UNIVERSIDAD PRIVADA DEL NORTE

FACULTAD DE INGENIERÍA
Carrera: Ingeniería de Minas

DOCENTE:
Ing. Jorge Marcial Sánchez Espinoza.
CURSO:
Software de Minería

TÍTULO DEL INFORME:

“Histogramas y Correlaciones”

AUTORES:
Cabada Castañeda Oscar Ivan (N00017858)
Cerdán López Alex (N00019523)
Díaz abanto Jeisy Jomeiny (N00022116)
Gálvez Caruajulca Mirian (N00023375)
Mendoza Quiliche Kevin (N00028182)
Ramos Bardales Marco (N00031552)

CAJAMARCA – 2018
Índice

Contenido
1. INTRODUCCION: .............................................................................................. 3
2. OBJETIVOS: ...................................................................................................... 4
2.1. OBJETIVO GENERAL: ............................................................................... 4
2.2. OBJETIVOS ESPECÍFICOS: ...................................................................... 4
3. INTERPRETACIÓN DE HISTOGRAMAS ........................................................... 5
3.1 HISTOGRAMA DE PLATA ………………………………………………………...5
3.2 HISTOGRAMA DE PLOMO……………………………………………………… 6
3.3HISTOGRAMA DE COBRE………………………………………………. …7
3.4 HISTOGRAMA DE ZINC…………………………………………………… 8
4 CORRELACIONES………………………………………………………… …… 9
4.1 CORRELACION DE PLATA PLOMO……………………………………… 10
4.2 CORRELACION DE PLATA ZINC…………………………………………. 11
4.3 CORRELACION DE PLATA COBRE………………………………………. 12
4.4 CORRELACION DE PLOMO ZINC…………………………………………13
4.5 CORRELACION DE COBRE ZINC…………………………………............14
4.6 CORRELACION DE COBRE PLOMO…………………………………........15
5 CONCLUSIONES……………………………………………………………………16
6 BIBLIOGRAFIA………………………………………………………………….17
 1. INTRODUCCION:

En el presente informe daremos a conocer cómo podemos interpretar un

histograma geoestadístico, para minerales tales como: Cobre, Plomo, Plata y
Zinc.
Un histograma es una representación gráfica de una variable en forma de
barras, donde la superficie de cada barra es proporcional a la frecuencia de los
valores representados. Los Histogramas sirven para obtener una "primera vista"
general, o panorama, de la distribución de la población, o de la muestra.
También daremos a conocer toda la información necesaria para entender más
sobre las correlaciones y poder interpretarlas de la mejor manera, dichas
correlaciones de generaran con cada uno de los minerales en estudio.
la correlación indica la fuerza y la dirección de una relación
lineal y proporcionalidad entre dos variables estadísticas, Existen diversos
coeficientes que miden el grado de correlación, adaptados a la naturaleza de los
datos. El más conocido es el coeficiente de correlación de Pearson.
 2. OBJETIVOS:
2.1. Objetivo general:
 Interpretar los histogramas para cada uno de los 4 minerales, y crear e
interpretar correlaciones con cada uno de los minerales.

