REGLAS PRCTICAS PARA EL AJUSTE DEL VARIOGRAMA.

-
Se plotea y se une los puntos
El ajuste debe ser lo mejor posible para los primeros puntos del
variograma, ms conocidos y que tienen el peso ms fuerte en la
estimacin.
NO es siempre necesario ajustar todo el variograma sino ms bien una
parte, sobre una distancia que ser la distancia de trabajo (eso permitir
eliminar una tendencia que se manifiesta despus de una cierta distancia).
Se ajusta el efecto de pepita por prolongamiento de los primeros puntos
del variograma experimental
El alcance se puede estimar al ojo y un estimador de la meseta C (si ella
existe) es la varianza experimental de la muestra, luego se procede por
aproximaciones sucesivas.
En caso que no se aproxime la curva experimental a la curva modelizada
tericamente y la variacin es considerable, se tendr que cambiar el
modelo.

Ejemplo.- Construir y modelizar el variograma de las leyes de Plata obtenidas

mediante la tcnica del muestreo conociendo la potencia de la estructura
mineralizada en una galera de forma sistemtica cada 2 metros.

Potencia (m) Oz / TM Ag
0.10 47.34
0.40 82.46
0.35 91.95
0.15 56.83
0.35 9067
0.30 85.20
0.30 89.22
0.90 151.11
 0.80 73.95
0.50 122.97

Solucion:
1) Encontrar el variograma experimental

Si h = 2m

(2) = (0.40 0.10)2 +.............. + (0.50 0.80)2 0. 04 m2

2x9
si h = 4 m
(4) = (0.35 0.10)2 +..............+ (0.50 .- 0.90)2 0.06 m2
2x8

si h = 6 m
(6) = (0.15 0.10)2 + .............+ (0.50 0.30)2 0.06 m2
2x7

si h = 8 m
(8) = (0.35 0.10)2 +..............+ (0.50 0.30)2 0.07 m2
2x6
si h = 10 m
(10) = (0.30 0.10)2+............+ (0.50 0.35)2 0.08 m2
2x 5
si h = 12 m
(12) = (0.30 0.10)2+.............+ (0.50 0.15)2 0.08 m2
2x4
si h = 14 m
(14) = (0.90 0.10)2+ .............+ (0.50 0.30)2 0.14 m2
2x3
si h = 16 m
(16) = (0.80 0.10)2 + (0.50 0.40)2 0.13 m2
2x2
si h = 18 m
(18) = (0.50 0.10)2 0.08 m2
2x1

2.) Se calcula la varianza muestral para determinar el techo, mediante la

siguiente formula:
- Media del ancho de la muestra Varianza de la muestra
X = xi S2 = (xi - X)2
n n1

X = 0.10 + 0.40 + .....+ 0.50 = 0.42 m

10

S2 = (0.10 0.42 ) 2 + .....+ (0.50 0.42) 2 = 0.06620 m2 = 0.07 m2

10 - 1

3.) Modelo de construccin del variograma

(h)
0.12
0.10 curva experimental
0.089

S2 curva modelizada
0.06 m = 3C/2a
0.04 S2 = 0.07
0.02
0 2 4 6 8 10 12 14 16 18 (h)
 Se plotea los puntos h s (h)
Se une los puntos
Se grafica S2
Se traza una curva experimental y se encuentra: a, Co, C.

a = 8m
Co = 0.02 m2
C = S2 - Co = (0.07 0.02) = 0.05 m2

Modelizacin terica:
(h) = Co + C [ (3/2) (h/a) (1/2) (h3/a3)], si h < a
(h) = Co + C, si h> a

(2) = 0.02 + 0.05 [1.5 x 2/8 0.5 x 23/ 83 ] = 0.038

(4) = 0.02 + 0.05 [1.5 x 4/8 0.5 x 43/ 83 ] = 0.054
(6) = 0.02 + 0.05 [1.5 x 6/8 0.5 x 63/ 83 ] = 0.066
(8) = 0.02 + 0.05 [1.5 x 8/8 0.5 x 83/ 83 ] = 0.070
En consecuencia es un modelo esfrico, cuyo alcance es = 8 m, Co = 0.02 m2
C = 0.05 m2 y S2=Co+C=0.07 m2
Si en caso no coincida la curva prctica con la curva modelizada, la modelizada
terica se tendr que variar ya sea Co + C, C, a, no se aproxima, entonces
cambiar de modelo que puede ser el modelo de Formery u otro, etc.

