NOCIONES FUNDAMENTALES

Yacimientos Minerales
El yacimiento se ve como muestra
una reunión de bloques,
que serán estimados a
partir de datos cercanos
(muestras de sondajes o de
pozos de tronadura).

En las muestras han sido bloque

medidos los atributos de límite de zona mineralizada

interés: leyes (cobre, oro,

arsénico...), densidad de la
roca, tipo de roca... límite de zona mineralizada
 ¿PARA QUÉ SIRVE EVALUAR LOS
RECURSOS Y RESERVAS?

 reporte de recursos / reservas

 estudio de factibilidad

 diseño de la explotación

 planificación

 control de leyes: mejorar la selección entre mineral y estéril

MINERAL

Material que tiene un interés económico, en oposición a estéril

Esta definición depende de varios factores:

• temporales (precio del metal, tecnología...)

• legales (normas de seguridad, ambientales...)

• ubicación (infraestructura disponible)

• tasa de descuento...
LEY

Es la concentración de un elemento en el subsuelo (elemento principal,

subproducto o contaminante)

POTENCIA, ACUMULACIÓN

LEY DE CORTE

Se trata de un valor de ley que separa categorías distintas de material,

por ejemplo mineral y estéril
DILUCIÓN

La dilución se refiere al hecho de mezclar (no separar) el mineral del

estéril. Puede deberse a varios factores:

• dilución interna

geométrica: debido al contacto entre mineral y estéril

inherente (selectividad debida al tamaño de bloque)

• dilución externa o de operación

 RECURSO Y RESERVA MINERAL
El concepto de recurso no está conectado a un objeto o a
un material, pero si al valor asociado.

Ej. Los depósitos de caolín en el Devon (UK)

- Se formaron 300 millones de años atrás.
- La historia del hombre los ignora.
- En 1745, W. Cookworthy descubre el uso cerámico para
producir porcelanas. (sucesivamente, será identificado la
utilización para papel).
- Hoy esos depósitos garantizan la mayoría de la producción
inglesa de caolines.
 DEFINICION DE RECURSO Y RESERVA
-En 200 años (periodo breve) vuelven a ser un recurso
importante.
- El adelanto tecnológico modifica el status de una
substancia (ej. U. Th., en los últimos 80 años).
- La evaluación puede ser restringida a un conjunto
limitado de individuos, pero homogéneo culturalmente
y viceversa.
 DEFINICION DE RECURSO Y RESERVA
Los depósitos de silex de Grimes Groves (UK)
-Centro de producción de 2500 hasta 1400 AC. (110
años, Neolítico).
- La llegada de las edades del bronce, del Cobre, y del
Hierro, anulan el interés.
- Desde entonces el área se quedó deshabitada.
RECURSO GEOLÓGICO

Concentración u ocurrencia de material de interés económico intrínseco

en o sobre la corteza de la Tierra en forma y cantidad en que haya
probabilidades razonables de una eventual extracción económica

Se habla indistintamente de recursos geológicos, minerales o in situ

RESERVA MINERA

Es la parte económicamente explotable de un recurso mineral. Incluye

dilución de materiales y tolerancias por pérdidas que se puedan
producir cuando se extraiga el material.

Contempla la consideración de y modificación por factores

razonablemente asumidos de extracción, metalúrgicos, económicos, de
mercados, legales, ambientales, sociales y gubernamentales.
 CATEGORIZACIÓN DE RECURSOS Y RESERVAS

Existen varios códigos internacionales para guiar la categorización de recursos y reservas:

JORC (Australia), SAMREC (Sudáfrica), CIM (Canadá), IMM (Europa), SME (Estados
Unidos)...
 CLASIFICACION DE RESERVAS
MINERALES Y ENERGIAS FOSILES
Criterios Generales según (UNCF)
-Viabilidad Económica y comercial (E).
-Estudio y viabilidad del proyecto (F).
-Conocimiento Geológico (G).

La mayoría de las clasificaciones

adoptan los mismos criterios,
implícitamente o explícitamente.

La UNCF hace el cuadro de referencia

para la armonización de las
clasificaciones existentes.
 CLASIFICACION DE RESERVAS
MINERALES Y ENERGIAS FOSILES
Las Clases y las Categorias
-Tres categorías principales para la
viabilidad económica y comercial.
-Tres categorías para describir el
estado y la viabilidad del proyecto.
-Cuatro categorías para describir el
nivel de reconocimiento Geológico (G).

