T4-El Variograma - Version Nueva

El variograma Rubén Medinaceli O.
EL VARIOGRAMA
La aplicación de la geoestadística a la estimación local de recursos y reservas minerales

incluye dos etapas.
La primera, conocida como análisis estructural permite obtener, a través de un variograma,
información relacionada con la continuidad, la distancia de influencia, posibles anisotropías
y otros aspectos vinculados a la regionalización en estudio; vale decir, características de
orden geológico necesarias para una adecuada estimación local.
La segunda etapa se refiere al proceso mismo de estimación. El estimador que utiliza la
geoestadística es el “krigeage” o “kriging”. Este estimador se precia de ser el mejor
estimador lineal (insesgado y de varianza mínima), y de tomar en cuenta características de
orden geológico importantes, a través del variograma, en el proceso de estimación.
1. El variograma
Tal como se vio en el tema anterior, el variograma es uno de los momentos de segundo
orden de una función aleatoria. Si 𝑍(𝑥𝑖 ) y 𝑍(𝑥𝑖+ℎ⃗ ) son variables aleatorias en las posiciones
𝑥𝑖 y 𝑥𝑖+ℎ⃗ , el variograma viene dado por:
● 𝑥𝑖+ℎ⃗
𝑍(𝑥𝑖+ℎ⃗ )
ℎ⃗
● 𝑥𝑖
𝑍(𝑥𝑖 )
2𝛾[𝑍(𝑥𝑖 ), 𝑍(𝑥𝑖+ℎ⃗ )] = 𝑉𝑎𝑟[𝑍(𝑥𝑖 ) − 𝑍(𝑥𝑖+ℎ⃗ )]
En el marco de la hipótesis de estacionaridad de segundo orden para una función aleatoria,

el variograma depende solamente de la distancia vectorial de separación ℎ⃗ y viene dado
por:
⃗ ) = 𝐸 [{𝑍(𝑥𝑖 ) − 𝑍(𝑥 ⃗ )}2 ]

2𝛾(ℎ 𝑖+ℎ
Si el campo geométrico de la función aleatoria es 𝑉 y la misma está definida sobre soportes

puntuales 𝑣; el variograma, para una distancia de separación ℎ⃗, puede expresarse como:
1
1 2
⃗)=
2𝛾(ℎ ∫ ∫ ∫{𝑍(𝑥𝑖 ) − 𝑍(𝑥𝑖+ℎ⃗ )} 𝑑𝑣
𝑉
𝑉
En su caso,
1 2
𝛾(ℎ⃗) = ∫ ∫ ∫{𝑍(𝑥𝑖 ) − 𝑍(𝑥𝑖+ℎ⃗ )} 𝑑𝑣
2𝑉
𝑉
Es importante aclarar que 2𝛾(ℎ ⃗ ) es el variograma y consecuentemente, 𝛾(ℎ⃗) es el
semivariograma. Sin embargo, como ocurre en gran parte de la bibliografía disponible, en
este texto denominaremos variograma a 𝛾(ℎ⃗).
En general, el variograma 𝛾(ℎ⃗) es una función creciente respecto a la distancia vectorial de

separación ℎ⃗. En promedio, cuanto más separadas estén las muestras una de otra, sus
valores (p.e. leyes) serán mas diferentes.
El crecimiento mas o menos rápido del variograma representa la deterioración mas o menos
rápida de la influencia de una muestra dada sobre zonas cada vez más remotas del depósito
mineralizado.
Algunas características cualitativas de una regionalización quedan muy bien expresadas

por un variograma. El variograma, no representa la totalidad ni los detalles locales de una
regionalización; pero si, expresa en forma sintética sus características esenciales.
Forma general de un variograma
𝛾(ℎ⃗)
0
ℎ⃗
2
2. Características de una regionalización expresadas por el

variograma
El variograma refleja algunas características importantes de una regionalización, entre

ellas:
2.1. Continuidad
La continuidad de una variable regionalizada se refiere a la mayor o menor regularidad, a

la mayor o menor uniformidad de los valores de la variable regionalizada. Por ejemplo, si la
variable regionalizada es la ley o contenido de algún metal en un depósito mineralizado, su
continuidad se refiere a la mayor o menor regularidad de la mineralización en el depósito;
se refiere a la mayor o menor uniformidad de la mineralización. La continuidad de una
variable regionalizada es reflejada por el comportamiento del variograma cerca del origen.
En general, es posible distinguir cuatro tipos de continuidad.
Tipos de continuidad
(𝑎) 𝐴𝑙𝑡𝑎 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑖𝑑𝑎𝑑 (𝑏) 𝐶𝑜𝑛𝑡𝑖𝑛𝑢𝑖𝑑𝑎𝑑 𝑙𝑖𝑛𝑒𝑎𝑙 𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
𝛾(ℎ⃗) 𝛾(ℎ⃗)
ℎ⃗ ℎ⃗
(𝑐) 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑝𝑒𝑝𝑖𝑡𝑎 (𝑑) 𝐴𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑒𝑑𝑎𝑑 𝑝𝑢𝑟𝑎
𝛾(ℎ⃗) 𝛾(ℎ⃗)
⃗
ℎ ℎ⃗
3
En el caso (𝑎) del gráfico superior, el variograma presenta una tendencia parabólica en el
origen; este comportamiento en el origen refleja una variable regionalizada con alta
continuidad. Un ejemplo es la potencia de un depósito tabular.
Un segundo nivel de continuidad se muestra en el caso (𝑏) del gráfico superior; es una
continuidad denominada lineal o promedio. Se caracteriza por una tangente oblicua en el
origen. Este nivel de continuidad es común para contenidos metálicos o leyes en depósitos
minerales metálicos.
El caso (𝑐) del gráfico superior revela una discontinuidad en el origen denominada efecto
de pepita. Este salto en el origen refleja la presencia de microestructuras en el depósito
mineralizado; o en su caso, errores de muestreo o de ensaye importantes.
El caso (𝑑) del gráfico superior corresponde a una variable regionalizada que no presenta
un componente estructural; refleja un comportamiento aleatorio puro.
Entre el primer y el último tipo de continuidad, existe un rango de continuidades intermedias

cuyo estudio es uno de los objetivos de la geoestadística.
A continuación, se muestran algunos variogramas experimentales que presentan diferentes

tipos de continuidad.
Variograma
Depósito tabular de Fe
Variable: Contenido de Fe (%)
𝛾(ℎ⃗)
ℎ⃗
4
Variograma
Depósito mineralizado: Pórfido de Cu
Variable: Contenido de Cu (%) -
𝛾(ℎ⃗)
ℎ⃗
En el primer variograma se observa un buen nivel de continuidad; en el segundo, el nivel

de continuidad es pobre.
2.2. Zona, área o radio de influencia
La zona de influencia es la zona más allá de la cual la influencia de una muestra

desaparece. En una dirección dada, el radio de influencia está definido por la distancia a la
cual el variograma eventualmente alcanza una meseta.
Variograma
Depósito tabular de Fe
Variable: Contenido de Fe (%)
𝛾(ℎ⃗)
Meseta
Rango o alcance
50 100 150 200

ℎ⃗ (𝑚)
5
En el variograma superior, el radio de influencia (rango o alcance del variograma) es

aproximadamente igual a 138 m.
En el siguiente variograma, cuanto más separadas están las muestras, sus valores son más
diferentes. En otras palabras, no se percibe un radio de influencia (rango o alcance del
variograma). Esto ocurre frecuentemente en depósitos hidrotermales.
Variograma
Depósito mineralizado de Ni - Cu
Variable: Contenido de Cu (%) -
𝛾(ℎ⃗)
200 400 600 800

⃗⃗⃗ (𝑚)
ℎ
2.3. Fenómenos de transición
La transición de un ambiente mineralógico a otro (por ejemplo, de roca estéril a roca

mineralizada; de una mineralización tipo A a una mineralización tipo B); también es reflejada
por un variograma.
La siguiente figura muestra un manto mineralizado. Nótese que el variograma en la

dirección ∆2 refleja con un cambio de pendiente (en ℎ⃗ = 𝑎) la transición estéril → mineral.
6
Variograma (dirección ∆2)
𝛾(ℎ⃗)
Superficie
Cambio de pendiente
a ℎ⃗
Mantomineralizado
Manto mineralizado
Dirección ∆1 Variograma (dirección ∆1 )
𝛾(ℎ⃗)
Dirección ∆2
ℎ⃗
2.4. Anisotropías
Si la regionalización en estudio se refiere a la mineralización en un depósito mineral, la

mineralización es isotrópica si sus características geológicas son aproximadamente las
mismas en diferentes direcciones; de otra manera, la mineralización es anisotrópica.
𝛾(ℎ⃗)
Meseta
Rango o alcance
200 400 600 800 ℎ⃗
7
En la figura anterior, se puede apreciar cuatro variogramas calculados en cuatro direcciones

diferentes de un depósito de molibdeno porfirítico. Estos variogramas pueden considerarse
como aproximadamente idénticos. Esto significa que las características geológicas de la ley
de molibdeno en el depósito son las mismas en diferentes direcciones; vale decir, el
depósito mineralizado es isotrópico en términos de la ley.
Una situación más frecuente es la que se muestra en la siguiente figura. Los rangos o
alcances en las direcciones horizontal y vertical difieren notablemente. Vale decir, una
distancia vertical dada es equivalente a la misma distancia horizontal multiplicada por un
factor de anisotropía 𝑘 ≥ 1. Por ejemplo, si el factor de anisotropía es 𝑘 = 2; 10 metros
verticales son equivalentes a 20 metros horizontales en lo que se refiere a variaciones de
la variable regionalizada.
𝛾(ℎ⃗)
Rango (dirección vertical)
Rango (dirección horizontal)
50 100 150 200

