Geoestadistica - Variograma: Ing. Ramón Martinez - Profesor Adjunto Ing. Luis D. Moreno - J.T.P

Universidad Nacional de Catamarca
Facultad de Tecnología y Cs. Aplicadas

Cátedra de Planificación de Minas
GEOESTADISTICA - VARIOGRAMA
Ing. Ramón Martinez - Profesor Adjunto

Ing. Luis D. Moreno – J.T.P.
- 2020 -
CURSO: PROCESO DE PLANIFICACION DE UNA MINA A CIELO ABIERTO ING. RAMON MARTINEZ
GEOESTADISTICA – ALGO DE HISTORIA
Evaluación de Reservas • Son empíricos
Métodos Clásicos
Polígonos • Utilizan valores medios ponderados

• No consideran la estructura del fenómeno
Inverso de la distancia mineralizado. (Continuidad y anisotropías)
• No proporcionan el error asociado a la estimación
• Presentan el fenómeno de sesgo condicional
Media aritmética
(Sobre estimación de leyes altas y Sub
estimación de leyes bajas)
Año 1960
Con el objetivo de buscar el mejor

GEOESTADÍSTICA estimador que minimice la varianza
del error de estimación
Autores:
Danie Krige
Gorge Matheron
GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

GEOESTADISTICA – GENERALIDADES
 Desarrolla herramientas matemáticas para el estudio de variables dependientes

entre sí, llamadas “Variables Regionalizadas”.
 La geoestadística intenta modelar, con herramientas estadísticas propias, hechos

de la naturaleza.
 A la variable que describe el hecho de la naturaleza se la designa variable

regionalizada.
 La variabilidad espacial es una fuente de incertidumbre espacial, la cual tenemos

que cuantificar y modelar.

PRINCIPALES DIFERENCIAS CON LA ESTADISTICA CLASICA
Estadística Geoestadística
Información Base de datos Base de datos
Tipo de Variable Aleatoria Regionalizada
Caracteríaricas de las Variables Independientes Dependientes
Ubicación Espacial de las Variables No tiene en cuenta Es funadamental
Error de Estimación No proporciona Proporciona
Características del Depósito No proporciona Características Estructurales

 Preguntas Frecuentes en la Práctica Minera
 ¿Qué dice la observación en un punto respecto de los puntos cercanos?
 ¿Podemos esperar continuidad o no?
 ¿Son las variaciones similares en toda dirección o hay anisotropía?
 ¿Los datos muestran cualquier tendencia espacial?
 Las respuestas a estos interrogantes nos brinda la geoestadística

a través del análisis estructural.

PROCESO DEL ANALISIS GOESTADISTICO
Base de datos
Perforaciones
(muestras) Base de Datos - Campaña de Perforación
ID N° Pozo Prof (m) X Y Z Cu (%) Au (gpt) Mo (ppm)
1 1A 3 73450 34720 2510 0 0,2 95
Topografía 2 1A 6 73450 34720 2507 0 0,4 103
3 1A 9 73450 34720 2504 0,45 0,57 110
4 1A 12 73450 34720 2501 0,47 0,59 120
5 1A 15 73450 34720 2498 0,5 0,62 125
6 1A 18 73450 34720 2495 0,55 0,67 130
7 1A 21 73450 34720 2492 0,55 0,67 127
8 1A 24 73450 34720 2489 0,6 0,72 120
9 1A 27 73450 34720 2486 0,55 0,67 90
10 1A 30 73450 34720 2483 0,5 0,62 80
11 2A 3 75500 34770 2530 0,55 0,67 50
12 2A 6 75500 34770 2527 0,58 0,7 65
13 2A 9 75500 34770 2524 0,6 0,72 86
14 2A 12 75500 34770 2521 0,65 0,77 100
15 2A 15 75500 34770 2518 0,7 0,82 105
16 2A 18 75500 34770 2515 0,75 0,87 110
17 2A 21 75500 34770 2512 0,78 0,9 125
18 2A 24 75500 34770 2509 0,6 0,72 140
19 2A 27 75500 34770 2506 0,65 0,77 110
20 2A 30 75500 34770 2503 0,6 0,72 90
. . . . . . . . .
Interpretación y Modelamiento . . . . . . . . .
. . . . . . . . .
Geológico
Topografía
Análisis Geoestadísticos
Variogramas direccionales
Identificar las Anisotropías

unidades geológicas
Estudio de cada Unidad Geolócica
Estimación de leyes (Kriging)
Análisis de Varianzas
APLICACIÓN DEL ANALISIS ESTADISTICO ING. RAMON MARTINEZ

