UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

pág. 0
 INFORME DE GEOESTADISTICA 1

VARIOGRAMA E HISTOGRAMA DE GRUPOS DE VARIABLES

DOCENTE: ING.ELIAS MACROBIO ESPINOZA CARDENAS

ESTUDIANTES:

APELLIDOS Y NOMBRES: CODIGO:

pág. 1
  VILLAVICENCIO COAQUIRA MARIO HOUSWAN 162129
 VALENZUELA YQUISI ARTURO 162125
 VALLE ARONE JESUS 162126

APURIMAC - 2020

índice

I. OBGETIVOS.........................................................................................................3

II. ALCANCES ..........................................................................................................3

III. INTRODUCCIÓN...............................................................................................3

IV. ANTECEDENTES DE LA GOESTADISTA.......................................................5

V. MARCO TEÓRICO............................................................................................8

V.1 VARIOGRAMA:...........................................................................................8
V.2 CONSTRUCCIÓN DEL VARIOGRAMA...................................................10
V.3 REPRESENTACIÓN GRÁFICA................................................................10
V.4 COMPONENTES DE UN VARIOGRAMA................................................11
V.5 DISTANCIAMIENTO DEL MUESTREO...................................................12
V.6 ANISOTROPÍAS.......................................................................................13
V.7 . FORMA DEL VARIOGRAMA.................................................................13
V.8 . MODELOS DE VARIOGRAMAS............................................................14
V.9 . MODELOS DE VARIOGRAMA..............................................................15
VI. HISTOGRAMA.................................................................................................16

VIII.1. HISTOGRAMA ACUMULADO..................................................................17

VII. CALCULO DE VARIOGRAMAS Y LEYES POR GRUPOS............................18

VIII. SIMIULACIONES DE DATOS,HISTOGRAMAS Y IAGRAMA.......................19

VIII.1. PRIMERA SIMULACION (Leyes entre 2 y 9):..........................................20

VIII.2. . SEGUNDA SIMULACION (Leyes de O a 12):........................................22
IX. ANALISIS DE RESULTADOS.........................................................................25

pág. 2
X. RECOMENDACIONES....................................................................................26

I. OBGETIVOS.
 Aprender y comprender el Variograma.
 Analizar el Variograma con datos aleatorios de una simulación, en este caso
de 10000 datos.
 Comprender el comportamiento del Variograma con datos agrupados de
diferentes maneras.
 Comprender que las herramientas estadísticas no son suficientes para
analizar un conjunto de variables ubicadas en una región determinada del
espacio.
 Analizar el grafico del histograma en función de los resultados estadísticos.
 Analizar el grafico del Vario grama y analizarlo en relación a resultados
estadísticos.

II. ALCANCES .
En el transcurso de este primer informe se podrá dar cuenta de que el análisis del
Variograma es muy útil para saber cómo cambia una variable en el espacio.

III. INTRODUCCIÓN.
Las aplicaciones de la geoestadística son múltiples por lo cual  necesidad de acudir
a herramientas estadísticas para el análisis de datos en todas las áreas del
conocimiento como la herramienta denominada de la Variograma, el cual tiene
aplicaciones en las ciencias geológicas y múltiples aplicaciones en otras disciplinas,
ha hecho que aparezcan con el correr de los años nuevas metodologías que, no
obstante se centran en fundamentos probabilísticos comunes, son específicas para
cada una de las diversas disciplinas del saber. Algunos ejemplos son, entre otros, la
econometría, psicometría o la bioestadística La gran relevancia que tiene
actualmente a nivel mundial el tema ambiental ha hecho que los profesionales en

pág. 3
estadística encaminen esfuerzos en el desarrollo de nuevas técnicas apropiadas
para el análisis de información enmarcada dentro de este contexto. Como
consecuencia de este impulso Surgió la geoestadistica, teniendo como padre a
George Matheron.

El presente informe tiene como propósito servir de ayuda para poder observar cómo
se realiza un Variograma, cuáles son sus resultados para variables aleatorias de
gran numero y como varia su grafica dependiendo corno están ordenados estas
variables. El principal soporte teórico del presente es la teoría aprendida en clase
de geoestadística l, gracias al método con structivo con el cu al Se dicta el curso.

pág. 4
IV. ANTECEDENTES DE LA GOESTADISTA
La geoestadística es uno de los más grandes descubrimientos de siclo xx.Teniendo
como padre a Profesor Georges Matheron ( 1930 -2000). De la escuela
Fontainableau, Francia.

