UNIVERSIDAD ALAS PERUANAS

FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS

CURSO: GEOESTADÍSTICA I

DOCENTE DEL CURSO

ING. KROVER W. LAZARTE PONCE

Ing. Krover W. Lazarte P. 1

 4. CONTENIDO ANALÍTICO

SEMANA 3
CAPITULO II: ANALISIS ESTRUCTURAL
2.1 Composición de las variables regionalizadas.
2.2 Análisis estructural mediante variogramas.
SEMANA 4
2.3 Construcción de variogramas experimentales en los diversos tipos de
yacimientos: Yacimientos filoneanos, diseminados de oro, pórfido de
cobre, morrenas glaciares, skarn, mantos de hierro ,etc.

Ing. Krover W. Lazarte P. 2

 ANÁLISIS ESTRUCTURAL
El análisis estructural es uno de los tópicos mas importantes de la
geoestadística puesto que se encarga de la caracterización de la estructura
espacial de una propiedad o fenómeno regionalizado. Es el proceso en el
marco del cual se obtiene un modelo geoestadístico para la función aleatoria
que se estudia.
En pocas palabras podemos decir que el análisis estructural consiste en
estimar y modelar una función que refleje la correlación espacial de la
variable regionalizada a partir de la adopción razonada de la hipótesis más
adecuada acerca de su variabilidad. Esto quiere decir, que en dependencia de
las características de estacionaridad del fenómeno se modelará la función de
covarianzas o la de semivarianzas.

Por su importancia y generalidad estudiaremos el proceso de estimación

y modelación de la función de semivarianzas o semivariograma.

Ing. Krover W. Lazarte P. 3

 i) Análisis estructural ii) Soporte y campo

1% 2% Ley V
10
v

50

zv   zx1 , x2 , x3 dx1dx2 dx3

1
v V
Prof aleatoriedad La superficie o el volumen sobre el cual se considera la
(m) variable regionalizada se denomina soporte.

tendencia regular Dado que un fenómeno regionalizado nunca posee una

extensión infinita, estudiaremos la V.R. sólo dentro de un
dominio limitado D llamado campo de la variable.
 VARIABLES
z
Superficie
REGIONALIZADAS (VR)

y p(x) z(x)

⇒ Geoestadística: “Aplicación de
métodos probabilísticos a variables
x regionalizadas.” A(x) = p(x) * z(x)
Las variables espaciales no suelen ser Variable Regionalizada, V.R.
totalmente aleatorias, pero muestran una (G. Matheron)
forma de estructura en su variabilidad
= Variable Aleatoria (V.A.) que
espacial: se distribuye espacialmente
⇒Los puntos cercanos en el espacio -
tiempo suelen adoptar valores similares
VARIABLES REGIONALIZADAS
Teoría y Componentes:
La teoría de las variables regionalizadas supone que se puede expresar la
variación de cualquier variable como la suma de tres componentes
básicos:
• Componente estructural, µ (u): media constante o deriva, función
determinística.
• Componente aleatorio, espacialmente correlacionado, δ (u):
estocástico, localmente variable y espacialmente dependiente,
residuos de µ (u): la variable regionalizada.
• “Ruido blanco”, espacialmente independiente, ε (u): error aleatorio
residual con N(0,1)
VARIABLES REGIONALIZADAS
Teoría y Componentes:
VARIABLES REGIONALIZADAS
Teoría y Componentes:
El concepto de la Función Aleatoria (FA):

Hipótesis de Estacionariedad:
 Suponer estacionariedad para poder tratar los datos en diferentes puntos
como si fueran diferentes realizaciones de la propiedad.
 Estacionariedad significa que la función de distribución del proceso
aleatorio tiene característicos que son iguales en todos los puntos (primer
y segundo momento).
LA FUNCIÓN DE AUTOCORRELACIÓN
Características de las funciones de correlación espacial
Características de las funciones de correlación espacial
FUNCION VARIOGRAMA: Forma de cálculo

Es la función probabilística n -h 2
 -Z
que representa el patrón de
ZX
g
distribución de una variable Xi
i+h
2 (h)  i -1
regionalizada

n -h

x+h

OMNIDIRECCIONAL
x
VARIABLE REGIONALIZADA:
• V.R. es cualquier variable que fluctúa en el espacio (geo-referenciada) o en el
tiempo.
• Tiene dos características fundamentales:
• Gran variabilidad local.- Dientes de sierra
• Presenta una “estructura” y tendencia a mayor escala
• Ejemplos típicos:
• Leyes de Au, Ag, Cu, Fe, As, etc.
• Potencia de una veta o manto
• La variación del precio de Au en el tiempo
• Humedad
• Porosidad y permeabilidad
• Toneladas procesadas en Molinos
• Contenido mineralógico (% de qz, ser, ARCs, cac, bt, etc.)
• % de elementos u óxidos (Si, Ti, K, CaO, MgO, Fe2O3, etc.)
• Recuperación de Au
• Densidad de fracturamiento
• BWI
• Consumo de ácido (Kg/TM)… etc.
 g (h)
FUNCION VARIOGRAMA: Graficación

