Geoestadistica

I. GENERALIDADES
II. TEORÍA DE LAS VARIABLES
REGIONALIZADAS
III. CUBICACIÓN DE RESERVAS
IV. METODOS DE OPTIMIZACIÓN DE
DISEÑO DE MINADO
 TEXTOS DE CONSULTA
 OSCAR BERNUY “ESTUDIO COMPARATIVO DE EVALUACIÓN
DE RESERVAS POR DIDERENTES MÉTODOS”

• OSCAR BERNUY “ GEOESTADÍSTICA Y APLICACIONES

MINERAS”

• MICHEL DAVID “GEOSTATISITICAL ORE RESERVE

ESTIMATION”

• MARVIN BARNES “COMPUTER-ASSISTED MINERAL

APPRAISAL AND FEASIBILITY”

• JULIO POTERICO “ESTUDIO COMPARATIVO ENTRE EL

MÉTODO CLÁSICO Y GEOESTADÍSTICO
VETA RIQUEZA – CIA MINERA PACHAPAQUI”

• JULIO POTERICO “ALGUNOS ALGORITMOS DE DISEÑO DE MINAS

A CIELO ABIERTO”
 I. GENERALIDADES
• PRESENTACIÓN
• REVISIÓN DE LA ESTADÍSTICA
• TERMINOLOGÍAS USUALES EN
GEOESTADÍSTICA
• TÉCNICAS DE ESTIMACIÓN
 PRESENTACIÓN
• En el desarrollo o explotación de un Py minero, se
precisa necesidades que requieren problemas
cuantitativos geológicos – mineros. Su solución
técnicas estadísticas y/o geoestadísticas.
• Técnicas empíricas y Técnicas científicas:
Norteamericana, Sudafricana y Francesa... Ejemplos
de métodos de cubicación
• Hacer una evaluaciíon más confiable, para optimizar
la utilización del recurso natural y la programación
de la explotación a corto, mediano y largo plazo.
• -- Eval. de reservas ++ Diseño y método de
explotación: BER = BP>BOP o
• ++ Eval. de reservas -- Diseño y método de
explotación: BER>BP>>BOP
• Debe existir adecuada coherencia: grado de
confiabilidad de ambos factores.
 REVISIÓN A LA ESTADÍSTICA
• VARIABLE ALEATORIA: valor queda determinado por el
resultado de un experimento: Discreta y Continua
• ESPERANZA MATEMÁTICA
• MEDIA: define la cantidad de metal
• VARIANZA: grado de homogeneidad de variable en
estudio. Medida del error al estimar ley media yac.
• COVARIANZA, ALGORITMO
• HISTOGRAMA: densidad de distribución mineraliz.
• CORRELACIÓN: Þ = C(x,y)/VarX*VarY ó r coef. de Pearson
r2 = [n§XY-(§X)(§Y)2/ {[n §X2-(§X)2][n §Y2-(§Y)2 } ...Y = a+bx
...B = n §XY – (§X)(§Y)/[n § X2-(§X)2]
• Modelos: determinísticos y estocásticos
• Simulación
• Modelos de distribuciones: normal, lognormal, binomial,
Poisson, binomial negativa.
 TERMINOLOGÍAS USUALES EN
GEOESTADÍSTICA
• VARIABLE REGIONALIZADA: función del
espacio...fluctúa en el espacio o tiempo. A 1, 2 o
3 dimensiones.
• LEY MÍNIMA EXPLOTABLE: parámetro
económico dinámico y fundamental...En leyes
de mineral; IB = CT ... CO = LC*CUT/IUT
CO = CUT/Precio*Fp*Ri*Rf ... Rf, fundición y
refinación
• RESERVA DE MINERAL
• PROYECTO, PLANEAMIENTO
• OPTIMIZAR
• GEOMATEMÁTICA
• GEOESTADÍSTICA: reconocimiento y aplicación
de los yacimientos Mineros mediante la teoría de
las variables regionalizadas.
• REALIZACIÓN: cada posible valor de una variable aleatoria

• SOPORTE: volumen sobre el cual la variable queda

definida

• ADITIVIDAD: en x = x+h...no hay heterogeneidad

• VARIOGRAMA: autocorrelación espacial de las variables.

