1

UNIVERSIDAD NACIONAL DE MOQUEGUA

Escuela Profesional de Ingeniera de Minas

PROYECTO DE TESIS

CLCULO DE LA VARIANZA RELATIVA DEL ERROR DE MUESTREO DE

MINERALES, PARA DETERMINAR EL TAMAO Y LA REPRESENTATIVIDAD
OPTIMA EN UNA MUESTRA PARA UN PROYECTO MINERO.

PRESENTADO POR:

Bach. Berly David, Cristobal Coaguila

Para optar el Ttulo Profesional de

Ingeniero de Minas

MOQUEGUA PER
2017

P g i n a 1 | 35
 2

Contenido
I. DATOS GENERALES........................................................................................................... 4
1.1. Ttulo .................................................................................................................................. 4
1.2. Nombre del Autor ................................................................................................................ 4
1.3. Localidad donde se realizar la investigacin ..................................................................... 4
1.4. Asesor Acadmico .............................................................................................................. 4
II. PROBLEMA DE LA INVESTIGACIN ................................................................................... 4
2.1. DESCRIPCIN DE LA REALIDAD PROBLEMTICA ............................................................. 4
2.2. FORMULACIN DEL PROBLEMA ........................................................................................ 5
2.2.1. Interrogante General ........................................................................................................... 5
2.2.2. Interrogantes especficas .................................................................................................... 5
2.3. JUSTIFICACIN E IMPORTANCIA DE LA INVESTIGACIN .................................................. 6
2.4. OBJETIVOS......................................................................................................................... 6
2.4.1. Objetivo general.................................................................................................................. 6
2.4.2. Objetivos especficos.......................................................................................................... 6
2.5. HIPTESIS .......................................................................................................................... 7
2.5.1. Hiptesis general ................................................................................................................ 7
2.5.2. Hiptesis especfica ............................................................................................................ 7
III. MARCO TERICO ............................................................................................................... 7
3.1. ANTECEDENTES DEL ESTUDIO .......................................................................................... 8
3.2. BASES TERICAS ............................................................................................................ 15
3.2.1. Etapas para un muestreo correcto. (Alfaro, M., 2002) ......................................................... 15
3.2.2. Tipos de Muestreo ............................................................................................................ 16
3.2.3. Exactitud y Precisin en el muestreo ................................................................................ 17
3.3. DEFINICIN DE TRMINOS ............................................................................................... 19
IV. MARCO METODOLGICO ................................................................................................. 20
4.1. LUGAR DE EJECUCIN .................................................................................................... 20
4.2. TIPO Y DISEO ................................................................................................................. 20
4.2.1. Fase 1. Idea. ...................................................................................................................... 21
4.2.2. Fase 2. Planteamiento del Problema.................................................................................. 21
4.2.3. Fase 3. Revisin de la literatura y desarrollo del marco terico. ........................................ 22
4.2.4. Fase 4. Visualizacin del alcance del estudio. ................................................................... 23
4.2.5. Fase 5. Elaboracin de hiptesis y definicin de variables. ............................................... 23
4.2.6. Fase 6. Desarrollo del diseo de investigacin.................................................................. 23

P g i n a 2 | 35
 3

4.2.7. Fase 7. Definicin y seleccin de la muestra. .................................................................... 24

4.2.8. Fase 8. Recoleccin de los datos. ..................................................................................... 24
4.2.9. Fase 9. Anlisis de los datos. ............................................................................................ 24
4.2.10. Fase 10. Elaboracin del reporte de resultados. ................................................................ 24
4.3. NIVEL DE INVESTIGACIN ............................................................................................... 25
4.4. OPERACIONALIZACIN DE VARIABLES .......................................................................... 26
4.4.1. Variable Independiente: .................................................................................................... 26
4.4.2. Variable Dependiente: ....................................................................................................... 26
4.5. POBLACIN Y MUESTRA ................................................................................................. 26
4.6. TCNICAS E INSTRUMENTOS PARA RECOLECCIN DE DATOS ..................................... 28
4.7. VALIDACIN Y PROTOCOLOS DE MUESTREO. ................................................................ 28
4.8. CONFIABILIDAD DE LOS INSTRUMENTOS ....................................................................... 29
4.9. DISEO EXPERIMENTAL O MTODOS Y TCNICAS PARA LA PRESENTACIN Y ANLISIS
DE DATOS ..................................................................................................................................... 30
V. ASPECTOS ADMINISTRATIVOS ........................................................................................ 32
5.1. CRONOGRAMA DE ACTIVIDADES .................................................................................... 32
5.2. RECURSOS HUMANOS ..................................................................................................... 33
5.3. BIENES ............................................................................................................................. 33
5.4. SERVICIOS ....................................................................................................................... 33
5.5. FUENTES DE FINANCIAMIENTO Y PRESUPUESTO ........................................................... 34
VI. REFERENCIAS BIBLIOGRFICAS ..................................................................................... 35

P g i n a 3 | 35
 4

PROYECTO DE TESIS

I. DATOS GENERALES

1.1. Ttulo

Clculo de la varianza relativa del error de muestreo de minerales, para determinar el

tamao y la representatividad optima en una muestra para un proyecto minero.
1.2. Nombre del Autor

Berly David, Cristobal Coaguila

1.3. Localidad donde se realizar la investigacin

En el presente trabajo de investigacin se tomar como objeto de estudio y datos de la

Compaa Minera Chaspaya Proyecto: Nuevo Sureo, localizada en el Distrito El

Algarrobal, Provincia de Ilo, Moquegua, Per.

1.4. Asesor Acadmico

Ing. Arqumedes Len Vargas Luque

II. PROBLEMA DE LA INVESTIGACIN

2.1. DESCRIPCIN DE LA REALIDAD PROBLEMTICA

Cuando se realiza trabajos de exploracin y la evaluacin de los recursos de un depsito

de mineral, se utiliza la informacin de un conjunto de muestras tomadas en el campo, de

las cuales se conoce las leyes de los minerales econmicamente restables para el proyecto

minero.

En la prctica, la muestra que se toma es pequea en relacin al conjunto de partculas

que se est muestreando, esto hace que exista error en el valor de la muestra respecto a

la ley del conjunto de partculas que se quiere representar.

Ciertamente el muestreo de minerales posee un cierto grado de complejidad, por ejemplo:

una de las muestras de minerales no son homogneas, sino ms bien son heterogenias,

P g i n a 4 | 35
 5

adems, se distinguen por su forma y composicin, y en la manipulacin de esto materiales

se podran cometer errores, en su tratamiento se pueden segregar por su tamao y tipos

de material.

