VARIOGRAMA

El variograma se puede construir experimentalmente con los datos de las muestras o sondeos
disponibles, una serie de puntos. El variograma, refleja muchas propiedades de la variable en
estudio. Entre otras los siguientes:
a) Proporciona información de orden estructural de la variable estudiada (la continuidad de la
mineralización).
b) El alcance traduce la existencia de un área de influencia, la meseta indica una ausencia de
correlaciones.
c) Grado de continuidad entre leyes. Está dado en función de su pendiente al origen del
variograma. Puede ser débil, moderado, fuerte.
d) Da una idea de la dimensión del cuerpo mineralizado y ayuda incluso a la interpretación
genética de un depósito mineral.
PROPIEDADES DEL SEMIVARIOGRAMA

Función simétrica : γ(h) = γ(-h)

positiva : γ(h) ≥ 0 γ(0) = 0

- γ(h) es una función de tipo positivo condicional (condición para obtener varianzas
positivas); no se elegirá entonces un modelo arbitrario (por ejemplo; se demuestra que la
funciones | h|λ , λ real, solo pueden jugar el papel de un semivariograma de una FA
intrínseca en el caso en que 0 < h < 20
El variograma experimental, debe ser ajustado a uno de los esquemas de transición o
llamados MODELOS TEORICOS DE VARIOGRAMA.

REPRESENTACION GRAFICA DE UN VARIOGRAMA Y SUS ELEMENTOS

γ(h)
γ(h) = función
semivariograma
h = paso entre las muestras
GEO ESTADISTICA C +C0 = meseta
C0 = efecto pepita
a = alcance
C
ELEMENTOS

1.- alcance, área de influencia

(a)
C0 2.- efecto pepita (C0)
3.- meseta (C + C0)
a h
dependencia independencia
estructura aleatoria
1.- Alcance (a).- Es una distancia a la cual el variograma se hace constante e indica la distancia hasta la
cual hay influencia entre las muestras. O sea, dentro de esta distancia el fenómeno es totalmente
estructurado; es decir, depende o está controlado por la función γ(h). Fuera de “a” el fenómeno es
aleatorio, o sea independientemente de la función variograma.
2.- Meseta.- Meseta, es el valor constante que toma el variograma para valores mayores que el alcance.
γ(h) γ(h)

C
C
C0
h h
meseta = C meseta = C + C0
C0 = 0

3.- Efecto Pepita (C0).- Es el valor que toma el variograma en las proximidades del origen o para
distancias próximas a cero. El C0 nos da cuenta cambios bruscos de los valores a pequeña escala, lo cual
generalmente sucede cuando se sobrepasa una subestructura por debajo de la escala de abajo. También:
VARIOGRAMA = Error cuadrático medio de estimación de Y(x+h) partiendo de Y(x)

CARACTERISTICAS ESTRUCTURALES QUE REFLEJAN LOS VARIOGRAMAS

FORMAS DE VARIOGRAMAS
previamente veamos los siguientes conceptos:
CONTINUIDAD Y REGULARIDAD
La continuidad y la regularidad en el espacio de una FA Y(x) y por ende, de la Variable Regionalizada
que representa; está relacionada al comportamiento de su γ(h) en la vecindad al origen.
CONTINUIDAD Y DERIVACION EN MEDIA CUADRATICA
Se dirá que la FA Y(x) es continua en media cuadrática si se tiene:

E([Y(x+h) – Y(x)]2) → 0 cuando | h | → 0

se dice que una FA Y(x) es derivable en media cuadrática y que Yi(x) es su derivada si:

Lim E{ Y(x+h) – Y(x) - Yi(x)}2 =0

|h|→0 h
Las principales características estructurales de un yacimiento, reflejados por los variogramas, que son
de mucha utilidad en los trabajos de interpretación del yacimiento; podemos citar los siguientes:
I.- COMPORTAMIENTO DEL VARIOGRAMA CERCA AL ORIGEN : TIPOS DE VARIOGRAMA
1.- Continuidad
El comportamiento del variograma al origen nos proporciona una idea de continuidad de lavariable
en el espacio se pueden presentar los siguientes casos:
1.1.- Comportamiento Parabólico.- γ(h)
cuando las variables son muy continuas
el aspecto del variograma cerca al origen
será el de una curva parabólica
Ejm. potencia de una manto o estrato
(yacimiento de carbón)

h
fenómeno de alta continuidad

1.2.- Comportamiento Lineal.-

 γ(h) . γ(h)
. . .
. . .
. . . .
. .
. . .
. . . .
. . .
0 h 0 h
fenómeno con continuidad media fenómeno de continuidad lineal
Un comportamiento lineal cerca al origen indica una continuidad mediana o en promedio. Es
caracterizado por una tangente oblicua al origen. Este variograma es frecuente para yacimientos
metálicos, cuya variable regionalizada es la ley.
1.3.- Discontinuidad al Origen.-

γ(h) C0 + C = meseta
C0 = efecto pepita La ecuación:

nh

 Y ( x  h)  Y ( xi 
2
i
2 ( h)  i 1

( n  h)
C

teóricamente debe cumplir:

C0
γ(0) = 0
a h
Sin embargo, con frecuencia se tiene VARIOGRAMAS que presentan discontinuidad al origen, lo cual
por lo general nos indica la presencia de una subestructura a escala inferior a la escala de trabajo; tal
discontinuidad refleja la existencia de un efecto de PEPITA, término que proviene de los yacimientos
sedimentarios de oro en los que la presencia de una pepita puede hacer variar de manera considerable las
leyes de dos sondajes vecinos.
DH-1 DH-“ DH-1 DH-2

. . .. . . . . . . . .. .
. . .. . . . . . .. . . .
. . . . . . . . . .. . ..
. . .. .. . …. . . ..
. .

solo clastico con pepita de oro

1.4.- Efecto de Pepita Puro

Si el variograma no depende de h, esto significa que hay independencia entre las
variables, por tanto: γ(h) = C0 ≈ constante
Esto significa:
- que en promedio la deferencia [Y(x+h) – Y(x)] no depende de las ubicaciones relativas de x ni de
x+h
- En este único caso la estadística encontrará los mismos resultados que la geoestadística.
- En la figura se observa, no presenta la parte estructurada, lo cual indica la total ausencia de
autocorrelación de la variable estudiada. Lo cual nos confirma el hecho de que en geología no
tratamos con distribuciones al azar (como se supone en estadística), sino que estamos tratando con
variables que siguen cierto patrón de distribución del cual podemos obtener cierta información a
través del variograma. Solo en casos muy excepcionales es válida la hipótesis de distribución al azar.
Tal es el caso de algunos yacimientos de oro tipo aluvial, donde los procesos geológicos de selección
natural no tienen el tiempo suficiente para imprimir un patrón de distribución, lo que hace que el oro
se encuentre diseminado prácticamente al azar, esto ocurre cuando:
γ(h)

γ(h) no depende de h = constante

. . . . .
. . . . .
C0=C

h
fenómeno de independencia entre valores (aleatoriedad pura)
2.- Area o zona de influencia (carácter estructural del yacimiento)

γ(h) F.E fenómeno aleatorio F.E: fenómeno estructurado

A
C .1 .2

galería

a ↓ zona de
a=h influencia en
a: alcance dirección A
c: meseta 1 y 2 posición de las muestra
En el caso estacionario de orden 2, el alcance a(A) en la dirección A es el valor de la distancia más allá
de la cual, en esa dirección Y(x) e Y(x+h) no están correlacionadas o su correlación es insignificante o
sea, el fenómeno hasta una distancia “a” es totalmente estructurado, más allá de “a”, el fenómeno es
aleatorio. Es decir, más allá de “a”, las variables son independientes y la estadística encontrará los
mismos resultados que la geoestadística, hasta a=h.
Esta parámetro “a” nos brinda una información importante: la rezón de influencia de un punto, canal o
sondaje de muestreo, concepto que se emplea en el dimensionamiento óptimo de redes de muestreo, de
paneles de cubicación o de explotación, etc. El fenómeno, hasta una distancia “a” es totalmente
estructurado, más allá de “a”, el fenómeno es aleatorio.
De acuerdo a ello: debemos distinguir, la existencia de VARIOGRAMAS con mesetas y sin mesetas.
 Los variogramas con mestas, comienzan a crecer (la discrepancia media entre dos valores cualesquiera
aumenta) hasta alcanzar un punto h = a en que esa discrepancia media (que es una medida del grado de
dependencia entre esos valores) llega a ser independiente de la distancia h que los separa a esos valores
(alcanza la meseta): el alcance “a” determina la zona o área de influencia de una muestra cualquiera
ubicada en el punto x del depósito.
Si la muestra tiene un alcance “a”, en la dirección en que se determinó el variograma, la zona de
influencia de una muestra en esa dirección será de 2ª.
El área de influencia de un taladro, es la zona dentro de la cual cualquier sondaje es correlacionado
con él, si dos muestras son cercanos, γ(h) es pequeño. γ(h) crece con h hasta que se llegue en h = a.
3.- Efecto Pepita
Esta terminología proviene de los yacimientos de oro, donde la presencia de una o varias pepitas hacen
variar de manera considerable las leyes de las muestras vecinas.
En este caso el variograma presentará una discontinuidad cerca al origen. Es importante señalar que tal
discontinuidad puede tener como causa, no solamente una o varias pepitas, sino también errores de
medida. Sólo el estudio a pequeña escala permitirá dilucidar cual es el origen del efecto pepita.
4.- Anisotropías del Yacimiento
Como se comprenderá, la continuidad de la mineralización y por lo tanto la función γ(h) varían de
acuerdo a la dirección en que aquella se estudie; de este modo el γ(h) es una función de tipo vectorial. El
concepto de anisotropía está asociado al concepto de tendencia (trend).
D e acuerdo a esto se distinguirán los siguientes tipos de yacimientos:
1.- Yacimientos Isótropos.- tienen variogramas iguales en todas las direcciones.
2.- Yacimientos Anisótropos.- variogramas diferentes.
2.1.- Yac. con Anisotropía Geométrica.- los variogramas difieren sólo en el alcance, manteniendo
igual meseta.
γ(h)

h
a
ai
2.2.- Yac. con anisotropía zonal.- Los variogramas presentan mesetas diferentes. En este caso, la
continuidad presenta variaciones importantes en una dirección determinada.

γ(h)

Ci
C

a h
Ejemplo 1.- Tenemos el caso de un yacimiento estratiforme, donde la variable regionalizada es la ley de
mineral
a) Si se construye el variograma en la dirección A , perpendicular a los estratos, crecerá rápidamente,
pues las discrepancias entre las leyes son muy fuertes.
b) En cambio en la dirección B, paralela a los estratos, habrá más homogeneidad y el variograma
crecerá menos.
A (chimenea) γ(h) A

estéril

mineral
B galerías
B

estéril

h
por tanto: La variación del variograma en las diferentes direcciones del espacio nos evidencia
anisotropías.
Ejemplo 2.- En caso de cuerpos irregulares, los sondajes dispuestos en diversa direcciones nos darán una
idea más o menos precisa de la variación en cada una de esas direcciones, es decir, la variación de γ(h)
en distintas direcciones del espacio anisotropitos.

DH-1
DH-2

DH-3

3
2
1
5.- Fenómenos de Transición.-
En general, al aumentar h, tiende a incrementar también la desviación cuadrática entre dos variables
Y(x) e Y(x+h). Es por que la función γ(h) aumenta sucesivamente a partir de su valor inicial con
frecuencia, tal incremento cesa a una determinada distancia del origen y se hace paulatinamente +/-
estable conforme se acerca al valor límite, llamado meseta, el cual es simplemente la varianza a priori de
la función aleatoria. Estos variogramas están caracterizados por el valor de meseta y alcance.
γ(h)

a h
II.- COMPORTAMIENTO DEL VARIOGRAMA EN EL INFINITO
Se puede demostrar que en el infinito, el variograma se incrementa necesariamente más lento que el
valor | h |2 :
Lim γ(h) = 0 ; cuando | h | = ∞
| h |2

Si se observa lo contrario, el variograma es incompatible con la hipótesis intrínseca. Un incremento

más rápido del variograma nos indica con frecuencia la presencia de una tendencia o drift; es decir, una
esperanza matemática no estacionaria:

E[Y(x)] = m(x)
II.- LA CORREGIONALIZACION
Parte del estudio estructural es el análisis de CORREGIONALIZACIONES. Hasta aquí solo hemos
definido el variograma y la varianza para la regionalización de una sola variable; sin embargo, estos
conceptos pueden ser ampliados a CORREGIONALIZACIONES de varias variable.
Ejemplo: caso de un …….. de Cu-Mo, la regionalización de las leyes de Cu: Y1(x) y la de Mo: Y2(x),
estarán caracterizados por sus respectivos variogramas 2γ1(h) y 2 γ2(h); además, por los estudios
mineralógicos y geoquímicas, sabemos que esta dos variables no son independientes una de otra y que
podemos definir lo que se llama un VARIOGRAMA CRUZADO para el Cu y Mo:
2γ12(h) = E[(Y1(x) – Y1(x+h) – (Y2(x) – Y2(x+h))]
Una vez calculado el variograma cruzado, podemos formar una matriz de la forma:
  1  12 
 
 12  2 
llamado matriz de corregionalización, que se aplica para:
- Estima el valor desconocido de una ley de Cu en un punto x: Y1(x), a partir de los valores
de Pb y Zn adyacentes.
- El tratamiento selectivo de poblaciones de datos diferentes características.
Ejemplo.- supongamos que se tiene dos colecciones diferentes de leyes de un mismo metal, con las
cuales debemos estimar la ley de un panel.
colección 1: consta de datos precisos ensayados en testigos de perforación
colección 2: consta de datos imprecisos de muestras de canales y labores
Un estudio de CORREGIONALIZACION de estos dos tipos de datos, nos determinará los pesos
apropiados con los que cada dato intervendrá durante la evaluación de la ley del panel.
DIRECCION DE EVALUACION

Horizontal o Longitudinal 2γ(h) → γ(h)

vertical diagonal
profundidad 2 γ(h)→ γ(h)

2 γ(h)→ γ(h)

PROBLEMAS APLICATIVOS: CONSTRUCCION DE VARIOGRAS

I.- MUESTREO EQUIDISTANTE (H = constante)
1) Se han efectuado el muestreo de dos tajos A y B; cuyos valores se tienen:

Zona A: Ley Cu Zona B: Ley Cu

tajeo A tajeo B

6% 3% 8% 5% 9% 4% 7% 3% 8% 5% 6% 4% 7%
9%

d d
d = distancia entre muestras (4m)
Solución:
1) Método Estadístico: cálculo de la media y la varianza
Tajeo A
Ley media x = 6+3+8+5+9+4+7 = 6% Cu
7

varianza σ2 = (6-6)2 + (3-6)2 + (8-6)2 + (5-6)2 + (9-6)2 + (4-6)2 + (7-6)2 = 4.0

7
Tajeo B
Ley media x = 3+8+5+6+4+7+9 = 6% Cu
7

varianza σ2 = (3-6)2 + (8-6)2 + (5-6)2 + (6-6)2 +(4-6)2 + (7-6)2 + (9-6)2 = 4.0

7
Es decir, que obtenemos los mismos resultados estadísticos, lo cual nos permite
distinguir dos fenómenos diferentes al pasar por alto la posición relativa de las muestras
en el espacio.
 2) Método Geoestadístico
γ(h) = Σ[Y(x) – Y(x+h)]2
2(n-h)
Tajeo A h = 4m
n-h = 6 pares
6% 3% 8% 5% 9% 4% 7%

γ(4) = (6-3)2 + (3-8)2 + (8-5)2 + (5-9)2 + (9-4)2 + (4-7)2 = 7.75

2(6)
h = 8m
n-h = 5 pares

6% 3% 8% 5% 9% 4% 7%

γ(8) = (6-8)2 + (3-5)2 + (8-9)2 + (5-4)2 + (9-7)2 = 1.4

2(5) h = 12 m
n-h = 4
pares

6% 3% 8% 5% 9% 4% 7%

γ(12) = (6-5)2 + (3-9)2 + (8-4)2 + (5-7)2 = 7.125

2(4)

6% 3% 8% 5% 9% 4% 7%

γ(16) = (6-9)2 + (3-4)2 + (8-7)2 = 1.83

2(3)
h = 20 m
n-h = 2
pares

6% 3% 8% 5% 9% 4% 7%

γ(20) = (6-4)2 + (3-7)2 = 5.0

2(2)

h = 24 m
n-h = 1
par
6% 3% 8% 5% 9% 4% 7%

γ(24) = (6-7)2 = 0.5

2(1)
 Variograma Zona A

γ(h)

8 .
7 .

