Vous êtes sur la page 1sur 10

Roberto Andrs Noriega Moscoso

Agosto, 2015

MINERA DE SUPERFICIE I
Construccin de un Variograma
En un rea planificada para su explotacin en un yacimiento de caliza se necesita
determinar el contenido de slice en este sector, material que va a ser utilizado en la
fabricacin de cemento.
Para tales fines se realiz un muestreo con sondeos separados cada 100 metros
segn el grfico que se muestra a continuacin.

1. Realice el tratamiento estadstico clsico de las muestras y determine


si su comportamiento de distribucin de probabilidad es normal o log
normal.
Para el anlisis de la distribucin de probabilidad de los datos se requiere calcular sus
parmetros bsicos de tendencia central y variabilidad: media, varianza y desviacin
estndar.
Media (%SiO2):
Varianza (%SiO22):
Desviacin Estndar
(%SiO2):

=1
=

=1( )2
2 =

= 2

3.63
0.14
0.37

Roberto Andrs Noriega Moscoso

Agosto, 2015

Para tener una aproximacin preliminar a la distribucin de probabilidades de la


muestra se procede a construir el histograma de frecuencias, utilizando los siguientes
parmetros:
Clase
[2.8 3.1)
[3.1 3.4)
[3.4 3.7)
[3.7 4.0)
[4.0 4.3)
[4.3 4.6)

Marca de clase
2.95
3.25
3.55
3.85
4.15
4.45

Frecuencia Observada
5
6
20
10
5
1

Del histograma de frecuencias se puede observar que la muestra sigue un


comportamiento normal en lugar de log normal, no hace falta realizar una
transformacin logartmica para el tratamiento de los datos. Con esta informacin se
procede a realizar el anlisis de normalidad utilizando la prueba de Ji-Cuadrado de
bondad de ajuste.
Para la prueba de bondad de ajuste se plantea la siguiente hiptesis:
El contenido de SiO2 sigue una distribucin normal con media 3.63 y varianza 0.14
Para el anlisis se calcula la probabilidad de obtener valores de SiO2 dentro de los
rangos establecidos como clases en la construccin del histograma si se considera
que siguen una distribucin normal estndar (Z), y utilizando este valor de

Roberto Andrs Noriega Moscoso

Agosto, 2015

probabilidad el clculo de frecuencia que se esperara para el nmero de muestras


tomadas (47) para cada clase.
Ejemplo de clculo:
Para la primera clase [2.8 3.1) se obtiene la probabilidad de que se encuentren
valores en ese rango siguiendo la distribucin normal planteada en la hiptesis, es
decir:
2.8 3.63
3.1 3.63
(2.8 < < 3.1) = (
<<
) = (2.24 < < 1.43)
0.37
0.37
(2.24 < < 1.43) = ( < 1.43) ( < 2.24) = 0.0764
Una vez obtenida esta probabilidad se multiplica por el tamao de la muestra, en
este caso 47, para obtener la frecuencia esperada dentro de esta clase segn la
distribucin planteada en la hiptesis.
Los clculos se resumen en la siguiente tabla.
Clase
[2.8
[3.1
[3.4
[3.7
[4.0
[4.3

3.1)
3.4)
3.7)
4.0)
4.3)
4.6)

Frecuencia Observada
(fo)
5
6
20
10
5
1

Probabilidad Z
0.0765
0.1912
0.3077
0.266
0.1236
0.0307

Frecuencia Esperada
(fe)
3.59
8.99
14.46
12.50
5.81
1.44

Una vez obtenidos estos valores se procede a calcular el estimador Ji-Cuadrado, para
las k nmero de clases, de la siguiente manera:

=
=1

( )2
= 4.42

Se plantea el estadstico Ji-Cuadrado para la comparacin, con 5 grados de libertad


(nmero de clases menos uno) y confianza del 95%. Segn tablas de la distribucin
estadstica este valor es de 11.07

Roberto Andrs Noriega Moscoso

Agosto, 2015

Como el estimador Ji-Cuadrado calculado para la muestra es menor al estadstico


obtenido de manera terica, no existe evidencia para rechazar la hiptesis. El
contenido de SiO2 sigue una distribucin normal con media 3.63 y varianza 0.14.
2. Determine la ley media, la varianza, la desviacin estndar del
contenido de SiO2.
Media (%SiO2):
Varianza (%SiO22):
Desviacin Estndar (%SiO2):

=1

=1( )2
2
=

= 2
=

3.63
0.14
0.37

3. Confeccione dos semivariogramas en la direccin E-O y N-S y ubique


los valores de la meseta y el alcance.
Para la construccin del semivariograma se calculan las semivarianzas de datos
pareados de la muestra, separados a una distancia h conocida como lag. Para cada
lag se calcula un valor que luego es graficado. El lag mximo al que se deben realizar
los clculos es alrededor de la mitad de la distancia que separa todos los datos en la
direccin considerada.
El clculo se realiza de la siguiente forma:
() =

1
[( ) (+ )]2
2

Direccin N-S
En la direccin N-S la mxima distancia que separa los datos es de 500 metros, por
lo tanto se obtendrn datos de semivarianzas hasta un lag de 300 metros, cada 100
metros que es la separacin de la malla regular. Los datos se resumen en la siguiente
tabla.
() Direccin N-S
Lag

()

100

0.05

200

0.10

300

0.19

Roberto Andrs Noriega Moscoso

Agosto, 2015

Utilizando estos datos se procede a construir el semivariograma en la direccin N-S.

