GEOESTADSTICA

CAPTULO 1
Hiptesis
Objetivos

Ing. Luis E. Vargas R.

2014

INTRODUCCIN
Uno de los objetivos del curso es mostrar las
bondades de la geoestadstica en la solucin de
problemas en los diferentes contextos geolgico
mineros.
Se dar nfasis a las etapas de un proyecto minero,
desde la etapa de reconocimiento geolgico hasta la
fase de explotacin.
Constataremos como a travs del tiempo la
practicidad, desarrollo y aplicaciones de la
geoestadstica en las Ciencias de la Tierra se ha
incrementado en gran medida.
Geoestadstica - Ing. Luis E. Vargas

APLICACIONES DE LA GEOSTADSTICA
El anlisis e interpretacin de los semivariogramas y
los mtodos geoestadsticos son tiles para:

Evaluar el potencial econmico-minero de un

yacimiento.
Definir el rea de influencia de una muestra
geolgica y la morfologa del fenmeno estudiado.
Determinar el tamao, densidad y esquema ptimo
de muestreo geolgico.
Caracterizar la naturaleza de la mineralizacin.
Geoestadstica - Ing. Luis E. Vargas

 La aplicacin de la geoestadstica en minera y

geologa permite entre otras cosas evitar el uso de
mtodos de ponderacin arbitrarios y de
estimadores sesgados en el clculo de reservas y
recursos.
Si la base de datos (BD) inicial es correcta, a travs
de la geoestadstica podemos determinar el mejor
estimador insesgado posible, importante en un
contexto de yacimientos que exigen lmites
econmicos severos.
Geoestadstica - Ing. Luis E. Vargas

CAPTULO 1
HIPTESIS Y OBJETIVOS DE LA
GEOESTADSTICA

1.1 Concepto de Geoestadstica

Existen numerosos tratados de geoestadstica en la
literatura, entre los que cabe destacar Samper y
Carrera (1990) y Goovaerts (1997).
Matheron1,
el
impulsor
del
formalismo matemtico de la
Geoestadstica, defini esta ciencia
como la aplicacin del formalismo
de las funciones aleatorias al
reconocimiento y estimacin de
fenmenos naturales (1962).
1

Georges Matheron (1930 2000). Graduado en la

Geoestadstica - Ing. Luis E. Vargas
Escuela de Minas de Pars.

 Funcin Aleatoria (F.A.): Aquella que relaciona una

o ms variables aleatorias.

Variable Aleatoria (V.A.) o variable estocstica: Es

una variable estadstica cuyos valores corresponden
a mediciones de algn experimento aleatorio.

Geoestadstica - Ing. Luis E. Vargas

Los valores posibles de V.A. posibles resultados de

un experimento an no realizado, o los posibles valores
de una cantidad cuyo valor actualmente existente es
incierto (p.e., como resultado de medicin incompleta
o imprecisa).

Una distribucin de probabilidad describe

probabilidad de que se den los diferentes valores.
Las variables aleatorias suelen tomar valores reales.

Geoestadstica - Ing. Luis E. Vargas

la

Distribucin de Probabilidad

Entindase falla como error.

Geoestadstica - Ing. Luis E. Vargas

 Concepto intuitivo: Una V.A puede concebirse

como un valor numrico que est afectado por el azar.
Dada una V.A. no es posible conocer con certeza el
valor que tomar esta al ser medida o determinada,
aunque s se conoce que existe una distribucin de
probabilidad asociada al conjunto de valores posibles.