En la actualidad se tiene muchos proyectos en exploracin en el sur de nuestro pas, en

los inicios de exploracin se parte sin hacerse las preguntas bsicas sobre los

procedimientos de muestreo, por ejemplo: cul ser la poblacin a muestrear?, que datos

necesitamos recolectar?, de qu manera vamos a recolectar?, cual es nivel de precisin

deseado?, cules sern nuestros mtodos se medidas? Si estas preguntan no son

aclaradas oportunamente, nos llevar a una serie de errores acumulativos, significa,

nuestros indicadores sern datos invlidos por el error.

En el presente trabajo de investigacin pondremos los lineamientos bsicos para

establecer estndares, procedimientos de muestreo para cumplir la representatividad

mnima de muestreo con un error aceptable, para ello es necesario calcular la varianza

relativa del error fundamental del muestreo, haciendo el uso de la ecuacin de GY.

2.2. FORMULACIN DEL PROBLEMA

2.2.1. Interrogante General

De qu manera calcula la varianza relativa del error de muestreo, para determinar

el tamao y la representatividad optima de una muestra de minerales para un

proyecto minero?

2.2.2. Interrogantes especficas

a. Cul es el nivel de confianza de la varianza relativa del error de muestreo

de minerales?

a. Cul es el nivel ptimo en tamao y repetitividad en una muestra de

minerales para un proyecto minero?

P g i n a 5 | 35
 6

2.3. JUSTIFICACIN E IMPORTANCIA DE LA INVESTIGACIN

El desarrollo de este trabajo resalta la importancia por el alto potencial geolgico y minero

de la zona metalogenetica del sur del Per, en este caso nos enfocamos en la exploracin

y desarrollo de un proyecto minero.

Se tiene identificadas la zonas de inters, tales como: Cinco Dedos, Veta Salvadora y Zona

Jos, con unas estructuras que varan de 0.50 2 m. de potencia, con Rumbo promedio S

55 W con buzamiento promedio de 68 SW, con buen contenido de cobre, se caracteriza

por la presencia de turmalina en venillas con contenido de hematita, y fuerte silicificacion,

con Malaquita, calcantita rellenando fracturas y Cuprita en parches en la roca caja, es una

veta que se puede explorar por las evidencias mineralgicas expuestas en superficie. Mas

al SW encontramos otra estructura de las mismas caractersticas con 1.00 m de potencia,

esta zona es muy interesante por la magnitud de las estructuras.

En el proyecto de investigacin se justifica. Porque, no se tiene definido con claridad la

representatividad mnima de muestreo, y el tamao ptimo de muestreo con un error

mnimo aceptable predeterminado en las zonas de inters.

2.4. OBJETIVOS

2.4.1. Objetivo general

Demostrar que el clculo y aplicacin de la varianza relativa del error de muestreo,

determina el tamao y la representatividad optima de muestreo para un proyecto

minero.

2.4.2. Objetivos especficos

a. Determinar el nivel de confianza de la varianza relativa del error de

muestreo de minerales.

b. Determinar el nivel ptimo en tamao y repetitividad en una muestra de

minerales para un proyecto minero

P g i n a 6 | 35
 7

2.5. HIPTESIS

2.5.1. Hiptesis general

El clculo de la varianza relativa del error de muestreo, determina el tamao y la

representatividad optima en una muestra para un proyecto minero.

2.5.2. Hiptesis especfica

a. El clculo de la varianza relativa del error de muestreo, determina el

tamao y la representatividad a un nivel confiable en una muestra para un proyecto

minero.

III. MARCO TERICO

Cuando se evaluacin de los recursos de un depsito, se utiliza la informacin de un

conjunto de muestras tomadas en el campo, de las cuales se conoce las propiedades

fsicas y qumicas de mineral adems, se conoce su ley o porcentaje de abundancia o

presencia de mineral econmicamente rentable para el proyecto.

En el presente trabajo validaremos que la ley de la muestra es correcta y puede utilizarse

como un valor cierto (sin incertidumbre). En la prctica, la muestra que se toma es pequea

en relacin al conjunto de partculas que se est muestreando y esto hace que exista un

error en el valor de la muestra respecto a la ley del conjunto de partculas que se quiere

representar.

El error que se comete proviene principalmente de dos fuentes:

Las propiedades intrnsecas del material.

La toma y preparacin de la muestra.

P g i n a 7 | 35
 8

Por ejemplo, un procedimiento habitual en minera consiste en tomar muestras a partir del

detrito de pozos de voladura. Para dimetros de perforacin del orden de 9 a 12 pulgadas,

y alturas de banco de 15 metros, la cantidad de detritos generado durante la perforacin

es cercana a una tonelada de material. De este conjunto (o lote) se toma una muestra que

generalmente no supera los 10 o 8 kilogramos. Esta muestra se prepara y subdivide

durante las etapas de un protocolo de muestreo, para finalmente llevar a anlisis de

laboratorio una submuestra de pocos gramos. Es decir, estamos representando una

tonelada de material con un par de gramos obtenidos tras diversas etapas de preparacin

y divisin de la muestra original. La pregunta que cabe hacerse es son estos gramos

representativos de la ley del lote original?

La teora de muestreo, introducida por Pierre Gy y luego extendida y llevada a la prctica

por Francis Pitard y Dominique Francois Bongarcon, permite cuantificar la magnitud del

error que se comete en las diversas etapas de un protocolo de muestreo, adems de dar

recomendaciones respecto a los procedimientos utilizados en los procesos de toma y

preparacin de muestras.

3.1. ANTECEDENTES DEL ESTUDIO

En la publicacin de Alfaro, M., (2002) publica su libro de Introduccin al Muestreo Minero

cuya investigacin propone tambin metodologas y procedimientos del muestreo minero,

con el objetivo de clarificar de la importancia del muestreo para el planeamiento de minas,

partiendo de la premisa inicial de vital importancia: El muestreo debe ser equiprobable.

En el caso de los minerales: el muestreo es equiprobable, cuando todos los fragmentos

que constituyen el lote tienen la misma probabilidad de ser elegidos para la constitucin

de la muestra. M. Alfaro fundamenta esta premisa en la ecuacin de Pierre Gy, creador de

la teora moderna del muestreo de minerales, cuando la condicin de equiprobabilidad no

P g i n a 8 | 35
 9

se cumple, concluye qu: se tiene ms bien un espcimen (un ejemplar) no es una

muestra. Es por tal razn el muestreo es equiprobable para cumpla la representatividad

optima en tamao y peso. (Alfaro, M., 2002)

M. Alfaro para su publicacin cont con el apoyo de Doctores Pierre Gy, Dominique

Francois-Bongarcon y Ana Mara en el Instituto de Ingenieros de Minas de Chile.