6
5 .
4
3

2 .
1 .
.

4 8 12 16 20 24 h
Tajeo B

3% 8% 5% 6% 4% 7% 9%

γ(4) = (3-8)2 + (8-5)2 + (5-6)2 + (6-4)2 + (4-7)2 + (7-9)2 = 4.33

2(6)

γ(8) = (3-5)2 + (8-6)2 + (5-4)2 + (6-7)2 + (4-9)2 = 3.50

2(5)

γ(12) = (3-6)2 + (8-4)2 + (5-7)2 + (6-9)2 = 4.75

2(4)

γ(16) = (3-4)2 + (8-7)2 + (5-9)2 = 3

2(3)
 γ(20) = (3-7)2 + (8-9)2 = 4.25
2(2)
γ(24) = (3-9)2 = 18
2(1)

γ(h)
8 como vemos, la
geoestadística
da cuenta de la
estructura de la
7 información
6

5 .
.
4 . .
3 .
2

4 8 12 16 20 24 h

2.-En una galería sobre veta se ha efectuado el muestreo sistemático , cuyos resultados
aparecen en el siguiente cuadro y figura:
datos experimentales
Nºmuestra 1 2 3 4 5 6 7 8 9 10 11 12
LeyOz/TcAg 3.2 4.0 2.8 3.2 3.0 3.6 2.0 4.5 2.5 3.2 2.3 2.8

13 14 15 16 17 18 19 20 21 22 23 24 25
2.2 4.1 5.2 8.3 6.1 4.0 2.6 1.8 1.0 0.8 1.3 1.7 1.3

x1 x1+h x2 x2+h x3 x3+h x4 x4+h x5 x5+h xn

xn+h
1 2 3 4 5 6 7 8 9 10

galería
Graficar el variograma par: h = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Solución:
Datos: n = 25 n(h) = (n-h) = numero de muestras

h N(h) n-h γ(h) = Σ| Y(xi + h) – (xi)|2 = ΣΔ2h

1 24 25 – 1 2(n-h) 2(n-h)
2 23 25 – 2 h = 1 → n-h = 25-1 = 24 pares
3 22 25 – 3 h = 2 → n-h = 25-2 = 23 pares
4 21 25 – 4 h = 3 → n-h = 25-3 = 22 pares
5 20 25 – 5 .
6 19 25 – 6
7 18 25 – 7
8 17 25 – 8
9 16 25 – 9
10 15 25 - 10
 .
.
.
.
.
h = 10 → n-h = 25-10 = 15 pares
3.2

4.0

2.8

3.2

3.0

3.6

2.0

4.5

2.5

3.2

2.3

2.8

2.2

4.1

5.2

8.3

6.1

4.0

2.6

1.8

1.0

0.8

1.3

1.7

1.3
CUADRO Nº 1: cálculos de incrementos

h 1 2 3 4 5 6 7 8 9 10
Δ2h Δ21 Δ22 Δ23 Δ24 Δ25 Δ26 Δ27 Δ28 Δ29 Δ210
0.64 0.16 0.00 0.04 0.16 1.44 1.69 0.49 0.00 0.81
1.44 0.64 1.00 0.16 4.00 0.25 2.25 0.64 2.89 1.44
0.16 0.04 0.64 0.64 2.89 0.09 0.16 0.25 0.00 0.36
0.04 0.16 1.44 1.69 0.49 0.00 0.81 0.16 1.00 0.81
0.36 1.00 2.25 0.25 0.04 0.49 0.04 0.64 1.21 4.84
2.56 0.81 1.21 0.16 1.69 0.64 1.96 0.25 2.56 22.09
6.25 0.25 1.44 0.09 0.64 0.04 4.41 10.24 39.69 16.81
4.00 1.69 4.84 2.89 5.29 0.16 0.49 14.44 2.56 0.25
0.49 0.04 0.09 0.09 2.56 7.29 33.64 12.96 2.25 0.01
0.81 0.16 1.00 0.81 4.00 26.01 8.41 0.64 0.36 1.96
0.25 0.01 3.24 8.41 36.00 14.44 2.89 0.09 0.25 1.69
0.36 1.69 5.76 30.25 10.89 1.44 0.04 1.00 3.24 4.00
3.61 9.00 37.21 15.21 3.24 0.16 0.16 1.44 1.96 0.81
1.21 17.64 4.00 0.01 2.25 5.29 9.61 10.89 7.84 5.76
9.61 0.81 1.44 6.76 11.56 17.64 19.36 15.21 12.25 15.21
4.84 18.49 32.49 42.25 53.29 56.25 49.00 43.56 49.00
4.41 12.25 18.49 26.01 28.09 23.04 19.36 23.04
1.96 4.84 9.00 10.24 7.29 5.29 7.29
0.64 2.56 3.24 1.69 0.81 1.69
0.64 1.00 0.25 0.01 0.25
0.04 0.09 0.49 0.09
0.25 0.81 0.25
0.16 0.00
0.16
Σ 44.89 74.14 129.80 147.80 175.43 161.65 161.57 135.94 127.06 76.85
Δ2h

CUADRO Nº: cálculo del semivariograma

h 1 2 3 4 5 6 7 8 9 10
n(h) 24 23 22 21 20 19 18 17 16 15
2n(h) 48 46 44 42 40 38 36 34 32 30
2
Σ Δ h 44.89 74.14 129.80 147.80 175.43 161.65 161.57 135.94 127.06 76.85
γ(h) 0.94 1.61 2.95 3.52 4.39 4.26 4.49 4.00 3.97 2.56

h=1 h=4 γ(h) = Σ| Zx+h – Zx|2

h=2 h=5 2(n – h) Δh = Zx+h - Zx n = 25
h=3
| Δ1| Δ21 Δ22 Δ23 Δ24 Δ25 Δ26 Δ27 Δ28 Δ29
0.8 0.64 0.16 0.0 0.04 0.16 1.44 1.69 0.49 0.00
1.2 1.44 0.64 1.0 0.16 4.00 0.25 2.25 0.64 2.89
0.4 0.16 0.04 0.64 0.64 2.89 0.09 0.16 0.25 0.00
0.2 0.04 0.16 1.44 1.69 0.49 0.00 0.81 0.16 1.00
 0.6 0.36 1.00 2.25 0.25 0.04 0.49 0.04 0.64 1.21
1.6 2.56 0.81 1.21 0.16 1.69 0.64 1.96 0.25 2.56
2.5 0.25 0.25 1.44 0.09 0.64 0.04 4.41 10.24 39.69
2.0 4.00 1.69 4.84 2.89 5.29 0.16 0.49 14.44 2.56
0.7 0.49 0.04 0.09 0.09 2.56 7.29 33.64 12.96 2.25
0.9 0.81 0.16 1.00 0.81 4.00 26.01 8.41 0.64 0.36
0.5 0.25 0.01 3.24 8.41 36.00 14.44 2.89 0.09 0.25
0.6 0.36 1.69 5.76 30.25 10.89 1.44 0.04 1.00 3.24
1.9 3.61 9.00 37.21 15.21 3.24 0.16 0.16 1.44 1.96
1.1 1.21 17.64 4.00 0.01 2.25 5.29 9.61 10.89 7.84
3.1 9.61 0.81 1.44 6.76 11.56 17.64 19.36 15.21 12.25
2.2 4.84 18.49 32.49 42.25 53.29 56.25 49.00 43.56 49.00
2.1 4.41 12.25 18.49 26.01 28.09 23.04 19.36 23.04
1.4 1.96 4.84 9.00 10.24 7.29 5.29 7.29
0.8 0.64 2.56 3.24 1.69 0.81 1.69
0.8 0.64 1.00 0.25 0.01 0.25
0.2 0.04 0.09 0.49 0.09
0.5 0.25 0.81 0.25
0.4 0.16 0.00
0.4 0.16
Σ Δ2h 44.89 74.14 129.8 147.8 175.43 161.65 161.57 135.94 127.06
2(n- 48 46 44 42 40 38 36 34 32
h)
γh 0.94 1.61 2.95 3.52 4.39 4.26 4.49 4.00 3.94

W E

γ(h)

4 .

3
NW – SE
2 NE - SW

1 ajuste

C0=0.5

1 2 3 4 5 6 7 8 9 h
a = 420 m
3.2

4.0

2.8

3.2

3.0

3.6

2.0

4.5

2.5

3.2

2.3

2.8

2.2

4.1

5.2

8.3

6.1

4.0

2.6

1.8

1.0

0.8

1.3

1.7

1.3
APLICACIÓN DE VARIOGRAMA

1) Un yacimiento argentífero, ha sido muestreado con fines de evaluación. Para tal efecto
se han extraído muestras sistemáticamente con un espaciamiento de 5m. en cada galera,
cuyos valores son:

1 2 3 4 5 6 7 8 9 10

NºM 1 2 3 4 5 6 7 8 9 10
Oz/TcAg 3 5 8 12 20 16 10 7 4 2
% Pb 10 8 5 3 6 10 12 14 16 20

Determinar: El semivariograma, en el sentido del muestreo

Para plata
h 5 10 15 20 25 30 35 40 45
2 2 2 2 2 2
Δh Δ5 Δ 10 Δ 15 Δ 20 Δ 25 Δ230 Δ235 Δ240 Δ245
4.0 25.0 81.0 289.0 169.0 49.0 16.0 1.0 1.0
4.0 49.0 225.0 121.0 225.0 4.0 1.0 9.0
16.0 144.0 64.0 4.0 1.0 16.0 36.0
64.0 16.0 4.0 25.0 64.0 100.0
16.0 100.0 169.0 256.0 324.0
36.0 81.0 144.0 196.0
9.0 36.0 64.0
9.0 25.0
4.0
Σ Δ2h 162.0 476 751 891 783 169 53 10 1
N 9 8 7 6 5 4 3 2 1
2N 18 16 14 12 10 8 6 4 2
γ(h) 9.00 29.75 53.64 74.25 78.3 21.13 8.83 2.50 0.50
Nota: igual procedimiento para el plomo
γ(h)

80
70

60 C0 = 0
50 C = 78.3
40 a = 25m

30
20
10
0 5 10 15 20 25 30 35 40 45 h
2) Un yacimiento aluvial es evaluado para conocer el comportamiento del oro; para tal
efecto se han muestreado equidistantemente. Por razones que se desconoce algunas
muestras no poseen valores. Determinar el semivariograma para h = 1, 2, 3, 4, 5, 6, 7, 8
m.

.1 .2 .9 .11
.4 .6 .7
.
.12
3 .8 ..
. 10
5
NºM 1 2 3 4 5 6 7 8 9 10 11 12
GrAu/m3 0.5 0.9 1.2 - 3.5 5 6.5 8 10 - 16 20
Solución
h 1 2 3 4 5 6 7 8
Δ2h Δ21 Δ22 Δ23 Δ24 Δ25 Δ26 Δ27 Δ28
0.16 0.49 6.76 9.0 20.25 36.0 56.25 90.25
0.09 5.29 14.44 16.81 31.36 50.41 82.81 219.04
2.25 9.0 20.25 28.09 46.24 77.44 272.25
2.25 9.0 25.0 42.25 121.0 156.25
2.25 12.25 64.0 90.25 182.25 225.0
4.0 36 100.0 144.0
16.0
Σ Δ2h 27.0 72.03 230.45 330.40 401.10 545.10 411.45 309.29
(n-h) 7 6 6 6 5 5 3 2
2(n-h) 14 12 12 12 10 10 6 4
γ(h) 1.93 6.0 19.20 27.53 40.11 54.51 68.55 77.32

γ(h)

80

70
C0 = 0
60 C = 77.32
a = 8m.
50

40

30

20

10

0 1 2 3 4 5 6 7 8 9 h
3) En una mina de Zinc, se han extraído muestras desde el nivel 4000 hasta el nivel 4160,
con la finalidad de confirmar el comportamiento de la ley de Zinc (hallar el variograma).
Para h = 5, 10, 15 ,20, 20, 25
NºM 1 2 3 4 5 6 7 8 9 10
% Zn 18 15 12 20 10 8 12 6 5 2

4160 1 2 3 4 5 6 7 8 9
10

10 18 15 12 20 10 8 12 6 5
2
9
8
80m 7 h= 5 10 15 20 25
6
4080 5 n(h) 9 8 7 6 5

4 γ(h) = Σ[Y(xi ) – Y(xi + h)]2

3 2n(h)
80 2
1 Δ2h = [Y(xi) – Y(xi + h)]2
4000

h 5 10 15 20 25
Δ2h Δ25 Δ210 Δ215 Δ220 Δ225
9 36 4 64 100
9 25 25 49 9
64 4 16 00 36
100 144 64 196 225
4 4 16 25 64
16 4 9 36
36 49 100
1 16
9
Σ Δ2h 248 282 234 370 434
n(h) 9 8 7 6 5
2n(h) 18 16 14 12 10
γ(h) 13.78 17.63 16.71 30.83 43.4
 γ(h)
.
40
35
.
30
25
20
.
15
10
5

0 5 10 15 20 25 30 h
4) En la galería que se muestra, se han extraido 10 muestras, por razones que se desconoce, se han
extraviado dos de ellas. Sus valores son para h = 3, 6, 9, 12, 15 y 18. Determinar el variograma.

1 2 3 4 5 6 7 8 9 10

NºM 1 2 3 4 5 6 7 8 9 10
Oz/TcAg 5 8 12 - 20 25 30 - 4 2
Solución:

1 2 3 4 5 6 7 8 9 10

5 8 12 20 25 30 4 2

h 3 6 9 12 15 18
n(h) 5 4 4 5 3 2

H 3 6 9 12 15 18
Δ2h Δ23 Δ26 Δ29 Δ212 Δ215 Δ218
9 49 144 225 400 625
16 64 169 289 484 144
25 100 441 324 324
25 676 784 256
4 529
Σ Δ2h 79 889 1538 1653 1208 769
 n(h) 5 4 4 5 3 2
2n(h) 10 8 8 10 6 4
γ(h) 7.90 111.13 192.25 165.30 201.33 192.25

γ(h)

210 .
. .
170 .

