U Lab

Учебное пособие по выполнению лабораторных работ
Дисциплина «Математические методы и модели при решении геологиче-

ских задач на ЭВМ».
Укрупненная группа 130000 «Геология, разведка и разработка ПИ»
Направление 130300 «Прикладная геология» специальности 130301 «Геоло-

гическая съемка, поиски и разведка месторождений полезных ископаемых»
очной формы обучения
Факультет горно-геологический
Кафедра геологии месторождений и методики разведки
Автор: М.М. Лабушев
ИОП «Подготовка и переподготовка кадров высшей квалификации в области

компьютерных технологий прогнозирования, моделирования месторождений
полезных ископаемых и САПР горных работ», руководитель В. А. Макаров.
рег. № 45, № п/п 11
2
Оглавление
Введение ............................................................................................................................... 3
Модуль 1 «Математические методы моделирования в геологии»............................... 4
Лабораторная работа №1 ................................................................................................... 4
Лабораторная работа №2 ................................................................................................. 17
Лабораторная работа №10 ............................................................................................... 52
Лабораторная работа 13 ................................................................................................... 67
Лабораторная работа № 14 .............................................................................................. 72
Модуль «Математические модели на ЭВМ» ................................................................. 91
Лабораторная работа № 1 ................................................................................................ 91
Литература....................................................................................................................... 123
3
Введение
Математические модели на ЭВМ представляют собой наиболее дина-

мично развивающееся направление поддержки геологоразведочных работ.
Происходит быстрая стандартизация компьютерных методов изучения гео-
логических объектов. Становятся доступными сложнейшие многовариантные
расчеты и трехмерное моделирование, сложные статистические и геостати-
стические исследования и работа с многомерными данными.
Развитие геологии и новые технологии исследований прямо связаны с
использованием информационных технологий.
При составлении настоящих методических указаний использованы ли-
тературные источники, разработки кафедры геологии месторождений и ме-
тодики разведки Государственного университета цветных металлов и золота,
инструктивные материалы ГКЗ РФ а также руководство пользователя Surpac
Vision.
4
Модуль 1 «Математические методы моделирования в геологии»
Лабораторная работа №1
Тема: Составление рядов распределения выборки и расчет выборочных ста-

тистик для группированных данных и показателей их пропорциональности
Цель работы: Предварительная оценка закона распределения геологи-

ческого признака.
Задача: В Енисейском кряже с интрузиями гранитоидов татарско-
аяхтинского комплекса многие исследователи связывают золотое и редкоме-
талльное оруденение. Возрастным аналогом татарско-аяхтинского комплекса
является нерудоносный нижнеканский. Предполагается провести изучение
выборок породообразующих оксидов гранитоидов этих комплексов для уста-
новления закона их распределения. Вместе с содержаниями приведены ин-
формационные коэффициенты пропорциональности (ИКП), которые в число-
вом виде характеризуют пропорциональности триад содержаний оксидов.
В данной работе предлагается сгруппировать выборки содержаний, по-
строить полигон распределения содержаний оксидов и сделать расчет выбо-
рочных статистик. По графическим и аналитическим данным предварительно
оценить законы распределения содержаний оксидов и ИКП триад содержа-
ний оксидов.
Приведены варианты данных для расчетов (табл.1). Номер варианта
получите у преподавателя. Вариант - это выборки объемом 58 значений по-
родообразующих оксидов.
Порядок выполнения работы
В основе статистических расчетов лежат два понятия: генеральная со-

вокупность - множество всех возможных значений определенного признака
изучаемого объекта или явления и выборка - совокупности наблюденных
значений этого признака.
Значения признака принято называть значением случайной величины.
Случайная величина является результатом наблюдения или испытания. На-
пример, при поисках россыпного и коренного месторождений золота при
промывке рыхлых отложений в шлихе было обнаружено три золотины, а в
пробе из кварцевой жилы в результате пробирного анализа определено со-
держание золота 8,9 г/т. Три золотины можно представить как результат на-
блюдения, а содержание золота 8,9 г/т - как результат лабораторного испыта-
ния.
5
Таблица 1
Первый вариант триад содержаний и ИКП породообразующих оксидов в изучаемых интрузиях гранитоидов та-
тарско-аяхтинского комплекса
Содержания,% и пропорциональность
№ обр. 1 триада 2 триада 3 триада 4 триада
SiO2 TiO2 Al2O3 ИКП Fe2O3 FeO MnO ИКП MgO CaO Na2O ИКП K2O P2O5 H2O ИКП
1382-2 65,28 0,73 14,48 0,5775 0,95 3,18 0,02 0,5314 2,26 3,58 3,77 0,0233 4,34 0,32 0,2 0,6871
1379-4 69,25 0,4 15,1 0,6009 0,74 2,55 0,06 0,4853 0,75 2,28 3,25 0,1361 4,32 0,11 0 0,9823
97-14 69,55 0,44 15,05 0,6004 3,52 0 0,07 1,0025 0,76 2,22 3,3 0,1373 4,3 0,14 0 0,9586
97-17 69,57 0,41 15,42 0,5969 3,39 0 0,07 0,9997 0,78 2,18 3 0,1191 4,64 0,11 0 0,9885
1335 69,73 0,43 15,48 0,5955 0,24 2,69 0,05 0,7347 0,68 2,04 3,64 0,1755 4,22 0,2 0 0,9143
1374 70,04 0,2 14,63 0,6228 0,45 2,42 0 0,6643 0,48 2 3,57 0,2204 4,45 0,53 0,11 0,6627
1378 70,13 0,41 15,38 0,5994 0,23 2,65 0,05 0,7385 0,68 2,1 3,6 0,1713 4,25 0,2 0 0,9153
1381 70,52 0,23 14,5 0,6244 0,3 1,85 0,04 0,6107 0,38 1,7 3,81 0,2813 4,78 0,15 0 0,9624
1386 71,84 0,43 14,45 0,6178 0,19 2,51 0,05 0,7578 0,44 1,29 3,84 0,3029 4,52 0,11 0,05 0,9284
1385 72,15 0,34 13,96 0,6315 0,37 2,14 0,06 0,5794 0,67 1 3,77 0,2752 4,51 0,09 0,13 0,879
1349 72,4 0,11 13,72 0,6509 1,25 1,7 0 0,4171 0,3 0,45 3,75 0,5359 4,3 0,13 0 0,9662
1368 73,36 0,16 13,6 0,6524 0,43 1,45 0,03 0,4885 0,1 1,36 3,43 0,4144 4,99 0,07 0 1,0257
1334 73,32 0,15 13,68 0,6516 0,45 1,46 0,03 0,4813 0,1 1,37 3,45 0,4145 5 0,07 0 1,0258
1352 74,96 0 13,4 0,673 0,22 1 0 0,6267 0,09 0,73 3,16 0,5187 5,11 0,31 0,13 0,7735
1390 75,39 0,12 12,97 0,6718 0,36 1,09 0,05 0,4107 0,09 0,68 3,84 0,5872 4,52 0,03 0,08 0,9724
1361 75,89 0,1 12,57 0,6815 0,33 0,89 0,05 0,3719 0,15 0,5 3,16 0,5496 5,06 0,03 0,15 0,9336
1341-1 76 0,11 13,1 0,6721 0,38 0,78 0 0,4662 0,09 0,81 3,64 0,5362 4,52 0,02 0,05 1,0106
1336-2 76,13 0,05 12,9 0,6803 0,38 0,6 0,03 0,317 0,2 0,55 3,95 0,5671 4,8 0,07 0 1,0234
1363-3 76,58 0,04 13,15 0,6782 0,33 0,48 0,03 0,2928 0,22 0,61 3,8 0,5247 4,4 0,1 0 0,992
1435 68,98 0,44 15,6 0,5906 0,61 2,55 0,08 0,5044 0,88 1,84 4,24 0,1835 3,61 0,15 0,17 0,7601
1445 69,53 0,45 14,83 0,603 0,66 2,51 0,08 0,4841 0,83 1,43 4,24 0,224 3,75 0,12 0,12 0,8295
r-52 69,06 0,6 15,63 0,5819 0,32 3,15 0,06 0,7101 0,88 2,11 3,51 0,1299 3,71 0,16 0,09 0,8219
97-26 69,4 0,43 15,65 0,592 3,5 0 0,06 1,0131 0,83 2,85 2,8 0,1115 4 0,12 0 0,9669
1448 70 0,44 14,7 0,6072 0,22 2,73 0,05 0,7529 0,78 2,45 4,25 0,1761 4,1 0,16 0,07 0,8584
r-54 70,2 0,4 15,61 0,597 0,22 2,32 0,08 0,6764 0,85 1,8 3,27 0,1301 3,52 0,15 0,3 0,673
97-25 72,45 0,31 14,25 0,6297 2,76 0 0,08 0,9703 0,51 2,02 3,45 0,2047 3,64 0,07 0 1,005
1446 72,46 0,26 13,81 0,6397 0,31 2,48 0,06 0,655 0,36 1,79 3,7 0,2749 4,09 0,08 0,22 0,8097
6
1445-2 54,52 1,48 17,23 0,4597 1,09 7,82 0,06 0,6894 2,47 5,29 4,38 0,0449 3,07 0,51 0,21 0,4978
1449 70,69 0,42 14,72 0,6104 0,62 2,37 0,05 0,5127 0,44 2,25 4,24 0,2577 3,37 0,14 0,07 0,838
1451 74,26 0,15 12,88 0,6678 0,63 1,32 0,04 0,3837 0,31 0,62 2,98 0,3986 5,62 0,04 0,22 0,8985
1441 75,26 0,16 12,27 0,6807 0,61 1,29 0,04 0,3835 0,21 0,28 2,88 0,5847 5,72 0,04 0,21 0,9063
1428 68,47 0,31 15,02 0,6047 0,38 4,28 0 0,8161 0,48 2 3,63 0,2239 4,21 0,52 0,08 0,6734
97-31 68,77 0,5 15,41 0,5892 4 0 0,14 0,9508 0,65 2,38 3 0,1442 4,3 0,15 0 0,9512
1405 69,09 0,42 14,91 0,602 0,96 2,62 0,06 0,4428 0,82 2 3,97 0,1695 4,63 0,19 0,12 0,8223
1404 70,08 0,5 15,15 0,5976 1,03 3,26 0,09 0,4586 1,2 1,68 2,2 0,0294 3,2 0,18 0 0,8906
1416 71,19 0,31 14,52 0,6214 0,58 2,05 0,05 0,4881 0,51 1,86 4,11 0,2515 4,45 0,11 0,17 0,8342
1419 71,42 0,47 15,1 0,6045 0,72 2,63 0,04 0,5202 0,28 1,6 2,9 0,2629 3,45 0,01 0 1,0788
1410 71,62 0,37 13,94 0,6283 0,46 2,14 0 0,6319 0,72 1,57 3,77 0,2003 4,16 0,1 0,12 0,8648
1428-3 73,43 0,34 13,99 0,6352 0,27 1,91 0,03 0,6573 0,29 1,63 3,64 0,3075 4,22 0,09 0,07 0,9168
1406 74,65 0,32 13,48 0,6484 0,96 1,63 0,03 0,3843 0,24 1,36 3,43 0,3387 3,86 0,08 0,04 0,9442
1408 75,3 0 13,53 0,6719 0,19 1,03 0 0,6661 0,14 0,66 3,97 0,5686 4,45 0,44 0,11 0,6971
r-102-12 70,04 0,2 14,63 0,6228 0,45 2,42 0 0,6643 0,48 2,01 3,97 0,243 4,05 0,23 0 0,8892
r-28 70,94 0,48 15,1 0,6023 0,94 1,97 0,08 0,363 0,6 1,84 3,67 0,2031 3,64 0,11 0 0,9662
97-32 71 0,4 14,96 0,609 2,88 0 0,12 0,9307 0,52 2,12 3,6 0,2074 3,4 0,1 0 0,9689
r-102-17 71,06 0,37 14,42 0,619 1,12 2,09 0 0,4518 1,62 1,48 3,81 0,1002 2,95 0,11 0,47 0,5721
r-102-11 71,98 0,35 14,26 0,6257 1,02 1,84 0,08 0,34 0,7 1,8 3,64 0,1814 3,43 0,06 0 1,0117
r-25-13 72,04 0,38 14,27 0,624 1,02 1,84 0,07 0,3499 0,64 1,96 3,64 0,1869 3,28 0,05 0 1,0207
r-25 72,15 0,26 14,68 0,6252 0,38 1,45 0,07 0,4488 0,58 1,52 3,84 0,2407 3,86 0,13 0 0,955
r-29 72,35 0,36 13,82 0,6332 1,14 2,3 0,04 0,408 0,64 1,38 3,8 0,2363 3,04 0,1 0 0,9575
r-28 72,46 0,4 13,36 0,6386 1,57 1,62 0,05 0,3366 0,74 1,2 3,64 0,2215 3,98 0,06 0 1,0214
r-25-18 72,76 0,45 13,84 0,6291 0,57 2,02 0,05 0,4877 0,73 1,18 3,77 0,2364 3,92 0,06 0 1,0204
r-25-6 72,84 0,06 13,65 0,6571 0,23 1,57 0 0,7165 0,4 1,4 3,82 0,3019 4,22 0,05 0,14 0,8962
r-102-6 72,9 0,33 14,48 0,6265 0,64 1,2 0,04 0,3633 1,02 1,35 4,04 0,1871 2,65 0,06 0 0,9924
r-26 73,18 0,08 14,75 0,6395 0,25 1,93 0 0,7424 0,6 1,42 4,71 0,305 3,3 0,04 0 1,0337
678-1 67,42 0,55 14,86 0,5895 0,39 3,98 0,06 0,7302 1 2,65 3,03 0,0889 4,28 0,2 0 0,9162
653 71,22 0,37 14,06 0,6251 0,77 2,6 0,07 0,4727 0,5 1,67 3,64 0,2362 3,86 0,17 0 0,9238
662 73,3 0,24 13,05 0,656 0,91 1,87 0,05 0,3887 0,6 0,7 3,03 0,2803 5,06 0,11 0 0,9956
610 70,03 0,39 14,87 0,6076 1,29 2,68 0,04 0,4185 0,4 1,39 3,03 0,2416 4,52 0,23 0,03 0,8679
7
Таблица 2
Второй вариант триад содержаний и ИКП породообразующих оксидов в изучаемых интрузиях гранитоидов та-
тарско-аяхтинского комплекса
SiO2 TiO2 Fe2O3 ИКП FeO MnO Al2O3 ИКП MgO CaO K2O ИКП Na2O P2O5 H2O ИКП
1382-2 65,28 0,73 0,95 0,9642 3,18 0,02 14,48 0,6188 2,26 3,58 4,34 0,0335 3,77 0,32 0,2 0,6485
1379-4 69,25 0,4 0,74 1,0053 2,55 0,06 15,1 0,6644 0,75 2,28 4,32 0,1903 3,25 0,11 0 0,9545
97-14 69,55 0,44 3,52 0,8701 0 0,07 15,05 1,0691 0,76 2,22 4,3 0,1896 3,3 0,14 0 0,9285
97-17 69,57 0,41 3,39 0,8771 0 0,07 15,42 1,0697 0,78 2,18 4,64 0,2055 3 0,11 0 0,9457
1335 69,73 0,43 0,24 1,0386 2,69 0,05 15,48 0,6615 0,68 2,04 4,22 0,2086 3,64 0,2 0 0,894
1374 70,04 0,2 0,45 1,0407 2,42 0 14,63 0,6902 0,48 2 4,45 0,2706 3,57 0,53 0,11 0,6027
1378 70,13 0,41 0,23 1,0411 2,65 0,05 15,38 0,6633 0,68 2,1 4,25 0,2075 3,6 0,2 0 0,8924
1381 70,52 0,23 0,3 1,0495 1,85 0,04 14,5 0,7293 0,38 1,7 4,78 0,3409 3,81 0,15 0 0,9375
1386 71,84 0,43 0,19 1,0441 2,51 0,05 14,45 0,6606 0,44 1,29 4,52 0,3517 3,84 0,11 0,05 0,9058
1385 72,15 0,34 0,37 1,037 2,14 0,06 13,96 0,6837 0,67 1 4,51 0,3331 3,77 0,09 0,13 0,8479
1349 72,4 0,11 1,25 1,0015 1,7 0 13,72 0,7516 0,3 0,45 4,3 0,5785 3,75 0,13 0 0,9519
1368 73,36 0,16 0,43 1,0475 1,45 0,03 13,6 0,7679 0,1 1,36 4,99 0,5072 3,43 0,07 0 1,0006
1334 73,32 0,15 0,45 1,0469 1,46 0,03 13,68 0,7678 0,1 1,37 5 0,5063 3,45 0,07 0 1,001
1352 74,96 сл. 0,22 1,0786 1 0 13,4 0,8464 0,09 0,73 5,11 0,6489 3,16 0,31 0,13 0,6531
1390 75,39 0,12 0,36 1,0567 1,09 0,05 12,97 0,8034 0,09 0,68 4,52 0,6312 3,84 0,03 0,08 0,9551
1361 75,89 0,1 0,33 1,0608 0,89 0,05 12,57 0,8316 0,15 0,5 5,06 0,6827 3,16 0,03 0,15 0,8645
1341-1 76 0,11 0,38 1,0565 0,78 0 13,1 0,8822 0,09 0,81 4,52 0,5951 3,64 0,02 0,05 0,9937
1336-2 76,13 0,05 0,38 1,0619 0,6 0,03 12,9 0,9014 0,2 0,55 4,8 0,6242 3,95 0,07 0 1,0108
1363-3 76,58 0,04 0,33 1,0665 0,48 0,03 13,15 0,9309 0,22 0,61 4,4 0,5693 3,8 0,1 0 0,9794
1435 68,98 0,44 0,61 1,0106 2,55 0,08 15,6 0,6663 0,88 1,84 3,61 0,1449 4,24 0,15 0,17 0,796
1445 69,53 0,45 0,66 1,0072 2,51 0,08 14,83 0,6577 0,83 1,43 3,75 0,1893 4,24 0,12 0,12 0,8526
r-52 69,06 0,6 0,32 1,0201 3,15 0,06 15,63 0,6263 0,88 2,11 3,71 0,1408 3,51 0,16 0,09 0,8107
97-26 69,4 0,43 3,5 0,8711 0 0,06 15,65 1,0735 0,83 2,85 4 0,1505 2,8 0,12 0 0,9272
1448 70 0,44 0,22 1,0397 2,73 0,05 14,7 0,6462 0,78 2,45 4,1 0,1689 4,25 0,16 0,07 0,8646
r-54 70,2 0,4 0,22 1,0427 2,32 0,08 15,61 0,6866 0,85 1,8 3,52 0,146 3,27 0,15 0,3 0,6528
97-25 72,45 0,31 2,76 0,9153 0 0,08 14,25 1,0641 0,51 2,02 3,64 0,2157 3,45 0,07 0 1,001
1446 72,46 0,26 0,31 1,0476 2,48 0,06 13,81 0,6494 0,36 1,79 4,09 0,2989 3,7 0,08 0,22 0,7887
8
1445-2 54,52 1,48 1,09 0,8844 7,82 0,06 17,23 0,4625 2,47 5,29 3,07 0,0542 4,38 0,51 0,21 0,6063
1449 70,69 0,42 0,62 1,0131 2,37 0,05 14,72 0,6773 0,44 2,25 3,37 0,214 4,24 0,14 0,07 0,8784
1451 74,26 0,15 0,63 1,0357 1,32 0,04 12,88 0,7708 0,31 0,62 5,62 0,5997 2,98 0,04 0,22 0,7848
1441 75,26 0,16 0,61 1,0368 1,29 0,04 12,27 0,7652 0,21 0,28 5,72 0,7686 2,88 0,04 0,21 0,785
1428 68,47 0,31 0,38 1,0359 4,28 0 15,02 0,5695 0,48 2 4,21 0,2571 3,63 0,52 0,08 0,6346
97-31 68,77 0,5 4 0,8463 0 0,14 15,41 1,0472 0,65 2,38 4,3 0,2056 3 0,15 0 0,9072
1405 69,09 0,42 0,96 0,9902 2,62 0,06 14,91 0,6555 0,82 2 4,63 0,2071 3,97 0,19 0,12 0,7904
1404 70,08 0,5 1,03 0,9818 3,26 0,09 15,15 0,6032 1,2 1,68 3,2 0,0851 2,2 0,18 0 0,8306
1416 71,19 0,31 0,58 1,0241 2,05 0,05 14,52 0,705 0,51 1,86 4,45 0,2718 4,11 0,11 0,17 0,8186
1419 71,42 0,47 0,72 1,004 2,63 0,04 15,1 0,6638 0,28 1,6 3,45 0,3011 2,9 0,01 0 1,0757
1410 71,62 0,37 0,46 1,0281 2,14 0 13,94 0,7064 0,72 1,57 4,16 0,2271 3,77 0,1 0,12 0,8472
1428-3 73,43 0,34 0,27 1,0452 1,91 0,03 13,99 0,7184 0,29 1,63 4,22 0,3446 3,64 0,09 0,07 0,8952
1406 74,65 0,32 0,96 1,0036 1,63 0,03 13,48 0,7429 0,24 1,36 3,86 0,3699 3,43 0,08 0,04 0,9294
1408 75,3 0 0,19 1,081 1,03 0 13,53 0,8431 0,14 0,66 4,45 0,6011 3,97 0,44 0,11 0,6675
r-102-12 70,04 0,2 0,45 1,0407 2,42 0 14,63 0,6902 0,48 2,01 4,05 0,2475 3,97 0,23 0 0,8863
r-28 70,94 0,48 0,94 0,9895 1,97 0,08 15,1 0,7129 0,6 1,84 3,64 0,2012 3,67 0,11 0 0,967
97-32 71 0,4 2,88 0,9013 0 0,12 14,96 1,0522 0,52 2,12 3,4 0,1965 3,6 0,1 0 0,9744
r-102-17 71,06 0,37 1,12 0,987 2,09 0 14,42 0,7188 1,62 1,48 2,95 0,0511 3,81 0,11 0,47 0,644
r-102-11 71,98 0,35 1,02 0,9952 1,84 0,08 14,26 0,7138 0,7 1,8 3,43 0,1678 3,64 0,06 0 1,0157
r-25-13 72,04 0,38 1,02 0,9931 1,84 0,07 14,27 0,717 0,64 1,96 3,28 0,1654 3,64 0,05 0 1,0269
r-25 72,15 0,26 0,38 1,0423 1,45 0,07 14,68 0,7698 0,58 1,52 3,86 0,2421 3,84 0,13 0 0,9545
r-29 72,35 0,36 1,14 0,9882 2,3 0,04 13,82 0,6725 0,64 1,38 3,04 0,1766 3,8 0,1 0 0,9794
r-28 72,46 0,4 1,57 0,963 1,62 0,05 13,36 0,7348 0,74 1,2 3,98 0,2482 3,64 0,06 0 1,0157
r-25-18 72,76 0,45 0,57 1,0162 2,02 0,05 13,84 0,6972 0,73 1,18 3,92 0,2482 3,77 0,06 0 1,018
r-25-6 72,84 0,06 0,23 1,0707 1,57 0 13,65 0,7667 0,4 1,4 4,22 0,3302 3,82 0,05 0,14 0,8806
r-102-6 72,9 0,33 0,64 1,0203 1,2 0,04 14,48 0,8113 1,02 1,35 2,65 0,0844 4,04 0,06 0 1,0223
r-26 73,18 0,08 0,25 1,0674 1,93 0 14,75 0,7403 0,6 1,42 3,3 0,2037 4,71 0,04 0 1,05
678-1 67,42 0,55 0,39 1,0167 3,98 0,06 14,86 0,5632 1 2,65 4,28 0,1384 3,03 0,2 0 0,8664
653 71,22 0,37 0,77 1,0077 2,6 0,07 14,06 0,6403 0,5 1,67 3,86 0,251 3,64 0,17 0 0,9163
662 73,3 0,24 0,91 1,011 1,87 0,05 13,05 0,7001 0,6 0,7 5,06 0,4511 3,03 0,11 0 0,9468
610 70,03 0,39 1,29 0,9748 2,68 0,04 14,87 0,6561 0,4 1,39 4,52 0,3515 3,03 0,23 0,03 0,794
9
Таблица 3
Третий вариант триад содержаний и ИКП породообразующих оксидов в изучаемых интрузиях гранитоидов ниж-
неканского комплекса
SiO2 TiO2 Al2O3 ИКП Fe2O3 FeO MnO ИКП MgO CaO Na2 O ИКП K2O P 2O5 H2O ИКП
И-77 54,37 1,18 15,26 0,4968 3,43 8,01 0,08 0,4507 4,13 6,67 3,09 0,0514 2,78 0,36 0 0,7425
E-31-76 55,52 1 17,89 0,4795 2,52 5,28 0,11 0,4049 2,91 6,48 3,66 0,0598 2,5 0,23 0 0,8096
И-81 56 1,23 14,31 0,5151 3,38 7,9 0,08 0,4504 3,85 6,98 3,5 0,0509 2,73 0,3 0 0,7757
И-23 58,84 0,9 15,53 0,5275 2,07 4,82 0,1 0,4212 1,64 5,9 3,58 0,1152 4,76 0,22 0 0,9176
1594 61 0,75 16,5 0,5317 1,18 4,4 0,16 0,4698 2,43 5,35 4,2 0,0475 2,4 0,188 0 0,8382
E-31-77 61,49 0,45 16,5 0,5502 1,2 4,4 0,07 0,5189 2,53 5,55 3,92 0,0483 2,07 0,19 0 0,81
1591 61,8 0,67 17,57 0,526 1,34 4,54 0,14 0,4639 2 4,73 4,6 0,0618 2,2 0,224 0 0,7905
И-80 63,32 0,52 15,11 0,5721 1,89 4,4 0,07 0,4335 2,17 5,85 3,49 0,0782 1,51 0,14 0 0,8082
И-76 63,97 0,48 15,78 0,5676 1,75 4,1 0,06 0,438 1,6 5,9 3,54 0,1191 1,58 0,12 0 0,8435
И-35 64,17 0,49 15,64 0,5697 2,62 3,33 0,05 0,3701 1,42 5,69 3,82 0,1262 1,1 0,14 0 0,7461
И-92 64,53 0,4 15,85 0,5734 2,4 3,05 0,07 0,3533 1,37 4,64 4,36 0,1071 1,61 0,12 0 0,8466
И-34 65,29 0,48 15,66 0,5742 2,58 3,28 0,07 0,3566 1,28 4,95 3,56 0,1199 0,99 0,14 0 0,724
И-105 65,93 0,5 16,36 0,566 1,3 2,25 0,1 0,3341 1,04 3,35 4,75 0,1433 3,74 0,1 0 0,9779
И-111 65,93 0,52 14,91 0,5849 1,6 3 0,08 0,3771 0,84 3,16 3,61 0,1366 4,41 0,08 0 1,0092
1597 66 0,42 14,34 0,5994 1,81 3,55 0,16 0,3465 2,63 1,97 3,74 0,0342 3,7 0,128 0 0,9521
И-116 66,22 0,28 15,73 0,5885 1,39 2,59 0,08 0,3675 0,93 2,61 4,27 0,1488 4,5 0,08 0 1,0106
И-108 66,52 0,42 14,24 0,6029 1,34 2,6 0,08 0,3726 0,98 4,22 3,63 0,1363 4,53 0,1 0 0,9944
И-37 66,65 0,3 15,31 0,5947 1,94 2,47 0,05 0,3589 1,23 3,69 4,13 0,1036 2,49 0,08 0 0,96
И-103 67,13 0,43 14,76 0,5967 1,65 2,47 0,05 0,3685 0,75 3,43 3,44 0,1521 5 0,09 0 1,0097
И-60 67,76 0,39 14,88 0,5995 2,22 2,23 0,09 0,3219 0,96 3,78 3,56 0,1278 2,44 0,09 0 0,945
1598 68,2 0,42 14,7 0,602 1 3,41 0,14 0,4423 0,81 3,78 3,92 0,1572 3,8 0,154 0 0,934
И-51 69,7 0,28 13,99 0,6264 1,37 1,68 0,05 0,3392 0,46 2,12 3,3 0,2073 4,77 0,07 0 1,023
И-118 70,23 0,24 13,65 0,6361 1,85 1,89 0,06 0,3353 0,32 2,27 3,34 0,2502 4,29 0,07 0 1,0164
И-55 70,78 0,13 14,56 0,6311 1,11 1,12 0,05 0,3152 0,71 1,49 3,31 0,1748 4,99 0,07 0 1,0257
1802 70,94 0,3 14,95 0,6148 0,87 1,97 0,056 0,3989 0,58 1,54 4,36 0,2745 4 0,11 0 0,9753
И-66 71,92 0,07 12,97 0,6648 0,85 1,05 0,05 0,3094 0,2 1,92 3,52 0,3191 5,8 0,05 0 1,0494
И-69 71,96 0,05 15,17 0,6317 0,7 0,87 0,05 0,2948 0,56 1,65 4,31 0,2664 4,43 0,07 0 1,0184
10
94-10 72,16 0,237 13,62 0,6432 1 1,21 0,03 0,3481 0,85 1,33 2,08 0,0635 6,26 0,11 0 1,0114
1822 72,81 0,25 14,32 0,6335 0,8 1,15 0,03 0,3534 0,46 1,58 4,12 0,2868 3,48 0,11 0 0,9617
И-54 72,82 0,1 12,89 0,6667 0,89 1,08 0,05 0,3112 0,2 0,74 3,64 0,4848 5,99 0,07 0 1,0356
И-120 72,89 0,16 15,2 0,6263 1,06 1,08 0,07 0,2869 0,78 1,65 4,07 0,203 3,83 0,07 0 1,0087
И-133 72,9 0,19 12,81 0,662 1,3 1,42 0,05 0,3286 0,69 1,12 3,47 0,2279 5,03 0,07 0 1,0261
94-15 73,21 0,454 13,21 0,6405 1,19 2 0,03 0,3914 1,42 2,09 1,97 0,0133 3,47 0,044 0 1,0313
И-93 73,31 0,05 15,51 0,631 0,75 0,92 0,05 0,2992 0,51 0,1 4,44 0,6762 4,66 0,07 0 1,0216
1830 73,42 0,07 13,25 0,6647 2,09 0,8 0,001 0,5058 0,49 1,49 3,36 0,2318 4 0,001 0,15 0,9409
И-72 73,45 0,07 14,8 0,6403 0,66 0,81 0,05 0,2886 0,62 1,42 4,11 0,2595 3,33 0,07 0 0,9983
1588 73,85 0,2 13,46 0,6536 0,35 2,56 0,05 0,6517 0,2 0,97 4,46 0,4925 3,92 0,085 0 0,9958
1587 74,29 0,28 13,11 0,6557 0,73 2,22 0,06 0,4525 0,71 0,99 4 0,2866 4,2 0,062 0 1,0226
E-31-75 74,3 0,13 13,32 0,6619 0,33 0,98 0,02 0,4646 0,23 1,35 3,41 0,3429 5,4 0,04 0 1,0552
И-131 75,5 0,12 12,3 0,6837 1,14 1,34 0,05 0,3252 0,2 0,34 3,5 0,6172 5,89 0,07 0 1,0347
1811 75,57 0,17 13,03 0,6679 0,88 0,87 0,05 0,2978 0,27 1,29 3,24 0,3183 4,27 0,07 0 1,016
И-85 77,56 0,1 10,83 0,7183 0,9 1,11 0,05 0,3134 0,66 0,1 2,44 0,458 6,87 0,07 0 1,0422
И-99 61,45 0,68 15,4 0,5518 1,54 3,61 0,08 0,4188 1,36 4,2 3,81 0,0929 8,3 0,15 0 1,0095
И-100 72,81 0,06 13 0,6678 0,8 0,82 0,05 0,2918 0,2 0,64 3,22 0,4752 7,51 0,07 0 1,0462
И-128 74,98 0,16 14,44 0,6442 0,38 1 0,11 0,2901 0,64 0,1 3,54 0,5697 4,1 0,07 0 1,0134
И-15 75,63 0,05 16,53 0,6238 0,67 0,78 0,05 0,2852 0,58 0,91 3,95 0,3284 0,8 0,07 0 0,8187
1589 67,24 0,45 14,56 0,5989 1,01 4,4 0,06 0,5621 1,5 2,78 4,26 0,0808 3,08 0,074 0 0,9874
И-88 71,55 0,05 13,55 0,6555 0,71 0,88 0,05 0,2957 0,2 0,1 3,29 0,758 10,1 0,07 0 1,0575
И-119a 72,39 0,06 13,74 0,6543 1,06 1,24 0,05 0,3202 0,2 0,23 3,32 0,6632 8,4 0,08 0 1,0452
1592 73 0,06 14,34 0,6467 0,18 1,56 0,14 0,5257 0,2 1,41 4,2 0,4044 5,24 0,082 0 1,019
1595 73,4 0 14,34 0,6533 0,02 1,42 0,07 0,8412 0,2 1,41 4,06 0,3954 5,24 0,101 0 1,0048
И-30 73,46 0,07 12,86 0,6714 0,88 1,04 0,05 0,3081 0,2 0,55 3,33 0,5149 6,13 0,07 0 1,0368
1812 75,33 0,13 11,86 0,6903 1,39 0,63 0,03 0,4107 0,37 1,12 4,04 0,3649 5,06 0,02 0,09 0,9856
И-34a 75,83 0,05 11,89 0,6972 0,65 0,77 0,05 0,2841 0,2 0,36 3,23 0,5835 7,14 0,07 0 1,044
1131 72,55 0,37 12,97 0,6471 1,64 1,99 0,05 0,3476 0,42 1,01 3,43 0,3146 4,99 0,1 0 1,002
1273 72,72 0,35 13,3 0,6434 1,05 1,4 0,2 0,1997 0,5 1,08 3,2 0,2577 4,92 0,15 0 0,9653
11
Таблица 4
Четвертый вариант триад содержаний и ИКП породообразующих оксидов в изучаемых интрузиях гранитоидов
нижнеканского комплекса
SiO2 TiO2 Fe2O3 ИКП FeO MnO Al2O3 ИКП MgO CaO K2O ИКП Na2O P2O5 H2O ИКП
И-77 54,37 1,18 3,43 0,7799 8,01 0,08 15,26 0,4342 4,13 6,67 2,78 0,0627 3,09 0,36 0 0,7641
E-31-76 55,52 1 2,52 0,8371 5,28 0,11 17,89 0,5344 2,91 6,48 2,5 0,0954 3,66 0,23 0 0,8741
И-81 56 1,23 3,38 0,7855 7,9 0,08 14,31 0,4263 3,85 6,98 2,73 0,0766 3,5 0,3 0 0,8224
И-23 58,84 0,9 2,07 0,8764 4,82 0,1 15,53 0,523 1,64 5,9 4,76 0,1102 3,58 0,22 0 0,8775
1594 61 0,75 1,18 0,9411 4,4 0,16 16,5 0,5432 2,43 5,35 2,4 0,0779 4,2 0,188 0 0,9217
E-31-77 61,49 0,45 1,2 0,9623 4,4 0,07 16,5 0,5633 2,53 5,55 2,07 0,098 3,92 0,19 0 0,9114
1591 61,8 0,67 1,34 0,9386 4,54 0,14 17,57 0,5559 2 4,73 2,2 0,0818 4,6 0,224 0 0,9107
И-80 63,32 0,52 1,89 0,9223 4,4 0,07 15,11 0,543 2,17 5,85 1,51 0,1702 3,49 0,14 0 0,9352
И-76 63,97 0,48 1,75 0,9337 4,1 0,06 15,78 0,5707 1,6 5,9 1,58 0,2083 3,54 0,12 0 0,9543
И-35 64,17 0,49 2,62 0,8912 3,33 0,05 15,64 0,617 1,42 5,69 1,1 0,2717 3,82 0,14 0 0,9457
И-92 64,53 0,4 2,4 0,9086 3,05 0,07 15,85 0,6339 1,37 4,64 1,61 0,1596 4,36 0,12 0 0,9752
И-34 65,29 0,48 2,58 0,8963 3,28 0,07 15,66 0,6151 1,28 4,95 0,99 0,2607 3,56 0,14 0 0,9376
И-105 65,93 0,5 1,3 0,9603 2,25 0,1 16,36 0,6986 1,04 3,35 3,74 0,113 4,75 0,1 0 0,9982
И-111 65,93 0,52 1,6 0,9425 3 0,08 14,91 0,6202 0,84 3,16 4,41 0,1622 3,61 0,08 0 0,9941
1597 66 0,42 1,81 0,9388 3,55 0,16 14,34 0,5541 2,63 1,97 3,7 0,0329 3,74 0,128 0 0,9533
И-116 66,22 0,28 1,39 0,9721 2,59 0,08 15,73 0,6649 0,93 2,61 4,5 0,1591 4,27 0,08 0 1,0069
И-108 66,52 0,42 1,34 0,9647 2,6 0,08 14,24 0,6404 0,98 4,22 4,53 0,1492 3,63 0,1 0 0,9751
И-37 66,65 0,3 1,94 0,9424 2,47 0,05 15,31 0,6775 1,23 3,69 2,49 0,0869 4,13 0,08 0 1,0045
И-103 67,13 0,43 1,65 0,9484 2,47 0,05 14,76 0,669 0,75 3,43 5 0,1952 3,44 0,09 0 0,9799
И-60 67,76 0,39 2,22 0,9244 2,23 0,09 14,88 0,6809 0,96 3,78 2,44 0,125 3,56 0,09 0 0,983
1598 68,2 0,42 1 0,9866 3,41 0,14 14,7 0,5736 0,81 3,78 3,8 0,155 3,92 0,154 0 0,9377
И-51 69,7 0,28 1,37 0,9781 1,68 0,05 13,99 0,7376 0,46 2,12 4,77 0,286 3,3 0,07 0 0,9976
И-118 70,23 0,24 1,85 0,9574 1,89 0,06 13,65 0,7047 0,32 2,27 4,29 0,2955 3,34 0,07 0 0,9985
И-55 70,78 0,13 1,11 1,0058 1,12 0,05 14,56 0,8207 0,71 1,49 4,99 0,2903 3,31 0,07 0 0,9978
1802 70,94 0,3 0,87 1,0064 1,97 0,056 14,95 0,7179 0,58 1,54 4 0,2502 4,36 0,11 0 0,9831
И-66 71,92 0,07 0,85 1,0274 1,05 0,05 12,97 0,8099 0,2 1,92 5,8 0,434 3,52 0,05 0 1,0249
И-69 71,96 0,05 0,7 1,0386 0,87 0,05 15,17 0,8674 0,56 1,65 4,43 0,2741 4,31 0,07 0 1,0167
12
94-10 72,16 0,237 1 1,0049 1,21 0,03 13,62 0,802 0,85 1,33 6,26 0,3546 2,08 0,11 0 0,8994
1822 72,81 0,25 0,8 1,0162 1,15 0,03 14,32 0,8204 0,46 1,58 3,48 0,2426 4,12 0,11 0 0,978
И-54 72,82 0,1 0,89 1,0231 1,08 0,05 12,89 0,8038 0,2 0,74 5,99 0,6314 3,64 0,07 0 1,005
И-120 72,89 0,16 1,06 1,0083 1,08 0,07 15,2 0,828 0,78 1,65 3,83 0,1871 4,07 0,07 0 1,0129
И-133 72,9 0,19 1,3 0,9928 1,42 0,05 12,81 0,7518 0,69 1,12 5,03 0,3449 3,47 0,07 0 1,0015
94-15 73,21 0,454 1,19 0,9801 2 0,03 13,21 0,6959 1,42 2,09 3,47 0,0661 1,97 0,044 0 0,9935
И-93 73,31 0,05 0,75 1,0365 0,92 0,05 15,51 0,8628 0,51 0,1 4,66 0,6886 4,44 0,07 0 1,0186
1830 73,42 0,07 2,09 0,9648 0,8 0,001 13,25 0,8794 0,49 1,49 4 0,2784 3,36 0,001 0,15 0,9195
И-72 73,45 0,07 0,66 1,0402 0,81 0,05 14,8 0,8737 0,62 1,42 3,33 0,2013 4,11 0,07 0 1,0135
1588 73,85 0,2 0,35 1,0501 2,56 0,05 13,46 0,6396 0,2 0,97 3,92 0,4544 4,46 0,085 0 1,0057
1587 74,29 0,28 0,73 1,0195 2,22 0,06 13,11 0,6611 0,71 0,99 4,2 0,3023 4 0,062 0 1,0196
E-31-75 74,3 0,13 0,33 1,0575 0,98 0,02 13,32 0,8386 0,23 1,35 5,4 0,4698 3,41 0,04 0 1,0354
И-131 75,5 0,12 1,14 1,0097 1,34 0,05 12,3 0,7544 0,2 0,34 5,89 0,7549 3,5 0,07 0 1,0021
1811 75,57 0,17 0,88 1,0201 0,87 0,05 13,03 0,8417 0,27 1,29 4,27 0,3945 3,24 0,07 0 0,9961
И-85 77,56 0,1 0,9 1,0263 1,11 0,05 10,83 0,7635 0,66 0,1 6,87 0,7356 2,44 0,07 0 0,9713
И-99 61,45 0,68 1,54 0,9259 3,61 0,08 15,4 0,5874 1,36 4,2 8,3 0,202 3,81 0,15 0 0,9375
И-100 72,81 0,06 0,8 1,0321 0,82 0,05 13 0,8504 0,2 0,64 7,51 0,717 3,22 0,07 0 0,9956
И-128 74,98 0,16 0,38 1,0518 1 0,11 14,44 0,8183 0,64 0,1 4,1 0,6104 3,54 0,07 0 1,003
И-15 75,63 0,05 0,67 1,0429 0,78 0,05 16,53 0,8957 0,58 0,91 0,8 0,0167 3,95 0,07 0 1,0108
1589 67,24 0,45 1,01 0,9826 4,4 0,06 14,56 0,5372 1,5 2,78 3,08 0,0421 4,26 0,074 0 1,0122
И-88 71,55 0,05 0,71 1,0377 0,88 0,05 13,55 0,8467 0,2 0,1 10,1 0,9495 3,29 0,07 0 0,9973
И-119a 72,39 0,06 1,06 1,0166 1,24 0,05 13,74 0,7918 0,2 0,23 8,4 0,8703 3,32 0,08 0 0,9871
1592 73 0,06 0,18 1,0748 1,56 0,14 14,34 0,7304 0,2 1,41 5,24 0,4651 4,2 0,082 0 1,0039
1595 73,4 0 0,02 1,0961 1,42 0,07 14,34 0,7688 0,2 1,41 5,24 0,4651 4,06 0,101 0 0,9844
И-30 73,46 0,07 0,88 1,0269 1,04 0,05 12,86 0,8099 0,2 0,55 6,13 0,691 3,33 0,07 0 0,9983
1812 75,33 0,13 1,39 0,9957 0,63 0,03 11,86 0,8824 0,37 1,12 5,06 0,4349 4,04 0,02 0,09 0,9637
И-34a 75,83 0,05 0,65 1,0442 0,77 0,05 11,89 0,8446 0,2 0,36 7,14 0,7906 3,23 0,07 0 0,9959
1131 72,55 0,37 1,64 0,9617 1,99 0,05 12,97 0,6855 0,42 1,01 4,99 0,4334 3,43 0,1 0 0,9697
1273 72,72 0,35 1,05 0,9943 1,4 0,2 13,3 0,7171 0,5 1,08 4,92 0,3923 3,2 0,15 0 0,9158
13
При геологоразведочных работах невозможно определить все изучае-