GEO ESTADISTICA
meseta
s
2
C

C0
a h
DEPENDENCIA INDEPENDENCIA
ESTRUCTURA ALEATORIEDAD
h : paso entre las muestras
C0 : efecto de pepita
a : alcance
C : sill
C + C0 : meseta
s2 : varianza estadística
 Parámetros de un Variograma
0.3
γ(h) Meseta (C )

0.2

C1
0.1

Efecto
Co
de h(m)
pepita 0 0 5 10 15
a 20 25 30

C = C o + C1 Alcance
¿Cómo calcular el variograma?
¿Cómo calcular el variograma?
¿Cómo calcular el variograma?
Construcción de un semivariograma experimental

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

35 35 0
35 33 4
... ... ...

Suma 197

g ( h) 
 (( z( x  h) - z( x)) 2
g (1) 
197
2(24)
 4,1
2 N ( h)
 Semivariogramas obtenidos

20
18
16
14
12 α1
γ(h)

10 α2
8 α3
6 α4

4
2
0
0 1 2 3 4 5

Semivariogramas direccionales obtenidos

Lag 1 Lag 2 Lag 3

Direcciones n1 γ(1) n2 γ(2) n3 γ(3)

α1 24 4,10 20 8,40 18 12,10
α2 22 4,25 18 8,20 15 10,90
α3 19 5,00 16 11,90 10 17,30
α4 18 6,50 14 11,30 8 15,40
EJEMPLO DE CALCULO Y TRAZADO MANUAL DE UN
VARIOGRAMA g(h)
5

3.2 h=1 h=2 h=3 h=4 h=5 h=6 4

4.0
[d1]2 [d2]2 [d3]2 [d4]2 [d5]2 [d6]2 3 [d7]2 [d8]2
2.8
0.64
2
3.2 1.44 0.16
experimental
3.0 0.16 0.64 1.00 0.04 1
0.04 0.04 0.64 0.16 0.16 C0=0.25 ajuste
3.6 h
0.36 0.16 1.44 0.64 4.00 0
2.0 2.56 1.00 2.25 1.69 2.89 1.44 0 1 2 3 4 5 6 7 8
a = 12 m
4.5 6.25 0.81 2.25 0.00 0.00 0.25
2.5 4.00 0.25 1.21 0.25 0.49 0.09 1.69 0.49
7.29 0.49 10.24 2.56 4.84 4.00 5.76 1.44
5.2
8.41 0.04 4.84 0.09 1.69 0.49 0.16 0.25
2.3 0.25 5.76 0.09 2.89 0.64 0.64 0.81 0.16
2
g (h)   Z2x(nh--hZ) x
2.8 0.36 0.01 9.00 0.09 5.29 0.04 0.04 0.64
2.2 3.61 1.69 3.24 1.21 2.56 0.16 1.96 0.25
1.21 9.00 5.76 8.41 0.00 7.29 4.41 10.24
4.1
9.61 17.64 37.21 30.25 36.00 9.61 33.64 14.44
5.2 4.84 0.81 4.00 15.21 10.9 14.4 0.81 12.96
8.3 4.41 18.49 1.44 0.01 3.24 1.44 2.89 1.44
6.1 1.96 12.25 32.49 6.76 2.25 0.16 0.04 0.09
0.81 0.25 6.76 23.04 2.89 0.36 1.69 0.49 dh = Zx+h - Zx
4.0 2
S[dh] 57.57 69.49 123.9 93.30 77.83 40.41 53.90 42.89 n = 19
2.6
2(n-h) 36 32 28 26 22 16 10 8
3.5
g (h) 1.60 2.17 4.42 3.59 3.54 2.53 5.39 5.36
h=1 h=2 CALCULO DEL VARIOGRAMA
dh = Z x+h -Zx
2
h=3
h=5
h=4
h=6
g ( h) 
 Z xh - Z x
2(n pares)
n = 20

