Está en la página 1de 8

BENEFICIOS DE LA COMPOSITACIÓN

1. Mejora la representatividad de la muestra.


2. Reduce la variación errática debido a valores muy altos o muy bajos de ensayos.
3. Disminuye el número de datos y el tiempo de cálculo.
4. Mejora la interpolación de leyes.
5. Incluye la dilución en los compositos.

LONGITUD DEL COMPOSITO

En el logueo de cores generalmente se da preferencia a los tramos que cortan el


mineral, en estos logueos es más minucioso, y muchas veces los logueos optan por
disminuir la longitud de la muestra en estos tramos buscando con ello caracterizar
mejor la mineralización económica; es decir, donde hay mineral más muestra, donde
hay roca caja (estéril) los tramos para el muestreo son más grandes.

En esta práctica acarrea consigo un sesgo en la información, la teoría dicta muestrear


todo el taladro a una longitud constante pues la información debe ser insesgada; ante
esta situación de tramos diferentes se hace necesario compositor los tramos a una
misma longitud.

Tramos más cortos de composito generan un mayor sesgo de tramos largos de


compositos.

DETERMINACION DE LA LONGITUD COMPOSITO

En minería a cielo abierto es práctico compositar los tramos de sondaje a una longitud
que sea igual a la altura o mitad del banco de explotación; en minería subterránea se
manejan varios criterios, los más usados son:

1. La moda estadística de los datos


2. Ancho de la veta
3. Por el método de explotación

Compositacion de la moda estadística de los datos (underground mining)

El criterio más aplicado es el de la moda estadística de los tramos de muestreo, con el


fin de minimizar la variación entre los datos originales y compositados.

Por ejemplo en el proyecto de Veta Atenea se han muestreado a 0.5m y 1m los tramos
que cortaron veta, a 2m o más aquellos tramos que cortaron roca caja con cierta
evidencia mineral y no se muestrearon aquellos tramos con zona estériles; por lo tanto
la información esta sesgada.
Al realizar la estadística básica tanto para los tramos que están en Veta Atenea como
para los tramos de todo el logueo, se obtiene que el valor más se repite es de 1m
(moda), por lo tanto esta es la longitud que se usara para compositar los sondajes.
EJEMPLO: Techincal Report Caylloma Project Arequipa, Peru

Fuente: Technical report on the mineral resourse estimate, Fuxta del Norte Project,
Ecuador
EFECTO EN EL CAMBIO DE SOPORTE
Cutting Grades – Grade Capping

El corte de grado (estrictamente hablando, nivelación) implica reducir los valores altos
que se consideran extremos a un valor inferior antes de la estimación. No hay una
técnica única que se adapte a todas las situaciones; sin embargo, además de los
histogramas (diagramas de probabilidad) y el impacto en las estadísticas (por ejemplo,
reducción progresiva de la variabilidad en función del valor de corte superior), también
deberíamos evaluar el aspecto espacial del problema: ¿son los grados espacialmente
erráticos o conectados? Es importante apreciar que el objetivo de reducir en la
estimación geoestadística moderna es evitar la influencia indebida de valores extremos
en la estimación de bloque local.

FUENTE: MINERAL RESOURCE AND RESERVE ESTIMATION-THE AUSIMM GUIDE TO


GOOD PRACTICE

Este proceso consiste en eliminar variables que se escapan de los valores “normales”
de la data obtenida de la exploración.

Con la curva de probabilidad se definen los límites de corte por elemento con el fin de
disminuir el coeficiente de variación de la data, minimizar la variabilidad al realizar la
variografia y de no sobreestimar los valores medios del depósito al realizar la
interpolación.

Una revisión de los valores del ensayo para la estimación del recurso incluyó la
preparación de histogramas y tablas de probabilidad acumuladas. Debido a que los
valores atípicos de alto grado pueden llevar a una sobreestimación de un recurso, el
ensayo de alto grado fue limitado entre los percentiles 96 ° a 99 ° antes de la
composición. Los valores de ensayo con límite y el número de ensayos afectados se
resumen en la tabla 14.5.

"valores de corte superior utilizando los percentiles 95"


Valores anómalos (outlier)
Subpoblación de leyes altas que pueden ser consideradas como valores anómalos a la
población de muestras. Estas muestras podrían afectar de forma negativa los cálculos
de interpolación de leyes en los bloques creando un efecto de sobreestimación de
leyes.

Se considerarán muestras anómalas todas aquellas muestras cuya ley que sea mayor a
3 veces la desviación estándar sumado a la ley media de la población.

OUTLIER= (3* σ) + m

Ejemplo determinación de outlier

Desv
Veta No Muestras Mínim Máximo Promedio Varianza Coef Var
Estándar
o
Andrea 150 0.02 7.24 0.96 1.38 1.90 1.43
MC Antiguo 177 0.01 17.8 1.32 2.84 8.07 2.15
Montecristo 756 0.005 11.5 0.73 1.33 1.78 1.82
San Rafael 270 0.01 6.03 0.59 0.98 0.97 1.66
Santa Rosa 50 0.01 5.19 0.67 0.90 0.80 1.34
Sin Nombre 204 0.01 4.89 0.80 1.07 1.15 1.33
Jubilados 21 0.04 3.79 1.03 1.12 1.26 1.09
CUT
Abundancia 217 0.01 7.087 1.14 1.28 1.63 1.12
San Nicolas 55 0.02 6.52 1.15 1.43 2.04 1.24
Carmen 34 0.02 2.99 0.49 0.64 0.40 1.29
San Pedro 271 0.01 7.96 0.60 1.00 0.99 1.67

San Antonio 18 0.01 0.54 0.17 0.18 0.03 1.09


San Pablo 72 0.01 2.82 0.16 0.40 0.16 2.48
Mantos 11 0.02 3.68 0.61 1.05 1.10 1.73
Fierrera 0
Total 2,306 0.005 17.8 0.79 1.40 1.96 1.77

Límite Outlier % Población No Muestras

CUT 5.09 2.00 46


DISTRIBUCIÓN de FRECUENCIAS
"Si un examen de la distribución de frecuencia de muestra como se muestra en un
histograma indica una distribución normal aproximada, entonces los parámetros
estadísticos normales pueden calcularse para el conjunto de datos. La varianza
promedio (promedio) y la desviación estándar calculada para los datos de muestra
deben proporcionar una aproximación razonable de estos parámetros para el depósito
o porción del depósito muestreado ".

Cuando existe un comportamiento de Log normal, indica una baja correlación entre los
datos. Lo cual se debe corregir realizando una “normalización” de la variable.