UNIVERSIDAD NACIONAL DE

INGENIERÍA
FACULTAD DE INGENIERIA GEOLÓGICA, MINERA Y
METALÚRGICA
ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS

MONOGRAFÍA N° 1
“DETERMINACIÓN DE POBLACIONES ERRÁTICAS
APLICANDO LA HIPÓTESIS DE LOGNORMALIDAD”

ELABORADO POR

ABREGÚ TUESTA, JUAN GABRIEL 20160177K

RIVERA CALLE, ANGELLO GIUSEPPE 20160009K

CURSO

GEOESTADÍSTICA GE 711S

DOCENTE

Dr. ALFREDO MARÍN SUÁREZ

 Primera Monografía
Geoestadística GE 711S

LIMA –
PERÚ

2019

A mis padres, pilares de mi vida, que fruto de su amor y confianza estoy

cumpliendo mis sueños.
Angello Rivera

Geoestadística GE 711S 1
 Primera Monografía
Geoestadística GE 711S

A mis
padres, pilares de mi vida, que fruto de su amor y confianza estoy
cumpliendo mis sueños.
Juan Abregú

INDEX
1 INTRODUCCIÓN ............................................................................................................................. 3
2 OBJETIVOS ..................................................................................................................................... 4
3 FUNDAMENTO TEÓRICO ................................................................................................................ 5
3.1 DOMINIOS GEOLÓGICOS ................................................................................................................... 5
3.2 POBLACIONES ERRÁTICAS .................................................................................................................. 5
3.3 DISTRIBUCIONES DE PROBABILIDAD ..................................................................................................... 5
3.4 DISTRIBUCIÓN NORMAL .................................................................................................................... 6
3.5 DISTRIBUCIÓN LOG NORMAL.............................................................................................................. 7
3.6 TEOREMA DEL LÍMITE CENTRAL .......................................................................................................... 9
3.7 SIMULACIÓN ................................................................................................................................. 10
4 EXPERIMENTACIÓN ..................................................................................................................... 11
4.1 HIPÓTESIS .................................................................................................................................... 11
4.2 SIMULACIÓN DE POBLACIONES LOG NORMAL ...................................................................................... 11
4.2.1 Algoritmo para obtener una población de distribución Log Normal .................................... 11
4.2.2 Simulación de poblaciones Log Normal ................................................................................ 12
5 APLICACIÓN: ANÁLISIS DE DATA REAL ......................................................................................... 18
5.1.1 Tajo Abierto Polimetálico Depósito de Sulfuros Zn - Pb - Ag (Junín – Lima) ......................... 18
5.1.2 Yacimiento del terciario inferior-eoceno de Zn – Pb – Ag Subterráneo (C.P.) ....................... 18
5.1.3 Yacimiento Polimetálico Cu - Ag – Au Subterráneo .............................................................. 18
5.1.4 Tajo Abierto de Pórfido Cu y Au (Óxidos y Sulfuros) ............................................................ 18
6 CONCLUSIÓN ............................................................................................................................... 20
7 ANEXOS ....................................................................................................................................... 20
8 REFERENCIASINSTITUCIONAL PRESENTATION ............................................................................. 20
8.1 WHO ARE WE?........................................................................................................................... 20
8.2 OUR VALUES .............................................................................................................................. 20
8.3 VISION ....................................................................................................................................... 20
8.4 MISSION .................................................................................................................................... 21
8.5 STRATEGIC OBJECTIVES ............................................................................................................. 21
8.6 GOALS 2019 ............................................................................................................................... 21
8.7 ACKNOWLEDGMENT ................................................................................................................. 21

Geoestadística GE 711S 2
 Primera Monografía
Geoestadística GE 711S

1 Introducción

Geoestadística GE 711S 3
 Primera Monografía
Geoestadística GE 711S

2 Objetivos

Geoestadística GE 711S 4
 Primera Monografía
Geoestadística GE 711S

3 Fundamento Teórico

3.1 Dominios Geológicos

3.2 Poblaciones Erráticas
3.3 Distribuciones de Probabilidad

Geoestadística GE 711S 5
 Primera Monografía
Geoestadística GE 711S

3.4 Distribución Normal

Distribución de probabilidad de variable continua que con más frecuencia

aparece en estadística y en la teoría de probabilidades.

