Materialdeestudioparteidiap1-140 PDF

1
11 Años Capacitando a la Comunidad Minera Global
VARIABLES REGIONALIZADAS
Y AUTOCORRELACION:
APLICACIONES EN MINERIA
Ing. Roberto Bruno
Consultor de CAMIPER
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
www.camiper.com www.gqs.co.za www.minssa.co.za
VARIABLES REGIONALIZADAS Y AUTOCORRELACION
 INTRODUCCION. 9) Modelización I: a. Tendencia al

origen y al infinito.
10) Modelización I: b. Anisotropía y
1) Variables regionalizadas. ajuste.
2) De las VR a las funciones aleatorias.
11) Modelización II: a. Sensibilidades a
3) Función variograma. las clases de cálculo.
4) Variogramas experimentales 1D. 12) Modelización II: b. Otras
5) Variogramas experimentales 2D. sensibilidades.
6) Variogramas experimentales 3D. 13) Soporte I: soporte y regularización.
7) Variograma modelo I: propiedades 14) Soporte II: variograma regularizado.
teóricas y modelos elementales. 15) La dispersión.
8) Variograma modelo II: estructuras
anidadas.
11 Años Capacitando a la Comunidad Minera Global 2
CAMIPER www.camiper.com
CONSULTANCY & TRAINING
2
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
VARIABLES REGIONALIZADAS. INTRODUCCION

 Una variable regionalizada (VR), es una función puramente
determinista, z(x), que toma un valor fijo en cada punto del
espacio. Es interpretada como una realización de una
función aleatoria (FA), Z(x) y que puede ser estacionaria
(FAEs) o intrínseca (FAI-k).
Variable regionalizada
10000
1000
100
z(x)
10
1
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
x
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
INTRODUCCION
3
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿CUANDO Y DONDE NACE LA GEOESTADISTICA?
El padre de la geoestadística
El Prof. George Matheron (1930-2000), fue quien desarrolló el cuadro

teórico y práctico de la geoestatística.
Ingeniero de Minas, que dirigió en los años cincuenta el servicio
geológico minero en Algeria antes de volver a París, en el BRGM
(Bureau des Recherches Géologiques et Minières), a inicios de los
sesenta.
En 1968, fundó el Centre de Géostatistique et Morphologie
Mathematique a l’Ecole des Mines di Parigi, el cual dirigió hasta su
retiro.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
INTRODUCCION A LA GEOESTADISTICA
El padre de la geoestadística:
El Prof. Matheron desarrolló la teoría de las variables
regionalizadas, el verdadero nombre de la geoestadística, en la
búsqueda de una solución a los problemas de evaluación de las
reservas mineras.
Pronto, la teoría reveló un instrumento ideal para tratar una
serie mucho más amplia de problemas en la minería y en la no
minería (en Petróleo, en Ambiente, en Hidrogeología, en
Geotecnia)‫‏‬.
4
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
INTRODUCCION A LA GEOESTADISTICA
El origen y el papel de la geoestadística
La geoestadística nació para estudiar los fenómenos naturales
espaciales, normalmente a partir de muestras.
En particular, la geoestadística cumple las siguientes funciones:
Estudia la variabilidad espacial de las grandezas que
describen los fenómenos no regulares.
Extrae las reglas y los parámetros numéricos en el interior
de un cuadro modelístico de referencia.
Utiliza estas reglas para resolver problemas concretos y
específicos (por ejemplo: la estimación de los yacimientos).
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Definición
Una variable regionalizada (VR), es una variable

«georeferenciada»; es decir, es una variable definida en
cada punto de un dominio del espacio.
Una VR puede ser definida en un espacio 1D, 2D o 3D, o
en el tiempo o en el espacio-tiempo.
Si marcamos las coordenadas del punto por x,
independientemente de la dimensión del espacio,
la VR se escribe z(x).
5
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Definición
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Las variables de minas son VR
 ¿Cuántas variables en el sector minero son VR? Muchas.

 Los fenómenos naturales son siempre regionalizados.
• Distribuciones de elementos en un depósito.
• Superficie de contacto entre capas.
• Superficie límite de arriba.
 Los parámetros numéricos que caracterizan los fenómenos
naturales son VR.
• Leyes.
• Espesores.
6
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Las características evidentes de las VR
 Una VR z(x) es una función puramente determinista que toma

un valor fijo en cada punto del espacio.
 Tiene un movimiento irregular Variavel Regionalizada
que no permite un estudio 100000
matemático directo. 10000

1000
z(x)
100
 Pero tiene también una 10

1
variabilidad estructurada: 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
x
cerca de los puntos elevados

probablemente se
encuentren leyes elevadas.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La ley en un sondeo
 La ley de la plata en un
sondeo es variable… Histograma de la plata en un
sondeo
Evolución de la ley de la 10
frecuencia (n)
plata en un sondeo 8
6
50 4
2
Profundidad (m)
40
0
030 050 070 090 110 130 150 170
30
Ag (g/t)
20
10
0
0 50 100 150 200
Ag (g/t)
… y regionalizada.
7
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
El espesor de una capa
 El espesor de una capa Histograma del espesor

es variable… 10
Frecuencia (n)
5
Evolución del 0
001 002 002 003 003 004
espesor Espesor (m)
4
Espesor (m)
2
0 … y es regionalizado.
1 3 5 7 9 11 13 15 17 19 21 23
Coord. X
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La profundidad
 La profundidad de un estrato
geológico es variable y
regionalizada.
8
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La porosidad
 La porosidad y la permeabilidad
de las formaciones geológicas son
variables y regionalizados. (from
«Fractal permeability prediction…, Hansgeorg
Pape, 1998 SEG Expanded Abstracts»).
Porosity and permeability

measured on cores (triangles and
derived from logs)
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La caracterización de la variabilidad
 Los instrumentos clásicos de caracterización y de vizualización
de una variable son los proporcionados por la estadística:
media, varianza, skewness, frecuencia, frecuencia cumulada.
Cobre - frecuencia cumulada Cobre - frecuencia relativa

1 10
frecuencia relativa
0,5
5
0
0
0 2 4 6
1 3 5 7 9 11
Cu (%)
9
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La caracterización de la variabilidad
 En probabilidad, una variable aleatoria es definida por su

distribución acumulada.
 Por tanto, si dos variables tienen distribuciones
diferentes, entonces son dos variables diferentes...
Cobre – frecuencia cumulada

1
frecuencia relativa
0,5
X1 …y no importa si
X2
0
0 2 4 6
tienen misma media o
Cu (%) misma varianza.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La variabilidad espacial
 Los instrumentos clásicos no son más suficientes para la
caracteriación de la variabilidad espacial.
 Las dos siguientes variables tienen las mismas frecuencias
(por tanto las mismas estadísticas).
Comparación histogramas
8
frecuencia (n)
6
4
2 X1
0 X2
9
10,2
11,4
12,6
13,8
15
16,2
Clases X
10
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La caracterización de la variabilidad espacial
… pero no tienen la misma variabilidad espacial.

