OBJETIVO DE LA GEOQUIMICA

1. ESTUDIA LA DISTRIBUCION CUANTITATIVA DE LOS ELEMENTOS QUIMICOS EN LA CORTEZA

TERRESTRE, SU DISPOSICION Y CONCENTRACION LOCAL.

2. ESTUDIA LA COMIBINACIONES DE LOS DIVERSOS ELEMENTOS, EN LA CORTEZA TERRESTRE Y

SU DISTRIBUCION EN EL ESPACIO Y EN EL TIEMPO POR ACCION DE LOS AGENTES
METEORICOS.

3. ESTUDIA LA MIGRACION DE LOS ELEMENTOS Y SUS LEYES DETERMINADAS POR LOS

DIFERENTES CONDICIONES TERMODINAMICAS DEL MEDIO AMBIENTE.

4. ESTUDIA EL COMPORTAMIENTO DE LOS LEMENTOS QUIMICOS EN EL INTERIOR DE LA

CORTEZA TERRESTRE, FORMA DE COMPUESTO PARTICULARMENTE EN CRISTALES.
FINALIDAD DE PROSPECCION GEOQUIMICA

1. LA PROSPECCION GEOQUIMICA TIENE LA FINALIDAD DE DETECTAR LAS

ANOMALIAS, ASI COMO EVALUAR SU PROBABLE RELACION CON
YACIMIENTOS DESCONOCIDOS SITUADOS DEBAJO O LATERALMENTE
RESPECTOA ELLAS.

2. LAS MEDICONES SE HACEN EN SUSTANCIAS DE FACIL RECOLECCION, TALES

COMO, ROCAS, SEDIMENTOS DE QUEBRADAS, SUELOS, AGUA, VEGETACION O
GASES

3. LA FINALIDAD ES DISMINUIR PROGRESIVAMENTE EL TAMAÑO DEL AREA

INVESTIGADA DE MENOS DE 5 Km CUADRADO.

4. LA PROSPECCION GEOQUIMICA ES DIVIDIDA EN VARIAS FASES:

A. A NIVEL REGIONAL ARAEA MAYOR A 5000 Km CUADRADO

B. A NIVEL DE DISTRITO ENTRE 500 A 5000 Km CUADRADO
C. MNEORES A 5 Km CUADRADO A NIVEL LOCAL
FASES DE LOS TRABAJOS DE LA PROSPECCION GEOQUIMICA

1. CONOCER LA GEOLOGIA REGIONAL Y LOCAL.

2. OBSERVACIONES GEOLOGICAS EN EL CAMPO CON AYUDA DE IMÁGENES SATELITALES, MAPAS

TOPOGRAFICOS, GEOLOGICOS.

3. ESTUDIO PILOTO DEL AREA y/o AREAS REPRESENTATIVAS DE LA ZONA DE INTERES PARA DETERMINAR LA
DISPERSION GEOQUIMICA DE LOS ELEMENTOS Y EL MEJOR TIPO DE MUESTREO A SER USADO.

4. COLECCIÓN Y DESCRIPCION DE LAS MUESTRAS, DESCRIPCION GEOLOGICA, GEOMORFOLOGICA DE

CADA LUGAR DE MUESTREO.

5. ANALISIS CUANTITATIVO Y SEMICUANTITATIVO EN EL CAMPO DE ZONAS DE DIFICIL ACCESO

6. ANALISIS CUANTITATIVO EN EL LABORATORIO DE ACUERDO AL MENOR COSTO DE ANALISIS Y EL FACTOR

TIEMPO.

7. DETERMINACION ESTADISTICA DE LOS VALORES BACKGROUND REGIONAL Y LOCAL, Y LAS LLAMADAS

“ANOMALIAS”.

8. PRESENTACION DE LOS RESULTADOS EN MAPAS

9. INTERPRETACION DE LOS DATOS

LA INTERPRETACION DE LOS RESULTADOS DE LAS MUESTRAS SE REALIZA SOBRE EL
ELEMENTO GUIA
“PATHFINDER”. Y NO CON RESPECTO AL LEMENTO PRINCIPAL, PORQUE EL ELEMENTO
GUIA TIENE DISPERSION MAS AMPLIA, PUEDE ANALIZARSE MAS FACILMENTE Y CON
PRECISION.
Media aritmética

La media de un conjunto de datos es el

promedio de las mediciones.
Es un estadístico muy conocido y de fácil
comprensión.
La mayor desventaja es que se ve
afectada por valores extremos.
Se calcula para variables cuantitativas
discretas y continuas.
 Mediana
 La mediana es el valor que ocupa la posición
central en un conjunto de datos ordenados.
 Es una medida robusta ya que no se ve
afectada por valores extremos.
 Para un número impar de datos, la mediana es
el valor que ocupa la posición central.
 Para un número par de datos la mediana es el
promedio aritmético de los dos valores que
ocupan las posiciones centrales.
 Moda
La moda es el valor del dato que se
repite con mayor frecuencia.
Su valor no siempre es único pudiendo
inclusive no existir.
Es la medida de tendencia central de
menor popularidad.
Se puede obtener la moda para
variables cuantitativas y cualitativas.
 Media ponderada
 La media ponderada es también llamada media
pesada.
 Se usa cuando las observaciones no tienen el
mismo peso o la misma importancia sobre el total.

x
j 1
j wj
xp  k

w j 1
j
 Ejemplo
Una empresa de construcción utiliza tres
tipos de trabajadores. La empresa tiene a su
cargo dos obras, en las que los trabajadores
participan de acuerdo a la siguiente tabla.
¿Cuál de las obras tiene un mayor
promedio de salario por hora?
Tipo de Salario por Número de horas trabajadas
trabajador hora Obra 1 Obra 2
Operario 3 50 40
Maestro 6 20 35
Capataz 10 10 25
 Media geométrica
 La media geométrica se usa para calcular una tasa
promedio de crecimiento.
 La media geométrica de un conjunto de observaciones
diferentes de cero se define por:

Valor final
x g  n 1
Valor inicial
 Ejemplo
 La empresa Alpha obtuvo los siguientes niveles de
ingreso (en millones de nuevos soles) por la venta de
sus productos en los últimos 4 años:

Año Ingreso
2007 15.5
2008 16.1
2009 14.3
2010 15.1
 Halle la tasa de promedio de crecimiento.
 Media armónica
 La media armónica se usa para promediar
razones cuando la unidad constante es la del
numerador.
 La media armónica de un conjunto de
observaciones diferentes de cero se define por:
1 n
xa  n
 n
1 1 1

n j 1 x j

j 1 x j
 Ejemplo
 Un empresario industrial compró petróleo para una
caldera a 16, 18, 21 y 25 nuevos soles por galón ¿Cuál
es el costo promedio por galón si:
• Se compra igual cantidad de petróleo por año.

• Cada año gasta igual cantidad de dinero.

 Percentiles
El percentil k, Pk, es el valor numérico tal que
aproximadamente el k% de los datos
ordenados está por debajo de este valor y
el (100-k)% de los datos restantes está por
encima del mencionado valor.
Se denomina decil a cada uno de los
nueve percentiles: P10, P20, ... , P90 y se les
denota por D1, D2, ... , D9 respectivamente.
Se denomina cuartil a cada uno de los tres
percentiles: P25, P50, P75 y se les denota como
Q1, Q2 y Q3 respectivamente.
 Percentiles
Para calcular el valor del percentil k, Pk, se
debe hallar su posición:
 n 1 
  k
 100 
Si la posición es un número entero E
entonces: Pk  x E 

Si la posición es un número decimal (E.d)

entonces:

Pk  x E   0.d x E 1  x E  
Epitermal: Cerca de la superficie hasta 1500m, temperatura
entre 50 - 200°C, en rocas sedimentarias y rocas magmáticas,
diques, stockwork.

Mesotermal : Profundidad entre 1200 - 4500m, temperatura

entre 200 - 300°C, adentro o cerca de intrusiones magmáticas,
depósitos formados por substitución o como rellenos de diques,
transiciones de menas macizas a stockwork.

