UNIVERSIDAD PRIVADA DEL NORTE


FACULTAD DE INGENIERÍA

 ESCUELA ACADÉMICO PROFESIONAL DE
INGENIERÍA DE MINAS

TEMA
Variogramas Teóricos

Presentado por:
ALVARADO GALVEZ, Gian Carlos.
ALIAGA ATALAYA, Jianella.
ANTINORI VASQUEZ, Brenda.
SALINAS QUISPE, Jose.
FERNANDEZ LEON, David.

Docente:

Ing. PAJARES CHAVEZ, Jhon.

Cajamarca – Perú
- 2018 –

Cajamarca, Octubre del 2018 1

 Tabla de contenido
CAPÍTULO 1. INTRODUCCIÓN ................................................................................... 3
CAPÍTULO 2. OBJETIVOS ............................................................................................ 4
2.1. Objetivo General................................................................................................ 4
2.2. Objetivos Especificos ........................................................................................ 4
CAPÍTULO 3. TEORÍA ................................................................................................... 5
3.1. Definiciones básicas .............................................................................................. 5
3.2. Variogramas .......................................................................................................... 5
3.2.1. Construcción del variograma .......................................................................... 5
3.2.2. Representación gráfica ................................................................................... 6
3.2.3. Componentes de un variograma ..................................................................... 6
3.3. Comportamiento del variograma ........................................................................... 8
3.3.1. Comportamiento a pequeñas distancias .......................................................... 8
3.3.2. Comportamiento a grandes distnacias .......................................................... 11
3.4. Modelamiento ...................................................................................................... 11
3.4.1. Variograma a una dimensión ........................................................................ 12
3.4.2. Variograma a dos dimensiones. .................................................................... 12
3.5. Modelos de variogramas...................................................................................... 14
3.5.1. Modelo esférico ............................................................................................ 14
3.5.2. Modelo exponencial ..................................................................................... 15
3.5.3. Modelo gaussiano ......................................................................................... 15
3.5.4. Modelo potencial .......................................................................................... 15
3.5.5. Modelo monómico........................................................................................ 16
CAPÍTULO 4. PRACTICO............................................................................................ 17
4.1.2 Modelación de los variogramas experimentales............................................ 18
4.2. Proyecto minero. .................................................................................................. 19
4.2.1. Proyecto minero Hualgayoc ......................................................................... 19
CAPÍTULO 5. CONCLUSIONES ................................................................................. 26
CAPÍTULO 6. REFERENCIAS .................................................................................... 27

Cajamarca, Octubre del 2018 2

CAPÍTULO 1. INTRODUCCIÓN
El variograma es una herramienta que permite analizar el comportamiento
espacial de una variable sobre un área definida, obteniendo como resultado un
variograma experimental que refleja la distancia máxima y la forma en que un
punto tiene influencia sobre otro punto a diferentes distancias.
El resultado de este análisis no puede ser aplicado directamente en los
diferentes métodos de interpolación que lo ocupan como información base, es
por esto que una vez calculado el variograma experimental, debe ser realizado
un modelo matemático que modele de la mejor forma posible al variograma
experimental, el cual es conocido como variograma teórico.
El variograma permite conocer el alcance, es decir, la distancia máxima a la que
una muestra tiene influencia sobre otra muestra, una aplicación de esta
información es que se pueden buscar muestras para estimar el valor de un punto
específico. La aplicación de esta herramienta también permite, a partir de los
datos proporcionados por el variograma teórico, realizar una estimación por
medio de la metodología del krigeaje, la cual utiliza el modelo matemático para
definir el ponderador que se aplica a cada una de las muestras encontradas al
momento de asignar un valor al punto buscado.
Por ende, en el presente informe se dará a conocer todo lo relacionado a
variogramas teóricos, enfocándonos en el análisis de las leyes en los
yacimientos pórfidos y del tipo skarn.

Cajamarca, Octubre del 2018 3

CAPÍTULO 2. OBJETIVOS
2.1. Objetivo General
Estudiar los variogramas teoricos, enfocados en el analisis de las leyes de Cu,
Ag y Oro, que presenta el proyecto minero Hualgayoc.
2.2. Objetivos Especificos
- Conocer la representación, construcción y composicion de los variogramas
teóricos.
- Reconocer y analizar, el comportamiento y modelamiento de los variogramas
según sus dimensiones.

