GEOESTADISTICA - Docx 12345 PDF

UNIVERSIDAD ALAS PERUANAS
FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS
CURSO: GEOESTADÍSTICA I
DOCENTE DEL CURSO
ING. KROVER W. LAZARTE PONCE
Ing. Krover W. Lazarte P. 1

4. CONTENIDO ANALÍTICO
SEMANA 7
3.4 Variografía: - Interpretación y aplicaciones -Presentación de casos
reales en diversos yacimientos mineros -Modelado de variogramas -
Aplicacion usando paquetes computacionales
SEMANA 8
EXAMEN PARCIAL

3.4 Variografía:
• VARIOGRAMA TEÓRICO
• Definición
• Propiedades básicas
• Estudio de modelos de variograma
• VARIOGRAMA EXPERIMENTAL
• Definición
• Cálculo a partir de los datos
• Características básicas
• Ajuste de modelos de variograma

3.4 Variografía: Definición
El Variograma es la herramienta geoestadística básica para visualizar,
modelar y describir la autocorrelación espacial de una variable distribuida
en el espacio,
Es una medida de dispersión. Para un ingeniero de petróleo, geólogo,
geofísico y/o minas, el Variograma es de mucho interés ya que incorpora
muchas características de la continuidad espacial que a su vez son
importantes en la evaluación de yacimientos mineros, de hidrocarburos y
otras aplicaciones.
Estas características se capturan analizando la similitud o disimilitud entre
los puntos de un área que se encuentran separados por una distancia “h”
conocida como “lag”.

El variograma se calcula a través de la diferencia cuadrada entre los
valores del atributo en cuestión en dos puntos del área en estudio,
separados a una distancia “h”.
Para obtener una relación generalizada aplicable a esta área, este cálculo
se repite para todas las muestras que están a una distancia “h” en una
misma dirección y se obtiene la diferencia cuadrada media, es por esta
razón que es conocido por semi-variograma y no por variograma.
Sobre el semi-variograma experimental se ajusta una ecuación

matemática conocida como “modelo”, donde se definen los parámetros
que serán utilizados en la técnica geoestadística escogida. Los parámetros
que se determinan a partir del ajuste son: la meseta (varianza), el rango y
el Efecto de Pepita (discontinuidad en el origen).

Continuidad Espacial
A B
5 7 8 4 2 4 6 8
1 3 9 2 6 1 3 5 7 9
MEDIA = 5
VARIANZA=50/9
HISTOGRAMAS IGUALES
12
12
10 10
8
Variograma
Variograma
6 6
4 4
2 2
0 0
0 1 2 3 4 0 1 2 3 4
Distancia Distancia

1 0,12
0,8 0,1
Variable
Variograma
0,6 0,08
0,4 0,06
0,04
0,2
0,02
0
0 5 10 15 20 25 0
0 2 4 6 8 10
Ubicación
Distancia
2 1
1,5 0,8
Variograma
1 0,6
Variable
0,5
0,4
0
0,2
1 3 5 7 9 11 13 15 17 19
-0,5
0
-1 1 2 3 4 5 6 7
Ubicación
Distancia

0,7
0,6
0,5
Variable
0,4
0,3
0,2
0,1
0
1
11
13
15
17
19
21
23
25
Ubicación
0,012
0,01
Variograma
0,008
0,006
0,004
0,002
0
11
13
15
17
19
1
9
Distancia

El Variograma teórico: Definición
Esta función permite medir la relación que existe entre los datos de
acuerdo con la cercanía “h” entre los sitios
Cálculo con datos de una muestra de sitios (estimador de momentos)
 h   E [ Z ( x)  Z ( x  h)] 2
1
Variograma Teórico
2
Variograma Experimental

El Variograma teórico: Definición
El variograma, conocido también como semi-variograma, es la
herramienta central de la geoestadística.
Dada una variable regionalizada Z(x) que cumpla la Hipótesis Intrínseca o
estacionario entonces existe la función semi-varianza y se define
matemáticamente como sigue:
Variograma Teórico
 h  
Var
[ Z ( x)  Z ( x  h)]
2
 h   E [ Z ( x)  Z ( x  h)] 2
1
xR , hR n n
2
El semi-variograma es una función que relaciona la semi-varianza
con el vector h conocido como "lag", el cual denota la separación en
distancia y dirección de cualquier par de valores Z(x) y Z(x+h).

