Geoestadística Lineal aplicada a

la planificación minera
 CAPÍTULO 1, SESIÓN 1
Introducción a la Geoestadística Lineal
 Introducción

El neologismo “geoestadística” fue inventado por Georges

Matheron en 1962.

El prefijo “geo” se refiere al dominio de las ciencias de la tierra

(esencialmente minero), que ha sido históricamente aquel
donde la geoestadística se ha desarrollado. Los campos de
aplicación actuales alcanzan dominios más variados: recursos
naturales (evaluación minera o petrolífera), topografía,
meteorología, oceanografía, contaminación, geofísica,
haliéutica (pesca), agronomía......
 Introducción

Y el término “estadística” se refiere al uso de métodos

probabilísticos.

La diferencia de la geoestadística con respecto a la

estadística “clásica” radica en que la primera toma en cuenta
la dependencia entre las observaciones, considerando que
ellas están ubicadas en el espacio.
 El concepto de variable

La geoestadística se define como el estudio de fenómenos

regionalizados, es decir, fenómenos que se extienden en el
espacio y que presentan una “organización” o “estructura”.

Por “espacio” entenderemos en general el espacio

geográfico, aunque también puede tratarse del eje temporal.
 El concepto de variable

El objeto sobre el cual se trabaja no es el fenómeno

regionalizado propiamente tal, que es una realidad física, sino
que sobre una descripción matemática de esta realidad; a
saber, una (o eventualmente varias) función numérica llamada
variable regionalizada o regionalización, que se supone
representa y mide correctamente este fenómeno.
 El concepto de variable

La geoestadística se define como el estudio de fenómenos

regionalizados, es decir, fenómenos que se extienden en el
espacio y que presentan una “organización” o “estructura”.

Por “espacio” entenderemos en general el espacio

geográfico, aunque también puede tratarse del eje temporal.
 El concepto de variable

El objeto sobre el cual se trabaja no es el fenómeno

regionalizado propiamente tal, que es una realidad física, sino
que sobre una descripción matemática de esta realidad; a
saber, una (o eventualmente varias) función numérica llamada
variable regionalizada o regionalización, que se supone
representa y mide correctamente este fenómeno.
 El concepto de variable

Por ejemplo:
• En geoestadística minera, variables como ley, densidad,
potencia, acumulación, granulometría, recuperación
metalúrgica, describen un fenómeno de mineralización;
• La concentración en la atmósfera de un elemento
contaminante, la altitud topográfica de un punto, la
temperatura al nivel del suelo, la densidad en peces en
una zona oceánica, la tasa de carbón medida sobre una
muestra de tierra también son variables regionalizadas.
 El concepto de variable

La geoestadística se define como el estudio de fenómenos

regionalizados, es decir, fenómenos que se extienden en el
espacio y que presentan una “organización” o “estructura”.

Por “espacio” entenderemos en general el espacio

geográfico, aunque también puede tratarse del eje temporal.
 El concepto de variable

Por ejemplo:
• En geoestadística minera, variables como ley, densidad,
potencia, acumulación, granulometría, recuperación
metalúrgica, describen un fenómeno de mineralización;
• La concentración en la atmósfera de un elemento
contaminante, la altitud topográfica de un punto, la
temperatura al nivel del suelo, la densidad en peces en
una zona oceánica, la tasa de carbón medida sobre una
muestra de tierra también son variables regionalizadas.
 El concepto de variable

Desde un punto de vista matemático, una variable

regionalizada es una función determinística, notada
tradicionalmente z. En general, esta función presenta dos
aspectos complementarios: por una parte, presenta una
“estructura” espacial (zonas de altos valores / zonas de bajos
valores), y otra, varía irregularmente y escapa a toda
representación simple.
 El concepto de variable

Lo propio de los métodos geoestadísticos consistirá en definir

herramientas sintéticas que permitirán resumir las principales
características de la regionalización
 El concepto de variable

Desde un punto de vista matemático, una variable

regionalizada es una función determinística, notada
tradicionalmente z. En general, esta función presenta dos
aspectos complementarios: por una parte, presenta una
“estructura” espacial (zonas de altos valores / zonas de bajos
valores), y otra, varía irregularmente y escapa a toda
representación simple.
 El concepto de variable

Lo propio de los métodos geoestadísticos consistirá en definir

herramientas sintéticas que permitirán resumir las principales
características de la regionalización
 El concepto de variable

Dado que un fenómeno regionalizado nunca posee una

extensión infinita, estudiaremos la variable regionalizada z,
sólo al interior de un dominio limitado D llamado campo de la
variable.