мые генеральные совокупности, которые представляют собой бесконечное
множество значений случайной величины. Из рыхлых речных отложений -
аллювия изучаемого водотока можно отмыть бесконечное множество шли-
хов, а из изучаемой кварцевой жилы можно отобрать бесконечное множество
проб.
При изучении геологических объектов мы всегда имеем дело с выбор-
кой значений случайной величины, причем объем этой выборки часто мал из-
за высокой стоимости геологоразведочных работ. Например, бурение одной
нефтяной скважины может стоить 100 млн. руб. и более, стоимость одного
пробирного анализа для определения содержания благородных металлов со-
ставляет 500 руб. и более.
Основная задача статистики заключается в том, чтобы получить досто-
верную информацию о генеральной совокупности по имеющейся выборке
значений. Для решения этой задачи предварительно составляют вариацион-
ный ряд и ряд распределения. Эти ряды используются для графических по-
строений с помощью которых высказывается предположение об однородно-
сти выборки и законе распределения значений случайной величины.
Вариационный ряд - последовательность каких-либо чисел, располо-
женная в порядке возрастания их величин, например, для чисел 1, 5, 3, 8, 2
такой ряд имеет вид -1, 2, 3, 5, 8. В математической статистике это понятие
составляет основу теории решения так называемых непараметрических задач,
а в информационной статистике служит признаком определенной пропор-
циональности изучаемых величин. Промежуток между крайними членами
вариационного ряда называют интервалом варьирования, а длину этого ин-
тервала — размахом.
Ряд распределения выражает результат группировки выборки значений
случайной величины. Интервалы группировки случайной величины в геоло-
гии чаще всего равны друг другу. Численности образующихся групп показы-
ваются либо как абсолютные числа (или частоты), либо как относительные
(или частости, в основном как доля от численности выборки). Отношения
частот или частостей к величинам интервала называются плотностью рас-
пределения.
Рационально построенный ряд распределения даёт возможность под-
робно анализировать структуру выборки: выяснять группы, на которые она
распадается и характер распределения по данному признаку - симметрично
оно или несимметрично, унимодально или полимодально и др. Например, ес-
ли количество значений случайной величины в интервалах группирования
симметрично убывает от некоторого максимума, то можно предположить
нормальный закон распределения для генеральной совокупности, из которой
извлечена выборка. Знание закона распределения - это наиболее существен-
ная информация об изучаемой генеральной совокупности. Для наглядности
14
ряд распределения изображается графически в прямоугольной системе коор-

динат в виде полигона или гистограммы.
Графические построения на основе ряда распределения помогают оце-
нить однородность выборки - наличие или отсутствие в ее составе значений
случайной величины другого, не изучаемого при данных исследованиях, гео-
логического объекта. Неоднородность выборки предполагается при сущест-
вовании в ряде распределения нескольких частотных или частностных мак-
симумов.
Порядок выполнения работы:
1. Откройте Excel и сохраните файл Книга 1 в папке
Student\Math\номер группы\name_1.
2. Используя отдельный блок цифровых клавиш вводим данные в стол-
бец А начиная с ячейки А1. В нашем случае копируем данные из таблицы со-
держаний оксидов и показателей их пропорциональности с помощью буфера
обмена. При невозможности скопировать данные одного столбца выделяйте
и копируйте всю таблицу.
3. Выделяем диапазон данных при помощи мыши, выполняя операцию
перетаскивания, затем копируем данные - щелчок правой клавишей мыши -
"копировать").
4. Вставляем скопированные данные в столбец В, для этого делаем
щелчок правой клавишей мыши на ячейке В1, затем "Вставить".
5. Сортируем данные в столбце B по возрастанию при помощи кнопки
«Сортировка по возрастанию». Получаем вариационный ряд признака.
6. Определяем размах распределения W как разность максимального и
минимального значения выборки.
7. Ячейки с вычислениями выделяем полужирным шрифтом при по-
мощи кнопки Ж и далее такое выделение делаем для всех вычислений.
8. Определяем число классов группировки с использованием эмпири-
ческой формулы k=1+4lgn, где k-рекомендуемое количество классов группи-
ровки (наиболее целесообразно от 5 до 15). Для этого в ячейку вводим текст
"k=" затем в ячейку рядом вводим формулу "=1+4*LOG(30)" и нажимаем
"Enter".
9. В нашем примере число классов группировки принимаем равным 6.
10. Определяем интервал группировки по формуле C = W/k,
11. Выбираем границы первого класса так, чтобы он содержал наи-
меньшее значение изучаемой величины. Последующие классы образуются
добавлением величины С к большему значению предшествующего интерва-
ла.
12. Подсчитываем число данных в каждом классе используя для этого
сортированные данные. Для удобства можно изменить строку состояния так,
чтобы в ней при выделении диапазона показывалось количество чисел, щел-
каем правой кнопкой мыши на строке состояния в правой части. Из контек-
15
стного меню выбираем "Количество чисел". Это особенно рационально в

случае работы с большой выборкой данных.
Примечание. Для ссылки на ячейки в формулах (вставка имен ячеек в
формулы), вместо набора имени ячейки щелкните левой клавишей мыши на
этой ячейке.
Таблица 6
Пример результатов разнесения данных по интервалам
Границы интервалов, % xi ni
0 1 0,5 1
1 2 1,5 0
2 3 2,5 3
3 4 3,5 7
4 5 4,5 7
5 6 5,5 9
6 7 6,5 2
7 8 7,5 0
8 9 8,5 1
13. Для расчета статистик используем Лист2 открытого файла. Для это-
го щелкните мышкой на вкладке листа слева внизу окна Excel. Первую стро-
ку оставляем для заголовка новой расчетной таблицы.
Таблица 7
Таблица расчета выборочных статистик по группированным данным
A B C D E F G
2 3
1 Xi Ni XiNi X i-Xcp (Xi-Xcp) Ni (Xi-Xcp) Ni (Xi-Xcp)4Ni
2 0,5 1 0,5 -4 16 -64 256
3 1,5 0 0 -3 0 0 0
4 2,5 3 7,5 -2 12 -24 48
5 3,5 7 24,5 -1 7 -7 7
6 4,5 7 31,5 0 0 0 0
7 5,5 9 49,5 1 9 9 9
8 6,5 2 13 2 8 16 32
9 7,5 0 0 3 0 0 0
10 8,5 1 8,5 4 16 64 256
11 Сумма 30 135 68 -6 608
12
13 Xcp= 4,5 A= -0,06
14 S2= 2,34 E= 0,686
15 S= 1,53 V= 34%
14. Сделайте заголовок таблицы по образцу с использованием строч-

ных и прописных букв. Для экономии времени при выполнении лаборатор-
16
ной работы допустимо все надстрочные и подстрочные символы и цифры

создавать как строчные.
15. Просмотрите формулы расчета статистик для группированных дан-
ных, запишите их в рабочей тетради и сравните с заголовком расчетной таб-
лицы.
Среднее арифметическое:
k n
∑ х jn j
j =1
∑x i
i =1
= =
x n n
Выборочная дисперсия:
k
∑ (x j − x)2 n j
n
j =1
∑ (x i − x) 2
S2 = = i =1
n −1 n −1
Стандартное или среднее квадратическое отклонение:
k n
∑ ( x j − x)2 n j ∑ ( xi − x ) 2
j =1 i =1
S= =
n −1 n −1
Коэффициент вариации:
s
V=
x
Показатель асимметрии:
k
∑(x
n
j =1
j − x)3 n j ∑ (x i − x)3
A= 3
= i =1
nS nS 3
Показатель эксцесса:
k n
∑(x j − x) 4 n j ∑ (x i − x) 4
E= i =1
4
−3 = i =1
−3
nS nS 4
17
16. Таблица составлена так, что, сумма ячеек столбца является число-
вым выражением числителя соответствующей расчетной формулы. Напри-
мер, сумма столбца X i*Ni - это числитель в формуле для расчета среднего
арифметического значения.
17. Введите расчетные формулы, предварительно просмотрев пример.
Таблица 8
Шаблон расчета выборочных статистик для группированных данных
A B C D E F G
Xi Ni XiNi Xi-Xcp (Xi-Xcp)2Ni (Xi-Xcp)3Ni (Xi-Xcp)4Ni
0,5 1 =A2*B2 =A2-$B$13 =D2*D2*B2 =D2^3*B2 =D2^4*B2
1,5 0 =A3*B3 =A3-$B$13 =D3*D3*B3 =D3^3*B3 =D3^4*B3
2,5 3 =A4*B4 =A4-$B$13 =D4*D4*B4 =D4^3*B4 =D4^4*B4
3,5 7 =A5*B5 =A5-$B$13 =D5*D5*B5 =D5^3*B5 =D5^4*B5
4,5 7 =A6*B6 =A6-$B$13 =D6*D6*B6 =D6^3*B6 =D6^4*B6
5,5 9 =A7*B7 =A7-$B$13 =D7*D7*B7 =D7^3*B7 =D7^4*B7
6,5 2 =A8*B8 =A8-$B$13 =D8*D8*B8 =D8^3*B8 =D8^4*B8
7,5 0 =A9*B9 =A9-$B$13 =D9*D9*B9 =D9^3*B9 =D9^4*B9
8,5 1 =A10*B10 =A10-$B$13 =D1*D10*B10 =D10^3*B10 =D10^4*B10
Сумма =СУММ(B2:B10) =СУММ(C2:C10) =СУММ(E2:E10) =СУММ(F2:F10) =СУММ(G2:G10)
=F11/(B11*B14*
Xcp = =C11/B11 A=
B15)
=G11/(B11*B14^
S2= =E11/(B11-1) E=
2)-3
S= =B14^0,5 V= =(B15/B13)*100
18. Не забывайте, что нет необходимости вводить все однотипные
формулы, достаточно воспользоваться после ввода одной такой формулы
функцией автозаполнения. Для правильного автозаполнения используйте аб-
солютные и относительные адреса ячеек.
19. Используя теоретический материал к лабораторной работе, сделай-
те выводы из полученных результатов.
Тема: Статистический анализ триад породообразующих оксидов и их ИКП с

построением диаграмм распределения
Цель работы: Оценить закон распределения для большого числа выбо-

рок.
Задача. Провести изучение триад выборок содержаний породообра-
зующих оксидов и их ИКП для гранитоидов татарско-аяхтинского и нижне-
канского комплексов.
18
В данной работе предполагается сгруппировать выборки одной триады

содержаний и сделать расчет выборочных статистик для негруппированных
данных с использованием стандартных функций Excel с построением частот-
ных, частностных диаграмм (полигонов) и кумулят.
Требуется выявить отличительные особенности химического состава
различных оксидов триады и общие характеристики их ИКП. Все данные на-
ходятся в табл. 1-4.
Для составленного ряда распределения определяются частости встре-

чаемости значений признака и накопленные частости. Примеры вычислений
можно увидеть в приведенной ниже таблице содержаний SiO 2 в горных по-
родах. Частость встречаемости содержаний этого оксида вычисляется как
отношение числа проб в этом интервале (ni) к общему объему выборки (n), а
накопленная частость будет равна сумме всех частостей от первого интерва-
ла до рассматриваемого включительно. Например, для интервала группиро-
вания 59-62% частость будет равна 6/30=0,20, а накопленная частость со-
ставит 0,03+0,20 = 0,23.
19
Таблица 9
Распределение содержаний SiO2 в горных породах
Среднее со-
Интервал, от - до держание Частота n i Частость,% ni/n Накопленная частость
SiO2, % (xi)
1 2 3 4 5
56-59 57,5 1 0,03 0,03
59-62 60,5 6 0,20 0,23
62-65 63,5 8 0,27 0,50
65-68 66,5 7 0,23 0,73
68-71 69,5 3 0,10 0,83
71-74 72,5 5 0,17 1

2. Получите номер варианта у преподавателя. Вариант - это триада со-
держаний оксидов и их ИКП.
3. Скопируйте с использованием буфера обмена данные из таблиц со-
держаний оксидов в книгу Excel.
4. Вычисления по каждому оксиду проводите на отдельном листе Excel.
Для расчетов с выборокой ИКП добавьте в книгу Excel лист, щелкните для
этого внизу слева на вкладке любого листа правой кнопкой мыши и выберите
Добавить – ОК.
5. В столбец А каждого листа поместите содержания оксида.
6. Составьте ряды распределения для выборок содержаний заданного
оксида для триады содержаний (количество интервалов группирования при-
мите равным 6), вычислите частость и накопленную частость содержаний ок-
сида для этих зон как показано выше в таблице содержаний SiO2. То же не-
обходимо проделать ИКП содержаний выборок.
7. Скопируйте в отдельный диапазон значения Xi и значения частот.
8. Выделите этот диапазон.
9. При помощи кнопки Мастер диаграмм постройте точечную диа-
грамму со значениями, соединенными сглаживающими линиями.
10. Название диаграммы - Распределение частот содержаний (SiO2,
TiO 2 и т.д.)
11. Название оси X – «Содержание (SiO2, TiO2 и т.д.)», оси Y – «Часто-
та встречаемости».
12. Расположите диаграмму на имеющемся листе.
13. Скопируйте в отдельный диапазон значения Xi и значения частости.
20

16. Название диаграммы - Функция плотности распределения содержа-
ний (Fe2O3, NiO и т.п.).
17. Название оси X - Содержание (Fe2O3, NiO и т.п.),%, оси Y - частость
встречаемости содержаний.
19. Скопируйте в отдельный диапазон значения Xi и значения накоп-
ленных частостей.
22. Название диаграммы - Кумулята содержаний (SiO 2, TiO2 и т.д.).
23. Название оси X – «Содержание (SiO2, TiO 2 и т.д.)», оси Y – «Накоп-
ленная частость».
25. Аналогичные построения проделайте для распределений ИКП.
26. Проведите расчеты выборочных статистик для негруппированных
данных:
Таблица 10
Стандартные функции Excel для расчета выборочных статистик
среднее арифметическое =срзнач(A1:A58) *

дисперсия =дисп(A1:A58)
стандартное отклонение =стандотклон(A1:A58)
асимметрия =скос(A1:A58)
эксцесс =эксцесс(A1:A58)
* - диапазоны приведены для объема выборок таблицы 1
27. Составьте в Excel результирующую таблицу, шаблон которой при-

веден ниже:
21
Таблица 11
Выборочные статистики
Триада содер-
жаний и их ИКП среднее арифме- дисперсия асимметрия эксцесс
коэффициент ва-
тическое риации
SiO2
TiO2
Al2O3
ИКП
28. Делаем выводы из полученных результатов. Если выборочные по-

казатели асимметрии и эксцесса по абсолютной величине не будут превы-
шать 3, то изучаемая выборка извлечена из генеральной совокупности, рас-
пределенной по нормальному закону, иначе делаем вывод об отклонении за-
кона распределения генеральной совокупности от нормального закона. Этот
вывод предварительный, так как величина выборочных показателей асим-
метрии и эксцесса не зависит от объема выборки, тогда как при возрастании
объема выборки извлеченной из нормальной совокупности эти показатели
должны стремиться к нулю.
Тема: Проверка гипотезы о нормальности распределения выборки при помо-

щи критерия Пирсона
Цель работы: определить соответствие выборки нормальному закону

распределения при помощи аналитического критерия с заданной вероятно-
стью.
Задача 1: Для изучения состава гранитоидов татарско-аяхтинского и
нижнеканского комплекса необходимо решить вопрос о принадлежности к
ним пород с минимальным содержанием SiO 2.
Задача 2: На месторождении меди из рудного тела были отобраны про-
бы. Необходимо решить вопрос о принадлежности к данной выборке макси-
мального значения содержания меди. В случае необоснованного использова-
ния этого значения для подсчета запасов (случай ошибки анализа или записи)
возможно существенное завышение запасов меди, что приведет к неправиль-
ным представлениям о промышленной ценности этого рудного тела.

22
Для решения задач вначале следует проверить гипотезу о нормально-

сти распределения выборки при помощи критерия Пирсона, в случае соот-
ветствия выборки такому распределению для решения вопроса об аномаль-
ности использовать правило трех сигма.
Критерий Пирсона (χ2 – критерий)
Критерий Пирсона χ2 состоит в следующем. Пусть значения случайной

величины X на числовой оси разбиты на конечное число k непересекающих-
ся частей S1,…, Sk и подчиняются функции распределения F(x). При этом
можно определить вероятность p(Si) принятия случайной величиной значе-
ния из соответствующего множества Si. По n выборочным данным можно
также определить частоты ni попадания выборочных значений в множество
Si. К. Пирсон (K.Pearson, 1900) показал, что статистика
k
( ni − p( Si ) n) 2
M =∑
i =1 p(S i )n
при стремлении n к бесконечности имеет асимптотическое распределение χ2

с k-1 степенями свободы. Таким образом, если при большом n статистика M
превышает теоретическое значение распределения χ2 с k-1 степенями свобо-
ды и заданным уровнем значимости α, то с вероятностью 1-α нет оснований
считать, что исследуемая выборка извлечена из распределения с функцией
распределения F(x).
Критерий Пирсона может использоваться для проверки соответствия
любому закону распределения, при этом процедура проверки не меняется, но
число степеней свободы будет зависеть от числа оцениваемых параметров.
Так, при вычислении приведенной выше статистики M мы потеряли одну
степень свободы за счет того, что сумма частот по множествам Si равна еди-
нице. При определении соответствия распределения однопараметрическому
закону Пуассона мы теряем еще одну степень свободы за счет того, что вме-
сто параметра λ используем его оценку, а при определении соответствия рас-
пределения двухпараметрическому нормальному закону теряются две степе-
ни свободы, в результате использования вместо параметров MХ и σ их выбо-
рочных оценок.
Для успешного применения Критерия Пирсона границы класс-
интервалов необходимо подбирать таким образом, чтобы теоретические час-
тоты по каждому из них не были бы меньше 5-10, а количество таких класс-
интервалов должно быть не меньше 6-7. Поэтому критерий χ2 обычно приме-
няется в том случае, когда объем выборки превышает 60 значений. Его мож-
но использовать для проверки соответствия двух выборочных распределений
23
с неизвестным законом распределения, для сравнения между собой как но-

минальных так и порядковых данных.
Используем стандартную функцию Excel: НОРМРАСП. Она возвраща-
ет нормальную функцию распределения для указанного среднего и стандарт-
ного отклонения. Эта функция имеет очень широкий круг приложений в ста-
тистике.
Правила написания функции:
НОРМРАСП (x;среднее;стандартное_откл;интегральная)
х - значение, для которого строится распределение.
Среднее - среднее арифметическое распределения.
Стандартное_откл - стандартное отклонение распределения.
Интегральная - логическое значение, определяющее форму функции.
Если интегральная имеет значение ИСТИНА, то функция НОРМРАСП воз-
вращает интегральную функцию распределения, формула описывает инте-
грал с пределами от «минус бесконечности» до «x». В результате получаем
вероятность того, что значение случайной величины совокупности будет не
больше значения х, заданного в функции.
2. Используя файл Пирсон.xls введите выборочные данные по вариан-
ту, полученному у преподавателя.
3. Ниже в таблице приведен пример вычислений для проверки нор-
мальности распределения.
Таблица 12
Пример расчета критерия Пирсона для выборки со средним значением 0,297
и дисперсией 0,086
част.окр
частота частость норм- норм- частота частость
от до центр теор.вер. угл. хи2
эмп. эмп. расп от расп до теор. теор.
теор.
0,022 0,104 0,063 525 0,012 0,001 0,013 0,012 524,7 525 0 0,012
0,104 0,187 0,146 4184 0,096 0,013 0,102 0,089 3902,3 3902 20,38 0,089
0,187 0,270 0,229 11826 0,270 0,102 0,380 0,278 12158,7 12159 9,12 0,278
0,270 0,353 0,312 15855 0,362 0,380 0,745 0,365 15975,6 15976 0,92 0,366
0,353 0,436 0,395 9100 0,208 0,745 0,948 0,203 8867,0 8867 6,12 0,203
0,436 0,519 0,478 2132 0,049 0,948 0,995 0,047 2071,4 2071 1,80 0,047
0,519 0,602 0,561 118 0,003 0,995 1,000 0,005 202,1 202 34,93 0,005
Сумма 43740 43702 73,2667
4. Если хи-квадрат эмпирическое окажется меньше хи-квадрат теоре-

тического (табличного) при числе степеней свободы к-3 и уровне значимости
α=0.05, то с вероятностью 0,95 (в среднем пять ошибок на 100 проверок ги-
потезы) делаем вывод о том, что выборка извлечена из генеральной совокуп-
24
ности, распределенной по нормальному закону. В другом случае утверждаем,

что выборка извлечена из генеральной совокупности с существенно отлич-
ным от нормального закона распределением.
В приведенном примере χ2 теоретическое равно 9,488 при заданном
уровне значимости и числе степеней свободы 4. В нашем случае гипотеза о
нормальном распределении отвергается, несмотря на то, что из таблицы ус-
танавливается небольшое различие эмпирических и теоретических частот по
многим интервалам группирования. Это объясняется тем, что при большом
объеме анализируемой выборки (43740 значений) для нормально распреде-
ленной совокупности указанное различие должно быть существенно мень-
шим.
Тема: Проверка гипотезы о соответствии выборочного распределения закону

Пуассона
Цель работы: Опимизировать размер проб при изучении россыпного

месторождения золота.
Задача: На разведуемом россыпном месторождении золота установлено
достаточно большое количество крупного пластинчатого золота размером
более 5мм. Попадание в пробу даже одной такой золотины весом 0,5 гр и бо-
лее существенно меняет представление о его содержании в песках и величи-
не подсчитанных запасов.
Месторождение разведуется с использованием шурфов и скважин. Ес-
ли в пробах объемом 0,25 м3 из шурфов крупное золото обнаруживается про-
порционально его содержанию в аллювиальных отложениях, то из скважин
отбираются существенно меньшие по объему пробы и такое золото может
систематически не попадать в пробу. Это приведет к занижению запасов зо-
лота и сокращению размеров промышленной части россыпи. В то же время
разведка с использованием скважин позволяет удешевить и ускорить разве-
дочные работы.
Для обоснования необходимого объема проб и соответствующего диа-
метра скважин необходимо изучить распределение крупных золотин из шур-
фов по 10 разведочным линиям в пределах россыпи. По каждой разведочной
линии отобрано 60 проб. Результаты опробования показаны в табл.
Таблица 13
Количество крупных золотин в пробе

№ пробы РЛ 1 РЛ 2 РЛ 3 РЛ 4 РЛ 5 РЛ 6 РЛ 7 РЛ 8 РЛ 9 РЛ 10
1 0 0 0 0 1 1 1 0 0 0
2 0 0 0 1 1 1 1 0 0 0
25
3 0 1 1 1 1 2 1 1 1 0
4 2 3 3 4 4 4 4 4 3 2
5 2 3 4 4 4 4 4 4 3 2
6 3 3 4 4 5 4 4 4 4 3
7 0 0 0 0 0 0 0 0 0 0
8 0 0 0 0 0 0 0 0 0 0
9 0 0 0 0 0 0 0 0 0 0
10 0 0 0 0 0 0 0 0 0 0
11 0 0 0 0 0 0 0 0 0 0
12 2 2 3 3 4 4 4 3 3 2
13 2 2 3 4 4 4 4 4 3 2
14 0 0 1 1 1 1 1 1 1 0
15 0 0 1 1 1 1 1 1 1 0
16 0 0 1 1 1 1 1 1 1 0
17 0 0 1 1 1 2 1 1 1 0
18 0 1 1 1 1 2 1 1 1 0
19 0 1 1 1 2 2 1 1 1 1
20 0 1 1 1 2 2 1 1 1 1
21 1 1 1 1 2 2 2 1 1 1
22 1 1 1 1 2 2 2 1 1 1
23 1 1 1 2 2 2 2 1 1 1
24 1 1 1 2 2 2 2 2 1 1
25 1 1 2 2 2 3 2 2 2 1
26 1 1 2 2 2 3 2 2 2 1
27 0 0 0 1 1 1 1 1 0 0
28 0 0 1 1 1 1 1 1 0 0
29 0 0 1 1 1 1 1 1 1 0
30 3 4 4 4 5 6 5 4 4 3
31 4 4 4 4 5 7 5 5 4 4
32 1 1 2 2 2 3 2 2 2 1
33 1 1 2 2 3 3 2 2 2 1
34 1 1 2 2 3 3 2 2 2 1
35 1 2 2 2 3 3 2 2 2 1
36 1 2 2 2 3 3 3 2 2 1
37 1 2 2 2 3 3 3 2 2 1
38 1 2 2 3 3 3 3 2 2 1
39 1 2 2 3 3 4 3 3 2 1
40 1 2 2 3 3 4 3 3 2 2
41 2 2 2 3 3 4 3 3 2 2
42 2 2 3 3 3 4 3 3 2 2
43 2 2 3 3 3 4 3 3 2 2
44 2 2 3 3 4 4 3 3 2 2
45 2 2 3 3 4 4 4 3 3 2
46 1 1 1 2 2 2 2 2 1 1
47 1 1 2 2 2 2 2 2 1 1
48 1 1 2 2 2 3 2 2 1 1
49 1 1 2 2 2 3 2 2 1 1
50 1 1 2 2 2 3 2 2 1 1
51 1 1 2 2 2 3 2 2 2 1
26
52 0 1 1 1 1 2 1 1 1 0
53 0 1 1 1 1 2 1 1 1 0
54 0 1 1 1 1 2 1 1 1 0
55 0 1 1 1 2 2 1 1 1 1
56 0 0 0 0 0 0 0 0 0 0
57 0 0 0 0 0 1 0 0 0 0
58 0 0 0 0 0 1 0 0 0 0
59 0 0 0 0 1 1 0 0 0 0
60 0 0 0 0 1 1 1 0 0 0
Определить оптимальный объем проб, обеспечивающий обнаружение

крупного золота одной пробой с вероятностью 0,95.
Гипотезу о соответствии распределения закону Пуассона также можно

проверить с помощью критерия Пирсона.
В серии из N испытаний случайное событие может реализоваться в ка-
ждом испытании i раз. При этом (=0, 1, 2, .., r, где r - максимальное число на-
блюдавшихся событий в одном испытании, а ni - количество испытаний, ко-
гда случайное событие наблюдалось i раз. По выборочным данным находят
оценку параметра λ как выборочную оценку среднего значения признака.
Подставив ее в формулу распределения Пуассона Pn(i)=λie-λ/i! рассчи-
тывают теоретические вероятности Pi; появления ровно i событий в одном
испытании в серии из N испытаний. Теоретические частоты таких случаев в
серии из испытаний находят по формуле n'i=NPi.
Затем по разнице теоретических (n'i) и фактических (ni) частот опреде-
ляют эмпирическое значение критерия χ2, которое сравнивают с табличным
для заданного уровня значимости α и числа степеней свободы f=k-2, где k -
число различных групп выборки, обычно совпадающее с количеством на-
блюдавшихся различных вариантов реализации случайного события в одном
испытании, т.е. k=r+l.
Исключение составляют случаи, когда теоретические частоты n'i для
некоторых значений i меньше 5. Обычно это группы наблюдений, где i близ-
ко к r. Тогда теоретические и фактические частоты для соседних групп на-
блюдений суммируются, общее количество групп уменьшается и соответст-
венно уменьшается число степеней свободы.
27
Таблица 14
Проверка гипотезы о соответствии распределения количества крупных
золотин в пробах закону Пуассона
i ni Pi n'i ni- n'i (ni- n'I)2 (ni- n'I)2/n'i
1 2 3 4 5 6 7
0 2 0,0414 2 0 0 0
1 9 0,1319 8 1 1 0,125
2 12 0,2100 13 -1 1 0,0769
3 13 0,2228 13 0 0 0
4 10 0,1773 11 -1 1 0,0909
5 8 0,1129 7 1 1 0,1429
6 4 0,0599 4 0 0 0
7 1 0,0272 2 -1 1 0,5
8 1 0,0108 1 0 0 0
Сумма 0,936
Среднее значение попадания кристалла в пробу равно 3,18, это значе-

ние принимаем в качестве параметра λ предполагаемого распределения Пу-
ассона и строим ряд распределения выборки, которая строго соответствует
этому закону с указанным параметром. Рассчитанные по формуле Пуассона
значения теоретических вероятностей приведены в столбце 3 табл. 14. Теоре-
тические частоты (столбец 4) получаем путем умножения значений Pi на объ-
ем выборки равный 60.
Далее вычисления идут по той же схеме, которую мы принимали ранее
для установления соответствия нормальному закону распределения.
χ2эмп=0,936
χ2теор=14,067 при α=0,05 и f= 9-2=7
Так как χ2в< χ2кр то нет оснований отвергать гипотезу о соответствии
распределения крупных золотин закону Пуассона.
2. В диапазоне А1:А60 введите выборочные данные количества круп-
ных золотин по одной из разведочных линий (вариант указанный преподава-
телем).
3. Определяем Q - суммарное количество крупных золотин по разве-
дочной линии.
4. Определяется суммарный объем проб по разведочной линии: Vобщ =
60*0,25м3 = 15м3.
5. Вычисляется концентрация (в шт/м3) крупных золотин на участке:
q=Q/15.
6. Для использования параметров теоретического распределения при
обосновании объема шлиховых проб необходимо убедиться в соответствии
28
эмпирических данных теоретической модели. Оно оценивается с помощью

критерия χ2 через сопоставления эмпирических и теоретических частот рас-
пределения в каждом i-ом классе случайной величины (i = 0,1, 2, ..., m).
7. Вычисленное значение величины χ2 сравнивают со значением, опре-
деляемым по таблице, для заданного уровня значимости и числа степеней
свободы k. Число степеней свободы равно числу классов минус 2; за уровень
значимости принимается 0,05.
Если вычисленное значение χ2 меньше табличного, то гипотеза о соот-
ветствии распределения эмпирических данных закону Пуассона можно при-
нять. Принятие гипотезы позволяет использовать соотношение между веро-
ятностью фиксации в пробе х числа зерен полезного минерала и величиной
математического ожидания (X) для определения оптимального объема про-
бы.
При заданной вероятности "пропуска" ореола (х = 0) можно вычислить
соответствующую ей величину математического ожидания события. Если
ореол должен быть зафиксирован с вероятностью 0,95, то вероятность его
пропуска составит 1 - 0,95 = 0,05. Отсюда:
−λ λ0
P(0) = e = e − λ = 0.05
0!
lg 0.05
λ= = 2.996
− lg e
Итак объем проб должен выбираться с таким расчетом, чтобы в него

при данной концентрации полезного минерала попадало в среднем не менее
2,996 золотин. В зависимости от концентрации объем проб V = λ/q. Напри-
мер, при q = 9,47 шт/м3 необходимо отбирать пробы объемом не менее 0,3 м3.
Тема: Использование биномиального закона распределения для изучения

дискретных случайных полей
Цель работы: Определение аномальных участков закономерного (от-

личного от случайного) распределения точечных объектов.
Задача. В горно-таежной местности проведены геоморфологические
работы с радиометрическими наблюдениями. В результате выявлены точеч-
ные радиоактивные аномалии и составлена геоморфологическая схема. Не-
обходимо выделить участки с неслучайным распределением указанных ано-
малий и определить их приуроченность к определенным ландшафтам.
29
Биномиальное распределение - распределение вероятностей числа по-

явлений некоторого события при повторных независимых испытаниях. Если
при каждом испытании вероятность появления события равна р, причём 0 ≤ p
≤1, то число m появлений этого события при n независимых испытаниях есть
случайная величина, принимающая значения х = 1, 2,.., n с вероятностями
Pn ( x) = C nx p x (1 − p ) n− x
где Рn(х) - вероятность того, что при количестве испытаний n событие А про-
изойдет х раз; р - вероятность события А, т. е. истинная доля рудной площа-
ди; C nx - число сочетаний из n по х.
Биномиальные коэффициенты могут быть вычислены по формуле:
n!
C nx =
x!(n − x)!
Биномиальное распределение определяется двумя параметрами р и n.