ℎ⃗ (𝑚)
Normalmente, se pueden distinguir dos tipos de anisotropías: la anisotropía geométrica

(los variogramas difieren solamente en el alcance o rango, manteniendo igual meseta); y la
anisotropía zonal (alcances o rangos y mesetas diferentes). Este último tipo de anisotropía
es característico de depósitos minerales estratificados.
Si la regionalización en estudio es una mineralización, el variograma modeliza las

características geológicas consideradas importantes para la estimación global y/o local de
un depósito mineralizado. Por tanto, cualquier estimador que tome en cuenta el variograma,
será geológicamente confiable.
3. Estimación del variograma
El estimador del variograma, generalmente utilizado, es:
𝑁
1 2
𝛾(ℎ⃗) = ∑[𝑧(𝑥𝑖+ℎ⃗ ) − 𝑧(𝑥𝑖 )]
2𝑁
𝑖=1
8
Donde:
ℎ⃗ = Distancia de separación entre muestras

𝑥𝑖 , 𝑥𝑖+ℎ⃗ = Ubicaciones de muestras separadas una distancia ℎ⃗
𝑧(𝑥𝑖 ), 𝑧(𝑥𝑖+ℎ⃗ ) = Valores de la variable de interés en las ubicaciones señaladas
𝑁 = Número de pares de muestras separadas una distancia ℎ⃗
En palabras, el valor del variograma estimado para una distancia de separación ℎ⃗ en una
determinada dirección, es igual a la sumatoria de las diferencias al cuadrado de los valores
correspondientes a muestras una distancia ℎ⃗, dividida por dos veces el número de pares.
Aunque la expresión dada es única, los métodos utilizados en la estimación de variogramas

dependen de la configuración espacial de los datos disponibles. Se pueden distinguir varios
casos de acuerdo a si los datos están alineados o no y de acuerdo a si los datos están
regularmente espaciados o no.
3.1. Variogramas unidimensionales
Se consideran dos casos:
• Muestras alineadas y regularmente espaciadas

• Muestras alineadas e irregularmente espaciadas
3.1.1. Muestras alineadas y regularmente espaciadas
Este caso cubre la mayoría de las configuraciones que resultan del reconocimiento
sistemático de un depósito mineralizado. Una configuración típica es la representada por
un testigo (core) de diamantina rectilíneo que ha sido cortado a longitudes iguales.
Ejercicio
Problema:
A continuación, se muestra un testigo de una perforación a diamantina en un

depósito masivo de Cu. El testigo fue muestreado cada cinco (5) metros.
9
Taladro T2
Superficie
Taladro T2
% Cu
Taladros 5m 0,20
5m 0,14
0,13
●●●
0,24
0,22
Depósito mineralizado 0,35
0,34
0,39
Se pide, calcular el variograma a lo largo del testigo.
Solución:
Los valores de ley reportados por el laboratorio de análisis químico se asignan al punto
central de cada corte (o pedazo) de testigo.
A continuación, se procede al cálculo del variograma a lo largo del testigo para diferentes
valores de ℎ⃗, utilizando la expresión señalada anteriormente.
ℎ =5𝑚
𝛾(5)
(0,20 − 0,14)2 + (0,14 − 0,13)2 + (0,13 − 0,24)2 + (0,24 − 0,22)2 + (0,22 − 0,35)2 + (0,35 − 0,34)2 + (0,34 − 0,39)2
=
2(7)
10
0,0357
𝛾(5) = = 0,025
14
ℎ = 10 𝑚
(0,20 − 0,13)2 + (0,14 − 0,24)2 + (0,13 − 0,22)2 + (0,24 − 0,35)2 + (0,22 − 0,34)2 + (0,35 − 0,39)2
𝛾(10) =
2(6)
0,0511
𝛾(10) = = 0,0043
12
ℎ = 15 𝑚
(0,20 − 0,24)2 + (0,14 − 0,22)2 + (0,13 − 0,35)2 + (0,24 − 0,34)2 + (0,22 − 0,39)2
𝛾 (15) =
2(5)
0,0953
𝛾(15) = = 0,0095
10
ℎ = 20 𝑚
(0,20 − 0,22)2 + (0,14 − 0,35)2 + (0,13 − 0,34)2 + (0,24 − 0,39)2

𝛾(20) =
2(4)
0,1111
𝛾(20) = = 0,0139
8
La siguiente tabla resume los resultados obtenidos.
ℎ 𝛾 (ℎ ) 𝑁
(𝑚) (% 𝐶𝑢)2
5 0,0025 7
10 0,0043 6
15 0,0095 5
20 0,0139 4
Los resultados deben necesariamente ser graficados, tal como se muestra a continuación:
11
Variograma
Variable: % Cu – Azimut: 0° - Buzamiento: 90°
⃗)
𝛾(ℎ
0,0150
0,0100
0,0050
5 10 15 20
⃗⃗⃗ (𝑚)
ℎ
Se ha considerado solamente un taladro; en un caso real, cuando por ejemplo ℎ = 5 𝑚, se

deben buscar muestras verticalmente separadas 5 𝑚 en todos los taladros disponibles. De
esta manera, el número de pares crecerá notablemente y las estimaciones obtenidas se
harán mucho más confiables.
3.1.2. Datos alineados e irregularmente espaciados
En este caso, para estimar el variograma en la dirección del alineamiento, se agrupan las
muestras en intervalos de distancia. Se utilizan todos los pares posibles dentro del
intervalo de distancia; el valor del variograma calculado con estos pares, es asignado a una
distancia de separación igual a la distancia de separación promedio de los pares
considerados en cada intervalo de distancia.
Ejercicio
Problema:
Un depósito vetiforme de Zn ha sido muestreado utilizando canaletas excavadas en el techo

de una galería que corre a lo largo de la veta, tal como muestra la siguiente figura:
12
ELEVACIÓN
3,6 m 1,1 m 2,6 m 8,3 m 9,6 m 5,1 m
Ley Zn(%) 8,44 6,21 4,01 3,23 7,06 4,48 8,73
Galería
PLANTA
Galería
Canaletas de muestreo
Estimar el variograma correspondiente.
Solución:
Inicialmente, se calcula el variograma para distancias individuales de la siguiente manera:
13
⃗𝒉 𝟐
[𝒛(𝒙𝒊+𝒉⃗⃗ ) − 𝒛(𝒙𝒊 )]
3,6 (8,44 – 6,21)2 = 4,97

3,6 + 1,1 = 4,7 (8,44 – 4,01)2 = 19,62
3,6 + 1,1 + 2,6 = 7,3 (8,44 – 3,23)2 = 27,14
3,6 + 1,1 + 2,6 + 8,3 = 15,6 (8,44 – 7,06)2 = 1,90
3,6 + 1,1 + 2,6 + 8,3 + 9,6 = 25,2 (8,44 – 4,48)2 = 15,68
3,6 + 1,1 + 2,6 + 8,3 + 9,6 + 5,1 = 30,3 (8,44 – 8,73)2 = 0,08
1,1 (6,21 – 4,01)2 = 4,84
1,1 + 2,6 = 3,7 (6,21 – 3,23)2 = 8,88
1,1 + 2,6 + 8,3 = 12,0 (6,21 – 7,06)2 = 0,72
1,1 + 2,6 + 8,3 + 9,6 = 21,6 (6,21 – 4,48)2 = 2,99
1,1 + 2,6 + 8,3 + 9,6 + 5,1 = 26,7 (6,21 – 8,73)2 = 6,35
2,6 (4,01 – 3,23)2 = 0,61
2,6 + 8,3 = 10,9 (4,01 – 7,06)2 = 9,30
2,6 + 8,3 + 9,6 = 20,5 (4,01 – 4,48)2 = 0,22
2,6 + 8,3 + 9,6 + 5,1 = 25,6 (4,01 – 8,73)2 = 22,28
8,3 (3,23 – 7,06)2 = 14,67
8,3 + 9,6 = 17,9 (3,23 – 4,48)2 = 1,56
8,3 + 9,6 + 5,1 = 23,0 (3,23 – 8,73)2 = 30,25
9,6 (7,06 – 4,48)2 = 6,66
9,6 + 5,1 = 14,7 (7,06 – 8,73)2 = 2,79
5,1 (4,48 – 8,73)2 = 18,06
A continuación, se agrupan estos valores en intervalos de distancia. El tamaño del intervalo

