Porque Geoestadistica

Tomado de: CURSO INTERNACIONAL DE GEOESTADISTICA Módulo I – PUNI –Dado en el IMCA
Miguel Zulueta 06- 08, Noviembre-2008.

miguelzulueta@fractalsgeo.com
¿PORQUE GEOESTADISTICA?
Uno de los detalles que se observa en varios sitios es sólo contentarse con la ley promedio de la
estimación de Recursos Minerales reportado con su Tonelaje dado, mas no existe la preocupación por
saber la precisión de estimación, observando cuánto se ha mejorado desde la Desviación Estándar o
varianza estadística inicial, a las nuevas varianzas que, incluso por bloque estimado, ofrece la técnica
de la Geoestadística de Matherón.
El primer paso importante para trabajar con Geoestadística es calcular la correlación espacial de los
datos buscando las direcciones que muestren mejor “estructura”.
ESTRUCTURA Y CORRELACION DE LA VARIABLE EN ESTUDIO
Cabe mencionar que el trabajo de los datos se da, focalizando más allá de la Estadística,
al considerar la importancia de la “posición” de los datos. El cambio importante de la
metodología es conceptual “a la noción estadística de variable aleatoria independiente
(VAI) por la noción geoestadística de Variable Regionalizada (VR).”
Hay un ejemplo clásico que nos puede ilustrar usando el grupo de datos del “1 al 9”, pero
con distintas posiciones.
A) {1 7 3 6 2 9 4 8 5} y B) {1 3 5 7 9 8 6 4 2 }.
El análisis estadístico de A y B dan los mismos resultados: Media = 5.0 , Varianza =
6.67 y también dará el mismo histograma porque solo se trabaja como VAI.
Considerando que los grupos A y B proceden de distinta clase de mineralización se
intuye que el grupo A es muy errático y el segundo mas uniforme.
En la naturaleza el fenómeno de mineralización no es del todo aleatorio puro: como que la naturaleza
juega dados al poner valores de oro en una veta, reconocidos con muestreo. Como los datos no son
independientes a corta distancia en una dirección de estudio, se plantea el problema de medir hasta
qué distancia los valores de muestreo tienen influencia. La geoestadística en este punto, se
apoya en la Estadística usando la idea de la varianza, como un ente móvil llamada Función
Variograma, mediante la siguiente Hipótesis:
II – Hipótesis de Estacionalidad de Orden 2 (HEo2)
Esta hipótesis es una extensión de la estadística con los siguientes anunciados:
A) ¥ x Є Rn existe E{Z(x)} = m
B) ¥ x Є Rn existe E{ Z(x) - m }2 = VAR (Z(x))
y como consecuencia se tiene
C) E{ Z(x) - Z(x+h) }2 = 2 γ (h) , definición de
VARIOGRAMA
La expresión C difiere de B por que la media m se ha reemplazado por Z(x+h). Acá “h” es el paso o
distancia de muestreo. Calcularemos los Variogramas Experimentales para paso h =1, luego h = 2, …
h = 8. Aplicaremos a grupo A, como ejemplo:
Al graficar la Función Variogramas γ (h) para los h = (1, 2, 3, 4, 5, 6, 7 y 8) se tiene el gráfico

siguiente que por tener esa forma se que “NO TIENE ESTRUCTURA” y por ese motivo en este grupo
de datos no se podría aplicar Geoestadística.
Variograma Experimental
14.00
12.00
10.00
8.00
γ(h)
γ(h)A
6.00
4.00
2.00
0.00
1 2 3 4 5 6 7 8
h
El gráfico para el caso B de color magenta, se da a continuación. Siguiendo los pasos de cálculo
anteriores, se puede comprobar la tabla que da origen al gráfico.
Variograma Experimental
16.00
14.00
12.00
10.00
γ(h)A
γ(h)
8.00
γ(h)B
6.00
4.00
2.00
0.00
1 2 3 4 5 6 7 8
h
El grupo B presenta valores γ (h) más altos a medida que se incrementa “h”, se dice QUE TIENE
ESTRUCTURA. Este crecimiento tiene un tope que es la Varianza de población alcanzando una Cima
(Sill), al estabilizarse.
En el desarrollo Teórico de la Geoestadística se tiene funciones matemáticas a las que se ajustan los
Variogramas experimentales. Uno de los que más presencia tienen en datos de minería es el Modelo
Esférico, presentado en los Reportes de Variogramas. Veamos un gráfico ideal de Variograma con
dos parámetros: Rango también llamado “alcance” y Sill.
Este caso ideal no tiene aleatoriedad por distancia de muestreo y por eso su efecto de pepita es cero.
Pero el grupo de datos reales pueden tener variabilidad a corta distancia ya sea erraticidad propia y/o
aumentada por errores de muestreo.
Los puntos en blanco son muestras que deberían tenerse para reflejar continuidad disminuyendo el
Efecto de Pepita Co. Pero al tomarse muestras en puntos de color rojo, al graficarse se observa un
salto en el eje de la función Variogramas. El parámetro Efecto de pepita (Co) esta relacionado al
primer variogramas experimental (γ (1) o γ (2)) Para la población B es bastante bajo, en cambio
para la población A es muy alto.
Cuando se calcula Variogramas de muchos datos en varias direcciones se tomará el efecto de pepita
mas bajo de las direcciones modelizadas. Este punto es muy importante al trabajar el ajuste a Modelo
matemático. La validación ayuda a asegurar que los 3 parámetros: rango (a), Efecto de Pepita (Co) y
Sill o meseta (C) sean los mejores dentro de un rango de acercamiento al real.
En esencia estos puntos son los que se consideran con mucho cuidado, en la tarea de calcular los
Variogramas de Potencia y Ley de una veta. Esto garantizará dentro del marco Geológico la
estimación de los Recursos Minerales.
DEFINICION DE ESTIMACION. – “Estimación se puede definir como la predicción del valor