 Ellas son dos variables regionalizadas diferentes.
Distribución espacial de dos variables

Comparación histogramas
con mismas estadísticas
8
016
frecuencia (n)
6
014
4
012
X
X1
X1
2
X2 010
X2
0
008
9 10,211,412,613,8 15 16,2
1 4 7 10 13 16 19 22 25 28
Clases X
Coordenada horizontal
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La estructura espacial de la variabilidad
 La segunda variable es más “estructurada” en el espacio,

porque dos puntos próximos tienen valores muchos más
parecidos.
• Si uno tiene un valor alto, el punto próximo tiene un valor
alto también.
• Si tiene un valor bajo, entonces acontece lo mismo.
 Para ser caracterizada, la variabilidad espacial necesita de
otros instrumentos.
11
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
 Podemos estudiar la variabilidad del incremento; es decir de

la diferencia de valores entre dos puntos próximos: z(xi)-
z(xi+1).
Incremento entre dos puntos sucesivos.
016
015
014
013
Z1(xi) -
X
012
Z1(xi+1)
011
010 Z…
Z…
009 xi
200 210 220 230
Coordenada horizontal
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
 La variable incremento en los dos casos tiene
distribución diferente.
• Diferente media.
• Diferente varianza.
Distribución de las diferencias entre los
valores sucesivos.
20
Z1 Z2 15
frecuencia (n)
10
Media -0,01 0,17 5 Z1
Varianza 0 Z2
3,777 0,014
-4,1
-3,2
-2,3
-1,4
-0,5
4
-5
0,4
1,3
2,2
3,1
4,9
D(1)=Z(xi+1)-Z(xi)
12
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La estructura de variabilidad y la estimación
 Si pensamos en un problema de estima del valor en un punto

x0, tenemos que dar un peso a cada información disponible.
Por ejemplo: z(x1) e z(x2).
 Parece lógico dar un peso mayor a z(x1) en el segundo caso,

porque probablemente es más parecido (mediamente) al
valor incógnito z(x0) de lo que en el primero caso.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La importancia de la estructura de la variabilidad
 Reconocer la estructura de la variabilidad es fundamental

para la resolución de muchos problemas. Por ejemplo: la
estimación.
 Esa estructura puede ser identificada a partir de la muestra.
 La geoestadística proporciona algunos instrumentos para la
resolución de problemas reales. Por ejemplo: el variograma
permite una estimación óptima por krigaje (kriging).
13
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Un concepto importante: la escala de trabajo
 La variabilidad espacial es estrechamente condicionada por

la escala de trabajo.
 En un gran depósito de cobre, un bloque y el panel que lo

incluye, tienen diferentes variabilidades: estadísticas
(frecuencias) y geoestadísticas (variogramas).
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Un concepto importante : la escala de trabajo
 A la escala del depósito global, las variabilidades son otra vez

diferentes.
14
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Un concepto importante: la escala de trabajo
Conclusión:
 La misma VR tiene características de variabilidad, de
estadísticas y de geoestadísticas, diferentes según la escala
de trabajo.
 En cada escala, hay una variable diferente .
 ¡Atención en no usar los parámetros numéricos de una escala
para resolver los problemas en otra escala!
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Definición
15
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Otro concepto importante: el soporte
El soporte es el volumen v, la superficie s, el segmento l donde

la VR z(x) es medida (su valor medio).
El soporte es caracterizado por su dimensión y su forma.
v1
s1
l
v2 s2
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Si cambia el soporte, cambia la variable
 Las leyes de Au de muestras de 1 m en un sondeo,

constituyen una VR, z1(x).
 Las leyes medias de cuatro muestras consecutivas,
constituyen una VR diferente, z2(x)‫‏‬.
4l L
l
16
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Si cambia el soporte, cambia la variable
 Las dos VR Au, z1(x) con soporte l1=1 y z2(x) con soporte l2=4,
‫‏‬tienen distribuciones diferentes.
Perfil vertical de la variable oro
pardos soportes
0 50
Au (g/t)
0 Histograma del oro para dos
soportes
20
frecuencia relativa
1
40
x (m)
0,5
1 l1=1
60 m 0 l2=4
0 10 20 30 40 50
80
Au (g/t)
100
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Soporte trascurable
 Si las dimensiones del soporte fueran pequeñas según la

escala de trabajo, el soporte puede ser aproximado a un
punto.
 Por ejemplo: una muestra l de un sondeo L en comparación
al yacimiento Y (l << Y) es un punto de un volumen.
Y l
17
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Ejemplo de soporte trascurable
 Consideramos una muestra con 7 cm de diámetro y 1 m de

cobertura.
 Consideramos un depósito esquematizable como un
paralelepípedo con dimensiones de los lados 500, 100, 200 m.
 La relación entre los volúmenes es:
Y l
L
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Soporte no trascurable
El mismo testigo, a la escala del sondeo, tiene soporte no

nulo.
Considerada la relación de las dimensiones, siendo el radio
del sondeo muy menor de la longitud de la muestra, el
soporte de la muestra puede ser aproximado a un segmento
de longitud l, parte de un segmento mayor de longitud L.
L
l
18
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Ejemplo de soporte no trascurable
Consideramos un sondeo con 7 cm de diámetro mostrado con

muestras de 1 m de longitud.
La relación entre los volúmenes (longitudes) es
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La propiedad de aditividad de VR
 Subdividimos un volumen V en N vi
elementos iguales de volumen vi.

V
Una definición simplificada:
 Una variable es aditiva si el valor
medio del volumen V es igual a la media
de los valores vi.
N
z V    zvi 
1
z V  
1
V V
z ( x)dx
N i 1
19
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿Un espesor es una variable aditividad?
 Consideramos dos sondeos verticales

que encuentran un estrato •e
•e
horizontal y registran dos 1 2
espesores e1 y e2 .
 ¿Es correcto decir que el espesor medio es la soma de los dos
espesores?
e
1
e1  e2  ?
2
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿Un espesor es una variable aditividad?
 Evidentemente sí, sobro todo considerando que en este caso

el soporte es puntual.
e
1
e1  e2 
2
 Pero, conforme el problema, puede ser necesario hacer unos
correctivos.
20
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿La ley de espesores es una variable aditividad?
 Consideramos las leyes c1 y c2 de los dos espesores del mismo

material.
 ¿Es correcto decir que la ley media es la media de las dos

leyes?
c
1
c1  c2  ? e1, c1
e2 , c2
2
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
La ley no, mas la acumulación sí
 No, en general, una ley no es una variable aditiva.

c1e1  c2e2 c1  c2
c 
e1  e2 2
 Pero, la acumulación q = c e de la variable a la que se refiere

la ley es una variable aditiva y sirve para el cálculo de la ley
media.
q1  q2 c1e1  c2e2 q1  q2
q   c
2 2 e1  e2
21
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿La aditividad queda independiente de la elaboración de la
variable?
 Un área A fue mostrada por n sondeos con malla regular.
 ¿Podemos estimar en primera aproximación el espesor

medio del área A con la media de los espesores mostrados?
1 n
e   ei
* ei
A ? A
n i 1
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
variable?
 Aproximadamente sí, porque el cálculo puede ser referido a
la media de los n espesores medios de las áreas elementales,
de igual dimensión, cada una estimada por su sondeo
central.
1 n * 1 n
e   eai   ei
*
A ai A
n 11 n i 1
22
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
variable?
 Fueron mostradas regularmente dos áreas iguales A1=A2