Hipotermal: Profundidad entre 3000 - 15000m, temperatura

entre 300 - 600°C, adentro o cerca de cuerpos plutónicos
profundos, rellenos de vetas o substituciones, acompañados por
impregnaciones
PASOS PARA LA TOMA DE MUESTRA DE SEDIMENTOS (Luis E. VARGAS RODRIGUEZ)
Tomar la muestra de sedimentos que pasen por la malla 30. La recolección de
los sedimentos debe ser en varios lugares alrededor del punto de muestreo (3 o
más), abarcando 50 m de escorrentía (ver Fotografía); en ningún caso la
muestra debe tomarse en un solo punto de muestreo. A continuación se
detalla como obtener las muestras de sedimento:
i. Se debe retirar la capa superior de sedimento (10-20 cm), utilizando instrumentos de
polietileno o madera, puesto que esta cobertura puede contener altas concentraciones de
óxidos de Fe y Mn, contaminaciones superficiales. Además que las relaciones de los
elementos traza varían si se muestrean bancos de sedimentos con materiales coluviales
(Armour-Brown & Nichol, 1970).

ii. El operador deberá usar durante el proceso de muestreo guantes de goma resistentes para
proteger sus manos y prevenir cualquier tipo de contaminación. Además no deberá portar
objeto alguno que pueda contaminar el sedimento (Fotografía ).
iii. Previamente al tamizado debemos retirar cuidadosamente (a mano)
los clastos gruesos; durante el tamizado se recomienda emplear
cantidades mínimas de agua, lo suficiente como para facilitar el paso de
los sedimentos, durante este proceso se puede frotar el sedimento con
los guantes, evitando que se introduzca material grueso al recipiente
que se encuentra debajo del tamiz. El recipiente deberá ser de plástico.

iv. Para el caso de material seco se procede de la misma forma, siempre

evitando que el material grueso ingrese en el recipiente.

v. El tamizado termina cuando se obtenga entre 3.5 a 4.5 kg. de

sedimento en el recipiente, luego este se deja reposar para que
decanten los sedimentos finos; es recomendable para estos casos,
aplicar una solución floculante para acelerar el proceso de
decantación.
vi. El sedimento es colocado en una bolsa microporosa o de polietileno
para el caso de muestras húmedas o secas respectivamente
(Fotografía 4).
vii. Al terminar el muestreo, todo el equipo debe ser lavado en la
corriente antes de ser embalado y transportado hacia otro lugar.
Para quebradas secas, el equipo es cepillado con una escobilla de
cerdas de plástico, donde la primera cantidad de sedimento que
pase a través de los tamices debe ser desechado.

viii. Para el caso de muestras duplicadas, estas se deben recolectar

de la misma forma que las originales (en los mismos puntos). g)
Rotular la muestra indicando el código, según la “Matriz de control”
preparada previamente.
IX) Completar los campos restantes de la “Ficha de muestreo de
Sedimentos” con información referida a pH, TDS, Conductividad Eléctrica,
óxidos de hierro, óxidos de manganeso, contenido de materia orgánica,
ancho del cauce, flujo de corriente, porcentaje, forma, tipo litológico,
presencia de alteración y mineralización en rodados y sedimentos finos,
entorno geológico, estructuras y algún otro dato adicional que se considere
importante señalar en la parte de comentarios.

X) Acondicionar las muestras, agruparlas y colocarlas en los respectivos

sacos.
PARÁMETROS GEOQUÍMICOS

Aplicando la prueba de normalidad de Kolmorogov-Smirnov-Lilliefors

(donde se verifica la hipótesis de distribución normal de la variable y para
un nivel de confianza del 95 %, si la significación es menor que 0.05,
entonces se rechaza la hipótesis de la distribución normal) (Dickinson, 2003).

Una vez comprobada la normalidad de los elementos estudiados,

mediante la estadística descriptiva se calculó la media geométrica y la
desviación estándar para poder determinar los parámetros geoquímicos
como el background que es igual a la media geométrica del conjunto de
datos procesados.
El cálculo del threshold, se obtiene sumando el valor del “background”
más dos veces la desviación estándar (Sinclair, 1974). Los valores que
superen el threshold o umbral geoquímico corresponden al de las
anomalías geoquímicas, donde además se deben incorporar los valores
atípicos extremos (los que superen el bigote superior del diagrama
boxplot). En la tabla 18 se presentan los parámetros estadísticos-
geoquímicos de cada elemento estudiado.
ÍNDICES DE CORRELACIÓN BIVARIAL

Para evaluar las relaciones estadísticas existentes entre variables se

calcularon los coeficientes de correlación a escala logarítmica, si bien
es cierto las distribuciones de las concentraciones de los elementos
lantánidos presentaron un carácter normal (sin tener la necesidad de
transformarlos a una escala logarítmica), al momento de realizar el
proceso de correlación tanto a escala natural como a escala
logarítmica, en esta última los coeficientes de Pearson mostraron un
mejor contraste estadístico, evidenciando mejor los grados de
correspondencia entre las variables. Se ha considerado como
correlación fuerte a los valores superiores a 0,6 y débil para aquellos
entre 0,3 y 0,6 (Plá, 2003).
ANÁLISIS DE COMPONENTES PRINCIPALES (ACP)
La aplicación de técnicas analíticas multielementales para la
caracterización geoquímica de muestras, sumada a la determinación
de otros parámetros, genera una gran cantidad de datos que
conforman una matriz de n muestras por p variables.

La caracterización multielemental de las muestras puede utilizarse para

diferentes propósitos tales como formar grupos estadísticamente
significativos de muestras similares, asignar muestras a grupos ya
establecidos o en general, encontrar una estructura o vínculo latente
en los datos.

El objetivo específico de un análisis de componentes principales, es

explicar la mayor parte de la variabilidad total observada en un
conjunto de variables con el menor número de componentes posibles
(Uriel, 1995).
Tema 3: Caracterización de grupos
1. Introducción.
2. Tendencia central.
2.1. Concepto.
2.2. Moda, mediana y media aritmética. Definición, cálculo y principales características.
2.3. Otras medias.
2.4. Criterios de uso.
3. Variabilidad.
3.1. Concepto.
3.2. Amplitud, Varianza y Desviación Típica (muestral y poblacional).
3.3. Otras medidas: Amplitud intercuartílica y Coeficiente de Variación.
3.4. Criterios de uso.
4. Asimetría: Introducción y principales medidas.
5. Curtosis: Introducción y medidas
6. Representación gráfica: diagramas de caja y barras de error.
 2. Tendencia central

Nos indican un valor representativo del grueso de los datos, de la

referencia de los mismos –un valor central.

Ejemplo: con las calificaciones 4,7,5,6,5,4,5,5,5,6,5,4,4,

es claro que (a ojo) están en torno a cinco, que podría ser tomado
como índice de tendencia central.

Veremos primero los 3 índices de tendencia central más comunes (moda, media y
mediana). Después veremos otros índices que han sido propuestos.
 Media aritmética

Fórmula: X 
X i

Simplemente se trata de sumar todos los valores y dicha cantidad se

divide por el número de valores que tengamos.

Si tenemos los datos: 4,6,5,3,7

La media será (4+6+5+3+7)/5=4

Nota: se pueden emplear medias aritméticas ponderadas. Pensemos que

hay 2 datos, uno (5) pesa 0’6 y el otro (6) pesa 0’4. Entonces, la media
será (5*0’6+6*0’4)/(0’6+0’4)=5’4
 Propiedades de la Media aritmética

-La suma de diferencias (de todos los valores) respecto a la media es

siempre 0

-Si sumamos una constante a cada uno de los valores, la nueva media
aritmética resultante será la original más la constante.

-Si multiplicamos cada uno de los valores por una constante, la nueva
media aritmética será la original por la constante.

-Minimiza la suma de diferencias en términos cuadráticos.

 Mediana

La Mediana (Mdn o Md) se define como el valor que tiene la

propiedad de que el número de observaciones menores que él es
igual al número de observaciones mayores que él.