El profesor de la universidad de Chile, Ortiz J., (2004) defini matemticamente la

Heterogeneidad de Constitucin (CH) en una muestra de mineral en su publicacin

Apuntes de muestreo para evaluacin de yacimientos cuya investigacin define la

heterogeneidad de un fragmento con respecto al lote de muestras. Esta heterogeneidad

puede corresponder a la diferencia en contenido del constituyente crtico del fragmento

respecto al lote. Es conveniente estandarizar esta diferencia para hacerla independiente

de los valores, para trabajar con una diferencia relativa: heterogeneidad del fragmento en

el lote, contenido crtico del fragmento y contenido crtico del lote.

Ortiz, J., ilustra tambin la importando de Heterogeneidad de Constitucin (CH) en una

muestra de mineral en el siguiente ejemplo: Un procedimiento habitual en minera consiste

en tomar muestras a partir del detrito de pozos de tronadura. Para dimetros de perforacin

del orden de 9 pulgadas, y alturas de banco de 15 metros, la cantidad de detritos generado

durante la perforacin es cercana a una tonelada de material. De este conjunto (o lote) se

toma una muestra que generalmente no supera los 40 o 50 kilogramos. Esta muestra se

prepara y subdivide durante las etapas de un protocolo de muestreo, para finalmente llevar

a anlisis de laboratorio una submuestra de pocos gramos. Es decir, estamos

representando una tonelada de material con un par de gramos obtenidos tras diversas

etapas de preparacin y divisin de la muestra original. La pregunta que cabe hacerse es

son estos gramos representativos de la ley del lote original?

P g i n a 9 | 35
 10

En el anlisis del muestreo de minerales de G. Vallebuona y F. Niedbalski., (2005)

proponen algunos factores de correccin para la ecuacin de P. Gy en su publicacin

Muestreo de minerales: anlisis de sensibilidad de factores de correccin para a la

ecuacin de Pierre Gy cuya investigacin analiza la sensibilidad de la ecuacin Pierre Gy

a la variacin de sus factores de: Factor mineralgico, Factor de liberacin, Factor de forma

y Factor granulomtrico.

La propuesta persigue mejorar la representatividad y la manera correcta de ejecutar una

accin de muestreo, ya que, recae una gran responsabilidad sobre esta fraccin de mineral

respecto al total, y es muy grande especialmente en la industria minera, donde en cada

una de las etapas y operaciones involucran la toma de muestras. Decisiones importantes

como la de invertir en una explotacin en un yacimiento o a decidir el destino de un bloque

de mineral, y determinaciones importantes como la ley de mineral de las fases de minado

tendrn el destino a proceso o botadero de desmonte.

Algunos autores han abordado la problemtica y en la actualidad se acepta como vlida la

teora moderna de muestreo de minerales de Pierre Gy. En ella, se distinguen las distintas

clases de error como la de segregacin, delimitacin, extraccin y preparacin, indica

tambin la manera de anularlos o minimizarlos y tambin existe una fuente de error

denominada heterogeneidad, la que es imposible de eliminacin del error fundamental.

En el anlisis de sensibilidad la de la ecuacin de Pierre Gy a variaciones de sus factores

principales: Factor mineralgico, Factor de liberacin, Factor de forma y Factor

granulomtrico. Razn por la cual su derivada de ellos concluye que es constante.

A continuacin mtodos y ecuaciones:

P g i n a 10 | 35
 11

El primer mtodo ampliamente conocido y aplicado es el coeficiente de variacin (CV).

El valor del coeficiente de variacin CV para una serie de muestras, viene dado por el

cociente entre la desviacin estndar () y el valor medio de las muestras multiplicado

por 100.

V = ( 100)/ X

Una vez obtenido dicho valor, el tamao de muestra mnimo se obtiene de la siguiente

tabla:

Tabla 3.1. CV para una serie de muestras.

Coeficiente de Peso de muestra

Distribucin del mineral
variacin V (%) (kg)

Muy regular < 20 0,6 0,8

Regular 20 40 1,8 2,4
Irregular 40 80 3,6 4,8
Muy irregular 80 150 5,4 7,2
Extremadamente irregular Ms de 150 7,2 9,6

Fuente: Cualicon Latam y C.J. Prez (2016)

Como se puede observar al aumentar la irregularidad en la distribucin del mineral,

aumenta el valor de V y tambin la masa de muestra necesaria.

Espaciado entre muestras

Empleando los variogramas, se estableci una correlacin espacial de la variacin de la

concentracin del mineral que nos interesa, y en funcin de esa correlacin, establece una

representacin grfica (semivariograma experimental), en base a l se puede determinar

la distancia a partir de la que empieza la dispersin de los valores de la concentracin,

desapareciendo la relacin espacial que exista y de esta forma establecer la distancia

mnima y mxima entre puntos de muestra en cada direccin, con un ahorro en nmero de

P g i n a 11 | 35
 12

puntos de muestreo considerable respecto de otros mtodos, pero a su vez el mtodo es

muy complejo y requiere un gran nmero de muestras previas para aplicarlo, por lo que

slo se justifica en caso de evaluaciones de grandes explotaciones. En la mayora de los

casos suele bastar con aplicar el mtodo del coeficiente de variacin, mediante la siguiente

tabla:

Tabla 3.2. CV y espaciamiento de muestras.

Coeficiente de Espaciado entre
Distribucin del mineral
variacin V (%) muestras (m)
Regular < 40 50 60
Irregular 40 100 64
Muy irregular 100 150 4 2,5
Extremadamente irregular > 150 2,5 2

Fuente: Cualicon Latam y C.J. Prez (2016)

Vemos como en funcin de la anisotropa de la distribucin del mineral aumenta el

coeficiente de variacin y por consiguiente se hace necesario disminuir la distancia entre

puntos de toma de muestras. Si el espaciado aumenta sobre los valores de la tabla nos

encontraremos con muestras no correlacionadas, y por el contrario si empleamos unas

distancias menores ocasionaremos una sobre-densidad de muestreo que conllevar un

gasto innecesario en sondeos.

