Geoestadstica Minera

Aplicada

Joel Pea Abreg

Lima, Per

1
 Geoestadstica Minera
Aplicada

1. Introduccin y definiciones.
2. Revisin de los Mtodos Tradicionales de Estimacin
3. Prerrequisitos Geolgicos.
4. Prerrequisitos Estadsticos.
5. El Variograma: Clculo e Interpretacin.

2
 1. Introduccin y definiciones.

3
 Objetivos y Lineamientos
Este es un curso introductorio a la Geoestadstica aplicada a la
actividad Minera para Gelogos e Ingenieros con poca o ninguna
exposicin previa a esta materia.
El objetivo de este curso es dotar a los participantes de:
Un conocimiento fundamental slido de los conceptos y mtodos
de la geoestadstica aplicada a la minera.
Un entendimiento de cmo la geoestadstica puede ser usada para
crear modelos numricos de los Recursos de un Yacimiento,
integrados a la comprensin de la geologa de este.
Herramientas para la aplicacin prctica de la geoestadstica en
diversas reas de la actividad minera.
Los elementos de la geoestadstica avanzada.
Entrenamiento bsico en el uso del software geoestadstico ISATIS.
El material y la didctica siguen los lineamientos del Centre de
Gostatistique de la cole Nationale Suprieure des Mines de Paris, y
del Centre for Computational Geostatistics de la University of
Alberta.

4
 Contexto General: El Modelado Numrico
Modelo: Representacin abstracta
o concreta de un objeto o sistema
desde un punto de vista en
particular y con fines particulares.
Histricamente la ciencia se ha
ocupado de recolectar datos y
experimentar extensivamente
para luego deducir leyes y
relaciones.
Actualmente la ciencia esta
abocada mayormente a entender
y cuantificar las leyes fsicas, y a
crear modelos numricos de los
fenmenos.
Se acepta que la incertidumbre es
ubicua y no puede ser eliminada.
5
 Contexto Particular: El Modelado
Geolgico de yacimientos mineros.
Adquisicin, Manejo
Modelado Geomtrico
Basado en el libro Practical Geostatistics, Modeling and Spatial Analysis, por Simon W. Houlding

Y Validacin de Datos

Representacin 3D de las
Mapeo
Geolgico
Datos de
Taladros y Canales caractersticas geolgicas
Observaciones:
Muestras de del yacimiento.
Taladros y
Mapeo + Logueo Canales Creacin de dominios
Interpretacin Anlisis Estadstico
y Geoestadstico
para la interpolacin de
Influencias
Interactiva
Geolgicas leyes
Estructuras +
Litologa

Modelos
Geomtricos
Estimacin / Simulacin
de Leyes
Modelado Numrico
Controles
de mineralizacin
Valores
Representacin y anlisis
Estimados y
Certeza de de la variabilidad espacial
Estimacin

Dominios
de una variable
Geolgicos 3D Modelo de
Bloques regionalizada
Modelo de Permite la estimacin y
Modelado leyes 3D Modelado
Geomtrico Numrico manipulacin de los
Inventario de
Recursos valores requeridos para
6
el control de leyes y el
inventario de Recursos y
 La Geoestadstica
La Geoestadstica es una rama de las matemticas aplicadas,
especficamente de la Estadstica Espacial, que comprende
una serie de tcnicas interrelacionadas cuyo objetivo es
proveer una descripcin cuantitativa de variables distribuidas
en el tiempo o en el espacio por medio de la aplicacin de
mtodos probabilsticos.

7
 El desarrollo de la Geoestadstica
La Geoestadstica se inici en los 60s por Krige y Sichel en frica del Sur
y Matheron en Francia.
El profesor Georges Matheron (1930-2000) elabor los mayores conceptos
de la teora para la estimacin de recursos, los cuales se plasmaron en el
monumental Trait de Gostatistique applique (1962-1963).
Dos de los primeros discpulos de Matheron (Journel y David) fundaron en
EE.UU. y Canad nuevos centros de investigacin geoestadstica en los
70s.
Rpidamente la aplicacin de las tcnicas geoestadstica lleg a ser
popular en la minera y meteorologa.
Las aplicaciones en la industria del petrleo se difundieron a mediados de
los 80s con el uso de la simulacin condicional.
Actualmente estas tcnicas son aplicadas en los campos mas diversos,
desde la industria pesquera y forestal, hasta las ciencias ambientales y la
epidemiologa.

