Vous êtes sur la page 1sur 46

Universidad Nacional de Cajamarca

Facultad de Ingeniera
Escuela Acadmico Profesional de Ingeniera de Minas

INTRODUCCIN A LA TEORA DE LAS VARIABLES


REGIONALIZADAS
CURSO :
GEOESTADSTICA
DOCENTE :
ING. WILDER CHUQUIRUNA CHVEZ
ALUMNOS :
BEZ MELNDEZ, MANUEL.
VALDIVIA DELGADILLO, NOELIA.
ALVA MIRANDA, ALEX
INTRODUCCIN

En el campo de las geociencias es comn encontrar variables distribuidas espacialmente. Para


el estudio de estas variables son usados diversos procedimientos geoestadsticos de
estimacin y/o simulacin. La geologa y la minera es el campo tpico para la aplicacin de
estos modelos, campo en el que surge y se desarrolla la Geoestadstica como ciencia
aplicada.

En este trabajo haremos una introduccin a la teora de variables regionalizadas hablando


primeramente de las variables regionalizadas, la funcin variograma e hiptesis estacionario,
para lo cual tambin trataremos algunas definiciones bsicas de estadstica que nos
ayudaran a comprender el curso de geoestadstica y que a continuacin se menciona.
OBJETIVOS

PRINCIPAL Comprender la teora de variables regionalizadas

SECUNDARIOS Recordar las definiciones de estadstica bsica.


Comprender que es geoestadstica y conocer sus diferentes
mbitos de aplicacin.
Entender la teora de variables regionalizadas y su
importancia en la minera.
Analizar la funcin variograma y comprender el concepto de
hiptesis estacionario.
ESTADISTICA
Es una ciencia formal y una herramienta que estudia usos y anlisis provenientes de una
muestra representativa de datos, busca explicar las correlaciones y dependencias de un
fenmeno fsico o natural, de ocurrencia en forma aleatoria o condicional. La estadstica se
divide en dos grandes reas:
Se dedica a la
descripcin,
visualizacin y resumen
de datos originados a
partir de los fenmenos
de estudio.

I. ESTADSTICA
DESCRIPTIVA
Ejemplos:
-La media
-La desviacin estndar.
-Histograma
-Pirmide poblacional
-Grfico circular
Se dedica a la generacin de los
modelos, inferencias y predicciones
asociadas a los fenmenos en
cuestin teniendo en cuenta la
aleatoriedad de las observaciones

II. ESTADSTICA Se usa para modelar patrones en


INFERENCIAL los datos y extraer inferencias
acerca de la poblacin bajo estudio

Estas inferencias pueden tomar la forma


de respuestas a preguntas s/no (prueba
de hiptesis), estimaciones de unas
caractersticas numricas (estimacin),
pronsticos de futuras observaciones,
descripciones de asociacin (correlacin)
o modelamiento de relaciones entre
variables (anlisis de regresin).
El concepto de poblacin en
estadstica va ms all de lo que
comnmente se conoce como tal.
Una poblacin se precisa como un
conjunto finito o infinito de
personas u objetos que presentan
caractersticas comunes.
Unidad muestral:
Elementos de la poblacin, no solapados en
los que se mide.
Tipos de muestras:
- Muestra Probabilstica
- Muestra No Probabilstica
Mtodos de muestreo:
- Muestreo aleatorio simple
- Muestreo sistemtico
- Muestreo Estratificado
- Muestreo por conglomerados
VARIABLE CUALITATIVAS
Cada caractersticas de los elementos de No tienen medida numrica; se
una poblacin que varan de una unidad a representan por categoras o atributos
otra (tipo de suelo, textura,).

CONTINUAS
Son el resultado de medir, pueden
contener decimales, se pueden subdividir a
voluntad.
CUANTITATIVA
Se expresan numricamente (temperatura,
profundidad suelo, precipitacin, altitud,
etc.)

DISCRETAS
Son el resultado de contar y slo toman
valores enteros (nmero de puntos, de
cuadrculas, de pxeles).
La moda es el valor que tiene mayor frecuencia absoluta.
Moda (Mo):

El cul es el promedio de todos los datos en la muestra, se calcula


Media ( ): mediante:

Describe la variabilidad de la distribucin, se calcula mediante:


Varianza (
)

Describe el grado de dispersin de la distribucin, se calcula


Desviacin
Estndar () mediante:

Coeficiente Es la relacin entre la desviacin estndar de una muestra y su media, se calcula mediante:
de
Variabilidad
(CV):
Estadstica espacial es la reunin de un conjunto de metodologas apropiadas
para el anlisis de datos que corresponden a la medicin de variables
aleatorias en diversos sitios (puntos del espacio o agregaciones espaciales)
de una regin.
La estadstica espacial se subdivide en tres grandes reas, dentro de las
cuales se encuentra la Geoestadstica.
ORIGEN:
En los aos 60, Matheron acu el trmino de Geoestadstica.

