Академический Документы
Профессиональный Документы
Культура Документы
RESENAREN SAC
GEOESTADSTICA
Pg.
6
6
1. INTRODUCCIN
2. APLICACIONES DE LA GEOESTADSTICA
CAPITULO 1.
ETAPAS DE UN PROYECTO MINERO E IMPORTANCIA DE LA
GEOESTADSTICA EN MINERA
1.1. ETAPAS DE UN PROYECTO MINERO
7
1.1.1. Prospeccin
7
1.1.2. Factibilidad
7
1.1.3. Proyecto minero
8
1.1.4. Programa de explotacin
9
1.2. CAMPOS DE APLICACIN
9
1.3. IMPORTANCIA DE LAGEOESTADSTICA EN MINERA
9
CAPITULO 2.
TEORA DE LAS VARIABLES REGIONALIZADAS
2.1. DEFINICIN DE GEOESTADSTICA.
2.2. VARIABLES REGIONALIZADAS (V.R.)
2.2.1. Soporte y campo
CAPTULO 3
HIPTESIS DE TRABAJO Y VARIOGRAMA
3.1. HIPTESIS DE TRABAJO
3.1.1. Funcin aleatoria.
3. 2. EL VARIOGRAMA.
3.2.1. Propiedades de un variograma
3.2.1.1. Relacin con la covarianza.
3.2.1.2. Simetra.
3.2.1.3. Positividad.
3.2.1.4. Isotropa.
3.2.1.5. El variograma rinde cuenta de la regularidad de un fenmeno.
3.2.1.6. Incorporacin de parmetros estructurales
3. 3. CONTINUIDAD ESPACIAL.
3.3.1. Covariograma (C(h))
3.3.2. Correlograma ((h))
11
11
13
14
14
15
16
16
16
16
16
16
18
19
19
20
CAPITULO 4
EL SEMIVARIOGRAMA EXPERIMENTAL
2.1. DEFINICION.
2.2. CONSTRUCCIN DE UN VARIOGRAMA.
2.2.1. Soporte y regularizacin.
2.2.2. Construccin de un variograma
2.2.3. Representacin esquemtica de las iteraciones
22
22
22
23
24
27
27
27
27
28
Robinson Villanueva
resenaren_ger@speedy.com.pe
d) Presencia de microestructuras
2.3.2. Alcance.
2.3.3. Efecto de pepita (Co).
28
29
30
31
32
34
34
CAPITULO 5
EL VARIOGRAMA TERICO
5.1.MODELOS DE VARIOGRAMAS
5.1.1.Variograma con efecto de pepita.
5.1.2. Variograma con meseta.
5.1.3. Variograma sin meseta.
5.1.4. Efectos que se manifiestan en los semivariogramas:
a) Semivariogramas con tendencia
b) Efecto de agujero (trou)
c) Efecto proporcional
d) Semivariogramas compuestos
42
49
5.2. ISOTROPA
50
5.3. ANISOTROPA
5.3.1. Modelizacin de variogramas anistropos
5.3.2. Ejemplo de ajuste de un variograma anistropo
51
52
53
36
36
37
38
39
39
40
58
59
59
60
61
61
62
63
63
64
65
Robinson Villanueva
resenaren_ger@speedy.com.pe
65
65
65
67
CAPTULO 7
LA VARIANZA DE DISPERSIN
7.1. DISTRIBUCIN DE UNA VARIABLE REGIONALIZADA
72
73
73
75
75
78
78
79
CAPTULO 8
VARIANZA DEL ERROR GEOMTRICO
8.1. ERROR GEOMTRICO
8.1.1. Estimacin de una superficie
8.1.2. Varianza del error geomtrico
8.1.3. Estimacin de un volumen
82
82
82
83
84
85
85
86
CAPTULO 9
EVALUACIN DE LAS RESERVAS. LA ESTIMACIN GLOBAL.
MTODOS CLSICOS
9.1. INTRODUCCIN
87
9.2. PRIMER RECONOCIMIENTO SISTEMTICO
87
88
88
Robinson Villanueva
89
resenaren_ger@speedy.com.pe
93
CAPTULO 10
LA ESTIMACIN GLOBAL.
MTODOS GEOESTADSTICOS
10.1. LA ESTIMACIN GLOBAL, CONOCIDOS LA GEOMETRA Y
EL VOLUMEN DEL YACIMIENTO
97
99
100
105
107
CAPTULO 11
GEOESTADSTICA-EVALUACIN DE RESERVAS
EL KRIGEAJE (KRIGING O KRIGEAJE)
11.1. EL KRIGEAJE
109
110
110
115
117
120
11.8. COKRIGEAGE
121
BIBLIOGRAFA
170
BACOS
Robinson Villanueva
157-169
resenaren_ger@speedy.com.pe
1. INTRODUCCIN
Uno de los objetivos que se persigue con este manual es mostrar las bondades de la
geoestadstica en las diferentes etapas de un proyecto minero, desde el reconocimiento
geolgico del terreno hasta la optimizacin de la cadencia de explotacin. Constataremos
como a travs del tiempo la practicidad, desarrollo y aplicaciones de la Geoestadstica en
las Ciencias de la Tierra, se ha incrementado en gran medida, por el desarrollo acelerado
del hardware y software informticos.
George Matheron y su equipo del Centro de Morfologa Matemtica al estar en contacto
con los problemas mineros desarrollaron el formulismo terico y los mtodos prcticos que
conforman actualmente la geoestadstica, estos mtodos al ser generales pueden aplicarse a
cualquier campo que trate con variables numricas y que midan fenmenos naturales:
geologa, petrleo, geofsica, industria forestal, geografa, cartografa, agricultura,
hidrogeologa, etc.
2. APLICACIONES DE LA GEOESTADSTICA
El anlisis e interpretacin de los semivariogramas y los mtodos geoestadsticos, pueden
ser tiles para:
evaluar el potencial econmico minero de un yacimiento;
determinar el tamao, la densidad y el esquema ptimo de muestreo;
definir el rea de influencia de la muestra y la morfologa del fenmeno estudiado;
caracterizar la naturaleza de la mineralizacin, es decir poner de manifiesto la
homogeneidad o heterogeneidad de la mineralizacin a travs de la variografa.
La aplicacin de la geoestadstica en minera y geologa permite entre otras cosas evitar el
uso de mtodos de ponderacin arbitrarios y de estimadores sesgados en el clculo de
reservas y recursos.
Si la base de datos inicial es correcta, a travs de la geoestadstica podemos determinar el
mejor estimador no sesgado posible, importante en yacimientos que trabajan con lmites
econmicos severos.
Robinson Villanueva
resenaren_ger@speedy.com.pe
CAPTULO 1
ETAPAS DE UN PROYECTO MINERO E IMPORTANCIA DE LA
GEOESTADSTICA EN MINERA
1.1. ETAPAS DE UN PROYECTO MINERO
En cuanto a estas etapas, no se conoce de una secuencia standard. Por ejemplo,
los problemas que se presentan en un gran prfido de cobre son diferentes a los de
una pequea mina subterrnea filoneana. La secuencia que a continuacin
describiremos corresponde a la de un proyecto minero de gran tonelaje y baja ley, que
en nuestros das es prctica cotidiana en las grandes compaas mineras.
1.1.1. Prospeccin (reconocimiento geolgico)
En esta etapa, a partir de ndices geolgicos: afloramientos, anomalas
geoqumicas o magnticas, minas abandonadas o prolongacin de un yacimiento
conocido y tomando como base trabajos de reconocimiento como: sondajes, trincheras,
galeras, re-muestreo, etc., se trata de delimitar una zona mineralizada. Es decir,
verificar la existencia de mineralizacin y comprender la naturaleza cualitativa del
fenmeno (grado y tipo de alteracin, mineraloga, tectnica, estructuras geolgicas,
superficie que abarca los sondajes positivos, profundidad de la zona mineralizada,
mercado y precios internacionales, interrelaciones sociales, etc.). Estos factores
cualitativos de ser favorables permitirn pasar a la etapa siguiente.
1.1.2. Factibilidad
El estudio de factibilidad, a travs de una campaa de sondajes a gran escala,
y de dimensiones de malla gruesa (gran malla) ms o menos regular, se espera localizar
de manera precisa la masa mineralizada y estimar el tonelaje total, la ley promedio y el
contenido metlico o cantidad de metal (Q). Es lo que en geoestadstica se denomina
estimacin global. Si los resultados y la coyuntura econmica son favorables, se decide
efectuar una segunda campaa de sondaje a malla ms cerrada, en caso contrario el
proyecto se detiene hasta que las condiciones econmicas sean favorables.
En esta etapa, se debe responder y dar solucin a las siguientes interrogantes:
a) Cmo estimar la superficie (o el volumen) mineralizado a travs de sondajes
positivos y negativos?
b) Cmo calcular la ley media tomando como base datos de distinta naturaleza (puntos,
DDH, canales) y distribuidos irregularmente.
c) Qu grado de confianza tienen los resultados?
Por experiencia, los mineros saben que la precisin en la estimacin de la ley
media, no es slo funcin del nmero de sondajes sino que tambin depende de la
disposicin de ellos mismos (regular o irregular) y de la variabilidad propia de la ley.
Clsicamente, la geologa caracteriza la calidad de estimacin a travs de una
clasificacin de reservas. Esta clasificacin se establece de acuerdo a ciertos criterios
cuantitativos: si las reservas son bien conocidas puede justificarse una inversin
importante de capital.
La siguiente etapa de cerrar la malla permitir clasificar las reservas de manera
ptima.
Robinson Villanueva
resenaren_ger@speedy.com..pe
Robinson Villanueva
resenaren_ger@speedy.com..pe
100%
m z (c )
0
z(c)
Porcentaje del tonelaje total recuperado
En funcin de la ley de corte z(c)
o cut-off
z(c)
Evolucin de la media de las
leyes en funcin de la ley de
corte.
Robinson Villanueva
resenaren_ger@speedy.com..pe
Robinson Villanueva
resenaren_ger@speedy.com..pe
10
CAPTULO 2
TEORA DE LAS VARIABLES REGIONALIZADAS
2.1. DEFINICIN DE GEOESTADSTICA.
La geoestadstica es una disciplina que se ha desarrollado y consolidado, con
una slida base terica y existe como repuesta a necesidades prcticas concretas,
aplicadas a casos de la vida real, como por ejemplo: estimacin de reservas de mineral.
La escuela matemtica francesa, consolid las bases tericas de esta disciplina
en lo que actualmente se conoce como la teora de las variables regionalizadas
(George Matheron, 1962). Esta concepcin terica tiene como objetivo primordial
diferenciar datos numricos, aparentemente del mismo tipo, pero cuya posicin
espacial, los hace diferentes para anlisis geolgicos.
Bajo esta ptica, podemos decir que la geoestadstica, es la aplicacin de la
teora de las variables regionalizadas (VR) al reconocimiento y estimacin de un
fenmeno natural.
2.2. VARIABLES REGIONALIZADAS.
La Geoestadstica con respecto a la Estadstica considera en su anlisis y
formulismo matemtico no slo el valor o magnitud en el punto donde se tom la
muestra, sino tambin la posicin de ese punto dentro del cuerpo mineralizado y su
relacin con las otras muestras. Para comprender mejor lo anterior, analicemos las dos
series de leyes en Cu, dados en porcentaje:
Serie A: 0,5 ; 1,5 ; 2,5 ; 3,5 ; 4,5 ; 6,0
Serie B: 1,5 ; 4,5 ; 6,0 ; 3,5 ; 2,5 ; 0,5
Las dos series presentan la misma media y varianza 3,08 y 4,04 respectivamente
(se trata de los mismos datos), sin embargo notamos una marcada diferencia espacial,
puesta de manifiesto en las diferencias sucesivas entre las muestras contiguas:
Serie A: 1,0; 1,0; 1,0; 1,0; 1,5
Serie B: 3,0; 1,5; 2,5; 1,0; 2,0
Estas diferencias pueden utilizarse para poner de manifiesto la existencia de una
relacin espacial en los valores de la variable, que los mtodos estadsticos no toman en
cuenta.
La Geoestadstica establece que la distribucin estadstica de la diferencia en
el valor de una variable (ley) entre pares de puntos (muestras) es similar en un
yacimiento y que depende de la distancia y orientacin entre las parejas de puntos.
Una regionalizacin se asume como el desplazamiento en el espacio (o en el
tiempo) de un cierto fenmeno, caracterizado por magnitudes.
Una variable puede considerarse regionalizada si est distribuida en el
espacio y si muestra algn grado de correlacin espacial.