de distancia se elige en función de la separación promedio entre las muestras. En el
presente caso, un intervalo de distancia de 5 m. es satisfactorio.
El valor del variograma para el primer intervalo de distancia (0 – 5) se obtiene sumando los
2
valores [𝑧(𝑥 ⃗ ) − 𝑧(𝑥𝑖 )] correspondientes a valores de ℎ ⃗ comprendidos entre 0 y 5 m (los
𝑖+ℎ
valores marcados con amarillo) y dividiendo esta suma por dos veces el número de pares;
vale decir,
4,97 + 19,62 + 4,84 + 8,88 + 0,61
𝛾(ℎ) = = 3,89
2(5)
Este valor se asignará a un valor de ℎ igual al promedio de las distancias de separación de

los pares utilizados en este intervalo de distancia; esto es,
3,6 + 4,7 + 1,1 + 3,7 + 2.6
ℎ= = 3,14
5
El valor del variograma para el segundo intervalo de distancia (5 – 10) se obtiene sumando
2
los valores [𝑧(𝑥 ⃗ ) − 𝑧(𝑥𝑖 )] correspondientes a valores de ℎ⃗ comprendidos entre 5 y 10
𝑖+ℎ
m (los valores marcados en verde) y dividiendo esta suma por dos veces el número de
pares; vale decir,
14
27,14 + 14,67 + 6,66 + 18,06

𝛾(ℎ) = = 8,31
2(4)
Este valor se asignará a un valor de ℎ igual al promedio de las distancias de separación de

los pares utilizados en este intervalo de distancia; esto es,
7,3 + 8,3 + 9,6 + 5,1
ℎ= = 7,58
4
El mismo proceso se repite para todos los intervalos de distancia. Los resultados se
muestran en la siguiente tabla:
Intervalo 𝜸(𝒉) Distancia Número de

de promedio pares
distancia 𝒉 𝑵
0- 5 3,89 3,14 5
5 - 10 8,31 7,58 4
10 - 15 2,13 12,53 3
15 - 20 0,86 16,75 2
20 - 25 5,57 21,70 3
25 - 30 7,38 25,83 3
El gráfico correspondiente es el siguiente:
Variograma
Variable: % Zn – Azimut: 150° - Buzamiento: 0°
⃗)
𝛾(ℎ
12,0
8,0
4,0
10 20 30 40
⃗⃗⃗ (𝑚)
ℎ
El variograma obtenido no es útil, ha sido calculado con un escaso número de pares.
15
3.2. Variogramas bidimensionales
Se considera dos casos:
• Los taladros han sido ubicados sobre una malla regular

• Los taladros han sido ubicados sobre una malla irregular
3.2.1. Malla regular
El cálculo es exactamente igual que en el caso de datos alineados y regularmente

separados. La diferencia radica en que ahora se puede aprovechar la disponibilidad de
datos en dos dimensiones para calcular variogramas en diferentes direcciones.
Ejercicio
Problema:
Se tiene un depósito tabular de Fe aproximadamente horizontal que ha sido reconocido

mediante taladros verticales ubicados sobre una malla regular de 30 m. de lado. Los valores
disponibles corresponden a contenidos promedio de Fe (%) en los tramos de los taladros
pertenecientes al depósito.
Superficie
⋯ ⋯
Taladros
La representación de los taladros en planta sería la siguiente:
16
30 m
44 40 42 40 39 37 36
● ● ● ● ● ● ●
42 43 42 39 39 41 40 38
● ● ● ● ● ● ● ●
37 37 37 35 38 37 37 33 34
● ● ● ● ● ● ● ● ●
35 38 35 37 36 35 35 30 m
● ● ● ● ● ● ● ●
36 35 36 35 34 33 32 29 28
● ● ● ● ● ● ● ● ●
38 37 35 30 29 30 32
● ● ● ● ● ● ●
Estimar los variogramas,
a) En dirección oeste – este

b) En dirección norte – sud
Solución:
a)
⃗ , deben ser múltiplos de 30.

Por el tamaño de la malla los valores de ℎ
Para obtener 𝛾(30) en dirección oeste – este se deben tomar los valores de todos los
taladros separados 30 m en dirección oeste – este. Esto es,
𝛾(30) = {(40 − 42)2 + (42 − 40)2 + (40 − 39)2 + (39 − 37)2 + (37 − 36)2 + (43 − 42)2
+ (42 − 39)2 + (39 − 39)2 + (39 − 41)2 + (41 − 40)2 + (40 − 38)2
+ (37 − 37)2 + (37 − 37)2 + (37 − 35)2 + (35 − 38)2 + (38 − 37)2
+ (37 − 37)2 + (37 − 33)2 + (33 − 34)2 + (35 − 38)2 + (35 − 37)2
+ (37 − 36)2 + (36 − 36)2 + (36 − 35)2 + (36 − 35)2 + (35 − 36)2
+ (36 − 35)2 + (35 − 34)2 + (34 − 33)2 + (33 − 32)2 + (32 − 29)2
+ (29 − 28)2 + (38 − 37)2 + (37 − 35)2 + (29 − 30)2 + (30 − 32)2 +}/2(36)
𝛾(30) = 1,46 (%)2
Para obtener 𝛾(60) en dirección oeste – este se deben tomar los valores de todos los
taladros separados 60 m en dirección oeste – este. Esto es,
17
𝛾(60) = {(44 − 40)2 + (40 − 40)2 + (42 − 39)2 + (40 − 37)2 + (39 − 36)2 + (42 − 43)2
+ (43 − 39)2 + (42 − 39)2 + (39 − 41)2 + (39 − 40)2 + (41 − 38)2
+ (37 − 37)2 + (37 − 35)2 + (37 − 38)2 + (35 − 37)2 + (38 − 37)2
+ (37 − 33)2 + (37 − 34)2 + (38 − 35)2 + (35 − 36)2 + (37 − 36)2
+ (36 − 35)2 + (36 − 36)2 + (35 − 35)2 + (36 − 34)2 + (35 − 33)2
+ (34 − 32)2 + (33 − 29)2 + (32 − 28)2 + (38 − 35)2 + (35 − 30)2
+ (30 − 29)2 + (29 − 32)2 }/2(33)
𝛾(60) = 3,30 (%)2
La pregunta que surge es donde termina el cálculo del variograma. En este caso, se puede
continuar hasta una distancia de separación entre muestras igual a 240 𝑚; sin embargo,
para esta distancia de separación se tendrían solamente siete (7) pares. En la práctica, muy
rara vez se va más allá de la mitad de la distancia muestreada, en este caso 120 𝑚.
La tabla a continuación muestra los variogramas experimentales o estimados calculados en

dirección oeste – este y norte – sud.
Dirección oeste - este
𝒉 𝜸(𝒉) 𝑵
30 1,46 36
60 3,30 33
90 4,31 27
120 6,70 23
Dirección norte - sud
30 5,35 36
60 9,87 27
90 18,88 21
La figura siguiente muestra ambos variogramas.
18
Variograma
Variable: % Fe
⃗)
𝛾(ℎ
30,0
20,0
Norte - sud
10,0
Oeste - este
30 60 90 120
⃗⃗⃗ (𝑚)
ℎ
El variograma norte – sud crece más rápidamente que el variograma oeste – este,
sugiriendo un mayor alcance en esta última dirección; y la presencia de una anisotropía.
3.2.2. Malla irregular
Es probablemente el caso más frecuente. Muy rara vez las muestras se encuentran
alineadas y regularmente espaciadas. En estos casos, para posibilitar la estimación o
cálculo del variograma en una determinada dirección se permite una tolerancia angular
denominada “ventana”, a ambos lados de la dirección establecida. Se toman en cuenta
todos los pares de muestras que se encuentran dentro de la tolerancia angular. Como
además las muestras no están regularmente espaciadas, se debe recurrir al concepto del
“intervalo de distancia”, definido anteriormente para agrupar datos.
Las siguientes figuras pretenden explicar los conceptos mencionados en el párrafo anterior
para posibilitar estimaciones o cálculos de variogramas con muestras ubicadas sobre una
malla irregular.
19
Ángulo de tolerancia
Ventana o sector de búsqueda
𝑧(𝑥𝑖 ) dirección del variograma
● 𝑧(𝑥𝑖+ℎ⃗ )
Primer
Intervalo de distancia
El punto 𝑧(𝑥𝑖 ) del sector de búsqueda debe pasar por cada muestra. Los pares para el
primer intervalo de distancia se buscan dentro del sector de búsqueda.