Una clase de cantidad, corresponde a

un cubo (ej. 111) o a un conjunto de
cubos.

Los recursos totales son una clase que

incluye todos los cubos.
 CLASIFICACION DE RESERVAS
MINERALES Y ENERGIAS FOSILES
Categoría de las Reservas
- E1 Económicas.
- E2 Potencialmente Económicas.
- E3 Intrínsicamente Económicas.
- F1 Estudio de viabilidad.
- F2 Estudio de Pre-Viabilidad
- F3 Estudio Geológico.
- G1 Prospección de detalle.
- G2 Prospección general.
- G3 Prospección
- G4 Estudio de reconocimiento.
 CLASIFICACION DE RESERVAS
MINERALES Y ENERGIAS FOSILES
Cantidad de los Recursos y Reservas
- Las Reservas Mineras
Demostradas 111
Probables 121 + 122
-Los Recursos Mineros
. Con viabilidad 211
. Pre-viabilidad 221 + 222
. Medidos 331
. Indicados 332
. Previstos 333
. Reconocidos 334
 ¿DONDE INTERVIENE LA
GEOESTADISTICA?
La Geoestadística, interviene directamente o
indirectamente en todos los tres ejes del sistema de
clasificación:
-En el cálculo objetivo de la confianza de las
estimaciones y en la optimización de ellas.
- En el control de proceso de selección.
- En suministrar los elementos para soportar las
diferentes elecciones del proyecto.
- En contribuir a un cuadro probabilístico del cash-
flow y al cálculo de los índices asociados
 ¿DONDE INTERVIENE LA
GEOESTADISTICA?
El análisis geoestadístico de datos interviene en todas las etapas de un
proyecto minero:

• Estudio geológico (largo plazo)

 puede indicar direcciones de continuidad, restringir o

ampliar la extensión de la zona de interés

• Campaña de exploración

 evaluar y categorizar los recursos in situ (evaluación

global)

 justificar la producción de largo plazo

 ¿DONDE INTERVIENE LA
GEOESTADISTICA?
• Estudio de factibilidad y operación

 campaña de sondajes en malla densa

 modelamiento geológico

 estimación local de recursos para determinar reservas

mineras, planificar la producción de mediano y corto
plazo, clasificar cada bloque como mineral o estéril

 reporte (inventario) de los recursos y reservas, detallando

su cantidad y su confiabilidad

 auditoria para comprobar la evaluación

 ¿DONDE INTERVIENE LA
GEOESTADISTICA?
• Explotación

 mediciones en pozos de tronadura

 control de leyes: definir qué bloques mandar a planta o

botadero

 reconciliación mina - planta

A medida que avanza el proyecto minero, se tiene un conocimiento más

completo del depósito y se actualiza los modelos geológicos y de recursos /
reservas para incorporar la información nueva.
Ejemplo: pórfido cuprífero en el cual se mide la ley de cobre

La densidad del muestreo influye en el conocimiento de la continuidad

espacial de los valores (regularidad, anisotropía...)
 VARIABLE REGIONALIZADA

Una variable regionalizada es una función que

representa el desplazamiento en el espacio de un
atributo asociado a un fenómeno natural
(mineralización)

Ejemplos:
• leyes en cobre, arsénico, molibdeno
• densidad de la roca
• potencia y acumulación de una veta
• código de litología
 VARIABLES REGIONALIZADAS (2)

En términos mineros se define la geoestadística como

la aplicación de la teoría de las variables regionalizadas
a la estimación de los recursos mineros.

Una variable regionalizada es una función que

representa la variación en el espacio de una cierta
magnitud asociada a un fenómeno natural.

Sea x un punto del espacio. Se designa la variable

regionalizada por la notación z(x).
Notación condensada

Antes de estudiar ejemplos de variables regionalizadas,

mencionemos que en geoestadística se utiliza la notación
condensada: Un punto del espacio se representa por la letra x.
Por ejemplo la ley en el punto x se representa por z(x). Por
consiguiente, z(x) puede significar:

• z(x) si el problema es unidimensional (1-D)

• z(x1, x2) si el problema es bidimensional (2-D)
• z(x1, x2, x3) si el problema es tridimensional (3-D)

Se observa que existen problemas de notación: Se acostumbra a

designar una variable regionalizada con la letra z, lo cual coincide
con la notación utilizada para la cota o elevación.
 Ejemplos de variables regionalizadas

Ejemplo 1: En el espacio de una dimensión, sea z(x) = Ley de Cu a lo largo de una

galería:

Figura 2: Galería reconocida entre

Figura 1: Canaletas en una galería.
los puntos A y A’

Las leyes de las canaletas se

pueden graficar:

Figura 3: Leyes de canaletas

entre A y A’.
Ejemplo 2: En la dimensión tiempo (una dimensión t), el precio de un metal p(t).

