Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de Fontainebleau
Fascculo 2
CURSO DE GEOESTADSTICA
Por
Georges MATHERON
1969
Marco ALFARO
2005
Propiedad del Centro de Geoestadstica de la Escuela de Minas de Pars.
Prohibida su venta.
1
CURSO DE GEOESTADISTICA
Tabla de Materias
PREFACIO 3
0 INTRODUCCION. 4
0-1 Notaciones 4
0-2 Producto de convolucin 5
0-3 Geoestadstica y Teora de las variables regionalizadas 6
0-4 Mtodos transitivos y Teora intrnseca 10
3 EL ESQUEMA ESFERICO. 45
4 EL KRIGEADO 47
5-0 Introduccin 53
5-1 Eleccin de una ley de corte y de un ritmo anual de
explotacin 56
5-2 Reconocimiento ptimo para el dimensionamiento de la
explotacin 60
5-3 Optimizacin secuencial y trmino del reconocimiento 63
6. EJERCICIOS 70
BIBLIOGRAFIA 77
2
PREFACIO DEL TRADUCTOR
M. ALFARO
3
CURSO DE GEOESTADISTICA
0 INTRODUCCION
f ( x)dx
Por ejemplo, para n = 3 dimensiones, y, designando por (x1, x2, x3) las
tres coordenadas del punto x, esta notacin se explicita de la manera
siguiente:
+ + +
f ( x)dx =
dx1 dx2 f ( x1 , x2 , x3 )dx1dx2 dx3
b1 b2
f ( x)dx = dx f ( x , x )dx dx
A a1
1
a2
1 2 1 2
Ejemplo: Sea V un volumen, y g(h) = g(h1, h2, h3) una funcin del vector
h de coordenadas h1, h2, h3 . Sean x = (x1, x2, x3) e y = (y1, y2, y3) el
origen y la extremidad del vector h, es decir h=y-x. El valor medio de la
4
funcin g(h) cuando los dos puntos x e y recorren (cada uno a su manera)
el volumen V, se escribe:
1
v 2 v v
dx g ( y x)dy
1
v2 dx dx dx g ( y
v
1 2 3
v
1 x1 ; y2 x2 ; y3 x3 )dy1dy2 dy3
g ( x) = f1 ( y ) f 2 ( x y )dy = f 2 ( y ) f1 ( x y )dy
g = f1 f 2
f p ( x0 ) = p ( y ) f ( x0 + y )dy = p ( y ) f ( x0 y )dy
5
Sea p la funcin transpuesta de la funcin p (por definicin:
p (x)=p(-x)). fp(x0) es el valor en x0 de f* p :
fp = f p
1
fv = f k
v
representa la ley media de la muestra v tomada en el punto x. De manera
explcita, se tiene:
1
v v
f v ( x) = f ( x + y )dy
Ejemplo 2 (radiactividades)
Ae d ( x x0 ) / d ( x x0 ) f ( x)dx
e d ( x x0 )
A f ( x ) dx
d ( x x0 )
Esto no es otra cosa que el producto de convolucin Af * p (con una
d
funcin p de ponderacin p( x) = e / d , la cual es adems simtrica, es
decir p = p )
6
fenmeno es regionalizado cuando se desplaza en el espacio, manifestando
una cierta estructura. Las ciencias de la tierra, entre otras, nos
proporcionan numerosos ejemplos. Si f(x) designa el valor en el punto x
de una caracterstica f de este fenmeno, diremos que f(x) es una
variable regionalizada, abreviado, una V.R. Se trata de un trmino
neutro, descriptivo, anterior, en particular a toda interpretacin
probabilstica.
7
teora intrnseca: se trata de una aplicacin de la teora de las
funciones aleatorias; entonces se introducen interpretaciones
probabilsticas, y adems, una cierta hiptesis de estacionaridad
(hiptesis intrnseca)
8
1 - LOS METODOS TRANSITIVOS
1 si x S
k ( x) =
0 si x S
S = k ( x)dx
9
1 si x S S h
k ( x ) k ( x + h) =
0 si x S S h
a/ Simetra: K ( h) = K ( h)
Relaciones: S = K (0)
S 2 = K (h)dh
10
K (h) = K (0) rD
a/ Simetra: g ( h) = g ( h)
g (h) g (0) = [ f ( x) ] dx
2
desigualdad:
(2) Q 2 = g (h)dh
1
[ f ( x + h) f ( x)] dx
2
g (0) g (h) =
2
Si f(x) es continua por trozos, g(h) tiene un comportamiento lineal en
una vecindad del origen.
Si f(x) es derivable, g(h) tiene un comportamiento parablico:
11
A menudo, g(h) no es continuo en h=0: dicho de otra manera, g(0) es mayor
que el lmite de g(h) cuando h tiende a 0. Se dice entonces que hay un
efecto de pepita. Ms que una discontinuidad verdadera, se trata,
frecuentemente, de una zona de transicin muy rpida, la cual,
experimentalmente, se presenta como una discontinuidad.
