Introducción A Estadística

TERMINOLOGÍA
GEOESTADÍSTICA Y
PROCESAMIENTO DE
DATOS
Descripción breve
Medidas de tendencia central, Univariable variabilidad , aplicación de
datos e interpretación
geoestadistica - undac
GEOESTADISTICA
TERMINOLOGÍA GEOESTADÍSTICA Y PROCESAMIENTO DE DATOS
UNIVERSIDAD NACIONAL DANIEL ALCIDES

CARRIÓN
FACULTAD DE INGENIERIA
ESCUELA DE FORMACIÓN PROFESIONAL DE
GEOLOGIA
TEMA:
“TERMINOLOGÍA GEOESTADISTICA Y
PROCESAMIENTO DE DATOS”
POR:
 DE LA CRUZ ACUÑA, Yordan

 ESPINOZA ZEVALLOS,Anali
 RIVAS CORNELIO. Tereza
PRESENTADO A:
ING. LÓPEZ ALVARADO, JAVIER
CURSO:
GEOESTADISTICA
GEOESTADISTICA - UNDAC 1
VISION
Ser una Escuela Profesional de Ingeniería Geológica

reconocida profesionalmente, innovadora,
competente, concertadora, comprometida con el
desarrollo sostenible del País y el mundo.
MISION
Formar Ingenieros geólogos innovadores con

capacidad resolutiva, investigativa, aporte social,
valores profesionales y provistos de calidad
académica.
Este trabajo lo dedicamos a nuestros padres por

su sacrificio y esfuerzo, por darnos una carrera
. para nuestro futuro y por creer en nuestra

capacidad, aunque pasamos momentos
complicados siempre ha estado brindándonos su
comprensión, cariño y amor.
A mis docentes por las enseñanzas y por ser

fuente de motivación e inspiración para poder
superarnos cada día mas y así luchar para que
la vida nos depare un futuro mejor.
A mis compañeros y amigos presentes y pasados,

quienes sin esperar nada a cambio compartieron
su conocimiento, alegrías y tristezas y todas
aquellas personas que durante estos años
estuvieron a mi lado apoyándome y lograron que
este sueño se haga realidad.
ÍNDICE
ÍNDICE..................................................................................................................4
INTRODUCCIÓN..................................................................................................5
OBJETIVOS..........................................................................................................6
OBJETIVO GENERAL......................................................................................6
OBJETIVO ESPECIFICO..................................................................................6
CAPITULO I..........................................................................................................6
TERMINOLOGÍA..................................................................................................6
1.1. MEDIDAS DE TENDENCIA CENTRAL..................................................6
1.1.1. MEDIA...............................................................................................6
1.1.2. MEDIANA..........................................................................................7
1.1.3. MODA...............................................................................................7
1.1.4. LA FUNCIÓN DE DISTRIBUCIÓN ACUMULADA (CDF)................8
1.1.5. LA FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDADES PDF. .10
1.1.6. PROPIEDADES DE LA DISTRIBUCIÓN GAUSSIANA.................11
1.8. MEDIDAS DE DISPERSIÓN....................................................................13
1.8.1. VARIANZA.........................................................................................13
1.8.2. DESVIACIÓN ESTÁNDAR................................................................13
1.8.3. COEFICIENTE DE VARIACIÓN (PARA VARIABLES POSITIVAS).13
1.8.4. RANGO INTERCUARTIL..................................................................13
1.9. ANÁLISIS UNIVARIABLE DE DATOS.....................................................14
1.9.1. FRECUENCIAS.................................................................................14
CAPITULO II.......................................................................................................16
DATOS................................................................................................................16
CAPITULO III......................................................................................................17
PROCESAMIENTO DE DATOS.........................................................................17
CAPITULO III......................................................................................................17
INTERPRETACIÓN............................................................................................17
CONCLUSIONES...............................................................................................17
RECOMENDACIONES.......................................................................................17
BIBLIOGRAFÍA...................................................................................................17
ANEXOS.............................................................................................................17
INTRODUCCIÓN
El análisis de los datos persigue expresar de una forma sencilla y reducida las
relaciones entre los datos con referencia al problema, objeto de la
Investigación.
El análisis de los datos es la interpretación de los resultados obtenidos en las