GEOESTADISTICA - DEFINICIONES
• Es una función que representa el

desplazamiento en el espacio de una cierta
magnitud asociada a un fenómeno natural
VARIABLE
REGIONALIZADA • Una variable puede considerarse
regionalizada si esta distribuida en el
espacio y si exhibe algún grado de
correlación espacial.
• Aplicación de la teoría de las variables

regionalizadas a la estimación de reservas.
GEOESTADISTICA • Rama de la estadística, que parte de la

observación de que la variabilidad de las
variables distribuidas en el espacio tienen
una estructura particular.

GEOESTADISTICA - DEFINICIONES
Ejemplos de Variables Regionalizadas
Z(x)
Una V.R. es una función Z(x) del punto “x” x
Soporte: forma y tamaño

Z(x) : Ley de oro (gpt). Muestreo de galería por canaletas. de la muestra
Topografía
Z(x) : Ley de Cu (%). Testigo de perforación.
Z(x) : Potencia mineralizada de una veta

GEOESTADISTICA – OBJETIVOS DE LA TEORIA
 Objetivos pricipales de la Teoría de las Variables Regionalizadas
 Expresar las características estructurales mediante una forma matemática

adecuada:
 Continuidad
 Anisotropías
 Resolver de manera satisfactoria el problema de la estimación de una variable

regionalizada a partir de un conjunto de muestras, asignado errores a las
estimaciones.
El error de estimación depende de las características estructurales, y se

tendrá un error mayor si la V.R. es más irregular y discontinua en su
variación especial.

GEOESTADISTICA - HERRAMIENTAS
 Herramientas de la Geoestadística:
 Variograma
 Kriging
 Varianza de estimación
 Varianza de bloques
 La geoestadística responde varios problemas de estimación tales como:
 Cuál es la ley del depósito? (Reservas Globales)

 Cuál es la ley de la producción de la próxima semana? (Reserva Local)
 Cuál es la ley en el frente de trabajo? (planificación de la mina)
 Donde deberíamos perforar? Cuanta perforación necesitamos?

VARIOGRAMA - DEFINICION
VARIOGRAMA:
 El variograma es la herramienta fundamental de la geoestadística.
 Es una función que expresa la “correlación espacial” entre las muestras.
 Esta correlación espacial es el aspecto estructural de las Variables

Regionalizadas.
 Permite analizar el comportamiento espacial de una propiedad o variable sobre

una zona dada.
 El variograma es la forma más simple de relacionar la incertidumbre con la

distancia a partir de una observación.

La figura representa una zona mineralizada de un yacimiento. El
problema global de la estimación de reservas, puede resolverse si x+h
h
podemos encontrar una función Z(x) que describiera la ley en cada punto
“x” dentro del depósito.
x
𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 = 𝑍 𝑥 − 𝑍(𝑥 + ℎ)
Nos entrega información sobre la función Z(x) en los puntos “x” y “x+h”
Nos interesa una relación generalizada aplicable a todo el depósito.
Entonces, se utiliza el promedio de la diferencia entre todos los pares de muestas que están separadas una
distancia h.
𝑁
1
𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 = 𝑍 𝑥𝑖 − 𝑍 𝑥𝑖 + ℎ
𝑁
𝑖=1

Par evitar el efecto de cancelación de las diferencias positivas y negativas, cada diferencia entre muestras se
eleva al cuadrado antes de promediar.
𝑁
1
𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜2 = 𝑍 𝑥𝑖 − 𝑍 𝑥𝑖 + ℎ 2
= 2𝛾(ℎ)
𝑁
𝑖=1
Valor promedio de las diferencias al cuadrado de leyes en datos que están separados una distancia “h”.
El variograma ha sido originalmete definido como 2(h), pero generalmente se utiliza (h) ó 1/2 del promedio
de las diferencias al cuadrado para definirlo, llamado “semivariograma”.
𝑁
1 2
𝛾(ℎ) = 𝑍 𝑥𝑖 − 𝑍 𝑥𝑖 + ℎ Variograma Experimental
2𝑁
𝑖=1
Donde “N” es el número de pares separados una distancia h.

