FACULTAD DE INGENIERÍA

UNIVERSIDAD PRIVADA DEL NORTE

FACULTAD DE INGENIERÍA
INGENIERÍA DE MINAS

Aplicación de los variogramas en kriging

Presentado por:

` SANCHEZ CASTILLO, MIGUEL ANGEL

` …
` …
` …
` …
` …

Revisado por:

Ing. Jorge Marcial Sánchez Espinoza

Cajamarca – Perú
2017-2

Geoestadística
1
 FACULTAD DE INGENIERÍA
RESUMEN
La geoestadística es una rama de la estadística aplicada que se especializa en el
análisis y la modelación de la variabilidad espacial en ciencias de la tierra. Su objeto
de estudio es el análisis y la predicción de fenómenos en espacio y/o tiempo, tales
como: ley de metales, porosidades, concentraciones de un contaminante, etc. Aunque
el prefijo geo- es usualmente asociado con geología, sin embargo la geoestadística
tiene sus orígenes en la minería.
Kriging es un procedimiento complejo que requiere de un mayor conocimiento sobre
las estadísticas espaciales que lo que se puede abarcar en este tema. Antes de utilizar
este método, debe comprender profundamente sus principios básicos y evaluar la
adecuación de sus datos para realizar un modelo con esta técnica. Si no comprende
bien este procedimiento, se recomienda que repase algunas de las referencias
enumeradas al pie de este tema. Kriging ordinario como el universal se basa en una
teoría de variables regionalizadas que presupone que la variación espacial en el
fenómeno representado por los valores z es estadísticamente homogénea a lo largo
de toda la superficie (por ej., se puede observar el mismo patrón de variación en todas
las ubicaciones sobre la superficie).
La aplicación de variogramas en kriging es una función vectorial que permite medir las
discrepancias de una propiedad en una región del espacio. Siendo un herramienta de
uso en el análisis de reservas minerales en una región definida.
Los variogramas son realizados en varias direcciones para definir adecuadamente el
comportamiento de la propiedad estudiada en toda la extensión del yacimiento, en
caso de que se esté estudiando en un plano horizontal. Dependiendo de los resultados
se utilizará un método geoestadístico u otro.

Geoestadística
2
 FACULTAD DE INGENIERÍA

ÍNDICE
INTRODUCCIÓN........................................................................................................... 4
KRIGING....................................................................................................................... 4
1. PLANTEAMIENTO DEL PROBLEMA....................................................................4
2. FORMULACIÓN DEL PROBLEMA.......................................................................4
3. JUSTIFICACIÓN DEL PROBLEMA.......................................................................4
4. OBJETIVOS........................................................................................................... 4
4.1. OBJETIVO GENERAL....................................................................................4
4.2. OBJETIVOS ESPECÍFICOS...........................................................................4
CAPÍTULO I: ASPECTOS TEÓRICOS.........................................................................4
CAPITULO II: DESARROLLO DEL TEMA...................................................................8
CAPITULO III: PROGRAMAS COMERCIALES..........................................................17
CONCLUSIONES........................................................................................................21
RECOMENDACIONES................................................................................................21
BIBLIOGRAFÍA........................................................................................................... 21