=A, pero con densidad diferente, n1/A, n2/A.
 ¿Podemos estimar el espesor medio de todo el área
indagata, 2A, con la media de los n1+n2 espesores
mostrados?
n1  n2 A2
1 ei
e*A 
n1  n2
e
i 1
i ? A1
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿Variables aditivas con soportes diferentes tienen que ser
pesadas?
 Evidentemente no, porque los dos soportes elementales de
referencia son diferentes.
 La media tiene que ser pesada por los soportes ai=A/ni; es
decir, por la inversa de la densidad soportes.
1  1 n1 
 
n2
1 * 1
e*A  e A1  e*A2    e j  e k


2 2  n1 j 1 n2 k 1 
n1 n2 n1  n2
1 1
 ej   ek   i ei
j 1 2n1 k 1 2n2 i 1
1 a 1 a a
iA   1 , iA2   2  i  i
1
2n1 2 A 2n2 2 A 2A
23
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿Una ley definida como concentración en volumen es
una variable aditiva?
 Consideramos n muestras iguales del aire en una galería para medir la concentración
de radón (Rn).
 La concentración ti es medida en Bq/m3 (actividad en volumen).
 ¿Es correcto decir que la actividad (concentración) media de las muestras, es la media
de las concentraciones?
1 n
L t   ti ?
1
ti n i 1
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿Una ley exprimida como concentración en volumen es una
variable aditiva?
 Sí, porque la concentración media de Rn de n volúmenes es la

actividad (cantitad) total de radón en el volumen total.
 Asimismo, por un muestreo regular se puede estimar la
concentración media de dos galerías como la media pesada de las dos
concentraciones medias.
L1  L1
n iL1  L  L
t L*1  L2   i ti  1 2
L2
i 1 iL2 
ti  L1  L2
L2
24
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿Una ley exprimida como concentración en peso es una
variable aditiva?
 Consideramos dos muestras de Au de 1 m (igual volumen).

 La ley ci es medida en g/t (concentración en peso).
 ¿Es correcto decir que la ley media de las muestras es la media
de las dos leyes?
c
c  c1  c2  ?
1 1
2 c
2
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿Una ley exprimida como concentración en peso es una
variable aditiva?
 Estrictamente no.
 La cantidad en gramos de oro (q) en una muestra de peso p
toneladas es qi=ci*pi.
 La concentración media de Au de dos muestras es la
cantidad total de oro dividida por el peso total.
q1  q2 c1 p1  c2 p2 c1  c2
c  
p1  p2 p1  p2 2
 La ley de oro (g) total coincide con la media de las dos leyes,
solo si la densidad es igual: p1=p2=p.
25
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿Una permeabilidad es una variable aditiva?
 Un sondeo encuentra una alternancia de lentes de arena en arcillas.

 Consideramos dos muestras de igual longitud: una de arena fina y
una de arcilla, con permabilidades
-5 -10
K1=10 y K2=10 cm/s.
 ¿Es correcto decir que la permeabilidad media es la media de las
dos permeabilidades?
K
1
K1  K 2  ?
2
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿Una variable vectorial no es una variable aditiva?
 Por supuesto que no.
 La permeabilidad es una grandeza vectorial y muda,
dependiendo de la dirección.
 La permeabilidad en vertical es la media armónica y, en
horizontal es la media aritmética.
K1  K 2
K hor  K a 
2
K ver  Kh 
1 Kh  K  Ka
1 1

K1 K 2
26
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
¿Qué variables son aditivas?
 Cuota topográfica (m, 2D).  Concentración de una sustancia (2-
 Cuota de un horizonte geológico, 3D).
acuífero (m, 2D). •ley en metal (kg/t, 3D).
 Techo o muro de un estrato (m, 2D). •ley metal volumétrico (kg/m3, 3D).
 Espesor de una capa (m, 2D).  Fracción granulométrica (%, 3D).
 Densidad de una roca (t/m3, 3D).  Variable indicatriz (0/1).
 Acumulación metal de una capa • de la litofacies (3D).
mineralizada (kg/m2, 2D). • de corte.
 Ley en metal de una capa mineralizada  Porosidad (%, 3D).
(%, %o = kg/t ou ppm, 2D).  Permeabilidad (Darcy, 3D).
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Variables aditivas
 Cuota topográfica (m, 2D).  Concentración de una sustancia

 Cuota de un horizonte geológico, (2-3D).
acuífero (m, 2D). •ley en metal (kg/t, 3D).
 Techo o muro de un estrato (m, 2D). •ley metal volumétrico (kg/m3,
 Espesor de una capa (m, 2D). 3D).
 Densidad de una roca (t/m3, 3D).  Fracción granulométrica (%, 3D).
 Acumulación metal de una capa  Variable indicatriz (0/1).
mineralizada (kg/m2, 2D). • de la litofacies (3D).
 Ley en metal de una capa mineralizada • de corte.
(%, %o = kg/t ou ppm, 2D).  Porosidad (%, 3D).
 Permeabilidad (Darcy, 3D).
27
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
DE LAS VARIABLES REGIONALIZADAS A LAS

FUNCIONES ALEATORIAS
EL ENFOQUE
PROBABILISTICO
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
DE LAS VR A LAS FUNCIONES ALEATORIAS

La VR es una variable irregular
 Una VR z(x), es una función puramente determinista que toma un valor fijo en
cada punto del espacio.
 Tiene un movimiento irregular que no permite un estudio
directo por una función matemática f(x).
 Pero la VR tiene también una variabilidad espacialmente estructurada: cerca
de puntos elevados, normalmente se encuentran contenidos elevados , etc.
Variavel regionalizada
10000
1000
100
z(x)
10
1
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
x
28
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

La VR se conoce solo en algunos puntos
 Las VR en práctica son conocidas solo en los puntos mostrados, pero los
problemas típicos (por ejemplo: selección de las reservas) necesitan
conocer las VR en todo el campo.
 Por ejemplo: la cantidad de metal en el bloque B no se conoce y
práticamente nunca se sabrá.
 La sola cantidad conocida es la de las muestras cerca del bloque.
ti
Muestras
conocidas: ti
tB?
B
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

 Hay que estimar cantidades que realmente nunca serán conocidas.
 Una variable estimada es identificada por un asterisco, t*.
 La estimación es una cálculo baseado sobre las informaciones
disponibles, entonces el resultado es una función de los dados ti.
ti
tB*=f(ti)
B
29
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

 La diferencia entre el valor estimado y el valor verdadero es el
error de estimación. *
tB - tB = e
 Dado que el valor verdadero no es conocido, ni siquiera el error
se sabrá.
 Podrá ser grande o pequeño, nulo o positivo o negativo. Muchos
valores son posibles, algunos más probables, otros menos.
 No hay duda que el error de estimación aparece como una
cantidad aleatoria.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

El enfoque operacional correcto es probabilista
 Surge, entonces, el problema de la gestión de la

incertidumbre.
 Un enfoque correcto para el estudio de variable regionalizada
tiene que considerar todos esos elementos.
• Tipo de variabilidad.
• Conocimiento limitado.
• Gestión de la incertidumbre.
 El enfoque correcto es probabilista, basado en las funciones
aleatorias (FA).
30
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Las funciones aleatorias: elementos básicos
 Teóricamente, la función aleatoria (FA) Z(x) es un conjunto

de variables aleatorias, una en cada punto xi en el espacio.
 Z(x): Z(x1), Z(x2)…, Z(xn).
 La naturaleza aleatoria de las variables en cada punto
explica la grande irregularidad.
 La correlación entre variables aleatorias próximas explica la
estructura observada de la variabilidad espacial.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

 Una VA Z es definida por medio de su ley o distribución de
probabildad, F(z)=prob. {Zz}, y por su densidad de
probabilidad, f(z)=prob. {z<Z≤z+dz}/dz.
Función de distribución Densidad de probabilidad

