Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GEOESTADISTICA I
VARIOGRAMAS
Docente:
Autor:
2
Índice General
Resumen…………………………………………………………………………………2
Índice General…………………………………………………………………………....3
Índice de figuras…………………………………………………………………………5
Introducción……………………………………………………………………………...6
1. GEOESTADISTICA…………………………………………………………...........7
1.1 Estacionariedad……………………………………………………..........7
2. VARIOGRAMA……………………………………………………..........................8
2.3 Anisotropías…………………………………………………….............11
3. ANALISIS DE DATOS…………………………………………............................14
3.1.2 Histograma…………………………………………......................14
3.1.3 Variograma………………………………………………..............15
3
3.3 Compositando los Valores Aleatorios…………………………………19
4. OBSERVACIONES……………………………………………………………25
5. CONCLUSIONES…………………………………………………………...…26
REFERENCIAS BIBLIOGRAFICAS……………………………………………..27
APÉNDICES……………………………………………………………………….28
APÉNDICE A………………………………………………………………………28
APÉNDICE B………………………………………………………………………29
4
Índice de Figuras
5
INTRODUCCIÓN
y utilidad para la extracción.
6
1. GEOESTADISTICA.
1.1 Estacionariedad.
7
1.2 Variable Regionalizada (VR).
Es aquella que el valor dado en un punto dentro del yacimiento está en función
2. VARIOGRAMA.
muestreados.
bajo estudio
cuadrados de las diferencias entre pares de muestras separados por una distancia
h:
N( h)
1
γ h= ∑
2 N (h ) x=1 [ z( x )−z ( x +h) ]
2
cada valor de h
Figura nº 1.
8
Figura nº 2.
tomados en dos puntos distintos son, en promedio, tanto más diferentes cuanto
más alejados estén el uno del otro. De este modo, el variograma da un contenido
más o menos rápida con la cual se deteriora la influencia de una muestra dada
9
Figura nº 3.
La función
γ h aumenta a medida que (h) aumenta, alcanzando un valor máximo,
10
2.3 Anisotropías.
Figura nº 4.
Los modelos más utilizados en geología son del tipo transicional (con meseta).
Estos son:
11
2.4.1 Modelo Esférico.
Figura nº 5.
Figura nº 6.
12
Figura nº 7.
13
3. ANALISIS DE DATOS.
uniforme
El uso del comando “hist” nos simplifica el trabajo, así como los otros comandos
14
HISTOGRAMA - LEY DEL MINERAL
600
500
400
FRECUENCIA
300
200
100
0
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
LEY
Figura nº 8.
m=10000
15
>>plot (V)
0.3
0.25
0.2
V(h)
0.15
0.1
0.05
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
h
Figura nº 9.
mayor
16
3.2.2 Grafica del Histograma de los valores ordenados.
500
400
FRECUENCIA
300
200
100
0
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
LEY
Figura nº 10.
17
3.2.3 Construcción del variograma con los 10000 datos.
m=10000
>>plot (V)
0.45
0.4
0.35
0.3
V(h)
0.25
0.2
0.15
0.1
0.05
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
h
Figura nº 11.
18
VARIOGRAMAS DE LA MISMA DATA
0.5
Sin ordenar
Ordenando de menor a mayor
0.45
0.4
0.35
0.3
V(h)
0.25
0.2
0.15
0.1
0.05
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
h
Figura nº 12.
3.3.1 COMPOSITOS DE 5.
p=10000/5;
for i=1:1: p
D2 (i, 1) =mean (D(c*(i-1) +1: c*i)); %% Promedio
end
Obteniendo el nuevo vector D2 de valores compositos de dimensión 5, al cual le
19
HISTOGRAMA DE DATOS COMPOSITADOS DE 5 EN 5
350
300
250
200
Frecuencia
150
100
50
0
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
Ley
Figura nº 13.
0.035
0.03
0.025
V(h)
0.02
0.015
0.01
0.005
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
h
Figura nº 14.
20
3.3.2 COMPOSITOS DE 10.
180
160
140
120
Frecuencia
100
80
60
40
20
0
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
Ley
Figura nº 15.
