Hasta ahora, las partes anteriores de este libro, algo teóricas, introdujeron la noción de

heterogeneidad que luego se caracteriza y cuantifica. Se hizo hincapié en el hecho de que la

heterogeneidad existe independientemente del proceso de muestreo y merece ser estudiada por sí
sola.

Por lo tanto, como solo una de las numerosas consecuencias de la heterogeneidad, el error de
selección de muestreo continuo, ahora llamado Error de fluctuación de heterogeneidad HFE, fue
revisado en detalle y descubrimos que estaba hecho de tres componentes principales:

• HFE1: el error de fluctuación de heterogeneidad de corto alcance,

• HFE2: el error de fluctuación de heterogeneidad de largo alcance, y
• HFE3: el error de fluctuación periódica de heterogeneidad.

HFE = HFE1 + HFE2 + HFE3

Cada uno de estos componentes ha sido revisado y, ahora, sabemos cómo minimizarlos o cómo
calcular su efecto. Hay componentes más independientes del Error de muestreo total que ahora
deberían revisarse, y no podemos enfatizar lo suficiente su importancia, ya que serán las
principales fuentes de sesgo en la práctica de muestreo. Este tema, probablemente la mayor
contribución de los trabajos de Gy y Matheron, demuestra claramente más allá de cualquier duda
posible que si el proceso de muestreo ya no involucra un componente aleatorio verdadero, y
minimiza todos los componentes selectivos y no selectivos no aleatorios, las consecuencias
pueden ser devastadoras y rápidas. conducir a prácticas de muestreo no representativas e
inválidas.

Los nuevos errores de muestreo son:

• IDE: el error de delimitación de incremento

• IEE: el error de extracción de incremento
• IPE: el error de preparación de incremento

Su suma se define como el error de materialización de incremento IME.

IME = IDE + IEE + IPE

Estos tres nuevos errores no son bien conocidos por el público, y los fabricantes de equipos de
muestreo a menudo no los aprecian ni los descuidan voluntaria o involuntariamente. Sin embargo,
la inspección exhaustiva de miles de dispositivos de muestreo distribuidos en todo el mundo entre
las instalaciones modernas (por ejemplo, minas, molinos, fundiciones, plantas de energía, plantas
de procesamiento de alimentos, etc.) muestra que una preocupante mayoría de los dispositivos de
muestreo introduce uno o varios de estos nuevos errores Estos nuevos errores pueden ocurrir
debido a un diseño defectuoso, mala ingeniería, mala instalación, mal mantenimiento preventivo o
negligencia total.

Cuando consideramos los dispositivos de muestreo utilizados para muestrear el medio ambiente,
las pilas de residuos, el agua tratada, los cereales, los OMG, los productos químicos de alta
pureza, los productos farmacéuticos, los componentes electrónicos, etc. la fuerza es lo que lleva a
su ocultamiento. Esta es la razón principal por la que se creó la Conferencia Mundial sobre
Muestreo y Mezcla (WCSB) en 2003, para que los académicos puedan enseñar correctamente los
TOS y los fabricantes y las empresas de ingeniería puedan corregir sus deficiencias.
Nuestro análisis de muchos casos reales lleva a la siguiente conclusión: para muchas personas, la
hipótesis de que todos los materiales son heterogéneos es una hipótesis vergonzosa porque
realmente no saben cómo lidiar con estas dificultades. Por lo tanto, les resulta conveniente adoptar
un enfoque más acorde con el "mundo real":

• Los materiales, sean cuales sean, a menudo son homogéneos.

• Por lo tanto, cualquier parte extraída al azar tiene una composición que representa todo el
lote.
• Entonces no hay nada malo en retener como muestra la fracción del lote que es fácilmente
accesible; Esto no requiere mucho entrenamiento, es rápido y barato.

Esta actitud práctica proveniente de la ignorancia total ha sido responsable de pérdidas financieras
masivas, e incluso demandas, en muchas industrias. Los estudios de casos se presentan en este
libro. De hecho, tal inferencia ha llevado al diseño, construcción y comercialización de sistemas
que transgreden las reglas más elementales de corrección de muestreo. En Theory of Sampling,
hicimos un punto para seguir un enfoque más lógico y prudente:

• Todos los materiales del "mundo real" son heterogéneos, y esta es una realidad que no
debemos ignorar si pensamos en términos de muestreo y su impacto económico.
• Está completamente fuera de discusión suponer que cualquier parte de un lote tiene una
composición similar a todo el lote.
• Por lo tanto, la fracción del lote de fácil acceso no puede ser representativa de todo el lote.
• Es necesario cumplir con las reglas de corrección de muestreo, por lo que la suma de IDE,
IEE e IPE es insignificante.

Hacemos hincapié en que la calidad más esencial de un sistema de muestreo es la exactitud

de todos sus componentes. Esta calidad dará a todos los componentes del lote a muestrear una
probabilidad igual P de ser seleccionado, lo que lleva a la noción de muestreo equitativo
probabilístico. El incumplimiento de esta regla fundamental siempre da como resultado un sesgo de
muestreo que no se puede tener en cuenta y arruina totalmente nuestros esfuerzos anteriores para
minimizar el error de fluctuación de heterogeneidad HFE.