1,0 0,1
0,8 0,1
0,1
0,6
F(z0)=0.5 0,1
F(z)
f(z)
0,4 0,1
0,2 0,0
z0=5 0,0
0,0
-10 -5 0 5 10 15 20 0,0
-20,0 -10,0 0,0 10,0 20,0 30,0
z z
31
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

 Cuando estudiamos un muestreo, observamos la distribución

de frecuencias, simples y acumuladas de la variable.
0.2
Espesor de fluorita. 0.15
Frecuencia simples y acumulada.

sp 0.1
0.05
4000 6000 8000 1e+004 1.2e+004
Summary Statistics
0 Number of Data 390000 Maximum

Upper Quartile
13187.2
9571.02
3.00e-02 4.58 9.13 Mean 8028.79 Median 8288.62
Variance 2.86821e+006 Lower Quartile
2.30 6.85 11.4 Minimum
6336.71
3359.19
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

 Es natural pensar que se trata de la muestra de una variable
aleatoria (VA)
Distribución experimental y modelo

0,25 0,09
densidad de probabilidad
0,08
frecuencia relativa
0,2 0,07
0,15
0,06
0,05
…y vamos a intentar
0,1
0,04
0,03
encontrar una distribución
0,05 0,02
0,01
modelo.
0 0
0 2,5 5 7,5 10 12,5 15 17,5 20 22,5 25 27,5 30 32,5 35
Z
esperimental modelo
32
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

La realización de una variable aleatoria
 Cada valor experimental es uno de los posibles valores de la

VA; es decir, su “realización”.
HISTOGRAM
La VA suma de dos 7
dados. 6
5
FREQUENCY
4
Série1
3
0
1 2 3 4 5 6 7 8 9 10 11 12 13
SUM OF TWO DICE
Por ejemplo: cada valor es una realización.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

¿Cuál es el valor del cobre en la próxima semana?
 La tendencia del precio del cobre al LME, desde inicios del año, ha
fluctuado entre 9.000 y 10.000 $/t.
 El precio del cobre en el tiempo es una variable regionalizada: PCu(d).
 ¿Cuál será el valor de la primera semana de junio, PCu(d=1 junio)?
11000
10000
9000
8000
01/01/2011 31/01/2011 02/03/2011
DATE
33
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

¿Cuál es el valor del cobre mañana?
 El precio futuro del cobre no se conoce con certeza, porque puede
tomar cualquier valor; es decir, es una variable.
 No hay duda que unso valores son más probables que otros.
Entonces el precio futuro es una variable aleatoria .
 El precio al 1 de junio es fijo y será conocido.
 Ese precio es la realización de la VA PCu(d=1 junio).
11000
10000
9000
8000
01/01/2011 31/01/2011 02/03/2011
DATE
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

La variable temporal “precio” y la realización de una función
aleatoria
 La tendencia observada en el tiempo del precio del cobre y de cualquier otro
metal puede ser considerada como un conjunto de realizaciones de tantas VA,
una en cada día.
 El conjunto de todas esas VA es una función aleatoria.
 La serie histórica de los precios es la realización de la FA precio en el tiempo.
11000
10000
9000
8000
01/01/2011 31/01/2011 02/03/2011
DATE
34
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

La concentración en un sondeo
 Cuando se hace un sondeo, cada muestra devuelve una concentración,
z(x).
 Antes de perforar el próximo metro del sondeo, usted tiene la “serie
histórica” de las leyes encontradas.
 ¿Cuál es la concentración del próximo metro, z(x0)?
Concentrao de Au num poço
Teor Au (g/T)
0 2 4 6 8 10 12
50
60
70
Profundidade (m)
80
90
100
110
120
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

La concentración en un sondeo
 Hasta que se mida, la concentración del próximo metro queda una

VA: puede variar en un rango de valores similar al valor de la última
sección mostrada.
 Pero una vez perforado ese metro y medida la concentración, la
variable se convierte en la realización de una VA. El valor de la VR en
el punto, z(x0), es uno de los posibles valores (una realización) de la
VA Z(x0).
 Asimismo, la evolución de la ley a lo largo del sondeo se convierte en
la realización de una FA.
35
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

El modelo probabilista
 El enfoque probabilista surge por las tres causas ya mencionadas:

variabilidad, conocimiento limitado e incertidumbre.
 Considerar a las variables regionalizadas (por ejemplo: las leyes) como
la realización de una función aleatoria es un modelo, un enfoque
aparentemente extraño.
 Más allá de cualquier discurso teórico (y filosófico de la ciencia), el
modelo se justifica porque funciona y ayuda a resolver problemas
concretos.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
DE LAS VARIABLE REGIONALIZADAS A LAS

BREVES NOTAS SOBRE

LA VA
36
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Breves notas sobre las VA
 El enfoque geoestadístico es considerar la VR como la

realización de una FA.
 Z(x): Z(x1), Z(x2)…, Z(xn).
 Una VA Z está definida por medio de su ley de las
probabilidades.
 F(z) = prob. {Zz} P{Z > z} = 1 – F(z).
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: la ley de las probabilidades
 La ley de las probabilidade F(z)= prob{Zz}, se llama función de
distribución acumulada (fdc) o sencillamente distribución.
Funcion de distribucion
1.00
0.80
0.60
F(z)
F(z 0)=0.5
0.40
0.20
z 0=5
0.00
-10 -5 0 5 10 15 20
z
37
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
Notas: VA limitadas y ilimitadas

 Teóricamente, hay VA ilimitadas que pueden tomar valores de -
hasta +. Por ejemplo: una variable gaussiana.
 Pero en la práctica, las VR son limitadas; es decir, no pueden tomar
cualquier valor.
• Por ejemplo: una concentración al mínimo y cero, z = 0, y tiene un
valor máximo.
• Asimismo, un espesor es limitado inferiormente.
• Entonces tenemos que considerar muchas VA limitadas, sobre
todo, inferiormente.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: la distribución
 La función de distribución por definición varía de 0 hasta 1.
 Las probabilidades que una variable ilimitada tome un valor menor de - es
obviamente nula: F(-) = P {Z≤-} = 0.
 En caso de variables limitadas, por ejemplo al cero, tenemos lo siguiente:
F(-0,01) = P {Z≤-0,01} = 0.
Función de disribución
1,000
,800
,600
F(z)
,400
,200
,000
-10 -5 0 5 10 15 20
Variable ilimitada
z
Variable limitada
38
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

 La función de distribución por definición varía de 0 hasta 1.
 Las probabilidades que una variable ilimitada tome un valor menor de
+ es obviamente 1: F(+) = P {Z≤+} = 1
 En caso de variables limitadas, por ejemplo al 100%, tenemos lo
siguiente:
F(100) = P {Z≤100} = 1 Función de distribución
1
0,8
0,6
F(z)
0,4 Variable
0,2 limitada
0
0 20 40 60 80 100
Z
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

 La función de distribución es monótona, no decreciente.
Por ejemplo:
• Las probabilidades de que una concentración sea menor o igual a 6%
incluye el caso que la concentración sea menor o igual a 4%.
 z1  z2 F(z1)  F(z2).
Funçao de distribuiçao
 P(z1zz2) = F(z2)-F(z1).
1,00
0,75
F(z 2)
F(z)
0,50
F(z 1)
0,25
z1 z2
0,00
-10 -5 0 5 10 15 20
z
39
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: VA continuas o discretas
 Una VR, y su VA correspondiente, puede ser continua y tomar
cualquier valor entre los límites.
• Por ejemplo: el espesor de una lente de arena encontrada por
un sondeo.
 Otra VR/VA puede ser discreta; es decir, toma solo algunos valores,
normalmente enteros.
• Por ejemplo: el número de lentes encontradas por ese sondeo.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: VA continuas o discretas
 Por consiguiente, hay leyes de probabilidades discretas.
 Distribución acumulada del número de lentes encontradas
por un sondeo.
Distribución discreta
0 2 4 6
001
001
Probabilidad
Probabilidad
001
000
000
000
0 1 2 3 4 5 6
N. lentes
40
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

NOTAS: VA continuas o discretas
 …y leyes de las probabilidades continuas.