Matheron formaliz y generaliz matemticamente un conjunto de tcnicas


desarrolladas por D. G. Krige (1941) que explotaban la correlacin espacial
para hacer predicciones en la evaluacin de reservas de las minas de oro en
Sudfrica.
DEFINICIN:
Matheron defini a la
Geoestadstica como "la
aplicacin del formalismo de las (Matheron, 1962).
funciones aleatorias al
reconocimiento y estimacin de
fenmenos naturales"

La geoestadstica es una rama de


la estadstica que trata (Journel & Huijbregts, 1978).
fenmenos espaciales(Journel &
Huijbregts, 1978).

Su inters primordial es la estimacin,


prediccin y simulacin de fenmenos
georeferenciados (Myers, 1987), como por
ejemplo:
(Myers, 1987)
- la distribucin de un mineral en el
subsuelo
- la concentraciones de un contaminante en
la atmsfera, etc.
APLICACIN DE LA GEOESTADSTICA
En la aplicacin de la geoestadstica es de suma importancia, al igual que en
otros procedimientos estadsticos, el anlisis grfico.
Las siguientes caractersticasson importantes para establecer si algunos
supuestos necesarios son vlidos, o para definir que procedimiento de
prediccin es el ms conveniente:

La identificacin de La evaluacin de la
valores extremos y su forma de la
ubicacin geogrfica distribucin

El clculo de medidas
de localizacin,
variabilidad y
correlacin
ETAPAS DE UN ANLISIS GEOESTADSTICO

d) Validacin
del modelo
c) Prediccin geoestadstico.
(estimaciones o
b) Anlisis de simulaciones)
la relacin
a) Anlisis espacial
exploratorio (estructural)
de los datos
A)ANLISIS EXPLORATORIO DE DATOS

Est basado en tcnicas estadsticas convencionales que permiten obtener


todo un conjunto de informacin, desconocida a priori sobre la muestra bajo
estudio, lo que es imprescindible para realizar correctamente cualquier
anlisis estadstico y en particular un anlisis geoestadstico.
B) ANALISIS DE LA RELACIN ESPACIAL
(ESTRUCTURAL)
Es el proceso de estimacin y modelacin de la funcin que describe la
correlacin espacial
C) PREDICCIN ESPACIAL
KRIGING es un mtodo de interpolacin. Dicho mtodo provee, a partir de una muestra de puntos, ya
sean regular o irregularmente distribuidos, valores estimados de aquellos sitios donde no hay informacin,
sin sesgo y con una varianza mnima conocida

Se utiliza en la evaluacin de yacimientos para estimar el valor de


una variable regionalizada, en un punto o en un bloque, a partir del
uso de factores de ponderacin.
D)VALIDACIN DEL MODELO GEOESTADSTICO

Se comprueban que los datos que se tienen son vlidos para utilizar el
mtodo del Krigeado y despus se procede a la aplicacin del mtodo.
PROPSITO DE UN ANALISIS GEOESTADISTICO
ESTIMAR
Valor promedio de una variable en una regin.

PREDECIR
Valor de una variable en un sitio no muestreado.

SIMULAR
Cambia la magnitud, pero no la correlacin.

DISEAR REDES
DE
Optimizar costos.
MUESTREO
APLICACIN DE LA GEOESTADSTICA EN MINERA
Estudios de factibilidad econmica de un yacimiento

Peritaje minero

Clculo de reservas

Diseo de mtodos de explotacin basados en la distribucin de la mineralizacin


Se dice que un fenmeno es regionalizado cuando se desplaza en el espacio,
manifestando una cierta estructura.