La exactitud de muestreo es una propiedad estructural primaria de un sistema de muestreo, y

es la garantía más efectiva de precisión de muestreo, por lo tanto, le prestaremos la atención que
merece. El Capítulo 18 es una introducción a los componentes fundamentales de la materialización
de la muestra y los errores asociados. El Capítulo 19 es una introducción a los diversos modos de
muestreo que son una parte intrínseca de la noción de corrección del muestreo.

El error de materialización incremental

La selección de un protocolo de muestreo apropiado y la variabilidad irrelevante a

pequeña escala que genera, que es el resultado de la heterogeneidad a pequeña escala h1
llevada por el componente de interés en el material a muestrear, no es una cuestión simple;
implica un aspecto teórico necesario que muchos lectores pueden encontrar bastante hostil.
La suma S2HFE1 de las variaciones de los componentes principales de este error de fluctuación
de heterogeneidad a pequeña escala HFE1 es parte de la variación V [0] que se introdujo en la
Variografía. Estas variaciones se pueden agrupar alrededor de V [0] en la Figura 18.1 para ilustrar
de manera simple que todos tienen un papel importante que desempeñar, y sería un gran error
pasar por alto a cualquiera de ellos. Cualquier fuente de inflación para V [0] debería ser una gran
preocupación.
 El lector puede preguntarse con razón por qué la varianza del Error de materialización
incremental puede inflar V [0], que se supone que es un componente aleatorio. La razón es simple:
los sesgos de muestreo nunca son constantes porque se introducen por algún tipo de
segregación, que generalmente es un fenómeno transitorio impredecible. Entonces, el sesgo
tiene un problema de precisión propio, y el variograma lo ve, lo que infla V [0] sin razón aparente.

Luego, se analizó la variabilidad relevante a gran escala, teniendo en cuenta las

heterogeneidades a gran escala h2 y h3 que conducen a la variabilidad relevante a gran escala. La
razón por la que se llama la variabilidad relevante es precisamente porque es la que tratamos de
medir y controlar en primer lugar. Dos nuevos componentes se definieron como el Error de
fluctuación de heterogeneidad de largo alcance HFE2 y el Error de fluctuación de heterogeneidad
periódico HFE3, respectivamente, el efecto resultante de h2 y h3. La varianza de estos dos
componentes de heterogeneidad es muy relevante para la preparación de muestras compuestas
que se supone representan la propiedad promedio o el contenido mineral de un lote grande, como
en la contabilidad metalúrgica. También es muy relevante, cuando se supone que cada muestra
representa la propiedad promedio o el contenido mineral en un momento dado, o en un lugar dado,
dentro de un lote grande, como durante la exploración, el control de la ley del mineral o el control
del proceso. La varianza de la variabilidad total se llama varianza del error continuo de fluctuación
de heterogeneidad HFE:

S2HFE = S2HFE1 + S2HFE2 + S2HFE3

Ahora que se sabe que casi todo minimiza la variabilidad irrelevante introducida por un
protocolo de muestreo y que mide las tendencias y los ciclos del proceso, todavía es necesario
averiguar qué sucede durante la implementación práctica de ese protocolo. Durante esta fase de
importancia crítica, se están produciendo nuevas fuentes de variabilidad irrelevante, y quizás las
más peligrosas. Hay cuatro componentes independientes que deben revisarse cuidadosamente en
los Capítulos 18 a 26 de la Parte VII y en el Capítulo 27 de la Parte VIII, que se definieron al
comienzo del libro en la definición de la sección de términos y símbolos básicos:

1. el error de delimitación de incremento (IDE)

2. El error de extracción de incremento (IEE)
3. el error de ponderación de incremento (IWE)
4. los errores de preparación (IPE)

La suma de las variaciones de IDE, IEE e IWE se denomina variación del Error de
materialización de incremento ME. Los lectores familiarizados con el TOS pueden notar que el
autor eligió incluir el Error de Incremento de Ponderación en la familia que compone el Error de
Materialización de Incremento. La razón es que IWE es el efecto directo de cómo el sistema de
muestreo recolecta incrementos. Si el sistema de muestreo no es proporcional, es probable que
IWE sea significativo. Si bien, si el sistema de muestreo es proporcional, IWE puede ser
insignificante. Debe entenderse claramente que las fluctuaciones de la velocidad de flujo de una
corriente, que es parte de la variabilidad a gran escala, también pueden afectar en gran medida a
IWE; este es precisamente el punto, y el sistema de muestreo debe diseñarse para tener esto en
cuenta durante la fase de materialización. En el capítulo dedicado a IWE, se abordará la fluctuación
de la heterogeneidad a largo plazo del caudal. La variación del Error de preparación de incremento
IPE es un componente separado introducido entre las etapas de muestreo. Es conveniente incluir
IPE en el Error de materialización incremental, agrupando todos los errores generados por la
implementación práctica de un protocolo de muestreo y los errores que pueden introducir sesgos.
 La varianza S2 IME del IME de error de materialización incremental se puede escribir como se
ilustra en la figura 18.2.

Los componentes del Error de materialización incremental no son bien conocidos por los
fabricantes de equipos de muestreo, o tal vez no hacen una diferencia clara entre estos cuatro
errores completamente independientes. Este problema también se perpetúa con los estándares de
muestreo, algunos de los cuales son obsoletos, y la renuencia a respaldar los TOS.

Además, estos estándares generalmente no abordan con suficiente fuerza la diferencia entre
los errores generados por el proceso selectivo (es decir, IDE, IEE, IWE) y los generados por el
proceso no selectivo (es decir, IPE).