 Distribución acumulada de los espesores de las lentes.
Distribución del espesor de las lentes

1
0,8
Distribución
0,6
0,4
0,2
0
0 0,5 1 1,5 2 2,5
Espesor (m)
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: la densidad de probabilidad
 Si la F(z) fuera continua y derivable, su derivada se llama función

de densidad de probabilidad (fdp) de la VA o, sencillamente,
densidad.
 Por consiguiente, la distribución es el integral de la función
densidad; es decir, el área bajo de la curva.
dF z 
f z  
dz
F z    f t dt
z

41
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: las probabilidades
 Si la F(z2) > F(z1) representan las probabilidades que la variable tome
un valor menor o igual z2 y z1, respectivamente; entonces las
probabilidades de que la variable tiene un valor entre z2 y z1 es la
siguiente:
Pr obz  z1 , z2   F ( z2 )  F ( z1 )
Probabilidades entre 5 y 10  Se trata del área bajo de la

curva entre z2=10 y z1=5.
probabilidad f(z)
0,04
Densidad de
0,03
0,02
0,01
0
0 10 20 z (%) 30 40 50
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: las frecuencias
 Si dividimos a intervalos constantes el eje de una variable mostrada
experimentalmente, podemos calcular las frecuencias y trazar el histograma.
 Cada frecuencia estima el área a bajo de la fdp entre los límites de su intervalo.
 Entonces las frecuencias estiman la probabilidad teórica que el valor de la
variable cae en ese rango.
Las frecuencias estiman las

probabilidades
0 5 10 15 20 25 30 35 40 45 50 55
0,5 0,05
0,4 0,04
frecuencia
densidad f(z)
0,3 0,03
frecuencias
0,2 0,02
densidad
0,1 0,01
0 0
0 5 10 15 20 25 30 35 40 45 50 55
z
42
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: los momentos
 Una VA Z es completamente especificada por su distribución F(z) o

por su densidad f(z).
 Muchas veces es suficiente conocer pocos parámetros de la
distribución, típicamente media y varianza.
 Teóricamente, la media es un integral de probabilidad y se llama
esperanza matemática. Básicamente calcula el promedio pesando
cada valor por su probabilidad.
m  EZ    z f z dz
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: la media experimental
 La media experimental de un conjunto de n valores zi obtenidos

de un muestreo, es una estimación de la media teórica.
 En vez de integrar, se suma y, en lugar de la densidad, se usa la
frecuencia que para cada muestra es constante e igual a 1/n.
1 n n
 z f z dz
1
m*   zi
n i 1
 z
i 1
i
n 
 Esto es cierto si todos los valores de las muestras son
isoprobables.
43
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: la varianza experimental
 La media es llamada también el momento primero, porque el exponente
de la variable es 1 .
 Podemos calcular el momento segundo y si se resta el cuadrado de la
media, se obtiene la varianza.
 2  EZ 2  m2
 La varianza experimental o desviación cuadrática media
se obtiene calculando la media experimental de los cuadrados de los
dados.
s2 
1 n 2

n i 1
z i  m*   2
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: significado de la varianza
 La varianza mide cuánto los datos son dispersos entorno de la
media: cuanto mayor sea la varianza, mayor es la dispersión.
 La desviación estándar o patrón s = s2 es un parámetro
característico de la densidad.
Variables con misma media (m=5) y

desciación diferente ( 2; 5)
0,3
0,2
f(X)
0,1
0
-0.010 0.000 0.010 0.020
X
44
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: propiedades de la media
 La media de la combinación lineal es la combinación lineal de

las medias.
 Consideramos dos VA: X, Y con medias mX , mY, y dos
constantes: a, b.
 Una variable T=aX+bY hay una media que se deduce
inmediatamemte de la dos medias.
mT  a  mX  b  mY
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: propiedades de la varianza
 Las constantes no multiplicativas son filtradas.

 Consideramos una VA X con medias mX y dos constantes: a, b.
 Añadiendo una constante T=aX+b, la varianza sigue siendo la
misma.
 La varianza de una suma T=aX+bY es la suma de las varianzas, si
las dos variables son independientes.
 T2  a 2   X2  T2  a 2   X2  b 2   Y2
45
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: ejercicio
 Hay un conjunto de dados en hoja Excel: 240 pozos para calcular

los recursos en fluorita:
• Calcular las estadísticas experimentales.
• Calcular el histograma.
Ubicación Pozos Fluorita
90 00
80 00
70 00
60 00
50 00
40 00
90 00 10 000 10 100 10 200
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: ejercicio y solución
 La media y la varianza del espesor (sp) por las funciones
«media()» y «var.pop()» de la hoja Excel.
46
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

 Para las frecuencias:
1. Definir un vector de clases con valor mínimo, intervalo de

clase y número máximo de clases.
2. Utilizar la función «frecuencia (datos; clases)» de Excel.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

47
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: ejercicio
Zu Pu
 Se conoce el histograma de una
0,1
0,3
0,005
0,052
variable; es decir, los valores de cada
0,5
0,7
0,124
0,160
clase Zu y las frecuencias Pu (pero no
0,9 0,156 los valores de la variable).
1,1 0,131
1,3 0,102  Calcular la media y la varianza.
1,5 0,076
1,7 0,055
1,9 0,040
xu - Pu
2,1 0,028
2,3 0,020 0,2
2,5 0,014 0,15

2,7 0,010 0,1
Pu
2,9 0,007 0,05

3,1 0,005
0
3,3 0,004
3,5 0,003
Xu
3,7 0,002
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

 Es suficiente recordar que la media es la integral de

probabilidad de la variable aleatoria: en caso discreto la
probabilidad infinitesimal f(x) dx se sustituye por la probabilidad
y la integral por la suma.
mZ   z f z dz  Z2   z 2 f z dz  mZ2

n n
mZ   zu Pu  Z2   zu2 Pu  mX2
i 1 i 1
48
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

xu Pu xu*Pu xu2*Pu
0,1 0,005 0,000 0,000
0,3 0,052 0,016 0,005
0,5 0,124 0,062 0,031
0,200 0,7 0,160 0,112 0,078
0,180 0,9 0,156 0,140 0,126

0,160 1,1 0,131 0,144 0,159
0,140 1,3 0,102 0,133 0,172
0,120 1,5 0,076 0,114 0,171
0,100 media
Pu
1,7 0,055 0,094 0,160

0,080
1,9 0,040 0,075 0,143
0,060
2,1 0,028 0,059 0,125
0,040
0,020 2,3 0,020 0,046 0,106
0,000 2,5 0,014 0,036 0,089
2,7 0,010 0,027 0,074
1
7
0,
0,
0,
1,
1,
2,
2,
2,
3,
3,
2,9 0,007 0,021 0,061

xu 3,1 0,005 0,016 0,050
3,3 0,004 0,012 0,041
3,5 0,003 0,010 0,034
3,7 0,002 0,007 0,027
media 1,126 varianza 0,385
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
DE LAS VARIABLE REGIONALIZADAS A LAS