Por ejemplo, en la secuencia (ordenada) 3,4,5,6,7,8,9

la mediana será 6

En la secuencia (ordenada) 2,3,4,6,7,9

la mediana será 5 (la media aritmética entre los dos valores centrales;
observad que n es par; en el ejemplo de arriba era impar)
Propiedades de la mediana

-No utiliza todos los elementos

-Se puede calcular con datos ordinales
-Se ve menos afectada por datos atípicos que la media
aritmética.
-Minimiza la suma de diferencias en valor absoluto (recordad
que la media aritmética minimizaba la suma de diferencias en
términos cuadráticos)
 Ejemplo uso de la mediana
Los 9 empleados de una nueva empresa viven al lado
de la Nacional 340 en diferentes kilómetros:
Núm. Emp. 3 2 1 2 1

Km 1 4 5 6 26

Dado que todos viajan en coche, y sabiendo que quieres minimizar el coste en
gasolina, ¿en qué lugar pondrías la empresa para minimizar tal coste?
 La moda

Se define como Moda (Mo) aquel valor de la variable al que corresponde

mayor frecuencia.

En el conjunto de datos: 4,5,6,6,3,6,4,5 la Mo=6

Propiedades:
-No es necesariamente única (puede haber varias modas)
-Se puede calcular con datos en escala nominal
-En su cálculo no intervienen todos los elementos
 ¿Cuál elegir?

Moda Media
Mediana
 Resistencia y robustez

Estadísticos resistentes: Son aquellos que no se ven

influidos (o solo ligeramente) por pequeños cambios en los
datos.

Evidentemente, la media es un estadístico muy poco

resistente a cambios en los datos, dado que se ve influida
por todos y cada uno de ellos.
La mediana, en cambio, es un estadístico altamente
resistente.
 Estadísticos (Estimadores) robustos (ESTADÍSTICA
INFERENCIAL): Son aquellos estadísticos (estimadores) que
funcionan bien para varios tipos distintos de distribuciones
teóricas, aunque pueden no ser el mejor estimador para
ningún tipo concreto de distribución. Es decir, son el “mejor
compromiso”.

La media no es un estimador robusto.

La mediana es un estimador más robusto que la
media, si bien hay otros estimadores más
robustos que veremos en el punto siguiente del
temario.
Medidas robustas de tendencia central

1. Medias Recortadas

Consiste en calcular la media aritmética sobre un subconjunto central del

conjunto de datos, no considerándose una determinada proporción p por cada
extremo. (p se expresa normalmente como porcentaje).

Por ejemplo, una media recortada al 40% en una secuencia de 10 datos implica
no tener en cuenta ni los 4 valores menores ni los 4 valores mayores.

Observar que la media recortada al 0% es la media aritmética.

A la media recortada al 25% se la denomina centrimedia.

Medidas robustas de tendencia central

1. Medias Recortadas (cont)

Calcula la media recortada al 5% de los siguientes datos:

3, 4, 4, 5, 5, 6, 7, 8, 9, 11

El valor debe ser 6.11

Calcula la media recortada al 10% de los datos anteriores (da 6)

Calcula la centrimedia (da 5.8)

Medidas robustas de tendencia central
2. Media Winsorizada

Es análogo a las medias recortadas excepto en que las puntuaciones

eliminadas, ya no lo son sino que se sustituyen por los valores menor y mayor
que quedan para el cómputo de la media winsorizada.
Así, en la media recortada a nivel 2 implicaría eliminar las dos puntuaciones
mayores y las 2 menores:
3, 4, 4, 5, 5, 6, 7, 8, 9, 11
Y quedan los datos: 4, 5, 5, 6, 7, 8 y se calcula la media de los mismos

En la media winsorizada, los datos 3 y 4 (los dos menores) y el 9 y 11 (los dos

mayores) se sustituyen por 4 y 8 respectivamente. Es decir,
4, 4, 4, 5, 5, 6, 7, 8, 8, 8 y se calcula la media de los mismos, que será la media
winsorizada a nivel 2 (debe de dar 5.9)
Medidas robustas de tendencia central

3. Otros tipos de media en la que se recortan datos

En muchas ocasiones lo que se hace es emplear un valor mínimo y uno máximo

más allá del cual se eliminan los datos que sobrepasen tales valores.

Por ejemplo, en experimentos de tiempo de reacción para discriminar

palabras/pseudopalabras se pueden eliminar datos menores de 200 ms y
mayores de 1500 ms. (Menos de 200 ms es demasiado rápido; más de 1500 ms
es demasiado lento.)

De esta manera, si todos los datos están en el rango 200-1500 ms no se elimina

ningún dato
Medidas robustas de tendencia central

4. Trimedia

Es un índice de tendencia central que consiste en calcular una media aritmética

ponderada de tres medidas, la Mediana (con peso doble) y el primer y tercer
cuartil.

Pensemos que en un conjunto de datos, el primer cuartil es 51, la mediana es

55 y el tercer cuartil es 63. La trimedia es:
Medidas robustas de tendencia central
5. Otras medidas robustas

El estimador-M de Huber, el estimador biponderado de Tukey, el estimador M-

redescendente de Hampel y el estimador en onda de Andrew. Estos estimadores se
diferencian entre sí por el tipo de ponderación aplicada sobre los datos.

Por ejemplo, en el Estimador-M de Huber (Estimador M de posición): Las

puntuaciones típicas que sean menores que una constante, reciben un peso de 1. Los
casos que tienen los mayores valores absolutos tienen pesos tanto más pequeños
cuanto mayor es su distancia respecto a cero. La constante es 1.339.

Cálculo: lo da el SPSS.
3. Variabilidad

En el punto anterior vimos las medidas de tendencia central

(media, mediana, etc). Claramente, para saber cuán
representativo es el valor de tal medida de tendencia
central es necesario tener una medida de variabilidad.

Por ejemplo, alguien puede tener una media de 5 con los

siguientes datos (5, 4, 6, 5, 5) y otro tener una media de 5
con los datos (10, 0, 5, 9, 1). Evidentemente el primer sujeto
es mucho más consistente, muestra menos variabilidad.
¿Cómo podemos medir la variabilidad?
Una primera estrategia sería emplear la fórmula

 X
i 1
i X
n

El problema es que siempre vale cero....  X

i 1
i X0

Una segunda estrategia es emplear valores absolutos

n

X
i 1
i X

Esta es la llamada “Desviación Media”, cuyo problema es que lo

problemático del uso de valores absolutos.

¿qué nos queda, pues? Emplear la suma de diferencias al cuadrado....Es el

primer paso para la varianza
Varianza

Fórmula
n 2

 X i X
s2  i 1

Como veremos en el segundo semestre (Estadística inferencial), la varianza es

un estimador sesgado de la varianza poblacional; por ello se prefiere el uso de
la “cuasivarianza” que es igual que la varianza excepto en que se divide por n-
1; la cuasivarianza es un estimador insesgado de la varianza poblacional¨:

n 2

 X i X
s%2  i 1

n 1
 Desviación típica y cuasidesviación típica

Fórmulas n 2 2

 X X
n

i  X i X
s i 1
s% i 1
n n 1

Una ventaja obvia de la desviación típica sobre la varianza es que la desviación

típica viene dada en las mismas unidades de medida que los datos originales
(en la varianza las unidades están al cuadrado).

Por eso, en estadística descriptiva se suele dar la media acompañada de la

(cuasi)desv.típica, más que con la (cuasi)varianza.