Caso istropo. Si g(h) = g(r) solo depende del mdulo r = |h| del vector
h, su desarrollo en una vecindad del origen contiene una parte regular
(trminos de grado par) y una parte irregular (trminos en r,
diferente de un entero par, eventualmente con trminos logartmicos
r2klog(r)):
K (h) = S D | h | +...
gp = f * p* f * p = f * f * p* p = fp * fp
12
se puede poner en la forma:
gp = g *P
con P = p * p : entonces el covariograma de la regularizada se obtiene
regularizando g con el covariograma transitivo P de la funcin de
ponderacin p: gp es una funcin ms regular que g, as como fp es ms
regular que la V.R. inicial f.
f 2 ( x1 , x2 ) = f 3 ( x1 , x2 , x3 )dx3
f1 ( x3 ) = f3 ( x1 , x2 , x3 )dx1dx2
log (r ) r
r r 2log (r )
13
+
Q=
f ( x)dx
p =+
Q* ( x0 ) = a f ( x0 + pa )
p =
a
dx +
E (Q* ) = a f ( x0 + pa ) 0 = f ( x)dx = Q
0 p a
a
2 dx0
2 (a) = E (Q*2 ) Q 2 = Q* ( x0 ) Q2
0
a
+ +
f ( x0 + pa ) f ( x0 + qa ) = a 2 f ( x0 + pa ) f ( x0 + pa + ka )
2
Q* ( x0 ) = a 2
p = q = k p
Integremos de 0 a a. Se tiene:
a a
0 k 0 p
+
= a2 f ( x0 ) f ( x0 + ka )dx0 = a 2 g (ka )
k k
+ +
(3) 2 (a) = a g (ka ) g (h)dh
k =
14
En el espacio de n dimensiones, se tiene un resultado totalmente anlogo.
Por ejemplo, para n=3, y para una malla en forma de paraleleppedo a1 a2 a3
se tiene:
la malla a es ms pequea
la funcin g, luego tambin la funcin f, es ms regular.
1
r a 2
6
r log (r ) 0.0609a 3
2
1
(4) 2 (a) = A a1+ = ( A L1+ ) 1+
n
Esta varianza est en razn inversa de n1+ (y no en 1/n como lo habra
sugerido una aplicacin errnea de la estadstica clsica).
15
Figura 1: Zitterbewegung en la estimacin de la superficie de un crculo
de dimetro 1, a partir de una malla cuadrada de lado a. En abscisa, la
malla a. En ordenada, la varianza de estimacin correspondiente 2(a). La
curva en morado representa el valor exacto, calculado a partir de la
frmula exacta (1-14), la curva en azul representa la frmula 2(a) =
0.2276 a3 + 0.0047 a5 obtenida despreciando el Zitterbewegung y reteniendo
los dos primeros trminos del desarrollo limitado dado por el principio
de correspondencia (Nota del T.: no corresponde a la figura original, la
cual es en parte errnea).
16
1-4-3 Frmulas de aproximacin para el espacio de dos o tres dimensiones.
K (h) = S | h | D + ...
17
3
S2 1 D 1 a1 + 0.0609 a2
2
= 3
S 2
S 6 a2 a1
n2
La varianza es en 1/n3/3, siendo n el nmero de sondajes positivos. Para
utilizar esta frmula a partir de los datos disponibles, se puede estimar
S atribuyendo a cada sondaje su rectngulo de influencia, lo que
proporciona:
S = na1a2
S2 1 N2 N12
(6) = + 0.061 ( N 2 N1 )
S2 n2 6 N2
18
Se lee en la figura:
2D1 = 12 a1 es decir N1 = 6
2D2 = 8 a2 es decir N2 = 4
Por consiguiente:
S2 1 4 36 1.21
2
= + 0.061 =
S 100 6 4 100
19
2 TEORIA DE LAS FUNCIONES ALEATORIAS INTRINSECAS
Siempre se puede considerar una realizacin de una y(x) de una F.A. Y(x)
como una variable regionalizada. Inversamente, se puede interpretar una
V.R. como una realizacin de una cierta F.A. Y(x): esta interpretacin
permite aplicar a las V.R. los resultados de la teora probabilstica de
las F.A.
Observaciones
1/ No se puede afirmar que una V.R. y(x) es una F.A. Esto tendra el
mismo sentido que decir: el nmero 98 es una V.A. El enunciado correcto
de la hiptesis probabilstica de base que deseamos introducir es: y(x)
es una realizacin de una F.A. Y(x).
2/ Para que esta hiptesis probabilstica tenga un sentido real, es
necesario poder reconstituir, al menos en parte, la ley de la F.A. de la
cual suponemos que la V.R. y(x) es una realizacin, lo cual supone que la
inferencia estadstica es posible. Por otra parte, la inferencia
estadstica no es, en general, posible si se dispone de una sola
realizacin y(x) de Y(x) (de la misma manera, no se puede reconstituir la
ley de una V.A. Y a partir de un resultado numrico y=98 de un nico
experimento.). Para que la inferencia estadstica sea posible, es
necesario introducir hiptesis suplementarias acerca de la F.A. Y(x), de
manera de reducir en nmero de parmetros de los cuales depende la ley
de Y(x). Este es el objetivo de la hiptesis estacionaria que vamos a
definir: una F.A. estacionaria se repite, de una cierta manera, en el
espacio, y, esta repeticin hace posible la inferencia estadstica a
partir de una realizacin nica. Precisemos ahora esta hiptesis:
20
F.A. estacionaria. Se dice que una F.A. Y(x) es estacionaria si su ley
es invariante por translacin. Dicho de otra manera, si x1, x2, ..., xk
son k puntos de apoyo arbitrarios (k entero cualquiera), las k variables
aleatorias Y(x1), Y(x2), ..., Y(xk) tienen la misma ley de probabilidad
(de k variables) que las k V.A. Y(x1+h), Y(x2+h), ..., Y(xk+h). En
adelante, Y(x) designar una F.A. estacionaria.
m = E[Y ( x)]
21
campo V aumenta. Si las muestras de tamao v poseen una varianza a priori
finita, sta debe ser igual al lmite cuando V tiende a infinito, de la
varianza experimental 2(v|V).
