Teoria de Las Variables Regionalizadas

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
DEDICATORIA
A nuestros queridos padres, amigos y familiares, quienes
nos bridaron y brindan su apoyo de alguna u otra forma
durante este proceso de nuestra formación profesional.
Del mismo modo a los docentes y personas ajenas que de

forma desinteresada nos brindaron su poyo en todo este
proceso en nuestra formación académica.
INTRODUCCION
El prefijo “geo” alude a las ciencias de la tierra, que ha sido históricamente la disciplina
donde la geoestadística se ha desarrollado. Los campos de aplicación actuales alcanzan los
dominios más variados, como la evaluación de recursos naturales (mineros, forestales, gas,
petróleo, etc.), ciencias del suelo y medio-ambientales, topografía, oceanografía, geofísica,
agricultura y análisis de imágenes, por nombrar algunos. El término “estadística” se refiere al
uso de herramientas estadísticas y probabilísticas. Con respecto a la estadística clásica, la
geoestadística busca tomar en cuenta las dependencias entre las observaciones disponibles,
considerando que ellas están ubicadas en el espacio.
En un gran número de actividades humanas, principalmente en las Ciencias de la Tierra, el

arte de las minas, etc.… interesa estudiar la variación espacial de ciertas magnitudes, que
llamaremos, de manera general, variables regionalizadas. Como ejemplos simples de variables
regionalizadas, citemos entre otras: las densidades de población humana en una zona
geográfica, la potencia (o el espesor) de una formación geológica, la ley de un metal dado en
un yacimiento minero, etc…
El técnico se puede interesar a estas magnitudes por razones de tipo puramente utilitario. Por
ejemplo, para un minero, se puede tratar de estimar las reservas de un yacimiento, en tonelaje
y en ley, a partir de un muestreo fragmentario, y, en la medida de lo posible, acompañar estas
estimaciones de un cálculo de error. Pero también de una manera más general, puede
interesarse en estas magnitudes para tratar de hacer comprensible el fenómeno natural
(regionalizado) que estas magnitudes representan. Se trata entonces de extraer de la masa de
datos numéricos brutos disponibles, los grandes rasgos estructurales y las características
mayores de un fenómeno natural.
La geoestadística se define como el estudio de fenómenos regionalizados, es decir, que se

extienden en el espacio y presentan una cierta continuidad. Por “espacio”, entenderemos en
general el espacio geográfico, pero puede también tratarse del eje temporal o de espacios más
abstractos. El objeto sobre el cual trabajaremos será una descripción matemática del
fenómeno regionalizado, a saber, una o varias funciones numéricas llamadas variables
regionalizadas, que miden ciertas propiedades o atributos relacionados con este fenómeno.
OBJETIVOS DE LAS VARIABLES REGIONALIZADAS:
 Determinar la ley de un mineral, la potencia de una veta, la acumulación, la densidad de la

roca o la recuperación metalúrgica, describen un fenómeno de mineralización.
 Calcular la porosidad y la permeabilidad de la roca en un reservorio de petróleo o en un
acuífero.
 Determinar la concentración de un elemento contaminante en la atmósfera o en el suelo.
 La altitud topográfica en un punto del espacio geográfico;
 La conductividad eléctrica, el pH y la concentración en nutrientes medidas sobre una muestra
de suelo.
 Como ejemplo, El número de árboles y su diámetro promedio en áreas de observación de un
bosque.
1. CAPITULO I
1. GENERALIDADES:
2. ESTADÍSTICA:
La estadística podría definirse como la ciencia que se encarga de recopilar, organizar,
procesar, analizar e interpretar datos con el fin de deducir las características de una población
objetivo, pero esta sería solo una visión estrecha de lo que comprende esta rama del saber. A
continuación, se hace una muy breve introducción teórica al amplio concepto de la estadística.
1.1.1Estadística descriptiva
La estadística emplea métodos descriptivos y de inferencia estadística. Los primeros se
ocupan de la recolección, organización, tabulación, presentación y reducción de la
información.
1.1.2Estadística inferencial
La estadística inferencial es una parte
de la estadística que comprende los
métodos y procedimientos que por
medio de la inducción determina
propiedades de una población
estadística, a partir de una parte de
esta. Su objetivo es obtener
conclusiones útiles para hacer
deducciones sobre una totalidad,
basándose en la información numérica
de la muestra.
.
3. GEOESTADÍSTICA:
La geoestadistica se define como la aplicación
de la teoría variables regionalizadas a la
estimación de recursos mineros.La
geoestadística es una rama de las ciencias de la
Tierra que se centra en los conjuntos de datos de
la superficie terrestre, conocidos también como
datos geográficos, datos espaciales o espacio-
temporales. Desarrollado originalmente para
predecir las distribuciones de probabilidad de las
leyes de mineral para las operaciones mineras, se
aplica en la actualidad en diversas disciplinas
geográficas como la hidrología, la ecología del
paisaje, la pedología, la climatología, entre otras.
4. POBLACIÓN:
En estadística una población es
un conjunto de objetos,
individuos, elementos o
eventos con determinadas
características. A menudo se
obtiene una muestra de dicha
población, es decir, un
subconjunto representativo.
5. MUESTRA:
En estadística, una muestra es
un subconjunto de casos o individuos de una población. En diversas aplicaciones interesa que
una muestra sea representativa y para ello debe escogerse una técnica de muestra adecuada
que produzca una muestra aleatoria adecuada se obtiene una muestra sesgada cuyo interés y
utilidad es más limitado dependiendo del grado de sesgos que presente.
6. VARIANZA:
La varianza es una medida de dispersión que representa la variabilidad de una serie de datos
respecto a su media. Formalmente se calcula como la suma de los residuos al cuadrado
divididos entre el total de observaciones.
7. VARIABLE:
Son cada una de las características que pueden observarse en un individuo de la muestra.
Ejemplos: en una muestra de una población de seres humanos podemos medir: la altura, la
edad, el peso, el sexo, número de hermanos; en una muestra de una población de una especie
de tortugas podemos medir: la anchura del caparazón, la longitud del caparazón, la edad
 Variable cualitativa
Una variable, en el ámbito de la matemática, es un símbolo que puede aparecer en una
función, un algoritmo, una proposición o una fórmula, adoptando distintos valores. Al
establecer vínculos con otras variables, pueden contribuir al desarrollo de una teoría o de
una hipótesis, adquiriendo la denominación de constructos.
 Ordinal
Es aquella que presenta valores no numéricos, pero existe un orden.
Ejemplos:
Las medallas conseguidas en una competencia. Los valores serían: oro, plata,
bronce.
Grado de satisfacción laboral en una compañía. Los valores serían: muy
satisfecho, satisfecho, regular, insatisfecho, muy insatisfecho (mañana mismo
renuncio).
 Nominal
Es aquella que presenta valores no numéricos, y no existe un orden.
Ejemplos:
El estado civil: soltero, casado, divorciado, viudo.

