Anàlisis Exploratorio de Datos (EDA) - VARIOGRAFIA - Jorge Sànchez

ANALISIS EXPLORATORIO DE DATOS EDA - VARIOGRAFIA
Por Jorge Snchez Espinoza Gelogo Senior de Modelamiento y Recursos Minerales
ANLISIS EXPLORATORIO DE DATOS

La finalidad del anlisis exploratorio de datos (EDA, por sus iniciales en ingls Exploratory data
analysis) es examinar los datos durante la aplicacin de cualquier tcnica estadstica. De esta
forma el analista consigue un entendimiento bsico de sus datos (elementos a estimar) y de las
relaciones existentes entre las variables analizadas.
El EDA proporciona mtodos sencillos para organizar y preparar los datos, detectar fallos en el
diseo y recogida de datos, tratamiento y evaluacin de datos ausentes, identificacin de altos
errticos.
El EDA deber ser completado en los datos crudos (ensayes) y en los datos tanto capeados
como compositado, mediante los histogramas detectamos los altos errticos. Para un primer
anlisis en los datos de ensayes se deber hacer por medio de boxplots para evaluar el
comportamiento del metal en las diferentes litologas presentes esto ser en funcin de una
codificacin numrica asignada a las litologas para facilitar su anlisis. De los resultados se
puede apreciar si la distribucin del metal es diferente en cada una de las litologas.
De lo observado en los boxplots por litologa u otro control ya sea estructural o de alteracin, se
podr definir si esa es o no uno de los controles en la mineralizacin, esto significa que la litologa
debe ser modelada obligatoriamente para optimizar la estimacin de recursos. Se deben agrupar
aquellas litologas donde la distribucin estadstica muestra similares caractersticas y donde se
tiene poca cantidad de datos, estas deben ser incluidas en las litologas mayores de acuerdo a
la ubicacin espacial. Hay casos en donde la litologa no puede ser usado debido a que no fue
interpretada lo que hace imposible su incorporacin en la base de datos de los compositos y su
aplicacin como control de los dominios de estimacin.
1. Base de Datos
El primer paso en un EDA es hacer accesible los datos a cualquier tcnica estadstica. Ello
conlleva la seleccin del mtodo de entrada, que sera archivos drivers como csv, txt, etc. Los
cuales son obtenidos de nuestra base de datos (SIOM), y codificacin de los datos que ser en
funcin de los slidos litolgicos, de alteracin, mineralgicos o estructurales (Ver tabla N 1) as
como la de un software estadstico adecuado para procesarlos, en nuestro caso ser el programa
SGeMS. (Ver Figura 1).
El archivo delimitado por comas deber ser nombrado segn la nomenclatura siguiente:
NOMBRE DE LA VETA-UNIDAD-EDA.csv
Un ejemplo seria: Ramaltecho-Ticlio-EDA.csv
En nombre de la veta y la unidad sern abreviados segn corresponda.
1
Procedimiento de Estimacin de Recursos
Febrero 2014
Tabla N1: Variables utilizadas para el EDA en el archivo csv.
Nombre de Campo Comentario

X Coordenada Norte en UTM
Y Coordenada Este en UTM
Z Elevacin en msnm
BHID Cdigo nico de identificacin del sondaje
LENGTH Ancho de muestra
Zn Ley de Zn extrada del SIOM en %
Pb Ley de Pb extrada del SIOM en %
Cu Ley de Cu extrada del SIOM en %
Oag Ley de Ag extrada del SIOM en onzas
ZONE Codificacin segn litologa, alteracin, mineralizacin o estructura.
ZnCap Ley de Zn capeada en %
PbCap Ley de Pb capeada en %
CuCap Ley de Cu capeada en %
OagCap Ley de Ag capeada en onzas
Figura 1: Pantalla de inicio del SGeMS.
Asimismo realizar un anlisis estadstico grfico y numrico de las variables del problema con el
fin de tener una idea inicial de la informacin contenida en el conjunto de datos as como detectar
2
Febrero 2014
la existencia de posibles errores en la codificacin de los mismos. El tipo de anlisis a realizar

para nuestro caso son los Histogramas.
2. Histogramas y Curvas de Probabilidad de los Ensayes
Para el proceso de estimacin es necesario generar una serie de histogramas y curvas de