Es as como los autores de Africa del Sur (D. G. Krige, etc., ...), a
partir de cientos de miles de muestras tomadas en el gran yacimiento de
oro de Rand, calcularon la varianza de las muestras en paneles cada vez
ms grandes, luego en toda una concesin, luego en el yacimiento de Rand
en su conjunto: obtuvieron una relacin experimental de la forma:
V
2 (v | V ) = log
v
El crecimiento de la varianza se produce siempre segn esta ley
logartmica (frmula de De Wijs) hasta el ltimo punto experimental, en
el cual V/v es del orden de la decena de billones: Se puede concluir, con
plena seguridad, que, en este caso, no existe una varianza a priori
finita.
La funcin (h):
1
( h) = E ( Y ( x + h) Y ( x) )
2
(2)
2
22
(3) (h) = K (0) K (h)
Como |K(h)|K(0), se tiene (h)2K(0), de manera que el variograma de una
F.A. estacionaria de orden 2 est necesariamente acotado. Existen
esquemas intrnsecos de uso muy corriente cuyo variograma (h) no est
acotado, y que no pueden, por consiguiente, verificar la hiptesis
estacionaria de orden 2 (tienen una varianza a priori infinita). Ejemplo,
esquema de De Wijs ((h)=3log|h|), esquema lineal ((h)=A|h|).
a/ Simetra:
K ( h ) = K ( h) , ( h) = ( h)
Desigualdades:
23
d/ Alcance. En el caso estacionario de orden 2, el alcance a() en
una direccin es el valor de la distancia a partir de la cual, en esta
direccin, Y(x) e Y(x+h) no tienen correlacin (o su correlacin es
despreciable): K(h)=0 (o 0) para |h| a().
24
Comportamiento lineal (tangente oblicua en el origen): (h) es continuo
en h=0, pero no es derivable en este punto, Y(x) es continua en media
cuadrtica, pero no es derivable, luego es menos regular.
(r ) = a2 n r 2 n + c r + c2 n r 2 n log(r )
25
trminos logartmicos del tipo r2nlog(r)). Si no hay parte irregular, la
F.A. sera indefinidamente derivable, luego perfectamente regular. Por
consiguiente solamente la parte irregular representa el grado de
irregularidad de la F.A., y, en esta parte irregular, el trmino de ms
bajo grado es el que juega el papel principal: se puede definir el grado
de regularidad de la F.A. como el grado del trmino irregular
principal. Daremos a continuacin algunas indicaciones matemticas
complementarias.
Y ( x + h) Y ( x )
2
E Y '( x) 0 para | h | 0
h
Se tienen definiciones anlogas para el espacio de n1 dimensiones.
Se demuestra que una F.A. intrnseca Y(x) admite una derivada m.c. Y(x)
si y solo si (h) es derivable dos veces en h=0. La derivada segunda
(h) existe entonces para todo h, Y(x) es estacionaria de orden 2 (an
en el caso en que Y(x) es solamente intrnseca) y admite como covarianza
la funcin (h). Anlogamente, Y(x) es derivable m.c. n veces si y solo
si la derivada (2n)(h) existe en h=0 (existe entonces para todo h).
I = Y ( x) p ( x)dx
v
26
Se define la integral I como el lmite en media cuadrtica (si existe) de
las sumas discretas:
n
I n = Y ( xi ) p ( xi )xi
i =1
I 2 = Y ( x) p ( x)dx Y ( y ) p ( y )dy
v v
= p ( x)dx K ( x y ) p ( y )dy
v v
Yp ( x) = Y ( x + x ') p ( x)dx
27
E Yp ( x0 )Yp ( x0 + h) de Yp ( x0 ) e Yp ( x0 + h)
Se tiene:
P ( z ) = p ( y + z ) p( y )dy
y, por consiguiente:
K p (h) = K (h + z ) P ( z )dz
es decir, utilizando productos de convolucin (porque P = P ):
(5) Kp = K P
(6) p = P A
28
La constante A se determina con la condicin p(0)=0. Estas relaciones
(6) y (6) siguen siendo vlidas para cualquier F.A. intrnseca (an en
el caso en que la covarianza no existe).
A
1
A 0
Y2 ( x1 , x2 ) = Y ( x1 , x2 , x3 )dx1dx2 dx3
r1+
r A
A
1 +
A = tg
r 2
log (r )
A 2 1 + 1 +
2
r r 2log (r )
1 1
v v v ' v '
Z (v ) = Y ( x)dx ; Z (v ') = Y ( x)dx
29
1
v 2 v v
2 (v ) = dx K ( x y )dy
1
vv ' v
Z (v) Z (v ') = Y ( x) dx Y ( y )dy
v'
1 1
(v, v ') = dx E[Y ( x)Y ( y )]dy =
vv ' v v ' vv ' v v '
dx K ( x y )dy
1 1 2
2
dx K ( x y )dy + 2 dx K ( x y ) dy
vv ' v v '
E2 = dx K ( x y )dy
v v v v ' v' v'
2 1 1
(7) E2 = dx ( x y )dy 2 dx ( x y )dy 2 dx ( x y )dy
vv ' v v v v v v ' v' v'
Se puede demostrar que (7) sigue siendo vlida para toda F.A. intrnseca,
luego tambin en el caso en que K(h) no existe.
Varianza de estimacin.
