Académique Documents
Professionnel Documents
Culture Documents
HISTORIA
La estimacin de mineral recobrable es muy importante ya que la variabilidad local puede afectar
la ganancia al explotar una mina.
Los primeros pasos para resolver este problema fueron tomados en los aos 50 en Sudfrica con el
trabajo del ingeniero minero Danie Krige y el estadista Herbert Sichel trabajando en las minas de
oro de Witwatersrand.
Georges Matheron adopto el trabajo pionero hecho en Sudfrica y formaliz la mayor parte de los
conceptos de la teora que llamo geoestadstica.
EJEMPLOS:
IDEA
HIPTESIS ESTACIONARIAS
Queremos que los dos primeros momentos (la media y la covarianza) sean constantes, lo cual, es
llamado estacionariedad dbil o de segundo orden.
En otras palabras, el valor esperado de Z(x) debe ser constante para todos los puntos x , esto es,
E[Z(x )] = m(x ) = m
y la funcin de covarianza entre cualquiera dos puntos x y x + h depende solo del vector h y no del
punto x ,
E*Z(x )Z(x + h)+ m2 = C(h)
Hiptesis Intrnsecas
Se supone que los incrementos de la funcin son dbilmente estacionarios, es decir, la media y la
varianza de los incrementos Z(x + h) Z(x ) existen y son independientes del punto x , esto es
E*Z(x + h) Z(x )+ = 0
Var*Z(x + h) Z(x )+ = 2(h)
La funcin (h) es llamada el semi-variograma (o el variograma), la cual es la herramienta bsica
para la interpretacin estructural del fenmeno como tambin para la estimacin.
Mtodo Kriging
Kriging es un mtodo de estimacin que da la mejor estimacin lineal insesgada de los valores de
los puntos, esto es, elegir el promedio ponderado de losvalores de las muestras la cual tenga la
mnima varianza.
Hay diferentes variaciones del mtodo kriging, entre ellas estn:
Kriging Simple (SK).
Kriging Ordinario (OK).
Kriging Universal (UK).
La precisin de los mtodos depende de varios factores.
1 El nmero de muestras y la calidad de los datos en cada punto.
2 La posicin de las muestras en el deposito.
Deseamos estimar un valor z(x0) en x0, usando los valores de los datos z(x ), de n puntos
muestrales vecinos x y combinndolos linealmente con pesos w, i.e.
La propiedad 1) (estimador insesgado), es garantizada con la suma unitaria de los pesos, esto es,
El estimador kriging ordinario es un interpolador exacto en el sentido que si x0 es idntico con una
locacin de los datos entonces el valor estimado es idntico con el valor del dato en ese punto
PROBLEMA
P3 (0,0,50)
58.3095
P1
P2
P3
64.0312
P2 (30,0,0)
50
P1 (0,40,0)
( )
(
( )
1 CASO:
Cuando:
Co = 0.6
C1 = 0.4
a = 80
% Cu
0.5
0.6
0.9
1v = (40) = 0.875
2v = (30) = 0.8144
3v = (50) = 0.9261
Reemplazando tenemos:
1 0.6 + 2 0.9261 + 3 0.9776 + = 0.875
1 0.9261 + 2 0.6 + 3 0.9598 + = 0.8144
1 0.9776 + 2 0.9598 + 3 0.6 + = 0.9261
1 + 2 + 3 = 1
Mediante el software que se encuentra en la pgina web:
http://es.onlinemschool.com/math/assistance/equation/gaus/
Se puede hallar las incgnitas:
1 = 0.30609
2 = 0.48026
3 = 0.21363
= 0.03771
Entonces podemos hallar Z (Po) y
2 CASO:
Cuando:
Co = 0.6
C1 = 0.4
a = 40
1 31 + 2 32 + 3 33 + = 3v
1 + 2 + 3 = 1
Donde:
11 = 22 = 33 = 0.6
12 = 21 = (50) = 1
13 = 31 = (64.0312) = 1
23 = 32 = (58.3095) = 1
1v = (40) = 1
2v = (30) = 0.9656
3v = (50) = 1
Reemplazando tenemos:
1 0.6 + 2 + 3 + = 1
1 + 2 0.6 + 3 + = 0.9656
1 + 2 + 3 0.6 + = 1
1 + 2 + 3 = 1
Mediante el software que se encuentra en la pgina web:
http://es.onlinemschool.com/math/assistance/equation/gaus/
Se puede hallar las incgnitas:
1 = 0.30466
2 = 0.39066
3 = 0.30466
= 0.12186
Entonces podemos hallar Z (Po) y
3 CASO:
Cuando:
Co = 0.6
C1 = 0.4
a = 160
3 = 0.2126
= 0.01121
Entonces podemos hallar Z (Po) y
CASO
Z (Po)
1
2
3
0.63346
0.66092
0.63317
a=80
a=40
a=160
k
0.8945
1.1084
0.74815
REFERENCIAS
ANEXOS
Damos clic en Resolver sistema de ecuaciones lineales por el mtodo Gauss Jordan