En verdad, casi todas las variables que corresponden a las ciencias de la tierra peden
considerarse como VR. Una VR es una funcin Z(x), que representa el valor, segn su
ubicacin en el espacio, de una variable asociada a un fenmeno natural. Pero esta
funcin Z(x) no se comporta como las funciones matemticas clsicas, ya que es
Robinson Villanueva
resenaren_ger@speedy.com..pe
11
z(x)
x2
x1
Ejemplos de variables regionalizadas: Sea una mineralizacin cualquiera:
Superficie
p(x), z(x)
Podemos definir:
- La potencia de la mineralizacin p(x)
- La acumulacin a(x), es decir la cantidad de metal correspondiente a p(x).
- La ley z(x) = a(x)/p(x)
p(x),a(x), z(x) son variables regionalizadas.
Una VR se presenta bajo dos aspectos:
Uno aleatorio: gran irregularidad y variaciones imprevisibles en un punto.
Otro estructural: particular a cada regionalizacin.
.
En el grfico adjunto se ha representado la
V.R. ley en funcin de la profundidad.
Este grfico muestra de una parte un
aspecto aleatorio imprevisible e irregular,
y de otra parte una tendencia regular,
estructurada y previsible.
1%
2%
10
50
Profundidad
Uno de los objetivos de la geoestadstica es describir las estructuras mixtas de estas
variables regionalizadas.
Robinson Villanueva
resenaren_ger@speedy.com..pe
12
zv =
1
z( x1 , x2 , x3 )dx1dx2 dx3
v V
Soporte (testigo)
En geologa, para definir, los lmites del campo es necesario utilizar un modelo
geolgico adecuado, por ejemplo, en la figura siguiente (fuente: curso: Estimacin de
Recursos Mineros, Marco Alfaro, mayo 2007), se pueden distinguir dos campos
disjuntos, los cuales se pueden tratar de manera independiente y corresponden a
unidades geolgicas diferentes: xidos y sulfuros.
Una seccin del prfido de cobre, Inca de Oro. En esta seccin se observa diferentes unidades geolgicas
(campos): xidos, mixtos, enriquecimiento secundario y sulfuros primarios.
Robinson Villanueva
resenaren_ger@speedy.com..pe
13
CAPTULO 3
HIPTESIS DE TRABAJO Y VARIOGRAMA
3.1. HIPTESIS DE TRABAJO.
3.1.1. Funcin aleatoria.
Ley
z(x)
x
x
x
x
x
Se tendra que escoger el polinomio que d menor error y la seleccin podra ser
totalmente arbitraria.
Para resolver este problema
la
geoestadstica plantea una hiptesis de base:
* En primer lugar, z(x) variable
regionalizada, es una realizacin de una
funcin aleatoria denotada por Z(x).
* Una FA es una familia de funciones cada
una
con su propia probabilidad de
ocurrencia.
Ley z(x)
X
X
X
X
X
Robinson Villanueva
resenaren_ger@speedy.com..pe
14
3. 2. EL VARIOGRAMA.
La Estadstica considera las muestras como aleatorias e independientes entre s, en
cambio la Geoestadstica asume cierta correlacin entre ellas y una forma de expresar
dicha correlacin es a travs de la funcin variograma o semivariograma.
David (1978) define el variograma como una funcin que mide el grado de correlacin
o dependencia entre dos pares de muestras separadas una distancia h, en cierta
direccin.
x
x+h
El variograma, como herramienta matemtica intenta capturar el nivel de continuidad de
una FA., es decir, define la correlacin espacial entre los valores muestreados.
La hiptesis estacionaria es muy rigurosa: los crecimientos de Z(x) son estacionarios, es
decir que:
Z(x+h) Z(x) es una funcin aleatoria estacionaria. En esto consiste la hiptesis
intrnseca.
Matemticamente, esta funcin aleatoria se define como:
resenaren_ger@speedy.com..pe
15
E (Z(x+h) Z(x)) = 0.
(h)
3.2.1.2. Simetra.
Demostraremos que: (h) = (-h)
Haciendo:
x = x + h
(h) = (-h)
3.2.1.3. Positividad.
(h) por definicin es una varianza, por lo tanto para todo h, (h) es positiva y no
nula.
3.2.1.4. Isotropa.
Siendo h un vector, entonces (h) es una funcin vectorial, es decir depende de la
longitud y de la direccin de dicho vector.
En el caso que (h) dependa slo de la longitud de h, estaremos frente a una isotropa.
3.2.1.5. El variograma rinde cuenta de la regularidad de un fenmeno.
Se presenta dos casos lmites:
i) Efecto de pepita:
(h)
-
K(0)
K(h)
Es decir que la covarianza es nula para h 0, esto quiere decir que existe independencia
entre los puntos, que el fenmeno es completamente irregular y que se trata de la
aleatoriedad pura. Este es el caso del efecto de pepita.
Robinson Villanueva
resenaren_ger@speedy.com..pe
16
(h)
= a h
= a h + y (h )
2
z (h ) = a 2 h 2 + y (h )
Robinson Villanueva
resenaren_ger@speedy.com..pe
17
K(b)
Meseta
K(0)
Robinson Villanueva
resenaren_ger@speedy.com..pe
18
3. 3. CONTINUIDAD ESPACIAL.
En Geoestadstica, continuidad espacial es el anlisis de los covariogramas,
variogramas y correlogramas.
A continuacin describiremos: el covariograma C(h) y el correlograma (h)que,
al igual que el variograma permiten describir la medida de la continuidad espacial entre
dos variables.
3.3.1. Covariograma (C(h))
1 N (h)
C ( h) =
( z ( xi ) *z ( xi + h) mh * m+h )
N ( h) i =1
Donde:
N(h) es el nmero de parejas (z(xi), z(xi+h) de datos a una distancia h.
m-h y m+h son los promedios de los valores izquierdos y derechos
respectivamente, de las parejas de datos a la distancia h, definidas por:
m h
1 N (h)
=
z ( xi )
N (h) i =1
m+ h
1 N (h)
=
z ( xi + h)
N (h) i =1
1. La creacin de una grilla regular fina, en la cual cada nodo contar con
informacin del dato ms cercano a l. Los errores del covariograma calculado
son cercanos a los errores de discretizacin. El inconveniente del mtodo radica
en linealizar el covariograma y de atribuir toda gama de distancias a cada
resultado de densidades.
2. Una ponderacin apropiada para las superficies de influencia de cada muestra.
El covariograma experimental, obtenido por la primera solucin prctica es ms
regular que el variograma correspondiente (Figuras 2 y 3). Por tanto su modelizacin es
mucho ms cmodo. Sus alcances no se interpretan en trminos de correlaciones sino en
trminos geomtricos (stocks).
Robinson Villanueva
resenaren_ger@speedy.com..pe
19
Robinson Villanueva
resenaren_ger@speedy.com..pe
20
Los vectores que terminan en la misma celda se agrupan en una clase y el valor del
correlograma se estima por separado para cada clase. El nmero de direcciones puede
ser diferente (4, 8, 16, etc.)
El correlograma se estima a travs de la siguiente ecuacin:
( h) =
C ( h)
h * +h
Donde:
2
h
1 N (h) 2
=
( z ( xi ) m2h )
N (h) i =1
Robinson Villanueva
2
+h
1 N (h) 2
=
( z ( xi + h) m+2h )
N (h) i =1
resenaren_ger@speedy.com..pe
21
CAPTULO 4
EL SEMIVARIOGRAMA EXPERIMENTAL
2.1. DEFINICIN
Siendo la V.R. z(x) una realizacin de una funcin aleatoria estacionaria Z(x), por
definicin de (h):
(h) =
1
Var (Z ( x + h) Z ( x) )
2
1
2
(h) = E (Z ( x + h) Z ( x) )
2
En la prctica los datos fsicos no se miden por puntos sino por volmenes. Por
ejemplo, la ley de un sondaje se obtiene sobre la base de un testigo.
Es decir:
z (x ) = v z ( x + y)dy
v
v (h ) =
1
E [Z v ( x + h) Z ( x )]
2
Robinson Villanueva
resenaren_ger@speedy.com.pe
22
(h)
El variograma regularizado se
sita siempre por debajo del
variograma puntual, ya que en
l, se toma en cuenta el
promedio de los valores sobre
el volumen v.
puntual
regularizado
h
En la prctica no se trabaja con variogramas puntuales, emplendose los
variogramas regularizados, es evidente que el variograma depende del soporte,
por ejemplo, importancia del volumen v del testigo. No es conveniente mezclar
dos medidas iguales de soportes diferentes.
A partir de un variograma regularizado se puede construir el variograma puntual
correspondiente, proceso llamado deconvolucin.
2.2.2. Construccin de un semivariograma.
1
2n j
- ( j.a 2 ) =
nj
( z( xi + ja)
2 z ( xi))
para 1 y 2 .
2
para 3 y 4 . .
Los datos de la grilla simulan valores de perforacin nos piden calcular los
semivariogramas en las cuatro direcciones x1, x2, x3 y x4
Robinson Villanueva
resenaren_ger@speedy.com.pe
23
resenaren_ger@speedy.com.pe
24
(1) =
197
= 4,1
2(24)
Z(xi) z(xi + h) (z(xi + h)-z(xi))2
35
35
33
33
34
31
35
37
41
35
35
35
37
35
37
37
37
39
39
37
40
34
36
42
35
33
33
34
31
35
37
41
41
35
35
33
35
37
35
37
39
39
41
40
42
36
41
33
0
4
0
1
9
16
4
16
0
0
0
4
4
4
4
0
4
0
4
9
4
4
25
81
197
De la misma manera se calculan los valores de (2) y (3), para los pasos 2 y 3.
En la pgina siguiente se han representado los clculos y los semivariogramas para las
cuatro direcciones requeridas por el problema anterior
Robinson Villanueva
resenaren_ger@speedy.com.pe
25
Lag 3
n1
(1)
n2
(2)
n3
(3)
24
4,10
20
8,40
18
12,10
22
4,25
18
8,20
15
10,90
19
5,00
16
11,90
10
17,30
18
6,50
14
11,30
15,40
Direcciones
Semivariogramas obtenidos
20
18
16
14
1
2
3
4
(h)
12
10
8
6
4
2
0
0
Robinson Villanueva
resenaren_ger@speedy.com.pe
26
(h)
(h) = Co para h ? 0
Co
h
(h) = 0 para h=0
x
b) Valores muy regulares y continuos:
Ley
(h)
0
d
x
h
El comportamiento de las leyes es tan homogneo que los valores de dos muestras
distantes entre si por d son practicamente las mismas, es decir que para h pequeo,
(h) tiende a ser cero. En estas condiciones el variograma (figura de la derecha)
muestra un comportamiento parablico en el origen, mostrando un fenmeno muy
regular y dando cuenta de la existencia de una deriva.
Robinson Villanueva
resenaren_ger@speedy.com.pe
27
c) Continuidad media:
En un diagrama de leyes (grfico de la izquierda), donde la diferencia de leyes para dos
muestras distantes de d es significativa: El variograma correspondiente, tiene un
comportamiento lineal en el origen, poniendo de manifiesto un fenmeno de cierta
regularidad, ms o menos estacionaria.
Ley
(h)
.
distancia
Ley
distancia (x)
(h)
Co
Robinson Villanueva
resenaren_ger@speedy.com.pe
28
2.3.2. Alcance(a).
(h)
C
meseta
h
a
Sector de valores
independientes
independientes
xo a
xo
xo + a
Con el siguiente ejemplo se pretende comprender una de las bondades del alcance:
En un yacimiento de carbn se han tomado 80 muestras a malla regular de 5m. Las
potencias de los 10 mantos de carbn, en metros, son: 31,6 ; 24,8 ; 5,1 ; 11,1 ; 4,6 ; 34,5
; 49,2 ; 14,7 ; 10,2 ; 10,2.Al determinar la continuidad espacial de la VR Z(x), definida
por::
1 (en blanco), si la muestra se encuentra en el manto carbonfero
Z(x)
0 (en negro), si la muestra se encuentra en los estratos estriles.
resenaren_ger@speedy.com.pe
29
0.3
0.2
0.1
0
0
10
20
30
h(m)
pepitas de oro
La discontinuidad en el variograma manifestado al comienzo estara representado por:
(h)
Co
h
Robinson Villanueva
resenaren_ger@speedy.com.pe
30
Robinson Villanueva
resenaren_ger@speedy.com.pe
31
P2
Robinson Villanueva
resenaren_ger@speedy.com.pe
32
Algunos softwares definen otro tipo de mtodo para evitar este problema (mtodo del
lpiz):
Robinson Villanueva
resenaren_ger@speedy.com.pe
33
Es necesario entender que los anchos de banda son regiones que toman como
referencia a la lnea de la direccin del variograma en el cual se localizan los pares bajo
una tolerancia angular establecida.
