CURSO IG Modulo-I.1

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I
Miguel Zulueta T( mzuluetatorres@hotmail.com) 06- 08, Noviembre-2008.
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
Resumen 1/3

Datamine Studio (Marzo-2006), Curso de entrenamiento en Geoestadstica,

pp 80.
Winfred-Assibey-Bonsu, Curso de Geoestadstica, pp. 113. (Brindado a Staf
de Geologa, Proyecto Cerro Corona, 2006)
REGRESION LINEAL SIMPLE

Y es un valor estimado a partir de valores reales de X
El mtodo estadstico que investiga y define la relacin funcional entre dos o mas
variables se llama REGRESIN. Se intenta cuantificar la asociacin entre dos
caractersticas, entrando en las tcnicas de correlacin. La Regresin de dos variables
puede ser lineal o no lineal. La ecuacin o funcin que surge se le denomina FUNCION
DE REGRESION o MODELO DE REGRESION.
Correlacin
El anlisis del grado de asociacin o MODELO DE REGRESION, constituye la
CORRELACION. El trmino ms usado en los trabajos aplicativos de datos qumicageolgica es el coeficiente de correlacin, representada por .
Cuando dos fenmenos o variables de un grupo de muestras crecen o decrecen de forma
simultnea y proporcional debido a factores externos, se dice que los dos fenmenos estn
positivamente correlacionados.
Si uno crece en la
misma proporcin que
el otro decrece, los dos
fenmenos
estn
negativamente
correlacionados.
El
grfico Dos Variables
presenta las variables
(potencia,Ley),
producto
de
una
Estimacin
geoestadistica.
El
dibujo de las dos
variables nos da una
nube que muestra una
correlacin negativa.
La
medida
del
Coeficiente
de
Correlacin se calcula
con
la
siguiente
frmula:
Resumen 1/3

1/n (xi - )( yi - )
-----------------------------
donde e son los promedios
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
Al numerador 1/n (xi - )( yi - ) de la ecuacin anterior, se le denomina covarianza que

para nuestro caso es igual a - 0.6233.
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).
ETAPAS EN LA ESTIMACION .- Los especialistas presentan el siguiente esquema.
Resumen 1/3

COLLECT DATA
VERIFY DATA
INTERPRET GEOLOGY
DEVELOP GEOLOGIC MODEL

DEFINE GEOLOGICAL ZONES
STUDY EACH ZONES GEOSTATISTICALLY
DEFINE GEOSTATISTICAL ZONES
COMPARE GEOSTATISTICAL ZONES

WITH GEOLOGICAL ZONE
IF NECESSARY, MODIFY GEOLOGIC INTERPRETATION

PORQUE GEOESTADISTICA ?
Uno de los detalles que se observa en varios sitios es slo contentarse con la ley
promedio de la estimacin de Recursos Minerales reportado con un Tonelaje dado, mas
no existe la preocupacin por saber la precisin de estimacin, observando cunto se ha
mejorado desde la Desviacin Estndar o varianza estadstica inicial, a las nuevas
varianzas que, incluso por bloque estimado, se puede reportar cuando se usa la tcnica de
la Geoestadstica de Mathern.
Existen experiencias de su aplicacin en el Per pero no est muy difundida a pesar de
tener ms de 40 aos de introduccin en la actividad Minera. La estadstica ha sido un
formalismo muy importante para afrontar el problema de la estimacin de recursos con
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.
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.
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
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.
Para caracterizar la incertidumbre sobre estimadores (volmenes de petrleo,

leyes sobre un Cut-off, riesgos de polucin), el mismo variograma puede ser
usado en una forma diferente, haciendo simulacin de la realidad desconocida.
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
Resumen 1/3

Un fenmeno de la naturaleza como mineralizacin por ejemplo, implica determinadas

condiciones fisico-quimicas que condicionado por confinamiento en un momento dado,
configuran la existencia de estos fenmenos en el espacio. Para conocerlos hay que
estudiar ciertas caractersticas esenciales (potencias, Acumulacin de ley, densidad,
porosidad, etc.) que varan espacialmente de un punto a otro, tomando valores definidos
en cada lugar de observacin. Estas caractersticas ubicadas en el espacio son las
Variables Regionalizadas representadas por un conjunto de valores experimentales y
que se distribuyen en su variacin espacial en forma continua o discontinua segn la
presencia o ausencia de la caracterstica.
Para cualquier caracterstica en estudio la Variable aleatoria (Estadstica) se interesa
esencialmente por la magnitud de los valores, en cambio en el caso de Variable
Regionalizada, fuera de considerar la magnitud de los valores, se introduce la relacin de
carcter estructural que existe entre ellas.
Caracteristicas de la VR
Una ampliacin terica importante es si F(x) es el valor en el punto x de una
caracterstica dada de un fenmeno, diremos que F(x) es una Variable Regionalizada.
Entendemos entonces que la Variable Regionalizada es una funcin del espacio cuyo
valor vara de un lugar a otro con una cierta apariencia de continuidad.
Las caractersticas esenciales de la VR son: A) Localizacin, B) Continuidad y C)
Anisotropa.
A) Localizacin .- Implica que solo toma valores en el espacio geomtrico del
fenmeno. Este espacio puede ser todo el Yacimiento o solo una parte y est
determinada por aspectos geolgicos.
B) Continuidad .- Se mide mas bien por discrepancias entre valores vecinos que
pueden ser menor la discrepancia entre valores mas cercanos.
C) Anisotropa .- Esta caracterstica esencial de la VR se refiere a que puede existir
una direccin privilegiada donde la continuidad es mejor, en contraposicin a
otras direcciones mas discontinuas.
La continuidad nos lleva a dos aspectos complementarios:
-
Un aspecto aleatorio representado por la alta irregularidad con variaciones

imprevistas entre puntos.
Un aspecto estructural representado por las caractersticas estructurales del
fenmeno regionalizado.
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.
I Hiptesis de Estacionalidad (HE)