El Variograma teórico: Características
 h   E[ Z ( x)  Z ( x  h)]2
1
2
Valor promedio de la diferencia al cuadrado de los
valores de la propiedad en dos puntos separados Z x  h1 
por una distancia |h| x  h1
 es independiente de la h1
localización x
 depende del módulo y de la
Z x 
dirección del vector h x h
Z x  h
Detección de características que varían según
la dirección y la distancia xh
El Variograma teórico: Características
Variograma
Variograma
Distancia Distancia

El Variograma Experimental: Definición
El variograma esta definido como:
 h   E [ Z ( x)  Z ( x  h)] 2
Variograma Teórico
1
2
El variograma experimental fue definido como:
N
1
 ( h) 
*
2 N h 
 ( z ( xi )  z ( xi  h)) 2
xi  xih  h
Donde:
(h) = es el variograma teórico
z(xi) = los valores experimentales en los puntos xi
z(xi + h) = los valores experimentales para la localización (xi+ h)
N(h) = número de pares de los valores experimentales para una
distancia “h”
*(h) = es el variograma experimental
El Variograma Experimental: Definición
La correlación espacial se debe

calcular dentro de la misma unidad
estratigráfica
Z  Z base
Z tope  Z base

El Variograma Experimental: Estimación
Debido a que (h) el estimador es esencialmente una media muestral,
tiene todas las desventajas comúnmente asociadas a este tipo de
estimador como es la no robustez.
 Es un estimador no paramétrico.
 Es óptimo cuando se dispone de una malla regular de muestreo que
sea representativa y la distribución sea normal.
En estas condiciones el sesgo es el mínimo posible.
A menudo el empleo de este estimador produce variogramas
experimentales erráticos, lo cuál se debe a desviaciones del caso ideal
para la aplicación del mismo.
Estas desviaciones pueden ser enumeradas por su importancia en el orden
siguiente:
1. Desviaciones en la distribución: Fuerte asimetría en la distribución de probabilidad.
2. Heterocedasticidad: Varianza no constante. La varianza varía con la posición.
3. Desviaciones en el muestreo (Muestreo sesgado). Los puntos de medición se
encuentran distribuidos de manera no homogénea.
4. Presencia de valores atípicos (outliers) distribucionales y espaciales.
El Variograma Experimental: Estimación
 (x1 , x 2 )  var ianza Z (x1 )  Z (x 2 ) 

1
• Variograma:
2
pero en el caso estacionario: E ( Z (x)  Z (x  h) 2  0

 x, h  E Z (x )  Z (x  h)2
1
2

• El estimador del variograma es:
N (h )
 (h) 
* 1
 z ( x i )  z ( x i  h) 2
2 N (h) i 1

El Variograma Experimental: Obtención
• Se escoge una dirección  N
1
• Se escoge una distancia o lag h
 ( h) 
*
2 N h 
 ( z ( xi )  z ( xi  h)) 2
xi  xih  h
• Se calcula 
*
para valores de
h,2h, 3h,...,nh
• Se grafica  *
versus los
valores h,2h, 3h,...,nh
 (h) GEO ESTADISTICA
meseta
s2
C
h : paso entre las muestras
C0 : efecto de pepita
a : alcance C0
C : sill
a h
C + C0 : meseta
s2 : varianza estadística DEPENDENCIA INDEPENDENCIA
ESTRUCTURA ALEATORIEDAD
N (h)
1
Datos Igualmente espaciados:  *( h )   i
2 N h i 1
( z ( x )  z ( xi  h )) 2
x1 x2 x3 x4 x5 x6
 * h 
1
2*5

zx1   zx2 2  zx2   zx3 2  zx3   zx4 2  zx4   zx5 2  zx5   zx6 2 
 * 2h 
1
2*4

zx1   zx3 2  zx2   zx4 2  zx3   zx5 2  zx4   zx6 2 
 * 3h 
1
2*3

zx1   zx4 2  zx2   zx5 2  zx3   zx6 2 
1 N (h)
Datos Igualmente espaciados:  ( h) 
*
 i
2 N h i 1
( z ( x )  z ( xi  h )) 2
kh,0, k  0,1,2,
0, kh, k  0,1,2,
kh, jh , k , j  0,1,2,

Datos Irregularmente espaciados:
• Puede ocurrir que no existan valores de la variable a la distancia h
• Puede ocurrir que no existan valores de la variable en la dirección 

• Clases de distancia:
Para cada lag h se define una tolerancia h y se utilizan únicamente los puntos que se
encuentran a una distancia mayor o igual a h  h y menor que h  h
z x2  z  x3  z  x5 
z x1 
z x4 
h
2h
3h

• Clases de distancia: h  0.5h
h  0.5h
h  0.5h

• Clases de dirección :
Para cada dirección  se define una tolerancia  y se utilizan