2.2. Objetivos específicos:

|

 En este trabajo daremos a conocer las tendencias del Histograma, el

número de sub poblaciones, mínimos, máximos, varianza.
 Interpretar cada una de las 6 correlaciones creadas con los diferentes
minerales.
 3. INTERPRETACIÓN DE HISTOGRAMAS
3.1 Histograma de la Plata.
Análisis. - Se construyó utilizando los datos de la Tabla.
En el histograma se observa una curva sesgada a la derecha que representa a
una gran población llamada background (4 p.p.m.), también vemos la presencia
de otra población muy pequeña y aislada que representa a los valores anómalos.
En el caso de la plata el contraste es muy bajo, es to de debe a un exceso de
valores bajos y casi nulos valores altos; razón para que los parámetros obtenidos
posteriormente, se usen en la construcción de planos de anomalías geoquímicas
que no guardan mucha relación con los planos de anomalías del cobre.
Observamos un histograma bimodal que no guarda relación con el histograma
normal.
En la naturaleza sigue una Ley Lognormal, por lo tanto, los logaritmos de los
valores son distribuidos siguiendo una Ley Normal o Ley de Gauss.
Existen dos Cuadros para obtener la curva de probabilidades, el Cuadro tiene
graficado en el eje de las ordenadas, las frecuencias acumuladas en porcentajes
en progresión geométrica, y en eje de las abscisas las concentraciones en p.p.m.
también en progresión geométrica. En el Cuadro.
para obtener las frecuencias acumuladas en porcentaje se empieza a acumular
desde los valores más bajos, de tal manera que el cien por ciento corresponda
a la clase más baja y es desechado en el infinito; esto
considerando la carencia de precisión en los valores bajos y la importancia de
algunos altos para la determinación del nivel Threshold.
En geoquímica es conveniente trabajar con 9 a 19 intervalos de clase.

3.2 Histograma del Plomo.

Tamaño de la muestra: Si el tamaño de la muestra es demasiado pequeño, es
posible que cada barra en el histograma no contenga suficientes puntos de datos
para mostrar exactamente la distribución de los datos. Mientras más grande es
la muestra, mayor será la semejanza del histograma a la forma de la distribución
de población.

. VS

se observa una curva sesgada a la derecha que representa a una gran población
llamada background por lo tanto presenta mayores leyes, mayor población.

Presenta dos poblaciones bien definidas, notamos la presencia de altos erráticos

estos valores son los que quedan fuera del rango de la información normal que
ha reunido porque el resto de la información está muy por debajo de este criterio.
Los valores altos son valores anómales y puntos de muestras de otras
poblaciones.

La barra más alta son muestras que están por debajo del límite de detección.
Histograma con sesgo positivo debido a valores altos.

3.3 Histograma del Cobre.

Análisis
Histograma Normal del Cobre. - Se ha construido con los datos de la Tabla.
Podemos notar en este histograma que es sesgado a la derecha, presentando
dos poblaciones bien definidas, la población más grande que representa a los
valores más altos de leyes, y la población más pequeña que representa a los
valores anómalos.

El histograma es una herramienta útil para detectar valores atípicos. Ahora,

cabe destacar que un dato atípico no es forzosamente falso y nunca debe ser
eliminado sin razón.

El histograma esta sesgado a la izquierda, debido a que presenta mayor

cantidad de muestras con una ley de 0 a 0.2 p.p.m.
En el presente histograma podemos visualizar una ley mínima de 0.01 p.p.m y
una ley máxima de 1.49 p.p.m.
La barra más alta son muestras que están por debajo del límite de detección.
Histograma con sesgo positivo debido a valores altos.

3.4 Histograma del Zinc.

Análisis. - Un histograma funciona mejor cuando el tamaño de la muestra es al
menos de 20. Si el tamaño de la muestra es demasiado pequeño, es posible que
cada barra en el histograma no contenga suficientes puntos de datos para
mostrar exactamente la distribución de los datos. Mientras más grande es la
muestra, mayor será la semejanza del histograma a la forma de la distribución
de población.
Este histograma de zinc está sesgado a la izquierda, por lo tanto, presenta
menos leyes, mayor población y una ley baja.
Presenta 4 poblaciones no muy bien definidas, debido a una mayor variabilidad.
Distribución sesgada: su forma es asimétrica, con un pico
descentrado dentro del recorrido de los datos, las colas descienden
bruscamente en un lado y suavemente en el otro. Esta distribución es típica de
procesos con límites prácticos a un lado del valor nominal o a datos parciales de
un proceso.
Presenta valores erráticos estos valores son los que quedan fuera del rango de
la información normal que ha reunido porque el resto de la información está muy
por debajo de este criterio.
Los valores altos son valores anómalos y puntos de muestras de otras
poblaciones.
La barra más alta son muestras que están por debajo del límite de detección.
Histograma con sesgo positivo debido a valores altos.