"UNE VIE CONSACRÉE MODÉLISATION PROBABILISTE"

Al llegar la geoestadistica a américa latina se aplicó en Chile, esto debido a que las
condiciones burocráticas lo permitían.

La geoestadistica en américa latina tiene como antecedente el trábalo presentado

por

Michel Dagoberto (SGS-geoestat Blainvllle, Quebec, Canadá) en la charla inaugural

del Octavo Congreso Internacional de Geoestadística, llevado a cabo en Santiago
de Chile en diciembre del 2008 En efecto, en el matY0 de la cooperación entre
Francia y Chile, el Dr. Alain Marechal, investigador del centro de geoestadistica de
Fontainebleau. Francia, enseñó geoestadística y formó un equipo de geoestadística
en el Departamento de Ingeniería de Minas de la Universidad de Chile desde 1971
a 19 73.

El equipo de investigacidn dirigido por el profesor Alain Marechal estaba constituido

por 3 grupos:

pág. 5
Un grupo de 4 de investigadores ( Issae Ugarte (De nacionalidad Boliviana) Mano
AIE1ro y J orge Walton) para trabajar en proyectos de Codelco.

Un grupo de Desarrollo de Software en Geoestadstica para el desarrollo y

programación de Métodos Numéricos, que permitan aplicar la Geoestadística
teórica de Matheron en las minas principales de Chile, a cargo de Alfredo Marín con
3 estudiantes de apoyo.

Un grupo de investigación operativa a cargo de Jorge Masy Hernán Buchi

(Posteriormente ministro de Hacienda de la república de Chile), con 3 estudiantes
de apoyo.

Luego se comentará sobre aplicaciones en Perú, Chile Colombia, Ecuador y

Estados Unidos de Norteamérica.

1979 - 2005

pág. 6
V.

MARCO TEÓRICO
V.1 VARIOGRAMA:

Es una función vectorial que permite medir las discrepancias de una propiedad en
una región del espacio. Siendo una herramienta de uso en el análisis de recetas
minerales en una región definida.

Una vez que se ha obtenido el variograma experimental y se ha estudiado su

comportamiento, el paso siguiente es encontrar algún modelo paramétrico que
ajuste adecuadamente los datos muestrales, esto es realizado por medio de
variogramas teóricos. A continuación, se muestran los diferentes modelos de
variogramas teóricos.

Como se puede observar cada modelo puede tener una forma diferente que se
ajustara a un comportamiento deteniendo del variograma experimental Cada
modelo tiene una meseta que es el máximo valor del variograma, al alcanzarse la
meseta se dice que se está en el rango que es el máximo valor de h al cual se

pág. 7
puede decir que los puntos diaconizados están correlacionados, por lo tanto, un
valor del rango muy pequeño conlleva altas heterogeneidades. En muchos casos,
para un h igual a cero, el variograma no da cero lo cual es un error ya que se
estarla realizando un estudio continuo de la propiedad de interés, esto es ll amado
efecto pepita y es provocado por errores en la toma de los datos en la mayoría de
los casos. A continuación, se muestra un ejemplo del ajuste del variograma
experimental con un variograma teórico Gaussiano. Los variograma son realizados
en varias direcciones adecuadamente el comportamiento de la propiedad estudiada
en toda la extensión del yacimiento, en caso de que se esté estudiando en un plano
horizontal. Dependiendo resultados se utilizará un método geoestadístico u otro.

• El variograma es la herramienta geoestadística básica. Permite la

cuantificación de los parámetros geológicos y expresa la correlación espacial
entre los valores muestreados.

• En términos muy simples podemos definir el variograma como la media de

los cuadrados de las diferencias entre pares de muestras separados por una
distancia h:

pág. 8

—
 Ү = ½ N . ∑ [ (Z(x) –

Z(x+h)) ]2

V.2 CONSTRUCCIÓN DEL VARIOGRAMA

h=1; Gh= 1/2x8 [(1-2)2+(2-3)2+(3-4)2+(4-5)2+(5-4)2+(4-3)2+(3-2)2+(2-1)2]= 0,5

h=2; Gh= 1/2x7 [(1-3)2+(2-4)2+(3-5)2+(4-4)2+(5-3)2+(4-2)2+(3-1)2]= 1,71

h=3; Gh= 1/2x6 [(1-4)2+(2-5)2+(3-4)2+(4-3)2+(5-2)2+(4-1)2]= 3,17

h=4; Gh= 1/2x5 [(1-5)2+(2-4)2+(3-3)2+(4-2)2+(5-1)2]= 4

V.3 REPRESENTACIÓN GRÁFICA

pág. 9
h=1; Gh= 1/2x8 [(5-1)2+(1-3)2+(3-1)2+(1-4)2+(4-2)2+(2-2)2+(2-4)2+(4-3)2]= 2,62

