Geoestadstica Minera Aplicada

Joel Pea Abreg

Lima, Per

1
 Geoestadstica Minera Aplicada

1. Introduccin y definiciones.
2. Revisin de los Mtodos Tradicionales de Estimacin
3. Prerrequisitos Geolgicos.
4. Prerrequisitos Estadsticos.
5. El Variograma: Clculo e Interpretacin.

2
 1. Introduccin y definiciones.

3
 Objetivos y Lineamientos
Este es un curso introductorio a la Geoestadstica aplicada a la
actividad Minera para Gelogos e Ingenieros con poca o
ninguna exposicin previa a esta materia.
El objetivo de este curso es dotar a los participantes de:
Un conocimiento fundamental slido de los conceptos y
mtodos de la geoestadstica aplicada a la minera.
Un entendimiento de cmo la geoestadstica puede ser usada
para crear modelos numricos de los Recursos de un
Yacimiento, integrados a la comprensin de la geologa de
este.
Herramientas para la aplicacin prctica de la geoestadstica
en diversas reas de la actividad minera.
Los elementos de la geoestadstica avanzada.
Entrenamiento bsico en el uso del software geoestadstico
ISATIS.
El material y la didctica siguen los lineamientos del Centre de
4 Gostatistique de la cole Nationale Suprieure des Mines de
Paris, y del Centre for Computational Geostatistics de la
 Contexto General: El Modelado Numrico
Modelo: Representacin abstracta o
concreta de un objeto o sistema
desde un punto de vista en particular
y con fines particulares.
Histricamente la ciencia se ha
ocupado de recolectar datos y
experimentar extensivamente para
luego deducir leyes y relaciones.
Actualmente la ciencia esta abocada
mayormente a entender y cuantificar
las leyes fsicas, y a crear modelos
numricos de los fenmenos.
Se acepta que la incertidumbre es
ubicua y no puede ser eliminada.

5
 Contexto Particular: El Modelado Geolgico de
yacimientos mineros.
Adquisicin, Manejo
Modelado Geomtrico
Basado en el libro Practical Geostatistics, Modeling and Spatial Analysis, por Simon W. Houlding

Y Validacin de Datos

Representacin 3D de las
Mapeo
Geolgico
Datos de
Taladros y Canales
caractersticas geolgicas
Observaciones:
Muestras de del yacimiento.
Taladros y
Creacin de dominios para la
Mapeo + Logueo Canales

Interpretacin Anlisis Estadstico interpolacin de leyes

Interactiva Influencias y Geoestadstico
Geolgicas
Estructuras +
Litologa
Modelado Numrico
Modelos
Geomtricos
Estimacin / Simulacin Representacin y anlisis de
de Leyes
Controles
de mineralizacin
Valores
la variabilidad espacial de
Estimados y
Certeza de
una variable regionalizada
Estimacin

Dominios
Permite la estimacin y
Modelo de
Geolgicos 3D
Bloques manipulacin de los valores
Modelo de
leyes 3D Modelado
requeridos para el control de
Modelado
Geomtrico Numrico leyes y el inventario de
Inventario de
Recursos
Recursos y Reservas
6
 La Geoestadstica
La Geoestadstica es una rama de las matemticas
aplicadas, especficamente de la Estadstica Espacial, que
comprende una serie de tcnicas interrelacionadas cuyo
objetivo es proveer una descripcin cuantitativa de variables
distribuidas en el tiempo o en el espacio por medio de la
aplicacin de mtodos probabilsticos.