2.4.3. Rotacin y direccin:
La rotacin de los ejes coordenados puede utilizarse en depsitos que tienen
cierta tendencia espacial. En los softwares se pueden calcular variogramas en diferentes
direcciones, los ngulos horizontal y vertical pueden comenzar con un valor definido
por el operador (por defecto el valor de entrada es cero), los incrementos tambin
pueden ser especificados aunque algunos softwares usan por defecto 22,5 como
incremento horizontal y 30 para la vertical. La siguiente figura ayuda a visualizar estos
conceptos.
Robinson Villanueva
resenaren_ger@speedy.com.pe
34
315
45
270
0
90
4
6
5
2
225
135
-30
-60
-90
3
180
Vista de planta (45 de incrementos)
Robinson Villanueva
-90
4
resenaren_ger@speedy.com.pe
35
CAPTULO 5
EL VARIOGRAMA TERICO.
5.1. MODELOS DE VARIOGRAMAS
Sabemos que un variograma se define como:
2
1
(h) = E ( Z ( x + h) Z ( x))
2
(h) = ( j.a ) =
2
1
(
z
(
x
+
ja
)
z
(
x
))
2nj nj
*(h)=Co
Co
Robinson Villanueva
resenaren_ger@speedy.com.pe
36
a
h
Hablaremos de dos tipos de variogramas segn a, sea infinito finito.
(h)
C
h
( h ) = c 1 e a
h
a/3
En este modelo la tangente en el origen, intercepta a la meseta a un valor de a/3
b)Modelo Gaussiano
(h)
C
h2
( h ) = c1 e a
h
a/ 3
En este modelo la tangente en el origen, intercepta a la meseta a un valor de a
Robinson Villanueva
resenaren_ger@speedy.com.pe
37
(h)
T
C
3
(h) = C ( 2 .
C
h
a
12
( ))
h
a
para
para
h<a
h a
0
2a
a
h
3
En este modelo, La interseccin de la tangente en el origen, h=0, con la meseta se sita a 2/3
del alcance.
3C
d (h)
=
dh h =0 2a
y=
3C
h
2a
Interseccin de T para y = c :
C=
3C
h
2a
h=
2
a
3
>1
=1
(h ) = p h
<1
con 0 2
h
1
Robinson Villanueva
resenaren_ger@speedy.com.pe
38
(h) = C log h
h 1
El inconveniente de este modelo es el de no pasar por el origen. Este modelo se us al inicio de
la geoestadstica actualmente ha quedado descartado.
En el modelo de Wijsian al igual que en el lineal, *(h) se incrementa ms all del valor de la
varianza de los datos. Tiene por expresin:
con
h 3
+
L 2
donde: es el coeficiente de dispersin absoluta (medida de la variacin espacial)
L es el espesor equivalente. Este modelo se presenta slo en algunos yacimientos
hidrotermales, principalmente de estao (variable: espesor del cuerpo mineralizado).
* ( h ) = 3 ln
(h)
Comportamiento
parablico
2
Dimensiones mximas
de los bloques a evaluar
a
Robinson Villanueva
resenaren_ger@speedy.com.pe
39
C( r )
r
0
0
r
6
Amplitud () del efecto de agujero: es el valor mnimo de la covarianza con
respecto a C(o)
Inf .C ( h )
=
Co
Si un semivariograma presenta un efecto de agujero de amplitud superior a 0,217 (amplitud
mxima de un efecto de agujero a tres dimensiones), podemos afirmar que:
este efecto no es significativo y que se debe a las fluctuaciones del semivariograma
experimental, o
Robinson Villanueva
resenaren_ger@speedy.com.pe
40
Interpretacin:
Una componente pseudo peridica de la regionalizacin puede provocar un efecto de agujero
en un semivariograma experimental. As la sucesin estacionaria en un yacimiento de dos tipos
de mineralizacin claramente diferenciados, si esta sucesin no es istropa (en general no hay
razn para que lo sea), el efecto de agujero se observar slo en ciertas direcciones, con
respecto al grfico siguiente existe un fenmeno pseudo peridico de estratificaciones
horizontales, podemos decir que:
*El variograma vertical presentar un efecto de agujero de amplitud superior a 0,217,
pudindose interpretar los valores de h1 y h2 como los extremos de las dimensiones
promedios verticales entre la zona pobre-mineral de mena.
*Los variogramas horizontales sern distintos segn representen el estrato rico o estril.
Este efecto, se puede explicar a partir del siguiente ejemplo: Sea un yacimiento
sedimentario con unidades de sedimentacin que conducen a zonas mineralizadas
preferenciales, del tipo indicado en la figura (alternancia de reas de mena con reas
estriles, dando lugar a una pseudoperiodicidad, reflejada en las variaciones del
semivariograma alrededor de una aparente meseta):
Ley
mena
estril
Distancia (x)
Robinson Villanueva
x
resenaren_ger@speedy.com.pe
41
(h)
mena
estril
h
h2
0 h1
Direccin vertical (efecto de agujero)
Direccin horizontal
c )Efecto proporcional
En algunos casos, es frecuente observar que la variabilidad de los datos evoluciona con su
media aritmtica. Por ejemplo, consideremos n sondajes para reconocer la misma
mineralizacin con las siguientes caractersticas:
m*A
: promedio de los datos del sondaje A
2
D A(0/L) : varianza de dispersin definida en el sondaje A. Se supone que los n
sondajes tienen la misma longitud L.
*A(h) : variograma experimental calculado en el sondaje A.
Se dice que existe efecto proporcional si los distintos variogramas elementales *A(h) son
afines, o se corresponden, de tal manera que el mdulo depende del cociente de los promedios
experimentales. Vase la siguiente figura
La presencia de un efecto proporcional en los variogramas experimentales no implica
necesariamente la no estacionaridad de un fenmeno sub-yaciente.
*(h)
m*B m*A
afinidad
m*A
*A(h)
alcance
f(
m* A *
) B (h)
m* B
Implica que:
D2A(0/L) f (
Robinson Villanueva
m A 2
) D B (0 / L )
m* B
resenaren_ger@speedy.com.pe
42
Observaciones:
i)
Un efecto proporcional se dice que es directo si el variograma crece con el
promedio experimental. Este efecto se espera cuando los datos presentan una
distribucin lognormal, por ejemplo las leyes en Cu, Au de pequeo soporte, la
mayora de los datos corresponden a leyes bajas.
Un efecto proporcional es inverso si el variograma decrece cuando el promedio
ii)
crece. Este fenmeno es menos frecuente que el anterior, es de esperarlo cuando los
datos presentan una distribucin lognormal inverso, por ejemplo leyes de
yacimiento: en Fe-hematita, en fosfatos triclcicos, y en general cuando las leyes de
mineralizacin presentan fuertes concentraciones. A mayores valores del promedio,
menor es la dispersin.
iii)
En la prctica el efecto proporcional observado es del tipo m2:
f(
m* A
m2 A
)
m* B
m2B
El variograma relativo
* A ( h)
m *2
independientes del promedio local.
iv)
v)
vi)
Robinson Villanueva
*A(h)
resenaren_ger@speedy.com.pe
43
vii)
120
varianza
Zona
intermedia
Zona pobre
100
Zona rica
80
60
40
20
0
0
50
100
150
200
250
300
350
400
450
500
media*media
Robinson Villanueva
resenaren_ger@speedy.com.pe
44
* (h ) =
N'
k =1
( h ) *k ( h )
N'
k =1
(h)
a2 = 3m
Los dos alcances corresponden aproximadamente al mximo y mnimo del efecto de agujero
observado en S4 y S10. Estos valores podran interpretarse como el espesor promedio vertical
de las fases ricas (a1 = 1m) y la nter distancia promedio vertical entre las dos fases ricas (a2 =
3m), obsrvese el perfil vertical de leyes del sondaje S4 (Figura Ej.4.)
Ajuste del efecto proporcional
El modelo esfrico superpuesto anterior es representativo slo para la estructura vertical
promedio del yacimiento, reconocido por los 26 sondajes (estos sondajes revelan una ley media
m* = 2,2 %U).
Para que este modelo pueda usarse a escala local en una zona de ley media m*i 2,2 %U,
conviene tener en cuenta el efecto proporcional revelado por los semivariogramas elementales
construidos sondaje por sondaje (cr. Figura Ej.2.).
Para estudiar este efecto se ha considerado las varianzas de dispersin experimentales si2* de
las leyes de cada longitud mineralizada Li. Para comparar significativamente las varianzas entre
ellas, se ha seleccionado los 12 sondajes de mayor longitud mineralizada (Li del 11 al 23,
referencia tabla de la Figura Ej.4.). Las varianzas experimentales si2* han sido evaluadas de un
gran nmero de muestras (5 por metro), de esta manera puede considerarse como un buen
estimador de la varianza a priori D2(1/ ) de leyes de testigo de longitud l.
La Figura Ej.5.,representa la nube de puntos (s*i,mi*) de la varianza experimental versus la
media experimental correspondiente. A la ley promedio global m*=2,2 %U se le hace
corresponder la varianza experimental promedio s*2=8,3(%)2, deducida por la ponderacin de
las 26 varianzas s*i elementales segn la frmula:
sk2 N k
1
1
, estimador de D 2 =
s2 = k
Nk
L
L
k
Siendo:
S2k la varianza de dispersin experimental de los Nk datos de testigos de longitud l
alineados en el sondaje nk de longitud Lk = Nkl.
Robinson Villanueva
resenaren_ger@speedy.com.pe
45
Luego se tiene que adoptar un semivariograma vertical local, en una zona de ley media
constante m, siendo el modelo cuasi estacionario siguiente:
2,2m 2 2,3
[Co + C1 1 (h ) + C2 2 (h )] , para h [0,4m] y m h [1,3;3 %]
( h, m ) =
8,3
(los parmetros Co, C1, C2, a1, a2 del modelo, son los valores anteriores)
Ajuste del efecto de agujero
A ttulo de ejemplo escogeremos el semivariograma del sondaje S4 de la figura IV-9, que es el
que representa mejor el efecto de agujero. Este ajuste no es ms que un ejercicio de estilo,
puesto que en la prctica desaparecen la estructura media y por tanto debe considerarse slo
para clculos geoestadsticos.
En primer lugar estimamos la amplitud:
Inf .C ( h ) 6,8 4,8
=
= 0,417
C (o )
4,8
6,8 es el valor mximo en el semivariograma experimental, por tanto 6,8 s *i2 es el valor
absoluto mnimo de la covarianza correspondiente. La varianza experimental s*2=4,8(%)2 es un
estimador de la varianza a priori C(o).
Como este valor 0,417 > mximo = 0,217 (efecto de agujero a tridimensional), este efecto es
direccional y slo se manifiesta en la direccin vertical (se hizo mencin anteriormente). Es
evidente entonces que en este yacimiento sedimentario sub horizontal, las fases mineralizadas
ricas son aplanadas siguiendo la direccin horizontal.
Estando limitado el efecto a la direccin vertical, podemos entonces modelar, usando los
esquemas positivos unidireccionales y en particular el esquema cosinusoidal (1-cos h),
admitiendo que la amplitud es igual a la unidad.
La figura Ej.1. muestra este ajuste realizado por el modelo superpuesto siguiente:
(h) = Co + C11(h) + C22(h) , para todo h ]0,4m] en la direccin vertical, con:
1(h) = A[1-exp(-h /)*cos(h )]
A = 2,26(%)2 , = 10m,
2 (h) =
Bh
= 2,5
B = 9(%)/m
con
Ba
para todo h a
a = 0,28m
Robinson Villanueva
resenaren_ger@speedy.com.pe
46
i =1
i =1
Figura Ej.2.
Semivariogramas
sondajes S14,
S10 y S18
Figura Ej.3.
Ajuste del
semivariograma
medio experimental
Robinson Villanueva
resenaren_ger@speedy.com.pe
47
Figura Ej.4.