1 1 𝑥−𝜇 2
− ( )
𝑓(𝑥) = 𝑒 2 𝜎
√2𝜋𝜎

Propiedades
1. Es simétrica respecto de su media, 𝛍
2. La moda y la mediana son ambas iguales a la media, 𝛍
3. Los puntos de inflexión de la curva se dan para 𝛘=𝛍 - 𝛔 y 𝛘=𝛍 + 𝛔
4. Distribución de probabilidad en un entorno de la media:
a. En el intervalo [ 𝛍 - 𝛔 , 𝛍 + 𝛔 ] se encuentra comprendida,
aproximadamente, el 68,26% de la distribución.
b. En el intervalo [ 𝛍 - 2𝛔 , 𝛍 + 2𝛔 ] se encuentra, aproximadamente, el
95,44% de la distribución.
c. Por su parte, en el intervalo [ 𝛍 - 3 , 𝛍 + 3𝛔 ] se encuentra
comprendida, aproximadamente, el 99,74% de la distribución. Estas
propiedades son de gran utilidad para el establecimiento
de intervalos de confianza. Por otra parte, el hecho de que
prácticamente la totalidad de la distribución se encuentre a tres

Geoestadística GE 711S 6
 Primera Monografía
Geoestadística GE 711S

desviaciones
típicas de la media justifica los límites de las tablas empleadas
habitualmente en la normal estándar.

3.5 Distribución Log Normal

En probabilidades y estadísticas, la distribución normal logarítmica es una

distribución de probabilidad de una variable aleatoria cuyo logaritmo está
normalmente distribuido. Es decir, si X es una variable aleatoria con una
distribución normal, entonces exp(X) tiene una distribución log-normal.
La base de una función logarítmica no es importante, ya que log a X está
distribuida normalmente si y solo si logb X está distribuida normalmente, solo
se diferencian en un factor constante.
Log-normal también se escribe log normal o lognormal o distribución de
Tinaut.
Una variable puede ser modelada como log-normal si puede ser considerada
como un producto multiplicativo de muchos pequeños factores
independientes. Un ejemplo típico es un retorno a largo plazo de una
inversión: puede considerarse como un producto de muchos retornos diarios.
Una variable aleatoria no negativa (𝑋) tiene una distribución Log-Normal si la
variable aleatoria si 𝑌 = ln⁡(𝑋) tiene una distribución normal.

Sea: 𝜇 = 𝐸[𝑋] 𝛼 = 𝐸[𝑌] = 𝐸[𝐿𝑛(𝑋)]

𝜎 = 𝐷𝑒𝑠𝑣. 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑋 𝛽 = 𝐷𝑒𝑠𝑣. 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑌

La distribución log-normal tiene la siguiente función densidad de

probabilidad:

2
1 1 ln(𝑥)−𝛼
−2 ( )
𝑓(𝑥 ) = 𝑒 𝛽
𝑥 √2𝜋𝛽

𝛽2
𝛼+
𝜇=𝑒 2

2 2
𝜎 2 = 𝑒 2𝛼+𝛽 (𝑒 𝛽 − 1)

Geoestadística GE 711S 7
 Primera Monografía
Geoestadística GE 711S

Geoestadística GE 711S 8
 Primera Monografía
Geoestadística GE 711S

3.6 Teorema Del Límite Central

El teorema del límite central o teorema central del límite indica que, en condiciones
muy generales, si Sn es la suma de n variables aleatorias independientes y
de varianza no nula pero finita, entonces la función de distribución de Sn «se
aproxima bien» a una distribución normal (también llamada distribución
gaussiana, curva de Gauss o campana de Gauss). Así pues, el teorema asegura que
esto ocurre cuando la suma de estas variables aleatorias e independientes es lo
suficientemente grande.

Definición

Sea (𝛍, 𝛔2) la función de densidad de la distribución normal definida como:

𝟏 𝒙−𝝁 𝟐
𝟏
𝒆− 𝟐 ( )
⁡𝒇(𝛍,𝝈2 ) ⁡(𝒙) = 𝝈
√𝟐𝝅𝝈

Con una media µ y una varianza σ2. El caso en el que su función de densidad sea (0,
1), a la distribución se le conoce como normal estándar.

Se define Sn como la suma de n variables aleatorias, independientes, idénticamente

distribuidas, y con una media µ y varianza σ2 finitas (σ2≠0):

Sn =Г⁡1 +⁡…⁡+⁡Г⁡n
De manera que, la media de Sn es n·µ y la varianza n·σ2, dado que son variables
aleatorias independientes. Con tal de hacer más fácil la comprensión del teorema y
su posterior uso, se hace una estandarización de Sn como:

𝑺𝒏−⁡𝒏·µ ⁡
Zn =
𝝈√𝒏

Para que la media de la nueva variable sea igual a 0 y la desviación estándar sea igual
a 1. Así, las variables Zn convergerán en distribución a la distribución normal estándar
(0, 1), cuando n tienda a infinito. Como consecuencia, si Φ(z) es la función de
distribución de 𝓝 (0, 1), para cada número real z:

𝐥𝐢𝐦 𝐏𝐫(𝒁𝒏 ≤ 𝒛)⁡= Ф⁡(𝒛)

𝒏→∞

Donde Pr () indica probabilidad y lim se refiere a límite matemático.