Для решения поставленной задачи радиометрическая и геоморфологи-
ческая схемы разделены на 81 сектор. Девять смежных секторов (матрица 3 х
3) составляют скользящее окно. На схеме расположения радиометрических
аномалий в каждом таком окне, начиная с верхнего левого, определяется об-
щее количество точек n и количество точек х в центральном секторе. Далее
скользящее окно смещается на длину стороны одного сегмента и так же оп-
ределяются значения n и х для нового окна.
После подсчетов для семи окон верхнего ряда скользящее окно воз-
вращается в исходное положение в верхнем левом углу схемы и затем сме-
щается на один сектор вниз. Всего должны быть замерены данные по 49 ок-
нам. Точка, попадающая на границу скользящего окна учитывается в сколь-
зящем окне, а попадающая на границу центрального сегмента скользящего
окна учитывается в центральном сегменте. В силу целочисленного характера
расчетов невозможно учитывать в сегментах "половинки" точек.
Эти данные вводятся в файл Excel в два столбца. В третьем столбце
рассчитывается вероятность появления изучаемых сочетаний n и х по данным
из каждого окна и исходя из вероятности р = 1/9 случайного попадания ра-
диометрической аномалии в центральный сектор окна при "единичном испы-
тании". Нас будет интересовать вычисленная вероятность случайного рас-
пределения аномалий Р < 0.15. Необходимо найти соответствующие сектора
и определить их приуроченность к рельефу определенного типа. Так как все
30
построения базировались на модели случайного попадания точек в сегменты,

то в случае больших значений Р высока вероятность случайного нахождения
точек в центральном секторе скользящего окна.
Тема: Доверительный интервал среднего и необходимое число проб для

оценки среднего с заданной точностью
Цель: решение прямой и обратной задачи определения доверительных
интервалов.
Задача. Переработку медных руд на обогатительной фабрике ведут по
разным схемам в зависимости от среднего содержания меди в рудах. При не-
правильной оценке среднего содержания выбирается схема обогащения, ко-
торая приводит к свехнормативным потерям в хвостах. Для оценки содержа-
ний полезного компонента в руде, поступающей на фабрику, осуществляют
специальное опробование. Пробы отбирают с ленты транспортера через рав-
ные промежутки времени. Технологам желательно определять среднее со-
держание меди в руде с отклонением λ от среднего в пределах ± 0,1% массо-
вой доли. С большой вероятностью можно утверждать, что такую точность
можно обеспечить только отбором большой выборки проб.
Требуется определить доверительный интервал истинного среднего со-
держания меди в рудах от его выборочного значения с уровнем значимости
α=0,05, для этого было отобрано 36 проб. В случае если этот интервал пре-
вышает 0,2% (λ = 0,1%) необходимо решить обратную задачу – определить
необходимый объем выборки для определения среднего с указанной точно-
стью. Для сравнения сделать также расчет для значения λ =0,2%.
Требуется: По выборочным данным построить доверительный интер-
вал среднего значения и определить число проб, необходимое при данном
уровне изменчивости содержаний, для ежесуточной оценки среднего содер-
жания полезного компонента в каждом типе руд с точностью 0,1 и 0,2. Зада-
чу предлагается решить при доверительной вероятности 0,95.
31
Таблица 15
Данные опробования руд (содержания меди, %)
Вариант
1 2 3 4 5 6 7 8 9
1,56 2,98 0,82 0,10 1,08 1,05 0,54 0,4 0,21
0,95 1,55 0,98 0,52 3,11 3,51 1,19 0,50 0,58
0,60 0,68 0,18 2,07 0,35 1,11 1,9 3,08 2
2,76 1,45 0,09 0,23 0,55 1,08 1,29 1,47 0,39
3 25 3,25 0,12 0,12 0,56 0,86 0,89 1,70 1,78
2,06 0,68 0,20 0,62 0,29 0,49 1,03 1,04 1,09
0,70 0,72 0,08 0,16 0,2 0,15 0,14 0,34 1,14
0,46 0,28 1,87 3,29 0,41 1,50 1,97 2,40 0,41
2,00 2,37 1,37 0,73 1,23 0,23 0,12 0,25 0,8
0,33 0,27 2,04 2,42 1,56 2,47 2,16 1,86 0,31
1,48 1,69 0,33 0,31 0,83 0,77 0,83 0,51 3,15
0,52 0,59 1,66 2,17 2,43 2,10 1,83 1,97 1,42
0,94 0,32 1,24 0,69 1,19 0,28 0,27 0,25 0,68
1,62 1,85 1,48 0,37 1,49 1,62 2,39 2,27 1,28
0,75 0,91 0,98 1,65 0,46 0,74 0,87 1,70 1,04
2,62 1,71 2,29 1,01 1,05 1,44 0,75 1,40 0,35
2,02 3,79 2,96 1,84 2,02 0,92 0,91 0,61 1,5
0,54 0,68 1,81 0,99 1,61 1,42 1,43 1,33 1,19
0,89 0,25 0,06 0,28 1,66 2,22 1,65 1,28 1,26
1,85 2,03 1,41 2,73 0,89 0,67 0,78 0,89 0,23
1,06 1,28 0,61 1,60 0,16 1,02 0,98 0,30 0,49
1,02 0,98 1,45 0,31 2,10 1,55 2,14 2,34 2,2
1,18 0,68 0,25 0,93 1,31 1,04 1,08 1,26 1,8
0,95 0,46 0,42 0,61 1,49 2,48 1,92 1,10 0,36
1,00 0,88 0,14 0,12 1,00 1,17 0,58 0,92 1,26
1,87 1,61 0,12 0,24 1,41 0,94 3,38 0,57 0,38
0,66 2,12 0,62 0,63 0,89 0,69 0,18 0,94 1,88
0,94 0,69 1,23 3,88 0,85 0,89 0,38 0,18 0,28
0,29 1,42 0,14 0,12 0,65 0,58 0,59 0,59 2,06
0,59 0,78 1,69 2,23 1,81 3,27 2,59 2,10 0,66
1,77 1,51 0,73 0,92 1,34 0,49 0,14 0,32 0,91
0,63 0,57 0,66 1,99 0,56 1,04 1,58 1,76 1,2
1,33 1,16 0,50 0,34 0,62 1,14 1,06 0,95 2,03
1,86 2,68 2,00 0,51 1,35 0,48 0,95 1,23 3,62
0,92 0,64 0,93 0,29 0,28 0,42 0,32 0,44 0,38
0,50 0,76 0,29 2,18 1,62 2,09 1,55 0,91 0,45

32

2. Получите номер варианта задачи у преподавателя.
3. Использование формулы определения необходимого числа проб
возможно только при условии нормального распределения анализируемой
выборки. Проверяем выборку на соответствие нормальному распределению.
Если задача решается на основе выборки малого объема, когда невоз-
можно использовать критерий Пирсона, можно использовать способ, осно-
ванный на расчете показателей асимметрии и эксцесса. В случае нормально-
го распределения эти показатели равны нулю, а их выборочные оценки, вы-
числяемые по формулам
n
∑ (x i − x)3
A= i =1
nS 3
∑ (x i − x)4
E= i =1
−3
nS 4
имеют асимптотически нормальное распределение. В случае логнормального

распределения теми же свойствами обладают А и Е, рассчитанные для лога-
рифмов изучаемых величин.
В качестве критериев соответствия эмпирических распределений нор-
мальному используют отношения выборочных показателей асимметрии и
эксцесса к их стандартным отклонениям, которые приближенно оцениваются
по формулам
σ A ≈ 6 / n σ E = 24 / n
где n—количество замеров в выборке.

Если эти отношения по абсолютной величине превышают 3, гипотеза о
нормальном распределении отвергается. Для нормального распределения ве-
роятность того, что выборочное значение этих отношений будет отличаться
от математического ожидания больше чем на 3 стандартных отклонения,
очень мала (равна 0,001). Если выборка извлечена из нормально распреде-
ленной совокупности, то далее определяем доверительный интервал.
Интервальная оценка генерального среднего по выборочным данным
для случая неизвестной дисперсии:
33
Пусть MX - математическое ожидание генеральной совокупности, x -

точечная оценка MX, полученная по формуле
n
∑ xi
i =1
x=
n
Введем доверительный интервал
[x − λ , x + λ ]
где λ - некоторое произвольное число, назначенное исследователем. Введем
также доверительную вероятность Р как вероятность того, что истинное зна-
чение среднего MX попадет в записанный выше доверительный интервал,
т.е.
P = ( x − λ ≤ MX ≤ x + λ )
При нахождения величины отклонения λ, обеспечивающего заданную

доверительную вероятность, мы не можем воспользоваться гауссовской мо-
делью относительной ошибки измерения ∆x / λ поскольку неизвестен пара-
метр σ. Вместо неизвестного значения σ мы вынуждены использовать его то-
чечную оценку s. В результате нормированная ошибка измерения ∆x / s будет
иметь распределение Стьюдента с (n-1) степенями свободы и для вычисления
доверительной вероятности вместо интегрирования стандартного гауссовско-
го распределения по формуле необходимо интегрировать распределение
Стьюдента. В результате формула вычисления λ приобретает вид
λ =t α (n − 1)s
1−
2
Здесь t α - квантиль распределения Стьюдента.

1−
2
Отсюда следует выражение для интервальной оценки генерального

среднего при неизвестной дисперсии:
x −t α (n − 1) s / n ≤ MX ≤ x + t α (n − 1) s / n
1− 1−
2 2
4. Определяем необходимое число проб.

Для решения обратной задачи в случае нормального распределения ис-
следуемой случайной величины используется формула
34
2
 t1−α ; n −1 S 
n =  
 λ 
При малом объеме выборки (n<60) величина t зависит от n, поэтому для

решения обратной задачи используется способ последовательного прибли-
жения. Первоначально в формулу подставляется значение распределения
Стьюдента t для n = ∞ .
Если полученное n1 окажется меньше 60, в формулу подставляется зна-
чение t для полученного n1, и эта операция повторяется до тех пор, пока по-
лученное в результате очередного расчета значение, не совпадет с величиной
ni-1, принятой для определения t при ее расчете.
Пример. В приведенном выше примере расчет интервальной оценки
среднего содержания SiO 2 в горных породах по 30 пробам показал, что с ве-
роятностью 0,95 возможная ошибка составляет ±1,6% SiO 2. Определим число
проб, необходимое для того, чтобы с той же вероятностью ошибка в опреде-
лении среднего содержания не превысила 1% SiO2. Воспользовавшись оцен-
кой стандарта s, получим
2
 t 0 , 05; n =∞ S 
2
 1,96 * 4,4 
n1 =   =   ≈ 74
 λ   1 
В таблице критерия Стьюдента (см. прил.) находим, что t0,05; n = ∞ = 73 .

2
Следовательно, n2 = 
1,99 * 4,4 
 ≈ 77 .
 1 
Значения t 0,05;n =73 и t 0,05;n =77 практически совпадают, поэтому в дальней-
ших расчетах нет необходимости.
Тема: Проверка гипотез о равенстве средних и дисперсий с помощью пара-

метрических критериев Стьюдента и Фишера.
Цель работы: Изучить возможность удешевления опробования на отра-

батываемом месторождении.
Задача: На месторождении меди были проведены опытные работы с
целью определения возможности замены сплошной борозды при опробова-
нии пунктирной бороздой. В случае такой замены значительно удешевляется
опробование рудного тела, но при этом возможна утрата представительности
опробования. Это приведет к ошибкам при подсчете запасов меди. В резуль-
35
тате высока вероятность неправильной оценки промышленной значимости

месторождения, при которой может быть принято решение отрабатывать не-
промышленное месторождение или наоборот, принимается решение прекра-
тить работы на перспективном месторождении, оценив его как непромыш-
ленный объект.
Опытными работами отобрано по 45 сопряженных проб сплошной и
пунктирной бороздой. В случае если распределение меди подчиняется нор-
мальному закону и будет сделан вывод о равенстве дисперсий и средних по
двум выборкам содержаний меди, то изменение способа отбора проб может
быть признано рациональным.
Таблица 16
Содержания меди в рудном теле, вес.%
Данные опробования сплошной бороздой Данные опробования пунктирной бороздой

1 2 3 4 5 1 2 3 4 5
1,26 0,74 0,53 0,66 0,76 1,18 0,69 0,41 0,59 1,05
1,27 0,69 0,54 0,67 0,81 1,26 0,77 0,43 0,6 1,06
1,28 0,79 0,54 0,69 0,81 1,32 0,75 0,45 0,65 1,07
1,35 0,78 0,55 0,71 0,92 1,37 0,81 0,53 0,66 1,14
1,47 0,81 0,58 0,86 0,93 1,43 0,79 0,55 0,67 1,19
1,44 0,82 0,58 0,89 0,93 1,64 0,86 0,59 0,68 1,19
1,57 0,98 0,59 0,89 1,01 1,78 0,82 0,61 0,7 1,22
1,05 1 0,59 0,9 1,11 1,18 1,1 0,61 0,74 1,28
1,19 2,31 1,67 1,19 3,21 1,09 2,33 1,51 1,35 2,24
1,09 2,68 1,73 1,73 2,42 1,12 2,62 1,52 1,7 2,46
1,25 2,64 2,35 1,58 3,64 1,11 2,81 1,6 1,72 2,48
1,12 2,67 2,88 2,31 3,82 1,25 2,57 1,73 2,31 2,8
1,12 2,86 2,95 2,73 3,1 1,26 3,01 2,15 2,88 2,91
2,02 4,6 3,82 3,81 4,27 2,05 4,55 4,15 3,64 3,07
2,11 5,43 5,32 5,63 3,35 2,04 5,53 5,21 5,55 3,43
2,2 0,47 0,29 0,33 0,12 2,32 0,53 0,09 0,34 0,72
2,41 1,02 0,62 1,04 1,11 2,33 1 0,68 0,92 1,29
2,51 1,02 0,64 1,1 1,14 2,68 1,04 0,69 0,98 1,31
4,28 1,14 0,7 1,11 1,2 4,13 1,06 0,77 0,85 1,33
1,72 1,18 0,75 1,12 1,24 1,62 1,22 0,78 0,9 1,34
1,65 1,16 0,85 1,2 1,27 1,94 1,11 0,79 0,9 1,37
1,78 1,13 0,87 1,2 1,36 1,67 1,23 0,92 0,92 1,39
1,71 1,14 0,87 1,36 1,46 1,82 1,24 0,85 1,43 1,47
1,82 1,16 0,88 1,37 1,6 1,72 1,27 0,86 1,32 1,49
1,76 1,25 0,9 1,4 1,62 1,84 1,18 0,89 1,44 1,49
2,02 1,24 1,01 1,42 1,66 1,95 1,3 0,95 1,32 1,58
0,82 1,44 1,01 1,55 1,67 0,89 1,39 1,01 1,68 1,7
0,91 1,35 1,08 1,65 2,22 0,83 1,4 1,1 1,65 1,79
36
0,85 1,53 1,24 1,66 2,22 0,92 1,44 1,11 1,78 1,85
0,96 1,48 1,25 1,9 2,26 0,9 1,54 1,22 1,18 1,88
4,52 1,73 1,4 1,12 2,35 4,62 1,64 1,24 1,24 1,91
4,57 1,64 1,4 1,13 2,69 4,57 1,74 1,28 1,29 1,95
4,64 2,16 1,64 1,18 1,95 4,71 2,06 1,75 1,34 1,96
4,8 0,54 0,31 0,35 0,23 4,72 0,49 0,43 0,35 0,73
0,92 0,5 0,33 0,37 0,24 1,03 0,55 0,16 0,37 0,81
1,05 0,58 0,37 0,4 0,33 0,92 0,52 0,39 0,37 0,82
0,94 0,53 0,42 0,42 0,58 1,07 0,6 0,25 0,42 0,82
5,15 0,58 0,43 0,42 0,6 5,25 0,58 0,25 0,43 0,83
6,89 0,63 0,45 0,44 0,6 6,69 0,63 0,28 0,44 0,83
0,74 0,69 0,46 0,46 0,65 0,71 0,63 0,3 0,46 0,86
0,74 0,64 0,47 0,46 0,66 0,81 0,71 0,54 0,47 0,86
0,86 0,71 0,48 0,47 0,67 0,77 0,65 0,34 0,47 0,98
1,1 0,65 0,5 0,49 0,71 0,97 0,73 0,37 0,49 0,99
0,98 0,73 0,51 0,59 0,72 1,12 0,65 0,64 0,53 1,01
1,13 0,67 0,51 0,62 0,73 1,03 0,74 0,39 0,55 1,03
Статистическая проверка гипотез - это система приёмов в математиче-

ской статистике, предназначенных для проверки соответствия опытных дан-
ных некоторой статистической гипотезе. Процедуры статистической провер-
ки гипотез позволяют принимать или отвергать гипотезы, возникающие при
обработке или интерпретации результатов измерений во многих практически
важных разделах науки и производства, в том числе и в геологии. Правило,
по которому принимается или отклоняется данная гипотеза, называется ста-
тистическим критерием.
Построение критерия определяется выбором подходящей функции Т от
результатов наблюдений, которая служит мерой расхождения между опыт-
ными и гипотетическими значениями. Эта функция, являющаяся случайной
величиной, называется статистикой критерия, при этом предполагается, что
распределение вероятностей Т может быть вычислено при допущении, что
проверяемая гипотеза верна. По распределению статистики Т находится зна-
чение Т0, такое, что если гипотеза верна, то вероятность неравенства T > T0
равна α, где α — заранее заданный уровень значимости.
Если в конкретном случае обнаружится, что Т > T0, то гипотеза отвер-
гается, тогда как появление значения Т ≤ T0 не противоречит гипотезе.
Критерий Фишера (F-критерий)

37
Отношение оценок дисперсии двух случайных величин, подчиняю-

щихся нормальному закону, описывается F-распределением, то есть величи-
s12
на F = 2 при s12 > s22 распределена по закону Фишера с n1-1 и n2-1 степенями
s2
свободы, где n1—количество членов в выборке, по которой получена боль-
шая оценка дисперсии s12 , а n2 — объем второй выборки.
Процедура проверки гипотезы сводится к нахождению эмпирического
значения F-критерия и сравнению его с табличным значением для принятой
доверительной вероятности (1-α) и степенях свободы f1=n1-1 и f2=n2-1. Если
вычисленное значение критерия Фишера превышает табличное, то гипотеза о
равенстве двух дисперсий отвергается. Критерий Фишера широко использу-
ется также в дисперсионном анализе.
Критерий Стьюдента (t-критерий)
Если X1,..., Xn — независимые случайные величины, одинаково нор-

мально распределённые, причём MXi = a и DXi= σ2 (i = 1,..., n), то при любых
действительных значениях а и σ > 0 отношение
x −a
n
s
подчиняется распределению Стьюдента. с f = п-1 степенями свободы. Это

свойство было впервые использовано в 1908 г. У. Госсетом, писавшим под
псевдонимом Стьюдент, для решения важной задачи классической теории
ошибок. Суть этой задачи заключается в проверке гипотезы а = a0 (a0 = за-
данное число, дисперсия σ2 предполагается неизвестной). Гипотезу а =a 0 счи-
тают не противоречащей результатам наблюдений X1,..., Xn, если справедливо
неравенство
x−a
n ≤ tn −1 (α )
s
в противном случае гипотеза а = а 0 отвергается (так называемый критерий

Стьюдента). Критическое значение t = tn-1(α) представляет собой решение
уравнения f(t) = 1 – α/2 — заданный уровень значимости (0 < α <0.5). Если
проверяемая гипотеза а = а0 верна, то критерий Стьюдента, соответствую-
щий критическому значению tn −1 (α ) может её ошибочно отвергнуть с вероят-
ностью α. Критерий Стьюдента используется для решения множества геоло-
гических задач.
38
Различают одновыборочный и двухвыборочный t-критерии. Одновы-

борочный применяется для проверки гипотезы об отличии математического
ожидания (среднего значения) Mx от некоторого известного значения а.
Mx − a
n
s
количество степеней свободы f=n-1
Двухвыборочный t-критерий
x−y
t=
s12 s22
+
n1 n2
где x, y - выборочные оценки среднего, a S12 , S 22 - выборочные оценки диспер-

сии, подчиняется закону распределения Стьюдента с f=n1+n2-2 степенями
свободы.
При сравнении выборок важным показателем является их зависимость.
Приведен двухвыборочный t-критерий для двух независимых выборок. Вы-
борки называются зависимыми, если одному случаю из первой выборки со-
ответствует один и только один случай из второй выборки и наоборот. При-
мером таких выборок могут служить результаты измерения какого-либо при-
знака в образцах до и после экспериментального воздействия на них.
Для вычисления эмпирического значения t-критерия в ситуации про-
верки гипотезы о различиях между двумя зависимыми выборками (двухвы-
борочный t-критерий для зависимых выборок) применяется следующая фор-
мула:
Md
t= n
sd
где Md - средняя разность значений, а sd - стандартное отклонение разностей,

число степеней свободы f=n-1. Необходимыми условиями использования
критерия Стьюдента являются:
1) Нормальность распределения значений исследуемого признака.
2) Равенство дисперсий сравниваемых выборок.
Для проверки гипотезы о равенстве трех и более выборочных средних
необходимо использовать не критерия Стьюдента, а однофакторный диспер-
сионный анализ. Например, для случая трех выборок попарно сравнивают
39
группы 1-2, 1-3 и 2-3 с одним и тем же уровнем значимости. Это недопусти-
мо, поскольку принимаемый уровень значимости, равный, например α=0,05,
неравномерно распределяется между тремя парами групп. В результате этого
можно получить ложные выводы о равенстве либо неравенстве средних зна-
чений в сравниваемых группах.
Student\Math\номер группы\ name_7.
2. Получите (уточните) у преподавателя вариант для решения задачи.
3. Для каждой выборки проверьте соответствие нормальному и лог-
нормальному законам распределения с использованием в качестве критерия
отношения асимметрии и эксцесса к их стандартным отклонениям.
4. В случае отклонения закона распределения от нормального пролога-
рифмируйте все значения, например =LN(A1) с автозаполнением других яче-
ек.
5. Определите нормальность распределения логарифмов содержаний.
6. В случае их соответствия нормальному закону вычислите средние и
дисперсии распределений логарифмов.
7. Используйте полученные результаты для расчета критерия Фишера.
8. Сравните полученное эмпирическое значение критерия с табличным
(теоретическим).
9. В случае равенства дисперсий можно использовать критерий Стью-
дента для проверки гипотезы о равенстве средних значений выборок.
10. Способ пробоотбора нельзя изменить, если будет установлено су-
щественное различие хотя бы по одному параметру (по дисперсиям или
средним).
11. Выводы по результатам выполнения работы должны быть обосно-
ваны и выражены в геологической терминологии. Они должны соответство-
вать условиям задачи.
Тема: Проверка гипотез о равенстве средних и дисперсий при помощи непа-

раметрических критериев Вилкоксона и Сиджела – Тьюки
Цель работы: определить возможность удешевления разведочных ра-

бот за счет использования скважин вместо подземных горных выработок.
Задача: Оценка достоверности и представительности различных спосо-
бов опробования с помощью критериев Вилкоксона и Сиджела - Тьюки.
Штокверковое месторождение олова разведано скважинами колонкового бу-
рения диаметрами 76 и 59 мм и ударно-вращательного бурения диаметрами
150 и 200 мм. Длина интервалов опробования по скважинам - 2м.
40
Для заверки результатов опробования скважин пройдена штольня и несколь-

ко соосных со скважинами восстающих. По стенкам восстающих отобраны
бороздовые пробы длиной 2 м и сечением 10x5 см, а также валовые пробы
массой 2 т, характеризующие двухметровые интервалы. Результаты основ-
ных и контрольных анализов приведены в таблице 17.
Таблица 17
Диаметр Пробы Валовые Бороздовые пробы

№№ п/п
скв., мм по скв. пробы СЗ стенка СВ стенка ЮВ стенка ЮЗ стенка
59 1 102 75 75 70 57 48
2 85 65 56 56 116 131
3 100 91 62 167 73 87
4 270 182 95 135 220 260
5 57 101 126 53 28 105
6 49 52 52 73 36 64
7 95 60 66 62 43 51
8 100 77 28 31 90 57
9 185 143 240 180 105 76
10 230 101 145 87 52 35
11 87 81 67 85 102 65
12 60 78 97 82 155 94
13 50 82 110 96 330 34
14 14 70 85 21 70 80
15 75 93 90 87 95 75
16 87 94 55 115 170 100
17 145 110 170 95 90 100
18 120 105 140 130 60 90
19 86 65 87 60 50 29
20 36 80 38 120 47 62
76 1 188 103 145 120 90 120
2 47 89 77 64 61 55
3 92 70 102 29 36 60
4 115 107 128 90 85 165
5 62 66 52 100 56 44
6 50 84 52 170 55 49
7 75 84 102 77 90 65
8 115 67 155 10 85 56
9 23 55 34 45 39 125
10 46 66 56 43 65 82
11 62 100 105 57 92 85
12 185 142 190 105 90 87
13 115 161 120 260 240 110
14 135 124 130 105 113 180
15 0,21 58 48 64 70 31
16 132 62 83 23 53 62
17 65 89 54 107 74 82
18 33 63 43 52 52 43
41
19 40 93 155 48 126 29
20 145 153 200 100 49 300
21 70 70 65 116 43 77
22 49 77 66 87 54 53
23 78 81 146 52 62 80
24 82 66 46 74 65 57
25 145 106 92 105 115 100
200 1 89 86 146 73 72 44
2 54 63 56 51 80 29
3 91 74 75 50 57 77
4 48 60 51 53 49 73
5 84 70 50 77 137 53
6 110 145 49 89 130 135
7 235 180 240 200 190 185
8 170 100 113 195 106 62
9 42 64 70 53 56 55
10 42 50 65 57 72 10
11 88 87 92 95 85 77
12 62 95 82 65 67 115
13 94 92 85 84 72 87
14 20 46 72 20 34 21
15 120 65 70 125 42 60
16 100 100 75 105 180 130
17 120 91 56 100 114 32
18 125 105 140 130 60 90
19 57 82 42 98 77 29
20 143 94 95 165 145 158
21 84 70 60 97 110 95
22 98 110 114 100 110 87
23 106 73 47 101 125 41
Требуется проверить гипотезу о равенстве средних и дисперсий проб

по скважинам и проб по восстающим. В случае такого равенства можно за-
менить дорогостоящие подземные выработки скважинами для разведки ме-
сторождений.
Непараметрические критерии, в том числе и критерий Вилкоксона, ис-

пользуются обычно при малом объеме выборок или в тех случаях, когда
средние значения рассчитаны по полуколичественным данным - например,
по результатам полуколичественного спектрального анализа.
Непараметрический критерий Вилкоксона (W) основан на процедуре
ранжирования двух сравниваемых выборок (А и Б) и представляет собой
сумму рангов Ri членов меньшей выборки в общем ранжированном ряду из
обеих выборок:
42
n1
W = ∑ Ri , n1 ≤ n2
i =1
Если гипотеза о равенстве средних по совокупностям А и Б верна, т.е.

H 0 : x1 = x2 , математическое ожидание статистики Вилкоксона (MW) и вели-
чины возможных отклонений от нее выборочных оценок (W) зависят только
от объемов выборок n1 и n2.
Для случаев, когда n1 и n 2 <25 значения удвоенного математического
ожидания критерия Вилкоксона (2МW) и его нижнего критического значения
W1 для заданного уровня значимости α приведены в специальной статистиче-
ской таблице. Верхнее критическое значение критерия W2 определяется из
уравнения W2=2MW-W1. Уровень значимости для W1 в этих таблицах дан для
альтернативы H 1 : x1 ≠ x 2 , x1 < x 2 . Поэтому при альтернативе
H 1 : x1 ≠ x 2 , x1 < x2 _ или _ x1 > x 2 уровень значимости для нахождения W1 необхо-
димо уменьшить в два раза.
Непараметрический критерий Сиджела-Тьюки для проверки равенства
дисперсий построен исходя из предположения о равенстве центров распреде-
ления сравниваемых совокупностей, которое можно проверить критерием
Вилкоксона. Исходные данные по каждой выборке в случае несоблюдения
этого условия необходимо центрировать относительно их медиан т. е. срав-
нивать не сами значения изучаемых параметров, а их отклонения от медиан.
Значения сравниваемых выборочных совокупностей объединяются в
общую выборку и записываются в виде вариационного ряда в порядке их
возрастания: x1<x2<..<xN-i, где N=n1+n 2 - объем обшей выборки; n1 -объем
меньшей выборки. Члены вариационного ряда, в свою очередь, ранжируются
следующим образом. Ранг 1 приписывается наименьшему члену ряда х1 -
ранг наибольшему, т.е. хN, ранг 3-значению x2 ранг 4-знaчeнию xN-1, и т. д. Ес-
ли N нечетно, то медианному значению ранг не присваивается.
При таком ранжировании значениям выборки с меньшей дисперсией
будут присваиваться преимущественно большие ранги, а значениям выборки
с большей дисперсией - наоборот, малые. В случае равенства дисперсий зна-
чения из разных выборок будут чередоваться в ранжированном ряду случай-
но, и сумма рангов, относящихся к членам меньшей но объему выбoрки
будeт oблaдать всеми свойствами рассмотренного выше критерия Вилкоксо-
на (W).
Дальнейшая проверка гипотезы о равенстве дисперсии сводится к вхо-
ждению критических значений W1 и W2 по описанной выше процедуре кри-
терия Вилкоксона и сравнению с ними рассчитанного значения W.
43
Пример. По одному из участков молибден-вольфрамового месторож-

дения для контроля бороздовых проб (выборка А) отобрано 16 валовых проб
большой массы (выборка Б). Проверим гипотезу о равенстве средних значе-
ний и дисперсий содержаний молибдена по пробам, отобранным разным спо-
собом при альтернативах H 1 : x А ≠ x Б H 1 : σ А2 ≠ σ Б2 и уровне значимости α=0,1.
Таблица 18
Содержание (в %) молибдена по бороздовым (выборкам А) и валовым про-
бам (выборка Б)
Выборка А Выборка Б
№ п/п Содержа № Содержа № Содержа № Содержа

ние Мо п/п ние Мо п/п ние Мо п/п ние Мо
1 0,065 11 0,082 1 0,056 11 0,046
2 0,075 12 0,061 2 0,078 12 0,056
3 0,110 13 0,022 3 0,067 13 0,088
4 0,140 14 0,070 4 0,120 14 0,104
5 0,182 15 0,140 5 0,038 15 0,054
6 0,010 16 0,060 6 0,062 16 0,064
7 0,192 17 0,025 7 0,072
8 0,310 18 0,230 8 0,167
9 0,037 19 0,180 9 0,068
10 0,160 20 0,105 10 0,059
Запишем приведенные в таблице 18 результаты опробования в виде

ранжированного ряда (таблица 19, поле 2) и определим ранги R1 для расчета
критерия Вилкоксона W (см. таблица 19, поле 4). С помощью статистической
таблицы находим критические значения критерия Вилкоксона для n1=16,
n2=20 и α/2=0,05 W1=243, W2=349. Расчетное значение критерия W, опреде-
ленное по сумме рангов значений из меньшей выборки Б, равно 250, т.е. на-
ходится в интервале между нижним и верхним критическими значениями
критерия Вилкоксона. Следовательно, гипотеза о равенстве средних содер-
жаний молибдена по пробам разной массы не отвергается.
Ввиду равенства средних значений при проверке гипотезы о равенстве
дисперсий нет необходимости в центрировании данных. Выполнив ранжиро-
вание по способу Сиджела-Тьюки (см.табл. 19 столбец 5), получим значение
критерия W для проверки гипотезы о равенстве дисперсий. Оно равно 354 и
превышает верхнее критическое значение W2. Следовательно, гипотеза о ра-
венстве дисперсий отвергается. Дисперсия содержаний молибдена по бороз-
довым пробам существенно выше, чем по рядовым.
Результаты проверки гипотез позволяют сделать следующие выводы:
1) Различие в средних содержаниях молибдена по пробам разной массы
несущественно, следовательно опробование малыми пробами не приведет к
систематическим ошибкам в оценке среднего качества руд.
44
2) Содержания по бороздовым пробам отличаются большим разбросом,

следовательно для оценки среднего содержания молибдена с заданной точно-
стью их требуется значительно больше, чем валовых.
Таблица 19
Проверка гипотезы о равенстве средних и дисперсий содержании (в %) мо-
либдена по бороздовым и валовым пробам
№ п/п Содержание Выборка Ранг по крите- Ранг по крите-

Мо рию Вилкоксона рию Сиджела -
(R1) Тьюки (R2)
1 2 3 4 5
1 0,010 А 1 1
2 0,022 А 2 3
3 0,025 А 3 5
4 0,037 А 4 7
5 0,038 Б 5 9
6 0,046 Б 6 11
7 0,054 Б 7 13
8 0,056 Б 8,5 15
9 0,056 Б 8,5 17
10 0,059 Б 10 19
11 0,060 А 11 21
12 0,061 А 12 23
13 0,062 Б 13 25
14 0,064 Б 14 27
15 0,065 А 15 29
16 0,067 Б 16 31
17 0,068 Б 17 33
18 0,070 А 18 35
19 0,072 Б 19 36
20 0,075 А 20 34
21 0,078 Б 21 32
22 0,082 А 22 30
23 0,088 Б 23 28
24 0,104 Б 24 26
25 0,105 А 25 24
26 0,110 А 26 22
27 0,120 Б 27 20
28 0,140 А 28,5 18
29 0,140 А 28,5 16
30 0,160 А 30 14
31 0,167 Б 31 12
32 0,180 А 32 10
33 0,182 А 33 8
34 0,192 А 34 6
35 0,230 А 35 4
36 0,310 А 36 6

Student\Math\номер группы\ name_ name_ name_8.
2. Получите у преподавателя вариант для решения задачи.
45
3. Просмотрите приведенный выше пример расчетной таблицы.

