Apuntes bsicos de geoestadstica.

OBJETIVO

SABER QUE ES ESTADSTICA DEFINICIN DE CONCEPTOS BSICOS SABER QUE ES GEOESTADSTICA DEFINICIN DE CONCEPTOS BSICOS

ESTADSTICA

DEFINICIN Como una disciplina moderna, provee de mtodos y procedimientos para la coleccin, organizacin, resumen y anlisis cuantitativos de informacin con el fin de obtener conclusiones tiles para tomar decisiones razonables en situaciones de incertidumbre. En la toma de decisiones en cualquier rama pero sobretodo en la minera, siempre existe un nivel de incertidumbre y/o variabilidad el cual es necesario manejarlo en forma cientfica y objetiva para obtener un resultado eficiente. La estadstica es la herramienta que hace posible tratar esta incertidumbre.

ESTADSTICA DESCRIPTIVA Permite el resumen y la presentacin de grandes cantidades de informacin de tal manera que facilita su comunicacin e interpretacin. ESTADSTICA INFERENCIAL Con el fin de llegar a una decisin sobre una poblacin, se toma una muestra aleatoria de esa poblacin. Sobre la base de ese muestreo, inferimos ciertos datos acerca de la poblacin. Esta inferencia que hacemos sobre bases de este tipo de muestreo se conoce como inferencia estadstica. Dicho en otras palabras, las tcnicas de la estadstica inferencial permite al investigador hacer inferencias y generalizaciones de pequeos grupos llamados muestras, a grandes grupos llamados poblaciones, con un buen grado de confianza.

MUESTREO DE POBLACIONES El muestreo en un sentido estadstico, es la seleccin de parte de una poblacin para representar toda la poblacin. Donde la poblacin consiste de unidades bien mezcladas y no difieren radicalmente una de otra (ej. granos de maz en un costal), cualquier muestra, an si es pequea, es representativa del todo. Cuando, sin embargo, las unidades son muy diferentes y no estn bien mezcladas tal como ocurre con los valores de oro en una mina, una pequea muestra de esas unidades puede, en caractersticas esenciales, diferir radicalmente de la poblacin. El mtodo de muestreo tambin puede contribuir a que las muestras no sean representativas principalmente en el sentido de introduccin de un sesgo. Por ejemplo, en el muestreo en los costados de un montn de carbn, contendr una gran proporcin de fragmentos ms grandes y, por lo tanto, tendr un sesgo.

Otro ejemplo, en un depsito de oro, el muestreo realizado a lo largo de una fajilla, contendr ms fragmentos de las partes ms suaves que de las partes ms duras. Este tipo de errores no puede ser eliminado tomando ms y ms muestras y, por lo tanto, es particularmente peligroso. An cuando este sesgo sea eliminado, el error de muestreo se ir incrementando con la oportunidad que tengan todas las esquirlas de ser incluidas en la muestra (muestreo aleatorio). La magnitud de esos llamados errores de muestreo depende del tamao de las esquirlas de la muestra tomada, del tamao de la muestra misma (peso), la variabilidad en composicin qumica del material, el procedimiento de muestreo, y el mtodo de clculo para obtener los resultados.

Una muestra aleatoria (al azar) es obtenida cuando la extraccin de cada esquirla de la muestra es realizada de tal forma que cada esquirla de la muestra tiene la misma oportunidad de ser tomada (D.G.Krige,1981).

Universo El Universo es la masa total de material en el cual estamos interesados y es la fuente total de todos los datos posibles (Hazen, 1967 en M.David, 1977). La definicin de un Universo Geolgico lleva a numerosas discusiones. Pero se puede definir como algo que define exactamente nuestra rea de inters: un depsito mineral. Poblacin Es el conjunto de todas las muestras posibles de un mismo tamao obtenidas del universo. Diferentes tamaos de muestra determinan diferentes poblaciones del mismo universo.

Muestra Es una porcin pequea de un universo. Ejemplo: Los ensayes geoqumicos. La Mina y la Planta de Beneficio ven el mismo Universo a travs de diferentes tamaos de muestra, es decir, a travs de diferentes poblaciones; por eso las leyes de la Mina no se parecen a las leyes de la Planta.

MEDIDAS DE TENDENCIA CENTRAL Una de las aplicaciones ms tiles en estadstica es la representacin de un grupo de datos por una medida de tendencia central, que no es otra cosa que un valor tpico (promedio) del grupo. Hay tres medidas de tendencia central de uso comn. Media Por mucho, la medida de tendencia central ms til es la media aritmtica. La media de un grupo de datos, es simplemente la suma de todas las observaciones dividida por el nmero de observaciones, y puede ser calculada mediante la frmula: m = Sx / N donde x son las observaciones y N es el nmero total de observaciones

Mediana Existen algunos problemas para definir a la mediana, por la razn que no se puede definir algebraicamente. Una de las definiciones ms satisfactorias es que la mediana es el valor que est en el medio de un ordenamiento (un ordenamiento es un arreglo de datos organizados, en base a sus valores, de mayor a menor o de menor a mayor), dicho en otras palabras, la mediana es aquel punto o posicin en la escala de la variable que divide el ordenamiento en dos partes iguales.