probabilidad de los ensayes o datos crudos segn los diferentes metales presentes y
considerando cada una de las diferentes litologas. Esto es como parte del proceso de
identificacin de altos errticos, determinacin de la distribucin y caractersticas de las variables.
Figura 2: Ejemplo de Histograma para los datos de ensayes.
Para esto se utiliz el programa SGeMS, en donde se import la base de datos proporcionada
del SIOM en formato delimitado por comas y posteriormente se aplic un batch (que es un archivo
de aplicacin en formato delimitado por comas) el cual contiene la informacin sobre la forma,
datos de generacin y graficado del histograma.
3
Febrero 2014
Una vez iniciada la aplicacin del SGeMS dentro del conjunto de algoritmos A_Utilities se
selecciona el algoritmo Data Load and Filter, en donde aparece un ventana de seleccin Data
en donde debemos direccionar el archivo en formato delimitado por comas e identificar las
columnas correspondientes a las coordenadas (los dems campos se dejan como esta por
defecto) una vez hecho esto se hace click sobre el comando Run Algorithm ubicado en la parte
inferior a manera de un botn, una vez hecho esto al lado derecho sobre la ventana Objects
aparecer la informacin cargada donde podr ser visualizada activando las casillas segn la
informacin que se desee visualizar; esto nos permite importar la base de datos codificada al
programa para su posterior anlisis y generacin de grficos.
Figura 3: Vista de importacin de data al SGeMS.
Despus dentro del conjunto de algoritmos A_Utilities se selecciona el algoritmo Run a Batch
Mode Parameter File, el cual nos permite cargar mediante un archivo csv toda la configuracin
para la creacin de los histogramas, este archivo ser considerado como un batch.
Figura 4: Vista de cargado de un batch al SGeMS.
4
Febrero 2014
nicamente se deber ubicar el archivo batch de donde se tuviese guardado y hacer click sobre
el comando Run Algorithm, con esto se generaran los histogramas en la ruta indicada en el
batch.
Figura 5: Vista de un batch de cargado al SGeMS.
En la figura N6 se describe los campos necesarios utilizados para el correcto llenado de una
batch para su correcto uso y posterior generacin de histogramas.
Los archivos de salida que son en formato PostScript (.ps) debern ser nombrados de la siguiente
forma:
ELEMENTO-TIPO DE GRAFICO-NOMBRE DE LA VETA-UNIDAD- DOMINIO.ps
Un ejemplo seria: Zn-Histo-Ramaltecho-Ticlio-Dom3.ps
5
Febrero 2014
Asimismo dentro del grfico los ttulos y subttulos del histograma debern ser contemplados de
la siguiente forma:
ELEMENTO HISTOGRAM DOMINIO TIPO DE DATOS

NOMBRE DE LA VETA - UNIDAD
Un ejemplo seria: Zn Histogram Dom 3 Assay

Veta Ramal Techo Unidad Ticlio
Figura 6: Descripcin de un batch para generar histogramas.
Nombre de Fila Ejemplo de Contenido Comentario