Perfil de leyes
del sondaje S4
Ll
m*l2
11.6
1.9
26
13.2
1.3
s*l2
4.8
1.5
18
16
13.4
2.4
12.7
14
10
15
2.2
12
16
17.4
1.2
6.5
2
19
18.4
15.5
12
22
20.4
20.6
1.1
1.6
1.4
2.7
21
21.2
1.5
1.5
20
21.4
1.6
2.1
14
22
2.9
17.0
23
22.2
1.7
3.7
13.0
2.2
8.3
Promedio
Robinson Villanueva
10
Centro gravedad
4
2
0
0
0.5
1.5
2.5
resenaren_ger@speedy.com.pe
3.5
48
c) Semivariogramas compuestos
Es frecuente encontrar variogramas con configuraciones como el de la figura
adjunta, llamadas estructuras superpuestas.
(h)
+ C1 + C2 + C3
Co + C1 + C2
Co + C1
Co
0
a1
a2
a3
( h) = C o + 1 ( h) + 2 ( h) + 3 ( h)
C1, a1
C2, a2
C3, a3
Concretamente, estamos frente a un efecto de pepita con dos estructuras superpuestas (modelos
de variogramas esfricos).
Este tipo de estructuras, tambin se presenta en zonas mineralizadas de mena dentro de una
matriz de mineralizacin dispersa, asimismo son comunes en yacimiento aluviales de oro,
donde el menor alcance rinde cuenta de los canales individuales y el mayor alcance se podra
interpretar como el espesor total de la zona de inters econmico.
Robinson Villanueva
resenaren_ger@speedy.com.pe
49
Problema:
La tangente para los dos primeros puntos corta al eje vertical en Co = 0,4(%)2
mientras que la interseccin con la
meseta principal, que se produce a
2,55(%)2, tiene lugar a una distancia
de lag de 13m,
Sin embargo, la curva principal alcanza la meseta a un rango de 50m.,por
tanto se puede asumir la presencia de
dos semivariogramas esfricos.
Calcule:
(h)
2,55
1,95
Co=0,4
0 9 13 20
Variable: ln (Ni) en %
40
60
5.2. ISOTROPA
N ( , h )
i
( omni , h ) =
i =1
n
i =1
h
1
2
3
= 90
N
4,25 22
8,20 18
10,90 15
Robinson Villanueva
h
1
2
3
= 0
4,10
8,40
12,10
N
24
20
18
2
2 2
3 2
= 45
6,50
11,30
15,40
N
h
18 2
14 2 2
8 3 2
= 135
N
5,00 19
11,90 16
17,30 10
resenaren_ger@speedy.com.pe
50
5.3 ANISOTROPA.
En minera, es raro encontrar un fenmeno istropo, en cambio son frecuentes
los fenmenos anistropos
N-S
E-W
Direccin vertical
Direccin horizontal
aH
aV
Este tipo de fenmeno suele ser evidente en yacimientos aluviales, donde el alcance en la
direccin vertical es mucho ms pequeo que a lo largo de la direccin principal del depsito,
conservando la variabilidad en ambos casos (misma meseta).
Con h = h1 + h2
h2
h1
h
h1 direccin horizontal
h2 direccin vertical
Robinson Villanueva
resenaren_ger@speedy.com.pe
51
(h)
C
1
a2
a1
i : son direcciones en las cuales se ha construido el semivariograma.
El diagrama de rosas de los alcances, de los semivariogramas anteriores sera:
y
y
x
a1
a2
ka2
a1
a1
Se hace coincidir los ejes de anisotropa con los ejes principales, para luego corregir los ejes de
la elipse por un factor k = a1/a2. En definitiva se ha corregido la disimetra del fenmeno,
reducindolo a un variograma istropo (crculo). Analticamente la transformacin se logra
haciendo:
(h) = (1, h ),
Robinson Villanueva
resenaren_ger@speedy.com.pe
52
Analicemos el caso de anisotropa cuyos ejes anistropos coinciden con los ejes principales y
en cuya primera aproximacin, los variogramas experimentales corresponden a modelos
lineales de la forma:
(h) = (1, h )
(h) = (2, h )
a2
a1
En el grfico adjunto:
(h)
Modelo 2
Modelo 1
Ambos modelos son vlidos hasta la distancia d, en consecuencia si el objetivo fuera estimar
las leyes de un bloque mineralizado de dimensiones inferiores a d es perfectamente vlido
utilizar cualquiera de los dos modelos.
Robinson Villanueva
resenaren_ger@speedy.com.pe
53
Ejemplo.- Para la disposicin de muestras del grfico, calcular los variogramas en las
direcciones Norte-Sur y Este-Oeste e indicar el tipo de anisotropa.
1,6
1,2
1,4
1,2
1,1
0,9
0,8
N
1,4
1,5
1,4
1,1
1,1
1,3
1,2
1,0
0,9
0,7
1,0
0,9
0,9
0,5
0,6
0,7
0,9
0,8
0,8
0,7
0,7
0,6
0,5
0,4
0,1
0,1
0,2
0,9
0,9
0,7
1,0
0,8
0,7
0,8
1,0
0,9
0,7
10m
0,2
0,4
10m
5.4. RELACIONES VOLUMEN-VARIANZA.
En el captulo 2 en soporte y regularizacin se establecen las diferencias entre variograma
puntual y regularizado y se manifest que en la prctica, los datos fsicos se miden por
volmenes y no por puntos, salvo que el tamao de la muestra sea muy pequeo en
relacin, por ejemplo, con el alcance. Sin embargo cuando las muestras proceden de
sondajes, las diferencias pueden ser notables, por lo que resulta imprescindible trabajar
con volmenes y hacer las correcciones pertinentes, es evidente que los resultados que se
obtendran cuando las leyes en tramos de, por ejemplo, 50 cm, seran diferentes si se
toman tramos de un metro, de 2 o de 3 metros. En cada caso, la diferencia entre los valores
de las leyes y las varianzas en cada tramo sern diferentes, es fcil deducir que los
semivariogramas que se obtendran tampoco sern similares. El objetivo es definir un
semivariograma puntual que no est influido por el soporte de la muestra, proceso llamado
regularizacin al aumentar el tamao del soporte, los resultados son cada vez mas
regulares (similares).
Robinson Villanueva
resenaren_ger@speedy.com.pe
54
quilates, de los diamantes encontrados en cada muestra. Los valores de (h) obtenidos
fueron:
1 (20m) = 0,0147 ; 2(40m) = 0,0213 ; 3 (60m) = 0,0226
Definir los valores de (h) para calcular el semivariograma puntual.
Robinson Villanueva
resenaren_ger@speedy.com.pe
55
2 * A ( h ) =
[ z( x
+ h ) z ( x i )] 2
N A (h)
2 * B ( h ) =
[ z( x
+ h ) z ( x j )] 2
N B (h)
*(A) y *(B) pueden representar la correlacin espacial de dos zonas distintas A y B, uno
de ellos la relacin de muestras en sondajes y el otro en trincheras del mismo soporte, la
correlacin espacial definida en direcciones diferentes.
Si al observar las dos curvas experimentales, se decide que no existe una variacin significativa
entre ellas, entonces ambas pueden representarse en un variograma experimental promedio del
tipo 2*A+B(h). Este variograma se calcula tomando en cuenta los pares de datos distantes de h
que provienen tanto de A como de B, dando lugar a ponderar el nmero de parejas respectivos
de cada uno de los variogramas experimentales, es decir:
2 * A+ B ( h ) =
[ [ z ( x i + h ) z ( x i )] 2 + [ z ( x j + h ) z ( x j )] 2 ]
i
N A (h ) + N B (h)
* (h ) =
N'
( h ) *k ( h )
k =1
N'
(h)
k =1
i)
Robinson Villanueva
resenaren_ger@speedy.com.pe
56
ii)
iii)
iii)
iv)
v)
El nmero total de parejas es N(h) = Nk(h) que han servido para construirlo.
Las dimensiones y toda particularidad de la zona V donde se reparten estos datos.
Por ejemplo, un variograma promedio construido en zona de mineralizacin
primaria reconocido esencialmente de sondajes verticales y algunos sondajes de
pendiente inclinada a 45.
La media aritmtica slo de aquellos datos que han servido para construir el
variograma. En efecto, sobre esta misma zona pueden existir datos que no han sido
considerados en la construccin de los variograma elementales y en consecuencia no
pueden intervenir en el variograma promedio.
La varianza de dispersin experimental s2 definida en el conjunto de los N datos
utilizados, si estos N datos presentan una distribucin uniforme en la zona V de
dispersin. Esta varianza es un estimador de la varianza de dispersin terica
D2(v/V) de soporte v de datos en el campo V.
La varianza de dispersin experimental definida en una sub zona de V en la cual se
puede considerar la implantacin de datos como uniforme.
Robinson Villanueva
resenaren_ger@speedy.com.pe
57
CAPTULO 6
VARIANZA DE ESTIMACIN.
6.1. EL ERROR DE ESTIMACIN Y SU DISTRIBUCIN
Todo proceso de estimacin implica un error de estimacin, por el simple hecho que la
cantidad a estimar z, difiere en general de su estimador z*.
Si la ley de un bloque de mineralizacin (zV(xi)) se evala por la ley promedio de su
sondaje central (z(xi)), se comete un error r(xi) = zV(xi) - z(xi), cr figura II-12. La VR
z(x) as interpretada es una realizacin particular de la FA Z(x), el error r(xi) aparece
como una realizacin particular de una cierta FA R(xi) = ZV(xi) - Z(xi),en el punto xi
Vi
*xi
2E
*x
b
95% probabilidad
Si esta configuracin de estimacin se repite en cada uno de los bloques V(xi) que
constituyen el yacimiento, si ste es de mineralizacin homognea, la FA Z(x) puede
considerarse estacionaria as como la funcin R(x), por tanto dos errores particulares
r(xi) y r(xj) podran considerarse como dos realizaciones diferentes de la misma FA
R(x). Esta estacionariedad permite entonces:
i)
ii)
El error efectivo r(xi) = zV(xi) - z(xi), cometido en el bloque particular V(xi) si bien es
desconocido, pero el conocimiento de la ley estacionaria del error R(x) permitir
precisar la calidad promedio de la estimacin realizada.. De esta manera se puede
definir el intervalo [a , b[ en la que se sita el 95% de los casos del error r(xi) cometido,
(ver figura anterior).
Robinson Villanueva
resenaren_ger@speedy.com.pe
58
V = U vi
i =1
1
1 n
z v = v z ( x)dx = v
z ( x)dx
i =1 v i
v
V
0v
v
z = v z (v )
n
i =1
los distintos vi .
6.2.1. Error de estimacin.
Al estimar
por
*=
cometemos el error
e=z *z .
Para caracterizar e
* zv
z ( x)dx
1
1
= E ( z ( x))dx E ( z ( x)dx
v
V
V
v
como: E(z(x)) = m
1
1
E ( z ( v ) z (V )) = mdx mdx
v v
V V
E ( z ( v ) z (V )) = 0
Robinson Villanueva
resenaren_ger@speedy.com.pe
59
Si conocemos
ejemplo).
2
E
2
E
( v, V ) =
Var ( z ( v ) z (V ))
Var ( z ( v ) z (V ))
2 E <
<
+ 2 E
2
E
( v, V ) =
Var ( z ( v ) z (V ))
2
E ( z ( v ) z(V )) E ( z( v ) z (V ))
144244
3
=0
Donde:
( v, V )
E
= E ( z(v ) z(V ))
Observacin:
Sabemos que:
( h) =
2
1
E [z ( x + h) z ( x)]
2
Robinson Villanueva
resenaren_ger@speedy.com.pe
60
z*
1 N
zi * de los N estimadores z*i disponibles.
N i =1
Luego el intervalo de confianza a 95% del estimador z*i es:
z* =
z*
caso que
z*
abstenerse de calcular intervalos de confianza.
Curva de la ley experimental
de errores
Curva estndar gausuiana
Ambas curvas presentan la misma
media, pero modas distintas, el
mayor valor de la moda la tienen la
ley experimental de los errores
mE
mE 2E
= Var (
=
Donde:
(v)
z(V ))
Cov ( z ( v ) , z (V )) =
1
dx K ( x y )dx = K (v,V )
vV v V
Robinson Villanueva
resenaren_ger@speedy.com.pe
61
( v , V ) = 2 ( v , V ) (V , V ) ( v , v )
Cov( z ( v ) , z (V )) = K (v, V )
( v , V ) = K ( v , v ) + K (V , V ) 2 K ( v , V )
( v , V ) = 2 ( v , V ) ( v , v ) (V , V )
2
E
(v ,V )
i
x
Conociendo los valores z(x1), ..., z(xi), ...,z(xn) y estimando zV por z*V =(1/n) z(xi), y si
v = {xi}, entonces:
( v, v ) =
1
n2
( x
n
(V ,V ) =
1
dx ( x y )dy
V 2 V V
( v, V ) =
1
nV
(x
n V
xj)
y )dy =
1
( xi y )
n n
resenaren_ger@speedy.com.pe
62
( L) =
1 L
( y )dy
L 0
y
x
En un modelo esfrico:
3 L 1 L 3
C ( 4 . a 8 a ) para
( L) =
3L
para
)
C (1
8a
()
La
L>a
1
F ( L) = 2
L
dx ( x y )dy
0
y
En un modelo Esfrico:
3
L
1
L
C ( 2 a . 2 a a ) para
F ( L) =
3 L a2
C
+
para
(
1
)
4 a 5 L2
()
Robinson Villanueva
La
La
resenaren_ger@speedy.com.pe
63
B
l
L
C
D
a) La funcin (L,l) se define como el valor promedio de (x-y) cuando x
describe uno de los lados AD o BC, de longitud l e y el rectngulo ABCD.