7
 El desarrollo de la Geoestadstica
La Geoestadstica se inici en los 60s por Krige y Sichel en frica del
Sur y Matheron en Francia.
El profesor Georges Matheron (1930-2000) elabor los mayores
conceptos de la teora para la estimacin de recursos, los cuales se
plasmaron en el monumental Trait de Gostatistique applique (1962-
1963).
Dos de los primeros discpulos de Matheron (Journel y David) fundaron
en EE.UU. y Canad nuevos centros de investigacin geoestadstica en
los 70s.
Rpidamente la aplicacin de las tcnicas geoestadstica lleg a ser
popular en la minera y meteorologa.
Las aplicaciones en la industria del petrleo se difundieron a mediados
de los 80s con el uso de la simulacin condicional.
Actualmente estas tcnicas son aplicadas en los campos mas diversos,
desde la industria pesquera y forestal, hasta las ciencias ambientales y
8
la epidemiologa.
 Para qu y para que no sirve la
Geoestadstica?
La geoestadstica:
Incluye todas las restricciones geolgicas y fsicas conocidas
Provee herramientas para cuantificar y aprovechar la correlacin
espacial de las variables.
Provee algoritmos para el modelado geolgico numrico y la
cuantificacin de la incertidumbre.
No hace el proceso de modelado mas fcil
La Geoestadstica es til para:
Poner la geologa en nmeros
Estimacin
Cuantificar la incertidumbre
Diseo de muestreo
Simulacin / Anlisis de riesgos.
La Geoestadstica no:
Reemplaza datos adicionales de calidad
Reemplaza al sentido comn y crtico
Trabaja bien como una caja negra
Ahorra tiempo.

9
 Aplicaciones de La Geoestadstica en la
Minera.
Estimacin de Recursos
Optimizacin de la malla de taladros y del muestreo
Optimizacin del control de leyes
Modelado de variables categricas (tipos de roca)
Creacin de mapas de anomalas para la exploracin
geoqumica.
Modelado de variables geomecnicas y de fracturas.
Modelado de las propiedades metalrgicas del mineral in situ.
Modelado del potencial de generacin de drenaje cido de la
roca in situ.
Cuantificacin de la incertidumbre geolgica y de leyes en los
recursos.
Anlisis de riesgo y sensibilidad en los recursos.

10
 Algunos Conceptos geoestadsticos clave (1)
Campo: Zona de Estudio. Ejemplos de Variables
Regionalizadas en la Minera y
Geologa:
Soporte: Volumen y calidad de
la muestra. Las leyes de los metales y la
concentracin de
contaminantes.
La litologa y alteraciones
Variable Regionalizada (V.R.): La densidad de las fracturas.
Es cualquier variable La elevacin topogrfica.
distribuida en el espacio y/o el
El espesor de los estratos y
tiempo cuyo valor depende de
su ubicacin espacial y/o la potencia de las vetas.
temporal y al mismo tiempo Etc.
presente interdependencia o Una variable regionalizada esta
asociacin espacial y/o compuesta por un componente
11 temporal con los valores aleatorio y un componente
vecinos. estructurado.
 1.9 Algunos Conceptos geoestadsticos clave
(2)
Funcin Aleatoria: Los valores en
puntos no muestreados son
conceptualizados como realizaciones
z(x) de una funcin aleatoria Z(x).
Las leyes verdaderas, pero siempre
desconocidas, del yacimiento
conforman una realizacin particular
de Z(x).
Esta conceptualizacin permite el
uso de mtodos probabilsticos al
estudio de las variables
regionalizadas.
12
(Auto)correlacin o
interdependencia espacial:
En la naturaleza es muy comn
que los valores de una variable
tomen valores muy similares a
sus vecinos en el espacio y/o
tiempo. Este comportamiento
observable de las variables
naturales es medido y
aprovechado por la
geoestadstica.
 1.9 Algunos Conceptos geoestadsticos clave
(3)
Hiptesis de Estacionareidad: La
inferencia estadstica en el espacio
depende de que la distribucin de la
V.R. sea invariante en todo el campo,
particularmente que la media y la
varianza sean constantes
(Estacionareidad fuerte).
Sin embargo, esta hiptesis no
siempre puede ser justificada, por lo
que la geoestadstica hecha mano a
la hiptesis de estacionareidad
dbil: que la media sea constante y
que se pueda medir la
interdependencia espacial.
Existen diversos mtodos para
convertir un fenmeno no
estacionario a uno estacionario.
13
Incertidumbre: Si las partes del
yacimiento que no han sido
muestreadas fueran excavadas
y muestreadas exhaustivamente
y sin error, cualquier modelo
numrico elaborado con los
datos originales resultara
errneo.
La incertidumbre no puede ser
eliminada
Existe debido a nuestra
ignorancia y falta de informacin
y conocimiento.
No es una propiedad inherente
al depsito.
 2. Revisin de los Mtodos Tradicionales de Estimacin.

