Vous êtes sur la page 1sur 14

ANÁLISIS ESTADÍSTICO DE MULTIVARIABLES

COMO HERRAMIENTA EN LA EXPLORACIÓN,


PROYECTO MIRADOR NORTE, DISTRITO
MINERO TANTAHUATAY, CAJAMARCA
Percy Zamora Díaz Gladys Condori Mayanasa
Cia. Minera Coimolache S.A. Universidad de Queensland, Australia
percy.zamora@buenaventura.pe g.condori.m@gmail.com

RESUMEN

El proyecto Mirador Norte es un yacimiento epitermal de alta sulfuración, el cual se


encuentra en el departamento de Cajamarca y pertenece a Cia. Minera Coimolache S.A.
En este proyecto, se han realizado campañas de perforación diamantina y el muestreo
respectivo de los mismos con la finalidad de obtener información de la presencia de
minerales económicos en el yacimiento (oro, plata y cobre).
La geología que presenta el proyecto corresponde a rocas volcánicas cortadas por
cuerpos subvolcánicos y brechas hidrotermales. Además, cuenta con un modelo
litológico que diferencia las rocas piroclásticas y las brechas hidrotermales. Las
alteraciones presentes son: sílice masiva, sílice lixiviada, argílico avanzada, argílica y
propilítica típicas de un depósito de alta sulfuración. En cuanto a la mineralización,
presenta oro en partículas submicroscópicas asociadas a óxidos de fierro, los valores de
plata y cobre son mínimos.
Este proyecto cuenta con una base de datos pertenecientes a muestras primarias y de
control de sondajes diamantinos. Además, se cubre un área aproximada de 550 m. de
ancho por 750 m. de largo. Los análisis químicos entregan valores para 39 elementos
iniciales o variables; los cuales, después del control de calidad y la evaluación de
normalidad, dieron como resultado a 17 variables finales aptas para el análisis
multivariante.
La aplicación de las técnicas y procedimientos estadísticos han culminado en el uso de
la siguiente metodología: Control de Calidad, Compositación, Análisis exploratorio de
los datos, Análisis estadístico multivariante, este último incluye los métodos de análisis
de correlación múltiple (ACM), análisis de componentes principales (ACP) y análisis de
factores (AF).
Luego de la aplicación de las técnicas multivariantes, se ha demostrado que el método
de AF en combinación con ACM, son los más efectivos en el reconocimiento de
asociaciones multivariantes con coherencia geoquímica.
Finalmente, el análisis de factores (AF) da como resultado 4 principales asociaciones
geoquímicas: Al-K-Na-Sr, Au-Ag-As-Sb, Fe-V-Zr y Cu-Pb. Además, las asociaciones
definidas muestran relación con la litología y alteraciones del depósito en estudio.

1
OBJETIVO

El presente estudio pretende encontrar técnicas geoquímicas adicionales, relacionadas a


las estadísticas de multivariantes para determinar las asociaciones de los elementos
químicos económicos (Au, Ag, Cu) en el proyecto Mirador Norte, con la finalidad de
mejorar el entendimiento de la distribución espacial de los mismos y contribuir a una
adecuada toma de decisiones en futuras exploraciones y programas de perforación en
este deposito y en otros dentro del sistema epitermal.

Justificación

El modelamiento de recursos minerales juega un rol importante en la evaluación de


proyectos mineros así como en la expansión de los mismos, por ello se procura mejorar
la definición precisa de los recursos y el reconocimiento de
anomalías y asociaciones químicas que puedan contribuir en la generación de nuevos
recursos y el incremento de reservas.
El uso de la estadística tradicional para la prospección y evaluación de depósitos
minerales requiere ser complementada con otras técnicas que permitan reconocer
asociaciones geoquímicas multivariantes, por lo cual este trabajo pretende aplicar la
estadística multivariante para detectar correlaciones locales y relacionarlas a la geología
que presenta el proyecto Mirador Norte.

Alcances y limitaciones

Alcance

• El presente trabajo presentará el análisis estadístico multivariante del proyecto de


alta sulfuración Mirador Norte, y será aplicado sobre los resultados químicos
analíticos obtenidos de muestras de perforación diamantina.
• Las asociaciones geoquímicas obtenidas se relacionarán al mapa litológico y de
alteraciones hidrotermales, ya que éstos modelos han sido elaborados haciendo
uso de la información de los sondajes diamantinos a los que pertenecen las
muestras que se analizarán.
• La investigación abarca también la presentación de modelos de datos
geoquímicos, sin incluir la estimación de recursos o reservas, ni la generación de
modelos de bloques de estimación.