A
B
x
y
l
(L,l)
L
C
D
b) La funcin F(L,l) se define como el valor promedio de (x-y) cuando x e y
describen independientemente el rectngulo ABCD.
A
B
x
y
l
F(L,l)
L
y
C
Robinson Villanueva
resenaren_ger@speedy.com.pe
64
Tenemos que:
( v, V ) =
E
Co s
v/s
2
E
v =v1U v
v1
v2
Entonces:
v
v
v
v
V
V2
V =V1U V
v
v
(v,V ) = 1 (v,V1) + 2 (v ,V2 ) )
V
V
V1
Robinson Villanueva
resenaren_ger@speedy.com.pe
65
2
E
2
E
( I , L ) = 2 / L / 2) F ( L )
( I , L) = 2 ( I , L) ( I , I ) ( L, L)
(I , I ) = 0
( I , L) =
Se tiene que:
L
2
( )=
L/2
1 L/2
( ( y )dy + ( y )dy )
0
L 0
1 L/2
( y ) dy
0
L/2
Entonces:
(I, L) = (
L
)
2
(L,L)= F (L)
2
E
( I , L ) = 2 ( L / 2) F ( L )
({A, B}, L) = 2 ( L) F ( L) 1 / 2 ( L)
2
En efecto:
*
( L, L ) = F ( L )
({A, B}, L) =
2 ( y )dy = ( L)
*
2L 0
({A, B}, L) = 2 ( L) F ( L) 1 / 2 ( L)
2
Robinson Villanueva
resenaren_ger@speedy.com.pe
66
s
b
a
Se desea calcular
2
E
2
E
( L, S )
( L, S ) = 2 ( L, S ) ( L, L ) ( S , S )
( L, L) = F ( L)
( S , S ) = F ( a, b)
a
2
( L, S ) = 1 / 2 (a / 2, b) + 1 / 2 (a / 2, b) = ( , b)
( L, S1 )
( L, S 2 ) ,
S =S1 U S2
Luego:
2
E
a
( L, S ) = 2 ( , b ) F ( a , b ) F ( L )
2
2 E = Co + C ( 2 e )
3) Cuatro puntos en los vrtices: sondajes ubicados en las esquinas del bloque:
2 e = 2Q ( x, y ) F ( x, y ) 14 ( x ) + ( y ) + (( x 2 + y 2 ))
Robinson Villanueva
resenaren_ger@speedy.com.pe
67
2E =
Co
+ C ( 2 e ) .
4
50
5(%) 2
50m
Use el CHART 7
Robinson Villanueva
resenaren_ger@speedy.com.pe
68
Robinson Villanueva
resenaren_ger@speedy.com.pe
69
Robinson Villanueva
resenaren_ger@speedy.com.pe
70
Robinson Villanueva
resenaren_ger@speedy.com.pe
71
CAPTULO 7
LA VARIANZA DE DISPERSIN
7.1. Distribucin de una Variable Regionalizada
Sea un volumen V con centro en x, formado por la yuxtaposicin de N volmenes iguales vi
centrados en xi. V est definido entonces por la unin de pequeas unidades v (ver figura adjunta).
vi
s2(x)
V=vi = Nv
zV(x)
zc
1
z ( y )dy .
v v
i
zV ( x i ) =
1
1
z ( y )dy =
VV
N
x
z
i =1
( xi )
Robinson Villanueva
1
N
[z
i =1
( x i ) zV ( x ) ]
resenaren@speedy.com.pe
72
Esta dispersin se representa trazando el histograma de los N valores zv(xi), es decir, la curva
experimental de las frecuencias de cada valor z (Figura 8.1.). Este histograma no es ms que una
clasificacin simple de los N valores zv(xi) disponibles sin ninguna interpretacin probabilstica.
Podemos calcular por ejemplo, la proporcin de unidades v superiores a una ley de corte zc,
podramos tambin decir que el histograma es asimtrico: existen ms leyes zv(xi) inferiores a la
media zV(x) con respecto a las superiores.
Si se dispusiera para cada zona del yacimiento V todas las leyes de unidades v que la constituyen,
entonces no habra necesidad de ninguna estimacin ni de formular una aproximacin
probabilstica.
En la prctica no se conoce las leyes verdaderas zv(xi) de unidades v, ni tampoco las leyes
verdaderas zV(x) del yacimiento V, en conclusin no se dispone del histograma de la pgina
anterior.
El problema radica entonces en estimar las dos principales caractersticas zV(x) y s2(x); es aqu
donde intervienen las herramientas geoestadsticas y la aproximacin probabilstica.
De la misma manera la media del yacimiento V con centro en x es una VA denotada por:
zV ( xi ) =
1
1
z ( y )dy =
VV
N
x
z (x )
i =1
Luego, la desviacin cuadrtica media s2(x) , aparece como una realizacin particular de la VA
S2(x) en x (corresponde al yacimiento V en x):
Varianza = S
[z
( x) =
( x i ) zV ( x ) ]
Robinson Villanueva
resenaren@speedy.com.pe
73
1
v
D = E S 2 ( x) = E
V
N
i {z v ( xi ) zV ( x )}
Varianza =
[z
( xi )]
[z
( x) =
1+ 2 + 3 + 4 + 5 + 6
= 3 .5
6
( x i ) zV ( x ) ]
17.5
= 2.917
6
Sean tres zonas (V(xk) , k =1 a 3) de igual media zV = 3,5 y constituido por 3 series de 4 unidades,
segn las series:
Primera serie: zv(xi) = 6, 3, 2, 3
Ley = zV ( x ) =
Varianza = S
[z
( xi )]
[z
( x) =
6+3+ 2+3
= 3 .5
4
( x i ) zV ( x ) ]
9
= 2.25
4
Varianza = S
[z
( xi )]
[z
( x) =
6 + 5 +1+ 2
= 3 .5
4
( x i ) zV ( x ) ]
17
= 4.25
4
Tercera serie
zv(xi) = 6, 2, 2, 4
Ley = zV ( x ) =
[z ( x )] = 6 + 2 + 2 + 4 = 3.5
Robinson Villanueva
resenaren@speedy.com.pe
74
Varianza = S
[z
( x) =
( x i ) zV ( x ) ]
11
= 2.75
4
1
v
D = E S 2 ( x) = E
V
N
i {z v ( xi ) zV ( x )} = N E i {z v ( xi ) zV ( x )} = 2,917
De esta manera se observa que las tres varianzas experimentales s2(x) = 2,25; 4,25 y 2,75 fluctan
alrededor de su esperanza terica D2(v/V) = 2,917.
la nocin de soporte, la seleccin del alcance en las unidades de produccin que a veces
son diferentes de las unidades de reconocimiento (ejemplo, soporte de testigos).
La nocin de informacin, la seleccin real de la explotacin dispone a menudo de una
informacin mucho ms fina que la que se dispone en el estudio de las reservas-este estudio
debe prevenir la fineza efectiva de la seleccin real futura. Ciertas propiedades del krigeaje
permiten tal previsin, esta es una ventaja del krigeaje con respecto a las otras tcnicas.
Robinson Villanueva
resenaren@speedy.com.pe
75
D2(v/V)
bloques
D2(c/V) testigos
z
zc
5% Cu
De la misma manera que los variogramas regularizados, sobre testigos c con respecto a los paneles
v son diferentes, de la misma manera los dos histogramas de dispersin y las reas achuradas
respectivas son diferentes, podemos decir entonces que existe una proporcin no desestimable de
testigos c de leyes de Cu zc zo.= 5%Cu, no existe ningn panel v de varias centenas de toneladas
de ley promedio de cobre superior a 5%. En el proceso de explotacin se seleccionan bloques
(paneles) v y no tramos de sondajes c, es por esto importante que al estimar reservas se tenga en
cuenta el soporte v de la unidad de seleccin, bajo pena de sesgo con consecuencias econmicas
probablemente graves, esta anotacin no es trivial, veamos un ejemplo: un yacimiento sedimentario
reconocido por sondajes verticales a travs de toda la superficie mineralizada, con potencia
Robinson Villanueva
resenaren@speedy.com.pe
76
Robinson Villanueva
resenaren@speedy.com.pe
77
D2(v/V)
Valores reales
m zo
Los dos histogramas verdadero y estimado tienen la misma media.
Robinson Villanueva
resenaren@speedy.com.pe
78
D (v / V )
v *k
)
V
D (v / V )
2
= ( v E(v( z( x) z(v)) dx) cuando v 0, n
O
D2 = (v, v )
V
Robinson Villanueva
resenaren@speedy.com.pe
79
3 a 1 a 2
F1 ( L) = C1 1 +
4 L 5 L
C0
= 6(% ) ; F0 = 6
C1
= 13(% ) ; F1 = 12
= 36 pies
D (O / L) = 12 + 6 = 18
Como 18 es aproximadamente igual a 17,3 entonces podemos decir que el modelo es aceptable.
2
Ejemplo:
Consideremos un yacimiento V constituido de N = 5 bloques de igual dimensin v. En la Tabla 5.1.
se muestran las leyes medias {zv(yi), i = 1 a 5} de los 5 bloques, as como sus leyes estimadas
z*v(yi).
Este ejemplo se encuadra en el caso en que el yacimiento V est compuesto de un nmero exacto de
N bloques, por tanto podemos adoptar la frmula de la varianza de dispersin de v en V, siguiente:
1
v
D = E S 2 ( x) = E
V
N
donde
zV ( y i ) = z v ( y i ) =
1
N
zV* ( y i ) = z*v ( y i ) =
1
2
3
4
5
( yi ) =
*
v
( yi )
5+7+6+2+5
= 5;
5
1
= (4,7 + 7,3 + 5,9 + 2,3 + 4,8) = 5
5
z v ( yi ) z v ( y i ) zV ( y i ) z *v ( yi ) z *v ( y i ) zV* ( y i )
5
0
4,7
-0,3
7
2
7,3
2,3
6
1
5,9
0,9
2
-3
2,3
-2,7
5
0
4,8
-0,2
Robinson Villanueva
1
1 4 2
{
}
{
}
(
)
(
)
(
)
(
)
z
y
z
y
E
z
y
z
y
=
= 2,8
=
i v i V i 5 i v i V 5
i =1
z v ( y i ) - z *v ( yi )
+0,3
-0,3
0,1
-0,3
+0,2
( z v ( y i ) zV
( y i )) 2
0,09
0,09
0,01
0,09
0,04
resenaren@speedy.com.pe
80
2
Exp
ii)
(( z
=
( y i ) z * v ( y i )) 2
N
z* v ( y i ) = z v ( y i ) = 5
iii)
i z *v (y i ) - z*v ( y i )
Obsrvese que:
s2 =2,704 < s2 = 2,8 y que se verifica la relacin
s2 = 2,8 ~ s2 + *Exp2 = 2,704 + 0,064 = 2,768.
Este efecto de alisado del estimador z *v ( yi ) es caracterstico de un estimador de krigeaje.
Robinson Villanueva
resenaren@speedy.com.pe
81
CAPTULO 8
VARIANZA DEL ERROR GEOMTRICO
8.1. ERROR GEOMTRICO
S
o
2E
S
1
= 2
n
n 21
1
( n 2 + 0,06
)
n2
6
n1 n2
Robinson Villanueva
resenaren_ger@speedy.com.pe
82
2E
1
=
S 2 n2
E
S
1
1 1
n 21
17 2
( n 2 + 0,06
) = 2 ( *10 + 0,06 *
) = 27,75(%) 2
6
n2
10
35 6
= 5,3%
V
S
P
Robinson Villanueva
resenaren_ger@speedy.com.pe
83
2V
V
1
V2
Vi 2
i
S2
2
i
li
S* = n*a1*a2
sondajes positivos
La superficie horizontal proyectada S del volumen mineralizado V se estima por
S* = n*a2*a1, de las n zonas de influencia positiva.
