1GeoestadisticaCurso PDF

ESCUELA PROFESIONAL DE
INGENIERIA MINAS
CURSO:
GeoEstadística
ING. Darwin Ortega Cáceres
Ing. Darwin Ortega Cáceres - MI 548 1

Capitulo I
GeoEstadística
Introducción
En el campo de las geociencias es común encontrar variables distribuidas

espacialmente. Para el estudio de estas variables son usados diversos
procedimientos geoestadísticos de estimación y/o simulación. Esto es, a partir
de un conjunto de muestras tomadas en localizaciones del dominio en que se
manifiesta un fenómeno a estudiar y consideradas representativas de su
realidad, que por lo general es siempre desconocida, estos procedimientos
permiten la descripción o caracterización de las variables con dos fines
diferentes,

Capitulo I
GeoEstadística
Introducción
primero, proporcionar valores estimados en localizaciones de interés y

segundo, generar valores que en conjunto presenten iguales características
de dispersión que los datos originales. La geología y la minería es el campo
típico para la aplicación de estos modelos, campo en el que surge y se
desarrolla la Geoestadística como ciencia aplicada. Se hace referencia en este
curso a los conceptos fundamentales de la Geoestadística.

Capitulo I
GeoEstadística
Introducción
Problema que dio origen a la Geoestadística.
La búsqueda, exploración y evaluación de yacimientos minerales útiles es una

de las actividades fundamentales que toda empresa minera debe desarrollar
durante su vida útil, destacándose entre otras tareas: el pronóstico científico
en la localización de los yacimientos minerales útiles, la elaboración de
métodos eficaces para la exploración y la evaluación geólogo económico de
los yacimientos para su explotación (Lepin y Ariosa, 1986; Armstrong y
Carignan, 1997; Chica, 1987).

Capitulo I
GeoEstadística
Introducción
Problema que dio origen a la Geoestadística.
Todo esto condicionado al agotamiento de los recursos producto de la

explotación y a las fluctuaciones de las cotizaciones del mercado. Los trabajos
de búsqueda y exploración se dividen en estadios que son resultado de la
aplicación de un principio importante del estudio del subsuelo, el Principio de
Aproximaciones Sucesivas. Cada uno de los estadios culmina con la
determinación lo más aproximada posible de los recursos minerales del
yacimiento, actividad fundamental de las empresas geólogo - mineras
conocida como cálculo de recursos y reservas.

Capitulo I
GeoEstadística
Introducción
El desarrollo de la minería ha traído unido el perfeccionamiento de los

métodos de búsqueda de los minerales útiles, y los de la determinación de su
cantidad y utilidad para la extracción (Lepin y Ariosa, 1986), además, el
mundo minero se hace cada vez más competitivo y las compañías necesitan
evaluar su potencial económico (Berckmans y Armstrong, 1997).

Capitulo I
GeoEstadística
Concepto
La Geoestadística se define como la aplicación de la Teoría de Funciones
Aleatorias al reconocimiento y estimación de fenómenos naturales (Journel y
Huijbregts, 1978), o simplemente, el estudio de las variables numéricas
distribuidas en el espacio (Chauvet, 1994), siendo una herramienta útil en el
estudio de estas variables (Zhang, 1992).

Capitulo I
GeoEstadística
Concepto
Su punto de partida es asumir una intuición topo-probabilista (Matheron,
1970). Los fenómenos distribuidos en el espacio, la mineralización en un
yacimiento mineral por ejemplo, presenta un carácter mixto, un
comportamiento caótico o aleatorio a escala local, pero a la vez estructural a
gran escala (figura 1).