Geoestadstica - Ing. Luis E. Vargas

 Para trabajar de manera slida con variables

aleatorias en general es necesario considerar un
gran nmero de experimentos aleatorios, para su
tratamiento estadstico, cuantificar los resultados de
modo que se asigne un nmero real a cada uno de
los resultados posibles del experimento. De este
modo se establece una relacin funcional entre
elementos del espacio muestral asociado al
experimento y nmeros reales.
Geoestadstica - Ing. Luis E. Vargas

 Concepto formal: Una V.A. X es una funcin real

definida en el espacio muestral, , asociado a un
experimento aleatorio.
Rango de una V.A. X (RX): Es la imagen o rango de
la funcin X , es decir, el conjunto de los valores
reales que sta puede tomar, segn la aplicacin X.
Dicho de otro modo, el rango de una V.A. es el
recorrido de la funcin por la que sta queda
definida:
Geoestadstica - Ing. Luis E. Vargas

 Experimento Aleatorio: es aquel que bajo el

mismo conjunto aparente de condiciones iniciales,
puede presentar resultados diferentes, es decir, no se
puede predecir o reproducir el resultado exacto de
cada experiencia particular. (p.e.: Lanzamiento de un
dado).
Este tipo de fenmeno es opuesto al fenmeno
determinista, en el que conocer todos los factores de
un experimento nos hace predecir exactamente el
resultado del mismo.
Geoestadstica - Ing. Luis E. Vargas

 Proceso Estocstico: es un concepto matemtico

que sirve para caracterizar una sucesin de variables
aleatorias (estocsticas) que evolucionan en funcin de
otra variable, generalmente el tiempo. Cada una de las
variables aleatorias del proceso tiene su propia funcin
de distribucin de probabilidad y, entre ellas, pueden
estar correlacionadas o no.

Geoestadstica - Ing. Luis E. Vargas

Proceso Estocstico

Precio del oro en un intervalo de tiempo

Geoestadstica - Ing. Luis E. Vargas

 La geoestadstica es una rama de la estadstica que

trata fenmenos espaciales (Journel & Huijbregts,
1978).
Parte de la observacin de que la variabilidad o
continuidad espacial de las variables tienen una
estructura particular que se estudia mediante la
dependencia entre ellas.
Matheron (1970) denomin a estas variables
dependientes entre si, variables regionalizadas,
adems de elaborar su teora. [Journel y Huijbregts
(1978), David (1977) y de Fouquet (1996)].
Geoestadstica - Ing. Luis E. Vargas

 Su inters primordial es la estimacin, prediccin y

simulacin de dichos fenmenos (Myers, 1987).

En resumen, la aplicacin de la teora de los

procesos estocsticos a los problemas de
evaluacin de reservas de distintos tipos de materias
primas minerales y en general a las ciencias
naturales en el anlisis de datos distribuidos espacial
y temporalmente dio origen a lo que hoy se conoce
como geoestadstica.
Geoestadstica - Ing. Luis E. Vargas

1.2 Etapas de un Proyecto Minero

1.2.1 Prospeccin: En esta etapa tomando como base
informacin de trabajos de reconocimiento se trata de
delimitar una zona mineralizada, considerando una
serie de criterios geolgicos.
.

El objetivo de la prospeccin es verificar la existencia

de mineralizacin y comprender la naturaleza
cualitativa del fenmeno (contexto estructural,
paragnesis, etc.).

Geoestadstica - Ing. Luis E. Vargas

1.2.2 Factibilidad: El estudio de factibilidad, luego de

la etapa prospectiva, y una coyuntura econmica
favorable (precios de materias primas, marco jurdico,
licencia social, etc.) permitir decidir la explotacin del
yacimiento.
1.2.3 Proyecto Minero: Si la cantidad "Q" va a generar
beneficios, se continua con la fase siguiente, es decir,
el clculo del proyecto minero. Para ello se debe definir
el mtodo de explotacion y la seleccin de reservas.
Geoestadstica - Ing. Luis E. Vargas

Si el yacimiento ha sido dividido en bloques, donde z(v)

es la ley del bloque. El bloque explotable ser aquel cuya
ley sea superior a la ley de corte o ley cut off z(c).
Uno de los objetivos primordiales de la geoestadstica es
justamente el clculo de reservas recuperables.
Geoestadstica - Ing. Luis E. Vargas

Este clculo permite cumplir dos objetivos:

1. Usar la tcnica del Krigeaje para estimar la ley de
los bloques a partir de los sondajes.
2. Estimar las reservas que se pueden visualizar a
travs de las dos curvas que a continuacin de
muestran:
100 %

Tz(c)

Tz(c) mx

mz(v)

z(c)
Geoestadstica - Ing. Luis E. Vargas

z(c)

1.2.4 Programa de Explotacin: Definidos el mtodo

de explotacin y el criterio de seleccin, queda opr
resolver la programacin de la explotacin de manera
ptima, para ello deben respetarse ciertas condicones,
como por ejemplo el tamao y el nmero de bloques a
explotar, el material a utilizarse, etc.