NOTA: El SPSS cuando indica varianzas o desviaciones típicas, en realidad

calcula cuasivarianzas y cuasidesviaciones típicas
Algunas propiedades de la varianza y
desviación típica

1. La varianza y la desv. Típica son valores esencialmente

positivos.
(Observad que las diferencias sobre la media están al
cuadrado)
2. Ni la varianza ni la desv.típica se alteran cuando a los
datos se les añade una constante a.
Yi  a  X i Entonces, sabemos que Y a X
 Yi  a  X i Entonces, sabemos que Y a X

n 2 n 2 n 2

 Y  Y 
i   (a  X )  (a  X ) 
i  X i  X )
s y2  i 1
 i 1
 i 1
 sx2
n n n

Claro está que lo mismo se aplica a la desv.típica (y a la cuasivarianza y la

cuasidesv.típica
 3. Si los datos se multiplican por una constante a cualquiera,
la desv.típica queda multiplicada por el valor absoluto de
dicha constante, y la varianza por el cuadrado de dicha
constante

Yi  aX i Y  aX

n 2 n 2 n 2

 Y  Y 
i   aX i  aX  a2   X i  X )
s y2  i 1
 i 1
 i 1
 a 2 sx2
n n n

s y  a sx
Otras medidas de variabilidad

1. Amplitud total (AT)

Es la diferencia entre los valores extremos AT  X max  X min

Su ventaja es la sencillez de cálculo; el problema es que es únicamente

sensible a los valores extremos (e insensible a los intermedios).

2. Desviación media (DM)

X i X
DM  i 1

El problema del empleo de la DM es la dificultad que tiene trabajar con valores

absolutos. La DM es poco frecuente encontrarla en la práctica.
 Otras medidas de variabilidad
3. Amplitud semi-intercuartil (Q)

Está basada en el primer y tercer cuartil, lo que la hace un

estadístico resistente
Q3  Q1
Q
2
Se emplea relativamente en alguna áreas de la psicología; se suele
emplear cuando la mediana sea el índice de tendencia central.

4. Coeficiente de variación (CV)

Observa: Escala de razón…

Indica el número de veces que la desviación ontiene a la media: cuanto mayor es el CV

CV mayor es la variabilidad y menor la representatividad de la media. típica c

Al no tener unidades permite la comparación entre variables diferentes.

Medidas robustas de variabilidad

1. La MEDA (Mediana de las diferencias absolutas frente a la mediana)

MEDA  mediana X i  Md
Ejemplo de cálculo: 3,4,4,5,5,6,7,8,9,11 (Md=5.5)

MEDA=1.5

Es la Mediana de 0’5, 0’5, 0’5, 1’5, 1’5, 1’5, 2’5, 2’5, 3’5, 5’5
 Medidas robustas de variabilidad

2. La desviación pseudotípica

Es un índice de variabilidad que permite estimar la desviación típica (que como

sabemos es muy susceptible a la influencia de puntuaciones atípicas, como también
ocurre con la media aritmética) que cabría esperar de la muestra si ésta perteneciera a
una población en el que la distribución subyacente sea la normal.
 4. Asimetría

En los dos puntos anteriores hemos visto las medidas de tendencia

central y las medidas de variabilidad.
Si bien la obtención de tales medidas es clave para describir una
muestra y efectuar inferencias sobre la población de origen, es
también fundamental saber la forma de una distribución para obtener
una caracterización adecuada de los datos.
 Asimetría
Si bien es fácil tener una idea de si la distribución es simétrica o no tras ver la
representación gráfica (p.e., un histograma o un diagrama de caja y bigotes),
es importante cuantificar la posible asimetría de una distribución.

Recordemos que cuando la distribución de los datos es simétrica, la media,

la mediana y la moda coinciden. (Y la distribución tiene la misma forma a la
izquierda y la derecha del centro)

Si bien muchas distribuciones psicológicas se asume que tienden a ser

simétricas y unimodales, en muchos casos la distribución que encontramos
es asimétrica (v.g., las distribuciones de los Tiempos de Reacción en casi
cualquier tarea es asimétrica positivo).
 Asimetría positiva Examen difícil
Salarios
Tiempos de Reacción

Moda Media
Mediana

Examen fácil
Asimetría negativa

Media Moda
Mediana
 Índices de asimetría
1. Índice de asimetría de Pearson

Muy sencillo de calcular. Está basado en la relación entre la media y la moda en

distribuciones simétricas y asimétricas (ver transparencia anterior):

X  Mo
As 
sx

Si la distribución es simétrica As será 0

Si la distribución es asimétrica positiva, As será mayor que 0
Si la distribución es asimétrica negativa, As será menor que 0
 Índices de asimetría
2. Índice de asimetría de Fisher

Está basado en la diferencia de los datos sobre la media, como la varianza, si

bien esta vez se elevan los coeficientes al cubo
n

 i
( X  X ) 3
n
As  i 1

sx3

Si la distribución es simétrica As será 0

Si la distribución es asimétrica positiva, As será mayor que 0
Si la distribución es asimétrica negativa, As será menor que 0

Desventaja: Muy influida por puntuaciones atípicas-

 5. Curtosis o apuntamiento

Hace referencia al apuntamiento de la distribución en relación a un

estándar, que es la distribución normal.

Este estándar es la distribución normal: distribución mesocúrtica.

Si la distribución es más apuntada que la distribución normal tenemos
una distribución leptocúrtica.
Si la distribución es más achatada que la distribución normal tenemos
una distribución platicúrtica.
 Curtosis o apuntamiento
IMPORTANTE: Curtosis es independiente de la variabilidad (en el
sentido de “varianza”).

Es decir, no es que una distribución leptocúrtica tenga menos varianza

y por eso es más apuntada.

Una distribución leptocúrtica es muy apuntada en el centro (más que la

normal), decae muy rápidamente en un primer momento, pero en los
extremos es algo más alta que la distribución normal.

Eso quiere decir que una distribución leptocúrtica es más probable que
ofrezca más valores extremos que la distribución normal.
Ejemplo de curtosis (dist. Mesocúrtica)
1200

1000

800

600

400

200 Desv. típ. = 1.01

Media = -.00
0 N = 10000.00
-3 -3 -2 -2 -1 -1 -. -. . .
.7 .2 .7 .2 .7 .2 75 25 25 75 .25 .75 .25 .75 .25 .75 4.25
1 1 2 2 3 3
5 5 5 5 5 5

NORMAL
Índice de curtosis (veremos un solo índice)
Para una distribución normal (mesocúrtica) sabemos que
n

(X i  X )4 n
i 1
4
3
s x

Y esta va a ser la referencia para el índice de curtosis que vamos a

emplear
n

 i
( X  X ) 4
n
C r i 1
4
3
s x

Si la distribución es normal (mesocúrtica), el índice vale 0

Si la distribución es leptocúrtica, el índice es superior a 0
Si la distribución es platicúrtica, el índice es inferior a 0
Más ejemplos de curtosis
 6. Cómo ver la tendencia, variabilidad y asimetría en un gráfico
Si bien es posible emplear diferentes gráficos para evaluar la variabilidad (y tendencia
central, asimetría, etc), es interesante el uso de los diagramas de caja y bigotes.
La caja viene definida por el primer cuartil y el tercer cuartil, con la mediana también
indicada. Esto lo veremos en detalle en las prácticas.

Pero mejor veamos un ejemplo (Ratcliff, Perea, Colangelo y Buchanan, 2004, Brain &
Cognition), en el que se examinan ciertas características en una tarea de decisión
léxica (decidir si un estímulo era palabra o no; se mide el Tiempo de Reacción) con
un grupo de controles y un grupo de personas con daño cerebral (afásicos).
Lo que se medía era
1) un índice de cuán conservador eran las personas en la tarea (“boundary
separation”)
2) un índice correspondiente a procesos “no-decisionales” (“non-decision
component”).
3) un índice correspondiente a la calidad de información (“drift rate)
Cómo ver la variabilidad en un gráfico

La Mediana es el trazo grueso dentro

de las cajas (entre los cuartiles primero
y tercero).
Las puntuaciones “atípicas” están
presentadas individualmente (ver que
hay dos tipos de datos atípicos).

Observad que los controles son

claramente diferentes a los pacientes
en “boundary separation” y en el
“non-decision component”, mientras
que hay bastante más solapamiento
en la “calidad de información”.
Cómo ver la asimetría en un gráfico
En el caso del “drift rate” (pacientes),
la distancia entre el P75 y P50 es
mucho menor que ente el P50 y el
P25, lo que sugiere que hay asimetría
positiva.