Las denominadas variables regionalizadas son aquellas cuyos valores


(realizaciones) estn relacionados con ubicaciones precisas en el tiempo o espacio
(variables geo-referenciadas).
De manera ms formal se puede definir como un proceso estocstico con dominio contenido en un
espacio euclidiano d-dimensional
, { Z(x) : x D }. Si d = 2, Z (x) puede asociarse a una variable medida en un punto
x del plano. En trminos prcticos Z(x) puede verse como una medicin de una variable aleatoria
(p.ej. concentracin de un contaminante) en un punto x de una regin de estudio.
Un proceso estocstico es una coleccin de variables aleatorias indexadas; esto es, para cada x
en el conjunto de ndices D, Z(x) es una variable aleatoria. En el caso de que las mediciones sean
hechas en una superficie, entonces Z(x) puede interpretarse como la variable aleatoria asociada
a ese punto del plano (x representa las coordenadas, planas o geogrficas, y Z la variable en
cada una de ellas). Estas variables aleatorias pueden representar la magnitud de una variable
ambiental medida en un conjunto de coordenadas de la regin de estudio.
Del punto de vista matemtico, una V.R. es simplemente una funcin f(x) del punto x,
pero es, en general, una funcin muy irregular: ejemplo: una ley en un depsito minero.
REPRESENTACIN(Aspectos Complementarios) OBJETIVOS

Aspecto Aleatorio Plano Terico


Alta irregularidad

Aspecto Estructurado Plano Prctico


EJEMPLO:
FUNCIONES DE CORRELACIN ESPACIAL

La primera etapa en el desarrollo de un anlisis geoestadstico es la


determinacin de la dependencia espacial entre los datos medidos de una
variable. Esta fase es tambin conocida como anlisis estructural. Para
llevarla a cabo, con base en la informacin muestral, se usan tres funciones: El
semivariograma, el covariograma y el correlograma.
El variograma es una de las herramientas ms poderosas que tiene la geoestadstica.
Vamos a definirla tomando el caso de un depsito D, el cual consiste de una infinidad
de puntos xi , cada uno de ellos con un valor determinado de la variable Z(xi) que
nos interesa estudiar (puede ser ley de Au, contenido de As, intensidad de una
alteracin, peso especfico, dureza, porosidad etc.). Estas entidades son denominadas
variables regionalizadas porque sus valores corresponden a ubicaciones precisas en
el tiempo o espacio.
En trminos muy simples podemos definir el variograma como la media de los
cuadrados de las diferencias entre pares de muestras separados por una distancia h:

= N . [ ( Z(x) Z(x+h)) ]2
Dentro de la distancia a (alcance), la variable es totalmente estructurada, es decir
depende, o est controlada, por la funcin (h). Mas all de a la variable es
aleatoria, o sea independiente de la funcin variograma: la curva se transforma en
una meseta (C+Co) cuyo valor tericamente debe coincidir con la varianza estadstica
de todos los datos involucrados en el clculo del variograma, lo cual no siempre es el
caso.
Para h = 0 la funcin variograma debera dar cero y pasar por el origen; sin
embargo la funcin a veces presenta una discontinuidad al origen simbolizada como
Co (efecto pepita), que nos da cuenta de cambio bruscos de los valores a pequea
escala, lo cual generalmente sucede cuando se sobrepasa subestructuras por debajo
de la escala de trabajo. Este valor tambin puede aparecer debido a errores
sistemticos: en el muestreo o durante el proceso de anlisis qumico.
Con el alcance se puede determinar el distanciamiento ptimo del muestreo.
De tal modo que su influencia tenga el solapamiento adecuado.
El variograma puede ser estimado a partir de datos experimentales (por
ejemplo las leyes provenientes de una campaa de muestreo) empleando la
frmula general :
Todos los paquetes de software
aplicados a minera utilizan esta frmula
para el clculo de los variogramas
experimentales; las respectivas

NOTA facilidades grficas nos mostrarn


variogramas con apariencia similar a la
que se a idealizado en la anterior
diapositiva , que nos servir para
explicar los principales parmetros de
la funcin variograma.
Los modelos de variogramas son curvas, generadas a partir de una funcin
matemtica, que ajustaremos a nuestros datos y nos permitirn conocer la
distribucin para todos los puntos en el espacio.
Para el modelamiento de un variograma experimental se deben aplicar
frmulas o modelos matemticos, los cuales tienen la caracterstica de ser una
funcin siempre positiva para cualquier valor de h.
Los modelos ms utilizados en minera son del tipo transicional (con meseta).
Estos son:

