FACULTAD DE INGENIERA

Escuela Acadmico Profesional de

Ingeniera de Minas
Ing. Mara E. Lpez Becerra Julio del

2015
 MEDICIN DE ERRORES MEDIANTE
LA VARIANZA DE ESTIMACIN

Definir la variabilidad de un yacimiento.

a) Concepto de soporte
b) Varianza de dispersin (c/distintos soportes)
c) Varianza de estimacin
Soporte: es el termino que se usa en la geoestadstica para describir el
volumen en funcin del cual se define una ley. El soporte se usa para
explicar tanto las muestras como los bloques.

A medida que aumenta el tamao de la muestra (o del soporte de la

muestra), la varianza de las leyes resultantes disminuye.

El cambio en la varianza debido al cambio en el volumen se denomina la

relacin volumen-varianza.

Existe un tamao mnimo de bloque que se puede seleccionar ya sea como

mineral o estril. El tamao del bloque se denomina la unidad minera
selectiva o UMS.

A medida que disminuye el tamao de la unidad minera selectiva la

varianza de las leyes del bloque aumenta.
Ejemplo: Un rea con sondajes en una cuadrcula regular de aproximadamente
8metros. En esta rea, se definen las leyes de bloque en soportes diferentes
calculando el promedio de las leyes de los sondajes dentro de cada bloque. Los
tamaos de soporte seleccionados son bloques de 30 x 30 y 50 x 50 en el plano.
En todos los casos se usa una dimensin vertical de 12 m, correspondiente a la
altura del banco.
Se realiza una comparacin de los histogramas, los
variogramas y las curvas ley tonelaje para los dos tamaos de
bloque y para los datos del punto de origen.
Las distribuciones de ley muestran algunas diferencias
significativas a medida que aumenta el tamao de bloque.
La diferencia mas grande corresponde a una reduccin de
la dispersin de los datos. Un anlisis de los histogramas
muestra que, una vez que las leyes se han promediado en
el volumen del bloque, aparecen muchos menos valores en
la cola de la distribucin.
El clculo del medio dentro de un bloque y la consiguiente
reduccin de la varianza hace que los histogramas se
contraigan hacia la ley media, influenciando tanto los
variogramas como la curva ley tonelaje.
 Los tres variogramas que se muestran fueron calculados
para las leyes puntuales (tamao de muestra) y las dos leyes
de bloque.
Existen dos diferencias significativas en los variogramas de las
leyes de bloque y puntuales.
En primer lugar los umbrales aparentes de los variogramas de
las leyes de bloque son significativamente menores en el
umbral aparente del variograma de las leyes puntuales. La
reduccin del umbral se relaciona directamente con la
varianza reducida de las leyes de bloque comparadas con las
leyes de soporte puntuales ( de muestra).
La segunda caracterstica de los variogramas consiste en que,
si se proyectan los primeros puntos experimentales de vuelta al
origen el efecto pepita desaparece.
El clculo de la media reduce la variabilidad aleatoria
rpidamente, as que al calcular la media de las muestras para
calcular las leyes del bloque se eliminan casi toda la variabilidad
aleatoria y por consiguiente se elimina el efecto pepita de los
variogramas de las leyes de bloque.
Las diferencias mas importantes entre las leyes puntuales y de
bloque se encuentran en las curvas de ley tonelaje. Tanto las
leyes como los tonelaje indicados por las leyes puntuales difieren
significativamente de las leyes y los tonelajes indicados por las
leyes de bloque. Dentro del limite potencial de las leyes de corte
(por ejm 0.6% a 1.0% de Cu), la distribucin de las leyes puntuales
sobrestiman las leyes sobre el corte y subestiman las toneladas de
mineral que se removern. Una vez que se ha realizado la
seleccin de mineral/estril en las leyes de bloque en efecto se
removern mas toneladas de mineral de baja ley que las que se
predijo en la curva de ley puntual- tonelaje.
En el siguiente estudio se mostrara que se pueden usar los mtodos
geoestadsticos para derivar coeficientes de correlacin que son
especficos para el yacimiento en el sentido de que los coeficientes
dependen del modelo de correlacin espacial derivado para el
yacimiento la correccin requiere dos pasos: en primer lugar, se
predice la reduccin de la varianza al pasar de las leyes puntuales en
las leyes de bloque, luego se supone una forma para la distribucin
de las leyes de bloque para realizar dicha correccin, se presentarn
dos conceptos geoestadsticos independientes denominados la
varianza de dispersin y el cambio de soporte