14
 Promedio Ponderado en Paneles
Es usado comnmente para la estimacin
V A l
de recursos en vetas.
T V
Primero se calculan las leyes promedio de
las labores (Ll) adyacentes promediando El resultante modelo de leyes del
las leyes de las muestras z(xi) ponderas yacimiento se presenta como un
por su longitud l i: conjunto de valores constantes
m
para cada panel.
L
n

l z( x )
i i l l
Es muy sensible a las
Ll i Lp l
m aglomeraciones de datos y

n

l i l requiere asumir la influencia de

i l las leyes de una forma difcil de
justificar geolgicamente.

La ley final del panel (Lp) se obtiene

promediando las leyes de las labores (Ll)
ponderadas por su longitud (l)
El volumen (V) y el tonelaje (T) de panel
es calculado como
l el producto del area
del Panel (A) y la potencia promedio ( ), y
luego por la densidad promedio () de la
roca in situ:
15
 Poligonales
Es empleado con taladros verticales. El modelode leyes resultante es
A cada taladro se le asigna una zona
un mosaico de reas de ley
de influencia poligonal. constante.
Remueve el sesgo producido
por la aglomeracin de datos.
Los polgonos son construidos
intersecando las perpendiculares a los
puntos medios de los segmento que
unen los taladros.

El volumen de influencia de cada

taladro equivale un prisma cuya
seccin es el polgono y de altura igual
a la profundidad del taladro central.

A cada prisma as construido se le

asigna una ley constante que
corresponde a la ley promedio del
16 taladro central.
 Inverso de la Distancia
Se usan todas las muestras
circundantes, asignando a cada
una un peso inversamente
proporcional a su distancia al
bloque, segn la siguiente frmula:
Donde:
n
1
d
zi v* es el valor estimado del
bloque, z1, zn son las leyes
v i 1n
* i
de las n muestras circundantes
1
i 1 d i

di es la distancia del bloque a
cada una de estas muestras.
es un factor 0

Este mtodo puede atribuir demasiado

peso a las muestras cercanas a los
bloques. El exponente regula la influencia
El modelo resultante muestra un de las muestras cercanas vs. las
zoneamiento gradual de valores altos y lejanas, y por ende el suavizado de
los resultados.
bajos.
Este factor se determina por
Es tambin muy sensible a la ensayo y error, sin relacin directa
17 aglomeracin de datos. a la continuidad de las leyes.
 Principales deficiencias de los mtodos
tradicionales de estimacin.
No usan una medida de la correlacin espacial de las leyes,
debido a esto:
No discriminan entre regiones donde las leyes se comportan
regularmente de otras donde pueden ser mas aleatorias.
No distinguen las direcciones preferentes de la continuidad de las
leyes.

No propician la inclusin de criterios geolgicos en el modelado

numrico de las leyes.
Son mtodos determinsticos, no proveen medidas del error de
estimacin.

Presentan un sesgo condicional muy pronunciado, es decir, la

sobreestimacin de las zonas de baja ley, y la subestimacin de
zonas de alta ley.
18
 3. Prerrequisitos Geolgicos.

19
 Dominios de Estimacin
Diferencias en la media, la distribucin, el
error estndar y/o la variabilidad espacial
entre grupos de muestras, en diferentes
partes del yacimiento o rea de estudio,
son usados para delimitar los dominios de
estimacin.

Las diferencias en la mineraloga, la

metalognesis, el estilo de la
mineralizacin, la presencia de
estructuras que actan como focos de
alimentacin feeders o lmites de la
mineralizacin, alteraciones y tipos de
rocas o estratos favorables a la
mineralizacin, es decir todos los
controles de mineralizacin, deben ser
tambin considerados para definir los
dominios de estimacin.