La definición teórica de la función variograma sería:
1 2
𝛾(ℎ) = 𝐸 𝑍 𝑥 − 𝑍(𝑥 + ℎ)
2
Propiedades del variograma
(h) = (-h)
Z2
Función simétrica:
h
Positiva: (h) ≥ 0 (0)=0
-h
Z1
Variograma
Distancia

VARIOGRAMA – TIPOS
Tipos de variogramas
a) Variograma Experimental: Obtenido a partir del conjunto de muestras, es el único

conocido.
c) Variograma Teórico: Es el variograma modelo de referencia.

Corresponde a un modelo matemático que se ajusta al variograma
experimental.
 El objetivo del “análisis estructural” es estudiar el variograma teórico que mejor se “ajuste” al
experimental, de tal modo que se puedan hacer inferencias en relación al variograma
verdadero del depósito.
 El módelo teórico elegido, se utilizará en los cálculos posteriores.

VARIOGRAMA - AJUSTE
Variograma Experimental
1,4
1,2
1
Variograma (γ*)
0,8
Variograma Teórico
0,6
0,4
0,2
0
0 50 100 150 200 250 300 350
Distancia
 El teórico debe respetar al experimental sobre todo en los primeros puntos, que son los
más confiables.
 El ajuste es crucial, porque todos los cálculos posteriores se realizarán utilizando
exclusivamente el modelo teórico.

VARIOGRAMA EXPERIMENTAL
 Pasos para construir un variograma experimental, utilizamos la siguiente expresión
𝑁
1 2
𝛾(ℎ) = 𝑍 𝑥𝑖 − 𝑍 𝑥𝑖 + ℎ
2𝑁
𝑖=1
1) Disponer de datos (variables regionalizadas) y análisis de los mismos.
2) Escoger la dirección para el cálculo (θ) Varigrama Experimental

1,4
1,2
3) Determinar la distancia, lag o paso (h)
Variograma (γ*)
1
0,8
4) Se calcula (h) para valores de h, 2h, 3h,.....,nh 0,6
0,4
5) Graficar valores de (h) versus h

0,2
0
0 100 200 300 400
Distancia

h

VARIOGRAMA EXPERIMENTAL - CALCULO
d = 50 m
35 35 33 33 34 31 35 37
d = 50 m
8,0
7,0 7,2
6,8
36 36 36 35 34 36 34 35 7,0
37 35 37 35 36 37 37 39 6,0 5,5
5,0
37 40 42 41 34 36 41 40
4,0
37 39 40 37 36 39 37 34 3,2
3,0
37 38 40 41 39 37 37 35
2,0
37 39 40 42 39 37 38 34
1,0
32 31 34 33 40 40 42 35 0,0
50 100 150 200 250
h
N d γ
56 50 3.2 γ (h) = 1 / 2*56 [(35-35)2 + (35-33)2 + (33-33)2 + (33-34)2 + (34-31)2 + (31-35)2 + (35-37)2 +……
48 100 5.5 γ (2h) = 1 / 2*48 [(35-33)2 + (35-33)2 + (33-34)2 + (33-31)2 + (34-35)2 + (31-37)2 + ……
40 150 6.8
γ (3h) = 1 / 2*40 [(35-33)2 + (35-34)2 + (33-31)2 + (33-35)2 + (34-37)2 +……
32 200 7.0
24 250 7.2

 Datos igualmente espaciados.
h
 Datos irregularmente espaciados
Puede ocurrir que no existan valores de la variable a la

distancia h.
Puede ocurrir que no existan valores de la variable en la

dirección θ.
En este caso se utiliza el método de clases por distancias y

ángulos (dirección).

 Clases de Distancia
Para cada lag h se define una tolerancia Δh y se computan únicamente las muestras que
se encuentran a una distancia mayor o igual a h–Δh y menor que h+Δh
z  x3  z  x5 
z  x2 
z  x1 
z  x4 
h
2h
3h
Generalmente el valor de Δh se escoge como el 50% del valor del lag h.

 Clases de Angulos (Dirección)
Para cada dirección θ se define una tolerancia Δθ y se computan solamente las muestras
que se encuentran entre las direcciones θ-Δθ y θ+Δθ
   

  
puntos aceptados
puntos descartados

 Clases de Distancia y Angulos (Dirección)





clase de
distancia h
clase de
distancia 2h
clase de
distancia 3h

 Variograma Omnidireccional
Es aquel que no depende de la dirección, es decir que el fenómeno es isótropo.