Geoestadística
3
 FACULTAD DE INGENIERÍA

INTRODUCCIÓN
Hoy en día para la estimación de reservas minerales hay diversos métodos, entre una
de ellas está el kriging que se separa ordinario y universal siendo el más usado y de
menos error el primero. Un tema muy extenso que abarca la aplicación de variogramas
modelados tanto para llevarlos a este método de estimación así mismo también otros
conceptos estadísticos.
El kriging ordinario es el más general y más utilizado de los métodos kriging y es el
predeterminado. Presupone que el valor medio constante es desconocido. Esa es una
presuposición razonable a menos que haya una razón científica para rechazarla. El
kriging universal presupone que hay una tendencia de invalidación en los datos, por
ejemplo, un viento prevaleciente, y puede modelarse a través de la función
determinística polinómica. Esta función polinómica se resta de los puntos medidos
originalmente y la autocorrelación se modela a partir de los errores aleatorios. Una vez
que el modelo se ajusta a los errores aleatorios y antes de realizar una predicción, se
vuelve a sumar la función polinómica a las predicciones para obtener resultados
significativos. El kriging universal solo se debe utilizar si se conoce una tendencia en
los datos y se puede dar una justificación científica para describirla.
Asimismo, también antes de estos métodos de kriging está el variograma que son
realizados en varias direcciones para definir adecuadamente el comportamiento de la
propiedad estudiada en toda la extensión del yacimiento, en caso de que se esté
estudiando en un plano horizontal. Dependiendo de los resultados se utilizará un
método geoestadístico u otro.
A Continuación; se presentara como se genera el problema y que justificación se le da,
así mismo también aspectos teóricos para tener una base clara para la aplicación de
variogramas en dicho método de estimación.

Geoestadística
4
 FACULTAD DE INGENIERÍA
KRIGING

1. PLANTEAMIENTO DEL PROBLEMA

En la actualidad la estimación de reservas minerales es casi un último proceso para decir si
un yacimiento es viable o no. Pero antes de ello hay muchos recursos las que sirven para
la estimación, dentro de ellas tenemos correlaciones, variogramas, entre otros.
Terminando con el análisis de kriging. Hoy en día hay lugares donde aflora el yacimiento
pero luego de estos análisis o métodos de estimación son abandonados. ¿Por qué?.

2. FORMULACIÓN DEL PROBLEMA

¿Cuáles son los factores que influyen en el método de kriging para llegar a un
resultado positivo o negativo?
¿Por qué se estudian variogramas para este método?

3. JUSTIFICACIÓN DEL PROBLEMA

Esta investigación tiene como finalidad estudiar variogramas aplicados a kriging
para determinar la estimación de una reserva o un yacimiento mineral. De acuerdo
a ellos podemos deducir si un yacimiento es económicamente rentable o no.
Asimismo al conocer la aplicación de variogramas en el método antes dicho nos
daremos cuenta de que tan fácil o posible es la aplicación en una reserva o en un
yacimiento dado.

4. OBJETIVOS

4.1. OBJETIVO GENERAL

 Conocer y estudiar la aplicación de variogramas en el método kriging
4.2. OBJETIVOS ESPECÍFICOS
 Conocer que es variograma y que es el método Kriging
 Realizar un ejemplo de la aplicación de variogramas en dicho método

CAPÍTULO I: ASPECTOS TEÓRICOS

1. KRIGING
Kriging es un procedimiento geoestadístico avanzado que genera una
superficie estimada a partir de un conjunto de puntos dispersados con valores
z. A diferencia de otros métodos de interpolación en el conjunto de
herramientas de Interpolación, utilizar la herramienta Kriging en forma efectiva
implica una investigación interactiva del comportamiento espacial del fenómeno
representado por los valores z antes de seleccionar el mejor método de
estimación para generar la superficie de salida.
Las herramientas de interpolación IDW (Distancia inversa ponderada) y Spline
son consideradas métodos de interpolación determinísticos porque están
basados directamente en los valores medidos circundantes o en fórmulas
matemáticas especificadas que determinan la suavidad de la superficie
resultante. Hay una segunda familia de métodos de interpolación que consta de