En conclusin no se puede afirmar las reservas explotables de un

proyecto sin fijar un tamao de soporte.
.
 Varianza de Dispersin

Son las medidas de variabilidad, donde se muestra la variabilidad

de una distribucin, indicando por medio de un nmero si las
diferentes puntuaciones de una variable estn muy alejadas de la
media. Cuanto mayor sea ese valor, mayor ser la variabilidad, y
cuanto menor sea, ms homognea ser a la media. As se sabe si
todos los casos son parecidos o varan mucho entre ellos.
De acuerdo al siguiente ejemplo se muestra que la variabilidad
disminuye a medida que el soporte aumenta:
Los valores de los datos individuales dentro del bloque han sido
reemplazados por un solo numero: la ley media.
Luego se define la varianza calculando la varianza de las leyes
medias.
Puesto que las leyes individuales han sido reemplazadas por una
sola ley media.
En el siguiente cuadro presenta la varianza media de las leyes
puntuales dentro de un bloque, la varianza de las leyes de bloque
dentro del rea de estudio y la varianza de las leyes puntuales
dentro del rea de estudio. Aparece una relacin interesante en
este cuadro. La varianza de las leyes puntuales en el area de
estudio es igual a la varianza de las leyes de bloque en el rea de
estudio mas la varianza de las leyes puntuales dentro de un bloque
Consideremos 16 leyes puntuales agrupadas en bloques de 2x2
los datos y las varianzas calculadas son las siguientes:
Datos
1.05 0.7 0.85 0.93 Estadsticas para los 16 datos
1.2 1.11 0.87 1.1 Media = 0.985
0.9 0.78 1.33 1.18
1.02 0.9 1.13 0.71 Varianza = 0.0316
 2 x 2 Clculo de la Media de Estadsticas para
los Datos bloques de 2 x 2
1.015 0.9375
media = 0.985
0.9 1.0875 Varianza = 0.0052

La varianza media de los valores de los datos dentro de

un bloque de 2 x2 es igual a:

2 2 2 2 2
s = (( ( 1.05-1.015) + (0.7-1.015) + (1.2-1.015) +(1.11-1.015) )/4 +
2 2 2
2+ (1.33 - 1.0875) + (1.18- 1.0875) + (1.13 - 1.0875) + (0.71 -
1.0875) )/4)/4
2
s (puntos dentro del bloque) = 0.0264
De estas varianzas calculadas vemos que:
2 2 2
s (puntos dentro del rea) = s (bloques dentro del rea) + s (puntos dentro del bloque)
 2 2 2
D (0 / A ) = D (v / A ) + D (0 / v )
2:
D Varianza
0 : representa el soporte puntual Muestras puntuales
v: Bloques
A : representa el soporte del rea de estudio.

Varianza de las muestras

puntuales en un rea
=

Varianza de los Bloques del rea + Varianza de las muestras puntuales

en los bloques
Se demostr que la Varianza disminuye al
aumentar el tamao del soporte
El modelo de variograma se puede usar para predecir la varianza
de leyes en un soporte de cualquier tamao dentro de cualquier
volumen.
vi es reemplazado por las leyes de los datos individuales y el
trmino m es reemplazado por la ley media del bloque y
La varianza de dispersin se interpreta como la varianza de las
leyes de muestra dentro del bloque.
En la primera expresin, la diferencia al cuadrado media se
calcula en todos los pares de puntos que definen el volumen v.
Se puede ver de la similitud de ambas expresiones que la varianza de
dispersin de las leyes de muestra dentro de un volumen es igual al medio
de la funcin de variograma en funcin del volumen. Se puede escribir
matemticamente:
_ 1 n n
D2 (0 / v) (v, v) i) j ))2
(z(x
2 z(x
2n i=1 j=1

Basado en esta relacin se puede expresar cualquier varianza

de dispersin en trminos de la funcin de variograma.
 Varianza de Estimacin
Mientras que la varianza de dispersin expresa la variabilidad de las leyes, la varianza
de estimacin expresa la variabilidad asociada con una
estimacin o, en otras palabras, expresa la varianza de los errores de
estimacin.