8
 Para qu y para que no sirve la
Geoestadstica?
La geoestadstica:
Incluye todas las restricciones geolgicas y fsicas conocidas
Provee herramientas para cuantificar y aprovechar la correlacin
espacial de las variables.
Provee algoritmos para el modelado geolgico numrico y la
cuantificacin de la incertidumbre.
No hace el proceso de modelado mas fcil
La Geoestadstica es til para:
Poner la geologa en nmeros
Estimacin
Cuantificar la incertidumbre
Diseo de muestreo
Simulacin / Anlisis de riesgos.
La Geoestadstica no:
Reemplaza datos adicionales de calidad
Reemplaza al sentido comn y crtico
Trabaja bien como una caja negra
Ahorra tiempo.

9
 Aplicaciones de La Geoestadstica en la
Minera.
Estimacin de Recursos
Optimizacin de la malla de taladros y del muestreo
Optimizacin del control de leyes
Modelado de variables categricas (tipos de roca)
Creacin de mapas de anomalas para la exploracin
geoqumica.
Modelado de variables geomecnicas y de fracturas.
Modelado de las propiedades metalrgicas del mineral in
situ.
Modelado del potencial de generacin de drenaje cido
de la roca in situ.
Cuantificacin de la incertidumbre geolgica y de leyes
en los recursos.
Anlisis de riesgo y sensibilidad en los recursos.

10
 Algunos Conceptos geoestadsticos clave
(1)
Campo: Zona de Estudio.
Soporte: Volumen y calidad
de la muestra.
Variable Regionalizada
(V.R.): Es cualquier variable
distribuida en el espacio y/o el
tiempo cuyo valor depende de
su ubicacin espacial y/o
temporal y al mismo tiempo
presente interdependencia o
asociacin espacial y/o
temporal con los valores
vecinos.
11
Ejemplos de Variables
Regionalizadas en la Minera y
Geologa:
Las leyes de los metales y la
concentracin de
contaminantes.
La litologa y alteraciones
La densidad de las fracturas.
La elevacin topogrfica.
El espesor de los estratos y
la potencia de las vetas.
Etc.
Una variable regionalizada esta
compuesta por un componente
aleatorio y un componente
estructurado.
 1.9 Algunos Conceptos geoestadsticos
clave (2)
Funcin Aleatoria: Los valores
en puntos no muestreados son
conceptualizados como
realizaciones z(x) de una
funcin aleatoria Z(x). Las
leyes verdaderas, pero siempre
desconocidas, del yacimiento
conforman una realizacin
particular de Z(x).
Esta conceptualizacin permite
el uso de mtodos
probabilsticos al estudio de las
variables regionalizadas.
12
(Auto)correlacin o
interdependencia
espacial: En la naturaleza
es muy comn que los
valores de una variable
tomen valores muy
similares a sus vecinos en el
espacio y/o tiempo. Este
comportamiento observable
de las variables naturales es
medido y aprovechado por
la geoestadstica.
 1.9 Algunos Conceptos geoestadsticos
clave (3)
Hiptesis de Estacionareidad: La
inferencia estadstica en el espacio
depende de que la distribucin de la
V.R. sea invariante en todo el
campo, particularmente que la
media y la varianza sean constantes
(Estacionareidad fuerte).
Sin embargo, esta hiptesis no
siempre puede ser justificada, por lo
que la geoestadstica hecha mano a
la hiptesis de estacionareidad
dbil: que la media sea constante y
que se pueda medir la
interdependencia espacial.
Existen diversos mtodos para
convertir un fenmeno no
estacionario a uno estacionario.
13
Incertidumbre: Si las
partes del yacimiento que no
han sido muestreadas fueran
excavadas y muestreadas
exhaustivamente y sin error,
cualquier modelo numrico
elaborado con los datos
originales resultara errneo.
La incertidumbre no puede
ser eliminada
Existe debido a nuestra
ignorancia y falta de
informacin y conocimiento.
No es una propiedad
inherente al depsito.
 2. Revisin de los Mtodos Tradicionales de
Estimacin.