Se debe considerar el tonelaje mnimo y mximo a

suministrar a la planta por unidad de tiempo, de forma
que el aprovisionamiento sea el ms regular posible,
en calidad y cantidad.
Geoestadstica - Ing. Luis E. Vargas

Es necesario que exista una armona entre la mina y la

planta, ello se garantiza, ya sea, a travs de stocks de
mineral o mediante un racionamiento adecuado de
material tratado por la planta.

La geoestadstica puede predecir la ley del producto y

a la vez, realizar una programacin de la explotacin lo
ms ptima posible.

Geoestadstica - Ing. Luis E. Vargas

1.3 Variables Regionalizadas (V.R)

1.3.1 Definicin y Ejemplos: Una V.R. es aquella que
puede representarse en el espacio:

Geoestadstica - Ing. Luis E. Vargas

La geoestadstica con respecto a la estadstica,

considera en su anlisis y formulismo matemtico no
slo el valor o magnitud en el punto donde se tom la
muestra, sino tambin la ubicacin de ese punto
dentro del cuerpo mineralizado y su relacin con las
dems muestras.

Para comprender mejor lo anterior, analizaremos las

dos series de leyes de Cu, dadas en porcentaje, que a
continuacin se detallan:
Geoestadstica - Ing. Luis E. Vargas

Serie A: 0.5; 1.5; 2.5; 3.5; 4.5; 6.0

Serie B: 1.5; 4.5; 6.0; 3.5; 2.5; 0.5

Las dos series presentan la misma media (3.08) y

varianza (4.04), sin embargo notamos una marcada
diferencia espacial, puesta de manifiesto en las
diferencias sucesivas entre las muestras contiguas:
Diferencias de la serie A: 1.0; 1.0; 1.0; 1.0; 1.5
Diferencias de la serie B: 3.0; 1.5; 2.5; 1.0; 2.0

Geoestadstica - Ing. Luis E. Vargas

Estas diferencias pueden utilizarse para poner de

manifiesto la existencia de una relacin espacial en los
valores de la variable, que los mtodos estadsticos
no toman en cuenta.

En funcin de ese criterio podemos decir que una

variable regionalizada puede representarse en el
espacio en base a su magnitud y soporte (volumen,
forma y orientacin).

Geoestadstica - Ing. Luis E. Vargas

Ejemplo de Variable Regionalizada

Sea una mineralizacin cualquiera:
Superficie

p(x), z(x)

Podemos definir:
La potencia de la mineralizacin p(x).
La acumulacin a(x), es decir la cantidad de metal
correspondiente a p(x).
La ley z(x) = a(x)/p(x).

p(x), a(x) y z(x) son variables regionalizadas.

Geoestadstica - Ing. Luis E. Vargas

1.3.2 Anlisis Estructural:

Este grfico consta de una

parte aleatoria imprevisible
e irregular y de una parte
con una tendencia regular,
estructurada y previsible.

1% 2% 3% 4%
Profundidad

En el grfico adjunto se ha
representado la V.R. ley en
funcin de la profundidad.

Ley

20
40
60
80
100

Uno de los objetivos de la geoestadstica es describir

las
estructuras
mixtas
de
las
variables
regionalizadas.
Geoestadstica - Ing. Luis E. Vargas

1.3.3 Soporte y Campo: Los valores de la V.R. se

definen en un campo. Este campo por ejemplo puede
ser un yacimiento o una parte de l. Adems, una V.R.
slo es fsicamente medible en trminos de un soporte,
por ejemplo, una ley de mineral puede medirse bajo un
determinado soporte "un sondaje".