únicamente los puntos que se encuentran entre las direcciones
   y   
  
    

   
  
b
puntos aceptados
b = ancho de banda puntos aceptados
puntos descartados puntos descartados

• Clases de Distancia y dirección :




clase de distancia h
clase de distancia 2h
clase de distancia 3h

El Variograma Experimental: consideraciones practicas
Para el calculo del variograma es necesario tener en cuenta algunas reglas
prácticas que permiten elevar la eficiencia y la calidad de la estimación,
independientemente del tipo de estimador que se utilice.
Estas reglas son las siguientes:
 con tolerancia de   / 2 1 N

- Se escoge una dirección
 ( h )  *
( z ( xi )  z ( xi  h)) 2
- Se escoge una distancia o lag h con tolerancia  h / 2 2 N h  xi  xih  h
Por lo tanto el Semi-variograma es suavizado o regularizado
- El  a muestrear debe se considerado para pequeñas

*
distancias, h menores que 1/2 de la dist. máx (h < dmax/2) 6
variograma experimental
5
- La elección del número de intervalos es arbitraria. No
4
obstante se considera # Max 25 como suficiente para
3
cualquier propósito y un Min de 10 para determinar el rango Variograma
experimental
2
y la meseta..
1
- Se calcula  * para valores de h,2h, 3h,...,nh 0
4
8
2
6
4
8
2
6
0
4
0.
0.
1.
1.
2.
2.
3.
3.
- Se grafica  *versus los valores h,2h, 3h,...,nh Distancia

El Variograma Experimental: Lag o h
Lag h muy grande
0 1.2 2.4 2.8 4.9
Lag h pequeño, n muy grande
0 1.2 2.4 2.8 4.9
Lag h adecuado, valor de n ?

El Variograma Experimental: Ejemplos

El Variograma Experimental: Omnidireccional
Variograma Omnidireccional:
Es aquel que no depende de la dirección
Se obtiene al escoger la tolerancia angular 
de forma tal que las direcciones    y   
sean opuestas y perpendiculares a la dirección  Variograma direccional
Se puede pensar como el promedio del variograma
experimental en todas las direcciones posibles
x+h
Variograma h
omnidireccional
OMNIDIRECCIONAL
x
El Variograma Experimental: Cloud o Nube de variograma
Variogram Cloud: 30
1

25
 ( h) 
*
( z ( xi )  z ( xi h )) 2
2 N h xi  xih  h
20
15
1 ( z ( xi )  z ( xi  h))2
 
10
N h xi  xih  h 2 5
0
0 1 2 3 4 5 6 7
Al graficar el valor de los pares versus la
Distancia
distancia se obtiene el variogram cloud
300
250
Permite detectar valores atípicos o 200
cambios bruscos. 150
Permite escoger un valor inicial del lag. 100
Permite observar la dispersión 50
alrededor del valor de  * 0

0 1 2 3 4 5 6 7
Distancia
El Variograma Experimental: Cloud o Nube de variograma
Cloud o Nube de variograma. Ejemplos

El Variograma Experimental: Mapa de variograma
Mapa de Variograma :
Es una herramienta que permite
determinar las direcciones de
anisotropía de la variable en estudio
0 Definir una malla (2n+1)*(2n+1)
Definir el valor del lag h
h Asignar a cada bloque el valor

de *
0
Mapa de Variograma y Tolerancia Angular
Mapa de Variograma: Ejemplo
Tolerancia angular

El variograma Experimental: Características
1) RANGO Y SILL
2) COMPORTAMIENTO A PEQUEÑAS DISTANCIAS
3) COMPORTAMIENTO A GRANDES DISTANCIAS
4) ANISOTROPÍAS
1) RANGO Y SILL
2,5 Rango:
2 Distancia a la cual el
variograma se
Variograma
1,5
estabiliza
1 Sill :
Sill :
0,5
Valor constante que
0
toma el variograma en
12
15
18
21
24
27
30
33
36
39
42
0
3
6
9
Rango: distancias mayores al

Distancia
rango
El Variograma Experimental: Características
Si para una distancia dada d las variables Z(x) y Z(x+h) son no
correlacionas entonces el variograma es constante
 h  E [Z ( x)  Z ( x  h)] 2  s 2  E [Z ( x)Z ( x  h)]

1
s2
2
Rango: Distancia a partir de la cual Sill: Varianza de la función aleatoria Z
no hay correlación
Ejemplos:

El Variograma Experimental: Características esenciales
Comportamiento para distancias muy pequeñas
Mientras más regular el variograma en el origen, más regular la variable
regionalizada en el espacio.
Permite estudiar cuán rápido puede variar la variable en estudio a
pequeñas distancias. Básicamente el variograma presenta las 4 formas
siguientes:
1) Discontinuo “efecto pepita”: variable regionalizada errática

2) Lineal: variable regionalizada continua
3) Derivable: variable regionalizada muy suave
a) Cuadrático: V.R. a distancias pequeñas, el variograma tiene un
comportamiento cuadrático
b) Híbridos: Variable más suave a distancias cortas.

