Академический Документы
Профессиональный Документы
Культура Документы
Histograma estándar
Visualiza la frecuencia de ocurrencia en función del valor
Distribución de leyes (2)
Desagrupamiento
Principales métodos:
• polígonos de influencia
• método de las celdas
Distribución de leyes (3)
Estadística básica
• medidas de posición
media, mediana, moda, mínimo, máximo, rango, deciles,
cuartiles, cuantiles
• medidas de dispersión
varianza, desviación estándar, coeficiente de variación,
rango intercuartil
• medidas de forma
coeficiente de asimetría, coeficiente de aplanamiento
Distribución de leyes (9)
• gráficos de probabilidad
• curvas tonelaje-ley
Histograma acumulado
Para cada ley de corte, se visualiza la frecuencia de los valores
menores que dicha ley de corte.
Distribución de leyes (11)
Gráficos de probabilidad
Hay que tener cuidado que las curvas tonelaje – ley dependen del
soporte de los valores medidos, en particular las curvas asociadas
a las muestras (soporte “puntual”) no coinciden con las curvas de
las unidades selectivas de explotación (“bloques”). Para estimar
estas últimas, será necesario construir un modelo de cambio de
soporte.
Comportamiento direccional (1)
Nubes direccionales
Visualizan el comportamiento de los valores a lo largo de
los ejes de coordenada. Esta herramienta permite detectar
valores atípicos e identificar tendencias o cambios de
estructuración en la evolución de los valores.
Comportamiento direccional (2)
Nube de dispersión
→ ver la relación par a par de ambas variables o “correlación”
→ detectar valores aberrantes
Herramientas bivariables (3)
COMPÓSITOS
Un mismo conjunto de datos no debe contener muestras de
soporte distinto. Por ende, es necesario llevar las muestras a
compósitos de la misma longitud (generalmente, igual a la
altura del bloque de selección minera o a un sub-múltiplo de
esta altura) que se pueden agrupar en el estudio estadístico.
→ Mapas geológicos
Se basan en observaciones de superficie, trincheras, sondajes,
labores subterráneas. Sin embargo, lo esencial de estos mapas
corresponde a una interpretación. Por lo tanto, es necesario
revisar periódicamente estos mapas.
Alternativas:
• métodos geoestadísticos avanzados (transforman los datos)
• “capping” o “cutting”
• cambiar el tamaño de los compósitos
• identificar varias poblaciones de datos
Datos imprecisos (1)
Ŷ = a X + b
cov (X, Y)
con: a =
var (X)
b = mY − a mX
Regresión lineal (2)
Problemática
A principios de los años 1950, en los yacimientos de oro
sudafricanos, se solía estimar la ley de un panel por la media
de las leyes de las muestras contenidas en dicho panel.
Propuesta de D. Krige
Propuesta de G. Matheron
START OF PARAMETERS:
muestras.dat -file with data
1 2 4 - columns for X, Y, variable
3 -1.0e21 1.0e21 - columns for Z and coordinate limits
-1.0 1.0e21 - trimming limits
mapa_muestras_Cu_planta.ps -file for PostScript output
0.0 400. -xmn,xmx
0.0 600. -ymn,ymx
0 -0=data values, 1=cross validation
0 -0=arithmetic, 1=log scaling
1 -0=gray scale, 1=color scale
0 -0=no labels, 1=label each location
0.0 3.0 0.5 -gray/color scale: min, max, increm
0.25 -label size: 0.1(sml)-1(reg)-10(big)
Muestras de exploracion (planta) -Title
Histograma
Parameters for HISTPLT
**********************
START OF PARAMETERS:
muestras.dat -file with data
4 0 - columns for variable and weight
-1.0 1.0e21 - trimming limits
hist_muestras_Cu.ps -file for PostScript output
0.0 3.0 -attribute minimum and maximum
0.12 -frequency maximum (<0 for automatic)
30 -number of classes
0 -0=arithmetic, 1=log scaling
0 -0=frequency, 1=cumulative histogram
0 - number of cum. quantiles (<0 for all)
2 -number of decimal places (<0 for auto.)
Histograma estandar -title
1.5 -positioning of stats (L to R: -1 to 1)
-1.1e21 -reference value for box plot
Desagrupamiento (1)
Parameters for DECLUS
*********************
START OF PARAMETERS:
muestras.dat -file with data
1 2 3 4 - columns for X, Y, Z, and variable
-1.0 1.0e21 - trimming limits
declus.sum -file for summary output
declus.out -file for output with data & weights
1.0 0.25 -Y and Z cell anisotropy (Ysize=size*Yanis)
0 -0=look for minimum declustered mean (1=max)
94 30.0 500.0 -number of cell sizes, min size, max size
10 -number of origin offsets
Desagrupamiento (2)
Parameters for SCATPLT
**********************
START OF PARAMETERS:
declus.sum -file with data
1 2 0 0 - columns for X, Y, wt, third var.