14
 Promedio Ponderado en Paneles
Es usado comnmente para la
V A l
estimacin de recursos en vetas.
Primero se calculan las leyes promedio
T V
de las labores (Ll) adyacentes El resultante modelo de leyes
promediando las leyes de las muestras del yacimiento se presenta como
un conjunto de valores
z(xi) ponderas por su longitud
m
li: constantes para cada panel.
L
n

l z( x )
i i
l
l l Es muy sensible
aglomeraciones de datos y
a las
Ll i Lp
n m
requiere asumir la influencia de
l i l las leyes de una forma difcil de
i l justificar geolgicamente.

La ley final del panel (Lp) se obtiene

promediando las leyes de las labores
(Ll) ponderadas por su longitud (l)
El volumen (V) y el tonelaje (T) de panel
es calculado como el producto del area
del Panel (A) yl la potencia promedio ( ),
y luego por la densidad promedio () de
la roca in situ:
15
 Poligonales
Es empleado con taladros verticales. El modelode leyes resultante
A cada taladro se le asigna una zona es un mosaico de reas de
de influencia poligonal. ley constante.
Remueve el sesgo producido
Los polgonos son construidos por la aglomeracin de datos.
intersecando las perpendiculares a los
puntos medios de los segmento que
unen los taladros.

El volumen de influencia de cada

taladro equivale un prisma cuya
seccin es el polgono y de altura igual
a la profundidad del taladro central.

A cada prisma as construido se le

asigna una ley constante que
corresponde a la ley promedio del
taladro central.

16
 Inverso de la Distancia
Se usan todas las muestras
circundantes, asignando a cada
una un peso inversamente
proporcional a su distancia al
bloque, segn la siguiente frmula:
Donde:
n
1 v* es el valor estimado del

i 1 d i

zi bloque, z1, zn son las leyes
v n
*
de las n muestras circundantes
1
i 1 d i
di es la distancia del bloque a
cada una de estas muestras.
es un factor 0

Este mtodo puede atribuir demasiado

peso a las muestras cercanas a los bloques. El exponente regula la influencia
El de las muestras cercanas vs. las
modelo resultante muestra un
lejanas, y por ende el suavizado de
zoneamiento gradual de valores altos y
los resultados.
bajos.
Este factor se determina por
Es tambin muy sensible a la aglomeracin
ensayo y error, sin relacin directa
de datos. a la continuidad de las leyes.

17
 Principales deficiencias de los mtodos
tradicionales de estimacin.
No usan una medida de la correlacin espacial de las leyes,
debido a esto:
No discriminan entre regiones donde las leyes se comportan
regularmente de otras donde pueden ser mas aleatorias.
No distinguen las direcciones preferentes de la continuidad de las
leyes.

No propician la inclusin de criterios geolgicos en el

modelado numrico de las leyes.
Son mtodos determinsticos, no proveen medidas del error
de estimacin.

Presentan un sesgo condicional muy pronunciado, es decir, la

sobreestimacin de las zonas de baja ley, y la subestimacin
de zonas de alta ley.

18
 3. Prerrequisitos Geolgicos.

19
 Dominios de Estimacin
Diferencias en la media, la distribucin, el
error estndar y/o la variabilidad espacial
entre grupos de muestras, en diferentes
partes del yacimiento o rea de estudio, son
usados para delimitar los dominios de
estimacin.

Las diferencias en la mineraloga, la

metalognesis, el estilo de la mineralizacin,
la presencia de estructuras que actan como
focos de alimentacin feeders o lmites de la
mineralizacin, alteraciones y tipos de rocas o
estratos favorables a la mineralizacin, es
decir todos los controles de mineralizacin,
deben ser tambin considerados para definir
los dominios de estimacin.