La clave para comprender los problemas enumerados en la Parte VII y la Parte VIII se puede
resumir en la siguiente declaración: Todos los componentes del lote a muestrear deben tener una
probabilidad igual P de ser seleccionados y preservados como parte de la muestra, lo que conduce
a la noción de muestreo equi-probabilístico, que a su vez conduce a la noción de sistemas de
muestreo correctos. El incumplimiento de esta regla fundamental casi siempre da como resultado
la presencia de sesgos de muestreo que no se pueden explicar y arruina totalmente los esfuerzos
previos realizados para optimizar el protocolo de muestreo. La corrección o falta de corrección de
un sistema de muestreo es una propiedad estructural. Si el sistema de muestreo no es correcto por
diseño, se producirán efectos devastadores, independientemente de los resultados de las pruebas
de sesgo que tenderían a demostrar lo contrario. Este es el mensaje sutil que el lector debe
entender cuando revise los desarrollos matemáticos de Matheron para ayudar a Gy para la primera
edición de TOS en 1967. Esta es la razón principal por la cual las reglas de corrección de muestreo
no deberían ser negociables, a pesar de que muchos expertos en muestreo incorrectamente Creo
que deberían ser.

Los variogramas no pueden ver un sesgo de muestreo. Sin embargo, dado que los sesgos de
muestreo nunca son constantes, se ven afectados por un problema de precisión propio, y el
variograma puede ver esto como una inflación de la varianza V [0] que no puede explicarse por el
protocolo, como se ilustra en la Figura 18.3. El impacto económico y negativo de estos sesgos
suele ser de varios órdenes de magnitud mayor que el costo para asegurar que un sistema de
muestreo sea correcto, optimizado y esté bien mantenido. Para decirlo más claramente, un sistema
de muestreo sesgado, que puede costar solo medio millón de dólares, puede costar varios cientos
de millones de dólares.
 La corrección o falta de corrección de un sistema de muestreo es una propiedad estructural. Si
el sistema de muestreo no es correcto por diseño, se producirán efectos devastadores,
independientemente de los resultados de las pruebas de sesgo que tenderían a demostrar lo
contrario. Este es el mensaje sutil que el lector debe entender cuando revise los desarrollos
matemáticos de Matheron para ayudar a Gy para la primera edición de TOS en 1967. Esta es la
razón principal por la cual las reglas de corrección de muestreo no deberían ser negociables, a
pesar de que muchos expertos en muestreo incorrectamente Creo que deberían ser.

Los variogramas no pueden ver un sesgo de muestreo. Sin embargo, dado que los sesgos de
muestreo nunca son constantes, se ven afectados por un problema de precisión propio, y el
variograma puede ver esto como una inflación de la varianza V [0] que no puede explicarse por el
protocolo, como se ilustra en la Figura 18.3. El impacto económico y negativo de estos sesgos
suele ser de varios órdenes de magnitud mayor que el costo para asegurar que un sistema de
muestreo sea correcto, optimizado y esté bien mantenido. Para decirlo más claramente, un sistema
de muestreo sesgado, que puede costar solo medio millón de dólares, puede costar varios cientos
de millones de dólares durante la vida útil de un proyecto.

Aceptar tal escenario es irresponsable; hay muchos ejemplos sorprendentes que se revisarán
a su debido tiempo. Puede observar el término INE en la Figura 18.3; significa el efecto de pepita in
situ que se discutió en general en la Parte 6. Ahora, antes de continuar, y en aras de la claridad, es
importante revisar los procesos de selección probabilísticos y no probabilísticos.

18.1 Procesos de selección probabilísticos y no probabilísticos

Antes de revisar en profundidad el Error de materialización del incremento, es esencial

recordar que el muestreo es un proceso de selección. Hay dos tipos de procesos de selección:

1. El proceso de selección probabilística según el cual todos los elementos del lote se someten
a la selección con una probabilidad dada, constante P, de ser seleccionado, que podría llamarse el
principio de Gy y Matheron.111 Un proceso de selección probabilística puede ser correcto o
incorrecto. Es correcto cuando da a todas las unidades Um que forman el lote una probabilidad
igual Pm de ser seleccionado, y todas las unidades ajenas al lote tienen una probabilidad cero de
ser seleccionado. Es incorrecto cuando una de estas dos condiciones no se cumple.

2. El proceso de selección no probabilístico según el cual la selección no se basa en la noción

de probabilidad de selección. Debido a que a menudo es conveniente para el operador y su
supervisor o gerente que intenta ahorrar tiempo y dinero, una gran fracción del lote puede escapar
sistemáticamente de la selección (por ejemplo, tomar muestras de una gran reserva, el método de
martillo y pala, etc. ).

18.2 Revisión crítica de procesos de selección no probabilísticos

Debido a que todavía no se enseña TOS en la universidad de manera sistemática, o en la

industria en general, cualquiera puede hacer lo que quiera. Los enfoques económicamente más
peligrosos son aquellos en los que se implementan procesos de selección no probabilísticos por
razones prácticas y en nombre del "mundo real"; por lo tanto, parece lógico que dediquemos
algunas líneas a procesos inválidos para criticarlos y enfatizar su peligro.