1 n
El espesor mineralizado vertical promedio se estima por L = li
n i =1
El estimador del volumen V es entonces: V* = L x S*.
La varianza relativa de estimacin de V por V* es:
2V
V
S* 1
L2 n 2
0,06 + 90 2
con
a2
1
a1
Robinson Villanueva
resenaren_ger@speedy.com.pe
84
S * S*
1
a ( x )dx , para A*S*
S * S*
A
A *S *
= S * , para z *S * =
pS*
p *S *
la ley media z S *
p(x)
S*
V2
Robinson Villanueva
Bordura
resenaren_ger@speedy.com.pe
85
= S (S , S ) ;
2
s
2
Sean: Z el producto de X e Y y
Z* la estimacin de Z e igual al producto de X* (estimacin de X) e Y* (estimacin
de Y).
Es decir:
Z = X Y; Z* = X*Y*
Z* - Z = X*Y* - XY
(1)
Se tiene:
(X* - X) = x con E ( x) = 0
(Y* - X) = y con E ( y) = 0
Desarrollando (1) se obtiene :
Z* - Z = ( X+x)(Y+y) X Y
Z* - Z = Xy +Y x + xy
trmino de 2do. orden
Z* - Z = Xy + Yx
La esperanza matemtica de Z* - Z vale :
E ( Z*-Z) =E(Xy) +E(Y x) + E(xy) = E(xy)
La estimacin de Z ser insesgada si existe independencia interna, es decir: E(xy) = 0
Var Z* - Z) = E(Z* - z)2 (E(Z* - Z))2
= X
=0
2
y
+Y
2
x
+ 2X Y E (x y)
= 0 (independencia interna)
Var ( Z * Z ) = X 2 Y 2 (
Robinson Villanueva
1
1
2
+ 2
2 x
X
Y
resenaren_ger@speedy.com.pe
2
y
86
CAPTULO 9
EVALUACIN DE LAS RESERVAS
LA ESTIMACIN GLOBAL
MTODOS CLSICOS.
9.1. INTRODUCCIN
Al evaluar un yacimiento se habla de dos tipos de reservas:
a)
b)
Como es lgico ambas reservas no coinciden, ya que factores como la dilucin, mtodo de
explotacin, recuperacin, etc hacen que las reservas mineras se alejen de las geolgicas.
El siguiente esquema muestra las diferencias conceptuales de ambas reservas.
Sondajes, Muestreo
Modelo geolgico
Reservas geolgicas
o
In-situ
Estudio econmico
Diseo minero
Reservas
mineras
Recuperacin
Dilucin
Planificacin Cadencia
de la explotacin
Produccin
Costes / Beneficio
resenaren_ger@speedy.com.pe
87
resenaren_ger@speedy.com.pe
88
S1
12,00
40m
40m
1,00
S2
10,03
17,25
A
2,00
1,00
31,20
3,00
S3
3,10
2,00
15,03
4,00
1,00
3,00
5,00
7,43
3,00
12,05
5,00
5,50
6,00
2,00
4,00
0,27
12,00
17,80
2,40
6,00
10,05
28,30
7,09
7,00
20m
0,05
4,00
11,29
0,20
5,00
5,10
6,00
Robinson Villanueva
resenaren_ger@speedy.com.pe
89
Longitud
S2
S3
Seccin
1+2+3
1.0
1.0
1.0
1.0
1.0
5.0
12.00
17.25
31.20
15.03
7.09
1.0
1.0
1.0
1.0
1.0
0.5
5.5
10.03
3.10
28.30
17.80
12.05
11.29
1.0
1.0
1.0
3.0
10.05
12.00
7.43
13.5
Leyes promedios
Sondajes %
( d * z )
d
12.00
17.25
31.20
15.03
7.09
82.57
16.51
10.03
3.10
28.30
17.80
12.05
5.65
76.93
13.99
10.05
12.00
7.43
29.48
9.83
188.98
Seccin %
( d * z )
d
Z = 14.00
Tabla 7,1.
iii) Determinacin de la densidad en una seccin
La densidad est en funcin de l*d = ley del tramo.
La densidad de una arenisca estril es de 1,5, y de una arenisca mineralizada empricamente
es del orden de
Densidad () = 1,5 + 0,0115Z
Siendo Z la ley media de la seccin considerada. En nuestro ejemplo:
= 1,5 + 0,0115*14 = 1,66 ton/m3
iv) Determinacin de la superficie mineralizada en cada seccin
La superficie mineralizada de una seccin comprende:
La suma de la superficie de los trapecios que tienen como base las longitudes mineralizadas
entre dos sondajes vecinos y de altura la distancia entre esos sondajes.
En los sondajes extremos (a la izquierda S1 y a la derecha S3) la suma del rea de los
tringulos, cuya base es la longitud mineralizada en los sondajes (S1 o S3) y de altura la
mitad del intervalo entre los sondajes de la seccin (40/2 = 20m, en el ejemplo seleccionado).
Robinson Villanueva
resenaren_ger@speedy.com.pe
90
C
320m
250m
160m
D
125m S1
S2
Superficie mineralizada
S3
E
B
F
Figura 6,2. determinacin del volumen del yacmiento
vi) Determinacin del tonelaje
Estos tonelajes son de tres tipos y los calcularemos en el orden siguiente:
1. El tonelaje en mineral, obtenido al multiplicar el volumen por la densidad
En nuestro ejemplo, el tonelaje en mineral de todo el cuerpo, ser:
Ton = V* = 131 100m3*1,66ton/m3 = 217 626 ton
Robinson Villanueva
resenaren_ger@speedy.com.pe
91
14
= 30467.64t
100
80.00%
9.00%
3.25%
Tonelaje:
Plata 30467.64*0,80 = 24 374t
Zinc 30467.64*0,09 = 2 742t
Cobre 30467.64*0,0325 = 990t
Observaciones relacionadas con la ley media: La ley media de un bloque S se determina
por el promedio de las muestras ubicadas en su interior, es decir:
n
z
z *S =
i =1
S
2
3
1
2
Con respecto a la expresin anterior, podemos decir que:
2
Robinson Villanueva
resenaren_ger@speedy.com.pe
92
iv) En estimaciones locales, los bloques carentes de muestras no podran ser estimadas.
9.3.1.2. EL MTODO DEL INVERSO DE LAS DISTANCIAS.Este mtodo se basa en el hecho que, la influencia de los valores en un punto, decrecen a
medida que se alejan de ste, de tal manera que la ley vara en funcin inversa de su distancia.
En este mtodo el estimador del bloque z*S es una combinacin lineal ponderada de las
muestras zi. Los ponderadores i, se determinan por las distancias de las muestras di, al centro
de gravedad del bloque sg. A menor distancia del centro de gravedad mayor ser el peso
asignado a la muestra y viceversa.
n
zi
d
i =1
n
d
i =1
Ley
Z
=
=5
=2
= 1.5
=1
a)
b)
Robinson Villanueva
resenaren_ger@speedy.com.pe
93
c)
d)
El radio de influencia se aconseja que no sea mayor de los 100m porque a mayor
distancia la diferencia entre sus valores ser mayor. Su variacin depende del
nmero y distribucin de los compsitos.
El tamao de los bloques debe adaptarse en lo posible a los mtodos de
extraccin, se aconseja utilizar mallas cuadradas. Es necesario tener en cuenta que
los bloques pequeos son ms flexibles de combinar para formar bloques mayores
y que el tamao ideal debe ser adaptado a cada caso en particular.
Observaciones al mtodo:
a) Es una combinacin lineal de las muestras: z*S =
ponderadores
se definen como: i =
( .z( x )) ,
i
cuyos
1
n
di
i =1
1
di
1,0
0,0
Robinson Villanueva
resenaren_ger@speedy.com.pe
94
0,4
1,0
0,85
0,9
0,0
1,0
1,0
1,0
0,75
0,92
0,2
1,0
1,0
0,0
0,3
0,4
0,2
0,94
0,0
0,0
0,0
1,0
0,95
0,91
1,0
1,0
Ley real
Ley estimada
Los promedios de las leyes reales y estimadas son de 0,67 y 0,69 respectivamente, es decir no
hay sesgo global a dicha escala, sin embargo existe un sesgo condicional en la estimacin de
los bloques, manifestada en el hecho de que las leyes estimadas en los bloques de leyes
positivas (zona achurada) tienen una ley siempre superior a la real, en cambio para las de
leyes bajas las leyes estimadas son inferiores a las reales. De aplicarse un cut-off sobre las
estimaciones ocurrira que la ley de mina sera sistemticamente superior a la ley de planta.
Ejemplo:
Calcular la ley del bloque B, de la figura adjunta, por el mtodo del inverso de la distancia,
tomando como datos referenciales las leyes zi y distancias di, para ndices de ponderacin 2,
1 y 3.
0,5%
0,7%
0,8%
0,4%
65m
1,0%
30m
B
65m
0,6%
80m
50m
1,0%
0,7%
0,6%
Robinson Villanueva
resenaren_ger@speedy.com.pe
95
Para = 2
n
zi
z*S
1
0.7 0.6 0.5 0.8
+ 2 + 2 + 2 + 2
2
50
65
65
30 = 0.74% = 0,74%
= n i = 80
1
1
1
1
1
1
+ 2 + 2 + 2 + 2
80
50
65
65
30
i =1 d i
i =1
Para = 1
n
zi
z*S
80 50 65 65 30
i =1 d i
i =1
Para = 3
n
zi
z*S
1
0.7 0.6 0.5 0.8
+ 3+ 3+ 3+ 3
3
50
65
65
30 = 0.76%
= n i = 80
1
1
1
1
1
1
+ 3+ 3+ 3+ 3
80
50
65
65
30
i =1 d i
i =1
Robinson Villanueva
resenaren_ger@speedy.com.pe
96
CAPTULO 10
ESTIMACIN GLOBAL
Despus que el anlisis estructural haya caracterizado las distintas regionalizaciones
espaciales del fenmeno materia de estudio, se procede a la estimacin.
Generalmente la estimacin global de un yacimiento precede a su estimacin local: en
efecto, durante la etapa preliminar exploratoria no siempre se dispone de informacin
sistematizada y afinada que permita realizar estimaciones locales diferenciadas.
En una estimacin global se corrigen dos tipos de errores:
Uno de tipo geomtrico, relacionado con el desconocimiento de los lmites exactos de la
mineralizacin del yacimiento. Este tipo de error presenta cierto grado de complejidad
para definirlo y, afecta a la estimacin geomtrica del yacimiento, es decir a la
estimacin de volmenes y tonelajes de mineral as como a las estimaciones de cantidad
de metal.
El otro error es de tipo cualitativo, que tiene que ver con la estimacin de leyes y otras
caractersticas del mineral. Este error afecta por ejemplo, a la estimacin de las leyes
medias, es decir a la cantidad de metal disponible. En la seccin 8.1. nos limitaremos a
estudiar el error cualitativo, suponiendo entonces que la geometra y el volumen de la
zona son conocidos, y en la seccin 8.2. trataremos de cuantificar el error geomtrico y
su influencia en las estimaciones globales de cantidades de metal y de leyes medias.
10.1. ESTIMACIN GLOBAL, CONOCIDOS LA GEOMETRA Y EL
VOLUMEN DEL YACIMIENTO
Consideremos una zona de geometra y volumen V conocidos, se trata de estimar la
1
caracterstica media zV = z ( x )dx en esta zona, por ejemplo la ley media zV, siendo
VV
z(x) el valor de la ley en un punto.
Lmite de estacionariedad
Se supone que la regionalizacin de z(x) en V es estacionaria y caracterizada por (h),
en la prctica es suficiente la cuasi estacionariedad local, es decir, (h) representa el
promedio en V de los distintos variogramas locales estacionarios.
Por ejemplo, si los variogramas locales presentan efecto proporcional, se tomar como
variograma promedio el esquema correspondiente a la ley media m* estimada en V.
En cambio, si un yacimiento G est constituido de distintas zonas V de mineralizacin
heterognea, conviene, en este caso tratarlas individualmente.
Robinson Villanueva
resenaren_ger@speedy.com.pe
97
1
vi z *i con V = vi
V
En general, los distintos valores krigeados z* no son independientes y el clculo de la
varianza de estimacinde z po z* hace intervenir a la covarianza de tipo:
z* =
E{(zi-z*i)(zj-z*j)}.