Limitaciones

• Los datos geoquímicos disponibles no presentan información de tierras raras.


• El control de contaminación (muestras blancas) y de exactitud (muestras
estándar), han sido aplicados sólo para el elemento oro (Au), porque no se cuentan
con resultados para otros elementos.
• No se cuenta con información geofísica, ni microscopia petrográfica. Los modelos
litológico y de alteraciones hidrotermales han sido elaborados en base al logueo
geológico.

2
UBICACIÓN

El proyecto Mirador Norte se ubica en el flanco occidental de los Andes del norte del
Perú, en la zona 17S y cuadrícula M. Localizada a 85 kilómetros al noroeste de la
ciudad de Cajamarca, a 7 kilómetros del pueblo de Hualgayoc, a 30 kilómetros al
noroeste de Yanacocha y es es adyacente a las mina Tantahuatay y próximo a la mina
Cerro Corona (Figura 01). La altitud promedio de este proyecto es de 4000 msnm. y se
enmarca entre las siguientes coordenadas UTM PSAD 56:

N 9’255,000 E 755,700
N 9’255,750 E 756,250

Políticamente se encuentra ubicada en el departamento de Cajamarca, provincia de


Hualgayoc y distrito de Chugur (Fig. 01).

Fig. 1. Ubicación del Proyecto Mirador Norte

MINERALIZACION Y ALTERACION HIDROTERMAL

La mineralización epitermal de alta sulfuración de Mirador Norte, fue formada por


procesos similares a los que generaron los depósitos de Tantahuatay y Yanacocha,
aunque con menor grado de mineralización (leyes más bajas de oro).
La mineralización es principalmente oro en partículas submicroscópicas asociadas a
óxidos de fierro (jarositas y goetitas) que rellenan fracturas y como matriz de brechas.
La capa de óxidos presenta un zonamiento vertical de aproximadamente 40 a 50 metros.
Los mejores valores de oro están contenidos principalmente en los primeros metros de
la zona de óxidos, lo que demuestra un evidente enriquecimiento supergénico. Las
brechas de la zona centro y la zona norte presentan también mejores valores de oro,
debido a un mayor grado de oxidación y tienen como roca caja a los volcánicos
craquelados o fuerte fracturamiento con relleno de óxidos. En los niveles profundos, se
encuentra minerales de pirita diseminada y pirita y calcopirita a manera de inclusiones
en los cristales de cuarzo.

3
Alteración Hidrotermal

El área de interés presenta alteración hidrotermal que caracteriza a los yacimientos


epitermales de alta sulfuración. La parte central presenta silicificación que se manifiesta
como silicificación lixiviada (granular- vuggy) y masiva en las brechas y delgadas
estructuras. La alteración argílica avanzada es polifásica, se han reconocido las
siguientes fases: una fase primaria reemplazando feldespatos, una segunda fase de
recristalización representada por la textura patchy o gusano, una fase intramineral que
ocurre como matriz de brechas.

Sílice Lixiviada

Comprende las alteraciones sílice granular y sílice vuggy, estas alteraciones han sido
agrupadas en una sola unidad para el mapa de alteraciones

Sílice Granular

La textura original en este tipo de alteración es difícil de reconocer, quedando sólo


pequeños líticos como evidencia de lo que alguna vez fueron unidades piroclásticas y es
mayormente deleznable.
Este tipo de alteración ocurre debido a la lixiviación ácida, la cual ocurre cuando
volátiles ascendentes tales como SO2 al encontrar agua meteórica, reaccionan formando
H2SO4 y H2S. La lixiviación del ácido sulfúrico sobre la roca caja resulta en la
formación de sílice granular, por encima de la napa freática, donde las soluciones tienen
pH<2 y baja temperatura (R. Sillitoe,1996). A veces sobre la sílice granular se produce
una sobre imposición de alteración sílice (textura sílice masiva granular), ya que al
formarse un horizonte de sílice granular esta se convierte en buen reservorio de agua.
“Si existe una zona muy caliente, las soluciones ricas en sílice y/u oro, y dependiendo
de la presión, temperatura y pH, son forzadas a redepositarse dentro de la sílice granular
permeable. Dependiendo de cuanta sílice está disuelto dentro de la solución hidrotermal,
la sílice granular se convierte en más masiva o parcialmente masiva (T. Klein, 2000)”
(Mendoza, N., 2005, p. 50), conservando en muchos casos cierta textura granular.

