VARIOGRAFIA

1
¿De donde surgió?

 Antes de que Matheron, introdujera la

geoestadística los cálculos referidos a la
predicción de valores para las variables
regionalizadas se hacían por métodos tales
como el inverso a la distancia y la
poligonación.
 Estos métodos eran inexactos y no satisfacía
los requerimientos para dicha predicción.
 Pues su modo de operar era el siguiente:
2
Lo que se hacia

 Se solía aplicar métodos de interpolación no

muy exactos y que tomaban en cuenta la
distancia de las muestras pero no la
DIRECCION. Estos métodos son:
 Poligonal.
 Promedio.
 Inverso a la distancia o IVOR.

3
Media aritmética.

 Se basa en lo siguiente “para estimar la ley media

de un conjunto se promedian las leyes de los datos
que están dentro del conjunto”

4
 Polígonos.:

 El método se basa en “asignar a cada punto del

espacio la ley del dato más próximo. Para estimar una
zona se ponderan las leyes de los datos por el área de
influencia sj”

5
 INVERSO DEL CUADRADO DE LA
DISTANCIA

Se basa en “asignar mayor peso a las muestras

cercanas y menor peso a las muestras alejadas a
s”
 Se consigue al ponderar las leyes

6
¿Cuál era la dificultad?

 Lo que Matheron observo fue que si bien se hacia

bien dándole mayor peso a los puntos que
estaban mas cerca, no se tenia en cuenta la
dirección de estos.
 Esto es de mucha importancia ya que las
mineralizaciones siempre tienen una dirección
de mayor eficiencia.
 Entonces podemos decir que la dificultad era que
no tomaban en cuenta las direcciones del
yacimiento, siendo estas de mucha importancia.
7
¿Cuál fue la solución?

 Matheron dijo que la distancia si era

importante pero que también dependía de la
dirección en la cual se tomaba esta distancia,
entonces ideo una forma de poder medir la
variabilidad de las leyes en distintas
direcciones y distancias; creándose de este
modo lo que hoy conocemos como
VARIOGRAMA.

8
¿Entonces que es un variograma?

 Es una herramienta que permite analizar el

comportamiento espacial de una propiedad o
variable sobre una zona dada.
 El vario grama es la representación matemática
de un yacimiento, de acuerdo a una VR, la cual
puede ser leyes, espesores, RQD, anisotropía,
etc.

9
 ¿Qué mide el variograma?

 Mide la semejanza o diferencia que puede existir

entre 2 puntos separados por una distancia h; es
decir mide la correlación espacial de estos
puntos.

10
Análisis Variográfico.

 El análisis variografico es una de las herramientas

mas importante y potente que existen para
analizar las fuentes de variabilidad de los procesos
.

 Podemos estudiar la variabilidad de la variable

aleatoria en función del tiempo o de la posición

 En el caso de la mina podemos estudiar como

varían las leyes

11
12
Tipos de variogramas:

 Esencialmente se tienen dos grupos de

variogramas:
 Variogramas teóricos, los cuales tienen
formulas ya establecidas.
 Variogramas experimentales , este tipo de
variogramas se obtiene al hacer el calculo a
partir de los datos y a partir de este lo
ajustaremos a un modelo de variograma
teorico.
13
¿Como se hace un variograma
experimental?
 Este se obtiene al realizar cálculos
matemáticos de acuerdo a la siguiente
formula:

14
 CONSTRUCCION DEL VARIOGRAMA
EXPERIMENTAL
 Por ejemplo para el caso de cálculo del variograma en una dirección se tiene en el
 siguiente ejemplo, Fig. 1, leyes distanciadas cada dos metros. En la Fig. 2 se describe
 el cálculo de cada punto del variograma para distancias h=2m, h=4m, h=6m, etc.

FIGURA 1

FIGURA 2
15
 VARIOGRAMA RESULTANTE

5 g(h)

2
experimental

1
ajuste
h

0
0 1 2 3 4 5 6 7 8
a = 12 m

16
variograma

distancia

17
VARIOGRAMA

 (h) GEO ESTADISTICA

meseta
s2

h
DEPENDENCIA INDEPENDENCIA
ESTRUCTURAL ALEATORIEDAD
h : paso entre las muestras
C0 : efecto de pepita
a : alcance
C : sill
C + C0 : meseta
s2 : varianza estadística 1/09/2019
19
Partes de un variograma

 El variograma esta compuesto esencialmente

de 3 partes:
 La meseta o sill.
 El alcance.
 El efecto pepita o nugget.