10. ANISOTROPAS:

El variograma debe ser construido, segn varias direcciones en el espacio.

Para estudiar cmo se deforma la funcin (h), al cambiar la direccin en
estudio , de tal manera que se puede poner en evidencia y caracterizar las
eventuales anisotropas.
Puede darse el caso que la ley de (h) no dependa en realidad de la
orientacin , es decir el clculo ejecutado en diferentes direcciones
proporcione la misma curva en funcin de h. En la prctica aunque tal
isotropa sea aproximada, se postular como isotropa terica. La
regionalizacin ser denominada istropa.

Cada variograma responde a un dominio especfico de variacin, a cada

campo geomtrico de estudio; la definicin de los diferentes campos de
una variable permite diferenciar claramente su estructura espacial y los
rasgos ms sobresalientes de la mineralizacin en cada uno de ellos, ver
figura 37.

Figura 37: Campos Isotropicos y Anisotrpicos.

Por ejemplo, si en la formacin A de la fig 37 se calculan los variogramas

representativos el aspecto de estos sern aproximadamente como se

muestran en la figura 38, los variogramas son Isotrpicas. Si en las

formaciones A y B se obtuvieron los variogramas representativos como los de

la figura 39. En la cual se muestra los variogramas Anisotrpicos.

Figura 38: Variogramas Istropos

Figura 39: Variogramas Anistropos

 En el caso de una veta de mineral por ejemplo la plata de la mina

Uchucchacua, se obtuvieron los siguientes variogramas que sirvieron para

definir los campos de estudio. Figura 40.

Figura 40: Variogramas Mina Uchucchacua

Se distinguen la anisotropa geomtrica (los variogramas defirieron solo en el

alcance, manteniendo igual sus mesetas) y la anisotropa zonal (mesetas

diferentes). En este ltimo caso la continuidad presenta variaciones

importantes en una direccin determinada.

11. FENMENOS DE TRANSICIN:

El traspaso de cierto tipo de valores (estril o mineralizacin del tipo A) a otro

(mineral o mineralizacin tipo B), se ve reflejado en el variograma. Al suponer

el estudio de un manto de mineral, ver figura 41.

El variograma en la direccin horizontal (mineral continuo), nos proporcionara

una funcin 1, mientras en la direccin vertical (discontinuidad mineral

/estril) y tendr un aspecto como 2.

Figura 41: Variograma ilustrando transicin

Para este caso una medida del espesor medio del manto se detectar

mediante la discontinuidad que se produce al traspasar de una

regionalizacin a otra.

En el caso de cuerpos irregulares, ver figura 42, los sondajes dispuestos en

diferentes direcciones nos darn una idea ms o menos aproximada de las

dimensiones de la estructura mineralizada en cada una de esas direcciones.

Figura 42: Cuerpo Irregular.

 El variograma refleja de manera adecuada las caractersticas estructurales de

un fenmeno regionalizado. De este modo al traspasar ciertos valores

pertenecientes a una regionalizacin dada a otras (pertenecientes a otra

regionalizacin), este traspaso se debe reflejar en el variograma que se

confecciona. Para ms detalle ver figura 43.

Figura 43: Variograma -Manto de espesor

12. KRIGEAJE:
 El Krigeaje es un formalismo matemtico que consiste en obtener la mejor

estimacin posible de la ley de un panel o bloque teniendo en cuenta los datos

disponibles; es decir las leyes de c/u de las muestras del panel en estudio. El

Krigeado consiste en efectuar una ponderacin es decir se dan pesos a c/u de

las leyes intervinientes y se calculan de manera de hacer mnima la varianza

de estimacin (tendencia a lineal) considerando las caractersticas

geomtricas del panel (forma, dimensin e implantacin de las muestras

dentro del panel).

Es insesgado porque, en promedio el error es nulo, es decir no hay sesgo

en los errores (considerndose como error a la diferencia entre el valor real y

el estimado).

El Krigeaje se considera como un mtodo ptimo de estimacin, estando

su utilizacin ampliamente desarrollada en todo tipo de yacimientos,

especialmente en aquellos que poseen un alto valor (oro y diamantes).