Sílice Vuggy

Llamada también sílice oquerosa, debido a que su característica principal es que


presenta cavidades producto de la lixiviación de los fenoscristales de la composición
original de la roca, deja en su matriz un cuarzo microgranular poco competente.
La alteración sílice vuggy es observada escasamente en el proyecto dentro de los tufos
de cristales. “Este tipo de alteración se forma al igual que la sílice masiva por debajo de
la napa freática” (Sillitoe, 1996) (Mendoza, N., 2005, p. 51).

Sílice Masiva

Se caracterizan por ser rocas compactas, criptocristalinas que a veces hace difícil
apreciar la textura original de la roca y se ha observado en áreas muy reducidas.
“La sílice masiva se forma por debajo del nivel freático (R. Sillitoe, 1996) casi en las
mismas condiciones de pH y temperatura en la que se forma la sílice granular. La
deposición de esta sílice está asociado a temperaturas muy bajas y que tal vez
correspondería a las fases finales del sistema con sobre imposición sobre la alteración
primaria” (Mendoza, N., 2005, p. 51).
4
Argílico Avanzada

El ensamble que caracteriza a la alteración argílica avanzada es principalmente cuarzo-


alunita-caolinita y mucho menor porcentaje de pirofilita, incrementándose la ocurrencia
de alunita-caolinita en los niveles profundos y la alteración cuarzo-pirofilita es menor.
La caolinita y la alunita son arcillas minerales resultantes de la alteración hidrotermal de
cristales de feldespatos primarios en la roca huésped (andesita).
Esta alteración por lo general se extiende hacia el sur oeste del proyecto. Además, hay
presencia irregular de cuerpos de sílice-alunita dentro de las zonas de sílice masiva. La
matriz de las unidades tufáceas es sílicea mientras que los cristales están alterados a
alunita – caolinita

Argílica

Esta alteración se observa principalmente en los volcánicos en contacto con el domo


subvolcánico y hacia el noreste del proyecto. Los cristales alterados a caolín
(plagioclasas) son de color blanquecino en matriz gris plomiza (sericita, cuarzo granular
y pirita fina diseminada).

Propilítica

En el área del proyecto, la alteración propilítica se presenta principalmente afectando al


subvolcánico porfirítico, no se observan afloramientos de esta alteración en la zona de
estudio ya que se encuentra en profundidad y ha sido cortado por los sondajes de
perforación.
Si bien no existe la seguridad de la presencia de cloritas producto de la alteración de las
biotitas o hornblenda, la coloración verdusca sugiere su probable existencia.

METODOLOGIA DE LA INVESTIGACION

La metodología que sustenta este estudio incluye: el muestreo, análisis químicos,


control de calidad, compositación, el análisis exploratorio de datos, el análisis
multivariante y modelamiento de la distribución espacial de los datos geoquímicos y
factores. Finalmente, con esta información se realiza el análisis multivariante y
modelamiento de la distribución espacial de datos geoquímicos y factores.

Presentación de los datos

Se cuenta con un total de 4,270 muestras primarias, pertenecientes a 68 sondajes


diamantinos los cuales están distribuidos en una malla regular de 50 metros por 50
metros (Fig. 02). La mayoría de estos sondajes presenta dirección norte-sur con
buzamiento hacia el sur, cubriendo un área aproximada de 650 metros de ancho por 700
metros de largo. El total de variables son 39 que corresponden todos los elementos
químicos.
Se obtiene una matriz de datos de 4,270 muestras x 39 variables. Además, se cuenta con
567 muestras de control (218 muestras duplicado, 199 muestras estándar y 150 muestras
blancas) (Tabla 01). Para el procesamiento y validación de los datos se utiliza los
softwares SPSS y AcQuire.

5
Tabla 1. Presentación de datos

Fig. 2. Ubicación de sondajes

Evaluación del límite de detección

El control de calidad en el proyecto Mirador Norte, comienza con la eliminación de las


variables que poseen baja respuesta analítica, aquellos que tienen más del 50% de los
datos con valores inferiores al límite de detección (Tabla 02). El total de variables son
39 y el número de variables con más de 50% sin respuesta analítica, corresponden a 14
elementos químicos (Be, Bi, Cd, Ga, Mg, Nb, P, Se, Sn, Te, Ti, Tl, W, Y), que serán
eliminados del subsiguiente análisis de control de calidad

6
Tabla 2. Porcentaje de respuesta analítica. En rojo, 14 variables eliminadas del estudio
estadístico por límite de detección (LMD).