Capitulo I
GeoEstadística
Concepto
Se puede entonces sugerir la idea de interpretar este fenómeno en términos
de Función Aleatoria (FA), es decir, a cada punto x_ del espacio se le asocia
una Variable Aleatoria (VA) Z(x), para dos puntos diferentes x e y, se tendrán
dos VAs Z(x) y Z(y) diferentes pero no independientes, y es precisamente su
grado de correlación el encargado de reflejar la continuidad de la
mineralización, o de cualquier otro fenómeno en estudio, de modo que el
éxito de esta técnica es la determinación de la función de correlación espacial
de los datos (Zhang, 1992).
9
Capitulo I
GeoEstadística
Concepto
Su estimador, El Krigeaje, tiene como objetivo encontrar la mejor estimación
posible a partir de la información disponible, y en efecto, el valor estimado
obtenido Z*(x) de un valor real y desconocido Z(x), consiste en una
combinación lineal de pesos asociados a cada localización donde fue
muestreado un valor Z(xi) (i = 1,…n) del fenómeno estudiado, observando dos
condiciones fundamentales:
1.- que el estimador sea insesgado. E[Z* - Z] = 0, y
2.- que la varianza Var[Z* - Z] sea mínima, consiguiéndose de este modo
minimizar la varianza de error de estimación.
10
Capitulo I
GeoEstadística
Concepto
A diferencia de otros métodos de interpolación, como por ejemplo el inverso
de la distancia, el krigeage utiliza en la estimación las características de
variabilidad y correlación espacial del fenómeno estudiado, por lo que su uso
implica un análisis previo de la información con el objetivo de definir o
extraer de esta información inicial un modelo que represente su continuidad
espacial. Una vez logrado, estamos en condiciones de obtener el mejor valor
posible en cada localización o bloque a estimar a partir de los datos medidos,
acompañada de la varianza de krigeaje como medida del error de la
estimación realizada (Armstrong y Carignan, 1997), lo que distingue al
krigeaje de otros métodos de interpolación (Abasov et al., 1990; de Fouquet,
1996; Carr, 1995).
11
Capitulo I
GeoEstadística
Concepto

Capitulo I
GeoEstadística
Análisis Exploratorio de Datos
Es un conjunto de técnicas estadísticas y gráficas que permiten establecer un buen

entendimiento básico del comportamiento de los datos y de las relaciones existentes
entre las variables que se estudian.
El análisis exploratorio de datos (AED) es un paso previo e indispensable para la

aplicación exitosa de cualquier método estadístico.
En particular permite la detección de fallos en el diseño y toma de datos, el

tratamiento y/o la evaluación de datos ausentes, la identificación de valores atípicos y
la comprobación de los supuestos requeridos por parte de las técnicas geoestadísticas.

Capitulo I
GeoEstadística
Etapas de un Análisis Exploratorio de Datos
• Realizar un examen gráfico de la naturaleza de las variables individuales y un

análisis descriptivo numérico que permita cuantificar algunos aspectos gráficos de
los datos.
• Realizar un examen gráfico de las relaciones entre las variables y un análisis

descriptivo numérico que cuantifique el grado de interrelación existente entre
ellas.
• Evaluar algunos supuestos básicos subyacentes a muchas técnicas estadísticas, por

ejemplo, normalidad, linealidad y homocedasticidad.

Capitulo I
GeoEstadística
Etapas de un Análisis Exploratorio de Datos
• Identificar los posibles valores atípicos (outliers) y evaluar el impacto potencial que
puedan ejercer en análisis estadísticos posteriores.
• Evaluar, el impacto potencial que pueden tener los datos ausentes (missing) sobre
la representatividad de los datos analizados.

Capitulo I
GeoEstadística
Herramientas de un Análisis Exploratorio de Datos
• Estadística univariada
• Estadística bivariada, multivariada.
• Regresión lineal y mínimos cuadrados.

Capitulo I
GeoEstadística
CAMPO DE APLICACION
El campo de aplicación más importante de la geoestadística es, sin duda,

la minería. Sin embargo, el formalismo teórico que la sustenta es de un
carácter más general, permitiendo que esta teoría se aplique a muchos
campos distintos al ámbito minero, como son la gravimetría,
hidrogeología, reconocimiento forestal, ecología, etc.