4. INTERPRETACIÓN DE CORRELACIONES.

4.1 Correlación Plata – Plomo

 Según el coeficiente de correlación de Pearson:

Es una Relación muy débil: Pearson r = 0.16

Algunos puntos están cerca de la línea, pero otros puntos están lejos de ella, lo
que indica que solo existe una relación muy débil entre las variables.
En cual muestra que en donde se encuentre plata también se encontrará plomo,
pero en pocas cantidades.
Es una correlación que es poco probable que proceda de una población cuya
correlación es cero. Tan solo se está diciendo que se ha obtenido "algo" y que
ese "algo" es (probablemente) más que "nada". La significación de rxy depende
en gran medida del tamaño de la muestra, por lo tanto, tendencias débiles son
muy improbables.

La correlación de plata y plomo tiene una relación baja ya que su coeficiente r de

Pearson esta entre 0 a 0.25.
Si la correlación de plata y plomo es 0.16, significa que 0.16^2 = 0.02 es la
proporción de la varianza compartida en ambas variables, puede interpretarse
como que un 2% es debido a plomo, o que plata y plomo comparten el 2% de
elementos.

4.2 Correlación Plata - Zinc

CORRELACION: ZINC-PLATA
La plata se encuentra en yacimientos de diversos tipos, pero los más importantes son aquellos
constituidos por filones de tipo hidrotermal, formados a mediana o baja temperatura. En ellos
han depositado los minerales de plata las aguas calientes que arrastraban las sustancias en
disolución, y siempre van acompañados por minerales como el plomo, zinc y cobre

El coeficiente de correlación tiene un rango entre -1 y + 1. Si P = ± 1, esto indica una

relación funcional que puede ser directo si es +1 e inversa si es -1. Si P = 0, la
independencia entre dos elementos es absoluta.

 coeficiente de correlación: en este caso podemos determinar la relación entre

el zinc y plata en la cual tenemos una correlación positiva ya que va
aumentando la línea, también se aprecia que es una correlación directa ya que
a medida que una de las variables aumenta (x) la otra también hará lo mismo
(y).
 Se Puede decir también que es una correlación fuerte, ya que los puntos de
correlación están cerca de la línea de ambos minerales
 podemos decir también que dichos minerales están asociados y vienen juntos,
pero en proporciones buenas (para el ejemplo)
 se puede decir también que a medida que tengamos más muestras recogidas
en campo, mucho mejor será nuestro análisis de correlacionar minerales
 4.3 Correlación Plata – Cobre.

Según el coeficiente de correlación de Pearson:

Diagramas de Correlación de plata y cobre.

En yacimientos con mineralización polimetálica con dos o más elementos
distribuidos log normalmente, casi siempre existen una correlación positiva por
lo menos entre 2 de e 11 os, es decir por ejemplo una concentración alta en uno
también es alta en el otro.
El coeficiente de Correlación "P", factor que mide exactamente el grado
dependencia entre dos o más elementos.
Cuando se efectúa un estudio de prospección que químico es muy importante
determinar la correlación entre 2 variables log normales en una población de
muestras dadas, pues está nos servirá como guía para la futura interpretación.

El coeficiente de correlación tiene un rango entre -1 y + 1. Si P = ± 1, esto indica

una relación funcional que puede ser directo si es +1 e inversa si es -1. Si P = 0,
la independencia entre dos elementos es absoluta.

Cálculo del Coeficiente de Correlación. - Gráficamente podemos calcular "P"

aunque ligeramente menos preciso, pero mucho más rápido que un cálculo
estadístico
completo. Una "nube" de correlación es una agrupación de puntos que
representan la población de datos geoquímicos. Se trazan los ejes por el punto,
cuyas
coordenadas son los valores Background de los dos elementos correlacionados.
La existencia de cobre y plata en el área de nos ha llevado a tratar de obtener el
grado de dependencia entre estos dos elementos, que nos sirva corno guía para
la exploración. Se ha procedido a graficar la "nube" de correlación en un sistema
de
coordenadas logarítmicas donde la ordenada es la Ley del cobre y la abscisa es
la Ley
de la Plata. Los cuadrantes en la "nube" se obtienen graficando los valores
Background del Cobre y Ja Plata.

