3 - Introducción A La Geoestadística Minera

1
Ing. Roberto Bruno - rbruno@expo.intercade.org - Consultor Internacional Intercade

GEOESTADISTICA MINERA
GEOESTADISTICA MINERA
Ing. ROBERTO BRUNO - rbruno@expo.intercade.org
Consultor INTERCADE
J unio 2008
2
INTRODUCCION A LA GEOESTADISTICA
MINERA
MINERA
De la Variable Regionalizada
a la Funcin Aleatoria
La variabilidad espacial.
Variable Aleatoria.
Funciones Aleatorias.
3
El enfoque probabilista
De cada punto x del yacimiento existe un tenor z(x), la funcin
matemtica que llamamos VR.
Consideramos un punto x0; podemos definir en ese punto una
Variable Aleatoria (VA) Z(x0).
Una VA toma valores
numricos conforme a su ley
de la densidad de
probabilidad f(Z).
MINERA
De la VR a la FA: Variables Aleatorias
MINERA
4
La realizacin de una VA
El valor de la VR en el punto, z(x0), es uno de los posibles
valores de la VA Z(x0).
z(x0) es una realizacin de la VA Z(x0)
INTRODUCCION A LA GEOESTADOSTICA
MINERA
INTRODUCCION A LA GEOESTADOSTICA
MINERA
HISTOGRAM
0
1
2
3
4
5
6
7
1 2 3 4 5 6 7 8 9 10 11 12 13
SUM OF TWO DICE
F
R
E
Q
U
E
N
C
Y
Srie1
Cada valor, por ej.4, es una realizacin.
La VA suma de
dos dados
5
Una VA a 1D: la cotizacin 2008 del Au
Prever la cotizacin de oro en el 2008.
MINERA
MINERA
La cotizacin puede
asumir diversos valores
con diferentes
probabilidades.
La cotizacin 2008 es por
lo tanto una VA.
El valor 2008 consuntivo
ser la realizacin de la
VA.
Quotaao Au
0
5,000,000
10,000,000
15,000,000
20,000,000
25,000,000
1960 1970 1980 1990 2000 2010
Ano
A
u

(
$
/
t
)
?
6
La VR realizacin de una FA
En cualquier otro punto x di S puede ser definida una VA
Z(x).
El conjunto de todas las VA definidas en S constituye una
Funcin Aleatoria (FA).
El conjunto de los valores de la VR z(x) son unos de los
posibles valores de la FA Z(x)
z(x) una realizacin de la FA Z(x)
MINERA
MINERA
7
Quotaao Au
0
5,000,000
10,000,000
15,000,000
20,000,000
25,000,000
1960 1970 1980 1990 2000 2010
Ano
A
u

(
$
/
t
)
Una FA la 1D: la serie temporal
De cada ao puede ser definida una VA
cotizacin de oro: la serie temporal
cotizacin es una FA.
La serie histrica efectiva es una
realizacin de la FA.
MINERA
MINERA
Y la
distribucin
de los
tenores de
oro en un
pozo vertical?
Concentrao de Au num poo
50
60
70
80
90
100
110
120
0 2 4 6 8 10 12
Teor Au (g/T)
P
r
o
f
u
n
d
i
d
a
d
e