Cajamarca, Octubre del 2018 4

CAPÍTULO 3. TEORÍA
3.1. Definiciones básicas
Geoestadística: Aplicación de la teoría de variables regionalizadas a la
estimación de recursos mineros.
Variables regionalizadas: Es una función que representa variación en el espacio.
Se designa por z(x).

Una variable regionalizada posee propiedades intermedias entre una variable

completamente aleatoria y una completamente determinística. A modo de
definición una variable regionalizada es una variable aleatoria cuya realización
depende de la posición. Ejemplos típicos de variables regionalizadas son la
elevación topográfica de algún terreno, el perfil de pozo registrado con alguna
herramienta de sondeo, etc. En contraposición con una variable totalmente
aleatoria, una variable regionalizada tiene cierta correlación punto a punto, pero
estos cambios son tan complejos que no pueden ser descriptos por una función
determinística.
3.2. Variogramas
Es la herramienta geoestadística básica. Permite la cuantificación de los
parámetros geológicos y expresa la correlación espacial entre los valores
muestreados.
En términos muy simples podemos definir el variograma como la media de los
cuadrados de las diferencias entre pares de muestras separados por una
distancia h:
Ү = ½ N . ∑ [ ( Z(x) – Z(x+h)) ]2
3.2.1. Construcción del variograma
Número de orden. 1
Fuente.
Geoestadistica.com

Cajamarca, Octubre del 2018 5

 Descripción.
Construcción del
variograma.

h=1; Gh= 1/2x8 [(1-2)2+(2-3)2+(3-4)2+(4-5)2+(5-4)2+(4-3)2+(3-2)2+(2-1)2] = 0,5

h=2; Gh= 1/2x7 [(1-3)2+(2-4)2+(3-5)2+(4-4)2+(5-3)2+(4-2)2+(3-1)2] = 1,71
h=3; Gh= 1/2x6 [(1-4)2+(2-5)2+(3-4)2+(4-3)2+(5-2)2+(4-1)2] = 3,17
h=4; Gh= 1/2x5 [(1-5)2+(2-4)2+(3-3)2+(4-2)2+(5-1)2] = 4
3.2.2. Representación gráfica
Número de orden. 2
Fuente.
Geoestadistica.com
Descripción.
Representación gráfica.

3.2.3. Componentes de un variograma

La continuidad espacial queda reflejada en la tasa de crecimiento de la Varianza
(Y) de acuerdo a los aumentos de la distancia de muestreo (h).
Como se verá problema de predicción espacial kriging requiere del conocimiento
de la estructura de autocorrelación para cualquier posible distancia entre sitios
dentro del área de estudio. En la presentación del semivariograma experimental
dada anteriormente se indicó que este es calculado sólo para algunas distancias
promedios particulares. Por ello se hace necesario el ajuste de modelos que
generalicen lo observado en el semivariograma experimental a cualquier
distancia. Existen diversos modelos teóricos de semivarianza que pueden
ajustarse al semivariograma experimental. En Samper y Carrera (1990) se
presenta una discusión respecto a las características y condiciones que éstos
deben cumplir. En general dichos modelos pueden dividirse en no acotados
(lineal, logarítmico, potencial) y acotados (esférico, exponencial, gaussiano)
(Warrick et al., 1986). Los del segundo grupo garantizan que la covarianza de
los incrementos es finita, por lo cual son ampliamente usados cuando hay

Cajamarca, Octubre del 2018 6

evidencia de que presentan buen ajuste. Todos estos modelos tienen tres
parámetros comunes (Fig. 9) que son descritos a continuación:
- Efecto pepita
Se denota por C0 y representa una discontinuidad puntual del semivariograma
en el origen (Fig. 9). Puede ser debido a errores de medición en la variable o a
la escala de la misma. En algunas ocasiones puede ser indicativo de que parte
de la estructura espacial se concentra a distancias inferiores a las observadas.