El mtodo CV, Cualicon Latam. (2012). dada su sencillez puede llevarnos a unos

espaciados excesivamente estrechos, aqu es donde la experiencia puede corregir

ligeramente el problema en algunas zonas cuando se advierta el sobredimensionado.

El segundo mtodo es de Richard Ceczott, que para determinar la masa de una muestra

de mineral, reconoce a dos variables, el dimetro de los granos mayores y la constante

que depende del carcter de la mineralizacin del yacimiento.

P g i n a 12 | 35
 13

La ecuacin de Richard Ceczott est representada de la siguiente forma:

Q = d2. K

Donde:
Q: cantidad de muestra en Kg.
d2 : dimetro de los granos mayores (mm).
K : constante que depende del depsito.

Tabla 3.3. Peso de la muestra en funcin del tamao de grano mineral y de la

irregularidad del depsito

CARCTER DE A CONSTANTE PESO (KG)

MINERALIZACIN K
20MM 10MM 5MM 2.5 MM 1 MM
Regular 0.02 8 2 0.5 0.12 0.02
Irregular 0.1 40 10 2.5 0.6 0.1
Muy irregular 0.2 - 0.5 80 - 200 20 - 50 05-12 1.2 - 3 0.3
Extremadamente
0.5 - 1.0 50 - 400 50 - 100 D12-25 03-6 0.5 - 1
Irregular
Fuente: Cualicon Latam y C.J. Prez (2016)

El tercer mtodo es de Royle, define que para obtener una muestra representativa de un

yacimiento, es suficiente identificar y conocer el peso de una de las partculas ms grandes de la

muestra y la composicin mineralgica de inters expresada en porcentaje.

La ecuacin de Roley esta representada de la siguiente forma:

Q= 100 . A / G

A: Peso de mineral de la partcula ms grande.

G: Ley de mineral en (%).

El cuarto mtodo es de Pierre Gy. 1982. En su publicacin Sampling of Particulate Materials

proporciona con claridad la metodologa para obtener una muestra repetitiva eficientemente, en el

caso de material quebrado, la varianza relativa del error fundamental del muestreo (la varianza

relativa corresponde a la varianza del error fundamental dividida por la ley media del lote elevada

al cuadrado, luego es una varianza sin dimensin).

La Teora fue desarrollada por el Dr. Pierre Gy, Ingeniero Civil Qumico francs.

P g i n a 13 | 35
 14

Antes de presentar la frmula de Gy, es necesario hacer una observacin: se trata de una frmula

aproximada cuya demostracin es difcil. En la figura 3.1. se puede ver un extracto de la

demostracin, realizada por el geomatemtico francs Georges Matheron, la cual ocupa 11

hojas!).

Figura 3.1.Extracto de la demostracin de la frmula de P. Gy, por Georges Matheron.

(Alfaro, M., 2002)

La frmula de P. Gy.

La varianza relativa del error fundamental de muestreo est dada por:

2 3
S FE= ( 1 / MS 1 / ML ) .C .d

Donde:

MS = masa de la muestra en gramos.

ML= masa del lote en gramos.

d = dimetro (d95) de partculas en cm.

Constante de muestreo:

C = f.g.c.l

C = constante de muestreo en g/cm3, depende de d.

P g i n a 14 | 35
 15

c=factor mineralgico (gr/cm3).

l=factor de liberacin.

f= factor de forma.

g= es el factor granulomtrico.

3.2. BASES TERICAS

Segn Hernndez, Fernndez y Baptista (2006), constituyen el fundamento cientfico del

conocimiento del trabajo de investigacin, pues sobre esta gira de procedimiento en el

recorrido de cada uno de los captulos. Por consiguiente, la bases tericas forman la

plataforma sobre la cual se constituye el anlisis de los resultados obtenidos en el trabajo

de campo, sin ella no se puede analizar los resultados. A continuacin se nombran las

bases tericas de la investigacin.

3.2.1. Etapas para un muestreo correcto. (Alfaro, M., 2002)

En todo muestreo, debe estar bien establecido lo siguiente:

1. Objetivo del muestreo.

2. Poblacin a muestrear
3. Datos a recolectar
4. Manera de recolectar los datos
5. Grado de precisin deseado
6. Mtodo de medida.

Para cumplir bien con la definicin inicial de muestreo, se debe cumplir el hecho

siguiente, de vital importancia:

El muestreo debe ser equiprobable

En el caso de los minerales: el muestreo es equiprobable cuando todos los

fragmentos que constituyen el lote tienen la misma probabilidad de ser elegidos

para la constitucin de la muestra.

P g i n a 15 | 35
 16

Segn Pierre Gy. 1982. En su publicacin Sampling of Particulate Materials,

afirma lo siguiente: Cuando la condicin de equiprobabilidad no se cumple, se

tiene ms bien un espcimen (un ejemplar) en vez de una muestra.

Figura 3.2.1. El operador toma incrementos de la parte ms accesible del lote.

La suma de los incrementos constituye un espcimen. (Alfaro, M., 2002)

3.2.2. Tipos de Muestreo

Los principales tipos de muestreo segn (Alfaro, M., 2002)son los siguientes:

Muestreo aleatorio simple.

Consiste en la seleccin de (n) fragmentos unidades del lote ML (masa de lote) de

modo que todas las muestras posibles de tamao (n) tengan la misma probabilidad

de ser elegidas. (Alfaro, M., 2002)

Muestreo sistemtico.

En este caso las extracciones de las muestras son determinadas segn una

regla fija. Ejemplo: Tomar canaletas en una galera cada 2 metros o en una cinta

transportadora, tomar una muestra cada 10 minutos. (Alfaro, M., 2002)

Muestreo estratificado.

El lote ML se divide en partes o estratos que no se solapan entre s. Cada estrato

es muestreado posteriormente segn los procedimientos anteriores.

P g i n a 16 | 35
 17

Figura 3.2.2. Muestreo estratificado. (Alfaro, M., 2002)

3.2.3. Exactitud y Precisin en el muestreo

En teora del muestreo de minerales Segn Marco Alfaro, 2002, en su libro

publicado Introduccin al Muestreo Minero define lo siguiente:

Las nociones de exactitud y precisin. Figura 3.2.3. Clarifica estos conceptos en

trminos estadsticos estos conceptos corresponden respectivamente a la media,

la cual debe ser insesgada (exactitud) y a la varianza del error, la cual debe ser

pequea (precisin)

Figura 3.2.2. Clarificacin de conceptos (Alfaro, M., 2002)

a) Exactitud sin precisin.
b) Precisin sin exactitud.
c) Exactitud y precisin.
d) Ninguno.