La varianza de estimacin es una medida de la dispersin de los errores

aleatorios, ya que se requiere que el estimador no tenga ningn sesgo y, por lo
tanto, el error sistemtico ser cero.

Para entender la varianza de estimacin se debe tener en cuenta la exactitud y precisin

 Tipos de errores
Sistemticos y Aleatorios

La precisin describe el error aleatorio o las fluctuaciones en torno al valor

verdadero mientras que la exactitud describe el error sistemtico o el sesgo.
 El error de estimacin para un punto (E), ser la diferencia entre
Z*, (la verdadera ley del punto), y la Ley (Zx) que es resultado de
su clculo a travs de leyes xi afectados por un coeficiente Ki .
= Z* - Zx = Z* - (xi . Ki )
Si el estimador no tiene sesgo (error sistemtico nulo), la distribucin

de los errores debera seguir una distribucin normal.
El estimador usado tiene la forma : n
*

zv (x) i
z(x i)
i1

donde los representan las ponderaciones asignadas a cada dato. La

nica restriccin para las ponderaciones es que sumen uno,
 La varianza de estimacin va a depender de las distancias estadsticas (Y), promedio
entre los datos y el bloque. Puesto que el modelo de variograma es una funcin
creciente, el error de estimacin aumenta o disminuye con las distancias desde las
muestras al centro del bloque.(es lo que expresa el 1er trmino de la frmula) .

El segundo trmino de la expresin involucra el promedio de la funcin del

variograma entre las ubicaciones de las muestras. Este trmino es negativo, as que la
varianza de estimacin disminuye a medida que este trmino aumenta (datos
distanciados). Si los datos se encuentran agrupados, las muestras bsicamente
investigarn el mismo punto en el espacio y, como consecuencia, mucha de la
informacin se har redundante (aumenta la varianza de estimacin).

El tercer trmino examina el promedio de la funcin del variograma dentro del bloque
mismo. A medida que aumenta el tamao del bloque, tambin aumenta ese trmino,
reduce la varianza de estimacin.
 LA VARIANZA DE EXTENSION Y LA CONFIGURACION DE PANELES EN
MALLA REGULAR
Vamos a suponer que tenemos una malla de exploracin diamantina de 100 X 100
metros,. La mayora, por costumbre ms que por otra razn, prefiere configurar los
paneles con el taladro al centro; sin embargo hay otras alternativas, las cuales se pueden
configurar sin modificar la malla de exploracin. Por ejemplo, podemos configurar
paneles como el de la esquina superior derecha con cuatro taladros en cada vrtice;
tambin es posible comprometer slo a dos taladros tal como se muestra en la parte
inferior izquierda y hasta 5 taladros (esquina inferior derecha). Intuitivamente sabemos
que todas estas alternativas son definitivamente mejores que la usual del taladro
centrado, ya que presentan mejor soporte, es decir involucran a ms valores a la hora de
la estimacin de la ley media del panel.

Configuracin de diferentes
paneles para una misma malla
regula
r
Podemos demostrar esto empleando la geoestadstica. Para ello comparemos la
configuracin del taladro centrado y la de los cuatro valores (uno en cada
vrtice).
Como se trata de extensiones comunes, por lo general existen bacos que nos
permiten calcular fcilmente la varianza correspondiente. El que necesitamos est
en la siguiente figura. Se puede notar que, la configuracin del taladro centrado
siempre nos da el mayor error. Por ejemplo para un variograma con C = 1 y un
alcance a = 170, la estimacin de reservas con el panel centrado nos dar un error
de 0.27; mientras que para los paneles con los taladros en los vrtices nos da
prcticamente la mitad (0.14). Esta diferencia se hace mayor cuando configuramos
paneles con l mayores que el alcance a; como es el caso de a = 50, donde
tenemos errores de 0.80 y 0.28 respectivamente; lo cual es una gran diferencia.
Luego de conocer esto nadie debera usar la configuracin del taladro centrado.