18.2.1. Muestra deliberada

En lotes donde las partes no son fácilmente accesibles para un operador al que se le pide que
recolecte una muestra "representativa", no es raro que seleccione unidades de la mejor manera
posible entre las que son fácilmente accesibles. Esta no es una muestra y debe llamarse en
cambio una muestra; hay una diferencia, y deberíamos decir que el muestreo no es un juego de
azar. La precisión de la operación de muestreo depende de la elección del operador, por lo tanto,
se convierte en una propiedad secundaria y circunstancial cuyas limitaciones conocemos
demasiado bien. Desde un punto de vista estadístico, es difícil admitir que la elección del operador
es probabilística, incluso si él o ella es acreditable y honesto. Supongamos que fue una elección
probabilística, que es una suposición muy optimista y optimista, aún así no hay posibilidad de que
sea correcta, lo que significa equi-probabilístico. Además, el operador puede tener un concepto
sesgado de probabilidades dependiendo de lo que él o ella no sabe o quiere probar.

La conclusión es clara: el muestreo intencional no puede ser exacto y es muy probable que no
sea equitativo al muestrear productos valiosos. Es completamente inapropiado para el análisis
cuantitativo, aunque puede ser aceptable para el análisis cualitativo.

18.2.2. Muestreo aleatorio

En este caso, el operador recolecta incrementos de la parte del lote de fácil acceso. Él o ella
puede usar cucharas, palas o manos. El autor incluso vio a un operador usando su casco a través
de la cinta transportadora transportando materia prima muy fina a una nueva fundición primaria
multimillonaria. Esta práctica también es común en plantas de tratamiento de agua y en el medio
ambiente. Consciente de los problemas de segregación, el operador intenta recopilar tantos
incrementos como sea posible en la muestra (¡muestra!); sin embargo, una gran fracción del lote se
mantiene sistemáticamente alejada de la herramienta de muestreo (por ejemplo, una muestra de
recolección recolectada en la superficie de un tanque o un espesante). Estas partes inaccesibles
del lote también pueden ser la parte inferior de una carga de camión, un vagón de ferrocarril, una
cinta transportadora, una pila de desechos, una pila de mineral, material recién lanzado en la mina,
etc. Dicha práctica es completamente inapropiada para el análisis cuantitativo, aunque puede ser
aceptable para el análisis cualitativo.

La conclusión es clara: el muestreo aleatorio no puede ser exacto porque algunas unidades
que conforman el lote tienen una probabilidad cero de ser seleccionadas. Además, el muestreo
aleatorio no puede ser preciso porque la probabilidad de selección entre las unidades que
componen el lote no puede mantenerse constante. Un comentario interesante de un conocido
estadístico en una Conferencia Mundial sobre Muestreo y Mezcla fue "El muestreo no tiene que ser
muy preciso, si es lo suficientemente preciso para un propósito determinado"; dicho comentario es
ilusorio e incorrecto porque el muestreo minucioso no es correcto, el sesgo no puede cuantificarse
porque no existe un sesgo constante debido a la naturaleza transitoria de la segregación; esa
persona no entiende la heterogeneidad y obviamente no va a ninguna parte.

18.2.3. Muestreo con sondas de ladrón y sinfines

El muestreo con sondas de ladrón y sinfines solo son técnicas mejoradas de muestreo
aleatorio. La idea es extraer una columna completa que represente todo el grosor del lote en un
punto preseleccionado con suerte al azar. Estas técnicas son probabilísticas solo cuando el lugar
para realizar la extracción se selecciona de manera probabilística (es decir, aleatoria) que rara vez
se realiza.

En la mayoría de los casos, el lugar para realizar la extracción está preseleccionado con
autoridad. Por ejemplo, perforar en el centro de un barril, seguir una diagonal en una bolsa,
perforar en puntos preestablecidos desde la parte superior de un camión, perforar en una
pila de desechos demasiado gruesa para las herramientas, etc.

Asumiendo que estas técnicas podrían ser probabilísticas, lo cual es una suposición
muy optimista, la experiencia demuestra sin lugar a dudas que nunca son correctas (es
decir, sesgos IDE + IEE).

La conclusión es clara, el muestreo con sondas de ladrón y sinfines no puede ser preciso, ya
que el fondo del lote a menudo tiene una probabilidad cero de ser seleccionado, y debido a los
graves problemas de delimitación y extracción encontrados durante la penetración.

18.2.4. Muestreo autorizado

El muestreo probabilístico se contrasta con el muestreo autorizado, en el que un individuo que

conoce bien el lote a muestrear selecciona una muestra sin tener en cuenta la aleatorización. La
validez de los datos generados de esta manera depende totalmente del conocimiento del operador.
No es una práctica recomendada ni válida.

Sin embargo, el muestreo autorizado a menudo es necesario para las evaluaciones

ambientales para separar los sectores calientes de otros en un área contaminada que muestra
límites obvios.

Luego, cada sector debe ser sometido a muestreo probabilístico después. Es el mismo
problema con el muestreo de contaminación de alimentos; por ejemplo, si toma muestras de un
camión lleno de tomates, los únicos tomates que le interesan son los que obviamente están
podridos.