de una característica en una ubicación donde dicho valor se desconoce, en base a los
valores de las características medidas en varias ubicaciones conocidas. En la mayoría de los
casos, el valor estimado diferirá del valor verdadero; a la diferencia entre un valor estimado y
el valor real correspondiente se le denomina error de estimación.” (WAB,2006).
NOTA.- En mi primera visita la inquietud fue trabajar Variogramas de una Veta cualquiera
para ver si EXISTIA ESTRUCTURA DE SUS VARIABLES. En caso contrario no se podía
aplicar Geoestadistica, sino Método poligonal, Vecino mas cercano o Inverso a la distancia a
cualquier potencia.
Veamos ejemplo de Variogramas de la Veta Encanto Techo. Se muestra los Variogramas de

2 direcciones mutuamente perpendiculares. En el Reporte respectivo se puede corroborar los
parámetros observados en el gráfico siguiente:
Bibliografía
TULCANASA, N.E. (1974) Geoestadistica, apuntes provisorios Universidad Naciones de Ingenieria,
Departamento Academico de Mineria pp. 120
ROYLE,A.G. & CLARK I. & (1980) Geostatistics, McGraw-Hill Inc. New York pp.167
ISAAKS H.E & SRIVASTAVA R.M (1989) AN INtroduction to Aplied Geostatistics, Oxford University
Press, pp. 361
Dr. Jean-Michel Rendu (Newmont Gold Company, 1994), INTRODUCCION A LA

GEOESTADISTICA, pp 28
Canchaya M. S (1996) Curso introductorio de Geoestadistica Aplicada, brindado a Cia Minera

Yanacocha, pp. 32
DEUTSCH C.V. & JOURNEL A. G. (1997) Geostatistical Software Librery and Uresr’s Guide, Oxford
University Press, pp. 369
Zulueta T.M. (1992), Estimación de Recursos por el Método Geoestadístico Aplicado a Vetas auríferas
del Batolito de Pataz, TESIS – Universidad Nacional de Ingeniería, pp 84.
Hoel P.G. & Jessen R.J (1977), Estadística Básica para negocios y Economía – CECSA,pp 452.
Avila acosta, R.B. (2001), Estadística Elemental – Estudios y Ediciones, pp374
Datamine Studio (Marzo-2006), Curso de entrenamiento en Geoestadística, pp 80.
Winfred-Assibey-Bonsu, Curso de Geoestadística, pp. 113. (Brindado a Staff de Geolog

Porque Geoestadistica

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

Porque Geoestadistica

Cargado por

Copyright:

Formatos disponibles

Tomado de: CURSO INTERNACIONAL DE GEOESTADISTICA Módulo I – PUNI –Dado en el IMCA

Miguel Zulueta 06- 08, Noviembre-2008.

ESTRUCTURA Y CORRELACION DE LA VARIABLE EN ESTUDIO

II – Hipótesis de Estacionalidad de Orden 2 (HEo2)

Esta hipótesis es una extensión de la estadística con los siguientes anunciados:

C) E{ Z(x) - Z(x+h) }2 = 2 γ (h) , definición de

Al graficar la Función Variogramas γ (h) para los h = (1, 2, 3, 4, 5, 6, 7 y 8) se tiene el gráfico

DEFINICION DE ESTIMACION. – “Estimación se puede definir como la predicción del valor

Veamos ejemplo de Variogramas de la Veta Encanto Techo. Se muestra los Variogramas de

Dr. Jean-Michel Rendu (Newmont Gold Company, 1994), INTRODUCCION A LA

Canchaya M. S (1996) Curso introductorio de Geoestadistica Aplicada, brindado a Cia Minera

Avila acosta, R.B. (2001), Estadística Elemental – Estudios y Ediciones, pp374

Datamine Studio (Marzo-2006), Curso de entrenamiento en Geoestadística, pp 80.

Winfred-Assibey-Bonsu, Curso de Geoestadística, pp. 113. (Brindado a Staff de Geolog

También podría gustarte