Existen dos tipos de Krigeajes comnmente utilizados, el puntual y el de

bloques

12.1 El Problema del krigeado y su inters

El krigeado consiste en efectuar una ponderacin, es decir atribuir un peso

a la ley de cada muestra, estos pesos se calculan de manera de tal manera

de hacer mnima la varianza de estimacin resultante, considerando las

caractersticas geomtricas del problema (formas, dimensiones e

implantacin relativa del panel y de las muestras). Como es natural, el

krigeado atribuir pesos dbiles a las muestras alejadas e

inversamente. Sin embargo esta regla intuitiva puede ser parcialmente

puesta en duda cuando aparecen fenmenos ms complejos de efecto

de pantalla y de transferencia de influencia. No es posible resolver un

problema de krigeado, es decir calcular efectivamente el peso ptimo

que conviene atribuir a cada muestra, sin hacer ciertas hiptesis sobre

las caractersticas geoestadsticas del depsito que se estudia. En adelante

supondremos que el depsito es geoestadsticamente homogneo, en otras

palabras que las leyes, dentro del depsito, consideradas como una

variable regionalizada f(x), pueden ser interpretadas como una realizacin

de un esquema intrnseco.

Esta condicin de homogeneidad es fundamental. No se puede hacer un

krigeado entre porciones heterogneas de un mismo depsito, y ms

particularmente, en el caso cuando las muestras y el panel a estimar

sobrepasan los lmites de la mineralizacin geolgicamente homognea.

(Se trata entonces, en sentido estricto, de una dilucin y no de un krigeado;

en general, no es posible, enunciar reglas a priori: los coeficientes de

dilucin, corrientemente, son determinados por la experiencia).

El primer inters del krigeado deriva de su misma definicin. Al minimizar la

varianza de estimacin, estamos seguros de sacar el mejor partido posible

de la informacin disponible, o, si se prefiere, de obtener la estimacin ms

precisa posible del panel en estudio. Esta ventaja es a menudo notable,

pero no se justificara siempre, debido a las complicaciones suplementarias

que introduce necesariamente una ponderacin. El inters prctico ms

importante de lejos del krigeado, proviene, no del hecho que asegura la

mejor precisin posible, sino ms bien porque permite evitar un error

sistemtico. En la mayora de los yacimientos metlicos, se deben

seleccionar, para la explotacin, un cierto nmero de paneles, considerados

como rentables y se deben abandonar otros paneles considerados no-

explotables. D. G. Krige ha mostrado que, si esta seleccin fuera realizada

considerando exclusivamente las muestras interiores a cada panel,

resultara necesariamente en promedio una sobre-estimacin de los

paneles seleccionados. La razn de este problema muy general es que la

varianza de las leyes reales de los paneles es siempre ms dbil que la

varianza de los resultados de un muestreo interior. Dicho de otra manera, el

histograma de las leyes reales de los paneles comporta menos leyes

extremas (ricas o pobres) luego tiene ms leyes intermedias que el

histograma deducido de las muestras interiores, y, si se calcula el efecto de

una seleccin sobre este ltimo histograma, los paneles eliminados sern

en realidad menos pobres que lo que se haba previsto, y los paneles

conservados menos ricos.

Nuestra nocin de krigeado permite interpretar fcilmente este fenmeno, y

corregir sus efectos. Cuando se selecciona un panel rico, la aureola de

muestras exteriores tiene, en general, una ley ms dbil que las muestras

interiores, sin embargo su influencia sobre el panel a estimar no es

despreciable porque el krigeado le atribuye un peso no nulo. Si no se toma

en cuenta esta aureola exterior, se introduce, necesariamente, una causa

de error sistemtico por exceso.

Para ilustrar esta nocin, imaginemos un yacimiento filoniano reconocido

por dos galeras AA y BB

Se considera que las leyes de BB son 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.

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.

12.2.1 LAS ECUACIONES GENERALES DEL KRIGEADO.

De una manera general, el problema del krigeado puede ser

formulado de la manera siguiente: sea un depsito homogneo con

un cierto variograma (istropo o no), en el cual se han tomado n

muestras S1, S2,....,Sn, cuyas leyes (conocidas) son X1, X2, ..., Xn.

