José Delgado

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Hipótesis estacionaria:

La estacionalidad de orden dos en otros términos

.-E(Z(x))=m(x)=m

.-E(Z(x) Z(x+h)) – m² =C(h)

Hipótesis Intrínseca:

Supone solamente que los aumentos

E[ Z(x+h) – Z(x) ] = 0

Var [ Z(x+h) – Z(x) ] = 2 γ(h)

José Delgado
 Nubes de correlación diferida (N.C.D.)

Examinar una o varias N.C.D. para observar diferencias entre vecinos

Los pares de datos mas disímiles corresponden a los puntos

Que aparecen mas alejados de la bisectriz

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Análisis Variografico

El análisis variografico es una de las herramientas mas importante y potente

que existen para analizar las fuentes de variabilidad de los procesos .

Podemos estudiar la variabilidad de la variable aleatoria en función del

tiempo o de la posición

En el caso de la mina podemos estudiar como varían las leyes

José Delgado
 La idea del variograma estudiar el valor medio de

( Z( x+h)- Z( x))^2

En función de la distancia h
semivariograma

3,5

γ(h)

Distancia h

0
0 1200

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Información estructural aportada por el Variograma

1.-continuidad espacial

2.-Zona de influencia

3.-las anisotropía

4.-Las estructuras anidadas

5.-La no estacionalidad ( derivas tendencias

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Otras medidas experimentales para medir la variabilidad/continuidad espacial

N ( h)
1.- Semivariograma γ ( h) =
1
2 * N ( h) ∑i =1
( zi − yi )2

N ( h)

2.- Semivariograma cruzado γ zy(h) =

1
2 * N ( h) ∑i =1
( zi − zi' )( yi − yi' )

N ( h)
3.- Covariograma C ( h) =
1
N ( h) ∑i =1
( xi yi −mx m y )

C ( h)
4.- Correlograma ρ ( h) =
σ xσ y

José Delgado
 γ (h)1
5.- Semivariograma general relativo γ GR (h) =
mx + m y 2
( )
2

N ( h)
6.- Semivariograma relativo de pareja γ PR(h) =
1
2 * N ( h) ∑i =1
( xi − yi )2
( x − yi ) 2
( i )
2

N ( h)
7.- Semivariograma de logaritmo γ L ( h) =
1
2 * N ( h) ∑i =1
(ln( xi ) − ln( yi ))2

N ( h)
8.- Semimadograma γ M ( h) =
1
2 * N ( h) ∑i =1
xi − yi

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 ¿Cuándo un modelo es admisible ?

Recordemos

Z* =
∑λi
i Z ( xi )

Por otra parte sabemos que

Var ( Z *) =
∑∑λ λ
i j
i j C ( xi − x j )

En efecto

∑λ
E ( Z *) = E (
i
i Z ( xi ) = ∑λ
i
i E ( Z ( xi )) = ∑λ
i
im

José Delgado
 Por definición

Var ( Z *) = E[ Z * − E ( Z *)]2

∑
2
⎡ ⎤
= E⎢ λi ( Z ( xi ) − m)⎥
⎣ ⎦

=
∑∑λ λ
i j
i j C ( xi − x j )

Esta varianza no puede ser negativa , Una funcion que verifica esta
condicione se define positiva o de tipo positiva

José Delgado
 Recíprocamente toda función definida positiva puede ser como la
varianza de una F.A.E. ,La situación es mas complicada cuando la
variable Z(x) es no estacionaria , pero intrínseca , en este caso la
varianza como combinación lineal no existe necesariamente .
Podemos afirmar que ella existe por combinación lineal de los
Aumentos .

Esta combinaciones que se dicen autorizadas se caracterizan por

∑λi
i =0

José Delgado
 Z(1)
Z(1)

Z(0)
Z(3)

Z(4)
Z(n)

José Delgado
 Las combinaciones autorizadas se caracterizan por:

∑λ i =0

Toda combinación lineal de aumentos verifica esta condición

∑λ i Z ( xi ) = ∑λ i [ Z ( xi ) − Z (0)]

La varianza es una combinación lineal

Var[
∑ λi Z ( xi )] =
∑∑ λi λ j Cov[Z ( xi ) − Z (0), Z ( x j − Z (0)]

José Delgado
 Para calcular las covarianzas de los aumentos utilizamos

Var(Z(x) − Z( y)) =Var(Z(x) − Z(0)) + Var(Z( y) − Z(0))

− 2Cov(Z(x) − Z(0),Z( y) − Z(0))
Dado que:
2γ (h) = Var ( Z ( x + h) − Z ( x))
Tenemos

2γ ( x − y ) = 2γ ( x) + 2γ ( y ) − 2Cov( Z ( x) − Z (0), Z ( y ) − Z (0))

José Delgado
 Obteniendo

Var[
∑λ i Z ( xi )] = ∑ ∑λλ
i j
[ i j (γ ( xi ) + γ ( x j ) − γ ( xi − x j ))]