●
● 𝑧(𝑥𝑖+ℎ⃗ )
Segundo
Los pares para el segundo intervalo de distancia se buscan pasando el punto 𝑧(𝑥𝑖 ) por cada
muestra y buscando valores 𝑧(𝑥𝑖+ℎ⃗ ) en el sector de búsqueda
20

●
● 𝑧(𝑥𝑖+ℎ⃗ )
Tercer
Los pares para el tercer intervalo de distancia se buscan pasando el punto 𝑧(𝑥𝑖 ) por cada
muestra y buscando valores 𝑧(𝑥𝑖+ℎ⃗ ) en el sector de búsqueda.
Normalmente se calcula variogramas en varias direcciones de tal suerte que se puedan

establecer claramente las direcciones de mayor y menor radio de influencia. La figura de la
siguiente página muestra el resultado de este trabajo.
Otra manera de presentar el mismo análisis se presenta en la subsiguiente página. La figura

muestra una representación global del variograma en dos dimensiones. Las curvas
representan isovalores de variograma.
21
𝛾(ℎ) 𝛾(ℎ) 𝛾(ℎ)
60 60 60
30 30 30
200 400 600 ℎ 200 400 600 ℎ 200 400 600 ℎ

𝛾(ℎ)
ℎ ℎ⃗ ℎ⃗
60
200
30
ℎ⃗
100 200 400 600 ℎ

𝛾(ℎ)
60
0 100 200 300 ℎ⃗

30
200 400 600 ℎ

100 𝛾(ℎ)
ℎ⃗
60
200
30
ℎ⃗ ℎ⃗ ℎ⃗
200 400 600 ℎ

60 60 60
30 30 30
200 400 600 ℎ 200 400 600 ℎ 200 400 600 ℎ
22
120
100
80
𝛾(ℎ) 𝛾(ℎ)
3.3. Variogramas tridimensionales
Este caso generalmente se presenta en depósitos masivos que han sido reconocidos con
taladros perforados desde la superficie. El método de análisis depende principalmente de
la ubicación de los taladros.
Cuando los taladros son verticales, la estimación de variogramas contempla dos fases:
horizontal (por niveles), un cálculo en dos dimensiones; y vertical (a lo largo de los taladros),
un cálculo en una dimensión.
Si los taladros no son verticales, el cálculo es en tres dimensiones. Inicialmente se define

la dirección del variograma mediante el azimut y el buzamiento de la línea a lo largo de la
cual se desea estimar el variograma; se establecen las tolerancias angulares para esta
dirección (conos de búsqueda) y los intervalos de distancia correspondientes.
23
El cálculo manual de un variograma en dos o tres dimensiones es impracticable. En estos

casos, generalmente se recurre a algún software disponible para el efecto.
4. Modelos de variograma
Dos de las características de un variograma son:
• Su comportamiento en el origen (que puede ser parabólico, lineal o puramente

aleatorio).
• La presencia o no de una meseta (un valor más o menos constante del

variograma, 𝛾(ℎ), a partir de un cierto valor de la distancia de separación ℎ.
Estas dos características definen la siguiente clasificación de los modelos de variograma:
Modelos con meseta Modelos sin meseta Otros modelos

Comportamiento Comportamiento
lineal en el origen parabólico en el
origen
• Modelo • Modelo • Modelo lineal • Efecto de
esférico gaussiano pepita
• Modelo
• Modelo logarítmico
exponencial
A continuación, son presentados los modelos de variograma mencionados.
4.1. Modelo esférico
Es el modelo más frecuentemente encontrado en la práctica. Su ecuación es la siguiente:
3 ℎ 1 ℎ 3
𝛾(ℎ) = 𝐶 { ( ) − ( ) } ; 𝑝𝑎𝑟𝑎 ℎ ≤ 𝑎
2 𝑎 2 𝑎
𝛾(ℎ) = 𝐶 ; 𝑝𝑎𝑟𝑎 ℎ > 𝑎
El siguiente gráfico muestra la forma de este modelo:
24
𝛾(ℎ)
Tangente en el origen
ℎ
2
𝑎′ = 𝑎
3
Muchas veces, el modelo esférico viene acompañado por un efecto de pepita (un salto en
el origen); en este caso,
3 ℎ 1 ℎ 3
𝛾(ℎ) = 𝐶0 + 𝐶 { ( ) − ( ) } ; 𝑝𝑎𝑟𝑎 ℎ ≤ 𝑎
2 𝑎 2 𝑎
𝛾(ℎ) = 𝐶0 + 𝐶 ; 𝑝𝑎𝑟𝑎 ℎ > 𝑎
Gráficamente,
𝛾(ℎ)
𝐶0
ℎ
2
𝑎′ = 𝑎
3
25
En las ecuaciones anteriores,
𝑎′ = Rango o alcance práctico

𝑎 = Rango o alcance del variograma
𝐶 = Meseta
𝐶0 = Efecto de pepita
El modelo esférico alcanza efectivamente su meseta, para una distancia finita ℎ = 𝑎.
En el modelo esférico, la tangente en el origen intercepta la meseta cuando ℎ = 𝑎′; este

valor se conoce como rango práctico y es igual a dos tercios del rango o alcance del
variograma. Como se verá más adelante, esta propiedad es importante en el ajuste del
modelo esférico a un variograma experimental.
4.2. Modelo exponencial
La ecuación de este modelo es:
ℎ
𝛾(ℎ) = 𝐶 (1 − 𝑒 − 𝑎 )
La siguiente figura muestra la forma de este modelo de variograma:
𝛾(ℎ) Tangente en el origen
ℎ
𝑎
𝑎′ = 3𝑎
El modelo exponencial alcanza su meseta asintóticamente. Su tangente en el origen

intercepta la meseta 𝐶 (en realidad 0,95𝐶), cuando ℎ = 𝑎. El rango práctico del modelo
exponencial (𝑎′) es igual a tres veces el rango o alcance del variograma; vale decir, 𝑎′ = 3𝑎
Muchas veces, el modelo exponencial también viene acompañado por un efecto de pepita
(un salto en el origen); en este caso,
26
ℎ
𝛾(ℎ) = 𝐶0 + 𝐶 (1 − 𝑒 − 𝑎 )
Gráficamente,
𝐶0
ℎ
𝑎
𝑎′ = 3𝑎
En ambas ecuaciones,

𝐶 = Meseta
4.3. Modelo gaussiano
El modelo gaussiano presenta un comportamiento parabólico en el origen y su tangente en

el origen es horizontal, hecho que refleja una baja variabilidad de la variagle regionalizada
para distancias pequeñas. Este comportamiento muy regular en el origen se presenta muy
rara vez en la práctica. En ausencia de un efecto de pepita, este comportamiento
corresponde a una variable regionalizada muy continua en su variabilidad espacial. Los
variogramas obtenidos con valores de potencia de depósitos tabulares reflejan algunas
veces este comportamiento parabólico en el origen. Este modelo generalmente se presenta
acompañado por un efecto de pepita pequeño que refleja errores de muestreo y ensaye
químico.
27
ℎ 2
− (𝑎 )
𝛾(ℎ) = 𝐶 [1 − 𝑒 ]
La siguiente figura muestra la forma de este modelo:
ℎ
𝑎′ = 𝑎√3
El modelo gaussiano alcanza su meseta asintóticamente. Se puede considerar que el rango

práctico en este modelo es igual a: 𝑎′ = 𝑎√3
Tal como se dijo anteriormente, este modelo también puede estar acompañado de un
pequeño efecto de pepita; vale decir,
ℎ 2
− (𝑎 )
𝛾(ℎ) = 𝐶0 + 𝐶 [1 − 𝑒 ]
Gráficamente,
28
𝛾(ℎ)
𝐶0
ℎ
𝑎′ = 𝑎√3

𝐶 = Meseta
4.4. Modelo lineal
Los modelos sin meseta corresponden a variables regionalizadas con una capacidad
ilimitada de dispersión espacial; vale decir, no es posible definir “a priori” su varianza o su
covarianza.
𝛾(ℎ) = 𝛼 ℎ
Este modelo también puede estar acompañado por un efecto de pepita, en cuyo caso,
𝛾(ℎ) = 𝐶0 + 𝛼 ℎ
La siguiente figura muestra la forma de este modelo.
29
𝛾(ℎ)
𝛼
1
𝛾(ℎ)
𝛼
1
𝐶0
ℎ
ℎ = Distancia de separación entre muestras