anteriores etapas de la investigación. Hemos de recordar que por muy
excelente que sea este análisis, no se eliminan los posibles errores cometidos
en las fases anteriores (sesgos, no respuestas y demás errores no
muestrales) e, incluso, puede que éstos se acentúen más en los resultados
que obtengamos en esta fase.
Es necesario conocer el número suficiente de técnicas o herramientas que le

permitan sacar utilidad de los datos así como conocer cuando es interesante
su aplicación, tanto por el tipo de datos de los que dispone como por el tipo de
resultados que le proporcionan.
Podemos afirmar que cuantas más herramientas conozca el investigador, más
posibilidades tendrá de realizar un buen análisis.
Los integrantes
OBJETIVOS
OBJETIVO GENERAL
Analizar e interpretar una variable, mediante graficas, tablas y medidas
cuantitativas
OBJETIVO ESPECIFICO
 Calcular las medidas descriptivas para poder mencionar sus
principales características
 Aplicación de Microsoft Excel XP de gran utilidad para el desarrollo de
las soluciones de la data.
CAPITULO I
TERMINOLOGÍA
1.1. MEDIDAS DE TENDENCIA CENTRAL
1.1.1. MEDIA
Es el valor más representativo de una distribución simétrica o normal.
 Para muestras de igual soporte:
 Para muestras de soporte diferente:
1.1.2. MEDIANA
Es el valor que divide un grupo de muestras o una población en dos
mitades iguales
 Media o Valor esperado de una distribución:
 Propiedades:
1.1.3. MODA
Es el valor con mayor frecuencia en una de la distribución de datos. Esto
va en forma de una columna cuando encontremos dos modas, es decir,
dos datos que tengan la misma frecuencia absoluta máxima. Una
distribución trimodal de los datos es en la que encontramos tres modas.
En el caso de la distribución uniforme discreta, cuando todos los datos

tienen la misma frecuencia, se puede definir las modas como indicado,
pero estos valores no tienen utilidad. Por eso algunos matemáticos
califican esta distribución como «sin moda».
 Datos agrupados: Es un punto que divide al intervalo modal en

dos partes de la forma p y c-p, siendo c la amplitud del intervalo,
que verifiquen que:
Siendo la frecuencia absoluta del intervalo modal las frecuencias

absolutas de los intervalos anterior y posterior, respectivamente,
al intervalo modal.
 Datos agrupados: Para obtener la moda en datos agrupados se

usa la siguiente fórmula:
1.1.4. LA FUNCIÓN DE DISTRIBUCIÓN ACUMULADA (CDF)

Se define como la probabilidad de no exceder un cut-off z:
 Propiedades:
 F(z) no decrece
 F(z) є [0,1]
 F(-∞) = 0, y F(∞) = 1
1.1.4.1. LA CURVA DE HAZEN

Presenta los intervalos de probabilidades distorsionados, de forma
que la distribución acumulada se aparece como una línea recta si la
distribución es normal y se emplea una escala aritmética, o si la
distribución es lognormal y se emplea una escala logarítmica.
1.1.5. LA FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDADES PDF

La PDF es la derivada de la CDF:
1.1.5.1. HISTOGRAMA
Presenta el porcentaje (frecuencia) de muestras que se encuentran
distribuidos en cada intervalo de valores. El histograma es una
herramienta útil para detectar valores atípicos (“outliers”). Ahora, cabe
destacar que un dato atípico no es forzosamente falso y nunca debe
ser eliminado sin razón (por ejemplo, un error de trascripción, una

falla en el protocolo de medición o un valor ausente codificado como
-99). Podría reflejar el comportamiento verdadero de la variable
regionalizada y eliminarlo impediría prever la ocurrencia de tales
valores en las zonas no muestreadas.
La visualización del histograma de los datos también es un primer

