UNSAAC FACULTAD DE INGENIERIA GEOLOGICA Y GEOGRAFIA

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

La frecuencia de ocurrencia considerada en términos de

frecuencia relativa, se transforma en probabilidad de
ocurrencia. (Número de observaciones crece indefinidamente)
5
 Variable= número de depósitos de Uranio
F =( N° DE DEPOSITOS DE
URANIO)/(N° TOTAL DE DEPOSITOS)
FRECUENCIA DE OCURRENCIA
ZONAS N° TOTAL DE MINAS N° DE MINAS DE FRECUENCIA DE
URANIO OCURRENCIA DE
MINAS DE URANIO

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).

P = (número de hallazgos mineros por

año)/(número de exploraciones por año)

 Enesencia, la probabilidad de ocurrencia de

un evento es una medida de una tendencia
histórica.
8
9
 Cuando los datos cuantitativos de
exploración no están inmediatamente
disponibles, puede ser usada una
aproximación probabilística basada en
información geológica , para estimar las
probabilidades de éxito en una región
determinada.
 Ejemplo:

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:

 Para eventos mutuamente exclusivos, esto es

para eventos que no pueden ocurrir
simultáneamente:

Esto significa que si dos eventos son mutuamente

exclusivos , la probabilidad de ocurrencia de uno
de los dos es la suma de sus probabilidades
individuales.

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.

 Así tendremos que : F(a2) ≥ F(a1)

Es decir la función de distribución F(a) tiene las

siguientes propiedades, figura 1.3

1) Lim F(a) =1 2) limLim F(a) =0

a— +∞ a— -∞

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.

 Eneste caso pi=F(xi + x) – F (xi - x)

representan la probabilidad para que la V.A.
x tenga el valor xi. Se tendrá por supuesto en
este caso:
30


 Las reparticiones que constituyen una

función contínua y derivable en todo punto
reciben el nombre de reparticiones
contínuas, en las cuales la derivada:

 Recibe el nombre de Densidad de

probabilidad en el punto abcisa x.

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