(
m
)
8
La ley de las probabilidades
Una VA Z es definida por medio de su ley
F(z)= prob{Zz}
P{Z > z} = 1 F(z)
MINERA
MINERA
Funao de distribuiao
z
0
=5
F(z
0
)=0.5
0.00
0.20
0.40
0.60
0.80
1.00
-10 -5 0 5 10 15 20
z
F
(
z
)
Se llama funcin
de distribucin
acumulada (fdc)
o sencillamente
distribucin
1-F(z)
9
Las propiedades de la ley
MINERA
MINERA
F(-) = P {Z-}= 0
F() = P {Z}= 1
La VA puede limitada,
como por ej. el tenor: z=0.
La P(Z) vale 0 o 1
conforme
0.00
0.20
0.40
0.60
0.80
1.00
-10 -5 0 5 10 15 20
z
F
(
z
)
10
Las propiedades
MINERA
MINERA
La distribucin es
montona
z
1
z
2
F(z
1
) F(z
2
)
P(z
1
zz
2
) = F(z
2
)-F(z
1
)
z
1
F(z
1
)
z
2
F(z
2
)
0,00
0,25
0,50
0,75
1,00
-10 -5 0 5 10 15 20
z
F
(
z
)
11
Ley contina / discreta
F(x) puede ser contina, ej. tenor
o discreta,
- ej. dado
- indicador presencia/ausencia
de una lente de arena en una
formacin arcillosa
MINERA
MINERA
x0
I(x0)=1
x1
I(x1)=0
0
0,2
0,4
0,6
0,8
1
0 1
Istograma
Funao
distribuiao
0,00
0,20
0,40
0,60
0,80
1,00
-10 -5 0 5 10 15 20
z
F
(
z
)
12
La funcin de densidad
Si la F(x) fuere contina y derivable, su derivada se
llama funcin de densidad de probabilidad (fdp) de la VA
o sencillamente densidad:
MINERA
MINERA
dx
x dF
x f
) (
) ( =
=
2
1
) ( ) ( ) (
1 2
x
x
dx x f x F x F

=
x
dx x f x F ) ( ) (
13
Los momentos
Una VA es completamente especificada por la
distribucin F(x)
Muchas veces es suficiente conocer pocos parmetros
de la distribucin, tpicamente meda, varianza,
covarianza .
MINERA
MINERA
14
La esperanza matemticas
X= VA; f(x)=fdp; g(X)=funcin de la VA
Esperanza matemticas
(o meda)
El momento de grado k, normal o centrado:
MINERA
MINERA
[ ]

= dx x f x g X g E ) ( ) ( ) (
[ ] [ ] ( ) [ ]
k
k
k
k
X E X E m X E m = =
15
La meda
Meda, momento 1, valor esperado, , de la VA X
En el caso discreto
MINERA
MINERA
0
0,05
0,1
0,15
0,2
0,25
0 2 4 6 8 10 12 14
X
f
(
X
)
media
0
0,05
0,1
0,15
0,2
0,25
0 2 4 6 8 10 12 14
X
f
(
X
)
media
[ ]

= = dx x f x X E m ) (
1
=
=
, 1
1
u
u u
P x m
16
Propiedades de la meda
a, b= constantes; X, Y = VA
La meda de la combinacin lineal es la combinacin
lineal de las medas:
X independiente de Y:
La meda del producto es el producto de las medas:
MINERA
MINERA
[ ] [ ] [ ] Y bE X aE bY aX E + = +
[ ] [ ] [ ] Y E X E Y X E =
17
La varianza
Momento 2 centrado de la VA X: var(X), s
2
x
, s
2
, ..
En el caso discreto
La raz cuadrada es el desvo patrn
MINERA
MINERA
( ) [ ] [ ]
2 2
2
) var( m X E m X E X = =
2
, 1
2 2
m P x
u
u
u
=