Fig. 4: Precio del cobre (promedio mensual 1987-2005) en centavos de dólar / libra.

Ejemplo 3: En el espacio de dos dimensiones, sea z(x1, x2) = z(x) = potencia

mineralizada en un yacimiento de nitratos:
Ejemplo 4: En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = Ley de Cu
en el punto x dentro de un depósito masivo:
En un depósito de este tipo se
puede comprobar que la ley
de cobre se comporta de
manera diferente en la zona
de óxidos y en la zona de
sulfuros. Esto nos conduce a
considerar para la ley de
cobre, dos variables
regionalizadas diferentes.
Figura II.6: Caso típico de depósito de óxidos-
sulfuros. La capa superior corresponde a grava
o coluvio.

Ejemplo 5: En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = densidad
de la roca en un punto x dentro de un depósito minero:
Observación:
Los ejemplos anteriores nos muestran que una variable regionalizada es
simplemente una función z(x) del punto x. Sin embargo, esta función no se
comporta como las funciones que se estudian en Matemáticas: En general z(x)
es muy desordenada en su variación espacial y no se podrá expresar, en
particular, z(x) como un polinomio.

Una variable regionalizada es una variable definida en cada punto de un

dominio espacial (espacio 1D, 2D, 3D).

-Marcamos la coordenada con x

- La VR se escribe con z(x)
- El término regionalizada
especifica que la función
numérica depende de la
localización
Una variable regionalizada se caracteriza por:
• su naturaleza (continua / categórica)
• su dominio de extensión (campo)
• su soporte, por ejemplo:
sondaje HQ de 1m
unidad selectiva de explotación de 5m  5m  5m
La distribución de los valores depende del soporte
en el cual se mide la variable (efecto de soporte, que
tiene consecuencia en la selectividad)
 CASO A Media = 3,08 Varianza = 4.0416

CASO B Media = 3,08 Varianza = 4.0416

Notamos una marcada diferencia espacial, puesta de manifiesto en las diferencias

sucesivas entre las muestras contiguas:

Diferencia de Leyes para el caso A: 1,0 ; 1,0 ; 1,0 ; 1,0 ; 1,5

Diferencia de Leyes para el caso B: 3,0 ; 1,5 ; 2,5 ; 1,0 ; 2,0
ESTIMACIÓN LOCAL – MODELO DE BLOQUES

Una variable regionalizada presenta variabilidad en el espacio, por lo

cual existe cierta incertidumbre en sus valores en sitios no
muestreados. Para compensar la falta de información debida al
número limitado de datos, se recurre a estimar los valores de los
bloques que componen el yacimiento a partir de las muestras
circundantes.

Cabe recordar que las estimaciones nunca son perfectas y están

afectadas por errores que pueden incidir en el cálculo de los recursos o
de las reservas
Fuentes de errores

• variabilidad “inherente” de las leyes

• errores en el modelo geológico

• errores de muestreo (variabilidad “introducida”)

 Etapas en la Evaluación de Yacimientos

• Modelamiento geológico: determinación de “unidades geológicas”

en base a la litología, mineralogía, alteración, etc. En general, cada
unidad se estudia y se estima por separado.

• Evaluación de la calidad de los datos (muestras)

• Modelamiento geoestadístico de los datos

• Estimación global y local de los recursos geológicos

• Definición y reporte de las reservas mineras

 CAPITULO I

ESTUDIO EXPLORATORIO DE DATOS

REGIONALIZADOS
 PRESENTACION DE LOS DATOS

Sondajes de exploración en un yacimiento tipo pórfido cuprífero

 obtención de 2376 datos compositados con sus leyes de

cobre total (en %), oro total (en ppm) y el tipo de roca.