20 De similar forma, en las aplicaciones

ambientales es preciso reconocer las
 Delimitacin de los Dominios de Estimacin
La delimitacin de los dominios de
estimacin debe ser hecha teniendo
en cuenta tres tipos de contactos:
Contactos Geolgicos: Son limites
o superficies entre diferentes tipos de
roca, edades de los estratos, o
caractersticas de la roca. Entre
estos, los contactos estructurales
pueden actuar como lmites de la
mineralizacin, pueden ser conductos
o albergar la mineralizacin, o
pueden ser causantes de estilos de
mineralizacin diferentes.
Contactos de Mineralizacin: Son
limites entre los cuales la
mineralizacin, o la distribucin de las
leyes se comporta de forma diferente.
Contactos Econmicos: Son
lmites entre cut-offs o materiales
21 diferentes, delimitan porciones del
yacimiento que deben ser extradas y
 El Modelo de Bloques
Un modelo de bloques es un
arreglo 3D de volmenes
rectangulares de dimensiones
regulares.
Tambin puede ser entendido como
una grilla ortogonal 3D.

Es determinado por un origen,

orientacin, las dimensiones de
cada volumen individual (bloque) y
su extensin XYZ en un sistema de
coordenadas relativo.
El tamao de los bloques es
determinado segn los objetivos de
la caracterizacin 3D, la distribucin
espacial de las muestras, los
requerimientos de la estimacin
geoestadstica y las condiciones de
minado.
22
 Objetivos del Modelo de Bloques
El principal objetivo del modelo de
bloques es proveer un medio para
la representacin de la variacin
de una variable regionalizada.

La variabilidad de esta variable es

representada asignando valores
apropiados a los centroides de
cada bloque.

Un objetivo secundario es proveer

una plataforma para la
manipulacin de la variable segn
los objetivos de la caracterizacin.

23
 Integracin del Modelo de Bloques y los
Dominios de Estimacin
Los volmenes geolgicos son
intersecados con el modelo de
bloques, determinndose de forma
precisa que bloques, y cuanto de
ellos, caen dentro de cada dominio.
De esta forma se asigna valores
categricos que dependen del
dominio intersecado a cada bloque.
Esto nos permite limitar la
estimacin de una variable en
aquellos bloques que intersequen
un dominio o caracterstica
geolgica particular.
Cada bloque puede intersecar mas
de una caracterstica geolgicas

24
 4. Prerrequisitos Estadsticos.

25
 La Funcin de Distribucin Acumulada (CDF)
Se define como la probabilidad de
no exceder un cut-off z:
F ( z) Prob{Z z} [0,1]
Propiedades:
F(z) no decrece
F(z) [0,1]
F(-) = 0, y F() = 1
La curva de Hazen: Presenta los
intervalos de probabilidades
distorsionados, de forma que la
distribucin acumulada se aparece
como una lnea recta si la
distribucin es normal y se emplea
una escala aritmtica, o si la
distribucin es lognormal y se
emplea una escala logartmica.

26
 La Funcin de Distribucin de Probabilidades
PDF)
La PDF es la derivada de la CDF:
El Histograma: Presenta el porcentaje
F ( z dz) F ( z) (frecuencia) de muestras que se
f ( z ) F ( z ) lim encuentran distribuidos en cada
dz 0 dz intervalo de valores.

F ( z) f ( z)dz

Dist. simtrica

Dist. Sesgada a la derecha

Distribucin multimodal

27
 Cuantiles
El Cuantil p de la distribucin F(zp)
es el valor zp para el cual:

F ( z p ) Prob{Z z p } p [0,1]

Por lo tanto, el Cuantil puede ser

expresado por la forma inversa del
CDF:
q( p) F 1 ( p)

1er cuartil: p = 0.25

2do cuartil: mediana, p = 0.5
3er cuartil: p = 0.75 Intervalo del 90% de
probabilidad.