P25 P50 P75

En el caso del “non-decision

component” (pacientes), la distancia
entre el P75 y P50 es mucho menor
que ente el P50 y el P25, lo que
sugiere que hay asimetría negativa.
DIFRACTOMETRIA DE RX
186 Introducción a la espectroscopía
vibracional
1. .Conceptos básicos
 Estados vibracionales y energía
 Modos normales de vibración
 frecuencia de vibraciones
2. .Técnicas
 Espectroscopía infrarroja 3.
 Regiones del IR
 Grupos funcionales
 "Huellas digitales"
 Número de ondas e intensidad
 Reglas de selección
 FTIR y sus ventajas
 Espectroscopía Raman
 Dispersión inelástica de
fotones (Stokes y anti-Stokes)
 Reglas de selección
 Ventajas sobre el IR
 Resonanacia Raman
.Aplicaciones a proteínas
 Análisis de estructura
secundaria
 Cálculos
 Asignaciones
 Uso de isótopos
 Grupos laterales
187 Bibliografía

 Campbell, I.D. and Dwek, R.A.; Biological Spectroscopy; Benjamin

Cummings (1984)
 Cantor, C.R. and Schimmel, P.R.; Biophysical Chemistry; Vol 2,
(1984).
 Krimm, S and Jagdeesh Bandekar, Vibrational Spectroscopy and
Conformation of Peptides, Polypeptides and Proteins; Adv. Prot Chem.
38; (1986), p. 180
 Susi, H and Byler, D.M.; Resolution Enhanced Fourier Transform
Infrared Spectroscopy of Enzymes; Methods in Enzymology; 130, p
290
 Williams, R.W.; Protein Secondary Structure Analysis Using Raman
Amide I and Amide III Spectra; Methods in Enzymology; 130, p 311
188 Introducción a la espectroscopía
vibracional

Espectro electromagnético

Longitud de onda Tipo de radiación Tipos de transición

Frecuencia (Hz)
1020 - 1024 10-12 - 10-16 m Rayos gamma Nuclear
1017 - 1020 1 nm - 1 pm Rayos X Electrones internos
1015 - 1017 400 - 1 nm Ultravioleta Electrones externos
4.3x1014 - 7.5x1014 700 - 400 nm Visible Electrones externos
1012-1014 2.5 µm - 700 nm Infrarrojo Vibraciones
108 - 1012 1 mm - 2.5 µm Microondas Rotaciones
100 - 108 108 - 1 m Radiofrecuencia Inversión de spin
 E Estados vibracionales y energía
189

Distancia internuclear

4
3
2
1
1 k

0
Frecuencia de la vibración
2 
k = constante de fuerza del enlace F = -kx

µ = masa reducida, para un sistema diatómico

m1m2

m1  m2
 Modos normales de vibración (3N - 5)
190

cm-1 IR RAMAN

estiramiento
O C O 1340 - +
(sim)

estiramiento
O C O 2349 + -
(asim)

deformación O C O
667 + -

deformación O C O 667 + -
191 Técnicas: INFRARROJO
Reglas de selección:

No todas las vibraciones serán

“activas” en IR

Sólo aquellas en las que cambie el

momento dipolar permanente
durante la vibración
192

INFRARROJO
 O

NH CH3
INFRARROJO
193

N-H C-H

C=O
194 FTIR
Espectrometría IR con
Transformada de Fourier
1. Mejor relación señal/ruido ya
que la luz no debe pasar por un
monocromador.
2. Se miden todas las frecuencias
a la vez lo que da mucha mayor
rapidez
3. Puede tener una resolución de
menos de 0.01 cm-1
4. Los espectros pasan
necesariamente por una
computadora lo que facilita el
análisis y manejo espectral
 Modos normales de vibración del grupo amida
(valores para metilacetamida)
195
C H C H C H C H

C N C N C N C N

O C O C O C O C
estiramiento NH (3236 F) amida I (1653 F) amida II (1567 F) amida III (1299 M)

C H

C N C H C H C H

C N C N C N

O C O C O C O C

amida IV (627 D) amida V (725 F) amida VI (600 M) amida VII (206 M)

C H C H C H C H

C N C N C N C N

O C O C O C O C

estiramiento NC estiramiento CN y CC deformación CCN deformación CNC

(1096 D) (881 D) (436 D) (289 D)
196
 Estructura secundaria
197
ovillo estadístico

hélice a

transición a  b

b antiparalela

Susi, H., Timasheff, S and Stevens, L. J

Biol Chem (1967) 242, 5460-5466
 Estructura secundaria
Estructura a
198

Estructura b

Goormaghtigh, E; Ruysschaert, J. M. and Raussens, V

Biophysical Journal Volume 90 April 2006 2946–2957
 Porcentajes de hélice y cadena
199 extendida obtenidas por rayos X y FTIR

Proteína % Hélice % Cadena

extendida
FTIR RX FTIR RX
Carboxipeptidasa 40 39 33 30
α-Quimotripsina 12 10 50 49
Concanavalina A 4 2 60 60
Lisozima 41 45 21 19
Papaína 27 29 32 29
Ribonucleasa A 21 22 50 46
200
 1H O
Uso de isótopos
2
201

C H

C N

O C

2H O
2

Efecto de la deuteración
de la proteína sobre la
posición de la banda
amida I

J. Biol. Chem. (1998) 273: 771-

777
 Uso de
202 isótopos

BIAP (A) apo BIAP (B) Asignación tentativa

1682 C=O amida I (hoja b)
Asignación tentativa 1660 C=O amida I (giro)
de las diferentes 1651–1652 1652 C=O amida I (hélice a)
bandas en el
1633 1633 C=O amida I (hoja b)
espectro FTIR de
1586–1577 1586–1571 C=O COO– Asp o Glu
BIAP y apoBIAP en
2H O, pH 6.6 1547 1547 d N-H amida II
2
1516–1517 1516–1517  OH anillo Tyr
1443 1455 d N-2H amida II y 2HOH
 Uso de
203 isótopos
C H

C N
1 = 27 min
O C
2 = 63 min
3 = 180 min
4 = 21 h

Efecto del tiempo en la deuteración de tripsina en 2H2O a 25º

C, pD = 3.1

Eur. J. Biochem. 48, 339-344 (1974)

 Isótopos y posición de las bandas
204

FTIR de monóxido de
carbono unido a
citocromo c aa3 de T.
termophilus.

Referencia: Pinakoulaki, E.; Soulimane, T. and Varotsis, C. (2002) J. Biol. Chem. 277:32867.
 Unión de ligandos
205
206 Técnicas: Raman
Dispersión inelástica de fotones
estados electrónicos virtuales

Sir Chandrasekhara Venkata Raman,

(சந்திரசசகர வெங்கடராமன்)
Tiruchirapalli, Tamil Nadu -7/11/1888
Bangalore, Karnataka - 21/11/1970

Premio Nobel de Física 1930

 muestra

Láser, luz monocromática

207

Regla de selección:

Para que la vibración sea activa

en Raman debe provocar un
Monocromador,
cambio en la polarizabilidad de
la molécula. espectrógrafo

Ventajas de Raman con respecto a IR

1. Se mide en el visible o el UV donde los detectores son mucho
más sensibles
2. El agua produce una dispersión Raman muy débil
3. La resonancia Raman permite sondear grupos asociados a
cromóforos con una sensibilidad 102- 104 veces mayor
208
N N
209
210
 Resonancia Raman
211

estado electrónico excitado

estado energético virtual

Resonancia
Raman
Raman

estado electrónico basal

La resonancia Raman es más intensa que la dispersión Raman, pero

necesita que exista un cromóforo y sólo se intensifican las bandas
debidas al cromóforo
 l = 406.7 nm

212

Das, T. K., S. Mazumdar and S. Mitra

(1998). Eur J Biochem 254(3): 662-70
213

[hemo] = 0.34 mM
[SO42-] = 400 mM
SO42-

Spiro, T. C. and Strekas, T.