Geoestadística GE 711S 9
 Primera Monografía
Geoestadística GE 711S

3.7 Simulación Gaussiana

Se tiene la variable aleatoria X que posea la distribución de probabilidad siguiente:

𝑋⁡~⁡𝑁⁡(𝜇⁡, 𝜎 2 )
Consideremos:
𝑋 − ⁡𝜇
𝑍 =⁡
𝜎
Al hacer el anterior reemplazo, se obtiene la distribución normal tipificada de una
variable aleatoria:

𝑍⁡~⁡𝑁⁡(0⁡, 1)
Esta distribución tipificada, junto al teorema del límite central, nos permite obtener
valores simulados de una población a partir de una muestra finita.
̅
𝜲−𝑿 𝑺𝒏−⁡𝒏·µ ⁡
𝑍= ⁡=
𝝈𝒙 𝝈√𝒏
Despejando X se obtiene:

𝑺𝒏−⁡𝒏·µ ⁡ ̅
𝜲= (
𝝈√𝒏
) . 𝝈𝒙 +𝑿
Donde:

𝜲: Valores simulados

𝑺𝒏 :⁡ Suma de los n valores aleatorios obtenidos entre 0 y 1.

𝒏: Número de valores aleatorios a usar para la simulación de cada valor.

µ: Valor esperado de los números aleatorios a usar

𝝈: Desviación estándar de los números aleatorios a usar

̅̅̅
𝑿: Media de la población a simular

𝝈𝒙 : Desviación estándar de la población a simular

Para este trabajo se toman los siguientes valores:

1
𝒏 = 12 µ = 0.5 𝝈 =⁡
√12

Geoestadística GE 711S 10
 Primera Monografía
Geoestadística GE 711S

4 Experimentación

4.1 Hipótesis

En la naturaleza existen distribuciones de leyes de metal muy complejas, que no se

asemejan a ninguna distribución de probabilidad conocida. Esta distribución
compleja se puede aproximar como una suma de distintas distribuciones de
probabilidad conocidas. Tener en cuenta que cada distribución de probabilidad
representará distintos eventos geológicos ocurridos en la formación de este
yacimiento.

Esta hipótesis de Log Normalidad será contrastada con la prueba de Kolmogorov-

Smirnov para una muestra, que es un procedimiento de "bondad de ajuste", que
permite medir el grado de concordancia existente entre la distribución de un
conjunto de datos, en este caso, el logaritmo neperiano de las leyes, y una
distribución teórica específica, la distribución normal.

4.2 Simulación de poblaciones Log Normal

4.2.1 Algoritmo para obtener una población de distribución Log Normal

El siguiente código se realizó en lenguaje de programación Python.

import random
import math

r = open("simlognormal.txt","w")
m = float(input("Media: "))
d = float(input("Desviación estándar: "))
n = int(input("Cantidad de números aleatorios a usar: "))
t = int(input("Cantidad de números aleatorios a obtener: "))
v =[]
b=0
m1 = 0.5
d1 = (1/12)**0.5
f=0

for i in range(t):
for j in range(n):
a = random.random()
b=b+a
z = (b-n*m1)/(n*(d1**2))**0.5
Lnx = z*(math.log((d/m)**2+1))**0.5 + math.log(m) -
((math.log((d/m)**2+1))**0.5)**2/2
x = math.exp(Lnx)
f = str(x) + "\n"

Geoestadística GE 711S 11
 Primera Monografía
Geoestadística GE 711S

v.append(f)

b=0
r.writelines(v)
r.close()
input()

4.2.2 Simulación de poblaciones Log Normal

Con el código anterior se obtuvo 2 poblaciones con distribución Log Normal,

las cuales simularán juntas la distribución de las leyes de Au un yacimiento
Epitermal de Alta Sulfurización.

4.2.2.1 Población 1

𝜇 = 1.370
𝜎 = 0.681
𝑁 = 1978
Comentario 1

La distribución de leyes no denota gráficamente una distribución

normal, lo que será contrastado con la prueba de Kolmogorov-
Smirnov.

Geoestadística GE 711S 12
 Primera Monografía
Geoestadística GE 711S

Comentario 2

La distribución del logaritmo neperiano de las leyes si denota

gráficamente aproximadamente una distribución normal, lo que
será contrastado con la prueba de Kolmogorov-Smirnov.

Comentario 3

Se verifica con la prueba de ajuste de bondad de Kolmogorov-

Smirnov que la población tiene una distribución LogNormal.