Modelo esfrico

Modelo exponencial

Modelo potencial

Otro modelo comnmente utilizado, podramos decir que slo


tiene meseta y se denomina MODELO EFECTO PEPITA PURO
MODELO ESFRICO
MODELO EXPONENCIAL
MODELO POTENCIAL
MODELO GAUSSIANO
En la figura se muestra algunos ejemplos de
variogramas experimentales (sucesin de puntos),
debidamente ajustados a variogramas tericos
(curvas continuas). Al ajustar un variograma
experimental a uno terico, se debe determinar
los parmetros mencionados en los prrafos
anteriores. Tales parmetros y la forma misma del
variograma ajustado nos sern de ayuda para
optimizar los principales mtodos de estimacin
de reservas. Los variogramas experimentales se
pueden calcular a partir de una sucesin lineal de
puntos, como por ejemplo a lo largo de un taladro
de perforacin (variograma monodimensional);
tambin se pueden calcular a partir de un
conjunto de datos ubicados en un mismo plano
(variograma bidimensional), como por ejemplo una
veta, un manto angosto, un banco o una seccin
cualquiera.
h=1; Gh= 1/2x8 [(1-2)2+(2-3)2+(3-4)2+(4-5)2+(5-4)2+(4-3)2+(3-2)2+(2-1)2]= 0,5
h=2; Gh= 1/2x7 [(1-3)2+(2-4)2+(3-5)2+(4-4)2+(5-3)2+(4-2)2+(3-1)2]= 1,71
h=3; Gh= 1/2x6 [(1-4)2+(2-5)2+(3-4)2+(4-3)2+(5-2)2+(4-1)2]= 3,17
h=4; Gh= 1/2x5 [(1-5)2+(2-4)2+(3-3)2+(4-2)2+(5-1)2]= 4
En la actualidad existen programas que permiten el clculo de variogramas a partir
de una distribucin tridimensional (variograma 3D), lo que antes slo se poda
realizar subdividiendo en cuerpo tridimensional en tajadas (bancos o secciones). Los
detalles de clculo de los variogramas experimentales escapan al sentido del
presente trabajo. Se puede calcular el variograma de prcticamente cualquier
variable; lo nico que necesitamos es un conjunto de datos experimentales con su
ubicacin en el tiempo o el espacio. Esto quiere decir que no slo vamos a poder
trabajar con leyes, sino que tambin podemos procesar otras variables menos
comunes como: peso especfico, porosidad, densidad de fracturamiento, potencia de
la estructura, precio del oro, etc.
En el anlisis variogrfico, la nica restriccin que se debe atender es la hiptesis de
estacionariedad, que exige que el variograma se calcule para un dominio con un
determinado patrn de distribucin constante. Lo cual automticamente implica tener
en cuenta las discontinuidades geolgicas: fallas, cambios de litologa, alteracin,
etc. La solucin mas prctica es circunscribirse a dominios estacionarios, es decir
realizar el anlisis variogrfico respetando las discontinuidades geolgicas. Es por
eso que la correcta aplicacin de la geoestadstica nos obliga a tener muy en cuenta
la informacin geolgica, lo cual en buena cuenta es lograr el tan ansiado equilibrio
entre los mtodos determinsticos y probabilsticos; siendo difcil que una aplicacin
geoestadstica se haga de espaldas a la informacin geolgica y mineralgica.
ESTACIONARIEDAD

La variable regionalizada es estacionaria si la variable regionalizada es estacionaria si su funcin


de distribucin conjunta es invariante respecto a cualquier translacin del vector h.
La teora geoestadstica se basa en los momentos arriba descritos y la hiptesis de
estacionariedad puede definirse en trminos de estos:

a.- E [ Z(x)] = m, k R, x D Rd
El valor esperado de la variable aleatoria es finito y
constante para todo punto en el dominio.

1.- Estacionariedad de Segundo Orden


Sea {Z(x):xD Rd} una variable regionalizada
definida en un dominio D contenido en Rd se
dice que Z(x) es estacionario de segundo orden
b.- COV [ Z(x) , Z(x+h)] = C(h) <
si cumple:
Para toda pareja {Z(x), Z(x + h)} la covarianza existe y es
funcin nica del vector de separacin h.
a.- Z(x) tiene esperanza finita y constante para todo punto
en el dominio. Lo que implica que la esperanza de los
incrementos es cero.
E[Z(x + h) Z(x)] = 0
2.- Estacionariedad Dbil o Intrnseca
Existen algunos fenmenos fsicos reales en los
que la varianza no es finita. En estos casos se
trabaja slo con la hiptesis que pide que los
b.- Para cualquier vector h, la varianza del incremento
incrementos [Z(x+h) - Z(x)] sean estacionarios,
est definida y es una funcin nica de la distancia.
esto es:
V [ Z(x+h) - Z(x)] = E[Z(x+h)-Z(x)]2 = 2 (h)
CONCLUSIONES
Realizamos una introduccin a la estadstica bsica.
Definimos el concepto de geoestadstica y su aplicacin en minera
El inters primordial de la geoestadstica es la estimacin, prediccin y
simulacin de fenmenos georeferenciados
Estudiamos la teora de variables regionalizadas
Describimos la funcin variograma y sus diferentes modelos.