G. (1973) JACS 96: 338
 Uso de isótopos
214

Unión de óxido
nítrico a superóxido
reductasa de
Pyrococcus furiosus
l = 476 nm
215

Espectro IR de BSA sólida (azul) y espectro Raman de

BSA en solución en amortiguador de fosfato (rojo).
216 Infrarrojo y Raman

 El fenómeno de  Se mide en el visible o UV

absorción es más intenso donde los detectores son
por lo que se requieren mucho más sensibles
muestras menores  El agua produce una
dispersión Raman muy
 El equipamiento es más débil
sencillo y de uso más
flexible  El Raman resonante
permite sondear grupos
 No presenta asociados a cromóforos
interferencias con otros con una sensibilidad
fenómenos físicos (p. ej. varios órdenes de
magnitud mayor
fluorescencia)
217 Introducción a la espectroscopía
vibracional
1. .Conceptos básicos
 Estados vibracionales y energía
 Modos normales de vibración
 frecuencia de vibraciones
2. .Técnicas
 Espectroscopía infrarroja 3.
 Regiones del IR
 Grupos funcionales
 "Huellas digitales"
 Número de ondas e intensidad
 Reglas de selección
 FTIR y sus ventajas
 Espectroscopía Raman
 Dispersión inelástica de
fotones (Stokes y anti-Stokes)
 Reglas de selección
 Ventajas sobre el IR
 Resonanacia Raman
.Aplicaciones a proteínas
 Análisis de estructura
secundaria
 Cálculos
 Asignaciones
 Uso de isótopos
 Grupos laterales
Mineral Mapping Theory
Mineral Mapping
Theory
Mineral Mapping Theory
Mineral Mapping Theory
• Diagnostic absorption features of hydroxyl mineral groups in the SWIR
– Al(OH): 2170 - 2210 nm
•Topaz, Pyrophyllite, Kaolinite, Montmorillonite, Muscovite, Illite
– “Mg(OH)”: 2300 - 2400 nm
•Chlorite, Talc, Epidote, Amphibole, Antigorite, Biotite, Phlogopite
– “Fe(OH)”: 2250 - 2300 nm
•Jarosite, Nontronite,
Saponite, Hectorite
– Si(OH): 2240 nm (broad)
•Opaline silica
Composition of Minerals
• white mica composition
• crystallinity of white micas or clay minerals
• Mg# of chlorites
• carbonate composition
• …

mineralminers.com/html/musmins.stm

(Mg,Fe)oct Sitet = Aloct Al tet

interlayer K, Na, Ca

tetrahedral Si, Al Muscovite

octahedral Al, Fe, Mg,

Cr, V

Phengite

From Scott and Yang, 1997

Spectral-Mineral Wavelength Regions

OH-bearing hydroxyls Non-OH-bearing silicates

iron oxides (kaolin, chlorite, mica, amphibole) Spectral
(quartz, feldspars, Resolution
pyroxene, garnet)
REEs sulphates 1.65
sulphates
vegetation carbonates carbonates
Visible Near
VNIRInfrared Short Wave
SWIRInfrared Thermal Infrared
1.45
Laboratory

ARGUS
Hymap
115.5
115.5
Aster
1.25
Landsat TM
ARGUS
Ground Reflectance (offset for clarity)

Ground Emissivity (offset for clarity)

/ AVIRIS
90 90
1.05 dry vegetation
dry vegetation
sandstone HYMAP

64.5 64.5
sandstone 0.85 limestone
green vegetation
ASTER
limestone
39 39
0.65 dark soil
Landsat TM

dark soil
13.5 13.5
0.45
green vegetation
1.9 2.1 2.3 2.5
Wavelength (micrometer) =>
-12 -12
0.35 0.85 1.35 1.85 2.35 7.35 8.35 9.35 10.35 11.35 12.35

Electro-Magnetic Spectrum - Wavelength in Micrometer

From Peter Hausknecht
Available Technologies
(examples)

• Field spectral devices:

• PIMA
• Fieldspec Pro
• TERRASPEC
• microFTIR
• Hylogger system:
• HyLogger™
• HyChips™
• TIR-Logger™
• Remote sensing devices:
• airborne (e.g.HyMap)
• satellite (e.g. ASTER)
Field Spectral Devices
Anayltical spectral devices (ASD, http://www.asdi.com)
• Fieldspec Pro
• 350-2500 nm
• 10 nm spectral
resolution @ SWIR
• ~AUD$100K
• TERRASPEC
• More robust fibre
• contact
Fieldspec Pro

Integrated Spectronics (ISPL, http://www.intspec.com)

• PIMA (Portable Infrared Mineral Analyser)
• 1300-2500 nm
• 8 nm resolution
TERRASPEC
• contact
• ~AUD$40K
Hylogging Suite
• HyLogger™
• 0.4-2.5 m
• FTIR (D&P)
• diamond drill core logging
• ~700m / day
• 1 cm line-profile footprint
• HyChips™
• 0.4-2.5 m
• ASD based
• RAB/RC drill chip tray logging
• 45 trays / hour (up to 3000 * 1 m samples p/d)
• TIR-Logger™
• 2.5 -20 m
• FTIR (D&P)
• Diamond drill (and Chips)
• ~700m / day
• 1 cm line-profile footprint
Remote Sensing Spectral Devices
Airborne HyMap
• Australian sensor
• Sydney-based
• NASA-approved
• high SNR
• 126 bands
• 0.4-2.5 m
• 3-30 m pixel
• 512 pixel swath
• whiskbroom
• fully calibrated
www.hyvista.com

Spectral Configuration – 128 channels

Module Spectral range Bandwidth Average spectral
across module sampling interval
VIS 0.45 – 0.89 um 15 – 16 nm 15 nm
NIR 0.89 – 1.35 um 15 – 16 nm 15 nm
SWIR1 1.40 – 1.80 um 15 – 16 nm 13 nm
SWIR2 1.95 – 2.48 um 18 – 20 nm 17 nm
Airborne HyMap
false colour white mica composition
HyMap products delivered for the Qld
Next Generation Mineral Mapping
Project (excerpt) (http://www.em.csiro.au/NGMM/):
• Natural colour basemap;
• False colour basemap;
• Green vegetation content;
• Dry vegetation content;
• Iron oxide content;
• Hematite/Goethite ratio;
• Ferrous iron content;
• Kaolin content;
• Kaolin crystallinity;
• Al-smectite content;
• Al-smectite composition;
• White mica (paragonite-muscovite-phengite)
content;
• White mica composition;
• White mica crystallinity;
• MgOH (cc/dol/chl/ep/amph) content;
• MgOH (cc/dol/chl/ep/amph) composition;
• Ferric iron and MgOH;
• Ferrous iron and MgOH;
• Chlorite-Epidote content;
• Epidote content;
• Opaques;
2190 2215
• Hydrated silica Block H
5km
nm Al-rich Al-poor nm
ASTER
(Advanced Spaceborne Thermal Emission and Reflective Radiometer)

• “Next generation” geology-tuned

satellite sensor:
• 14 spectral bands including 6 SWIR and 5
TIR geological bands (+ DEM)
• 15 m VNIR
• 30 m SWIR
• 90 m TIR
• Pushbroom for VNIR and SWIR
• Whiskbroom for TIR
• Significant Instrument/Data Issues
• atmospheric correction, SWIR X-talk, TES

www.asterweb.jpl.nasa.gov
www.science.aster.ersdac.or.jp
Software
• TSG (the Spectral Geologist)
– Field and core spectra
• TSA (the Spectral Assistant)
• TSG-Core Distributed through Ausspec
(www.ausspec.com)
• ENVI (Environment for Visualising Images) (www.ittvis.com)
– Hyperspectral images
– Field spectra
• ERMapper (www.ermapper.com)
– ASTER wizard
• CSIRO/HyVista Suite
– ASTER and hyperspectral multi-scene processing
• C-HyperMAP
• C-SatMAP
– IDL based
William M. Espinoza Medina
Objetivos

 Determinar los ensambles de

alteración y su zonamiento en el
depósito de alta sulfuración
“Quecher”, así como en la transición
del depósito de alta sulfuración
“Maqui Maqui” a un pórfido
utilizando el Terra Spec
 Objetivos

Determinar guías o vectores de

mineralización que permitan el
descubrimiento de yacimientos tipo alta
sulfuración y pórfido en el distrito
minero Yanacocha y alrededores
 Relación entre pórfidos y sistemas
de alta y baja sulfuración