Se obtiene al escoger la tolerancia angular Δθ de 90° hacia ambos sentidos respecto a la
dirección.
Se puede obtener mediante un promedio ponderado de los valores del variograma en
diferentes direcciones, ponderado por el número de pares.
Variograma direccional
Variograma omnidireccional

VARIOGRAMA – CONTINIUDAD ESPACIAL
A B
2 4 6 8 5 7 8 4
1 3 5 7 9 1 3 9 2 6
A B
1 1
2 5 A B
3 3
4 7 12 12
5 9 10
10
6 8 8
8
Variograma
7 2
Variograma 6 6
8 4
4 4
9 6
2 2
Suma 45 45
0
Media 5 5 0 1 2 3 4
0
0 1 2 3 4
Varianza 7,5 7,5 Distancia Distancia
Histograma Iguales
Análisis estadístico: A y B son idénticos.
Análisis geoestadístico: A y B son diferentes en cuanto a la continuidad espacial.

VARIOGRAMA TEORICO - PARAMETROS
 Una vez contruído el variograma experimental, es necesario “ajustar” a este un modelo teórico con el
objeto de determinar los parámetros descriptivos del variograma que posteriormente serán usados en la
estimación.
 Los parámetros del variograma caracterizan tres elementos importantes en la variabilidad de un atributo:
Discontinuidad en el origen: Efecto pepita (Co)
γ*
Valor Máximo de variabilidad: Meseta = (Co+C)
Varianza Espacial: C meseta
Area de influencia: Alcance (a) Estadística

C
Geoestadistica
Co
a h

VARIOGRAMA TEORICO - PARAMETROS
 Alcance o Rango:
Distancia a la cual el variograma alcanza su meseta, o sea se estabiliza.
Proporciona una medida de la zona de influencia de una muestra, porque dos puntos cuya distancia sea
mayor que el alcance son independientes.
Dos muestras cuya distancia sea inferior al alcance están correlacionados entre sí.
Proporciona una medida promedio de la zona de influencia de la mineralización.
 Efecto Pepita o Nugget:

Representa una discontinuidad puntual del variograma en el origen.
Puede ser indicativo de que parte de la estructura espacial se concentra a distancias inferiores de las
observada.
Micro variaciones a muy poca distancia.
Debido a errores de medición en la variable.
 Meseta o Sill
Valor constante que toma el variograma en distancias mayores al alcance.
En alguna ocasiones, la meseta se asemeja a la varianza estadística.

VARIOGRAMA TEORICOS - TIPOS
Modelo Esférico Modelo Exponencial
Variograma
Variograma
Distancia Distancia
3 ℎ 1 ℎ3 −
ℎ
𝛾 ℎ = 𝐶𝑜 + 𝐶 − 𝑝𝑎𝑟𝑎 ℎ ≤ 𝑎 𝛾 ℎ = 𝐶𝑜 + 𝐶 1 − 𝑒 𝑎 𝑝𝑎𝑟𝑎 ℎ ≤ 𝑎
2 𝑎 2 𝑎3
𝛾 ℎ = 𝐶𝑜 + 𝐶 𝑝𝑎𝑟𝑎 ℎ > 𝑎
𝛾 ℎ = 𝐶𝑜 𝑝𝑎𝑟𝑎 ℎ = 0

Modelo Gaussiano Modelo Cubico
Variograma
Variograma
Distancia Distancia
ℎ2
− 2
ℎ2 ℎ3 ℎ5 ℎ7
𝛾 ℎ = 𝐶𝑜 + 𝐶 1 − 𝑒 𝑎 𝑝𝑎𝑟𝑎 ℎ ≤ 𝑎 𝛾 ℎ = 𝐶𝑜 + 𝐶 7 2 − 8,75 3 + 3,5 5 − 0,75 7 𝑝𝑎𝑟𝑎 ℎ ≤ 𝑎
𝑎 𝑎 𝑎 𝑎
𝛾 ℎ = 𝐶𝑜 + 𝐶 𝑝𝑎𝑟𝑎 ℎ > 𝑎

Modelo Lineal Modelo Efecto Pepita Puro
S
Variograma
s=2.5, p=0.4
Variograma
s=0.4, p=1.8
s=1.15, p=1
Distancia Distancia
𝛾 ℎ =𝑆 ℎ 𝑝
𝑠𝑖 ℎ ≠ 0 𝛾 ℎ =𝑆 𝑠𝑖 ℎ ≠ 0

CARACTERISTICAS ESTRUCTURALES
 Del estudio variográfico se pueden obtener conclusiones de las características estructurales.
Comportamiento en el Origen: la continuidad de una regionalización está ligada al

comportamiento del variograma en las vecindades del origen, determinando o no la
presencia de “efecto pepita o nugget”. Refleja las variaciones de los valores a poca
distancia.
Fenómenos de Transición: Reflejados en el variograma mediante puntos de inflexión

en la gráfica. Pueden representar la discontinuidad estéril-mineral, diferentes zonas
estructurales.
Zona de Influencia: El variograma es una función creciente de h. Los valores tomados

en dos puntos distantes de h son más diferentes cuando estos puntos están alejados
uno de otro.
Anisotropías: Comportamiento del variograma en diferentes direcciones.