Capitulo I
GeoEstadística
CAMPO DE APLICACION
Ejemplos importantes de aplicación son:
• En la predicción de leyes de mena globales (de todo un depósito) o locales

(porejemplo, predicciones de la ley de mena de la semana entrante o de
un cierto sector del yacimiento).
• En la aplicación de sus contenidos temáticos durante las distintas fases de la

exploración, particularmente en la decisión de dónde y cuánto muestrear
(planificación minera).
• En la determinación de las mezclas óptimas de mineral para su envío a la

planta.

Capitulo I
GeoEstadística
IMPORTANCIA DE LA GEOESTADISTICA EN LA MINERIA
La Geoestadística considera que cualquier punto de un depósito está

espacialmente relacionado con sus vecinos y cuanto más cerca mucho
mayor es la correlación. Basado en esta hipótesis, la geoestadística se
convierte en una avanzada herramienta para la estimación de reservas,
resolviendo en gran medida las dudas planteadas por otras técnicas. La
base teórica de la geoestadística permite cuantificar los conceptos
geológicos de:

Capitulo I
GeoEstadística
• Area de influencia ( rango)
• Erraticidad del depósito en estudio ( efecto pepita)
• Zonas de alta, regular y baja mineralización ( anisotropía)
• Estimación, inferencia o interpolación de valores a zonas donde no se tiene

información, minimizando el error posible.

Capitulo I
GeoEstadística
• Error de estimación para cada punto o bloque estimado, lo cual permite

conocer los límites de confiabilidad de la estimación.( Ninguna otra
técnica permite conocer estos valores punto a punto).
• Optimización del muestreo para reducir el error de estimación, y por

consiguiente tener un gran ahorro económico para futuras campañas de
muestreo en el mismo depósito.
• Gráfica de toda esta información, lo que representa una valiosa ayuda en la

toma de decisiones.

Capitulo I
GeoEstadística
La Geoestadística no resuelve todos los problemas en la estimación de

recursos minerales, puede considerarse como una herramienta que bien
usada puede dar muy buenos resultados. Un punto que se debe enfatizar
es que cualquiera sea el método de estimación que se use, siempre el
resultado conlleva algún error y la Geoestadística no es inmune a esta
situación.

Capitulo I
GeoEstadística
No se debe olvidar que el objetivo principal de una estimación de reservas

consiste en tratar de representar los resultados de los análisis de los datos
del muestreo a todos los puntos del depósito que interesa, y por lo tanto,
obtener el dato de ley y tonelaje que más se ajuste a la realidad.

Capitulo I
GeoEstadística
Variable Regionalizada
Un concepto clave en Geoestadística es el de variable regionalizada, que
posee propiedades intermedias entre una variable completamente
aleatoria y una completamente determinística.

Capitulo I
GeoEstadística
A modo de definición una variable regionalizada es una variable aleatoria

cuya realización depende de la posición.

Capitulo I
GeoEstadística

Ejemplos típicos de variables regionalizadas son la elevación topográfica

de algún terreno, el perfil de pozo registrado con alguna herramienta de
sondeo, etc.

Capitulo I
GeoEstadística

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.
Capitulo I
GeoEstadística
Soporte
Una variable regionalizada es espacialmente continua, sin embargo en la

práctica se dispone de muestras puntuales tomadas en lugares
específicos, por ejemplo en los pozos. El tamaño, forma, orientación y
distribución espacial de estas muestras se conoce con el nombre de
soporte de la variable regionalizada, si por alguna razón cambia, entonces
la variable regionalizada también lo hace. Si el muestreo es denso e
importante estas variaciones serán mas imperceptibles, aproximándonos
al modelo intrínseco que gobierna la distribución espacial de esa variable
(ley de los grandes números).