medio de verificar su homogeneidad. Eventualmente, una división del
campo en varias sub-zonas será necesaria. Así, por ejemplo, un
histograma multimodal puede conducir a la identificación, entre los
datos, de varias “poblaciones” susceptibles de estar geográficamente
separadas. A veces, tal separación está impuesta por
consideraciones físicas, que impiden mezclar todos los datos:
presencia de un obstáculo natural (falla, río...), partición de una zona
mineralizada según la caracterización mineralógica o el tipo de roca,
etc. En tales casos, un problema que puede plantearse es la
delimitación de las sub-zonas “homogéneas”, pues es poco frecuente
que sus fronteras puedan ser identificadas con exactitud
1.1.6. PROPIEDADES DE LA DISTRIBUCIÓN GAUSSIANA

1.1.6.1. TEOREMA DEL LÍMITE CENTRAL
Si una población, cuya PDF de media μ y desviación estándar σ
puede tener cualquier forma, es muestreada al azar en subgrupos de
N muestras. La distribución de las medias de estos grupos tiende a
ser gaussiana con media μ y desviación estándar σ/N.
1.1.6.2. ANAMORFOSIS GAUSSIANA

Sirve para transformar cualquier distribución a una distribución
Gaussiana o normal.
 Es muy usada para variables continuas.
 Pasos:
Construir la distribución acumulada F(z) de la variable Z.
Equiparar los cuantiles y hallar los valores correspondientes en
la distribución normal. Esto es la distribución estándar
Un paso posterior puede requerir el ajuste de la distribución

transformada con polinomios de Hermite.
1.1.7. SIMULACION MONTECARLO

Sobre una CDF conocida y representativa de la población de muestras,
considerar la función cuantil
Generar un número aleatorio pe [0,1 ]de distribución uniforme.

La función cuantil q(p) arroja el valor simulado Xp.
Es aconsejable contar con un generador de números aleatorios robusto.
1.8. MEDIDAS DE DISPERSIÓN

1.8.1. VARIANZA
Promedio aritmético de la desviación cuadrática entre cada valor y la
media. Esta medida cuantifica la dispersión del histograma y se expresa
en el cuadrado de la unidad de la variable en estudio.
1.8.2. DESVIACIÓN ESTÁNDAR

Raíz cuadrada de la varianza; se expresa en la misma unidad que la
variable en estudio.
1.8.3. COEFICIENTE DE VARIACIÓN (PARA VARIABLES POSITIVAS)

Razón entre la desviación estándar y la media; es adimensional. Se
calcula como el cociente entre la desviación estándar y la media: Es
usado para comparar la variabilidad de las leyes relativa a la media entre
diferentes dominios o yacimientos.
1.8.4. RANGO INTERCUARTIL

Ancho del intervalo entre el primer y el tercer cuartil, que contiene la
mitad de los datos.
1.8.4.1. CUANTILES
El cuantil p de la distribución F(Zp) es el valor Zp para el cual:
F(Zp)= Prob{ Z < Zp}= P E [0,1]
Por lo tanto, el Cuantil puede ser expresado por la forma inversa CDF
Q(p)=F -1 (p)
1er cuartil: p = 025
2do cuartil: mediana, p= 0.5
3er cuartil: p= 0.75
1.9. ANÁLISIS UNIVARIABLE DE DATOS

Se concentran en una sola variable y buscan encontrar y representar
características propias de las mismas.
1.9.1. FRECUENCIAS
Es el número de veces que se presenta un determinado valor de una
variable. Se distinguen dos tipos de frecuencias. A la que nos viene
indicada por el número de veces o casos que presenta una variable
objeto de estudio, se le denomina frecuencia absoluta o simplemente
frecuencia. Si calculamos el porcentaje (porcentaje es la proporción en

que contestaron o eligieron una modalidad, por cien), se denomina
frecuencia relativa. En la tabla siguiente resumimos las principales
características
1.9.1.1. TIPOS DE FRECUENCIA