4. Сделайте необходимые расчеты.
5. Выводы по результатам выполнения работы должны быть обоснова-
ны и выражены в геологической терминологии.
Тема: Однофакторный дисперсионный анализ

Цель: Определение факторов, влияющих на содержания химических элемен-
тов.
Задача: При проведении геохимической съемки по вторичным ореолам
рассеяния из рыхлых отложений отбирают пробы, которые изучают затем с
помощью спектрального анализа для определения содержаний ряда элемен-
тов. Предполагается, что содержания элементов в этих отложениях могут за-
висеть не только от геологических условий (смена пород разного состава, на-
личие гидротермальных изменений и проявлений полезной минерализации),
но и от ландшафтных условий изучаемой территории (от крутизны склонов,
их экспозиции, характера растительности, мощности рыхлых отложений, об-
водненности и др.). Если влияние ландшафтных условий на данные геохими-
ческой съемки установлено, то может обсуждаться вопрос о введении "по-
правок за ландшафт" или раздельной обработки данных по каждому ланд-
шафту.
Требуется установить влияние ландшафтных условий на содержания,
как отдельных элементов, так и их ИКП по данным геохимической съемки и
решить вопрос о необходимости их учета при анализе результатов.
Свойства геологических объектов, как и любой другой сложной при-

родной системы, обычно зависят от ряда факторов, обусловливающих их из-
менчивость. Выявление этих факторов и оценка степени их влияния на из-
менчивость (неоднородность) свойств изучаемых объектов осуществляется с
помощью дисперсионного анализа.
Этот статистический метод основан на следующем принципе:
Если на случайную величину действуют взаимонезависимые факторы
А, В, .., D, то общую дисперсию этой случайной величины σ2 можно рас-
сматривать как сумму дисперсий σ 2 = σ A2 + σ B2 + ... + σ D2 .
По количеству оцениваемых факторов дисперсионный анализ подраз-
деляется на одно-, двух- и многофакторный. Каждый фактор представляет
собой переменную дискретную или непрерывную величину, которая разде-
46
Тип рель- Содержания,% и пропорциональность

ефа
1 триада 2 триада 3 триада
-4 -7 -7 -4 -6 -6 -6
Pb, 10 Au, 10 Ag, 10 ИКП Cu, 10 Sn, 10 Mo, 10 ИКП W, 10 V, 10-4 Bi, 10-6 ИКП
Водораз- 4 2 30 0,542 9 8 5 0,0284 82 18 8 0,3981

дел
3 3 25 0,4731 8 14 2 0,2109 35 25 3 0,2603

3 2 24 0,5229 5 20 11 0,1356 56 19 1 0,47
3 3 22 0,4305 0 25 11 0,4831 42 13 0 0,5518
4 4 24 0,363 0 30 9 0,5584 27 17 0 0,4315
3 4 22 0,3811 9 32 9 0,1957 25 5 0 0,6481
3 2 20 0,4636 10 14 11 0,0104 92 20 2 0,5493
4 2 27 0,5087 3 20 6 0,2817 40 18 0 0,4792
3 2 17 0,4097 3 19 6 0,2661 42 24 0 0,4431
3 1 18 0,5222 5 15 9 0,0914 67 19 1 0,5138
2 1 15 0,542 6 16 12 0,0702 78 18 0 0,616
1 1 27 0,7999 8 18 11 0,0563 59 16 0 0,5803
1 3 28 0,6516 8 21 12 0,0775 55 12 1 0,5588
3 3 26 0,4861 8 24 13 0,0976 51 8 0 0,7017
4 2 24 0,4709 9 27 12 0,1145 39 8 1 0,5506
5 3 26 0,3974 4 25 14 0,197 44 11 0 0,5982
2 5 22 0,4015 4 28 12 0,2386 38 4 1 0,681
3 0 1 0,5363 8 16 13 0,0375 84 3 2 0,8445
3 2 35 0,6377 5 20 12 0,1304 61 8 2 0,6216
2 1 23 0,6675 8 25 14 0,1007 51 5 0 0,7977
1 1 3 0,1483 4 27 14 0,2137 44 7 0 0,6987
2 1 27 0,7099 10 20 15 0,0378 75 8 1 0,7207
1 2 26 0,7002 3 23 15 0,2151 61 2 0 0,9579
1 2 8 0,3391 5 26 18 0,1616 59 1 0 1,0138
1 5 25 0,5201 8 16 14 0,0385 86 3 5 0,7512
2 2 25 0,6018 10 15 14 0,0144 97 10 4 0,6442
4 1 23 0,54 9 19 14 0,0435 75 14 0 0,6634
2 2 6 0,1483 3 23 14 0,2187 57 11 0 0,656
4 2 2 0,0589 5 26 14 0,1743 48 5 0 0,7861
3 2 24 0,5229 6 26 14 0,1484 49 4 3 0,6365
47
Крутые 3 1 17 0,5046 3 24 18 0,2163 69 2 0 0,9703

склоны
3 2 23 0,5092 8 21 17 0,0686 78 2 2 0,8699
3 1 2 0,0872 8 16 10 0,0435 69 6 2 0,7066
3 1 26 0,631 10 15 13 0,0134 90 1 4 0,8661
3 1 29 0,6611 6 16 6 0,1186 52 5 0 0,8014
3 1 24 0,6082 6 15 11 0,0625 75 8 0 0,7815
1 3 23 0,5958 8 18 11 0,0563 63 13 3 0,497
2 3 23 0,5092 5 25 8 0,2283 39 8 0 0,6424
3 0 1 0,5363 3 27 13 0,259 42 4 0 0,8032
3 3 27 0,4984 8 23 13 0,0893 53 5 0 0,8049
5 1 16 0,3898 8 27 15 0,1115 48 7 0 0,7174
5 0 0 1,0986 3 26 16 0,2335 54 4 1 0,766
4 3 27 0,4496 5 26 17 0,1633 57 8 2 0,6025
3 1 27 0,6415 5 21 18 0,1328 84 10 0 0,7597
3 2 2 0,0196 8 22 18 0,0746 79 5 0 0,873
4 2 28 0,5203 8 26 16 0,1007 53 8 0 0,71
6 2 29 0,4549 8 23 13 0,0893 55 10 0 0,6693
3 2 30 0,5924 4 23 14 0,1804 58 5 0 0,8214
4 1 3 0,1243 9 20 11 0,0614 55 4 0 0,8507
4 2 30 0,542 8 20 12 0,069 63 4 3 0,7052
2 1 26 0,7002 9 20 12 0,056 62 8 0 0,7432
6 2 9 0,1426 4 20 10 0,1748 52 14 0 0,5819
6 1 32 0,5544 3 23 16 0,2127 67 10 0 0,7125
6 4 27 0,3332 8 24 13 0,0976 49 3 0 0,878
7 1 10 0,2442 5 20 11 0,1356 56 6 0 0,7807
6 2 7 0,1078 6 20 8 0,1399 45 14 0 0,5507
9 2 10 0,1582 6 20 3 0,2817 33 18 0 0,4494
5 1 12 0,3119 6 20 9 0,1273 49 16 0 0,5405
3 3 10 0,1771 5 21 9 0,1649 45 15 0 0,5363
3 5 7 0,0549 8 20 4 0,1984 34 15 0 0,4826
Пологие 4 2 9 0,171 3 22 8 0,2668 43 5 0 0,7645
склоны
3 2 27 0,5601 6 23 8 0,1769 38 6 0 0,7003
3 0 1 0,5363 8 15 15 0,0367 100 1 1 0,9885
2 1 24 0,6791 8 18 17 0,0543 94 1 2 0,941
3 2 27 0,5601 10 19 13 0,0351 67 0 2 0,9674
3 2 24 0,5229 8 19 11 0,0652 60 5 3 0,6586
48
3 3 33 0,5627 10 10 9 0,0012 97 1 2 0,9448

2 5 24 0,4294 5 10 4 0,0814 70 15 0 0,6326
4 2 26 0,4967 8 14 8 0,038 69 14 0 0,6448
4 2 22 0,4426 8 18 7 0,0955 48 15 0 0,5497
4 3 25 0,4239 1 22 9 0,3759 44 9 0 0,643
3 1 16 0,4857 5 16 7 0,1246 54 19 1 0,4614
3 2 23 0,5092 4 23 15 0,1772 57 13 0 0,6187
3 2 12 0,2949 8 22 16 0,0743 70 13 0 0,6646
3 1 7 0,2386 0 25 18 0,4188 62 5 0 0,8332
3 2 1 0,0872 4 21 11 0,1778 53 13 0 0,6024
4 2 26 0,4967 0 22 12 0,4494 53 13 0 0,6024
3 2 22 0,4948 0 27 13 0,468 42 8 0 0,6589
3 2 31 0,6022 6 20 14 0,1 71 7 1 0,7326
4 2 25 0,4841 8 19 8 0,0923 49 12 0 0,6028
4 3 22 0,3811 3 23 8 0,2795 38 6 0 0,7003
4 3 30 0,4844 9 16 7 0,0628 54 9 0 0,6885
3 0 2 0,4256 8 14 8 0,038 79 15 1 0,6059
3 2 11 0,2672 5 14 6 0,1095 59 17 0 0,5671
2 1 27 0,7099 8 14 6 0,064 58 19 0 0,5399
3 2 30 0,5924 8 17 3 0,1984 39 21 0 0,4512
3 1 13 0,4207 3 18 5 0,2778 41 22 0 0,4517
3 2 27 0,5601 0 19 6 0,5475 40 17 0 0,4892
6 1 8 0,2163 0 20 8 0,5003 46 12 0 0,5888
4 1 10 0,2953 0 21 8 0,5096 45 10 0 0,6245
49
ляется на определенное количество постоянных интервалов (уровней). Если

количество замеров изучаемой случайной величины на всех уровнях по всем
факторам одинаково, дисперсионный анализ принято называть равномерным,
а если разное - неравномерным.
Суждение о влиянии определенного фактора или комбинации факторов
на изменчивость изучаемой случайной величины основано на группировке ее
замеров по факторам и их уровням и проверке гипотезы о равенстве диспер-
сий, обусловленных данными факторами, с остаточной (случайной) диспер-
сией, вызванной неучтенными факторами. Если гипотеза отвергается, то де-
лается вывод о том, что данный фактор или взаимодействие факторов оказы-
вают существенное влияние на изменение изучаемого свойства геологиче-
ского объекта.
С помощью дисперсионного анализа решается широкий круг геологи-
ческих задач:
— проверяются гипотезы о влиянии литологических, петрофизических,
геохимических, структурных и других факторов на локализацию оруденения;
— выявляются элементы зональности различных геологических объек-
тов;
— определяется влияние способа отбора проб на их достоверность и
представительность;
— оценивается влияние ландшафтных условий на интенсивность про-
явления различных поисковых признаков;
— решается вопрос о влиянии гипергенных процессов на качество руд;
— выявляются факторы, определяющие прочностные свойства грунтов
и пород и т. д.
Таблица 20
Однофакторный дисперсионный анализ
Номер изменения Уровень фактора

А1 А2 … Аk
1 x11 x12 … x1k
2 x21 x22 … x2k
. . . … .
. . . … .
. . . … .
n xn1 xn2 … xnk
Групповые средние x1 x2 … xk
При равномерном однофакторном дисперсионном анализе случайной

величины х относительно фактора А, имеющего k уровней при количестве
замеров на каждом уровне равном n, результаты наблюдений обозначаются
50
как xij, где I - номер наблюдения (i=1, 2, .., n), a j - номер уровня фактора (j=1,
2, .., k) и записываются в виде табл. 20.
По этим данным рассчитываются следующие статистики:
общая сумма квадратов отклонений наблюдаемых значений признака
от общей средней x :
k n
C общ ∑∑ ( xij − x ) 2
j =1 i =1
факторная сумма квадратов отклонений групповых средних от общей

средней, характеризующая рассеяние между группами:
k
C факт = n ∑ ( x j − x ) 2
j =1
остаточная сумма квадратов отклонений наблюдаемых значений от

своей групповой средней, характеризующая рассеяние внутри групп:
n n n
C ост = ∑ ( xi1 − x1 ) 2 + ∑ ( xi 2 − x 2 ) 2 + ... + ∑ ( xik − x k ) 2
i =1 i =1 i =1
общая, факторная и остаточная дисперсии:

2
S общ = C общ / k (n − 1) 2
S факт = C факт /(k − 1) 2
S ост = C ост / k (n − 1)
значение критерия Фишера:
F = S факт
2 2
/ S ост
Значение критерия Фишера сравнивается с критическим для заданного

уровня значимости α и числа степеней свободы k-1 и k(n-l).
При неравномерном однофакторном дисперсионном анализе, когда ко-
личество наблюдений на уровне А1 равно n1, на уровне A2-n2, .., на уровне
k
Аk—nk, а общее их число равно N = ∑ n j . Факторная и остаточная дисперсии
j =1
находятся по формулам
1 k 1 k n
2
S факт = ∑
k − 1 j =1
n j (x j − x)2 2
S ост = ∑∑
N − k j =1 i =1
( xij − x ) 2
51
Остальные операции выполняются так же, как при равномерном анали-

зе.
Пример. При изучении гидротермального свинцово-цинкового место-
рождения в гранитах высказано предположение, что на интенсивность про-
цесса рудоотложения влияла степень предрудного метасоматического изме-
нения пород. Для проверки этой гипотезы результаты опробования на свинец
по 43 разведочным пересечениям были разделены на три группы: в слабо из-
мененных (уровень А1), в средне измененных (уровень А2) и сильно изме-
ненных (уровень А3) гранитах. Расчеты по схеме однофакторного дисперси-
онного анализа приведены в табл 21.
Таблица 21
Проверка гипотезы о влиянии предрудного метасоматического изменения
гранитов на содержание свинца в руде
№ заме- Уровни факторов

ра i A1 A2 A3
1 1,17 0,56 0,12 2,28 0,13 0,08 1,80 0,01 0,22

2 1,52 0,16 0,00 2,46 0,29 0,22 2,38 0,21 0,01
3 1,90 0,00 0,15 0,88 1,08 1,23 2,62 0,49 0,12
4 1,76 0,03 0,06 2,03 0,01 0,00 2,91 0,98 0,41
5 1,54 0,14 0,00 1,22 0,49 0,59 1,60 0,10 0,45
6 0,63 1,66 0,77 2,29 0,14 0,09 2,83 0,83 0,31
7 2,30 0,14 0,62 1,80 0,01 0,04 2,13 0,04 0,02
8 1,32 0,36 0,04 1,79 0,02 0,04 2,06 0,02 0,04
9 0,94 0,96 0,32 1,61 0,10 0,14 2,23 0,10 0,00
10 1,15 0,59 0,13 2,30 0,14 0,10 3,06 1,30 0,62
11 0,75 1,37 0,58 2,60 0,46 0,37 1,86 0,00 0,17
12 2,49 0,32 0,96 1,76 0,03 0,05 1,92 0,00 0,12
13 2,14 0,05 0,40 2,14 0,05 0,02 2,16 0,06 0,01
14 1,62 0,09 0,01 2,73 0,66 0,55 2,27 0,12 0,00
15 1,40 0,27 0,01
22,63 6,70 4,17 27,89 3,61 3,52 31,83 4,26 2,50
x1 = 1,51 x 2 = 1,99 x3 = 2,27

82,35 6,70 + 3,61 + 4,26 14,57
x = = 1,92 2
S общ = = = 0,347
43 42 42

Student\Math\номер группы\ name_ 9.
2. Просмотрите приведенный выше пример вычислений и создайте
расчетную таблицу.
3. Сделайте вывод о влиянии ландшафтных условий на результаты гео-
химической съемки.
52
Тема: Двухфакторный дисперсионный анализ

Цель работы: научится определять степень влияния нескольких факторов на
значение геологического признака.
Задача: Оценка условий концентрации полезных минералов в морских
осадках с помощью двухфакторного дисперсионного анализа (по О.И. Гусь-
кову, 1990)
При изучении условий формирования прибрежно-морских россыпных
месторождений производится отбор проб донных морских осадков по про-
филям, ориентированным поперек берега. Станции, на которых осуществля-
ется опробование, обычно намечаются в соответствии с глубинами моря (3,
4, 5, 6 м и т.д.). В точках опробования исследуется разрез донных отложений
и содержания полезных компонентов, в число которых входят ильменит, ру-
тил и циркон. Они могут определяться для слоев, залегающих на разном
уровне относительно морского дна. При изучении разреза характеризуются
также литологический состав осадков и содержание в них тяжелой фракции.
Для целенаправленного ведения поисковых работ и выбора наиболее
перспективных участков необходимо изучить причины возникновения по-
вышенных концентраций тяжелых минералов, в том числе представляющих
промышленный интерес. Из теоретических предпосылок известно, что нако-
пление таких минералов может происходить при изменении емкости вдоль-
берегового потока наносов или под действием волнения, которое проявляется
в поперечном относительно берега направлении. Таким образом, содержания
минералов могут меняться в зависимости от положения профиля (I фактор)
или от положения станции относительно берега, т.е. в зависимости от глуби-
ны моря (II фактор).
Исходными данными для выполнения работы являются результаты оп-
робования отложений подводного склона на одном из участков побережья
Балтийского моря. В качестве анализируемого признака могут рассматри-
ваться содержания тяжелой фракции, ильменита, рутила или циркона по пер-
вому или второму слою, а также средние значения этих признаков в обоих
слоях.
Требуется: изучить однородность статистической совокупности и оце-
нить влияние на изменчивость содержаний тяжелых минералов в отложениях
двух факторов - вдольберегового перемещения потока наносов и сортировки
материала под воздействием волнения.
Таблица 22
Данные опробования отложений подводного склона
№№ п/п № про- № стан- Глубина № слоя Содержание, %

53
филя ции моря, м Тяжелая Литологический

Ильменит Рутил Циркон
фракция состав
1 1 1125 4 1 1,5 0,28 0,16 0,13 Песок
2 1,7 0,26 0,15 0,12 "
2 1 1126 5 1 2,1 0,41 0,18 0,14 "
2 2 0,45 0,16 0,12 "
3 1 1127 6 1 6 0,67 0,67 0,51 "
2 5,3 0,51 0,49 0,42 "
4 1 1128 7 1 6,6 0,73 0,99 0,82 "
2 2,3 0,42 0,19 0,15 "
5 1 1129 8 1 1,8 0,22 0,21 0,18 "
2 2,4 0,46 0,22 0,21 "
6 2 1131 4 1 1,8 0,34 0,29 0,26 "
2 1,4 0,33 6,13 0,1 "
7 2 1132 5 1 6 0,87 0,67 0,55 "
2 4,2 0,6 0,43 0,34 "
8 2 1133 6 1 11,7 1,72 1,36 1,23 "
2 8,2 0,99 0,81 0,85 "
9 2 1134 7 1 3,4 0,43 0,42 0,32 "
2 3,5 0,62 0,46 0,39 "
10 2 1135 8 1 10 1,3 1,36 1,13 "
2 9,2 1,25 1,28 1,2 "
11 3 1138 4 1 1,8 0,22 0,25 0,21 Песок
2 1,9 0,3 0,18 0,14 "
12 3 1139 5 1 0,5 0,1 0,07 0,01 "
2 0,7 0,11 0,08 0,01 "
13 3 1140 6 1 7,9 0,92 0,66 0,46 "
2 9 1,11 1,52 1,2 "
14 3 1141 7 1 8 1,11 0,7 0,55 "
2 7,3 0,88 0,62 0,43 "
15 3 1142 8 1 0,2 0,02 - - Гравий
2 0,2 0,01 - - "
16 4 1143 4 1 1,6 0,19 0,22 0,19 Песок
2 1,9 0,25 0,21 0,2 "
17 4 1144 5 1 0,8 0,07 0,11 0,09 "
2 0,5 0,06 0,09 0,06 "
18 4 1145 6 1 0,1 0,02 0,01 0,01 Гравий
2 0,1 0,01 - - "
19 4 1146 7 1 - - - - Торф
2 - - - - "
20 4 1147 8 1 - - - - "
2 - - - - "
21 5 1148 4 1 8,8 1,55 1,83 1,64 Песок
2 5,8 0,71 0,85 0,8 "
22 5 1149 5 1 4,9 0,65 0,56 0,4 "
2 3,1 0,42 0,45 0,38 "
23 5 1150 6 1 3,3 0,47 0,35 0,26 "
2 4,8 0,63 0,7 0,59 "
24 5 1151 7 1 1,09 0,16 0,12 0,1 Песок
2 2,55 0,22 0,23 0,18 "
54
25 5 1152 8 1 0,5 0,07 0,09 0,08 "

2 0,01 - - - Гравий
26 6 1181 4 1 2,1 0,33 0,41 0,3 Песок
2 1 0,06 0,03 - о;о2 "
27 6 1182 5 1 1 0,19 0,10 0,08 "
2 1,1 0,18 0,19 0,16 "
28 6 1183 6 1 1,3 0,22 0,17 0,14 "
2 1,2 0,25 0,16 0,12 "
29 6 1184 7 1 0,3 0,01 - - Песок, гравий
2 0,2 0,01 - - "
30 6 1185 8 1 - - - - Суглинок
2 - - - - "
31 7 1192 4 1 4 0,52 0,54 0,44 Песок
2 5,5 0,61 0,68 0,53 "
32 7 1193 5 1 1,9 0,31 0,24 0,21 "
2 2,3 0,35 0,32 0,24 "
33 7 1194 6 1 0,9 0,12 0,07 0,05 "
2 0,6 0,04 0,11 0,09 "
34 7 1195 7 1 1 0,14 0,07 0,05 "
2 1 0,08 0,07 0,06 "
35 7 1196 8 1 1,4 0,26 0,12 0,1 "
2 1,5 0,16 0,17 0,14 "
36 8 1197 4 1 0,9 0,16 0,14 0,11 Песок
2 1,6 0,3 0,18 0,12 "
37 8 1198 5 1 1,9 0,31 0,32 0,27 "
2 2,2 0,22 0,19 0,18 "
38 8 1199 6 1 2,3 0,51 0,23 0,18 "
2 3,6 0,62 0,55 0,4 "
39 8 1200 7 1 1,6 0,23 0,21 0,17 "
2 1,8 0,25 0,31 0,27 "
40 8 1201 8 1 4,6 0,57 0,36 0,3 "
2 5,4 0,62 1,09 0,82 "
41 9 1202 4 1 2,2 0,17 0,18 0,11 "
2 0,9 0,14 0,03 0,02 "
42 9 1203 5 1 0,6 0,08 0,05 0,02 "
2 0,8 0,09 0,06 0,02 "
43 9 1204 6 1 2,3 0,38 0,22 0,16 "
2 4,5 0,87 0,83 0,7 "
44 9 1205 7 1 2,3 0,38 0,22 0,16 "
2 10 1,47 2,03 1,01 "
45 9 1206 8 1 5,5 0,69 1,17 1,03 "
2 5,4 0,62 1,09 0,82 "
При двухфакторном дисперсионном анализе сумма квадратов отклоне-

ний от общего среднего разделяется на компоненты, отвечающие двум пред-
полагаемым факторам изменчивости - А и В. Если по фактору А выделяется
55
р уровней, а по фактору B - q уровней, то общее количество групп будет рав-

но m=pq, а исходные данные можно записать в виде табл. 23.
Если для каждого сочетания факторов АiВi произведено по n наблюде-
ний (двухфакторный дисперсионный анализ с повторением), то в каждую
клетку табл. 23 помещается n значений, а единичное наблюдение обозначает-
ся как xijk, где k=1, 2, .., n. Оценки средних значений по группам ( xij ) , по фак-
торам (хi.. и x.j.) и общее среднее (x ) в этом случае рассчитываются по форму-
лам:
1 n
xij. = ∑ xijk
n k =1
1 q n 1 q
xi .. = ∑∑ ijk q ∑
qn j =1 k =1
x =
j =1
xij
1 p n 1 p
x. j . = ∑ ∑ ijk p ∑
pn i =1 k =1
x =
i =1
xij
Таблица 23
Двухфакторный дисперсионный анализ
А Уровни фактора В Среднее
В1 В2 ... Вj ... Вq
А1 x11 x12 ... x1j, ... x1q x1
А2 x21 x22 ... x2j, ... x2q
.
. . . . . . .
.
. . . . . . .
.
. . . . . . .
.
Ai xi1 xi2 ... xij, ... xiq
. . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
Ap xp1 xp2 ... xpj, ... xpq .
xp
Среднее x .1 x .2 … x . j … x . q x
Общая схема вычисления дисперсий при двухфакторном анализе при-

ведена в табл. 24.
Проверка гипотезы о влиянии на изменчивость изучаемого свойства
каждого фактора в отдельности и их совместного влияния производится по
критерию Фишера:
FA = S12 / S 42 ; FB = S 22 / S 42 ; FAB = S 32 / S 42 ;
56
Полученные значения F-критерия сравниваются с критическим для за-

данного уровня значимости и числа степеней свободы, приведенного в
табл.23.
Таблица 24
Схема вычисления дисперсий при двухфакторном дисперсионном анализе
Вид дисперсии Сумма квадратов откло- Число степеней Дисперсия
нений свободы
Факторная по фактору А p p-1 C1

C1 = nq∑ ( xi .. − x )2 S12 =
i =1
p −1
Факторная по фактору В q q-1 C2
C2 = np ∑ ( x. j . − x )2 S 22 =
j =1
q −1
Смешанная по факторам p q (p-1)( q-1) C3
АВ C 3= n ∑∑ (xij. − xi .. − x. j . + x )2 S32 =
i =1 j =1
( p − 1)(q − 1)
Остаточная p q n pq(n-1) C4
C4 = ∑∑∑ ( xijk − xij. ) 2 S 42 =
i =1 j =1 k =1
pq (n − 1)
Общая p q n npq-1 C
C = ∑∑∑ ( xijk − x )2 S2 =
i =1 j =1 k =1
npq − 1
При расчете F-критерия в данном случае в знаменателе всегда берется

остаточная дисперсия. Поэтому его значение иногда может получиться
меньше 1.
Приведенные схемы дисперсионного анализа основаны на свойствах
нормального закона распределения и предположении о равенстве дисперсий
на разных уровнях одного и того же фактора. Однако F-критерий по выбор-
кам достаточно большого объема устойчив и для совокупностей умеренно
отклоняющихся от нормальных. Умеренное различие в дисперсиях так же не
является препятствием для его применения при условии приблизительного
равенства объемов выборок по группам. Если возможность применения F-
критерия все же вызывает сомнения можно воспользоваться непараметриче-
скими критериями.
3. Просмотрите пример расчетной таблицы.
Таблица 25
57
№ профи- Содержание минерала,% Среднее

ля (уровни по глубинам моря, м (уровни В) по глуби-
А) р 4 5 6 7 8 4 нам q
1 1,5 2,1 6 6,6 1,8 3,60 1
2 1,8 6 11,7 3,4 10 6,58 2
3 1,8 0,5 7,9 8 0,2 3,68 3
4 1,6 0,8 0,1 0 0 0,50 4
5 8,8 4,9 3,3 1,09 0,5 3,72 5
6 2,1 1 1,3 0,3 0 0,94 6
7 4 1,9 0,9 1 1,4 1,84 7
8 1 1 2,3 1,6 4,6 2,10 8
9 2,2 0,6 2,3 2,3 5,5 2,58 9
Среднее Среднее
Общее
по профи- 2,76 2,09 3,98 2,70 2,67 по профи-
среднее
лям лям
4. Сделайте необходимые расчеты

5. Сделайте вывод о влиянии факторов вдольберегового переноса и пе-
реноса от берега на концентрацию минералов тяжелой фракции.
Тема: Двухфакторный дисперсионный анализ
Цель работы: научится определять степень влияния нескольких факторов на

значение геологического признака при помощи пакета анализа Excel.
Задача. Для условий задачи предыдущей лабораторной работы выполните
расчеты при помощи пакета анализа Excel.
Для расчетов используйте диалоговое окно "Двухфакторный дисперсионный

анализ с повторениями" меню Сервис – Анализ данных
Таблица 26
Диалоговое окно "Двухфакторный дисперсионный анализ с повторениями"
Входной диапа- Ссылка на диапазон, содержащий анализируемые данные. Ссылка должна состоять не
зон менее чем из двух смежных диапазонов данных, данные в которых расположены по
строкам или столбцам.
Введите число строк, содержащихся в одной выборке. Поскольку каждая строка пред-
Число строк на
ставляет повторение данных, то каждая выборка должна содержать одно и тоже количе-
выборку
ство строк.
Введите уровень значимости, необходимый для оценки критических параметров F-
Альфа статистики. Уровень альфа связан с вероятностью возникновения ошибки типа I (опро-
вержение верной гипотезы).
Введите ссылку на ячейку, расположенную в левом верхнем углу выходного диапазона.

Выходной диапа-
Размеры выходной области будут рассчитаны автоматически, и соответствующее сооб-
зон
щение появится на экране в том случае, если выходной диапазон занимает место суще-
58
ствующих данных или его размеры превышают размеры листа.
Установите переключатель, чтобы открыть новый лист в книге и вставить результаты

Новый лист анализа, начиная с ячейки A1. Если в этом есть необходимость, введите имя нового лис-
та в поле, расположенном напротив соответствующего положения переключателя.
Установите переключатель, чтобы открыть новую книгу и вставить результаты анализа

Новая книга в ячейку A1 на первом листе в этой книге.
Сделайте вывод о влиянии факторов вдольберегового переноса и пере-

носа от берега на концентрацию минералов тяжелой фракции и сравните по-
лученные результаты с расчетами предыдущей лабораторной работы.
Тема: Изучение корреляционной связи химических элементов и ИКП триад

элементов в полиметаллических рудах с помощью уравнений регрессии
Цель работы: определить с заданной вероятностью существование кор-

реляционных связей содержаний химических элементов в рудах и охаракте-
ризовать их.
Задача: В рудах полиметаллического месторождения, кроме основных
полезных компонентов - цинка, свинца и меди, содержатся попутные полез-
ные компоненты - золото, серебро, кадмий, сурьма, барий и сульфидная сера,
извлекаемые из руд в процессе переработки. При наличии корреляционной
связи между концентрациями основных и попутных компонентов содержа-
ния последних по отдельным участкам месторождения могут оцениваться по
присутствию основных компонентов, что позволяет существенно уменьшить
затраты на анализы. Для решения вопроса о возможности применения корре-
ляционного метода подсчета запасов попутных компонентов и расчета урав-
нений регрессии используются результаты анализов на основной и попутные
компоненты по пробам.
Требуется:
1. Изучить поля корреляции для указанных преподавателем элементов.
2. Проверить гипотезу о наличии корреляционной связи между основ-
ными и попутными компонентами.
3. Определить, с каким из основных компонентов наиболее тесно свя-
зан каждый попутный компонент, оценить вид, тип и силу этой связи.
4. Рассчитать уравнения регрессии для оценки содержаний попутных
компонентов по основным.
Таблица 27
Первый вариант триад содержаний и ИКП породообразующих оксидов в по-
родах изучаемых интрузий гранитоидов татарско-аяхтинского комплекса
59
Содержания, Cu, Pb, Zn, Ba, S в %, для и пропорциональность

Cu, % Pb, % Zn,% ИКП Au, % Ag, % Cd, % ИКП Sb, % Ba, % S, % ИКП
0,26 1,73 8,67 0,5449 0,2 32,8 32 0,3868 560 9,92 9,1 0,9314
0,2 1,66 4,47 0,3928 0,1 28,8 19 0,4131 108 5,07 6,36 0,7173
1,26 3,29 2,02 0,0729 0,6 126,8 4 0,9333 40 19,95 10 0,1431
0,34 3,08 8,46 0,4052 0,4 128,8 33 0,5768 660 9,41 33,19 0,8379
0,06 0,21 0,42 0,222 0,2 16,8 2 0,7049 73 2,54 17,66 0,4939
0,11 1,5 3,2 0,3777 0,4 39,6 7 0,6301 223 7,63 8,96 0,7992
0,14 1,6 3,49 0,3694 0,1 19,6 9 0,4548 118 6,87 10,34 0,6318
0,09 0,65 1,7 0,3727 0,2 35,2 4 0,7389 60 2,18 8,56 0,5962
0,26 2,05 3,82 0,3035 0,2 35,7 15 0,468 103 7,34 20,95 0,4541
0,29 2,05 4,66 0,3362 0,1 12,4 13 0,3828 229 8,01 13,66 0,7474
0,12 1,43 3,3 0,385 0,1 24,8 10 0,4809 96 10,15 1,94 0,699
0,02 0,55 1,85 0,5169 0,1 11,6 7 0,4066 49 2,19 2,1 0,7628
0,12 0,25 2,6 0,6442 0,1 11,6 9 0,3862 31 3,06 1,76 0,6153
0,38 0,08 5,53 0,7923 0,4 52,8 22 0,4629 220 4 2,48 0,9497
0,3 0,14 8,41 0,8698 0,4 18,4 34 0,4108 434 3,36 9,2 0,9541
0,02 0,46 1,76 0,5419 0,2 19,6 7 0,4826 15 2,24 2,46 0,3841
0,34 3,08 8,46 0,4052 0,4 20,8 32 0,3889 410 9,41 33 0,7379
1,26 3,29 22,82 0,5507 0,6 131,4 84 0,4126 2200 10,95 30,04 0,9967
2,22 0,66 15,88 0,5872 0,1 106,6 62 0,4363 464 0,92 17,6 0,9283
0,75 0,78 4,2 0,3333 0,1 91,2 16 0,6702 55 2,56 4,6 0,6663
4,64 0,37 13,48 0,443 0,4 63,2 51 0,3903 684 6,29 13 0,9556
3,64 0,85 35,97 0,6962 0,8 94,4 160 0,42 3160 5,58 28 1,0355
0,95 0,56 8,02 0,557 0,2 122 35 0,5589 272 3,25 7 0,9199
0,09 0,66 1,47 0,3351 0,1 10 5 0,4265 57 3,01 0,56 0,849
0,02 0,46 0,85 0,3822 0,1 3,8 3 0,3466 9 1,66 0,8 0,4432
0,02 0,39 1,17 0,4755 0,1 5 4 0,3587 15 2,21 1,4 0,4771
0,15 0,08 2,9 0,7886 0,1 10 40 0,5848 31 4,19 1,2 0,6006
0,25 0,06 2,9 0,7337 0,1 12,4 10 0,3858 50 3,12 0,6 0,8163
1,17 0,12 9,25 0,6891 0,1 112,8 37 0,5344 408 2,52 8,2 0,9655
0,06 0,06 1 0,6838 0,1 7 3 0,4383 26 1,94 1,68 0,6429
0,05 0,02 1,58 0,8977 0,1 8,4 6 0,3829 71 2,45 1,3 0,8672
0,23 0,09 3,12 0,7339 0,1 26 14 0,4353 71 4,84 1,3 0,7797
0,09 0,05 0,63 0,506 0,1 11 3 0,5406 35 4,1 0,46 0,7035
0,15 0,12 0,9 0,3999 0,1 12,8 3 0,5775 105 4,81 0,8 0,8772
0,06 0,75 1,71 0,3858 0,1 16,8 6 0,4967 93 4,21 2,6 0,8042
0,1 0,1 3,2 0,8341 0,1 4,2 12 0,4925 133 3,41 4,6 0,8418
0,44 2,32 8,2 0,4238 0,1 68,8 31 0,4717 307 27,78 12,28 0,6698
0,08 0,49 1,05 0,3073 0,1 27 3 0,7523 100 1,73 1,4 0,9418
0,02 0,22 0,65 0,4383 0,4 10,2 2 0,5259 33 1,73 0,8 0,7974
0,02 0,46 1,3 0,469 0,1 7,2 4 0,402 55 1,89 1,56 0,8337
0,02 0,47 0,94 0,3974 0,1 21 2 0,7766 144 1,88 1,7 0,9677
1,06 5,61 29,3 0,5379 0,8 97,6 101 0,3822 3100 23,82 30,47 0,9998
0,58 4,51 18,28 0,4972 2,2 119,2 62 0,3989 2310 18,53 15,56 1,0126
0,54 3,41 6,15 0,2734 0,4 141 26 0,6504 920 35 12,32 0,8752
60
0,11 0,83 1,92 0,3467 0,1 23,6 6 0,5737 220 2 3,14 0,9745
0,08 3,21 7,44 0,4472 0,4 38 28 0,3843 164 9,98 10,14 0,6779
0,52 1,69 3,3 0,2063 0,2 64,2 13 0,6285 56 6,65 4,4 0,5403
0,3 7,02 24,37 0,5186 0,2 160 96 0,4312 1980 19,92 29,2 0,9683
0,26 1,69 2,6 0,2474 0,4 33 10 0,5089 164 7,76 3,6 0,8182
0,37 5,61 1,34 0,433 0,4 90,4 38 0,4721 638 9 14 0,9243
Таблица 28
Второй вариант триад содержаний и ИКП породообразующих оксидов в по-
родах изучаемых интрузий гранитоидов татарско-аяхтинского комплекса
Содержания, Cu, Pb, Zn, Ba, S в %, Au и Ag в г/т, Cd и Sb в n*10-4% и пропорциональность (ИКП)