El lugar de nacimiento de tus amigos. Los valores serían: Lima, Abancay, Andahuaylas,
entre otras ciudades.
 Variable cuantitativa
Son las variables que toman como argumento cantidades numéricas, son variables
matemáticas. Las variables cuantitativas además pueden ser:
 Variable discreta
Una variable discreta es aquella que solo puede tomar un número finito de valores
entre dos valores cualesquiera de una característica.
El número de hermanos de 5 amigos: 2, 1, 0, 1, 3.
 Variable continua
Una variable continua es aquella que puede tomar un número infinito de valores entre
dos valores cualesquiera de una característica.
La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.
En la práctica medimos la altura con dos decimales, pero también se podría dar con tres
decimales.
8. TIPOS DE MUESTRA
 Muestra probabilística
Técnica de muestreo que integra a toda la población dándole la oportunidad de
participar en la muestra.
 Muestra no probabilística
Técnica de muestreo donde las muestras se recogen en un proceso que no brindan a
todos los individuos de la población iguales oportunidades de ser seleccionados.
9. MÉTODOS DE MUESTREO:
 Muestreo aleatorio simple
Todos los componentes o unidades de la población
tienen la misma probabilidad de ser seleccionados.
 Muestreo sistemático
Se selecciona al azar un punto de partida y un
intervalo muestral. Así si el punto de partida
fuera el 11 y el intervalo el 6 se elegirían el 11,
16, 21, 26 hasta recorrer toda la población.
 Muestro estratificado
La población en estudio se sub- divide en estratos o
subpoblaciones que tienen cierta homogeneidad en
el terreno y en cada estrato se realiza un muestreo
aleatorio simple (o sistemático).
10.VARIOGRAMA:
Es una herramienta que permite medir
las discrepancias de una propiedad en una
región del espacio. El variograma o
semivariograma es una herramienta que
permite analizar el comportamiento
espacial de una variable sobre un área
definida, obteniendo como resultado un
variograma experiment al que refleja la distancia máxima y la forma en que un punto tiene
influencia sobre otro punto a diferentes distancias.
El resultado de este análisis no puede ser aplicado directamente en los diferentes métodos de
interpolación que lo ocupan como información base, es por esto que una vez calculado el
variograma experimental.
11.REGIONALIZACIÓN:
Significa que la información está impregnada de dos características complementaria: su
arquitectura espacial y su aleatoriedad. Como podemos tener la ley de metal en una región
puede ser alta o baja.
12.VARIABLES REGIONALIZADAS:
Las variables regionalizadas poseen características cualitativas, ligadas a la estructura del
fenómeno natural y representan la evolución en el espacio de un fenómeno natural.
Es una función que representa la variación en el espacio de una cierta magnitud asociada a un
fenómeno natural.
13.VARIABLE ESPACIAL
Es la discriminación de unidades o estadísticas dentro un contexto 3d posibilita la
identificación de uno de los atributos fundamental de la mineralización bajo estudios.
CAPITULO 2
1. GEOESTADÍSTICA:
Origen:
 La geoestadística es una rama de la estadística que trata fenómenos espaciales (Journel
& Huijbregts, 1978).
 Su interés primordial es la estimación, predicción y simulación de dichos fenómenos