En el mismo baco de la siguiente figura, tambin se comparan dos

configuraciones por tramos, una con las muestras en los extremos y la otra con la
muestra en el centro del tramo. Resulta obvio que el error involucrado al estimar
(extender) la ley de un tramo desde la ley centrada es mayor que el error que resulta
al asignar la ley a partir de puntos de muestreo en los extremos del tramo; esto es
vlido para distancias de muestreo mayores que los del alcance del variograma
respectivo.
modelos esfricos para la estimacin de varianzas
 EVALUACIN DE MALLAS DE RECONOCIMIENTO
USADOS EN LA EXPLORACIN Y EXPLOTACIN
MINERA
EL ANALISIS VARIOGRAFICO GEOESTADISTICO

La funcin variograma es una de las herramientas ms poderosas que tiene la

geoestadstica. Vamos a definirla tomando el caso de un depsito D, en el cual se ha
tomado una determinada cantidad de muestras, en diferentes puntos x i , cada uno de
ellos con su respectivo valor de una determinada variable Z(x i) que nos interesa
estudiar (puede ser ley de Au, contenido de As, intensidad de una alteracin, peso
especfico, dureza, porosidad, etc.). Estas entidades son denominadas variables
regionalizadas porque sus valores estn relacionados con ubicaciones precisas en el
tiempo o espacio.
Es de esperar que dos valores contiguos Z(xi) y Z(xi+h), separados una distancia h,
estn relacionados entre s (autocorrelacin), es decir que sus valores sean
dependientes el uno del otro; esto debido a que casi siempre toda variable tiene un
patrn de distribucin (o estructura, como se le llama en geoestadstica), ya que nada
es al azar en la naturaleza. Tambin sabemos que debido a la complejidad de los
procesos geolgicos no habr patrones de distribucin idnticos.
La estadstica clsica no puede reconocer dichas estructuras ya que sus
parmetros y funciones no toman en cuenta la ubicacin de los datos.
Para explicar esto nos referiremos a la siguiente fig. , en la cual hacia el borde
izquierdo se est representando dos tramos (puede ser de galera, taladro, etc.)
con las leyes que se han analizado cada cierta distancia.
Salta a la vista que los valores del tramo A tienen un patrn de distribucin o
estructura (los valores aumentan hacia el centro y disminuyen hacia los flancos);
mientras que en el tramo B tenemos una distribucin al azar. Ntese que en
ambos casos estamos usando los mismos dgitos, por lo que que la media m la
2
varianza y el histograma en los dos tramos son los mismos; mas no as la
funcin variograma (h) que en el tramo A muestra una clara dependencia con
respecto a h, que es la separacin entre las muestras; mientras que en el tramo
B dicha funcin es independiente de h, lo cual es tpico de distribuciones al azar,
prcticamente inexistentes en la naturaleza; ya que por lo general, las variables
cuantificables o semicuantificables, relacionadas con los yacimientos, se
originan por determinados procesos que les imprimen un patrn caracterstico, es
decir todo lo contrario a una distribucin al azar.
 El variograma puede ser estimado a partir de datos experimentales (por ejemplo las
leyes provenientes de una campaa de muestreo) empleando la frmula
general :

donde:
Z : es la variable estudiada
Z(x) : es el valor de dicha variable en el punto x
Z(x+h) : es el valor de la variable en el punto (x+h) h
: es el paso entre las muestras (distancias iterativas)
n : nmero de pares de valores
2 (h) : valor de la funcin variograma para un valor h.
(h) : valor de la funcin semivariograma (denomina usualmente variograma)

Todos los paquetes de software aplicados a minera utilizan esta frmula para
el clculo de los variogramas experimentales; las respectivas facilidades grficas nos
mostrarn variogramas con apariencia similar a la que se a idealizado en la fig.
siguiente., que nos servir para explicar los principales parmetros de la funcin
variograma.
Dentro de la distancia a (alcance), la variable es totalmente estructurada, es decir
depende, o est controlada, por la funcin (h). Mas all del a la variable es
aleatoria, o sea independiente de la funcin variograma: la curva (en color rojo) se
transforma en una meseta (C+Co) cuyo valor tericamente debe coincidir con la
varianza estadstica de todos los datos involucrados en el clculo del variograma.
 A.- DIMENSIONAMIENTO DEL MUESTREO
Un buen muestreo descansa en tres aspectos principales.
Buena representatividad de la muestra.
Proporcionalidad de la muestra.
Distancia optima de muestreo.