ALGUNA LEY
49
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: alguna ley
 Distribución normal
• Solo requiere dos parámetros: media y varianza.
Densidade normal
0.3

 x  m 2
1
0.2
f ( x)  e 2 2
 2
f(X)
0.1

0
-5.000 0.000 m5.000 10.000 15.000
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: alguna ley
 Distribución exponencial
• Solo requiere un parámetro: el inverso de la media.
Densidade exponencial
per x  0
 F  x   1  e  ax
0,3
  ax 0,2
 f ( x)  ae
f(X)
0,1
1 1 
m 2  0
0 m 4 8 12
a a2 X
50
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: alguna ley
 Distribución uniforme
• Solo requiere un parámetro: el intervalo de valores.
Densidade uniforme
 1 0.1
 f ( x)  per 0  x  a 0.08
 a 0.06
f(X)
 f ( x )  0 altrove 0.04
0.02

x m
F ( x)  per 0  x  a 0
0 4 8 12 16 20 24
1/a
a X
1 1 2 a=20
m  E[ X ]  a  2  var( X )  a
2 12
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: alguna ley
 Distribución log-normal
• Es importante en el ámbito de los georecursos porque
describen bien las distribuciones de variables con baja
concentración.
• Por ejemplo: los yacimientos de U, Au…
• La VA X es log-normal, si ln (X) es normal.
• Solo requiere los parámetros de las distribución normal.
51
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA

Notas: alguna ley
 Distribución log-normal
• Los parámetros de la distribución log-normal son
definidos en términos de los parámetros de la normal.
• Las relaciones entre los momentos de la VA normal y
log-normal.
X ln(X)
log-normal normal
Media m e(m+S2/2) m
Varianza 2 m2 (eS21 S2
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
LA FUNCION VARIOGRAMA
INTRODUCCION A LA
CORRELACION ESPACIAL
52
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA LA FA ES EL MODELO DE LA VR
 El modelo probabilístico de la geoestadística es la intepretación

de la variable regionalizada (VR) z(x) como realización de una
función aleatoria (FA) Z(x).
 La FA es definida como un conjunto de variables aleatorias
(VA), una en cada punto x del dominio S donde es la VR.
 Una VA es identificada por
su ley de probabilidad.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA LAS VR CON Y SIN TENDENCIA
 A menudo vemos que las VR tienen valores que fluctúan

en todo el campo.
• En torno a un valor medio constante.
• Dentro de una banda constante de variabilidad.
 No hay una tendencia, no se observa un aumento o
disminución sistemática en una específica dirección ni de
la media ni de la variabilidad.
53
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
EL MODELO DE FA SIN TENDENCIA
 En el caso de una VR sin tendencia, el modelo de FA
considera que todas sus VA tienen la misma ley de
probabilidad.
 Si las VA tienen la misma distribución, entonces tienen la
misma media y la misma varianza.
 Fdp de la VA en el punto x0
Z x  : FA f Z x0 
 Misma fdp en todos los puntos.
f Z  x0   f Z x1   f Z x 
 Misma media. mx0   mx1   mx   m
 Misma varianza.  2 x0    2 x1    2 x    2
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
EL CALCULO DE LOS MOMENTOS DE UNA FA
 Para especificar el modelo tendríamos en primer lugar
que identificar la distribución de cada VA.
 Para muchos problemas es suficiente calcular algunos
parámetros; primariamente, los momentos 1.° y 2.°:
media y varianza, que son los mismos en todas partes.
 ¿La media y la varianza estatísticas pueden ser utilizadas
para estimar la media y la varianza del modelo?
Sí, si se aplica la hipótesis ergódica.
54
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA LA HIPOTESIS ERGODICA

 Teóricamente, una FA es ergódica, si la media (m) y la
varianza espacial (S) aproximan los dos momentos
probabilísticos para el campo que tiende a infinito.
1 n
m  EZ x     zxi 
1
S S
m z x dx 
n i 1
 
 2  E Z x 2  m 2 s2 
1
SS
2 1 n
z x  dx  m 2   z xi   m 2
n i 1
2
S   m  m, s 2   2
 El sentido es que, en vez de lanzar un dado 100 veces,

100 dados son lanzados solo una vez.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
¿LA LEY DE PROBABILIDAD MONOVARIABLE ES
SUFICIENTE?
 Si la media y la varianza estadísticas sirven para estimar los
parámetros del modelo, podemos estimar la distribución de
probabilidades de la FA modelo por el histograma
experimental?
Sí, si la FA es ergódica.
 ¿Si identificamos la ley de probabilidad, podemos especificar
la FA?
No, no es suficiente.
55
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA DISTRIBUCION MONOVARIABLE NO ESSUFICIENTE
 Dos VR modelizables como FA, con misma fdp en todos los
puntos, pueden ser muy diferentes.
 Porque tienen diferentes variabilidades espaciales.
Distribución espacial de dos variables Comparación
con mismas estadisticas histogramas
016 8
frecuencia (n)
014 6
Z(x)
012 4
X1 X1
010 2
X2
008 X2 0
1 4 7 10 13 16 19 22 25 28 9 10,211,412,613,8 15 16,2
Clases X
xl
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA LA CORRELACION ESPACIAL

 Caracterizamos intuitivamente la variabilidad espacial mediante
conceptos clásicos como varianza, covarianza y correlación.
 Consideramos un área S, por ejemplo a la escala de cientos de
metros.
 En esta área se encuentra una VR z(x) con soporte puntual,
conocida en todas las partes. Entonces conocemos la estadística de
la VR.
z x dx z 2 x dx  m 2
1 1
S S S S
m 2 
56
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA LA CORRELACION ESPACIAL
 Tomamos un par de puntos xi, xi+h alejados de una distancia vectorial

h con módulo pequeño (ej. 1 m en comparación con el área S.
 Podemos considerar nh pares mudando de posición en S al punto
xi(i= 1,nh).
 Para cada par de puntos hay dos valores de la VR: z(xi), z(xi+h).
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA LA SIMILITUD ENTRE DOS

PUNTOS
 Se puede calcular las estadísticas de las dos variables z(xi), Z(Xi+h).
 Si nh es suficientemente grande media y varianza de los extremos
del vector h coinciden con media varianza del área.
nh nh
 z x   n  z x  h   m
1 1
mzi  i i zi  h m
nh i 1 h i 1
nh nh
 z x   m  z x  h   m
1 1
s z2i  2
i
2
 2
i
2
 s z2ih  s 2
nh i 1 nh i 1
57
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA LA SIMILITUD ENTRE DOS

PUNTOS
 Entonces podemos construir la nube de correlación de los valores
en cada par alejados h.
 La covarianza y el coeficiente de correlación pueden dar una
medida del grado de semejanza entre pares.
 En este caso el h considerado es pequeño y las diferencias serán
pequeñas: la nube se aproxima a la línea a 45º.
nh
 zx zx  h  m
1
s zi , zi  h  i i
2
nh i 1
s zi , zi  h
 z ,z h 
i i
s2
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA LA DISIMILITUD ENTRE DOS

PUNTOS
 Otra manera de estudiar la correlación espacial es por la
variable incremento, igual a la diferencia de los valores de los
puntos ei = z(xi+h) – z(xi).
 Media e varianza experimentales de los incrementos; si nh es
suficientemente grande, entonces serán:
nh
 zx   zx  h  m  m  0

