Jos Delgado

Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
 Hiptesis estacionaria:

La estacionalidad de orden dos en otros trminos

.-E(Z(x))=m(x)=m

.-E(Z(x) Z(x+h)) m =C(h)

Hiptesis Intrnseca:

Supone solamente que los aumentos

E[ Z(x+h) Z(x) ] = 0

Var [ Z(x+h) Z(x) ] = 2 (h)

Jos Delgado
 Nubes de correlacin diferida (N.C.D.)

Examinar una o varias N.C.D. para observar diferencias entre vecinos

Los pares de datos mas dismiles corresponden a los puntos

Que aparecen mas alejados de la bisectriz

Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
 Anlisis Variografico

El anlisis variografico es una de las herramientas mas importante y potente

que existen para analizar las fuentes de variabilidad de los procesos .

Podemos estudiar la variabilidad de la variable aleatoria en funcin del

tiempo o de la posicin

En el caso de la mina podemos estudiar como varan las leyes

Jos Delgado
 La idea del variograma estudiar el valor medio de

( Z( x+h)- Z( x))^2

En funcin de la distancia h
semivariograma

3,5

(h)

Distancia h

0
0 1200

Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
 Informacin estructural aportada por el Variograma

1.-continuidad espacial

2.-Zona de influencia

3.-las anisotropa

4.-Las estructuras anidadas

5.-La no estacionalidad ( derivas tendencias

Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
 Otras medidas experimentales para medir la variabilidad/continuidad espacial

N ( h)
1.- Semivariograma ( h) =
1
2 * N ( h) i =1
( zi yi )2

N ( h)

2.- Semivariograma cruzado zy(h) =

1
2 * N ( h) i =1
( zi zi' )( yi yi' )

N ( h)
3.- Covariograma C ( h) =
1
N ( h) i =1
( xi yi mx m y )

C ( h)
4.- Correlograma ( h) =
x y

Jos Delgado
 (h)1
5.- Semivariograma general relativo GR (h) =
mx + m y 2
( )
2

N ( h)
6.- Semivariograma relativo de pareja PR(h) =
1
2 * N ( h) i =1
( xi yi )2
( x yi ) 2
( i )
2

N ( h)
7.- Semivariograma de logaritmo L ( h) =
1
2 * N ( h) i =1
(ln( xi ) ln( yi ))2

N ( h)
8.- Semimadograma M ( h) =
1
2 * N ( h) i =1
xi yi

Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
 Cundo un modelo es admisible ?

Recordemos

Z* =
i
i Z ( xi )

Por otra parte sabemos que

Var ( Z *) =

i j
i j C ( xi x j )

En efecto

E ( Z *) = E (
i
i Z ( xi ) =
i
i E ( Z ( xi )) =
i
im

Jos Delgado
 Por definicin

Var ( Z *) = E[ Z * E ( Z *)]2

2

= E i ( Z ( xi ) m)

=

i j
i j C ( xi x j )

Esta varianza no puede ser negativa , Una funcion que verifica esta
condicione se define positiva o de tipo positiva

Jos Delgado
 Recprocamente toda funcin definida positiva puede ser como la
varianza de una F.A.E. ,La situacin es mas complicada cuando la
variable Z(x) es no estacionaria , pero intrnseca , en este caso la
varianza como combinacin lineal no existe necesariamente .
Podemos afirmar que ella existe por combinacin lineal de los
Aumentos .

Esta combinaciones que se dicen autorizadas se caracterizan por

i
i =0

Jos Delgado
 Z(1)
Z(1)

Z(0)
Z(3)

Z(4)
Z(n)

Jos Delgado
 Las combinaciones autorizadas se caracterizan por:

i =0

Toda combinacin lineal de aumentos verifica esta condicin

i Z ( xi ) = i [ Z ( xi ) Z (0)]

La varianza es una combinacin lineal

Var[
i Z ( xi )] =
i j Cov[Z ( xi ) Z (0), Z ( x j Z (0)]

Jos Delgado
 Para calcular las covarianzas de los aumentos utilizamos

Var(Z(x) Z( y)) =Var(Z(x) Z(0)) + Var(Z( y) Z(0))

2Cov(Z(x) Z(0),Z( y) Z(0))
Dado que:
2 (h) = Var ( Z ( x + h) Z ( x))
Tenemos

2 ( x y ) = 2 ( x) + 2 ( y ) 2Cov( Z ( x) Z (0), Z ( y ) Z (0))

Jos Delgado
 Obteniendo

Var[
i Z ( xi )] =
i j
[ i j ( ( xi ) + ( x j ) ( xi x j ))]