28
 Medidas de Tendencia Central
La Media: Es el valor mas Media o Valor esperado de una
representativo de una distribucin distribucin:
simtrica o normal.

Para muestras de igual soporte: E{Z } z f ( z)dz

1 n
m xi
n i 1
Propiedades:
Para muestras de soporte diferente:
n
E{a} a
i xi
Donde xi, son las leyes
n es el numero de muestras, y
E{aZ} aE{Z }
i m i 1 es el peso de cada muestra
E{ X Y } E{ X } E{Y }
n

i
i 1

La Mediana: es el valor que divide un

grupo de muestras o una poblacin en
dos mitades iguales
29
 Medidas de Dispersin
La Varianza. Es el promedio del Varianza de una distribucin:

cuadrado de las diferencias entre los
valores y la media. Se expresa como: 2 E [ Z m]2 E Z 2 m 2
Var{Z }
n
s ( xi m) 2 / n 1
2

i 1

Varianza ponderada:
La Desviacin Estndar. Es la raz
cuadrada de la varianza, tiene la n n
ventaja que puede ser expresada en
las mismas unidades que los datos.

i 1
i zi2
i m 2

i 1

s2
s s2 n
n

i

El Coeficiente de Variacin. Se
calcula como el cociente entre la
i
i 1
i 1
n


desviacin estndar y la media:

Es usado para comparar la variabilidad
de las leyes relativa a la media entre
diferentes dominios o yacimientos.
CV s / m
30
 La Covarianza
Es la extensin de la varianza a dos variables.

Cov{ X , Y } E{[ X m X ][Y mY ]}

E{ XY } m X E{Y } E{ X }mY m X mY .
E{ XY } m X mY m X mY m X mY
E{ XY } m X mY

La covarianza entre la misma variable es la

varianza:
Cov{X , X } Var{X }

31
 Correlacin
El coeficiente de correlacin es una Grfico de Correlacin
medida de dependencia lineal entre
dos variables:
Cov{ X , Y }
XY [1,1]
Var ( X )Var (Y )

Tambin se le conoce como

covarianza estandarizada
XY 1
Si , las dos variables
estn perfectamente
correlacionadas.

Si las variables son independientes

XY 0 de correlacin es
el coeficiente
cero.
32
 Altos Errticos
Un alto errtico es un valor que es mucho mas alto que el resto de la
poblacin, particularmente en comparacin a los valores de las
muestras vecinas.
No es lo mismo Errtico que Errneo.

Existen mtodos estadsticos de identificacin de altos errticos pero

sus resultados deben ser validados por la observacin y el sentido
comn.

Grupo de leyes
Que se separan
de la tendencia

Los altos errticos tambin pueden ser identificados visualmente o usando una
33 curva de Hazen.
 Tratamiento de los Altos Errticos
Los altos errticos pueden ser
indicadores de zonas anmalas
interesantes o en algunos casos la
presencia de unos cuantos puede
determinar la viabilidad de un
proyecto. Debido a esto no siempre la
mejor solucin es eliminarlos o
reducirlos a un valor arbitrario.

a) Correccin usando el Grfico de

Hazen:
Los valores mas altos son
transformados
haciendo que caigan sobre la recta
que
forman los valores mas bajos en el
grfico
34
b) Reduccin del valor mas alto.
 Desaglomeracin (Declustering)
Es una prctica comn que
se tomen mas muestras en
las zonas ricas que en las
zonas de baja ley. Esto
produce un sesgo en las
estadsticas e incluso la
sobreestimacin de la ley.

Esta no es necesariamente
una mala prctica y no
debe ser cambiada, ya que
proporcionan mayor
informacin en las zonas
mas importantes del
depsito.

Para reducir este sesgo y

obtener un conjunto de
datos estadsticamente
representativos es
necesario aplicar una de las
35 tcnicas de
desaglomeracin
 Mtodos de Desaglomeracin
Para un tamao fijo de celda y Desaglomeracin
diferentes orgenes producen poligonal:Cada muestra es
diferentes pesos. ponderada por el rea de su
Esto se evita considerando mltiples polgono de influencia.
orgenes. Es difcil de implementar en 3D
El tamao de celda ptimo es el que
minimiza la media desaglomerada.