Cu, % Pb, % Zn,% ИКП Au, % Ag, % Cd, % ИКП Sb, % Ba, % S, % ИКП
1,73 0,2 560 1,0746 8,67 32,8 32 0,1244 0,26 9,92 9,1 0,3443
1,66 0,1 108 1,0129 4,47 28,8 19 0,1921 0,2 5,07 6,36 0,3367
3,29 0,6 40 0,7611 2,02 126,8 4 0,8852 1,26 19,95 10 0,3183
3,08 0,4 660 1,064 8,46 128,8 33 0,4203 0,34 9,41 33,19 0,5286
0,21 0,2 73 1,0602 0,42 16,8 2 0,662 0,06 2,54 17,66 0,7013
1,5 0,4 223 1,0455 3,2 39,6 7 0,4642 0,11 7,63 8,96 0,3736
1,6 0,1 118 1,0209 3,49 19,6 9 0,1996 0,14 6,87 10,34 0,3844
0,65 0,2 60 1,0175 1,7 35,2 4 0,6099 0,09 2,18 8,56 0,5502
2,05 0,2 103 0,9888 3,82 35,7 15 0,28 0,26 7,34 20,95 0,4795
2,05 0,1 229 1,0441 4,66 12,4 13 0,0818 0,29 8,01 13,66 0,3783
1,43 0,1 96 1,0141 3,3 24,8 10 0,2562 0,12 10,15 1,94 0,6073
0,55 0,1 49 1,0232 1,85 11,6 7 0,1927 0,02 2,19 2,1 0,3793
0,25 0,1 31 1,0306 2,6 11,6 9 0,1394 0,12 3,06 1,76 0,3439
0,08 0,4 220 1,0821 5,53 52,8 22 0,2839 0,38 4 2,48 0,256
0,14 0,4 434 1,0883 8,41 18,4 34 0,1382 0,3 3,36 9,2 0,4207
0,46 0,2 15 0,8981 1,76 19,6 7 0,3254 0,02 2,24 2,46 0,3821
3,08 0,4 410 1,047 8,46 20,8 32 0,1192 0,34 9,41 33 0,5272
3,29 0,6 2200 1,0849 22,82 131,4 84 0,1782 1,26 10,95 30,04 0,4014
0,66 0,1 464 1,0858 15,88 106,6 62 0,2041 2,22 0,92 17,6 0,5819
0,78 0,1 55 1,012 4,2 91,2 16 0,5325 0,75 2,56 4,6 0,1949
0,37 0,4 684 1,0891 13,48 63,2 51 0,1466 4,64 6,29 13 0,0978
0,85 0,8 3160 1,0938 35,97 94,4 160 0,1462 3,64 5,58 28 0,3726
0,56 0,2 272 1,0778 8,02 122 35 0,3994 0,95 3,25 7 0,2366
0,66 0,1 57 1,0234 1,47 10 5 0,2181 0,09 3,01 0,56 0,5595
0,46 0,1 9 0,8481 0,85 3,8 3 0,1398 0,02 1,66 0,8 0,4261
0,39 0,1 15 0,9422 1,17 5 4 0,1337 0,02 2,21 1,4 0,4004
0,08 0,1 31 1,0591 2,9 10 40 0,4132 0,15 4,19 1,2 0,4583
0,06 0,1 50 1,075 2,9 12,4 10 0,1339 0,25 3,12 0,6 0,4496
0,12 0,1 408 1,0936 9,25 112,8 37 0,3502 1,17 2,52 8,2 0,2854
0,06 0,1 26 1,0573 1 7 3 0,2386 0,06 1,94 1,68 0,336
0,02 0,1 71 1,0854 1,58 8,4 6 0,164 0,05 2,45 1,3 0,3917
0,09 0,1 71 1,0783 3,12 26 14 0,2383 0,23 4,84 1,3 0,4456
0,05 0,1 35 1,0684 0,63 11 3 0,4238 0,09 4,1 0,46 0,6824
0,12 0,1 105 1,0822 0,9 12,8 3 0,4289 0,15 4,81 0,8 0,5789
61
0,75 0,1 93 1,0437 1,71 16,8 6 0,3095 0,06 4,21 2,6 0,3894
0,1 0,1 133 1,0863 3,2 4,2 12 0,1729 0,1 3,41 4,6 0,3585
2,32 0,1 307 1,0515 8,2 68,8 31 0,2574 0,44 27,78 12,28 0,4291
0,49 0,1 100 1,06 1,05 27 3 0,6368 0,08 1,73 1,4 0,3115
0,22 0,4 33 0,9947 0,65 10,2 2 0,4748 0,02 1,73 0,8 0,4337
0,46 0,1 55 1,0375 1,3 7,2 4 0,1809 0,02 1,89 1,56 0,3785
0,47 0,1 144 1,071 0,94 21 2 0,6492 0,02 1,88 1,7 0,3762
5,61 0,8 3100 1,083 29,3 97,6 101 0,1111 1,06 23,82 30,47 0,3314
4,51 2,2 2310 1,077 18,28 119,2 62 0,2087 0,58 18,53 15,56 0,3358
3,41 0,4 920 1,0705 6,15 141 26 0,5281 0,54 35 12,32 0,4698
0,83 0,1 220 1,0699 1,92 23,6 6 0,3957 0,11 2 3,14 0,3425
3,21 0,4 164 0,9871 7,44 38 28 0,1581 0,08 9,98 10,14 0,3824
1,69 0,2 56 0,9438 3,3 64,2 13 0,4928 0,52 6,65 4,4 0,2732
7,02 0,2 1980 1,0741 24,37 160 96 0,1992 0,3 19,92 29,2 0,3905
1,69 0,4 164 1,0249 2,6 33 10 0,3685 0,26 7,76 3,6 0,3809
5,61 0,4 638 1,0434 1,34 90,4 38 0,44 0,37 9 14 0,3585
Корреляция в математической статистике, вероятностная (статистиче-

ская) зависимость, не имеющая функционального характера. В отличие от
функциональной, корреляционная зависимость возникает тогда, когда один
из признаков зависит не только от второго, но и от других признаков, или ко-
гда среди условий, от которых зависят два признака, имеются общие для них
условия. Пример такого рода зависимости может устанавливаться при помо-
щи корреляционной таблицы Другим, во многом более удобным способом
отражения корреляционной зависимости является корреляционная диаграмма
(поле корреляции).Корреляционное поле и корреляционная таблица являются
вспомогательными средствами при анализе выборочных данных, по их виду
можно составить предварительное мнение о форме зависимости случайных
величин (например, о том, что одна величина в среднем возрастает или убы-
вает при возрастании другой). Более точную информацию о характере и силе
связи между признаками дают аналитические показатели.
Влияние одной случайной величины на другую характеризуется зако-
нами условных распределений первой при фиксированных значениях второй.
Пусть каждому возможному значения Х = х соответствует не какое-либо зна-
чение величины Y, а набор ее значений у1, у2, .., уn, каждому из них свойст-
венна определенная вероятность р1, р 2, .., pn. Функция распределения величи-
ны Y, соответствующая значению Х=х, характеризуется математическим
ожиданием y( x и дисперсией σ 2(y . Зависимость Y от Х проявляется в изменении
средних значений Y при изменении X, хотя при каждом Х = х величина Y ос-
таётся случайной величиной с определенным
(
рассеянием.
Распределения величины Y , соответствующие выбранным значениям
величины X, называются условными распределениями, а дисперсии σ y2( —
62
условными дисперсиями. Геометрическое место точек, соответствующих

центрам условных распределений y( , называется линией регрессии, а уравне-
ние этой линии — уравнением регрессии. Аналогично каждому значению
случайной величины Y=y соответствует некоторая функция распределения
величины Х с математическим ожиданием x( y и дисперсией σ x(2 .
Системе из двух случайных величин всегда будет соответствовать две
линии регрессии: yx=f(x )— регрессия Y по X и xy=f(y) — регрессия Х по Y. Ес-
ли линии регрессии прямые, то регрессия двух величин называется линей-
ной. В более сложных случаях линии регрессии соответствуют кривым лини-
ям, а регрессия случайных величин называется нелинейной.
В прямоугольной системе координат линии регрессии могут быть зада-
ны аналитически. Для линейной регрессии будем иметь следующую пару
уравнений:
у=а1+b1х (регрессия У по X);

х=а2+Ь2у (регрессия Х по У).
Уравнения нелинейной регрессии зависят от вида кривой. Например,

для параболической регрессии
у=а1+b1х+с1х2; х=а 2+b2у+с2у2.
Совместное исследование двух признаков во многих случаях позволяет

оценить интервал значений, в котором с заданной вероятностью изменяется
значения одного признака, если сопряженный признак характеризуется опре-
деленным значением. Основными числовыми характеристиками двумерного
распределения случайных величин являются ковариация, или корреляцион-
ный момент (момент связи), коэффициент корреляции и корреляционное от-
ношение.
Ковариация, или корреляционный момент, представляет собой матема-
тическое ожидание произведения отклонений двух случайных величин от их
математических ожиданий
cov (х,у) = М[(х-Мх)(у-Му)] = [

M ( x y − Mx )( y x − My ) ]
Коэффициент корреляции представляет собой ковариацию, нормиро-

ванную по стандартам ρ=cov(x,y)/σчσy. Пределами изменения коэффициента
корреляции являются ρ = -1 и ρ=1, причем значение 1 соответствует функ-
63
циональной связи величин, а ρ=0 полному отсутствию линейной связи. Знак

коэффициента (+) или (-) указывает на характер связи (прямая или обратная).
Если оба уравнения регрессии линейные, вида у=а1+b1х х=а2+ b2у, то
коэффициент корреляции ρ = b1b2 .
Корреляционным отношением называется отношение дисперсий (стан-
дартов) центров условных распределений к общей дисперсии (стандарту) ве-
личины. Таких отношений в двумерном распределении, так же как и уравне-
ний регрессии, очевидно, может быть два:
σ yx σ xy
ηy / x = ηx / y =
σy σx
В случае линейности обоих уравнений регрессии значения η y / x и

η x / y равны друг другу. Величины корреляционных отношений изменяются в
пределах от 0 до 1. Значение η=0 свидетельствует о независимости величин,
образующих двумерное распределение.
Корреляционный анализ случайных величин проводится в следующей
последовательности: 1) построение поля корреляции 2) вычисление выбо-
рочных коэффициентов корреляции и (или) корреляционного отношения; 3)
проверка статистической гипотезы значимости связи. Дальнейшее исследо-
вание заключается в установлении конкретного вида зависимости между ве-
личинами при помощи регрессионного анализа.
Форма и ориентировка корреляционного поля точек позволяют судить
о наличии и силе корреляционной связи, о ее прямом или обратном характе-
ре, линейном или нелинейном виде. Если связь между изучаемыми свойства-
ми существует, то корреляционное поле точек имеет форму вытянутого эл-
липса, длинная ось которого наклонена относительно осей координат. По на-
правлению наклона определяется характер связи: положительная (прямая)
когда при увеличении признака Х увеличиваются значения признака Y, или
отрицательная (обратная) когда при увеличении признака Х значения при-
знака Y уменьшаются. Когда связь отсутствует, корреляционное поле точек
имеет изометричную форму или представляет собой эллипс, длинная ось ко-
торого параллельна одной из осей координат. Наличие перегибов оси корре-
ляционного поля точек указывает на нелинейный вид связи.
Корреляционное поле точек позволяет также проверить однородность
выборочной совокупности. Если на графике имеются точки, значительно
удаленные от основного поля, это указывает на возможное засорение выбор-
ки аномальными значениями, не характерными для данного объекта. Причи-
64
ны появления таких значений необходимо выяснить. Нередко они возникают

в результате ошибок при замерах или анализах, а также за счет арифметиче-
ских ошибок и опечаток.
Корреляционное поле точек позволяет судить и о виде статистического
распределения случайной двумерной величины. Для этого необходимо на
графике провести линии, соответствующие медианам значений Х и Y. Поло-
жение медиан легко определить, перемещая по графику прозрачную линейку
параллельно осям координат до такого положения, когда число точек над и
под линейкой окажется одинаковым. Если медианы пересекаются в центре
графика, и место их пересечения совпадает с максимальным количеством то-
чек на единицу площади, то распределение изучаемой двумерной случайной
величины является симметричным и, возможно, близко к двумерному нор-
мальному.
Если большинство точек и место пересечения медиан смещены от цен-
тра графика к началу координат, то двумерная случайная величина распреде-
лена асимметрично и, возможно, мы имеем дело с двумерным логнормаль-
ным распределением. Смещение к началу координат одной из медиан указы-
вает на то, что асимметричное распределение характерно для одного из рас-
сматриваемых свойств. В двух последних случаях целесообразно пролога-
рифмировать значения одного или обоих признаков.
Проверка гипотезы о наличии корреляционной связи обычно основана
на том, что для двумерной нормально распределенной случайной величины
XY при отсутствии корреляции между Х и Y коэффициент корреляции и кор-
реляционное отношение равны нулю. Поэтому процедура проверки заключа-
ется в расчете выборочных оценок этих характеристик и оценке значимости
их отличия от нуля.
Выборочная оценка коэффициента корреляции может быть рассчитана
по формуле
n
∑ (x i − x )( yi − y )
r= i =1
(n − 1) S x S y
где x и y - выборочные оценки средних значений случайных величин X и У;

Sx и Sy - выборочные оценки их стандартов; n - количество сравниваемых пар
значений.
Когда математическое ожидание выборочного коэффициента корреля-
r
ции равно нулю, величина t = n − 2 имеет распределение Стьюдента с
1− r2
n-2 степенями свободы. Если рассчитанное по этой формуле значение вели-
чины превышает табличное значение критерия Стьюдента для принятой до-
65
верительной вероятности и числа степеней свободы f= n-2, гипотеза об от-

сутствии корреляционной связи отвергается.
Если линии регрессии заметно отличаются от прямой, гипотезу о нали-
чии корреляционной связи следует проверить с помощью корреляционного
отношения. Для вычисления оценок корреляционных отношений выбороч-
ные данные группируются в классы по значениям одного из исследуемых
свойств. По каждому классу рассчитываются групповые средние yi или xi и
оценки стандартных отклонений групповых средних S y и S x по формулам i i
m m
1 1
S yi =
N
∑n (y
i =1
i i − y)2 S xi =
N
∑ n (x
i =1
i i − x )2
где ni - число наблюдений в i-ой группе; m— число групп; N— общее число

наблюдений.
Выборочные значения корреляционных отношений определяются
η y / x = S yi / S y η x / y = S xi / S x
где Sx и Sy —оценки общего стандартного отклонения исследуемых случай-

ных величин.
Статистическая значимость отличия корреляционного отношения от
нуля проверяется с помощью критерия
η y2 / x ( N − m − 2) (m − 2)( N − m − 4)
θy =
(1 − η 2
y/x )(m − 2) 2( N − 4)
При равенстве истинного корреляционного отношения нулю величина

θ y распределена нормально с математическим ожиданием 0 и дисперсией 1,
что позволяет определять критические значения θ y для заданных довери-
тельных вероятностей по таблицам нормального распределения. Если рас-
четное значение θ y превышает критическое, гипотеза об отсутствии корреля-
ционной связи отвергается. Аналогично проверяется гипотеза о наличии кор-
реляционной связи по η x / y .
Для решения поставленной задачи для каждого попутного компонента
необходимо построить точечные диаграммы (корреляционные поля точек),
отмечая по оси абсцисс содержания основных компонентов (X), а по оси ор-
динат - содержания попутных (Y). Этот график позволяет оценить однород-
ность исследуемой выборки и выявить аномальные значения. Аномальными
признаются пары х и у, расположенные на значительном удалении от основ-
ной массы точек. Такие значения целесообразно исключить из выборки. Если
66
на диаграмме отчетливо выделяется несколько разобщенных групп точек,

данную выборку целесообразно разделить на соответствующее количество
самостоятельных выборок и в дальнейшем анализировать каждую из них от-
дельно.
3. Просмотрите пример расчетной таблицы.
4. Введите исходные данные, скопировав их из таблицы содержаний
элементов (дана выше в условиях задачи).
5. Для построения полей корреляций указанных преподавателем эле-
ментов выделим диапазон содержаний изучаемых элементов и воспользуемся
мастером диаграмм щелкнув одноименную кнопку на панели инструментов
Стандартная или используя меню Вставка - Диаграмма.
6. Для нашей цели подходит Стандартная Точечная диаграмма без
соединительных линий.
7. При построении необходимо дать названия диаграмме и осям коор-
динат.
8. Располагайте диаграммы на имеющемся листе ниже таблицы исход-
ных данных.
9. После построения диаграммы воспользуемся меню Диаграмма для
построения линии тренда (в нашем случае линия регрессии). Это меню появ-
ляется в строке меню после построения диаграммы или выделения щелчком
мыши ранее построенной диаграммы.
10. Выбираем Диаграмма - Добавить линию тренда.
11. По умолчанию предлагается линейное сглаживание (изменение
возможно щелчком мыши на Степенная или других вариантах), что соответ-
ствует теме выполняемой лабораторной работы.
12. На вкладке Параметры щелчком мыши проставляем флажок пока-
зывать уравнение на диаграмме - ОК.
13. Если появившееся уравнение располагается неудачно (среди точек
диаграммы и т.д.) перетаскивайте его изображение.
14. Концентрация точек вблизи начала координат Это указывает на
возможную логнормальность распределения анализируемых элементов.
15. После логарифмирования эффект "роения" точек двумерной слу-
чайной величины около нулевого значения пропадает, но неоднородность
выборки остается заметной. Значительно отклоняющиеся от линии регрессии
точки в нашем примере нельзя считать "аномальными" из-за их большого
числа. Следовательно, выборку необходимо разделить на две совокупности.
16. По данным ваших построений сделайте геологический вывод.
67
Лабораторная работа 13
Использование Пакета анализа Microsoft Excel для корреляционного анализа
В состав Microsoft Excel входит пакет анализа, предназначенный для

решения сложных статистических задач. Для проведения анализа данных с
помощью этих инструментов следует указать входные данные и выбрать
68
Таблица 29
Первый вариант триад содержаний и ИКП микроэлементов в породах интрузий гранитоидов татарско-
аяхтинского комплекса
№ обр Содержания, n*10-4% и пропорциональность (ИКП)
. 1 триада 2 триада 3 триада 4 триада 5 триада
Ba Rb Sr ИКП Li Cs Be ИКП Sn Pb Zr ИКП Nb Yb Sc ИКП Y La Ga ИКП V Ni Co ИКП
138202 670 182 482 0,1132 54 8 2,7 0,5567 7,4 46 180 0,4687 43 2,1 7,8 0,5198 20 37 22 0,0396 78 8,1 9,5 0,494
137904 320 128 182 0,072 18 0 2,8 0,7035 1 48 0 0,999 16 0 0 1,0986 0 0 14 1,0986 3,6 8,9 1,4 0,2321
97014 740 162 315 0,1778 23 2,4 0 0,7858 0 15 220 0,8612 36 1,7 4 0,6164 18 26 18 0,0161 13 59 6 0,3915
97017 820 168 265 0,2232 40 5 0 0,7498 0 14 228 0,8776 35 1,7 4 0,6082 17 50 21 0,1179 11 8 5 0,048
1335 560 165 440 0,1019 36 19 2,1 0,3202 4 36 130 0,4765 23 1,9 4,6 0,4381 9,6 34 19,3 0,1167 25 5,6 6,3 0,2469
1374 490 222 277 0,0589 39 7 2,3 0,501 4,5 4,6 130 0,8116 26 2,2 3,4 0,5127 13 21 16 0,0194 21 10 5,2 0,1486
1378 790 160 218 0,2485 36 6 2,3 0,5057 4,2 40 130 0,4525 30 4,6 5,5 0,3606 26 78 17,5 0,2051 23 11 7,7 0,107
1381 620 160 299 0,1416 36 7 3,9 0,4049 4,7 35 150 0,5095 26 2,5 3,8 0,4741 18 65 16 0,2179 23 10 10 0,0855
1386 540 270 190 0,0968 60 6 4,3 0,5824 2,1 46 130 0,4668 26 2,9 3,9 0,4468 11 4,9 18 0,1177 16 7,1 4,4 0,1407
1385 400 236 139 0,087 58 8 3,9 0,5347 2,8 40 160 0,5323 30 2,6 3,6 0,5242 13 34 19 0,0784 15 7,2 2,8 0,1884
1349 620 200 248 0,1301 28 10 2,3 0,3363 3 43 350 0,7114 35 1,6 3,9 0,6195 9,8 210 16 0,6807 0 12 5,2 0,4858
1368 460 197 176 0,1013 13 7 1,8 0,2196 6,9 79 100 0,2792 10 2,3 0 0,6168 7,2 28 19 0,1218 10 4,8 2,3 0,1584
1334 280 174 210 0,0195 14 8 1,6 0,2397 1 68 79 0,3724 22 2,4 1,2 0,603 6,7 42 18 0,223 8 5,6 1,1 0,2059
1352 340 180 204 0,0407 12 6 1 0,2894 1 96 58 0,4015 16 0 1,7 0,7823 10 8,4 14 0,0232 14 6,3 1 0,3189
1390 250 250 95 0,077 40 9 2,4 0,4553 11 62 22 0,2317 23 2,6 0 0,7701 11 0 17 0,4286 4 5,2 0 0,414
1361 220 168 102 0,0454 16 10 2,1 0,2164 0 40 100 0,5003 29 1,4 0 0,9119 3,5 0 15 0,6136 1,8 5,5 1,2 0,2118
134101 240 215 131 0,0302 10 3 1,3 0,3029 0 40 50 0,4117 18 0 0 1,0986 0 0 17 1,0986 4,3 5,5 1 0,168
133602 310 220 370 0,0217 0 4 1 0,5982 1 48 22 0,4109 16 0 1 0,8749 4,8 0 19 0,5959 16 9,3 1,4 0,2698
136303 300 175 206 0,0266 0 4 1,7 0,4892 0 50 38 0,4148 15 0 0 1,0986 0 0 13 1,0986 8,7 6,9 15 0,0557
1435 400 180 234 0,0574 41 4 1,7 0,6532 8,3 44 54 0,1903 11 3,2 2,5 0,2227 11 35 22 0,097 28 4,8 4,5 0,3643
1445 510 160 263 0,1091 49 0 1,7 0,9518 7,9 32 60 0,2271 11 1,9 0 0,6806 12 37 20 0,1013 29 3,3 4,4 0,4416
r052 540 190 175 0,1451 46 0 11 0,6081 4 40 75 0,3272 10 1,6 4,3 0,2222 9,5 26 18 0,0745 52 6,7 4,4 0,5153
97026 720 120 255 0,2413 34 2,9 0 0,8233 0 14 240 0,8853 30 1,3 5 0,5488 15 50 19 0,146 17 13 7 0,0588
1448 710 180 204 0,2079 62 4 2,5 0,7217 10 51 85 0,2326 30 3,5 4,9 0,4247 44 52 21 0,0621 35 3,5 4,9 0,4758
r054 450 180 146 0,1294 32 0 6,4 0,6481 1,4 33 120 0,5303 10 1,2 5,5 0,2365 8,2 86 18 0,41 2,5 3,4 9 0,1574
97025 720 157 185 0,2481 34 2,9 0 0,8233 0 17 188 0,8128 28 1,3 4 0,5717 18 50 19 0,122 12 12 4 0,0944
1446 320 218 131 0,0612 39 3 2,8 0,6236 11 72 100 0,2324 0 6,3 4 0,4306 24 50 20 0,085 46 3,5 3,4 0,621
69
144502 540 110 358 0,1548 39 4 2,8 0,578 14 35 140 0,3712 14 4,3 7,1 0,1133 21 50 28 0,0675 48 1,3 12 0,5061
1449 520 170 182 0,1446 78 8 2,2 0,6802 7,1 45 81 0,2734 20 3,2 3,5 0,3616 14 47 21 0,129 28 1,7 4,1 0,5364
1451 470 200 139 0,135 58 7 2,8 0,599 8,3 100 49 0,2921 16 11 3,5 0,1439 51 32 27 0,0383 15 1,7 1 0,571
1441 480 145 255 0,1119 30 7 1,1 0,4968 7,4 89 56 0,2697 14 1 22 0,3242 8,9 32 24 0,1096 22 1,3 3 0,553
1428 520 185 321 0,0817 84 7 2,2 0,7221 6,5 63 76 0,2581 6 3,1 2,8 0,0625 9,1 41 22 0,1542 33 4,7 3,4 0,4682
97031 830 145 268 0,2475 40 5,1 0 0,7457 0 14 250 0,8913 28 0,9 4 0,6067 12 62 20 0,2321 11 7 5 0,052
1405 0 140 401 0,5268 23 9 2,9 0,2676 5,1 46 290 0,6276 25 1 4,7 0,5325 8,9 34 23 0,1194 26 7,2 6,2 0,2227
1404 460 134 270 0,1105 50 9 4,3 0,4523 3,2 40 200 0,5839 23 1 4,7 0,5079 11 44 16 0,1774 31 14 5,5 0,2019
1416 640 165 431 0,1216 39 4 1,9 0,627 7,8 68 140 0,334 0 1,7 3,4 0,4621 8,7 68 19 0,3168 26 26 4,7 0,1771
1419 390 200 233 0,0437 5 0 1 0,6481 4,8 44 0 0,7771 4 2,5 1 0,1285 7,6 3 16 0,1888 6,3 4 0 0,4306
1410 370 110 190 0,1167 11 0 1,6 0,718 4,8 34 130 0,4735 12 0 4,7 0,5043 7,8 40 23 0,1678 18 4,4 3,1 0,2934
142803 450 175 168 0,1149 64 0 1,9 0,968 5,8 56 79 0,2763 6 3,2 3,9 0,036 9,8 31 22 0,0928 19 1,4 2,4 0,5384
1406 410 195 190 0,0703 20 0 1,5 0,8456 5,2 43 16 0,2803 14 2 4,3 0,2853 10 31 18 0,0975 12 1,6 1,8 0,4181
1408 250 208 105 0,0571 62 6 1,1 0,7232 5,2 58 0 0,8143 11 4,5 2,5 0,1769 13 0 20 0,4281 17 0 0 1,0986
610 840 232 233 0,2004 61 17 2,2 0,463 0 26 150 0,6799 10 1 5 0,2681 6,2 10 13 0,0423 17 120 4,8 0,5884
r0102012 500 130 182 0,1715 62 0 4,2 0,8623 3,5 32 85 0,3975 10 1 0 0,794 7,8 0 24 0,5415 62 4 0 0,87
r028 830 117 200 0,3271 65 3,5 9 0,5612 11 18 150 0,5481 13 1,3 5,7 0,2832 13 27 15 0,0541 48 6 4,2 0,5158
97032 770 97 235 0,3047 42 3,8 0 0,8126 0 15 235 0,8716 11 0,7 4 0,3623 8 23 21 0,0837 15 9 4 0,1214
r0102017 550 108 160 0,2452 48 5,8 1,4 0,6471 9 32 110 0,3709 15 0,9 7,2 0,3284 17 18 13,8 0,0062 46 7,5 5 0,436
r0102011 820 117 210 0,315 69 6,5 1,4 0,7196 11 17 160 0,578 15 1,1 7,2 0,3081 10 50 15 0,2378 70 6,5 6 0,5684
r025013 510 80 153 0,275 58 0 7,2 0,7512 4,1 43 110 0,3993 10 0 3,5 0,5263 6 30 27 0,1582 33 3,3 4,4 0,4844
r025 600 147 190 0,199 69 5,2 2 0,73 7,5 25 130 0,4902 15 1,7 0 0,7696 17 28 16 0,0341 30 6 3,4 0,3931
r029 380 120 263 0,0934 20 0 6 0,5584 2,6 53 60 0,3153 10 0,7 2,1 0,4503 2,8 10 21 0,2363 12 5,8 1,8 0,2186
r028 500 130 208 0,1555 62 0 4,2 0,8623 3,4 33 85 0,3948 10 1,1 3,4 0,3066 7,8 35 27 0,1402 65 4 9,5 0,5351
r025018 460 100 190 0,1823 58 0 7 0,7569 4,4 45 110 0,3865 10 1,2 3,1 0,3091 7,1 36 28 0,157 27 3,3 4,9 0,3988
r02506 100 220 54 0,1544 24 0 5,5 0,6176 2,4 140 44 0,4868 10 0 2,9 0,5657 120 10 23 0,4449 2 1 1 0,0589
r010206 650 117 150 0,2958 69 6 1,7 0,7197 9,5 25 120 0,4361 16 1,1 5,5 0,3631 10 17 16 0,0247 31 7 4 0,3519
r026 520 150 225 0,1367 82 0 7 0,8231 4,4 33 90 0,387 10 1,2 3,2 0,3041 9,2 35 21 0,1234 26 2,3 4,2 0,4683
70
Таблица 30
Второй вариант триад содержаний и ИКП микроэлементов в породах интрузий гранитоидов татарско-
аяхтинского комплекса
№ обр Содержания, n*10-4% и пропорциональность (ИКП)

. 1 триада 2 триада 3 триада 4 триада 5 триада
Ba Be Sr Li Cs Rb Sn Pb Sc Nb Yb Zr Y V Ga La Ni Co
138202 670 2,7 482 0,4039 54 8 182 0,4341 7,4 46 7,8 0,366 43 2,1 180 0,56 20 78 22 0,209 37 8,1 9,5 0,2476
137904 320 2,8 182 0,413 18 0 128 0,7252 1 48 0 0,999 16 0 0 1,0986 0 3,6 14 0,592 0 8,9 1,4 0,7011
97014 740 0 315 0,489 23 2,4 162 0,6594 0 15 4 0,584 36 1,7 220 0,6555 18 13 18 0,0108 26 59 6 0,2805
97017 820 0 265 0,5427 40 5 168 0,5093 0 14 4 0,5689 35 1,7 228 0,6701 17 11 21 0,0328 50 8 5 0,452
1335 560 2,1 440 0,3991 36 19 165 0,3751 4 36 4,6 0,4751 23 1,9 130 0,6144 9,6 25 19,3 0,0672 34 5,6 6,3 0,3471
1374 490 2,3 277 0,4261 39 7 222 0,5669 4,5 4,6 3,4 0,0088 26 2,2 130 0,5811 13 21 16 0,0194 21 10 5,2 0,1486
1378 790 2,3 218 0,5615 36 6 160 0,5022 4,2 40 5,5 0,4715 30 4,6 130 0,502 26 23 17,5 0,0129 78 11 7,7 0,4765
1381 620 3,9 299 0,4431 36 7 160 0,4881 4,7 35 3,8 0,4703 26 2,5 150 0,612 18 23 16 0,0118 65 10 10 0,3899
1386 540 4,3 190 0,4927 60 6 270 0,5434 2,1 46 3,9 0,6663 26 2,9 130 0,5651 11 16 18 0,0201 4,9 7,1 4,4 0,0222
1385 400 3,9 139 0,4893 58 8 236 0,4928 2,8 40 3,6 0,6029 30 2,6 160 0,5968 13 15 19 0,0125 34 7,2 2,8 0,4279
1349 620 2,3 248 0,4836 28 10 200 0,5675 3 43 3,9 0,6021 35 1,6 350 0,7684 9,8 0 16 0,4346 210 12 5,2 0,7841
1368 460 1,8 176 0,4911 13 7 197 0,7314 6,9 79 0 0,819 10 2,3 100 0,7003 7,2 10 19 0,0837 28 4,8 2,3 0,4677
1334 280 1,6 210 0,396 14 8 174 0,6739 1 68 1,2 0,9377 22 2,4 79 0,4764 6,7 8 18 0,1007 42 5,6 1,1 0,6366
1352 340 1 204 0,4249 12 6 180 0,7361 1 96 1,7 0,9552 16 0 58 0,5765 10 14 14 0,0115 8,4 6,3 1 0,2222
1390 250 2,4 95 0,4729 40 9 250 0,5744 11 62 0 0,6747 23 2,6 22 0,2317 11 4 17 0,1356 0 5,2 0 1,0986
1361 220 2,1 102 0,4391 16 10 168 0,6154 0 40 0 1,0986 29 1,4 100 0,5121 3,5 1,8 15 0,3571 0 5,5 1,2 0,6286
134101 240 1,3 131 0,4283 10 3 215 0,8491 0 40 0 1,0986 18 0 50 0,5207 0 4,3 17 0,5956 0 5,5 1 0,6693
133602 310 1 370 0,3993 0 4 220 1,009 1 48 1 0,9029 16 0 22 0,418 4,8 16 19 0,1242 0 9,3 1,4 0,7106
136303 300 1,7 206 0,4027 0 4 175 0,9916 0 50 0 1,0986 15 0 38 0,5028 0 8,7 13 0,4252 0 6,9 15 0,4755
1435 400 1,7 234 0,4234 41 4 180 0,5382 8,3 44 2,5 0,4957 11 3,2 54 0,4759 11 28 22 0,0645 35 4,8 4,5 0,4393
1445 510 1,7 263 0,4432 49 0 160 0,554 7,9 32 0 0,601 11 1,9 60 0,5579 12 29 20 0,0596 37 3,3 4,4 0,5215
r052 540 11 175 0,472 46 0 190 0,6053 4 40 4,3 0,5208 10 1,6 75 0,651 9,5 52 18 0,2308 26 6,7 4,4 0,2875
97026 720 0 255 0,524 34 2,9 120 0,4884 0 14 5 0,5223 30 1,3 240 0,7211 15 17 19 0,0046 50 13 7 0,3154
1448 710 2,5 204 0,5503 62 4 180 0,4557 10 51 4,9 0,4209 30 3,5 85 0,4085 44 35 21 0,0422 52 3,5 4,9 0,6009
r054 450 6,4 146 0,4889 32 0 180 0,6743 1,4 33 5,5 0,5509 10 1,2 120 0,7779 8,2 2,5 18 0,2355 86 3,4 9 0,6458
97025 720 0 185 0,5921 34 2,9 157 0,5596 0 17 4 0,6117 28 1,3 188 0,6786 18 12 19 0,0188 50 12 4 0,4084
71
1446 320 2,8 131 0,4622 39 3 218 0,6148 11 72 4 0,5389 0 6,3 100 0,8737 24 46 20 0,0689 50 3,5 3,4 0,6451
144502 540 2,8 358 0,4072 39 4 110 0,4177 14 35 7,1 0,1963 14 4,3 140 0,6775 21 48 28 0,0605 50 1,3 12 0,5173
1449 520 2,2 182 0,507 78 8 170 0,3563 7,1 45 3,5 0,4905 20 3,2 81 0,479 14 28 21 0,0378 47 1,7 4,1 0,686
1451 470 2,8 139 0,5347 58 7 200 0,4577 8,3 100 3,5 0,6973 16 11 49 0,2078 51 15 27 0,1158 32 1,7 1 0,7739
1441 480 1,1 255 0,4428 30 7 145 0,4951 7,4 89 22 0,398 14 1 56 0,5312 8,9 22 24 0,0755 32 1,3 3 0,6622
1428 520 2,2 321 0,4173 84 7 185 0,3752 6,5 63 2,8 0,6361 6 3,1 76 0,69 9,1 33 22 0,1126 41 4,7 3,4 0,5386
97031 830 0 268 0,5429 40 5,1 145 0,467 0 14 4 0,5689 28 0,9 250 0,7513 12 11 20 0,0377 62 7 5 0,5452
1405 0 2,9 401 1,056 23 9 140 0,5076 5,1 46 4,7 0,5123 25 1 290 0,8009 8,9 26 23 0,0845 34 7,2 6,2 0,308
1404 460 4,3 270 0,4076 50 9 134 0,3524 3,2 40 4,7 0,5395 23 1 200 0,7396 11 31 16 0,0932 44 14 5,5 0,2992
1416 640 1,9 431 0,4128 39 4 165 0,525 7,8 68 3,4 0,6043 0 1,7 140 1,0336 8,7 26 19 0,085 68 26 4,7 0,3455
1419 390 1 233 0,4267 5 0 200 0,9839 4,8 44 1 0,6852 4 2,5 0 0,4323 7,6 6,3 16 0,0877 3 4 0 0,4157
1410 370 1,6 190 0,4403 11 0 110 0,794 4,8 34 4,7 0,4224 12 0 130 0,809 7,8 18 23 0,0831 40 4,4 3,1 0,5554
142803 450 1,9 168 0,4945 64 0 175 0,5176 5,8 56 3,9 0,5805 6 3,2 79 0,6968 9,8 19 22 0,0509 31 1,4 2,4 0,6819
1406 410 1,5 190 0,4584 20 0 195 0,7891 5,2 43 4,3 0,5012 14 2 16 0,2171 10 12 18 0,0315 31 1,6 1,8 0,7078
1408 250 1,1 105 0,4723 62 6 208 0,4668 5,2 58 2,5 0,6634 11 4,5 0 0,4962 13 17 20 0,0151 0 0 0 0
610 840 2,2 233 0,5617 61 17 232 0,4026 0 26 5 0,6568 10 1 150 0,8285 6,2 17 13 0,0737 10 120 4,8 0,6834
r0102012 500 4,2 182 0,4848 62 0 130 0,4696 3,5 32 0 0,7766 10 1 85 0,7077 7,8 62 24 0,2694 0 4 0 1,0986
r028 830 9 200 0,5609 65 3,5 117 0,3656 11 18 5,7 0,0972 13 1,3 150 0,7765 13 48 15 0,1861 27 6 4,2 0,3255
97032 770 0 235 0,5547 42 3,8 97 0,3795 0 15 4 0,584 11 0,7 235 0,897 8 15 21 0,0688 23 9 4 0,2217
r0102017 550 1,4 160 0,5518 48 5,8 108 0,349 9 32 7,2 0,2293 15 0,9 110 0,6919 17 46 13,8 0,1494 18 7,5 5 0,146
r0102011 820 1,4 210 0,5832 69 6,5 117 0,3138 11 17 7,2 0,059 15 1,1 160 0,77 10 70 15 0,3452 50 6,5 6 0,4597
r025013 510 7,2 153 0,5048 58 0 80 0,4182 4,1 43 3,5 0,5719 10 0 110 0,8118 6 33 27 0,1684 30 3,3 4,4 0,4529
r025 600 2 190 0,5307 69 5,2 147 0,3755 7,5 25 0 0,5584 15 1,7 130 0,7067 17 30 16 0,0438 28 6 3,4 0,3703
r029 380 6 263 0,3759 20 0 120 0,6885 2,6 53 2,1 0,7603 10 0,7 60 0,637 2,8 12 21 0,22 10 5,8 1,8 0,1784
r028 500 4,2 208 0,4605 62 0 130 0,4696 3,4 33 3,4 0,5229 10 1,1 85 0,7034 7,8 65 27 0,2664 35 4 9,5 0,3381
r025018 460 7 190 0,4419 58 0 100 0,4412 4,4 45 3,1 0,5916 10 1,2 110 0,7591 7,1 27 28 0,1294 36 3,3 4,9 0,4939
r02506 100 5,5 54 0,3231 24 0 220 0,7771 2,4 140 2,9 0,9169 10 0 44 0,6194 120 2 23 0,5909 10 1 1 0,5325
r010206 650 1,7 150 0,6019 69 6 117 0,3207 9,5 25 5,5 0,1906 16 1,1 120 0,6926 10 31 16 0,1054 17 7 4 0,1711
r026 520 7 225 0,439 82 0 150 0,4491 4,4 33 3,2 0,4891 10 1,2 90 0,713 9,2 26 21 0,0779 35 2,3 4,2 0,5628
72
параметры; анализ будет проведен с помощью подходящей статистической