130

90

50
10

0 3 6 9 12 15 18 h

5) En un yacimiento de cobre, sistema de vetas, de una de las vetas se han obtenido 20

muestras equidistantes a 1m. de W → E, cuyos valores son las siguientes:
NºM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
%Cu 3 1.9 2 1.5 - 4.5 3.5 2.5 - 5 4 3 - 1.5 2.0 1.8 - - 2.5 1.8

De los cuales 5 valores de las muestras no se tiene. Determinar el variograma cuando:

h = 1, 2, 3, 4, 5, 6
Solución:
W
3 1.9 2 1.5 4.5 3.5 2.5 5 4 3 1.5 2 1.8
2.5 1.8

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
19 20

1) Nº pares de muestras
h 1 2 3 4 5 6
Δ2h Δ21 Δ22 Δ23 Δ24 Δ25 Δ26
1.21 1.00 2.25 6.76 2.25 0.25
0.01 0.16 6.25 2.25 2.56 0.36
0.25 9.00 4.00 1.00 0.25 12.25
1.00 4.00 2.25 0.25 0.25 2.25
1.00 6.25 2.25 0.25 0.25 1.00
1.00 4.00 6.25 0.25 9.00 10.24
1.00 2.25 1.00 12.25 4.84 0.09
0.25 0.09 0.49 4.00 1.00
0.04 1.44 0.04
0.49 0.25
0.00
 Σ Δ2h 6.25 26.75 24.74 28.70 20.44 26.44
(n-h) 10 8 8 11 9 7
2(n-h) 20 16 16 22 18 14
γ(h) 0.31 1.67 1.55 1.30 1.14 1.89

γ(h) .
1.8

1.5 .
.
1.2
.
0.9

0.6

0.3

0 1 2 3 4 5 6 h

6) En un yacimiento aluvial se ha realizado un muestreo por el método de triangulación a

lo largo de un rio en una longitud de 1Km. x 0.5Km. cuyos resultados se indican a
continuación:
NºM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
GrAu/m3 0.8 0.9 1.3 0.5 1.5 2.5 2 1.8 1.4 0.6 0.5 0.9 1.5 2.6 3 2.1 1.5 1.7

Determinar el semivariograma experimental correspondiente para H = 2, 4, 6, 8, 10

.2 . 10 . 12 .
18
.4 .8 . 14 . 16
.6
500m

. . . .
.
1 .3 . . 9 11 13 15 .
17
5 7
1000m
 h 2 4 6 8 10 0.8
Δ2h Δ22 Δ24 Δ26 Δ28 Δ210 0.9
0.25 0.49 1.44 0.36 0.09 1.3
0.16 2.56 0.81 0.09 0.00 0.5
0.04 0.49 0.01 0.64 1.21 1.5
4.00 1.69 0.01 0.16 4.41 2.5
0.25 0.01 1.00 0.00 2.25 2.0
0.49 3.61 2.56 0.01 0.16 1.8
0.36 2.25 0.25 1.00 0.25 1.4
1.44 0.81 0.64 0.09 0.01 0.6
0.81 0.01 2.56 0.01 0.5
0.09 4.00 2.25 1.21 γ(h) .
1.00 6.25 1.00 0.9
2.89 1.44 0.64
2.25 0.00 1.5
0.25 0.81 0.8
2.25 2.6
0.16
Σ Δ2h 16.69 24.42 13.17 3.57 8.38 3.0
n(h) 16 14 12 10 8 0.6
2n(h) 32 28 24 20 16 2.1
γ(h) 0.52 0.87 0.55 0.18 0.52 . .
. 1.5
1.7
0.4
C0 n = 18

0.2 .

0 2 4 6 8 10 h

7) En una chimenea de 60m. de longitud, se ha muestreado por sistema de canales en forma

equidistantes, cuyo resultado se tiene:

Gal3 CH3
 NºM Oz/TcAg h n-h NºPares
1 1 18.5 1 11 – 1 10
2 2 17.0 2 11 – 2 9
3 3 13.0 3 11 – 3 8
4 4 15.5 4 11 – 4 7
5 10.6 5 11 – 5 6
5 6 14.5 6 11 ---6 5
60m 6 Block 20 7 12.0 7 11 – 7 4
7 8 10.5 8 11 -- 8 3
8 9 8.5
10 7.0
9 11 7.5
10
11

Gal4 CH4

Elaborar el variograma correspondiente para h = 1, 2, 3, 4, 5, 6, 7, 8 en la dirección

CH3→CH4

Cuadro número 2: cálculo de incrementos

h 1 2 3 4 5 6 7 8
Δ2h Δ21 Δ22 Δ23 Δ24 Δ25 Δ26 Δ27 Δ28
2.25 30.25 9.00 62.41 16.00 42.25 64.00 100.00
16.00 2.25 40.96 6.25 25.00 42.25 72.25 100.00
6.25 5.76 2.25 1.00 6.25 20.25 36.00 30.25
24.01 1.0 12.25 25.00 49.00 12.96 64.00
15.21 1.96 0.01 4.41 12.96 49.00
6.25 16.00 36.00 56.25 49.00
2.25 12.25 25.00 20.25
4.00 12.25 9.00
2.25 1.00
0.25
Σ Δ2h 78.72 82.72 134.47 175.57 158.21 166.71 238.25 230.25

Cuadro Nº 3: cálculo del semivariograma

h 1 2 3 4 5 6 7 8
n(h) 10 9 8 7 6 5 4 3
2n(h) 20 18 16 14 12 10 8 6
Σ Δ2h 78.72 82.72 134.47 175.57 158.21 166.71 238.25 230.25
γ(h) 3.94 4.60 8.40 12.54 13.18 16.67 29.78 38.38

γ(h)
 40
.
36

32

28 .

24

20

16 .
. .
12
.
8
.
4 .

0 1 2 3 4 5 6 7 8 9 h
8) En un yacimiento diseminado de Cu, se a efectuado la evaluación geológica a través de sondajes
según una malla regula-cuadrada de muestreo; cuyos resultados se tiene.
Elaborar el variograma en las direcciones señaladas; para h = 1, 2, 3, 5, 6
NW E
2 1.5 0.9 1.2 0.7 2.0 2.3
1.8

1
S 0.9 1.8 0.8 1.9 2.2 1.5
1

W–E 1.8 2.5 3 1.8 3.5 2

2.2
N-S
N–1
2–S
1.5 1 1.4 0.8 1.7 2
2.6

n = 35
nii = n – (nf – 1)
nii = n – (nc – 1) 1.4 1.2 1.6 2.5 1.9 2.2
1.5
nii – h = Nºpares
nf: Nº de filas del muestreo
nc: Nº de columnas del muestreo
nii: Nº de muestras deducido
Datos: 1) Dirección W-E
Cuadro 1: Nº de pares de muestras

NºTALAD PROF(m) LEY%Cu h nii = n – (nf – 1) (nii – h)

1 40 1.5
2 60 0.9 1 31 30
3 20 1.2 2 27 25
4 75 0.7 3 23 20
5 35 2.0 4 19 15
6 20 2.3 Cuadro 5 15 10 2:
7 75 1.8 cálculo 6 11 5 de
8 60 0.9
9 45 1.8 incrementos
10 50
h 1 0.8 2 3 4 5 6
11 Δ25
2
h Δ 2
1 1.9Δ 2
2
Δ23 Δ24 Δ25 Δ26
12 48 0.36 2.20.09 0.64 0.25 0.64 0.09
13 36 0.09 1.50.04 1.21 1.96 0.81 0.01
14 55 0.25 1.00.64 1.21 0.36 0.36 0.16
15 66 1.69 1.82.56 1.21 1.69 0.64 1.21
16 75 0.09 2.50.04 1.00 0.09 0.04 0.01
17 70 0.25 3.00.01 0.16 0.04 0.09
18 56 0.81 1.80.01 0.49 2.89 0.25
19 32 1.00 3.51.96 0.81 0.25 2.56
20 64 1.21 2.00.16 0.00 0.64 0.64
21 22 0.09 2.21.44 1.00 0.04 0.09
22 18 0.49 1.51.44 1.00 1.00
23 35 0.25 1.00.49 0.16 1.44
24 24 0.49 1.40.25 0.49 0.25
25 30 0.25 0.80.04 0.49 1.00
26 25 1.44 1.71.69 0.36 0.01
27 32 2.89 2.00.01 3.24
28 46 2.25 2.60.04 1.21
29 50 0.04 1.40.09 0.49
30 45 0.25 1.21.44 0.36
31 30 0.16 1.60.81 1.00
32 65 0.36 2.50.04
33 58 0.81 1.91.69
34 64 0.09 2.20.09
35 45 0.36 1.50.09
0.04 0.16
0.16
0.81
0.36
0.09
0.49
2
Σ Δ h 17.92 15.32 16.53 11.91 6.12 1.48
 n(h) 30 25 20 15 10 5
2n(h) 60 50 40 30 20 10
γ(h) 0.30 0.31 0.41 0.40 0.31 0.15
 γ(h)
0.6
N-1
. . 2-S
0.4
.
. .
N-S W-E
0.2
.

0 1 2 3 4 5 6 7 8 h

2) Dirección N-S Cuadro 2: cálculo de incrementos y semivariograma

h nii = n–(nc–1) (nii – h)
1 29 28 h 1 2 3 4 5 6
2 23 21 Δ2h Δ21 Δ22 Δ23 Δ24 Δ25 Δ26
3 17 14 0.36 0.09 0.00 0.01
4 11 7 0.81 0.36 0.25 0.09
5 5 0 0.09 0.16 0.01 0.16
6 0 0 0.01 2.56 0.36 3.24
0.81 0.64 0.04 0.01
0.49 1.69 0.64 0.01
2.25 3.24 0.01 0.09
0.04 0.36 0.36
0.16 1.96 0.09
4.84 1.21 0.09
2.56 1.21 0.09
0.04 0.49 0.49
1.44 2.25 0.64
0.01 0.25 0.25
1.00 2.56
2.89 0.09
0.04 0.25
1.69 0.04
3.24 0.16
0.04 2.56
0.64 0.49
0.25
0.00
0.04
0.64
1.44
0.16
1.21
n(h) 28 21 14 7 0 0
2n(h) 56 42 28 14 0 0
Σ Δ2h 27.19 22.62 3.32 3.61 0 0
γ(h) 0.49 0.54 0.12 0.26 0 0
3) Dirección N-1

Cuadro 1: Cálculo de Nº pares Cuadro 2: Cálculo de Δs

h (n-h)
1 24
2 15
3 8
4 3
5 0
6 0

h 1 2 3 4 5 6
Δ2h Δ12
Δ22
Δ32
Δ 4 Δ25
2
Δ26
1.69 0.04 3.61 0.09
0.25 1.69 0.64 1.69
0.49 0.36 0.16 0.16
2.25 5.29 0.64
0.04 0.01 1.96
0.36 4.00 0.49
0.49 0.81 0.01
2.56 0.81 2.56
2.25 0.16
4) Dirección 2-S 0.25 2.25
0.01 1.00
1.00 1.21
hh 1 (n-h)
2 3 4 5 6 0.01 0.25
Di1n γ 24
n γ n γ n γ n γ n γ 0.25 0.00
re 2
( ( 15
( ( ( ( ( ( ( ( ( ( 0.09 0.04
c3h h 8h h h h h h h h h h 1.44
4
) ) 3) ) ) ) ) ) ) ) ) ) 4.84
W5 3 0 02 0 2 0 1 0 1 0 5 0 1.21
-E60 . 05 . 0 . 5 . 0 . . 2.56
3 3 4 4 3 1 1.21
1 1 1 0 1 5 1.21
N 2 0 2 0 1 0 7 0 0 0 0 0 0.64
-S 8 . 1 . 4 . . 0.36
0.09
n(h) 24 15 8 3 0 0
2n(h) 48 30 16 6 0 0
Σ Δ2h 25.55 17.92 10.07 1.94 0 0
γ(h) 0.53 0.60 0.63 0.32 0 0
 49 54 12 26
N-1 24 0.50 15 0.58 8 0.44 3 0.27 0 0 0 0
2-S 24 0.53 15 0.60 8 0.63 3 0.32 0 0 0 0
Cálculos (base taladro Nº 1) (Bidimensional)
h=1
N W 1 E 30
n(h) = 30 + 28 = 58 → h = 1
n(h) = 24 + 24 = 48 → h = 2
1 2 2
γ(1) = (30*0.31)+(28*0.49) = 0.40
30+28
24 24 γ( 2 ) = (24*0.5)+(24*0.53) =
0.51
24+24
S 28
h=2
2 25

n(h) = 25 + 21 = 46 → h = 2
2 2 2 2 2 n(h) = 15 + 15 = 30 → h = 2 2
γ(2) = (25*0.31) + (21*0.54) = 0.42
15 15 25 + 21
γ(2 2 ) = (15*0.58)+ (15*0.6) = 0.59
21 15 + 15
h=3
3 20 n(h) = 20 + 14 = 34 h=3
n(h) = 8 + 8 = 16 h=3 2
3 2 γ(3) = (20*0.41) + (14*0.12) = 0.29
3 20 + 14
3 2 8 γ(3 2 ) = (8*0.44) + (8*0.63) = 0.54
8 8+8
14
h=4
4 15
n(h) = 15 + 7 = 22 ………………..h = 4
4 2 n(h) = 3 + 3 = 6 ………………… h = 4 2
4 γ(4) = (15*0.4) + (7*0.26) = 0.36
4 2 3 15 + 7
3 γ(4 2 ) = (3*0.27) + (3*0.32) = 0.30
7 3+3
h=5
5 10
n(h) = 10 + 0 = 10 ………………h = 5
5 2 n(h) = 0 + 0 = 0 ……………… h = 5 2
5 γ(5) = (10*0.31) + (0*0) = 0.31
5 2 0 10 + 0
0 γ(5 2 ) = (0*0) + (0*0) = 0
0 0+0
h=6
6 5
n(h) = 5 + 0 = 5 ………………..h = 6
n(h) = 0 + 0 = 0 ………………..h = 6 2
6 6 2 γ(6) = (5*0.15) + (0*0) = 0.15
5+0
0 0 γ(6 2 ) = (0*0) + (0*0) = 0
0 0+0
Cálculo del semivariograma promedio
h 1 2 2 2 3 3 4 4 5 5 6 6
2 2 2 2 2
n(h) 58 48 46 30 34 16 22 6 10 0 5 0
γ(h) 0.40 0.51 0.42 0.59 0.29 0.54 0.36 0.30 0.31 0 0.15 0

9) En el siguiente gráfico se muestra el procedimiento de muestreo efectuado en una

galería, a partir del punto topográfico P10. Determinar el semivariograma experimental

M1 M2 M3 M4 M5 M6 M7 M8
Oz/Tc 8 6.5 10.5 13 9 7.8 14.5 13
Ag
CH-10 4 1.5 3.8 2 3 4.2 2.8 3.5 CH-11
HV4000 GALERIA

Solución:
a)
Δ2 = [Y(xi + h) – Y(xi)]2 h
(8.0-6.5)2 = 2.25 1.5
(8.0-10.5)2 = 6.25 1.5 + 3.8 = 5.3
(8.0-13.0)2 = 25 1.5+3.8+2. = 7.3
(8.0-9.0)2 = 1.00 1.5+3.8+2+3 = 10.3
(8.0-7.8)2 = 0.04 1.5+3.8+2+3+4.2 = 14.5
(8.0-4.5)2 = 42.25 1.5+3.8+2+3+4.2+2.8 = 17.3
8.0-13.0)2 = 25 1.5+3.8+2+3+4.2+2.8+3.5 = 20.8
(6.5-10.5)2 = 16.00 3.8
(6.5-13.0)2 = 42.25 3.8+2 = 5.8
(6.5-9.0)2 = 6.25 3.8+2+3 = 8.8
(6.5-7.8)2 = 1.69 3.8+2+3+4.2 = 13.0
(6.5-14.5)2 = 64.00 3.8+2+3+4.2+2.8 = 15.8
(6.5-13.0)2 = 42.25 3.8+2+3+4.2+2.8+3.5 = 19.3
(10.5-13.0)2 = 6.25 2.0
(10.5-9.0)2 = 2.25 2+3 =5
(10.5-7.8)2 = 7.29 2+3+4.2 = 9.2
(10.5-14.5)2 = 16.00 2+3+4.2+2.8 = 12
(10.5-13.0)2 = 6.25 2+3+4.2+2.8+3.5 = 15.5
(13.0-9.0)2 = 16.00 3
(13.0-7.8)2 = 27.04 3+4.2 =7.2
(13.0-14.5)2 = 2.25 3+4.2+2.8 = 10
(13.0-13.0)2 = 0.00 3+4.2+2.8+3.5 = 13.5
(9.0-7.8)2 = 1.44 4.2
 (9.0-14.5)2 = 30.25 4.2+2.8 = 7.0
(9.0-13.0)2 = 16.00 4.2+2.8+3.5 = 10.5
(7.8-14.5)2 = 44.89 2.8
(7.8-13.0)2 = 27.04 2.8+3.5 = 6.3
(14.5-13.0)2 = 2.25 3.5

b) Cálculo del intervalo de clase (para distancias)

