Evaluación de Recursos y

Reservas
Fundamentos de geoestadistica
Mohammad Maleki
 Introducción

❑Que significa Geoestadística?

✓La palabra Fue inventada por Georges Matheron en 1962

➢Geo: espacio Geográfico

➢Estadística: modelos probabilísticos y estadísticos
Una rama de la estadística que se define como la aplicación de modelos
probabilísticos al análisis de datos ubicados en el espacio
 Introducción

❑Una aplicación importante es la evaluación de recursos naturales:

➢Recursos geológicos y reservas mineras en yacimientos

➢Recursos petrolíferos y gasíferos
➢Recursos forestales
Otras aplicaciones
➢ Geología
➢ Geofísica
➢ Hidrogeología
➢ Agricultura
➢ Ciencias del suelo y medio-ambientales
Variable regionalizada

Geoestadística

Fenómenos
Regionalizados

Extienden en Cierta
el espacio continuidad
 Variable regionalizada
❑Objeto

➢Descripción matemática del fenómeno regionalizado

❑Como?

➢A través de uno o varias funciones numéricas llamadas variables regionalizadas

❑Que es variables regionalizada?

➢Una función que representa los valores en el espacio de un atributo asociado a un

fenómeno regionalizado
 Variable regionalizada
❑En geoestadística minera, variables regionalizadas como:

➢Ley
➢Densidad de la roca
➢Granulometría
➢Recuperación metalúrgica

describen un fenómeno de mineralización.

 Variable regionalizada

❑Una variable regionalizada se caracteriza por:

➢Su naturaleza (continua / categórica)

➢Su dominio de extensión (Campo)
➢El área o volumen sobre el cual se mide (Soporte)
 Variable regionalizada

❑La variable regionalizada debe cumplir ciertas condiciones para poder aplicar
métodos geoestadísticos sobre este variable:

➢Homogeneidad de los datos (Soporte)

➢Aditividad
 Efecto de soporte
❑La distribución de una variable regionalizada depende del soporte en
el cual se mide
 Efecto de soporte

Soporte grande Soporte pequeño

Efecto de soporte
 Aditividad

❑Se dice que una variable regionalizada es aditiva cuando el valor de un soporte
grande (“bloque”) es el promedio aritmético de los valores “puntuales” dentro
del bloque.

❑Ejemplo!

𝟓 𝟏𝟎

𝟒 𝟖
 Aditividad
❑Que hacemos cuando un variable no es aditiva?
 Función aleatorio

❑Los modelos geoestadísticos consideran el valor z(x) de la variable regionalizado

en un sitio 𝑥 del campo D como una realización de una variable aleatoria 𝑍 x .

❑Entonces se obtiene un conjunto de variables aleatorias 𝑍 = 𝑍 𝑥 , 𝑥 ∈ 𝐷 que

constituye una Función aleatorio.

La variable regionalizada 𝑧, es una realización de la función

aleatoria 𝑍
 Función aleatorio
❑uno podría imaginar otras realizaciones que presentan características
similares en cuanto a cómo se distribuyen los valores en el espacio
Función aleatorio
 Caracterización de una función aleatoria

❑Como se caracteriza una función aleatorio ?

➢Distribución espacial
Imposible inferir la distribución espacial completa de la función aleatoria

𝐹x1 ,…,x𝑘 𝑍1 , … , 𝑍𝑘 = Prob 𝑍 x1 < 𝑧1 , … , 𝑍 x𝑘 < 𝑧𝑘

 Caracterización de una función aleatoria

❑Simplificación

➢Distribución univariable

𝐹x1 𝑍1 = Prob 𝑍 x1 < 𝑧1

➢Distribución bivariable

➢𝐹x1 ,x2 𝑍1 , 𝑍2 = Prob 𝑍 x1 < 𝑧1 , 𝑍 x2 < 𝑧2

 Caracterización de una función aleatoria

❑Mas simplificación
Considerar solamente algunos parámetros descriptivos (momentos) de
las distribuciones univariables y bivariables, que “ resumen” la
información más relevante.
 Caracterización de una función aleatoria
❑Valor esperada
𝒎 𝒙 = 𝑬 𝒁(𝒙)