-1.0 1.0e21 - trimming limits
media_vs_tamano.ps -file for Postscript output
0.0 500.0 0 -X min and max, (0=arith, 1=log)
0.8 1.10 0 -Y min and max, (0=arith, 1=log)
1 -plot every nth data point
0.5 -bullet size: 0.1(sml)-1(reg)-10(big)
0.0 5.0 -limits for third variable gray scale
Media desagrupada vs tamano de celda -title
Desagrupamiento (3)
Parameters for DECLUS
*********************
START OF PARAMETERS:
muestras.dat -file with data
1 2 3 4 - columns for X, Y, Z, and variable
-1.0 1.0e21 - trimming limits
declus.sum -file for summary output
declus.out -file for output with data & weights
1.0 0.25 -Y and Z cell anisotropy (Ysize=size*Yanis)
0 -0=look for minimum declustered mean (1=max)
1 48.0 48.0 -number of cell sizes, min size, max size
10 -number of origin offsets
Desagrupamiento (4)
Parameters for HISTPLT
**********************
START OF PARAMETERS:
declus.out -file with data
4 7 - columns for variable and weight
-1.0 1.0e21 - trimming limits
hist_declus_Cu.ps -file for PostScript output
0.0 3.0 -attribute minimum and maximum
0.12 -frequency maximum (<0 for automatic)
30 -number of classes
0 -0=arithmetic, 1=log scaling
0 -0=frequency, 1=cumulative histogram
0 - number of cum. quantiles (<0 for all)
2 -number of decimal places (<0 for auto.)
Histograma desagrupado -title
1.5 -positioning of stats (L to R: -1 to 1)
-1.1e21 -reference value for box plot
Gráficos de probabilidad
Parameters for PROBPLT
**********************
START OF PARAMETERS:
declus.out -file with data
4 7 - columns for variable and weight
-1.0 1.0e21 - trimming limits
logprobplt_declus_Cu.ps -file for PostScript output
0 -number of points to plot (<0 for all)
1 -0=arithmetic, 1=log scaling
0.1 10.0 0.5 -min,max,increment for labeling
Grafico de probabilidad lognormal -title
Curvas tonelaje-ley
Parameters for GTCURVE
**********************
START OF PARAMETERS:
declus.out \file with data
4 7 \ columns for grade and weight
-1. 1.0e21 \ trimming limits
100.0 \ clipping limit (upper limit)
gtcurve_declus_Cu.ps \file for Postscript output
30 0.0 3.0 \Cutoff: num, min and max
0.0 1.0 \Tonnes: min and max
0.0 5.0 \Grade: min and max
Curvas Tonelaje-Ley
Nubes direccionales
Parameters for SCATPLT
**********************
START OF PARAMETERS:
declus.out -file with data
1 4 7 0 - columns for X, Y, wt, third var.
-1.0 1.0e21 - trimming limits
nube_Cu_este.ps -file for Postscript output
0. 400.0 0 -X min and max, (0=arith, 1=log)
0.0 7.3 0 -Y min and max, (0=arith, 1=log)
1 -plot every nth data point
0.25 -bullet size: 0.1(sml)-1(reg)-10(big)
0.0 5.0 -limits for third variable gray scale
Nube direccional (este) -title
Nubes de dispersión
Parameters for SCATPLT
**********************
START OF PARAMETERS:
declus.out -file with data
4 5 7 0 - columns for X, Y, wt, third var.
-1.0 1.0e21 - trimming limits
scatplt_cobre_oro.ps -file for Postscript output
0. 7.0 0 -X min and max, (0=arith, 1=log)
0.0 70.0 0 -Y min and max, (0=arith, 1=log)
1 -plot every nth data point
0.25 -bullet size: 0.1(sml)-1(reg)-10(big)
0.0 5.0 -limits for third variable gray scale
Nube de dispersion -title
Gráfico cuantiles contra cuantiles
Parameters for QPPLT
********************
START OF PARAMETERS:
declus.out -file with first set of data (X axis)
4 7 - columns for variable and weight
declus.out -file with second set of data (Y axis)
5 7 - columns for variable and weight
-1.0 1.0e21 - trimming limits
qqplt_declus_CuAu.ps -file for PostScript output
0 -0=Q-Q plot, 1=P-P plot
0 -number of points to plot (<0 for all)
0.0 7.0 -X minimum and maximum
0.0 70.0 -Y minimum and maximum
0 -0=arithmetic, 1=log scaling
Grafico cuantiles contra cuantiles -Title
Nociones fundamentales (18)
Ejemplo: clasificación de las unidades selectivas de explotación
en mineral o estéril