algorithm name awHp Este valor va para todos los casos
awHp_outputFileFC D:/ESTIMACIN DICIEMBRE 2014/ZN DOM3.ps Ruta en donde va a grabarse los histogramas
awHp_grid NewSet Nombre con que fue importada la base de datos
awHp_dataProperty Zn Nombre del campo a ser calculado
awHp_weightPropertyCB 1 Peso para ser usado en el calculo, por defecto 1
awHp_weightProperty LENGTH Nombre del campo a ser usado como peso
awHp_sel ZONE eq 3 Tipo de seleccin para la generacion del histograma
awHp_titlea Zn Histogram Dom 3 - Assay Titulo del histograma
awHp_titleb Veta Ramal Techo - Unidad Ticlio Subtitulo del histograma
awHp_cutoff 0 No aplica, se deja en 0, se usa para acortar la data
awHp_topcut 99999 No aplica, se deja en 99999, se usa para acortar la data
awHp_nplot 4 Cantidad de ploteos a realizar
awHp_portraitRB 1 Seleccin de orientacion de hoja, si se selecciona 1 en
awHp_landscapeRB 0 la primera posicion la hoja saldra vertical
awHp_plotHist_1 1 Seleccin de ubicacin de los histogramas en sentido
awHp_plotHist_2 1 horario,
awHp_plotHist_3 0 se coloca 1 si se desea un grafico en esa ubicacin y 0 si
awHp_plotHist_4 0 no se desea.
awHp_plotProb_1 0 Seleccin de ubicacin de los grficos de probabilidad
awHp_plotProb_2 0 en sentido horario,
awHp_plotProb_3 1 se coloca 1 si se desea un grfico en esa ubicacin y 0 si
awHp_plotProb_4 1 no se desea.
awHp_scaleArith_1 1 Seleccin de escala de los histogramas en sentido
awHp_scaleArith_2 0 horario,
awHp_scaleArith_3 0 se coloca 1 si se desea escala aritmetica en esa
awHp_scaleArith_4 1 ubicacin y 0 si no se desea.
awHp_scaleLog_1 0 Seleccin de escala de los grficos de probabilidad en
awHp_scaleLog_2 1 sentido horario,
awHp_scaleLog_3 1 se coloca 1 si se desea escala logaritimica en esa
awHp_scaleLog_4 0 ubicacin y 0 si no se desea.
awHp_axisTitle Zn % Titulo del eje
awHp_histNClasses 30 Cantidad de clases, por preferencia se decidio usar 30.
awHp_histLowbound 0 Por defecto en 0
awHp_histClassWidth 1.25 Ancho de clase
awHp_histMaximumFrequency 0.15 Limite mximo de la frecuencia
awHp_probStartValue 0.001 Valor inicial del grfico de probabilidad
awHp_probNumCycles 6 Nmero de ciclos en el grfico de probabilidad
awHp_ndec 3 Cantidad de decimales
saveBatchParameterFileCB 0 Por defecto en 0
6
Febrero 2014
3. Anlisis de los grficos
Una vez generado los histogramas se realiza un examen grfico y un anlisis descriptivo
numrico que cuantifique las variables analizadas que para nuestro caso son los elementos a
estimar. Con esto se determina las poblaciones presentes as como los altos errticos.
Los altos errticos son observaciones con caractersticas diferentes de las dems., estos no
pueden ser caracterizados categricamente como benficos o problemticos sino que deben ser
contemplados en el contexto del anlisis y debe evaluarse el tipo de informacin que pueden
proporcionar. Su principal problema radica en que son elementos que pueden no ser
representativos de la poblacin pudiendo distorsionar seriamente el comportamiento de los
contrastes estadsticos. Por otra parte, aunque diferentes a la mayor parte de la muestra, pueden
ser indicativos de las caractersticas de un segmento vlido de la poblacin y, por consiguiente,
una seal de la falta de representatividad de la muestra.
Estos altos errticos puedes clasificarse en categoras:
La primera categora contiene aquellos que surgen de un error de procedimiento,

tales como la entrada de datos o un error de codificacin. Estos deberan
subsanarse en el filtrado de los datos, y si no se puede, deberan eliminarse del
anlisis o recodificarse como datos ausentes.
La segunda clase es la observacin que ocurre como consecuencia de un

acontecimiento extraordinario. En este caso, este no representa ningn segmento
vlido de la poblacin y puede coordinarse la eliminacin con el administrador de
base de datos.
La tercera clase contiene las observaciones cuyos valores caen dentro del rango
de las variables observadas pero que son nicas en la combinacin de los valores
de dichas variables. Estas observaciones deberan ser retenidas en el anlisis
pero estudiando qu influencia ejercen en los procesos de estimacin de los
modelos considerados.
La cuarta y ltima comprende las observaciones extraordinarias para las que el

investigador no tiene explicacin, vale decir en donde los tem antes mencionados
no son suficientes. En estos casos lo mejor que se puede hacer es replicar el
anlisis con y sin estas observaciones, con el fin de analizar su influencia sobre
los resultados. Si dichas observaciones son influyentes se deber reportar en las
conclusiones y averiguar el porqu de dichas observaciones.
Estos pueden identificarse examinando la distribucin de observaciones para cada variable,

seleccionando como altos errticos aquellos casos cuyos valores caigan fuera de los rangos de
la distribucin. La cuestin principal consiste en el establecimiento de un umbral para la
designacin del alto errtico. Esto se puede hacer grficamente mediante histogramas o
diagramas de caja.
Adems se debe evaluar, si fuera necesario, el impacto potencial que pueden tener los datos
ausentes (missing) sobre la representatividad de los datos analizados. El primer paso en el
7
Febrero 2014
tratamiento de datos ausentes consiste en evaluar la magnitud del problema. Para ello se
comienza analizando el porcentaje de datos ausentes por variables y por casos.
Si existen casos con un alto porcentaje de datos ausentes se deberan excluir del problema.
Asimismo si existe una variable con un alto porcentaje de este tipo de casos su exclusin
depender de la importancia terica de la misma y la posibilidad de ser reemplazada por variables
con un contenido informativo similar.
Como regla general, sin embargo, si dicha variable es dependiente debera ser eliminada ya que
cualquier proceso de imputacin de valores puede distorsionar la significacin estadstica y
prctica de los modelos estimados para ella.
Los mtodos de imputacin pueden ser:
a) Mtodos de disponibilidad completa, que utilizan toda la informacin disponible a partir