Este campo D puede representar una zona natural, fuera de

la cual z no está definida; o bien de un dominio particular,
donde la variable regionalizada interesa: por ejemplo, los
puntos donde es no nula o superior a un determinado umbral.
 El concepto de variable

Dominio (D)

datos con posiciones

aleatorizadas dentro de
los bloques z(x)

Bloques (v)
 Noción de
Una variable regionalizada puede definirse, no sólo en un punto, sino
que también en una superficie o en un volumen.

La superficie o el volumen de base sobre el cual se considera la

variable regionalizada se denomina soporte.

En general, el soporte de las muestras es muy pequeño, casi puntual,

mientras que el que interesa en la práctica es a menudo más
voluminoso. Por ejemplo, las unidades selectivas de explotación en
evaluación minera, o las unidades de remediación en polución de
suelo)
 El concepto de variable

Dominio (D)

datos con posiciones

aleatorizadas dentro de
los bloques z(x)

Bloques (v)
 Noción de
Una variable regionalizada puede definirse, no sólo en un punto, sino
que también en una superficie o en un volumen.

La superficie o el volumen de base sobre el cual se considera la

variable regionalizada se denomina soporte.

En general, el soporte de las muestras es muy pequeño, casi puntual,

mientras que el que interesa en la práctica es a menudo más
voluminoso. Por ejemplo, las unidades selectivas de explotación en
evaluación minera, o las unidades de remediación en polución de
suelo)
 El concepto de variable

Dominio (D)

datos con posiciones

aleatorizadas dentro de
los bloques z(x)

Bloques (v)
 Noción de
Una variable regionalizada puede definirse, no sólo en un punto, sino
que también en una superficie o en un volumen.

La superficie o el volumen de base sobre el cual se considera la

variable regionalizada se denomina soporte.

En general, el soporte de las muestras es muy pequeño, casi puntual,

mientras que el que interesa en la práctica es a menudo más
voluminoso. Por ejemplo, las unidades selectivas de explotación en
evaluación minera, o las unidades de remediación en polución de
suelo)
 Noción de

Esta noción es importante debido a la dependencia que existe

entre el tamaño del soporte y la distribución estadística de los
valores (efecto de soporte): los soportes voluminosos
presentan una menor cantidad de valores extremos y una
mayor cantidad de valores intermedios que los soportes
puntuales. Así, la distribución de los valores, y en especial su
varianza estadística, dependen del soporte sobre el cual está
definida la variable regionalizada.
 Noción de

Este efecto queda ilustrado en la siguiente figura, que

muestra la distribución de la ley de cobre en un yacimiento,
medida sobre tres soportes distintos. Se observa que la forma
del histograma tiende a simetrizarse cuando aumenta el
soporte y que la varianza disminuye, aunque se mantiene
constante la ley media.
Noción de
 Noción de

Este efecto queda ilustrado en la siguiente figura, que

muestra la distribución de la ley de cobre en un yacimiento,
medida sobre tres soportes distintos. Se observa que la forma
del histograma tiende a simetrizarse cuando aumenta el
soporte y que la varianza disminuye, aunque se mantiene
constante la ley media.
Noción de
 Noción de

Cuando cambiamos de soporte, por ejemplo, pasando de

valores casi puntuales a valores en un “bloque”, obtenemos
una nueva variable regionalizada, ligada a la variable inicial,
pero que posee características estructurales diferentes.

El cambio de soporte se inscribe dentro de una teoría más

general: la teoría de la regularización.
 Noción de

En los problemas de cambio de soporte es deseable que la

variable regionalizada en estudio sea aditiva; es decir, que su
valor en la unión de varios dominios sea igual a la suma o la
media de sus valores sobre cada uno de ellos. Esta
restricción es necesaria para que el cálculo del valor

promedio sobre un soporte más grande que el de las

mediciones, tenga un sentido físico. En caso contrario,

debemos restringirnos a estudiar soportes iguales a los de las

muestras: un cambio de soporte estará, si no prohibido, al
menos fuertemente desaconsejado.
 Los principios

Normalmente no se puede acceder a la variable regionalizada

de manera exhaustiva, sino que solamente a través de un
conjunto limitado de datos (muestras de sondajes en
exploración minera, observaciones en terreno en ingeniería
forestal, mediciones realizadas en estaciones de monitoreo
en polución ambiental, etc.).

Por lo general, el geoestadístico dispone de los valores

muestreados y su posición, y a veces de información
adicional – cualitativa o cuantitativa – acerca del fenómeno.
 Los principios

El primer principio que debe regir el estudio geoestadístico es

el respeto a los datos; es decir, la conformidad de las
manipulaciones y de las hipótesis subyacentes con las
observaciones.

Este principio no impide tener una postura crítica en cuanto a

la forma de muestrear (disposición y representatividad de las
observaciones) y a la exactitud de las mediciones (valores
aberrantes).
 Los principios

Para aprovechar la información disponible más allá de un

simple reporte de los datos, es necesario construir modelos.