(Myers, 1987).
 Matheron definió a la Geoestadística como "la aplicación del formalismo de las
funciones aleatorias al reconocimiento y estimación de fenómenos naturales“
(Matheron, 1962).
 La Geoestadística tiene su origen en la búsqueda, exploración y evaluación de
yacimientos minerales útiles.
 Se ha consolidado y desarrollado en los últimos 30 años como ciencia aplicada casi
exclusivamente en el campo minero.
 Las investigaciones han buscado los métodos más eficientes que proporcionen la
mayor información posible de los datos disponibles.
 Mediante el mejor estimador que minimice la varianza del error de estimación (error
cuadrático medio) surge la Geoestadística por los trabajos de G. atheron en la Escuela
Superior de Minas de París (1949)
 Entre los métodos más recientes se pueden citar los “geomatemáticos”: El Inverso de
la Distancia, Triangulación, Splines, etc.
 Matheron formalizó y generalizó matemáticamente un conjunto de técnicas
desarrolladas por D. G. Krige (1941) que explotaban la correlación espacial para hacer
predicciones en la evaluación de reservas de las minas de oro en Sudáfrica.
 D.G. Krige (1951) desarrolló la aplicación del análisis de regresión entre muestras y
bloques de mena (Mineral metalífero, principalmente el de hierro, tal como se extrae
del criadero y antes de limpiarlo)
2. VARIABLES REGIONALIZADAS:
Esta metodología probabil1stica que toma en consideración la posición en el tiempo y/o
en el espacio de la variable analizada, dio lugar al nacimiento de una nueva rama de la
ciencia denominada Geoestadistica.
 Al tomar una muestra de una función aleatoria, a la que llamaremos realización, se
obtendrá una función espacial discreta la cual constituye una variable regionalizada.
 Es decir, una realización de una función aleatoria es una variable regionalizada
La Geoestadística busca estudiar las variables regionalizadas, es decir, variables
numéricas que se extienden en el espacio geográfico, a partir de una toma de muestra.
Ejemplos:
A) Agricultura: concentraciones de nutrientes, pH, salinidad, conductividad
eléctrica del suelo
B) Ingeniería Forestal: densidad y diámetro promedio de los árboles en un bosque
C) Ciencias Medio Ambientales: concentración de elementos contaminantes en
la atmósfera o en el suelo
D) Ingeniería de Petróleo, Hidrogeología: porosidad y permeabilidad de la roca en
un reservorio petrolero o en un acuífero
E) Minería: atributos geológicos o metalúrgicos (leyes, potencia, acumulación,
tipo de roca, dureza, recuperación metalúrgica…)
Ejemplo 1: Mediciones de la concentración de plomo en una zona contaminada
En este caso consideraremos gracias al variograma mostrado que las partes de rojo
con las que necesitan remediación.
Ejemplo 2: Campaña de sondajes en un yacimiento aurífero.

Ejemplo 3. En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = Ley de Cu en el
punto x dentro de un depósito masivo:
3. ASPECTOS BASICOS RELACIONADOS CON LA VARIABLE

REGIONALIZADA:
14.FINALIDAD DE LA TEORIA DE LAS VARIABLES
REGIONALIZADAS:
Para MATHERON (1970) 105 objetivos que pretende alcanzar la T.V.R. son:
 Establecer las bases teóricas que permitan reconocer las características estructurales de los
fenómenos analizados bajo una forma matemática apropiada.
 Proporcionar un instrumento práctico para resolver los diferentes problemas de estimación que
se planteen a partir de los datos obtenidos en el muestreo.
Estos objetivos son generales en el estudio de todos aquellos fenómenos que se caractericen por la
distribución de una o más variables en el espacio o en el tiempo; y que presenten junto a un alto grado
de irregularidad espacial o temporal, una aparente estructura de correlación subyacente.
15.NOCIÓN DE VARIABLE REGIONALIZADA:

En un gran número de actividades humanas, principalmente en las Ciencias de la Tierra, el arte de las
minas, etc. interesa estudiar la variación espacial de ciertas magnitudes, que llamaremos, de manera
general, variables regionalizadas. Como ejemplos simples de variables regionalizadas, citemos entre
otras: las densidades de población humana en una zona geográfica, la potencia (o el espesor) de una
formación geológica, la ley de un metal dado en un yacimiento minero, etc…
El técnico se puede interesar a esta magnitud por razones de tipo puramente utilitario. Por ejemplo,
para un minero, se puede tratar de estimar las reservas de un yacimiento, en tonelaje y en ley, a partir
de un muestreo fragmentario, y, en la medida de lo posible, acompañar estas estimaciones de un
cálculo de error. Pero también de una manera más general, puede interesarse en estas magnitudes para
tratar de hacer comprensible el fenómeno natural (regionalizado) que estas magnitudes representan. Se
trata entonces de extraer de la masa de datos numéricos brutos disponibles, los grandes rasgos
estructurales y las características mayores de un fenómeno natural.
Estos dos puntos de vista no se oponen entre sí. En efecto, para resolver correctamente un problema
esencialmente práctico, como el cálculo del error posible cometido en la estimación de un yacimiento
minero, es imperativo tomar en cuenta ciertas características estructurales de la variable regionalizada,
tal como su continuidad. El ejemplo elemental siguiente lo muestra de manera clara. Supongamos que
se han realizado medidas, a intervalos regulares, a lo largo de una línea, las cuales han proporcionado,
en el terreno, en un primer lugar, la secuencia A de valores numéricos:
A) 1–2–3–4–5–6–5–4–3–2–1
y, en un segundo caso, la secuencia B:
B) 1–4–3–6–1–5–4–3–2–5–2
En el caso A, se tiene claramente una estructura simétrica muy fuerte, caracterizada por un
decrecimiento muy regular a partir del punto central. En el segundo caso, la estructura, si es que
existe, es muy débil, y la impresión que se tiene es la de una extrema irregularidad.
A pesar que las once medidas tienen, en ambos casos, los mismos valores numéricos (en un orden
diferente), es claro que la estimación de un valor medio puede ser hecha, en el caso A, con una muy
mejor precisión que en el caso B. La precisión depende, en efecto, de la continuidad en el espacio de la
variable regionalizada.
En este ejemplo simple, se ve también, que la descripción puramente estadística del fenómeno es
enteramente insuficiente. El estadístico que se conformaría con la construcción de los histogramas de
las secuencias A y B concluiría, debido a que estos dos histogramas son idénticos, equivocadamente, a
la identidad de los dos fenómenos naturales observados. En el tratamiento estadístico ordinario, en el
cual se conformaría con clasificar en forma de histogramas las muestras disponibles, se hace
abstracción del lugar donde han sido tomadas. Se destruyen las estructuras espaciales. Por otra parte,
es claro que no basta con saber con qué frecuencia se repite una ley dada en un yacimiento minero. Es
también importante saber de qué manera las leyes se suceden en el espacio, y, principalmente, cuál es
el tamaño y la posición de las zonas explotables, etc…
Aparece así que las variables regionalizadas no pueden ser asimiladas a variables aleatorias, cuyo
estudio es el objetivo de la estadística habitual. De hecho, la noción de variable aleatoria solo tiene un
sentido concreto si se cumplen las dos condiciones siguientes:
condición N° 1
Posibilidad, por lo menos teórica de repetir indefinidamente el experimento que atribuye un valor
numérico definida a la variable aleatoria.
condición N° 2
Independencia mutua de estos experimentos, el resultado de uno de estos no puede estar de ninguna
manera influenciado por el resultado de los experimentos precedentes.
Una variable regionalizada no puede verificar estas dos condiciones. Si el experimento consiste, por
ejemplo, en tomar una muestra de características definidas en un punto de coordenadas xyz, al interior
de un yacimiento, la ley de esta muestra es única, físicamente bien determinada y de ninguna manera
aleatoria. No hay ninguna posibilidad de repetición, y la condición 1 no se verifica. Sin embargo, es
posible tomar una nueva muestra, no en el mismo punto, sino en un punto vecino del precedente: a
pesar que no se trata, estrictamente, del mismo experimento, se podría en rigor, admitir que la
condición 1 se respeta de manera aproximada. Pero ahora la condición 2 no lo será de ninguna manera.
Si la primera muestra ha sido tomada en una zona rica, la segunda implantada en su vecindad, tendrá
tendencia, en promedio, a ser rica igualmente, y esta tendencia será más pronunciada cuando la
mineralización será más continua.
16.CARACTERÍSTICAS CUALITATIVAS DE LAS VARIABLES