N
1
Z'=
N
Y (x )
i =1
i
30
conjunto v por sumas discretas sobre los N puntos xi. Se encuentra as
la segunda frmula fundamental:
2 1 1
(8) N2 =
Nv i v
( xi x)dx 2 dx ( x y )dy 2
v v v N
( x x )
i j
i j
2-4-2 Varianza de v en V.
( Z (V ) = (1/ V ) Y ( x) dx es la ley media de V)
V
2 1
VV ( x y )dy 2 dy ( y y ')dy '
V V V
31
1
V 2 V V
2 (0 | V ) = dx ( x y )dy
N
1
E ( Z Z (V ) )
2
2 (v | V ) =
N i =1
i
1 1
2
(9) 2 (v | V ) = dx ( x y )dxdy 2 dx ( x y ) dxdy
V V V v v v
En particular, se tiene:
(9) 2 (v | V ) = 2 (0 | V ) 2 (0 | v)
2 (v | V ) = 2 (V | v)
d/ Relacin de aditividad. Sean v, V y V tres volmenes, con, por
ejemplo: v V V ' . De la relacin (9) se deduce:
2 (v | V ) = 2 (0 | V ) 2 (0 | v)
2 (v | V ') = 2 (0 | V ') 2 (0 | v)
y por diferencia:
32
La varianza de la muestra v en el campo V es igual a la suma de las
varianzas de v en el panel V y del panel V en el campo V.
1 1
2
dx ( x y )dy
vv ' v v '
(v , v ' | V ) = dx ( x y ) dy
V V V
1
N
[Y ( x ) Z (V )]
i
1 2
N2 = (0 | V )
N
33
En el caso aleatorio puro, la varianza de estimacin es igual a la
varianza de una muestra en el campo V dividida por el nmero N de
muestras.
1
N
[Y ( x ) Z (v )]
i
i i
1 2
N2 = (0 | v)
N
En el caso de la malla aleatoria estratificada, la varianza de estimacin
es entonces igual a la varianza de una muestra en su zona de influencia
dividida por el nmero N de muestras.
1 1
2 (0 | V ) 2 (0 | v) = 2 (v | V ) 0
N N
34
la constante de pepita que proporciona una suerte de medida global de
la intensidad de esta estructura sobrepasada.
1 ( h) = C C ( h)
( h) = C C ( h) + 2 ( h)
35
1 1
2
p ( h) = dx C ( x y )dy 2 dx C (h + x y )dy
v v v v v v
1
v 2 v v
p2 = dx C ( x y )dy
Por otra parte, por hiptesis, las dimensiones de v son grandes con
respecto a a y se tiene:
C ( x y)dy = C (h)dh
(integral extendida a todo el espacio) salvo si x est a una distancia
inferior a a de la frontera de v pero estos puntos ocupan un volumen
despreciable, se puede entonces despreciar su influencia, que es del
orden de a. Queda entonces:
1 1
2
p2 = dx C (h)dh = C (h)dh
v v v v
A
p2 =
v
y el coeficiente A=C(h)dh, que es la covarianza de las micro
estructuras, es el nico recuerdo de stas el cual subsiste a la escala
de los volmenes v.
1 1
2
dx C ( x y )dy 2 dx C ( x y )dy
v v v V V V
1 1
A
v V
36
En el caso de la varianza de estimacin de V por N muestras de tamao v,
se encuentra una componente peptica igual a:
1 1
A
Nv V
En todos los casos, la varianza debida al efecto de pepita es
inversamente proporcional al volumen de las muestras. Todo ocurre como si
la V.R. admitiera dos componentes independientes, uno muy regular
correspondiente al variograma 2, el otro completamente aleatorio y
discontinuo el cual considera el efecto de pepita.
h
1
(h) = ( x)dx
h0
h h
2 2
2
F ( h) = x ( x)dx = 2 (h x) ( x)dx
h 0 h 0
2 ( h | L) = F ( L ) F ( h)
(h) permite tambin el clculo de covarianzas: La covarianza en L del
segmento h con una de sus extremidades (puntual) es:
(0, h | L) = F ( L) (h)
b/ Varianza de extensin elemental. Se llama as a la varianza de
extensin al segmento h de la muestra puntual implantada en el centro del
segmento.
37
Est dada por:
h
(13) E2 = 2 F (h)
2
1
(Yi Zi )
n i
1 1 a
(14) N2 = E2 = 2 F (a )
n n 2
Se obtiene entonces la varianza de estimacin al dividir la varianza de
estimacin elemental de una muestra en su zona de influencia por el
nmero n de muestras.
38
cerrado con n+1 muestras es equivalente al dispositivo centrado con n
muestras.
1
E2 ' = 2 (h) F (h) (h)
2
que difiere de la varianza de estimacin elemental (13). No se puede
dividir 2E por n, porque los errores parciales cometidos no son
necesariamente independientes (en particular, estos dos segmentos tienen
en comn la muestra central).
b(h): media de (x-y), cuando x describe uno de los lados del rectngulo
e y recorre el interior del rectngulo. Se tiene:
h
1
b (h) = b ( x)dx
h0
39
h h
2 2
2
F (b, h) = x b ( x)dx = 2 (h x) b ( x)dx
h 0 h 0
h
(15) E2 = 2 b F (b, h) b (0)
2
c/ Estimacin de S por rebanadas paralelas equidistantes.
b (Y Z )
i i i
b i
40
(16) 2
=
b i
2 2
Ei
(b )
E 2
i
1
E2 = E2
n i
(17)
21
= 2 (a) +
bi Ei 2 2
( bi )
E 2
N
a a
(18) E2 = 2Q , F (a, a)
2 2
41
Para una malla cuadrada, se puede admitir que los errores cometidos al
estimar cada cuadrado a partir de su sondaje central son independientes.