Var[
i Z ( xi )] = i j Cov[ Z ( xi ) Z (0), Z ( x j Z (0)]

=

j i ( xi ) + i (x j ) i j ( xi x j )

i =0

Var[
i Z ( xi )] =
i j
i j ( xi x j )

Jos Delgado
Jos Delgado
 Var ( Z * ) = Var [
i Z ( xi )] =
i j
i j ( xi x j )

(2 (0) + 2 (0) + 2 (0) + 212 (0.8) + 213 (0.8) + 22 3 (1))

1 2 3

= (0 + 0 + 0 0.2 0.2 + 0.5)

= 0.1
La varianza es negativa esto se produce porque la funcin utilizada
no esta definida positivamente

Jos Delgado
Jos Delgado
 El modelo lineal de regionalizacion

El variograma experimental mide la desemejanza promedio entre

las mediciones de su separacin . En la practica a menudo
presenta cambios de pendiente ,mas o menos acentuados ,que
indican el paso a una estructuracin diferente de los valores a partir
de ciertas distancias

Jos Delgado
 Anlisis estructural o anlisis variografico

Podemos traspasar todo al covarianzas siempre que se cumpla la hiptesis de

Estacionalidad de segundo orden ,El variograma provee un marco de estudio
mas general dado a que se define fuera del contexto estacionario de orden dos

El modelo variografico de un esquema anidado hace uso de uno de los

modelos de uso comn el modelo lineal de regionalizacion ,que representa
el variograma

g(h)= g1(h)+ g2(h)+.+gs (h)

Jos Delgado
 g(h)= g1(h)+ g2(h)+.+gs (h)

La funcion aleatoria puede ser vista como la suma de procesos independiente

(o al menos con crecimiento espacialmente no correlacionados),apareciendo
como la superposicin de componentes independientes actuando
simultneamente ,pero a escala diferente

Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
 Sondaje a los largo del sondaje

Jos Delgado
 Anlisis variografico a corta distancia

a.-Parablico :(h) h tal comportamiento indica que la

V.R. es muy regular .ella es continua y diferenciable

b.-Lineal (h)h en este caso la V.R. es continua pero no

diferenciable ,es menor regular que la parablica

c.-Esto india que la variable es extremadamente irregular

a pequeas distancias ,indicando fuertes variaciones a
corta distancia

d.-La relacin entre dos valores continuos no presentan

ninguna correlacin

Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
 Estructuras anidadas:

Por estructuras anidadas se entiende una sobreposicion de variogramas

de diferentes alcances ,Esto se traduce en un fenomeno actuando en muchas
escalas ,Podemos ver cuatro componentes principales:

.-A nivel de muestras ,un efecto de pepita del error de la medida

.-A nivel petrografico (h<1 cm) variaciones debido a pasar de un componente

mineralogico a otro .

.-A escala metrica una estructuracion correspondiente a las tendencia y formas

de la mineralizacion

.-A grandes distancia una componentes que refleja la geometria de los

grandes cuerpos

Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
 Ejemplo :

Un yacimiento 2D ,es modelado por un modelo con anisotropa geomtrica . El

modelo es esfrico con una meseta de 17% y con un efecto pepita de Co= 10 %
y los alcances son de 100 mts. En la direccin de mas continuidad (30) y 60 mts
en la direccin de mas pequea continuidad (120 0) ,Cual es el variograma entre dos
Observaciones situados entre las coordenadas :

Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
 Otra herramientas

Validacin cruzada

Z : Cu_T (True value)

15.

10.
7525300.

7525050.

Y (m)
5.
7524800.

7524550.
0.
375250.375750.376250.

0.

5.

10.

15.
X (m) Z* : Cu_T (Estimates)

0.8
0.7
0.6 10.
Frequencies

(Z*-Z)/S*
0.5
0.4 0.
0.3
0.2 -10.
0.1
0.0
-10.

0.

10.

0.
1.
2.
3.
4.
5.
6.
7.
8.
9.
(Z*-Z)/S* Z* : Cu_T (Estimates)
Isatis

Jos Delgado
 Anlisis de validacin cruzada

a.-Analisis grafico

1.-De localizacin

2.-Nube de correlacin Z vs Z*

3.-Error estandarizado ( Z*-Z)/*

4.-Nube de correlacin error estandarizado v/s valor estimado

b.-Anlisis cuantitativo de media y varianza de los errores y errores

estandarizados

1.-Estadstica de validacin cruzada basada en el total de los datos

2.-Estadstica de validacin cruzada basada en los datos robustos

Jos Delgado