Siempre debe tenerse presente que un modelo nunca

describe el fenómeno en su totalidad, sin simplificación, ni
distorsión.

El principio de realismo consiste en encontrar un modelo que

entregue una descripción adecuada del fenómeno, ni
demasiado simplificada, ni demasiado deformada.
 Los principios

Normalmente no se puede acceder a la variable regionalizada

de manera exhaustiva, sino que solamente a través de un
conjunto limitado de datos (muestras de sondajes en
exploración minera, observaciones en terreno en ingeniería
forestal, mediciones realizadas en estaciones de monitoreo
en polución ambiental, etc.).

Por lo general, el geoestadístico dispone de los valores

muestreados y su posición, y a veces de información
adicional – cualitativa o cuantitativa – acerca del fenómeno.
 Los principios

Para aprovechar la información disponible más allá de un

simple reporte de los datos, es necesario construir modelos.

Siempre debe tenerse presente que un modelo nunca

describe el fenómeno en su totalidad, sin simplificación, ni
distorsión.

El principio de realismo consiste en encontrar un modelo que

entregue una descripción adecuada del fenómeno, ni
demasiado simplificada, ni demasiado deformada.
 Los principios

Señalemos desde ahora la importancia de la escala de

trabajo: las características de un mismo fenómeno
regionalizado (regularidad, homogeneidad espacial…)
dependen en gran parte de la escala de observación, de

modo que un modelo puede ser adecuado a cierta escala y

resultar inaceptable a escalas más grandes o más pequeñas.
 Los principios

El modelamiento y las hipótesis que se requieren aportan

mayor información que la contenida en los datos
experimentales. En consecuencia, conviene reducir al
máximo la complejidad del modelo, evitando introducir
hipótesis o
parámetros “arbitrarios”, que no se puedan
controlar experimentalmente: un modelo demasiado complejo
corre el riesgo de sobrepasar el principio de realismo. Por el
contrario, es necesario encontrar el modelo menos exigente
que permite resolver el problema planteado (principio de
economía).
 Los principios

Finalmente, el modelo no es más que un intermediario de

cálculo para resolver el problema concreto que ha sido
planteado. Los resultados de un estudio geoestadístico deben
ser planteados en términos objetivos; esta fase de
planteamiento se llama reconstrucción operatoria. Precisemos
lo que se entiende por “objetividad”.
 Los principios

Un concepto, un modelo o un enunciado es objetivo si puede

expresarse en términos de magnitudes regionales, es decir,
cantidades que estarían disponibles si se conociera
exhaustivamente la realidad.

El resultado final debe poder verificarse experimentalmente y

debe ser susceptible de refutarse a partir de un conocimiento
exhaustivo de la variable regionalizada, aunque sea una
hipótesis ilusoria (pues, en la práctica, no se dispone más que
de un conocimiento parcial, a veces extremadamente
limitado, de la realidad).
 Los principios

Señalemos desde ahora la importancia de la escala de

trabajo: las características de un mismo fenómeno
regionalizado (regularidad, homogeneidad espacial…)
dependen en gran parte de la escala de observación, de

modo que un modelo puede ser adecuado a cierta escala y

resultar inaceptable a escalas más grandes o más pequeñas.
 Los principios

Normalmente no se puede acceder a la variable regionalizada

de manera exhaustiva, sino que solamente a través de un
conjunto limitado de datos (muestras de sondajes en
exploración minera, observaciones en terreno en ingeniería
forestal, mediciones realizadas en estaciones de monitoreo
en polución ambiental, etc.).

Por lo general, el geoestadístico dispone de los valores

muestreados y su posición, y a veces de información
adicional – cualitativa o cuantitativa – acerca del fenómeno.
 Los problemas de

La estimación de variables regionalizadas es un objetivo

importante de la geoestadística. Consiste en evaluar, de la
manera más precisa posible, un valor que no ha sido medido,
a partir de los datos disponibles.

A partir de los valores medidos sobre muestras localizadas en

una zona geográfica, se trata de estimar, ya sea el valor en un
punto que no ha sido muestreado, o el valor promedio de un
bloque (superficie o volumen) o bien, incluso, el valor global
de toda la zona.
 Los problemas de

Una característica de los métodos geoestadísticos, es que

aparte de construir estimadores, también proporcionan una
medida de la precisión de la estimación por medio de
herramientas probabilísticas (varianzas, intervalos de
confianza...).
 Los problemas de

En la mayoría de los casos, el valor estimado será una

combinación lineal de valores medidos en los puntos de
muestreo.

Podemos dar como un ejemplo conocido de estimador, la

media aritmética, que es una combinación lineal que da
pesos iguales a todos los valores observados.
 Los problemas de

Se distingue dos tipos de problemas de estimación: las

estimaciones globales y las estimaciones locales.