ANALISIS DE ANISOTROPIAS
 El variograma describe las características de la variable regionalizada en una dirección,
pero estas características pueden variar en otras direcciones.
 Cuando los variogramas calculados en diferentes direcciones (N-S, E-W, N45°, etc)
muestran comportamientos similares, se dice que son “isotrópicos”.
γ1(h) ≈ γ2(h) ≈ γ3(h)
 Cuando muestran diferentes comportamientos son “anisotrópicos”.

γ1(h)
γ1(h) ≠ γ2(h) ≠ γ3(h)
γ3(h)
γ2(h)

 Anisotropía Geométrica
 Cuando los variogramas realizados en diferentes direcciones presentan la misma meseta pero
distintos alcances.
 Así, se pueden tener zonas de influencias elípticas (elipse de anisotropía).
 Los diversos variogramas pueden reducirse a un variograma isotrópico mediante una
transformación lineal de las coordenadas.
 Mayor continuidad espacial en la dirección de mayor rango.
Coeficiente de anisotropía
γ*(h)
a2 K = a2/a1 > 1
E-W
C
N-S a1
a1 a2 h

 Anisotropía Zonal
 Cuando los variogramas realizados en diferentes direcciones presentan distintas mesetas y

alcances o iguales alcances.
 En algunas ocasiones presentan iguales alcances.
 Presencia de diferentes estructuras.
 Característico de variogramas horizontales y verticales.
γ*(h) γ*(h)
E-W E-W
C1 C1
C2 C2
N-S N-S
a1 a2 h a1 = a 2 h

RELACION VARIOGRAMA Y COVARIANZA
σ(h) γ*(h)
σ2 – Co
γ(h)
σ(h)
Co
h
a

AJUSTE MANUAL DE UN MODELO TEORICO
1,4 Trazar una recta interpolando los primeros
puntos del variograma experimental.
1,2 C + Co 2 Prolongar hasta interceptar el eje vertical,
dando el valor del efecto pepita.
1
Co = 0.1
Variograma (γ*)
0,8
Trazar la meseta, cuyo valor se obtiene en
1 el eje vertical. (en algunos casos coincide
0,6
con la varianza estadística).
3 C + Co = 1.15
0,4 4
0,2
La intercepción de las dos rectas, nos da
Co un valor del alcance en el eje horizontal.
0
a’ = 100 m = 2/3 a (Modelo esférico)
0 50 100 150 200 250 300 350 a = 3/2 a’ = 150 m (alcance práctico)
a’= 2/3 a Distancia
Ajustar el modelo teórico para el alcance
Modelo Esférico de 150 m.
γ(h) = 0.1 + 1.05[1.5 h/150 – 0.5 h3/1503] para h ≤ a Exponencial: a’ = 1/3 a
γ(h) = 1.15 para h > a Gaussiano: a’ = √3 a
γ(h) = 0.1 para h = 0

VALIDACION DEL MODELO TEORICO ELEGIDO
Validación Cruzada o Cross Validation
El modelo teórico ajustado al experimental debe ser validado ya que se empleará para la
estimación espacial de una variable regionalizada.
El modelo teórico debe garantizar la minimización de los errores de estimación.
El modelo se empleará en los cálculos de reservas, como ser la estimación de leyes de bloques
a través del método de Kriging y las varianzas de estimación.
La validación Cruzada es utilizado para evaluar el grado de bondad de un modelo de

variograma y estimación de sus parámetros.
Este método se realiza mediante el proceso de “Kriging”, y chequea el comportamiento del

variograma de manera que, a partir de las mismas muestras que lo generaron se estiman los
valores de esas muestras.