21
3.3.2.2 Variograma de los compositos de 10.
0.016
0.014
0.012
V(h)
0.01
0.008
0.006
0.004
0.002
0 100 200 300 400 500 600 700 800 900 1000
h
Figura nº 16.
3.3.3.1 Histograma.
140
120
100
Frecuencia
80
60
40
20
0
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
Ley
Figura nº 17.
22
La media de compositar compositando 20 es: 0.50515
La desviación estándar compositando 20 es: 0.064583
El máximo de los datos compositando 20 es: 0.69217
El mínimo de los datos compositando 20 es: 0.31284
3.3.3.2 Variograma.
0.012
0.01
0.008
V(h)
0.006
0.004
0.002
0
0 50 100 150 200 250 300 350 400 450 500
h
Figura nº 18.
23
3.3.4 COMPOSITOS DE 50.
3.3.4.1 Histograma.
80
70
60
50
Frecuencia
40
30
20
10
0
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
Ley
Figura nº 19.
24
3.3.4.2 Variograma
-3
x 10 VARIOGRAMA DE DATOS COMPOSITADOS DE 50 EN 50
3
2.5
2
V(h)
1.5
0.5
0
0 20 40 60 80 100 120 140 160 180 200
h
Figura nº 20.
4. OBSERVACIONES Y DISCUSIONES.
su respectivo variograma.
25
- El comportamiento de la grafica del Variograma es más notorio cuando se
compositar.
5. CONCLUSIONES.
data.
- Se observo el efecto pepita en cada caso, con ayuda de las graficas hechas.
REFERENCIAS.
26
APENDICE A:
function y=V(n)
%%%%% Generacion de datos aleatorios entre 0 y 1%%%%%%
D=rand (n, 1);
M=size (D);
m=M(1);
%%%%%%%%%%%%% Histograma %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
x=0:0.05:1;
Hist (D, x);
%%%%%% Calculo de varialbes estadisticas %%%%%%
%% MEDIA %%
Imp=strcat ('La media es:');
disp (strcat (imp,num2str (mean (D))))
%% DESVIACION ESTANDAR %%
Imp=strcat ('La desviación estándar es:');
disp (strcat (imp,num2str(std (D))))
%% MAX Y MIN %%
imp=strcat('El máximo es:');
disp (strcat (imp,num2str(max(D))))
imp=strcat('El minimo es:');
disp(strcat(imp,num2str(min(D))))
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%% CONSTRUCCION DEL VARIOGRAMA %%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for j=1:1:m-1
h=0;
for i=1:1: m-j
k= (D (i)-D (i+j)) ^2;
h=h+k;
end
h=h. / (2*(m-j));
V (j) =h;
end
V';
Size (V);
%%%%%%%%%%%%%%%%% GRAFICANDO EL VARIOGRAMA %%%%%%%%%%%%
figure;
Plot (V,'-')
27
APENDICE B
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%% VARIOGRAMA DE LOS COMPOSITOS %%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%% 5-10-20-50-100 %%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% Se grafica el HISTOGRAMA
figure;
Hist (D2, x);
%%%%%% Calculo resultados de las varialbes estadisticas %%%%%%
%% MEDIA %%
Imp=strcat ('La media de compositar compositando',
strcat(num2str(e(r)),' es:'));
disp (strcat (imp,num2str (mean (D2))))
%% DESVIACION ESTANDAR %%
Imp=strcat ('La desviación estándar
compositando',strcat(num2str(e(r)),' es:'));
disp (strcat(imp,num2str(std(D2))))
%% MAX Y MIN %%
28
Imp=strcat ('El máximo de los datos
compositando',strcat(num2str(e(r)),' es:'));
disp (strcat(imp,num2str(max(D2))))
Figure;
plot(x1,V(1:(n/e(1))-1,1),x2,V(1:(n/e(2))-1,2),x3,V(1:(n/e(3))-
1,3),x4,V(1:(n/e...
(4))-1,4), x5, V (1:(n/e (5))-1,5), x6, V (1:(n/e (6))-1,6))
29