Академический Документы
Профессиональный Документы
Культура Документы
DE
AREQUIPA
CURSO TALLER
GEOESTADSTICA APLICADA A LA ESTIMACIN DE
RECURSOS MINEROS
Dictado por: Alfredo Marn Surez, Ph. D.
en
Ciencias y Tcnicas Mineras Opcin Geoestadstica cole
Nationale Suprieure Des Mines De Paris
CIP: 115062
E-mail: alfredomaringeo@hotmail.com
http://www.geoestadistica.herobo.com
Abril del 2012
NDICE
1. INTRODUCCIN
2. MODELACIN PROBABILSTICA
3. CONCEPTO DE VARIABLE REGIONALIZADA
4. ANLISIS ESTADSTICO DE DATOS
5. ANLISIS ESTRUCTURAL DE DATOS MEDIANTE LA FUNCIN
VARIOGRAMA
5.1. Principales hiptesis consideradas en el dominio de la funcin
Variograma
5.2 . Distancias y ngulos del cono de tolerancia en el clculo
numrico de los variogramas experimentales
NDICE
5.3. Anlisis de la funcin variograma
5.4. Tipos principales de modelos de variogramas
6. ESTIMACIN DE RECURSOS
6.1. inferencia en trminos de proyeccin vectorial
6.2. Deduccin del Kriging de Matheron
6.3. Varianza de kriging de Matheron y confiabilidad de la estimacin
de cada bloque
7. CURVAS TONELAJE - LEY DE CORTE, LEY MEDIA - LEY DE CORTE Y
CANTIDAD DE METAL - LEY DE CORTE.
NDICE
8. INTERPRETACIN NUMRICA DE LAS HERRAMIENTAS
BSICAS
8.1. El variograma
8.1.1. Introduccin
8.1.2. Aplicacin en la diferenciacin de dos fenmenos
8.1.3. Modelos de variogramas ms comunes
8.1.4. Aplicacin del variograma cruzado en el estudio de
correlaciones
8.2. Tcnica del Kriging de Matheron.
NDICE
9. REFERENCIAS
NDICE
10. APNDICE
10.1. TEMAS DEL LABORATORIO GEOESTADSTICO DE UN YACIMIENTO
DISEMINADO DE ORO DE ALTA SULFURACIN Y BAJA LEY
10.2. TEMAS DEL LABORATORIO GEOESTADSTICO DE UN
PORFIDO DE COBRE
10.3. TEMAS DEL LABORATORIO GEOESTADSTICO DE UN
YACIMIENTO DE HIERRO
Se aplicar la Teora de las Variables Regionalizadas
ms conocida con el nombre de Geoestadstica, cuya
teora fue creada y desarrollada por el profesor Dr.
George Matheron (1930 - 2000), plasmada en su
obra monumental Trait de Gostatistique
Applique, publicado en el ao 1962 y 1963 en
Francia.
1. INTRODUCCIN
2. MODELACIN PROBABILSTICA
La Geoestadstica, presentada inicialmente por George
Matheron como la Teora de las Variables
Regionalizadas, considera que las variables
regionalizadas estn modeladas en un espacio de
variables aleatorias reales L
2
sobre un espacio
de probabilidades (Ventsel, 1973; Haaser 1978;
Schwartz, 1981).
3. CONCEPTO DE VARIABLE REGIONALIZADA
La variable regionalizada representa a una caracterstica de un
fenmeno determinado.
Figura 1. Representacin de la variable regionalizada en el espacio.
4. ANLISIS ESTADSTICO DE DATOS
0,0 50,0 100,0 150,0 200,0 250,0
Pot x Zn
0
100
200
300
400
500
600
700
f
r
e
c
u
e
n
c
i
a
Mean = 32,13287
Std. Dev. = 31,108962
N = 4.164
-2 0 2 4
Ln (Pot x Zn)
0
100
200
300
f
r
e
c
u
e
n
c
i
a
Mean = 2,962884
Std. Dev. = 1,1353181
N = 4.164
0,0 10,0 20,0 30,0 40,0
Pb %
0,0
10,0
20,0
30,0
40,0
50,0
Z
n
%
Correlacin Zn Vs Pb
0,0 0,2 0,4 0,6 0,8 1,0
Observado
0,0
0,2
0,4
0,6
0,8
1,0
E
s
p
e
r
a
d
o
P-P Plots de Ln (Pot x Zn)
Figura 2. Ejemplo de una aplicacin en un manto mineralizado de Zinc.
5. ANLISIS ESTRUCTURAL DE DATOS MEDIANTE LA
FUNCIN VARIOGRAMA
5.1 Principales hiptesis consideradas en el dominio de la
funcin variograma.
Hiptesis Estacionaria Estricta
Hiptesis Estacionaria de Orden 2
Hiptesis Intrnseca
5.2 Distancias y ngulos del cono de tolerancia en el clculo
numrico de los variogramas experimentales .
Figura 3. Descripcin de la seccin del cono de tolerancia.
5.3 Anlisis de la funcin variograma.
Figura 4. Ejemplo simple de un variograma experimental y
su modelado correspondiente a una variable regionalizada.
