Curso:

Análisis estadístico y
geoestadístico de datos
 Objetivos del curso

Entregar conocimientos teóricos y prácticos para estudiar, modelar e

interpretar datos procedentes de muestreo, experimentos o pruebas
industriales.

1
• Medición

2
• Dato

3
• Información

4
• Conocimiento

5
• Toma de decisión
 Malla curricular

Plan común de ingeniería

Licenciatura en ciencias Minor en minería

Usted Otras
de la ingeniería, o
está
aquí mención minería y Minor en metalurgia licenciaturas aquí
metalurgia extractiva extractiva

Carrera de ingeniería Magíster en minería Doctorado en o

civil de minas ingeniería de aquí!
o minas
aquí
Disciplinas relacionadas
con el análisis de datos

Estadística
Muestreo Probabilidades

Diseño de Procesos
experimentos estocásticos

Control de Series de
procesos tiempo

Teoría de Crono-
la señal estadística

Minería
de Geoestadística
datos
 Definición de la estadística

La estadística es un conjunto de
procedimientos, herramientas y
técnicas usadas para recolectar,
presentar, analizar y modelar
datos.

Sus objetivos son ya sea explicar

o interpretar un fenómeno, o bien
ayudar en la toma de decisión en
una situación de incertidumbre o
frente a información incompleta,
cuando no se puede conocer la
realidad en forma exhaustiva.
 Definición de la estadística

El modelamiento estadístico permite organizar nuestras elecciones y decisiones,

pero no permite legitimar estas elecciones de manera absoluta.
 Definición de la estadística

Se distingue la estadística matemática y la estadística aplicada, la cual se

subdivide en descriptiva e inductiva.

La estadística descriptiva se refiere a la recopilación, presentación y descripción

de un grupo de datos, resumiéndolo con unos pocos elementos de información
que caracterizan la totalidad del grupo.

La estadística inductiva o inferencial es el proceso para lograr generalizaciones

acerca del todo (llamado la población) examinando una parte (llamada la
muestra). Permite darse una idea de cómo está la población (estimación de
características), responder preguntas o confirmar comportamientos (prueba de
hipótesis) así como generar modelos y predicciones (regresión, minería de datos y
análisis multivariable).
 Ejemplos de aplicación

• Control de estándares de calidad en la toma, preparación y análisis de muestras

en mina (por ejemplo, para cálculo de recursos/reservas, control de leyes,
reconciliación), en planta (para monitoreo y control de procesos, control
granulométrico), en pilas de lixiviación y relaves (gestión ambiental)
 Ejemplos de aplicación

• Gestión de operaciones: determinar el promedio de vida y la dispersión de vida

de un equipo; modelar la distribución del rendimiento de un equipo; analizar las
características del mineral procesado (densidad, granulometría,…)
 Ejemplos de aplicación

• Comparación de las características de insumos de

distintos abastecedores (aceros para perforación,
explosivos para tronadura, reactivos para plantas de
flotación, etc.)
 Ejemplos de aplicación
• Modelos de dependencias entre variables

productividad vs. variables operacionales
(número de camiones, disponibilidad de
equipos, tipo de material extraído, tipo de
equipos) en vista a mejorar la planificación
y cumplir con los planes de producción

características del macizo rocoso, consumo de
energía en molienda y tiempo de residencia
del mineral para lograr un tamaño de
liberación requerido, en vista a optimizar las
mezclas de minerales y la estrategia de
extracción

características metalúrgicas (solubilidad,
recuperación metalúrgica) vs. abundancias de
especies minerales
 Ejemplos de aplicación

• Diseño de pruebas y experimentos e

interpretación de resultados:

perforación

tronadura

acondicionamiento del macizo rocoso

fenomenología del flujo gravitacional

automatización de cargadores frontales
 Ejemplos de aplicación

• “Data Mining”
Análisis de datos existentes, recolectados para otros fines, para sacar
nuevas conclusiones.
Exploración de relaciones entre datos, descubrimiento de conjuntos o
subconjuntos de datos correspondientes a condiciones o resultados de
interés.

• “Back Analysis”
Análisis de condiciones y datos presentes al momento de ocurrir un hecho
que dio lugar a un resultado conocido.
 Definición de la geoestadística

La geoestadística es un conjunto de herramientas y métodos para analizar datos

que están distribuidos en un espacio Euclidiano (espacio geográfico, eje
temporal…). Se aplica al estudio de variables regionalizadas, es decir,
variables numéricas que se extienden en el espacio geográfico, conocidas a
partir de una toma de muestra.

Los principales campos de aplicación corresponden a las ciencias de la tierra y

la evaluación de recursos naturales, ya sea minerales, petrolíferos, gasíferos,
forestales o halieúticos.
 Ejemplos de aplicación

Agricultura y ciencias del suelo

Se estudia variables como concentraciones de nutrientes, pH, salinidad, capacidad
de intercambio catiónico, conductividad eléctrica del suelo.

Ejemplo: mediciones de pH en muestras de suelo

¿Qué zonas necesitan un

tratamiento (abono de cal) para
reducir la acidez del suelo y
mejorar la fertilidad?
 Ejemplos de aplicación

Ciencias forestales
Se estudia variables como densidad, altura y diámetro promedio de los árboles, o
cantidad de biomasa.

Ejemplo: mediciones en un bosque del número de pinos Radiata en áreas de 500 m2

¿Cuál es la distribución de pinos

en la zona de estudio?

