Académique Documents
Professionnel Documents
Culture Documents
CP DE INGENIERIA GEOLOGICA
ING. SHEYDI
VALENZUELA RIOS
1
1.1 Probabilidad de ocurrencia.
1.2 Caracterización de una repartición
probabilística.
1.3 Caracterización de una distribución
estadistica.
1.4 Modelo de densidad de probabilidad
(MDP).
1.5 Simulación de una distribución estadistica.
2
COMPLEJAS
CONDICIONES
GEOLOGICAS
IMPIDEN
PRESENCIA DE
CARACTERIZAR
MINERAL EN UNA
CON PRESICIÓN LOS
REGION
RECURSOS MINEROS
OCURRENCIA
ESPACIAL:
GENESIS DISTRIBUCION
FENOMENOS
GEOLOGICOS
3
• BASES DETERMINISTICAS
• PRINCIPIOS GEOLOGICOS
FORMALMENTE ESTABLECIDOS
CUALITATIVAMENTE
• LEYES DE LA INCERTIDUMBRE
SUJETA A PRINCIPIOS Y MODELOS
PROBABILÍSTICOS
CUANTITATIVAMENTE • OCURRENCIA MINERALIZADAS
REPRESENTADAS TANGIBLEMENTE
A NIVEL REGIONAL Y/O
INDIVIDUALMENTE
4
FRECUENCIA PROBABILIDAD
FRECUENCIA
DE DE
RELATIVA
OCURRENCIA OCURRENCIA
1 1 1 1.00
2 5 4 0.80
3 10 8 0.80
4 40 32 0.80
5 50 43 0.86
6 60 52 0.86
7 100 85 0.85
6
EL USO DE LA TENDENCIA
HISTORICA
EL CRITERIO SUBJETIVO
ANALISIS DE DATOS
GEOLOGICOS
SIMULACION DE DATOS
7
Laprobabilidad de un evento está dada por
el número de casos en que el evento a
analizar ocurre (casos posibles) dividido por
el número de casos en los que el evento
puede o no puede ocurrir (casos totales).
10
11
Algunos geólogos de exploración, llegan a
veces a familiarizarse tanto con el potencial
minero de ciertas regiones que a menudo
esta familiarización los habilita para hacer
predicciones en cuanto a la posibilidad de
hallazgo minero en alguna de ellas.
Ejemplo .
12
13
14
Cualquier fenómeno está representado por
sus características esenciales .
Los valores que representan estas
características se agrupan por lo general en
un rango y reflejan la mayoría de veces
variaciones de lugar en lugar ó de tiempo en
tiempo.
15
Estas variaciones traducen la aleatoriedad
que identifica al fenómeno en estudio.
Un problema crucial en el estudio de estos
fenómenos es la determinación de las
probabilidades asociadas con la ocurrencia
de estas características que varían
aleatoriamente.
Se usa la SIMULACION MONTECARLO
16
Se usa para el estudio de simulación de datos
como método de aproximación.
La simulación Montecarlo es mas bién un
experimento de muestreo en el cual varios
valores probables de la característica en
estudio son generados de acuerdo a una
distribución aleatoria que se supone la
representa.
Ejemplos
17
18
Resumiendo algunos conceptos anteriores y
complementando con algunas relaciones
adicionales.
LA PROBABILIDAD de un evento está limitada por
los valores de 0 y 1, la probabilidad de
ocurrencia está limitada por estos valores
0= ocurrencia imposible
1= ocurrencia es uno o certeza
19
De dos eventos A y B la probabilidad de
ocurrencia ya sea del evento A como del B estará
dada por:
20
Si la ocurrencia del evento B es dependiente de
la ocurrencia del evento A, la ocurrencia
simultánea de A y B está dada por:
21
Para ilustrar las condiciones de dependencia
examinaremos el siguiente cuadro en el cual
suponemos clasificar minas por tamaño
(pequeñas PM, medianas MM y grandes GM) y pot
tipo de mineral (sulfuros oxidos y mixtos)
22
Otro tipo de probabilidad interesante de ver es la
PROBABILIDAD CONDICIONAL .
EJEMPLO: ¿ Cuál es la probabilidad de obtener
una mina de strato C1 condicional a que sea del
tipo L2?
Es fácil de ver en este caso:
YA SE HIZO EN CLASES
23
1.2.1.- NOCION DE UNA VARIABLE ALEATORIA
(V.A)
1.2.2.- FUNCION DE REPARTICION
1.2.3.- REPARTICIONES DISCONTINUAS Y
CONTINUAS.
1.2.4.- DENSIDAD DE PROBABILIDAD
1.2.5.- PARAMETROS CARACTERISTICOS DE
UNA REPARTICION
24
Consideremos una experiencia Si suceptible
de poder tomar diversos valores x, en el caso
más general, los valores posibles de x serán
el conjunto de números reales positivos o
negativos, racionales o irracionales entre -∞
y +∞. En muchos casos particulares, el
dominio de los valores posibles de x será más
restringido .
La variable x se llamara variable aleatoria.
Por tanto una V.A es cualquier función
numérica asociada a los puntos de un espacio
muestral.
25
En el caso más general los valores posibles de
x forman un conjunto entre -∞ y +∞ que
nosotros podemos siempre descomponer en
un número infinito de intérvalos parciales (-
∞, a1) (a1, a2)…..(ak,ak+1)……(an, +∞).
Podemos asignar entonces una determinada
probabilidad pi al suceso Si, que
correspondrá al hecho de encontrar la V.A. x
en el intérvalo (ai-1, ai).
26
Estosintérvalos son arbitrariamente
pequeños y haciéndolos tender hacia cero,
podemos considerar que toda variable se
puede asociar a una serie de valores
repartidos linealmente sobre una recta, de
modo que la distribución de probabilidades
pi asociada a los diversos sucesos Si sea
equivalente a la repartición de una masa
igual a la unidad distribuída entre los
diversos intérvalos (ai-1, ai)
27
Esta repartición lineal está caracterizada por
la función de repartición F(x) suma de las
masas comprendidas entre -∞ y un valor
cualquiera a, ó aún la probabilidad para que
la V.A. x tenga tenga un valor inferior ó igual
a a.
F(x) es una función positiva no decreciente
cuando x=a, la función se caracteriza por su
valor
F(a) = p (-∞ < x < a ) = p (-∞, a)
28
Enel caso de evaluar la probabilidad de que
una variable (ley en metal) sea inferior a a2
y superior a a1 se tendrá:
p (-∞, a2) = p (-∞,a1)+ p (a1,a2) con p (a1,a2)>0
Debido a que existen dos sucesos no excluyentes.
29
Lasreparticiones en las cuales x no toma sino
una serie discreta de valores xj=> Xi, reciben
el nombre de reparticiones discontínuas
figura 1.4.
31
Si la variable aleatoria puede tomar
cualquier valor , p(x=t) representa la
probabilidad de que x tome el valor t y
p(a<x<b) o simplemente p(a,b)la
probabilidad de que tome un valor t en el
intérvalo a<t<b.
En el caso de una curva contínua
32