Tenemos un conjunto valores en diferentes puntos medidos. El método consiste suponer que
uno de esos puntos no se conoce, y volver a estimarlo a partir del resto de los datos y utilizando
los parámetros del variograma elegido.
El valor estimado se calcula por Kriging.
Se repite este proceso para todos los puntos, y se calculan los errores entre los valores
estimados y los valores reales.
E(xi) = Z*(xi) – Z(xi)
Se van probando diferentes modelos y parámetros del variograma (alcance, efecto pepita y
meseta), hasta que la media de los errores se aproximen a cero.

Muestras Variograma Teórico
Estimamos
0,60 0,75 variograma
Variograma
0,55 0,56
0,47 Distancia
0,64
0,51
0,60 0,75
Modificamos los Estimar el valor con kriging

? 0,56
parámetros del modelo Error = 0,55 – 0,51=0,04 0,47
usando el modelo elegido
o cambiamos de modelo
0,64
Estimar de nuevo Error = 0,55 – 0,55 = 0

hasta 0,51
Modelo Validado

MODELAMIENTO GEOLOGICO
Perforaciones Interpretación Geológica
Modelamiento Geológico
Identificar y separar las Unidades Geológicas

por secciones.
Crear cuerpos tridimensionales de cada

Unidad Geológica.

Geoestadistica - Variograma: Ing. Ramón Martinez - Profesor Adjunto Ing. Luis D. Moreno - J.T.P

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

Geoestadistica - Variograma: Ing. Ramón Martinez - Profesor Adjunto Ing. Luis D. Moreno - J.T.P

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional de Catamarca

Facultad de Tecnología y Cs. Aplicadas

Ing. Ramón Martinez - Profesor Adjunto

Polígonos • Utilizan valores medios ponderados

Con el objetivo de buscar el mejor

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

 Desarrolla herramientas matemáticas para el estudio de variables dependientes

 La geoestadística intenta modelar, con herramientas estadísticas propias, hechos

 A la variable que describe el hecho de la naturaleza se la designa variable

 La variabilidad espacial es una fuente de incertidumbre espacial, la cual tenemos

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

PRINCIPALES DIFERENCIAS CON LA ESTADISTICA CLASICA

Información Base de datos Base de datos

Tipo de Variable Aleatoria Regionalizada

Caracteríaricas de las Variables Independientes Dependientes

Ubicación Espacial de las Variables No tiene en cuenta Es funadamental

Error de Estimación No proporciona Proporciona

Características del Depósito No proporciona Características Estructurales

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

 Preguntas Frecuentes en la Práctica Minera

 ¿Qué dice la observación en un punto respecto de los puntos cercanos?

 ¿Podemos esperar continuidad o no?

 ¿Son las variaciones similares en toda dirección o hay anisotropía?

 ¿Los datos muestran cualquier tendencia espacial?

 Las respuestas a estos interrogantes nos brinda la geoestadística

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

Identificar las Anisotropías

APLICACIÓN DEL ANALISIS ESTADISTICO ING. RAMON MARTINEZ

• Es una función que representa el

• Aplicación de la teoría de las variables

GEOESTADISTICA • Rama de la estadística, que parte de la

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

Soporte: forma y tamaño

Z(x) : Ley de Cu (%). Testigo de perforación.

Z(x) : Potencia mineralizada de una veta

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

 Expresar las características estructurales mediante una forma matemática

 Resolver de manera satisfactoria el problema de la estimación de una variable

El error de estimación depende de las características estructurales, y se

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

 La geoestadística responde varios problemas de estimación tales como:

 Cuál es la ley del depósito? (Reservas Globales)

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

 El variograma es la herramienta fundamental de la geoestadística.

 Es una función que expresa la “correlación espacial” entre las muestras.

 Esta correlación espacial es el aspecto estructural de las Variables

 Permite analizar el comportamiento espacial de una propiedad o variable sobre

 El variograma es la forma más simple de relacionar la incertidumbre con la

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

Nos interesa una relación generalizada aplicable a todo el depósito.

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

Donde “N” es el número de pares separados una distancia h.

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

Propiedades del variograma

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

a) Variograma Experimental: Obtenido a partir del conjunto de muestras, es el único

c) Variograma Teórico: Es el variograma modelo de referencia.

 El módelo teórico elegido, se utilizará en los cálculos posteriores.

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

GEOESTADISTICA APLICADA A LA PLANIFICACION DE MINAS ING. RAMON MARTINEZ

1) Disponer de datos (variables regionalizadas) y análisis de los mismos.

2) Escoger la dirección para el cálculo (θ) Varigrama Experimental

5) Graficar valores de (h) versus h