¿Cuántos recursos forestales

puede tener esta zona?
 Ejemplos de aplicación

Ciencias medio ambientales

Se estudia variables como las concentraciones de elementos contaminantes en la
atmósfera o en el suelo.

Ejemplo 1: mediciones de la concentración de plomo en una zona contaminada

¿Qué áreas sobrepasan las

normas y necesitan remediación?
 Ejemplos de aplicación

Ejemplo 2: monitoreo de la calidad del aire en la cuenca de Santiago

¿Se debe decretar alerta, pre-

emergencia o emergencia
para mañana?
 Ejemplos de aplicación

Geo-minero-metalurgia
Se estudia variables geológicas, geotécnicas y/o metalúrgicas (leyes de elementos
de interés, potencia y acumulación de una veta, tipo de roca, dureza, recuperación
metalúrgica…) que caracterizan un yacimiento.

Ejemplo: campaña de sondajes en un yacimiento aurífero

¿Cuál es la distribución de las

leyes en el yacimiento? ¿Cuáles
son los recursos minerales
(tonelaje, ley media) que se puede
extraer? ¿Cómo planificar la
explotación del yacimiento?
 Ejemplos de aplicación

Otros campos de aplicación

• geoquímica: se modela la distribución espacial de elementos de interés

económico, en vista a la detección de anomalías y la prospección minera

• geofísica: se modela la densidad de roca o el campo de velocidad en el subsuelo a

partir de mediciones directas e indirectas (datos gravimétricos; datos sísmicos;
datos magnéticos)

• geología: se modela redes de fallas o de fracturas en un macizo rocoso, o

propiedades petrofísicas o geoquímicas del suelo o subsuelo

• ingeniería de petróleo, hidrogeología: se estudia variables petrofísicas como la

porosidad y la permeabilidad de la roca para caracterizar un reservorio petrolero o
un acuífero. También se puede estudiar la carga hidráulica y la transmisividad
para modelar flujos y dispersión de contaminantes
 Ejemplos de aplicación

• gestión de riesgos naturales: se evalúa la probabilidad de ocurrencia de sismos,

erupciones volcánicas, inundaciones, etc.

• oceanografía: se modela la salinidad y la temperatura del agua, o la

profundidad del fondo marino

• climatología / meteorología: se modela variables atmosféricas (temperatura y

humedad del aire, presión, radiación solar incidente) o la distribución de lluvias
en una región

• halieútica: se busca evaluar la abundancia de especies marinas (peces, moluscos,

crustáceos, etc.) en el océano, para la planificación, gestión y seguimiento de la
pesca
 Ejemplos de aplicación

• ecología: se modela la distribución de especies animales (ballenas, ñandús,

insectos, etc.) o de la vegetación en un ecosistema

• epidemiología: se modela la distribución de plagas y enfermedades (leucemia,

cáncer, enfermedades raras…) y su propagación

• ciencias sociales: se modela variables demográficas como la tasa de fecundidad o

socio-económicas como el precio de la vivienda o el nivel de ingreso

• análisis de imágenes: problemas de compresión de información, reconocimiento

de patrones, segmentación, clasificación, modelamiento de objetos, estereología,
etc., en imágenes digitales obtenidas por fotografías, percepción remota o
microscopia

• crono-estadística / series de tiempo

 Tipo de datos estudiados

Tanto la estadística como la geoestadística permiten estudiar datos numéricos

cuantitativos. Estos datos pueden corresponder a distintos tipos de variables:

• Variables continuas (ordinales): leyes de mineral, densidad de roca,

recuperación metalúrgica, etc.

• Variables discretas (ordinales): variables de conteo (ej.: número de fallas

de un equipo); variables discretizadas (ej.: clases de leyes de mineral,
abundancias de minerales medidas en una escala cualitativa)

• Variables categóricas (nominales): tipos de roca, alteraciones,

mineralizaciones, etc.

Además de la información de la(s) variable(s), los datos geoestadísticos deben

poseer la información de las coordenadas correspondientes a las mediciones
realizadas.
 Contenidos

Primera parte: Análisis estadístico de datos

Lección 1: fundamentos de estadística

Lección 2: inferencia estadística
Lección 3: calidad de datos
Lección 4: pruebas de hipótesis
Lección 5: estadística comparativa
Lección 6: análisis de varianza
Lección 7: diseño de experimentos
Lección 8: mínimos cuadrados
Lección 9: análisis multivariable
 Contenidos

Segunda parte: Análisis geoestadístico de datos

Lección 1: fundamentos de geoestadística

Lección 2: estudio exploratorio de datos
Lección 3: modelo geoestadístico
Lección 4: análisis variográfico: variograma experimental
Lección 5: análisis variográfico: modelamiento de variograma
Lección 6: interpolación espacial
Lección 7: geoestadística multivariable
 Organización del curso

1) Cátedra: 1 control de mitad de semestre; 1 control final; 1 examen final

2) Laboratorio

3) Trabajo personal: dos proyectos

Nota cátedra = 0.5* (control 1 + control 2) + 0.5 * examen

Nota actividades complementarias = 0.5* (proyecto 1 + proyecto 2)

Nota final = 0.5* Nota cátedra + 0.5 * Nota actividades complementarias

Se debe aprobar por separado la cátedra y las actividades complementarias