5.4 Tipos principales de modelos de variogramas
a) Modelo Efecto de Pepita Puro
b) Modelo Esfrico o de Matheron
c) Modelo de Formery o Exponencial
d) Modelo con efecto HOLE
e) Modelo Gaussiano
Modelo Efecto de Pepita Puro
) (h
h
Figura 5. Modelo Efecto de Pepita Puro
Modelo Esfrico o de Matheron
Figura 6. Modelo Esfrico o de Matheron
Modelo de Formery o Exponencial
Figura 7. Modelo de Formery o Exponencial
Modelo con efecto HOLE
Figura 8. Modelo con efecto HOLE
Modelo Gaussiano
Figura 9. Modelo Gaussiano
6.1 Inferencia en trminos de proyeccin vectorial
Figura 10. Representacin grfica de la inferencia en trminos
de proyeccin vectorial
2. ESTIMACIN DE RECURSOS
6.2 Deduccin del Kriging de Matheron
Considerando la hiptesis estacionaria de orden dos,
se ha considerado un estimador insesgado que
minimiza la varianza de estimacin siguiente:
6.3 Varianza de kriging de Matheron y confiabilidad
de la estimacin de cada bloque.
6.3 Varianza de kriging de Matheron y confiabilidad
de la estimacin de cada bloque.
6.3 Varianza de kriging de Matheron y confiabilidad
de la estimacin de cada bloque.
Figura 11. Confiabilidad de la estimacin del bloque en tres casos
6.3 Varianza de kriging de Matheron y confiabilidad
de la estimacin de cada bloque.
7. CURVAS TONELAJE - LEY DE CORTE, LEY MEDIA - LEY
DE CORTE Y CANTIDAD DE METAL - LEY DE CORTE
Figura 12. Curvas que permiten evaluar el yacimiento econmicamente
8.1 El variograma
8. INTERPRETACIN NUMRICA DE LAS HERRAMIENTAS
BSICAS
8.1 El variograma
Figura 13. Representacin de la variable regionalizada en el espacio.
8.1 El variograma
8.1.2 Aplicacin en la diferenciacin de dos fenmenos
En una lnea de muestreo de la zona A, tenemos los
siguientes valores de la variable regionalizada de plomo
en ppm.
8.1.2 Aplicacin en la diferenciacin de dos fenmenos
Realizamos un anlisis estadstico bsico.
a) Media aritmtica:
b) La varianza:
c) El coeficiente de variacin:
6 . 3
5
4 2 6 1 5
=
+ + + +
= x
( ) ( ) ( ) ( ) ( )
5
6 . 3 4 6 . 3 2 6 . 3 6 6 . 3 1 6 . 3 5
2 2 2 2 2
2
+ + + +
= o
44 . 3
2
= o
52 . 0
6 . 3
85 . 1
6 . 3
44 . 3 _
= = = = =
x Media
tpica Desviacin
cv
o
d) Histograma
Figura 14. Histograma de leyes de la zona A
8.1.2 Aplicacin en la diferenciacin de dos fenmenos
En otra lnea de muestreo en la zona B, tenemos los
mismos valores de la variable regionalizada de plomo en
ppm, pero dispuesto de la siguiente forma; es decir, un
fenmeno estructuralmente muy diferente, a pesar de
tener los mismos valores de leyes.
8.1.2 Aplicacin en la diferenciacin de dos fenmenos
Obtenemos la media aritmtica, la varianza, el
coeficiente de variacin y el histograma, y vemos que
da los mismos resultados que los obtenidos en la Zona
A. Es decir que con esta estadstica descriptiva no
logramos diferenciar dos fenmenos totalmente
diferentes.
8.1.2 Aplicacin en la diferenciacin de dos fenmenos
Ahora procedemos a construir los Variogramas de la
Zona A y B
( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( )
500 . 0
2 1
4 5
) 4 (
500 . 4
2 2
4 1 2 5
) 3 (
000 . 1
2 3
4 6 2 1 6 5
) 2 (
625 . 7
2 4
4 2 2 6 6 1 1 5
) 1 (
2
2 2
2 2 2
2 2 2 2
=
=
=
+
=
=
+ +
=
=
+ + +
=
x
x
x
x
=
=
+
=
=
+ +
=
=
+ + +
=
x
x
x
x
Figura 22.
Variograma cruzado de
la zona explorada con
correlacin positiva alta
entre las variables.
8.1.4 Aplicacin del variograma cruzado en el estudio de
correlaciones
Observamos que cuando hay una correlacin positiva
alta entre las variables, el variograma cruzado tiende a
tomar valores positivos altos.
8.1.4 Aplicacin del variograma cruzado en el estudio de
correlaciones
Ahora veamos que pasa en otra zona, donde los valores
geoqumicos de la Plata toman otros valores:
Aplicando la frmula:
( )( ) ( )( ) ( )( ) ( )( )
( )( ) ( )( ) ( )( )
( )( ) ( )( )
( )( )
00 . 0
2 1
1 1 4 5
) 4 (
75 . 6
2 2
1 6 4 1 5 1 2 5
) 3 (
33 . 0
2 3
1 2 4 6 5 6 2 1 2 1 6 5
) 2 (
63 . 7
2 4
1 5 4 2 5 2 2 6 2 6 6 1 6 1 1 5
) 1 (
=
=
=
+
=
=
+ +
=
=
+ + +
=
x
x
x
x
AuAg
AuAg
AuAg
AuAg
=
= +
n
V v u v v
1
, ,
|
o | o |
1 = o
a
n
=
=
n
1
1
|
|
=
=
n
1
1
|
|
( ) ( ) V V u V v
j j k 1
2
, o + =