TRABAJO PRACTICO N° 1 DEL CURSO GEOESTADÍSTICA

Curso:
Geoestadística

Profesor:
Dr. Marin Suarez Valeriano
Ing. Tevez Rojas Augusto

Estudiante:
Carbajal Tafur Eber Clinton

Lima, 25 de noviembre, 2020

Introducción
En el campo de las ciencias de la tierra es muy común encontrar variables
distribuidas espacialmente, para el estudio de estas variables son usados
diversos procedimientos geoestadísticos.
La geoestadística surge en la década del 50 a partir de estudios realizados con
el objetivo de obtener una mayor precisión en la estimación de recursos y
reservas minerales. Su punto de partida es el análisis de los fenómenos
distribuidos en el espacio (por ejemplo, la mineralización).
Hoy por hoy, los dominios de aplicación de la geoestadística son amplios ya
que, a partir del estudio de la variabilidad de sus variables, se obtienen
elementos para predecir sus características. Además de la minería que es el
campo que le dio origen se pueden mencionar otras áreas de estudio tales
como: el petróleo, pesca, la salud, ingeniería civil, finanzas, cartografía, el
medio ambiente, entre otros. En el surgimiento y desarrollo hay tres elementos
importantes que destacar: la consolidación de la geoestadística con los trabajos
de G. Matheron en 1965, el establecimiento de la escuela de Fontainebleau y
finalmente el desarrollo de la Geoestadística asociada con la informática.
En este informe se encontrara el inicio de la geoestadística y aplicación de la
misma en el cálculo de estimación de recursos y reservas. En la primera parte
se dará el marco teórico necesario para el claro entendimiento de lo planteado
en el informe. Posteriormente se dará a conocer el planteamiento y desarrollo
del mismo, en el cual se verá cómo se calculan los números aleatorios, se
realizará el cálculo de los parámetros estadísticos, se describirá el
procedimiento empleado para el cálculo del histograma y Variograma
En la presente, se tomarán 10000 datos aleatorios en un rango de ]0,1[, para
luego agrupar los datos de 1 en 1, 5 en 5, 10 en 10, 20 en 20 y 50 en 50.
Finalmente hallaremos los Variogramas de las diferentes agrupaciones de
datos. Estos datos se les realizaran un estudio estadístico (descriptivo) y
geoestadístico (función variograma).
Inicialmente se generan los 10000 datos aleatorios representados entre 0 y 1
que llamaremos dato Ley.

Obtendremos una amplia cantidad de datos:

 Calculamos el variograma de estos 10000 elementos asumiendo que
representan una sola línea de muestreo, es decir una perforación con datos de
logueo cada 1 m de profundidad mediante el siguiente programa en VB
otorgado por el Dr Marin.
1.1.1. Construir y graficar Histogramas, calcular media desviación
estándar y coeficiente de variación.

Columna1

Media 0,499637484
Error típico 0,002902182
Mediana 0,497481465
Coeficiente de 0,58085748
variación
Desviación estándar 0,29021817
Varianza de la muestra 0,084226586
Curtosis -1,200508315
Coeficiente de 0,001846357
asimetría
Rango 0,999576569
Mínimo 0,000304937
Máximo 0,999881506
Suma 4996,374839
Cuenta 10000
2. Compositar (promediar) tomando 5 en 5 los datos aleatorios obtenidos
en 1
2.1.1. Construir y graficar Histogramas, calcular media desviación
estándar y coeficiente de variación

Columna1

Media 0,49963749
Error típico 0,002906768
Mediana 0,497026849
Coeficiente de 0,260177825
variación
Desviación estándar 0,129994595
Varianza de la muestra 0,016898595
Curtosis -
0,179142652
Coeficiente de 0,011595465
asimetría
Rango 0,788184381
Mínimo 0,106426311
Máximo 0,894610691
Suma 999,2749798
Cuenta 2000
3. Compositar (promediar) tomando 10 en 10 los datos aleatorios
obtenidos en 1
3.1.1. Construir y graficar Histogramas, calcular media desviación
estándar y coeficiente de variación

Histograma
80
70
60
50
40
30
20
10 Frecuencia
0

Clase

Columna1
Media 0,49963748
8
Error típico 0,00293797
7
Mediana 0,50018849
4
Coeficiente de 0,18594877
variación 4
Desviación estándar 0,09290697
8
Varianza de la muestra 0,00863170
7
Curtosis -
0,25318172
8
Coeficiente de 0,01257021
asimetría 6
Rango 0,53436722
8
Mínimo 0,24219937
3
Máximo 0,77656660
1
 Suma 499,637488
4
Cuenta 1000

4. Compositar (promediar) tomando 20 en 20 los datos aleatorios

obtenidos en 1
4.1.1. Construir y graficar Histogramas, calcular media desviación
estándar y coeficiente de variación

Histograma
60
50
40
30
20
10
Frecuencia
0

Clase

Columna1

Media 0,4996374
85
Error típico 0,0029906
25
Mediana 0,4961359
98
Coeficiente de
variación 0,1338418
44
Desviación estándar 0,0668724
02
Varianza de la 0,0044719
muestra 18
-
 Curtosis 0,3485099
52
Coeficiente de 0,1168735
asimetría 6
Rango 0,3487252
47
Mínimo 0,3306191
21
Máximo 0,6793443
68
Suma 249,81874
26
Cuenta 500

5. Compositar (promediar) tomando 50 en 50 los datos aleatorios

obtenidos en 1
5.1.1. Construir y graficar Histogramas, calcular media desviación
estándar y coeficiente de variación

Histograma
60
50
40
30
20
10
Frecuencia
0

Clase

Columna1

Media 0,49963748
6
Error típico 0,00305859
 6
Mediana 0,49979812
6
Coeficiente de 0,08657292
variación
Desviación estándar 0,04325507
6
Varianza de la 0,00187100
muestra 2
-
Curtosis 0,26711292
9
-
Coeficiente de 0,1110771
asimetría 06
Rango 0,21874160
8
Mínimo 0,38429130
6
Máximo 0,60303291
3
Suma 99,9274971
4
Cuenta 200

El variograma agrupado de todas los compositos se muestra en el siguiente

gráfico.
6. Conclusiones
- Vemos que el Variograma del trabajo expuesto tomando 10000 datos
aleatorios no nos muestra una gráfica conocida esto es debido a que son
datos aleatorios.
- Además, vemos que al agrupar datos de 1, 5, 10, 20 y 50 el histograma
cambia, tiende a ser la campana de gauss esto es debido al teorema del
límite central.
- Notamos que al agrupar los datos de cada vez mayores el rango de sus
Variogramas disminuye.
- Como el Variograma tomo en cuenta la variabilidad de los espacios es por
ello que las gráficas son distintas y ambas varían en rangos diferentes.
- El Variograma es demasiado sensible a valores extremos es por ello el
cambio en la gráfica.
- Nos damos cuenta de un comportamiento lineal del Variograma para
distancias pequeñas.
7. Bibliografia
 Las Variables Regionalizadas y su Estimacion- George Matheron.
 An Introduction to Multivariate Statistical Analysis-John Wiley & Sons.
 Estadistica Descriptiva e Inferencial – Manuel Cordova Zamora.