En la prctica la estimacin local se realiza en las primeras fases de reconocimiento,
cuando la informacin no permite realizar estimaciones locales significativas. Entonces,
podemos entender que las estimaciones parciales representan etapas intermedias entre la
estimacin global y la correspondiente estimacin local del yacimiento.
B
A
En la prctica para calcular la varianza de
estimacin global, se utilizan los principios
de aproximacin correspondiente a cada una
de las etapas intermedias que conducen al estimador global.
E2 = E{( zV z v ) 2 } = 2 (V , v ) (v, v ) (V ,V )
Robinson Villanueva
resenaren_ger@speedy.com.pe
98
E2 = E{( zV z*) 2 } = 2 (V , S i ) i j ( S i , S j ) (V , V )
i
Krigeaje global
Es vlido pensar que en la estimacin global, es posible efectuar un krigeaje para
determinar los distintos ponderadores i a fin de que 2E sea mnima. En la prctica tal
krigeaje es raramente posible, fundamentalmente, por dos razones:
i)
ii)
Estas objeciones hacen que para la estimacin local se limite a las vecindades
restringidas del krigeaje.
En la prctica, una configuracin experimental de la informacin puede provenir de
datos distribuidos de forma regular parcialmente o de manera aleatoria. Para el clculo
de la varianza de estimacin global podemos usar simultneamente los dos principios de
aproximacin que detallamos enseguida.
10.1.A. PRINCIPIO DE INDEPENDENCIA DE ERRORES ELEMENTALES
Este principio trata de reducir el error global [zV z*i] en una suma de errores
elementales considerados independientes, calculando simplemente las varianzas
Si:
[ zV z*] = i [ zi zi *]
i =1
Si los errores [zi z*i], [zi-z*j] con i j,se consideran independientes, la expresin
quedara como:
E2 = E{( zV z*) 2 } = i2 E{[ zi zi *]2 } = i2 E2i
i
Robinson Villanueva
resenaren_ger@speedy.com.pe
99
l
i =1
= nl = L
xi
Cada segmento li es reconocido por su punto central xi, los valores de z(xi) son
conocidos, se trata de estimar z(L) por z*(L) y conocer la precisin de esta estimacin.
1
1
z
(
x
)
dx
.....
z
(
x
)
dx
=
+
+
z
(
x
)
dx
L L
L l1
ln
1
1
1
= z ( x)dx = z (li ) = z (li )
L i li
L i
n i
z ( L) =
z ( L) =
1
z (li )
n i
1
z * (li )
n i
z * ( L) =
1
z ( xi )
n i
1
z * ( xi )
n i
1
El error e = z*(L) z(L) = ( z ( xi ) z (l i )) ,
n i
Precisin z * ( L) =
Robinson Villanueva
resenaren_ger@speedy.com.pe
100
1
( z ( xi ) z (li ))
n i
con: E(
1
1
( z ( xi ) z (l i )) )= ( E ( z ( xi ) z (li ))) = 0
n i
n i
=m
=m
Lo anterior nos dice que la estimacin es sin sesgo:
1
* Var( ( z ( xi ) z (l i )) ) =
n i
1
2
= 2 (Var ( z ( xi ) z (li ))) + 2 Cov ( z ( xi ) z (l i ), z ( x j ) z (l j ))
n i
n i> j
El principio de independencia de los errores nos conduce a decir que:
Cov((z(xi)-z(li) , (z(xj)-z(lj))) = 0,
es decir que el error sobre el tramo i es independiente del error sobre el tramo j, para
todo i, j.
1
1 2
2
E ({x i }, L) = n 2 Var ( z ( xi ) z (li ) = n E ( x, l )
= 2E=(xi , li)
2
E
({x i }, L ) =
1 2
( x, l )
n E
2E(abierto) ~ 2E(cerrado)
li
*
xi
z * ( L) =
Robinson Villanueva
1
l i * z ( xi )
L i
resenaren_ger@speedy.com.pe
101
Varianza de extensin
l
2
2
E ({x i }, L) = ( Li ) 2 E xi , li )
2
E
2
1
({x i }, L) = ( ) 2 l 2 ( xi , l i )
i
E
L
40
*
2)
40
*
30
*
30
*
40
*
60
*
Caso general
z*(vi) = z(vi)
Donde:
Z*(V)=
vi
( V ) z (v )
i
2
E
v
({v i }, V ) = ( i ) 2 2 E (vi ,Vi )
V
i
Leyes
Robinson Villanueva
30
*
10%
30
*
12%
60
*
8%
resenaren_ger@speedy.com.pe
102
A dos dimensiones:
S
X
si
E2 =
Lk
sk
A tres dimensiones:
St
ek
1
S2
si2 s2i =
s2
E2 =
1
S2
s
2
k
2
sk
E2 =
1
V2
v
2
t
2
vt
Robinson Villanueva
resenaren_ger@speedy.com.pe
103
TABLA DE RECAPITULACIN
Estimacin
Varianza de estimacin
z * ( L) =
li
1
z ( xi )
n i
2
E
({x i }, L ) =
1 2
( x, l )
n E
xi
L = nl
Tramo a malla irregular
1
z * (L) =
L
z( xi )
l
2
({x i }, L ) = i E ( x i , l i )
i
L
li
xi
z * (S ) =
Malla regular
1
z ( xi )
n i
2
E
({x i }, S ) =
1 2
( x, s )
n E
bidimensional
l
X
SX
S = ns
Conjunto de paneles
z * (S ) =
i
Sj
S
z( L j )
2
E
({L j }, S ) = (
Sj
S
) 2 E (L j , S j )
2
rectangulares reconocidos
Lj
Sj
Robinson Villanueva
resenaren_ger@speedy.com.pe
104
Nivel 3
ii)
iii)
2E = Tl + TS + TVTrmino de lnea:
Lk
l
Lk = l* nk
L2 =
K
Robinson Villanueva
1 2
l
nk
resenaren_ger@speedy.com.pe
105
El reconocimiento de todas las galeras (longitud total L = nLk) por el conjunto de los
n = nk canales de muestreo de longitud elemental regular igual a l. La varianza de
estimacin del trmino de lnea est dado por:
TL = L2 =
1 2
l
n
Trmino de seccin:
ek
Lk
El error de estimacin de los tres tajos del cuerpo se evala por sus niveles o secciones
medianas supuesto perfectamente conocidas.
Cada tajo vt es reconocido por su seccin mediana .
El trmino de tajo est dado por:
TV = V2 =
1
V2
v
k =1
2
t
2
vt
Robinson Villanueva
resenaren_ger@speedy.com.pe
106
X
X
X
X
X
X
X
X
X
X
S2 = E{[ z S z *S ]2 } =
Con
S = N*s
z *S =
1
N
1 2
D (o / s )
N
z( x )
i =1
Robinson Villanueva
resenaren_ger@speedy.com.pe
107
x
x
x
x
x
x
x
Malla regular:
SX
2
E
1
(2 (o, s ) ( s, s ))
n
Aleatoriedad estratificada:
Los sondajes son ubicados al azar en el interior de cada malla
1
2
x
x
E = n ( (s, s)
x
x
x
x
x
x
x x
x
x
x x x
x
x
x
Aleatoriedad pura:
2
E
1
( ( s, s )
n
x x
x
2
E
aleatoriedad
pura
Robinson Villanueva
>>
2
E
aleatoriedad
estratificada
>
x
x
x
x
2
E
malla
regular
resenaren_ger@speedy.com.pe
108
CAPTULO 11
GEOESTADSTICA _EVALUACIN DE LAS RESERVAS
EL KRIGEAJE (KRIGING O KRIGEAGE).
11.1. EL KRIGEAJE
La Geoestadstica, a travs del semivariograma, usa el Krigeaje (en ingls kriging y en
francs krigeage) para estimar las reservas de un yacimiento, en la evaluacin estima el
valor de una VR en un punto o en un bloque, a partir de ponderadores semejantes al
mtodo de inverso de la distancia. Este valor es el mejor estimador lineal insesgado de
la variable, no sesgado porque la varianza de estimacin es mnima, el error entre lo
estimado con lo real es nulo (considerando como error la diferencia entre lo estimado
con lo real) y lineal porque es una combinacin lineal de la informacin disponible.
Las tcnicas anteriores difieren del Krigeaje, pues en este mtodo se utiliza toda la
informacin disponible, no solo la correspondiente a cada bloque, sino tambin la de los
bloques vecinos.
Sin embargo, el Krigeaje no es
vlido cuando la malla es
relativamente pequea (segunda
campaa de reconocimiento
sistemtico).
X1
Xi
X0
X4
X2
X3
Robinson Villanueva
resenaren_ger@speedy.com.pe
109
Primera
bisectriz
v
Xx
x xx
x xx x
x x
xx x
x x
Xx x x x
x Recta de
x mnimos cuadrados
xx
z(x)
Si se escoge para z(v) el valor de z(x) correspondiente, se est cometiendo un error de
prediccin que corresponde a la diferencia entre la recta de mnimos cuadrados y la
primera bisectriz esto puede dar lugar a subestimar los valores bajos y a sobreestimar
los valores altos, por tanto es necesario trabajar con la recta de mnimos cuadrados.
resenaren_ger@speedy.com.pe
110
E ( i Z (v i ) Z (v ) = 0
i =1
i =1
E ( Z (vi )) E ( Z (v)) = 0
=m
=m
m( i 1) = 0
i =1
i =1
=1
1 (v j v1 ) + K + i (v j vi ) + K n (v j v n ) + = (v j v)
1 (v n v1 ) + K + i (v n vi ) + K n (v n v n ) + = (v n v)
+
i +
+ n
=1
1
[K ][ ] = [M 2 ]
Robinson Villanueva
resenaren_ger@speedy.com.pe
111
v = v 1 + v2
S7
P
S4
S1
S5
S2
S8
S6
Robinson Villanueva
resenaren_ger@speedy.com.pe
112
1 i
para todo i = 2,3,4, ... , 8 (el peso de la muestra interna es mayor con respecto
a las otras muestras)
2 , 3 i
(h)
Robinson Villanueva
resenaren_ger@speedy.com.pe
113
con un alto valor se le asigna un factor de ponderacin negativo. Por esta razn y puesto
que todas las variables que involucran estimar las reservas de un yacimiento no pueden
nunca presentar valores negativos, se tiende y suele a no ajustar modelos que presenten
comportamientos parablicos en el origen, incluso cuando las variables tengan un
comportamiento espacial extremadamente continuo.
iii) El efecto de pepita. Dados dos semivariogramas semejantes uno de ellos con
presencia de efecto de pepita, la estimacin para un mismo punto utilizando ambos
variogramas, refleja una menor variacin en los factores de ponderacin cuando el
semivariograma utilizado es el que presenta el efecto de pepita y la varianza del krigeaje
es mayor. Cuanto ms se incremente dicho efecto la estimacin tiende a semejarse a una
simple ponderacin de las muestras. La situacin extrema se presenta en el efecto de
pepita puro, en tales casos no es recomendable usar el krigeaje.
iv) El alcance. En un semivariograma, la variacin del alcance tiene una relativa
pequea influencia en el clculo de los factores de ponderacin, afectando en el
resultando final de la estimacin, en mayor medida a la varianza de krigeaje. El efecto
es considerablemente menor cuando el alcance aumenta, pues en trminos de distancia
estadstica las muestras aparecen ms cercanas. En cambio, si el alcance es muy
pequeo, todas las muestras se encuentran a igual distancia estadstica , por lo que el
efecto es similar al producido por el efecto de pepita puro: la estimacin se convierte en
una simple ponderacin de los datos existentes.
iv) La presencia de anisotropa. La principal incidencia que tiene este fenmeno en el
proceso de estimacin es el mayor peso que se le da a las muestras incluidas en la
direccin de mxima continuidad (eje mayor de la elipse terica), frente a un menor
peso a las situadas en la direccin de mnima continuidad (eje menor de la elipse). Este
hecho es relevante, incluso en el caso que las muestras localizadas en el eje menor de la
elipse, estn ms cercanas, geomtricamente, que las otras. Por eso se recomienda
calcular los variogramas en distintas direcciones, con el objetivo de encontrar la
presencia de direcciones anistropas.