REGIONALIZADAS:
Las variables regionalizadas que se presentan a observación, poseen características cualitativas,
ligadas estrechamente a la estructura del fenómeno natural que ellas representan. Entre estas
características que la estadística ordinaria es incapaz de expresar, y que deben, obligatoriamente ser
tomadas en cuenta por la teoría de las variables regionalizadas, examinemos, usando como referencia
el ejemplo ya dado de una ley en un yacimiento minero, algunas de las características más
importantes:
1.1.1. LOCALIZACIÓN
Una variable regionalizada no toma sus valores en cualquier lugar, sino mas bien, en una región bien
determinada del espacio, que se llama campo geométrico: El campo es en general una formación
geológica, por ejemplo el espacio mineralizado del yacimiento mismo. Pero a veces es necesario
limitar el estudio de la variable a una porción, o panel, de su campo geométrico natural. Igualmente, la
variable será a veces definida como una función f(M) del punto M. Sin embargo, a menudo, no habrá
interés en los valores puntuales, sino en los valores medios de la variable al interior de un dominio
pequeño, o soporte geométrico. Para una ley, el soporte será el volumen v de la muestra tomada. El
volumen v debe estar definido de manera precisa, con sus dimensiones, su forma geométrica, y su
orientación en el espacio. Si se cambia el soporte v se obtiene una nueva regionalización, que presenta
analogías con la primera, pero que no es idéntica. Es así como los bloques de algunos metros cúbicos
no se distribuyen en el espacio de la misma manera que los testigos de sondajes de algunos kilos. Una
de las tareas de la teoría de las variables regionalizadas, que se llama a veces también geoestadística
cuando se aplica a problemas geológicos y mineros, consiste en prever las características de la variable
definida sobre un soporte v y en un campo V, conociendo, por ejemplo, las de la variable puntual en
un campo diferente “V”.
1.1.2. CONTINUIDAD
Una segunda característica esencial es el grado de mayor o menor continuidad de la regionalización en
el espacio. En ciertos casos, por ejemplo, para variables que poseen una significación puramente
geométrica, como la potencia de una formación geológica, se observará la continuidad estricta de los
matemáticos, que se define con ε y δ. Lo más corriente, es observar una continuidad más floja,
llamada continuidad en media. En este caso, cuando el punto M tiende hacia M0, solamente el valor
medio de [f(M) – f(M0)]2 tiende a cero. La repartición en el espacio toma ahora una forma más
irregular y discontinua. Finalmente puede suceder que la continuidad en media no se verifique. En este
caso de extrema irregularidad, nosotros hablaremos de efecto de pepita. Los yacimientos de oro
pepítico proporcionan un ejemplo clásico.
A pesar de las complejas fluctuaciones verificadas en los diversos valores de la V.R. en general, debe
existir una continuidad en media.
lim E [ Z ( x ) −Z ( x 0 ) ]=0
x → x0
Pero, por el contrario, existen otros casos en los cuales no se verifica la continuidad en media de los
valores y surge lo que se denomina "Efecto Pepita".
lim E [ Z ( x ) −Z ( x 0 ) ] ≠ 0
x → x0
Esto significa que los valores que toma la variable en lugares o momentos próximos entre sí, son
totalmente independientes, es decir, que existirán valores "altos” colindantes a otros "pobres".
Esta característica de continuidad de la variable será detectada por la función variograma.
1.1.3. ANISOTROPÍA
En tercer lugar, una regionalización puede ser anisótropa. Puede existir, por ejemplo, una dirección
privilegiada, a lo largo de la cual los valores se modifican lentamente, mientras que éstos varían
mucho más rápido en la dirección perpendicular. Este tipo de fenómenos conocidos con el nombre de
corridas, de zonaciones, etc… está, en general asociado a la existencia de ciertas estructuras
geológicas.
1.1.4. FENÓMENO DE TRANSICIÓN

