UNIVERSIDAD NACIONAL DE SAN AGUSTÍN

FACULTAD DE GEOLOGÍA, GEOFÍSICA Y MINAS

ESCUELA DE POSGRADO
MAESTRÍA EN CIENCIAS DE LA TIERRA CON

MENCIÓN EN EXPLORACIÓN GEOLÓGICA

GEOESTADISTICA APLICADA
ESTIMACION DE VARIABLES CON
SOFTWARE S-GeMS
PRESENTADO POR
VÁSQUEZ CRUZ ALEX MICHAEL
CUI 20102658

DOCENTE
Dr. ALFREDO MARIN SUAREZ
AREQUIPA| PERÚ
2021
 ESTIMACION DE VARIABLE DE AU
1. Objetivo
 Realizar el modelo de variograma
 Realizar una estimación Kriging Ordinario
 Generar el modelo de Bloques para cada variable
 Generar los modelos de Variograma cruzado con las cuatro Variables

2. Descripción de Secuencia de trabajo

Realizar el carguío de datos del proyecto de pórfido de cobre centauro.

Visualizamos la variable Zinc

Generamos los histogramas para Zinc

Se observa las medidas de ubicación y de tendencia central estadística de descripción de la
variable Zn con un comportamiento lognormal en los histogramas
Número de Datos:
Media: 430.309
Varianza: 532308
Mediana: 157.15
Maximo: 9164
Minimo: 5.1
Cuartil Superior: 485.3
Cuartil Inferior: 49.99

Cuando aplicamos una escala logaritmos se evidencia un comprtamiento gaussiano para la

variable Zn.
Se observa la correlación que tiene la variable Zn con respecto a la variable Cu, donde
presenta una correlación negativa decreciente.

Graficamos el variograma vertical

Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15
Ahora realizaremos el variograma Norte Sur (Variograma horizontal) con:
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15

Luego Calculamos el variograma Este Oeste

Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 90
 Dip -90
Tolerancia 15

Se observa el variograma experimental para la variable Zinc.

Se crea el Grid para el proyecto de modelo de bloques

Luego GENERAMOS el modelo de bloques para la variable Zn

Visualizamos la Variable Au

Procedemos a analizar el histograma por si hay outliers o altos errático para realizar el
capping.
Se observa las medidas de ubicación y de tendencia central estadística de descripción de la
variable Zn con un comportamiento lognormal en los histogramas
Número de Datos:
Media: 0.150343
Varianza: 0.0243656
Mediana: 0.1
Maximo: 1.552
Minimo: 0.003
Cuartil Superior: 0.218
Cuartil Inferior: 0.028
Podría dar dos dominios o poblaciones en el variable Au.

Se observa la correlación que tiene la variable Au con respecto a la variable Ag, donde
presenta una correlación positiva creciente suave.

Se procede a realizar el modelamiento del variograma en Au

Graficamos el variograma vertical
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15

Ahora realizaremos el variograma Norte Sur (Variograma horizontal) con:

Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
 Dip 0
Tolerancia 15

Luego Calculamos el variograma Este Oeste

Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 90
Dip -90
Tolerancia 15
Seguidamente se procede a procesar el modelo de Bloques

Se visualiza el modelo de bloques con la estimación de Kriging Ordinario donde se aprecia la

concentración de oro en la parte central del yacimiento de pórfido de Cobre.
De igual manera se realiza la estimación para la Plata

De igual manera se realiza la estimación para Cobre “Cu”

 VARIOGRAMA CRUZADO
Variogramas cruzados es cuando se modelan 2 variables diferentes calculando asi el variograma
teórico para ambas variables.
Se procede con el Variograma de Zn y Au

Graficamos el variograma vertical

Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15
Se procede con el Variograma de Ag y Au
Graficamos el variograma vertical
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0
Tolerancia 15

Se procede con el Variograma de Cu y Ag

Graficamos el variograma vertical
Número de Lag 10
Separacion de lag 40
Distancia de Lag 20
Azimut 0
Dip 0 Tolerancia 15
 CONCLUSIONES

 El modelado del variograma en Sgems sirve para identificar experimentalmente el

comportamiento de la variable con respecto a la varianza y la distancia entre
muestras analizar.

 El Kriging Ordinario es un estimador Geoestadistico de variable, el cual genera el

modelo de bloques de tal manera pueda darle una orientación espacial determinada
en el sentido de la mineralización visa en campo.

 Los modelos de bloque dan un panorama del comportamiento de la variabilidad de

una variable con respecto al yacimiento mineral.

 Generar los modelos de Variograma cruzado ayudan a ver la correlación y

comportamiento de una variable con respecto a otra.