Cálculo de error analítico, muestral y total

En la evaluación del error analítico, muestral y total se toman en cuenta las 25 variables
que no fueron eliminadas en la evaluación por límite de detección (Ag, Al, As, Au, Ba,
Ca, Co, Cr, Cu, Fe, Hg, K, La, Mn, Mo, Na, Ni, Pb, S, Sb, Sc, Sr, V, Zn y Zr). Además,
para el cálculo del error analítico de las muestra se cuenta con 78 muestras duplicado
fino y 199 muestras estándares; y para el error total y de muestreo se utilizarán las 57
muestras duplicado de terreno.

Los valores obtenidos para los porcentajes de los coeficientes de variación (%CV) del
error relativo analítico (EA), muestral (EM) y total (ET), son expuestos en la tabla 03,
identificando las variables aptas y no aptas, según lo evaluado mediante los resultados
de errores relativos y la evaluación de precisión de los duplicados.

Las variables que poseen un CV analítico menor a 20%, con CV total (error total)
menor a 30% y que superaron la evaluación de los gráficos Min/Max corresponden a 22
variables.

7
Tabla 3. Valores de errores relativos para las variables del proyecto Mirador Norte. En rojo las
variables no aptas para el estudio estadístico.

ANALISIS ESTADISTICO MULTIVARIANTE Y MODELAMIENTO DE


DATOS GEOQUIMICOS

La aplicación de métodos de análisis multivariante facilita el estudio cuando se trabaja


con un gran número de variables y muestras, ya que resuelve problemas de clasificación
y agrupamiento de éstas. La estadística multivariante fue procesada con el software
SPSS.

Se realizó Análisis de correlación múltiple (ACM), Análisis de componentes principales


(ACP) y finalmente un análisis de factores o componentes rotados (AF) que nos
permitió identificar cuatro factores o asociaciones geoquímicas con mayor ponderación
que fueron las siguientes: Factor 1: Al-K-Na-Sr, Factor 2: Ag-As-Au-Sb, Factor 3: Fe-
V-Zr, Factor 4: Cu-Pb.

8
Gráfico N°1. Identificación de variables con mayor ponderación en los factores.

En el presente trabajo, se determinaron las asociaciones geoquímicas entre los


elementos químicos que fueron calificados como aptos luego del control de calidad y la
evaluación de normalidad, para ello se ha empleado el análisis de componentes
principales y la determinación final de la matriz de factores.
Se identifican las variables con mayor ponderación en cada uno de los factores (Grafico
N°1), en la tabla 4 se resalta en color rojo las variables con mayor ponderación en los
seis factores, dichos factores expresan más del 63% de la varianza total, proporción
significativa que garantiza interpretaciones confiables.

9
Haciendo uso de este criterio se afirma que dichos conjuntos de elementos se
encuentran íntimamente relacionados entre sí, representando importantes asociaciones
geoquímicas, los cuales son:

Factor 1: Al, K, Na, Sr. (puntuaciones moderadas a altas).


Factor 2: Ag, Au, As, Sb. (puntuaciones moderadas a altas)
Factor 3: Fe, V, Zr. (puntuaciones moderadas).
Factor 4: Cu, Pb. (puntuaciones moderadas).
Factor 5: Ni
Factor 6: Cr

Tabla 4. Matriz y puntuaciones para los componentes principales de 17 variables aptas. (En
rojo: puntuaciones altas).

En las figuras 4, 5 y 6, se muestra gráficamente el grado de afinidad entre las variables


de mayor ponderación en los tres primeros factores, confirmando de forma gráfica las
asociaciones geoquímicas que existen en las muestras del proyecto Mirador Norte.

Fig. 4. Asociaciones geoquímicas factor 1 y 2

10
Fig. 5. Asociaciones geoquímicas factor 2 y 3

Fig. 6. Asociación geoquímica factor 1 y 3

Para realizar el modelamiento y distribución de elementos posterior, sólo se trabajará


con los trece elementos reconocidos en los cuatro primeros factores, debido a que los
factores 5 y 6 no reflejan ninguna asociación geoquímica porque contienen un solo
elemento cada uno.

Modelamiento de la distribución espacial de factores

Para modelar la distribución espacial de los 4 factores seleccionados se utiliza el


software Leapfrog y los resultados proporcionados por el software SPSS, con el cual se
despliegan los puntajes factoriales que entrega cada muestra y se procede al
modelamiento tridimensional.