Desaglomeracin por celdas.

El volmen de inters es dividido en
una malla de celdas regulares.
I=1,.,L
i 1 (ni L0 ) Se registra el nmero de celdas
ocupadas L0 y el nmero de
36 muestras en cada celda ni:
 Modelos Paramtricos de Distribucin
Existen muchas distribuciones de
probabilidades (PDF o CDF) cuyas
formas puede ser descrita por una
expresin analtica que depende de
un nmero finito de parmetros.

En geoestadstica la mas usada es

la distribucin gaussiana, cuya PDF
se expresa como:

Donde es la media y la
desviacin estndar de la
distribucin.

37
 Propiedades de la distribucin Gaussiana
Teorema del Lmite Central: Si una poblacin, cuya PDF de media y
desviacin estndar puede tener cualquier forma, es muestreada al
azar en subgrupos de N muestras. La distribucin de las medias de
estos grupos tiende a ser gaussiana con media y desviacin estndar
/N

38
 Anamorfosis Gaussiana
Sirve para transformar cualquier distribucin a una distribucin Gaussiana
o normal.
Es muy usada para variables continuas.
Pasos:
1. Construir la distribucin acumulada F(z) de la variable Z.
2. Equiparar los cuantiles y hallar los
1 valores correspondientes en la
y
distribucin normal. Esto es: G ( F ( z ))
G( y )
Donde es la distribucin normal estndar

Un paso posterior puede requerir el ajuste de la distribucin

transformada con polinomios de Hermite.
39
 Simulacin Montecarlo
Sobre una CDF conocida y
representativa de la poblacin de
muestras, considerar la funcin
cuantil:
q ( p ) F 1 ( p ) x p

Generar los valores p al azar

p [0,1]
Generar un nmero aleatorio,
, de distribucin uniforme.

La funcin cuantil q(p) arroja el valor

simulado Xp.

Es aconsejable contar con un

generador de nmeros aleatorios
robusto.
40
 5. El variograma Calculo e Interpretacin.

41
 Correlacin Espacial
Como se puede ver en los
mapas de la derecha, si bien
todos comparten el mismo
conjunto de datos, la estructura
de la correlacin espacial es
diferente.

La correlacin y variabilidad
espacial dependen de la
distribucin detallada de las
leyes en el espacio.

Los variogramas, reflejan estas

diferencias en la estructura de
la variabilidad espacial.

42
 Anlisis de la Variabilidad y correlacin
Espacial:
El Variograma
La estimacin geoestadstica de valores en puntos no muestreados requiere de
una medida de la variabilidad espacial de una variable regionalizada.
La variabilidad entre un par de muestras z1 y z2 es dada por:

2 12 ( z1 z 2 ) 2

h vector
Cada par de muestras est separada por un
h hpor
Si tenemos n pares de muestras separadas es preciso
promediar la variabilidad espacial entre
n
los pares:
2 ( h)
( zi zi ( h h) ) 2
i 1

Esta es la frmula del Semi-Variograma, y se entiende como la semi-

varianza de las diferencias entre pares separados por un vector h, o lo que
es lo mismo: La media de la diferencia al cuadrado de los h valores separados
por un vector :
2 (h) E{[ Z (u ) Z (u h)]2 }

(0) 0 (h) 0 (h) (h)

Propiedades:
43
El Variograma Experimental
Es un grfico de la varianza de la
diferencia entre pares a diferentes
distancias para una orientacin
determinada.
Es calculado por la siguiente frmula:

1
2 (h) [ z (u ) z (u h)]2
N ( h) N ( h )

En la prctica, especialmente cuando

los datos estn irregularmente
Incremento de localizados, un haz de bsqueda es
La variabilidad usado para encontrar los pares
separados a cierta distancia.
Este haz se mueve de nodo a nodo, y
cambia su longitud para diferentes
separaciones (Lags).
44
 Parmetros para el Clculo del Variograma
Experimental
Tamao de los Incrementos de
Distancia (Lag Spacing): Debe
ser coincidente con la separacin
media entre las muestras.