(Henley & Ellis, 1983; Hedenquist & Lowenstern, 1994)

 Cajamarca
General Geology of
Peru
Ubicación del
Distrito Minero
Yanacocha

Base de datos Geología MYSRL, 2004

 Antecedentes: Alteraciones
Hidrotermales del Distrito Minero
Yanacocha

Base de datos
Geología MYSRL
(2004)
 Terra Spec

(Hauff, 2005)
(Hunt, 1977, 1979 & Goetz et al., 1982)
 Componentes del Espectro

Hull

Depth
%

FWHM

Position

(Hauff, 1996) (nm)

Longitudes de onda de los ensambles de alteración determinados con el Terra Spec
Spectral Internacional, Inc.
Características de Absorción
de las Arcillas

(Hauff, 1996)
Alteración Hidrotermal

Respuesta mineralógica, textural y

química de las rocas a cambios
fisicoquímicos y termodinámicos de
los fluidos hidrotermales
 Reacciones
de
hidrólisis

l (Hemley et al., 1971)

 Halos de alteración en
pórfidos de Cu – Au
Aguas Meteóricas
Y Lithocap
Subterráneas

100 < Tº < 300

250 350 ºC
180 ºC
400 ºC < Tº
154<<<pH
pH <<<3.5
6.5
pH = 76
pH
(Sillitoe, 1995)
 Alteraciones Hidrotermales en
Depósitos de Alta Sulfuración

Propilítica
Sílica
Argílica Avanzada
Argílica
 Parte adistal
Primera
Rodea etapa
la del sistema
alteración
de alteración
Sílica
Rodea a la alteración Argílica Avanzada


pH
 pH+1-2
Al 5.5-6.5
Nal + Pyr + Dik + K + Zun + Dp
pH 4-5, (K + Dik + Hal)

Ch 1-3.5
pH + Ep + sílice
Resultado
 Cb oquerosa o “vuggy” (SV)
pH 4.5-6, (I + Sm + Mon)

Generalmente
Puede
Alberga ser
la mayor tiene
coetánea Py de
con
parte la mineralización
Generalmente tiene sulfuros

Ensambles de Alteración

Grupo de minerales que se han

formado contemporáneamente bajo
condiciones de equilibrio
termodinámico
Son geoquímicamente significantes
por que pueden ser usados para
determinar condiciones de
formación
 Kaolinita
Alunita
Alunita
SíliceDickita
Kaolinita
Tipo +
Supérgena
+
Alunita
Illita Illita
Vapor
Dickita
(SiO
Alunita Alunita
Magmática
+ Kaolinita
Pirofilita 2)
KAlKAl Al27-6.5
(Si Si
(SO AlO1-1.5
Caliente (OH)
) O(OH)
20(OH))
KAl4
Al
 Fluidos
150
Oxidación
100 3
3<(SO
< Si
2 Tº
2
Tº O<
4 de
4
5
4) (OH)
(OH)
200
<102200
magmáticos.
4
ºC
sulfuros.
2 ºC266
4
“Steam Heated”
200
 100
150<<
Hábito
200
180
Cristales <Tºseudo
Tº
Tº < 220
< 250
< euhedrales
150 250 ºC
ºC; ºC
acicularSm a

100 200
Las < Tº1<condiciones
Pobremente
subhedrales. <Tº 200
pH <<cristalino.
350
ºC;
3.5 I+ºCSm de
 4 <
pH pH < <
1 5
 Oxidación
Se
200 3asocia
formación
Rellena << pH
Tº
del
< a
fracturas.
<
250
H2S
hematita
3.5 pueden
ºC; I y
 Es 3.5 <<
pH
3 <grano
350
de pH pH
Tº = <
43.5
<<fino
400 4.5ºC;
 jarosita.
2.5
inferirse
Brechas
 250 ºCde <Tº;pH
<Andalusita < 4 entre
por
hidrotermales
Muscovita la


Zona
Cristales
Opalina
Se
transición
seudo cúbicosa
encuentra
220cristalinidad,
(matriz
Zona
las < Tº ode
< cemento).
320
alteraciones ºC; I marco
+entre
Pyr
alteración
argílica

 Se
Puede
Zona de
Cristobalita
400relaciona encontrarse
transición
< Tºy<paragénesis
profundidades
geológico 450conºC; la
 las pHalteraciones
argílica
avanzada
hasta =4profundidades
3.5;
< pH
alteraciones
Tridimita alunita
avanzada
y argílica
<
Corindón 6 o
de
argílica
variables.
mineralógica.
mineralización.
 “lithocap”
1 4a <
1.5
argílica
avanzada pHKm.
Calcedonia <y5;argílica
eeeeeeeeeeeeeeeeeeee K - Dik
DEPÓSITO DE ALTA
SULFURACIÓN
“QUECHER”
 Plano de
9228400 N – 779200 E
Ubicación

2.44 Km2

3700 – 4200
m.s.n.m.

9226660 N – 777800 E
 Vista panorámica de los depósitos
Quecher y pórfido Maqui Maqui mirando
hacia el Norte
 Reyes & Gutiérrez, 2003
jjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjj
Brecha Freática: 0.054 g/t Au
Dique de Fluidización o Tufisita
Brecha Hidrotermal: 0.028 g/t Au
Alunita Magmática
Tufo de Cristales y Brecha
Freática 0.354 g/t Au
 Geología
Corredor Estructural NE
Estructural
San José – Carachugo - Quécher

Corredor Estructural NW
Yanacocha – Carachugo

(Reyes & Gutierrez, 2003)

Alteraciones
Hidrotermales

ddddddddddddddddd
ddddddddddddddddd
(Reyes & Gutierrez, 2003)
ddddddddddddddddd
ddddddddddddddddd
dddddd
PROYECTO PÓRFIDO
“MAQUI MAQUI”
 Plano de
Ubicación
9231500 N – 781000 E

5 Km2
3700 – 4200 m.s.n.m.

9229000N – 779000 E
Sección Litológica Generalizada
Mirando Hacia el Noroeste

(Price, 2004)
Brecha Hidrotermal Monolítica
(Alunita)
Cerro Pachanes
Cº Sugares - Tufo de cristales
Natroalunita + Pirofilita
Transición del Sistema de Alta
Sulfuración al Pórfido
Maqui Maqui
 Textura Patchy (314 – 314.2
m)
Pyr

0.061 g/t Au; 0.015 % Cu

Textura Wormy o venillas seudo “A”
(350–350.15 m)
Al + Pyr
0.035 g/t Au; 0.01 % Cu

Venillas tipo “D” (422 – 422.2 m)

K
0.597 g/t Au; 0.15 % Cu

Venilla tipo “A” (453.8 – 454

m)
K
 Venilla Tipo

Venilla tipo “A”

“A”

cortada
Venilla Tipo
“D”
y desplazada por
una del tipo “D”
Venilla Tipo
“A”

0.42 g/t Au; 0.23

% Cu
Venillas tipo “B” cortadas por las del
tipo “D”
0.838 g/t Au; 0.21 % Cu
Venillas Tipo “B”

Venilla Tipo “D”

Ensambles de Alteración

del

Depósito “Quecher”

Alta Sulfuración
Au (g/t)
Quecher Principal
Au (g/t)
Quecher Norte
Au (g/t)
Conexión Quecher
Au (g/t)
Ensambles de Alteración del Depósito

“Maqui Maqui”

Alta Sulfuración en

Transición a un Pórfido
 1492 nm

1478 nm
 Cu
Au(g/t)
(g/t)
Fallas
 CONCLUSIONES

Utilizando el Terra Spec podemos

determinar vectores de
mineralización para luego diseñar
blancos de perforación.
 CONCLUSIONES
En Quecher la mineralización de alta
ley está controlada por ensambles de
sílice, en brechas hidrotermales, y
en grado moderado por alunita y
kaolinita, en brechas hidrotermales y
tufos respectivamente.
Quecher presenta ensambles de
alunita y natroalunita, siendo la
primera la relacionada con la
mineralización de oro.
 CONCLUSIONES
En Quecher podemos considerar los
ensambles de sílice, alunita, alunita
+ kaolinita y kaolinita como vectores
de mineralización.
En Quecher se ha determinado
alunita de Ca, en pequeñas
cantidades, no se relaciona con la
mineralización de oro y
generalmente está junto con alunita
de potasio.
 CONCLUSIONES
En Quecher podemos inferir la
presencia de alunita de los tipos steam
heated, magmática y supérgena,
teniendo en cuenta el tipo de grano,
leyes, ensambles y ubicación en el
sistema.