Geoestadística
5
 FACULTAD DE INGENIERÍA
métodos geoestadísticos, como kriging, que está basado en modelos
estadísticos que incluyen la autocorrelación, es decir, las relaciones
estadísticas entre los puntos medidos. Gracias a esto, las técnicas de
estadística geográfica no solo tienen la capacidad de producir una superficie de
predicción sino que también proporcionan alguna medida de certeza o
precisión de las predicciones.
Kriging presupone que la distancia o la dirección entre los puntos de muestra
reflejan una correlación espacial que puede utilizarse para explicar la variación
en la superficie. La herramienta Kriging ajusta una función matemática a una
cantidad especificada de puntos o a todos los puntos dentro de un radio
específico para determinar el valor de salida para cada ubicación. Kriging es un
proceso que tiene varios pasos, entre los que se incluyen, el análisis
estadístico exploratorio de los datos, el modelado de variogramas, la creación
de la superficie y (opcionalmente) la exploración de la superficie de varianza.
Este método es más adecuado cuando se sabe que hay una influencia
direccional o de la distancia correlacionada espacialmente en los datos. Se
utiliza a menudo en la ciencia del suelo y la geología.

1.1. LA FÓRMULA DE KRIGING

El método kriging es similar al de IDW en que pondera los valores medidos
circundantes para calcular una predicción de una ubicación sin mediciones.
La fórmula general para ambos interpoladores se forma como una suma
ponderada de los datos:

Donde:
Z(si) = el valor medido en la ubicación i
λi = una ponderación desconocida para el valor medido en la
ubicación i
s0 = la ubicación de la predicción
N = la cantidad de valores medidos
En IDW, la ponderación, λi, depende exclusivamente de la distancia a la
ubicación de la predicción. Sin embargo, con el método kriging, las
ponderaciones están basadas no solo en la distancia entre los puntos
medidos y la ubicación de la predicción, sino también en la disposición
espacial general de los puntos medidos. Para utilizar la disposición espacial
en las ponderaciones, la correlación espacial debe estar cuantificada. Por lo
tanto, en un kriging ordinario, la ponderación, λi, depende de un modelo
ajustado a los puntos medidos, la distancia a la ubicación de la predicción y
las relaciones espaciales entre los valores medidos alrededor de la
ubicación de la predicción. En las siguientes secciones se describe cómo
se utiliza la fórmula general de kriging para crear un mapa de la superficie
de predicción y un mapa de la precisión de las predicciones.

1.2. MÉTODOS DE KRIGING

 Kriging simple
Asume que las medias locales son relativamente constantes y de valor
muy semejante a la media de la población que es conocida. La media

Geoestadística
6
 FACULTAD DE INGENIERÍA
de la población es utilizada para cada estimación local, en conjunto con
los puntos vecinos establecidos como necesarios para la estimación.
 Kriging ordinario
Las medias locales no son necesariamente próximas de la media de la
población, usándose apenas los puntos vecinos para la estimación. Es
el método más apropiado, para situaciones medioambientales, este
método asume que las medias locales, no están necesariamente
relacionadas lo más cercanamente a la media poblacional, por lo cual
solo usa las muestras en la vecindad local para la estimación.
 Cokriging
Es una extensión de las situaciones anteriores en las que dos o más
variables tienen una dependencia espacial y esa variable se estima que
no se muestra con la intensidad con la que otros son variables
dependientes, con estos valores y sus dependencias para estimar la
variable requiere.

1.3. TIPOS DE KRIGING

 Kriging de punto
Estima los valores de los puntos en los nodos de las cuadrículas.

 Kriging de bloque
Estima el valor promedio de los bloques rectangulares, que están
centrados en los nodos de las cuadrículas, los bloques son de tamaño y
forma de las celdas de las cuadrículas, este tipo de Kriging no resulta
ser un buen interpolador, ya que no estima el valor de un punto.

2. SEMIVARIANCIA Y SEMIVARIOGRAMA
Una semivariancia es la medida del grado de dependencia espacial entre dos
muestras. La magnitud de la semivariancia entre dos puntos depende de la
distancia entre ellos, implicando en
semivariancias menores para distancias
menores y semivariancias mayores para
distancias mayores. El gráfico de las
semivariancias en función de la distancia
a un punto es llamado de
semivariograma. A partir de una cierta
distancia, la semivariancia no más
aumentará con la distancia y se
estabilizará en un valor igual a la
variancia media, dando a esa región el nombre de meseta, silo o patamar (sill).