El Variograma Experimental: Comportamiento discontinuo
Efecto pepita o nugget effect
 h  var [Z ( x)  Z ( x  h)]

1
2
 0  0
Puede ocurrir que para distancias
cercanas a cero el valor del variograma
no se aproxima a cero.
1) Variable muy irregular a distancias
cortas
h0
Z(x) y Z(x+h) difieren mucho
 h  E [Z ( x)  Z ( x  h)] 2
1
no se aproxima a cero
2
El Variograma Experimental: Comportamiento discontinuo
Efecto pepita o nugget effect 3,5
2) Errores de medición 3
2,5
en las variables
Variograma
Z obs x   Z x    x 
2 Valores
observados
1,5
Valores
 Z h   Z h  s 
1 reales
2 0,5
obs 0
12
15
18
0
9
1,5
4,5
7,5
10,5
13,5
16,5
3) presencia de estructuras o
Distancia
ausencia de valores en distancias
inferiores a las que se tomaron
las muestras

El Variograma Experimental: Comportamiento.
Comportamiento lineal 3,5
3
Indica que para distancias pequeñas, el 2,5
variograma tiene un comportamiento
Variograma
2
lineal. 1,5
Representa variables continuas pero no 1
0,5
diferenciables. Así, la propiedad puede 0
cambiar rápidamente de un punto a otro. 0 1 2 3 4 5 6 7 8 9 10 11

Distancia
La variabilidad de la propiedad 2,5
dependerá de la pendiente de la recta en 2
Variograma
el origen 1,5
A mayor pendiente, mayor variabilidad 1
0,5
A menor pendiente, menor variabilidad 0

0 1 2 3 4 5 6 7 8 9 10 11
Distancia

Comportamiento Cuadrático 3,5
Indica que para distancias pequeñas, el 3
2,5
variograma tiene un comportamiento
Variograma
2
cuadrático. 1,5
Representa variables sumamente continuas e 1
infinitamente diferenciables. Así, la 0,5
0
propiedad NO puede cambiar rápidamente
10
13
16
19
22
25
28
31
34
37
Distancia
de un punto a otro.
8
Comportamiento Híbrido: 7
6
Variograma
Variación más suave a distancias cortas 5
4
3
Variación más fuerte a distancias grandes
2
1
Indica presencia de estructuras actuando a 0
diferentes escalas 0 1,5 3 4,5 6 7,5 9 10,5 12 13,5 15 16,5 18
Distancia
Estadísticas espaciales

Comportamiento para distancias muy grandes
Frecuentemente, el variograma se estabiliza en torno a una meseta
cuando la distancia crece infinitamente.
No todos los variogramas

poseen un rango y un sill finito
Indica la presencia de una
Variograma
deriva o drift
Variable no estacionaria
Distancia

Drift EZ x   mx 
 h  EZ x  h  Z x   mx  h  mx 

1 2 1 2
2 2
Sesgo
Estimación del variograma
Variograma Teórico
Meseta = varianza
Ing. Krover W. Lazarte P. alcance 43

A veces, el variograma sigue
D1=E-O
creciendo infinitamente.
D2=N-S

Comportamiento direccional o Anisotropías
El estudio de los variogramas direccionales permite identificar las
anisotropías de la variable regionalizada.
Anisotropías:
Generalmente cuando el variograma experimental es calculado en distintas direcciones
presenta distintos comportamientos con la variación de la distancia.
Anisotropía Geométrica Anisotropía Zonal Anisotropía Híbrida
Anisotropía Geométrica :
Es aquella en la que el variograma en distintas direcciones presenta el mismo sill pero
rangos “alcances” distintos
Mayor continuidad espacial en la 3

dirección de mayor rango “alcance”.
2,5
Menor continuidad espacial en la 2

dirección de menor rango “alcance”.
Variograma
1,5 N-S
E-O
1
0,5
0
0,0 0,9 2,0 3,0 4,1 5,1 6,2 7,2 8,3 9,3 10,4 11,4
Distancia

Anisotropía Geométrica :