SEMIVARIOGRAMA DIRECCIN N-S


0.20
0.18
0.16
0.14

(h)

0.12
0.10
0.08
0.06

0.04
0.02
0.00
0

50

100

150

200

250

300

350

Lag (m)

Direccin E-O
En la direccin E-O la mxima distancia que separa los datos es de 800 metros, por
lo tanto se obtendrn datos de semivarianzas hasta un lag de 400 metros, cada 100
metros que es la separacin de la malla regular. Los datos se resumen en la siguiente
tabla.
() Direccin E-O
Lag

()

100

0.015

200

0.033

300

0.043

400

0.067

Utilizando estos datos se procede a construir el semivariograma en la direccin E-O.

Roberto Andrs Noriega Moscoso

Agosto, 2015

SEMIVARIOGRAMA DIRECCIN E-O


0.080
0.070

0.060

(h)

0.050
0.040
0.030
0.020
0.010
0.000
0

50

100

150

200

250

300

350

400

450

Lag (m)

Los valores de la meseta y el alcance no se pueden ubicar claramente en el


semivariograma experimental, sino ms bien una vez ajustado un modelo de
semivariograma terico se procede a determinar los valores de la meseta, el alcance
y dems parmetros.

4. Determine a qu modelo de semivariograma real se aproxima el


semivariograma experimental que usted ha obtenido.
El ajuste se realiz considerando los modelos tericos de semivariogramas
exponenciales, gaussianos y esfricos; mediante una comparacin visual se procedi
a determinar el modelo con sus parmetros que mejor se ajusta a la curva del
semivariograma experimental.
Direccin N-S
El modelo exponencial no permite obtener un ajuste adecuado, como se puede
observar en el siguiente grfico.

Roberto Andrs Noriega Moscoso

Agosto, 2015

SEMIVARIOGRAMA DIRECCIN N-S


0.25

0.20

(h)

0.15
Experimental

0.10

Modelo Exponencial
0.05

0.00
0

100

200

300

400

500

Lag (m)

El modelo esfrico tampoco permite ajustar una curva de manera adecuada, como
se evidencia en el siguiente grfico.

SEMIVARIOGRAMA DIRECCIN N-S


0.25

0.20

(h)

0.15
Experimental

0.10

Modelo Esfrico
0.05

0.00
0

100

200

300

Lag (m)

400

500

Roberto Andrs Noriega Moscoso

Agosto, 2015

Es el modelo gaussiano el que mejor se ajusta a los datos experimentales, los


parmetros del modelo adems se especifican bajo el grfico.

SEMIVARIOGRAMA DIRECCIN N-S


0.25

0.20

(h)

0.15
Experimental
0.10

Modelo Gaussiano

0.05

0.00
0

50

100

150

200

250

300

350

400

450

Lag (m)

Modelo Gaussiano
() = [1

2
2
] + 0

Parmetros
C

C0

0.18

210

0.02

El valor del efecto pepita es 0.02 (C0), el rango es 210 (a) y la meseta 0.20
(C+C0).

Direccin E-O
El modelo exponencial no se ajusta de manera adecuada a los datos experimentales,
como se puede observar en el siguiente grfico.

Roberto Andrs Noriega Moscoso

Agosto, 2015

SEMIVARIOGRAMA DIRECCIN E-O


0.080
0.070
0.060

(h)

0.050
0.040
Experimental
0.030

Modelo Exponencial

0.020
0.010
0.000
0

100

200

300

400

500

Lag (m)

El modelo esfrico tampoco permite ajustar una curva de manera adecuada, como
se evidencia en el siguiente grfico.

SEMIVARIOGRAMA DIRECCIN E-O


0.080
0.070
0.060

(h)

0.050
0.040
Experimental

0.030

Modelo Esfrico

0.020
0.010
0.000
0

100

200

300

Lag (m)

400

500

Roberto Andrs Noriega Moscoso

Agosto, 2015

El modelo Gaussiano, es otra vez, el que mejor se ajusta a los datos experimentales
como se puede comprobar a continuacin.

SEMIVARIOGRAMA DIRECCIN E-O


0.080
0.070
0.060

(h)

0.050
0.040
Experimental
Modelo Gaussiano

0.030
0.020
0.010
0.000
0

50

100

150

200

250

300

350

400

450

Lag (m)

Modelo Gaussiano
() = [1

2
2
] + 0

Parmetros
C

C0

0.12

500

0.01

El valor del efecto pepita es 0.01 (C0), el rango es 500 (a) y la meseta 0.13
(C+C0).