Se desea encontrar el mejor estimador Z*, es decir:

(1)

De la ley real desconocida Z de un panel P, conociendo la forma,

las dimensiones y la implantacin relativa de P, S1, S2,.....,Sn.

Siempre se puede resolver este problema determinando los

coeficientes ai que cumplen dos condiciones. La primera

condicin expresa que el error Z-Z* debe tener una esperanza

matemtica nula. Esta condicin se escribe:

(2)
(2)

La segunda condicin es una condicin de varianza mnima.

Esta condicin expresa que los coeficientes a i del krigeado tienen

valores tales que teniendo en cuenta la condicin imperativa la

varianza D2 (Z-Z*), la cual mide la magnitud del error posible, tome

su valor mnimo. Entonces, teniendo en cuenta la relacin, esta

varianza tiene la expresin:

(3)
 Las notaciones se explican por s solas; es la varianza de la ley

real del panel, es la covarianza de Z con la ley Xi de la muestra

Si y la covarianza entre Xi y Xj (en particular es la varianza

de Xi). Todas estas varianzas y covarianzas se calculan en un gran

depsito ficticio, en el cual su dimensin no interviene en realidad:

la influencia de este depsito ficticio se manifiesta por una misma

constante A que es mayor que todas estas varianzas y covarianzas,

y que se elimina, en virtud de (2). Entonces la expresin (3) solo

depende del variograma (h).

Se expresa que la varianza es mnima considerando la condicin

(2) escribiendo:

(4)

Donde: i = 1,2,3, ............, n

j = 1,2,3, ..............., m

= Valor medio del variograma = , siendo i j puntos de

muestra
 = Valor medio del variagrama = , cuando m se
mueve sobre el panel z

= Parmetro de lagrange

= Valor de ponderadores

Se obtiene entonces un sistema de n+1 ecuaciones lineales con

n+1 incgnitas (los ai y el multiplicador de Lagrange ). Como este

parmetro de Lagrange no presenta inters por s solo, buscaremos

eliminarlo. Para ello, se har jugar un papel particular a una de las

muestras, por ejemplo Sn (en la prctica se elegir una muestra

que ocupe una posicin privilegiada respecto de las n-1 restantes,

por ejemplo una posicin central) y se escribir la condicin (2) en

la forma:

(5)

Se reemplaza en (4) por este valor, es decir:

Se elimina al restar la ltima ecuacin de las n-1 anteriores, y se

reemplaza an por su valor. Si se pone:

(6)

El sistema (4) se reduce a:

(7)

La solucin de este sistema de n-1 ecuaciones lineales con n-1

incgnitas permite el clculo efectivo de los n coeficientes de
krigeado, an se determina segn (5).

Los valores as obtenidos se pueden introducir en la expresin (3)

de la varianza de estimacin, se obtiene entonces el valor mnimo

de la varianza, que llamaremos varianza de krigeado. Vemos que

esta varianza toma la forma muy simple siguiente:

(8)

La primera parte de esta frmula representa la varianza de

extensin:
(9)
 De la muestra Sn en el panel P. Es la varianza de estimacin que
se tendra si solo se tuviera de la ley Xn de la nica muestra Sn.
Cada una de las otras muestras S1, S2, ..., Sn-1 aporta una mejora
la cual se traduce por la resta de los trminos a iNi, siempre
positivos. Las ecuaciones (7) y (8) constituyen las ecuaciones
generales del krigeado. Los trminos de la matriz Rij y los segundos
miembros Ni estn dados por (6) y solo dependen de la funcin
intrnseca.

12.2 Propiedades del Krigeado:

Las propiedades ms importantes del mtodo de krigeado son:

a) Propiedad de simetra.- Si (h) es istropo, entonces datos que son

simtricos respecto de V y con respecto a los otros datos tienen pesos

iguales.

En la figura 44 se observa la propiedad de la simetra del krigeado, en

la cual los datos tienen pesos iguales.

Figura 44: Propiedad de simetra del krigeado.

 En la figura 44, se observa lo siguiente:

1 = 1

2 = 4 = 6 = 8

3 = 5 = 7 = 9

Esta propiedad era til cuando se resolvan los sistemas de krigeado a

mano.

b) Composicin de krigeados.- Sean dos volmenes disjuntos V1 y V2;

sean z1 y z2 los estimadores de krigeado respectivos:

Para ms detalle ver la figura 45.