Zv = 1/V v z(x1,x2,x3)dx1dx2dx3
En resumen, otro de los objetivos de la
geoestadstica es describir las estructuras y estimar
sus valores.
Geoestadstica - Ing. Luis E. Vargas

SONDAJES (SOPORTE)
50m

50m

600m

600m

350m

Geoestadstica - Ing. Luis E. Vargas

800m

SECCIN NW - SONDAJES

1000m

Geoestadstica - Ing. Luis E. Vargas

CAMPO
Topografa

Diques

Prfido Central

Geoestadstica - Ing. Luis E. Vargas

CAMPO Y SOPORTE

Zv = 1/V v z(x1,x2,x3)dx1dx2dx3

1.4 Hiptesis de trabajo

1.4.1 Funcin Aleatoria: Las
leyes slo son conocidas en
ciertos puntos y deseamos
conocer las leyes en todos los
puntos del eje x.
Un polinomio que pase por
cada uno de los puntos
conocidos
resolvera
el
problema, pero existe una
infinidad
de
polinomios
soluciones.

Ley

Geoestadstica - Ing. Luis E. Vargas

Se tendra que escoger el polinomio que de el menor

error y la seleccin podra ser totalmente arbitraria.
Para resolver este problema la geoestadstica plantea
una hiptesis base:
En primer lugar, z(x) variable regionalizada, es una
realizacin de una funcin aleatoria (F.A.) denotada
por Z(x).
Una F.A. es una familia de funciones cada una con su
propia probabilidad de ocurrencia.
En un punto x1, z(x1) es una realizacin de una F.A.
Z(x1).
Geoestadstica - Ing. Luis E. Vargas

Para definir una F.A., se determinan los siguientes

trminos:
E (Z(x)) = m(x)

Var Z(x) = 2(x)

Cov (Z(x) Z(y)) = K (x,y)
En realidad, las caractersticas de la F.A. Z(x) no son
estimables debido a que el nmero de datos que se
dispone es siempre insuficiente.

Este hecho nos obliga a particularizar Z(x). Diremos

entonces que Z(x) es estacionaria, es decir que la ley
de Z(x) es la misma en todos los puntos x.
Geoestadstica - Ing. Luis E. Vargas

Esta hiptesis se traduce de la siguiente manera:

E (Z(x)) = m
Var Z(x) = 2
Cov (Z(x) Z(y)) = K (y-x) = K(h), con h = y-x

En otros trminos, la geoestadstica establece que, la

distribucin estadstica de la diferencia en el valor de
una variable (por ejemplo la potencia de una veta)
entre pares de muestras (puntos) es similar a lo largo
del yacimiento y que depende de la distancia y
orientacin entre los pares de muestras.
Geoestadstica - Ing. Luis E. Vargas

Este
concepto
denominado
hiptesis
estacionariedad es la base de la geoestadstica.

de

Es necesario usar criterios adecuados en la

implantacin de esta hiptesis, por ejemplo en la
periferie de un yacimiento, las leyes tienden a
disminuir, por tanto la hiptesis, en este sector del
yacimiento, no se cumple, pero se asume.

Geoestadstica - Ing. Luis E. Vargas

1.4.2 El Variograma: La hiptesis Z(x) estacionaria es

muy rigurosa, los crecimientos de Z(x) son
estacionarios, es decir que:
Z(x+h) Z(x) es una funcin aleatoria estacionaria. En
esto consiste la hiptesis intrnseca.
Las propiedades de esta funcin aleatoria estacionaria
son:
E [Z(x+h) Z(x)] = 0
Var [Z(x+h) Z(x)] = E [Z(x+h) Z(x)]2 = 2 (h)
Siendo (h) la funcin variograma
Geoestadstica - Ing. Luis E. Vargas