La estimación global considera el campo D completo, que se

desea caracterizar por un valor único (a saber, la media o la
suma de la variable regionalizada en estudio) o por una
distribución estadística (histograma).
 Los problemas de

Es poco común que una estimación global sea suficiente.

Frecuentemente es necesario completarla con estimaciones
locales.

Por ejemplo, en un estudio de contaminación, no basta con

evaluar la contaminación promedio en toda la zona, sino que
es necesario distinguir los sectores fuertemente
contaminados de aquellos que no lo están.
 Los problemas de

Al contrario, las estimaciones locales se concentran en los

diferentes sectores de la zona de estudio. En general, se
busca evaluar el valor en un sitio que no ha sido muestreado
o el valor promedio de un “bloque” cuyo soporte es mayor que
el soporte de los datos. En este problema, debe considerarse
la continuidad espacial de la variable regionalizada, las
distancias entre el sector a estimar y los sitios con datos, así
como la configuración espacial de los mismos sitios con datos
(en efecto, datos agrupados suelen tener valores parecidos,
constituyéndose en información redundante).
 Los problemas de

La determinación de los pesos deberá depender además de

las características estructurales de la variable regionalizada,
en especial de su mayor o menor regularidad, y de la
disposición espacial de las mismas muestras: en efecto,
observaciones agrupadas suelen tener valores parecidos,
constituyéndose en información redundante. Convendrá
tomar en cuenta estos efectos al momento de estimar.
 Los problemas de

Al contrario, las estimaciones locales se concentran en los

diferentes sectores de la zona de estudio. En general, se
busca evaluar el valor en un sitio que no ha sido muestreado
o el valor promedio de un “bloque” cuyo soporte es mayor que
el soporte de los datos. En este problema, debe considerarse
la continuidad espacial de la variable regionalizada, las
distancias entre el sector a estimar y los sitios con datos, así
como la configuración espacial de los mismos sitios con datos
(en efecto, datos agrupados suelen tener valores parecidos,
constituyéndose en información redundante).
 Los problemas de

La determinación de los pesos deberá depender además de

las características estructurales de la variable regionalizada,
en especial de su mayor o menor regularidad, y de la
disposición espacial de las mismas muestras: en efecto,
observaciones agrupadas suelen tener valores parecidos,
constituyéndose en información redundante. Convendrá
tomar en cuenta estos efectos al momento de estimar.
 Los problemas de

Los problemas de estimación no son los únicos problemas a

los que responde la geoestadística. El análisis de la
dependencia espacial de los datos, es decir, la forma como la
influencia de una observación se deteriora en zonas cada vez
más lejanas, es uno de los aportes importantes de esta
técnica.
 Los problemas de

El análisis de la dependencia espacial permite describir la

distribución de los valores en el espacio, cuantificar las
correlaciones o redundancias de información entre valores
medidos en sitios diferentes y determinar el tamaño de la
“zona de influencia” de una observación.

Asimismo, el estudio de la continuidad espacial en diferentes

direcciones permitirá detectar anisotropías, indicando que la
variable regionalizada posee direcciones preferenciales de
continuidad.
 Los problemas de

La mayor o menor continuidad y regularidad espacial de la

variable regionalizada será revelada por herramientas de fácil
interpretación. El estudio en diferentes direcciones del
espacio permitirá detectar eventuales anisotropías, indicando
que el fenómeno observado se extiende o difunde más
intensamente en algunas direcciones que en otras.
 Los problemas de

Finalmente, será posible construir modelos numéricos – o

“simulaciones” – que reproducen la estructura espacial de los
datos, así como interpretar el fenómeno regionalizado (por
ejemplo, se pueden poner en evidencia los diversos procesos
que generaron el fenómeno estudiado a diferentes escalas de
tiempo o de espacio).
 Notacione

En lo que sigue, notaremos por:

• z, la variable regionalizada estudiada
• d, la dimensión del espacio de trabajo; en general, d = 1, 2
ó 3; es decir, nos encontramos en el espacio de una, dos o
tres dimensiones: R1, R2 ó R3.
• D, el campo de la variable regionalizada, que es un
dominio limitado del espacio Rd
• |D|, la medida (longitud, área, volumen…) del dominio D
incluido en D
 Notacione

• x ∈ D, un vector de posición en el espacio, que varía en

forma continua en D
• { z(x) | x ∈ D } el conjunto de valores, en general
desconocidos, tomados por la variable z. Generalmente
z(x) ∈ R. Cuando se estudien los fenómenos
multivariables, se podrá considerar z(x) ∈ Rp o, lo que es
lo mismo, trabajar con p variables regionalizadas reales.
• n, el número de puntos con datos
• xα (con α = 1… n) los sitios de observación en D.
 Notacione

Dominio (D)

datos con posiciones

aleatorizadas dentro de
los bloques z(x)

Bloques (v)