Código Tipo de roca

4 Granodioríta cascada
54 Dioríta
20 Brecha de turmalina
31 Brecha de polvo de roca
34 Brecha de polvo de roca y turmalina

28 Brecha monolito
29 Brecha de turmalina - monolito
 PRESENTACION CON MAPAS
Permite visualizar la ubicación de los datos en el espacio y
darse una idea preliminar de la continuidad espacial de la
variable regionalizada en estudio:

 litología

 mineralización definición de “unidades geológicas”

 alteración

 leyes, densidad, potencia, etc.

TIPOS de MAPAS: secciones; plantas; vistas 3D; mapas con

escala de colores, codificados por indicador, por símbolos,
etc.
 PRESENTACION CON MAPAS
Nos interesamos por la ley de cobre total
 DISTRIBUCION DE LEYES
HISTOGRAMA ESTÁNDAR

Visualiza la frecuencia de ocurrencia en función del valor

 DISTRIBUCION DE LEYES
ESTADÍSTICA BÁSICA
• medidas de posición
media, mediana, moda, mínimo, máximo,
rango, deciles, cuartiles, cuantiles
• medidas de dispersión
varianza, desviación estándar, coeficiente
de variación, rango intercuartil
• medidas de forma
coeficiente de asimetría, coeficiente de
aplanamiento
 EJEMPLO DISTRIBUCION DE LEYES
89 88 94 110 118 108 73 107 118 125
+ + + + + + + + + +
88 70 103 111 122 64 84 105 113 120
+ + + + + + + + + +
87 100 47 111 124 109 0 98 134 125
+ + + + + + + + + +
82 81 110 121 119 77 52 111 117 123
Ubicación
+ + + + + + + + + +
82 74 97 105 112 91 73 115 118 127 de 100
+ + + + + + + + + + muestras
81 77 103 112 123 19 10 111 114 121 de Zn
+ + + + + + + + + + (ppm)
77 82 86 101 109 113 70 102 120 120
+ + + + + + + + + +
77 84 74 108 121 143 91 52 136 140
+ + + + + + + + + +
75 80 83 87 94 99 95 48 139 138
+ + + + + + + + + +
74 80 85 90 97 101 96 72 128 131
+ + + + + + + + + +
En estadística no existe una regla general para el cálculo del intervalo de
clase, sin embargo, existen técnicas que permiten determinarlo para n
observaciones:

Sturges: L = 1 + 3.32 log (n)

Dixon and Kronwell: L = 10 log (n)

Velleman: L=2 n

Utilizando las técnicas correspondientes, para el ejemplo se tiene que:

n = 100
L = 7.64 (Sturges)
L = 20 (Dixon and Kronwell)
L = 20 (Velleman).

Se ha optado por L = 15 para construir la tabla de frecuencias y el

histograma.

El Ancho de Clase = (Vmax – Vmin)/L = (143 – 0) / 15 = 9.5333 ≈ 10

 MARCAS FREC. FREC. FREC. FREC. REL.
CLASE
DE CLASE ABSOLUTA ACUM. RELATIVA ACUM
(INTERVALO)
Xi
fi Fi hi Hi
( 0 – 10 ] 5 2 2 0,02 0,02
( 10 – 20 ] 15 1 3 0,01 0,03
( 20 – 30 ] 25 0 3 0 0,03
( 30 – 40 ] 35 0 3 0 0,03
( 40 – 50 ] 45 2 5 0,02 0,05
( 50 – 60 ] 55 2 7 0,02 0,07
( 60 – 70 ] 65 3 10 0,03 0,1
( 70 – 80 ] 75 13 23 0,13 0,23
( 80 – 90 ] 85 16 39 0,16 0,39
( 90 – 100 ] 95 11 50 0,11 0,5
( 100 – 110 ] 105 14 64 0,14 0,64
( 110 – 120 ] 115 18 82 0,18 0,82
( 120 – 130 ] 125 11 93 0,11 0,93
( 130 – 140 ] 135 6 99 0,06 0,99
( 140 – 150 ] 145 1 100 0,01 1
 Histograma de Zn (ppm)