Grado de continuidad mineralización depósito en
estudio..matemático, gráfico y ejemplos.

• VARIOGRAFÍA: arte de caracterizar espacialmente una

variable por medio de modelamiento de semi variogramas.

• TÉCNICAS DE ESTIMACIÓN
 II. TEORÍA DE LAS VARIABLES
REGIONALIZADAS

• CONCEPTUALIZACIÓN Y ANÁLISIS
ESTRUCTURAL
• COMPOSITACIÓN
• ESTACIONARIEDAD E HIPÓTESIS INTRÍNSECA
• CONSTRUCCIÓN Y MODELIZACIÓN DE
HISTOGRAMAS
• CONSTRUCCIÓN Y MODELIZACIÓN DE
VARIOGRAMAS
• TIPOS DE VARIOGRAMAS
• TÉCNICAS DE ESTIMACIÓN
 TEORÍA DE LAS VARIABLES
REGIONALIZADAS
Doble incertidumbre: cualitativa y cuantitativa
1º Debido a los complejos fenómenos geológicos sólo
“interpretación”... Subjetivo.

2º Cantidad de RR.NN. solo se conoce completamente una vez que ha

sido explotado. Única base analítica para interpretar y estimar es el
muestreo.

Desde punto vista matemático, una V.R. dos características:

• Gran irregularidad local (dientes de sierra)
• Estructuración (zona rica, pobre intermedia, aislada)

Tratamiento estadístico y Geoestadístico: Tramo “A” cierto patrón y

Tramo “B” distribución al azar. GRÁFICO. Tratamiento estadístico
(media, varianza, histograma) y geoestadístico(variograma) .

COMPOSITACIÓN. EJEMPLOS
DDH 01
ESTE : 373200
COMPOSITO *1 (Au)
NORTE:8168100
COTA :5100 m
1.50 5.0
from to Au gr/t 5m
2.00 4.5
0.0 1.5 5.0 1.5
1.5 3.5 4.5 2.50 4.7
3.5 6.0 4.7 1
6.0 8.0 4.4 2.00 4.4
5m
8.0 9.5 4.5
9.5 11.0 4.2 1.50 4.5
11.0 14.0 4.3 0.5
14.0 16.0 4.1 1.50 4.2
1
16.0 18.0 4.2 5m
18.0 19.5 3.9 3.00 4.3

19.5 21.5 3.6 1

2.00 4.1
21.5 23.0 3.7 1
23.0 25.0 3.8
2.00 4.2
5m
1.50 3.9
0.5
2.00 3.6
1.5
5m
1.50 3.7

2.00 3.8
1. COMPOSITO (c/5m)
DDH01 ( Au )