Corresponde a un fenómeno netamente aleatorio, sin correlación entre valores,

y sin importar que tan próximos se encuentren ellos. Se aplica por lo general
en el origen para h=0. En la práctica se obtiene al inferir y determinar en que
punto cruza el variograma experimental con el eje vertical.
- Meseta o sill
Es la cota superior del semivariograma. También puede definirse como el límite
del semivariograma cuando la distancia h tiende a infinito. La meseta puede ser
o no finita. Los semivariogramas que tienen meseta finita cumplen con la
hipótesis de estacionariedad fuerte; mientras que cuando ocurre lo contrario, el
semivariograma define un fenómeno natural que cumple sólo con la hipótesis
intrínseca. La meseta se denota por C1 o por (C0 + C1) cuando la pepita es
diferente de cero. Si se interpreta la pepita como un error en las mediciones,
esto explica porque se sugiere que en un modelo que explique bien la realidad,
la pepita no debe representar más del 50% de la meseta. Si el ruido espacial
en las 25 mediciones explica en mayor proporción la variabilidad que la
correlación del fenómeno, las predicciones que se obtengan pueden ser muy
imprecisas. En la figura 9 se representa este parámetro para el caso de uno de
los modelos acotados.
- Rango
En términos prácticos corresponde a la distancia a partir de la cual dos
observaciones son independientes. El rango se interpreta como la zona de
influencia. Existen algunos modelos de semivariograma en los que no existe
una distancia finita para la cual dos observaciones sean independientes; por
ello se llama rango efectivo a la distancia para la cual el semivariograma
alcanza el 95% de la meseta. Entre más pequeño sea el rango, más cerca se
esta del modelo de independencia espacial. El rango no siempre aparece de
manera explícita en la fórmula del semivariograma. En el caso del modelo

Cajamarca, Octubre del 2018 7

 esférico (3.2.1), el rango coincide con el parámetro a, que se utilizará en las
ecuaciones más adelante. Sin embargo, en el modelo exponencial (3.2.2), el
rango efectivo es a/3 y en el modelo gaussiano (3.2.3) es a/√3.

3.3. Comportamiento del variograma

3.3.1. Comportamiento a pequeñas distancias
Permite estudiar cuán rápido puede variar la variable en estudio a pequeñas
distancias. Básicamente el variograma presenta las 4 formas siguientes:
- Discontinuo.
Efecto pepita o nugget effect

Cajamarca, Octubre del 2018 8

 Puede ocurrir que para distancias cercanas a cero el valor del variograma no
se aproxima a cero.

- Lineal
Indica que para distancias pequeñas, el variograma tiene un comportamiento
lineal.
Representa variables continuas pero no diferenciables. Así, la propiedad puede
cambiar rápidamente de un punto a otro.

La variabilidad de la propiedad dependerá de la pendiente de la recta en el

origen.
A mayor pendiente, mayor variabilidad.

Cajamarca, Octubre del 2018 9

 A menor pendiente, menor variabilidad.

- Cuadrático.
Indica que para distancias pequeñas, el variograma tiene un comportamiento
cuadrático.
Representa variables sumamente continuas e infinitamente diferenciables. Así,
la propiedad NO puede cambiar rápidamente de un punto a otro.

- Híbridos.
Variación más suave a distancias cortas.
Variación más fuerte a distancias grandes.

Cajamarca, Octubre del 2018 10

Indica presencia de estructuras actuando a diferentes escalas.

3.3.2. Comportamiento a grandes distancias

No todos los variogramas poseen un rango y un sill finito.
Indica la presencia de una deriva o drift.
Variable no estacionaria.

3.4. Modelamiento
Como se explicó en la formulación teórica, el variograma de una función
intrínseca aleatoria esta expresado por:

En donde Z(x+h) y Z(x) son los valores de leyes en el punto x+h y x

respectivamente, considerando que las variables estacionarias e intrínsicas, el
promedio de Z(x+h) - Z(x) es cero, el variograma resulta ser el promedio de las
diferencias.

Cajamarca, Octubre del 2018 11

Expresado en términos numéricos para aplicación práctica, tenemos:

Los puntos x y x+h se debe entender que pueden estar en un espacio de n

dimensiones como n=1, 2 ó 3. En todos los casos es necesario determinar gama
(h) en todas las direcciones posibles para identificar la orientación del
comportamiento de la mineralización.
Si bien la expresión matemática indica que el variograma es función de h, en
donde h es la distancia entre pares de muestras, esto significa que la función se
creará en base al valor promedio de la diferencia de pares de muestras que se
encuentren distanciados a h metros.
3.4.1. Variograma a una dimensión
Por ejemplo para el caso de cálculo del variograma en una dirección se tiene en
el siguiente ejemplo, Fig. 1, leyes distanciadas cada dos metros. En la Fig. 2 se
describe el cálculo de cada punto del variograma para distancias h=2m, h=4m,
h=6m, etc.