Otros tipos de estructuras se pueden manifestar, ligados a la aparición en el campo geométrico de la
variable, de una red de discontinuidades: se habla entonces, de una manera general, de fenómenos de
transición. Como ejemplos simples, se pueden citar, para las formaciones sedimentarias, las
estratificaciones y las repeticiones lenticulares de los estratos. Puede suceder que la variable la cual es
constante o casi constante al interior de los estratos, tenga cambios bruscos al pasar de un estrato a
otro. A estas discontinuidades verticales, materializadas en el espacio por las uniones estratigráficas, a
menudo se adicionan discontinuidades horizontales, debidas al término lenticular y a la repetición de
los estratos individuales. Esta red compleja de discontinuidades realiza una partición del espacio
mineralizado en compartimientos casi independientes entre sí (correspondientes, por ejemplo, a
antiguos micro-cuencas, donde las condiciones de depositación han evolucionado de manera más o
menos autónoma).
Se puede observar que el efecto de pepita de origen granulométrico está también ligado a un fenómeno
de transición. La red de discontinuidad es en este caso lo que separa, en el espacio, los diferentes
granos de estéril y de mineral. La naturaleza del fenómeno es la misma, pero la escala es bastante
diferente. El efecto de pepita aparece como una forma de fenómeno de transición ligado a la presencia
de micro-estructuras discontinuas en el campo de la regionalización.
17.INFERENCIA ESTADISTICA:
El objetivo que persigue la inferencia estadística consiste en generalizar a un "todo" las conclusiones
deducidas de una "parte", para lo cual, sería ideal disponer de un número suficiente de realizaciones de
la variable analizada que permita reconstruir la ley de probabilidad es de la función aleatoria Z(x)
(abrev. F.A.Z.), o al menos sus primeros momentos.
Una forma fácil de estudiar las dos características básicas de la V.R.: aleatoriedad y regionalidad, es
haciendo uso de la interpretación probabilística de estas variables a partir de las F.A.S.
La V.R. se interpreta como una realización particular de una F.A., es decir, como el resultado de una
tirada al azar de un conjunto de funciones (DELHOMME, 1978).
Así, sea un campo geométrico D al cual está asociado un conjunto de variables aleatorias Z(xi), cada
una de las cuales se dice que es una realización de la F.A.Z.
A cada variable aleatoria Z(xi) se le puede asociar un conjunto de valores Z(xi) con una determinada
ley de probabilidad.
f {Z(x1), Z(x2), ..., Z (xi), Z(xn)}
Los valores que toma el fenómeno estudiado Z(xj), son considerados como si se hubieran obtenido
simultáneamente por una tirada al azar efectuada según la ley de probabilidad de la variable aleatoria;
y cada uno de estos valores que toma será considerado como una realización particular de la V.A.
Z(xi) y el conjunto de todos los valores.
Z(x1), Z(x2), …, Z(xj), …, Z(xn)
Es a su vez, una realización particular del conjunto de variables aleatorias, que por definición también
lo es de la F.A.Z.
La utilización de la teoría de las funciones aleatorias para realizar la inferencia estadística implica
conocer la ley de distribución de éstas, o al menos, deducir sus primeros momentos que, como se sabe,
no es posible realizar a partir de una sola realización. Este es el caso del conjunto de los fenómenos
económicos donde, generalmente, tan sólo se dispone de una única realización del fenómeno
analizado.
Por esta razón, en la práctica, la inferencia estadística requiere la introducción de hipótesis restrictivas
sobre la F.A. que permitan superar la imposibilidad antes aludida.
Estas hipótesis afectan a los dos primeros momentos de la función Z(x), o bien a sus incrementos de
primer orden.
18.HIPOTESIS ESTACIONARIA E INTRINSECA

La inferencia estadística a partir de una única realización de la V.R. implica la introducción de una
serie de hipótesis suplementarias, que son la hipótesis estacionaria y la hipótesis intrínseca que de una
forma esquemática se desarrolla seguidamente, en base al trabajo realizado por MATHERON en 1970.
1.1.5. Hipótesis Estacionaria

Una F.A. se dice estacionaria si la ley de probabilidad de los valores tomados por esta función en K
puntos arbitrarios del espacio o el tiempo es invariable por traslación del conjunto de estos.
Esto significa que el fenómeno observado es estacionario si, tiene cierta homogeneidad espacial o
temporal. De lo anterior se deduce que cada realización particular es suficiente para generar el
conjunto de rea1izaciones. Por lo tanto, la inferencia estadística a partir de una realización es entonces
posible, al reemplazar las medias que se obtienen sobre el conjunto de rea1izaciones por las medias
obtenidas sobre la única realización.
1.1.6. Hipótesis Intrínseca

Una hipótesis menos restrictiva que la anterior es la hipótesis intrínseca. En ella se supone que los
incrementos de primer orden de la variable son estacionarios. Por tanto, para todo vector h el
incremento Z (x + h) – Z(x) tiene una esperanza matemática nula y una varianza independiente del
punto x.
4. GEOSTADISTICA Y TEORIA DE LAS VARIABLES