En resumen:

Exactitud Media
P g i n a 17 | 35
 18

Precisin Varianza
La media debe ser insesgada (sin desviacin sistemtica) y la varianza

debe ser pequea. (Alfaro, M., 2002)

Ejemplo:

Sea ML una poblacin o lote con 4 datos y MS una muestra de 2

observaciones del lote:

ML = { x1, x2 , x3, x4} N=4

MS = {a1, a2} n=2

Las muestras posibles y las medias muestrales correspondientes son:

{x1, x2} m1 = (x1 + x2 ) / 2

{x1, x3} m2 = (x1 + x3 ) / 2

{x1, x4} m3 = (x1 + x4 ) / 2

{x2, x3} m4 = (x2 + x3 ) / 2

{x2, x4} m5 = (x2 + x4 ) / 2

{x3, x4} m6 = (x3 + x4 ) / 2

La media del lote es (observar que en nuestro caso minero nos interesa en

general el muestreo sin reemplazamiento):

m0 = (x1 + x2 + x3 + x4 ) / 4

y la media de las muestras (posibles) es:

m*=(m1+m2+m3+m4+m5+m6) / 6

se observa entonces que:

m0 = m*

Se dice que la media de la muestra (de 2 observaciones) m=(xi+xj)/2 es un

estimador insesgado de la media del lote m0=(x1+x2+x3+x4)/4.

P g i n a 18 | 35
 19

La propiedad de disponer de un estimador insesgado se cumplir cuando la

muestra sea equiprobable.

En la prctica, cuando sea posible, siempre se deben utilizar estimadores

insesgados (la experiencia muestra que no existe nada ms complejo que

corregir sesgos). (Alfaro, M., 2002. p. 12,13)

3.3. DEFINICIN DE TRMINOS

3.3.1. Esquema de muestreo:

Secuencia de operaciones selectivas (muestreo) y no selectivas (operacin) realizadas

sobre un lote y terminando con la extraccin de una o varias muestras para su anlisis

fsico qumico. M. Alfaro, (2002)

3.3.2. Etapa de muestreo:

Proceso selectivo implementado sobre una porcin dada de material (lote original o

muestra previa) para reducir su volumen sin alterar (demasiado) sus caractersticas

fsicas o qumicas. (Alfaro, M., 2002)

3.3.4. Etapa de preparacin:

Secuencia de operaciones no selectivas, tales como transferencia, quebrado, molido,

secado, mezclado, etc., aplicadas sobre una porcin (lote o muestra) para llevarlas en

forma conveniente a la siguiente etapa de proceso. (Alfaro, M., 2002)

3.3.5. Lote L:

Una porcin de materia cuya composicin debe ser estimada. Puede referirse desde

cantidades del milln de toneladas hasta un frasco de 50 gramos. (Alfaro, M., 2002)

3.3.6. Partcula o fragmento F:

Unidad compacta e indivisible durante una operacin de seleccin. Un aglomerado puede

actuar como partcula durante una etapa de muestreo. (Alfaro, M., 2002)

3.3.7. Incremento I:
P g i n a 19 | 35
 20

Un grupo de partculas extradas de un lote en una sola operacin de extraccin del

dispositivo del muestreo. (Alfaro, M., 2002)

3.3.8. Muestra S:

Una parte del lote obtenida por la unin de varios incrementos o fracciones del lote

destinado a representarlo en operaciones futuras. Solo puede llamarse muestra a la

porcin representativa del lote. (Alfaro, M., 2002)

3.3.9. Rechazo de muestreo R:

Complemento de la muestra, por definicin: R=LS. (Alfaro, M., 2002)

3.3.10. Muestra de laboratorio:

Muestra con peso conveniente que se entrega a laboratorio, en donde se realiza una

mayor preparacin y anlisis. (Alfaro, M., 2002)

3.3.11. Muestra de anlisis:

Es la ltima del esquema de muestreo que se enva como un todo para someterse a un

proceso analtico. (Alfaro, M., 2002)

IV. MARCO METODOLGICO

4.1. LUGAR DE EJECUCIN

En el presente trabajo de investigacin se tomar como objeto de estudio y datos de la

Compaa Minera Chaspaya Proyecto: Nuevo Sureo, localizada en el Distrito El

Algarrobal, Provincia de Ilo, Moquegua, Per.

4.2. TIPO Y DISEO

De acuerdo a los objetivos planteados, este trabajo segn su finalidad es un tipo de

Investigacin Aplicada ya que debera resolver en forma prctica una interrogante

P g i n a 20 | 35
 21

general asociada a la determinacin ptima en tamao y representatividad de una muestra

de mineral en el proyecto.

En cuanto diseo segn las etapas del proceso de investigacin se utiliz un modelo de la

metodologa de investigacin segn (Fernandez, Hernandez y Baptista, 5ta Edicin, 2010):

Figura 4.2. Metodologa de investigacin

(Fernandez, Hernandez y Baptista, 5ta Edicin, 2010)

4.2.1. Fase 1. Idea.

Establecer una metodologa ptima para determinar el peso y representatividad

en una muestra de mineral en un proyecto minero.

4.2.2. Fase 2. Planteamiento del Problema.

Cuando se realiza trabajos de exploracin y la evaluacin de los recursos de un

depsito de mineral, se utiliza la informacin de un conjunto de muestras tomadas

en el campo, de las cuales se conoce las leyes de los minerales econmicamente

restables para el proyecto minero.

En la prctica, la muestra que se toma es pequea en relacin al conjunto de

partculas que se est muestreando, esto hace que exista error en el valor de la

muestra respecto a la ley del conjunto de partculas que se quiere representar.

Ciertamente el muestreo de minerales posee un cierto grado de complejidad, por

ejemplo: una de las muestras de minerales no son homogneas, sino ms bien

P g i n a 21 | 35
 22

son heterogenias, adems, se distinguen por su forma y composicin, y en la

manipulacin de esto materiales se podran cometer errores, en su tratamiento se

pueden segregar por su tamao y tipos de material.

En la actualidad se tiene muchos proyectos en exploracin en el sur de nuestro

pas, en los inicios de exploracin se parte sin hacerse las preguntas bsicas sobre

los procedimientos de muestreo, por ejemplo: cul ser la poblacin a muestrear?,

que datos necesitamos recolectar?, de qu manera vamos a recolectar?, cual es

nivel de precisin deseado?, cules sern nuestros mtodos se medidas? Si estas

preguntan no son aclaradas oportunamente, nos llevar a una serie de errores

acumulativos, significa, nuestros indicadores sern datos invlidos por el error.

