Universidad Nacional De Ingeniería

Facultad De Ingeniería Geológica,

Minera Y Metalúrgica Escuela
Profesional De Ingeniería Geológica

TAREA 3
Curso:
Geoestadística

Profesor:
Dr. Ing. Alfredo Marín Suarez
Integrante:
Silupu Curay, Allison Aldair

Sección:

“R”
Fecha de Entrega:
30/09/2021
 1. Generar taladro de 5000 muestras, cada muestra dista un metro con respecto a
la que sigue. Promediar las primeras 60 muestras y obtener un nuevo valor,
luego promediar las siguientes 60 muestras compartiendo 20 muestras, se saca
el promedio de este último intervalo y ese promedio es la segunda nueva
variable, y así sucesivamente. Calcular y graficar el variograma de la nueva
variable.

Procedimiento:

a) Abrimos una hoja de cálculo de Excel y generamos datos aleatorios como muestras del
taladro:

b) Procedemos a sacar los promedios agrupando de 60 datos y compartiendo 20

muestras el siguiente, haciendo un patrón de los 3 primeros promedios y luego
arrastrando las fórmulas hasta las 5000 muestras:
 c) Luego en una nueva hoja pegamos los promedios para poder ingresar esa hoja a
nuestro código de programación y que nuestro programa genere su respectivo
variograma:

d) Luego hacemos un algoritmo de programación que ingrese la hoja de promedio(HOJA

4) y nos realice un variograma de los 125 datos (Promedio de las 5000 muestras
compartiendo 20):

Código de programación:
import pandas as pd
xls = pd.ExcelFile("datos aleatorios.xlsx")
df = xls.parse("Hoja4")
lista_datos=[]

import math 
import numpy as np

Datos = df.Datos.tolist()

def particionar_lista(lista,n):
    return[lista[i*n:i*n+n] for i in range (n)]
resultado= particionar_lista(Datos,125)
print(Datos)

Datos_dos=[]
k=0

if k < len(resultado):
    suma=0
    i=0
    for elemento in resultado[i]:
        suma+= elemento
        i+=1
        prom= suma/(2*i)
        Datos_dos.append(prom)
    k=+1

import matplotlib.pyplot as plt

fig, (ax1,ax2) = plt.subplots(1,2,figsize=(18,8))
ax1.hist(Datos,bins=10,color='green',edgecolor='black')
ax1.set_title('Histograma datos Aleatorio compartiendo 20 datos',size=12,
color='blue')
ax1.set_ylabel('Frecuencia',size=12)
ax1.set_facecolor('white')

ax2.plot(Datos_dos,color='green',linewidth=2)
ax2.set_title('Viariogramas datos Aleatorios compartiendo 20 datos',size=
12,color='blue')
ax2.set_xlabel('h',size=12)
ax2.set_ylabel('Gamma',size=12)
ax2.set_facecolor('white')

plt.show()

e) Generando así el variograma e histograma de los promedios de las 5000 muestras:

 2.Generar taladro de 5000 muestras, cada muestra dista un metro con respecto
a la que sigue. Promediar las primeras 60 muestras y obtener un nuevo valor,
luego promediar las siguientes 60 muestras compartiendo 40 muestras, se saca
el promedio de este último intervalo y ese promedio es la segunda nueva
variable, y así sucesivamente. Calcular y graficar el variograma de la nueva
variable.

Procedimiento:

a) Abrimos una hoja de cálculo de Excel y generamos datos aleatorios como muestras del
taladro:

b) Procedemos a sacar los promedios agrupando de 60 datos y compartiendo 40

muestras el siguiente, haciendo un patron de los 3 primeros promedios y luego
arrastrando las formulas hasta las 5000 muestras:
 c) Luego en una nueva hoja pegamos los promedios para poder ingresar esa hoja a
nuestro código de programación y que nuestro programa genere su respectivo
variograma:

d) Luego hacemos un algoritmo deprogramación que ingrese la hoja de promedio(HOJA

3) y nos realice un variograma de los 250 datos (Promedio de las 5000 muestras
compartiendo 40):

Código de programación:
import pandas as pd
xls = pd.ExcelFile("datos aleatorios.xlsx")
df = xls.parse("Hoja3")
lista_datos=[]

import math 
import numpy as np

Datos = df.Datos.tolist()

def particionar_lista(lista,n):
    return[lista[i*n:i*n+n] for i in range (n)]
resultado= particionar_lista(Datos,250)
print(Datos)

Datos_dos=[]
k=0

if k < len(resultado):
    suma=0
    i=0
    for elemento in resultado[i]:
        suma+= elemento
        i+=1
        prom= suma/(2*i)
        Datos_dos.append(prom)
    k=+1

import matplotlib.pyplot as plt

fig, (ax1,ax2) = plt.subplots(1,2,figsize=(18,8))
ax1.hist(Datos,bins=10,color='green',edgecolor='black')
ax1.set_title('Histograma datos Aleatorio compartiendo 40 datos',size=12,
color='blue')
ax1.set_ylabel('Frecuencia',size=12)
ax1.set_facecolor('white')

ax2.plot(Datos_dos,color='green',linewidth=2)
ax2.set_title('Viariogramas datos Aleatorios compartiendo 40 datos',size=
12,color='blue')
ax2.set_xlabel('h',size=12)
ax2.set_ylabel('Gamma',size=12)
ax2.set_facecolor('white')

plt.show()

e) Generando así el variograma e histograma de los promedios de las 5000 muestras:

3. Conclusión

 Debido a que se está trabajando en una misma distribución

espacial en ambos variograma, nos brinda la misma
información, en uno más detallado con respecto del otro. Sin
embargo, observamos que tiene una misma tendencia. Lo
que nos hace concluir que se puede llegar a una misma
decisión para la extracción o no de minerales en un taladro,
haciendo el promedio de muestras y así reduciendo la
cantidad de información obtenida en el campo.