Professional Documents
Culture Documents
Primer da
[8 horas Acadmicas]
ESTIMACION DE RECURSOS
Definicin
Etapas de una estimacin (diagrama).
Porqu Geoestadstica ?
Paso de la Estadstica a la Geoestadstica:
Soporte de variable. Variables de acumulacin.
EL VARIOGRAMA
Definicin y su relacin con la Varianza estadstica.
Cmputo del Variograma Experimental en una direccin.
Ejemplos ( GAM de GSLIB 1 direccin, malla regular)
( GAM de GSLIB 2 direcciones, malla regular)
Variograma-soporte (Regularizacin)
INTRODUCCION
Este Curso centra su actividad en uso continuo y prctico de los programas relacionados
al tema del GSLIB (Geostatistical Software Library and Users Guide, Second Edicion1998). Este grupo de Programas desarrollado en la Universidad de Stanford, sobrepasa
ampliamente lo que se va trabajar en este Mdulo I.
De los autores de este conjunto de programas:
Clayton V. Deutsch
Department of Petroleum Engineering
Stanford University
Andr G. Journel
Department of Geological and Environmental Sciences
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
tendremos la suerte de contar con la presencia del Dr. Andr G. Journel, en el desarrollo
de este Curso Internacional de Geoestadstica.
Es importante mencionar que los programas de GSLIB han servido de base para varios de
los programas comerciales conocidos en nuestro medio.
Respecto a la teora de estos escritos, los he adecuado a 3 dias, quitando sobretodo la
parte de Repaso de Estadstica Descriptiva de una y ms variables. Se usar todo el
tiempo en ejemplos prcticos desde la Variografa para malla regular de datos
unidireccionales, aplicable en cuerpos tabulares, como en malla regular en dos
dimensiones para bancos en minas de tajo abierto o placeres. El estudio variogrfico para
datos de malla irregular tambin se trabajar por ser el caso ms comn por la
perforacin exploratoria en diseminados o en cuerpos tabulares.
Algunas situaciones didcticas en el tema de las Varianzas de Estimacin y de
Dispersin, Recursos con el ejemplo llamado escalonado de plata, se vern enriquecidas
con programas desarrollados por el expositor de este mdulo. As mismo se adjunta
programa un programa para variogramas en una direccin para dos variables del paquete
GEOFOR, desarrollado por el Ing. Oscar Bernuy et al.
Bibliografa
TULCANASA, N.E. (1974) Geoestadistica, apuntes provisorios Universidad
Naciones de Ingenieria, Departamento Academico de Mineria pp. 120
ROYLE,A.G. & CLARK I. & (1980) Geostatistics, McGraw-Hill Inc. New York pp.167
ISAAKS H.E & SRIVASTAVA R.M (1989) AN IN troduction to Aplied Geostatistics,
Oxford University Press, pp. 361
Dr. Jean-Michel Rendu (Newmont Gold Company, 1994), INTRODUCCION A LA
GEOESTADISTICA, pp 28
Canchaya M. S (1996) Curso introductorio de Geoestadistica Aplicada,
brindado a Cia Minera Yanacocha, pp. 32
DEUTSCH C.V. & JOURNEL A. G. (1997) Geostatistical Software Librery and
Uresrs Guide, Oxford University Press, pp. 369
Zulueta T.M. (1992), Estimacin de Recursos por el Mtodo Geoestadstico
Aplicado a Vetas aurferas del Batolito de Pataz, TESIS Universidad Nacional
de Ingeniera, pp 84.
Hoel P.G. & Jessen R.J (1977), Estadstica Bsica para negocios y Economa
CECSA,pp 452.
Avila acosta, R.B. (2001), Estadstica Elemental Estudios y Ediciones, pp374
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
La
medida
del
Coeficiente
de
Correlacin se calcula
con
la
siguiente
frmula:
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
1/n (xi - )( yi - )
-----------------------------
x y
Los smbolos x y y son la desviacin estndar, correspondientes. Usemos esta formula
para la informacin Potencias y leyes reportadas de 308 datos. La estadstica de estos
datos se dan a continuacin las cuales al reemplazarlas en la expresin del coeficiente de
correlacin se tiene que = - 0.5026 (no contradice al grfico de puntos).