de un subconjunto de casos para generalizar sobre la muestra entera. Se utilizan habitualmente
para estimar medias, varianzas y correlaciones
b) Mtodos de sustitucin, que estiman valores de reemplazo para los datos ausentes,
sobre la base de otra informacin existente en la muestra. As se podra sustituir observaciones
con datos ausentes por observaciones no maestrales o sustituir dichos datos por la media de los
valores observados o mediante regresin sobre otras variables muy relacionadas con aquella a
la que le faltan observaciones.
3.1 Capping
Una vez determinados los altos errticos y haciendo el anlisis respectivo se procede al capeo
de los mismos los cuales son aplicados a una columna gemela del elemento original (para no
perder la data original) esta ser llamada usando el nombre original del elemento pero
agregndole el sufijo Cap sobre la cual se continuaran con los dems procesos de
compositacin y estimacin. Para nuestro caso analizando las grficas se determin valores
corte en el lmite superior de las curvas de probabilidad de los ensayes los cuales fueron
reemplazados en las columnas gemelas por los valores que superen este lmite.
Figura 7: Ejemplo de Base de Datos capeada (en gris).
8
Febrero 2014
Finalmente realizado esto se completa nuevamente el proceso de generacin de histogramas

sobre la base de datos capeada con diferencia que para los datos crudos se usa las columnas
originales y para este proceso se usa la columna gemela con el reemplazo respectivo del alto
errtico para su comparacin con los grficos de ensayes o datos crudos.
El archivo delimitado por comas deber ser nombrado segn la nomenclatura siguiente:
NOMBRE DE LA VETA-UNIDAD-EDA-CAP.csv
Un ejemplo seria: Ramaltecho-Ticlio-EDA-CAP.csv
En nombre de la veta y la unidad sern abreviados segn corresponda
4. Histogramas y Curvas de Probabilidad de los Compositos
Se gener adicionalmente una serie de histogramas y curvas de probabilidad de los compsitos

usando los datos de las leyes compositadas al ancho de la estructura a ser estimada y
considerando las diferentes litologas que posteriormente puedan usarse como dominios en la
estimacin. Esto se realiz para comparar la distribucin y variabilidad de los datos al momento
de la compositacin en relacin con los datos capeados y los datos crudos.
Para la generacin de los histogramas y curvas de probabilidad se realiz el procedimiento

descrito para los ensayes o datos crudos.
9
Febrero 2014
Figura 8: Cuadro comparativo entre los datos de ensayes, capeados y compositados.
5. Boxplot de Compositos por Dominios
Adems se gener una serie de boxplot por dominios para evaluar la relacin entre cada una de
las zonas y corroborar que las zonas definidas anteriormente necesitan ser reagrupadas o no
considerando las variables geolgicas (litologa, alteracin u otros) para el proceso de
estimacin, estas variables permitirn controlar mejor el coeficiente de variacin observado en
los dominios previos.
10
Febrero 2014
Figura 9: Ejemplo de boxplot para los datos compositados.
Estos grficos fueron generados en el SGeMS, la forma de cargado de datos es la misma que
para los histogramas pero con la variante que el batch de generacin de boxplot difiere en su
estructura con el anterior batch para generacin de histogramas (mencionado en el punto 2
Histogramas y Curvas de Probabilidad).
forma:
ELEMENTO-TIPO DE GRAFICO-NOMBRE DE LA VETA-UNIDAD-DOMINIO.ps
Un ejemplo seria: Zn-BP-Ramaltecho-Ticlio-Dom3.ps
Se muestra la descripcin de los campos de un batch para la generacin de boxplot.
11
Febrero 2014
Figura 10: Descripcin de un batch para generar boxplot para los datos compositados