A.- metodologa general

En la mayor parte de los casos para optimizar la distancia del muestreo se sigue el siguiente
procedimiento:

a) Selecciona un tramo piloto: representativo de la zona de estudio y aplicar un muestre de

alta densidad. (0.5 1.0m en vetas, 5 a 10m en cuerpos).
b) se simula tramos de muestreo mayores: para ello la data original se toma valores dejando
uno, luego dos, tres y as sucesivamente, se calcula los parmetros estadsticos (media,
varianza, error relativo) para cada distancia simulada.
c) Se analiza a que distancia de muestreo, los distintos parmetros dejan de ser confiables.
d) El error relativo nos fija el limite mximo de espaciamiento de muestreo, para un
determinado nivel de confianza.
 Adicionalmente, para cada distancia de muestreo, se puede calcular su respectivos
variograma.

En la siguiente fig. muestra un ejemplo de ello. A partir de la poblacin original densa (cada
1.5 m), se ha generado dos sub-poblaciones, con distancias de muestreo simuladas (3.0 y 4.5
m), y se ha ploteado sus respectivos variogramas. Se nota claramente que la distancia de
muestreo se puede extender hasta los tres metros; ya que el variograma de 4.5 m no
reproduce las caractersticas del original de 1.5 m. Aplicando los test estadsticos,
mencionados, y siguiendo este procedimiento con los variogramas, se ha mejorado el
muestreo de varias vetas de oro de la, definiendo distancias de muestreo entre 1.5 y 3.0
metros.

Semivariograma experimental
calculado a a tres distancias diferentes
a lo largo de un core de 1.50, 3.00 y
4.5 m
 SELECCIN DE LA MALLA MAS APARENTE A PARTIR DE LOS
PARAMETROS ESTADISTICOS

Para ilustrar este caso vamos a referirnos a la siguiente figura, en la cual se muestra
todas las mallas alternativas que se pueden construir a partir de una malla de 10*10
metros, que es la malla original de muestreo. Se ha calculado los parmetros estadsticos para
cada configuracin, los cuales figuran en el cuadro de la parte inferior de la Fig. Claramente
se observa que la malla 10*50 es la que presenta la mayor variacin de sus parmetros con
respecto a la malla de 10*10; mientras que las que menos discrepancias presentan son las
mallas 10*20 y 14.1*14.1. Uno de los parmetros ms indicativos viene a ser la varianza de
estimacin, la cual usualmente se expresa como error relativo (E.R.%). Como se puede ver,
este parmetro en todos los casos est por debajo de 35 %, el cual se considera aceptable; sin
embargo es preferible elegir los que presentan el menor error relativo (mallas 10*20 o
14.1*14.1).
 EL CONCEPTO DE ANISOTROPIA DE UNA DISTRIBUCION Y SU
APLICACION EN
EL DIMENSIONAMIENTO DEL MUESTREO

Raras veces las distribuciones resultan istropas, lo cual quiere decir que los
variogramas en todas sus direcciones son similares. Esto es inusual, ya que casi
siempre los procesos geolgicos son direccionales, es decir, por lo general tienen
una direccin o componente preferencial, concepto relacionado principalmente al
flujo o flujos de mineralizacin.
Para aclarar esto vamos a referirnos a la fig. siguiente (simplificada a partir de
CANCHAYA & BERNUY 1983), en la cual se muestra varios tramos de muestreo
a lo largo de galeras y chimeneas sobre una veta. Como los flujos mineralizantes
generalmente son sub-verticales, el patrn de distribucin a lo largo de las
chimeneas ser diferente al de las galeras; lo cual quedar
expresado en los respectivos variogramas y principalmente en el alcance a. Para
el caso se ha obtenido a h = 10 y a = 20. Por lo tanto tenemos una distribucin
anistropa y consecuentemente debemos definir una elipse de
Influencia.
Relacin entre la precisin y el costo asociado a diferentes mallas de
perforaci
n