макрофункции, а результат будет помещен в выходной диапазон. Другие
средства позволяют представить результаты анализа в графическом виде.
Чтобы просмотреть список доступных инструментов анализа, выберите
команду Анализ данных в меню Сервис.
При помощи меню Корреляционный анализ необходимо построить
корреляционную матрицу для трех триад содержаний и их ИКП и выделить в
матрице все значимые коэффициенты корреляции используя вычисления
предыдущей лабораторной работы.
Лабораторная работа № 14
Тема: Проверка гипотезы о наличии корреляционной связи между свойства-

ми геологических объектов с помощью рангового коэффициента корреляции
Задача: В разрезе сохранившейся части древнего вулкана изучено 15

лавовых потоков в направлении от подошвы к кровле разреза. Каждый из них
опробован на восемь химических элементов. Средние содержания элементов
в лавах каждого потока приведены в таблице. Исследования проводились с
целью выяснения закономерностей изменения содержаний элементов в маг-
матическом очаге за период деятельности вулкана по составу лавовых пото-
ков, положение которых в разрезе соответствует очередности поступления на
дневную поверхность вулканического материала.
Таблица 31
№п/п MgO, % Na2O, % CaO, % K2O, % Ва, г/т Ga, г/т Sr, г/т Se, г/т
1 3,66 2,57 9,05 2,31 130 15 39,2 39,1
2 2,71 2,03 7,49 1,51 170 19 37,5 37,7
3 3,13 2,33 8,86 2,12 200 21 35,8 36
4 3,48 2,74 7,6 1,54 350 20 34,2 32,5
5 4,2 2,51 7,7 2,16 180 18 32,5 33,2
6 7,35 2,78 7,52 1,92 60 30 36 30,7
7 4,03 2,75 6,7 1,87 80 25 36,4 28,5
8 5,83 3,26 7,12 1,9 90 28 33,7 27,6
9 4,39 2,89 6,93 1,74 180 17 41,6 27,6
10 3,5 3,25 6,81 1,66 120 23 38,2 27,5
11 4,6 3,1 6,13 1,33 160 21 37,1 24,6
12 3,66 3,27 5,99 1,37 70 16 41,8 28
13 3,24 3,37 5,88 1,6 195 18 42,5 28
14 3,4 2,67 6,92 1,25 170 29 33,8 25,1
15 3,39 3,29 6,62 1,52 170 31 39,1 26
73
Теоретическая часть
Если не удается проверить гипотезу о соответствии эмпирического

распределения определенному закону из-за малого количества данных (или
распределения существенно отличаются от нормального закона и не подда-
ются нормализации), то для проверки гипотезы о наличии корреляционной
связи можно использовать ранговый коэффициент корреляции Спирмена.
Его расчет основан на замене выборочных значений исследуемых случайных
величин их рангами в порядке возрастания. При этом предполагается, что ес-
ли между значениями случайных величин нет корреляционной зависимости,
то ранги этих величин тоже будут независимыми. Выражение для расчета
рангового коэффициента корреляции имеет вид
n
6∑ d i2
i =1
r = 1−
n (n − 1)
2
где di - разность рангов сопряженных значений изучаемых величин хi и уi; n -

количество пар в выборке.
Если ранги значений Х и Y являются независимыми случайными вели-
чинами, то выборочная оценка r распределена нормально с математическим
ожиданием 0 и дисперсией 1/(n-1).
Для проверки значимости рангового коэффициента корреляции можно
использовать величину rкр = Z ( P) / n − 1 , где Z(P) - значение обратной функ-
ции нормального распределения при доверительной вероятности Р. Если
расчетное значение коэффициента Спирмена (r) больше критического (rкр),
то гипотеза о независимости исследуемых величин отвергается.
Пример. Для 14 кислот и оснований были вычислены средние значения
больших выборок информационных коэффициентов пропорциональности.
Возникло предположение, что эти показатели связаны с величинами кон-
стант кислотности pKa и основности pKb. Из-за малого объема выборки для
проверки гипотезы о наличии корреляционной связи между указанными по-
казателями используем ранговый коэффициент корреляции (табл. 16).
Таблица 16
Константа
кислотности
Кислоты и Среднее зна-
pKa или ос- Ранг Ранг di di2
основания чение I(a,b)
новности
pKb
H2SO3 1,92 8 0,2999 1 1 49
74
HF 3,14 12 0,319 2 2 100

HNO2 3,35 6 0,276 3 3 9
CH3COOH 4,76 11 0,3111 4 4 49
H2S 7,05 14 0,3357 8 8 36
HClO 7,25 10 0,3059 9 9 1
HCN 9,22 7 0,2861 10 10 9
HSO3 12,08 5 0,2743 14 14 81
F 10,86 1 0,2187 13 13 144
NO2 10,65 2 0,2191 12 12 100
CH3CO2 9,24 9 0,3016 11 11 4
HS 6,95 13 0,3338 7 7 36
ClO 6,75 4 0,234 6 6 4
CN 4,78 3 0,2194 5 5 4
Сумма 626
6 * 626
Ранговый коэффициент корреляции r = 1 − = 0,38
14(196 − 1)
Он значим с вероятностью 0,91. Это означает, что примерно в одном

случае из десяти такое сочетание сравниваемых числовых показателей будет
носить случайный характер.
При наличии нескольких пар с одинаковыми значениями вычисление

коэффициента корреляции несколько усложняется:
n
r = 1 − [6(∑ d i2 + Tx2 + T y2 ) / n(n 2 − 1)]
i =1
где Tx2 и T y2 поправки на повторяющиеся содержания первого и второго

элемента соответственно, вычисляемые из выражения
1 m 3
T = ∑ (l t − l t )
2
12 i =1
где lt — количество данных с повторяющимися содержаниями элемента m

— количество таких групп с повторяющимися содержаниями элемента.
Коэффициент корреляции может служить надежной характеристикой
стохастической связи лишь в условиях линейности обоих уравнений регрес-
сии. В равной мере это относится и к ранговому коэффициенту корреляции
Спирмена.
75

3. Проведите вычисления и сделайте выводы исходя из существа по-
ставленной задачи.
Анализ многомерных данных c использованием информационных коэффи-

циентов пропорциональности
Цель работы: Получение дополнительной информации об оруденении при
помощи анализа многомерных данных.
Задача. На Соболевском медно-никелевом месторождении (Амурская об-
ласть) по скважине опробовано пластообразное рудное тело и получены ре-
зультаты химического анализа на медь, никель и кобальт. Эти анализы были
предоставлены ГУГПП «Дальгеофизика». Первые четыре пробы отобраны из
безрудных вмещающих горных пород, последняя проба получена из подош-
вы рудного тела.
Требуется найти закономерности распределения оруденения в изученном
разрезе используя совместный анализ содержаний рудных элементов и вы-
численных на их основе информационных коэффициентов пропорциональ-
ности.
Таблица 33
Содержания химических элементов по рудному подсечению скважины 13 (от
кровли до подошвы рудного тела)
Содержание,% Содержание,%
№№ проб Ni Cu Co №№ проб Ni Cu Co
159 0,002 0,0022 0,002 174 1,380 0,35 0,018
160 0,0022 0,0028 0,0019 175 0,850 0,4 0,012
161 0,003 0,035 0,0019 176 1,040 0,16 0,015
162 0,039 0,0092 0,0025 177 0,910 0,2 0,011
163 1,120 0,3 0,017 178 1,200 0,24 0,017
164 0,950 0,24 0,014 179 0,620 0,18 0,009
165 1,120 0,29 0,017 180 0,440 0,13 0,008
166 1,230 0,41 0,016 181 0,470 0,13 0,009
167 1,030 0,21 0,015 182 0,110 0,03 0,005
168 1,130 0,3 0,016 183 0,180 0,044 0,006
169 1,090 0,26 0,015 184 0,830 0,23 0,013
170 0,870 0,57 0,013 185 1,190 0,24 0,017
76
171 1,050 0,73 0,015 186 1,490 0,35 0,019

172 1,630 0,35 0,020 187 0,140 0,43 0,004
173 1,190 0,29 0,016 188 0,050 0,21 0,003
Информационный коэффициент пропорциональности является матема-

тическим обобщением понятия коэффициент пропорциональности для любо-
го количества положительных чисел. Формулы его расчета подобны форму-
лам теории информации для определения количества информации двух со-
вместных событий, но вместо неопределенностей H(a), H(b) и H(a,b) вычис-
ляются информационные коэффициенты строковой, столбцовой и матричной
пропорциональности K(a), K(b) и K(a,b) соответственно:
n
K (a ) = - ∑ k ( ai ) ln k (ai ),
i =1
m
K (b) = - ∑ k (b j ) ln k (b j ),
j=1
n m
K (a, b) = −∑∑ k (ai , b j ) ln k ( ai , b j )
i =1 j =1
I(a,b)= K(a) + K(b) – K(a,b),
где k(ai) и k(bj) - это коэффициенты пропорциональности, числители кото-

рых равны соответственно суммам элементов i-строки и j-столбца, а знаме-
натели - сумме всех элементов матрицы вычислений, k(a ibj) – это коэффици-
ент пропорциональности ij- элемента матрицы и суммы всех элементов мат-
рицы. Показатель I(a,b), также как и T(a,b), всегда положителен или равен
нулю. Изменение основания логарифмов допустимо, так как при вычислени-
ях используется общее для всех логарифмов свойство.
В отличие от шенноновской энтропии, которая соответствует вычисле-
нию только значения K(a,b), величина I(a,b) изменяется при перестановке
любых элементов матрицы, так как при этом изменяются K(a) или K(b) либо
обе эти меры (табл. 18).
Таблица 18
Характер изменения K(a), K(b) и I(a,b) при перестановке элементов рас-
четной матрицы
77
Тип пере- Изменение коэффициента пропорцио-

Измене-
становки эле- нальности
ние I(a,b)
мента K(a) K(b) K(a,b)*
В преде- Не изме- Изменя- Не изме- Изменя-
лах строки няется ется няется ется
В преде- Изменя- Не изме- Не изме- Изменя-
лах столбца ется няется няется ется
В строке и Изменя- Изменя- Не изме- Изменя-
столбце ется ется няется ется
Примечание. *изменяется при замене элемента матрицы на другой
Для вычислений использована квадратная матрица, включающая 9

элементов, так как наиболее информативными оказались K(a) и K(b), вычис-
ляемые для трех чисел. Отношения величин к их сумме интерпретируются не
как вероятности, а как коэффициенты пропорциональности. Пропорциональ-
ное изменение всех элементов матрицы не влияет на величину вычисляемого
I(a,b), что присуще и обычному коэффициенту пропорциональности.
Если каждое число в матрице представлено трижды и встречается
только один раз в каждой строке и столбце, то при взаимном изменении каж-
дого из трех чисел на значение другого числа, I(a,b) не изменяется. На рис. 1а
показана замена при вычислениях числа 1 на 2 и 3, I(a,b) при этом остается
равным 0,0872.
1 2 3 2 1 3 3 2 17 2 3 16 1 3 15 2 1
3 1 2 3 2 1 1 3 2 3 1 2 3 2 1 1 3 2
2 3 1 1 3 2 2 1 3 2 3 1 1 3 2 2 1 3
а б
Рис.8 Матрицы для расчета I(a,b): а) для характеристики пропорциональности трех чи-
сел, б) то же для сравнения пропорциональности произвольного количества чисел.
I(a,b) позволяет однозначно определить пропорциональность трех чи-

сел, для n чисел необходима квадратная матрица с n2 элементами. Расчеты
различных по числу элементов матриц приводят к неоднородности получае-
мой выборки I(a,b).
Определение пропорциональности произвольного количества чисел
при помощи квадратной матрицы с девятью элементами заключается в вы-
числении множества I(a,b) с вводом в матрицу суммарного элемента, кото-
рый равен сумме остальных восьми элементов. Использование суммарного
элемента позволяет определять I(a,b) одного числа как константу равную
78
0,21869. Для двух исходных чисел при этом можно получить десятки разли-
чающихся I(a,b) в выборке, логарифмы нулевых величин заменяются на
ноль. На рис.1б показан один из вариантов матриц для определения пропор-
циональности трех чисел, общая схема расчетов с суммарным элементом по-
добна схеме вычислений чисел Фибоначчи, но с размерностью 2.
Требования для расчетов I(a,b) следующие:
- вероятность попадания числа в матрицу равна вероятности встречае-
мости этого числа среди исходных данных;
- расположение элементов в матрице случайно;
- в расчетной матрице нет пустых элементов;
- выборка значений I(a,b) должна быть большой.
Разработана методика цифровой характеристики пропорциональности
минералов, горных пород и руд с пересчетом химического состава на коли-
чество атомов каждого элемента и определением пропорциональности соот-
ветствующего количества атомных масс. Получены унимодальные симмет-
ричные и правоасимметричные распределения больших выборок I(a,b), кото-
рые симметризуются преобразованием с извлечением квадратного корня.
Симметризованные распределения I(a,b) предлагается характеризовать сред-
ним значением и дисперсией.
Такие средние значения, вероятно, уникальны для каждой системы
атомных масс, сохраняя свою величину при пропорциональном увеличении
или уменьшении количества атомов в системе. В вычислениях I(a,b) исполь-
зуются только показатели относительных атомных масс, что указывает на
потенциально равную информативность атомных масс и вычисляемого на их
основе показателя.
Для изучения распределения содержаний рудных элементов в поставлен-
ной задаче необходимо определить выборочные статистики и построить гис-
тограммы распределения содержаний никеля, меди и кобальта от кровли до
подошвы рудного тела по скважине. То же требуется сделать для информа-
ционных коэффициентов пропорциональности. Для расчетов информацион-
ных коэффициентов пропорциональности использовать файл Модуль.xls.
Результаты вычислений отразить в виде таблиц расчета коэффициентов
вариации меди, никеля, кобальта и их информационных коэффициентов про-
порциональности, а также в виде гистограмм распределения всех показате-
лей. Сделать выводы о закономерностях изменения указанных показателей.
Тема: Многомерный анализ метеорологических данных для определения

аномальных множеств данных в выборке
79
Цель. Проверить адекватность отражения информационными коэффи-

циентами пропорциональности нескольких признаков.
Задача. Для 460 планшетов масштаба 1 : 200 000 территории Централь-
ной Сибири сотрудниками лаборатории геоэкологии КНИИГиМС (Мирош-
ников, Стримжа, 1995) определены метеорологические показатели:
- число дней в году с туманом;
- число дней в году с грозой;
- число дней в году со штилем;
- среднегодовая скорость ветра, м/с;
- коэффициент увлажнения.
Возникла необходимость найти аномальные территории по значениям
приведенных выше показателей. Анализ распределений значений метеороло-
гических данных (табл.34) позволил установить их существенное отклонение
от нормального закона распределения и невозможность преобразовать эти
данные в величины, имеющие нормальное распределение (исключая средне-
годовую скорость ветра).
Было сделано предположение, что распределение ИКП должно соот-
ветствовать логнормальному закону. Если это так, то возможно определить
аномальные по пропорциональности пяти показателей территории, используя
свойство нормального закона распределения.

2. Прологарифмируйте информационные коэффициенты пропорцио-
нальности и определите среднее значение логарифмов и стандартное откло-
нение.
3. Вычислите нижнюю и верхнюю границу доверительного интервала
информационных коэффициентов пропорциональности, отняв величину 3S
от среднего, а затем прибавив 3s к среднему.
4. Найдите номера планшетов, для которых значения указанных коэф-
фициентов будут находиться вне вычисленного интервала.
Определите, какие метеорологические показатели «аномальных»
планшетов резко отличаются от аналогичных показателей окружающих тер-
риторий и являются причиной аномальности ИКП.
80
Таблица 34
Коэффициент
Коэффициент
увлажнения
увлажнения
Число Число Число Число Число Число
Среднегодовая Среднегодовая
дней в дней в дней в дней в дней в дней в
№ п/п планшет скорость вет- ИКП № п/п планшет скорость вет- ИКП
году с году с году со году с году с году со
ра,м/с ра,м/с
туманом грозой штилем туманом грозой штилем
1 R-46-Г XXIX 136 0 20 1,3 1,50239 0,0185 231 IX 106 9 54 1,7 0,9 0,0042
2 XXX 108 0 15 1,1 1,27181 0,0195 232 XIII 99 9 36 1,4 0,9 0,0044
3 XXXIV 113 2 30 2,1 1,59355 0,0129 233 XIV 132 9 42 1,4 0,9 0,0037
4 XXXV 98 1 26 1,8 1,38679 0,0134 234 XV 150 10 51 1,6 0,9 0,0033
5 XXXVI 109 1 22 1,5 1,19498 0,0119 235 Р-48-Б IV 10 10 65 1,7 0,9 0,0190
6 R-47-В 100 86 0 6 1,0 1,16374 0,0224 236 V 8 11 71 1,9 0,9 0,0212
7 XX 121 0 5 1,0 0,95075 0,0147 237 X 63 10 63 1,9 0,9 0,0062
8 XXI 130 0 6 0,9 0,79567 0,0119 238 XVI 135 11 60 1,9 0,9 0,0035
9 XXV 63 0 12 0,9 1,06875 0,0248 239 XVII 68 11 68 2,0 0,9 0,0059
10 XXVI 80 0 10 0,8 0,90559 0,0188 240 P-45-B XIX 22 12 19 1,7 2,1 0,0142
11 XXVII 106 0 11 0,7 0,79167 0,0139 241 XX 15 13 19 1,9 2 0,0165
12 XXXI 77 1 18 1,3 1,03001 0,0137 242 XXI 10 13 20 2,0 1,9 0,0218
13 XXXII 84 1 16 1,0 0,90119 0,0122 243 XXV 35 13 17 1,7 1,3 0,0069
14 XXXIII 101 1 2 0,8 0,81527 0,0106 244 XXVI 34 13 16 1,8 1,3 0,0066
15 R-47-Г XXII 111 0 9 1,1 0,70641 0,0114 245 XXVII 24 14 17 2,0 1,3 0,0090
16 XXIII 111 0 14 1,4 0,68533 0,0107 246 XXXI 49 13 13 1,7 1,2 0,0046
17 XXIV 86 0 18 1,7 0,72981 0,0131 247 XXXII 48 14 12 1,8 1,2 0,0042
18 XXVIII 104 0 14 0,8 0,73282 0,0128 248 XXXIII 38 14 13 2,0 1,2 0,0049
19 XXIX 69 0 19 1,1 0,73101 0,0158 249 P-45-Г XXII 16 13 22 2,1 1,6 0,0155
20 XXX 27 1 24 1,6 0,78411 0,0191 250 XXIII 20 13 24 2,2 1,5 0,0136
21 XXXIV 77 1 19 0,9 0,77629 0,0105 251 XXIV 90 13 27 2,4 1,3 0,0046
22 XXXV 63 1 24 1,3 0,7853 0,0103 252 XXVIII 18 14 19 2,1 1,3 0,0120
23 XXXVI 61 2 30 1,7 0,84003 0,0101 253 XXIX 10 14 21 2,2 1,3 0,0213
24 R-48-В XXV 116 2 29 1,8 0,88629 0,0072 254 XXX 2 14 24 2,4 1,3 0,0547
25 XXVI 122 2 32 1,8 1,02911 0,0073 255 XXXIV 22 14 15 2,1 1,2 0,0089
81
26 XXVII 81 3 31 1,8 1,20315 0,0098 256 XXXV 16 15 18 2,2 1,3 0,0137

27 XXXI 10 3 36 1,8 0,93492 0,0307 257 XXXVI 8 14 20 2,4 1,5 0,0258
28 XXXII 7 3 40 1,8 1,06158 0,0343 258 Р-46-В XIX 28 13 29 2,2 1,3 0,0110
29 XXXIII 90 4 41 1,8 1,2099 0,0086 259 XX 55 13 25 2,1 1,4 0,0067
30 R-48-Г XXVIII 126 4 26 1,8 1,39979 0,0082 260 XXI 9 12 31 2,1 1,4 0,0250
31 XXIX 38 5 17 1,8 1,6129 0,0149 261 XXV 34 14 26 2,2 2,5 0,0140
32 XXXIV 105 5 39 1,7 1,36968 0,0083 262 XXVI 66 13 25 2,3 2,4 0,0104
33 XXXV 119 6 32 1,7 1,53222 0,0081 263 XXVII 56 13 31 2,2 2,4 0,0120
34 Q-44-Б V 32 4 31 3,1 1,3 0,0196 264 XXXI 28 14 23 1,8 2,9 0,0166
35 VI 18 4 23 3,3 1,3 0,0280 265 XXXII 8 14 25 3,6 2,6 0,0396
36 XI 29 4 28 2,9 1,2 0,0179 266 XXXIII 19 13 27 3,4 2,3 0,0219
37 XII 13 5 20 3,1 1,2 0,0086 267 Р-46-Г XXII 47 12 37 2,1 1,4 0,0089
38 XVIII 8 6 19 2,8 1,2 0,0082 268 XXIII 53 11 41 2,0 1,4 0,0086
39 Q-45-А I 20 5 16 3,0 1,3 0,0149 269 XXIV 7 10 42 1,8 1,4 0,0267
40 II 24 5 11 3,2 1,7 0,0083 270 XXVIII 1 12 36 2,1 2,3 0,0563
41 III 68 5 8 3,4 1,8 0,0099 271 XXIX 60 12 40 2,0 2,3 0,0124
42 VII 14 6 15 3,0 1,2 0,0246 272 XXX 77 11 43 1,8 2,3 0,0118
43 VIII 20 6 11 3,0 1,6 0,0170 273 XXXIV 5 13 27 2,3 2,2 0,0364
44 IX 25 6 8 3,3 1,8 0,0133 274 XXXV 11 12 28 2,0 2 0,0231
45 XIII 10 7 15 2,7 1,6 0,0291 275 XXXVI 38 12 42 1,8 2 0,0135
46 XIV 15 7 12 2,8 1,7 0,0202 276 P-47-B XIX 83 10 42 1,6 1,3 0,0067
47 XV 18 7 10 3,2 1,7 0,0167 277 XX 93 9 39 1,5 1,3 0,0065
48 Q-45-Б IV 40 5 6 3,3 1,9 0,0120 278 XXI 73 9 36 1,5 1,2 0,0068
49 V 34 5 7 2,1 1,9 0,0162 279 XXV 51 10 43 1,6 1,4 0,0090
50 VI 4 5 9 1,7 1,9 0,0480 280 XXVI 21 10 41 1,5 1,2 0,0134
51 X 13 6 8 2,8 1,8 0,0204 281 XXVII 86 10 37 1,6 1,2 0,0060
52 XI 41 6 9 2,2 1,8 0,0127 282 XXXI 67 11 42 1,6 1,3 0,0070
53 XII 29 6 12 1,9 1,8 0,0165 283 XXXII 48 11 41 1,4 1,1 0,0074
54 XVI 28 7 11 3,3 1,7 0,0125 284 XXXIII 34 10 37 1,5 1,1 0,0092
55 XVII 42 7 13 2,4 1,7 0,0110 285 P-47-Г XXII 35 9 33 1,5 1,1 0,0095
56 XVIII 48 7 24 1,9 1,8 0,0135 286 XXIII 21 9 31 1,5 1,1 0,0129
57 Q-46-А I 6 4 12 1,8 1,8 0,0428 287 XXIV 66 9 31 1,5 1 0,0059
58 II 6 4 15 1,6 1,8 0,0464 288 XXVIII 108 9 34 1,6 1,1 0,0049
82
59 III 135 3 36 1,8 1,7 0,0107 289 XXIX 84 9 31 1,6 1,1 0,0055
60 VII 17 5 15 1,8 1,7 0,0220 290 XXX 13 9 30 1,6 1 0,0170
61 VIII 38 5 36 1,7 1,7 0,0176 291 XXXIV 87 10 34 1,6 1,1 0,0053
62 IX 30 5 38 1,7 1,6 0,0195 292 XXXV 105 10 30 1,7 1,1 0,0047
63 XIII 14 7 31 1,8 1,7 0,0251 293 XXXVI 99 10 29 1,7 1 0,0043
64 XIV 62 6 36 1,7 1,7 0,0126 294 P-48-B XIX 96 9 34 1,6 0,9 0,0042
65 XV 46 6 39 1,7 1,6 0,0143 295 XX 125 9 40 1,5 0,9 0,0037
66 Q-46-Б IV 57 3 34 1,8 1,5 0,0157 296 XXI 143 10 48 1,6 0,9 0,0034
67 V 1 3 31 1,6 1,3 0,0689 297 XXV 76 9 32 1,7 0,9 0,0047
68 VI 73 2 27 1,3 1,2 0,0126 298 XXVI 123 10 37 1,7 0,9 0,0035
69 X 4 4 38 1,7 1,5 0,0452 299 XXVII 104 10 44 1,7 1 0,0044
70 XI 65 4 36 1,6 1,3 0,0118 300 XXXI 26 10 29 1,6 1 0,0101
71 XII 30 3 32 1,4 1,2 0,0172 301 XXXII 87 10 33 1,6 1 0,0046
72 XVI 28 5 40 1,7 1,4 0,0171 302 XXXIII 5 11 40 1,8 1,1 0,0288
73 XVII 58 5 39 1,6 1,3 0,0113 303 P-48-Г XXII 117 11 55 1,8 0,9 0,0037
74 XVIII 84 4 36 1,5 1,2 0,0089 304 O-45-Б IV 37 15 35 2,1 1,4 0,0090
75 Q-47-А I 84 2 24 1,2 1,0307 0,0105 305 V 27 15 35 2,2 1,4 0,0115
76 II 105 2 22 1,0 0,92482 0,0087 306 VI 17 15 39 2,3 1,4 0,0172
77 III 98 2 22 0,8 0,85611 0,0086 307 XI 36 16 32 2,3 1,3 0,0085
78 VII 6 3 29 1,2 1,05964 0,0340 308 XII 29 16 25 2,3 2,1 0,0117
79 VIII 53 3 26 1,1 0,96882 0,0111 309 XVII 46 16 30 2,3 1,3 0,0066
80 IX 89 3 26 1,0 0,909 0,0081 310 XVIII 37 16 30 2,4 1,2 0,0078
81 XIII 110 4 32 1,3 1,10798 0,0074 311 O-46-A I 24 15 19 2,3 1,5 0,0104
82 XIV 66 4 30 1,1 1,0262 0,0092 312 II 40 14 20 2,3 1,8 0,0083
83 XV 33 4 29 1,1 0,96861 0,0125 313 III 1 14 19 2,6 2,2 0,0655
84 Q-47-Б IV 41 2 24 0,8 0,82729 0,0128 314 VII 28 16 21 2,4 2,1 0,0112
85 V 12 2 28 1,3 0,83856 0,0241 315 VIII 30 15 21 2,4 2,1 0,0111
86 VI 32 3 38 1,7 0,8875 0,0144 316 IX 42 15 18 2,4 2,9 0,0124
87 X 73 3 27 0,9 0,88211 0,0086 317 XIII 35 16 24 2,4 0,9 0,0070
88 XI 36 3 32 1,1 0,88788 0,0119 318 XIV 29 16 24 2,4 0,5 0,0087
89 XII 53 4 38 1,5 0,92397 0,0096 319 XV 35 16 17 2,4 1,2 0,0062
90 XVI 56 4 30 1,1 0,93698 0,0091 320 O-46-Б IV 2 14 19 2,3 2,2 0,0532
91 XVII 60 4 34 1,2 0,93112 0,0085 321 V 18 13 19 2,1 1,7 0,0140
83
92 XVIII 13 5 39 1,3 0,94917 0,0194 322 VI 46 12 20 1,9 1,7 0,0085

93 Q-48-А I 31 3 41 1,8 0,969 0,0147 323 X 29 14 19 2,3 3,2 0,0164
94 II 51 4 47 1,7 1,07548 0,0109 324 XI 26 14 20 2,1 2,1 0,0125
95 III 51 5 50 1,7 1,19755 0,0111 325 XII 29 13 21 2,0 1,3 0,0087
96 VII 69 4 45 1,6 0,98606 0,0082 326 XVI 49 15 18 2,4 1,4 0,0054
97 VIII 8 5 51 1,6 1,06798 0,0261 327 XVII 49 15 19 2,3 1,2 0,0051
98 IX 45 6 56 1,7 1,16211 0,0109 328 XVIII 49 14 22 2,2 0,9 0,0047
99 XIII 50 5 47 1,3 0,98787 0,0092 329 O-47-A I 61 12 21 1,6 1,1 0,0050
100 XIV 69 6 54 1,4 1,04279 0,0077 330 II 20 11 20 1,5 1,1 0,0101
101 XV 75 7 60 1,6 1,10855 0,0074 331 III 50 11 20 1,5 1,1 0,0058
102 Q-48-Б IV 118 6 49 1,8 1,32522 0,0071 332 VII 31 13 21 1,9 1,4 0,0088
103 V 36 7 44 1,8 1,44938 0,0137 333 VIII 38 12 20 2,1 1 0,0064
104 X 60 7 57 1,7 1,2601 0,0094 334 IX 38 12 16 2,1 1 0,0058
105 XVI 27 8 63 1,6 1,17916 0,0132 335 XIII 44 13 22 2,2 1 0,0055
106 Q-44-Г XXIV 1 7 20 2,6 1,3 0,0868 336 XIV 41 13 24 2,1 0,9 0,0059
107 Q-45-В XIX 7 8 15 2,4 1,6 0,0348 337 XV 40 12 19 2,2 0,8 0,0053
108 XX 10 8 13 2,6 1,6 0,0262 338 O-47-Б IV 77 11 20 1,6 1,1 0,0048
109 XXI 13 8 13 2,9 1,7 0,0226 339 V 101 10 23 1,8 1,1 0,0043
110 XXV 2 9 17 2,2 1,8 0,0640 340 VI 119 10 31 1,9 1,1 0,0042
111 XXVI 4 9 15 2,4 1,8 0,0435 341 X 40 11 16 2,1 1,1 0,0059
112 XXVII 4 9 15 2,8 1,8 0,0510 342 XI 39 11 15 2,0 0,9 0,0051
113 XXXIII 6 10 18 2,7 1,5 0,0403 343 XII 38 11 13 2,1 0,8 0,0045
114 Q-45-Г XXII 18 9 14 3,2 1,7 0,0184 344 XVI 41 12 19 2,1 0,9 0,0054
115 XXIII 16 8 16 2,6 1,7 0,0198 345 XVII 42 12 19 1,9 0,9 0,0052
116 XXIV 13 8 22 2,0 1,7 0,0232 346 XVIII 37 12 19 1,8 0,8 0,0052
117 XXVIII 13 10 17 3,0 1,7 0,0250 347 O-48-A I 102 11 31 1,7 1,2 0,0050
118 XXIX 37 10 20 2,2 1,7 0,0112 348 II 102 11 48 1,5 1,1 0,0049
119 XXX 32 9 20 2,1 1,6 0,0118 349 III 90 11 31 1,6 1,1 0,0047
120 XXXIV 5 11 20 2,8 1,5 0,0457 350 VII 73 11 13 1,9 0,9 0,0031
121 XXXV 34 10 23 2,2 1,5 0,0105 351 VIII 28 12 13 1,5 0,9 0,0055
122 XXXVI 33 10 26 2,0 1,5 0,0112 352 IX 104 12 31 0,9 0,9 0,0037
123 Q-46-В XIX 2 8 29 1,8 1,7 0,0515 353 O-45-Г XXIV 48 17 21 2,4 1,4 0,0055
124 XX 69 7 35 1,8 1,6 0,0103 354 XXX 15 18 22 2,5 1,4 0,0158
84
125 XXI 100 7 39 1,8 1,5 0,0083 355 XXXVI 7 19 21 2,6 1,4 0,0282
126 XXV 10 9 26 1,9 1,6 0,0255 356 O-46-B XIX 48 17 21 2,4 1,5 0,0058
127 XXVI 21 9 33 1,9 1,6 0,0178 357 XX 51 17 18 2,4 1,2 0,0043
128 XXVII 70 8 38 1,8 1,5 0,0092 358 XXI 58 16 11 2,4 1,2 0,0029
129 XXXI 7 10 24 2,0 1,5 0,0293 359 XXV 24 18 24 2,5 1,4 0,0108
130 XXXII 10 10 30 2,0 1,5 0,0252 360 XXVI 36 18 24 2,5 1,4 0,0075
131 XXXIII 22 9 36 1,9 1,5 0,0164 361 XXVII 72 17 24 2,5 1,3 0,0041
132 Q-46-Г XXII 70 6 41 1,7 1,4 0,0097 362 XXXI 67 19 2 2,6 1,2 0,0009
133 XXIII 45 6 40 1,6 1,4 0,0126 363 XXXII 47 18 16 2,6 1,4 0,0045
134 XXIV 68 6 38 1,5 1,3 0,0098 364 XXXIII 80 18 24 2,5 1,3 0,0037
135 XXVIII 80 8 40 1,8 1,5 0,0090 365 O-46-Г XXII 53 16 34 2,4 1,1 0,0059
136 XXIX 61 7 41 1,7 1,4 0,0100 366 XXIII 21 15 46 2,4 1 0,0142
137 XXX 44 7 39 1,6 1,3 0,0114 367 XXIV 17 15 32 2,3 0,9 0,0151
138 XXXIV 11 9 39 1,8 1,5 0,0244 368 XXVIII 109 17 25 2,4 1,2 0,0031
139 XXXV 33 8 41 1,8 1,4 0,0132 369 XXIX 28 16 24 2,3 0,8 0,0085
140 XXXVI 37 8 40 1,7 1,4 0,0126 370 XXX 13 16 20 2,3 0,8 0,0173
141 Q-47-В XIX 108 5 35 1,3 1,2 0,0074 371 XXXIV 23 18 26 2,4 1 0,0111
142 XX 84 5 32 1,2 1,1 0,0079 372 XXXV 72 17 21 2,3 0,9 0,0028
143 XXI 23 5 30 1,2 1 0,0142 373 XXXVI 121 17 16 2,3 0,8 0,0015
144 XXV 53 6 36 1,5 1,2 0,0098 374 O-47-B XIX 48 14 31 2,3 1 0,0061
145 XXVI 39 6 37 1,4 1,2 0,0118 375 XX 46 14 34 2,1 1,1 0,0068
146 XXVII 7 6 31 1,3 1,1 0,0267 376 XXI 45 13 34 2,0 0,9 0,0061
147 XXXI 21 7 37 1,6 1,3 0,0164 377 XXV 34 15 31 2,2 0,9 0,0078
148 XXXII 21 7 34 1,5 1,2 0,0155 378 XXVI 26 15 33 2,2 0,9 0,0101
149 XXXIII 60 7 32 1,4 1,1 0,0081 379 XXXI 18 16 24 2,1 0,9 0,0122
150 Q-47-Г XXII 18 5 31 1,3 0,9 0,0156 380 XXXII 18 16 24 2,2 0,9 0,0128
151 XXIII 58 5 34 1,5 0,9 0,0077 381 O-47-Г XXII 54 13 34 2,2 0,9 0,0055
152 XXIV 78 6 39 1,4 0,9 0,0063 382 XXIII 54 13 34 1,9 0,9 0,0053
153 XXVIII 12 6 31 1,5 1 0,0207 383 N-45-Б VI 23 19 13 2,7 1,4 0,0085
154 XXIX 56 6 33 1,6 1 0,0081 384 XII 40 20 3 3,0 1 0,0016
155 XXX 96 6 38 1,6 0,9 0,0052 385 XVIII 11 20 27 2,5 0,7 0,0215
156 XXXIV 70 7 31 1,4 1,1 0,0074 386 N-46-А I 100 19 16 4,2 1,4 0,0025
157 XXXV 62 7 32 1,6 1 0,0071 387 II 20 19 16 2,7 1,2 0,0110
85
158 XXXVI 52 7 37 1,6 0,9 0,0073 388 III 85 19 16 2,6 1,4 0,0030
159 Q-48-В XIX 64 6 47 1,2 0,9 0,0069 389 VII 162 20 30 2,9 0,9 0,0016
160 XX 4 7 55 1,3 1 0,0264 390 VIII 0 20 40 2,7 1,4 0,0685
161 XXI 71 8 62 1,5 1,1 0,0073 391 IX 0 20 40 2,5 1,4 0,0659
162 XXV 113 7 45 1,4 0,9 0,0047 392 XIII 64 20 24 2,8 0,7 0,0034
163 XXVI 97 7 53 1,4 0,9 0,0050 393 XIV 53 20 25 2,7 0,7 0,0043
164 XXVII 14 8 61 1,5 0,9 0,0155 394 XV 20 20 22 2,5 0,8 0,0124
165 XXXI 73 7 43 1,5 0,9 0,0058 395 N-46-Б IV 13 19 16 2,4 1,3 0,0152
166 XXXII 94 8 51 1,5 0,9 0,0049 396 V 63 18 7 2,3 1,4 0,0025
167 XXXIII 81 9 59 1,5 0,9 0,0053 397 VI 127 18 43 2,3 1,4 0,0039
168 Q-48-Г XXII 50 8 66 1,6 1,1 0,0086 398 X 35 19 51 2,3 1,4 0,0095
169 XXIII 22 9 67 1,7 1,1 0,0137 399 XI 35 19 41 2,0 1,1 0,0077
170 XXVIII 32 9 67 1,6 1 0,0102 400 XII 44 18 51 1,8 1,2 0,0069
171 XXXIV 28 10 66 1,6 0,9 0,0104 401 XVI 43 20 46 2,3 1,7 0,0086
172 XXXV 11 10 71 1,8 0,9 0,0178 402 XVII 14 19 43 2,0 1,4 0,0160
173 XXXVI 56 12 71 1,9 1 0,0071 403 XVIII 37 19 44 1,9 1,3 0,0079
174 P-45-A II 3 11 19 2,2 2 0,0460 404 N-47-А I 68 17 33 1,9 1 0,0039
175 III 11 11 20 2,6 1,7 0,0249 405 VII 21 18 43 1,5 0,8 0,0089
176 VIII 9 12 20 1,9 1,9 0,0243 406 N-45-Г XXIV 57 20 30 2,0 1,7 0,0058
177 IX 11 12 21 2,4 2,2 0,0246 407 XXX 61 20 45 2,3 1,7 0,0067
178 XIII 13 12 21 1,7 2,2 0,0200 408 XXXV 59 19 41 1,9 2,4 0,0093
179 XIV 7 12 20 1,9 2,2 0,0286 409 XXXVI 42 20 61 1,8 2,4 0,0114
180 XV 0 13 21 2,1 2,1 0,0831 410 N-46-В XIX 32 21 12 2,7 0,5 0,0066
181 P-45-Б IV 3 11 22 2,7 1,7 0,0553 411 XX 133 20 27 2,7 0,5 0,0012
182 V 31 11 25 2,1 1,6 0,0116 412 XXI 95 20 33 2,6 0,6 0,0023
183 VI 36 11 28 2,1 1,4 0,0100 413 XXV 39 20 37 2,7 0,6 0,0076
184 X 3 12 23 2,5 1,5 0,0473 414 XXVI 6 20 14 2,6 0,9 0,0321
185 XI 21 12 26 2,3 1,5 0,0144 415 XXVII 144 20 47 2,4 1 0,0024
186 XII 34 12 29 2,1 1,5 0,0106 416 XXXI 8 20 79 2,0 2,2 0,0222
187 XVI 26 13 23 2,0 1,6 0,0114 417 XXXII 0 20 54 2,4 2,1 0,0572
188 XVII 7 13 26 2,4 1,6 0,0298 418 XXXIII 2 20 60 2,6 1,2 0,0400
189 XVIII 22 13 29 2,3 1,4 0,0140 419 N-46-Г XXII 29 20 46 2,3 1,2 0,0101
190 P-46-A I 33 11 32 2,0 1,4 0,0111 420 XXIII 24 20 80 2,1 1,5 0,0124
86
191 II 20 10 36 2,0 1,5 0,0164 421 XXIV 33 19 48 2,0 1,4 0,0092