En estadística se pueden distinguir hasta cuatro tipos de frecuencias
(véase fig.1), estas son:
 Frecuencia absoluta (ni) de una variable estadística Xi, es el

número de veces que aparece en el estudio este valor . A mayor
tamaño de la muestra, aumentará el tamaño de la frecuencia
absoluta; es decir, la suma total de todas las frecuencias
absolutas debe dar el total de la muestra estudiada (N).
 Frecuencia relativa (fi), es el cociente entre la frecuencia
absoluta y el tamaño de la muestra (N). Es decir,
siendo el fi para todo el conjunto i. Se presenta en una tabla o nube

de puntos en una distribución de frecuencias.
Si multiplicamos la frecuencia relativa por 100 obtendremos el

porcentaje o tanto por ciento (pi) que presentan esta característica
respecto al total de N, es decir el 100% del conjunto.
 Frecuencia absoluta acumulada (Ni), es el número de veces

ni en la muestra N con un valor igual o menor al de la
variable. La última frecuencia absoluta acumulada deberá ser
igual a N.
 Frecuencia relativa acumulada (Fi), es el cociente entre la
 Es decir,
Con la frecuencia relativa acumulada por 100 se obtiene el

porcentaje acumulado (Pi)), que al igual que Fi deberá de
resultar al final el 100% de N.
Fig.1 Ejemplo: variables de A en una muestra estadística de un

conjunto B de tamaño 50 (N)
CAPITULO II
DATOS
N° N° N°
MUESTRA %Cu MUESTRA %Cu MUESTRA %Cu
1 2.34 29 0.87 58 11.79
2 2.06 31 0.12 59 1.72
3 3.11 32 0.27 61 4.76
4 1.24 33 0.5 62 6.31
5 3.02 34 2.6 63 2.1
6 1.36 35 0.64 64 0.9
7 3.51 36 0.35 65 1.12
8 6.83 37 1.37 66 0.2
9 0.95 38 1.76 67 0.15
10 0.97 39 0.98 68 2.17
11 8.31 40 0.48 69 4.27
12 9.02 41 2.51 70 1.45
13 5.82 42 4.12 71 2.03
14 5.71 43 2.65 72 1.95
15 8.05 44 0.25 73 1.76
16 13.31 45 2.6 74 0.72
17 6.05 46 0.56 75 4.41
18 6.73 47 1.4 76 5.41
19 1.51 48 2.33 77 2.4
20 0.41 49 2.62 78 5.42
21 1.87 50 1.67 79 5.1
22 1.86 51 0.28 80 2.65
23 1.01 52 1.99 81 1.4
24 1.23 53 4.02 82 5.9

25 0.84 54 4.02 83 1.55
26 0.85 55 2.35 84 1.62
27 0.18 56 2.37
28 0.25 57 9.56
CAPITULO III
PROCESAMIENTO DE DATOS
3.1. TABLA DE FRECUENCIA
3.2. RESUMEN DE DATOS
3.3. TABLA DE FRECUENCIA
3.4. MEDIDAS DESCRIPTIVAS
3.4.1. MEDIDAS DE TENDENCIA CENTRAL
3.4.2. MEDIDAS DE DISPERSION
3.4. GRAFICOS
3.4.1. HISTOGRAMAS
Histograma
40 120.00%
35
100.00%
30
80.00%
25
20 60.00% Frecuencia
Frecuencia
% acumulado
15
40.00%
10
20.00%
5
0 0.00%
75 75 25 15 75 25 25 31 ...
8 41 6 7 3 1 1 3. or
76 3. 06 6. 36 .0 .6
6 1 ay
1. 5. 8. 10 11 ym
3.4.2. GRÁFICO DE FRECUENCIAS
Gráfico de frecuencias
38
Frecuencias
20
7 8
4
2 2 1
0.94 2.59 4.24 5.89 7.54 9.19 10.84 12.49
MARCAS
3.4.3. GRÁFICO DE TORTAS
Chart Title
12.49
9.19 10.84
7.54 2% 2% 1%
5%
5.89
10%
0.94
2.59
0.94 4.24
46% 5.89
4.24
9% 7.54
9.19
10.84
12.49
2.59
24%
CAPITULO III
INTERPRETACIÓN
Se concentra en univarible del porcentaje de Cu.
Donde se va encontrar las dos frecuencias
 Frecuencia absoluta
Donde se encuentra un total de 82 muestras
Que con 46.34% son menores al 1 %.
 Frecuencia relativa
Donde las 82 muestras son el 100%
Histograma
En nuestro histograma se encuentra marcado por la marca de clase, esta se

