sea correcto. De esa forma, se podr apreciar a travs del variograma, la
estructuracin de la variable.

Si se mezclan datos con mucha variabilidad, no se podr distinguir ningn variograma, apreciar
continuidad en ninguna direccin.
Estudiar cmo se comporta continuidad, determinando direcciones que dan cuenta de eso, y una
vez tenido eso, modelar continuidad con una fn matemtica.
Visualizar continuidad en multiples direcciones
Variograma omnidireccional
Calcular variabilidad en todas las direcciones. Al haber pocos datos, es til, xq permite distinguir la
estructura espacial.
Si hay estructuras, se puede modelar.
Modelamiento variogrfico con SGEMS.
Ejercicio lo debemos realizar para C/U de las direcciones
1. Detwrminar la pepa (depende de los datos)
2. Determinar fn matemrica, y la contribucin que tendr en el ajuste de la fn. Determknar
el alcance para c/u de las direcciones
3. Determinar

1. Pepa (lnea)
2. Determinar el alcance.
Cuando anido 2da estructura, da lo mismo la contribucin que use, xq a cualquier distancia, el
variograma no va a generar mayor contribucin (infinito).
Independiente del valor, el aporte sre en mismo.

Las tres lneas se irn moviendo.

A medida q voy modificando los alcances, las lneas se van moviendo a la misma variabildiad.
Al agregar nueva estructura, debo ir modificando los alcances para q se vaya ajustando la fn
matemtica a los datos.
En el fondo, voy sumando estructuras, de tal manera d epoder ir ajustando primero las
contribuciones ty luego los alcances. De esa manera voy construyendo el ajuste para c/u de las
direcciones.
Al final el modelo para el vector estar cubierto.
Sin embargo, para q sea robusto, debera tener la mayor cantidad de direcciones posibles.
Determinar cmo se comporta el variograma en direcciones intermedias.

Cambio de soporte

Cmo cambia la dist. De nuestros datos, cuando pasamos a otro soporte.

Compsito (soporte puntual)
Coord. En el espacio q tiene un atributo.
Esa coord.. puede representar (representa un volumen) un pto, volumen de un sondaje.
El mismo pto podra rerpesentar el volumen de un bloque.
Las caract. De la dist. Q dan cuenta del fenmeno, se ven afectadas, principalmente la variabilidad.
Compsito: compositar a distintos soportes (estudiar esos cambios)
Cambio de soporte: consiste en lo q ocurre con la variable, cuando se regulariza sobre un bloque
(volumen).
La regularizacin se entiende como el promedio de los compsitos dentro del volumen.
(ver imagen de sondajes en apuntes)
Distintos soportes, donde c/u de los ptos representa el promedio de un grupo de datos q
corresponden a la variable.
Tambipen se puede entender dentro de un bloque.
Regularizacin promedio de los datos dentro del bloque.
La ragularizacin se refiere tanto a bloque como al volumen del sondaje.
Para q la regularizacin se pueda implementar, la variable debe ser aditiva

Cualidad q distingue a cierto tipo de variables, y q en algunos casos le impide hacer ciertos ejercicios
(variables no aditivas).

La aditividad la podemos entender como:

Se dice que una variables es una cantidad aditiva, si las cantidades promediadas (muestra o
compsito) son iguales al promedio de las cantidades. Es lo mismo q decir que la variable
promediada es igual al promedio de la variable (promedio de los valores de la variable).
Si la variable sobre la cual estamos trabajando iguala la relacin de arriba, se dice que es aditiva.
Se cumple cuando estamos trabajando con variables como las leyes (cualquier tipo de ley es aditiva).
Variables no aditivas:
Recuperacin
BWI
TpH
Frecuencia de fractura
GSI
RQD
(ojo con pregutna relacionada a aditividad).
Se producen diferencias al considerar variables no aditivas
Qu es lo q pasa con la dist. De una variable aditiva cuando modificamos el soporte
Histograma.
A medida q cambiamos el soporte, algo pasa con la variabilidad y la continuidad espacial.
Bloque.