REGIONALIZADAS:
La Geoestadística es la aplicación de la teoría de las variables regionalizadas a la estimación
de los depósitos mineros (con todas las aproximaciones que esto implica). De manera general,
diremos que un fenómeno es regionalizado cuando se desplaza en el espacio, manifestando
una cierta estructura. Las ciencias de la tierra, entre otras, nos proporcionan numerosos
ejemplos. Si f(x) designa el valor en el punto x de una característica f de este fenómeno,
diremos que f(x) es una variable regionalizada, abreviado, una variable regionalizada se trata
de un término neutro, descriptivo, anterior, en particular a toda interpretación probabilística.
Entonces, del punto de vista matemático, una variable regionalizada es simplemente una
función f(x) del punto x, pero es, en general, una función muy irregular: ejemplo: una ley en
un depósito minero. Una variable regionalizada se presenta bajo dos aspectos contradictorios
(o complementarios):
• un aspecto aleatorio (alta irregularidad, y variaciones imprevisibles de un punto a otro)
• un aspecto estructurado (la V.R. debe sin embargo reflejar a su manera las
características estructurales de un fenómeno regionalizado)
La teoría de las variables regionalizadas se propone entonces dos objetivos principales:
• en el plano teórico, expresar estas características estructurales en una forma matemática
adecuada.
• en el plano práctico, resolver el problema de la estimación de una variable
regionalizada a partir de un muestreo fragmentario.
Estos dos objetivos están relacionados: para un mismo conjunto de muestras, el error de
estimación depende de las características estructurales; este error, por ejemplo, es más grande
cuando la variable regionalizada es más irregular y más discontinua en su variación espacial.
5. VARIABLE REGIONALIZADA Y FUNCIÓN ALEATORIA:

Una variable medida en el espacio de forma que presente una estructura de correlación, se
dice que es una variable regionalizada. De manera más formal se puede definir como un
proceso estocástico con dominio contenido en un espacio euclidiano dimensional Rd , {Z(x) :
x ∈ D ⊂ Rd}. Si d = 2, Z (x) puede asociarse a una variable medida en un punto x del plano
(Díaz-Francés, 1993). En términos prácticos Z(x) puede verse como una medición de una
variable aleatoria (p.ej. concentración de un contaminante) en un punto x de una región de

estudio. Recuérdese que un proceso estocástico es una colección de variables aleatorias
indexadas; esto es, para cada x en el conjunto de índices D, Z(x) es una variable aleatoria. En
el caso de que las mediciones sean hechas en una superficie, entonces Z(x) puede interpretarse
como la variable aleatoria asociada a ese punto del plano (x representa las coordenadas,
planas o geográficas, y Z la variable en cada una de ellas). Estas variables aleatorias pueden
representar la magnitud de una variable ambiental medida en un conjunto de coordenadas de
la región de estudio.
19.EL MODELO MATEMÁTICO DE LA GEOESTADÍSTICA: LAS

FUNCIONES ALEATORIAS.
La geoestadística utiliza una interpretación probabilística de la variable regionalizada,
mediante el modelo de las funciones aleatorias.
Una función aleatoria asigna a cada punto del espacio un valor que depende del azar (es decir
un valor aleatorio).
Equivale a decir que las leyes del yacimiento se generaron a partir de un proceso o
experimento muy complejo.
1.1.7. El Krigeado:
El Krigeado consiste en encontrar la mejor estimación lineal de la ley de un bloque o zona. Es
un estimador insesgado, de mínima varianza, considerando la información disponible.
Bajo la condición:
El estimador es insesgado.
Ponderadores de las muestras

 El Krigeado atribuye un ponderador a cada muestra
utilizada.
 Estos ponderadores se calculan de manera de minimizar la varianza del error

cometido.
 El krigeado atribuye ponderadores mayores a las muestras cercanas al bloque y
ponderadores menores a las alejadas.
20. MOMENTOS DE UNA VARIABLE REGIONALIZADA:
21.ESTACIONARIEDAD:
La variable regionalizada es estacionaria si su función de distribución conjunta es invariante

respecto a cualquier translación del vector h, o lo que es lo mismo, la función de distribución
del vector aleatorio es idéntica a la del vector
para cualquier h. La teoría geoestadística se basa en
los momentos arriba descritos y la hipótesis de estacionariedad puede definirse en términos de
estos:
1.1.8. Estacionariedad de Segundo Orden:

Sea {Z(x): x∈D⊂ Rd} una variable regionalizada definida en un dominio D
contenido en Rd (generalmente una variable medida en la superficie de una región)
se dice que Z(x) es estacionario de segundo orden si cumple:
a. E [ Z(x)] = m, k ∈ R, ∀ x ∈ D ⊂ Rd .
El valor esperado de la variable aleatoria es finito y constante para todo punto en el
dominio.
b. COV [ Z(x), Z(x+h)] = C(h) < ∞
Para toda pareja [ Z(x), Z(x+h)], la covarianza existe y es función única del vector
de separación h.
La existencia de la covarianza implica que la varianza existe, es finita y no depende de h, es

decir V(Z( Xi)) = C(0) =σ2 Así mismo la estacionariedad de segundo orden implica la
siguiente relación entre la función de semivarianza y la de autocovarianza:
En la figura se muestra
el grafico de una variable
regionalizada
estacionaria.
Exceptuando
fluctuaciones
aleatorias, el valor promedio
de la variable no muestra una tendencia definida en alguna dirección.
1.1.9. Estacionariedad Débil o Intrínseca

Existen algunos fenómenos físicos reales en los que la varianza no es finita. En
estos casos se trabaja sólo con la hipótesis que pide que los incrementos [Z(x+h) -
Z(x)] sean estacionarios, esto es (Clark, 1979):
a. Z(x) tiene esperanza finita y constante para todo punto en el dominio. Lo que
implica que la esperanza de los incrementos es cero.
b. Para cualquier vector h, la varianza del incremento