encuentra en 8 clases
Donde los rangos de [0.12-1.768] está referida al porcentaje 46.91%
Más la ley que se encuentra en la media es de 2.84
Esta primera clase que serían las principales estructuras, más la segunda
pueden lograr la ley media con la que se tendrá rentable la mina
Este pone un porcentaje de un 79.27%. Estas en los datos agrupados para

obtener esta ley 2.84 a ser rentable o una ley de cabeza.
El modelo en el que se encuentra el modelo Gauseano orientadas al espacio

puede ser que se encuentren orientadas a 0° Y 45° .
Mas si se presenta una irregularidad de un con una ley de 5% y con un

porcentaje 20%.
CONCLUSIONES
 En la tabla de frecuencias se puede observar que más de un 46 % de
las leyes se encuentran en la primera frecuencia (0.12, 1.7687), la
mediana y la moda también se ubica en la primera frecuencia y más de
un 16.4 % de las leyes en las ocho frecuencias lo cual hacen que el
valor de la varianza se a 7.40 , muy distante a la unidad indicando un
buen ajuste, aunque las leyes sean relativamente altas para su
extracción.
 El histograma de frecuencia absoluta se puede ver que la mayor parte
de los datos se encuentran en la primera frecuencia y en el histograma
de frecuencias acumuladas refleja claramente como la mayor parte de
las leyes se concentran en las dos primeras frecuencias, y que son muy
muchas las muestras que se elevan por encima de la media aritmética.
 El coeficiente de asimetría (SK) indica 1.70560712, mayor que cero, por
lo cual la distribución será asimétrica positiva o la derecha (desplazada
hacia la derecha).
RECOMENDACIONES
También se recomienda estudiar con una campaña de sondajes hacia la zona.
Como se encontró la topografía y, por consecuente de los modelos geológicos;
no influyo en la estimación. Aun así, por las leyes que posee, podría tratarse de
otro deposito.
BIBLIOGRAFÍA
 Emery, X. (2009). Apunte de Geoestadística. FCFM U. de Chile.

 Quiñones, C. (2016). “Terminología básica para la Geoestadística
aplicada a la Minería”. Santiago.
 Castillo, D. (2016). “Clasificación de Recursos”. Santiago.  Alfaro, M.
(2007). Estimación de Recursos Mineros.
 Pizarro, N. (2017). Reporte: “Lecciones aprendidas y desafíos futuros”.
CODELCO.
 Chauvet P., 1993. Processing data with a spatial support: Geostatistics
and its methods, Cahiers de Géostatistique, Fascicule 4, Ecole Nationale
Supérieure des Mines de Paris, 75 p.
 Chilès J.P. and Delfiner P., 1999. Geostatistics: Modeling Spatial
Uncertainty, Wiley, New York, 695 p.
 Cressie N.A.C, 1993. Statistics for Spatial Data, Wiley, New York, 928 p.
 Deutsch C.V., 2002. Geostatistical Reservoir Modeling, Oxford
University Press, New York, 376 p.
 Deutsch C.V. and Journel A.G., 1998. GSLIB: Geostatistical Software
Library and User’s Guide, Oxford University Press, New York, 369 p.
 Goovaerts P., 1997. Geostatistics for Natural Resources Evaluation,
Oxford University Press, New York, 480 p.