algorithm name awBx Este valor va para todos los casos
awBx_outputFileFC D:/Zn Boxplot.ps Ruta en donde va a grabarse los histogramas
awBx_titlea Zn BoxPlot - Assay Comp Titulo del BoxPlot
awBx_titleb Veta Ramal Techo - Unida Tciclio Subtitulo del BoxPlot
awBx_nplot 3 Cantidad de grficos
awBx_dataGName_1 DOM 3 Nombre de primera serie de datos
awBx_grid_1 NewSet Nombre con que fue importada la base de datos
awBx_dataProperty_1 ZnCap Nombre del campo a ser calculado
awBx_weightPropertyCB_1 1 Peso para ser usado en el calculo, por defecto 1
awBx_weightProperty_1 LENGTH Nombre del campo a ser usado como peso
selection1_1 ZONE eq 3 Filtro de dominio para ser usado en el calculo
awBx_dataGName_2 DOM 4 Nombre de segunda serie de datos
selection1_2 ZONE eq 4 Filtro de dominio para ser usado en el calculo
awBx_dataGName_3 ALL Nombre de todas las series de datos
selection1_3 all Filtro de dominio para ser usado en el calculo
awBx_logScaleCB 1 Seleccin de escala, aritmetica o logaritmica,
awBx_arithScaleCB 0 se coloca 1 en la seleccin y 0 en el no escogido.
awBx_largeLineSp 10 Maximo espaciamiento de lineas
awBx_smallLineSp 1 Minimo espaciamiento de lineas
awBx_scaleMin 0.001 Minima escala
awBx_scaleMax 1000 Maxima escala
awBx_axisLabel Zn % Nombre del Eje
awBx_ndec 3 Cantidad de decimales
saveBatchParameterFileCB 0 Por defecto en 0
12
Febrero 2014
6. Contact plot de Compositos por Dominios
Se realizaron grficos de contact plot entre dominios los cuales nos permitieron ver el grado de
influencia de las leyes entre ambos dominios examinados, estos muestran el valor promedio de
las leyes de los elementos analizados y el nmero de compsitos, desde el contacto a distancias
de intervalos de 10 metros.
Los tipos de contactos pueden clasificarse de la siguiente manera:
Tipo de Contacto Suave (Soft), indica que en la interpolacin del modelo de bloques
todos los compsitos intervienen en el proceso, no tienen ninguna restriccin entre
dominios.
Tipo de Contacto firme (Firm), este tipo de contacto tiene influencia con el dominio
vecino, los compsitos del dominio tiene una influencia de 10 metros o ms con respecto
al otro. En el proceso de interpolacin solo intervienen aquellos compsitos que estn
dentro del dominio ms aquellos compsitos que estn a 10 metros o ms fuera del
dominio.
Tipo de Contacto Duro (Hard), este tipo de contacto indica que en el proceso de
interpolacin solo intervienen los compsitos del dominio, los compsitos de los vecinos
adyacentes no tiene ninguna intervencin en el proceso de interpolacin.
Estos grficos tambin fueron generados por el programa SGeMS, la forma de cargado de datos
es la misma que para los histogramas de los ensayes o datos crudos pero con la variante que el
batch de generacin del contact plot difiere en su estructura con el anterior batch para generacin
de histogramas (mencionado en el punto 2 Histogramas y Curvas de Probabilidad).
forma:
ELEMENTO-TIPO DE GRAFICO-NOMBRE DE LA VETA-UNIDAD-DOMINIO.ps
Un ejemplo seria: Zn-CP-Ramaltecho-Ticlio-Dom3.ps
Se muestra la descripcin de los campos de un batch para la generacin de contact plot.
13
Febrero 2014
Figura 11: Descripcin de un batch para generar contactplot para los datos
compositados.

algorithm name awCn Este valor va para todos los casos
awCn_outputFileFC D:/ESTADISTICA VRT/Zn-contact.ps Ruta en donde va a grabarse los histogramas
awCn_Agrid NewSet Nombre con que fue importada la base de datos
awCn_ADataProp Zncap Nombre del campo a ser calculado
awCn_ADataW_CB 1 Peso para ser usado en el calculo, por defecto 1
awCn_ADataW LENGTH Nombre del campo a ser usado como peso
awCn_ASelection LITO eq 3 Tipo de seleccin para la generacion del histograma
awCn_Bgrid NewSet Tipo de seleccin para la generacion del histograma
awCn_BDataProp Zncap Nombre del campo a ser calculado
awCn_BDataW_CB 1 Peso para ser usado en el calculo, por defecto 1
awCn_BDataW LENGTH Nombre del campo a ser usado como peso
awCn_BSelection LITO eq 4 Tipo de seleccin para la generacion del histograma
awCn_addPlot_2CB 0
awCn_Agrid_2
awCn_ADataProp_2
awCn_ADataW_CB_2
awCn_ADataW_2 None
awCn_ASelection_2 Por defecto
awCn_Bgrid_2
awCn_BDataProp_2
awCn_BDataW_CB_2
awCn_BDataW_2 None
awCn_BSelection_2
awCn_title Assay Contactplot Zn Comp Titulo del contactplot
awCn_ATitle RT 3 Titulo de lado A
awCn_BTitle RT 4 Titulo de lado B
awCn_YAxisLabel Zn % Titulo del eje
awCn_ymin 0 Valor minimo del eje
awCn_ymax 20 Valor maximo del eje
awCn_tmin 0
awCn_tmax 999999 Por defecto
awCn_cap 999999
awCn_binWidth 5 Ancho de clase
awCn_ndec 3 Cantidad de decimales
saveBatchParameterFileCB 0 Por defecto
14
Febrero 2014
7. Variografa
Los variogramas para los metales, fueron evaluados en cada uno de los dominios, se ha usado
el mtodo del correlograma por que ste normaliza la covarianza por la varianza de los datos
usados en cada salto (distanciamiento entre muestras). A pesar que el trmino variograma es
usado en el resto de documento, el mtodo real en todos los casos es el correlograma. Los
variogramas experimentales en varias direcciones fueron generados y modelados con la ayuda
del software Studio 3D.
Los variogramas experimentales fueron generados coincidiendo con la direccin preferencial de