está definida y es una función única de la
distancia. V [ Z(x+h) - Z(x)] =
Es claro que si una variable regionalizada es estacionaria fuerte entonces también será
estacionaria débil. El concepto de estacionariedad es muy útil en la modelación de series
temporales (Box & Jenkins, 1976). En este contexto es fácil la identificación, puesto que sólo
hay una dirección de variación (el tiempo). En el campo espacial existen múltiples direcciones
y por lo tanto se debe asumir que en todo el fenómeno es estacionario. Cuando la esperanza
de la variable no es la misma en todas las direcciones o cuando la covarianza o correlación
dependan del sentido en que se determinan, no habrá estacionariedad. Si la correlación entre
los datos no depende de la dirección en la que esta se calcule se dice que el fenómeno es
isotrópico, en caso contrario se hablará de anisotropía. En Isaaks y Srivastava (1989) se
definen los posibles tipos de anisotropía y se proponen algunas soluciones. Cressie (1993)
discute cual debe ser el tratamiento en caso de que la media no sea constante. En casos
prácticos resulta compleja la identificación de la estacionariedad. Suelen emplearse gráficos
de dispersión de la variable respecto a las coordenadas, de medias móviles y de valores
clasificados según puntos de referencia, con el propósito de identificar posibles tendencias de
la variable en la región de estudio. L a isotropía es estudiada a través del cálculo de funciones
de autocovarianza o de semivarianza muéstrales en varias direcciones. Si estas tienen formas
considerablemente distintas puede no ser válido el supuesto de isotropía
En la figura 7 se representa una variable regionalizada en la que existe tendencia en el valor

promedio de la variable, lo cual es claro indicador de no estacionariedad.
1.1.10. Campo y Soporte de una variable regionalizada.
El campo V de una V.R:

es el dominio donde ésta es diferente de 0. Un panel es un subconjunto V’ de V.
Soporte:
A menudo, no se conoce f(x), sino más bien su valor medio fv(x) dentro de la muestra v
tomada en el punto x. Esta regularizada fv(x) es efectivamente más regular que la V.R. f(x).
El volumen v se llama soporte de la V.R. fv, regularizada de f. Otra tarea importante de la
teoría de las variables regionalizadas consistirá entonces en determinar las características de
fv conociendo las de f. Ejemplo: en un depósito, prever las características de los paneles
V’(variable fV’), conociendo las características de f o de fv (muestras). Más generalmente, se
buscará relacionar las características de f con las de una regularizada fp dada (ejemplo de las
radiactividades).
Fig. Soporte
22.METODOS TRANSITIVOS Y TEORIA INTRINSECA.
Para alcanzar los objetivos disponemos de dos grupos de métodos:

• métodos transitivos: absolutamente generales, en particular no necesitan ninguna hipótesis
de naturaleza probabilística, y, a fortiori, ninguna hipótesis de estacionaridad.
• teoría intrínseca: se trata de una aplicación de la teoría de las funciones aleatorias; entonces
se introducen interpretaciones probabilísticas, y además, una cierta hipótesis de estacionaridad
(hipótesis intrínseca)
Desde el punto de vista teórico, estos dos grupos de métodos conducen a resultados
equivalentes, lo cual muestra que los resultados de la teoría intrínseca no están, en realidad,
ligados a la hipótesis de estacionaridad (por otra parte, se puede construir una teoría
probabilística sin utilizar esta hipótesis, la cual permite encontrar los resultados principales de
la Geoestadística).
CAPITULO 3
CONCLUSIONES:
1. En resumen, e1 trabajo expuesto presenta los principales fundamentos teóricos en los

cuales descansa 1a Teoría de las Variables Regionalizadas, y un conjunto de
aplicaciones que ilustran las diferentes posibilidades prácticas que, sin lugar a dudas;
posee dentro del ámbito de la minería.
2. La aplicación de esta metodología nos obliga a utilizar una terminología que, teniendo
sus orígenes en las Ciencias de la Tierra, he procurado adaptar utilizando para ello
ejemplos de variables económicas a las diferentes estimaciones de recursos mineros,
refiriéndose más en ello a la Minería.
3. El objetivo de aplicar este instrumento o método probabilístico, es que se utiliza en

diferentes disciplinas para resolver problemas de estimulación y simulación, ha sido
probar que es igualmente aplicable al ámbito de la minería para e1 análisis cuantitativo
de los recursos mineros, reservas a explotar, etc.
4. Se debe tener en cuenta que en el ámbito descrito tiene la ventaja de ser rentable, debido a
su bajo costo. superiores a los beneficios esperados. Así el procedimiento empresarial de
la minería, se interesa en la utilización de técnicas que permitan obtener estimaciones
fiables en la etapa de exploración " pero cuyos costos no sean superiores a los beneficios
esperados. Así e1 procedimiento descrito tiene la ventaja de ser rentable, debido a su bajo
costo.
5. La geoestadística se fundamenta en conceptos importantes de la matemática pura,
principalmente en la teoría de la medida y el análisis funcional, que constituyen la base
matemática para sus múltiples aplicaciones en diversos campos de la ingeniería.
6. Se introduce el estudio desde un punto de vista matemático de la Teoría de Variables

Regionalizadas o Geoestadística, que tiene muchas aplicaciones en diversas áreas de
estudio en la ingeniería, particularmente en el estudio de recursos mineros.
7. El Variograma resulta ser una herramienta consistente muy útil para el geólogo y el
Ingeniero de Minas, u otra disciplina, dado que da cuenta de la estructura del fenómeno en
estudio.
RECOMENDACIONES:
1. Sería conveniente trabajar el ejemplo de aplicación con áreas más pequeñas ya que las
selecciones de áreas de gran tamaño ocasionan que la simulación geoestadística
enmascare variaciones a pequeña escala.
2. La principal recomendación derivada de este trabajo consiste en la utilización de más de