=
2
=
18
Significado de la varianza
Mide cuanto los datos son dispersos entorno de la
meda:
Variaveis com mesma media (m=5) e
variana diferente (= 2, 5)
0
0,1
0,2
0,3
-10,000 -5,000 0,000 5,000 10,000 15,000 20,000
X
f
(
X
)
MINERA
MINERA
19
Propiedades de la varianza
a, b = constantes; X, Y = VA
Las constantes no multiplicativas son filtradas:
X independiente del Y:
La varianza de la suma es la suma de las varianzas:
MINERA
MINERA
) var( ) ( var
2
X a b aX = +
) var( ) var( ) ( var Y X Y X + =
20
Variable reducida
Muchas veces conviene trabajar con la variable reducida:
Variaveis original e reduzida
0
0,1
0,2
0,3
0,4
0,5
-10 -5 0 5 10 15 20
X
f
(
X
)
X': VA reduzida X: VA original
MINERA
MINERA
( ) [ ]
[ ] [ ] 1 ' 0 ' '
'
2 2
'
2
2
2
= = = =
=
= =
X E X E m
m X
X
X-m E E[X] m
X
21
Ejercicio
Dato un conjunto de datos:
Calcular las estadsticas experimentales.
Calcular histograma.
Calcular meda y varianza de una VA discreta con:
X
u
= meda de las clases del histograma
P
u
= frecuencias de las clases del histograma
Dato un segundo conjunto de datos independientes,
verificar las propiedades de la meda y de la varianza
MINERA
MINERA
22
Ejercicio
Calcular meda y varianza de
una VA discreta X
u
conociendo
la distribucin P
u
x
u
- P
u
0
0,05
0,1
0,15
0,2
0
,
1
0
,
5
0
,
9
1
,
3
1
,
7
2
,
1
2
,
5
2
,
9
3
,
3
3
,
7
Xu
P
u
x
u
P
u
0,1 0,005
0,3 0,052
0,5 0,124
0,7 0,160
0,9 0,156
1,1 0,131
1,3 0,102
1,5 0,076
1,7 0,055
1,9 0,040
2,1 0,028
2,3 0,020
2,5 0,014
2,7 0,010
2,9 0,007
3,1 0,005
3,3 0,004
3,5 0,003
3,7 0,002
MINERA
MINERA
23
x
u
P
u
x
u
*P
u
x
u
2
*P
u
0,1 0,005 0,000 0,000
0,3 0,052 0,016 0,005
0,5 0,124 0,062 0,031
0,7 0,160 0,112 0,078
0,9 0,156 0,140 0,126
1,1 0,131 0,144 0,159
1,3 0,102 0,133 0,172
1,5 0,076 0,114 0,171
1,7 0,055 0,094 0,160
1,9 0,040 0,075 0,143
2,1 0,028 0,059 0,125
2,3 0,020 0,046 0,106
2,5 0,014 0,036 0,089
2,7 0,010 0,027 0,074
2,9 0,007 0,021 0,061
3,1 0,005 0,016 0,050
3,3 0,004 0,012 0,041
3,5 0,003 0,010 0,034
3,7 0,002 0,007 0,027
media 1,126 varianza 0,385
Ejercicio - solucin
0,000
0,020
0,040
0,060
0,080
0,100
0,120
0,140
0,160
0,180
0,200
0
,
1
0
,
5
0
,
9
1
,
3
1
,
7
2
,
1
2
,
5
2
,
9
3
,
3
3
,
7
x
u
P
u
media
MINERA
MINERA
24
La ley de las probabilidades de dos variables
En caso de dos variables aleatorias, X y Y, se definen la
densidad y la distribucin de dos variables.
Las leyes monovariables
son llamadas leyes marginales.
MINERA
MINERA
{ }
dxdy
y x F
y x f
y Y x X ob y x F
) , (
) , (
, Pr ) , (
2
=
=
25
El momento segn
Es muy importante el (de) segundo (orden) de las dos
variables: la covarianza.
MINERA
MINERA
( )( ) [ ]
[ ] [ ] [ ]
[ ]
y x
y x x y
y x xy
m m XY E
m m Y E m X E m XY E
m Y m X E
=
= + =
= =
26
Propiedades de la covarianza
Si las dos VA fuere independientes:
Desigualdad del Schwartz:
MINERA
MINERA
0 ) , cov( = =
xy
Y X
y x xy y x xy
oppure
2 2 2
27
Coeficiente de correlacin
Es la covariancia de las dos variables reducidas:
X=(X-m
x
)/
x
Y=(Y-m
y
)/
y
Es el verdadero instrumento para verificar inmediatamente el
nivel de correlacin.
Es adimensional, independiente de los orgenes y de las
unidades de medida.
MINERA
MINERA
' '
) )( (
y x
y x
y x
xy
m Y m X
E

=

=
28
Propiedades del Coeficiente de Correlacin
-1
xy
1
Si X y Y fuere independientes
xy
= 0
xy
= 1, slo en caso de correlacin lineal:
Y = a X + b
Variaveis independentes
=0
0
5
10
15
0 0,25 0,5 0,75 1
X
Y
Variaveis independentes
=0
0
5
10
15
0 0,25 0,5 0,75 1
X
Y
Variaveis parcialmente correladas
=0,5
0
5
10
15
0 0,25 0,5 0,75 1
X
Y
=0,5
0
5
10
15
0 0,25 0,5 0,75 1
X
Y
=0,85
0
5
10
15
0 0,25 0,5 0,75 1
X
Y
=0,85
0
5
10
15
0 0,25 0,5 0,75 1
X
Y
MINERA
MINERA
' '
) )( (
y x
y x
y x
xy
m Y m X
E