Geoestadística
7
 FACULTAD DE INGENIERÍA
La distancia entre el inicio del semivariograma al comienzo del silo recibe el
nombre de rango. Al extrapolar la curva del semivariograma para la distancia
cero, podemos llegar a un valor no nulo de semivariancia. Ese valor recibe el
nombre de efecto pepita (Nugget Effect).

3. VARIOGRAMA
Es una función vectorial que permite medir las discrepancias de una propiedad
en una región del espacio. Siendo un herramienta de uso en el análisis de
reservas minerales en una región definida.
Los variogramas son realizados en varias direcciones para definir
adecuadamente el comportamiento de la propiedad estudiada en toda la
extensión del yacimiento, en caso de que se esté estudiando en un plano
horizontal. Dependiendo de los resultados se utilizará un método
geoestadístico u otro.

3.1. Modelos de variogramas

En el Método de Kriging normalmente son usados cuatro tipos de
variogramas: usadas las siguientes variables:
v : variancia
c0: nugget
a : silo
c0 + c : variancia asintótica
h : distancia de separación
 Lineal
Este modelo no presenta silla y es muy simple. Su curva puede ser
representada por:

 Esférico
Una forma esférica es la más utilizada en el silo. Su forma es definida
por:

 Exponencial
La curva de variograma exponencial respeta la siguiente ecuación:

 Gaussiano
Una forma gaussiana es dada por:

4. LA VARIANZA EN LA ESTIMACIÓN DEL KRIGING

La varianza indica la dispersión que presentan los valores estimados con
respecto a los valores reales.
El Kriging no solo provee una estimación de mínimos cuadrados, también está
ligado a la varianza del error.
La varianza del error es:

Geoestadística
8
 FACULTAD DE INGENIERÍA
o Dependiente en el modelo de la covarianza.
o La precisión de la estimación podría depender de la complejidad de la
variabilidad espacial de z, modelado por la covarianza.
o Dependiente en la configuración de los datos.
o La localización de los datos y sus distancias entre sí, son estimados.
o Independiente de los valores de los datos.
Para un modelo de covarianza dado, la configuración de dos datos idénticos
podría producir la misma varianza Kriging, sin importar que los datos
estuvieren.

5. EFECTOS DE ESTIMACIONES
 Efecto del Rango en las Estimaciones.
Un valor grande para el rango (a), significa un comportamiento más
continuo. Las estimaciones dan como resultado mapas bastante lisos para
la variable de interés.
 Efecto del modelo en las Estimaciones.
Considerando la forma que presenta el Variograma en los primeros lags,
un modelo Gaussiano es más continuo que un modelo Esférico con un
mismo efecto en 6h, para la variable mejor correlacionada, se muestran los
mapas con más suavización.
 Efecto del Sill en las Estimaciones.
El cambiar el valor de Sill, no cambia los valores de las estimaciones, por
lo que los mapas de estimaciones seguirán siendo los mismo, afecta a la
variación de las estimaciones, un sill más alto indica, mayor variación en
las estimaciones.
 Error de Estimación.
Dado que no son estrictamente equivalentes, hay un error de estimación
involucrado en los procedimientos. La aceptación de un método de
estimación será dada por la magnitud de los errores involucrados, el mejor
método a considerar de be ser el que de los errores más pequeños,
considerando todos los bloques o puntos en la estimación.

CAPITULO II: DESARROLLO DEL TEMA

1. APLICACIÓN
Análisis Geoestadístico De Un Yacimiento Cupríferoargentífero

Estadísticas elementales

N° de
Mínimo Máximo Media Varianza
  datos
Ag 5626 0,4 620 35,99 2824,33
As 5758 5 60000 1939,2 150202,94
Cu 5786 0,01 29,9 1,62 5,11
Tabla 1. Estadísticas elementales para Ag, As y Cu.