una variable en los procesos de estimación y simulación geoestadística. Es decir, siempre
que sea posible se debe realizar un estudio de corregionalización para garantizar que el
modelo final generado reproduce la mayor cantidad de características experimentalmente
medidas como lo son atributos sísmicos, parámetros petrofísicos y parámetros de
producción.
3. En el trabajo se vio el método en la cual se investiga los temas, dependiendo del tipo de
estudio que se vaya a desarrollar se entraría a decidir que es lo importante, si obtener un
único modelo de yacimiento o si se va a aplicar las variaciones de regionalización a otras
áreas como son la economía, agricultura, temas empresariales, etc.
4. Desarrollar de mayor investigación en cursos y talleres para tener buen entendimiento del
tema, así como ejercicios aplicativos de la minería como son la estimación de reservas
naturales que tiene dicho yacimiento.
5. Del presente trabajo, una recomendación es tratar de consultar algunos libros, como se
hizo en este presente trabajo, guiándose de la mano con el libro y a la vez con el internet,
para así encontrar entre ambos contextos de tema la correcta expresión de las variables
aleatorias regionalizadas.
6. BIBLIOGRAFÍA
1. Armstrong, M. (1998). Geoestadística lineal básica. berlin, Alemania: Springer Berlag.
2. BALLÓN, B. E. (4 de Agosto de 2016). FUNDAMENTO MATEMÁTICO DE MÉTODOS.

Obtenido de repositorio.Unsa.edu:
http://repositorio.unsa.edu.pe/bitstream/handle/UNSA/3232/MAmabaem.pdf?
sequence=1&isAllowed=y
3. Georges, M. (2008). LAS VARIABLES REGIONALIZADAS Y SU ESTIMACION. París,

Francia: CIENCIAS DE LA UNIVERSIDAD DE PARIS .
4. José María Montero Lorenzo, B. L. (2008). Introducción a la Geoestadística Lineal. España

Oleiros (La Coruña) : Netbiblo.
5. Rodríguez G., J. A. (1999). El concepto geoestadístico de variable regionalizada. Caracas,

Venezuela: Terra Nueva Etapa, vol. XV.
6. Sironvalle, M. A. (30 de Mayo de 2007). Estimación de Recursos Mineros. Obtenido de

https://mine-class.com/wp-content/uploads/2017/03/Estimacio%CC
%81n_de_Recursos_Mineros.pdf
7. Velázquez, M. e. (2008). Variables regionalizadas. Tlalpan, Mexico: Delegación Tlalpan, CP

14240.

Teoria de Las Variables Regionalizadas

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teoria de Las Variables Regionalizadas

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

Del mismo modo a los docentes y personas ajenas que de

En un gran número de actividades humanas, principalmente en las Ciencias de la Tierra, el

La geoestadística se define como el estudio de fenómenos regionalizados, es decir, que se

OBJETIVOS DE LAS VARIABLES REGIONALIZADAS:

 Determinar la ley de un mineral, la potencia de una veta, la acumulación, la densidad de la

Es aquella que presenta valores no numéricos, y no existe un orden.

El estado civil: soltero, casado, divorciado, viudo.

 Su interés primordial es la estimación, predicción y simulación de dichos fenómenos

Ejemplo 1: Mediciones de la concentración de plomo en una zona contaminada

Ejemplo 2: Campaña de sondajes en un yacimiento aurífero.

3. ASPECTOS BASICOS RELACIONADOS CON LA VARIABLE

15.NOCIÓN DE VARIABLE REGIONALIZADA:

16.CARACTERÍSTICAS CUALITATIVAS DE LAS VARIABLES

1.1.4. FENÓMENO DE TRANSICIÓN

18.HIPOTESIS ESTACIONARIA E INTRINSECA

1.1.5. Hipótesis Estacionaria

1.1.6. Hipótesis Intrínseca

4. GEOSTADISTICA Y TEORIA DE LAS VARIABLES

5. VARIABLE REGIONALIZADA Y FUNCIÓN ALEATORIA:

variable aleatoria (p.ej. concentración de un contaminante) en un punto x de una región de

19.EL MODELO MATEMÁTICO DE LA GEOESTADÍSTICA: LAS

Ponderadores de las muestras

 Estos ponderadores se calculan de manera de minimizar la varianza del error

20. MOMENTOS DE UNA VARIABLE REGIONALIZADA:

La variable regionalizada es estacionaria si su función de distribución conjunta es invariante

1.1.8. Estacionariedad de Segundo Orden:

La existencia de la covarianza implica que la varianza existe, es finita y no depende de h, es

1.1.9. Estacionariedad Débil o Intrínseca

b. Para cualquier vector h, la varianza del incremento

En la figura 7 se representa una variable regionalizada en la que existe tendencia en el valor

1.1.10. Campo y Soporte de una variable regionalizada.

El campo V de una V.R:

22.METODOS TRANSITIVOS Y TEORIA INTRINSECA.

Para alcanzar los objetivos disponemos de dos grupos de métodos:

1. En resumen, e1 trabajo expuesto presenta los principales fundamentos teóricos en los

3. El objetivo de aplicar este instrumento o método probabilístico, es que se utiliza en

6. Se introduce el estudio desde un punto de vista matemático de la Teoría de Variables

2. La principal recomendación derivada de este trabajo consiste en la utilización de más de

1. Armstrong, M. (1998). Geoestadística lineal básica. berlin, Alemania: Springer Berlag.

2. BALLÓN, B. E. (4 de Agosto de 2016). FUNDAMENTO MATEMÁTICO DE MÉTODOS.

3. Georges, M. (2008). LAS VARIABLES REGIONALIZADAS Y SU ESTIMACION. París,

4. José María Montero Lorenzo, B. L. (2008). Introducción a la Geoestadística Lineal. España

5. Rodríguez G., J. A. (1999). El concepto geoestadístico de variable regionalizada. Caracas,

6. Sironvalle, M. A. (30 de Mayo de 2007). Estimación de Recursos Mineros. Obtenido de

7. Velázquez, M. e. (2008). Variables regionalizadas. Tlalpan, Mexico: Delegación Tlalpan, CP

También podría gustarte