Professional Documents
Culture Documents
FractalsGEO PRESENTA
De all la idea de estos Curso, llenando ese vaco que tienen muchas veces el
usuario frente a un software al que debe sacar retorno de inversin, para el bien de
la Empresa y de l mismo.
El Curso tiene ejemplos y programas sencillos que puede llenar el vaco de no tener
software comprado por la Empresa, cuando es una Empresa Emergente con
recursos limitados de inversin. Esta es la situacin ms interesante para muchos
colegas que estn tratando de sacarle provecho a su tiempo con mentalidad de
darle el mejor uso a las herramientas que se tenga.
A este ltimo pblico mis felicitaciones por su esfuerzo que se ver compensado
con creces. S lo que hay que invertir en tiempo de estudio y trabajo cuando se
tiene que trabajar con pocos recursos.
.
INTRODUCCION
Este Curso significa un atrevido ensayo de mostrar en pocas horas de exposicin, un tema
tan interesante y delicado en el manejo de los datos de un grupo de muestreo llevndolo a
Informacin, sobre lo cual se tomen decisiones econmicas de importancia. Ser mas
prctico que terico, dejando a futuro los desarrollos, a la inquietud del participante a lo
que pueda leer y consultar.
La parte de Estadstica ser muy breve porque es tema ms comn de encontrar y solo se
darn definiciones de los conceptos ms usados en la prctica cotidiana de trabajo en
cualquier centro Minero, independiente de la etapa de estudio que est un Proyecto. El
ejemplo prctico preparado para la clase es breve y sirve para recordar conceptos.
Bibliografa
TULCANASA, N.E. (1974) Geoestadistica, apuntes provisorios Universidad Naciones de
Ingenieria, Departamento Academico de Mineria pp. 120
Hoel P.G. & Jessen R.J (1977), Estadstica Bsica para negocios y Economa CECSA,pp
452.
ROYLE,A.G. & CLARK I. & (1980) Geostatistics, McGraw-Hill Inc. New York pp.167
ISAAKS H.E & SRIVASTAVA R.M (1989) AN INtroduction to Aplied Geostatistics, Oxford
University Press, pp. 361
DEUTSCH C.V. & JOURNEL A. G. (1997) Geostatistical Software Librery and Uresrs Guide,
Oxford University Press, pp. 369
HISTOGRAMAS DE DATOS
ESTADIGRAFOS DE POSICION
Moda.
Media
Mediana
ESTADIGRAFOS DE DISPERSION
Rango
Desviacin Absoluta respecto a la Media
Varianza
Desviacin tpica o Estndar
Coeficiente de Variabilidad,
Debemos de tener presente siempre que se toma decisiones en varios sitios a partir
de un grupo de fragmentos de material llamado muestras, del tamao casi
insignificante en comparacin a la dimensin de todo el Yacimiento que se estudia.
Sin embargo en base a esta informacin de fragmentos hay que construirse un
modelo que permita, sin mayor inversin, dar a conocer otra informacin de inters.
A = {x1, x2 , x3 ..xn}
Los datos discretos son aquellos que toman ciertos valores aislados como
por ejemplo, el nmero de hermanos de cada persona de este Centro Minero,
solo sern enteros {2, 3, 4 , 0, }
Los datos sern continuos si los xi pueden tomar cualquier valor de un cierto
intervalo (ejemplo la estatura de los estudiantes de la Facultad de Minas) que
podran ser {1.62 m., 1.71 m., 1.53 m., .}.
Se trata de analizar
el nmero de hermanos que tiene
estudiantes de Geologia. Consideremos una muestra de tamao
20, representada por:
A= [3,0, 4, 3, 3, 2, 0, 1, 2, 2, 0, 2, 8, 8, 5, 8, 12, 1, 0, 2]
O sea j = 1 N1=n1
j= 2 N2 = n1+n2
j= 3 N3 = n1+n2+n3
j= 4 N4 = n1+n2+n3+n4
.
.
j= m Nm = n1+n2 nm .
Hj = h1+h2+h3 .hj
Distribucin de Frecuencias
yi ni hi Nj Hj
0 4 0.20 4 0.20
1 2 0.10 6 0.30
2 5 0.25 11 0.55
3 3 0.15 14 0.70
4 1 0.05 15 0.75
5 1 0.05 16 0.80
8 3 0.15 19 0.95
12 1 0.05 20 1.00
20.00 1.00
6 0.30
5 0.25
4 0.20
valores ni
Valores hi
3 0.15
2 0.10
1 0.05
0 0.00
0 1 2 3 4 5 8 12 0 1 2 3 4 5 8 12
Valores yi Valores yi
En el siglo XIX con la generalizacin del Mtodo Cientfico para estudiar todos los
fenmenos de las ciencias naturales y sociales, los investigadores aceptaron la necesidad
de reducir la informacin a valores numricos para evitar la ambigedad de las
descripciones verbales.
As nacen los histogramas que se sigue usando como indicador rpido de lo que
denominamos distribuciones. A medida que el nmero de datos aumenta es ms
necesario elegir intervalos de la informacin entre el Mnimo y Mximo de la poblacin y
buscando los valores entre esos intervalos se representar en barras la frecuencia de
valores que cae dentro del intervalo.