Figura 45: Composicin de krigeados.

Entonces el krigeado z de V1 U V2 es:

V1 z1 V2 z 2
Z
V1 V2
 Es decir una ponderacin por volmenes o por tonelajes.

Esta relacin no es vlida para las varianzas: si se desea conocer la

varianza es necesario krigear el bloque V1 U V2 o bien utilizar una

aproximacin.

12.3 Krigeaje Puntual:

El Krigeaje opera a travs del uso de factores de ponderacin. Estos

factores se determinan a partir de un sistema de ecuaciones,

denominadas ecuaciones de Krigeaje, en la que las incgnitas para

resolver el sistema se obtienen a partir del semivariograma modelizado.

Un ejemplo del citado sistema de ecuaciones para una estimacin a partir

de 3 puntos sera el siguiente:

Z * ( x ) 1Z ( x1 ) 2 Z ( x2 ) 3Z ( x3 )

1 11 2 12 3 13 1V
1 21 2 22 3 23 2V
1 31 2 32 3 33 3V
Donde: 1 2 3 1

Z*(x) = Estimador.

= parmetro de Lagrange

ij = ponderadores

ij = valores de semivariograma

Z(xi) = valores conocidos para llevar a cabo la estimacin.

iV = valor del semivariograma en el punto a estimar.

12.4 METODO INVERSO CUADRADO DE DISTANCIA:

Esta es una solucin clsica a este problema, que se usa mucho; con
algunas variaciones: supongamos un panel donde se tienen cinco datos:
Z1 , Z2 , Z3 . Z5.

Z5 Z1
d1
d5 d2
Z2

d4 d3
Z4 Z3

Se estima la ley del panel P por:

Criticas a este mtodo:

a) No tiene ninguna justificacin terica: no existe ninguna ley fsica que

nos asegure esto.
b) Este mtodo no considera ni el tamao ni la forma del bloque: si el
bloque fuera por ejemplo triangular se usara el mismo estimado
c) Qu pasa si hay un dato en el centro del bloque?: se tendra que su

distancia al centro del bloque es 0, luego

d) Al utilizar este mtodo no hay ninguna posibilidad de poder evaluar el
error cometido.
 EJEMPLO

En un yacimiento diseminado de plomo, plata y otro, se ha muestreado a

travs de tres sondajes diamantinos segn el grafico. Estimar por el
mtodo de inversa de las distancias al cuadrado en el punto D.

La profundidad promedio para el deposito

La ley promedio de plata y oro

El tonelaje total (G.E. = I.8) de mineral y con leyes

Sabiendo que es un diseminado de oro y plata

SOLUCION:

Sabemos que:

Reemplazamos los valores de la figura del ejemplo y hallamos lo que pide

el ejemplo.

Hallamos la ley promedio del Au:

 8 9.50 7.50 8 9.50 7.80

ZAu
17 13 (10) 289.000 169.00 100 0.0277 0.0562 00780
2 2 2

1 1 1 1 1 1 0.0035 8.0059 00100

17 13 10 289.000 169.00 100.00
2 2 2

0.1619 8.3548.grAu ton

ZAu
0.0194

Hallamos la ley promedio del Ag:

18 25.90 20.50 18 25.90 20.50

(17) 2
(13) 2 (10) 2 0.0623 0.1533 0.2050
ZAg 289.0 169.0 100.0
1 1 1 1 1 1 0.0035 0.0059 0.0100
2
2
2

(17) (13) (10) 289 .0 169 .0 100.00

0.4505 21.7025.0 zAg ton

ZAg
0.0194

Hallamos la profundidad promedio del depsito:

30 25.50 22.50 30 25.50 22.50

100 0.1038 1509 0.2250
2 2 2
(17) (13) (10) 289 169
ZP
1 1 1 1 1 1 0.0035 0.0059 0.0100
2
2

(17)2 (13) (10) 289 169 100

0.4717 24.728mts
Zp
0.0194

Hallamos la el tonelaje:
- Calculo del rea:

1080
A= Bxh/2=24x45/2= 540.00m 2
2

- Calculo de tonelaje:
o Primero analizamos el tonelaje total

Volumen: V = Ax P = 540.00 m2 x24.f268 m =13,352.4720 m2

Tonelaje: T= VxP.E. =13,352.4710x1.8=24,034.4496 Ton