Nº INTERVALOS K = 1 + 3.3Logn = 1 + 3.3Log7 = 3.79 ≈ 4
AMPLITUD C = rango = [20.8 – 1.5] = 4.82 ≈ 5
K 4
Intervalo de clase [Y(xi + h) – Y(xi)]2 = γ(h) Distancia Pares de
2n(h) Promedio (h) Muestras
1.5 – 6.5 7.585 3.93 11
6.5 – 11.5 7.193 8.79 8
11.5 – 16.5 7.332 14.05 6
16.5 – 21.5 18.250 19.13 3

γ(h)1.5-6.5 = 2.25+6.25+16+42.25+6.25+2.25+16+1.44+44.89+27.04+2.25 = 7.585

2*11
hpromedio = 1.5+5.3+3.8+5.8+2+5+3+4.2+2.8+6.3+3.5 = 3.93
11
γ(h)6.5-11.5 = 25+1+6.25+7.29+27.04+2.25+30.25+16 = 7.193
2*8
hpromedio = 7.3+10.3+8.8+9.2+7.2+10+7+10.5 = 8.79
8
γ(h)11.5-16.5 = 0.04+1.69+64+16+6.25+0 = 7.332
2*6
hpromedio = 14.5+13+15.8+12+15.5+13.5 = 14.05
6
γ(h)16.5-21.5 = 42.25+25+42.25 = 18.25
2*3
hpromedio = 17.3 + 20.8 + 19.3 = 19.13
3
Ejercicio (cuando h ≠ constante)
1) En la evaluación de un yacimiento aluvial, se han efectuado 9 sondeos de muestreo, tal
como se muestra en el gráfico

.9
.1 .5
7
.3
2 6 8
 4
20m 60m 100m 40 10m 40m 30m 15
GrAu 30 20 18 15 10 8 5 3
2
m3
Solución
1 2 3 4 5 6 7 8
9
20 60 100 40 10 40 30 15

30 20 18 15 10 8 5 3
2

Δ2 = [Y(xi + h)–Y(xi)]2 h Δ2 = [Y(xi + h) – Y(xi)]2 h

(30-20)2 = 100 20 (15-10)2 = 25 40
(30-18)2 = 144 20+60 = 80 (15-8)2 = 49 40+10 = 50
(30-15)2 = 225 20+60+100 =180 (15-5)2 = 100 50+40 = 90
(30-10)2 = 400 180+40 = 220 (15-3)2 = 144 90+30 = 120
(30-8)2 = 484 220+ 10 = 230 (15-2)2 = 169 120+15 = 135
(30-5)2 = 625 230 + 40 = 270
(30-3)2 = 729 270 + 30 = 300
(30-2)2 = 784 300 + 15 = 315
(20-18)2 = 4 60 (10-8)2 = 4 10
(20-15)2 = 25 60+100 = 160 (10-5)2 = 25 10+40 = 50
(20-10)2 = 100 160+40 = 200 (10-3)2 = 49 50+30 = 80
(20-8)2 = 144 200+10 = 210 (10-2)2 = 64 80+15 = 95
(20-5)2 = 225 210+40 = 250 (8-5)2 = 9 40
(20-3)2 = 289 250+30 = 280 (8-3)2 = 25 40+30 =70
(20-2)2 = 324 280+15 = 295 (8-2)2 = 36 70+15 = 85
(18-15)2 = 9 100 (5-3)2 = 4 30
(18-10)2 = 64 100+40 = 140 (5-2)2 = 9 30+15 = 45
(18-8)2 = 100 140+10 = 150
(18-5)2 = 169 150+40 = 190 (3-2)2 = 1 15
(18-3)2 = 225 190+30 = 220
(18-2)2 = 256 220+15 = 235

INTERV [Y(xi + h) – Y(xi)]2 = γ(h) Dist. Promedio Nº PARES

2n(h) hp n(h)
10 – 86 17.29 48 14
87 – 163 42.19 124 08
164 – 240 125.19 211 08
240 -- 317 219.20 279 05

Cálculos
γ(h)10-86 = 100+144+4+25+49+4+25+49+9+25+36+4+9+1 = 17.29
 2*14
hp = 20+80+60+40+50+10+50+80+40+70+85+30+45+15 = 48m
14
γ(h)87-163 = 25+9+64+100+100+144+169+64 = 42.19
2*8
hp = 160+100+140+150+90+120+135+95 = 124m
8
γ(h)164-240 = 225+400+484+100+144+169+225+256 = 125.19
2*8
hp = 160+220+230+200+210+190+220+235 = 211m
8
γ(h)241-317 = 625+729+225+289+324 = 219.2
2*5
hp = 270+300+250+280+295 = 279m
5
γ(h)
220 .

200

180

160

140
.
120

100
80

60

40 .
.

0 50 100 150 200 250 300 hp

2) En una galería , teniendo la referencia la CH-10,se efectuado un muestreo con malla

irregular, cuyos valores son los siguientes:

%Zn 2 6 10 13 16 18 22 25 18 14 9
7
M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11
M12
5 10 8 14 20 15 10 6 8 12
16m
CH-10 GALERIA
 Δ2 16 64 121 196 256 400 529 256 144 49 25
dist 5 15 23 37 57 72 82 88 96 108 124
Δ2 16 49 100 144 256 361 144 64 9 1
dist 10 18 32 52 67 77 83 91 103 119
Δ2 9 36 64 144 225 64 16 1 9 9 25 81 144 25 1 16 36
dist 8 22 42 57 67 73 81 93 109 14 34 49 59 65 73 85 101
Δ2 4 36 81 4 4 49 81 16 49 0 16 81 121
dist 20 35 45 51 59 71 87 15 25 31 39 51 67
Δ2 9 16 64 169 225 49 121 261 324 16 81 121 25 49 4
dist 10 16 24 36 52 6 14 26 42 8 20 36 12 28 16

NºINTERV. K = 1 + 3.3Logn = 1 + 3.3Log11 = 4.44 ≈ 5

AMPLITUD C = 124 – 5 = 23.8
5
INTERVALO Δ2 = γ(h) DIST: PROM PARES DE
2n(h) h(m) MUESTRA n(h)
5 --- 28.8 24.52 16.14 22
28.8 --- 52.6 52.09 41.50 16
52.6 --- 76.4 70.38 65.58 12
76.4 --- 100.2 75.18 87.64 11
100.2 --- 124 9.30 112.60 5

γ(h)5-28.8 = 16+64+121+16+49+9+36+9+4+16+49+9+16+64+49+121+256+16+81+25+49+4 = 24.52

2(22)
hp = 5+15+23+10+18+8+22+14+20+15+25+10+16+24+6+14+26+8+20+12+28+16 =16.14m
22
γ(h)28.8-52.6 = 196+100+144+64+25+81+36+81+4+0+16+81+169+225+324+121 = 52.09
2(16)
hp = 37+32+52+42+34+49+35+45+51+31+39+51+36+52+42+36 = 41.50m
16
γ(h)52.6-76.4 = 256+400+256+144+225+64+144+25+1+4+49+121 = 70.38
2(12)
hp = 57+72+67+57+67+73+59+65+73+59+71+67 = 65.58m
12
γ(h)76.4-100.2 = 529+256+144+361+144+64+16+1+16+36+87 = 75.18
2(11)
hp = 82+88+96+77+83+91+81+93+85+101+87 = 87.64m
11
γ(h)100.2-124 = 49+25+9+1+9 = 9.3 hp = 108+124+103+119+109 = 112.60m
2(5) 5
γ(h)
80
.
70
.
60
.
50
 40

30
.
20

10 C0

0 15 30 45 60 75 90 105 120 135 h

(Dos dimensiones = bidimensional)
En un yacimiento tipo diseminado de cobre, se ha realizado un muestreo mediante una malla regular.
Un total de 31 muestras han sido tomadas (otros se extraviaron) cuyos valores están dadas en la figura.
Determinar el semivariograma en las 4 direcciones principales que se indican y para intervalos de
longitud de 1 a 3 unidades.(Nota: si los valores de las muestras disponibles están localizadas en un plano
o volumen, es importante calcular el semivariograma (o el covariograma) en más de una dirección para
detectar cualquier anisotropía en las propiedades estadísticas de los valores]

10 8 7 6 6 4

5 6 7

1 3 7 11 4 4

1 5 11 8

13 9 8 7 7

10 12 1

13 3

4 11
1
para: h: 1……………..n(h) = 14 pares
h: 2……………..n(h) = 14 pares
2 3 4 h: 3……………..n(h) = 9 pares
Solución:
a).- Dirección 1:

10 8 7 6 6 4

5 6 7

1 3 7 11 4
4

1 5 11
8

13 9 8 7 7

10 12
1

13
3

4 11

para h = 1

1 n( h)
Y1   Y ( xi ) = [10+8+7+6+6+5+1+3+7+11+13+9+8+7]/14 = 7.21
n(h) i 1
1 n(h)
Y2   Y ( xi  h) = [8+7+6+6+4+6+3+7+11+4+9+8+7+7]/14 = 6.64
n(h) i 1
1 n(h)
  h   Y ( xi )  Y ( xi  h) 2 =[(10-8)2+(8-7)2+(7-6)2+(6-6)2+(6-4)2+(5-6)2+(1-
2n(h) i 1
3)2+
 (3-7)2+(7-11)2+(11-4)2+(13-9)2+(9-8)2+(8-7)2+(7-7)2]/(2*14) = 4.07

para h = 2

Y = 1 [10+8+7+6+6+1+3+7+1+5+13+9+8+10] = 671
1
14
Y 2 = 1 [7+6+6+4+7+7+11+4+5+11+8+7+7+12] = 7.29
14
γ(h) = 1 [9+4+1+4+1+36+64+9+16+36+25+4+1+4] = 7.64
2*14

para h = 3

Y 1 = 1 [10+8+7+5+1+3+13+9+13] = 7.67
9
Y 2 = 1 [6+6+4+7+11+4+7+7+3] = 6.11
9
γ(h) = 1 [16+4+9+4+100+1+36+4+100] = 15.22
2*9

b) Dirección 2:
h = 1 ……… n(h) = 1
h = 2 ……… n(h) = 12
h = 3 ……… n(h) = 8
para h= 1

Y 1= 1 [5+10+6+3+7+7+11+11+13+4+1] = 7.09
11
Y 2 = 1 [1+6+3+5+7+11+11+13+12+8+3] = 7.27
11
γ(h) = 1 [16+16+9+4+0+16+0+4+1+16+4] = 3.91
2*11
para h = 2

Y 1= 1 [10+6+5+8+7+7+11+11+6+4+8+8] = 7.58
12
Y 2 = 1 [3+5+10+7+11+11+13+12+4+9+13+1] = 8.25
12
γ(h) = 1 [49+1+25+1+16+16+4+1+4+25+25+49] = 9.00
2*12
para h = 3

Y 1= 1 [10+3+7+7+11+7+4+8] = 7.13
8
Y 2 = 1 [5+10+11+13+12+11+1+3] = 8.38
8
γ(h) = 1 [25+49+16+36+1+16+9+25] = 11.06
2*8
c) Dirección 3
 h = 1 ………... n(h) = 9
h = 2 ………… n(h) = 12
h = 3 ………… n(h) = 6
para h = 1

Y 1= 1 [1+5+13+6+7+11+8+7+7] = 7.22
9
Y 2 = 1 [5+3+11+7+11+9+7+4+1] = 6.44
9
γ(h) = 1 [16+4+4+1+16+4+1+9+36] = 5.06
2*9
para h = 2

Y 1= 1 [1+5+3+13+6+7+10+11+8+4+7+4] = 7.42
12
Y 2 = 1 [10+12+13+13+11+9+11+8+4+7+3+4] = 8.75
12
γ(h) = 1 [81+49+100+0+25+4+1+9+16+9+16+0] = 12.92
2*12
para h = 3

Y 1= 1 [1+5+13+6+7+6] = 6.33
6
Y 2 = 1 [12+13+11+9+7+8] = 10.0
6
γ(h) = 1 [121+64+4+9+0+4] = 16.83
2*6
d) Dirección 4
h = 1 …….. n(h) = 10
h = 2 …….. n(h) = 11
h = 3 …….. n(h) = 6
para h = 1

Y 1= 1 [5+1+1+6+5+7+7+11+12+7] = 6.2
10
Y 2 = 1 [10+1+6+8+7+7+6+4+9+8] = 6.6
10
γ(h) = 1 [25+0+25+4+4+0+1+49+9+1] = 5.9
2*10
para h = 2

Y 1= 1 [1+1+3+5+7+11+10+4+13+7+11] = 6.64
11
Y 2 = 1 [6+8+7+7+6+6+11+4+7+4+1] = 6.09
11
γ(h) = 1 [25+49+16+4+1+25+1+0+36+9+100] = 12.09
1*11
para h = 3
Y 1= 1 [1+5+10+11+4+13] = 7.33
6
Y 2 = 1 [8+6+4+4+13+8] = 7.17
6
γ(h) = 1 [49+1+36+49+81+25] = 20.08
2*6
 Cuadro Nº 1: Resumen
Dirección Dist. 1 Dist. 2 Dist. 3
n(h) γ(h) n(h) γ(h) n(h) γ(h)
1 14 4.07 14 7.64 9 15.22
2 11 3.91 12 9.00 8 11.06
3 9 5.06 12 12.92 6 16.83
4 10 5.90 11 12.09 6 20.08

No existe indicación de anisotropías y la media del semivariograma puede ser calculada

(tabla 2) y graficada.
Los resultados obtenidos indican un semivariograma lineal sin el efecto pepita.
Cálculo de la media del semivariograma
Base: Tabla Nº 1
para h = 1
1 14

1 2 9

11
n(h) = 14+11 = 25 …….para h = 1
n(h) = 8+10 = 19 “ h= 2
γ(h) = (14 * 4.07) + (11 * 3.91) = 4
(14 + 11)
γ(h) = (9 * 5.06) + (10 * 5.90) = 5.50
(9 + 10)
para h = 2
2 14

2 2 2 12

12 11

n(h) = 14 + 12 = 26 para h=2

n(h) = 12 + 11 = 23 “ h=2 2
γ(h) = (14 * 7.64) + (12 * 9) = 8.27
(14 + 12)
γ(h) = (12 * 12.92) + (11 * 12.09) = 12.52
(12 + 11)
para h = 3
3 9

6
3 3 2

8 6
 n(h) = 9 + 8 = 17 para h = 3
n(h) = 6 + 6 = 12 “ h=3 2
γ(h) = (9 * 15.22) + (8 * 11.06) = 13.26
(9 + 8)
γ(h) = (6 * 16.83) + (6 * 20.08) = 18.46
(6 + 6)
Cuadro Nº 2: Cálculo de la media del samivariograma
h 1 2 2 2 2 3 3 2
n(h) 25 19 26 23 17 12
γ(h) 4.00 5.50 8.27 12.57 13.26 18.46

γ(h)
.
18

15 .
.
12

9 .