Capitulo I
GeoEstadística
por lo tanto como definición podemos decir que:
Una variable medida en el espacio de forma que presente una estructura

de correlación, se dice que es una variable regionalizada. De manera más
formal se puede definir como un proceso estocástico con dominio
contenido en un espacio euclidiano dimensional

Capitulo I
GeoEstadística
• Se nombra como variable regionalizada z ( ) a la variable distribuida en el espacio
de manera tal que presenta una estructura espacial de correlación.
• Una definición más rigurosa matemáticamente equivalente consistiría en decir que

una variable regionalizada es una variable aleatoria z definida en un punto del
espacio .
• Donde en el caso más general x es un punto en el espacio tridimensional, es decir

Capitulo I
GeoEstadística
Variable regionalizada
Al tomar una muestra de una función aleatoria, a la que llamaremos
realización, se obtendrá una función espacial discreta la cual constituye una
variable regionalizada.
Es decir una realización de una función aleatoria es una variable regionalizada

Capitulo I
GeoEstadística
El objeto sobre el cual trabajaremos será una descripción matemática del
fenómeno regionalizado, a saber, una o varias funciones numéricas llamadas
Variables Regionalizadas, que miden ciertas propiedades o atributos
relacionados con este fenómeno.

Capitulo I
GeoEstadística
• Por ejemplo:
• En el espacio de una dimensión, sea

z(x) = Ley de Cu a lo largo de una galería, la
potencia de una veta, la acumulación, la
densidad de la roca o la recuperación
metalúrgica, describen un fenómeno de
mineralización;
• la porosidad y la permeabilidad de la roca
en un reservorio de petróleo o en un
acuífero;
• la concentración de un elemento
contaminante en la atmósfera o en el suelo;
• la altitud topográfica en un punto del
espacio geográfico.

Capitulo I
GeoEstadística
• Por ejemplo:

mineralización;
acuífero;

Capitulo I
GeoEstadística
• Por ejemplo:

mineralización;
acuífero;

Capitulo I
GeoEstadística
• Por ejemplo:
• En el espacio de dos dimensiones, sea

z(x1, x2) = z(x) = potencia mineralizada en
un yacimiento

Capitulo I
GeoEstadística
• Por ejemplo:
• En el espacio de dos dimensiones, sea

z(x1, x2) = z(x) = potencia mineralizada en
un yacimiento

Capitulo I
GeoEstadística
• Por ejemplo:
• En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = Ley de Cu en el

punto x dentro de un depósito masivo:

Capitulo I
GeoEstadística
• Por ejemplo:
• En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = Ley de Cu en el

punto x dentro de un depósito masivo:

Capitulo I
GeoEstadística
Del punto de vista conceptual, una variable regionalizada es una función estocástica.
En general, esta función presenta dos aspectos complementarios: por una parte, tiene
una cierta “continuidad” espacial (zonas de altos valores / zonas de bajos valores), pero
por otro lado, varía irregularmente y escapa a toda representación simple.

Capitulo I
GeoEstadística
Del punto de vista conceptual, una variable regionalizada es una función estocástica.
En general, esta función presenta dos aspectos complementarios: por una parte, tiene
una cierta “continuidad” espacial (zonas de altos valores / zonas de bajos valores), pero
por otro lado, varía irregularmente y escapa a toda representación simple.

Capitulo I
GeoEstadística
Función Aleatoria
Si a cada punto x_que pertenece a un dominio Ω en el espacio le hacemos
corresponder una variable aleatoria Z, entonces el conjunto de variables aleatorias
espacialmente distribuidas será una función aleatoria Z ( x_).
Ejemplo:
• La distribución espacial de las facies o la porosidad en un yacimiento.
• La Geoestadística es la aplicación de la Teoría de las Variables Regionalizadas a la

estimación de procesos o fenómenos geológicos en el espacio (Matheron 1962).