De similar forma, en las aplicaciones

ambientales es preciso reconocer las
caractersticas del entorno que podran afectar
la distribucin de la variable analizada.

20
 Delimitacin de los Dominios de
Estimacin
La delimitacin de los dominios de
estimacin debe ser hecha teniendo en
cuenta tres tipos de contactos:
Contactos Geolgicos: Son limites o
superficies entre diferentes tipos de
roca, edades de los estratos, o
caractersticas de la roca. Entre estos,
los contactos estructurales pueden
actuar como lmites de la mineralizacin,
pueden ser conductos o albergar la
mineralizacin, o pueden ser causantes
de estilos de mineralizacin diferentes.
Contactos de Mineralizacin: Son
limites entre los cuales la mineralizacin,
o la distribucin de las leyes se
comporta de forma diferente.
Contactos Econmicos: Son lmites
entre cut-offs o materiales diferentes,
delimitan porciones del yacimiento que
deben ser extradas y tratadas de forma
diferente al resto

21
 El Modelo de Bloques
Un modelo de bloques es un
arreglo 3D de volmenes
rectangulares de dimensiones
regulares.
Tambin puede ser entendido
como una grilla ortogonal 3D.

Es determinado por un origen,

orientacin, las dimensiones de
cada volumen individual (bloque)
y su extensin XYZ en un sistema
de coordenadas relativo.
El tamao de los bloques es
determinado segn los objetivos
de la caracterizacin 3D, la
distribucin espacial de las
muestras, los requerimientos de
la estimacin geoestadstica y las
condiciones de minado.

22
 Objetivos del Modelo de Bloques
El principal objetivo del modelo
de bloques es proveer un
medio para la representacin
de la variacin de una
variable regionalizada.

La variabilidad de esta variable

es representada asignando
valores apropiados a los
centroides de cada bloque.

Un objetivo secundario es
proveer una plataforma para la
manipulacin de la variable
segn los objetivos de la
caracterizacin.

23
 Integracin del Modelo de Bloques y los
Dominios de Estimacin
Los volmenes geolgicos son
intersecados con el modelo de
bloques, determinndose de
forma precisa que bloques, y
cuanto de ellos, caen dentro de
cada dominio.
De esta forma se asigna valores
categricos que dependen del
dominio intersecado a cada
bloque.
Esto nos permite limitar la
estimacin de una variable en
aquellos bloques que intersequen
un dominio o caracterstica
geolgica particular.
Cada bloque puede intersecar
mas de una caracterstica
geolgicas

24
 4. Prerrequisitos Estadsticos.

25
 La Funcin de Distribucin Acumulada
(CDF)
Se define como la probabilidad
de no exceder un cut-off z:
F ( z ) Prob{Z z} [0,1]
Propiedades:
F(z) no decrece
F(z) [0,1]
F(-) = 0, y F() = 1
La curva de Hazen: Presenta los
intervalos de probabilidades
distorsionados, de forma que la
distribucin acumulada se aparece
como una lnea recta si la
distribucin es normal y se emplea
una escala aritmtica, o si la
distribucin es lognormal y se
emplea una escala logartmica.

26
 La Funcin de Distribucin de
Probabilidades PDF)
La PDF es la derivada de la
El Histograma: Presenta el
CDF:
F ( z dz ) F ( z ) porcentaje (frecuencia) de
f ( z ) F ( z ) lim muestras que se encuentran
dz 0 dz distribuidos en cada intervalo de
valores.

F ( z) f ( z)dz

Dist. simtrica

Dist. Sesgada a la derecha

Distribucin multimodal

27
 Cuantiles
El Cuantil p de la distribucin
F(zp) es el valor zp para el cual:

F ( z p ) Prob{Z z p } p [0,1]

Por lo tanto, el Cuantil puede

ser expresado por la forma
inversa del CDF:
q( p) F 1 ( p)

1er cuartil: p = 0.25

2do cuartil: mediana, p = 0.5
3er cuartil: p = 0.75 Intervalo del 90% de
probabilidad.