6 .
.
3

0 1 2 2 2 2 3 3 2 h

AJUSTE DE UN VARIOGRAMA (O MODELAMIENTO)

Inicialmente el semivariograma se construye con los datos obtenidos de campo (muestreo), se tiene
VARIOGRAMA EXPERIMENTAL y éste será ajustado o aproximado a un modelo TEORICO
(VARIOGRAMA TEORICO).
Para hacer manejable los datos del semivariograma experimental hay que ajustarlos a uno de los
esquemas de TRANSICION existentes, en función de los cuales están tabulados los parámetros que nos
serán necesarios para las estimaciones y cálculo de errores. No se utiliza el variograma experimental por
las siguientes razones:
1) El variograma que intervendrá en los cálculos posteriores no es una función cualquiera, sino debe
tener propiedades particulares. Por ejemplo, las varianzas que se calcularán con γ(h) deberán ser
siempre positivas y no es seguro sin embargo que el polinomio pasando por todos los puntos
experimentales tenga esas propiedades.
2) Se sabe que a partir del mismo conjunto de datos es imposible dar a la vez un estimador y la
precisión de aquellos, lo que nos prohíbe utilizar el variograma experimental para el cálculo de las
varianzas.
COMO AJUSTAR
Regla práctica:
a) El ajustamiento debe ser lo mejor posible para los primeros puntos del variograma, más conocidos y
que tiene el peso más fuerte en la estimación.
b) No es siempre necesario ajustar todo el variograma, sino más bien una parte, sobre una distancia que
será la distancia de trabajo (eso permite eliminar una tendencia que se manifestaría después de una
cierta distancia).
c) Es difícil determinar la bondad del ajuste, dado que para ello sería preciso utilizar funciones de la
V.A que es imposible estimar.
d) Se ajusta el efecto de pepita por prolongamiento de los primeros puntos del variograma
experimental.
e) El ALCANCE se puede estimar al ojo y un estimador de la meseta (si ella existe) en la varianza
experimental de las muestras. Luego se procede por aproximaciones sucesivas.
f) No hay una solución única al problema del ajuste, y para los problemas de estimación, eso no tiene
ninguna importancia: las varianzas calculadas con varios modelos no difieren mucho entre sí.
A continuación damos algunos modelos más usados en la pr´ctica.

MODELOS DE SEMIVARIOGRAMAS
Datos De muestreo
↓ Modelos
Semivariograma → de → Semivariogramas
Experimental Ajuste Teóricos

1) Los que alcanzan una meseta (modelos de transición)

Clasificación Entre estos: Modelo Exponencial y Modelo Esférico o de
MATHERON
de 2) Los que no alcanzan una meseta (no tienen meseta)
Modelos Entre estos: Modelo Lineal y Modelo de Wijsian

Los modelos esféricos o de MATHERON son los de mayor aplicación.

1) MODELO EXPONENCIAL
Este modelo va ascendiendo lentamente hasta alcanzar la meseta a un valor constante. Existe dos
posibles esquemas: FORMERY Y GAUSSIANO
1.1) ESQUEMA DE FORMERY.- Caracterizado por un crecimiento lento a partir del origen.
Está dado por la expresión γ(h) = C[1 - exp(-[h/a])] + C0

También se expresa γ(h) = C [1- e-h/a ] + C0

γ(h) donde: C: valor comprendido entre el efecto pepita y la
meseta
C0: efecto pepita
esférico h: distancia entre muestras
a: alcance o rango
exponencial

C a
H

En este esquema la tangente en el origen intercepta la meseta a un valor de a/3. Su pendiente en el

origen es < que aquella del esquema esférico.
1.2) ESUQMA GAUSSIANO .- Representado por la expresión

γ(h) = C [1 – exp(-[h2/a2])] + C0 ó γ(h) = [1 – e-(h/a)2 ] + C0

 en este caso, la tangente en el origen intercepta la meseta a un valor de a/√3
γ(h)
γ(h)
Gaussiano
0.96
1

h
0.25 Fig. modelos de
semivariograma
Formery FORMERY Y
GAUSSIANO
√3

1 2 3 h/a

2) MODELO ESFERICO O MATHERON

Este modelo es el que mejor se puede ajustar cuando se trata de variables mineras (ley,
potencia, etc.) El modelo esférico presenta una curva del semivariograma que aumenta
rápidamente para bajos valores, para posteriormente ascender más lentamente hasta
alcanzar una zona plana a valores altos.

γ(h)
Tangente en el Fig.- Modelo de
Semivariograma
covarianza origen Esférico o de Matheron
meseta
Más allá de “a”, la covarianza
es cero
y por lo tanto no hay relación
entre
C las muestras
Semivariograma Para yacimientos
- Estratoligados
C0 - Depósitos de Bauxita
- Au en vetas de cuarzo
- Segregación magnética
2a/3 a h

El modelo matemático así definido tiene la siguiente expresión:

a) γ(h) = C0 + C [1.5(h/a) – 0.5(h/a)3] para h < a ó γ(h) = C (h/a)

b) γ(h) = C0 + C para h > a ó γ(h) = C
donde C0: efecto pepita
 C0 + C mesta
a alcance o rango
h distancia entre muestras
a) b)
γ(h) γ(h)

C C

h h

a) Este esquema se caracteriza por un crecimiento rápido a partir del origen hasta
alcanzar una meseta o una distancia “a” (alcance).

γ(h) Fig.- semivariograma con efecto

pepita puro
. . . Si el semivariograma muestra
fluctuaciones
. . . aleatorias alrededor de una única
horizontal
entonces se tiene lo que se
denomina:
EFCTO PEPITA PURO
C0 C=0

3) MODELO LINEAL
Este modelo se presenta cuando, al representar γ(h) , se obtiene una línea recta. El
modelo presenta la ecuación:

γ(h) = p.h + K ó γ(h)

γ(h) = C.h ó γ(h) = 1 – hλ
con 0 < λ < 1
donde:
p es la pendiente de la recta
h distancia entre muestras
K la intersección en el eje Y K

1/3 h
Fig. Modelo de semivariograma
lineal
Este modelo suele estar presente en algunos yacimientos de Fe

4) MODELO DE WIJSIAN O LOGARITMICO

Para yacimientos hidrotermales. Tiene la siguiente expresión:
 γ(h) = 3α [Ln(h/L) + 3/2] α : coeficiente de dispersión absoluta, una medida de la variación espacial
ó γ(h) = logh = 3αLogh L: espesor equivalente
Este tipo de modelo tiene una aplicación restringida aunque es lineal, estando presente
únicamente en algunos yacimientos hidrotermales (estaño) y utilizando como variable la
potencia o espesor del cuerpo mineralizado. Tambien
γ(h) = ALn(h) + B

ALGUNAS PARTICULARIDADES RESPECTO A LOS MODELOS DE SEMIVARIOGRAMA

OTROS MODELOS DE SEMIVARIOGRAMA.-
Existen situaciones en las que si bien no es posible el ajuste inmediato de un tipo concreto de modelo,
no hay razones para rechazar la posibilidad de buscar una continuidad espacial. Entre las muchas
posibilidades existentes (Anneles – 1991), pone de manifiesto algunas características como:
a) Semivariogramas con tendencia
b) Semivariogramas con efecto agujero
c) Anisotropismo direccional
d) Semivariogramas compuesto
e) Semivariogramas en dos estadios
a) SEMIVARIOGRAMAS CON TENDENCIAS
En la figura se observa una ruptura en una distancia claramente superior al alcance. Cuando este tipo
de comportamientos dominan el semivariograma, es decir, la ruptura se produce a distancias próximas al
alcance, con lo que se rompe el concepto de estacionariedad, es necesario utilizar una técnica que se
denomina KRIGEAJE UNIVERSAL, en lugar del KRIGEAJE ORDINARIO que se aplica en las
situaciones de ESTACIONARIEDAD.

γ(h)

FIG.- Ruptura de la meseta Comportamiento

(presencia de tendencias) parabólico
en un semivariograma
esférico

Dimensiones máximas
de los bloques a evaluar

a h
b) SEMIVARIOGRAMAS CON EFECTO AGUJERO

Esta condición , se encontrará cuando alternan áreas con alta ley y áreas con baja ley. El resultado es
una pseudo periodicidad reflejada en una oscilación del semivariograma alrededor de una aparente
meseta.

γ(h)

Fig.- Efecto agujero en un semivariograma

esférico

c) ANISOTROPÍA DIRECCIONAL

Esta situación aparece cuando se obtienen diferentes semivariogramas a lo largo de diferentes

direcciones del yacimiento. Esto significa que en lugar de tener un área de búsqueda isotrópica circulo o
esfera), se posee una zona elíptica o elipsoidal. Para precisar exactamente la dirección de aniso tropismo,
conviene realizar varios semivariogramas a lo largo de diferentes direcciones.

γ(h)
Río
A través del yacimiento

A lo largo del
Yacimiento

Igual
C0 y C
a2 >> a1

a1 a2 h

El aniso tropismo direccional suele ser muy evidente en yacimientos aluviales, donde se obtiene un
alcance, en dirección perpendicular al yacimiento, mucho más pequeño que el que se calcula a lo largo
de la dirección principal del depósito.
d) SEMIVARIOGRAMAS COMPUESTAS
Este tipo de estructuras pueden ser causadas, por ejemplo, por la presencia de zonas mineralizadas más
ricas dentro de una matriz de mineralización dispersa. Tambien son comunes en yac. aluviales de oro.

γ(h)

2.55
C2
1.95

C1

C0

0 13 50 h
a1 a2
Fig.- Semivariograma compuesto para la variable Ley
La figura muestra dos semivariogramas esféricas:
Uno con meseta = 1.95, a = 13m
otro con meseta = 2.55, a = 50 m.
El modelo compuesto tendría pues, la siguientes formas:
γ(h) = C0 + C1 [ 3h - (h/a1)3] + C2 [ 3h - (h/a2)3] para h < a1
2a1 2 2a2 2

γ(h) = C0 + C1 + C2 [ 3h - (h/a2)3 ] para h entre a1 y a2

γ(h) = C0 + C1 + C2 para h > a2

e) SEMIVARIOGRAMAS EN DOS ESTADIOS
Esta situación es relativamente frecuente cuando se combinan conjunto de datos no relacionados
( ejemplo: dos fases de mineralización con diferentes características )

γ(h)

C2

C1

C0

a1 a2 a3 h
Fig.- Semivariograma en dos estadios
REAJUSTE DE SEMIVARIOGRAMAS
1) Realizar reajuste necesario de un semivariograma experimental de modelo esférico con
C0 = 8 C = 119 y a = 700 m. para h = 100, 200, 300, 400, 500, 600, 700, 800m.
Datos Fórmulas
C0 = 8 γ(h) = C0 + C [1.5(h/a) – 0.5(h/a)3] para h < a
C = 119 γ(h) = C0 + para h > a
a = 700 m.
h = 100 → γ(h) = 8 + 119 [1.5(100/700) – 0.5(100/700)3] = 33.23

h = 200 γ(h) = 8 + 119 [1.5(200/700) – 0.5(200/700)3] = 40.61

h = 300 γ(h) = 8 + 119 [1.5(300/700) – 0.5(300/700)3] = 79.88

h = 400 γ(h) = 8 + 119 [1.5(400/700) – 0.5(400/700)3] = 98.92

h = 500 γ(h) = 8 + 119 [1.5(500/700) – 0.5(500/700)3] = 113.79

h = 600 γ(h) = 8 + 119 [1.5(600/700) – 0.5(600/700)3] = 123.55

h = 700 γ(h) = 8 + 119 [1.5(700/700) – 0.5(700/700)3] = 127.00

h = 800 γ(h) = C0 + C = 8 + 119 = 127.00
γ(h)
130
.
120
.
110

100 .

90

80 .

70
C0 = 8
60 C = 127
a = 700m
50
.
40
.
30

20

10

0 100 200 300 400 500 600 700 800 900 h

2) Para la evaluación del comportamiento de la mineralización de Zinc en una veta, se
han extraído muestras equidistantes a 5m; cuyos valores son:
NºM 1 2 3 4 5 6 7 8 9 10
% Zn 10 8 12 15 6 4 10 12 16 9
Para h = 5, 10, 15, 20, 25, 30, 35 y 40 m.; determinar:
a) El semivariograma experimental
b) El semivariograma reajustado para los diferentes
Solución:
1 2 3 4 5 6 7 8 9 10

10 8 12 15 6 4 10 12 16 9

Cálculo
h 5 10 15 20 25 30 35 40
Δ2h Δ52 2
Δ 10 2
Δ 15 Δ 20 Δ 25 Δ 30 Δ 35 Δ240
2 2 2 2

4 4 25 16 36 0 4 36
16 49 4 16 4 16 64 1
9 36 64 4 0 16 9
81 121 25 9 1 36
4 16 36 100 9
36 64 144 25
4 36 1
16 9
49
Σ Δ2h 219 335 299 170 50 68 77 37
n(h) 9 8 7 6 5 4 3 2
2n(h) 18 16 14 12 10 8 6 4
γ(h) 12.17 20.94 21.36 14.17 5.00 8.50 12.83 9.25

γ(h)

25
C0 = 7.8
. . C 0 4.7
20 a = 12.7

15 .
. .
10 .
.

5 .
----- a ------

0 5 10 15 20 25 30 35 40 m h
Reajuste
a) MODELO DE FORMERY: γ(h) = C [1 – e-h/a ] + C0
γ(5) = 4.7 [1 – e-5/12.7 ] + 7.8 = 9.33
γ(10) = 4.7 [1 – e-10/12.7 ] + 7.8 = 10.36
γ(15) = 4.7 [1 – e-15/12.7 ] + 7.8 = 11.06
γ(20) = 4.7 [1 – e-20/12.7 ] + 7.8 = 11.53
γ(25) = 4.7 [1 – e-25/12.7 ] + 7.8 = 11.84
γ(30) = 4.7 [1 – e-30/12.7 ] + 7.8 = 12.06
γ(35) = 4.7 [1 – e-35/12.7 ] + 7.8 = 12.20
γ(40) = 4.7 [1 – e-40/12.7 ] + 7.8 = 12.30

γ(h)
15

12 C = 4.55
. C0 = 6.75
9 . a = 25m

0 5 10 15 20 25 30 35 40 h

a) CON MODELO DE MATHERON: γ(h) = C0 + C [1.5(h/a) – 0.5(h/a)3] para h < a

γ(h) = C + C0 para h > a
3
γ(5) = 7.8 + 4.7 [1.5(5/12.7) – 0.5(5/12.7) ] = 10.43
γ(10) = 7.8 + 4.7 [1.5(10/12.7) – 0.5(10/12.7)3] = 12.22
γ(15) = 4.7 + 7.8 = 12.5
γ(20) = 4.7 + 7.8 = 12.5
γ(25) = 4.7 + 7.8 = 12.5
γ(30) = 4.7 + 7.8 = 12.5
γ(35) = 4.7 + 7.8 = 12.5
γ(40) = 4.7 + 7.8 = 12.5
γ(h)

16
. . . . . .
12 .
.