18.2.5. Propiedades comunes de los procesos de selección no probabilísticos

Hay tres grandes problemas:

1. Una fracción importante del lote se somete al proceso de muestreo con una probabilidad
cero de ser seleccionado. Este es un punto de importancia crítica para el muestreo de
equidad, especialmente durante el muestreo para determinar el precio de liquidación de
un producto determinado.
2. No hay un enfoque teórico posible. Es imposible conectar lógicamente los diversos
errores de muestreo al modo de selección. Sin embargo, se realizan pruebas de sesgo y
análisis de varianza muy costosos utilizando muestras no válidas; independientemente
de los resultados, el mensaje no es válido.
 3. El muestreo siempre está sesgado a un grado desconocido. La Comisión Americana de
Energía Atómica realizó un estudio largo y efectivo de los sistemas de muestreo de
sonda y sinfín en 1965. La conclusión fue que las sondas y los sinfines siempre
introducen sesgos inaceptables.192 Duncan193-196 informó las mismas conclusiones.
Gy también llegó a las mismas conclusiones en una serie de pruebas realizadas en
1967. El autor, durante su experiencia de consultoría, llegó a las mismas conclusiones
con muchos de sus clientes.

La conclusión es clara: no se debe utilizar ningún espécimen generado por un proceso de

selección no probabilístico para tomar decisiones financieras importantes. Dichas decisiones se
toman muchas veces, todos los días, para optimizar un proceso. Hoy, los presidentes de las
grandes corporaciones aún persisten en arriesgar cantidades considerables de dinero al tomar
decisiones basadas en los resultados obtenidos de muestras no representativas. No es más que
una forma de juego peligrosa e irresponsable.

Quizás una famosa y visionaria cita de Albert Einstein ayudaría: "Tengo poca paciencia con los
científicos que toman una tabla de madera, buscan su parte más delgada y perforan una gran
cantidad de agujeros donde es fácil perforar".

18.3 Muestreo probabilístico de lotes móviles

Se dice que un lote de material particulado es "móvil" cuando es lo suficientemente pequeño o

valioso como para ser manejado económicamente en su totalidad con el único propósito de su
muestreo. Uno de los dos procesos probabilísticos siguientes se puede utilizar para muestrear lotes
móviles:

1. El proceso de incremento donde el lote de material se transforma en una corriente

unidimensional, luego un muestreador de flujo cruzado recolecta un cierto número de
incrementos para formar la muestra. Un buen ejemplo de eso es el uso de divisores
rotativos.
2. El proceso de división donde el lote de material se divide en varias fracciones, una de
las cuales se selecciona al azar como muestra. Un buen ejemplo de eso es el uso de
un divisor de rifles.

18.4 Muestreo probabilístico de lotes inamovibles

El único proceso de muestreo probabilístico aplicable a lotes inamovibles de materiales

particulados es el proceso de muestreo incremental. Tal proceso generalmente se realiza durante
una transferencia de todo el lote para un propósito diferente al muestreo. Por ahora, debemos
recordar que el muestreo probabilístico de lotes inmóviles que no pueden transferirse
mecánicamente es imposible en la mayoría de los casos. Un buen ejemplo de eso es el muestreo
de una antigua reserva.

18.5. Análisis del proceso de muestreo incremental

Un buen ejemplo del proceso de muestreo incremental es el muestreo de una corriente que
fluye:

• al final de una cinta transportadora

• a través de una cinta transportadora
• a la descarga de una tubería o manguera
 • a través de un río, y así sucesivamente.

Por medio de un muestreador de flujo cruzado correctamente diseñado. A gran escala, la

corriente también puede estar compuesta de grandes unidades como cargas de camiones,
vagones de ferrocarril, sacos, barriles o frascos dispuestos en orden cronológico como un lote
unidimensional. Cada unidad se convierte en un incremento potencial.

El proceso de muestreo incremental se puede dividir en una secuencia lógica de cuatro pasos
elementales e independientes:

1. La selección del punto de muestreo: todos los puntos a lo largo del lote unidimensional
se someten a un esquema de selección, que se discutirá más a fondo en el Capítulo 19,
que puede ser:
a) ya sea sistemático con un punto de partida aleatorio
b) ya sea al azar estratificado
c) o estrictamente al azar.
1. La delimitación de incremento: moviéndose a través del lote L se selecciona un punto X,
luego el dispositivo de muestreo delimita los límites geométricos del dominio DV (X)
ocupado por el "incremento extendido" como se ilustra en la Figura 18.4 (v es un subíndice
que caracteriza un volumen extendido dado). En este punto todavía no nos preocupamos
por la delimitación correcta. El incremento extendido es un volumen que no tiene en cuenta
la naturaleza particulada del material.

2. La extracción incremental (es decir, la recuperación incremental para geólogos): ahora es

necesario tener en cuenta la naturaleza particulada del material. La muestra extrae un
cierto número de fragmentos que forman el "incremento fragmentario" como se ilustra en la
Figura 18.5. El incremento fragmentario debe coincidir con el conjunto de fragmentos cuyo
centro de gravedad se encuentra dentro de los límites del dominio DV (X) del incremento
extendido.
3. La reunión incremental: el conjunto de incrementos puntuales se denomina muestra
puntual. El conjunto de incrementos extendidos se denomina muestra extendida. El
conjunto de incrementos fragmentarios recuperados se denomina muestra fragmentaria
recuperada.

Esta secuencia se resume en la figura 18.6.

 18.7. Comparación del proceso de incremento con el proceso de división

En la Figura 18.7 se ilustran los cuatro pasos principales de los procesos de incremento y
división. Desde un punto de vista lógico y práctico, existe una diferencia fundamental entre ambos
procesos:

1. Para el proceso de incremento, la selección se realiza antes de los pasos de

delimitación y extracción.
2. Para el proceso de división, la selección se realiza después del paso de
extracción.