𝛼 = Pendiente
4.5. Modelo logarítmico (Modelo de Wijsian)
𝛾(ℎ) = 𝛼 ln ℎ
La siguiente figura muestra la forma de este variograma:
30
𝛾(ℎ)
𝛼
1
ℎ
1 10 100 (Escala logarítmica)
4.6. Modelo “efecto de pozo”
Se han propuesto algunos modelos especiales como el modelo denominado “efecto de

pozo”. Su ecuación es:
𝑠𝑒𝑛 (𝑎 ℎ)
𝛾(ℎ) = 𝐶 {1 − }
𝑎ℎ
Nuevamente,
ℎ = Distancia de separación entre muestras

𝑎 = Alcance o rango del variograma
𝐶 = Meseta
Este modelo es utilizado para describir fenómenos regularmente continuos. Su tangente en

el origen es horizontal y muestra un comportamiento periódico que, por ejemplo, se
encuentra cuando existe una sucesión de zonas ricas y pobres.
La siguiente figura muestra la forma de este modelo.
31
𝛾(ℎ)
4.7. Efecto de pepita
Con excepción del modelo logarítmico, todos los modelos presentados hasta ahora
satisfacen la ecuación 𝛾(0) = 0.
Considérese un modelo de variograma 𝛾(ℎ) con meseta 𝐶 y rango o alcance 𝑎. Si no se

tiene acceso a pares de muestras cuya distancia de separación es menor al rango o alcance
𝑎, no será posible observar el tramo continuo de 𝛾(ℎ) y se podría concluir que la variable
regionalizada tiene un comportamiento puramente aleatorio reflejado por un efecto de
pepita tal como muestra la siguiente figura.
𝛾(ℎ)
𝐶0
?
ℎ
𝑎
32
5. Estructuras anidadas
En muchos depósitos mineralizados existe una superposición de diferentes estructuras con

alcances o rangos crecientes (llamadas estructuras anidadas), tal como muestra la
siguiente figura.
𝛾(ℎ)
Estructura observada
Segunda estructura
Primera estructura
𝐶2
𝐶1
ℎ
𝑎1
𝑎2
La primera estructura, con meseta 𝐶1 , es una microestructura que no puede ser observada
a partir de los métodos de muestreo normales. El resultado es que solo se pueden observar
las macroestructuras con una discontinuidad aparente igual a 𝐶1 en el origen.
Una segunda fuente de discontinuidad en el origen es la presencia de errores de muestreo

y ensaye químico. Si fuera posible tomar una muestra repetida exactamente en el mismo
lugar, los dos valores diferirían y el valor del variograma para una distancia ℎ = 0 sería igual
al error cuadrático medio de ensaye y de muestreo (la varianza del error de ensaye químico
y muestreo).
En la práctica, las dos fuentes de discontinuidad no pueden separarse y suman la

discontinuidad total definida como el efecto de pepita 𝐶0 .
Bajo condiciones específicas, el efecto de pepita observado es inversamente proporcional

al volumen de las muestras cuyos valores fueron utilizados para calcular el variograma. Si
𝐶0 es el efecto de pepita que corresponde a muestras de volumen 𝑤, el efecto de pepita
correspondiente a un tamaño de muestra 𝑤′ mayor a 𝑤, viene dado por:
𝑤
𝐶0 = 𝐶0 ( )
𝑤′
33
5.1. Modelos para estructuras anidadas
Es importante señalar que es posible suponer modelos para representar estructuras

anidadas. Algunos de estos modelos son:
5.1.1. Modelo doble esférico (esférico + esférico)
𝛾(ℎ)
5.1.2. Modelo esférico – exponencial (esférico + exponencial)
𝛾(ℎ)
34
6. Ajuste de modelos de variograma a variogramas

experimentales
Después del análisis estructural, se dispone de una interpretación de los variogramas

experimentales estimados, en términos de continuidad, radios de influencia, anisotropías y
otras características geológicas importantes para la estimación local de recursos.
Posteriormente se verá que las características geológicas más importantes para una buena
estimación de recursos en el depósito mineralizado, se introducen al proceso de estimación
a través del variograma. Por ello, es necesario ajustar un modelo de variograma al
variograma experimental.
La pregunta es ¿no es posible trabajar directamente con el variograma experimental

haciendo coincidir, por ejemplo, un polinomio de grado suficientemente alto con la curva
experimental?
La respuesta a la pregunta formulada toma en cuenta dos consideraciones estadísticas.
El variograma que intervendrá en las estimaciones ulteriores no es una función cualquiera,

deben tener algunas propiedades particulares; por ejemplo, las varianzas que se vayan a
calcular con el variograma deberán ser siempre positivas y un polinomio por mas que pase
por todos los puntos experimentales no garantiza este requerimiento.
Por otro lado, es conocido que a partir del mismo conjunto de datos es imposible obtener a
la vez una estimación y una precisión de la estimación en términos de una varianza.
Por ello, es obligatorio elegir un modelo de variograma y ajustar el mismo a un variograma

experimental.
A continuación, se dan algunas reglas prácticas que ayudan a efectuar un buen ajuste:
• El ajuste debe ser el mejor posible para los primeros puntos del variograma; estos
son los mejor conocidos (mayor número de pares) y los que mayor peso tienen en
el proceso de estimación.
• No siempre es necesario ajustar un modelo al variograma experimental completo en

términos de distancia de separación, se recomienda llegar hasta una distancia de
separación que en el proceso de estimación será la distancia de trabajo.
• La prueba de bondad de ajuste es visual y consiste en comparar gráficamente el

modelo de variograma ajustado y el variograma experimental.
• El efecto de pepita se estima prolongando los primeros puntos del variograma

experimental.
• El alcance o rango del variograma (si éste existe) se estima a ojo, tomando como
referencia la distancia ℎ a partir de la cual el variograma tiene un comportamiento
aproximadamente constante.
35
• Una estimación inicial de la meseta del variograma (si ésta existe) es la varianza de
los valores de muestreo utilizados en la estimación del variograma; luego, se
procede a buscar una mejor estimación por aproximaciones sucesivas.
• No existe una solución única al problema de ajuste y estimación de parámetros del

modelo seleccionado; se debe tomar en cuenta que las estimaciones obtenidas con
diferentes modelos no difieren significativamente entre sí.
6.1. Ejercicio
Problema:
Se tiene un depósito tabular de Fe aproximadamente horizontal que ha sido reconocido

mediante taladros verticales ubicados sobre una malla regular de 30 m. de lado. Los valores
disponibles corresponden a contenidos promedio de Fe (%) en los tramos de los taladros
pertenecientes al depósito.
Superficie
⋯ ⋯
Taladros
36
La representación de los taladros en planta es la siguiente:

N
30 m
44 40 42 40 39 37 36
● ● ● ● ● ● ●
42 43 42 39 39 41 40 38
● ● ● ● ● ● ● ●
37 37 37 35 38 37 37 33 34
● ● ● ● ● ● ● ● ●
35 38 35 37 36 35 35 30 m
● ● ● ● ● ● ● ●
36 35 36 35 34 33 32 29 28
● ● ● ● ● ● ● ● ●
38 37 35 30 29 30 32
● ● ● ● ● ● ●
Ajustar un modelo al variograma experimental calculado en dirección oeste-este.
Solución:
En un ejercicio anterior se calculó el variograma en dirección oeste – este. La siguiente

tabla muestra los resultados obtenidos:
30 1,46 36
60 3,30 33
90 4,31 27
120 6,70 23
La siguiente figura muestra el variograma calculado.
37
𝛾(ℎ)
6,0
Modelo
4,0
Variograma experimental
2,0
30 60 90 120
ℎ (𝑚)
La forma del variograma experimental sugiere un modelo de variograma lineal. La pendiente

𝛼 del modelo puede obtenerse estimando la pendiente de una recta ajustada gráficamente
al variograma experimental; vale decir,
6,5 − 0
𝛼= = 0,0541
120 − 0
Por tanto, el modelo de variograma ajustado es:
𝛾(ℎ) = 0,0541 ℎ
La figura anterior muestra el variograma experimental y el modelo de variograma ajustado.