Anisotropía Zonal:
Es aquella en la que el variograma
en distintas direcciones presenta el 3,5
D2=N-S
mismo rango “alcance” pero 3
diferente sill 2,5
Presencia de diferentes estructuras 2
Variograma
D1=E-O
1,5
D2=N-S
1
sill
0,5
0
0 0,94 1,99 3,04 4,09 5,14 6,19 7,24 8,29 9,34 10,4 11,4
Rango Distancia
D1=E-O

Anisotropía Híbrida :
4,5
Es aquella en la que el 4
variograma en distintas 3,5
Variograma
3
direcciones presenta rangos 2,5
diferentes y distintos sill. 2
1,5
1
Presencia de diferentes 0,5
estructuras 0
0 0,6 1,2 1,8 2,4 3 3,6 4,2 4,8 5,4 6 6,6 7,2
Distancia
Característico de variogramas
horizontales y verticales

 *
DEL VARIOGRAMA EXPERIMENTAL AL MODELO DE VARIOGRAMA

Modelado de Variogramas: Ajustar  *
POR QUE HAY QUE CONSTRUIR MODELOS DE

6 VARIOGRAMA ?
variograma experimental
4
3 Variograma
El variograma experimental no se puede
experimental
2
evaluar en distancias o direcciones intermedias
1
0
0
0.
4
0.
8
1.
2
1.
6 2
2.
4
2.
8
3.
2
3.
6 4 Una interpolación entre los puntos del
Distancia
variograma experimental no garantiza la
existencia y unicidad de la solución del sistema
6
de kriging
5
4
Variograma
La interpolación no satisface las condiciones
3 experimental
Modelo de
que todo variograma debe satisfacer
2
variograma
1
0
4
8
2
6
4
8
2
6
0
4
0.
0.
1.
1.
2.
2.
3.
3.
Distancia

Modelado de Variogramas: Propiedades
Propiedades del variograma
• función positiva o nulo: (h)  0
• función par o simetrico: (h)  (h)
• nulidad en el origen: (0)  0
• función de tipo negativo condicional

k k k
1 ,... k  R/  i  0, x1 ,...x k ,   i  j  (x i  x j )  0
i 1 i 1 j1
• Para distancias muy grandes o en el infinito, crece más lento o

menos rápidamente que una parábola.
• Toda la suma de variogramas es un variograma
• El producto de variogramas no es necesariamente un variograma

Modelado de Variogramas: Propiedades
2.5
1.5
0.5 4.5
4
0
0 1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9 3.5
3
2.5
+ = 2
1.5
1
2.5 0.5
0
2
0 1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9
1.5
0.5
0
0 1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9

Modelado de Variogramas: Teóricos
• Otras características
Periodicidades: frecuente con fenómenos temporales,
menos con fenómenos espaciales
Efecto de hoyo: el variograma no es monótono

Modelado de Variogramas: Teóricos
El variograma sólo proporciona una caracterización parcial de la variable

regionalizada. Varios rasgos de la distribución espacial de los valores no
están descritos por esta herramienta, como por ejemplo la conectividad o
agrupación espacial de las leyes.

Modelado de Variogramas:
Modelos de variograma isotrópicos más comunes:
Modelo Efecto Pepita Puro
Modelo Esférico
Modelo Exponencial
Modelo Gaussiano
Modelo Cúbico
Modelo Seno Cardinal
Modelo Potencia

Modelado de Variogramas: Efecto Pepita Puro
0 si h  0 0 si h  0
Efecto pepita:  (h)    h   

C en caso contrario   s si h  0

Este modelo se traduce en una ausencia total de correlación en el espacio: dos datos
distintos tienen valores independientes.
No importa cuán cerca se encuentren los valores de las variables, siempre serán no
correlacionados
  3

 3 |h| 1  |h|  

3  3
 s
h 1 h


 si h  a
Modelo esférico:  (h) 
C 
 2 a 2 a  si | h |  a
    2 a 2 a3 


    
 
  h   


C en caso contrario  s si h a




alcance  a, meseta  C
Rango s y sill a Representa fenómenos continuos pero no

Comportamiento lineal en el origen diferenciables
Pendiente igual a1.5 s / a Es uno de los modelos de variograma más utilizados

  3 | h |    h 
Modelo exponencial:  (h)  C 1  exp     h   s1  exp    
  a    a 
El parámetro a es el alcance práctico: corresponde a la distancia para la cual el variograma llega al 95% de su meseta C.
Sill s que alcanza asintóticamente Comportamiento lineal en el origen
Rango aparente igual a a Pendiente igual a 3 s / a
Representa fenómenos continuos pero no
Rango experimental igual a 3a
diferenciables
  3 | h |2     h 2 
Modelo Gaussiano:  (h)  C 1  exp   2   h   s1  exp   2  
  a    a 
  