En el presente trabajo de investigacin pondremos los lineamientos bsicos para

establecer estndares, procedimientos de muestreo para cumplir la

representatividad mnima de muestreo con un error aceptable, para ello es

necesario calcular la varianza relativa del error fundamental del muestreo,

haciendo el uso de la ecuacin de GY.

4.2.3. Fase 3. Revisin de la literatura y desarrollo del marco terico.

Revisaremos los antecedentes sobre metodologas que ayudan a determinar el

tamao y representatividad ptima de una muestra de mineral.

El primer mtodo ampliamente conocido y aplicado es el Coeficiente de

Variacin (CV).

El segundo mtodo es de Richard Ceczott, que para determinar la masa

de una muestra de mineral, reconoce a dos variables, el dimetro de los

granos mayores y la constante que depende del carcter de la

mineralizacin del yacimiento.

P g i n a 22 | 35
 23

El tercer mtodo es de Royle, define que para obtener una muestra

representativa de un yacimiento, es suficiente identificar y conocer el peso

de una de las partculas ms grandes de la muestra y la composicin

mineralgica de inters expresada en porcentaje.

El cuarto mtodo es de Pierre Gy. 1982. En su publicacin Sampling of

Particulate Materials proporciona con claridad la metodologa para

obtener una muestra repetitiva eficientemente, en el caso de material

quebrado, la varianza relativa del error fundamental del muestreo (la

varianza relativa corresponde a la varianza del error fundamental dividida

por la ley media del lote elevada al cuadrado, luego es una varianza sin

dimensin).

4.2.4. Fase 4. Visualizacin del alcance del estudio.

De acuerdo al alcance del estudio esta tesis se caracterizar principalmente como

Exploratoria y Aplicativa, ya que, el objetivo de la tesis esta poco estudiado, tiene

una perspectiva ampliamente aplicativa en muchos proyectos mineros y se podr

utilizar para estudios posteriores.

4.2.5. Fase 5. Elaboracin de hiptesis y definicin de variables.

Hiptesis: El clculo de la varianza relativa del error de muestreo, determina el

tamao y la representatividad optima en una muestra para un proyecto minero.

Definicin de Variable Independiente: Error en las propiedades intrnsecas del

material.

Definicin de Variable Dependiente: Muestreos en calicatas, vetas, testigo

diamantina, pilas de mineral.

4.2.6. Fase 6. Desarrollo del diseo de investigacin.

P g i n a 23 | 35
 24

El diseo de investigacin segn el tiempo para este estudio es de tipo Longitudinal

puesto que recolectar datos a travs del tiempo en puntos o Perodos especficos

ya que analizaremos data histrica y actual de las muestras realizadas en el

proyecto.

En cuanto al diseo segn las etapas del proceso de investigacin se utilizar un

modelo de la metodologa de investigacin segn Fernandez, Hernandez y

Baptista, 2010).

4.2.7. Fase 7. Definicin y seleccin de la muestra.

La seleccin de la muestra para este estudio se enfocar en datos y trabajos

realizados en la ejecucin de la presenta investigacin.

4.2.8. Fase 8. Recoleccin de los datos.

La recoleccin de datos se realizar principalmente de La informacin desprendida

de los trabajos en calicatas, vetas, exploracin en labores subterrneas, testigo

diamantina.

4.2.9. Fase 9. Anlisis de los datos.

Se analizarn los datos obtenidos en las principales plataformas de softwares:

Excel
ArcGIS 10 y Gv SIG.
Auto CAD CIVIL. 3D 2016 y Mine Sight 3D

4.2.10. Fase 10. Elaboracin del reporte de resultados.

Que, mediante la varianza relativa del error de muestreo, se determina el tamao

y la representatividad optima en una muestra para un proyecto minero.

Muestreo Experimental y Frmula.

Muestreo Experimental.

ME X1 M X2

P g i n a 24 | 35
 25

Dnde:

ME: Muestreo Experimental

X1: Pre test
M: constante de muestreo.
X2: Post test
Frmula para la varianza relativa:

1 1
FE
2
C d 3
MS ML C f g c l

MS = Masa de la muestra en gramos

ML= Masa del lote en gramos

d = Dimetro (d95) de partculas en cm

C = Constante de muestreo en g/cm3, depende de d

c=Factor mineralgico (gr/cm3)

l=Factor de liberacin

f= Factor de forma

g= Factor granulomtrico.

4.3. NIVEL DE INVESTIGACIN

El nivel de investigacin para el siguiente estudio es Aplicada, puesto que el propsito

segn los objetivos planteados es:

Demostrar que el clculo y aplicacin de la varianza relativa del error de muestreo,

determina el tamao y la representatividad optima de muestreo para un proyecto minero.

P g i n a 25 | 35
 26

4.4. OPERACIONALIZACIN DE VARIABLES

4.4.1. Variable Independiente:

Variable n1: Error en las propiedades intrnsecas del material.

Definicin operacional.

Error fundamental, FE: corresponde al mnimo error de muestreo que se tendra

si se seleccionara cada fragmento o partcula aleatoriamente, una a la vez.

Indicador:

Presencia los lineamientos bsicos de muestreo cumpliendo los

procedimientos, estndares y protocolos.
Ausencia: NO cumplimiento de la representatividad mnima de muestreo.
Presencia: CORRECTO cumplimiento de la representatividad mnima de
muestreo.

4.4.2. Variable Dependiente:

Variable n1: Muestreos en calicatas, vetas, testigo diamantina, pilas de mineral.

Definicin operacional.

Protocolo de muestreo: conjunto de pasos y operaciones de toma de muestras y

preparacin cuyo objetivo es minimizar errores y entregar una muestra bajo ciertos

estndares de control.

Indicador:

Error por prdida.

Error por alteracin.
Error humano.
Fraude y sabotaje, Error por contaminacin.
4.5. POBLACIN Y MUESTRA

La poblacin

En la presente investigacin la poblacin de muestras del Proyecto Minero son las reas

de perforacin diamantina y labores de exploracin subterrnea C.M. CHASPAYA.