El ajuste es bastante bueno.
La siguiente tabla incluye valores del variograma experimental y valores calculados con el
modelo ajustado.
𝒉 𝜸(𝒉)
Experimental Modelo
0 0,00
30 1,46 1,62
60 3,30 3,35
90 4,31 4,87
120 6,70 6,49
38
6.2. Ejercicio 2
Problema:
La siguiente tabla muestra un variograma experimental correspondiente a leyes de Sn (%)

en un depósito mineralizado vetiforme.
𝒉 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160

𝜸(𝒉) 0,10 0,70 0,90 1,10 1,20 1,40 1,30 1,70 1,50 1,30 1,20 1,60 1,50 1,50 1,40 1,30
𝑵 5 280 285 278 293 304 287 272 320 297 283 275 290 287 284 273
ℎ= Distancia de separación (metros)

𝑁= Número de pares
Ajustar un modelo de variograma, especificar claramente el modelo, los parámetros del

mismo y mostrar la bondad del ajuste efectuado.
Solución:
El siguiente gráfico muestra el variograma experimental,
Variograma experimental - %Sn

1,8
ϒ(h)
1,6
1,4
1,2
1
C=1,15
0,8
0,6
0,4
0,2
C0=0,30
0
10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160
h
𝑎′ = 60𝑚
La forma del variograma experimental sugiere un modelo de variograma esférico. Para

ajustar este modelo, se sigue el siguiente procedimiento:
• Inicialmente, se traza una línea horizontal a una altura que representa el

comportamiento mas o menos constante del variograma. En el caso del ejercicio
39
esta altura es igual a 1,45 (%2 ). Este valor será importante para estimar la meseta
del variograma.
• Luego, se traza una línea inclinada que interprete los primeros puntos del
variograma; excepto, en este caso, el primer punto cuyo valor ha sido estimado con
solamente cinco pares. Esta línea permite estimar el efecto de pepita (𝐶0 ) que en el
caso del ejercicio es igual a 0,30 (%2 ).
• Posteriormente, la intersección de las dos líneas previamente trazadas es

proyectada verticalmente hacia el eje de abscisas y es posible estimar el
denominado rango o alcance práctico del variograma (𝑎′), que en el caso del
ejemplo es igual a 60 m. Se conoce que para un variograma esférico,
2
𝑎′ = 𝑎
3
Consecuente el rango o alcance (𝑎) del variograma en el ejemplo es igual a:
3 ′ 3
𝑎= 𝑎 = 60 = 90 𝑚.
2 2
En suma, el modelo a ser ajustado es esférico y tiene los siguientes parámetros:
• Meseta (𝐶) = 1,45 − 𝐶0 = 1,45 − 0,30 = 1,15 (%2 )
• Alcance o meseta (𝑎) = 90 (𝑚)
• Efecto de pepita (𝐶0 ) = 0,30 (%2 )
Por tanto, la ecuación del modelo esférico ajustado es:
3ℎ 1 ℎ3
𝛾(ℎ) = 𝐶0 + 𝐶 { − } ;ℎ ≤ 𝑎
2𝑎 2 𝑎3
𝛾(ℎ) = 𝐶0 + 𝐶 ;ℎ > 𝑎
Vale decir,
3 ℎ 1 ℎ3
𝛾(ℎ) = 0,30 + 1,15 { − } ; ℎ ≤ 90
2 90 2 903
𝛾(ℎ) = 0,30 + 1,15 = 1,45 ; ℎ > 90
Utilizando estas expresiones han sido calculados los valores que se muestran en la
siguiente tabla:
40
𝒉 𝑽𝒂𝒓𝒊𝒐𝒈𝒓𝒂𝒎𝒂 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆

𝒆𝒙𝒑𝒆𝒓𝒊𝒎𝒆𝒏𝒕𝒂𝒍 𝒗𝒂𝒓𝒊𝒐𝒈𝒓𝒂𝒎𝒂 𝒑𝒂𝒓𝒆𝒔
𝜸(𝒉) 𝜸(𝒉) 𝑵
0 0,30
10 0,10 0,49 5
20 0,70 0,67 280
30 0,90 0,85 285
40 1,10 1,01 278
50 1,20 1,15 293
60 1,40 1,27 304
70 1,30 1,36 287
80 1,70 1,42 272
90 1,50 1,44 320
100 1,30 1,45 297
110 1,20 1,45 283
120 1,60 1,45 275
130 1,50 1,45 290
140 1,50 1,45 287
150 1,40 1,45 284
160 1,30 1,45 273
La siguiente figura muestra el variograma experimental y el modelo de variograma ajustado.
Variograma experimental vs. modelo

1,8
ϒ(h)
1,6
1,4
1,2
1
0,8
0,6
0,4
0,2
0
10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160
h(m)
Nótese que el ajuste es muy bueno.
41
6.3. Ejercicio 3
Problema:
La siguiente tabla muestra un variograma experimental correspondiente a leyes de Sn (%),
𝒉 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160

𝜸(𝒉) 0,45 0,60 0,80 0,90 1,10 1,05 1,20 1,10 1,30 1,40 1,30 1,35 1,45 1,30 1,40 1,50
𝑵 40 50 55 58 62 60 65 60 63 60 70 80 50 45 40 40
𝒉= Distancia de separación (metros)
𝑁 = Número de pares
Ajustar un modelo de variograma, especificar claramente los parámetros del modelo y

mostrar la bondad del ajuste efectuado
Solución:
El siguiente gráfico muestra el variograma experimental.
Variograma experimental - % Sn
1,6
ϒ(h)
1,4
1,2
1
0,8
C=1,05
0,6
0,4
0,2
C0=0,30
0
10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160
h(m)
𝑎′ = 120
La forma del variograma experimental sugiere un modelo de variograma exponencial. Para

ajustar este modelo, se sigue el siguiente procedimiento:
• Inicialmente, se traza una línea horizontal a una altura que representa el

comportamiento más o menos constante del variograma. En el caso del ejercicio
esta altura es igual a 1,35 (%2 ). Este valor es importante para estimar la meseta del
variograma.
42
• Luego, se traza una línea inclinada que interprete los primeros puntos del
variograma. Esta línea permite estimar el efecto de pepita (𝐶0 ) que en el caso del
ejercicio es igual a 0,30 (%2 ).
• Posteriormente, se determina el valor de ℎ a partir del cual el variograma toma un

valor más o menos constante, este valor es el denominado rango práctico; en el
caso del ejercicio, este valor es igual a 120 𝑚. Vale decir,
𝑎′ = 120 𝑚
Para el modelo exponencial, se tiene que,
𝑎′ = 3𝑎
Consecuentemente,
𝑎′ 120
𝑎= = = 40 𝑚
3 3
En suma, el modelo a ser ajustado es exponencial y tiene los siguientes parámetros:
• Meseta (𝐶) = 1,35 − 𝐶0 = 1,35 − 0,30 = 1,05 (%2 )
• Alcance o meseta (𝑎) = 40 (𝑚)
• Efecto de pepita (𝐶0 ) = 0,30 (%2 )
Por tanto, la ecuación del modelo exponencial ajustado es:
ℎ
𝛾(ℎ) = 𝐶0 + 𝐶 (1 − 𝑒 − 𝑎 )
Vale decir,
ℎ
𝛾(ℎ) = 0,30 + 1,05 (1 − 𝑒 − 40 )
Utilizando esta expresión han sido calculados los valores que se muestran en la siguiente
tabla:
43
𝒉 𝑽𝒂𝒓𝒊𝒐𝒈𝒓𝒂𝒎𝒂 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆

𝒆𝒙𝒑𝒆𝒓𝒊𝒎𝒆𝒏𝒕𝒂𝒍 𝒗𝒂𝒓𝒊𝒐𝒈𝒓𝒂𝒎𝒂 𝒑𝒂𝒓𝒆𝒔
𝜸(𝒉) 𝜸(𝒉) 𝑵
0 0,30
10 0,45 0,53 40
20 0,60 0,71 50
30 0,80 0,85 55
40 0,90 0,96 58
50 1,10 1,05 62
60 1,05 1,12 60
70 1,20 1,17 65
80 1,10 1,21 60
90 1,30 1,24 63
100 1,40 1,26 60
110 1,30 1,28 70
120 1,35 1,30 80
130 1,45 1,31 50
140 1,30 1,32 45
150 1,40 1,32 40
160 1,50 1,33 40
Variograma experimental vs. modelo

1,6
ϒ(h)
1,4
1,2
1
0,8
0,6
0,4
0,2
0
10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160
h(m)
Nótese que el ajuste es bastante bueno.
44
A continuación, se presentan dos ejemplos de ajuste de modelos de variograma tomados

del libro PRACTICAL GEOSTATISTICS de Isobel Clark, publicado por Applied Science
Publishers Ltd.- London, England – 1979).
6.4. Ejercicio 4
Problema:
La siguiente tabla muestra un variograma experimental calculado con valores de

acumulación de Ag (m - %Ag) pertenecientes a muestras tomadas en una veta.
Esto es, se corrió una galería horizontal siguiendo la veta. Las muestras fueron tomadas de
canaletas excavadas en el techo de la galería, las canaletas son perpendiculares al plano
de la veta y están separadas un (1) metro una de otra. Se muestreó 400 m de galería de la
manera señalada. Debido a que el ancho de la veta es variable, se optó por trabajar con la
variable acumulación (ancho x ley) con unidades (m - %Ag).
𝒉 𝜸(𝒉) 𝒉 𝜸(𝒉) 𝒉 𝜸(𝒉)