Quecher presenta ensamble de

kaolinita de baja cristalinidad,
característica de un ambiente de baja
temperatura y poca profundidad.
 CONCLUSIONES

En las perforaciones realizadas en el

proyecto pórfido Maqui Maqui se
aprecia la transición entre un sistema
de alta sulfuración y un pórfido.
 CONCLUSIONES
El proyecto pórfido Maqui Maqui presenta
sobreimposición del sistema de alta
sulfuración, pues los ensambles de las
alteraciones fílica y potásica no se
diferencian claramente, sino por el
contrario manifiestan ensamble de
kaolinita típico del halo de alteración
sílice clay y argílico de los sistemas de
alta sulfuración.
 CONCLUSIONES
En el proyecto pórfido Maqui Maqui se
han diferenciado natroalunita y
alunita; la primera en el cerro Sugares
y la segunda en el cerro Pachanes.
El proyecto pórfido Maqui Maqui
muestra ensamble de natroalunita +
pirofilita como vector de
mineralización.
 CONCLUSIONES
El pórfido Maqui Maqui presenta
ensamble de kaolinita de alta
cristalinidad, lo cual indica un
ambiente de formación de alta
temperatura, cuyos fluidos han
removilizado parte de la mineralización
del pórfido hacia el sistema de alta
sulfuración.
 CONCLUSIONES

No es posible diferenciar

macroscópicamente alunita y
natroalunita; pues ambas presentan
colores y texturas similares.
RECOMENDACIONES

Realizar perforaciones en Quecher

teniendo en cuenta el zonamiento de
los ensambles de sílice, alunita, alunita
+ kaolinita y kaolinita con la finalidad
de definir correctamente la zona
mineralizada.
RECOMENDACIONES

Perforar en el proyecto pórfido Maqui

Maqui teniendo en cuenta el
zonamiento del ensamble natroalunita +
pirofilita, pues como muestran algunos
taladros podemos considerar a dicho
ensamble como vector de
mineralización.
 RECOMENDACIONES
Utilizar el Terra Spec en las
campañas de exploración, pues nos
permitirá definir adecuadamente
los vectores de alteración y
mineralización.

Realizar estudios isotópicos de la

alunita para definir el ambiente de
formación.
 RECOMENDACIONES

Explorar por sistemas tipo pórfido

cuando tengamos ensambles de
natroalunita + pirofilita, en superficie
o taladros, como es el caso de Maqui
Maqui.
 RECOMENDACIONES

Estudiar y entender los depósitos

epitermales de manera integral, es
decir, como sistemas tipo pórfido
gradando a los de alta sulfuración.
ANOMALIAS DETECTADAS A TRAVES DE IMÁGENES SATELITALES
La interpretación de imágenes tiene como misión examinar
los objetos contenidos en las mismas, con el propósito de
identificarlos y deducir su significado. Los sensores remotos
son útiles en una infinidad de campos (geología, hidrología,
oceanografía, forestación, etc.) y específicamente en el
campo militar, donde generalmente se inició el desarrollo de
estas tecnologías; estos sistemas ofrecen la posibilidad de
conocer áreas determinadas, en forma rápida y continua,
relacionando los diversos aspectos que presenta la superficie
terrestre (suelo, vegetación, hidrografía, morfología, etc.)
simultáneamente.
Ventajas de la observación terrestre.
 Cobertura global y periódica de la Superficie Terrestre.
 Visión panorámica.
 Homogeneidad en la toma de datos.
 Información sobre el espectro electromagnético.
 Formato digital.
Antes de abordar la interpretación propiamente dicha, se consideran una
serie de cuestiones
fundamentales como por ejemplo:
 En qué banda del espectro puede ser detectado el fenómeno de interés?
 Cuál es la resolución espacial requerida para observarlo?
 Qué ciclo temporal precisa?
 En qué plazo han de entregarse los resultados?
 A qué escala?
Con qué nivel de detalle?
· Qué método de análisis (digital o visual) garantiza esos
requerimientos
Concepto de firma espectral. Los conceptos anteriormente desarrollados permiten
afirmar que todo objeto de la superficie terrestre refleja o emite energía
electromagnética (EEM) según una función que depende de la longitud de onda. De
ese modo, cada material u objeto tiene un comportamiento spectral que le es
característico, llamado firma. Si se dispone de un sensor capaz de captar y medir la
energía procedente de los objetos, cada uno de ellos
aparecerá en la pantalla o imagen con su firma correspondiente, con un valor que será,
solo suyo, para cada longitud de onda registrada por el sensor. De este modo se puede
contar con datos espectrales numéricos, que irán trazando una curva en función de la
longitud de onda y que será específica de cada material de la superficie terrestre.
Las imágenes espectrales registran estas reflectancias a través del procesamiento,
proporcionan una presentación visual de las propiedades de la reflectancia. El análisis
que se hace de ellas explota esa separación espectral de los datos de la reflectancia
para ayudar a la detección e identificación de objetos y rasgos.
En el siguiente gráfico se pueden apreciar curvas características que muestran la
reflectancia de: vegetación, suelos, agua, etc.
a. Elementos diagnósticos
1) Tono. Es una medida de la cantidad relativa de la luz reflejada por un objeto y registrada
sobre la imagen como el ND (nivel digital) de los pixeles que la componen. El sensor
detecta la radiancia media de una parcela del terreno, equivalente al tamaño del pixel. Este
valor medio se traduce a un valor numérico que define al pixel en cuestión denominado
ND y que lo observamos como una intensidad luminosa o nivel de gris.
2) Textura. Es la frecuencia de cambio en el tono dentro de la imagen, está íntimamente
relacionada con la escala de la imagen.
3) Textura de erosión. Es la forma o modo de erosionarse de los distintos materiales o
rocas que componen la superficie.
4) Patrón o diseño de drenaje. Se refiere al dibujo o distribución espacial, que presentan
en planta, los cursos superficiales de agua, tanto permanentes como temporarios.
5) Forma o asociación. La forma es la característica geométrica de los objetos. Asociación
se refiere generalmente al conjunto de cosas que acompañan a un determinado objeto y
conforman con él un todo.
Etapas de la interpretación.
1) Lectura de imágenes. Es una observación de los distintos
elementos del terreno sin mayor detalle, identificándolos sin
describirlos.
2) Análisis de imágenes. Es una descripción detallada de los
elementos identificados en la imagen, en la cual se realizan
también mediciones de longitudes y superficies.
3) Interpretación de imágenes. Trata de la identificación,
análisis de los objetos que aparecen en la imagen y la
determinación de su significado. Es un proceso de razonamiento
deductivo-inductivo.
óxido de hierro. El color rojo de muchos suelos está relacionado con el óxido
deshidratado,óxido de hierro parcialmente hidratado y dióxido de manganeso. Un
aumento en el óxido dehierro provoca una disminución en la reflectancia, en la zona
visible del espectro.
La absorción del ión férrico se observa en las curvas de reflectancia en las regiones
espectrales de 0.7 – 0.9 μm. Se observan bandas anchas para estas longitudes de onda en
suelos con alto contenido de hierro.
La relación entre contenido de materia orgánica y reflectancia en las longitudes de onda
del visible tiene un comportamiento exponencial, al aumentar el contenido de materia
orgánica, como el óxido de hierro, los valores de reflectancia disminuyen, especialmente
en el rango de longitudes de onda entre 0.5 y 1.1 μm, zona reflectiva del espectro
electromagnético, mientras que por encima de 1.1 μm no se nota ya tanta diferencia.