28
 Medidas de Tendencia Central
La Media: Es el valor mas Media o Valor esperado de una
representativo de una distribucin distribucin:
simtrica o normal.

z f ( z)dz
Para muestras de igual soporte:
E{Z }
1 n
m xi
n i 1
Propiedades:
Para muestras de soporte diferente:
n Donde xi, son las leyes E{a} a
i xi n es el numero de muestras, y E{aZ } aE{Z }
i m i 1
n
es el peso de cada muestra
E{ X Y } E{ X } E{Y }
i
i 1

La Mediana: es el valor que divide

un grupo de muestras o una
poblacin en dos mitades iguales

29
 Medidas de Dispersin
La Varianza. Es el promedio del Varianza de una distribucin:
cuadrado de las diferencias entre los
valores y la media. Se expresa como:
2 E [ Z m] 2 E Z 2 m 2
n
s ( xi m) 2 / n 1
2 Var {Z }
i 1
Varianza ponderada:
La Desviacin Estndar. Es la raz
cuadrada de la varianza, tiene la n n
ventaja que puede ser expresada en
las mismas unidades que los datos. i 1
i zi2

i 1
i m 2

s2
s s2 n
El Coeficiente de Variacin. Se n

i

calcula como el cociente entre la
desviacin estndar y la media:

i 1
i i 1
n


Es usado para comparar la


variabilidad de las leyes relativa a la
media entre diferentes dominios o
yacimientos.
CV s / m
30
 La Covarianza
Es la extensin de la varianza a dos
variables.
Cov{ X , Y } E{[ X m X ][Y mY ]}
E{ XY } m X E{Y } E{ X }mY m X mY .
E{ XY } m X mY m X mY m X mY
E{ XY } m X mY

La covarianza entre la misma variable es

Cov{ X , X } Var { X }
la varianza:

31
 Correlacin
El coeficiente de correlacin es una Grfico de Correlacin
medida de dependencia lineal entre
dos variables:
Cov{ X , Y }
XY [1,1]
Var ( X )Var (Y )

Tambin se le conoce como

covarianza estandarizada

Si , las dos variables

XY 1
estn perfectamente
correlacionadas.

Si las variables son independientes

el coeficiente de correlacin es cero.

Si no implica que las

XY 0
dos variables sean independientes.
32
 Altos Errticos
Un alto errtico es un valor que es mucho mas alto que el resto de la
poblacin, particularmente en comparacin a los valores de las muestras
vecinas.
No es lo mismo Errtico que Errneo.

Existen mtodos estadsticos de identificacin de altos errticos pero sus

resultados deben ser validados por la observacin y el sentido comn.

Grupo de leyes
Que se separan
de la tendencia

Los altos errticos tambin pueden ser identificados visualmente o usando una curva
de Hazen.

33
 Tratamiento de los Altos Errticos
Los altos errticos pueden ser indicadores
de zonas anmalas interesantes o en
algunos casos la presencia de unos
cuantos puede determinar la viabilidad de
un proyecto. Debido a esto no siempre la
mejor solucin es eliminarlos o reducirlos
a un valor arbitrario.

a) Correccin usando el Grfico de

Hazen:
Los valores mas altos son transformados
haciendo que caigan sobre la recta que
forman los valores mas bajos en el grfico

b) Reduccin del valor mas alto.

Si hay un solo valor que es
significativamente superior que los
dems, entonces este valor mas alto
puede ser reducido al valor
inmediatamente inferior.

34
 Desaglomeracin (Declustering)
Es una prctica comn que
se tomen mas muestras en
las zonas ricas que en las
zonas de baja ley. Esto
produce un sesgo en las
estadsticas e incluso la
sobreestimacin de la ley.

Esta no es necesariamente
una mala prctica y no debe
ser cambiada, ya que
proporcionan mayor
informacin en las zonas
mas importantes del
depsito.