Capitulo I
GeoEstadística
Función Aleatoria
Observaciones:
a) No se puede afirmar que una variable regionalizada es una función

aleatoria. Esto tendría el mismo sentido que decir “el número 6 es una
variable aleatoria”.
El enunciado correcto de la hipótesis probabilística de la geoestadística es:

“z(x) es la realización de una función aleatoria Z(x)”.

Capitulo I
GeoEstadística
Función Aleatoria
Observaciones:
b) Para que esta hipótesis probabilística tenga un sentido real, es necesario

poder reconstituir, al menos en parte, la ley de probabilidad de la función
aleatoria, lo cual supone que la inferencia estadística (es decir el cálculo
de parámetros que caracterizan la función aleatoria) es posible. Es
necesario introducir una hipótesis suplementaria a la función aleatoria
Z(x). Esta hipótesis es conocida como hipótesis de estacionaridad y
expresa que la variación espacial de las realizaciones de Z(x) deben ser
homogéneas.

Capitulo I
GeoEstadística
Función Aleatoria
Observaciones:
b)
Esta hipótesis se puede debilitar al suponer que las diferencias Z(x) – Z(y)
son estacionarias localmente (lo cual se conoce como hipótesis intrínseca).
La estacionaridad es una propiedad del modelo (función aleatoria) y

quedará más clara cuando se estudie el cálculo de variogramas.

Capitulo I
GeoEstadística
Función Aleatoria
Observaciones:
En base al nivel de homogeneidad espacial que se le suponga a la función

aleatoria generadora de la realización observada se tiene la siguiente
casuística:

Capitulo I
GeoEstadística
Función Aleatoria - Hipótesis de Estacionaridad
Clasificación de las Funciones Aleatorias según su grado de estacionaridad
• Función Aleatoria Estacionaria en sentido estricto o estrictamente estacionaria
• Función Aleatoria estacionarias de segundo orden.
• Funciones aleatorias no estacionaria pero intrínsecamente estacionaria.
• Funciones aleatorias no estacionarias

Capitulo I
GeoEstadística
1. Función Aleatoria Estacionaria en sentido estricto o estrictamente estacionaria
Se dice que una función aleatoria es estrictamente estacionaria si su función de

distribución
es invariante a cualquier traslación respecto a un vector h o lo que es equivalente, la

función de distribución del vector aleatorio es
idéntica a la del vector para cualquier h .
Usualmente se trabaja sólo con los momentos hasta de segundo orden, resulta práctico
limitar la hipótesis de estacionaridad a estos primeros momentos.

Capitulo I
GeoEstadística
2. Función Aleatoria estacionarias de segundo orden
Se dice que una función aleatoria es estacionaria de segundo orden si se cumple que:
i) su valor esperado existe y no depende de x,
ii) para cualquier par de variables aleatorias Z (x) y Z (x + h) , su covarianza existe y sólo
depende del vector de separación h,
La estacionaridad de la varianza implica que la varianza existe, es finita y no depende de

x , es decir:

Capitulo I
GeoEstadística
2. Función Aleatoria estacionarias de segundo orden
Así mismo bajo esta hipótesis el semivariograma también es estacionario y se cumple

que:
Además existe una relación directa entre el semivariograma y la función de covarianza
En este caso resulta suficiente usar una de las dos funciones para caracterizar la
dependencia espacial.

Capitulo I
GeoEstadística
3. Funciones aleatorias no estacionaria pero intrínsecamente estacionaria.
Existen funciones aleatorias Z (x) que representan a fenómenos físicos que muestran
una capacidad casi ilimitada de variación, por lo que para estas funciones no están
definidas la varianza ni la covarianza. Sin embargo existen casos en que sus incrementos
o diferencias Z (x + h) − Z (x), tienen una varianza finita. En otras palabras, esto quiere
decir que las diferencias son estacionarias de segundo orden.
Por lo tanto las funciones aleatorias intrínsecas son aquellas que cumplen las siguientes
condiciones:
i) El valor esperado de las diferencias es:

Capitulo I
GeoEstadística
3. Funciones aleatorias no estacionaria pero intrínsecamente estacionaria.
ii) La varianza de las diferencias es
Estas condiciones se conocen como Hipótesis Intrínseca.