❑La varianza
𝝈𝟐 𝒙 = 𝒗𝒂𝒓 𝒁(𝒙)
= 𝑬 𝒁 𝒙 − 𝒎(𝒙) 𝟐

= 𝑬 𝒁(𝒙)𝟐 − 𝒎(𝒙)𝟐
 Caracterización de una función aleatoria
❑La covarianza
𝑪 𝐱 𝟏 , 𝐱 𝟐 = 𝒄𝒐𝒗 𝒁(𝐱 𝟏 ), 𝒁(𝐱𝟐 )
= 𝑬 𝒁 𝐱𝟏 − 𝒎(𝐱𝟏 ) 𝒁 𝐱𝟐 − 𝒎(𝐱 𝟐 )
= 𝑬 𝒁 𝐱𝟏 − 𝒁(𝐱 𝟐 ) − 𝒎(𝐱𝟏 ) 𝒎(𝐱𝟐 )
❑El correlograma
𝒄𝒐𝒗 𝒁(𝐱𝟏 ), 𝒁(𝐱 𝟐 )
𝝆 𝐱𝟏 , 𝐱𝟐 =
𝒗𝒂𝒓 𝒁(𝐱𝟏 )𝒁(𝐱𝟐 )

❑El variograma
𝟏
𝜸 𝒙𝟏 , 𝒙𝟐 = 𝒗𝒂𝒓 𝒁 𝒙𝟏 − 𝒁(𝒙𝟐 )
𝟐
 Hipótesis de estacionaridad

❑Problema de inferencia
➢La variable regionalizada sólo es una realización de la función aleatoria

➢Esta realización se conoce de manera fragmentaria, en algunos sitios de

muestreo.

❑Solución
Estacionaridad
 Hipótesis de estacionaridad

❑La idea de Hipótesis de estacionaridad

➢Reemplazando la repetición sobre las realizaciones de la función aleatoria por
una repetición en el espacio

➢La distribución espacial de la función aleatoria es invariante por traslación

Las propiedades de un conjunto de datos no dependen de su posición absoluta en

el espacio, sino que solamente de sus posiciones relativas (Separaciones)
 Hipótesis de estacionaridad

❑La distribución univarable no depende del sitio considerado

➢ La esperanza y la varianza son constante en espacio

𝐹 𝑍1 = 𝑃𝑟𝑜𝑏 𝑍 𝑥 < 𝑧1

𝑚 = 𝐸 𝑍(𝑥)
𝜎 2 = 𝑣𝑎𝑟 𝑍(𝑥)
❑La distribución bivarible sólo depende de la separación entre los sitios considerados

𝐹ℎ 𝑍1 , 𝑍2 = 𝑃𝑟𝑜𝑏 𝑍 𝑥 + ℎ < 𝑧1 , 𝑍(𝑥) < 𝑧2

𝐶 h = 𝑐𝑜𝑣 𝑍(x + h), 𝑍(x)

𝜌 h = 𝑐𝑜𝑟𝑟 𝑍(x + h), 𝑍(x)
1
𝛾 h = 𝑣𝑎𝑟 𝑍 x + h − 𝑍(x)
2
 Hipótesis de estacionaridad

❑ Estacionaridad estricta
➢ Todos los momentos existen y son invariantes

Pr ob Z x1 < z1 , … . , Z xk < zk = Prob[Z < z1 , … . , Z xk + h < zk ]

❑ Estacionaridad de orden dos

➢ Primeros dos momentos existe es son invariantes

EZ x =m
ቊ
Cov [Z x + h , Z x ] = E Z x − m Z x + h − m = C(h)

❑ Hipótesis intrínseca

E Z x+h −Z x =0
ቊ 2
Var Z x + h − Z x = E Z x + h − Z x = 2γ h
 Hipótesis de estacionaridad

❑Hipótesis intrínsec
Resumen
 Referencia

❑ X. Emery, (2018): Apuntes docente curso MI640, Departamento Ingeniería de Minas, Universidad de Chile

❑ Chilès, J.P., Delfiner, P. (2012): Geostatistics: Modeling Spatial Uncertainty. Wiley, New York, 699 pp.

❑ Deutsch, C.V., Journel, A, G. (1998) GSLIB: Geostatistical software library and user’s guide. Oxford University Press, New
York, 369 pp

❑ M, Armstrong, (1998): Basic linear geostatistics. Springer, 161pp.