Alcance práctico  a, meseta  C
Sill s que alcanza asintóticamente Comportamiento cuadrático en el origen

Rango aparente igual a a
Representa fenómenos continuos infinitamente
Rango experimental igual a 3a diferenciables (sumamente continuos)
  2 3 5 7 
  h h h h 
 s 7  8.75 3  3.5 5  0.75 7  si h  a

  a2 a a a 
Modelo Cúbico  
  h   

 s si h a




Rango a y sill s
Variograma
Comportamiento cuadrático en el
origen
Representa fenómenos bastante
continuos
Distancia

 seno  h /a  
Modelo Seno Cardinal  h   s1  

 h / a 
Sill s que alcanza asintóticamente

Rango aparente igual a a
Rango experimental igual a 3a
Variograma
Comportamiento cuadrático en el origen
Se utiliza para representar
fenómenos continuos con
periodicidades
Distancia

Modelo potencia: (h)  | h |
Este variograma no posee alcance ni meseta
El exponente  puede variar entre 0 (variograma pepítico) y 2 (variograma

parabólico).

EJEMPLO DE CALCULO Y TRAZADO MANUAL DE UN VARIOGRAMA
5
 (h)
3.2 h=1 h=2 h=3 h=4 h=5 h=6 4
4.0
[d1]2 [d2]2 [d3]2 [d4]2 [d5]2 [d6]2 3 [d7]2 [d8]2
2.8
0.64
2
3.2 1.44 0.16
experimental
3.0 0.16 0.64 1.00 0.04 1
0.04 0.04 0.64 0.16 0.16 C0=0.25 ajuste
3.6 h
0.36 0.16 1.44 0.64 4.00 0
2.0 2.56 1.00 2.25 1.69 2.89 1.44 0 1 2 3 4 5 6 7 8
a = 12 m
4.5 6.25 0.81 2.25 0.00 0.00 0.25
2.5 4.00 0.25 1.21 0.25 0.49 0.09 1.69 0.49
7.29 0.49 10.24 2.56 4.84 4.00 5.76 1.44
5.2
8.41 0.04 4.84 0.09 1.69 0.49 0.16 0.25
2.3 0.25 5.76 0.09 2.89 0.64 0.64 0.81 0.16
2
 Z x h  Z x
 (h ) 
2.8 0.36 0.01 9.00 0.09 5.29 0.04 0.04 0.64
2.2 3.61 1.69 3.24 1.21 2.56 0.16 1.96 0.25
4.1
1.21 9.00 5.76 8.41 0.00 7.29 4.41 10.24 2(n  h )
9.61 17.64 37.21 30.25 36.00 9.61 33.64 14.44
5.2 4.84 0.81 4.00 15.21 10.9 14.4 0.81 12.96
8.3 4.41 18.49 1.44 0.01 3.24 1.44 2.89 1.44
6.1 1.96 12.25 32.49 6.76 2.25 0.16 0.04 0.09
0.81 0.25 6.76 23.04 2.89 0.36 1.69 0.49 dh = Zx+h - Zx
4.0 2
S[dh] 57.57 69.49 123.9 93.30 77.83 40.41 53.90 42.89 n = 19
2.6
2(n-h) 36 32 28 26 22 16 10 8
3.5
 (h) 1.60 2.17 4.42 3.59 3.54 2.53 5.39 5.36
TIPOS DE VARIOGRAMAS EXPERIMENTALES

EJEMPLO DE VARIOGRAMAS
 (h) Au (gr/TM)2 Au DISEMINADO EN VULCANITAS

Andacollo IV Región - Chile
30
15
 (h) Cu (%) 2
0
25 50 75
h 20
 (h) Potencia (m)2

