Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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.
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.
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.
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
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
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
Ejemplos:
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.
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
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
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
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).
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
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…)
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
En este caso consideraremos gracias al variograma mostrado que las partes de rojo
con las que necesitan remediación.
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:
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.
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
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.
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.
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
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.
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.
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
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.
incremento Z (x + h) – Z(x) tiene una esperanza matemática nula y una varianza independiente del
punto x.
Bajo la condición:
El estimador es insesgado.
21.ESTACIONARIEDAD:
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.
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.
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
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
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
Fig. Soporte
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
CAPITULO 3
CONCLUSIONES:
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.
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
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
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.
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.
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.
UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA DE MINAS
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