Nmero de Incrementos: Es
determinado por el tamao de los
incrementos y las dimensiones del
rea de estudio. Una regla prctica
es restringir la variografa a la
mitad de la diagonal del rea de la
zona de estudio.
Tolerancia Angular: Est
determinada por la anisotropa
esperada de la mineralizacin y
por la densidad del muestreo.
Lmite de Tolerancia Angular:
Sirve para restringir el cono de la
tolerancia angular cuando esta a
alcanzado determinada abertura.
45
 Componentes del Variograma
La distancia a la que el variograma
se estabiliza es el alcance, y es la
distancia donde se pierde la
correlacin espacial.
2
El efecto pepita es la variabilidad a Meseta = C1
muy corta escala o producida por
errores de muestreo y anlisis.
Efecto
Pepita = C0
La meseta es la altura a la que el
variograma se estabiliza.
Alcance

La meseta mas el efecto pepita

suele ser cercana a la varianza, la
variabilidad media de todas las
muestras.
46
 Interpretacin del Variograma Experimental
Tendencias: Una deriva en el variograma experimental
indica la presencia de una tendencia en los valores reales
en la direccin de tal variograma.
La presencia de una tendencia posa un problema a la
decisin de estacionareidad.
Pero puede ser removida ajustando una curva
determinstica.
El variograma sin tendencia se calcula con los residuales.
La tendencia es reintroducida al momento de modelar las
leyes.

47
 5.6 Interpretacin del Variograma Experimental
(2)
Ciclicidad: Puede estar vinculada a periodicidad geolgica como secuencias en la
estratificacin favorable a la mineralizacin.
Pero tambin puede deberse a la escasez de datos.

48
 5.6 Interpretacin del Variograma Experimental
(3)
Anisotropa Geomtrica: Se da cuando el alcance de la correlacin espacial
vara a diferentes direcciones.
Esta es producida usualmente por la direccin del flujo de la mineralizacin, por
procesos de deposicin, o el sentido de la dispersin de los contaminantes.

49
 5.6 Interpretacin del Variograma Experimental
(4)
Anisotropa Zonal: Es cuando la magnitud de la variabilidad (meseta) cambia segn
la direccin.
Suele producirse por la presencia de diferentes estratos o capas, lo que incrementa la
varianza en la direccin perpendicular a la estratificacin.
Tambin es producida por un incremento de la varianza entre taladros, que puede ser
mayor a la varianza a lo largo de los taladros.

50
 El Mapa de Variogramas
permite analizar rpidamente el comportamiento espacial de una variable a
diferentes direcciones, esto se logra por medio de un sistema de coordenadas
esfricas donde las curvas de isovaloras representan el valor del variograma a
diferentes direcciones y mdulos del vector h.

51
 El Variograma la Covarianza y el
Correlograma
Bajo la decisin de estacionareidad, el variograma, la covarianza y el
correlograma (correlacin), son herramientas equivalentes para
caracterizar la variabilidad espacial de dos puntos:
(h) 2 C (h) 2 [1 (h)]
Donde: C (h) E{Z (u ) Z (u h)} E{Z (u )} E{Z (u h)} C (0) 2
La covarianza mide la continuidad de las leyes, mientras que el
variograma mide la variabilidad.

52
 Las Ciencias no tratan de explicar, ni siquiera de
interpretar, ellas mayormente slo construyen
modelos. Por un modelo se entiende una
representacin [matemtica] que, junto a cierto
nivel de interpretaciones verbales, describe el
fenmeno observado. La justificacin de tal
representacin [matemtica] es solamente y
precisamente que se espera que esta funcione.

Johann Von Neumann

Cientfico computacional y matemtico (1903
53
1957)
 Gracias

54