la estructura mineralizada y respetando la distribucin de las leyes y fue generado incrementando
en 30 con respecto a su azimuth. El efecto pepita (C0) fue fijado al momento de modelar el
variograma. Se ajustaron a dos estructuras (C1 y C2) tipo esfricas hasta llegar a la meseta y sus
respectivos alcances (rangos) y se especific la convencin de rotacin de Studio 3D (software
minero de estimacin). Para la generacin de los variogramas se utiliza el comando VGRAM en
donde se ingresa el archivo compositado en el campo IN y el nombre del archivo de variografa
en el OUT.
Este deber estas formado por la palabra VGRAM-NOMBRE DE LA VETA.
Un ejemplo seria: VGRAM-RAMALTECHO
Figura 12: Vista del comando VGRAM para generar variogramas.
15
Febrero 2014
En la segunda pestaa Fields del comando VGRAM se coloca las columnas correspondientes a
las coordenadas as como los elementos a calcular la variografa. Ver detalle tabla N 2.
Tabla N 2: Descripcin de los campos de la ventana Fields.
Nombre Descripcin
X Coordenada X de los datos de muestras. El nombre por defecto es X.
Y Coordenada Y de los datos de muestras. El nombre por defecto es Y.
Z Coordenada Z de los datos de muestras. El nombre por defecto es Z.
F1 Primer elemento para clculo de variografa.
F2 2do elemento para clculo de variografa.
F3 3ro elemento para clculo de variografa.
F4 4to elemento para clculo de variografa.
F7 7mo elemento para clculo de variografa.
F8 8vo elemento para clculo de variografa.
F9 9no elemento para clculo de variografa.
F18 18vo elemento para clculo de variografa.
F19 19no elemento para clculo de variografa.
F22 22do elemento para clculo de variografa.
KEY Campo dominio. Los variogramas sern calculados

