UNIVERSIDAD NACIONAL DE INGENIERIA

“FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y

METALÚRGICA”
ESCUELA PROFESIONAL DE INGENIERIA DE MINAS

VARIOGRAMA DE DATOS ALEATORIOS Y

COMPOSITO CADA 5m, 10m, 20m y 50m

ALUMNO:
 Irribarren Retuerto Luis Fernando

DOCENTE:
 Ing. Augusto Teves Rojas

CURSO:
 Geoestadística

2019-I

1
 1. OBJETIVOS:
 Calcular el Variograma, Histograma y datos estadísticos de los 10000 datos
obtenidos en forma aleatoria.
 Realizar una comparación de gráficas (Histograma y Variograma) obtenidas,
entre los valores aleatorios desordenados con los valores aleatorios ordenados

 Realizar una comparación de gráficas (Histograma y Variograma) obtenidas,

entre los valores aleatorios desordenados, con los valores aleatorios
compositados (cada 5m, 10m, 20m, 50m).

2. MARCO TEÓRICO:
La primera etapa en el desarrollo de un análisis geoestadístico es la determinación de la
dependencia espacial entre los datos medidos de una variable. Esta fase es también
conocida como análisis estructural. Para llevarla a cabo, con base en la información
muestral, se usan tres funciones: El semivariograma, el covariograma y el correlograma.
A continuación se hace una revisión del primer término
Variograma y Semivariograma.
Los incrementos de la variable regionalizada era finita. A esta función denotada por 2γ(h)
se le denomina variograma. Utilizando la definición teórica de la varianza en términos
del valor esperado de una variable aleatoria, tenemos:

La mitad del variograma γ(h), se conoce como la función de semivarianza y caracteriza

las propiedades de dependencia espacial del proceso. Dada una realización del
fenómeno, la función de semivarianza es estimada, por el método de momentos, a
través del semivariograma experimental, que se calcula mediante (Wackernagel, 1995):

donde Z(x) es el valor de la variable en un sitio x, Z(x+h) es otro valor muestral separado
del anterior por una distancia h y n es el número de parejas que se encuentran separadas
por dicha distancia. La función de semivarianza se calcula para varias distancia h. En la
práctica, debido a irregularidad en el muestreo y por ende en las distancias entre los

2
sitios, se toman intervalos de distancia {[ 0,h], (h ,2h], (2h,3 h] …. } y el semivariograma
experimental corresponde a una distancia promedio entre parejas de sitios dentro de
cada intervalo y no a una distancia h específica. Obviamente el número de parejas de
puntos n dentro de los intervalos no es constante.
Para interpretar el semivariograma experimental se parte del criterio de que a menor
distancia entre los sitios mayor similitud o correlación espacial entre las observaciones.
Su cálculo no consiste en una simple evaluación de su expresión, esta operación está
relacionada con los elementos siguientes:

 La dirección en la que será calculado el Variograma, uno o dos ángulos que

definen una dirección en el espacio a y/o b con tolerancias angulares. El
Variograma calculado usando tolerancia angular de 90º se denomina
"Variograma medio", "global" u "omnidireccional".
 El incremento o paso en el cálculo del Variograma h y su tolerancia lineal dh, se
recomienda que el valor de dh sea la mitad del incremento inicial.
 Una distancia, que representa la distancia máxima a que pueden estar alejados
los segundos puntos del par con respecto a la línea que define la dirección de
cálculo, conocido como ancho de banda.
 La distancia Lmax hasta la cual será calculado del Variograma. Se recomienda
que ésta sea la mitad de la distancia entre las muestras más alejadas, aunque
dependiendo de la geometría del fenómeno regionalizado en algunos casos
puede ser calculado hasta una distancia superior.

3
 3. PROCEDIMIENTO:
El procedimiento de dicho informe se puede dividir en dos partes:
La primera parte; con ayuda del lenguaje de programación Python nos entrega en
formato txt los siguientes archivos: los datos aleatorios ordenados, los valores de la
función variograma de los datos aleatorios, los datos aleatorios ordenados, y de los
datos del compósito para cada caso (5m, 10m, 20m, 50m)
La segunda parte; los datos obtenidos se guarda en formato Excel, y con ayuda de la
aplicación IBM SPSS STATISTICS 22, nos muestra los valores tales como la media,
varianza, desviación estándar y coeficiente de variación, del mismo modo nos muestra
las gráficas(histograma y variograma).
El algoritmo del Python y SPSS serán detallados en el siguiente punto.

4. ALGORITMO:
4.1. ALGORITMO PARA PYTHON:

a) Crear el código para ordenar los datos aleatorios:

De esta forma se abre el archivo que contiene los datos iniciales. Se utiliza
para los demás códigos

4
b) Crear el código para obtener los valores de la Función Variograma
NOTA: El presente código se puede utilizar para los datos aleatorios y
aleatorios ordenados

c) Crear el código para obtener los valores de la Función Variograma,

compositando por cada 5m, 10m, 20m, 50m.

Nos pide ingresar la longitud de compósito, poner 5,10,20,50, para cada caso

5
 Realizando esa operación para cada caso, guardamos todos los txt en una
carpeta.

4.2. ALGORITMO PARA SPSS:

Una vez terminado la primera parte, continuamos con la segunda parte, el cual
es enviar todos los datos obtenidos al SPSS.

NOTA: Se deja espacio en el compósito ya que al momento de agrupar, los datos

terminen en el número 10000.

6
5. RESULTADOS:

5.1. Datos aleatorios:

a) Valores de la media, varianza, CV, y gráfica del histograma

b) Gráfica del Variograma

7
5.2. Datos aleatorios Ordenados:

a) Valores de la media, varianza, CV, y gráfica del histograma

b) Gráfica del Variograma

8
5.3. Compósito:

5.3.1. Compositar cada 5m:

A) Valores de la media, varianza, CV, y gráfica del histograma:

B) Gráfica del Variograma:

9
5.3.2. Compositar cada 10m:

A) Valores de la media, varianza, CV, y gráfica del histograma:

B) Gráfica del Variograma:

10
5.3.3. Compositar cada 20m:

A) Valores de la media, varianza, CV, y gráfica del histograma:

B) Gráfica del Variograma:

11
5.3.4. Compositar cada 50m:

A) Valores de la media, varianza, CV, y gráfica del histograma

B) Gráfica del Variograma:

12
6. ANEXO:
A) GRAFICO DEL VARIOGRAMA DE VALORES ALEATORIOS Y COMPOSITO:

7. CONCLUSIONES:

Con el presente informe se pudo concluir que:

 El Variograma de datos agrupados, forma una exponencial creciente

 Los datos estadísticos de las variables aleatorios y aleatorias ordenas no

cambian.

 En cada composito los valores de la funcion Variograma se fueron reduciendo.

 En los compositos, el histograma se fue juntando al centro y prueba de eso nos

indica la menor varianza y coeficiente de variación siendo esto mas visible el en
caso del composito cada 50m

 Estos ejemplos fueron ideales ya que las leyes están proyectas sobre una recta
horizontal, caso contrario ocurre en la vida real ya que los taladros se desvían y
realizaremos otros métodos para calcular el variograma.

13