Cuando los datos son continuos, a diferencia de los discretos que toman
ciertos valores aislados, estos pueden tomar cualquier valor de un cierto
intervalo, por esta razn no tiene sentido preguntar por la frecuencia
absoluta de un cierto valor continuo, porque seria todo un acertijo.
A continuacin la tabla:
Yi-1 <-> Yi yi ni hi Nj Hj
[70 75> 72.5 3 0.15 3 0.15
75 - 80 77.5 3 0.15 6 0.30
80 - 85 82.5 3 0.15 9 0.45
85 - 90 87.5 1 0.05 10 0.50
90 - 95 92.5 4 0.20 14 0.70
95 - 100 97.5 2 0.10 16 0.80
100 - 105 102.5 1 0.05 17 0.85
105 - 110 107.5 2 0.10 19 0.95
110 1 0.05 20 1.00
20 1.00
3
2.5 por rea la
ni
2 frecuencia
1.5 absoluta
1 correspondi
0.5 ente.
0
72.5 77.5 82.5 87.5 92.5 97.5 102.5 107.5 110
Intervalos de frecuencia
15
14 eje vertical
10 10 Nj, la
9
frecuencia
6
5 absoluta
3
acumulada:
0
72.50 77.50 82.50 87.50 92.50 97.50 102.50 107.50 110.00
Valores yi
En general los datos de leyes minerales tienen ciertas tendencias de presentar la moda un
poco ms hacia el origen de las coordenadas. Cuando son centradas se habla de una
Distribucin Normal y los parmetros de oblicuidad o sesgo (skewness) buscan de
averiguar cun lejos est la poblacin que se estudia respecto de una Distribucin
Centrada o Normal.
Histograma de Ley
300
250
200
Frecuencia
100
50
0
0.10
5.90
11.70
17.50
23.30
29.10
34.90
40.70
46.50
52.30
58.10
63.90
69.70
75.50
81.30
Intervalos
REDUCCION DE DATOS
La Media
Dado que por lo general la frecuencia de los intervalos centrales es mayor que el resto, este
nmero se suele denominar valor o medida de la tendencia central.
Sean x1, x2, , xn los datos de un estudio estadstico. El valor utilizado ms a menudo es la
MEDIA ARITMTICA o promedio aritmtico que se escribe , y que es igual a la suma de
todos los valores dividida por n:
M = x(n+1)/2
Estadistica de Califacaciones
en cambio si el
110.00% nmero de valores es
100.00% par la Mediana M es:
90.00%
80.00%
M = (x(n)/2 + x(n+1)/2)/2
70.00%
60.00%
50.00%
Frec.% La mediana puede ser
40.00% leda con facilidad en
30.00% un grfico de
20.00% probabilidad, porque
10.00% en un histograma de
0.00% Frecuencias
2 4 6 8 10 12 14 16 18 20
La Moda .- Es el valor que ocurre mas frecuentemente. El intervalo que tiene la barra
mas alta en un histograma de frecuencias da la idea donde se encuentra la Moda.
a) Recorrido o rango
b) Desviacin media (DM)
c) Recorrido semi-Intercuartil
d) Varianza (s2)
e) Desviacin estndar o tpica (s)
f) Coeficiente de variacin
a) Recorrido o rango
Ya vimos anteriormente el concepto de Recorrido Xmax-Xmin.
DM = |xi - | /n
c) Recorrido semi-Intercuartil
d) Varianza (s2)
f) Coeficiente de variacin
Histogram of clay
Normal
3000
Frequency
2000
1000
0
0 13 26 39 52 65 78 91
clay
Histogram of silica
Normal
5000 Mean 50.88
StDev 13.06
N 248350
4000
3000
Frequency
2000
1000
0
12 24 36 48 60 72 84 96
silica
Histogram of Au_gt
Normal
3500 Mean 0.7823
StDev 0.6630
N 54451
3000
2500
Frequency
2000
1500
1000
500
0
0.00 1.08 2.16 3.24 4.32 5.40 6.48
Au_gt
Histogram of Cu%
Normal
7000 Mean 0.4081
StDev 0.3231
6000 N 54451
5000
Frequency
4000
3000
2000
1000
0
0.0 0.7 1.4 2.1 2.8 3.5 4.2
Cu%
= {(1,c); (2,c); (3,c); (4,c); (5,c); (6,c); (1,s); (2,s); (3,s); (4,s);
(5,s); (6,s)}
Observamos que:
1.- 0 hA 1 , ser 1 si durante las n repeticiones siempre
ocurre el suceso A.
Si hA = 0 , porque durante las n repeticiones nunca ocurre A.
2 .- Si A y B son sucesos mutuamente excluyentes, es decir que
cuando ocurre uno de ellos no ocurre el otro.
h (AUB) = n (AUB)/n = (nA+nB)/n = nA/n +nB/n
RESUMIENDO y haciendo algunos ejercicios:
Los Reportes de Recursos Minerales cada vez son mas elaborados con fines
ilustrativos en pocos diagramas o ilustraciones.