La conclusión importante es que el proceso de división puede ser equitativo incluso cuando
está sesgado técnicamente; sin embargo, el proceso de incremento es equitativo si, y solo si, es
técnicamente imparcial. Este es un detalle importante en el muestreo comercial de productos
valiosos. Incluso si las muestras potenciales creadas por división son sistemáticamente diferentes,
la muestra real se elige al azar. Este no es el caso del proceso de incremento porque la selección
precede a la materialización de la muestra.

Antes de proceder con un análisis exhaustivo del Error de materialización incremental, IME, es
necesario introducir dos modelos complementarios del proceso de muestreo incremental.
 18.9. El modelo continuo del lote L

Primero, debemos proceder con el modelado del lote L, luego el modelado del proceso de
selección.

• 18.9.1. Modelo continuo del material a muestrear

Con el modelo continuo, el lote L se considera como el conjunto de todos los puntos X, con
coordenadas son x, y y z, que están dentro del dominio D L completo. Llamemos a dX el volumen
elemental dirigido a X con:

dX =dx ∙ dy ∙ dz
Digamos dM el peso de los componentes activos (por ejemplo, fragmentos sólidos) incluidos
en dX, y dA el peso de los componentes críticos (por ejemplo, componentes de interés como oro,
azufre, cobre, cenizas, OMG, etc.) incluidos en dX.

Ahora, definamos tres funciones puntuales caracterizadas por el subíndice p:

• M p(x; y; z) o simplemente Mp(X), que es el peso de los componentes activos por

unidad de volumen en el punto X (por ejemplo, densidad de los sólidos en el punto X),
• A p (x; y; z) o simplemente Ap(X), que es el peso de los componentes de interés por
unidad de volumen en el punto X.
• a p(x; y; z) o simplemente a p(X), que es el contenido crítico en el punto X.

Estas tres funciones están definidas por las siguientes relaciones:

Luego, teniendo en cuenta la definición continua del lote L, podemos expresar el peso ML de
los componentes activos incluidos en L, el peso AL de los componentes críticos y el contenido
crítico aL de la siguiente manera:

La relación 18.8 muestra claramente que el material incluido en el punto X está completamente
definido por solo dos de las tres funciones Mp (X), Ap (X) y ap (X), y por la relación definida por el
contenido crítico a = A / M.
 18.9.2. Modelos degenerados del lote L

Todos los lotes sometidos al proceso de muestreo tienen tres dimensiones. Sin embargo, como
ya vimos, puede suceder que algunas de estas dimensiones sean importantes solo para el
segundo orden:

• Modelo con dos dimensiones, como lotes tridimensionales aplanados, cuyo grosor es
pequeño y relativamente constante.
• Modelo con una dimensión, como pilas alargadas, corrientes que fluyen, material que
se desplaza sobre cintas transportadoras, etc.

En todos los casos, las relaciones 18.6, 18.7 y 18.8 siguen siendo aplicables. Por lo tanto, el
dominio DL se considera como una proyección en un plano o un eje, y la integral triple se convierte
en una integral doble o una integral simple.

18.9.3. El modelo temporal unidimensional de corrientes fluidas

El problema analizado por este modelo es muy importante en la práctica, ya que corresponde
al estudio de las corrientes que fluyen en general:

• material en una cinta transportadora

• agua u otras corrientes líquidas

• pulpas, lodos, etc.

Todas las materias primas en proceso de transformación, y todos los productos transformados,
tarde o temprano se transportan como una corriente continua o semicontinua. Cuando se realiza
dicho transporte, siempre es la mejor oportunidad para implementar un proceso de muestreo
racional y confiable. No es una exageración decir que casi todos los procesos de muestreo
confiables se realizan cuando el material a controlar se presenta como una corriente de flujo
unidimensional.

Consideremos, por ejemplo, un material cargado en una cinta transportadora y un cierto punto
x a lo largo de la corriente que fluye. Vamos a estudiar las propiedades de un segmento dx en esta
secuencia. Podemos referirnos a la abscisa x, o al instante en que cruzamos la corriente para
estudiar una porción elemental del material (por ejemplo, un incremento recogido por un
muestreador de corriente cruzada). Definiremos las siguientes notaciones:

t: el instante para cruzar la corriente en x siguiendo el plan H,

t0; la hora de inicio del lote unidimensional,

tL: la hora de finalización del lote unidimensional,

TL: el tiempo total de flujo del lote L,

 ap (t): el contenido crítico de la cantidad de material que fluye bajo consideración entre los
instantes t y t + dt:

aL: el verdadero contenido crítico promedio desconocido del lote L que pretendemos estimar:

Esta relación se puede generalizar fácilmente a tres dimensiones:

Dependiendo del caso, la integral puede ser triple, doble o simple. Esta expresión general es
válida, independientemente del número de dimensiones del lote en consideración.

18.9.4. Funciones puntuales, extendidas y fragmentarias

18.9.4.1. Funciones puntuales

El modelo matemático utiliza funciones puntuales caracterizadas por su subíndice p (por

ejemplo, Mp (X), Ap (X) y ap (X)). Estas funciones describen las propiedades del material incluido
en la fracción elemental dX. Ahora, debemos llenar el vacío entre la teoría del modelo continuo y la
realidad discreta. Al hacerlo, nos encontramos con dos dificultades principales:
 • la extensión de la fracción dX a un volumen no elemental que representa el volumen
tomado en consideración por una operación simple del dispositivo de muestreo, y
• la sustitución de este volumen por un grupo real de fragmentos llamado incremento.