8 C = 8.0
C0 = 5
a = 15.0
4

0 5 10 15 20 25 30 35 40 h
c) MODELO LINEAL

γ(h) = C.h γ(h)

γ(5) = 4.7 * 5 = 23.5
γ(10) = 4.7 * 10 = 47.0
γ(15) = 4.7 * 15 = 70.5 160
γ(20) = 4.7 * 20 = 94.0 .
γ(25) = 4.7 * 25 = 117.5 140
γ(30) = 4.7 * 30 = 141.0
γ(35) = 4.7 * 35 = 164.5 120
γ(40) = 4.7 * 40 = 188.0 .
100 .
C=∞
80 C0 = 5.0
. a=∞
60
.
40
.
20

0 5 10 15 20 25 30 h
 Un yacimiento diseminado de cobre está siendo evaluado, para tal efecto se han extraído
muestras, cuyos valores son los siguientes:
NºM 1 2 3 4 5 6 7 8 9 10 11 12 13
% Cu 1 3 5 7 8 10 12 9 5 3 6 2 4
para h = 100, 200, 300, 400, 500, 600, 700, 800m.
Determinar:
a) Semivariograma experimental
b) Reajustar el semivariograma encontrado para los modelos conocidos
Solución
h 100 200 300 400 500 600 700 800
Δ h Δ 100 Δ 200 Δ 300 Δ 400 Δ 500 Δ 600 Δ 700 Δ2800
2 2 2 2 2 2 2 2

4 16 36 49 81 121 64 16
4 16 25 49 81 64 4 0
4 9 25 49 16 0 4 1
1 9 25 4 4 16 1 25
4 16 1 9 25 4 36 16
4 1 25 49 16 64 36
9 49 81 36 100 64
16 36 9 49 25
4 1 9 1
9 1 1
16 4
4
Σ Δ2h 79 158 237 295 348 333 145 58
N 12 11 10 9 8 7 6 5
2N 24 22 20 18 16 14 12 10
γ(h) 3.29 7.18 11.85 16.39 21.75 23.79 12.08 5.80

γ(h)

32 Modelo exponencial FORMERY

28

24

20 C0 = 0
C = 24
16 a = 602

12

0 100 200 300 400 500 600 700 800 h

 Reajuste:
1º ESQUEMA DE FORMERY

γ(10) = C [1 – e-h/a ] + C0 = 24 [1 – e-100/602 ] + 0 =

γ(200) = 24 [1 – e-200/602 ] + 0 =

EVALUACION DE YACIMIENTOS MEDIANTE COVARIOGRAMA Y

CORRELOGRAMA

Covarianza ( en estadística) → Covariograma (en Geoestadística)

Y(x) valor de la variable regionalizada “Y” en un punto “x” en el cuerpo mineralizado

“D”
Y(x + h) valor de “Y” en el punto (x + h) a una distancia h del punto x, también en “D”

h
x x+h Cuerpo “D”

La autocovarianza entre Y(x) e Y(x + h):

σ(h) = E[Y(x)] – E[Y(x).Y(x + h)] – E[Y(x+ h)]
La función σ(h) AUTOCOVARIANZA de la V.R “Y” en el cuerpo mineralizado “D”
σ21 la varianza de Y(xi) → σ1 desviación estándar
σ22 la varianza de Y(xi + ) → σ2 desviación estándar

El coeficiente de correlación entre Y(x) e Y(x + h) es:

ρ(h) = σ(h) σ21 = E[{Y(xi) – E[Y(xi)]}2]

σ1 σ2 σ22 = E[{Y(xi + h) – E[Y(xi + h)]}2]

La función ρ(h) es el AUTOCORRELOGRAMA de la V.R “Y” en el cuerpo mineralizado

“D”
σ2 la varianza de “Y” en “D” ; para h = 0 ; tenemos
σ(h) = σ2
σ21 = σ22 = σ2 ; de esta forma
ρ(0) = 1
Esto indica, que si fuera posible tomar dos muestras idénticas, exactamente en el mismo lugar, y si no
existiese erre de muestreo, las muestras tendrán el mismo valor.
En la práctica, sin embargo, no es posible tomar dos muestras en el mismo lugar, si valuamos la misma
muestra dos veces, no obtenemos el mismo resultado debido a los errores de valuación. Si tomamos dos
muestras próximas una de la otra, obtenemos diferentes valores ; no solamente a los errores de muestreo,
sino también a causa de la variación de la mineralización a una microescala, o a causa de
microfracturas, las cuales no pueden ser detectadas en la práctica. En consecuencia, se observa
generalmente una discontinuidad en el covariograma y en el correlograma cerca del origen, lo cual es
conocido como el efecto pepita o efecto NUGGET (N)

N = σ2 - Lim [σ(h)]
h→0
Cálculos .- ESTIMACION

Sean n(h) Nº de pares de muestras a la distancia h entre ellas, tomadas en el yacimiento

o cuerpo mineralizado “D”.
(xi) y (xi + h) las posiciones de dos muestras en el pésima par.
Y(xi) e Y(xi + h) los valores correspondientes a Y
Se puede calcular:
1 n(h)
Y   Y ( xi )
n(h) i 1
1 n( h)
Y2   Y ( xi  h)
n( h) i 1
n( h)
1
 12    y ( xi )  Y1  2
n(h)  1 i 1
n(h)
1
 22   Y ( xi  h)  Y2  2
n(h)  1 i 1
n(h)
1
 ( h)   Y ( xi )  yi Y ( xi  h)  y2 
n(h)  1 i 1
 ( h)
 ( h) 
 1 2

σ(h) es el covariograma observado o experimental de Y

ρ(h) es el correlograma observado o experimental de Y

σ(h ρ(h)

2.0
15

1.5
10 Covariograma Correlograma
1.0

5
0.5

0 1 2 3 h 0 1 2 3
h
-5 -0.5

RELACION ENTRE SEMIVARIOGRAMA Y COVARIOGRAMA

 Si las condiciones estacionarias de 2º orden son satisfechas, el variograma y el
covariograma están relacionadas como sigue:
2γ(h) = 2[σ2 – σ(h)]
De esta forma, la relación entre el semivariograma y el covariograma estará dada por:
γ(h) = σ2 – σ(h)
Gráficamente:
σ2
Fig.- Relación teórica
semivariograma γ(h)
covariograma σ(h)
σ2
N

σ2-N γ(h)

N σ(h)
N

0 h
Nótese que a partir de la definición de semivariograma el valor de γ(h) para h= 0 es γ(0)
= 0. En la práctica, tal cual se ilustra en la figura, el semivariograma a menudo presenta
una discontinuidad en el origen, la cual es igual al efecto NUGGET (N).
N = σ2 - Lim [σ(h)]
h→0
El estimador ˆ  h  del semivariograma γ(h) es:
n(h)
1
ˆ (h)  n(h)  Y ( xi )  Y ( xi  h) 2
2 i 1
PROBLEMAS
En la chimenea 4W-N.V.4850, de 40 m de long. se ha realizado el muestreo correspondiente a 5m
equidistantes, cuyos datos estadíst. se dan en el sgte cuadro. Determ. el covariograma y el correlograma.

h n(h)
0 07
4.5 7 5 06
6.0 6 10 05
15 04
7.0 5 20 03

5.0 4 40m

4.0 3

3.5 2

6.5 1

N.V 4850 CH4W

 h n(h) n(h) - 1 Y1 Y2 σ21 σ22 σ(h) ρ(h)
0 7 6 5.21 5.21 1.74 1.74 1.74 1.00
5 6 5 5.33 5.00 1.97 1.70 0.15 0.08
10 5 4 5.20 5.30 2.33 1.45 -1.20 -0.65
15 4 3 4.75 5.63 1.75 1.23 -1.12 -0.76
20 3 2 4.67 5.83 2.59 1.59 1.42 0.70

b) El covariograma y el Correlograma

1 n(h)
Y   Y ( xi )
n(h) i 1
1 n( h)
Y2   Y ( xi  h)
n( h) i 1
n( h)
1
  2
1   y ( xi )  Y1  2
n(h)  1 i 1
n(h)
1
 22   Y ( xi  h)  Y2  2
n(h)  1 i 1
n(h)
1
 ( h)   Y ( xi )  yi Y ( xi  h)  y2 
n(h)  1 i 1
 ( h)
 ( h) 
 1 2

6.5 3.5 4 5 7 6 4.5

1 2 3 4 5 6 7
x1 x2 x3 x4 x5 x6 x7
x1+h x2+h x3+h x4+h x5+h x6+h x7+h
h =0

Y1 = 1 [6.5 + 3.5 + 4 + 5 + 7 + 6 + 4.5] = 5.21

7
Y2 = 1 [6.5 + 3.5 + 4 + 5 + 7 + 6 + 4.5] = 5.21
7
σ21 = 1 [(6.5-5.21)2+(3.5-5.21)2+(4-5.21)2+(5-5.21)2+(7-5.21)2+(6-5.21)2+(4.5-5.21)2]=1.74
7-1
σ22 = 1 [(6.5-5.21)2+(3.5-5.21)2+(4-5.21)2+(5-5.21)2+(7-5.21)2+(6-5.21)2+(4.5-5.21)2]=1.74
7-1
σ (h) = 1 [ 1.664 + 2.924 + 1.464 + 0.044 + 3.204 + 0.624 + 0.504 ]=1.74
7-1
ρ(h) = 1.74 = 1.00
1.319*1.319
 h = 5
Y1 = 1 [6.5 + 3.5 + 4 + 5 + 7 + 6] = 5.33
6
Y2 = 1 [3.5 + 4 + 5 + 7+ 6 + 4.5] = 5.00
6
σ 1 = 1 [(6.5-5.33)2+(3.5-5.33)2+(4-5.33)2+(5-5.33)2+(7-5.33)2+(6-5.33)2]= 1.97
2

6-1
σ 1 = 1 [(3.5-5)2+(4-5)2+(5-5)2+(7-5)2+(6-5)2+(4.5-5)2]= 1.70
2

6-1
σ(h) = 1 [-1.755 + 1.83 + 0 – 0.66 + 1.67 – 0.335]= 0.15
6-1
ρ(h) = 0.15 = 0.08
√1.97 * √1.7

h = 10
Y1 = 1 [6.5 + 3.5 + 4 + 5 + 7 ] = 5.20
5
Y2 = 1 [ 4 + 5 + 7 + 6 + 4.5] = 5.30
5
σ21 = 1 [(3.5-5)2+(4-5)2+(5-5)2+(7-5)2+(6-5)2+(4.5-5)2]= 2.33
5-1
σ21 = 1 [(3.5-5)2+(4-5)2+(5-5)2+(7-5)2+(6-5)2+(4.5-5)2]= 1.45
5-1
σ(h) = 1 [-1.69 + 0.51 – 2.04 – 0.14 – 1.44]= -1.20
5-1
ρ(h) = -1.20 = -0.65
√2.33*√1.45

h = 15
Y1 = 1 [6.5 + 3.5 + 4 + 5 ] = 4.75
4
Y2 = 1 [ 5 + 7 + 6 + 4.5] = 5.63
4
σ 1 = 1 [(6.5-4.75)2+(3.5-4.75)2+(4-4.75)2+(5-4.75)2]= 1.75
2

4-1
σ 2 = 1 [(5-5.65)2+(7-5.65)2+(6-5.65)2+(4.5-5.65)2]= 1.23
2

4-1
σ21 = 1 [ - 1.103 – 1.713 – 0.278 – 0.282]= -1.12
4-1
ρ(h) = -1.12 = -0.76
√1.75*√1.23

h = 20
Y1 = 1 [6.5 + 3.5 + 4 ] = 4.67
3
Y2 = 1 [7 + 6 + 4.5] = 5.83
3
 σ21 = 1 [(6.5-4.67)2+(3.5-4.67)2+(4-4.67)2]= 2.59
3-1
σ22 = 1 [(7-5.83)2+(6-5.83)2+(4.5-5.83)2]= 1.59
3-1
σ(h) = 1 [ 2.14 – 0.20 + 0.89]= 1.42
3-1
ρ(h) = 1.42 = 0.70
√2.59*√1.54
σ(h) ρ(h)

1.5 1.5

1.0 1.0

0.5 0.5

5 10 15 20 25 h 5 10 15 20 25 h
-0.5 -0.5

-1.0 -1.0

En un yacimiento de Cu, sistema de vetas, en una de estas vetas se han obtenido 15

muestras equidistantes a 1m de W – E, cuyos valores son los siguientes:
% Cu: 3, 2, 1.5, 4.5, 3.5, 2.5, 5, 4, 1.5, 4.5, 2.5, 3.5, y 4.5
de los cuales los valores de las muestras 5 y 10 no se conocen. Determinar el
covariograma y el correlograma para h = 0, 1, 2, 3, y 4.

% Cu 3 2 1.5 4.5 3.5 2.5 5 4 1.5 4.5 2.5 3.5 4.5

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

1m
h =0 n(h) = 13
Y1 = 1 [3+2+1.5+4.5+3.5+2.5+5+4+1.5+4.5+2.5+3.5+4.5 ] = 3.27
13
Y2 = 1 [3+2+1.5+4.5+3.5+2.5+5+4+1.5+4.5+2.5+3.5+4.5 ] = 3.27
13
σ21 = 1 [(3-3.27)2+(2-3.27)2+(1.5-3.27)2+(4.5-3.27)2 +………(4.5+3.27)2]= 1.44
13-1
σ22 = 1 [(3-3.27)2+(2-.27)2+(1.5-3.27)2+(4.5-3.27)2 +………(4.5+3.27)2]= 1.44
13-1
σ(h) = 1 [(3-3.27) (3-3.27)+(2-.27) (2-.27)+…..(4.5+3.27) (4.5+3.27)]= 1.44
13-1
ρ(h) = ρ(h) = 1.44 = 1.00
√1.44*√1.44

h =1 n(h) = 10
Y1 = 1 [3+2+1.5+3.5+2.5+5+1.5+4.5+2.5+3.5] = 2.95
10
Y2 = 1 [2+1.5+4.5+2.5+5+4+4.5+2.5+3.5+4.5 ] = 3.45
10
σ 1 = 1 [(3-2.95)2+(2-2.95)2+(1.5-2.95)2+(3.5-2.95)2 +………(3.5+2.95)2]= 1.41
2

10-1
σ 2 = 1 [(2-3.45)2+(1.5-3.45)2+(4.5-3.45)2+(2.5-3.45)2 +………(4.5+3.45)2]= 1.52
2

10-1
σ(h) = 1 [-0.07 + 1.95 – 1.52 – 0.52 – 0.70 + 1.13 – 1.52 – 1.47 -0.02 + 1.10]= -0.19
10-1
ρ(h) = ρ(1) = -0.19 = -0.13
√1.41*√1.52

h = 2 n(h) = 9
Y1 = 1 [3+2+4.5+3.5+2.5+4+1.5+4.5+2.5 ] = 3.11
9
Y2 = 1 [1.5+4.5+3.5+5+4+1.5+2.5+3.5+4.5 ] = 3.39
9
σ21 = 1 [(3-3.11)2+(2-3.11)2+(4.5-3.11)2+(3.5-3.11)2 +………(2.5+3.11)2]= 1.17
9-1
σ22 = 1 [(1.5-3.39)2+(4.5-3.39)2+(3.5-3.39)2+(5-3.39)2 +………(4.5-3.39)2]= 1.67
9-1
σ(h) = 1 [0.21 - 1.23 + 0.15 + 0.63 – 0.37 - 1.68 + 1.43 + 0.15 – 0.68]= -0.17
9-1
ρ(h) = ρ(2) = -0.17 = -0.12
√1.17*√1.67

h = 3 n(h) = 8
Y1 = 1 [3+1.5+4.5+3.5+5+4+1.5+4.5 ] = 3.44
8
Y2 = 1 [4.5+3.5+2.5+4+1.5+4.5+3.5+4.5 ] = 3.56
8
σ21 = 1 [(3-3.44)2+(1.5-3.44)2+(4.5-3.44)2+(3.5-3.44)2 +………(4.5-3.44)2]= 1.81
8-1
σ 2 = 1 [(4.5-3.56)2+(3.5-3.56)2+(2.5-3.56)2+(4-3.56)2 +………(4.5-3.56)2]= 1.17
2