  Ag As Cu
Ag 1 0,49 0,82
As 0,49 1 0,77

Geoestadística
9
 FACULTAD DE INGENIERÍA
Cu 0,82 0,77 1
Tabla 2. Matriz de correlación para Ag, As y Cu.

Análisis variográfico
Un análisis variográfico busca describir y modelar la continuidad espacial de
una variable con el objetivo de poder descubrir presencias de anisotropías, si
existen zonas de continuidad espaciales preferenciales este se verán reflejadas
en el mapa, esto un estudio a priori pues las anisotropías se deben comprobar
dentro de los variogramas, pero es del análisis variográfico donde se
encuentran pistas. Para realizar este análisis se realizó un mapa variográfico
para cada una de las leyes, donde se visualiza el variograma en todas las
direcciones del espacio.

Mapas Variográficos

Figura 1: Mapa variográfico cobre, dirección U-V

Geoestadística
10
 FACULTAD DE INGENIERÍA

Figura 2: Mapa variográfico cobre, dirección W-V

Figura 3: Mapa variográfico cobre, dirección W-U

Para el cobre las direcciones de anisotropías no son tan claras a la vista, de

hecho en el plano WV no existen, en el plano UV podría existir en la dirección
N10 y su ortogonal N100, en el caso del plano WU podría existir en la dirección
Z15 y Z105.

Variograma experimental direccional

Geoestadística
11
 FACULTAD DE INGENIERÍA
A continuación se presentan los variogramas experimentales direccionales, que
se realizan con el fin descartar o asegurar anisotropías, en el caso de existir
estás se verán claras en el variograma y así aseguramos la existencia, en caso
contrario descartamos y solamente utilizaremos el variograma omnidireccional,
los parámetros utilizados fueron los siguientes:

Tabla 3: Parámetros variograma experimental direccionales

Figura 4. Variograma experimental de cobre, dirección U-V

Figura 5. Variograma experimental de cobre, dirección W-U

Geoestadística
12
 FACULTAD DE INGENIERÍA
El análisis es el mismo tanto para el cobre: la sospecha no es cierta, de hecho,
era de esperar pues en el mapa no eran claras las anisotropías y esto se
corrobora con el variograma experimental, en ambos casos el variograma es
bastante similar. Aunque pueden que difieran un poco, asegurar anisotropías
sería irresponsable pues estaríamos entregando mayor información, pero falsa,
al kriging lo cual puede traer errores en nuestros resultados. Por lo tanto,
después de este análisis, no existen anisotropías zonales para ningún tipo de
variable.

Variograma experimental omnidireccional

Al no existir anisotropías solamente se trabajará con los variogramas
omnidireccionales y serán estos los modelados para después ser utilizados en el
krigging. Con los mismos parámetros que el anterior.

Figura 6. Variograma experimental omnidireccional de cobre

Variograma modelado
Un variograma experimental es incompleto en cuanto a que se calcula sólo
para algunas distancias y direcciones, y los valores obtenidos dependen
directamente de los parámetros y pares de datos utilizados en su cálculo, por lo
tanto es necesario ajustarlo por un modelo teórico que se adecue al variograma
de la función aleatoria.

Geoestadística
13
 FACULTAD DE INGENIERÍA

Figura 7. Variograma modelado del Cobre

Al igual que el variograma anterior, el cobre también presenta un modelo
anidado del efecto pepita y el modelo esférico. El modelo esférico tiene una
meseta y un alcance de 2,55 y 19,94 m respectivamente y el efecto pepita es
de 3,03.

