Professional Documents
Culture Documents
AGUSTÍN DE AREQUIPA
FACULTAD DE GEOLOGÍA, GEOFÍSICA Y MINAS
ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS
“DEMOSTRACIONES DE FORMULAS
GEOESTADISTICAS”
DOCENTE:
MSc. ING. MIGUEL DIAZ
ALUMNOS:
RONDON ZEBALLOS, JIMENA PAOLA
PEREZ, LUIS ARNALDO
PAYE MEZA, DEYVIS
HUAMANI CALSINA, JAVIER
MAMANI CHOQUEHUANCA, ESAU
QUISPE ARIAS, LUIS EDUARDO
RENDON SALVADOR, JOSE LUIS
MAMANI MACHACA, JESUS EDUARDO
AREQUIPA – 2018
TEMA 1
1 1
f(x) = - log(1−𝑝) 𝑥 𝑝 𝑥 si x = 1,2,…
0 en otro caso
Esta distribución surge de la expresión:
𝑥2 𝑥3 𝑥4
log (1+x) = x - + - … para -1 < x < 1 de modo que:
2 3 4
𝑝2 𝑝3 𝑝4
- log (1- p) = p + + + …
2 3 4
1 𝑝𝑥
por lo tanto f(x) >= 0 y ∑∞ ∞
𝑥=1 𝑓(𝑥) = − log(1−𝑝) ∑𝑥=1 𝑥
1 𝑝𝑥
− log(1−𝑝) ∑∞
𝑥=1 =1
𝑥
Por definición de X una variable aleatoria discreta con función de probabilidad f(x).
La varianza de X se define como el número:
∞
Var (x) = ∫−∞(𝑥 − µ)2 𝑓(𝑥)𝑑𝑥
Por lo tanto:
1
E(X) = − log(1−𝑝) ∑∞
𝑥=1 𝑝
𝑥
1 𝑝
E(X) = − log(1−𝑝) (1−𝑝)
1
E(X2) = − log(1−𝑝) ∑∞
𝑥=1 𝑥𝑝
𝑥
1 𝑥
E(X2) = − log(1−𝑝) ∑∞
𝑥=1(∑𝑦=1 1 𝑝
𝑥
1
E(X2) = − ∑∞ ∞
𝑦=1(∑𝑥=𝑦 1 𝑝
𝑥
log(1−𝑝)
1 𝑝𝑦
E(X2) = − log(1−𝑝) ∑∞
𝑦=1 1−𝑝
1 𝑝
E(X2) = − log(1−𝑝) (1−𝑝)2
1
Por tanto, al resolver V[X] = E[X2] – E2[X] se obtiene Var(x) = − (1−p)2 log2 (1−𝑝) ∗
p[p+log(1-p)]
1.2.- Z Es una variable aleatoria, λ es una constante
𝑫𝑬𝑴𝑼𝑬𝑺𝑻𝑹𝑬:𝑬 = [𝛌𝐙] = 𝛌𝐄[𝒁]
𝑫𝑬𝑴𝑼𝑬𝑺𝑻𝑹𝑬:𝑽[𝛌𝐙] = 𝛌𝟐 𝑬[𝒁]
PARA EL PRIMERO:
𝐸 = [λZ] = λE[𝑍]
𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑𝑒𝑠𝑑𝑒𝑠𝑢𝑚𝑎𝑡𝑜𝑟𝑖𝑎𝑠𝑡𝑒𝑛𝑒𝑚𝑜𝑠:
𝐸(λ𝑍) = λ𝐸(𝑍)
PARA EL SEGUNDO:
𝑉[λZ] = λ2 𝐸[𝑍]
2
𝑉𝑎𝑟(λZ) = 𝐸 [(λZ − E(λZ)) ]
2
𝑉𝑎𝑟(λZ) = 𝐸 [(λZ − λE(Z)) ]
2
𝑉𝑎𝑟(λZ) = 𝐸 [λ2 (Z − E(Z)) ]
2
𝑉𝑎𝑟(λZ) = λ2 𝐸 [(Z − E(Z)) ]
𝑉𝑎𝑟(λZ) = λ2 𝐸𝑉𝑎𝑟(𝑍)