192 III 30 10 34 2,0 1,5 0,0130 422 XXVIII 7 20 40 2,2 2,5 0,0269
193 VII 33 12 32 2,1 1,5 0,0113 423 XXIX 116 19 79 2,1 1,9 0,0060
194 VIII 3 11 27 2,1 1,5 0,0437 424 XXX 19 19 51 2,1 1,6 0,0146
195 IX 14 11 33 2,1 1,5 0,0206 425 XXXIV 18 19 68 2,5 1,3 0,0162
196 XIII 40 12 20 2,1 1,4 0,0075 426 XXXV 46 19 54 2,2 1,1 0,0071
197 XIV 15 12 26 2,1 1,4 0,0174 427 XXXVI 14 18 52 2,2 1,1 0,0166
198 XV 20 11 32 2,1 1,4 0,0154 428 N-47-В XIX 55 18 49 1,9 1,4 0,0065
199 P-46-Б IV 80 9 38 1,9 1,5 0,0079 429 XXV 28 18 51 2,0 1,6 0,0111
200 V 71 9 40 1,8 1,4 0,0082 430 XXVI 21 18 51 1,7 1,6 0,0127
201 VI 38 8 40 1,7 1,4 0,0118 431 XXVII 33 17 51 1,2 1,6 0,0093
202 X 75 10 38 2,0 1,5 0,0078 432 XXXI 47 18 70 2,1 1,1 0,0073
203 XI 105 10 40 1,9 1,4 0,0063 433 XXXII 21 17 50 1,7 1,1 0,0111
204 XII 111 9 41 1,7 1,4 0,0065 434 XXXIII 41 17 49 1,8 1,1 0,0072
205 XVI 8 11 37 2,1 1,4 0,0277 435 M-45-Б V 31 18 49 3,0 1,8 0,0136
206 XVII 52 10 41 1,9 1,4 0,0090 436 VI 62 19 54 2,8 1,8 0,0081
207 XVIII 106 10 42 1,7 1,4 0,0064 437 XII 54 17 60 2,5 0,3 0,0060
208 Р-47-А I 1 8 38 1,5 1,3 0,0475 438 XVIII 22 15 64 2,9 0,3 0,0160
209 II 73 8 35 1,4 1,3 0,0082 439 M-46-А I 3 19 57 3,1 0,9 0,0427
210 III 121 7 32 1,3 1,2 0,0060 440 II 1 19 92 2,3 0,3 0,0342
211 VII 106 9 39 1,5 1,3 0,0063 441 III 7 19 69 2,2 0,4 0,0226
212 VIII 112 8 36 1,3 1,3 0,0065 442 VII 3 17 83 2,3 0,3 0,0295
213 IX 124 8 33 1,2 1,2 0,0058 443 VIII 12 17 31 2,6 0,4 0,0235
214 XIII 130 9 41 1,6 1,3 0,0055 444 IX 13 17 58 2,8 0,4 0,0222
215 XIV 119 9 38 1,4 1,3 0,0060 445 XIII 4 15 61 2,9 0,3 0,0382
216 XV 78 9 35 1,3 1,2 0,0069 446 M-46-Б IV 14 18 56 2,3 0,4 0,0167
217 Р-47-Б IV 127 7 31 1,3 1,1 0,0053 447 V 51 18 19 2,2 0,4 0,0033
218 V 81 7 31 1,3 1,1 0,0067 448 VI 22 17 44 2,2 0,6 0,0120
219 VI 6 7 35 1,2 1 0,0233 449 X 38 17 47 2,5 0,7 0,0081
220 X 116 8 31 1,3 1,1 0,0054 450 XI 4 16 34 2,3 0,6 0,0364
221 XI 72 8 31 1,1 1,1 0,0069 451 XII 0 16 47 2,3 0,7 0,0612
222 XII 27 8 33 1,0 1 0,0102 452 XVII 25 14 46 2,3 0,6 0,0117
223 XVI 28 8 32 1,4 1,1 0,0109 453 XVIII 38 14 44 2,4 0,6 0,0082
87
224 XVII 18 8 31 1,3 1,1 0,0139 454 M-47-А I 3 17 48 1,9 0,6 0,0310
225 XVIII 60 8 32 1,3 1 0,0065 455 II 33 16 48 1,6 0,5 0,0064
226 Р-48-А I 49 8 40 1,3 0,9 0,0071 456 III 38 15 45 1,9 0,5 0,0063
227 II 26 8 48 1,5 0,9 0,0111 457 VII 13 15 43 2,0 0,5 0,0164
228 III 26 9 57 1,6 0,9 0,0112 458 VIII 8 15 40 1,6 0,5 0,0193
229 VII 98 8 38 1,2 0,9 0,0047 459 XIII 0 13 36 3,2 0,5 0,0931
230 VIII 119 9 45 1,4 0,9 0,0040 460 XIV 49 12 32 2,4 0,5 0,0054
88

Обработка геологических данных в программе STATISTICA
Цель работы: Ознакомится с возможностями обработки геологических дан-

ных в программе STATISTICA
Задача. Ознакомится с интерфейсом программы.
Требуется: по исходным данным лабораторной работы №10, которые нахо-
дятся в файле Hard.sta, провести двухфакторный дисперсионный анализ.
Интерфейс программы STATISTICA предлагает стандартные средства

доступа к наиболее часто используемым средствам:
- через обычные выпадающие меню,
- через последовательности “горячих” клавиш,
- с помощью панелей инструментов и активных полей строки состоя-
ния,
- через панель инструментов Кнопки автозадач (всплывающие или
зафиксированные панели инструментов с кнопками, которые определяет сам
пользователь
· через контекстные меню, связанные с конкретными объектами (ячей-
ками, графическими объектами, элементами графических окон),
STATISTICA состоит из отдельных модулей, в каждом из которых соб-

рана тематически связная группа процедур. Быстро переключаться с одного
модуля на другой можно выбирая их в окне Переключатель модулей системы
STATISTICA. При запуске любого модуля открывается его стартовая панель,
например:
Рис.9 Стартовая панель модуля STATISTICA

89
Эта панель содержит средства прямого доступа к тем возможностям данного

модуля (стандартным образом доступным через меню), с которых пользова-
тель чаще всего начинает работу. Она не позволяет вызвать те операции, ко-
торые требуют совершения каких-то предварительных действий.
Для того чтобы запустить модуль Дисперсионный анализ, выберите
его в диалоговом окне Переключатель модулей из списка доступных стати-
стических модулей.
Рис.10 Диалоговое окно Переключатель модулей
Переключатель модулей можно вызвать несколькими способами, на-

пример, выбрать пункт Другие виды анализа из меню Анализ. Кроме того,
можно нажать кнопку на панели инструментов, (первая кнопка на всех па-
нелях инструментов), либо дважды щелкнуть левой или один раз правой
кнопкой мышки в любом месте фоновой области экрана.
После этого на экране появится стартовая панель модуля Дисперсион-
ный анализ.
90
Рис.11 Стартовая панель модуля Дисперсионный анализ.

В нашем примере мы используем данные лабораторной работы запи-
санные в файл Hard.sta. В указанной работе исследовалось влияние на кон-
центрацию минералов тяжелой фракции двух факторов – вдольберегового
переноса (А) и переноса в направлении от берега (В). значения зависимой
переменной были сохранены в переменных: Measur1, Measur2 и Measur3.
Как обычно, после нажатия OK в стартовой панели (если переменные
еще не выбраны) или нажатия кнопки Переменные откроется стандартное
окно выбора переменных. Задайте переменные A и B в качестве факторов (в
списке Независимые (факторы)), а переменные Мeasure1 – Measure9 - в ка-
честве зависимых переменных (в списке Зависимые:).
После нажатия OK в стартовой панели система произведет анализ за-
данного плана и выведет полученные результаты в окне Результаты диспер-
сионного анализа,
91
Рис. 12 Стандартное окно выбора переменных
Просмотр итоговой таблицы дисперсионного анализа можно осущест-

вить, нажав кнопку Все эффекты ( ). Сравните полученные данные с ре-
зультатами двухфакторного дисперсионного анализа, выполненного при по-
мощи Excel.
Модуль «Математические модели на ЭВМ»
Тема: Оценка сложности геологического строения рудного тела с закономер-

ной изменчивостью содержаний с использованием коэффициента вариации
Цель работы: Выявить противоречия в оценке сложности рудного объ-

екта математическими и геологическими методами.
Задача. На простом по сложности колчеданном полиметаллическом
месторождении крупное рудное тело широтного простирания вскрыто на по-
верхности канавами через 50 м таким образом, что канава № 1 вскрыла за-
падную точку выклинивания, а канава № 60 – восточную. Рудное тело разде-
лено на три участка: Западный, Центральный и Восточный. В пределах каж-
дого участка получено по 20 проб, они пронумерованы с запада на восток
(табл.35). Проявляется общая тенденция увеличения содержаний свинца от
западной и восточной точек выклинивания к участку Центральному. На этом
участке наблюдаются случайные вариации содержаний свинца без законо-
мерной составляющей.
92
Таблица 35
Содержание свинца в рудах месторождения
Номер Содержа- Номер Содержа- Номер Содержа- Номер Содержа-

канавы ние, % канавы ние, % канавы ние, % канавы ние, %
Участок Западный
1 0,2 6 0,52 11 1,32 16 1,54
2 0,38 7 1,1 12 1,06 17 2,17
3 0,75 8 0,67 13 1,66 18 1,68
4 0,46 9 1,33 14 1,54 19 2,93
5 0,89 10 0,89 15 2,03 20 2,66
Участок Центральный
1 2,87 6 3,25 11 3,4 16 3,17
2 3,1 7 3,29 12 3,23 17 3,49
3 3,4 8 3,34 13 3,34 18 3,23
4 2,88 9 3,19 14 3,12 19 3,27
5 3 10 3,23 15 3,39 20 3,33
Участок Восточный
1 2,62 6 2 11 1,34 16 0,73
2 2,57 7 1,87 12 1,52 17 1,25
3 2,5 8 1,55 13 1,43 18 0,64
4 2,33 9 2,1 14 1,17 19 0,43
5 2,17 10 1,7 15 0,82 20 0,5
В математической статистике к выборочной совокупности предъявля-

ют требования массовости, однородности, случайности и независимости. Ес-
ли соблюдение первых трех требований при геологических исследованиях не
вызывает особых трудностей, то требование независимости выполнить слож-
но. Отказ от последнего требования приводит к характерным ошибкам, среди
них особо отметим завышение коэффициента вариации, который дает пред-
ставление о разбросе значений признака относительно среднего и служит од-
ним из показателей сложности геологического строения месторождений.
Вследствие завышения оценки сложности геологического строения
может быть принята излишняя плотность разведочной сети, тогда на единицу
длины по простиранию и падению рудного тела будет приходиться большее
количество горных выработок, чем это необходимо для изучения месторож-
дения на соответствующей стадии геологоразведочных работ. Это в свою
очередь приведет к излишним затратам на работы и снизит экономические
показатели изучения объекта.
Решение предлагаемой ниже задачи основано на простой модели из-
менчивости содержаний.
93
2. Без учета пространственной привязки и возможного закономерного

изменения определите коэффициент вариации содержаний для этого рудного
тела в целом.
3. Сгруппируйте данные с учетом пространственного положения (Вос-
точный, Центральный, Западный участки) и вновь определите коэффициент
вариации содержаний свинца уже в пределах каждого из этих участков.
4. Для флангов и центральной части выявите закономерную состав-
ляющую – рассчитайте парный коэффициент корреляции расстояния от точ-
ки западного выклинивания и содержаний свинца. Затем составьте уравнение
регрессии, по которому для Западного или Восточного участков можно опре-
делять содержание свинца исходя из расстояния от точки выклинивания.
Тема: Объяснение противоречий в оценке сложности геологического строе-

ния рудного тела с закономерной изменчивостью содержаний
Цель работы: Объяснить противоречия в оценке сложности рудного

объекта математическими и геологическими методами.
Задача. Для моделирования используйте задачу предыдущей лабора-
торной работы и полученные результаты.

2. Проанализируйте причины возможного завышения коэффициента
вариации для участков месторождения. Анализ можно начать с рассмотрения
формулы коэффициента вариации и изменения его значения в связи с изме-
нением числителя и знаменателя. Постройте диаграмму изменения содержа-
ний свинца в зависимости от расстояния от западной (восточной) точки вы-
клинивания и изучите ее.
3. С учетом закономерной составляющей предложите способ расчета
«специальных» коэффициентов вариации, определяемых только с целью со-
поставления рассматриваемых участков месторождения по сложности строе-
ния.
Тема: Определение тренда при помощи критерия количества скачков

94
Цель работы: Определение закономерности в пространственно упоря-

доченных содержаниях элементов.
Задача. Месторождение никеля приурочено к коре выветривания ульт-
раосновных пород. По минеральному составу и текстурным особенностям в
верхней части коры выветривания сверху вниз выделено четыре зоны:
- железистых стяжений;
- бесструктурных охр;
- конечных структурных охр;
- структурных полуохр.
Для изучения химического состава коры выветривания и поведения
различных химических элементов в процессе образования коры выветрива-
ния из каждой зоны были отобраны пробы, по которым выполнены анализы
на определение содержания Fe2O3, NiO, CoO, SiO 2, MgO, Al2O 3, Cr2O3
(табл.36).
Проверьте гипотезу о наличии тренда в изменении содержания одного
из оксидов для одной из зон коры выветривания.
Таблица 36
Содержания оксидов в зоне железистых стяжений (пространственная после-
довательность от устья скважины к забою)
Fe2O3 NiO CoO SiO2 MgO Al2O3 Cr2O3

68,33 2,74 0,082 2,77 0,85 11,87 2,74
65,01 0,43 0,034 1,05 0,79 16,24 2,20
66,57 1,73 0,106 2,37 1,86 9,41 4,94
65,25 0,69 0,021 1,81 0,46 13,83 2,15
68,10 0,68 0,025 1,74 0,08 13,48 2,12
68,38 0,68 0,044 1,70 0,38 11,50 2,66
69,87 0,64 0,312 1,73 0,34 10,84 2,47
69,93 0,67 0,044 2,83 0,92 10,04 2,58
69,05 0,64 0,096 1,60 0,77 11,67 2,75
69,04 0,74 0,063 1,75 0,98 10,19 3,06
69,59 0,68 0,080 2,57 0,72 9,59 2,24
67,83 0,76 0,015 1,57 0,44 11,98 2,84
65,76 0,64 0,057 1,57 0,67 13,48 2,12
62,38 0,59 0,031 2,71 0,31 15,25 1,99
64,61 0,69 0,055 2,10 0,84 15,37 2,52
72,10 0,46 0,009 1,62 0,50 10,92 2,72
70,73 0,40 0,012 1,08 0,64 10,88 2,33
72,28 0,57 0,017 1,68 0,44 10,09 2,59
66,85 0,46 0,017 2,07 1,66 12,29 2,95
65,21 0,52 0,049 2,05 0,85 14,16 2,37
69,83 0,99 0,027 1,96 0,82 9,13 2,51
68,15 0,96 0,050 2,12 0,16 11,61 2,49
71,44 1,01 0,080 2,02 0,66 7,52 2,40
72,22 1,10 0,007 2,11 1,00 6,76 2,67
70,21 1,06 0,030 1,92 0,35 9,67 2,71
67,29 0,69 0,006 2,25 0,64 9,55 3,37
69,69 1,18 0,046 2,49 0,64 9,63 2,42
95
67,29 0,69 0,006 2,25 0,64 9,55 3,37
Для решения вопроса о наличии тренда изменчивости свойств геологи-

ческого объекта может быть использован критерий числа скачков и его мо-
дификации. Решение этих задач основано на сравнении наблюдаемых после-
довательностей с последовательностями, в которых закономерная состав-
ляющая заведомо отсутствует.
Простейшая последовательность данных – это последовательность, ка-
ждый элемент которой принадлежит одному из двух взаимоисключающих
друг друга состояний, например наличие или отсутствие трещины на участке
фиксированной длины в коренном обнажении пород.
Для проверки гипотезы о наличии тренда по количеству скачков разде-
ляем последовательность на два типа элементов, условно «+» и «-». Скачки
определяются как непрерывающиеся последовательности одних и тех же со-
стояний, например, последовательность «+++--+» состоит из трех скачков.
Применение этого критерия в геологии связано с определенными труд-
ностями, так как обычно рассматриваются последовательности с числом со-
стояний более двух. Существуют простые способы с помощью которых часть
последовательностей можно привести к последовательностям, в которых
можно выделить скачки. Такие интервалы могут быть получены, например,
путем разделения всех значений на две группы, например, больше или мень-
ше медианного значения.
Число скачков в случайных последовательностях зависит от количест-
ва элементов первого n1 и второго n2 типов и довольно хорошо аппроксими-
руется нормальным распределением, если каждое из значений n 1 и n2 превы-
шает десять. Математическое ожидание и дисперсия количества скачков (u) в
таких случайных последовательностях определяются по формулам
M(u) = ((2 n1 n2)/( n1 + n2)) +1

σ (u) = (2 n1 n2)( 2 n1 n2 - n1 - n2)/(( n1 + n2)2 *( n1 + n2 -1))
2
Это дает возможность использовать при проверке гипотезы о наличии

тренда таблицу функции нормального распределения.
2. По указанным выше формулам вычисляем математическое ожидание
и дисперсию количества скачков для случайного ряда.
3. Рассчитываем стандартное отклонение количества скачков (числа
точек смены знака), извлекая квадратный корень из показателя дисперсии.
96
4. Значение Z критерия вычисляем с использованием стандартной

функции Excel (НОРМРАСП):
НОРМРАСП (x; среднее; стандартное_откл; интегральная),
где x - значение, для которого строится распределение (фактическое количе-
ство скачков); среднее - среднее арифметическое распределения (математи-
ческое ожидание количества скачков); стандартное_откл - стандартное от-
клонение распределения, интегральная - логическое значение, определяю-
щее форму функции.
Если интегральная имеет значение ИСТИНА, то функция НОРМРАСП
возвращает интегральную функцию распределения. В результате мы получа-
ем вероятность случайного появления фактически наблюдаемого количества
скачков. Если значение функции нормального распределения окажется
меньше заданного значения, например 0,05 или больше 0,95 (1-0,05), то дела-
ем вывод о наличии тренда.
Далее тренд может быть охарактеризован при помощи одного из ап-
проксимирующих уравнений.
Тема: Оценка изменчивости содержаний меди вариограммным анализом
Цель работы: Построение однонаправленной полувариограммы для

геостатистической оценки эффекта самородков.
Задача. в штреке через каждые 5 м отбирались бороздовые пробы для
определения содержаний меди (табл.37). Эти данные можно использовать
для изучения характера изменчивости пространственной переменной на не-
больших расстояниях, в частности определить или исключить «эффект само-
родков» для дальнейшего прогнозирования содержаний меди методом кри-
гинга.
Таблица 37
Содержания меди, вес.%%

№№п/п
1 2 3 4 5 6 7 8 9 10
1 0,33 0,12 0,1 0,24 0,19 0,38 5,77 4,99 1,18 0,39
2 0,27 0,21 0,32 0,21 0,37 5,09 3,92 3,15 0,25 0,59
3 0,49 0,24 1,11 0,26 5,24 6,71 4,01 0,96 1,63 7,33
4 0,62 0,8 0,31 0,97 2,21 1,13 1,67 3,01 1,02 7,24
5 0,31 0,43 0,31 0,83 2,67 9,59 1,72 7,76 2,15 1,99
6 0,41 1,19 0,13 0,94 0,96 21 1,44 8,7 1,19 13
7 0,6 0,51 0,23 0,51 4,27 3,48 1,02 1,6 1,93 17,7
8 1,17 0,24 0,62 0,36 4,07 0,3 2,63 1,53 2,22 7,29
9 0,78 0,11 0,38 0,73 2,3 0,13 2,02 1,02 0,62 3,26
97
10 0,98 1,85 0,43 0,68 2,87 1,63 1,69 0,33 0,01 0,94
11 0,56 0,91 0,82 0,18 5,32 4,3 2,1 1,11 0,46 1,84
12 0,97 0,93 0,13 0,62 2,22 1,65 3,23 1,77 0,21 0,28
13 1,1 0,48 0,08 1 3,45 2,95 0,56 1,89 0,03 0,55
14 1,06 0,62 0,5 0,89 0,77 0,42 0,11 3,36 0,01 0,59
15 1,19 0,33 0,59 1,2 0,01 0,16 0,17 0,66 0,68 1,84
16 0,13 0,39 0,13 0,34 0,25 0 0,18 1,85 0,05 6,34
17 0,15 0,13 0,98 0,12 1,72 2,03 1,22 2,17 0,97 1,92
18 1,02 0,72 0,8 0,5 0,41 2,78 0,8 0,75 0,78 1,54
19 1,6 0,51 1,69 1,67 2,35 2,14 0,41 0,06 1,23 0,59
20 1,45 0,71 1,52 1,85 3,54 3,89 0,59 0,79 0,79 2,26
21 1,42 0,94 2,16 1,88 4,35 1,64 1,35 1,05 0,53 1,38
22 1,32 1,52 2 2,1 6,69 1,51 0,52 1,6 0,61 1,96
23 1,39 2,07 1,93 1,99 4,91 1,77 0,62 1,82 0,59 3,29
24 1,99 2,04 2,09 1,84 6,73 11 0,39 0,61 0,37 1,36
25 2,41 0,9 1,23 0,81 1,89 7,1 1,44 1,21 0,3 0,94
26 2,08 0,59 0,9 0,53 3,93 18,7 3,77 1,09 0,9 1,39
27 0,59 1,04 1,3 1,3 6,67 22 2,38 3,18 0,93 1,92
Пространственная переменная называется стационарной, если в ее из-

менении отсутствует закономерная составляющая. В этом случае переменная
(х) имеет три характеристики: математическое ожидание Мх, дисперсию и
корреляционную функцию Кх(h). Математическое ожидание равно средне-
арифметическому значению параметра, а дисперсия случайной функции -
обычной дисперсии.
Корреляционная функция K(h) зависит от шага наблюдений h и являет-
ся векторной величиной, т. е. зависит от направления, в котором откладыва-
ется шаг h. Но во многих случаях изменчивость обладает изотропностью, т. е.
практически близка во всех направлениях, или может быть сведена к изо-
тропной путем изменения масштаба по осям координат. Корреляционная
функция по какому-либо направлению, например параллельному оси Х, вы-
ражается формулой
1 n−h
K x (h ) = ∑ ( xi − x )( xi+h − x )
n − h i =1
где n - h равно числу интервалов между точками замеров (число сравнений

между парами точек).
Практическое значение имеет также нормированная корреляционная
функция r(h)= Kx(h)/σ2х , которая позволяет разделить дисперсию на две час-
ти: пространственно коррелированную σ2к = σ2к r2(h) и некоррелированную
98
σ2н = σ2( 1- r2(h)). При увеличении шага наблюдений доля коррелированной

дисперсии уменьшается, а некоррелированной - растет, приближаясь к пре-
делу σ2. Шаг наблюдений, при котором корреляция между значениями пара-
метра исчезает (точнее, становится неотличимой от нуля), а некоррелирован-
ная дисперсия совпадает с дисперсией σ2, называется радиусом автокорреля-
ции а. Он характеризует размер зоны влияния точки наблюдения.
Значимость нормированной корреляционной функции проверяем из
неравенства:
r > 2σ r
1− r2
σr =
n
Если неравенство соблюдается, то коэффициент корреляции r (норми-

рованная корреляционная функция) значимо отличается от нуля.
При шаге наблюдений h<а значения параметра являются зависимыми
случайными величинами и к ним нельзя применять рассмотренную выше
статистическую модель изменчивости. Для зависимых случайных величин
мерой изменчивости служит некоррелированный коэффициент вариации Vн
Если шаг h>а, то коэффициент корреляции r(h) равен нулю, то в данных ус-
ловиях изменчивость характеризуется обычным коэффициентом вариации и
можно пользоваться статистической моделью изменчивости. Таким образом,
модель на основе стационарной случайной функции содержит как частный
случай статистическую модель изменчивости.
Для вычисления характеристик стационарной случайной функции не-
обходимо иметь равномерную или кратную какому-либо шагу сеть наблюде-
ний, что ограничивает применение модели. Следует также отметить, что на
степень изменчивости, как и в статистической модели, часто влияет размер
проб, что является недостатком данного метода. Чем больше размер проб,
тем меньше мера изменчивости.
Для количественной характеристики стационарной регионализованной
переменной рассчитывают полудисперсию
n −h 2
1
γ x ( h) = ∑ ( xi − xi+h )
2(n − h) i =1
Если мы вычислим полудисперсии для различных значений h, то мы

можем нанести результаты на график в виде вариограммы. Вариограмма ис-
пользуется для оценки значений пространственной переменной методом кри-
99
гинга. В кригинге вариограмма используется для нахождения оптимального

множества весов, для оценки значения переменной в точках, отличных от то-
чек замера значений признака. Вариограмма бывает выборочной и теорети-
ческой, причем одна из основных задач - адекватно приписать теоретическую
вариограмму выборочной. Полувариограмма будет использоваться в расче-
тах содержаний методом кригинга.
В простейшем случае задача кригинга состоит в оценке значения У в
точке р по трем известным наблюдениям. Для ее нахождения требуется ре-
шить систему трех уравнений:
W1γ(h11) + W2γ(h12) + W3γ(h13) = γ(h1p),

W1γ(h12) + W2γ(h22) + W3γ(h23) = γ(h2p),
W1γ(h13) + W2γ(h23) + W3γ(h33) = γ(h3p).
Здесь hij - полувариограмма на расстоянии h, соответствующем интер-

валу между контрольными точками i и j. Например, γ(h13) - полувариограмма
для расстояния между известными точками 1 и 3; γ(h1p) - полувариограмма
для расстояния между известной точкой 1 и точкой р, в которой производит-
ся оценка.
Матрица в левой части системы симметрична, так как hij = hji. Диаго-
нальные элементы этой матрицы равны нулю, поскольку hii представляет
расстояние точки от себя самой, которое равно нулю. В предположении, что
полувариограмма проходит через начало координат, полувариограмма для
нулевого расстояния равна нулю. Значения полудисперсии взяты из полува-
риограммы, которая должна быть известна или оценена до кригинга.
Для того чтобы обеспечить несмещенность решения, необходимо на-
ложить ограничение на веса: их сумма должна быть равна единице. Четвер-
тое уравнение имеет вид
W1 + W2 + W3= 1
В итоге получается набор четырех уравнений для трех неизвестных.

Так как уравнений больше, чем неизвестных, то для того чтобы обеспечить
минимально возможную ошибку оценки, нужно использовать дополнитель-
ные степени свободы. Это делается добавлением в систему уравнений немой
переменной λ, называемой множителем Лагранжа. Полная система уравне-
ний имеет следующий вид
W1γ(h11) + W2γ(h12) + W3γ(h13) + λ = γ(h 1p),

W1γ(h12) + W2γ(h22) + W3γ(h23) + λ = γ(h 2p),
W1γ(h13) + W2γ(h23) + W3γ(h33) + λ = γ(h 3p),
W1 + W2 + W3 + 0 = 1
100
или в матричной форме
γ(h11) γ(h 12) γ(h13) 1 W1 γ(h 1p)

γ(h12) γ(h 22) γ(h23) 1 W2 γ(h 2p)
γ(h13) γ(h 23) γ(h33) 1 W3 γ(h 3p)
1 1 1 0 λ 1
В общем виде нужно решить матричное уравнение
[A] [W]=[B]
для вектора неизвестных коэффициентов [W]. Члены матрицы [А] и вектора
[В] берутся непосредственно из полувариограммы или из математических
функций, описывающих ее вид.
Определив неизвестные веса, значение оцениваемой переменной в точ-
ке р представим в виде
Yp = W1Y1 + W2Y2 + W3Y3
Оценка дисперсии имеет вид
S2 = W1γ(h1p) + W2γ(h2p) + W3γ(h3p) + λ
Иными словами, дисперсия оценки есть в сущности взвешенная сумма

полудисперсий для расстояний до точек, использованных в оценивании,
плюс вклад от коэффициента λ, который эквивалентен постоянному члену.
Кригинг имеет два больших преимущества перед обычными процедурами
оценивания, которые используются при построении карт в изолиниях. Оцен-
ки процедур кригинга в среднем имеют наименьшую возможную ошибку и
также обеспечивают явное выражение величины этой ошибки.
Для иллюстрации точечного кригинга мы приведем оценку уровня во-
ды в точке р на карте, представленной на рис. 13.
Рис. 13 Карта уровней воды, м, в трех наблюдательных скважинах

101
Оценки уровня воды сделаны в точках р и q. Координаты, км, указаны

для произвольного начала.
Оценка будет проведена по известным уровням, измеренным в трех на-
блюдательных скважинах. Координаты карты скважин и расстояния между
ними приведены в табл. 38, 39.
Таблица 38
Результаты наблюдения, проведенных в скважинах, используемых для оцен-
ки уровня воды в точке р
Место Координаты Уро-

наблюдения Xi Xj вень воды
Скважина 1 3,0 4,0 120
Скважина 2 6,3 3,4 103
Скважина 3 2,0 1,3 142
Точка р 3,0 3,0
Предварительный структурный анализ позволил получить линейную

полувариограмму (рис. 14).
Рис. 14 Линейная полувариограмма уровней воды на площади, включающей карту рис. 13.
Полувариограмма имеет наклон 4,0 м2/км внутри 20-километровой зоны
Таблица 39
Расстояния между скважинами и точкой p
Скважина 1 2 3 p
1 0 3,05 2,88 1,00
2 0 4,52 3,02
3 0 1,97
Значения полудисперсии, соответствующие расстоянию между сква-

жинами, могут быть получены прямо из полувариограммы или вычислены из
наклона (табл. 40).
102
Таблица 40
Полудисперсии для расстояний между скважинами и точкой р
Скважина 1 2 3 p
1 0 12,2 11,52 4,00
2 0 18,1 12,1
3 0 7,9
Уравнения, которые должны быть решены для определения весов, в

этом примере имеют вид
W1γ(0) + W2γ(12,2) + W3γ(11,5) + λ = 4,0,

W1γ(12,2) + W2γ(0) + W3γ(18,1) + λ = 12,1,
W1γ(11,5) + W2γ(18,1) + W3γ(0) + λ = 7,9,
W1+ W2+ W3+0 = 1,
или в матричной форме
0 12,2 11,5 1 W1 4,00

12,2 0 18,1 1 W2 = 12,1
11,5 18,1 0 1 W3 7,9
1,0 1,0 1,0 0 λ 1,0
Матрица, обратная к матрице левой части, есть
-0,068 0,0326 0,0354 0,1932

0,0326 -,0433 0,0106 0,4072
0,0354 0,0106 -0,0461 0,3995
0,1932 0,4072 0,3995 -0,5851
Теперь можно найти неизвестные веса умножением справа на транспо-

нированную матрицу вектора правой части, состоящего из полудисперсий. В
результате получим
W1 0,5954
W2 = 0,0975
W3 0,3071
λ -0,7298
Оценка уровня воды в точке р находится подстановкой подходящих ве-
сов в линейное уравнение:
103
Yр=0,5954(120) + 0,0975(103) + 0,3071 (142) = 125,1 м.
Результаты расчетов по методу кригинга обладают минимальной дис-

персией и, следовательно, являются максимально эффективной оценкой зна-
чений признака.
2. Определите полудисперсии для проб с последовательным их смеще-
нием на одну пробу относительно первой пробы, что соответствует шагу
пробоотбора 5 м.
3 Постройте полувариограмму для дальнейшего прогнозирования со-
держаний меди). По оси Х откладывается величина смещения между точками
пробоотбора, а по оси У – соответствующие полудисперсии.
Тема: Построение карты изолиний в программе Surfer
Цель работы: выполнить построение карты изолиний вероятностей

случайного распределения радиометрических аномалий в горно-таежной ме-
стности и сделать вывод о приуроченности неслучайного распределения
аномалий к определенным ландшафтам.
Задача. Файл с и исходным картографическим материалом
laboratory_Surfer.htm находится на сайте кафедры ГМиМР.
Исходные данные для обработки в Surfer набираются в Excel в виде

трех столбцов xyz-данных. Координатная единица не должна превышать 0,5
мм изучаемой карты во избежание охарактеризованных ниже ошибок на кар-
тах изолиний (поверхностных графиках). В пакете Surfer создается новая
таблица (Sheet), которая после работы с буфером обмена сохраняется как dat-
файл с определенным именем. Имя файла рационально ассоциировать с те-
матикой обрабатываемых данных. После этого проводится обработка данных
программой Grid, которая пересчитывает нерегулярные исходные z-данные в
узлы регулярной сети.
При работе в программе необходимо задать нулевые минимальные и
максимальные значения ХY-координат, т.к. программа автоматически опре-
деляет и предлагает в качестве таковых минимальные координаты из dat-
файла и построенная впоследствии карта будет «обрезана» по этим значени-
ям. Аналогичная «обрезка» предлагается программой для максимальных ХУ-
104
значений, которые необходимо привести в соответствие с истинными разме-