P g i n a 26 | 35
 27

Muestra

Muestra es una parte porcin extrada de un conjunto por mtodos que permiten

considerarla como representativa del mismo. (Segn el diccionario de real academia

espaola)

Para el nmero de segn M. Herrera (2001) la presente investigacin es finita, es decir

conocemos el total de la poblacin del proyecto minero y desesemos saber cuntos del

total tendremos que estudiar la frmula sera:

Donde:

N = Total de la poblacin
Z= 1.96 al cuadrado (si la seguridad es del 95%)
p = proporcin esperada (en este caso 5% = 0.05)
q = 1 p (en este caso 1-0.05 = 0.95)
d = precisin (5%).

Adems la porcin que se toma del lote para anlisis. Se denomina muestra primaria bruta

o individual cuando est constituida por un incremento o unidad de muestra y muestra

primaria compuesta agregada si est constituida por la mezcla de varias unidades o

incrementos. Cuando se trata de una muestra compuesta de varias tomadas en el mismo

punto a diferentes tiempos, a veces se denomina compuesta-tiempo (time-composite),

para indicar que representa la muestra media del flujo o produccin en el periodo de tiempo

de que se trate, por ejemplo 8 12 horas. Si corresponde a muestras individuales tomadas

en varios puntos de una seccin transversal de una corriente dinmica variable, mezcladas

en proporcin al caudal en cada punto de toma de muestra, entonces recibe el nombre de

muestra integrada

P g i n a 27 | 35
 28

4.6. TCNICAS E INSTRUMENTOS PARA RECOLECCIN DE DATOS

La tcnica empleada en la presente investigacin est en funcin a los trabajos que se

realizan en la exploracin del proyecto, para ello se hacen uso de equipos: perforadora

diamantina e instrumentos de medicin.

Los principales instrumentos a utilizar son el software:

Computacin Office (Word, Power Point, Excel)

ArcGIS 10 y Gv SIG.
Auto CAD CIVIL. 3D - 2016.
Rocscience: Geomecnica y Geotecnia
Mine Sight 3D

4.7. VALIDACIN Y PROTOCOLOS DE MUESTREO.

Las operaciones que conciernen al tratamiento de las muestras (chancado, mezcla,

reduccin, etc.) quedan claramente establecidas, desde un peso inicial Q (de varios kilos)

hasta la muestra de laboratorio q (de algunos gramos). (Tomado de Alfaro, 2002)

Ejemplo: testigos en una mina:

Figura 4.7. Testigo (izquierda) mtodos para cortarlo (derecha)

M. Alfaro, (2002)

a) cortar el testigo por la mitad d = 6 cm, peso = 8 kilos

b) moler 100% mediante chancador primario a un tamao de 1 cm
c) reducir la muestra a 4 kilos utilizando riffle
d) moler 100% mediante molino de rodillos a un tamao de 0.2 cm
e) seleccionar, por medio de riffle 400 gramos de mineral
f) pulverizar los 400 gramos a 150#.

P g i n a 28 | 35
 29

. Protocolo de muestreo:

Figura 4.8. Protocolo de muestreo para mineral de oro. (Alfaro, 2002)

Las diferentes operaciones se pueden llevar a un grfico log-log (figura 4.9).

La operacin no debe pasar la lnea de seguridad de Gy.

Figura 4.9: Grfico log-log. (Tomado de Alfaro, 2002)

4.8. CONFIABILIDAD DE LOS INSTRUMENTOS

Los instrumentos son vlidos y confiables, debido a que son softwares adquirido

con licencia en el centro de cmputo de la Escuela Profesional de Ingeniera de

Minas UNAM.
P g i n a 29 | 35
 30

4.9. DISEO EXPERIMENTAL O MTODOS Y TCNICAS PARA LA PRESENTACIN Y

ANLISIS DE DATOS

Tratndose del tipo de Investigacin Aplicada ya que debera resolver en forma prctica

una interrogante general asociada a la determinacin ptima en tamao y

representatividad de una muestra de mineral en el proyecto.

En cuanto diseo y tcnica segn las etapas del proceso de investigacin se utiliz un

modelo de la metodologa de investigacin segn (Fernandez, Hernandez y Baptista, 5ta

Edicin, 2010).

Para el contraste de la hiptesis, se realizar una prueba estadstica de

comparacin de medias, mediante la t-student.

Pre-Test Post-Test
1 2

s 21 s 22
n1 n2

Dnde:

: Media (Promedio).

s2: Varianza.
n:Muestra

P g i n a 30 | 35
 31

a) Formulacin de Hiptesis.

Ho: = 0
1 - 2
Ha: > 0
1 - 2

Donde:

Ho = Hiptesis Nula.

Ha = Hiptesis Alterna. b) b)

Nivel de Significancia.

= 0.05

c) Estadstica de Prueba.

La varianza relativa del error fundamental de muestreo est dada por:

2 3
S FE= ( 1 / MS 1 / ML ) .C .d

Donde:
MS = masa de la muestra en gramos.
ML= masa del lote en gramos.
d = dimetro (d95) de partculas en cm.

Constante de muestreo:

C = f.g.c.l

C = constante de muestreo en g/cm3, depende de d.

c=factor mineralgico (gr/cm3).
l=factor de liberacin.
f= factor de forma.
g= es el factor granulomtrico.

P g i n a 31 | 35
 32

Adems:

Error total de muestreo, TE:

TE = FE + GE + QE2 + QE3 + WE + DE + EE + PE

Asimismo:

FE: Error fundamental (constitucin del mineral: mineraloga)

GE: Error por segregacin (distribucin de partculas en el lote = heterogeneidad)

QE2: Error de fluctuacin de calidad en un rango grande.

QE3: Error de fluctuacin peridica de la calidad (Ej. acumulacin de molinos,

etc.)

WE: Error cuantitativo (flujo o pesado = error de pesada)

DE: Error de delimitacin del incremento (geometra)

EE: Error de extraccin del incremento (regla del rebote)

PE: Preparacin (contaminacin, perdidas, alteracin de composicin qumica,

fsica, equivocacin no intencional, accin intencional, fraude)

V. ASPECTOS ADMINISTRATIVOS

5.1. CRONOGRAMA DE ACTIVIDADES

Cuadro 2. Cronograma de Actividades.

AO 2017
ACTIVIDADES
N abr-15 may-15 jun-15
Ejecucin de Proyecto
1 sem 2 sem 3 sem 4 sem 1 sem 2 sem 3 sem 4 sem 1 sem 2 sem 3 sem 4 sem

1 Realizar un mapeo geolgico y geomecanico.

2 Realizar un estudio de informacin geogrfica.

3 Delimitacin de rea de estudio

4 Fotointerpretacin para el reconocimiento de rea Arc-gis

Ejecucin de tapas de campo: colecta de datos, mapeos, muestreo,

5 petrogrfico y georreferenciacin de zonas de muestreo.
6 Procesamiento de datos.