1.3 La covarianza centrada entre dos variables aleatorias Z1 y Z2 está definida
por:
Con:
1 E Z1 y 2 E Z2
Demostrar:
A partir de:
Demostrar:
De lo anterior:
Lo mismo:
Se sabe que:
En efecto:
Se sabe:
Cov Z1,Z1 E Z1 1
2
Por tanto reemplazamos (2) en (1), puede escribirse con mayor brevedad
que:
𝑽𝒂𝒓(𝒁𝟏 ± 𝒁𝟐 ) = 𝑽𝒂𝒓(𝒁𝟏 ) + 𝑽𝒂𝒓(𝒁𝟐 ) ± 𝟐𝑪𝒐𝒗(𝒁𝟏 , 𝒁𝟐 )
Hasta el momento no se ha supuesto que las variables aleatorias 𝑍1 𝑦𝑍2
son estadísticamente independientes, pero, si así se hace, debe notarse que
𝐶𝑜𝑣(𝑍1 , 𝑍2 ) =0 y, por tanto,
𝑽𝒂𝒓(𝒁𝟏 ± 𝒁𝟐 ) = 𝑽𝒂𝒓(𝒁𝟏 ) + 𝑽𝒂𝒓(𝒁𝟐 )
1.5. Sean n variables aleatorias Z1, Z2…Zn y sean n coeficientes λ1, λ2…. λn
Sabemos Z*=∑ λiZi
SOLUCIÓN:
1
*Cov(λiZi,λjZj)=𝑛 ∗ ∑𝑛𝑖=1 ∑𝑛𝑗=1(λiZi − λZ)(λjYj − λZ)
1
Cov(λiZi,λjZj)=𝑛 ∗ ∑𝑛𝑖=1 ∑𝑛𝑗=1 λi(Zi − Z)λj(Zj − Z)
1
Cov(λiZi,λjZj)=𝑛 ∗ ∑𝑛𝑖=1 ∑𝑛𝑗=1 λiλj(Zi − Z)(Zj − Z) (1)
Var(Z*)=E[(Z*-E(Z*))2]
Var(Z*)=E[Z*2+E2(Z*)-2 Z*E(Z*)]
Var(Z*)=E(Z*2)-2E(Z*)E(Z*)+E2(Z*)]
Var(Z*)=E(Z*2)-E2(Z*)
V[ Z*]
=∑𝒊 𝛌𝐢 𝟐𝐕[𝐙𝐢]+∑𝒊=𝟏 ∑𝒋<>𝟏 𝛌𝐢𝛌𝐣𝐂𝐨𝐯(𝐙𝐢, 𝐙𝐣)
1
*V[Z*)=𝑛 ∑𝑛𝑖=1(𝑍 ∗ − 𝑍)2
1
V[Z*)=𝑛 ∑𝑛𝑖=1(𝑍 ∗2 + 𝑍 2 − 2 ∗ 𝑍 ∗ 𝑍)
1
V[Z*)=𝑛 ∑𝑛𝑖=1(∑𝑖 ∑𝑗 λiλjZiZj + 𝑍 2 − 2 ∗ 𝑍 ∗ ∑𝑖 λiZi)
1
V[Z*)=𝑛 ∑𝑛𝑖=1(∑𝑖 ∑𝑗 λiλjZiZj + 𝑍 2 − 2 ∗ 𝑍 ∗ ∑𝑖 λiZi − 2 ∗ 𝑍 ∗ ∑𝑖 λiZi + 2 ∗ 𝑍 ∗
∑𝑖 λiZi)
1
V[Z*)=𝑛 ∑𝑛𝑖=1(∑𝑖 ∑𝑗 λiλjZiZj + 𝑍 2 − 4 ∗ 𝑍 ∗ ∑𝑖 λiZi + 2 ∗ 𝑍 ∗ ∑𝑖 λiZi)
V[ Z*]
=∑𝒊 𝛌𝐢 𝟐𝐕[𝐙𝐢]+𝟐 ∑𝒊=𝟏 ∑𝒋=𝒊+𝟏 𝛌𝐢𝛌𝐣𝐂𝐨𝐯(𝐙𝐢, 𝐙𝐣)
1.6.- Influencia del muestreo sobre los cálculos de medias, varianza e
histogramas
Se desea hacer un estudio sobre un sitio que en el pasado tuvo residuos mineros,
el principal contaminante que queda en el terreno es un leve porcentaje de ácido
remanente Se ha decidido hace una primera campaña de muestreado en cuadros
de 10 x 10 metros.