10
1.6
h
80 160
1.2
PORFIDO Cu-Au
0.8 VETA PATRICK W El Galeno
Huarón
0.4
Variograma experimental
0
200
h Ajuste teórico
100
VARIOGRAMAS EN VARIAS DIRECCIONES
DISTRIBUCION
W E ANISOTROPA
TUFO SUPERIOR
TUFO MINERALIZADO
TUFO INFERIOR
ARENISCA, CONGLOM.
 (h)
E-W
N-S
VERTICAL
h
EJEMPLO DE
REGIONALIZACION ISOTROPA
 (h )
5
3 NE-SW
NW-SE
2
ajuste
1
C 0 =0.5
0
0 1 2 3 4 5 6 7 8 9
h
a=420 m
Valores del Variograma experimental calculado a tres distancias
diferentes a lo largo de un taladro ( 1.50, 3.00 y 4.50 metros )
 (h )
18.0
15.0 1.50 m
16.0
3.00 m
EXPERIMENTAL
13.0
14.0 4.50 m
11.0
12.0
9.0
10.0
SEMI - VARIOGRAMA
8.0
7.0
6.0
5.0
4.0
3.0
2.0
1.0
0.0
1.5
3.0
4.6
7.6
9.1
10.6
13.7
16.7
19.8
22.8
25.8
28.9
31.9
35.0
38.0
41.0
44.1
47.1
12.2
24.3
27.4
6.0
18.2
21.3
42.6
45.6
48.6
15.2
30.4
33.4
36.5
39.5
DISTANCIA ENTRE MUESTRAS ( m )

CALCULO DE UN VARIOGRAMA 2D
• DIRECCION E-W : (2-2)2 + (2-4)2 + (4-5)2
(1-1)2 + (1-1)2 + (1-1)2 + (1-6)2
2 2 4 5 (2-2)2 + (2-1)2 + (1-3)2 + (3-6)2
1 1 1 6
(3-1)2 + (1-2)2 + (2-3)2 + (3-4)2
(4-7)2 + (7-3)2 + (3-2)2 + (2-5)2
2 2 1 3 6
(5-2)2 + (2-3)2 + (3-4)2
3 1 2 3 4  Z x
 Z x h  2
 97
 ( 400 ) 
97
4 7 3 2 5  2.20
44
5 2 3 4
(2-4)2 + (2-5)2
(2-5)2
(1-1)2 + (1-6)2
(1-6)2
(2-1)2 + (2-3)2 + (1-6)2
(2-3)2 + (2-6)2 (2-6)2
(3-2)2 + (1-3)2 + (2-4)2
(3-3)2 + (1-4)2 (3-4)2
(4-3)2 + (7-2)2 + (3-5)2
(4-2)2 + (7-5)2 (4-5)2
(5-3)2 + (2-4)2
 (1200) 
69
28
 3.83  (1600 )  11
 1.83
 ( 800 )  2112
 15
 3.73
23

DIRECCION N - S :
 ( 400)  82
 186
.  (1600)  49
 3.50
2  22 27
 (800)  78
 2.29  (2000)  17
 2.83
2  17 23
 (1200)  71
 2.29
2  12

0.3 0.6 0.2 0.4 0.8 1.1 0.3
0.4 0.6 2.2 0.5 1.1 2.1 3.0 2.2 0.1 0.4
0.1 0.5 1.5 2.1 2.8 4.5 3.1 0.2
0.3 0.2 3.0 0.8 5.5 0.3
Calcular Variogramas 0.2 1.9 3.1 5.0 1.8 0.4

direccionales (N-S y E-W) y tomar
un ángulo de N45E con todo los 0.4 2.1 4.1 1.1 0.3
valores proporcionados. 0.6 3.0 0.5
Muestreo malla 50X50 metros

0.4
(0.4-0.1)2+(0.3-0.6)2 +(0.6-0.5)2 +….+ (0.4-0.2)2 = 55.17

(0.3-0.5)2+(0.6-0.3)2 +(0.6-1.5)2 +….+ (0.1-0.3)2 = 86.36
(0.3-0.3)2+(0.6-0.2)2 +(2.2-0.2)2 +….+ (0.1-0.4)2 = 83.86
Limitaciones del Variograma
• Es extremadamente 7 7
10
10
sensible a valores 11 11
12
extremos 12
13 25
14 14
12 12
13 13
10 2
11 11
9 9
8 8
60
8
50
Variograma
Variograma
6 40
30
4
20
2 10
0
0
1 2 3 4 5 6
1 2 3 4 5 6
Distancia
Distancia

Aplicaciones de la Geoestadística
 El Tamaño óptimo de muestra.
 Esquema de muestreo óptimo.
 Densidad óptima de muestreo.
 El área de influencia de cada muestra.
 La naturaleza de la mineralización.
Definir la variabilidad de un yacimiento.

a) Concepto de soporte
b) Varianza de dispersión (c/distintos soportes)
c) Varianza de estimación
Estimación de leyes por Kriging

 Soporte: es el término que se usa en la geoestadística para
describir el volumen en función del cual se define una ley.
 A medida que aumenta el tamaño de la muestra (o del

soporte de la muestra), la varianza de las leyes resultantes
disminuye.
 El cambio en la varianza debido al cambio en el volumen se

denomina la relación volumen-varianza.
 Existe un tamaño mínimo de bloque que se puede

seleccionar ya sea como mineral o estéril. El tamaño del
bloque se denomina la unidad minera selectiva o UMS.
 A medida que <<UMS la varianza aumenta.