La varianza de estimacin con N sondajes es entonces:
1 2
N2 = E
N
con un 2E dado por (18).
42
media de (h) en el paraleleppedo rectangular a, b, c: esta
funcin F(a, b, c) sirve para el clculo de la varianza de una
muestra en este paraleleppedo.
3 - EL ESQUEMA ESFERICO.
3 h 1 h3
K ( h) = a 3 1 + si (| h |< a )
6 2 a 2 a3
K ( h) = 0 si (| h | a )
3 r 1 r3
(r ) = C 3
si r < a
2a 2a
(r ) = 0 si r a
1 A h
F ,
C a a
43
Observacin A menudo, en las aplicaciones, los fenmenos de transicin
estn acompaados de un efecto de pepita: se les representar entonces
por un esquema esfrico con efecto de pepita C0:
44
Esquema esfrico
Varianzas de extensin diversas
45
46
4 - EL KRIGEADO
47
eliminados sern en realidad menos pobres que lo que se haba previsto, y
los paneles conservados menos ricos.
Se considera que las leyes de BB con explotables, mientras que las leyes
de AA son explotables en el segmento CC. Si nos contentamos con
calcular la media de las leyes BB y CC, estamos seguros de cometer un
error por exceso: porque los trozos AC y CA pobres por construccin
tienen una influencia no despreciable sobre el trapecio BB CC. Si fuera
posible dibujar una frontera precisa entre mineral explotable e
inexplotable, en general, la frontera real, no coincidira con las rectas
BC o BC, sino que sera una curva cualquiera, a menudo bastante
irregular, tal como la lnea complicada BDEFC. Adems en el panel rico
subsistiran enclaves pobres y recprocamente. En la explotacin
estaremos obligados de abandonar ciertas porciones ricas, y de tomar
ciertas partes pobres, y este ensuciamiento traduce de manera concreta la
influencia de los trozos pobres AC y CA sobre el panel rico (como se
trata de un yacimiento homogneo, y que la frontera precisa de la ley es
dudosa, nosotros hablaremos de krigeado, y no de ensuciamiento.
Emplearemos la palabra ensuciamiento en el caso en el cual los minerales
ricos y pobres son geolgicamente heterogneos, y estn separados por una
frontera continua, representable por una curva relativamente regular, tal
como BDEC, que, por otra parte, no tiene ninguna razn para coincidir
con la recta BC). En este caso el krigeado conduce a ponderar las leyes
de BB, CC, y de los trozos AC y CA por coeficientes convenientes, que
seran - por ejemplo 60% para BB, 27% para CC y 13% para los dos
trozos.
48
El efecto esencial de esta ponderacin es eliminar en promedio un
error sistemtico por exceso, luego un error inquietante. Al considerar
este objetivo primordial, la mejora de la precisin propiamente dicha,
aparece como secundaria.
n
(21) Z * = ai X i
i =1
n
(22) a
i =1
i =1
(23) D 2 ( Z Z * ) = Z2 2 ai zxi + ai a j i j
i i j
49
a j i j = z xi +
j
(24)
a =1
j
j
n 1
(25) an = 1 ai
i =1
n 1
a j i j + an i n = z xi +
j =1
n 1
a +a = +
j =1
j nj n nn z xn
Ri j = i j n j ni + n n
(26)
N i = z xi z xn i n + n n
n 1
(27) a R
j =1
j ij = Ni
50
Los valores as obtenidos se pueden introducir en la expresin (23) de la
varianza de estimacin, se obtiene entonces el valor mnimo K de la
2
n 1
(28) K2 = z2 2 z x + x2 ai N i
n n
i =1
E2 = z2 2 z x + x2
n n
Z * = ai X i , Z '* = ai' X i
en que ai y ai son las soluciones del sistema (27), para los valores de
los segundos miembros Ni y Ni correspondientes a los paneles P y P. Si
se desea krigear el panel P+P constituido por la unin de P con P
(suponiendo que P y P son disjuntos), cuya ley real es:
P P'
Z= z+ z'
P + P' P + P'
51
se obtienen los segundos miembros del sistema al ponderar las covarianzas
por el tamao de los paneles:
P P'
zx = z xi + z ' xi
P+ P' P + P'
es decir efectuando la misma ponderacin sobre los segundos miembros.
Resulta entonces que el carcter lineal del sistema de ecuaciones implica
que los coeficientes Ai del krigeado de P+P son:
P P'
Ai = ai + ai'
P + P' P + P'
y el estimador toma la forma:
P P' *
Z* = z* + z '
P+ P' P + P'
Dicho en otras palabras, existe la superposicin de figuras de krigeado
(con ponderacin por los tonelajes). En particular, esta condicin se
cumple siempre en el caso de un krigeado completo es decir en el caso
en que se krigea cada panel con la totalidad de las muestras en el
depsito entero. Luego tenemos el teorema: los krigeados completos se
pueden superponer.
1
S
Ai = ai ( M )dS
S
52
De su lado, las ecuaciones del krigeado puntual constituyen un caso
particular simple de las ecuaciones generales. Sin embargo, escribiremos
explcitamente estas ecuaciones, en funcin del variograma (h), en el
caso en que se desea estimar la ley Z en el punto z a partir de las leyes
Xi observadas en los puntos xi. El estimador es de la forma:
n
Z * = ai X i
i =1
n
a j ( xi x j ) = ( z xi ) +
j =1
n
a =1
i =1
i
n 1
a R
j =1
j ij = Ni
con:
Ri j = ( xi x j ) ( xn x j ) ( xn xi )
N i = ( z xi ) ( xn z ) ( xn xi )
5-0 INTRODUCCION.