7 Tareas propias en laboratorio.

8 Evaluacin de nuevos datos obtenidos.

9 Procesamiento de datos de campo y laboratorio 2

10 Integracin de data a la informacin geolgica del proyecto minero.

11 validacin de datos con muestras gemelas.

12 Actualizacin final del informe tcnico final.

13 Presentacin del borrador de tesis y re-evaluacion.
14 Sustentacin de tesis

P g i n a 32 | 35
 33

5.2. RECURSOS HUMANOS

Cuadro 3. Mano de Obra

Recursos Humanos Unidad de Costo Costo Total

Cantidad Medida Unitario S/. S/.

Tesista 1 Und. 3,000.00 3,000.00

Ingeniero del proyecto 1 Und. 4,500.00 4,500.00
Asistentes de campo 4 Und. 1,200.00 4,800.00

Operador de perforadora 1 Und. 3,750.00 3,750.00

diamantina
TOTAL S/. 16,050.00

5.3. BIENES

Cuadro 4. Materiales.

Unidad Costo Costo Total

Mat Cantidad de
Unitario S/. S/.
Cmara fotogrfica 1 Medid
Und. 400.00 400.00
Computadora porttil 1 a
Und. 5,200.00 5,200.00
Papel bond A4 80g 4 Millar 38.00 152.00
Impresora Epson 1 Und. 1,300.00 1,300.00
TOTAL S/. 7,052.00

5.4. SERVICIOS

Cuadro 5. Servicios.

Unidad de Costo Costo Total

Servicios Cantidad
Medida Unitario S/. S/.
Alquiler de equipo - perforadora 1 Mes 12,500.00 12,500.00
Movilidad (camioneta) 2 Und. 250.00 500.00
Internet 1 Mes 65.00 65.00
TOTAL S/. 13,065.00

P g i n a 33 | 35
 34

5.5. FUENTES DE FINANCIAMIENTO Y PRESUPUESTO

Presupuesto para la Direccin de Gestin de la Investigacin

PRESUPUESTO
CLCULO DE LA VARIANZA RELATIVA DEL ERROR DE MUESTREO DE MINERALES, PARA DETERMINAR EL
TAMAO Y LA REPRESENTATIVIDAD OPTIMA EN UNA MUESTRA PARA UN PROYECTO MINERO.
Fecha 01 - junio - 2017
Presupuesto S/. 20 000.00

ITEM DESCRIPCIN CANT. P.U. PARCIAL SUB TOTAL TOTAL

1.1 Pasaje y Viticos S/. 3,000.00 S/. 3,000.00

Pasajes y viticos de
Moquegua a: Ilo, Arequipa, 2 S/. 1,500.00 S/. 3,000.00
Lima y puno.

1.2 Subcontrato S/. 4,000.00 S/. 4,000.00

Capacitacin: Evaluacin y
servicios especiales,
petrografa, mineraloga, 1 S/. 4,000.00 S/. 4,000.00
anlisis en rayos x, ensayos
geotcnicos y otros.

1.3 Equipos S/. 8,000.00 S/. 8,000.00

Cortadora y pulidora para

elementos ptreos y discos de Varios S/. 8,000.00 S/. 8,000.00
corte, balanza, brjula, lupa.

1.4 Materiales Fungibles S/. 2,000.00 S/. 2,000.00

Papeles A3, A2, A1 - gomas,

folder y accesorios de varios S/. 110.00 S/. 110.00
escritorio.

EPPs varios S/. 500.00 S/. 1,500.00

cartuchos de tinta para plotter varios S/. 140.00 S/. 140.00

otros S/. 250.00 S/. 250.00
1.5 Programa y Bibliografa S/. 2,000.00 S/. 2,000.00

Bibliografa:
GOODMAN,(1993),
varios S/. 2,000.00 S/. 2,000.00
Engineering Geology. Rock
Engeneering MMx Ed. Wiley.

1.6 Gastos Generales S/. 1,000.00 S/. 1,000.00

TOTAL S/. 20,000.00

P g i n a 34 | 35
 35

VI. REFERENCIAS BIBLIOGRFICAS

Alfaro M. A. (2002) Introduccin al Muestreo Minero Instituto de Ingenieros de Minas de

Chile. Santiago, Chile.
Ortiz J. (2004) Apuntes de muestreo para evaluacin de yacimientos universidad de Chile.
Sa ntiago, Chile.
Vallebuon a G. y Niedbalski F. (2005) Muestreo de minerales: anlisis de sensibilidad de
factores de correccin para a la ecuacin de Pierre Gy Rev. Metal. Edicin n 41 pg.:
28-37. Madrid, Espaa.
Adisoma G.S., Hester, M.G. (1996) Grade Estimation and Its Precision in Mineral Resources:
The Jacknife Approach Mining Engineering Vol. 48, No.2, pp 84-88
Parker, H.M., (1980). The volume-Variance Relationship: A Useful Tool for Mine Planning
Geostatistics (Mousset-Jones, P.,ed.), editorial McGraw Hill, New York.
Arik, A.,(1990). Effects of Search Parameters on Kriged Reserve Estimates International
Journal of Mining and Geological Engineering, Vol 8, New York.
Dagdelen, K., Verly, G., Coskum, B., (1997). Conditional Simulation for Recoverable Reserve
Estimation, SME Annual Meeting, Preprint #97-201.
Arik, A., (2000). Performance Analysis of Different Estimation Methods on Conditionally
Simulates Deposits SME Annual Meeting. Salt Lake City, Utah. Preprint 00-088.
Davis, B.M., (1992) Confidence Interval Estimation for Mineable Reserves SME Annual
Meeting, Preprint #92-39.
Froidevaux, R., (1984) Conditional Estimation Variances: An Empirical Approach,
Mathematical Geology, Vol. 16, No. 4, pp 327-350.
Francois-Bongarcon, D. (1991). Geostatistical Determination of Sample Variances in the
Sampling of Broken Gold Ores CIM Bulletin. Vol. 84, No. 950, pp. 46-57.
Francois-Bongarcon, D. (1992) The Theory of Sampling of Broken Ores, Revisited: An
Effective Geostatistical Approach for the Determination of Sample Variances and
Minimum Sample Masses Proceedings of The XVth World Mining Congress. Madrid,
Espaa.

P g i n a 35 | 35