=

=
29
Regresin
Rigurosamente la regresin de una variable sobre una segunda
es la curva de las esperanzas condicionales.
MINERA
MINERA
[ ]

= = dy x y f y X Y E x m
Y
) / ( | ) (
30
Y
X
m
X
m
Y
m
Y
(x)
y*
Regresion lineal
Es difcil conocer la ley de dos variables.
En practica se calcula la regresin lineal:
la recta de regresin
MINERA
MINERA
( )
X
X
XY
Y
m x m y + =
2
*
31
Las Regresiones lineal!
La regresiones son diferentes conforme la variable:
Regressoes lineares
0
4
8
12
0 0,25 0,5 0,75 1
X
Y
Dados
experimentais
Y*|x
X*|y
MINERA
MINERA
( )
( )
Y
Y
XY
x
X
X
XY
Y
m y m x
m x m y
+ =
+ =
2
2
*
*
32
Ejercicio
Dados dos conjuntos de datos, Pbe Zn
Clcular las estadisticas esperimentales.
Verificar las propiedades de la meda y de la varianza.
MINERA
MINERA
33
Alguna ley
La distribucin normal:
Densidade normal
0
0,1
0,2
0,3
-5,000 0,000 5,000 10,000 15,000
X
f
(
X
)
m
MINERA
MINERA
( )
2
2
2
2
1
) (

m x
e x f

=
34
Alguna ley
La distribucin exponencial:
Densidade exponencial
0
0,1
0,2
0,3
0 4 8 12
X
f
(
X
)
m
MINERA
MINERA
< =
=

0 0 ) (
0 ) (
x per x f
x per ae x f
ax
2
2
1
) var(
1
] [
a
X
a
X E m = = = =
ax
e x F

=
1 ) (
35
Alguna ley
La distribucin uniforme:
Densidade uniforme
0
0.02
0.04
0.06
0.08
0.1
0 4 8 12 16 20 24
X
f
(
X
)
m
a=20
1/a
MINERA
MINERA
=
< < =
altrove x f
a x per
a
x f
0 ) (
0
1
) (
a x per
a
x
x F = 0 ) (
2 2
12
1
) var(
2
1
] [ a X a X E m = = = =
36
Alguna ley
La distribucin log-normal
Es importante en el mbito de los georecursos porque
describe bien las distribuciones de variables con baja
concentracin, ej. los yacimientos de U, Au,
La VA X es log-normal
Si ln(X) es normal
1/a
MINERA
MINERA
37
Alguna ley
Los parmetros de la distribucin log-normal
Las relaciones entre los momentos de la VA normal y
log-normal
X = log-normal ln(X) = normal
E[X] = m E[ln(X)] = m
Var[X] = s
2
Var[ln(X)] = S
2
m = e
(m+S
2
/2)
s
2
= m
2
(e
S
2
-1)
1/a
MINERA
MINERA
38
MINERA
MINERA
Alguna ley
La distribucin normal en 2D
X, Y : variables normis (m
x
, m
y
,
2
x
,
2
y
)
=
xy
/ (
x

y
) : coeficiente de la correlacin
) , (
2
1
) , (
y x Q
e k y x f

=
( )
( )( ) ( )
=
2
2
2
2
2
2
2
1
1
) , (
1 2
1
y
y
y x
y x
x
x
y x
m y m y m x
m x
y x Q
k

39
MINERA
MINERA
Alguna
Alguna
ley
ley
Las regresiones de una distribucin binormal

Las regresiones son dos rectas idnticas las
aprximaciones lineal
Las regresiones m(xly) y m(y/x)
se encuentran en (m
x
,m
y
)
m(x/y) = m
x
+
x
/
y
(y - m
y
)
m(y/x) = m
y
+
y
/
x
(x - m
x
)

3 - Introducción A La Geoestadística Minera

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

3 - Introducción A La Geoestadística Minera

Загружено:

Авторское право:

Доступные форматы

1

Ing. Roberto Bruno - rbruno@expo.intercade.org - Consultor Internacional Intercade

Las regresiones de una distribucin binormal

Вам также может понравиться