Es evidente que una función aleatoria estacionaria de segundo orden es siempre
intrínseca.
Lo contrario no se cumple. A las funciones que cumplen con la hipótesis intrínseca se
les considera como débilmente estacionarias.

Capitulo I
GeoEstadística
4. Función aleatoria no estacionaria
Las funciones aleatorias no estacionarias son aquellas cuya esperanza matemática

depende de x :
A m(x) se le conoce como función de deriva o tendencia.
Si consideramos a la función aleatoria Z (x) como la suma de una componente

determinística m(x) y de un residuo R(x) estacionario con media nula, es decir:

Capitulo I
GeoEstadística
Entonces vemos que el semivariograma de Z (x) depende de x
En el caso en que la deriva sea lineal m( x) = m o+ m1⋅ x el semivariograma no depende

de x
pero crece con el cuadrado de h , lo cual puede servir de indicador para la detección de
la existencia de tendencia.

Capitulo I
GeoEstadística

Fig. : Ejemplo de semivariograma en presencia de tendencia muestra un crecimiento h2 en la dirección de 45° con intervalo 4 km .
Capitulo I
GeoEstadística
Función de distribución y momentos de una FA
Sea Z (x) una función aleatoria definida en R³ , entonces el vector aleatorio
Se caracteriza por su función de distribución de probabilidad n - variada:

Capitulo I
GeoEstadística
Momentos de una Función Aleatoria.
Momento de primer orden

En muchos problemas (como el de interpolación por kriging), se puede simplificar aun
más la caracterización de la función aleatoria, al considerar solamente algunos
parámetros descriptivos o momentos de las distribuciones univariables y bivariables,
que “ resumen” la información más relevante.
Estos son:

Capitulo I
GeoEstadística

Estos son:
• El Valor Esperado (esperanza, o momento de primer orden)

Capitulo I
GeoEstadística

Estos son:
• El Valor Esperado (esperanza, o momento de primer orden)
En cada sitio x_ dado, m(x_) representa la “media” alrededor de la cual se distribuyen

los valores tomados por las realizaciones de la función aleatoria.

Capitulo I
GeoEstadística
Los momentos de segundo orden considerados en geoestadística son:
• La VARIANZA, o varianza apriori, definida por:
La varianza es una cantidad positiva. Su raíz cuadrada se llama Desviación Estándar.

La varianza y la desviación estándar constituyen medidas de la dispersión de Z(x_) en
torno a su valor medio m(x_) y cuantifican, de esta forma, su carácter “ aleatorio”.

Capitulo I
GeoEstadística
• La Covarianza centrada entre dos variables aleatorias Z(x1) y Z(x2):
La covarianza da una visión elemental del vínculo o “ interacción” que existe entre
Z(x1) y Z(x2). La desigualdad de Cauchy-Schwarz relaciona la covarianza entre Z(x1) y
Z(x2). con las varianzas de Z(x1) y Z(x2):

Capitulo I
GeoEstadística
• El Correlograma (coeficiente de correlación lineal) entre dos variables aleatorias

Z(x1) y Z(x2):
Al contrario de la covarianza, el correlograma es adimensional y toma sus valores en el

intervalo [-1,1]. Un coeficiente ρ nulo indica que las variables Z(x1) y Z(x2) no están
correlacionadas (condición necesaria para que sean independientes), mientras que un
coeficiente igual a 1 ó -1 indica que son proporcionales.