C) Es necesario analizar las caractersticas que debe presentar el rea de bsqueda, es
decir definir la zona de captura de los puntos que entrarn a formar parte de la
estimacin y discutiremos el tema en los siguientes aspectos:
C.1.)Forma del rea de bsqueda .La forma del rea de bsqueda, suele ser
normalmente una elipse centrada en el punto que va a ser estimado. Su orientacin lo
dicta la anisotropa del esquema de continuidad espacial, con el eje mayor de la elipse
en la direccin de mxima continuidad. Si no existen direcciones privilegiadas, la elipse
se convierte en un crculo, en tal caso la direccin deja se ser relevante. Lo mencionado
anteriormente es para dos dimensiones en caso del espacio tridimensional la elipse se
convierte en elipsoide y el crculo en esfera.
C.2.)Nmero de muestras a capturar. Est relacionado con el tamao de la
elipse, es decir el nmero de puntos de estimacin que se deben incluir en ella. En la
prctica debe intentarse que la elipse contenga al menos de 6 a 12 puntos de estimacin.
Robinson Villanueva
resenaren_ger@speedy.com.pe
114
S 2
DMM = t .
n
donde: DDM = distancia media de muestreo; St = Area total cubierta por las muestras
y n = nmero de muestras.
Es necesario comentar que cuantas ms muestras se incluyan mayor ser el nmero de
operaciones a ejecutar (problema resuelto por la informtica y por los ordenadores
actuales) y mayor ser el suavizado de la estimacin, esto hara que el concepto de
mejor estimador no sesgado del krigeaje no se cumpla, por lo que es necesario analizar,
con cuidado, el tamao de la elipse. Es regla comn, utilizar como semieje de la elipse
un valor prximo al alcance del semivariograma en la direccin considerada, de tal
manera que se asegura la hiptesis de estacionariedad y se cumpla la correcta
estimacin
C.3.)Caractersticas de las muestras. Este hecho se analiza en dos aspectos: por
un lado la posible presencia de agrupamientos de muestras, resuelto por la morfologa
matemtica propia de la geoestadstica, que lo toma en cuenta y pondera este fenmeno.
Por otro lado, el segundo aspecto menciona la importancia de las diferentes muestras
para su inclusin en la estimacin, por ejemplo la pertenencia o no a un determinado
grupo. Esta situacin es difcil de caracterizar y menos de verificar, por lo que la
decisin debe venir de una informacin cualitativa. Es decir, el estudio geolgico
completo, detallado y ptimo de toda la informacin presente, es uno de los mejores
parmetros para definir que muestras son relevantes y cuales no la son, pudiendo ser
estas ltimas apartadas del proceso de estimacin.
11.4. KRIGEAJE PUNTUAL
La particularidad del krigeaje puntual es de ser un interpolador exacto, es decir que si
estimamos la ley en un punto coincidente con la muestra, el krigeaje nos restituir la
ley de la muestra con una varianza del error de krigeaje igual a cero.
Ejemplo:
El cuadrillado representa sondajes en los puntos x1, x2, x3, x4, con leyes de 3,2%;
2,5%; 4,0% y 1,5% respectivamente. Se desea conocer la ley en el punto x0,
sabiendo que el variograma asociado corresponde a un modelo esfrico con las
siguientes caractersticas: C0 = 2(%)2 Cl = 20(%)2 y a = 200 m.
(h)
x2
50m
x1
x0
x4
50 m
x3
C0 + C1
C0
Robinson Villanueva
resenaren_ger@speedy.com.pe
115
[ ] = [K ]1 [M 2 ]
1
2
3 =
4
11
12
13
14
01
21
22
23
24
02
31
41
32
42
33
43
34
44
1
1
04
1
0
03
0
( h)
3 h 1 h 3
= C0 + C1
h<a
2 a 2 a
3 50 1 50 3
01 = 2 + 20
= 9,34
2
200
2
200
02 = 2 + 20
2
200
2
200
= 17,02
3 150 1 150 3
= 20,28
z< 03 = 2 + 20
2 200 2 200
3 50 2 1 50 2 3
= 12,17
04 = 2 + 20
2 200 2 200
[M2 ] =
Robinson Villanueva
9.34
17,02
20,28
12,17
1
resenaren_ger@speedy.com.pe
116
Se tiene que:
11 = 22 = 33 = 4 = 0
De la misma manera que en a) calculemos los trminos siguientes:
3 50 2 1 50 2 3
= 12,17
12 = 21 = 2 + 20
2
200
2
200
14 = 41 = 17,02
13 = 31 = 20,78
34 = 43 = 22
23 = 32 = 19,68
42 = 24 = 21,72
[K]
0
12,17
20,78
17,02
1
12,17
0
19,68
21,72
1
Al resolver el sistema:
20,78
19,68
0
22
1
17,02
21,72
22
0
1
1
1
1
1
0
[] =[K]1 [M2 ]
Robinson Villanueva
resenaren_ger@speedy.com.pe
117
Para determinar el valor del bloque se lleva a cabo una discretizacin del rea en un
conjunto de puntos (2*2, 3*3, ...), obtenindose posteriormente la media entre los
distintos valores, el clculo tedioso de las operaciones ha sido ampliamente resuelto por
el hardware y softwares actuales. A manera de visualizar el mtodo (media aritmtica
de los puntos discretizados extrapolada al rea establecida) adoptemos el grfico de
Isaaks y Sirastava, 1989, en este esquema, en la parte superior (a), se indica un bloque
a estimar (achurado) discretizado en cuatro puntos. El resultado de la estimacin del
bloque es 337.
En el resto del esquema, de b) a e) se muestran los resultados de las estimaciones
puntuales, cuyos valores son: 336, 361, 313 y 339, cuyo valor medio es 337,25, valor
muy similar al obtenido por el krigeaje de bloques (337).
*
*
*
337
*
a)
336
b)
361
c)
313
d)
339
e)
Es importante precisar que los valores que se obtienen con el krigeaje llevan consigo los
correspondientes valores de la varianza de estimacin (varianza de krigeaje), esto
permite estudiar la bondad de la estimacin. La varianza de krigeaje es la que determina
la calidad del mtodo, ya que ningn otro obtiene este parmetro y que es til cuando se
trata de categorizar las reservas del yacimiento.
Robinson Villanueva
resenaren_ger@speedy.com.pe
118
(VKB LME )
Donde:
D = Desviacin;
VKB = Valor krigeado del bloque;
LME = Ley mnima de explotacin
k = Desviacin estndar del krigeaje
Por ejemplo, si la ley mnima de explotacin para un yacimiento de oro es de 4 g Au/t,
la ley krigeada del bloque es 4,12 g Au/t y su varianza de krigeaje es 0,03 (g Au/t)2,
entonces, la desviacin es:
(VKB LME ) ( 4,12 4,00)
0,12
D=
=
=
= 0,693
0,1732
k
0,03
En la tabla de distribucin normal, la probabilidad de que la desviacin D sea mayor
que la LME ser de 0,75586 = 75,86%. De esta manera establecidas todas las
probabilidades para los distintos bloques krigeados, se estableceran rangos definidos
para las reservas probadas, probables, posibles, etc. (vase el mtodo de Annels).
Otro mtodo es el propuesto por Annels (1991). Si se construye la curva de
frecuencias, de las varianzas de krigeaje, de los bloques estimados, de distinguirse
poblaciones distintas se puede categorizar a los valores de la varianza. A ttulo de
ejemplo vase la tabla y grficos siguientes:
Robinson Villanueva
resenaren_ger@speedy.com.pe
119
Frec.
Varianza
krigeaje
0 0,0075
0,0075
0,0135
> 0,0135
0,0075
Categora
Probables (1)
Posibles (2)
Demostradas/inferidas (3)
3
0,0135
Varianza
1, si z(x) > zc
l(x,z)
{
0, si z(x) < zc
h
h
+
I
I
[
1
,
5
0
,
5
], h > a
( h, z ) = 0
a
a
I + I , h < a
0
resenaren_ger@speedy.com.pe
120
11.8. EL COKRIGEAJE
{[
2 Ag (h) = E Y Ag ( x) Y Ag ( x + h)
] },
2
para la plata
resenaren_ger@speedy.com.pe
121
X1 = 741
V1 = 414
(-3;6)
X0 = ?
(0;0)
V3 = 56
(3;-3)
X2 = 504
V2 = 386
(-8;-5)
El estimador del cokrigeage es una combinacin lineal de variables primarias y
secundarias, para la variable x del ejemplo ser:
x*0 = a1x1 + a2x2 + b1v1 + b2v2 + b3v3
donde x*0 es el estimador de la variable X en el punto (0;0); xi y vj son los valores de
las variables X y V respectivamente; ai y bj son los pesos de cokrigeage que deben
estimarse.
En general para n valores x y m valores v, el estimador de cokrigeage se puede escribe
de la siguiente manera:
n
i =1
i =1
x *0 = a i xi + b j v j
Este estimador como es insesgado, se verifica que:
Robinson Villanueva
resenaren_ger@speedy.com.pe
122
E x * 0 x0 = 0
n
m
n
m
E ai xi + b j v j x0 = n x ai + mb b j v j n x =0
i =1
j =1
i =1
j =1
Donde E(xi) = mx y E(vj) = mv.
n
ai = 1
i =1
=0
j =1
i =1
i =1
i =1
i =1
ai = 1 ;
i =1
=0
j =1
i =1
i =1
i)
ii)
iii)
Tanto el sistema como la varianza de cokrigeage, slo son vlidos para una
estimacin puntual, de restringido uso en minera donde se requieren
estimaciones de bloques.
En el clculo el cokrigeage requiere de las covarianzas simples y cruzadas
entre las variables. experimentalmente el variograma cruzado se define
(ui u j )(vi v j )
como:
UV (h) =
2 N ( h)
Si se tiene informacin de la variable principal y de las secundarias en todas
las muestras y si los variogramas simples y cruzados son proporcionales a un
Robinson Villanueva
resenaren_ger@speedy.com.pe
123
Robinson Villanueva
CovX(h)
CovV(h) CovXV(h)
605 000
99 155
605 000
107 000
49 623
57 158
107 000
45 164
107 000
137 000
49 715
57 615
49 715
137 000
45 554
134 229
102 334
70 210
52 697
75 887
resenaren_ger@speedy.com.pe
124
49715
57615
a1
134229
49715 137000
45554
a2
102334
57158
b1
49715 107000
49623
70210
=
49715 137000
49623 107000
57615 45554
57158
1
0
45164
b2
52697
45164 107000
b3
75887
-1
0
1
-2
1
0
X2
Xo
X3
Calcular usando el krigeaje, el valor de la
ley en el punto Xo.. Cada cuadrado tiene X4
un rea de 250m2.
Ejercicio_2:Estimar por krigeaje la ley de hierro en el punto xo, a partir de las muestras
que se indican en la figura, el modelo de variograma es lineal istropo de la forma:
Robinson Villanueva
resenaren_ger@speedy.com.pe
125
(h) = 0,417h.
60
50
(35) x4
40
xo
30
x1 (41)
20
10
(35) x2
20
30
(34) x3
40
50
Robinson Villanueva
resenaren_ger@speedy.com.pe
126
BIBLIOGRAFA
* HUIJBREGTS Ch. Et MATHERON G.
Universal Kriging-an optimal approach to trend surface anlisis (1970)
In Decision-Makingg in the mineral industry pp. 159-169.
Canadian Institute of Mining and Metalurgy, Special volume, n 12-Montral.
* JOURNEL A.
Geostatistics for Conditional Simulation of orebodies (1973).
Note CMM n342-Ed.ENSMP Paris.
In Economic Geology.Vol.69,n5,August 1974,pp.673-687
* J.J. ROYER
GEOSTATISTIQUES 3me anne
Cours dars A. Journel (Thse 1977)
* B. DE JEKHOWSKY (1977)
Elments de statistique lusage des gologues
Robinson Villanueva
resenaren_ger@speedy.com.pe
127
BACOS
Robinson Villanueva
resenaren_ger@speedy.com.pe
Robinson Villanueva
resenaren_ger@speedy.com.pe
Robinson Villanueva
resenaren_ger@speedy.com.pe
Robinson Villanueva
resenaren_ger@speedy.com.pe
Robinson Villanueva
resenaren_ger@speedy.com.pe
Robinson Villanueva
resenaren_ger@speedy.com.pe
Robinson Villanueva
resenaren_ger@speedy.com.pe
Robinson Villanueva
resenaren_ger@speedy.com.pe
Robinson Villanueva
resenaren_ger@speedy.com.pe
Robinson Villanueva
resenaren_ger@speedy.com.pe
10
Robinson Villanueva
resenaren_ger@speedy.com.pe
11
Robinson Villanueva
resenaren_ger@speedy.com.pe
12
Robinson Villanueva
resenaren_ger@speedy.com.pe
13