h=2; Gh= 1/2x7 [(5-3)2+(1-1)2+(3-4)2+(1-2)2+(4-2)2+(2-4)2+(2-3)2]= 1,07

h=3; Gh= 1/2x6 [(5-1)2+(1-4)2+(3-2)2+(1-2)2+(4-4)2+(2-3)2]= 2,33

h=4; Gh= 1/2x5 [(5-4)2+(1-2)2+(3-2)2+(1-4)2+(4-3)2]= 1,30

V.4 COMPONENTES DE UN VARIOGRAMA

La continuidad espacial queda reflejada en la tasa de crecimiento de la Varianza (Y)

de acuerdo a los aumentos de la distancia de muestreo (h).

pág. 10
 V.5 DISTANCIAMIENTO DEL MUESTREO.

Con el alcance se puede determinar el distanciamiento óptimo del muestreo. De tal

modo que su influencia tenga el solapamiento adecuado.

pág. 11
 V.6 ANISOTROPÍAS

El variograma puede tener distintos alcances y mesetas, según la dirección con que
se aparean los datos.

V.7 . FORMA DEL VARIOGRAMA

La forma del variograma proporciona la siguiente información:

pág. 12
 V.8 .

MODELOS DE VARIOGRAMAS.

Los modelos de variogramas son curvas, generadas a partir de una función

matemática, que ajustaremos a nuestros datos y nos permitirán conocer la
distribución para todos los puntos en el espacio

Se utilizan para Krigear; con el variograma experimental quedan muchas zonas

donde no existe valores concretos. Por lo tanto, es posible que sea necesario definir
el valor de la variable (Ley; Pot) en puntos donde V.E: no ofrece información.

pág. 13
 V.9 . MODELOS DE VARIOGRAMA.

Los modelos más utilizados en geología son del tipo transicional (con meseta).
Estos son:

 MODELO ESFÉRICO

 MODELO EXPONENCIAL

 MODELO PARABÓLICO

pág. 14
Otro modelo comúnmente utilizado, podríamos decir que sólo tiene meseta y se
denomina MODELO EFECTO PEPITA PURO

VI.

HISTOGRAMA
En estadística, histograma es una representación gráfica de una variable forma de
barras, donde la superficie de cada barra es proporcional a la frecuencia de los
valores representados. Sirven para obtener una "primera vista ' general, 0
panorama, de la distribución de la población, o la muestra, respecto a una
característica, cuantitativa y continua, de la misma y que es de interés para el
observador (corno [a longitud o la masa). De esta manera ofrece una visión en
grupo permitiendo observar una preferencia, o tendencia, por parte de la muestra o
población por ubicarse hacia una determinada región de valores dentro del espectro
de valores posibles (sean infinitos o no) que pueda adquirir la característica. Así
pues, podemos evidenciar comportamientos, observar el grado de homogeneidad,
acuerdo o eoncigién entre los valores de todas las partes que componen la
población 0 la muestra, o, en contraposición, poder observar el grado de
variabilidad, y por ende, [a dispersión de todos los valores que toman las partes,
también es posible no evidenciar ninguna tendencia y obtener que cada miembro
de la población toma por su lado y adquiere un valor de la característica
aleatoriamente sin mostrar ninguna preferencia o tendencia, entre otras cosas.

En el eje vertical se representan las frecuencias, es decir, la cantidad de población

o la muestra, según sea el caso, que se ubica en un determinado valor o sub rango
de valores de la característica conocido como intervalo de clase. En el eje

pág. 15
horizontal se representa el espectro de valores posibles que toma la característica
de interés, evidentemente, cuando este espectro de valores es infinito o muy
grande el mismo es reducido a sólo una parte que muestre la tendencia o
comportamiento de la población, en otras ocasiones este espectro es extendido
para mostrar el alejamiento o ubicación de la población o [á muestra analizada
respecto de un valor de interés

VI.1. HISTOGRAMA ACUMULADO.