Para reducir este sesgo y

obtener un conjunto de
datos estadsticamente
representativos es necesario
aplicar una de las tcnicas
de desaglomeracin

35
 Mtodos de Desaglomeracin
Para un tamao fijo de celda y Desaglomeracin
diferentes orgenes producen poligonal:Cada muestra es
diferentes pesos. ponderada por el rea de su
polgono de influencia.
Esto se evita considerando
Es difcil de implementar en 3D
mltiples orgenes.
El tamao de celda ptimo es el
que minimiza la media
desaglomerada.

Desaglomeracin por celdas.

El volmen de inters es dividido en
una malla de celdas regulares. I=1,
.,L
Se registra el nmero de celdas
ocupadas L0 y el nmero de
muestras en cada celda ni:
i 1 (ni L0 )
36
 Modelos Paramtricos de Distribucin
Existen muchas distribuciones de
probabilidades (PDF o CDF) cuyas
formas puede ser descrita por
una expresin analtica que
depende de un nmero finito de
parmetros.

En geoestadstica la mas usada

es la distribucin gaussiana, cuya
PDF se expresa como:

Donde es la media y la
desviacin estndar de la
distribucin.

37
 Propiedades de la distribucin Gaussiana
Teorema del Lmite Central: Si una poblacin, cuya PDF de
media y desviacin estndar puede tener cualquier forma,
es muestreada al azar en subgrupos de N muestras. La
distribucin de las medias de estos grupos tiende a ser
gaussiana con media y desviacin estndar /N

38
 Anamorfosis Gaussiana
Sirve para transformar cualquier distribucin a una distribucin
Gaussiana o normal.
Es muy usada para variables continuas.
Pasos:
1. Construir la distribucin acumulada F(z) de la variable Z.
2. Equiparar los cuantiles y hallar1 los valores correspondientes en
y
la distribucin normal. Esto es:( F ( z ))
G
G( y)
Donde es la distribucin normal estndar

Un paso posterior puede requerir el ajuste de la distribucin

transformada con polinomios de Hermite.

39
 Simulacin Montecarlo
Sobre una CDF conocida y
representativa de la poblacin de
muestras, considerar la funcin
cuantil:
q ( p ) F 1 ( p ) x p

Generar los valores p al azar

p [0,1]
Generar un nmero aleatorio,
, de distribucin uniforme.

La funcin cuantil q(p) arroja el valor

simulado Xp.

Es aconsejable contar con un

generador de nmeros aleatorios
robusto.

40
 5. El variograma Calculo e Interpretacin.

41
 Correlacin Espacial
Como se puede ver en los
mapas de la derecha, si bien
todos comparten el mismo
conjunto de datos, la
estructura de la correlacin
espacial es diferente.

La correlacin y variabilidad
espacial dependen de la
distribucin detallada de las
leyes en el espacio.

Los variogramas, reflejan

estas diferencias en la
estructura de la variabilidad
espacial.

42
 Anlisis de la Variabilidad y correlacin
Espacial:
El Variograma
La estimacin geoestadstica de valores en puntos no muestreados requiere
de una medida de la variabilidad espacial de una variable regionalizada.
La variabilidad entre un par de muestras z1 y z2 es dada por:

2 12 ( z1 z 2 ) 2
Cada par de muestras est separada por un vector
h
Si tenemos n pares de muestras separadas por es preciso
h h
promediar la variabilidad espacial entre los pares:
n
2 (h) (z z
i 1
i i (h h)
)2

Esta es la frmula del Semi-Variograma, y se entiende como la semi-

varianza de las diferencias entre pares separados por un vector h, o lo
que es lo mismo: La media de la diferencia al cuadradoh de los valores
separados por un vector :
2 (h) E{[ Z (u ) Z (u h)]2 }

Propiedades: ( 0) 0 (h) 0 ( h) ( h)

43
El Variograma Experimental
Es un grfico de la varianza de la
diferencia entre pares a diferentes
distancias para una orientacin
determinada.
Es calculado por la siguiente frmula:

1
2 ( h)
N ( h) N ( h )
[ z (u ) z (u h)]2

En la prctica, especialmente cuando

los datos estn irregularmente
localizados, un haz de bsqueda es
usado para encontrar los pares
Incremento de
La variabilidad separados a cierta distancia.
Este haz se mueve de nodo a nodo, y
cambia su longitud para diferentes
separaciones (Lags).