20
Alcance:

 Distancia a la cual el variograma se estabiliza.

 Es la distancia máxima en la cual la variable
regionalizada esta correlacionada

21
Meseta:

 Es el valor constante que toma el variograma en

distancias mayores al alcance.
 Es el valor máximo que toma el variograma, es decir
que si ya se alcanzo este valor, para cualquier lag
superior al alcance el variograma será el mismo.

22
 Efecto pepita:
 Es cuando ocurre que para distancias
pequeñas el valor del variograma no se
aproxima a cero

23
¿Qué información aporta el
variograma?
 1.-continuidad espacial

 2.-Zona de influencia

 3.-las anisotropía

 4.-Las estructuras anidadas

 5.-La no estacionalidad ( derivas tendencias)

24
Variograma

Variograma

Distancia Distancia

25
26
 ¿Por que existen modelos de
variogramas?
6
El variograma experimental no
variograma experimental

5 se puede evaluar en distancias o

4 direcciones intermedias
3 Variograma

2
experimental
Una interpolación entre los puntos del
1 variograma experimental no garantiza la
0
0 4 8 2 6 2 4 8 2 6 4
existencia y unicidad de la solución del
0. 0. 1. 1. 2. 2. 3. 3.
Distancia sistema de kriging
La interpolación no satisface las
condiciones que todo variograma debe
6
satisfacer
5
4
Variograma
3 experimental

2 Modelo de
variograma
1
0
4
8
2
6

4
8
2
6
0

4
0.
0.
1.
1.

2.
2.
3.
3.

Distancia

27
Modelos mas comunes:

 1.-Modelos con meseta  Modelo Cúbico

 Modelo Efecto Pepita Puro  Modelo Seno Cardinal

 Modelo Esférico
 2.-Modelo sin meseta
 Modelo Exponencial
 Modelo Potencia
 Modelo Gaussiano

28
 Modelo efecto pepita puro:
0 si h  0
  h   

  s si h  0


Variograma
Este modelo representa a un
fenómeno completamente
aleatorio, en el cual no hay
correlación espacial

No importa cuán cerca se

Distancia
encuentren los valores de las
variables, siempre serán no
correlacionados

29
 Modelo esférico:
  3
 3 h 1 h 
 s   si h  a
  2 a 2 a3 

  
  h   

 s si h a





Variograma
Rango s y sill a

Comportamiento lineal en el origen

Pendiente igual a 1.5 s / a

Distancia

Representa fenómenos continuos pero

no diferenciables

Es uno de los modelos de

variograma más utilizados

30
 Modelo exponencial

  h 
 h   s1  exp    

  a 

Variograma
Sill s que alcanza asintóticamente

Rango aparente igual a a

Rango experimental igual a 3a

Comportamiento lineal en el origen Distancia

Pendiente igual a 3s/a

Representa fenómenos continuos pero
no diferenciables

31
 Modelo Gaussiano
  h 2 
 h   s1  exp   2  
  a 
  

Sill s que alcanza asintóticamente

Variograma
Rango aparente igual a a

Rango experimental igual a 3a

Comportamiento cuadrático en el origen

Distancia

Representa fenómenos continuos infinitamente

diferenciables (sumamente continuos)

32
 Modelo cubico:
  2 3 5 7
  h h h h 
 s 7 2
 8.75 3  3.5 5  0.75 7  si h  a
  a a a a 
  
  h   

 s si h a





Rango a y sill s

Variograma
Comportamiento cuadrático en el origen

Representa fenómenos bastante continuos

Distancia

33
 Modelo seno cardinal:
 seno  h /a  
 h   s1  
 h / a 

Sill s que alcanza asintóticamente

Rango aparente igual a a

Variograma
Rango experimental igual a 3a

Comportamiento cuadrático en el origen

Se utiliza para representar fenómenos

continuos con periodicidades Distancia

34
 Modelo potencia:
 h   s h
p

s se denomina factor de escala

0 p2

Variograma
s=2.5, p=0.4
s=0.4, p=1.8
El comportamiento en el origen s=1.15, p=1
depende del valor de p

Representa fenómenos no
estacionarios
Distancia

35
El variograma describe la
continuidad espacial del
fenómeno:

36
37
38
39
40
41