L 1
= 5x1.5 + 4.5x2.0 + 4.7x1 .5 = 4.71
4.5 5

4.7

4.4 L 2
= 4.7x1 + 4.4x2 + 4.5x1.5 +4.2x0.5 = 4.47
5

4.5

4.2

4.3
L 3
= 4.2x1+4.3x3+4.1x1 = 4.24
5

4.1

4.2

L 4
= 4.1x1 + 4.2x2 + 3.9x1.5 +3.6x0.5 = 403
5
3.9

3.6

3.7 L 5
= 3.6x1.5+3.7x1.5+3.8x2 = 3.71
5

3.8
 ESTACIONARIEDAD
• Estacionariedad, propiedad de algunas
funciones aleatorias, ley distribución NO
varía con traslación en el espacio.
• E{(x)} = E{y(x+h)} = cte. = m
• E{y(x)-m2} = var(x) = E{y(x+h) – m2}=
var(x+h) = cte. = var
 HIPÓTESIS INTRÍNSECA
• Existen fenómenos donde la
estacionariedad no existe.
• Diremos que hay discrepancia entre
Y(x+h)-Y(x) y admite una esperanza y
varianza.
• E{Y(x+h) – Y(x)} = m (h)
• E{[Y(x+h) – Y(x)]} = 2Gamma(h)
• Construcción de histogramas
• Aplicación del Spss
• Construcción de variogramas
• Características: continuidad, range,
nugget(Co), sill (c ), lag(h), fenómeno
transición, anisotropía:geométrica o
elíptica: a2 dif. a1 pero = c, zonal o
estratificada. a2 dif. a1 y c1 dif c2
• Uso variowin, geodas, excel
• Ejemplos
 Normal P-P Plot of LEY AU
3000 1. 00

. 75

2000

. 50

Expected Cum Prob

1000 . 25

St d. Dev = 1. 74
0. 00
Mean = 1. 3
0. 00 . 25 . 50 . 75 1. 00
0 N = 5000. 00
0. 0 4. 0 8. 0 12.0 16.0 20.0 Observed C um Prob
2. 0 6. 0 10.0 14.0 18.0

LEYAU

Detrended Nor mal P-P Plot of LEYAU 400

.3

.2
300

.1

-.0 200

-.1

100
-.2
St d. Dev = 1. 32
Mean = -. 54
-.3
-.2 0. 0 .2 .4 .6 .8 1. 0 1. 2 0 N = 5000. 00

-3

-3
-4

-4

-2

-2

-1

-1

1.

1.

2.

2.
-.

-.

.2

.7
.7

.2

75

25
.7

.2

.7

.2

.7

.2

25

75

25

75
5

5
5

5
5

5
Observed C um Prob

LN AU

Detrended Nor mal P-P Plot of LNAU

Normal P-P Plot of LNAU
. 02
1. 00

. 01

. 75

0. 00
Deviation from Normal

. 50
-.01
Expected Cum Prob

. 25 -.02

-.03
0. 00
-.2 0. 0 .2 .4 .6 .8 1. 0 1. 2
0. 00 . 25 . 50 . 75 1. 00

Observed C um Prob
Observed C um Prob
 MODELOS VARIOGRAMAS
• Esquema Matheron (esférico)
• Esquema de Formery (exponencial)
• Modelo de Gauss,
• Cúbico, función potencia, wijs, etc.
• Reglas prácticas ajuste variograma
• Ejemplos: vetas y placeres
• Ejm.- Construir y modelizar el variograma para la potencia del
muestreo practicado en una galería en forma sistemática cada 2
metros.

Potencia (m) Oz / TM Ag
0.10 47.34
0.40 82.46
20.35 91.95
0.15 56.83
0.35 90.67
0.30 85.20
0.30 89.22
0.90 151.11
0.80 73.95
0.50 122.97
 TIPOS DE VARIOGRAMAS
• Variograma relativo: gamma(h)/ (m2)
• Variograma promedio:
Gamma(h) = Sum [npi*gammai(h)]/Sum(npi)
• Variograma de indicatrices:
Valor: I(x) = 0 , para x < L.C
1, para x => L.C.
• Variograma logarítmico
• Variograma cruzado
Gam(h)=S[ZA(xi)-ZA(xi+h)][ZB(xi)-
ZB(xi+h)]/2np
 VARIANZA DE ESTIMACIÓN

• El variograma y las varianzas de extensión y de

dispersión, forman prácticamente la base de toda la
geoestadística.

• Error cometido cuando se estima la ley de un panel

e = valor (verdadero-estimado)

• Se tiene que calcular la varianza de estimación del

error cometido.