Geoestadística GE 711S 13
 Primera Monografía
Geoestadística GE 711S

4.2.2.2 Población 2

𝜇 = 2.488
𝜎 = 0.495
𝑁 = 2000
Comentario 1

La distribución de leyes no denota gráficamente una distribución

normal, lo que será contrastado con la prueba de Kolmogorov-
Smirnov.

Geoestadística GE 711S 14
 Primera Monografía
Geoestadística GE 711S

Comentario 2

La distribución del logaritmo neperiano de las leyes si denota

gráficamente aproximadamente una distribución normal, lo que
será contrastado con la prueba de Kolmogorov-Smirnov

Comentario 3

Se verifica con la prueba de ajuste de bondad de Kolmogorov-

Smirnov que la población tiene una distribución LogNormal.

4.2.2.3 Población Total

𝜇 = 1.933
𝜎 = 0.815
𝑁 = 3978

Geoestadística GE 711S 15
 Primera Monografía
Geoestadística GE 711S

Comentario 1

Al unir ambas poblaciones de carácter Log Normal, su distribución

de leyes no presenta alguna distribución conocida.

Geoestadística GE 711S 16
 Primera Monografía
Geoestadística GE 711S

Comentario 1

Al observar el histograma del logaritmo neperiano de las leyes, se

puede observar 2 fuertes tendencias, que representan claramente
a las 2 poblaciones anteriormente obtenidas.

Geoestadística GE 711S 17
 Primera Monografía
Geoestadística GE 711S

5 Aplicación: Análisis de data real

5.1.1 Tajo Abierto Polimetálico Depósito de Sulfuros Zn - Pb - Ag (Junín – Lima)

5.1.2 Yacimiento del terciario inferior-eoceno de Zn – Pb – Ag Subterráneo (C.P.)
5.1.3 Yacimiento Polimetálico Cu - Ag – Au Subterráneo

5.1.4 Tajo Abierto de Pórfido Cu y Au (Óxidos y Sulfuros)

Con el código anterior se obtuvo 2 poblaciones con distribución Log Norma, las
cuales simularán juntas la distribución de las leyes de Au un yacimiento epitermal
de Alta Sulfurización.

Geoestadística GE 711S 18
 Primera Monografía
Geoestadística GE 711S

5.1.4.1 Población 1

Geoestadística GE 711S 19
 Primera Monografía
Geoestadística GE 711S

𝜇 = 1.370
𝜎 = 0.681
𝑁 = 1978

6 Conclusión

7 Anexos

8 ReferenciasINSTITUCIONAL PRESENTATION

8.1 WHO ARE WE?

We are a Student Chapter conformed by the students of the Faculty of

Geological, Mining and Metallurgical Engineering of the National University of
Engineering (UNI), associated to the Society for Mining, Metallurgic and
Exploration (SME) and committed to the development of the mining industry
national.

8.2 OUR VALUES

Passion. Always deliver more than what is expected of you (LP)

Integrity. Knowledge without integrity is dangerous and terrible (SJ)
Leadership. Leadership is liberate the potential of people to make them better (BB)
Teamwork. Together we achieved great goals
Socio Ambiental Responsability. The price of greatness is responsibility (WC)
Continuous Improvement. After climbing a very high mountain, we discovered
jjthat there are many other mountains to climb (NM)

8.3 VISION

“By 2021, be the leading student chapter in mine planning, scientific research
and development, focused on the needs of the mining industry”

Geoestadística GE 711S 20
 Primera Monografía
Geoestadística GE 711S

8.4 MISSION

“To maximize UNI talent, under an integral approach, and to promote mining
research, responding to the needs of companies and society”

8.5 STRATEGIC OBJECTIVES

1. Strengthen the technical knowledge of students

2. Promote scientific research in students
3. Enhance leadership skills and integration among members
4. Student representation and prestige to the University
5. Disseminate responsible mining within Peruvian society

8.6 GOALS 2019

1. Outstanding participation in concurs of Planning at PERUMIN

2. Outstanding participation in competition of Planning at CONEIMIN
3. Carry out one research project
4. Participation of at least two students in the AC SME 2020

8.7 ACKNOWLEDGMENT

To…

… MSc. Eng. Henry Brañes, great mentor and professor

… Mrs. Marisa Moane de Amico, great counselor and friend

… MSc. Eng. Jose Corimanya and Eng. Augusto Tévez, for your trust and support

… Bach. Cristhian Quiroz, Erick Hinostroza and Alfredo Martinez, great friends

… Engineers, Faculty Personal and Students, which made all our activities possible

Geoestadística GE 711S 21
 Primera Monografía
Geoestadística GE 711S

Geoestadística GE 711S 22