por cada dominio definido en este campo.
16
Febrero 2014
Figura 13: Seleccin de columnas para hacer los clculos en el comando VGRAM.
Finalmente en la tabla N3 podemos ver la pestaa Parameters donde se configuran los campos
de generacin del variograma; algunos campos son: LAG (que es dos veces la distancia de
muestreo), LAG TOL (o tolerancia, que es la mitad del LAG), NLAGS (cantidad de lags), AZI (el
azimuth del inicio de variograma), HORANG (la tolerancia angular), entre otros; para mayor
detalle ver la Tabla N 3.
17
Febrero 2014
Tabla N 3: Descripcin de los campos de la pestaa Parameters.
Nombre Descripcin
LAG Distancia para un lag.
LAGTOL Tolerancia a ser usada cuando se selecciona los pares de muestras, puede ser entre 0 y la mitad de un lag.
NLAGS Numero de lag.
NSUBLAG Es la divisin del lag entre la cantidad de sublag.
NLAGS1 cantidad de lag a ser divididos entre sublags
AZI Azimuth del primer variograma
HORANG Angulo de regularizacin del azimuth
DIP Direccin del Dip del primer variograma
VERANG Angulo de regularizacin del dip
CYLRAD Radio de bsqueda cilndrica, se pone 0 si no aplica
NUMHOR Numero de azimuth, el mximo nmero de variogramas individuales es este valor.
HORINC Incremento en el ngulo del azimuth.
NUMVER Numero de dips
VERINC Incremento en el ngulo del dip.
ALLKEYS Este parmetro controla si los variogramas individuales son calculados en si o el promedio de ellos
KEYMETH Controla si los variogramas respetan los dominios para los clculos.
CROSSVAR Controla si los variogramas y/o variogramas cruzados son calculados
INDSTEP Paso entre sucesivos indicadores de corte, dejar en 0 a menos que se tenga un archivo de corte
INDMIN El menor indicador del valor de corte, dejar en 0
INDNUM El nmero de indicadores a usar, dejar en 0
NESTED Mtodo de clculo de indicadores, dejar en 0
PRINT Alarma para controlar la salida de los grficos
ANGLE1 Primer ngulo de rotacin
AXIS1 Primer eje de rotacin, 1=X, 2=Y, 3=Z. 0 significa que no hay rotacin
ANGLE2 Segundo ngulo de rotacin
AXIS2 Segundo eje de rotacin, 1=X, 2=Y, 3=Z. 0 significa que no hay rotacin
ANGLE3 Tercer ngulo de rotacin
AXIS3 Tercer eje de rotacin, 1=X, 2=Y, 3=Z. 0 significa que no hay rotacin
LOGCON Si el valor de la muestra es menor que LOGCON, este se reemplaza por 0.001
ADDCON Constante agregada al campo a calcular antes del clculo en si
LAYMETH Mtodo de capas, para depsitos estratificados conviene calcular por capa y en total.
SPACING Las muestras son asignadas a un nmero de capa relativo a la rotacin del plano XY.
PAUSE Retraso en segundos entre la salida de cada variograma
PROMPT Numero de lneas a ver en la pantalla cuando los resultados van saliendo.
18
Febrero 2014
Figura 14: Ingreso de datos en pestaa parameters.
Figura 15: Ingreso de datos en pestaa parameters (cont.).
19
Febrero 2014
Una vez calculado el archivo de variografa se va a Applications Charting Variogram en

donde se apertura la ventana donde modelaremos el variograma a ser usado en la estimacin.
Figura 16: Ventana de Variogram
En la parte de Input File se agrega el archivo variograma creado anteriormente donde despus
de activar la opcin Draw Perpendicular Variograms y seleccionar el elemento a trabajar en
Value Field se selecciona el mejor variograma segn las direcciones calculadas. (Ver figura 17).
Si el variograma fue hecho segn dominios estos debern verse reflejado en la ventana Key
Fields y en Key Values.
En la ventana Format se grada los ejes para una mejor visualizacin, asimismo se normaliza el
variograma, se muestran los pares y las coordenadas en proyeccin UTM haciendo check en las
casillas correspondientes. (Ver Figura 18)
En la ventana Model Fitting se selecciona la opcin de direccin anisotrpica y que los

variogramas se vean en ventanas separadas, se agrega dos estructuras de tipo esfricos segn
sea el caso y con eso ya podramos modelar los variogramas en las 3 direcciones. (Ver Figura
19)
20
Febrero 2014
Figura 17: Ventana de Variogram Data Selection
Figura 18: Ventana de Variogram - Format
21
Febrero 2014
Figura 19: Ventana de Variogram Model Fitting
Ahora sealando y arrastrando los puntos sobre el variograma experimental se procede al

modelamiento ajustando la curva sobre la mayor cantidad de pares indicados, esto se realiza
para las tres direcciones. Estos variogramas debern ser grabados segn estas direcciones. (Ver
Figura 20).
Una vez terminado se nombra el modelo en Current Model File para finalmente grabarlo. Si se
hiciese para varios elementos se mantiene el nombre en el Current Model File pero se enumera
en el nmero de referencia una vez que sale la ventana de Save Model As ponindole una
pequea descripcin. (Ver Figura 21)
Una vez terminado el modelamiento variogrfico el archivo deber ser grabado de la forma:
VARIO-NOMBRE DE LA VETA-UNIDAD.dm
Un ejemplo seria: Vario-Ramaltecho-Ticlio.dm
Finalmente grabado el archivo variograma este ser el que se use en el proceso de estimacin.
22
Febrero 2014
Figura 20: Ventana de Variogram Modelamiento de variograma experimental
Figura 21: Ventana de Variogram Grabado de variograma experimental
23
Febrero 2014

Anàlisis Exploratorio de Datos (EDA) - VARIOGRAFIA - Jorge Sànchez

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Anàlisis Exploratorio de Datos (EDA) - VARIOGRAFIA - Jorge Sànchez

Cargado por

Copyright:

Formatos disponibles

ANALISIS EXPLORATORIO DE DATOS EDA - VARIOGRAFIA

Por Jorge Snchez Espinoza Gelogo Senior de Modelamiento y Recursos Minerales

ANLISIS EXPLORATORIO DE DATOS

Un ejemplo seria: Ramaltecho-Ticlio-EDA.csv

En nombre de la veta y la unidad sern abreviados segn corresponda.