20 18
Frecuencia Absoluta

16
14
15 13
11 11 En estimación de reservas
10 mineras es importante
6 observar la frecuencia
5 3
2
1
2 2
1
acumulada sobre un límite
0 0
0 inferior (Cut Off). En la
5 15 25 35 45 55 65 75 85 95 105 115 125 135 145 tabla de frecuencias, se
Zn (ppm) muestra la frecuencia
acumulada, observamos
Histograma del Acumulado de Zn (ppm) que en lugar de registrar
las muestras de una clase,
120
Frecuencia Acumulado

registramos el total de
100
muestras inferiores a
80
ciertos cut offs. El
60 histograma del acumulado
40 es una función entre 0 y
20 100%
0
5 15 25 35 45 55 65 75 85 95 105 115 125 135 145
Zn (ppm)
 ESTADÍSTICA BÁSICA
MEDIDAS DE POSICIÓN

LA MEDIA
La media aritmética o simplemente media de un grupo de datos, caracteriza a
los grupos de datos cuyo polígono de frecuencias presenta simetría y poca
dispersión. Cuando los datos no están agrupados, se suman los números y se
dividen entre el número de ellos.

1 n En el ejemplo, la media de la variable Zn (ppm) para n = 100

X   xi es:
n i 1

1 n
X   Zn   97.01
n i 1
Cuando los datos están agrupados formando tablas de frecuencia se utiliza la
fórmula:
1 n
X   fixi  96.70
n i 1
 ESTADÍSTICA BÁSICA
LA MEDIANA
La mediana es el punto que divide la distribución de los datos en dos partes
iguales. Debajo y encima de la mediana existe aproximadamente el 50% de los
datos. Dicho de otro modo la mediana, M, es el valor de la muestra central
cuando éstos se encuentran dispuestos en orden creciente o decreciente: x1 ≤
x2 ≤ … ≤ xn La mediana se calcula por:
 ESTADÍSTICA BÁSICA
LA MODA
Es el valor que ocurre con mayor frecuencia; la barra de mayor altura en un
histograma nos dará una idea de la posición de la moda. En el histograma de la
variable Zn observamos que la clase 110-120 ppm es la de mayor frecuencia;
dentro de esta clase, el valor 111 ppm es el de mayor ocurrencia.

Un grupo de datos puede tener una moda, dos modas, etc. En tales casos la
distribución se llama, respectivamente, unimodal, bimodal, etc.

Cuando los datos están agrupados, formando una distribución de frecuencias, la

moda, Mo, se calcula por la fórmula siguiente:
 ESTADÍSTICA BÁSICA
CUARTILES, DECILES Y PERCENTILES
Los cuartiles son medidas de posición que dividen en cuatro partes
iguales al conjunto de valores ordenados de una distribución de
frecuencias. Estas medidas son: el primer Cuartil Q1, el segundo Cuartil
Q2 y el tercer Cuartil Q3, el segundo Cuartil Q2 coincide con la mediana
Me, luego Q2 = Me.
 ESTADÍSTICA BÁSICA
MEDIDAS DE DISPERSION

LA VARIANZA
Es uno de los principales estadígrafos que cuantifica el grado de variabilidad de
las muestras. Está determinada por la relación:

1 n
  (x m )
2 2
Se utiliza cuando los argumentos
n i 1 i x representan la población total

1 n
  
2
Cuando los datos representan una

2

n  1 i 1
( xi m x ) muestra de la población.

La varianza es el promedio de las diferencias cuadráticas entre los valores y su

media, siempre será positiva y altamente sensible a los valores erráticos. Para
nuestro ejemplo utilizando la segunda fórmula obtenemos que la varianza es igual
a 705.59
 ESTADÍSTICA BÁSICA
LA DESVIACION ESTANDAR
Es la raíz cuadrada de la varianza . A diferencia de la varianza, la desviación
estándar conserva el mismo orden de magnitud.

   2  26.56

EL COEFICIENTE DE VARIACION 
CV   0.27
Está definido por la relación x

El coeficiente de variación da un indicio del grado de dificultad en las

inferencias estadísticas: un coeficiente de variación mayor de 1 indica la
presencia de valores erráticos disminuyendo la calidad del estimador. Otro uso
no menos importante del CV, es la de permitir la comparación del grado de
variabilidad entre variables cuyas magnitudes son sensiblemente diferentes
(ejemplos, Cu y Fe).
 ESTADÍSTICA BÁSICA
EL COEFICIENTE DE VARIACION
El coeficiente variación, también se utiliza para hallar la densidad de muestreo
(establecer la distancia de muestreo) y la cantidad de muestra a tomar, ya que
es una medida de la dispersión de los datos, por lo que:

Cuanto mayor es el coeficiente, más separados están los datos y, por tanto,
menor debe ser la distancia de muestreo.