Capitulo I
GeoEstadística
• El Semi - Variograma o Variograma entre dos variables aleatorias Z(x1) y Z(x2):

1GeoestadisticaCurso 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

1GeoestadisticaCurso PDF

Cargado por

Copyright:

Formatos disponibles

ESCUELA PROFESIONAL DE

ING. Darwin Ortega Cáceres

Ing. Darwin Ortega Cáceres - MI 548 1

En el campo de las geociencias es común encontrar variables distribuidas

Ing. Darwin Ortega Cáceres - MI 441 2

primero, proporcionar valores estimados en localizaciones de interés y

Ing. Darwin Ortega Cáceres - MI 441 3

La búsqueda, exploración y evaluación de yacimientos minerales útiles es una

Ing. Darwin Ortega Cáceres - MI 441 4

Todo esto condicionado al agotamiento de los recursos producto de la

Ing. Darwin Ortega Cáceres - MI 441 5

El desarrollo de la minería ha traído unido el perfeccionamiento de los

Ing. Darwin Ortega Cáceres - MI 441 6

Ing. Darwin Ortega Cáceres - MI 441 7

Ing. Darwin Ortega Cáceres - MI 441 8

Ing. Darwin Ortega Cáceres - MI 441 12

Es un conjunto de técnicas estadísticas y gráficas que permiten establecer un buen

El análisis exploratorio de datos (AED) es un paso previo e indispensable para la

En particular permite la detección de fallos en el diseño y toma de datos, el

Ing. Darwin Ortega Cáceres - MI 441 13

• Realizar un examen gráfico de la naturaleza de las variables individuales y un

• Realizar un examen gráfico de las relaciones entre las variables y un análisis

• Evaluar algunos supuestos básicos subyacentes a muchas técnicas estadísticas, por

Ing. Darwin Ortega Cáceres - MI 441 14

Ing. Darwin Ortega Cáceres - MI 441 15

• Estadística bivariada, multivariada.

• Regresión lineal y mínimos cuadrados.

Ing. Darwin Ortega Cáceres - MI 441 16

El campo de aplicación más importante de la geoestadística es, sin duda,

Ing. Darwin Ortega Cáceres - MI 441 17

Ejemplos importantes de aplicación son:

• En la predicción de leyes de mena globales (de todo un depósito) o locales

• En la aplicación de sus contenidos temáticos durante las distintas fases de la

• En la determinación de las mezclas óptimas de mineral para su envío a la

Ing. Darwin Ortega Cáceres - MI 441 18

La Geoestadística considera que cualquier punto de un depósito está

Ing. Darwin Ortega Cáceres - MI 441 19

• Area de influencia ( rango)

• Erraticidad del depósito en estudio ( efecto pepita)

• Zonas de alta, regular y baja mineralización ( anisotropía)

• Estimación, inferencia o interpolación de valores a zonas donde no se tiene

Ing. Darwin Ortega Cáceres - MI 441 20

• Error de estimación para cada punto o bloque estimado, lo cual permite

• Optimización del muestreo para reducir el error de estimación, y por

• Gráfica de toda esta información, lo que representa una valiosa ayuda en la

Ing. Darwin Ortega Cáceres - MI 441 21

La Geoestadística no resuelve todos los problemas en la estimación de

Ing. Darwin Ortega Cáceres - MI 441 22

No se debe olvidar que el objetivo principal de una estimación de reservas

Ing. Darwin Ortega Cáceres - MI 441 23

Ing. Darwin Ortega Cáceres - MI 441 24

A modo de definición una variable regionalizada es una variable aleatoria

Ing. Darwin Ortega Cáceres - MI 441 25

A modo de definición una variable regionalizada es una variable aleatoria

Ejemplos típicos de variables regionalizadas son la elevación topográfica

Ing. Darwin Ortega Cáceres - MI 441 26

A modo de definición una variable regionalizada es una variable aleatoria

Ejemplos típicos de variables regionalizadas son la elevación topográfica

En contraposición con una variable totalmente aleatoria, una variable

Una variable regionalizada es espacialmente continua, sin embargo en la

Ing. Darwin Ortega Cáceres - MI 441 28

Una variable medida en el espacio de forma que presente una estructura

Ing. Darwin Ortega Cáceres - MI 441 29