4.4 Correlación Plomo – Zinc

Según el coeficiente de Pearson

Coeficiente de correlación = 0.13

Esto nos indica que el coeficiente de correlación es muy débil.
Algunos puntos están cerca de la línea, pero otros están lejos de ella, esto
significa que existe una relación baja entre las variables ya que mientras mayor
sea el valor absoluto del coeficiente, más fuerte será la relación entre las
variables.
No se muestra mineralización similar ya que el coeficiente de correlación es
menor a 1
Proporción de varianza que ambas variables tienes es de 0.016%
Debido a que existe un coeficiente de correlación muy bajo se deduce que la
mineralización pertenece a diferentes procesos
Por tratarse de un pórfido, se puede decir que la mineralización es de
diferentes alteraciones

4.5 Correlación Cobre – Zinc.

Según el coeficiente de correlación de Pearson:

Es una Relación débil: Pearson r = 0.36

El coeficiente de correlación de Pearson nos indica que tiene pocos puntos
cerca de la línea, y debido a eso es que el coeficiente de correlación es débil,
pero tiene otros puntos que están están lejos a línea, lo que indica que solo existe
una relación débil entre el Cobre y el Zinc.
Dicha correlación nos muestra que son mineralizaciones diferentes, porque para
que pertenezcan a una misma mineralización el coeficiente de correlación debe
de ser igual a 1.
La correlación de Cobre y Zinc tiene una relación baja ya que su coeficiente r de
Pearson esta entre 0.20 a 0.4.
Si la correlación de Cobre y Zinc es 0.36, significa que 0.36^2 = 0.129 es la
proporción de la varianza compartida en ambas variables, puede interpretarse
como que un 12% de Cobre y Zinc comparten la misma mineralización.

4.6 Correlación Cobre – Plomo.

El coeficiente de correlación tiene un rango entre -1 y + 1. Si P = ± 1, esto indica
una relación funcional que puede ser directo si es +1 e inversa si es -1. Si P = 0,
la independencia entre dos elementos es absoluta.

coeficiente de correlación: en este caso podemos determinar la relación entre el

cobre y plomo en la cual tenemos una correlación positiva ya que va aumentando
la línea, también se aprecia que es una correlación directa ya que a medida que
una de las variables aumenta la otra también hará lo mismo.
Se Puede decir también que es una correlación débil, ya que los puntos de
correlación no están cerca de la línea de ambos minerales
podemos decir también que dichos minerales están asociados y vienen juntos,
pero en pequeñas proporciones (para el ejemplo)
se puede decir también que a medida que tengamos más muestras recogidas en
campo, mucho mejor será nuestro análisis de correlacionar minerales

5. Conclusiones

 Aprendimos a manipular el programa SGeMS

 Construimos histogramas y correlaciones con la data proporcionada.

 Analicemos cada correlación e histograma de acuerdo al tipo de

yacimiento de nuestra data
 6. Bibliografía
Achen, C. H. (1982). Interpreting and using regression. London: Sage.

linkografia

https://es.scribd.com/document/364259119/Geoestadistica-2-Ppt

https://www.tdx.cat/bitstream/handle/10803/5526/amc1de1.pdf?sequence=1&isAl
lowed=y

http://www.scielo.org.ar/pdf/scg/v28n2/v28n2a07.pdf

https://es.wikipedia.org/wiki/Histograma
https://personal.us.es/vararey/adatos2/correlacion.pdf

https://es.scribd.com/doc/29257974/Tendencias-Del-HISTOGRAMA

https://es.wikipedia.org/wiki/Coeficiente_de_correlaci%C3%B3n_de_Pearson

https://personal.us.es/vararey/adatos2/correlacion.pdf

https://www.academia.edu/4290551/5_C%C3%A1lculo_de_Par%C3%A1metros_Esta
d%C3%ADsticos?auto=download

http://blogs.unlp.edu.ar/geominas/files/2016/08/geoestadistica-2.pdf