1
m  i i
nh i 1
nh
var    zx   zx  h
1
 2 s 2  2 s zi , zi  h
2
i i
nh i 1
58
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA LA DISIMILITUD ENTRE DOS

PUNTOS
 La variable incremento puede ser caracterizada por su
distribución, centrada en cero.
 Hay incrementos positivos y negativos, mas su dispersión es
pequeña porque los pares consisten en puntos muy cerca.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA SIMILITUD CAMBIA CON LA DISTANCIA
 Consideremos ahora dos puntos
alejados de distancia mayores:
h2 = 5h1 y h3 = 50h1.
 Repetimos el estudio de la
correlación.
 Nos damos cuenta de inmediato
que al aumentar la distancia h, la
nube queda más dispersa y la
correlación disminuye hasta
cero.
59
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA SIMILITUD EN FUNCION DE LA DISTANCIA
 Graficamos la correlación en función de la
distancia.
 Para h = 0, los dos puntos del par coinciden
y el coeficiente de la correlación vale1.
 Después la correlación baja.

 De hecho, el coeficiente de
correlación a partir de un
valor grande de h queda
nulo.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA DISIMILITUD Y LA DISTANCIA
 Repetimos el razonamiento, considerando

los incrementos ei=z(Xi+h) - z(Xi)
alejados de h2 = 5h y h3 = 50h1
 Observamos que la distribución de los
incrementos se queda con media cero,
pero tiene una varianza experimental
var.{ei} que aumenta con h.
 Entonces aparecen incrementos de valor
absoluto grande.
60
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA DISIMILITUD EN FUNCION DE LA DISTANCIA
 Si graficamos la varianza del
incremento en función de la distancia
h, se puede ver un patrón
complementario al de la correlación. g(h)
2
S3
 Para h=0, el incremento es siempre S

2
2
nulo y consecuentemente es nula su S

2
1
varianza.
 Normalmente, la varianza del
h1 h2 h3 h
incremento aumenta.
 A menudo queda constante.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA CORRELACION EN EL PUNTO LIMITE H = 0
 Cuando la distancia es nula, los puntos xi, xi+h coinciden. Luego
la covarianza experimental coincide con la varianza de la VR y el
coeficiente de correlación es 1.
nh nh
 zxi zxi  0  m2   z x   m
1 1
s zi , zi  0  2
i
2
 s2
nh i 1 nh i 1
2
s zi , zi  0 s
 z , z 0  2
 1
i i
s s2
 En este caso, la varianza del incremento es igual a cero, porque
todos los incrementos son nulos.
61
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA VARIANZA DE LOS INCREMENTOS EN EL PUNTO
LIMITE H=0
 Cuando la distancia es nula, la varianza de los incrementos
es igual a cero, porque todos los incrementos son nulos.
 En efecto, los puntos xi, xi+h coinciden para h=0.
var h  0  varz xi   z xi 0   var0  0

var h  0  2s 2  2s zi , zi 0  2s 2  2s 2  0
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA CORRELACION A LAS GRANDES DISTANCIAS
 Cuando la distancia tiende a infinito, hay más razones para
considerar una similitud; una correlación entre las dos variantes del
par.
 Entonces la covarianza entre pares muy alejados tiende a cero y,
asimismo, el coeficiente de correlación.
 Muchas veces, la covarianza queda nula cuando h excede un valor
grande pero finito, h=a
nh
 zx zx     m
1
s zi , zi    i i
2
0
nh i 1
s zi , zi   0
 z , z    0
i i
s2 s2
62
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA DISIMILITUD A LAS GRANDES DISTANCIAS
 La varianza de los incrementos, cuando la distancia tiende a
infinito, tiende a un valor máximo, proporcional a la máxima
variabilidad de la VR.
var h    2s 2  2szi , zi   2s 2  2  0  2s 2
 Si la covarianza queda nula para un valor de h finito, la

varianza de los incrementos queda constante desde esa
distancia.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
LA FUNCION VARIOGRAMA
EL MODELO DE CORRELACION
ESPACIAL
63
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
EL MODELO DE CORRELACION ESPACIAL
 Las observaciones empíricas sobre la correlación espacial de
una variable regionalizada pueden interpretarse en términos de
probabilidad por el modelo de las FA.
 La covarianza espacial de una FA es la natural transposición de
la covarianza experimental en términos de media probabilística.
C x, x  h  EZ x Z x  h  m2

nh
 zx zx   m
1
s zi , z i  h  i ih
2
nh i 1
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA COVARIANZA ESPACIAL ESTACIONARIA
 Muchas VR pueden ser modelizadas por funciones aleatorias
estacionadas (FAEs).
 Z(x) es una FAEs, si la covarianza espacial no depende del punto x,
pero solo de la distancia h.
C x, x  h  EZ x Z x  h  m2  C h

 Es importante remarcar que la covarianza en el origen; es decir, para
h=0 es la varianza de la FAEs.
C 0  E Z x   m2   2  2

64
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA VARIABLE ALEATORIA INCREMENTO
 El incremento es también una función aleatoria siendo la
diferencia entre dos variables aleatorias que pertenecen a una
FA.
Z x, x  h  Z x   Z x  h
 Si la Z(x) es una FAEs, también el incremento es FAEs, porque
no depende de x, pero solo de h.
Z h  Z x   Z x  h
 En efecto, su media es cero.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
MEDIA Y VARIANZA DE LA VA INCREMENTO
 La media y la varianza experimentales de los incrementos
tienen un equivalente en términos del modelo
probabilístico estacionario.
mZ h   EZ h  m  m  0

nh
 zx   zx  h  m  m  0

1
 i i
nh i 1

varZ h  E Z x   Z x  h  2 2  2C h
2

nh
var    zx   zx  h
1
 2 s 2  2 s zi , z i  h
2
i i
nh i 1
65
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA DEFINICION DEL VARIOGRAMA
 Finalmente, tenemos todos los elementos necesarios para la
definición de la función variograma, y(h).
 El variograma es la semivarianza de los incrementos de la FA
Z(x) entre dos puntos alejados de h.
 h   varZ x   Z x  h   C 0  C h 
1
2
 En la expresión, varianza “a priori” de la FAEst, se ha
identificado como C(0).
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LAS PROPRIEDADES DE LA FUNCION VARIOGRAMA
DE UNA FAEs
 Si la FA Z(x) es estacionaria, el variograma es una FAEs y
depende solo de h.  h  C 0  C h
 Es una función siempre no negativa, porque es una varianza.
 h  1 2 varZ x   Z x  h
 Mide la desigualdad entre dos VA (de la FA) alejadas de h; para

h= 0, el incremento es nulo y así el variograma.
 0  0
 Es independiente del valor de media, m de la FAEs Z(x).
66
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LA VARIOGRAFIA
 El variograma se representa gráficamente como una función del
vector distancia.
 El variograma es una función que empieza de cero y alcanza un valor
límite máximo igual a la varianza a priori de la FAEs Z(x).
 El valor máximo constante se llama meseta (sill, palier) y es
alcanzado a una distancia característica que se llama alcance (range,
portée).
Función variograma
1,4E+00
1,2E+00 meseta
1,0E+00
(h)
8,0E-01
6,0E-01
4,0E-01
2,0E-01 alcance
0,0E+00
0 5 10 15 20 25 30
h
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
VARIANZA Y COVARIANZA ESPACIAL
 La varianza y covarianza espaciales representan dos caras
(momentos segundos) de la misma medalla (la FA).
 La covarianza mide la  h  C0  C h
correlación, el grado de
semejanza entre dos Variograma y covarianza
puntos de la FA alejadas 1,E+00