Ejemplo: un área con sondajes en una cuadrícula regular de aproximadamente 8 m.
En esta área, se definen las leyes de bloque en soportes diferentes calculando el
promedio de las leyes de los sondajes dentro de cada bloque. Los tamaños de
soporte seleccionados son bloques de 30 x 30 y 50 x 50 en el plano. En todos los
casos se usa una dimensión vertical de 12 m, correspondiente a la altura del banco.

Conclusión
¡NO SE PUEDE ASEVERAR LAS

RESERVAS EXPLOTABLES DE UN
PROYECTO SIN FIJAR UN TAMAÑO DE
SOPORTE¡

Ciencia Tecnologia y Medio Ambiente
Para uso restringido para KL. Todos los derechos reservados. Ninguna
parte de esta presentación puede ser reproducida o utilizada en ninguna
forma o por ningún medio sin permiso explícito de Krover Lazarte.

GEOESTADISTICA - Docx 12345 PDF

Cargado por

Información del documento

Título original

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

GEOESTADISTICA - Docx 12345 PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD ALAS PERUANAS

FACULTAD DE INGENIERÍA Y ARQUITECTURA

DOCENTE DEL CURSO

ING. KROVER W. LAZARTE PONCE

Ing. Krover W. Lazarte P. 1

Ing. Krover W. Lazarte P. 2

Ing. Krover W. Lazarte P. 4

Ing. Krover W. Lazarte P. 5

Sobre el semi-variograma experimental se ajusta una ecuación

Ing. Krover W. Lazarte P. 6

Ing. Krover W. Lazarte P. 7

Ing. Krover W. Lazarte P. 8

Ing. Krover W. Lazarte P. 9

Cálculo con datos de una muestra de sitios (estimador de momentos)

Ing. Krover W. Lazarte P. 10

Ing. Krover W. Lazarte P. 11

Ing. Krover W. Lazarte P. 13

La correlación espacial se debe

Ing. Krover W. Lazarte P. 15

 (x1 , x 2 )  var ianza Z (x1 )  Z (x 2 ) 

pero en el caso estacionario: E ( Z (x)  Z (x  h) 2  0

Ing. Krover W. Lazarte P. 17

Ing. Krover W. Lazarte P. 20

Datos Irregularmente espaciados:

• Puede ocurrir que no existan valores de la variable a la distancia h

• Puede ocurrir que no existan valores de la variable en la dirección 

Ing. Krover W. Lazarte P. 22

Ing. Krover W. Lazarte P. 23

Para cada dirección  se define una tolerancia  y se utilizan

puntos descartados puntos descartados

• Clases de Distancia y dirección :

Ing. Krover W. Lazarte P. 25

- El  a muestrear debe se considerado para pequeñas

distancias, h menores que 1/2 de la dist. máx (h < dmax/2) 6

- Se calcula  * para valores de h,2h, 3h,...,nh 0

Ing. Krover W. Lazarte P. 26

Lag h muy grande

0 1.2 2.4 2.8 4.9

Lag h pequeño, n muy grande

0 1.2 2.4 2.8 4.9

Lag h adecuado, valor de n ?

Ing. Krover W. Lazarte P. 28

Permite escoger un valor inicial del lag. 100

Permite observar la dispersión 50

alrededor del valor de  * 0

Ing. Krover W. Lazarte P. 31

0 Definir una malla (2n+1)*(2n+1)

Definir el valor del lag h

h Asignar a cada bloque el valor

Ing. Krover W. Lazarte P. 33

Rango: distancias mayores al

 h  E [Z ( x)  Z ( x  h)] 2  s 2  E [Z ( x)Z ( x  h)]

Ing. Krover W. Lazarte P. 35

1) Discontinuo “efecto pepita”: variable regionalizada errática

Ing. Krover W. Lazarte P. 36

 h  var [Z ( x)  Z ( x  h)]

Ing. Krover W. Lazarte P. 38

variograma tiene un comportamiento

Representa variables continuas pero no 1

cambiar rápidamente de un punto a otro. 0 1 2 3 4 5 6 7 8 9 10 11

La variabilidad de la propiedad 2,5

dependerá de la pendiente de la recta en 2

A mayor pendiente, mayor variabilidad 1