8-1
σ(h) = 1 [-0.41 + 0.12 – 1.12 + 0.03 – 3.21 + 0.53 + 0.12 + 1.00]= -0.42
8-1
 ρ(h) = ρ(3) = -0.42 = -0.30
√1.17*√1.81

h = 4 n(h) = 7
Y1 = 1 [2+1.5+4.5+2.5+5+4+1.5 ] = 3.00
7
Y2 = 1 [3.5+2.5+5+1.5+4.5+2.5+4.5 ] = 3.43
7
σ21 = 1 [(2-3)2+(1.5-3)2+(4.5-3)2+(2.5-3)2 +………(1.5+3)2]= 2.17
7-1
σ22 = 1 [(3.5-3.43)2+(2.5-3.43)2+(5-3.43)2+(1.5-3.43)2 +………(4.5-3.43)2]= 1.70
7-1
σ(h) = 1 [-0.07 + 1.40 + 2.36 + 0.96 + 2.14 – 0.93 – 1.6]= 0.71
7-1
ρ(h) = ρ(4) = 0.71 = 0.37
√2.17*√1.70

CALCULO DEL COVARIOGRAMA

n(h) h Y1 Y2 σ21 σ22 σ(h) ρ(h)

13 0 3.27 3.27 1.44 1.44 1.44 1.0
10 1 2.95 3.45 1.41 1.52 -0.19 -0.13
σ(h) 9 2 3.11 3.39 1.17 1.67 -0.17 -0.12
8 3 3.44 3.56 1.81 1.17 -0.42 -0.30
1.50 7 4 3.00 3.43 2.17 1.70 0.71 0.37
ρ(h)
1.25
1.25
1.00
1.00
0.75
0.75
0.50
0.50
0.25
0.25

0 0
1 2 3 4 h 1 2 3 4
h
-0.25 -0.25

-0.50 -0.50

-0.75 Covariograma -0.75 Correlograma

- 1.00 -1.00
En un cuerpo mineralizado se han realizado perforaciones con el objetivo de evaluar el
yacimiento en la dirección W—E tal como se muestra en la figura. Para h = 0, 10, 20, 30,
40, 50

M1 M2 M3 M4 M5 M6 M7 M8
M9
2 8 15 % Zn 20 26 28 18
6

Solución
CALCULOS

h n(h) n(h) -1 Y1 Y2 σ21 σ22 σ(h) ρ(h)

0 8 7 15 15 89 89 89 1.0
10 6 5 15 16 84 57 31 0.45
20 5 4 16 19 126 79 -6 -0.06
30 4 3 14 23 120 23 -4 -0.08
40 4 3 16 20 104 100 -80 -0.78
50 3 2 14 17 37 122 -66 -0.98

σ(h) ρ(h)
1.00
100

80 0.75

60 0.50

40
0.25
20

0 0
10 20 30 40 50 60 70 80 h 10 20 30 40
50 60
-20 -0.25

-40
-0.50
-60
-0.75
-80

-100 -1.00º
Suponiendo que las muestras han sido tomadas a intervalos iguales (H = 1, 2, 3, 4, y 5), a
lo largo de una galería. Algunas muestras han desaparecido, y los valores obtenidos están
en la siguiente figura. Determinar:
a) Semivariograma
b) Covariograma y Correlograma
3 3 2 7 8 11 12 7 5 5
%Pb

1 2 3 4 5 6 7 8 9 10 11 12
Solución
a) Semivariograma
3 3 2 7 8 11 12 7 5 5

1 2 3 4 5 6 7 8 9 10 11 12

γ(h) h 0 1 2 3 4 5
Δ2h Δ20 Δ21 Δ22 Δ23 Δ24 Δ25
18 0 0 4 1 16 25
16 0 25 4 16 25 64
00 1 4 81 100 0
14 0 9 4 25 1 9
12 0 1 4 16 36 36
0 4 4 49 49
10 0 0
0
8 0
Σ Δ20 0 40 24 188 227 134
6 2n(h) 20 14 12 12 12 10
γ(h) 0 2.86 2.0 15.67 18.92 13.4
4

0 1 2 3 4 5 6 h
b) Covariograma y Correlograma
3 3 2 7 8 11 12 7 5 5

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12

x1+h………………………………………………………………………………… x12+h

h = 0 n(h) = 10
Y1 = 1 [3+3+2+7+8+11+12+7+5+5 ] = 6.30
10
Y2 = 1 [3+3+2+7+8+11+12+7+5+5 ] = 6.30
10
σ21 = 1 [10.89+10.89+18.49+0.49+2.89+22.09+32.49+0.49+1.69+1.69]= 11.34
10-1
2
σ 2 = 1 [10.89+10.89+18.49+0.49+2.89+22.09+32.49+0.49+1.69+1.69]= 11.34
10-1
σ(h) = 1 [10.89+10.89+18.49+0.49+2.89+22.09+32.49+0.49+1.69+1.69]= 11.34
10-1
ρ(h) = ρ(0) = 11.34 = 0.37
√11.34*√11.34

h = 1 n(h) = 7
Y1 = 1 [3+2+7+8+11+7+5 ] = 6.14
7
Y2 = 1 [3+7+8+11+12+5+5 ] = 7.29
7
σ21 = 1 [9.86+17.14+0.74+3.46+23.62+0.74+1.30]= 9.48
7-1
σ22 = 1 [18.40+.89+10.89+18.49+0.49+2.89+22.09+32.49+0.49+1.69+1.69]= 11.34
10-1
σ(h) = 1 [18.40+0.08+0.5+13.76+22.18+5.24+5.24]= 10.20
7-1
ρ(h) = ρ(1) = 7.62 = 0.75
√9.48*√10.9

h = 2 n(h) = 6
Y1 = 1 [3+2+7+8+12+7 ] = 6.50
6
Y2 = 1 [2+8+11+12+7+5 ] = 7.50
6
σ 1 = 1 [(3-6.5)2+(2-6.5)2+(7-6.5)2+…………….(7-6.5)2]= 13.10
2

6-1
σ 2 = 1 [(2-7.5)2+(8-7.5)2+(11-7.5)2+…………..(5-7.5)2]= 13.90
2

6-1
σ(h) = 1 [19.25 – 2.25 + 1.75 + 6.75 – 2.75 – 1.25]= 4.30
6-1
ρ(h) = ρ(2) = 4.30 = 0.32
3.62*3.73
 h = 3 n(h) = 6
Y1 = 1 [3+3+2+7+11+12 ] = 6.33
6
Y2 = 1 [2+7+11+12+7+5 ] = 7.33
6
σ 1 = 1 [(3-6.33)2+(3-6.33)2+(2-6.33)2+…………….(12-6.33)2]= 19.07
2

6-1
σ 2 = 1 [(2-7.33)2+(7-7.33)2+(11-7.33)2+…………….(5-7.33)2]= 13.87
2

6-1
σ(h) = 1 [(-3.33)(-5.33)+ (-3.33)(-0.33)+(-4.33)(3.67)+…………..(5.67)(-2.33)]= -1.73
6-1
ρ(h) = ρ(3) = -1.73 = - 0.11
4.37 * 3.72

h = 4 n(h) = 6
Y1 = 1 [3+3+2+8+11+12 ] = 6.53
6
Y2 = 1 [7+8+12+7+5+5 ] = 7.33
6
σ21 = 1 [(3-6.5)2+(3-6.5)2+(2-6.5)2+…………….(12-6.5)2]= 19.50
6-1
σ22 = 1 [(7-7.33)2+(8-7.33)2+(12-7.33)2+…………….(5-7.33)2]= 6.67
6-1
σ(h) = 1 [1.16 – 2.34 – 21.01 – 0.5 – 10.49 – 12.82]= -9.20
6-1
ρ(h) = ρ(4) = -9.20 = - 0.80
4.42*2.58

h = 5 n(h) = 5
Y1 = 1 [3+3+7+8+11 ] = 6.40
5
Y2 = 1 [8+11+7+5+5 ] = 7.20
5
σ 1 = 1 [(3-6.4)2+(3-6.4)2+(7-6.4)2+…………….(11-6.4)2]= 11.80
2

5-1
σ 2 = 1 [(8-7.2)2+(11-7.2)2+(7-7.2)2+…………….(5-7.2)2]= 6.20
2

5-1
σ(h) = 1 [-2.72 – 12.92 – 0.12 – 3.52 – 10.12]= -7.35
6-1
ρ(h) = ρ(5) = -7.35 = - 0.86
3.43*2.49
h σ(h) ρ(h)
0 11.34 1.0
1 7.62 0.75
2 4.30 0.32
3 -1.73 -0.11
4 -9.20 -0.80
5 -7.35 -0.86
σ(h) ρ(h)

12 1.5

1.0
6

0.5
3

0 1 2 3 4 5 h 0 1 2 3 4
5 h

-3
-0.5
-6

1) En una galería sobre mineral, se ha muestreado por canales en forma sistemática en

una longitud de 145m. solamente se cuenta con los datos de las muestras impares, cuyos
valores son:
% Zn : 4, 6, 3, 10, 8, 13, 4, 10, 5, 7, 11, 8, 6, 4, 7.
Determinar el covariograma y el Correlograma de W—E para h = 5, 10, 15, 20
2) En un yacimiento metasomático de contacto, se ha muestreado con la malla que se
muestra, cada lado mide 100m. Determinar el semivariograma para las direcciones que se
indica
1.5 % Cu 2.5 2.0

1
1.0 1.8

2.0 1.8 1.5 100m 2

2.5 1.5 1.0

2.5 1.0 1.8

3) En un yacimiento diseminado de Cu, se han realizado perforaciones diamantinas, con
la malla que se indica. Determinar el semivariograma y el covariograma en las
direcciones que se indican.

3000m
3.0 2.0 1.5 1.0 2.5

1500m 2.0 1.5 1.0 2.5

60º

4.0 3.0 1.5 2.5

3.0

2 1

REGULARIZACION

Una de las carcterísticas de las variables regionalizadas es su soporte GEOMETRICO,

es decir el volumen sobre el cual el valor de la V.R es definido o calculado.
Hasta ahora no se ha tomado en cuenta, el hecho de que las características
geoestadistcas de la V.R Y(x) son afectadas por el tamaño del soporte “W”.
Por lo tanto una variable cualquiera estudiado sobre un determinado soporte (muestra de
1m. de longitud, po ejemplo) otorga resultados diferentes de los obtenidos al estudiarla
sobre otro tipo de soporte (bloque de 50m * 30m * 10m, por ejemplo).

1 2 3 4 5 1 2 3 4

muestras puntuales = variables P. ←

soporte

soporte

muestras puntuales = variables

puntuales
 soporte soporte

1m 10m

1m 30m

1m 50m
Variable regularizado Variable regularizado

Fig Nº 1
Variables Puntuales

1m 1m 1m 1m 1m 1m 1m 1m

VARIABLE REGULARIZADO

Supongamos tener un sondaje muestreado 1m a 1m, tal como lo indica la Fig. Nº1 .
Cada muestra es puntual y por lo tanto la VARIABLE en estudio puede ser definido como
una VARIABLE PUNTUAL. Sin embargo, ciertas veces se requiere no hacer un estudio
sobre cada “punto “ del sondaje, sino sobre un conjunto de estos “puntos”,. Con la nueva
variable es más regular que la variable puntual, aquella recibe el nombre de VARIABLE
REGULARIZADA.

M1 M2

(x) h (x+h)
Y(x) Y(x+h)

Para medir el valor de Y en un punto x, debemos tomar una muestra de tamaño “W”
centrada en x. Si queremos determinar la ley del punto x, “W” será el volumen de la
muestra centrad en x; si deseamos calcular la acumulación metálica en el punto x, “W”
será el área de la sección transversal de la muestra centrada en x. Entonces, la propiedad
medida es una variable regularizada y de esta manera, el semivariograma ( o
covariograma) calculado de los valores obtenidos es también regularizado. Es decir el
semivariograma y el covariograma regularizados, se obtiene regularizando (ponderando)
el semivariograma y el covariograma puntuales, respectivamente.
1 2 3

Var. puntual Y(x1) Y(x2) Y(x3) Var. regularizada Yp(x)

Semivariog. γ1(h) γ2(h) γ3(h) Semivariograma γw(h)=γp(h)
Covariograma σ1(h) σ2(h) σ3(h) Covariograma σw(h)=σp(h)
 En la mayoría de los problemas mineros, los cuales pueden ser resueltos por métodos
Geoestadísticos, es necesario determinar las propiedades de bloques de mineral y de
muestras con un soporte finito no puntual . Consiguientemente, se demostrará, más
adelante que estos problemas pueden ser resueltos calculando el valor promedio del
semivariograma puntual en volúmenes o áreas de dimensión finita, o entre tales
volúmenes o áreas. Estos cálculos serán simples si consideramos el semivariograma
puntual. Esto significa que el semivariograma puntual tiene que ser estimado de los
semivariogramas regularizados observados.
Cuando el nuevo soporte constituye tan solo un conjunto de soportes primitivos de
modo que la nueva V.R (y regularizado) equivale a un promedio de las variables
primitivas, aquella puede expresarse como:

w
Yp ( x)   P( x i )Y ( x  x i )dxi  Y  P
w

P(xi) es un factor de ponderación de la variable Y en el punto x i ; x es el origen sobre el

cual la variable es estudiada.
La covarianza regularizada es:
w
 p (h)  E | Yp ( x )Yp ( x  h) |   (a  y ) P ( y ) dy    P

donde P ( y )   P ( x  y ) P ( x ) dx se define como el covariograma transitivo de la

i i i

función de ponderación P(x).

Al variograma regularizado se calcula según:

γp(h) = σp(0) - σp(h)

γp(h) = ∫ γ(h+y)P(y)dy - ∫ γ(y)P(y)dy

1.- REGULARIZACION POR UNA SUPERFICIE O UN VOLUMEN

Asumamos que se ha investigado un cuerpo mineralizado “D” a través de muestras de

igual tamaño W.

xi “D” xii x x+
h

x x+h o h o
. .
. .
xi
xii
Y(x) Y(x+h) x x+h
W(x) W(x+h) . .
i
x xii

El semivariograma o covariograma calculados serán regularizados por el volumen o área W

Sean: Y(x) valor de la variable puntual regularizada Y en el punto x
μ valor promedio de Y en D
σ(h) covariograma puntual, por ejemplo covariograma de Y(x)
 γ(h) semivariograma puntual, por ejemplo semivariograma de Y(x)
σ2 varianza de Y en D
W(x) muestra de tamaño W centrada en el punto x
μw(x) valor promedio de Y en W(x)
γw(h) semivariograma regularizado, por ejm. semivariograma de μw(x)
σw(h) covariograma regularizado, por ejm. covariograma de μw(x)
σw2 varianza de μw(x) en D
γ(w,w+h) valor promedio del semivariograma puntual γ(xixii)
donde: xi → w(x) xixii = h
ii
x → w(x+h)

 dx  dx   x x 
1
se tiene:  ( w; w  h)  i ii i ii

w2 xi x ii

Esta integral es una función de la forma de la muestra w y de la distancia h entre las

muestras w(x) y w(x+h). Es independiente de la posición de las muestras en D y de los
valores de las muestras μw(x) y μw(x+h).

