Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de datos regionalizados
Introducción
Los modelos probabilísticos (1)
¿Por qué recurrir a modelos probabilísticos?
1
ˆ (h) =
2 | N(h) |
[ z (
N (h )
x ) z ( x )] 2
5 3 6 4 2 1 1 2 4 3 2
1
ˆ (100m) = (2 2 32 2 2 2 2 12 0 2 12 2 2 12 12 ) = 1.45
2 10
1
ˆ (200m) = (12 12 4 2 32 12 12 32 12 2 2 ) = 2.39
29
1
ˆ (300m) = (12 12 5 2 32 0 2 32 2 2 0 2 ) = 3.06
28
Variograma experimental (6)
Cuando la malla de muestreo es irregular, se suele definir
parámetros de tolerancia, tanto en la longitud del vector h como en
su orientación
Variograma experimental (7)
Parámetros que definir para calcular un variograma direccional
• acimut
• tolerancia en el acimut
• ancho de banda horizontal
• inclinación
• tolerancia en la inclinación
• ancho de banda vertical
• distancias (múltiplos de una distancia elemental = paso)
• número de pasos
Variograma experimental (8)
El variograma experimental es poco estable cuando
1
ˆ (h) =
2 | N(h) |
[ z (
N (h )
x ) z ( x )] 2
meseta
= varianza
alcance
Variograma teórico (7)
A veces, el variograma sigue creciendo infinitamente.
Variograma teórico (8)
• Comportamiento direccional
El estudio de los variogramas direccionales permite identificar
las anisotropías de la variable regionalizada.
Variograma teórico (9)
• Otras características
Periodicidades: frecuente con fenómenos temporales, menos
con fenómenos espaciales
Efecto de hoyo: el variograma no es monótono
Variograma teórico (10)
El variograma sólo proporciona una caracterización parcial de la
variable regionalizada. Varios rasgos de la distribución espacial
de los valores no están descritos por esta herramienta, como por
ejemplo la conectividad o agrupación espacial de las leyes.
Variograma teórico (11)
Relaciones con otras herramientas variográficas
() = s2 = C(0)
Modelos elementales (1)
0 si h = 0
Efecto pepita: (h) =
C en caso contrario
alcance = a, meseta = C
Modelos elementales (3)
3 | h |
Modelo exponencial: (h ) = C 1 exp
a
• errores de medición
+ 0.2 exp(,,50m)
botadero
Centro de gravedad de
la nube en la diagonal:
Centro de gravedad
la ley media estimada
sobre la diagonal: la
es igual a la ley media
ley media estimada es
verdadera.
menor que la ley
verdadera.
ley de
corte
La validación cruzada (7)
¿Qué implica tener sesgo condicional?
Supongamos que se produce sesgo condicional al momento del control de leyes
(selección entre mineral y estéril)
planta
Centro de gravedad
bajo la diagonal: la ley
media estimada es
mayor que la ley
verdadera.
ley de
corte
La validación cruzada (8)
Estudio del insesgo condicional
Comparar las leyes promedio reales y estimadas al seleccionar
los datos cuyos valores estimados superan una ley de corte
Ley de corte [%Cu] Media efectiva Media estimada
0.00 1.054 1.056
0.20 1.054 1.056
0.40 1.092 1.094
0.60 1.182 1.186
0.80 1.299 1.301
1.00 1.446 1.451
1.20 1.628 1.629
1.40 1.849 1.846
1.60 2.043 2.046
1.80 2.325 2.295
2.00 2.608 2.563
2.20 2.996 2.922
2.40 3.301 3.123
2.60 3.746 3.490
2.80 3.970 3.657
La validación cruzada (9)
Estudio del insesgo condicional