= 4.14 x
= 1.390
= 1.732
y = 0.716
ESTIMACION DE RECURSOS
DEFINICION DE ESTIMACION. Estimacin se puede definir como la
prediccin del valor de una caracterstica en una ubicacin donde dicho valor
se desconoce, en base a los valores de las caractersticas medidas en varias
ubicaciones conocidas. En la mayora de los casos, el valor estimado diferir
del valor verdadero; a la diferencia entre un valor estimado y el valor real
correspondiente se le denomina error de estimacin. (WAB,2006).
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
COLLECT DATA
VERIFY DATA
INTERPRET GEOLOGY
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
sus Mtodos: Poligonal, Inverso a la distancia, etc. donde considera los datos como
variable aleatoria independiente y reporta un promedio sin cuantificar el error de
estimacin.
ESTADISTICA
GEOESTADISTICA
La estadstica no utiliza toda la informacin que encierra las muestras. Por ejemplo dos
canales de muestreo localizados en el espacio, no solo proporciona informacin local en
los puntos muestreados sino una informacin estructural dado por la diferencia que existe
entre ambos.
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
Las ilustraciones anteriores muestran distinta posicin de las personas con talla mayores
de 1.60 m. La estadstica slo nos puede dar el promedio y la varianza que, en ambos
casos son iguales, pero no nos dice nada de la localizacin de los valores ms altos.
La geoestadstica va mas all de la estadstica, as se substituye a la nocin estadstica de
variable aleatoria independiente (VAI) por la nocin geoestadstica de Variable
Regionalizada (VR). Existe un ejemplo clsico que se menciona a continuacin.
En varias ocasiones se ha mostrado un grupo de valores como el ejemplo tomado de
A.G Royle {1 2 3 4 5 6 7 8 9} arreglado en distinto orden como A) {1 7 3 6 2 9 4 8 5}
y B) {1 3 5 7 9 8 6 4 2 }. El anlisis estadstico de A y B dan los mismos resultados:
Media = 5.0 , Varianza = 6.67 y tambin dar el mismo histograma porque solo se
trabaja como VAI.
En cambio si se maneja como VR los grupos A y B resaltan diferencias porque se
definen en el espacio. Mas adelante se mencionar la forma de calcular un
variograma que nos ayudar a encontrar mas diferencias entre estos dos grupos de
datos A y B, analizando los lazos que existen entre datos.
MUESTREO: IDEA DE SOPORTE
Muestra aleatoria .- Aquella en la cual cada uno de los individuos de una poblacin han
tenido la misma posibilidad de pertenecer a la muestra. Se procura que sea parte
representativa de una poblacin. Es la base de cualquier estudio Estadstico-geoestaditico.
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
Bajo la idea anterior el muestreo es una actividad bastante delicada que debe ser
realizada de acuerdo a la forma geolgica que se presente el material de inters
econmico. Por ejemplo en un frente de Tungsteno (observacin en Mina Palca XI,
dependiendo del ancho de la mineralizacin (ferberita-cuarzo, cuarzo-schelita,
brecha con arrastres de los anteriores) no habra que mezclar en canales que cojan
dos de estas caractersticas, sino muestrear cada ensamble.
En Vetas de oro de potencia angosta (< 2.0 m.) es suficiente un canal de techo a piso.
El cuidado importante y necesario es enviar al laboratorio muestras del mismo peso.
Si la veta es muy ancha se cuartea y si es muy angosta se extrae ms material hasta
completar el peso acordado con laboratorio para un buen trabajo de ste.
Taladros diamantinos en un ambiente de vetas genera distintas situaciones
dependiendo la direccin del taladro respecto a la veta. Pero igualmente se debe
enviar al laboratorio muestras con igual cantidad de material (soporte semejante).
No es recomendable usar poblaciones de distinto tamao de muestreo o soporte para
estimar Recursos, como se dara el caso de resultados de perforacin diamantina
con los datos de canales de muestreo de interior Mina en una Veta. Pero a veces se
usa cuando se trabaja en estudios PREDICTIVOS DE EXPLORACION,
procurando estimar el error, cuantificado en el porcentaje de amabas poblaciones
Los taladros de perforacin diamantina en caso de Proyectos de diseminados de oro,
se acostumbra enviar tramos de cada 2 metros (o 1.5 m), dependiendo de la
alteracin intersectada. Muchas veces no es de mucha utilidad enviar todos los
tramos de Arglico o Roca fresca, por ejemplo. El soporte de muestra en este caso,
est supeditado a la Recuperacin del tramo del testigo.