53
evaluacin de los recursos del depsito, en tonelaje y en ley. Sera
deseable conocer perfectamente estos diferentes parmetros. Pero la
informacin cuesta cara. En particular, los trabajos de reconocimiento
pueden representar un porcentaje no despreciable del total de las
inversiones. Llega un momento en el cual el valor de la informacin
suplementaria ya no est en razn con su costo. Entre estas dos
situaciones extremas, caracterizadas, una por gastos de investigacin
nulos y riesgo de ruina mximo, la otra por una seguridad perfecta y
gastos de investigacin infinitos, existe necesariamente una situacin de
compromiso correspondiente a un ptimo. Donde se sita este ptimo y como
determinarlo, corresponden a las preguntas a las cuales trata de
responder esta ltima seccin. En efecto, nos limitaremos al problema de
la determinacin del volumen ptimo de los trabajos de reconocimiento.
Los datos econmicos (precios del mineral) se suponen conocidos, igual
que las caractersticas tcnicas del mtodo de explotacin y del
procedimiento de tratamiento retenidos. Estudiaremos en detalle la
influencia de la eleccin de dos parmetros tcnicos muy importantes: el
ritmo anual de explotacin, y la ley lmite de corte.
54
el balance provisorio del proyecto de explotacin construido a partir de
la informacin disponible a la salida de la primera fase. La de la
tercera se obtiene anticipando, en probabilidad, los resultados de la
segunda fase de trabajos y la decisin a tomar en C: la esperanza
matemtica pone en balance la disminucin del riesgo de ruina con el
costo de los trabajos suplementarios. La Geoestadstica proporciona, en
cada etapa, una medida objetiva de la informacin disponible en forma de
varianzas de estimacin sobre el tonelaje y la ley, razonamientos simples
permitirn atribuirles una significacin econmica para luego calcular
numricamente las diversas esperanzas matemticas.
Pero esto no es todo. Adems del riesgo de ruina, existen otros factores
que influyen sobre el volumen ptimo de los trabajos de reconocimiento.
En efecto, si se ha tomado la decisin de explotar y el riesgo de ruina
ha sido considerado como suficientemente dbil, falta preparar un
proyecto de explotacin, el mejor posible, el cual considera, en
particular, la eleccin ptima del ritmo anual de explotacin y de la ley
lmite. El ritmo ptimo y la ley lmite ptima dependen naturalmente de
los recursos del depsito. Un error en la evaluacin de los tonelajes y
de las leyes conduce a un dimensionamiento de la explotacin que se aleja
del ptimo. Resulta una prdida, cuyo valor probable puede ser calculado,
y debe ser puesto en balance con el costo de los trabajos suplementarios.
An en el caso de estar seguros de la explotabilidad del depsito, puede
suceder que sea interesante hacer ms trabajos suplementarios de
reconocimiento, no para evitar un riesgo de ruina despreciable, sino ms
bien para elegir el mejor programa de explotacin.
55
5-1 ELECCION DE UNA LEY DE CORTE Y DE UN RITMO ANUAL DE EXPLOTACION.
56
se obtendr una imagen de la variacin de T(x) en la zona de leyes de
corte tiles, lo que ser suficiente para las aplicaciones prcticas.
d (mT ) dm
(1) x= = m+
dT d (log(T ))
La relacin m(T) podr, a menudo, ser representada por una ecuacin muy
simple:
(2) m = log(T )
(3) x = m
57
Falta precisar los parmetros econmicos tiles. Entre ellos,
distinguiremos principalmente tres: el precio de mercado, los gastos de
explotacin anuales y el monto de las inversiones.
(4) V (m) = bm b0
a1
(5) p (t ) = a0 +
t
Las inversiones agrupan el conjunto de gastos que es necesario realizar
antes de la apertura de la explotacin (trabajos mineros preparatorios,
planta de tratamiento, eventualmente: campamento, caminos, vas frreas,
etc...) Se representan por una funcin creciente del ritmo t, es decir
I(t). Por el contrario, la razn I(t)/t de las inversiones a la
produccin anual, es una funcin decreciente de t. En las aplicaciones se
puede utilizar una funcin lineal
(6) I (t ) = C0 + C1t
(7) I (t ) = C0 + C1t
58
Resulta cmodo incluir un parmetro suplementario, la duracin de vida de
la mina N, relacionada con el tonelaje T(m) y al ritmo de explotacin t
por medio de la relacin siguiente:
T ( m)
(8) N=
t
El resultado de la explotacin futura se representa, de manera cmoda,
por la expresin del valor actualizado de los beneficios futuros.
Designando por i a la tasa de actualizacin, y por Bi al valor
actualizado de los beneficios futuros a esta tasa, se tiene,
evidentemente:
1 e iN
(9) Bi = [V (m) p (t )] t I (t )
i
y, en el caso particular, muy importante en el cual se toma una tasa i
igual a 0, el beneficio no actualizado toma la forma simple:
En todos los casos, el beneficio puede ser considerado como una funcin
de los parmetros m y t, o si se prefiere (considerando las ecuaciones
(1), de x y de t, ley de corte y produccin anual. Un criterio posible
para guiar la eleccin de estos dos parmetros consiste en maximizar este
beneficio.