Número de orden. 3
Fuente.
Geoestadistica.com
Descripción.
Variograma a una
dimensión.

Número de orden. 4
Fuente.
Geoestadistica.com
Descripción.
Variograma a una
dimensión.

3.4.2. Variograma a dos dimensiones.

Para el cálculo del variograma a dos dimensiones es necesario precisar la
dirección de cálculo, esta dirección se indica en base a un rango de ángulo que
deberán formar los pares de muestras. Cualquier otro par de muestras que no

Cajamarca, Octubre del 2018 12

cumplen con el rango de orientación no formará parte del cálculo del variograma.
Por ejemplo en el gráfico siguiente se presentan muestras en X e Y.

Número de orden. 5
Fuente.
Geoestadistica.com
Descripción.
Variograma a dos
dimensiónes.

En la Figura 3 se observa que el cálculo del variograma se realizará para la

dirección N80ºE considerando un ángulo de tolerancia de +/- 15º, que indica que
los pares de muestras que se encuentren que intervienen en el cálculo deben
una orientación entre N65ºE y N95ºE.
Como el variograma es una función de "h", se debe indicar su primer valor, en
este caso se fijará en 6 m, el siguiente valor 12 m, el tercer valor 18 m, y así
sucesivamente.
La forma de cálculo del variograma en esta dirección se presenta como sigue.

Número de orden. 6
Fuente.
Geoestadistica.com
Descripción.
Variograma a dos
dimensiónes.

Estos nueve resultados generan el gráfico del variograma, que servirá para
interpretar su comportamiento en la dirección calculada, para otras direcciones
se deberán volver a realizar los cálculos tomando pares de muestras que tengan
la orientación deseada.
Para un cálculo a tres dimensiones el rango del ángulo de orientación de los
pares se definirá en un cono teniendo como orientación principal el eje del cono.

Cajamarca, Octubre del 2018 13

Para un depósito a tres dimensiones se recomienda calcular los variogramas en
todas las direcciones a fin de encontrar la dirección preferencial de la
mineralización y las anisotropías.
3.5. Modelos de variogramas
Los modelos de variogramas son curvas, generadas a partir de una función
matemática, que ajustaremos a nuestros datos y nos permitirán conocer la
distribución para todos los puntos en el espacio
Se utilizan para Krigear ; con el variograma experimental quedan muchas zonas
donde no existe valores concretos. Por lo tanto es posible que sea necesario
definir el valor de la variable (Ley; Pot) en puntos donde V.E: no ofrece
información.
Para el modelamiento de un variograma experimental se deben aplicar fórmulas
o modelos matemáticos autorizados, estos modelos matemáticos tienen la
característica de ser una función siempre positiva para cualquier valor de |h|. A
continuación presentamos los modelos autorizados siguientes:

3.5.1. Modelo esférico

Corresponde a un comportamiento del variograma de crecimiento gradual similar
a la figura Nº xx. La expresión matemática es:

Para valores de h < a

Para valores de h >= a

En donde "a" es el alcance, que es la distancia "h" en donde el variograma
alcanza la meseta.

Cajamarca, Octubre del 2018 14

3.5.2. Modelo exponencial
Corresponde a un comportamiento del variograma de crecimiento muy gradual
similar a la figura Nº yy. La expresión matemática es:

En donde "a" es el alcance que equivale en este modelo a un tercio de la

distancia que se alcanza a la meseta.

3.5.3. Modelo gaussiano

Al igual que el modelo exponencial, el modelo tiende a alcanzar el sill
asintóticamente, y el rango se define como la distancia a la cual el variograma
alcanza el 95% del sill.

3.5.4. Modelo potencial

Corresponde a la expresión matemática

En donde el exponente "n" puede adoptar valores entre cero y 2, reproduciendo

lo indicado en la figura adjunta. (el signo "^n" se debe interpretar como potencia
"n")

Cajamarca, Octubre del 2018 15

En donde el exponente "n" puede adoptar valores entre cero y 2, reproduciendo
lo indicado en la figura adjunta. (el signo "^n" se debe interpretar como potencia
"n")

3.5.5. Modelo monómico

Corresponden a los modelos que no alcanzan la meseta (Fig. 11). Su uso puede
ser delicado debido a que en algunos casos indican la presencia de no
estacionariedad en alguna dirección. 27 Su fórmula matemática es la siguiente:
γ θ θ ( )h kh = < < 0 2 Obviamente cuando el parámetro θ es igual a uno el modelo
es lineal y k representa la pendiente de la ecuación de regresión con intercepto
cero. Gráficamente se pueden representar así:

También se tienen definidos otros modelos. Sin embargo los tres primeros
modelos descritos son los más utilizados para el modelamiento, ya sean estos
en forma independiente o combinados entre sí.