44
 Parmetros para el Clculo del
Variograma Experimental
Tamao de los Incrementos de
Distancia (Lag Spacing): Debe
ser coincidente con la separacin
media entre las muestras.

Nmero de Incrementos: Es
determinado por el tamao de los
incrementos y las dimensiones del
rea de estudio. Una regla
prctica es restringir la variografa
a la mitad de la diagonal del rea
de la zona de estudio.
Tolerancia Angular: Est
determinada por la anisotropa
esperada de la mineralizacin y
por la densidad del muestreo.
Lmite de Tolerancia Angular:
Sirve para restringir el cono de la
tolerancia angular cuando esta a
alcanzado determinada abertura.

45
 Componentes del Variograma
La distancia a la que el
variograma se estabiliza es el
alcance, y es la distancia donde
se pierde la correlacin espacial.

2
El efecto pepita es la
variabilidad a muy corta escala o Meseta = C1
producida por errores de
muestreo y anlisis.
Efecto
Pepita = C0
La meseta es la altura a la que el
variograma se estabiliza.
Alcance

La meseta mas el efecto pepita

suele ser cercana a la varianza, la
variabilidad media de todas
las muestras.

46
 Interpretacin del Variograma
Experimental
Tendencias: Una deriva en el variograma experimental indica
la presencia de una tendencia en los valores reales en la
direccin de tal variograma.
La presencia de una tendencia posa un problema a la decisin
de estacionareidad.
Pero puede ser removida ajustando una curva determinstica.
El variograma sin tendencia se calcula con los residuales.
La tendencia es reintroducida al momento de modelar las leyes.

47
 5.6 Interpretacin del Variograma
Experimental (2)
Ciclicidad: Puede estar vinculada a periodicidad geolgica como secuencias
en la estratificacin favorable a la mineralizacin.
Pero tambin puede deberse a la escasez de datos.

48
 5.6 Interpretacin del Variograma
Experimental (3)
Anisotropa Geomtrica: Se da cuando el alcance de la correlacin

espacial vara a diferentes direcciones.

Esta es producida usualmente por la direccin del flujo de la
mineralizacin, por procesos de deposicin, o el sentido de la
dispersin de los contaminantes.

49
 5.6 Interpretacin del Variograma
Experimental (4)
Anisotropa Zonal: Es cuando la magnitud de la variabilidad (meseta)
cambia segn la direccin.
Suele producirse por la presencia de diferentes estratos o capas, lo que
incrementa la varianza en la direccin perpendicular a la estratificacin.
Tambin es producida por un incremento de la varianza entre taladros, que
puede ser mayor a la varianza a lo largo de los taladros.

50
 El Mapa de Variogramas
permite analizar rpidamente el comportamiento espacial de una
variable a diferentes direcciones, esto se logra por medio de un
sistema de coordenadas esfricas donde las curvas de isovaloras
representan el valor del variograma a diferentes direcciones y
mdulos del vector h.

51
 El Variograma la Covarianza y el
Correlograma
Bajo la decisin de estacionareidad, el variograma, la covarianza
y el correlograma (correlacin), son herramientas equivalentes
para caracterizar la variabilidad espacial de dos puntos:
(h) 2 C ( h) 2 [1 (h)]
Donde: C (h) E{Z (u ) Z (u h)} E{Z (u )} E{Z (u h)} C (0) 2
La covarianza mide la continuidad de las leyes, mientras que el
variograma mide la variabilidad.

52
 Las Ciencias no tratan de explicar, ni siquiera de
interpretar, ellas mayormente slo construyen
modelos. Por un modelo se entiende una
representacin [matemtica] que, junto a cierto
nivel de interpretaciones verbales, describe el
fenmeno observado. La justificacin de tal
representacin [matemtica] es solamente y
precisamente que se espera que esta funcione.

Johann Von Neumann

Cientfico computacional y matemtico (1903
1957)

53
 Gracias

54