18.9.4.2. Funciones extendidas

Estas funciones se caracterizan por el subíndice v que representa el volumen de extensión (es
decir, incremento). Vamos a definir:

Dv: un dominio dado con tres, dos o una dimensiones destinadas a representar el lote L. En
general, Dv es pequeño en comparación con la extensión total DL del lote,

Dv (X): el dominio Dv en el punto X,

Mv (X): el peso promedio de los componentes activos por volumen básico en la escala de Dv:

18.9.4.3. Funciones Fragmentales

Las funciones fragmentarias describen las propiedades de los grupos Gv (X) de fragmentos
cuyo centro de gravedad se encuentra dentro de los límites del dominio extendido Dv(X). Esta
definición no es arbitraria y se explicará en un capítulo posterior. En la figura 18.5 tenemos una
ilustración de la función fragmentaria. Si las funciones fragmentarias se caracterizan por el
subíndice f, podemos afirmar que af (X) es un estimador fragmentario o discreto de av (X), que en
sí mismo es un estimador extendido de la función puntual ap (X).
Podemos concluir que la ecuación (18.17) que define aL es exacta cuando se expresa con
funciones puntuales; pero se vuelve solo aproximado cuando se expresa con funciones extendidas
o fragmentarias. Esta aproximación es muy buena en las siguientes condiciones:
1. El tamaño de los fragmentos es pequeño en comparación con el dominio de extensión Dv.
2. El tamaño del dominio de extensión Dv es pequeño en comparación con el dominio DL del
lote L.
18.9.5. Modelo continuo de un proceso de selección

Según el modelo continuo, todos los puntos X del dominio DL ocupado por el lote L se someten
a un proceso de selección dado con una densidad (X) dada de probabilidad de selección. El
proceso de selección es correcto cuando la densidad de la función (X) es:

1. igual a una constante distinta de cero en todo el dominio DL, y

2. igual a cero fuera de los límites del dominio DL.

Cuando una o ambas de estas condiciones no se cumplen, el proceso de selección es

necesariamente incorrecto, por lo tanto, es probable que esté sesgado.

18.9.6. Modelo continuo del proceso de muestreo incremental

En la Sección 18.5 vimos que el proceso de muestreo incremental podría dividirse en una
secuencia de cuatro pasos lógicos:

1. La selección de un cierto número de incrementos puntuales Ip

2. La delimitación de un mismo número de incrementos extendidos I v
3. La extracción (es decir, recuperación) de un mismo número de incrementos fragmentados
If
4. La reunión de los incrementos fragmentados que componen la muestra discreta.

Vamos a mostrar que el modelo continuo del proceso de muestreo incremental cubre:

1. La selección de los incrementos puntuales cuando lo aplicamos a las funciones puntuales

2. la secuencia "selección de punto + delimitación de incremento" cuando la aplicamos a las
funciones extendidas
3. la secuencia "selección de puntos + delimitación de incrementos + extracción de
incrementos" cuando la aplicamos a las funciones fragmentarias.

Esta propiedad justifica la definición de las funciones extendidas y fragmentarias que

proporcionan el puente necesario entre el modelo continuo y el modelo discreto.

18.10. El modelo discreto del lote L

Con el modelo discreto, el lote L se considera como el conjunto N u de unidades no

cronológicas U m con m = 1,2,3, ..., N u. Estas unidades están hechas de:
  N F: fragmentos aislados F i con i=1.2.3, ..., N F y
 N G grupos de fragmentos G n con n = 1,2,3, ..., NG.
El material incluido en la unidad U m se define por dos de los tres parámetros siguientes:
M m: el peso de los componentes activos en la unidad Um,
Am : el peso de los componentes críticos en la unidad Um. y
a m: el contenido crítico de la unidad U m ,
entre los cuales tenemos las siguientes relaciones:

• Para unidades no especificadas:

• Para fragmentos:

• Para grupos de fragmentos:

Entonces, el verdadero contenido crítico desconocido A L del lote es:

con m = 1,2,3, ..., Nu.

Cada unidad U m del lote L se somete al proceso de selección con una probabilidad dada Pm de
ser seleccionado. La selección es correcta cuando:

1. Las unidades Nu Um del lote L tienen una probabilidad igual y constante diferente de
cero de ser seleccionadas.
2. Las unidades fuera del lote L tienen una probabilidad cero de ser seleccionadas.

Cuando una o ambas de estas condiciones no se cumplen, el proceso de selección es

necesariamente incorrecto, por lo tanto, es probable que esté sesgado.

18.11. El proceso de muestreo incremental de la corriente que fluye

El modelo unidimensional se selecciona para representar una corriente que fluye hecha de
material partículado. Este modelo supone que todos los fragmentos se concentran en el eje de
extensión del lote por proyección en una dirección paralela a la referencia (Ʌ) como se ilustra en la
Figura 18.11. En esta figura (Ʌ) es perpendicular al eje de extensión; sin embargo, el ángulo
formado por (Ʌ) y el eje es irrelevante siempre que el plano no sea paralelo al eje.
 El lote está hecho del material incluido dentro de los límites del dominio (DL) representado por
un cilindro en la Figura 18.11 (por ejemplo, una corriente que fluye, pero también podría ser el
núcleo cortado por una máquina perforadora) y delimitado por dos planos A0 y ɅL de la (Ʌ) familia.
Por proyección, el dominio tridimensional (DL) se reduce a un dominio bidimensional, luego a un
dominio unidimensional (TL) de la extensión o eje de tiempo.
18.11.1. Definición del incremento puntual I f :

La figura 18.11 se divide en tres partes que muestran el lote L de tres maneras diferentes:

1. En una perspectiva tridimensional que muestra los límites reales del dominio ( D L)
2. En una sección transversal bidimensional del cilindro en el que se ilustran los fragmentos
3. En un modelo unidimensional reducido al segmento ( T L) ocupado por el lote L proyectado
en el eje de tiempo o distancia.