Número de orden. 7
Fuente. López
xJimeno, C.

Cajamarca, Octubre del 2018 16

 Descripción. Tipos de
semivariogramas

CAPÍTULO 4. PRACTICO
4.1. Metodología de modelamiento de variogramas
El procedimiento de trabajo fue el siguiente:
1. Definir un dominio poblacional, refrendado en los análisis previos.
2. Para la búsqueda de los variogramas se determina parámetros de trabajo:
- La interdistancia (h), comúnmente llamada por los operadores de software
como “LAG”, tiene que ser encontrada evaluando estadísticamente la distancia
entre las muestras.
- Los ángulos de Azimut e Inclinación para las direcciones de la estructura
mineralizada.
- La holgura del cono de tolerancia depende de la Holgura Angular y la Holgura
en el paso del variograma. Deben ser definidos de manera que ingrese la mayor
cantidad de información cuando se proceda a la búsqueda, aquí se debe tener

Cajamarca, Octubre del 2018 17

en cuenta como se encuentra distribuida la información en el espacio. El criterio
al que se ha llegado en la práctica es que se pierda la mínima información.
3. Definidos los parámetros se procede a la búsqueda de los variogramas
experimentales.
4. Obtenido el variograma de mayor alcance, se debe verificar si se tiene una
buena población representativa del número de pares de trabajo de los primeros
términos de la función variograma.
5. La búsqueda se realizara por los rangos de Azimut de y con rangos de
Inclinación de , con ángulos de holgura definidos según la distribución de las
muestras.
6. Por último el proceso de este trabajo es reiterativo, ya que se busca el
variograma de mayor tendencia, y que este sustentado por el mayor número de
parejas posibles.
4.1.2 Modelación de los variogramas experimentales
- Para el modelado de los variogramas se optó por una normalización de las
variables en los casos que no se obtuvo una buena visualización del
comportamiento estructural de la variable.
- El modelado se hizo respetando la definición del elipsoide de búsqueda que
teóricamente indica 3 direcciones perpendiculares entre sí.
- Los modelos matemáticos usualmente usados para definir la función
variograma tienen las siguientes expresiones:
Modelo Esférico con Pepita.

- Modelo Exponencial

Aunque existen casos en que la función variograma no se podrá modelar con las
funciones matemáticas entregadas en las opciones del software, que será un
factor limitante para este trabajo al no tener disponibilidad para programar esta
ampliación en el software existente de las empresas mineras. Aun así, se tratará

Cajamarca, Octubre del 2018 18

de acercar la función que mejor represente al variograma experimental, con las
herramientas de software que se cuente en el momento.
El fin de este estudio es modelar el variograma de la mejor forma, así que se
presentan diversas alternativas y corresponderá al interesado elegir, según sea
orientado a exploración o estimación.
4.2. Proyecto minero.
4.2.1. Proyecto minero Hualgayoc
El proyecto minero de Hualgayoc geográficamente se ubica en el pueblo El Tingo
del distrito de Hualgayoc y en terrenos del distrito de Chugur, Provincia de
Bambamarca, Departamento de Cajamarca.
Está a una altitud de 4000 msnm. Es accesible por carretera asfaltada
(Cajamarca – Yanacocha, 37 Km) y afirmada (Yanacocha – Campamento) con
un recorrido de 85 Km en un tiempo de 2.0 hrs con camioneta. El proyecto minero
Hualgayoc, se ubica geológicamente en el distrito minero de Hualgayoc, que está
relacionado a la franja metalogenética de los volcánicos cenozoicos productores
de oro y cobre en la cordillera occidental del Norte del Perú.
- Tipo de Yacimiento
Es de filiación epitermal de alta sulfuración de Au-Ag. Consiste principalmente
de un primer episodio de sílice masiva, “vuggy” y “sandy sílica” y en menor
proporción por núcleos de brecha hidrotermal que cortan a las anteriores y
marcan el episodio más importante de la mineralización. Ambas etapas están
controladas por el sistema de fracturas EW.
En conjunto forman un yacimiento de 250 m de longitud por 200 m de ancho,
con una profundidad de óxidos variable entre 80 y 110 m. Se reconocen tres
tipos de brechas hidrotermales: Brecha de sílice, Brecha de goetita, y Brecha de
jarosita.
Las fácies de sílice masiva y vuggy sílica están dispuestas en núcleos tubulares
con tendencia a reducirse en profundidad. La “sandy sílica” tiene mejor desarrollo
en superficie y se manifiesta con textura arenosa característica.
- Mineralización
La mineralización se presenta en óxidos, como relleno de matriz de brechas y
diseminada en sílice masiva, “vuggy” y “sandy sílica”. Los óxidos de fierro están
relacionados a la mineralización de oro con escasa plata. Los tipos de óxidos
según su importancia en contenido de oro son: goetita, jarosita y limonita.