(𝒎) (𝒎 − %𝑨𝒈)𝟐 (𝒎) (𝒎 − %𝑨𝒈)𝟐 (𝒎) (𝒎 − %𝑨𝒈)𝟐
1,0 0,42 26,0 8,94 51,0 10,22
2,0 0,72 27,0 8,48 52,0 9,96
3,0 0,92 28,0 7,65 53,0 11,64
4,0 1,36 29,0 7,04 54,0 11,93
5,0 1,69 30,0 6,49 55,0 12,62
6,0 2,03 31,0 7,26 56,0 11,35
7,0 1,95 32,0 7,47 57,0 10,18
8,0 2,75 33,0 7,66 58,0 10,69
9,0 3,65 34,0 9,54 59,0 10,03
10,0 4,05 35,0 10,93 60,0 9,81
11,0 3,44 36,0 10,82 61,0 10,23
12,0 3,55 37,0 10,58 62,0 11,85
13,0 3,24 38,0 10,21 63,0 11,27
14,0 3,07 39,0 10,08 64,0 13,01
15,0 4,52 40,0 8,28 65,0 13,61
16,0 5,23 41,0 8,08 66,0 14,17
17,0 6,53 42,0 9,34 67,0 11,75
18,0 6,41 43,0 9,55 68,0 9,91
19,0 5,98 44,0 9,87 69,0 10,12
20,0 5,72 45,0 10,45 70,0 9,56
21,0 5,26 46,0 10,23 71,0 10,91
22,0 6,46 47,0 8,87 72,0 11,98
23,0 7,01 48,0 9,19 73,0 12,13
24,0 7,55 49,0 10,19 74,0 11,45
25,0 8,06 50,0 10,73 75,0 12,14
Ajustar un modelo de variograma.
45
Solución:
La siguiente figura muestra el variograma experimental.
Cerca del origen, los puntos forman una línea recta; vale decir la pendiente en el origen es
oblicua. Este hecho y la forma general del variograma sugieren ajustar un modelo de
variograma esférico al variograma experimental. Existe una meseta a una altura 𝛾(ℎ) = 11.
No existe efecto de pepita.
Un parámetro más difícil de estimar a simple vista es el rango o alcance. Es posible apreciar
que la pendiente en el origen intercepta a la meseta cuando ℎ = 33 𝑚; vale decir, el rango
práctico (𝑎′) es igual a 33 𝑚. Recuerde que, para el modelo esférico, el rango práctico es
igual a 2⁄3 del rango o alcance del variograma; esto es,
2
𝑎′ = 𝑎
3
Consecuentemente, el rango del variograma es igual a:
3 ′ 3
𝑎= 𝑎 = 33 = 50 𝑚
2 2
Los parámetros del modelo de variograma propuesto son:
𝑀𝑒𝑠𝑒𝑡𝑎 (𝐶) = 11,0 (𝑚 − %𝐴𝑔)2
𝑅𝑎𝑛𝑔𝑜 𝑜 𝑎𝑙𝑐𝑎𝑛𝑐𝑒 (𝑎) = 50 𝑚.
Por tanto, la ecuación del modelo viene dada por,
46
3 ℎ 1 ℎ 3
𝛾(ℎ) = 11,0 { ( ) − ( ) } ; ∀ ℎ ≤ 50
2 50 2 50
= 11,0 ; ∀ ℎ > 50
Con esta ecuación se han calculado varios puntos del modelo de variograma, éstos se
muestran en la siguiente tabla:
𝒉 𝑽𝒂𝒓𝒊𝒐𝒈𝒓𝒂𝒎𝒂 𝒉 𝑽𝒂𝒓𝒊𝒐𝒈𝒓𝒂𝒎𝒂
(𝒎) 𝒕𝒆ó𝒓𝒊𝒄𝒐 (𝒎) 𝒕𝒆ó𝒓𝒊𝒄𝒐
(𝒎 − %𝑨𝒈)𝟐 (𝒎 − %𝑨𝒈)𝟐
0,0 0,00 30,0 8,71
5,0 1,64 35,0 9,66
10,0 3,26 40,0 10,38
15,0 4,80 45,0 10,84
20,0 6,25 50,0 11,00
25,0 7,56 ˃50,0 11,00
Como se dijo anteriormente, una manera sencilla de apreciar la bondad del ajuste efectuado
consiste en representar en un mismo gráfico tanto el variograma experimental como el
modelo ajustado.

Se podría argumentar que el modelo exponencial podría ser un mejor modelo para el
variograma experimental. Luego de varias pruebas se pudo establecer que el siguiente
modelo exponencial podría ser ajustado al variograma experimental.
47
ℎ
𝛾(ℎ) = 16 (1 − 𝑒 − 50 )
Los parámetros de este modelo son:
𝑀𝑒𝑠𝑒𝑡𝑎 (𝐶) = 16 (𝑚 − %𝐴𝑔)2

𝑅𝑎𝑛𝑔𝑜 𝑜 𝑎𝑙𝑐𝑎𝑛𝑐𝑒 (𝑎) = 50 𝑚
La siguiente tabla muestra valores del modelo exponencial ajustado para varios valores de
ℎ.
𝒉 𝜸(𝒉) 𝒉 𝜸(𝒉)
(𝒎) (𝒎 − %𝑨𝒈)𝟐 (𝒎) (𝒎 − %𝑨𝒈)𝟐
0,0 0,00 40,0 8,81
5,0 1,52 45,0 9,49
10,0 2,90 50,0 10,11
15,0 4,15 55,0 10,67
20,0 5,27 60,0 11,18
25,0 6,30 65,0 11,64
30,0 7,22 70,0 12,05
35,0 8,05
La siguiente figura muestra el variograma experimental y el modelo exponencial ajustado.
El siguiente gráfico muestra el variograma experimental, el modelo esférico ajustado y el

modelo exponencial ajustado.
48
Se prefiere el modelo esférico porque refleja el comportamiento del variograma

experimental entre 15 𝑚 𝑎 40 𝑚 mejor que el modelo exponencial.
6.5. Ejercicio 5
Problema:
Este ejemplo está relacionado con un cuerpo mineralizado (stockwork) de Zn que fue
reconocido por 45 taladros verticales. El espaciamiento promedio entre taladros es
aproximadamente igual a 60 metros; los taladros no fueron ubicados sobre una malla
regular. Se recuperaron aproximadamente 4000 metros de testigo los mismos que fueron
muestreados cada dos (2) metros. El variograma experimental fue calculado a lo largo de
los taladros.
La siguiente tabla muestra el variograma experimental obtenido.
49
𝒉 𝜸(𝒉) 𝑵 𝒉 𝜸(𝒉) 𝑵 𝒉 𝜸(𝒉) 𝑵

(𝒎) (%𝒁𝒏)𝟐 (𝒎) (%𝒁𝒏)𝟐 (𝒎) (%𝒁𝒏)𝟐
2,0 0,74 1222 30,0 2,25 919 58,0 689
4,0 1,10 1194 32,0 2,29 899 60,0 675
6,0 1,34 1186 34,0 2,38 886 62,0 657
8,0 1,58 1152 36,0 2,35 860 64,0 639
10,0 1,72 1137 38,0 2,36 848 66,0 628
12,0 1,81 1120 40,0 2,39 825 68,0 612
14,0 1,87 1095 42,0 2,48 814 70,0 597
16,0 1,90 1077 44,0 2,52 787 72,0 582
18,0 1,93 1055 46,0 2,56 779 74,0 563
20,0 1,92 1026 48,0 2,55 767 76,0 552
22,0 1,95 1011 50,0 2,49 750 78,0 539
24,0 2,01 990 52,0 2,59 736 80,0 514
26,0 2,09 969 54,0 2,61 722
28,0 2,16 950 56,0 2,64 705
Se pide ajustar a este variograma experimental, un modelo.
Solución:
La siguiente figura muestra el variograma experimental.
Tal como se puede ver en la tabla superior, todos los puntos del variograma han sido
calculados con un número de pares significativo.
Inicialmente, se puede observar que la recta que une los primeros puntos del variograma
no pasa por el origen, esta recta corta el eje de ordenadas en aproximadamente 0,40; este
es el valor del efecto de pepita; esto es, 𝐶0 = 0,40 (%𝑍𝑛)2.
50
Si se piensa en un modelo esférico, una recta horizontal que corta el eje de ordenadas en
aproximadamente 2,55, representa un comportamiento más o menos constante del
variograma; consecuentemente, se tendría una meseta 𝐶 = 2,55 − 0,40 = 2,15 (%𝑍𝑛)2 .
Si se extiende la recta que une los primeros puntos del variograma hasta cortar la recta
horizontal que pasa por una ordenada igual a 2,55; el valor del rango práctico (𝑎′) es
3
aproximadamente igual a 13 𝑚, significando un rango o alcance (𝑎 = 𝑎′) igual a 20 𝑚.
2
Sin embargo, una revisión del variograma experimental permite ver que el rango o alcance
del variograma es mayor a 45 𝑚.
Aparentemente, existe una meseta intermedia. Si se traza una recta horizontal que corta el
eje de ordenadas en aproximadamente 1,95; esta meseta intermedia sería igual a
1,95 − 0,40 = 1,55 (%𝑍𝑛)2 que se logra, aproximadamente, a partir de ℎ = 14 𝑚.
Las observaciones anotadas líneas arriba llevan a pensar que se tiene una mezcla de dos
modelos esféricos, uno con un rango bastante corto (aproximadamente igual a 14 𝑚) y otro
con un rango mayor (aproximadamente igual a 50 𝑚).
Inicialmente, se puede afirmar que el modelo de variograma que se debe ajustar es la suma
de dos modelos esféricos cuyos parámetros son:
𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑝𝑒𝑝𝑖𝑡𝑎 (𝐶0 ) = 0,40 (%𝑍𝑛)2
Primer modelo esférico
𝑅𝑎𝑛𝑔𝑜 𝑜 𝑎𝑙𝑐𝑎𝑛𝑐𝑒 (𝑎1 ) = 14 𝑚