Validación cruzada
Con el objetivo de validar los variogramas modelado y la vecindad escogida se
realiza una validación cruzada, es decir se estiman los datos a partir de los
demás como si siguieran el comportamiento del variograma modelado,
obviamente existirá un error asociado, el cual es nuestro parámetro de decisión
para validar, tomamos como error una banda de 5% para ambas lados (2.5 %
por lado), sobre y sub estimación, los datos en rojo en las figuras se
encuentran sobre el error, y estos datos no deben superar el 5% del total de la
muestra.
También se deben cumplir ciertas condiciones de sesgo, precisión, los cuales
son detallados a continuación:
 Insesgo: el promedio de los errores deber ser cercano a cero.
 Precisión: el valor de la varianza deber ser pequeño.
 Varianza de errores estandarizados debe ser cercano a uno, el
variograma cuantifica adecuadamente la incertidumbre.
 Nube de dispersión debe acercarse a la diagonal para cumplir insesgo
condicional.

Geoestadística
14
 FACULTAD DE INGENIERÍA

Figura 8. Validación Cruzada del Cobre

Tabla 4. Datos validación cruzada del Cobre

Todas las condiciones anteriores se cumplen salvo que la varianza del error
sea un valor pequeño, esto se explica pues en la nube de dispersión vemos
que los valores con altas leyes fueron estimados por valores más pequeños y
estos aumentan la varianza, aun así es la varianza más pequeña que se puede
obtener, por lo tanto, se valida el variograma.

Grilla de bloques
Para realizar una estimación por kriging, es necesario definir una grilla que
cubre la zona muestreada con una malla definida de un cierto tamaño, de
modo que se puedan generar bloques para la cubicación del yacimiento. Para
un modelo de Bloques en ISATIS, se genera la siguiente grilla de bloques

Geoestadística
15
 FACULTAD DE INGENIERÍA
utilizando los siguientes parámetros, donde se indican las coordenadas x, y, z
de cada caso.

Tabla 5. Parámetros grilla de bloques

Para cada malla de 5m x 10m x 10m se obtuvieron gráficos de la siguiente

manera:

Figura 9. Vista XOZ de la Grilla del Cobre

Kriging en la grilla
La interpolación por Kriging se realiza en ISATIS. Los modelos para el Kriging
pueden ser adoptados con un soporte puntual o un soporte de bloques. Para
mejor zonación, se determinó utilizar modelo de bloques. Las mallas
empleadas son de 10mx10mx5m. Este método, se utilizara para las tres
variables de la muestra (Cu).

Geoestadística
16
 FACULTAD DE INGENIERÍA

Figura 28. Base kriging del Cobre, Vista X0Y para estimación de leyes y
desviación std.

Análisis de Resultados
Con el objetivo de validar el kriging es fundamental realizar ciertos análisis,
como que la variable siga comportándose de acuerdo a su distribución, que la
media siga siendo la misma y el comportamiento por dirección sea el mismo.
Se sabe que el kriging subestima las altas leyes y sobre estima las bajas leyes,
por lo tanto veremos que en las zonas de alta concentración, que no son
muchas, existirá una atenuación y en las zonas de baja ley aumentarán un
poco, sin embargo la media debería ser bastante similar.

Cobre:
En el caso del sobre el análisis es similar al de la plata y las medias también
se mantienen, en el caso del comportamiento de la variable frente a una
distribución normal (gráficos QQPLOT), la variable después del kriging sigue
manteniendo ese efecto curva pero se atenuó en las bandas, su
comportamiento es más parecido a una distribución normal que log-normal,
pero para aseverar tal hipótesis es necesario hacer un test estadístico.

Geoestadística
17
 FACULTAD DE INGENIERÍA

Para el caso de las leyes versus las direcciones espaciales se comprueba que
las tendencias se mantienen mayoritariamente y los efectos del kriging se
producen. Para el cobre las altas leyes fueron más atenuadas que en el caso
de la plata.