Ejemplo: 93, 89, 76, 74, 50. El valor del medio es 76. Esta es la mediana.
Moda

Es simplemente aquel valor de la distribucin que se repite con mayor frecuencia.

MEDIDAS DE DISPERSIN Dispersin es la tendencia de los valores individuales de una variable a separarse alrededor de la media o promedio. Por lo tanto, mientras mayores sean las diferencias que exhiban los valores individuales entre s, menor ha de ser el grado de representatividad que un promedio pueda tener con respecto a la distribucin total. Como regla general, podemos decir que un promedio ser una medida representativa de una distribucin slo si se estima en base a datos que sean homogneos, por eso es recomendable que en nuestro ambiente minero, se utilice la estadstica como herramienta para limitar los valores atpicos y proporcionar presupuestos ms confiables. Los diagramas de correlacin son grficos muy tiles ya que se puede visualizar de manera muy rpida el grado de dispersin que existe entre las muestras de dos elementos.

- AG1 220
3000

CORRELACIN AU2 - AG2 CORRELACIN AU2 - AG2 REBAJE 39-491439-4914 REBAJE

3000

CORRELACIN AU3 - AG3 CORRELACIN AU3 - AG3 REBAJE 31-4410_5 REBAJE 31-4410_5
2000 1800
2000 1800 1600 1400 1200

2500

2500

32.982 1.28x + 32.982 2 36 = 0.5536 2000

2000

y = 31.019x 55.192 + 55.192 y =+ 31.019x R2 = 0.2844 R2 = 0.2844

1600 1400 1200

AG3

AG2

1500

1500

1000 800

AG3

AG2

1000 800 600 400 200 0 y+ = 53.001 62.071x + 53.001 y = 62.071x R2 = 0.7395 R2 = 0.7395

1000

1000

600 400 200

500

500

0
20 25 25

0
0 10 10 20 20 30 30 40 AU2 40 50 50

15 20

10

AU2

10 AU3

20 AU3

20

30

30

CORRELACIN AU5 - AG5 CORRELACIN AU5 - AG5 REBAJE 39-4100_5 REBAJE 39-4100_5
2000 1800

Grficas para mostrar las medidas de dispersin

6000
6000

CORRELACIN AU6 - AG6 CORRELACIN AU6 - AG6 REBAJE 59-4410_6 REBAJE 59-4410_6

y = 30.288x y = 30.288x + 64.422+ 64.422 R2 = 0.4976 R2 = 0.4976

5000

y =+249.77x y 5000 = 249.77x 60.175 + 60.175

2

Varianza Promedio de las desviaciones de todas las posibles observaciones con relacin a la media de una poblacin, elevadas al cuadrado (la varianza es al cuadrado para eliminar los valores negativos). Desviacin Estndar Raz cuadrada de la varianza [para regresar a nuestras unidades originales (g/t)]. La desviacin estndar de una poblacin mide la desviacin de los valores con respecto a la media de la misma poblacin. Una desviacin estndar pequea significa que las observaciones se encuentran cerradas o apiadas contra un valor central. Por el contrario, una desviacin estndar grande significa que los valores se encuentran ampliamente dispersos en torno a la media y que la tendencia a agruparse es dbil.

Rango
El rango o recorrido, es la diferencia entre los valores mayor y menor de los datos. Es la medida de dispersin ms sencilla y fcil de entender, pero ofrece menos informacin que las otras medidas. Coeficiente de variacin El coeficiente de variacin es til para comparar la dispersin relativa de dos variables aleatorias. Es definido como la desviacin estndar entre la media. C.V. = S / m Un coeficiente grande (> 1) indica la presencia de valores errticos anmalos.

MEDIDAS DE FORMA Asimetra.- Las medidas de asimetra indican la falta de simetra en la distribucin y muestran la direccin hacia donde se inclina la distribucin. Es posible definir una medida de asimetra en base a la diferencia entre la media y la moda, a causa de los efectos de los valores extremos. Al dividir esta diferencia entre la desviacin estndar, se obtiene un coeficiente de asimetra: Asimetra = (m - Mo) / S Desviacin Estndar donde: m = media, Mo = Moda y S =

Cuando la distribucin es asimtrica y se inclina hacia los valores altos, entonces la media es mayor que la moda y, como consecuencia, se dice que tiene un sesgo positivo. Si por el contrario, la asimetra es hacia el lado de los valores bajos, tiene un sesgo negativo.