En lugar de visualizar la frecuencia de valores para cada intervalo, se puede

visualizar la frecuencia cumulativa, es decir, la frecuencia de los valores bajo cierto
umbral como una función de este umbral, lo que da el histograma acumulado. De la
misma forma que para el histograma estándar, las frecuencias se pueden calcular
tomando en cuenta ponderadores de des agrupamiento (Figura 7). El histograma
acumulado es una función creciente, desde 0 (para el valor más bajo de la variable)
hasta 1 (para el valor más alto). Al contrario, el histograma acumulado inverso, que
muestra la frecuencia de valores que superan un umbral en función de este umbral,
es una función decreciente (desde 1 hasta 0), conocida en geoestadística minera
como curva tonelaje-ley dado que la frecuencia acumulada es proporcional al
tonelaje de material cuya ley supera la ley de corte.

pág. 16
VII. CALCULO DE VARIOGRAMAS Y LEYES POR GRUPOS.
Resultados de las leyes promedio y de los variogramas que resultan de las leyes
promedias: ejemplo: leyes entre 9 y 2.

promed

pág. 17
VIII. SIMIULACIONES DE DATOS, HISTOGRAMAS Y IAGRAMA
VIII.1. PRIMERA SIMULACION (Leyes entre 2 y 9):

 . Histogramas:

Histograma de 1 en 1

Histograma de 10 en 10

Histograma de 20 en 20

pág. 18
Histograma de 50 en 50

Histograma de 100 en 1000

Histograma de 200 en 200

Resultados estadísticos :

pág. 19
  . Variogramas

Yao

VIII.2. . SEGUNDA SIMULACION (Leyes de O a 12):

Histogramas:

Histograma de 1 en 1

pág. 20
 Histograma de 5 en 5

Histograma de 10 en 10

Histograma de 20 en 20

Histograma de 50 en 50

Histograma de 100 en 100

aase

Histograma de 200 en 200

Resultados estadísticos

pág. 21
pág. 22
IX. ANALISIS DE RESULTADOS
Al comparar los Variogramas, que resultaron de las simulaciones, se puede
observar que todos los Variogramas tienen el mismo comportamiento, todos
tienen la misma forma de curva, eso a pesar de estar en función a promedios
agrupados, ya sea de 5 en 5, 10 en 10, etc.

Se puede observar que todos los puntos del Variograma de las variables simuladas
tienden a una línea recta, el cual es un efecto pepita puro, la línea recta a la cual
tiende el Variograma tiene como efecto pepita igual ala varianza de la distribución
de las leyes.

El coeficiente de variación es una medida que indica, que puede ser

porcentualmente, que tan dispersos o separados están los datos, unos con
respecto a otros. Un CV cercano a cero indica que los datos están muy juntos (o
muy similares), mientras que un CV muy grande (cercano a 100% o a 1, o mayor a
estos valores) indica que los datos están muy dispersos o son muy diversos. Se
observa que a medida que se incrementa el numero de variables promediadas,
disminuye el coeficiente de variación y la varianza.

Los Histogramas, a medida que se incrementa el numero de agrupaciones, se

asemejan a una distribución normal, a diferencia del histograma en el que se toman
los datos para cada unidad y no agrupados.

pág. 23
X. RECOMENDACIONES
 En el cómputo de los códigos de Visual Basic se debe tener mucho cuidado,
ya que, sino el programa no Se ejecuta, también se deben declarar todas las
variables para que sean considerados números o no. La mala edición de los
códigos produce errores fatales en el resultado.

 Al momento de ingresa r la máxima y mínima ley Se debe tener cuidado de

que se asemejen a datos cercanos a la realidad. Por ejemplo, ley de Cu de
1.9%.

 Para tener una mejor apreciación de la gráfica de histogramas es

recomendable que Se deba de realizar con varios anchos de clase.

 Para un mejor análisis del grafico del Variograma se debe de incrementar el

tamaño, ya que cuando el coeficiente de variación tiene de acero es muy
difícil visualizar el comportamiento de la curva.

XI. BIBLIOGRAFIA
 Clases de informática por ing. Chávez, Adolfo.

 clases del PhD. Alfredo Marín Suarez.

 http:/'geoestadistica.org/index.html, página del CE WRO GEO ESTAD iWICO

PERUANO, Lima 12 de mayodel 2013.

 SIMPOSIUM INTERNACIONAL DE PLANEAMIENTO DE MINA (SI

PLAMIN2012), Exposición realizada por el Dr. Alfredo Marín, Lima I S de
noviembre del 2012.

 VARIOGRAMAS www.fcnym.unlp.edu.ar › catedras › teoricos › teorico9.

 Geoestadística - U-Cursos www.u-cursos.cl › usuario › mi_blog ›

Geoestadística.

pág. 24
pág. 25