Geoestadística
18
 FACULTAD DE INGENIERÍA
CAPITULO III: PROGRAMAS COMERCIALES

A. RecMin
Por sus siglas en español, (Recursos Mineros), sirve para gestión de recursos
mineros, ha sido patentado en la universidad de Oviedo, por su autor Cesar
Castañón Fernández, profesor principal del departamento de recursos
minerales de la Universidad de Oviedo y gerente general de la empresa
RPTEC (servicios y consultoría minera). Para demostrar el método pentaedrico
que ah sido sustentado en su tesis doctoral. Actualmente el programa se viene
usando en consultorías y en el ore-control minas el Congo-África y en más
proyectos. Se creó para demostrar el método pentaedrico*. Para ello su autor
agrego las opciones de modelamiento geológico, el modelo de bloques y
estimación por el método del inverso de la distancia para un modelo de
bloques, esto para poder comparar su método pentaedrico con las desventajas
que tiene el método de bloques para capas mineralizadas) Por tal motivo no
implemento o adiciono herramientas geoestadísticas al programa.
 Ventajas: Gratuito, libre, está en idioma español, ingles y francés.
Contiene herramientas para el modelado geológico, contiene vistas
3D, permite editar e importar base de datos, DXF, etc. Es posible
generar un modelo de bloques y como tal restringirlo a un cuerpo
geológico, etc.
 Desventajas: No contiene herramientas geoestadísticas, para
estimar por kriging un modelo de bloques.

Geoestadística
19
 FACULTAD DE INGENIERÍA

B. SGeMS.
Por sus sigla en Inglés (The Stanford Geostatistical Modeling Software), cuenta
con potentes herramientas geoestadísticas, creado por Nicolás Remy de la
universidad de Stanford, ofrece una interfaz en 3D, contiene casi todas las
herramientas de estimación por kriging, cokriging, kriging indicador y
simulación geoestadística. Su uso y aceptación ya es casi a nivel global por
usuarios de minería y geología. Está en idioma inglés.

Geoestadística
20
 FACULTAD DE INGENIERÍA
 Ventajas: Libre, gratuito, interfaz 3D.
 Desventajas: no contiene herramientas para el modelamiento
geológico previo a la estimación de recursos: no es posible generar un
modelo de bloques restringido a un cuerpo geológico que presenta el
depósito mineral, pero, si es posible importar una grilla de bloques
restringidas a un cuerpo litológico.

Geoestadística
21
 FACULTAD DE INGENIERÍA
CONCLUSIONES

 Mediante el desarrollo del tema se dio a conocer la aplicación de variogramas

en el método kriging, asimismo dimos un ejemplo de esta aplicación para su
mejor entendimiento.
 Se dio a conocer que es un variograma como también sus diferentes tipos de
este, paralelo a ello el método de kriging, con sus diferentes métodos y tipos de
estimación.

RECOMENDACIONES
` Para este trabajo necesitamos muy buenas referencias ya que si no lo es
podemos entrar en contradicciones entre los diferentes tipos de artículos.
` Para el desarrollo del tema y aplicarlos primeramente tenemos que tener una
base teórica muy bien definida ya que de lo contrario se nos ara muy difícil.

BIBLIOGRAFÍA
http://www.iimp.org.pe/website2/jueves/ultimo251/jm20110825_software.pdf
http://info.igme.es/SidPDF/067000/078/Anexo%204/67078_0007.pdf
https://pro.arcgis.com/es/pro-app/tool-reference/3d-analyst/how-kriging-works.htm
http://www.academia.edu/8844884/CONSTRUCCI
%C3%93N_DE_VARIOGRAMAS_Y_AN%C3%81LISIS_GEOESTAD
%C3%8DSTICO_DE_5000_DATOS_GENERADOS_ALEATORIAMENTE_GEOESTAD
%C3%8DSTICA_I
https://www.u-
cursos.cl/usuario/940025f9b4dcad9b0a1db2926177cdbf/mi_blog/r/Informe_2_geoest
adistica.pdf

Geoestadística
22