Introducción A Estadística

Cargado por

Información del documento

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

Introducción A Estadística

Cargado por

Copyright:

Formatos disponibles

TERMINOLOGÍA

UNIVERSIDAD NACIONAL DANIEL ALCIDES

 DE LA CRUZ ACUÑA, Yordan

Ser una Escuela Profesional de Ingeniería Geológica

Formar Ingenieros geólogos innovadores con

Este trabajo lo dedicamos a nuestros padres por

. para nuestro futuro y por creer en nuestra

A mis docentes por las enseñanzas y por ser

A mis compañeros y amigos presentes y pasados,

1.1. MEDIDAS DE TENDENCIA CENTRAL..................................................6

1.1.4. LA FUNCIÓN DE DISTRIBUCIÓN ACUMULADA (CDF)................8

1.1.5. LA FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDADES PDF. .10

1.1.6. PROPIEDADES DE LA DISTRIBUCIÓN GAUSSIANA.................11

1.8. MEDIDAS DE DISPERSIÓN....................................................................13

1.8.2. DESVIACIÓN ESTÁNDAR................................................................13

1.8.3. COEFICIENTE DE VARIACIÓN (PARA VARIABLES POSITIVAS).13

1.8.4. RANGO INTERCUARTIL..................................................................13

1.9. ANÁLISIS UNIVARIABLE DE DATOS.....................................................14

El análisis de los datos es la interpretación de los resultados obtenidos en las

Es necesario conocer el número suficiente de técnicas o herramientas que le

 Para muestras de igual soporte:

 Para muestras de soporte diferente:

 Media o Valor esperado de una distribución:

En el caso de la distribución uniforme discreta, cuando todos los datos

 Datos agrupados: Es un punto que divide al intervalo modal en

Siendo la frecuencia absoluta del intervalo modal las frecuencias

 Datos agrupados: Para obtener la moda en datos agrupados se

1.1.4. LA FUNCIÓN DE DISTRIBUCIÓN ACUMULADA (CDF)

1.1.4.1. LA CURVA DE HAZEN

1.1.5. LA FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDADES PDF

ser eliminado sin razón (por ejemplo, un error de trascripción, una

La visualización del histograma de los datos también es un primer

1.1.6. PROPIEDADES DE LA DISTRIBUCIÓN GAUSSIANA

1.1.6.2. ANAMORFOSIS GAUSSIANA

Un paso posterior puede requerir el ajuste de la distribución

1.1.7. SIMULACION MONTECARLO

Generar un número aleatorio pe [0,1 ]de distribución uniforme.

1.8. MEDIDAS DE DISPERSIÓN

1.8.2. DESVIACIÓN ESTÁNDAR

1.8.3. COEFICIENTE DE VARIACIÓN (PARA VARIABLES POSITIVAS)

1.8.4. RANGO INTERCUARTIL

F(Zp)= Prob{ Z < Zp}= P E [0,1]

1er cuartil: p = 025

2do cuartil: mediana, p= 0.5

3er cuartil: p= 0.75

1.9. ANÁLISIS UNIVARIABLE DE DATOS

frecuencia. Si calculamos el porcentaje (porcentaje es la proporción en

1.9.1.1. TIPOS DE FRECUENCIA

 Frecuencia absoluta (ni) de una variable estadística Xi, es el

siendo el fi para todo el conjunto i. Se presenta en una tabla o nube

Si multiplicamos la frecuencia relativa por 100 obtendremos el

 Frecuencia absoluta acumulada (Ni), es el número de veces

Con la frecuencia relativa acumulada por 100 se obtiene el

Fig.1 Ejemplo: variables de A en una muestra estadística de un

24 1.23 53 4.02 82 5.9

3.4.2. GRÁFICO DE FRECUENCIAS

3.4.3. GRÁFICO DE TORTAS

Donde se va encontrar las dos frecuencias

En nuestro histograma se encuentra marcado por la marca de clase, esta se

Donde los rangos de [0.12-1.768] está referida al porcentaje 46.91%

Más la ley que se encuentra en la media es de 2.84

Este pone un porcentaje de un 79.27%. Estas en los datos agrupados para

El modelo en el que se encuentra el modelo Gauseano orientadas al espacio