VARIOGRAFIA

1
 ¿De donde surgió?
O 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.
O Estos métodos eran inexactos y no satisfacía los
requerimientos para dicha predicción.
O Pues su modo de operar era el siguiente:

2
 Lo que se hacia
O 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:
O Poligonal.
O Promedio.
O Inverso a la distancia o IVOR.

3
 Media aritmética.

O 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.:

O 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”
O Se consigue al ponderar las leyes

6
 ¿Cuál era la dificultad?
O 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.
O Esto es de mucha importancia ya que las
mineralizaciones siempre tienen una dirección
de mayor eficiencia.
O 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?
O 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?
O Es una herramienta que permite analizar
el comportamiento espacial de una
propiedad o variable sobre una zona
dada.
O 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?

O 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.
O El análisis variografico es una de las
herramientas mas importante y potente que
existen para analizar las fuentes de variabilidad
de los procesos .

O Podemos estudiar la variabilidad de la variable

aleatoria en función del tiempo o de la posición

O En el caso de la mina podemos estudiar como

varían las leyes

11
12
 Tipos de variogramas:
O Esencialmente se tienen dos grupos de
variogramas:
O Variogramas teóricos, los cuales tienen
formulas ya establecidas.
O 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?
O Este se obtiene al realizar cálculos
matemáticos de acuerdo a la siguiente
formula:

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

FIGURA 1

15
FIGURA 2
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
s
2

h
DEPENDENCIA INDEPENDENCIA
ESTRUCTURAL ALEATORIEDAD
h : paso entre las muestras
C0 : efecto de pepita
28/09/2019
a : alcance
C : sill
C + C0 : meseta
s2 : varianza estadística
19
Partes de un variograma
O El variograma esta compuesto
esencialmente de 3 partes:
O La meseta o sill.
O El alcance.
O El efecto pepita o nugget.

20
 Alcance:

O Distancia a la cual el variograma se estabiliza.

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

21
 Meseta:

O Es el valor constante que toma el variograma en distancias

mayores al alcance.
O 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:
O Es cuando ocurre que para distancias pequeñas el valor
del variograma no se aproxima a cero

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

O 2.-Zona de influencia

O 3.-las anisotropía

O 4.-Las estructuras anidadas

O 5.-La no estacionalidad ( derivas tendencias)

24
Variograma

Variograma

Distancia Distancia
25
26
 ¿Por que existen modelos de
variogramas?
6
El variograma experimental no
se puede evaluar en distancias
variograma experimental

4 o direcciones intermedias
3 Variograma

2
experimental
Una interpolación entre los puntos del
1 variograma experimental no garantiza
0
0 4 8 2 6 2 4 8 2 6 4
la existencia y unicidad de la solución
0. 0. 1. 1. 2. 2. 3. 3.
Distancia del 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
27
4
8
2
6

4
8
2
6
0

4
0.
0.
1.
1.

2.
2.
3.
3.

Distancia
 Modelos mas comunes:
O 1.-Modelos con
meseta O Modelo Cúbico

O Modelo Efecto PepitaO Modelo Seno Cardinal

Puro

O Modelo Esférico
O 2.-Modelo sin meseta

O Modelo Exponencial
O Modelo Potencia

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

Este modelo representa a un

Variograma
fenómeno completamente
aleatorio, en el cual no hay
correlación espacial

No importa cuán cerca se

encuentren los valores de las Distancia

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 igual3a s / 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 3 a

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

Comportamiento cuadrático en el origen

Variograma
Representa fenómenos bastante continuos

33
Distancia
 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