• VarE = 2GPromedio(v,V) - GP(v,v) - GP(V,V)

• Utilización funciones auxiliares. Nomogramas

 TÉCNICA DEL KRIGEAGE

Zv(x) = 1/v Integral Z(x) dx

Z*v(x) = Landa 1Z(x1) + ... + Landa nZ(xn)
L1G11 + L2G12+...+LnG1n + u = G1v
L1G21 + L2G22+...+LnG2n + u = G2v
. . .

L1Gn1 + L2Gn2+...+LnGnn + u = Gnv

L1 + L2 + ...+Ln =1

VARk = L1GP1v + L2GP2v + ... + LnGPn + u – GPvv

GP= gamma promedio ---- Ejemplos

 CUBICACIÓN DE RESERVAS

• Método clásico: poligonal, triangular,

inverso de las distancias, paneles o
blocks

• Método geoestadístico: subterráneo y

tajo abierto
• Krigeage de indicadores: 0,1 y L.C.
Z*v(x) = Landa 1Z(x1) + ... + Landa 4Z(x4). Indicará
% de probabilidad que salga.

• 4 puntos paralelepípedo. C/u 25 %

 MÉTODO DE PANELES O BLOCKS
• Resumiendo los cálculos matemáticos para
efectuar la cubicación de reservas minera,
mediante el presente método sería:
• 1° Ver si existen leyes erráticas (castigarlas).
• 2° Diluir las potencias.
• 3° Cálculo de leyes y potencias diluidas por
niveles y chimeneas. En el promedio de las
leyes, castigar un % de acuerdo a los datos del
problema.
• 4°Dimencionamiento de los blocks, Por ejm se
consignan con letras para:
• Blocks probados accesibles y ev. Acc. = Aij
• Blocks probables accesibles y ev. Acc. = Bij
• Blocks prospectivos ev. Acc. = Cij
• Blocks potenciales ev. Acc. = Dij
• Los blocks prospectivos y potenciales. Serán
considerados para el inventario de minerales
(probados, probables, prospectivos y potenciales),
mientras que los blocks probados y probables acc. Y
eventualmente acc. Que sean económicamente
rentables serán considerados como reservas de
mineral.
• 5° Cálculo de leyes y potencias diluidas por blocks.
• 6° Cálculo de T.M. de cad block.
• T.M. = AR * PMD * P.e. * f1 * f2
• Donde:
• T.M. =Tonelada métrica de cada block.
• AR = Area real (área total – área tajeada ).
• PMD = Potencia media diluida.
• P.e. = Peso específico.
• f1 = Factor de corrección o coeficiente de certeza.
• f2 = Factor de ajuste por corrección al tonelaje.
 Fig No 9

PLANO

A A
h h h h

SECCION
Leyenda
PROBADO
PROBABLE
 FIG. N° 5

3 LEYENDA

PROBADO

PROBABLE
1

2 SIN MINERAL EN EL NIVEL

SUPERIOR los limites laterales de
los bloque s son determinados
por la union de limite de los
a b minerales del nivel superior con
unpunto del nivel inferior , la altura
4 del mineral probable se determina
de acuerdo a la longitud de base a,
b

NIVEL INFERIOR
FIG. N°7

1 L1

2 LEYENDA
4 PROBADO
PROBABLE
PROPECTIV
O
9

7 H > (L1 + L2) / 2

5
L2

8
 4 Fig No 8
4
2 2

1
1

3 3
5
5
a
b

LEYENDA
d
‫ ٱ‬PROBADO
1
PROBABLE
Fig. 3a
4
2

a
H< a-b
2

5 3
LEYENDA
PROBADO
PROBABLE
 Fig. 3b
H  h  L1
h 2 5
En caso que L1> H/2
h Se tomará L1/5

L1

H  L1 + L 2
2

L2

h1 H  h2  L1
2 5
h2
En caso que L2> H/2
Se tomará L2/5
LEYENDA
PROBADO
PROBABLE
 FIG. N° 1A