400 300 200

400 200 0
1. 2 1. 8 2. 4 3. 6 4. 2 4. 8 5. 4 3 ay 6 or ... 0

100 50 0
0. 6 1. 2 1. 8 2. 4 3. 6 4. 2 4. 8 5. 4 0 3

100 0
0 0. 6 6

Histograma AU5
2000 1800 1600 1400
Frecuencia Frecuencia

Clase

Clase

Histograma AU6
180 160 140 120 100 80 60 40 20 0

1200 1000 800 600 400 200 0

0. 6 1. 2 1. 8 2. 4 3. 6 4. 2 4. 8 5. ay 4 or ... 0 3

0. 6

1. 2

1. 8

2. 4

Clase

Clase

Grfica para mostrar las medidas de forma

3. 6

Histograma

El histograma es la forma ms comn para la presentacin de datos clasificados. Es una grfica a base de barras sin espacios intermedios. Se dibuja sobre un par de ejes coordenados poniendo las unidades de medida de las observaciones (g/t, %, etc.) en el eje horizontal y el nmero de observaciones en el eje vertical.
Con esta herramienta, uno puede observar: El grado de dispersin de los valores Sus rangos de variacin La concentracin de valores alrededor de una o varias modas Detectar posibles errores de captura, y Detectar los valores atpicos o anmalos

Curtosis
La curtosis es el grado de achatamiento que exhibe una distribucin con respecto a la distribucin normal. Se dice que la distribucin es Platicrtica cuando el coeficiente de curtosis es menor a 3, es decir, que los valores estn muy dispersos con respecto a la media. Mesocrtica cuando es igual a 3 (distribucin normal) y Leptocrtica cuando es mayor a 3, es decir, cuando los valores estn cercanos al promedio.

Coeficiente de Correlacin
El trmino correlacin se refiere al grado de correspondencia o relacin entre dos variables. Las variables correlacionadas son esas que tienden a variar juntas; cuando una es ms grande, la otra tiende a ser sistemticamente ms grande o ms pequea.

GEOESTADSTICA EVOLUCIN DE LA GEOESTADSTICA 1945 1965.- La Geoestadstica Lineal, la ciencia ahora llamada Geoestadstica, tuvo su comienzo en los trabajos de H.S. Sichel en 1947 y 1949 en la aplicacin de la distribucin lognormal en minas de oro, seguido por la ahora famosa contribucin de D.G. Krige en la aplicacin del anlisis de regresin entre muestras y bloques de mena, los cuales fijaron la base de la Geoestadstica Lineal, adems de la introduccin de la teora de funciones aleatorias por B. Matern en el estudio de la variacin espacial de un campo forestal. Esta generacin culmina en el trabajo de G. Matheron en su tesis doctoral de 1965 titulada: Las variables regionalizadas y su estimacin. 1966 1974.- La Geoestadstica No Lineal. La segunda generacin vio el establecimiento de la escuela de Fontainebleau. En Mayo de 1968, fue creado el Centro de Geoestadstica, en la atmsfera tranquila de Fontainebleau segn Matheron (1987).

GEOESTADSTICA Durante este periodo se hicieron grandes contribuciones por diversos autores, entre los que destacan: M. David, A.G. Journel, Ch.J. Hiujbrets, P. Delfiner, entre otros.

1974 1987.- La tercera generacin estuvo dedicada a resolver problemas ms complejos asociados con la seleccin y combinacin de bloques de mena, Matheron introduce el modelo de Kriging Disyuntivo. Durante este periodo ocurrieron numerosas actividades relacionadas con el cambio de soporte, la funcin de transferencia, parametrizacin de reservas, selectividad de la distribucin, la simulacin, el estudio de casos multivariados, etc. En 1980 W.J. Kleingeld, propuso el problema de extrema asimetra distribuidos en porciones discretas del yacimiento. Durante este periodo, fue tambin desarrollado por A.G. Journel el Kriging de Indicadores y una forma especial de Kriging Disyuntivo.

GEOESTADSTICA En la actualidad, los dominios de aplicacin de la Geoestadstica son amplios, sin mencionar directamente a la minera que es el campo que le dio origen, se pueden mencionar: El petrleo, en la caracterizacin de reservorios. La salud, en la distribucin espacial de enfermedades. La ingeniera civil, en la construccin de obras de grandes dimensiones que exigen del conocimiento de la variabilidad espacial de las propiedades del terreno. En la cartografa, la hidrogeologa, el medio ambiente, los campos forestales, etc.

Preguntas??