El supuesto es que los fenmenos en estudio son estacionarios, esto es que se repiten en
el espacio , o sea que la Ley de distribucin (Histogramas) permanece invariante por
traslacin. Esto implica que el fenmeno debe ser homogneo.
Z(x1), Z(x2)
Z(xn)
(grupo A)
Z(x1+h), Z(x2+h) . Z(xn+h)
(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)
E{ Z(x) - Z(x+h) }2 = 2 (h) , definicin de

VARIOGRAMA
De este modo queda definida la funcin variograma (h), herramienta
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:
Resumen 1/3
11

1 E{ F(x) }2 + E{ F(x+h) }2 = 2 (0) y

2 - 2E{ F(x) } E{ F(x+h) }
= - 2 (h)
donde (0) es la Varianza (cuando x=x+h) y (h) es la Covarianza en h

mencionada en la Definicin de Coeficiente de Correlacin.
En busca del cuadrado perfecto se suma 1 y 2 y se tiene la expresin:
E{F(x) F(x+h)}2 = 2 (0) - 2 (h) = 2 (h),
para simplificar con facilidad.
Luego tenemos que si E{F(x) F(x+h)}2 es definido como funcin
Variograma en la prctica se trabaja con (h) que es el semi-variograma.
Puede verse entonces que el Variograma no es mas que una varianza
que en vez de usar la media m se remplaza por la funcin en la
posicin x+h.
VARIOGRAMA EXPERIMENTAL
La formula prctica que se usa en el clculo de un variograma experimental
es la siguiente:
(h) = E{F(x+h) F(x)}2
(h) = {(xi-xi+1)2+( xi+1-xi+2) 2+( xi+2-xi+3) 2..+( xn-1-xn) 2 }/Np
donde Np es el nmero de pares de valores, cuyo par exista.
A) UNIDIRECCIONAL .- Se usa para datos tomados en una lnea, como ocurre,
con mucha aproximacin con los canales de muestreo sistemtico de una veta. Un
ejemplo de un grupo lineal se tiene en grupo A) {1 7 3 6 2 9 4 8 5} de los inicios
de la exposicin ESTADISTICA GEOESTADISTICA.
Para h = 1 se tiene la siguiente expresin:
(1) = {(1-7)2+(7-3) 2+(3-6) 2+(6-2) 2+(2-9) 2+(9-4) 2+(4-8) 2+(8-5) 2}/8

(1) = 22.0
Para h= 2
Resumen 1/3
12

(2) = {(1-3)2+(7-6) 2+(3-2) 2+(6-9) 2+(2-4) 2+(9-8) 2+(4-5) 2}/7

(2) = 3.0
Para h = 3
(3) = {(1-6)2+(7-2) 2+(3-9) 2+(6-4) 2+(2-8) 2+(9-5) 2}/6
(3) = 23.0
As seguidamente (4) = 3.8, (5) = 24.75, (6) =4.67 y (7) = 8
Al graficarlo se observa gran erraticidad en su comportamiento en caso A y
con estructura caso B.
Caso B) {1 3 5 7 9 8 6 4 2 } se deja al alumno calcular el variograma experimental
lineal y se muestra el grafico correspondiente.
Resumen 1/3
13

Compsitos: -regularizacin
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, al
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 longitudes de la altura de banco del Pit.
Al aumentar el soporte disminuye la varianza de la poblacin, y
los variogramas disminuye la meseta.
Influencia del Compsito en el Variograma:
Resumen 1/3
14

CURSO IG Modulo-I.1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

CURSO IG Modulo-I.1

Uploaded by

Copyright:

Available Formats

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

Miguel Zulueta T( mzuluetatorres@hotmail.com) 06- 08, Noviembre-2008.

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

Datamine Studio (Marzo-2006), Curso de entrenamiento en Geoestadstica,

REGRESION LINEAL SIMPLE

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

donde e son los promedios

Al numerador 1/n (xi - )( yi - ) de la ecuacin anterior, se le denomina covarianza que

ETAPAS EN LA ESTIMACION .- Los especialistas presentan el siguiente esquema.

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

DEVELOP GEOLOGIC MODEL

STUDY EACH ZONES GEOSTATISTICALLY

DEFINE GEOSTATISTICAL ZONES

COMPARE GEOSTATISTICAL ZONES

IF NECESSARY, MODIFY GEOLOGIC INTERPRETATION

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

Para caracterizar la incertidumbre sobre estimadores (volmenes de petrleo,

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

Un fenmeno de la naturaleza como mineralizacin por ejemplo, implica determinadas

Un aspecto aleatorio representado por la alta irregularidad con variaciones

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

I Hiptesis de Estacionalidad (HE)

Z(x1+h), Z(x2+h) . Z(xn+h)

E{ Z(x) - Z(x+h) }2 = 2 (h) , definicin de

De este modo queda definida la funcin variograma (h), herramienta

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

1 E{ F(x) }2 + E{ F(x+h) }2 = 2 (0) y

donde (0) es la Varianza (cuando x=x+h) y (h) es la Covarianza en h

(1) = {(1-7)2+(7-3) 2+(3-6) 2+(6-2) 2+(2-9) 2+(9-4) 2+(4-8) 2+(8-5) 2}/8

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

(2) = {(1-3)2+(7-6) 2+(3-2) 2+(6-9) 2+(2-4) 2+(9-8) 2+(4-5) 2}/7

CURSO INTERNACIONAL DE GEOESTADISTICA Mdulo I

El tema de soporte se maneja desde la toma de muestras as como

Influencia del Compsito en el Variograma:

You might also like