Basándose en el valor de coeficiente de variación se entra en una tabla,

establecida según la experiencia (Kuzvart y Bohmer, 1978), que nos establece la
distancia a fijar entre muestras; como se muestra en la siguiente tabla:
 ESPACIADO ENTRE MUESTRAS EN FUNCIÓN DEL COEFICIENTE DE VARIACIÓN

Distribución de CV Tipos de Yacimiento Espaciado

los elementos de las
analizados muestras
(metros)
Regular 0.05 – 0.4 Yacimientos sencillos de carbón, 50 – 60
pizarras bituminosas, materiales
para la construcción y cementos,
sales, fosfatos, algunos yacimientos
de Fe y Mn
Irregular 0.4 – 1.0 Yacimientos hidrotermales, 6–4
metasomáticos de contacto, la
mayor parte de los polimetálicos y
de Cu, algunos de W y Mo, muy
pocos de Au
Muy irregular 1.0 – 1.5 La mayor parte de los yacimientos 4 – 2.5
de Sn, W y Mo, muchos yacimientos
de Au
Extremadament > 1.5 Muchos yacimientos de tierras raras, 2.5 – 2
e irregular Au y Pt
 CANTIDAD DE MUESTRA A TOMAR EN FUNCIÓN DEL COEFICIENTE DE
VARIACIÓN

Distribución de loes Coeficiente de Variación Peso de la muestra

elementos analizados

Muy regular Hasta 0.20 X = (0.6 – 0.8 Kg. )

Regular 0.20 – 0.40 3. X
Irregular 0.40 – 0.8 6. X
Muy irregular 0.8 – 1.5 9. X
Extraordinariamente > 1.5 12. X
irregular
 DETECCION DE POSIBLES VALORES ERRÁTICOS (OUTLIERS)
Se define como posibles valores erráticos, aquellas observaciones que se
muestran inconsistentes con el resto de los valores de las muestras.

Un valor posible errático, puede ser el resultado de un error de medición, de un

error de metodología de muestreo o puede ser propio de la variabilidad inherente
al fenómeno.

El error de medición es causada por inadecuada medición o un mal registro de

valores; mientras que los errores de metodología son causadas por un muestreo
sesgado o una definición inadecuada de la población. Los outliers producto de la
variabilidad de un fenómeno son raros pero no imposibles de presentarse.

Los outliers tienen un gran impacto en las inferencias estadísticas y antes de

eliminarlas es preciso evaluarlas porque pueden ser fuente de importante
información (caso típico en prospección geoquímica). Los criterios de detección
de outliers que a continuación se detallan deben ser tomados con bastante
prudencia, siempre es mejor remuestrear o volver a analizar un amuestra antes
de eliminarla.
Estarán comprendidos entre el valor critico ± 2.7
El 99.3% de los valores 𝒙𝒊−𝒎𝒙
𝝈 -2.7 ≤ ti ≤ 2.7
 ESTADÍSTICA BÁSICA
89 88 94 110 118 108 73 107 118 125
+ + + + + + + + + +
11 12 22 25 30 28 21 20 35 27
ANALISIS ESTADISTICO 88 70 103 111 122 64 84 105 113 120