Cajamarca, Octubre del 2018 19

La distribución de la mineralización se encuentra zonificada de arriba hacia abajo
diferenciándose 03 zonas: 1) Zona de óxidos (80 a 100 m de profundidad), 2)
Zona de mixtos (10 a 20 m de profundidad) y 3) Zona de sulfuros primarios por
debajo del nivel 3,900 m.
- Variograma

Vista en dirección NE de la malla de sondajes, topografía y modelo geológico del

Proyecto Minero Hualgayoc .

Gráficos del proyecto minero Hualgayoc diferenciado los modelos de

mineralización: Primer evento Alta Sulfuración HS (tonalidad amarillo) y el evento
tardío de brechas (tonalidad rojo).

Cajamarca, Octubre del 2018 20

Oro (Au ppm)

Cajamarca, Octubre del 2018 21

Cajamarca, Octubre del 2018 22
El análisis de la modelación de los variogramas para la variable oro del tipo
Epitermal de alta sulfuración (HS), calificado además como un yacimiento
diseminado, da como resultados:
- Grado de erraticidad de 37.38 % en los 3 ejes del elipsoide de infuencia
determinados. El grado de erraticidad está basado en la expresión de la fórmula
22.
- El radio de influencia local es de 30 metros en sus 3 direcciones definidas.
- En la modelación de las leyes de oro en este tipo de yacimiento diseminado, se
ha encontrado en términos geoestadísticos un cierto grado de anisotropía, que
no tiene efecto proporcional.
Plata (Ag ppm)

Cajamarca, Octubre del 2018 23

El análisis de la modelación de los variogramas para la variable plata del tipo
Epitermal de alta sulfuración (HS), calificado además como un yacimiento
diseminado, da como resultados:
- Grado de erraticidad del 20%, para los 3 ejes del elipsoide de influencia
determinados. El grado de erraticidad está basado en la fórmula 22.
- El radio de influencia local es de 40 metros en sus 3 direcciones definidas.

Cajamarca, Octubre del 2018 24

- En la modelación de las leyes de plata en este tipo de yacimiento diseminado,
se ha encontrado en términos geoestadísticos un cierto grado de anisotropía,
que no tiene efecto proporcional.

Cajamarca, Octubre del 2018 25

CAPÍTULO 5. CONCLUSIONES
- Se estudió los variogramas teóricos, enfocados en el análisis de las leyes de
Ag y Oro, que presentan los proyectos minero Hualgayoc.
- Conocimos la representación, construcción y composición de los variogramas
teóricos.
- Reconocimos el comportamiento y modelamiento de los variogramas teóricos
según sus dimensiones.

Cajamarca, Octubre del 2018 26

CAPÍTULO 6. REFERENCIAS
- Geoestadista. Variograma. Modelamiento. Perú: Lima.
- Bustillo Revuelta, M. y López Jimeno, C., 1997: Manual de evaluación y diseño
de explotaciones mineras. Madrid. ISBN 84-921708-2-4 .
- ANNELS, A. E. (1991). Mineral deposit evaluation. A practical approach. Ed.
Chapman & Hall, London.
- TULCANAZA,E. (1992). Técnicas geoestadísticas y criterios técnico-
económicos para la estimación y evaluación de yacimientos mineros..
E.Tulcanaza, Santiago, Chile.
- E. García Orche. Madrid 1999. Manual de Evaluación de Yacimientos.

Cajamarca, Octubre del 2018 27