59
dp dI
T dt + dt = 0
(11)
x = p
b
t = a1T ( x)
1+
C1
1 a1
x = a0 +
b t
60
trabajos de reconocimiento sea mnima. Este ptimo tiene el mismo
carcter tcnico que en el prrafo anterior: los trabajos de
reconocimiento se consideran aqu como un parmetro tcnico auxiliar, el
cual sirve para determinar el tamao ptimo de la explotacin. Entonces
se deber razonar con una tasa i = 0, como en la seccin 6-1. Debido a
que la funcin aproximada TE(x) conduce a una solucin vecina del ptimo
real (t0, x0), esperamos observar una prdida de segundo orden (lo cual no
significa que esta prdida sea despreciable) cuyo valor esperado podr
expresarse en funcin de las varianzas de estimacin del tonelaje y de la
ley.
p ' T
t =
Tp ''+ I ''
1
P = [ (V p)T I ] = (Tp '+ I ') t + (Tp ''+ I '') t 2
2
Segn la ecuacin (11), el trmino de primer orden es nulo, porque
estamos cerca del ptimo. Al considerar la expresin de t, se encuentra:
61
1 p '2
P= ( T ) 2
2 Tp ''+ I ''
1 p '2
(12) P= T2
2 Tp ''+ I ''
Esta prdida P debe ser puesta en balance con el costo R de los trabajos
de reconocimiento. R es una funcin decreciente de 2T. Se obtendr el
volumen ptimo de reconocimiento al resolver la ecuacin:
dR 1 p '2
(13) + =0
d T2 2 Tp ''+ I ''
R 1 p '2 T2
(14) +
ui 2 Tp ''+ I '' ui
0.244 D1 D2
n3/ 2 S
siendo n el nmero de sondajes tiles, S el rea mineralizada, D1 y D2 los
dimetros (ms generalmente, las variaciones diametrales si el rea S no
es convexa) del rea mineralizada. Para un contorno elptico se toma
62
D1 D2 2
= = 1.13
S
y el primer trmino se reduce a 0.276/n3/2. El segundo trmino representa
el error de la potencia media y admite una expresin de la forma A/n,
donde A es ligeramente inferior a la varianza relativa de las potencias
en el depsito, y puede ser considerada como una constante (en realidad
es una funcin que decrece lentamente con n). Tomaremos un valor
razonable, como A=0.10.
En resumen, la varianza relativa tiene el valor:
T2 0.276 A
2
= +
T n3/ 2 n
Respecto de los valores econmicos, tomaremos para p(t) e I(t)
expresiones de la forma (5) o (6), y designaremos por C el costo unitario
de sondaje. La suma que se desea minimizar, de la prdida y del costo de
reconocimiento, se escribe, en funcin del nmero n de sondajes como:
1 0.414 A
a1C1T 5 / 2 + 2 = C
4 n n
63
1. Se decide no explotar y abandonar el depsito (se cierra)
2. Se decide explotar inmediatamente (2)
3. Se decide hacer una segunda fase de reconocimiento TR2.
64
despreciable, la parte ms grande de la varianza de estimacin, la cual
proviene de la extensin de las secciones (que se supone conocidas) a sus
rebanadas de influencia a tres dimensiones, extensin sobre la cual la
mayor densidad de percutantes queda sin accin.
4
Dejaremos voluntariamente abierta la pregunta de saber si el beneficio
debe, o no, ser actualizado. En una economa colectivista, sin duda que
no se actualizara. En economa competitiva, el razonamiento de la
primera parte, an se aplica, al menos tericamente: una gran sociedad,
que se fija como objetivo de producir cada ao una cantidad ada de metal
al menor costo, debera buscar el mnimo de la suma de los gastos anuales
los cuales contienen los gastos de explotacin, las inversiones para
reemplazar los yacimientos que llegan a su agotamiento ese ao, y los
trabajos de reconocimiento para preparar el reemplazo de los depsitos
que se agotarn los aos prximos. Este punto conducira, en buena
lgica, a adoptar la expresin no actualizada del beneficio en la
optimizacin secuencial de los traabajos de reconocimiento (por otra
parte, correlativamente, el parmetro b no correspondera al precio de
mercado, sino ms bien a un precio interno, definido, por la Sociedad de
manera, precisamente, de optimizar su programa de produccin global).
65
cuenta, para la tercera decisin, el costo de la segunda fase de
reconocimientos TR2, dado que en C, TR2 no ha sido ejecutado).
12 = D 2 ( Z1 Z )
2
y = D (Y Z )
2 *
1, y = E[( Z1 Z )(Y Z )]
*
Z 2 = Y * + (1 ) Z *
D 2 ( Z 2* Z ) = 2 y2 + 2 (1 ) 1, y + (1 ) 2 12
se minimiza para:
y2 1, y y2 1, y
= 2 =
1 + y2 2 1, y D 2 ( Z1* Y * )
y vale entonces:
(15) 22 = D 2 ( Z 2* Z ) = 12 2 D 2 ( Z1* Y * )
Introduzcamos la varianza:
D 2 ( Z1* Z 2* ) = 2 D 2 ( Z1* Y * )
66
que representa el error que se comete al estimar el futuro estimador Z*2
(el estimador que se formar una vez efectuada la segunda fase) con la
ayuda del resultado Z*1 de los primeros trabajos. La relacin (15) se
escribe:
(16) D 2 ( Z1* Z 2* ) = 12 22
B = bT ( Z m0 )
E ( B1 ) = 0
(17)
E ( B2 ) = bT ( Z1* m0 )
67
costo no debe influenciar esta decisin), y la esperanza del beneficio,
(despus de C) ser entonces:
bT ( Z 2* m0 )
Si al contrario, se tiene
Z 2* < m0
G ( z ) = P ( Z 2* < z )
(18) E ( B3 ) = bT ( z m0 )dG ( z ) R
m0
68
proporcionara una nueva (6) desviacin estndar 2=(1/2)1. Se deduce
entonces la desviacin estndar de la estimacin de m2 a partir de m1:
3 2
2 = 21 12 = 1 = 0.13
2
El clculo de las esperanzas (17) y (18) para los tres lmites de
explotabilidad conduce a los resultados numricos siguientes (en unidades
monetarias), razonando en el caso de una ley lognormal:
E(B1) 0 0 0
(6) Se supone que estamos en la zona lineal del variograma, de manera que
la nueva varianza es igual a un cuarto de la antigua.