рами отстраиваемой карты.
Для расчетов в этой программе grid-файла следует также указать либо
число линий сетки (grid) по осям Х и Y, либо расстояние между ними в коор-
динатных единицах (принимаем равным не менее половины координатной
единицы). Второй показатель предпочтительнее первого, так как позволяет
исходить из возможной максимальной ошибки отрисовки изолиний изучае-
мого признака.
Эта ошибка проявляется в том, что точки наблюдения при изображе-
нии на карте изолиний могут оказаться смещенными от соответствующих
изолиний. В частности, экстремальные значения могут не совпадать с точка-
ми наблюдения из-за такого смещения. Это легко обнаруживается на постро-
енной карте изолиний и требует пересчета grid-файла. Для построения карт
изолиний выбираем Kriging-метод и щелкаем кнопку ОК. Программа пере-
считывает данные с помещением их в узлы заданной регулярной сети и соз-
дает соответствующий grid-файл.
Для дальнейших построений используется программа Map. В меню
выбираем Contour и указываем имя grid-файла для построения карты изоли-
ний. В диалоговом окне в меню Level выбираем минимальное значение z-
признака. Иногда программа по умолчанию предлагает отрицательное мини-
мальное значение, его необходимо исправить на нулевое. В меню Fill специ-
фицируется заливка карт изолиний, выбирается цветная или черно-белая по-
лутоновая заливка, а также цветовые (полутоновые) градации для минималь-
ного и максимального значений признака. Для заливки карты выбранными
цветами следует поставить флажок Fill contours и для показа на карте прямо-
угольника с цветовыми градациями заливки необходимо выбрать Show bar.
В дальнейшем в программе Map требуется создать карту исходного ма-
териала с точками наблюдений. Для этого выбираем меню Post, и указав ис-
ходный dat-файл выполняем построение карты. После этого необходимо со-
вместить две полученные карты. Нажав и удерживая клавишу Shift, выделяем
мышкой обе карты, а затем в меню Map выбираем Overlay maps. Если после
оверлея точки исходных данных не видны, то они оказались на заднем плане
и их необходимо переместить, используя меню Edit overlay, указав Move to
Front (перемещение на передний план) для Post (точек).
После оверлея карт их можно масштабировать при помощи меню Scale,
указав количество координатных единиц в 1 см карты. Следует помнить, что
координатная единица равна 0,5 мм исходной карты при ручном определении
координат. Возможно определение координат с помощью компьютерной
программы, например, CorelDraw. При масштабировании необходимо вы-
брать один из стандартных масштабов (например, 1:1000, 1:500 и т.д.) из рас-
чета того, что полученная карта изолиний разместится на листе заданного
формата. При распечатке карты на принтере формат, как правило, выбирает-
105
ся А4. Для печати полученной карты по частям, например, в случае, когда

карта больше листа А4, следует указать минимальные и максимальные коор-
динаты ХУ печатаемого фрагмента карты в меню Limits.
Оценка точности определения средних значений показателей угольных

месторождений
Цель работы: ознакомится с разновидностями геостатистической оценкой
геологических признаков.
Задача. На угольном месторождении месторождении проведены замеры
мощности рабочего пласта угля (табл. 41). Возникла необходимость
проверки достоверности полученных данных для подсчета запасов.
Требуется оценить точность определения средних мощности пласта угля по
малому числу данных.
Таблица 41
Мощность пласта угля
Вариант
1 2 3 4 5 6 7 8 9 10
1,3 0,5 0,4 1 0,2 0,2 0,7 7,3 5,8 2,5
1,1 0,9 1,3 0,8 0,3 2 6,8 3 3,9 1,6
1,9 1 4,4 1 4,2 2,7 1,1 1,4 4,2 0,5
2,5 3,2 1,2 3,9 1,8 0,5 2,8 2,2 1,7 1,5
1,2 1,7 1,3 3,3 2,1 3,8 1 2,1 1,7 3,9
1,6 4,8 0,5 3,8 0,8 8,4 2,6 0,1 1,4 4,3
2,4 2 0,9 2,1 3,4 1,4 0,3 1,1 1 0,8
4,7 1,0 2,5 1,4 3,3 0,1 0,8 1,6 2,6 0,8
3,1 0,4 1,5 2,9 1,8 0,1 0,1 2 2,0 0,5
3,9 7,4 1,7 2,7 2,3 0,7 0,5 1,3 1,7 0,2
2,3 3,6 3,3 0,7 4,3 1,7 0,5 0,2 2,1 0,6
3,9 3,7 0,5 2,5 1,8 0,7 0,1 0,3 3,2 0,9
4,4 1,9 0,3 4 2,8 1,2 0,5 0,1 0,6 0,9
4,2 2,5 2 3,5 0,6 0,2 0,6 0,9 0,1 1,7
4,8 1,3 2,4 4,8 0 0,1 0,1 0,4 0,2 0,3
0,5 1,6 0,5 1,4 0,2 0 0 0,8 0,2 0,9
0,6 0,5 3,9 0,5 1,4 0,8 0,3 0,8 1,2 1,1
4,1 2,9 3,2 2 0,3 1,1 5,9 2 0,8 0,4
6,4 2,1 6,7 6,7 1,9 0,9 1,1 1,2 0,4 0,9
5,8 2,8 6,1 7,4 2,8 1,6 0,4 0,2 0,6 0,4
ГКЗ РФ приняла Методические рекомендации по проведению горно-

геометрической экспертизы достоверности геологоразведочной информации
участков угольных месторождений (С.В.Шаклеин, Т.Б.Рогова, 2000).
Результаты выполнения оценки достоверности геоинформации предна-
значены для последующего использования в ходе проведения экспертизы,
проектных работ, разработки бизнес-планов, формировании условий лицен-
106
зионных соглашений на право пользования недрами, Для проектирования и

приемки результатов эксплуатационной разведки.
Оценка достоверности материалов геологического и горно-
геометрического изучения недр (в дальнейшем - оценка достоверности) вы-
полняется и рекомендуется к включению специальным подразделом в раздел
по подсчету запасов геологического отчета.
Принятие решений по освоению новых участков и горизонтов
действующих предприятий и месторождений требуют в современных
условиях изменения отношения к качеству горно-геометрической и
геологоразведочной информации.
Поэтому, при выполнении оценки достоверности рекомендуется
применять специальные количественные критерии оценки достоверности
геологических данных, работоспособные в условиях полного отсутствия
горно-эксплуатационных материалов.
В основу таких критериев положены идеи, сформулированные в теории
геохимического поля П.К.Соболевского, в соответствии с которыми, геополе,
а следовательно, и идеально описывающая его модель, обладает свойством
однозначности. Следовательно, возникновение неоднозначности построений
в процессе моделирования объекта является свидетельством неадекватности
создаваемой модели и реального объекта. Причем степень этой
неадекватности тем больше, чем больше неоднозначность модели.
Чем больше существует вариантов построения, например, гипсометрии
пласта, тем выше вероятность того, что будет выбран не лучший вариант, тем
меньше будет доверия к модели, тем ниже будет ее достоверность.
Практическая реализация этого принципа состоит в количественной оценке
неоднозначности построений в контуре выпуклого четырехугольника
разведочных подсечений или по направлению линии разведочных скважин.
Рассматриваемые в настоящих Указаниях критерии достоверности ори-
ентированы на оценку разведанности гипсометрии, мощности, показателей
качества и других, определяемых по пластоподсечениям признаков. Оценка
достоверности иных показателей, таких как обогатимость, выбросоопасность
и т.п. может осуществляться по иным методикам.
Однако, в подавляющем большинстве случаев, необходимость специ-
ального проведения такой оценки не возникает, так как плотность разведоч-
ных пересечений, обеспечивающая надежное выявление характера измене-
ния наиболее изменчивых и значимых перечисленных выше признаков, ав-
томатически гарантирует и достоверность изучения с ее помощью осталь-
ных, менее изменчивых показателей (принцип В.М.Крейтера).
1. Откройте Excel и сохраните файл Книга 1 в папке Student\Math\номер
группы\ name_23.
2. Исходными данными к производству оценки точности определения
107
средних значений показателей по малому числу данных являются только

сами значения показателей.
3. Используя имеющиеся данные определяется среднеарифметическое
значение показателя в массиве – С.
4. Имеющийся массив данных состоящий из N наблюдений разбивается на
группы содержащие по К измерений ( К=1, 2, 3, ..., N-1). Например, для
массива состоящего из четырех замеров, будет выделено шесть групп,
содержащих по два измерения: замеры 1 и 2, 1 и 3, 1 и 4, 2 и 3, 2 и 4, 3 и 4. По
каждой i-ой сформированной группе из К замеров рассчитывается частное
среднеарифметическое значение признака Pcрi. А для всех полученных m
комбинаций из К измерений определяется среднеквадратическое колебание
частных значений признака:
m
∑ ( Pcpi − C )2
σ= i =1
m
При наличии боле чем 20 данных, шаг изменения величин К может

быть увеличен, так чтобы общее число групп из К наблюдений находилось в
диапазоне от 15 до 20.
5. Строится графическая зависимость значений σ от К (рис.15).
6. Производится стандартное построение полувариограммы значений σ и ее
линейной модели. Если они указывают на присутствие "эффекта
самородков", то делается вывод о наличии в данных ураганных замеров.
Ограничение замеров производится методами принятыми при подсчете
запасов, т.е. для угля практически только методом полного исключения.
Ограничение выполняется последовательно, по одному замеру, начиная с
наибольшего по значению признака и выполняется до исчезновения "эффекта
самородков" на линейной модели полувариограммы..
7. Соблюдая имеющую место тенденцию изменения графически заданной
функции σ = F(К), она продлевается до точки, соответствующей N
измерениям (тонкая экстраполяционная линия на рис. 15). Определяется
уровень значения σ, соответствующий фактически выполненному числу
наблюдений N - величина S.
8. Устанавливается, ожидаемая с вероятностью 0,67 , погрешность Рср
вычисленного среднего значения С:
Рср = s. ( 4,18 - 0,156.N + 0,002.N2 ) при 3 ≤ N ≤ 40,
Рср = 1,2.S при N > 40.

108
σ а
2,8
Уровень S
0
1 95 К
N
σ б
100,1
Уровень S
0
1 20 К
N
Рис. 15. Графики зависимости σ = F(К) при отсутствии (а) и наличии

ураганных замеров (б)
Приемы построения цифровой топографической модели и работа с геологи-

ческой базой данных Surpac Vision
Цель работы: ознакомится с интерфейсом Surpac Vision, типами файлов, ос-

новами работы со стринг-файлами, построением цифровых топографических
моделей и работой с геологической базой данных.
Задача. Просмотреть трехмерную модель рудного тела месторождения золо-
та, отрабатываемого открытым способом.
Требуется: освоить типовые последовательности работы с графическим ок-
ном программы.
109
Ознакомьтесь с интерфейсом Surpac Vision. Это позволит осуществлять

моделирование в этой программе.
Рис. 16 Интерфейс пользователя Surpac Vision 5.1
Интерфейс включает:
1. Меню
2. Панель инструментов
3. Навигатор файлов
4. Окно сообщении
5. Окно состояния
6. Графическое окно
Меню позволяет пользователям получать быстрый доступ к функциям
программы Surpac Vision. Меню может быть использовано для общих опера-
ций отдельных модулей, таких как «Блоковая модель», или для основных
операций, таких как меню «Редактирование». Применение каскадных меню
делает работу в программе Surpac Vision более легкой. Щелчок правой кноп-
кой мышки на свободном пространстве справа от меню выводит список до-
полнительных панелей инструментов.
Панели инструментов убыстряют работу, делая ненужным обращение к
меню. В Surpac имеются панели инструментов, список которых отражается в
контекстном меню после щелчка правой кнопкой мышки на пустом месте
справа от меню.
Навигатор файлов подобен Проводнику Windows. При помощи пра-
вого щелчка на значке папки можно вызвать новое меню. Посредством уста-
новки папки в качестве рабочей (working directory) можно легко контролиро-
вать местонахождение сохраненных файлов. При помощи правого щелчка на
файле появляется контекстное меню.
В зависимости от типа файла меню «Открыть» открывает любой файл
в его специальном приложении. Например, если открыть .STR файл, то он
110
будет показан в графической области Surpac. Если открыть .XLS файл то он

будет открыт в Excel (или в программе, которая зарегистрирована в Windows
для работы с этим файлом). С использованием плагинов возможна конверта-
ция файлов из одного типа в другой, например, Surpac .STR файл может быть
преобразован в .DWG файл AutoCad.
Окно сообщений показывает любую предупреждающую информацию
и сообщения об ошибках. Важно анализировать эту информацию. Иногда ок-
но сообщений содержит актуальную информацию, например координаты.
Можно скопировать эти данные и вставить в текстовый файл или другие до-
кументы.
Меню Clear Window используется для сброса информации окна сооб-
щений. Это удобно для случая, когда нет уверенности, связана ли ошибка
или предупреждение с используемой в данный момент функцией.
Строка состояния показывает координаты указателя мышки, номер
обрабатываемого стринга и градиента. Окно состояния также показывает, за-
гружены ли в память база данных или блоковая модель. Изображение выше
показывает, что загружены геологическая база данных, названная “Surpac” и
блоковая модель, названная “Block_model”.
В графическом окне осуществляется основная часть работы, выпол-
няемой в Surpac Vision. Графическое окно – это область реальной работы с
трехмерными объектами. Любой файл здесь будет показан с Y, X и Z коор-
динатами.
Упражнение:
Выберите рабочую папку: dem\v4_demos\surpac_demo и перетащите

файл called pit1.dtm в графическое окно. Этот файл будет туда загружен. Ле-
вую кнопку мышки используйте для вращения изображения, для увеличения
и уменьшения объекта, Используйте среднюю кнопку мышки или обе кнопки
- для создания панорамы.
Структура меню
Если не менялись первоначальные установки программы, то мы можем

наблюдать Главное меню и меню Приложений. Верхнее меню называется
Главным меню. Оно содержит функции, требуемые для основных операций
Surpac Vision. Главное (основное) меню подразделяется на 12 подменю:
Файл (File) содержит функции, которые можно увидеть в большинстве
программ Microsoft: Открыть (Open), Закрыть (Close), Сохранить (Save) и т.д.
В этом же меню содержатся функции Импорт (Importing) и Экспорт
(Exporting).
111
Редактирование (Edit) содержит функции, которые дают возможность

пользователю редактировать 3D полилинии (в Surpac они называются стрин-
гами). Хорошим примером может быть последовательность выбора Edit >>
Point >> Delete, которая позволяет удалить выбранную точку.
Создать (Create) содержит функции, с помощью которых пользователь
создает информацию по точкам и стрингам. Примеры таких функций - созда-
ние окружности перетаскиванием, а также функции меню Digitise, которые
позволяют пользователю создавать линии графическим выбором.
Показать (Display) содержит функции, предоставляющие возможность
изменить способ, которым данные были изображены графически. Например,
цвет линии в меню свойства изображения (Display Properties) или вывод на
экран скрытых маркеров точек при помощи последовательного выбора
Display >> Point >> Markers и Display >> Hide point >> Markers.
Вид (View) содержит функции, связанные со стилем интерфейса поль-
зователя. Это увеличение (и его отмена) изображений, просмотр вдоль
стрингов (View >> Data view options >> View along String).
Исследовать (Inquire) содержит функции, которые позволяют получать
специальную информацию о данных, загруженных в графическую область,
такую как площадь многоугольника (полигона), полученная при помощи ме-
ню Segment Properties и координаты точки с использованием менюIdentify
Point.
Файловые инструменты (File Tools) - это набор функций, позволяю-
щих работать с линиями без загрузки их в графическую область. Некоторые
файлы слишком велики и требуют много памяти для изображения их на эк-
ране. Этот набор функций может выполнить трудоемкие задачи, такие как
трансформация, фильтрация, математическая обработка, определение резуль-
тирующих показателей и т.д.
Поверхности (Surfaces) связаны с «проволочным» представлением
цифровых топографических моделей (DTM). Поверхности обычно представ-
лены в топографическом и других видах (pit designs, stockpiles, coal seams).
Инструменты меню позволяют создавать поверхности DTM, вырезки по гра-
ницам, секции и т.д. Это меню пересекается с функциями, которые работают
с данными, загруженными в графическую область, или с данными на жест-
ком диске (используя файловые функции DTM).
Объемы (Volumes) очень важная часть инструментов Surpac. Здесь
имеется возможность использовать несколько методов вычислений, однако
наиболее мощный алгоритм «объем призмы» использован в сетевых объемах
между DTM функциями (Net Volumes between DTM’s function).
Черчение (Plotting) разделено на два модуля. Модуль Авточерчение
(Autoplot) позволяет пользователю работать с данными в графической облас-
ти по технологии «что вы видите, то вы и получите» (WYSIWYG). В «про-
двинутом» модуле черчения есть возможность создания очень детальных и
112
комплексных чертежей. Здесь также возможно создание титулов, сеток, из-

менение размеров чертежных листов.
Настройка (Customise) позволяет должным образом настроить Surpac.
Может быть использована и функция Настройки по умолчанию (Default
Preferences).
Помощь (Help) - английская версия справки всегда под рукой.
Меню Приложений (Applications Menu) дает пользователю доступ к
функциям различных модулей. Примеры перечислены ниже.
Блочная модель (Block mode) позволяет создавать 3D-базу простран-
ственных данных любого числа атрибутов. Пользователи могут создавать
файлы всех распространенных форматов. Подмодули этого модуля – Лерч-
Гроссман/Плавающий конус/Оптимизатор карьеров.
Карты изолиний (Contouring) позволяют пользователям создавать
контурные карты изолиний. При этом возможно сплайновое сглаживание для
улучшения вида карты.
Базы данных (Database) содержат функции для вывода на экран сква-
жин, составных объектов, секционной отработки для вычислений или вывода
изображений. Данные по скважинам могут быть сохранены в любой ODBC
реляционной базе данных, таких как SQL или MS Access.
Геостатистика (Geostatistics) содержит мощные статистические инст-
рументы, моделирование вариограммы и кригинг.
Горный дизайн (Mine Design) включает несколько модулей для под-
держки проектирования карьеров, отвалов, буровых и буровзрывных работ,
проектирования выемочных или подготовительных панелей подземной отра-
ботки, хвостохранилищ и контроль качества. Календарный план проведения
работ также представлен здесь.
Буровзрывной дизайн Ring Design может быть использовано для соз-
дания и заряжания буровзрывных скважин и шпуров. Данные о буровых ус-
тановках, заряжании и взрывных параметрах содержатся в разнообразных
нарядах для производственного персонала.
Солиды (Solids) служит для 3D моделирования рудных тел, подземных
пустот, очистных выработок и др. Здесь имеются инструменты, включая раз-
двоение, среднюю линию, разрез, связанные сегменты и контрольные стрин-
ги.
Разведка (Survey) дает возможность разведчикам создавать и запол-
нять разведочную базу данных, осуществлять подбор данных методом наи-
меньших квадратов, использовать форматы данных лидирующих фирм, вы-
полнять обработку данных ручной разведочной добычи, мониторинг устой-
чивости бортов карьеров.
Апплеты (Applets). Апплеты представлены третьей версией, написан-
ной на языке TCL для повышения функциональных возможностей Surpac
Vision.
113
Горное планирование (MineSched) является средством составления

расписаний (календарных планов) - от ежедневных до более длительных. Это
меню обслуживает самые разнообразные операции как на дневной поверхно-
сти, так и под землей. Мощные инструменты доступны пользователю для
спецификации событий, включенных в модель.
Выполните действие File Open путем выбора файла File >> Open >>
String/DTM или щелчком на кнопке панели инструментов. После открытия
формы щелкните в поле Расположение (Location field), затем сделайте щел-
чок правой кнопкой мыши и выберите в контекстном меню Поле Помощи
(Field Help). Указывайте пункты и наблюдайте изменение текста справки.
Выберите Справку Формы (Form Help).
Основные функции Surpac
Основные функции Surpac, интересующие геологов, включают опера-

ции со Стринг (String) и DTM- файлами в меню приложений База данных по
скважинам (Drillhole database) и Блок-моделирование (Block models) с распе-
чаткой полученных материалов.
Программой Surpac Vision используется множество типов файлов. Ка-
ждый тип файлов обозначается своим значком (иконкой) в Навигаторе фай-
лов.
- .STR (стринг-файлы) являются файлами линий. Линии ха-
рактеризуются номерами, называемыми стрингами. Цвет каждой линии оп-
ределяется цветом, установленным для каждого номера стринга.
- .DTM (Digital Terrain Model) файлы являются цифровыми
моделями объектов или проволочными каркасами. Эти файлы генерируются
из стринг-файлов (.STR) и могут представлять как поверхности, так и соли-
ды. Для правильной работы .DTM файлов необходимы исходные .STR фай-
лы.
- .DDB файл используется для связи с реляционной базой
данных. Это текстовый файл, который указывает Surpac какие таблицы и их
поля следует читать из базы данных. Для открытия базы данных следует от-
крыть .DDB файл.
- .MDL файлы являются блок-моделями Surpac. От-
крытие такого файла в Surpac загружает соответствующую модель в опера-
тивную память, после чего пользователь может использовать имеющийся на-
бор функций меню. Файлы блок-моделей Datamine .DM также поддержива-
ются в Surpac Vision.
114
- .PF файлы являются файлами вывода на печать, они

могут открываться в Surpac и они могут быть загружены как файлы печати
Window, где пользователь может редактировать и создавать различные эле-
менты для печати.
- файлы .TCL это макросы. Они настраивают программы
определенным образом. Скрипты.TCL легко могут быть записаны и отредак-
тированы.
- .DXF, .DWG, .DGN, .DM, .SHP, .DGD, и др. файлы со-
ставляют часть модулей плагинов, в которых пользователь может использо-
вать любой тип файла при работе в Surpac Vision. Количество поддерживае-
мых типов файлов постоянно возрастает.
- .SSI файлы являются стандартными в программном обес-
печении Surpac. Эти файлы могут содержать информацию для специальных
модулей, таких как Ring Design, цветовые установки для стрингов и ЦТМ
или установки по умолчанию, такие, например, как цвет заднего плана.
Пространственные данные хранятся в стринг- и DTM-файлах. Эти фай-
лы дают возможность пользователю быстро создавать файлы для печати, а
также информацию об объемах, основную разведочную информацию или
дополнительные файлы.
1. Очистите графическое окно, нажав значок .

2. Откройте файл pit.str. Вы увидите ряд линий различного цвета. Каж-
дый цвет представляет стринг определенного номера. Стринг – это серия то-
чек, объединенных вместе в одну непрерывную линию. Каждая точка имеет
Y, X и Z координаты. Эти точки также могут содержать описательную ин-
формацию, такую как угол наклона, ширина бермы, содержание по лабора-
торным данным и т.д.
3. Используйте функцию Запрос >> Свойства точки (Inquire >> Point
properties) и выберите несколько точек в карьере. Каждая выбранная точка
будет иметь Стринг-Сегмент-Точка (String/Segment/Point) номера наряду с Y,
X и Z координатами. Вращая изображение, можно видеть, что каждая линия
представляет линию вершины или основания (чего-либо) в карьере. Эти ли-
нии могут быть названы линиями включения или исключения (feature lines or
break lines). Линии исключения важны при создании ЦТМ. Они контролиру-
ют поведение создаваемых треугольников.
4. Используйте функцию Поверхности >> Создание ЦТМ из слоя
(Surfaces >> Create DTM from layer). При этом будет создана проволочно-
каркасная форма ЦТМ из данных, которые вы использовали для построения.
115
Интерактивная визуализация с использованием базы данных по сква-

жинам – это важный компонент Surpac Vision. Здесь вы можете открыть базу
данных, вывести на экран скважины и создать секции.
1. Найдите файл surpac.ddb и откройте его. Вы увидите новый значок в

строке состояния Surpac Vision. База данных по скважинам загружена и го-
това к использованию. Вся информация хранится в реляционной базе дан-
ных, в частности в файле MS Access, названном Surpac.mdb. Вы можете от-
крыть этот файл в Access, просмотреть и отредактировать данные. Но для
этих целей также может быть использован Surpac Vision.
2. Выведите на монитор скважины путем выбора меню База данных >>
Показ >> Скважины (Database >> Display >> Drillholes). Появившаяся форма
позволяет вводить информацию, такую как геологические образцы, номера
проб, изображения и т.д. Выберите таблицу Этикетки (Labels), затем таблицу
образец (Sample) и направление (field) золото (gold) для вывода первой стро-
ки и нажмите Применить (Apply).
Рис.17 Окно Drillholes
Примените этот запрос без ввода информации для отображения всех

скважин в базе данных.
Рис.18 Окно добавления фильтра для запроса информации

116
Поэкспериментируйте с различными установками в форме, отражаю-

щей информацию по скважинам. Вы заметите, что различные номера проб
имеют различные цвета, контролируемые настройками таблицы в базе дан-
ных Database >> Display >> Drillhole display styles.
3. Для создания разрезов по определенным данным используйте меню
База данных>>Разрезы>>Определить (Database >> Sections >> Define). Вы
можете создать разрезы по любым направлениям, и эти разрезы будут пока-
заны в реальных 3D координатах.
Заполните таблицу Способ создания разреза (Section Method tab) как
показано ниже.
Рис.19 Окно создания разреза
Затем откройте Таблицу объектов разреза (Section Objects tab) и по-

ставьте флажок на поле Section Objects (рис.20). Это определит как ЦТМ
карьера будет «разрезана».
Рис.20 Окно спецификации разреза
Полученный разрез готов для печати с использованием Автопечати

(Autoplot), графического позиционирования (graphical compositing), цифровой
модели рудных тел и геологических контактов, редактора положения сква-
жин, графических лагов («шагов») и т.д.
Блоковая модель (Block modelling) содержит 3D пространственную
информацию по природным сортам минерального сырья, геологическим объ-
ектам, геофизическим данным, горнотехнической информации, оптимизации
карьера, календарному планированию и т.д.
117
Данные помещены в блоки предварительно заданных размеров и пло-

щади Количество атрибутивных данных в блоковой модели, неограниченно,
а виды хранящейся информации различны.
1. Очистите графическую область щелчком на кнопке .

2. Откройте файл с именем block_model.mdl перетаскиванием в графи-
ческое окно. Блок-модель будет загружена, и ее значок появится в строке со-
стояния. После этого можно использовать блок-модель для показа, отчета и
вычисления информации из блок-модели. Примените функцию Блок-модель
>> Блок-модель >> Все данные (Block model >> Block model >> Summary).
Обратите внимание на размеры блока и его атрибуты в данной модели. За-
кройте форму.
3. Выведите блок-модель выбором Блок-модель >> Показать>> Пока-
зать блок-модель (Block model >> Display >> Display block model). Появится
форма, которую необходимо заполнить как показано на рис.21.
Рис.21 Окно спецификации блок модели
Эта блок-модель будет показана в графическом окне. Затем удалите

вмещающие породы из режима просмотра для показа одного рудного тела.
4. Выберите Блок модель>>Показ>>Новое графическое построение
(Block model >> Display >> New graphical constraint).
Конструирование (принудительное) – это мощный способ составления
блок-модели в графическом виде с отчетной информацией, вычислениями и
т.д. Появится форма, выберите тип блока и заполните форму как это показа-
но на рис.10. Для добавления к конструируемым объектам щелкните Доба-
вить (Add) и Применить (Apply).
118
Рис.22 Окно конструирования блок модели
Слева должна быть задана информация по блокам, в которых содержа-

ние золота больше нулевого. Затем нужно окрасить блоки, содержащие золо-
то.
5. Выберите Block model >> Display >> Colour model by attribute (Цве-
товая модель по атрибутивным данным). Заполните форму (рис.23).
Рис.23 Окно конструирования цветового оформления модели
6. Затем выберите Block model >> Display >> Edge and face visibility
(Визуализация краев и внешнего вида). Снимите флажок Display block edges
и щелкнем Применить (Apply) (рис.24).
Рис.24 Окно визуализации краев и внешнего вида
7. Используйте меню Block model >> Attributes >> View attribute for one
block (Вид атрибутов для блока). Выберите различные блоки и просмотрите
их объемы.
119
8. Создайте отчет для блок-модели с целью выяснения запасов данного

рудного тела. Используем меню Block model >> Block model >> Report. За-
полните первую форму как на рис.25.
Рис.25 Окно создания отчета для блок-модели
У вас есть возможность выбора формата вывода. Формат .CSV широко

используется для импорта данных в электронные таблицы (например, Excel).
Следующая форма запрашивает формат вывода данных (рис. 26).
Рис.26 Окно спецификации данных для блок-модели
Этот отчет будет отражать средние содержания золота, в г/т, и содер-

жание в целом. Используя ту же модель можно вывести на экран рудное тело
в графическом окне.
120
Рис.27 Окно спецификации данных для вывода блок-модели в графическом окне
Отчет будет содержать расчет объема, тоннаж руды и запасы золота

для каждого сорта руды (рис.28).
Рис.28 Отчет по блок-модели
В Surpac Vision есть два модуля для печати. Автопечать (Autoplot) -

модуль печати по технологии WYSIWYG (что видим на экране, то и получа-
ем), использует информацию, показанную в графическом окне, для создания
файлов печати. «Продвинутый» модуль печати (Advanced plotting module)
позволяет пользователю создавать значительно более сложные файлы печа-
ти, в том числе и пакетные. В качестве примера файла печати, созданного
при помощи Advanced plotting модуля, приведем viewsec.pf.файл.
1. Очистите графическое окно щелчком кнопки .

2. Откройте файл pit1.str перетаскиванием его в графическое окно.
3. Выберите функцию Автопечать (Plotting >> Autoplot). Появится
форма, представленная на рис.29.
121
Рис.29 Окно выбора параметров Автопечати
Ничего не меняйте в установках, нажмите кнопку Применить (Apply).

Следующая форма (рис.30) подсказывает пользователю, какие данные поя-
вятся на титуле блока. Этот особенный блок титулов имеет три текстовых
поля.
Рис.30 Окно определения надписей в блоке титулов
Далее окно параметров страницы появится в графическом окне и этот

блок можно перетаскивать. Нажмите Ввод или F2 для продолжения.
Следующая форма (рис.31) подсказывает пользователю тип грида (сет-
ки) и расстояние между линиями грида, требуемое по выбору для расчета и
печати. Нажмите Применить (Apply).
Рис.31 Окно спецификации грида (сетки)
Результат отражается в окне предварительного просмотра перед печа-

тью. Пользователь может редактировать и добавлять информацию для печати
используя меню Редактировать (Edit) и Создать (Create).
122
Для изменения стиля печати линий в главном окне Surpac Vision вы

можете использовать меню Display >> Display properties >> Strings and points
или Display >> String properties.
Таким образом, вы познакомились с основными функциональными
возможностями и типами файлов Surpac Vision. Вы можете открывать основ-
ные базы данных и выполнять некоторые манипуляции с данными.
Создание и заполнение обязательных таблиц Surpac Vision в MS Access
Цель работы: Получить навыки работы по вводу необходимой для трехмер-

ного моделирования информации.
Задача. Даны результаты бурения и опробования скважин коренного золото-
рудного месторождения.
Требуется: создать поля обязательных таблиц с соответствующим форматом
и ввести необходимую информацию.
Для работы в Surpac необходимы две обязательные таблицы базы

данных: таблица устья скважин (collar) и таблица инклинометрии (survey).
ТАБЛИЦА УСТЬЯ СКВАЖИН. Информация, в таблице устья сква-
жин, содержит данные о расположении буровой скважины, ее максимальной
глубине и о траектории скважины (прямая или изогнутая). Допустимы до-
полнительные данные для каждой скважины. Например, дата бурения, тип
скважины или название проекта. Обязательными полями в таблице устья
скважины collar) являются следующие:
Рис.32 Таблица collar
название (идентификатор), Y, X, Z координаты, максимальная глубина,

траектория скважины. кроме обязательных полей в таблице могут содер-
жаться до 54 атрибутивных полей.
123
В таблице инклинометрии хранится информация по инклинометриче-

скому исследованию скважины, используемая для вычисления координат
трассы скважины. Обязательные поля включают: глубину скважины, на ко-
торой проводилась разведка, угол падения и азимут скважины. Для верти-
кальной скважины, которая не была исследована, глубина будет такая же, как
поле max_depth в таблице устья скважины, угол падения (– 90) и азимут ноль.
Поля y, x и z используются для сохранения вычисленных координат каждого
инклинометрического замера.
Дополнительные поля данной таблицы могут включать любую другую
информацию, взятую в точке исследования, например, ориентация керна.
Обязательные поля в таблице инклинометрии показаны ниже:
Рис.33 Таблица survey
При помощи конструктора таблиц MS Access создаются необходимые

поля с учетом формата вводимых в поля данных. База данных заполняется
для двух-трех указанных преподавателем скважин.
Литература
1. Гуськов О.И., Кушнарев П.И., Таранов С.М. Математические методы

в геологии. Сборник задач: Учебное пособие для вузов.-М.: Недра, 1991. –
205 с.
2. Даценко В.М. Гранитоидный магматизм юго-западного обрамления
Сибирской платформы. – Новосибирск: Наука, 1984. – 120 с.
3. Дэвис Дж.С. Статистический анализ данных в геологии: Пер. с англ.
в 2 кн. – М.: Недра, 1990.
4. Каждан А.Б., Гуськов О.И. Математические методы в геологии:
Учебник для вузов. – М.: Недра, 1990. –251 с.
5. Руководство пользователя Surpac Vision 5.1 (электронный вариант).

U Lab

Загружено:

Сведения о документе

Описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Описание:

Авторское право:

Доступные форматы

U Lab

Оригинальное название:

Загружено:

Описание:

Авторское право:

Доступные форматы

Учебное пособие по выполнению лабораторных работ

Дисциплина «Математические методы и модели при решении геологиче-

Укрупненная группа 130000 «Геология, разведка и разработка ПИ»

Направление 130300 «Прикладная геология» специальности 130301 «Геоло-

Кафедра геологии месторождений и методики разведки

Автор: М.М. Лабушев

ИОП «Подготовка и переподготовка кадров высшей квалификации в области

Математические модели на ЭВМ представляют собой наиболее дина-

Модуль 1 «Математические методы моделирования в геологии»

Тема: Составление рядов распределения выборки и расчет выборочных ста-

Цель работы: Предварительная оценка закона распределения геологи-

Порядок выполнения работы

В основе статистических расчетов лежат два понятия: генеральная со-

При геологоразведочных работах невозможно определить все изучае-

ряд распределения изображается графически в прямоугольной системе коор-

стного меню выбираем "Количество чисел". Это особенно рационально в

14. Сделайте заголовок таблицы по образцу с использованием строч-

ной работы допустимо все надстрочные и подстрочные символы и цифры

Стандартное или среднее квадратическое отклонение:

Тема: Статистический анализ триад породообразующих оксидов и их ИКП с

Цель работы: Оценить закон распределения для большого числа выбо-

В данной работе предполагается сгруппировать выборки одной триады

Порядок выполнения работы

Для составленного ряда распределения определяются частости встре-

59-62 60,5 6 0,20 0,23

62-65 63,5 8 0,27 0,50

65-68 66,5 7 0,23 0,73

68-71 69,5 3 0,10 0,83

71-74 72,5 5 0,17 1

1. Откройте Excel и сохраните файл Книга 1 в папке

14. Выделите этот диапазон.

среднее арифметическое =срзнач(A1:A58) *

27. Составьте в Excel результирующую таблицу, шаблон которой при-

28. Делаем выводы из полученных результатов. Если выборочные по-

Тема: Проверка гипотезы о нормальности распределения выборки при помо-

Цель работы: определить соответствие выборки нормальному закону

Порядок выполнения работы

Для решения задач вначале следует проверить гипотезу о нормально-

Критерий Пирсона (χ2 – критерий)

Критерий Пирсона χ2 состоит в следующем. Пусть значения случайной

при стремлении n к бесконечности имеет асимптотическое распределение χ2

с неизвестным законом распределения, для сравнения между собой как но-

4. Если хи-квадрат эмпирическое окажется меньше хи-квадрат теоре-

ности, распределенной по нормальному закону. В другом случае утверждаем,

Тема: Проверка гипотезы о соответствии выборочного распределения закону

Цель работы: Опимизировать размер проб при изучении россыпного

Количество крупных золотин в пробе

Определить оптимальный объем проб, обеспечивающий обнаружение

Порядок выполнения работы

Гипотезу о соответствии распределения закону Пуассона также можно

i ni Pi n'i ni- n'i (ni- n'I)2 (ni- n'I)2/n'i

Среднее значение попадания кристалла в пробу равно 3,18, это значе-

эмпирических данных теоретической модели. Оно оценивается с помощью

Итак объем проб должен выбираться с таким расчетом, чтобы в него

Тема: Использование биномиального закона распределения для изучения

Цель работы: Определение аномальных участков закономерного (от-

Порядок выполнения работы

Биномиальное распределение - распределение вероятностей числа по-

Биномиальное распределение определяется двумя параметрами р и n.