Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALUMNO:
Barturen Ortega
Gianmarco
DOCENTE:
Dr. Marín Suarez
Valeriano Alfredo
Ing. Tevés Rojas Augusto
INTRODUCCIÓN
El problema de modelar un macizo rocoso está muy ligado a la actividad minera, en consecuencia
tenemos la necesidad de un mejor modelado para lograr una operación eficiente.
Es ahí donde entra a tallar la Geoestadística, que surge como una disciplina que se encarga del estudio
de las variables regionalizadas. Es por ello que no debemos pasar por alto los puntos fundamentales
que destacan la consolidación de la Geoestadística con los trabajos de Georges Matheron en 1965 y el
desarrollo de la Geoestadística asociada con la informática.
Hoy por hoy, los dominios de aplicación de la geoestadística son amplios y en este informe en la primera
parte se dará el marco teórico necesario para el claro entendimiento de lo planteado. Posteriormente se
dará a conocer el planteamiento y desarrollo del mismo, en el cual se verá cómo se calculan los números
aleatorios, se realizara el cálculo de los parámetros estadísticos, se describirá lo empleado para el
cálculo del histograma y Variograma.
1
OBJETIVOS
1. Generar 10,000 numeros aleatorios ]0,1[
4. Conclusiones
2
MARCO TEÓRICO
Es una función vectorial que permite medir las discrepancias de una propiedad en una región del
espacio. Siendo una herramienta de uso en el análisis de reservas minerales en una región definida.
COMPONENTES DE UN VARIOGRAMA
Alcance.- es aquel componente del variograma que refleja poca correlación de los datos; llegara un
momento en el que los datos se agruparan más homogéneamente es en ese entonces que se tendrá
una medición de este parámetro geoestadístico.
Meseta.- es el componente que muestra el grado de correlación entre las muestras más
homogéneamente.
3
FUNCION VARIOGRAMA
Donde:
𝑧 : variable estudiada.
𝑛ℎ : número de parejas.
4
CÁLCULOS
1.a) Graficar el histograma de 10,000
Datos estadísticos
Media 0.49826326
Error típico 0.0028916
Mediana 0.4967795
Moda #N/A
Desviación estándar 0.28916017
Varianza de la muestra 0.0836136
Curtosis -1.19780314
Coeficiente de asimetría 0.00747907
Rango 0.99969092
Mínimo 0.00013875
Máximo 0.99982968
Suma 4982.63258
Cuenta 10000
Nivel de confianza (95.0%) 0.00566812
120
100
Frecuencia
80
60
40 Frecuencia
20
0
y mayor...
0.000138753
0.080114027
0.519978034
0.599953307
0.120101664
0.160089301
0.200076938
0.240064575
0.280052212
0.320039849
0.360027486
0.400015123
0.479990397
0.559965671
0.639940944
0.679928581
0.719916218
0.759903855
0.799891492
0.839879129
0.879866766
0.919854403
0.04012639
0.44000276
0.95984204
Clase
5
1.b. Calcular y graficar variograma
0.2
Variograma de 10,000 datos
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 2000 4000 6000 8000 10000 12000
6
Frecuencia
20
40
60
80
0
100
120
140
0.109376937
0.145539564
0.181702192
0.217864819
0.254027447
0.290190075
0.326352702
0.36251533
0.398677958
0.434840585
0.471003213
0.507165841
Clase
7
0.543328468
0.579491096
0.615653724
0.651816351
2.a) Calcular y graficar el histograma de datos de menor a mayor.
0.687978979
0.724141606
0.760304234
Histograma de menor a mayor
0.796466862
0.832629489
0.868792117
y mayor...
Frecuencia
2.b) Calcular y graficar el variograma de datos de menor a mayor.
5.00E-01
4.00E-01
3.00E-01
2.00E-01
1.00E-01
0.00E+00
0 2000 4000 6000 8000 10000 12000
8
Frecuencia Frecuencia
10
20
30
40
50
70
60
0
20
40
60
80
0
100
120
140
0.300349371
0.319199854
0.338050337
0.35690082
0.375751303
0.394601786
0.413452269
0.432302752
0.451153235
0.470003718
0.488854201
3.a. Calcule y grafique histograma 5m, 20m, 50m
0.507704684
Clase
9
Clase
0.526555167
0.54540565
0.564256133
0.583106616
0.601957099
0.620807582
0.639658065
0.658508548
0.677359031
Histograma de datos agrupados de 5 en 5
0.696209514
Histograma de datos agrupados de 20 en 20
y mayor...
Frecuencia
Frecuencia
Histograma de datos agrupados de 50 en 50
30
25
20
Frecuencia
15
10
Frecuencia
Clase
0.07
Variograma para los datos agrupados de 5 en 5
0.06
0.05
0.04
0.03
0.02
0.01
0
0 2000 4000 6000 8000 10000 12000
10
0.025
Variograma para los datos agrupados de 20 en 20
0.02
0.015
0.01
0.005
0
0 2000 4000 6000 8000 10000 12000
0.0025
Variograma para los datos agrupados de 50 en 50
0.002
0.0015
0.001
0.0005
0
0 2000 4000 6000 8000 10000 12000
11
Histograma de todos los datos agrupados
80
70
60
50
Frecuencia
40
Series2
30
Frecuencia
20 Frecuencia
10
y mayor...
0.21
0.45
0.69
0.93
0.01
0.05
0.09
0.13
0.17
0.25
0.29
0.33
0.37
0.41
0.49
0.53
0.57
0.61
0.65
0.73
0.77
0.81
0.85
0.89
0.97
Clase
0.07
Variograma para todos los datos agrupados
0.06
0.05
0.04
0.03
0.02
0.01
0
0 2000 4000 6000 8000 10000 12000
12
CONCLUSIONES
Se observa que el Variograma de los 10,000 datos aleatorios no muestra una gráfica conocida, esto es,
ya que los datos generados fueron aleatorios.
En los datos generados se obseva que al agrupar datos de 5,20 y 50 los histogramas se diferencian y tiende
a ser la campana de gauss esto es debido al teorema del límite central.
Los variogramas disminuyen al agrupar de mayor cantidad en mayor cantidad
Como el Variograma tomo en cuenta la variabilidad de los espacios es por ello que las gráficas son distintas
y ambas varían en rangos diferentes.
El variograma es sensible a valores extremos y se puede observar en las gráficas.
Para los valores ordenados y desordenados se obtiene un mismo histograma
Para los valores ordenados y desordenados se obtiene distinto variograma, por ello se concluye que el
variograma es sensible al orden de los valores.
13