3.2
[d1]2 [d2]2 [d3]2 [d4]3 [d5]4 [d6]2 [d7]2 [d8]2
4.0 0.64
2.8 1.44 0.16
0.16 0.64 0.00
3.2 0.04 0.04 1.00 0.04
3.0 0.36 0.16 0.64 0.16 0.16
2.56 1.00 1.44 0.64 4.00 1.44
3.6 6.25 0.81 2.25 1.69 2.89 0.25 1.69
4.00 0.25 1.21 0.25 0.49 0.09 2.25 0.49
2.0
7.29 0.49 10.24 2.56 4.84 4.00 5.76 1.44
4.5 8.41 0.04 4.84 0.09 1.69 0.49 0.81 0.25
0.25 5.76 0.09 2.89 0.64 0.64 0.04 0.16
2.5 0.36 0.01 9.00 0.09 5.29 0.04 1.96 0.64
5.2 3.61 1.69 3.24 1.21 2.56 0.16 4.41 0.25
1.21 9.00 5.76 8.41 0.00 7.29 0.49 10.24
2.3 9.61 17.64 37.21 30.25 36.0 9.61 33.64 14.44
4.84 0.81 4.00 15.21 10.9 14.4 0.81 12.96
2.8
4.41 18.49 1.44 0.01 3.24 1.44 2.89 1.44
2.2 1.96 12.25 32.49 6.76 2.25 0.16 0.04 0.09
0.81 0.25 6.76 23.04 2.89 0.36 1.69 0.49
4.1 2
S[dh] 57.57 69.49 121.6 93.30 77.83 40.41 56.48 42.89
5.2 2(#pares) 38 36 34 32 30 28 26 24
8.3 g (h) 1.52 1.93 3.58 2.92 2.59 1.44 2.17 1.79

6.1
5
4.0 g(h)
4
2.6
3.5 3

2
experimental
C0=0.2 1 ajuste
h
0
0 1 2 3 4 5 6 7 8 9
a = 11 m
CALCULO DEL VARIOGRAMA
 Análisis Estructural
Ley Ausencia de estructuras Ley Continuidad media

g(h)
d
d
g(h)

h h
Valores muy regulares y continuos
Microestructuras
Ley
Ley
c d
g(h)
g(h)
d
h h
d
 Efecto de pepita (Co)

Ley
g(h)

Co

d h

i) Errores de muestreo
ii) Presencia de microestructuras
iii) Tasas de recuperación
Alcance (a)

Sector de valores Sector de valores

independientes Zona de influencia independientes

xo-a xo xo+a

•Morfología de un fenómeno

•Zona de influencia de una muestra

 Método de los sectores:
malla irregular bidimensional
Muestreo irregular en dos dimensiones:

2 P2





P1

 = 15° = 0,5b
⇒ agrupar en clases de h según la
dirección
y la distancia b = distancia mínima entre dos muestras
Método de los sectores:
malla irregular bidimensional
AJUSTE DEL VARIOGRAMA A FUNCIONES TEORICAS

3h h3
g(h) = C 2a 2a3
+ Co h*a

g(h) = C + Co
g (h)
h>a

g ( h )  ph  ;   1
g (h)  ph ;  1

g   - h 
(h)  C 1 - exp     C
 0
 a  

h
 Modelos de variogramas
Variograma con meseta
Para a = 
Para a finito
a) Modelo de Formery
a) Modelo de Matheron
T
 -
h
 g(h)
T

γ(h)  c1 - e a 
 
h  
a/3

b) Modelo Gaussiano
2a/3
T



h2
- 2



 C ( 23 . ah - 12
g (h )    )
h
3
para ha 


g ( h )  c 1 - e a
a

  
C para h  a

2a/3  
Modelos de variogramas

Variograma sin meseta Aleatoriedad pura

(indepenedencia)
γ (h) α =1
α>1

α <1 γ*(h)

Co
h
h


g (h)  p h con 0 ≤ α ≤ 2 γ*(h) = Co
Modelos de variogramas
Efectos manifestados en los variogramas
a) Semivariogramas con tendencia

γ (h) comportamiento
parabólico

s2

dimensiones máximas de
los bloques a evaluar

a
b) Efecto de agujero (“trou”)

1+ γ (r) g (r)  1 -

senr
1 r
senr
C (r) 
r
C(r)
r r
 2 4 Inf .C (h )


Co
b) Efecto de agujero (“trou”)

Ley
mena
Ley

distancia ganga

distancia

γ (h) γ (h)
mena
Dirección
Dirección vertical horizontal
(efecto de hueco)
ganga
b) Efecto proporcional
γ *(h) γ B*(h) ; m*B > m*A
g* (h)
m*B  m*A γ A*(h) ; m*A
C0(m*B)
afinidad m*A
γ A*(h)
C0(m*A)

alcance
Mina Uchucchacua_Veta Rosa
140
120 Zona
100 Zona intermedia
varianza

80 pobre Zona rica

60
40
20
0
0 100 200 300 400 500
media*media
c) Semivariogramas compuestos

g (h)  Co  g 1 (h)  g 2 (h)  g 3 (h)

g (h) C3;
C1; C2;
C0+ C1 + C2+C3 a1 a2 a3
C0+ C1 + C2
C0+ C1

C0 h
0 a1 a2 a3
Regional
Petrografía Mineralización
Ciencia Tecnologia y Medio Ambiente

Para uso restringido para KL. Todos los derechos reservados. Ninguna
parte de esta presentación puede ser reproducida o utilizada en ninguna
forma o por ningún medio sin permiso explícito de Krover Lazarte.