Caso vetas Área circular = Áreas positivas

= c2/4
Caso de cuerpos
c2/4 = 4x(cxh)
h
h c2/16c = h
2
h c2/16c = h
h 0.206c = h 4p
1c = h Vol. de la esfera = Vol. de la prisma
5 = d3/ 6
d3/6 = 16x 4hx4h Dimencionamiento de bloques
FIG. 1 d3/6 = 6 x 16h2
AM > 0 d3/ 6x 16d = h2
4/2 4/2 0 = AM d2/ 96 = h2
O > AM>(b-d) 0.20dx 0.18d = h
b-d 0-d = AM
4/2 4/2 AM< (0-d)

d: ancho de dilución
b: ancho mínimo de explotación

AM: ancho de muestra

Caso
basico FIG. 2
dilución
Probado

probable
: PLANO FIG. N° 10A SECCION

A d A1

A A1
d

Contorno de un cuerpo
mineralizado

h  1/5d

Labor minera
 CUADRO RECURSOS O RESERVAS

Block Au gr/t Vol 103 G.e. Tonelaje Cont.

Fino
1 1.80 1000 2.50 2500 4500
2 2.60 1000 2.50 2500 6500

3 1.40 1000 2.50 2500 3500

4 1.40 1000 2.50 2500 3500

5 1.00 1000 2.50 2500 2500

6 0.70 1000 2.50 2500 1750
 TABLA TONELAJE - LM - CUT OFF

LEY CORTE TONELAJE LEY MEDIA Au

>0 15000 1.70

> 0.5 15000 1.70

> 1.0 10000 1.85

> 1.5 5000 2.20

> 2.0 2500 2.60

> 2.5 2500 2.60

Tonelaje – Cut Off

Ley Media – Cut Off

Contenido Fino – Cut Off

ESTRUCTURA DE SOFTWARES
• Base de datos
• Algoritmos
• CAD

• Taladros: - Collar
- Assay
- Geology
- Survey
• Collar.Txt
Identif. N E Cota Azimut Inclin.
Profund.
• Assay.Txt
Identificación From To Ley 1
Ley 2
• Geo.Txt
Identificación From To Código
• Survey.Txt
Identificación From To Azimut Inclinación
SIMULACIÓN METODO MONTECARLO

• Se realiza el gráfico de histogramas de

frecuencias simples
• Luego, el gráfico de histogramas de
frecuencias acumuladas
• Se da valores [0, 1], aprox. 30 tiempos
simulados
• Los histogramas de los tiempos
simulados, para los mismos intervalos
de clase. Reporta gráfico inicial.
 DISEÑO ÓPTIMO DE PITS
• MÉTODO SERGEY KOROVOV

1 2 3 4 5 6 7 8 9 10 11

+1 +1 -1 -1 -1 -1 +3 -1 -1 -1 -1

12 13 14 15 16 17 18 19 20
-1 +1
+2 -1 -1 +5 -1 -1 -1

21 22 23 24 25 26 27

-1 -1 +1 -1 -1 -1 -1

28 29 30 31 32

+3 -1 -1 +6 +7
 3 –1 4 –1 5 –1 6 –1 8 –1 9 -1 10 -1 11 –1
0 0 0 0 0
1

Fig.2 12 -1 13 +1 14 +1 15 -1 16 -1 17 +5 18 -1 19 -1 20 -1 V=5
0 0 3 2
• MÉTOD. PROGRAMACIÓN DINÁMICA POR SECCIONES
- Incremento de una fila y columna de valor 0,
- Luego bloques precedentes
- Matriz: C, M y P.

0 1 2 3 4 5 6 7 8 9

0 0 0 0 0 0 0 0 0 0 0

-1 1 0 2 -3 -1 -1 -1 -1 1

-1 -1 3 -1 -1 -1 -1 2

-2 -1 -1 -1 -1 3

6 2 2 4

BLOQUE ECONÓMICO