A continuación se describen las distribuciones para los 4 primeros factores elegidos


durante la determinación de asociaciones geoquímicas.

a) Factor 1 (Al-K-Na-Sr) El factor 1 es el factor dominante que representan el


20.37% de la varianza total del conjunto de datos, e incluye puntuaciones
significativas para Al, K, Na y Sr, estos elementos sugieren una asociación de
arcillas (sericita: KAl2(OH)2(AlSi3O10), caolinita (Al2Si2O5(OH)4), alunita en
menor proporción KAl3(SO4)2(OH)6), el sodio proviene de la lixiviación de las
rocas y de los valores más altos del estroncio se detectan en rocas con alunita
(Hikov, A., 2004), además que pueden estar asociado a los minerales potásicos
(Govett, G., 1983, p.215); y en zonas con silicificación fuerte los valores son
bajos.

11
El área que presenta altos valores para el factor 1 es la zona noreste del proyecto y
otra área dominante de altos valores se extiende hacia la zona sur. Ambas áreas
coinciden mayormente con los tufos de cristales con alteración argílica y argílica
avanzada. Los valores bajos del factor 1 se encuentran mayormente sobre las
rocas que presentan alteración sílice masiva y lixiviada, esto es tufo de cristales
(textura patchy y óxidos) y brechas, a excepción de la brecha de la zona norte la
cual presenta valores moderados de este factor.

b) Factor 2 (Au-Ag-As-Sb) El factor 2 representa el 12.91% de la varianza total del


conjunto de datos, y tiene puntuaciones altas para el Au, Ag, As y Sb. Este factor
se interpreta como el reflejo de la firma mineralización Au-Ag propio de los
depósitos de alta sulfuración con anomalía de Sb (Corbett, G. 2004, p. 54), así
este factor se identifica como una asociación mineral.

Las puntuaciones del factor 2 muestran valores altos en la zona central sobre la
brecha central, brecha norte y proximidades extendiéndose hacia el este. La
alteración predominante es la argílica avanzada, sílice masiva y lixiviada.
También, hay un área menor hacia el sur del proyecto, sobre la brecha sur.

c) Factor 3 (Fe-V-Zr) El factor 3 representa el 9.84% de la varianza total del


conjunto de datos, con puntuaciones significativas de Fe, V y Zr. El factor 3 es
interpretada como el componente que muestra la baja alteración a la que han sido
sometidas las rocas del lado este del proyecto, reflejada en la alta concentración
de Fe que forma parte de los minerales componentes de los ferromagnesianos
contenidos en el subvolcánico porfirítico subyacente. El vanadio suele encontrarse
en mayores cantidades asociado a los minerales de fierro (U. S. Department of
Energy, 2010, p.21).

Este factor muestra una distribución regular hacia el lado este del proyecto y sobre
los primeros metros de la sílice lixiviada y la brecha hidrotermal de la zona
central, los valores del factor disminuyen a medida que se aproxima a las rocas
con mayor alteración (argílico avanzado, sílice masiva). También, se observa un
área muy pequeña con puntuaciones altas en la zona noroeste del proyecto.

d) Factor 4 (Cu-Pb) El factor 4 representa el 7.44% de la varianza total del conjunto


de datos, con pesos de los factores importantes para Cu y Pb, lo que indica una
firma de mineralización similar al factor 2, pero en este caso la firma mineral
corresponde a Cu-Pb. Estos elementos también son propios de los depósitos de
alta sulfuración. En el caso del cobre y el arsénico probablemente se relacionan a
la presencia de trazas de enargita, hacia el este del proyecto.
Las zonas que presentan altos valores para el Factor 4 incluyen las áreas noroeste
y sur del proyecto, las cuales coinciden con el tufo de cristales con alteración
argílica. Además, las zonas de menor puntuación se encuentran hacia el lado
noreste de la brechas zona centro y norte.

12
CONCLUSIONES

El analisis de multivariables es una herramienta que nos permite identificar asociaciones


geoquímicas de elementos que direccionan la búsqueda de targets de mineralización, al
mismo tiempo que nos brindan la posibilidad de caracterizar tipos de alteración y
cambios litológicos.