Tabla N1: Variables utilizadas para el EDA en el archivo csv.

Nombre de Campo Comentario

Figura 1: Pantalla de inicio del SGeMS.

la existencia de posibles errores en la codificacin de los mismos. El tipo de anlisis a realizar

2. Histogramas y Curvas de Probabilidad de los Ensayes

Para el proceso de estimacin es necesario generar una serie de histogramas y curvas de

Figura 2: Ejemplo de Histograma para los datos de ensayes.

Figura 3: Vista de importacin de data al SGeMS.

Figura 4: Vista de cargado de un batch al SGeMS.

Figura 5: Vista de un batch de cargado al SGeMS.

ELEMENTO-TIPO DE GRAFICO-NOMBRE DE LA VETA-UNIDAD- DOMINIO.ps

Un ejemplo seria: Zn-Histo-Ramaltecho-Ticlio-Dom3.ps

ELEMENTO HISTOGRAM DOMINIO TIPO DE DATOS

Un ejemplo seria: Zn Histogram Dom 3 Assay

Figura 6: Descripcin de un batch para generar histogramas.

Nombre de Fila Ejemplo de Contenido Comentario

3. Anlisis de los grficos

Estos altos errticos puedes clasificarse en categoras:

La primera categora contiene aquellos que surgen de un error de procedimiento,

La segunda clase es la observacin que ocurre como consecuencia de un

La cuarta y ltima comprende las observaciones extraordinarias para las que el

Estos pueden identificarse examinando la distribucin de observaciones para cada variable,

Los mtodos de imputacin pueden ser:

a) Mtodos de disponibilidad completa, que utilizan toda la informacin disponible a partir

Figura 7: Ejemplo de Base de Datos capeada (en gris).

Finalmente realizado esto se completa nuevamente el proceso de generacin de histogramas

Un ejemplo seria: Ramaltecho-Ticlio-EDA-CAP.csv

En nombre de la veta y la unidad sern abreviados segn corresponda

4. Histogramas y Curvas de Probabilidad de los Compositos

Se gener adicionalmente una serie de histogramas y curvas de probabilidad de los compsitos

Para la generacin de los histogramas y curvas de probabilidad se realiz el procedimiento

Figura 8: Cuadro comparativo entre los datos de ensayes, capeados y compositados.

5. Boxplot de Compositos por Dominios

Figura 9: Ejemplo de boxplot para los datos compositados.

ELEMENTO-TIPO DE GRAFICO-NOMBRE DE LA VETA-UNIDAD-DOMINIO.ps

Un ejemplo seria: Zn-BP-Ramaltecho-Ticlio-Dom3.ps

Se muestra la descripcin de los campos de un batch para la generacin de boxplot.

Nombre de Fila Ejemplo de Contenido Comentario

6. Contact plot de Compositos por Dominios

Los tipos de contactos pueden clasificarse de la siguiente manera:

ELEMENTO-TIPO DE GRAFICO-NOMBRE DE LA VETA-UNIDAD-DOMINIO.ps

Un ejemplo seria: Zn-CP-Ramaltecho-Ticlio-Dom3.ps

Se muestra la descripcin de los campos de un batch para la generacin de contact plot.

Nombre de Fila Ejemplo de Contenido Comentario

Los variogramas experimentales fueron generados coincidiendo con la direccin preferencial de

Este deber estas formado por la palabra VGRAM-NOMBRE DE LA VETA.

Un ejemplo seria: VGRAM-RAMALTECHO

Figura 12: Vista del comando VGRAM para generar variogramas.

Tabla N 2: Descripcin de los campos de la ventana Fields.

KEY Campo dominio. Los variogramas sern calculados

Tabla N 3: Descripcin de los campos de la pestaa Parameters.

Figura 14: Ingreso de datos en pestaa parameters.

Figura 15: Ingreso de datos en pestaa parameters (cont.).

Una vez calculado el archivo de variografa se va a Applications Charting Variogram en

Figura 16: Ventana de Variogram

En la ventana Model Fitting se selecciona la opcin de direccin anisotrpica y que los

Figura 17: Ventana de Variogram Data Selection

Figura 18: Ventana de Variogram - Format

Figura 19: Ventana de Variogram Model Fitting