1.5 Propiedades del Variograma

1.5.1 Relacin con la Covarianza: Las propiedades
bsicas de la covarianza espacial y su relacin con el
variograma para F.A. estacionarias, son las siguientes:
K(0) = varianza
K(h) = K(-h)
|K(h)| <= K(0)
Var [Z(x+h) Z(x)] = Var Z(x+h) + Var Z(x) 2 Cov [Z(x+h), Z(x)]

= 2 + 2 2K(h)
= 22 2K(h) = 2 (h)
(h) = 2 K(h) = K(0) K(h)

(h) = K(0) K(h)

Geoestadstica - Ing. Luis E. Vargas

(h) = K(0) K(h)

Geoestadstica - Ing. Luis E. Vargas

 1.5.2 Simetra: Demostraremos que:

(h) = (-h)
Haciendo: x = x+h
2 (h) = Var [Z(x+h) Z(x)] = Var [Z(x) Z(x-h)] = 2 (-h)

Se concluye que:

(h) = (-h)
Geoestadstica - Ing. Luis E. Vargas

1.5.3 Positividad: (h) por definicin es una varianza, por

lo tanto para todo h, (h) es positiva y no nula.

1.5.4 Isotropa: Siendo h un vector, entonces (h) es una

funcin vectorial, es decir depende de la longitud y de la
direccin de dicho vector.
En el caso que (h) dependa slo de la longitud de h,
estaremos frente a una isotropa.

Geoestadstica - Ing. Luis E. Vargas

1.5.5 Regularidad: El variograma da cuenta de la

regularidad de un fenmeno.
Se presentan dos casos lmites o extremos:
i) Efecto de Pepita:

(h)

(h) = K(0) para h 0

K(0)

(h) = 0 para h = 0
K(h) = 0 para h 0
K(h) = K(0) para h = 0

K(h)

0
Geoestadstica - Ing. Luis E. Vargas

Del grfico decimos que la covarianza es nula para

h0, esto quiere decir que existe independencia entre
los puntos, que el fenmeno es completamente
irregular y que se trata de la aleatoriedad pura.

Este es el caso del efecto de pepita.

Geoestadstica - Ing. Luis E. Vargas

ii) Fenmeno muy regular:

Este fenmeno muestra un
comportamiento parablico en
el origen.

(h)

En estos casos, la validez de la

hiptesis de estacionariedad
queda confirmada.
Sea Z(x) = ax + b+ Y(x) una F.A.,
donde Y(x) es una F.A.
estacionaria, si y(h) es el
variograma de Y, entonces:
Geoestadstica - Ing. Luis E. Vargas

Var [Z(x+h) Z(x)] = E [Z(x+h) Z(x)] 2

= E [a(x+h)+b+Y(x+h) (ax+b+Y(x))] 2
= E [ax+ah+b+Y(x+h) ax-b-Y(x)] 2
= E [ah+(Y(x+h) Y(x))]2

= a2h2 + 2ahE[Y(x+h) Y(x)] + E(Y(x+h) Y(x))2

0

= a2h2 + y(h)
Por lo tanto: z(h) = a2h2 + y(h)
Geoestadstica - Ing. Luis E. Vargas

La forma general de un variograma (parte positiva),

que sigue la frmula anterior, es la que se muestra en
la figura, tendencia lineal en h=0.
(h)

0
Geoestadstica - Ing. Luis E. Vargas

1.5.6 Meseta y Alcance: Siguiendo la traza del

variograma (parte positiva), nos encontramos con la
configuracin siguiente, la existencia de un alcance a
para un valor determinado de h.
(h)
Meseta

a
Geoestadstica - Ing. Luis E. Vargas

K(0)

K(h)

a = alcance

La traza de la covarianza en funcin de h, muestra que

a partir de K(h) = 0 (covarianza cero), no hay relacin
entre las muestras tomadas a esas distancias, por lo
tanto el comportamiento de las muestras es
independiente.
El alcance determina la morfologa del fenmeno.
Geoestadstica - Ing. Luis E. Vargas

Geoestadstica - Ing. Luis E. Vargas

Geoestadstica - Ing. Luis E. Vargas