1. Luego de aplicar la metodología de control de calidad, las 39 variables iniciales se


comprobó la confiabilidad del muestreo de 22 variables declaradas aptas. En la
identificación de valores outliers (altos o bajos erráticos), ninguna muestra fue
eliminada de la base de datos luego de aplicar el parámetro media más 3.5
desviaciones estándar, la base de datos sólo presenta valores outliers aislados.

2. Los gráficos estadísticos (histogramas) mostraron que las 22 variables aptas


presentan sesgo positivo, este sesgo fue reducido al regularizar las muestras a
través de la compositación. Seguidamente, los gráficos QQ plot evaluaron el
comportamiento normal y lognormal de las variables, obteniéndose así 17
variables finales aptas para el análisis multivariante.

3. Entre las técnicas estadísticas multivariantes, se evidencia que la técnica de


Análisis de factores (AF) es más efectiva en la detección de asociaciones de
variables que el Análisis de componentes principales (ACP), tanto en la
estructuración de los factores como en la relación geoquímica de las variables
asociadas. Además, el AF muestra mejor coherencia con las asociaciones
predefinidas en el análisis de correlaciones múltiple (ACM).

4. Los mapas de distribución espacial permiten determinar zonas con contenidos de


contraste positivo y negativo, así como el comportamiento similar entre las
variables. La observación detenida de los mapas de distribución, corrobora las
asociaciones obtenidas de Al-K-Na-Sr, Ag-Au-As-Sb, Fe-V-Zr y Cu-Pb que
fueron sugeridas por el análisis de correlación múltiple y el análisis factorial.

5. Los elementos de la asociación mineral económica Au-Ag se encuentran


emplazados en las brechas hidrotermales y en las rocas en contacto con estas
(tufos de cristales con fracturamiento y oxidación).

6. Existen asociaciones geoquímicas que caracterizan a rocas con mayor y menor


grado de alteración y estas al mismo tiempo a cambios litológicos. Por ejemplo,
los elementos Al, Na, K, Sr, Fe, V y Zr se asocian a tufos de cristales con
alteración argílica; y por otro lado los elementos Ag, Au, Sb, As, Cu y Pb se
asocian a brechas hidrotermales y las rocas piroclásticas (fracturadas con óxidos)
que encajonan a las brechas, las cuales presentan mayormente alteración argílica
avanzado, silicificación masiva y lixiviada.

7. La aplicación de métodos de análisis multivariante facilita el estudio de un banco


de datos que contiene un amplio conjunto de variables y muestras. Además,
resuelve problemas y ayuda a la clasificación y agrupamiento de éstas dando
como resultado asociaciones geoquímicas, las cuales pueden ser confirmadas en
los gráficos de distribución espacial.

13
RECOMENDACIONES

1. Mantener la inserción de muestras control en porcentajes adecuados para realizar


un buen estudio de los errores analítico y total.

2. Antes de realizar cualquier interpretación de los resultados analíticos se


recomienda validar los mismos, a través de un riguroso control de calidad.

3. Se sugiere prestar mucha atención al criterio de selección de procedimientos


estadísticos, puesto que una mala elección de éstos, aún acompañados de una
buena información geológica podría conducirnos a realizar interpretaciones
erradas.

4. Es importante asegurarse del comportamiento normal o lognormal de las variables


para incrementar la confiabilidad de los resultados del análisis multivariante, así
como de las asociaciones geoquímicas.

5. Realizar el análisis multifactorial en las diferentes unidades litológicas, para poder


establecer si se presentan asociaciones geoquímicas diferentes o iguales, para el
posterior análisis de los resultados.

6. Aplicación del análisis multivariantes para los proyectos Tantahuatay y Ciénaga


Norte, pertenecientes a Cía. Minera Coimolache, ya que se cuentan con basta
información geoquímica, la cual no ha sido procesada.

7. Utilizar las asociaciones geoquímicas obtenidas en la prospección de metales de


interés económico (Au, Ag y Cu) en las zonas aledañas y como soporte para
programar futuros muestreos geoquímicos o trabajos de perforación.

8. Solicitar a laboratorio la reducción del límite de detección del análisis de los


elementos Sb, Bi, Hg, S los cuales no fueron considerados en este trabajo debido a
su baja respuesta analítica; porque son elementos estrechamente relacionados a los
sistemas de alta sulfuración.

REFERENCIAS

Condori, G. (2016) Análisis Estadístico Multivariante y Modelamiento de Datos


Geoquímicos del yacimiento epitermal de alta sulfuración Mirador Norte, Cajamarca.
Tesis para optar el título de Ingeniero Geólogo.

14