1,E+00 C(o)
de h. 1,E+00
g(h), C(h)
8,E-01
 El variograma mide la 6,E-01
Variograma
desemejanza y cuando la 4,E-01 meseta Covarianza

2,E-01 a
correlación es nula el 0,E+00
0 10 20 30
variograma es máximo. h
67
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
EL VARIOGRAMA Y EL VECTOR DISTANCIA
 h es un vector con módulo |h| y orientación , que mide la
distancia entre dos puntos de la FA.

xh  x  h h
x
xh
x  xh  h

 En efecto, el incremento cambia el signo, si cambia la
orientación del vector h.
Z x  h  Z x  Z x  Z x  h

CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
EL VARIOGRAMA Y LA ORIENTACION DE LA DISTANCIA
 Si cambia la dirección del vector h, se cambia el valor del
variograma mismo, si el módulo se queda igual.
  
 h1   h2
 Si la dirección del vector h es la misma, pero solo cambia la

orientación, el variograma es el mismo.
 h
  
xh
x
 h  h 
h
xh
68
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
EL VARIOGRAMA Y LA ORIENTACION DE LA DISTANCIA
 Entonces el variograma El variograma es una función pares
01
es una función pares, 01
01
simétrica respecto al
(h)
01
01
origen… 00
00
00
-30 -20 -10 0 10 20 30
Variograma anisotropo h
01
01
01 … y puede ser una función
(h)
01
01 Dirección 1 anisótropa, que toma
00
00
Dirección 2
valores diferentes
00
0 5 10 15 20 25 conforme la dirección.
h
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LOS VARIOGRAMAS EXPERIMENTALES
 La hipótesis ergódica permite estimar el variograma teórico
por el variograma experimental.
 En práctica se estiman las medias probabilísticas con las
estadísticas de los dados disponibles z (xi).
 El variograma experimental es la media de los cuadrados de
los incrementos experimentales para la dirección en examen.
 El número de par (nh) varía para cada valor de h.
nh
  z ( x  h)  z ( x ) 
1
 ( h) 
*
i i
2
2nh i 1
69
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
LOS PARAMETROS PARA EL CALCULO
 Para el cálculo de los variogramas experimentales se
necesitan un conjunto de parámetros como los
siguientes:
• Número discreto de direcciones.
• Paso elementa (distancia módulo).
• N. de pasos (distancia máxima).
 En general, estos parámetros dependen del espacio de
trabajo (1D, 2D, 3D) y son específicos para el problema de
estudio.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
¿Y SI LA FA Z(X) NO ES ESTACIONARIA?
 Las condiciones de estacionariedad no se aplican en cualquier
caso.
 Por la regla general de la FA, no es estacionaria, en práctica
aparece un trend, (tendencia). La media no es constante en el
campo. EZ x   mx 
 La definición de variograma o covarianza quedan los mismos
pero ahora dependen del punto x y en principio no es posible
la inferencia de los dos momentos a partir de la única VR.
 x, h   varZ x   Z x  h  C x, x  h  EZ x Z x  h  mx 

1 2
2
70
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
FUNCION VARIOGRAMA
¿Y SI LA FA Z(X) NO ES ESTACIONARIA?
 Una otra geoestadística es necesaria...
... la geoestadística no estacionaria.
CERTIFICAN:
ISO
9001 MINING SOCIETY
OF SOUTH AFRICA
EL VARIOGRAMA
EXPERIMENTAL A 1D
INTRODUCCION

Materialdeestudioparteidiap1-140 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Materialdeestudioparteidiap1-140 PDF

Cargado por

Copyright:

Formatos disponibles

1

11 Años Capacitando a la Comunidad Minera Global

www.camiper.com www.gqs.co.za www.minssa.co.za

VARIABLES REGIONALIZADAS Y AUTOCORRELACION

 INTRODUCCION. 9) Modelización I: a. Tendencia al

11 Años Capacitando a la Comunidad Minera Global 2

www.camiper.com www.gqs.co.za www.minssa.co.za

VARIABLES REGIONALIZADAS. INTRODUCCION

11 Años Capacitando a la Comunidad Minera Global 3

www.camiper.com www.gqs.co.za www.minssa.co.za

11 Años Capacitando a la Comunidad Minera Global 4

www.camiper.com www.gqs.co.za www.minssa.co.za

¿CUANDO Y DONDE NACE LA GEOESTADISTICA?

El Prof. George Matheron (1930-2000), fue quien desarrolló el cuadro

11 Años Capacitando a la Comunidad Minera Global 5

www.camiper.com www.gqs.co.za www.minssa.co.za

11 Años Capacitando a la Comunidad Minera Global 6

www.camiper.com www.gqs.co.za www.minssa.co.za

www.camiper.com www.gqs.co.za www.minssa.co.za

Una variable regionalizada (VR), es una variable

11 Años Capacitando a la Comunidad Minera Global 8

www.camiper.com www.gqs.co.za www.minssa.co.za

11 Años Capacitando a la Comunidad Minera Global 9

www.camiper.com www.gqs.co.za www.minssa.co.za

 ¿Cuántas variables en el sector minero son VR? Muchas.

11 Años Capacitando a la Comunidad Minera Global 10

www.camiper.com www.gqs.co.za www.minssa.co.za

 Una VR z(x) es una función puramente determinista que toma

que no permite un estudio 100000

matemático directo. 10000

 Pero tiene también una 10

cerca de los puntos elevados

11 Años Capacitando a la Comunidad Minera Global 11

www.camiper.com www.gqs.co.za www.minssa.co.za

11 Años Capacitando a la Comunidad Minera Global 12

www.camiper.com www.gqs.co.za www.minssa.co.za

 El espesor de una capa Histograma del espesor

11 Años Capacitando a la Comunidad Minera Global 13

www.camiper.com www.gqs.co.za www.minssa.co.za

11 Años Capacitando a la Comunidad Minera Global 14

www.camiper.com www.gqs.co.za www.minssa.co.za

Porosity and permeability

11 Años Capacitando a la Comunidad Minera Global 15

www.camiper.com www.gqs.co.za www.minssa.co.za

Cobre - frecuencia cumulada Cobre - frecuencia relativa

11 Años Capacitando a la Comunidad Minera Global 16

www.camiper.com www.gqs.co.za www.minssa.co.za

 En probabilidad, una variable aleatoria es definida por su

Cobre – frecuencia cumulada

www.camiper.com www.gqs.co.za www.minssa.co.za

11 Años Capacitando a la Comunidad Minera Global 18

www.camiper.com www.gqs.co.za www.minssa.co.za

… pero no tienen la misma variabilidad espacial.

Distribución espacial de dos variables

11 Años Capacitando a la Comunidad Minera Global 19

www.camiper.com www.gqs.co.za www.minssa.co.za

 La segunda variable es más “estructurada” en el espacio,

11 Años Capacitando a la Comunidad Minera Global 20

www.camiper.com www.gqs.co.za www.minssa.co.za

 Podemos estudiar la variabilidad del incremento; es decir de

11 Años Capacitando a la Comunidad Minera Global 21

www.camiper.com www.gqs.co.za www.minssa.co.za

11 Años Capacitando a la Comunidad Minera Global 22