𝑀𝑒𝑠𝑒𝑡𝑎 (𝐶1 ) = 1,95 − 0,40 = 1,55 (%𝑍𝑛)2
Segundo modelo esférico

𝑀𝑒𝑠𝑒𝑡𝑎 (𝐶2 ) = 2,55 − 1,55 − 0,40 = 0,60 = 0,60 (%𝑍𝑛)2
Sin embargo, se debe tomar en cuenta que aún para distancias pequeñas, el segundo
componente esférico contribuye al valor del modelo de variograma; por ello, es necesario
disminuir el valor de 𝐶1 , incrementar el valor de 𝐶2 , disminuir el valor de 𝑎1 e incrementar el
valor de 𝑎2 .
Luego de algunas pruebas se pudo apreciar que el modelo de variograma que consiste en
la suma de dos modelos de variograma esféricos, tendría los siguientes parámetros:
𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑝𝑒𝑝𝑖𝑡𝑎 (𝐶0 ) = 0,40 (%𝑍𝑛)2
Primer modelo esférico
𝑀𝑒𝑠𝑒𝑡𝑎 (𝐶1 ) = 1,15 (%𝑍𝑛)2
51
Segundo modelo esférico
𝑀𝑒𝑠𝑒𝑡𝑎 (𝐶2 ) = 1,00 (%𝑍𝑛)2
Con estos parámetros, el modelo de variograma es el siguiente:
3 ℎ 1 ℎ 3 3 ℎ 1 ℎ 3
𝛾(ℎ) = 0,40 + 1,15 { − ( ) } + 1,00 { − ( ) } ; ∀ ℎ ≤ 12
2 12 2 12 2 60 2 60
3 ℎ 1 ℎ 3
= 0,40 + 1,15 + 1,00 { − ( ) } ; ∀ 12 > ℎ ≤ 60
2 60 2 60
= 0,40 + 1,15 + 1,00 = 2,55 ; ∀ ℎ > 60
Con este modelo se han calculado algunos puntos del modelo de variograma ajustado. La
siguiente tabla muestra estos valores.
𝒉 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝒉 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝒉 𝑴𝒐𝒅𝒆𝒍𝒐 𝒅𝒆

𝒗𝒂𝒓𝒊𝒐𝒈𝒓𝒂𝒎𝒂 𝒗𝒂𝒓𝒊𝒐𝒈𝒓𝒂𝒎𝒂 𝒗𝒂𝒓𝒊𝒐𝒈𝒓𝒂𝒎𝒂
(𝒎) (%𝒁𝒏)𝟐 (𝒎) (%𝒁𝒏)𝟐 (𝒎) (%𝒁𝒏)𝟐
2,0 0,74 14,0 1,89 35,0 2,33
4,0 1,05 16,0 1,94 40,0 2,40
6,0 1,34 18,0 1,99 45,0 2,46
8,0 1,58 20,0 2,03 50,0 2,51
10,0 1,75 25,0 2,14 55,0 2,54
12,0 1,85 30,0 2,24 60,0 2,55
52
Aparentemente, esta mezcla de componentes esféricos es frecuente en depósitos

minerales de bajo contenido (estaño, cobre, nique, etc.).
53

T4-El Variograma - Version Nueva

Cargado por

Información del documento

Descripción original:

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

T4-El Variograma - Version Nueva

Cargado por

Copyright:

Formatos disponibles

El variograma Rubén Medinaceli O.

La aplicación de la geoestadística a la estimación local de recursos y reservas minerales

2𝛾[𝑍(𝑥𝑖 ), 𝑍(𝑥𝑖+ℎ⃗ )] = 𝑉𝑎𝑟[𝑍(𝑥𝑖 ) − 𝑍(𝑥𝑖+ℎ⃗ )]

En el marco de la hipótesis de estacionaridad de segundo orden para una función aleatoria,

⃗ ) = 𝐸 [{𝑍(𝑥𝑖 ) − 𝑍(𝑥 ⃗ )}2 ]

Si el campo geométrico de la función aleatoria es 𝑉 y la misma está definida sobre soportes

En general, el variograma 𝛾(ℎ⃗) es una función creciente respecto a la distancia vectorial de

Algunas características cualitativas de una regionalización quedan muy bien expresadas

Forma general de un variograma

2. Características de una regionalización expresadas por el

El variograma refleja algunas características importantes de una regionalización, entre

La continuidad de una variable regionalizada se refiere a la mayor o menor regularidad, a

En general, es posible distinguir cuatro tipos de continuidad.

(𝑎) 𝐴𝑙𝑡𝑎 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑖𝑑𝑎𝑑 (𝑏) 𝐶𝑜𝑛𝑡𝑖𝑛𝑢𝑖𝑑𝑎𝑑 𝑙𝑖𝑛𝑒𝑎𝑙 𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜

(𝑐) 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑝𝑒𝑝𝑖𝑡𝑎 (𝑑) 𝐴𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑒𝑑𝑎𝑑 𝑝𝑢𝑟𝑎

Entre el primer y el último tipo de continuidad, existe un rango de continuidades intermedias

A continuación, se muestran algunos variogramas experimentales que presentan diferentes

En el primer variograma se observa un buen nivel de continuidad; en el segundo, el nivel

2.2. Zona, área o radio de influencia

La zona de influencia es la zona más allá de la cual la influencia de una muestra

50 100 150 200

En el variograma superior, el radio de influencia (rango o alcance del variograma) es

200 400 600 800

2.3. Fenómenos de transición

La transición de un ambiente mineralógico a otro (por ejemplo, de roca estéril a roca

La siguiente figura muestra un manto mineralizado. Nótese que el variograma en la

Variograma (dirección ∆2)

Si la regionalización en estudio se refiere a la mineralización en un depósito mineral, la

200 400 600 800 ℎ⃗

En la figura anterior, se puede apreciar cuatro variogramas calculados en cuatro direcciones

Rango (dirección vertical)

Rango (dirección horizontal)

50 100 150 200

Normalmente, se pueden distinguir dos tipos de anisotropías: la anisotropía geométrica

Si la regionalización en estudio es una mineralización, el variograma modeliza las

3. Estimación del variograma

El estimador del variograma, generalmente utilizado, es:

ℎ⃗ = Distancia de separación entre muestras

Aunque la expresión dada es única, los métodos utilizados en la estimación de variogramas

3.1. Variogramas unidimensionales

Se consideran dos casos:

• Muestras alineadas y regularmente espaciadas

3.1.1. Muestras alineadas y regularmente espaciadas

A continuación, se muestra un testigo de una perforación a diamantina en un

Depósito mineralizado 0,35

Se pide, calcular el variograma a lo largo del testigo.

(0,20 − 0,22)2 + (0,14 − 0,35)2 + (0,13 − 0,34)2 + (0,24 − 0,39)2

La siguiente tabla resume los resultados obtenidos.

Se ha considerado solamente un taladro; en un caso real, cuando por ejemplo ℎ = 5 𝑚, se

3.1.2. Datos alineados e irregularmente espaciados

Un depósito vetiforme de Zn ha sido muestreado utilizando canaletas excavadas en el techo

3,6 m 1,1 m 2,6 m 8,3 m 9,6 m 5,1 m

Ley Zn(%) 8,44 6,21 4,01 3,23 7,06 4,48 8,73

Estimar el variograma correspondiente.

3,6 (8,44 – 6,21)2 = 4,97

A continuación, se agrupan estos valores en intervalos de distancia. El tamaño del intervalo

Este valor se asignará a un valor de ℎ igual al promedio de las distancias de separación de

27,14 + 14,67 + 6,66 + 18,06

Este valor se asignará a un valor de ℎ igual al promedio de las distancias de separación de

Intervalo 𝜸(𝒉) Distancia Número de

El gráfico correspondiente es el siguiente:

El variograma obtenido no es útil, ha sido calculado con un escaso número de pares.