 ( w; w) valor promedio de   x i x ii  , donde xi y xii sendos puntos cualquiera en la

misma
muestra w
 ( w; w  h) valor promedio de σ(xixii), donde xi y xii son puntos cualquiera en w(x)
y
w(x+h), respectivamente
 ( w; w) valor promedio de σ(xixii) en donde xi y xii son dos puntos cualquiera en la
misma
muestra w.
Por definición los siguientes relaciones son válidas:

μ = E[ Y(x) ] x en
D…………………………………………………………..1
μw(x) = E [ Y(x) ] xi en w(x)
……………………………………………………....2
σ(h) = E [ (Y(x) – μ)(Y(x+h) – μ)] x y x+h
…………………………………………3
σw(h) = E [ (μw(x) – μ)( μw(x+h) – μ)] w(x) y w(x+h) en
D……………………….4
2γ(h) = E [ Y(x) – Y(x+h) ]2 x y x+h en
D……………………………………..5
2 γw(h) = E [μw(x) - μw(x+h)]2 w(x) y w(x+h) en
D………………………………..6
γw(h) =  ( w; w  h) -  ( w; w) semivariograma
regularizado……………………….7
σw(h) =  ( w; w  h) covariograma
regularizado……………………………………8

Las ecuaciones 7 y 8 son válidos para todos los valores de h.

Si σ2w : varianza de los valores de las muestras del tamaño w en D, se obtiene:

 σ2w = σw(0) =  ( w; w)
……………………………………………………….9

Para un valor de h grande con respecto al tamaño de la muestra, puede darse:

 ( w; w  h) ≈ σ(h)
……………………………………………………………10
De esta manera, el covariograma regularizado y el covariograma puntual, efectivamente
son idénticos. Además
 ( w; w  h) ≈ γ(h) +  ( w; w)
………………………………………………..11
De esta manera, el semivariograma regularizado puede a menudo ser obtenido del
semivariograma puntual por una traslación vertical de la amplitud  ( w; w) . Antes de
decidir si el semivariograma regularizado puede ser aproximado a un semivariograma
puntual uno debe determinar si  ( w; w) es de valor insignificante.
Si el semivariograma puntual en una dirección dada presenta un rango “a”, el
semivariograma regularizado en la misma dirección presentará un un rango igual que
“a” , mas el diámetro de “w” en dirección considerada
La relación γ(h) = σ2 - σ(h) , es válida si el soporte de la V.R es un soporte puntual o
no
en consecuencia: γw(h) = σw2 - σw(h)
Esta relación están ilustradas en el siguiente gráfico

σ(h)  ( w; w)
2 i
σw σw(h )

γ(h) γw(hi)

hi h
Fig. Efecto de la regularización sobre el semivariograma y el covariograma

DEMOSTRACION DE LAS ECUACIONES 7 y 8

Consideremos que la muestra w(x) está compuesta de n puntos xii (i 0 1, 2, 3, ..n) con
valores Yii = Y(xii). La muestra w(x+h) está también compuesta de n puntos xiij = (j = 1,
2, 3, ….n), con valores Yiij = Y(xiij).
La ecuación 2 se puede escribirse como sigue:

1 n
 w ( x)   Yi
n i 1 ……………………………..12
1 n
 w ( x  h)   Y j
n j 1
……………………………...13
reemplazando en 4

1 n 1 n
σw(h) = E [ (  Yi – μ)(  Y j – μ)]
n i 1 n j 1

    xx 
n n n n
i 1
=
n2
  E (Y ( xi)   )(Y ( xj)   ) 
i 1 j 1 n2 i 1 j 1
i j

luego:
σw(h) =  ( w; w  h) ………………………………………………….8 Lqqd
Similarmente
γ(h) = σ2 - σ(h) γw(h) =  ( w; w) -  ( w; w  h)
2
γw(h) = σw - σw(h)  ( w; w) = σ2 -  ( w; w)
 ( w; w  h) = σ2 -  ( w; w  h)
reemplazando
γw(h) =  ( w; w  h) -  ( w; w) ………………………………7 Lqqd

2.- REGULARIZACION POR MUESTRAS AL INTERIOR DE UN TESTIGO O CORE

Se tiene un taladro de sondaje cuyo CORE ha sido dividido en muestras de igual
longitud “L”.
Con los valores de las muestras alo largo del CORE se puede calcular un semivariograma
Regularizado. Siempre que el diámetro del CORE sea pequeño con relación a “L”, el
semivariograma regularizado puede ser calculado a partir del semivariograma puntual en
la forma siguiente:

. x’ L γ(x’x’’)
L

h γ(x’x’’)
h
x’’

. L  ( L; L) = E[γ(x’x’’)]

γL(h) =  ( L; L  h) +  ( L; L)  ( L; L  h) = E[γ(x’x’’)]

Fig. Regularización por muestras al interior de un core o testigo

 L ( h)   ( L; L  h)   ( L; L……………………….1
)
1 L Lh
 ( L; L  h) 
L2  
x 0 x  h
 ( xx…………………..2
) dx

1 L L
 ( L; L )  2   dx   ( xx)…………………….3
dx
L x 0 x 0
Si el variograma γ(h) es lineal de tangente 1; estas expresiones pueden ser fácilmente
calculadas:
γ(h) = h ……………………………………………….4
γL(h) = ⅓ h2 1 (3L – h) , para h <= L……………...5
 L2
γL(h) = h - L para h => L ……………………….6
3
En la práctica se tiene acceso a γL(h) para h < L y el semivariograma observado será
lineal con un aparente efecto Nugget o de pepita negativo
Nap = -  ( L; L) = - L
3
Si el variograma γ(h) tiene un rango “a” , el semivariograma regularizado γL(h)
tendrá un rango (L+a)

γ(h) γ(h)

L -L/3 γL(h)

2L/3

0
L 2L h

-L/3
Fig. Semivariograma lineal regularizado por muestras dentro de un CORE o
TESTIGO

3.- REGULARIZACION SOBRE UN ESPESOR O POTENCIA

Consideremos taladros paralelos que intercepten un estrato de espesor constante “L”,
tendrá una ley promedio sobre el espesor constante y el semivariograma entre los taladros
es calculado en base a estas leyes. Esta aproximación es conocida como la regularización
sobre potencia o espesor constante.

D1 D2
D3

x’’

h L h
L
x’

 ( L; L  h) = E[γ(x’x’’)]

γL(h) =  ( L; L  h) +  ( L; L) L : espesor o potencia

El semivariograma regularizado estimado está definido por la siguiente relación:

γL(h) =  ( L; L  h) +  ( L; L)
donde:
  ( L; L  h) es el valor promedio de γ(x’x’’) cuando x’ toma todas las
posiciones
en una muestra de longitud L, y x’’ toma todas las posiciones
posibles
en una muestra paralela de la misma longitud, a distancia h.

Si el semivariograma γ(h) tiene un rango “a”, entonces γL(h) tendrá un mismo rango.
Aún cuando el semivariograma puntual sea isotrópico, el semivariograma regularizado
calculado de las muestras de longitud constante diferirán, dependiendo si este es
calculado a lo largo de taladros individuales o entre taladros paralelos. Esta diferencia
será significativa si la distancia h es grande con respecto al tamaño de la muestra L. En el
caso de un semivariograma lineal, la diferencia no es de significancia práctica para
valores de h más grande que L

REGULARIZACION Y EL FECTO DE PEPITA O NUGGET

OBSERVACIONES GENERALES ACERCA DEL EFECTO NUGGET

En general, como el semivariograma es estimado a partir de las muestras de tamaño
finito w, el efecto Nugget (N) es definido como el límite del Semivariograma
regularizado γw(h), cuando h → 0.
El semivariograma regularizado, es una función de tamaño de la muestra; del mismo
modo, el efecto de pepita varía con el tamaño de la muestra. La presencia de un N puede
ser producto de la combinación de los siguientes factores:
a) Errores de muestreo y ensaye; el valor de la muestra medida no es necesariamente
igual al valor verdadero de la muestra.
b) La presencia de micro estructuras; si la distancia entre las muestras es > que el
rango de la micro estructuras, o si el tamaño de las muestras es mucho más grande
que este rango.
a) EFECTO NUGGET DEBIDO A ERRORES DE MUESTREO Y ENSAYE
Consideremos un semivariograma obtenido de las muestras de tamaño w, el cual
presenta un efecto Nugget puro N, asumiendo al mismo tiempo que este efecto Nugget es
únicamente debido a errores de muestreo y ensaye
NºM 1 2 3 4 n w
Tamaño w w w w w
→ N puro

si se tiene una muestra o un bloque de tamaño W y

se tiene n = W muestras de tamaño w en W W

Si estimamos W mediante el valor promedio de todas las muestras de tamaño w que

contiene, cometemos un error con la varianza inversamente proporcional al nº de
muestras (n). De esta manera, el efecto Nugget del promedio del bloque será:
N’ = N = N w ……….1 si W > w → N’ ≈ 0
n W
Se debe tener en consideración de que si el valor de W fue estimado por un método
diferente al de la división de W entre n muestras de tamaño w, luego se establecerá un
error de muestreo y ensaye, el cual no necesariamente podría satisfacer la relación 1.
 Si se tiene diferentes tipos de muestras, tales como muestras trituradas o fragmentadas y
las de testigo, entonces se cometerán diferentes tipos de error de muestreo y ensaye en
cada caso, y de esta manera, el efecto Nugget tendrá que ser estimado directamente para
cada tipo de muestra, y la relación 1 no será aplicada.
Nótese que si el efecto Nugget se debe solamente a los errores de muestreo y ensaye, el
semivariograma de los valores verdaderos de las muestras (tan opuestos al
semivariograma de los medidos) no tiene efecto Nugget.
b) EFECTO NUGGET DEBIDO A LA PRESENCIA DE MICROESTRUCTURAS
Sea γw(h) de muestras de tamaño w, el cual presenta un efecto Nugget puro N.
γw(h) = N (A)
Este efecto es debido a la presencia de micro estructuras y que no existe error de
muestreo y ensaye. Las micro estructuras pueden ser representadas por un
semivariograma puntual γ(h) con rango “a” y meseta K ( a y K son desconocidos).
Se tiene que:
γw(h) =  ( w; w  h) -  ( w; w) (B)

Para que las relaciones (A) y (B) sean satisfechas simultáneamente, es necesario y
suficiente que
 ( w; w  h) sea una constante para todos los valores de h ≠ 0, el cual puede ser obtenido
experimentalmente.
la relación entre el semivariograma puntual y regularizado se vé en la Fig
γ(h)
γ(h) semiv. puntual
K . .
 ( w; w) x
x+h
γw(h) semiv.
N regularizada x’. .x’’

w(x)
w(x+h)
se tiene dos muestras: w(x) y w(x+h)
tal que
0 a h la distancia x’x’’ entre cualquier
punto x’ en
Fig. Efecto Nugget puro debido a w(x) y algún otro punto x’’ en
w(x+h) no sea
micro estructuras menor que “a”, luego
γ(x’x’’)=K para todos los pares de
puntos
x’, x’’, se tiene:
 ( w; w  h) = K……………..(C)
Si al menos hay dos puntos: x’ en w(x) y x’’ en w(x+h) tal que x’x’’ < a; entonces:
 ( w; w  h) < K

La distancia más corta a la cual es posible tomar dos muestras de tamaño w, es h para la
cual w(x) y w(x+h) son muestras consecutivas; entonces  ( w; w  h) < K; y en teoría, la
regularización de micro estructuras no puede ser representada por un efecto Nugget puro.
Sin embargo, en la práctica, un N puro podrá ser observado para distancias cortas entre
las muestras, incluyendo muestras consecutivas si el tamaño de la muestra w es muy
grande con respecto al rango “a” de las micro estructuras. Si esta condición es satisfecha,
se tiene: (de A, B y C)
N = K -  ( w; w)

Ahora se tiene una muestra de tamaño W > w. El semivariograma regularizado

correspondiente γw(h) presentará un N’ puro, el cual puede ser expresado como una
función del semivariograma puntual γ(h) como sigue:
N’ = K -  (W ;W ) ……………………..(D)

Si n es el número de muestras de tamaño w en W tenemos: n = W

w
1 n n
donde:
 (W ;W )  2   ( wi w j ) n2 indica n términos tales que i = j
n i 1 j 1
n(n-1) términos tales que i ≠ j

para i = j se tiene:  ( wi ; wi ) =  ( w; w) = K - N , para i = 1, 2, 3,……n ……… (F)

para i ≠ j se tiene:  ( wi ; w j ) = K ……………………..(G)
De ésta manera
 (W ;W ) = 1 [n(K – N) + n(n – 1)K]
n2
 (W ;W ) = K – N ………………….(J)
n
se obtiene: N’ = N = N w .............................. (K)
n W
Así podemos concluir que cuando el efecto Nugget se debe solamente a la presencia de
micro estructuras, este es inversamente proporcional al tamaño de la muestra.
Esta ecuación, es muy similar al obtenido por el efecto Nugget debido a errores de
muestreo y ensayo solamente.

RELACION ENTRE EL EFECTO NUGGET Y EL TAMAÑO DE LA MUESTRA

Se ha indicado que siempre que la hipótesis específica sean satisfechas, el efecto Nugget
es inversamente proporcional al tamaño de la muestra. Esto es verdad, si el efecto Nugget
se debe a errores de muestreo y ensaye, o a la presencia de micro estructuras.
sea: N efecto Nugget para muestras de tamaño w se tiene N’ = w
N’ efecto Nugget para muestras de tamaño W W

Es una coincidencia muy importante cuando la influencia del tamaño de la muestra

sobre el efecto Nugget sea la misma (N’ ≈ W), cualquiera sea la fuente de este efecto
Nugget. En circunstancias normales, no es posible determinar, que proporción del efecto
Nugget se debe a errores de muestreo y ensaye, y que proporción es debido a la presencia
se micro estructuras, a menos que se efectúe un muestreo y ensaye adicional.
Cuando un γw(h) presenta un N, a menudo es conveniente asumir que este corresponde a
la regularización de un semivariograma puntual γ(h), con una meseta K desconocida y de
rango “a” infinitamente pequeño. Esta hipótesis sería asumida cualquiera sea el posible
origen del efecto Nugget. Luego serán satisfechas las siguientes ecuaciones:
 ( w; w) = K – N
  ( w; w  h) = K , para h > 0
según el covariograma σ(h) = K – γ(h)
 ( w; w) = N
 ( w; w  h) = 0 para h > 0

ESTIMACION DEL EFECTO NUGGET A PARTIR DE UN SEMIVARIOGRAMA

REGULARIZADO
El semivariograma regularizado γw(h), cuantifica la variabilidad en los valores de las
muestras de tamaño w, y a menudo es conveniente distinguir dos fuentes de variabilidad,
ellos son:
a) La variabilidad debido a micro estructuras y errores de muestreo y ensaye, lo cual
está representado por el efecto Nugget N
b) La variabilidad debido a estructuras de gran escala, lo cual está representado por:
γw(h) – N
Un semivariograma puntual γº(h), es utilizado para representar estructuras de gran
escala. Su regularización a través de muestras de tamaño w, debe satisfacer la siguiente
ecuación:
γº(h) = γw(h) – N
cuando h → 0, entonces γº(h) → 0

La determinación de γº(h) y N puede presentar dificultades. Consideremos el caso donde

un semivariograma γL(h) sea estimado a partir de las muestras de longitud L tomadas
dentro de un simple taladro, El valor de γ L(h) puede ser estimado para h >= L. Entonces
se tiene:
γL(h) = Nap + a2 * h para h ≥ L
2