Var[
∑λ i Z ( xi )] = ∑ ∑λ λ i j Cov[ Z ( xi ) − Z (0), Z ( x j − Z (0)]

=
∑λ ∑λ γ
j i ( xi ) + ∑λ γ i (x j ) − ∑∑λ λ γ i j ( xi − x j )

∑λ i =0

Var[
∑λ i Z ( xi )] = −∑ ∑λ λ γ
i j
i j ( xi − x j )

José Delgado
José Delgado
 Var ( Z * ) = Var [
∑λ i Z ( xi )] = − ∑ ∑λ λ γ
i j
i j ( xi − x j )

− (λ2γ (0) + λ2γ (0) + λ2γ (0) + 2λ1λ2γ (0.8) + 2λ1λ3γ (0.8) + 2λ2 λ3γ (1))
1 2 3

= −(0 + 0 + 0 − 0.2 − 0.2 + 0.5)

= −0.1
La varianza es negativa esto se produce porque la función utilizada
no esta definida positivamente

José Delgado
José Delgado
 El modelo lineal de regionalizacion

El variograma experimental mide la desemejanza promedio entre

las mediciones de su separación . En la practica a menudo
presenta cambios de pendiente ,mas o menos acentuados ,que
indican el paso a una estructuración diferente de los valores a partir
de ciertas distancias

José Delgado
 Análisis estructural o análisis variografico

Podemos traspasar todo al covarianzas siempre que se cumpla la hipótesis de

Estacionalidad de segundo orden ,El variograma provee un marco de estudio
mas general dado a que se define fuera del contexto estacionario de orden dos

El modelo variografico de un esquema anidado hace uso de uno de los

modelos de uso común el modelo lineal de regionalizacion ,que representa
el variograma

g(h)= g1(h)+ g2(h)+…….+gs (h)

José Delgado
 g(h)= g1(h)+ g2(h)+…….+gs (h)

La funcion aleatoria puede ser vista como la suma de procesos independiente

(o al menos con crecimiento espacialmente no correlacionados),apareciendo
como la superposición de componentes independientes actuando
simultáneamente ,pero a escala diferente

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Sondaje a los largo del sondaje

José Delgado
 Análisis variografico a corta distancia

a.-Parabólico :γ(h) ≈h² tal comportamiento indica que la

V.R. es muy regular .ella es continua y diferenciable

b.-Lineal γ(h)≈h en este caso la V.R. es continua pero no

diferenciable ,es menor regular que la parabólica

c.-Esto india que la variable es extremadamente irregular

a pequeñas distancias ,indicando fuertes variaciones a
corta distancia

d.-La relación entre dos valores continuos no presentan

ninguna correlación

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Estructuras anidadas:

Por estructuras anidadas se entiende una sobreposicion de variogramas

de diferentes alcances ,Esto se traduce en un fenomeno actuando en muchas
escalas ,Podemos ver cuatro componentes principales:

.-A nivel de muestras ,un efecto de pepita del error de la medida

.-A nivel petrografico (h<1 cm) variaciones debido a pasar de un componente

mineralogico a otro .

.-A escala metrica una estructuracion correspondiente a las “tendencia y formas”

de la mineralizacion

.-A grandes distancia una componentes que refleja la geometria de los

grandes cuerpos

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Ejemplo :

Un yacimiento 2D ,es modelado por un modelo con anisotropía geométrica . El

modelo es esférico con una meseta de 17%² y con un efecto pepita de Co= 10 %²
y los alcances son de 100 mts. En la dirección de mas continuidad (30º) y 60 mts
en la dirección de mas pequeña continuidad (120 0º) ,Cual es el variograma entre dos
Observaciones situados entre las coordenadas :

José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
José Delgado
 Otra herramientas

Validación cruzada

Z : Cu_T (True value)

15.

10.
7525300.

7525050.

Y (m)
5.
7524800.

7524550.
0.
375250.375750.376250.

0.

5.

10.

15.
X (m) Z* : Cu_T (Estimates)

0.8
0.7
0.6 10.
Frequencies

(Z*-Z)/S*
0.5
0.4 0.
0.3
0.2 -10.
0.1
0.0
-10.

0.

10.

0.
1.
2.
3.
4.
5.
6.
7.
8.
9.
(Z*-Z)/S* Z* : Cu_T (Estimates)
Isatis

José Delgado
 Análisis de validación cruzada

a.-Analisis grafico

1.-De localización

2.-Nube de correlación Z vs Z*

3.-Error estandarizado ( Z*-Z)/σ*

4.-Nube de correlación error estandarizado v/s valor estimado

b.-Análisis cuantitativo de media y varianza de los errores y errores

estandarizados

1.-Estadística de validación cruzada basada en el total de los datos

2.-Estadística de validación cruzada basada en los datos “robustos”

José Delgado