A.- Campaña 1
90 39
80 33 43 33
70 32
60 26
50 28
40 35
30 29
20
10
0
0 10 20 30 40 50 60 70 80 90
Histograma
0.025
0.02
Frecuancia
0.015
0.01
0.005
0
26 28 29 32 33 35 39 43
% Acido
B.- Campaña 2
La media deducida de la primera campaña es superior a 22 g / que es lo que la ley
autoriza como máximo, por eso se ha procedido a tomar más muestras,
obteniéndose las siguientes leyes
90 39
80 33 43 33 9
70 32
60 9 12 26
50 28
40 35
30 12 17 29
20 23
10 15 19
0 0
0 10 20 30 40 50 60 70 80 90
Histograma
0.025
0.02
Frecuancias
0.015
0.01
0.005
0
9 12 15 17 19 23 26 28 29 32 33 35 39 43
% Acido
Aun no logramos abtener una media por debajo de lo que exige la ley ,
debemos realizer otro muestreo ampliando las distancias entre muestreo.
C.- Campaña 3
Teniendo en cuenta la importancia de la dispersión de las leyes, se ha decidido
efectuar un muestreo sistemático, cada cuatro parcelas, dando el siguiente
resultado:
90
80 21 43 20 9 12
70
60 9 25 12 20 26
50
40 30 11 19 19 17
30
20 23 15 15 23 14
10
0 25 2 23 0 12
0 10 20 30 40 50 60 70 80 90
Histograma
0.035
0.03
Frecuancias
0.025
0.02
0.015
0.01
0.005
0
0 2 9 11 12 14 15 17 19 20 21 23 25 26 30 43
% Acido
90 22 20 15 39 20 22 10 4 12 7
80 30 21 33 43 33 20 14 9 4 12
70 24 23 13 32 29 24 24 11 6 16
60 30 9 7 25 24 12 26 20 16 26
50 23 16 14 11 23 19 14 16 12 28
40 18 30 21 11 23 19 8 19 35 17
30 12 45 21 17 14 18 15 19 29 19
20 11 23 27 15 11 15 26 23 15 14
10 15 13 10 19 28 25 24 8 14 6
0 20 25 21 2 24 23 21 0 19 12
0 10 20 30 40 50 60 70 80 90
ס2=705.44
=ס5.42156189
5.3120241 Poblacional
5.42156189 Muestral
Li Ls fi hi
0 5 0 0
5 10 2 0.08
10 15 6 0.24
15 20 4 0.16
20 25 11 0.44
25 30 1 0.04
30 35 1 0.04
TOTAL 25 1
GRÁFICO
0.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 5 10 15 20 25 30
1.8.-Efecto Información
Si usted debe tomar la decisión sobre el terreno a partir de la campaña 3, tenemos
el siguiente plano:
Recuerde que un sector es considerado habitable si el contenido de ácido es
menos a 22grs/ton
Conteste
a.- Parcelas estimadas contaminadas y en la realidad están contaminadas
b.- Parcelas estimadas no contaminadas y en la realidad están no contaminadas
c.- Parcelas estimadas contaminadas y en la realidad están no contaminadas
d.- Parcelas estimadas no contaminadas y en la realidad están contaminadas
Realice una nube de correlación
SOLUCION
Campaña 3
21 43 20 9 12
9 25 12 20 26
30 11 19 19 17
23 15 15 23 14
25 2 23 0 12
Valores correlacionados
a 3
EN RESPUESTA A LAS PREGUNTAS DE b 13
CONTAMINACION DE LAS PARCELAS,
c 4
TENEMOS EL SIGUIENTE CUADRO:
d 5
GRÁFICO
30
25
ESTIMADO
20
15
10
0
0 5 10 15 20 25 30 35 40 45 50
REAL