El modelo de recursos q se reporta por lo general utiliza la unidad e explotacin como el volumen
que dar cunenta de las caract. De la explotacin.
El tamao del soporte tendr un efecto en la representacin del bloque.
Cuando aumentamos el soporte, el variograma tiende a reducir la meseta y a reducir el efecto
pepita.
En trminos de variabilidad, la variabilidad disminuye.
EN el histograma, la media se mantiene, independiente del soporte q utilicemos. Pero hay un
cambio en la varianza.
Hay un cambio en la forma del histograma (se simetriza)
Eso significa q si el histograma estaba cargado a los datos bajos, tiende a cambiar la forma.
(CONSECUENCIA DE ESTO, OJO)

Hay una cada en la varianza. La cada serpa denotada con la fn de arriba.

c/u de los histogramas, su rea no cambia.

AL cambiar el soporte, la media se mantiene, pero el variograma tiende a ser ms simtrico.
Efecto: No es arbitrario la relacin q debe existir entre el soporte puntual y el soporte de bloque.
Ley de corte
Volumen de datos sobre ley a nivel puntual es menor
Pero, al aumentar el soporte, estamos sobreestimando la estimacin. Si nos fijamos en la media, no
nos dice nada.
LA varianza, esperamos q la variabilidad a un mayor soporte se reduzca.
Mientras ms alta la ley de corte, mas riesgo de sobreestimar tengo.
Mientras la proporcin sea mayor en los valores altos, ms estoy sobrestimando.
Qu pasa si la distribucin est cagada hacia leyes altas. Pasa lo contrario.
Hay un cambio en la distribucin
A > soporte, la dist. Tiende a ser mpas simtrica, corre el riesgo de sobreestimar los datos sobre la
ley de corte.
Ejemplificar el cambio en la distribucin.

Depende del tipo de mineral si se sobrestima o subestima (Fe)

Unidad mnima de explotacin.
SMU de un sublevel caving.
Cualquiera sea la SUM, es un volumen, qu representa ese volumen (un atributo), cmo la obtuve,
a partir de info. Puntual
Para qu sirve el cambio de soporte?
La info fragmentaria es uper escasa, y la extrapolamos a un volumen.
El problema es que al escalar

Derecha
Curva tonelaje ley
Azul y roja continua (soporte puntual). Soporte puntual.
Curva proporcin v/s ley.
Verde y magenta representa nel soporte a 30 m

A medida q el soporte crece, las prorporciones aumentan, mientras que la ley baja.
Modelo de cambio de soporte
Modelar fn de cambio de soporte, q me vaa corregir el cambio de histograma.
El modelo de cambio de soporte me propondr un tamao de soporte, q me va a generar un
histograma, el cual va a representar de cieerta forma la distrib. A un volumen mayor (voy a poder
controlar el cambio en la dist).
Sin hacer estimacin de recursos, el Saber co se vaa comportar el histograma a un volumen mayor,
se va a servir para poder determinar la cantidad y la ley de recurso q podrpia tener a un volumen
mayor.
Lo q hago es estimar la distribucin
Ley media y tonelaje sobre ley de corte de 0,3
Propyecto (hacer estimacin de recurso).
Volumen sobre ley de corte y cul es la ley media de ese volumen, me basta con poder utilizar
modelo q permita construir histograma a un > volumen.
Si determinamos ley de corte, podremos determinar la cantidad de bloques que estn sobre esa ley.
Regularizacin en el histograma, mantiene la media, dsiminuye la varianza
Aumenta la continuidad espacial, xq la varianza del variograma se reduce drsticamente.
LAs curvas tonelaje ley cambian respecto al soporte puntual
Implicancia de lcambio de soporte en el recurso.
(la distribucin se sobreestima).
(Paper sobre esto, leer OJO)

La varianza (variograma) del bloque es igual a la varianza puntual menos la diferencia entre la
varianza a nivel de bloque y la varianza puntual.
Para poder construir el modelo de cambio de soporte, necesitamos calcular el factor de reduccin
de varianza
Lo cual corresponde al cociente entre la varianza del soporte mayor, partido por la varianza puntual.
Correccin afn

Homologar el histograma puntual con el histog. De los datos a un bloque mayor.

Qv (volumen): cuartiles de la distribucin en el bloque.
F: dactoe de reduccin de varianza
Qx: cuantiles de la distribucin a nivel puntual
Con esa fn podemos construir un nuevo histograma, que dar cuenta de la dist. A un soporte mayor.
funcin slo me dice cmo sera la distribucin a un soporte mayor.

Sobre ley de corte podemos habalr de una cuantificacin de recurso a priori