Variables de Acumulacin .- En general nunca se trabaja solo la variable
ley ya sea de Oro, Cobre, Cinc, etc. Sino que este valor se debe trabajar multiplicado
por el soporte de muestra: representado por el ancho de veta (o longitud de canal),
longitud de la muestra a lo largo del taladro diamantino, etc. Esta variable de
acumulacin surge de multiplicar la ley reportada por el Laboratorio por el soporte
respectivo de muestreo.
En muchos casos no se nota este detalle cuando las longitudes de muestreo son de
igual longitud a lo largo del taladro, pero debera verse la forma de hacer intervenir
la recuperacin (RQD).
Compositacin:
El tema de soporte se maneja desde la toma de muestras as como al juntar
informacin en una compositacin. Cuando un Proyecto pasa su Modelo Geolgico,
con informacin de Infill drilling a Modelamiento de bloques, los especialistas en
esta materia, han definido la altura de banco que tendr el futuro Pit y se procede a
realizar una compositacin de la informacin de los taladros diamantinos a
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
longitudes de la altura de banco del Pit. No olvidar que la longitud del compsito
debe ser mayor que la de muestreo original. Nunca al revs. SE HAN VISTO
CASOS, ABSURDOS.
Definicin de Geoestadstica
Yendo a los orgenes de esta Metodologa encontramos que G. Matheron la define como
la aplicacin de Mtodos probabilsticas a Variables Regionalizadas la cual designa
alguna funcin desplayada en un espacio real.
A diferencia de la Estadstica convencional, en cualquier complejidad e irregularidad del
fenmeno real, la Geoestadstica busca exhibir una estructura de correlacin espacial.
Esto justifica la idea intuitiva que puntos cercanos en el espacio seran cercanamente en
valores. En otras palabras que, muy aleatorio no significa independencia.
Lo que hace a la geoestadistica poderosa es su capacidad a caracterizar, por el significado
de un consistente modelo probabilstica, esa estructura espacial. Por consiguiente las
predicciones hechas usando los mtodos geoestadsticos son adaptados a la estructura
intrnseca de la variable y no solo a los nmeros de muestreo y sus configuraciones. Esta
estructura espacial es caracterizada por el Variograma.
Debido a su mbito probabilstico el enfoque geoestadistico sostiene que la descripcin
de la realidad estn sujetos a incertidumbre, los cuales pueden ser cuantificados y
proveen herramientas de decisin eficiente para operadores y directores.
El dominio de aplicacin de la geoestadistica es prcticamente ilimitada. Cada vez
que los experimentos son hechos en un espacio definido (o sea data con
coordenadas), un enfoque geoestadstico puede ser aplicado.
Debido a la gran variedad de dominios y lo relacionado a problemas especficos, muchos
mtodos son propuestos en la Literatura y software. Pero, bsicamente dos grupos de
mtodos, todos por su puesto, basados en el Variograma o covarianza estn disponibles:
-
Para estimacin, el variograma es usado para interpolar entre los puntos de datos,
esto es conocido como el Kriging.
El alcance de nuestros Cursos tratar sobre el primer punto. Hay poca informacin de
trabajos sobre SIMULACION pero tengo entendido, por comentario verbal, que se viene
trabajando en este campo en algunas Empresas del Per, apoyados con programas como
el ISATIS Y EL Minesight.
Variable Regionalizada
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
10
HIPOTESIS DE ESTUDIO
Determinada la localizacin de un fenmeno se puede tener datos experimentales de una
funcin Z(x) con valores experimentales de la VR Z(x1), Z(x2) .
Z(xn)
ubicados en x1 ,x2, x3, .xn.
Z(xn)
(grupo A)
(grupo B)
Bajo esta HE se tendra que las leyes de distribucin del grupo A y grupo B es muy
parecida.
Sin embargo esta estacionalidad no es esencial, pues Z(x) puede variar en el espacio pero
para una misma distancia h = | (x+h)-x | en promedio el variograma no variar.
II Hiptesis de Estacionalidad de Orden 2(HEo2)
Esta hiptesis es una extensin de la estadstica con los siguientes anunciados:
A) x Rn existe E{Z(x)} = m
B) x Rn existe E{ Z(x) - m }2 = VAR (Z(x))
y como consecuencia se tiene
C)
fundamental de la Geoestadstica.
En la expresin matemtica se encuentra el trmino 2 (h), la explicacin es
que en el desarrollo terico se llega a estas dos expresiones:
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
11
= - 2 (h)
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
12
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
13
Compsitos: -regularizacin
Archivo: CURSO_IG_Modulo-I.1.doc
Resumen 1/3
14