PARA DOS VARIABLES +

14
+
9
+
32
+
29
+
29
+
8
+
9
+
18
+
18
+
20

(ANALISIS BIVARIABLE) 87 100 47 111 124 109 0 98 134 125

+ + + + + + + + + +
16 12 5 32 28 21 0 13 23 22

Los datos provenientes de 82 81 110 121 119 77 52 111 117 123

la corteza terrestre es a +
15
+
14
+
15
+
30
+
30
+
22
+
13
+
16
+
21
+
23

menudo de carácter 82 74 97 105 112 91 73 115 118 127

multivariable, es preciso +
21
+
9
+
19
+
31
+
32
+
18
+
17
+
18
+
22
+
25
por consiguiente disponer
81 77 103 112 123 19 10 111 114 121
de herramientas de + + + + + + + + + +
20 17 21 29 30 8 2 15 24 24
análisis que permitan
77 82 86 101 109 113 70 102 120 120
cuantificar la relación y la + + + + + + + + + +
17 12 13 31 32 30 18 14 28 21
dependencia entre
77 84 74 108 121 143 91 52 136 140
variables, análisis que + + + + + + + + + +
14 15 15 15 17 33 10 9 35 34
ayudará a una mejor
75 80 83 87 94 99 95 48 139 138
comprensión del + + + + + + + + + +
16 17 11 28 24 21 25 16 33 35
fenómeno en estudio.
74 80 85 90 97 101 96 72 128 131
+ + + + + + + + + +
22 28 10 31 30 29 22 20 33 34
De la comparación de las medias de la tabla anterior, se observa que,
en orden de magnitud, la variable Zn es aproximadamente 5 veces
mayor que Pb; de la comparación de los Cv se deduce que los valores
de Zn son menos fluctuantes que Pb.
 P = -0,86323738 ESTADÍSTICA BÁSICA
Diagrama de Correlacion de Zn vs Pb
%Pb %Zn 35

1 30 30

3 33 25

20
6 28
%Zn 15
10 18
10
9 25 5 y = -1.1149x + 33.776

12 25 0
0 2 4 6 8 10 12 14 16
15 15 %Pb

Desviación standard de la población

DIAGRAMAS DE CORRELACIÓN (SCATTERPLOTS)
Es la forma más común de visualizar la relación entre dos variables. Del
mismo modo permite detectar los outliers (valores que salen de la tendencia
general de los datos). En la fase inicial del análisis de datos es necesario
una adecuada revisión y eliminación de valores sospechosos puesto que la
calidad de una estimación dependerá de la confiabilidad de los datos.

Diagrama de Correlación entre las variables Zn y Pb

40

30
Pb (ppm)

20

10

0
0 50 100 150 200
Zn (ppm)
El diagrama de correlación de la figura, muestra que hay una relación entre
las variables Zn y Pb: los alores altos de Zn están asociados con los valores
altos de Pb; análogamente, existe una asociación entre los valores bajos. Al
observar la tendencia general del diagrama de correlación se deduce que
para Zn = 50 ppm corresponderá una valor de Pb comprendido entre 5 y 15
ppm aproximadamente; una manera de predecir un valor conociendo el valor
de una de las variables.

CORRELACION
La relación entre dos variables puede presentarse de tres maneras:
correlación positiva, correlación negativa o correlación nula. La correlación
nula nos indica la ausencia de toda asociación en estudio, es decir el
incremento o disminución de los valores de una variable no afecta la otra.
COEFICIENTE DE CORRELACIÓN
Entre dos variables puede existir una relación más o menos estrecha que
se llama correlación, y se puede medir mediante el coeficiente de
correlación, ρ, que es un número, asociado a los valores de las dos
variables.
Para nuestro ejemplo, tenemos que el coeficiente de correlación entre el Zn y el
Pb es 0.73.
El coeficiente de correlación puede valer entonces entre -1 y +1; indicando el
grado de difusión del diagrama de correlación
Cuando ρ = +1 existe una relación funcional entre las dos variables de modo que
el valor de cada variable se puede obtener a partir de la otra. Los puntos de la
nube están todos situados sobre una recta de pendiente positiva.
Si ρ = -1 el diagrama de correlación estará contenido en una línea recta de
pendiente negativa.
Tanto más ρ se acerque a cero, tanto más el diagrama de correlación se
presentará difusa.
REGRESION LINEAL
La recta de regresión lineal entre dos variables mejora la calidad de predicción de
una variable a partir de la otra. La predicción más simple es la obtenida por regresión
lineal definida por:

Donde m y σ son las medias y la desviación estándar de las variables x e y

respectivamente. La ecuación de recta así hallada es la más óptima relación lineal
entre las variables X e Y.
 40
Para la el diagrama de correlación Pb = 0,23(Zn) - 1,13

de la siguiente figura, se obtiene 30

Pb (ppm)
a = 0.23 y b = 1.13,
20
consecuentemente, la ecuación
para predecir Pb a partir de los 10

valores conocidos de Zn será de la

0
forma: Pb = 0.23(Zn) – 1.13 0 20 40 60 80 100 120 140 160
Zn (ppm)

160 Zn = 2,35(Pb) + 47,97

De igual modo para la figura 120
siguiente podemos interesarnos en
Zn (ppm)

predecir Zn si la variable Pb es 80

conocida, en este caso las 40

constantes halladas son a = 2.35 y b
0
= 47.97, resultando la expresión: Zn 0 5 10 15 20 25 30 35 40
= 2.35(Pb) + 47.97 Pb (ppm)