69
6 EJERCICIOS
3/ Se dispone de n+2 sondajes S0, S1, S2, ...,Sn, Sn+1 en una malla regular,
en la cual el primer y el ltimo sondaje son negativos y los otros
positivos. Se admite que cada una de las dos extremidades del intervalo
del cual se quiere estimar la longitud b puede caer en cualquier parte
del segmento (S0, S1) y (Sn, Sn+1) respectivamente, de manera independiente
una de la otra, con una densidad uniforme. La longitud b es entonces una
variable aleatoria. Probar que E(b)=na; D2(b)=a2/6: se encuentra bien la
varianza de estimacin tal como la proporciona la frmula de
aproximacin, pero no se obtiene el trmino fluctuante.
70
E (Q* ) = f ( x)dx
E ((Q* ) 2 ) = a1a2 ( f ( x) ) dx
2
D3 3 | h | 1 | h |3
(Solucin: K ( h) = 1 + para h D.
6 2 D 2 D3
Partir de la relacin:
K ' ( h) =
4
(D 2
h2 )
e integrar, observando que g (0) = D 3 ). Aplicacin a la estimacin del
6
volumen de esta esfera.
71
h 2h
( h) = ; F ( h) =
+1 ( + 1)( + 2)
2a 1 1 2 1
; a
+1 2 + 2 + 2 2
Se tiene: 2E>2E, para >1 e inversamente, con igualdad para =1: para
>1, alta continuidad y la muestra nica pero bien ubicada es superior a
las dos muestras mal ubicadas; para <1, estamos prximos del caso
aleatorio puro, y las dos muestras, a pesar de estar mal ubicadas,
proporcionan siempre mejores resultados que la muestra nica; para =1
los dos dispositivos son equivalentes.
1 2a 1 1
n +1 2
+ 2
1 2a
n ( + 1)( + 2)
1 2 L
n ( + 1)( + 2)
2 1 1 h1+ h1+
E2 = A = B
+ 2 21+ + 3 A A
S 1+
B
L2+
72
Ejercicio 6. Mismo problema que en 5, pero se supone que adems las
lneas estn estimadas a partir de muestras (canaletas) a la malla a.
Calcular el trmino de lnea.
(Solucin:
C 1+ 2 1 1
a con C = )
L + 1 2 + 2
a 2+
B (2 + )h1+ = Ca1+ + C (1 + )
A0
Y ( x) = f ( x xi )
i
73
Ejercicio 9: Esquema esfrico de una dimensin Calcular las funciones
auxiliares del esquema esfrico:
3 A 1 A3
(A ) = para A a 1 para A a
2 a 2 a3
3 A 1 A3 3a
(A ) = 3
para A a 1 para A a
4a 8a 8A
1 A 1 A3 3 a 1 a2
F (A ) = para A a 1 + para A a
2 a 20 a 3 4 A 5 A2
b/ Varianza de extensin elemental de una muestra en su segmento b de
influencia, para ba y b2a . Interpretar.
1 b 3 b3 3 a 1 a2
+ 3
y 1
4 a 160 a 4 b 5 b2
1
(l ) + (l ) + (2l ) = (l ) +
2 2 2
1 1
(l ) + (2l ) + (3l ) = 2 (2l ) (l ) +
2 2 2
1 1 1
(3l ) (2l ) (l ) = 2 (2l ) 2 (l ) (2l )
2 2 2
4
2 (2 1)
= +1
1 + 2 +1 3
74
Para =0, =1/2 (efecto de pepita puro, el estimador ptimo es la media
aritmtica de las 4 muestras). Cuando aumenta, decrece, se anula para
=1 (propiedad markoviana del variograma lineal) y es negativo para
1<<2: para >1, la realizacin presenta buenas propiedades de
continuidad y el dibujo adjunto hace comprender que, para
(Z1+Z4)/2<(Z2+Z3)/2 (por ejemplo), el estimador debe ser mayor que
(Z2+Z3)/2, luego <0:
Sean ZM y ZT las leyes medias de las lneas, sea Z la ley media desconocida
del yacimiento y sean 2T = D2(Z-ZT) y 2M = D2(Z-ZM) las varianzas de
estimacin del yacimiento por las solas lneas horizontales y las solas
lneas verticales respectivamente. Se admite que (lo cual es verdadero
con una buena aproximacin) E[(Z-ZM)(Z-ZT)]=0.
T2
=
+ M2
2
T
M2 T2
T2 + M2
75
(Solucin: los ponderadores son de la forma y 1- debido a la condicin
que los pesos suman 1. Partir luego de:
D 2 ( Z Z * ) = D 2 [ ( Z Z M ) + (1 )( Z ZT )] = 2 M2 + (1 ) 2 T2
y minimizar en .
76
BIBLIOGRAFIA.
77