Se selecciona un incremento puntual LP en el instante T p en algún lugar dentro del dominio

(TL). De hecho, este incremento es el material contenido en el corte elemental (Ʌp) del material
que fluye entre los instantes tp y tp + dt, donde dt es un infinitesimal Incremento constante
agregado a tp. En la figura 18.11, la distancia entre tp y tp + dt es exagerada.
 18.11.2. Definición del modelo de incremento extendido Ip

En la práctica, una muestra es incapaz de recoger un incremento de grosor infinitesimal como

dt; Por lo tanto, sustituiremos el corte elemental Ʌp con un incremento Iv delimitado por los puntos
t1 y t2 en el eje de tiempo o distancia, o por los planos Ʌ1 y Ʌ2 en la representación bidimensional
y tridimensional del lote L como se ilustra en la figura 18.12.
En esta figura, todo el material en la sección transversal de la corriente se corta durante el
mismo tiempo T l. En esta etapa, como se presenta en las Figuras 18.12 y 18.13, puede observar
que los planos Ʌ1 y Ʌ2 no tienen en cuenta los límites de los fragmentos.
Si procedemos con la recopilación de un incremento durante un tiempo constante T l a
intervalos constantes Tsy, la relación de muestreo τ permanece constante:

En conclusión, el modelo de incremento extendido logra una correcta delimitación de

incremento. En la práctica, la extensión es una operación exacta e imparcial en las dos condiciones
siguientes:
 1. El tamaño de los fragmentos sigue siendo pequeño en comparación con el dominio
extendido Dv.
2. El tamaño de Dv sigue siendo pequeño en comparación con el dominio DL ocupado por
el lote.
18.11.3. Definición del incremento extendido real Iv: error de delimitación de
incrementos IDE

El incremento extendido del modelo se delimita correctamente cuando los dos planos límite Ʌ1
y Ʌ2 son estrictamente paralelos. Los dos planos fronterizos no tienen que ser perpendiculares a la
corriente; por ejemplo, en la Figura 18.13, dos planos de límites Ʌ’1 y Ʌ’2 delimitan un incremento
correcto ya que son paralelos. Si el dispositivo de muestreo no respeta esta regla de corrección
que se estudiará en capítulos posteriores, el incremento extendido real Iv podría estar delimitado
por dos planos no paralelos como Ʌ'1 y Ʌ ”2 como se ilustra en la Figura 18.13, lo que resulta en
Una probabilidad de muestreo no constante y preferencial muy probable de introducir un sesgo.

En conclusión, si el corte a través de la secuencia no es correcto, y si hay alguna segregación

a través de la secuencia, y la experiencia muestra que siempre hay cierta segregación, el Error de
Delimitación de Incremento necesariamente introduce un sesgo de muestreo. La falta de corrección
del incremento extendido real genera un Error de delimitación de incremento que no puede
explicarse por el modelo de selección continua, por lo tanto, no es posible un análisis teórico.
Además, la media del error de delimitación de incremento no es cero, lo cual es devastador en la
práctica de muestreo. No podemos enfatizar lo suficiente el hecho de que el Error de Delimitación
de Incremento es un error muy sustancial con graves consecuencias en la confiabilidad del proceso
de muestreo. Desafortunadamente, este error a menudo es desconocido, ignorado o no apreciado
por los encargados de fabricar, instalar y mantener sistemas de muestreo.
 18.11.4. Definición del modelo Fragmental Incremento I f
El siguiente paso de extracción real requiere la transformación de un volumen incluido entre los
planos Ʌ1 y Ʌ2, que no respeta la estructura fragmentaria del material en un grupo de fragmentos
correctamente seleccionados .; la experiencia muestra una y otra vez que es más fácil decirlo que
hacerlo y esto lleva a algunos de los mayores sesgos en la práctica de muestreo.
Si observamos el cortador de un muestreador de flujo cruzado a medida que viaja a través del
material en la descarga de una cinta transportadora, podemos observar tres grupos de fragmentos:
1. Aquellos que están pasando por alto el cortador directamente
 2. Los que entran directamente al cortador
3. Aquellos que rebotan en los bordes del cortador como se ilustra en la Figura 18.14.
Los fragmentos que rebotan son aquellos cortados por los planos Ʌ1 y Ʌ2 generados por los
bordes del cortador a medida que viaja a través de la corriente. En condiciones ideales que se
definirán en capítulos posteriores, un fragmento que golpea un borde de corte rebota en el lado del
borde que lo contiene en el centro de gravedad.
En conclusión, todos los fragmentos que tienen su centro de gravedad dentro del incremento
extendido del modelo Iv pertenecen al incremento fragmentario del modelo If. Esta es una regla
muy importante de corrección de muestreo; se llama la regla de rebote o la regla del centro de
gravedad