RESUMEN

El propósito de un proyecto minero metálico, es generar utilidad económica producto de la

extracción, procesamiento y comercialización de a lo menos un determinado elemento de
interés.
Este elemento debe cumplir con ciertas características básicas de entrada, como estar inmerso
dentro de un mineral comercializable, estar espacialmente agrupado generando
concentraciones anómalas que sobrepasen el promedio del mismo en la corteza terrestre,
encontrarse en volúmenes potencialmente atractivos y tener factibilidad en su extracción tanto
técnica como económica.
Cuando se identifica una zona de interés geológico, dada las características anteriores, es que
se está en presencia de un depósito mineral.
La forma en que se detecta dicha anomalía geológica, es a través de la exploración minera, la
cual tiene la particularidad de resultar en información fragmentaria. Esto quiere decir, que se
cuenta con una pequeña muestra del universo (volumen) que se pretende cuantificar.
Esta característica del negocio minero, conlleva a un complejo desafío de estimar en que
cantidad, forma, ubicación y concentraciones se encuentra distribuido el elemento metálico de
interés comercial en el universo.
El pilar de todo proyecto minero se forja en la confianza de la estimación de su inventario de
recursos minerales. Por ende, la metodología del proceso de estimación, está ligada
directamente al éxito o al fracaso del mismo.
El objetivo del presente trabajo, es exponer de forma secuencial las actividades que se deben
llevar a cabo, para transitar desde la información fragmentaria resultante de procesos de
exploración, a un inventario de recursos minerales discretizado en bloques y construido con
fundamentos de geoestadística.

FALTARIA COLOCAR DATOS INICIALES COMO LA MEDIA, LA VARIANZA, LA DENSIDAD DE LA ROCA

ENCAJONANTE Y LAS DIMENSIONES QUE ESTARIAMOS TOMANDO.
 INTRODUCCIÓN
Los procesos de concentración de materias primas y elementos metálicos valiosos que
conforman un yacimiento, son procesos naturales que se ciñen a ciertos patrones y que por lo
tanto no son productos del azar; por consiguiente, no se puede estudiar un yacimiento por el
método estadístico simple o por los métodos clásicos cuya primera condición a priori es suponer
que los fenómenos geológicos son completamente aleatorios y no se rigen por patrones
determinados.
George Matheron, un minero matemático y probabilista francés, quien utilizó el enorme
conocimiento experimental de la escuela sudafricana y adaptando el lenguaje probabilístico a
cada realidad concreta, en el Centro de Morfología Matemática de la Escuela de Minas de París;
logró formalizar en un lenguaje riguroso las observaciones experimentales de sus antecesores
H. Sichel (1949) y D. G. Krige (1951), dando lugar a la teoría formal de la Geoestadística nacida
en el año 1962.
Posteriormente la teoría se fue depurando, ampliando el campo de validez y desarrollando
nuevas técnicas de aplicación. En las ultimas 3 décadas, la geoestadística ha demostrado su
amplia superioridad como método de estimación para la elaboración de inventarios minerales,
lo cual se puede validar, dado que todas las compañías mineras certifican sus recursos y reservas
a través de esta familia de modelos matemáticos y códigos internacionales exigen su uso para
cuantificar volúmenes de roca mineralizada con fines comerciales.
LA GEOESTADISTICA COMO CIENCIA

La geoestadística se encarga del estudio de muestras repartidas en el espacio a partir de

modelos aleatorios. Su uso práctico sobrepasa el simple trazado de mapas, pues también tiene
en cuenta el sentido espaciotemporal de la probabilidad. El modelo no es el objetivo como tal,
este es realmente un útil al servicio de lo real observado, por lo tanto, más que una ciencia es
una deontología del tratamiento de muestras, tomado de homenaje a Georges Materno y
realizada por el Centro de Geoestadística de Fontainebleau.

Muchos autores se han esforzado para darle una definición, las que giran bajo el concepto de
variables regionalizadas introducido por Matheron 1965, el cual enfatiza dos aspectos
contradictorios: el aleatorio (que tiene en cuenta las irregularidades locales) y el estructural (que
refleja las tendencias a larga escala). Chilès (1999, p. 2) la define como “la aplicación de los
métodos probabilísticos a las variables regionalizadas”. Olea (1999 p. 1) la considera como “un
conjunto de técnicas que se auxilian de la caracterización espacial de los atributos, empleando
modelos primarios aleatorios, de manera similar a las series temporales”. Quizás, la definición
más acertada es “la ciencia que estudia las variables regionalizadas”, dada por Le Loc’h (2005).

Una caracterización bastante aceptable es presentada por Dubois (1998); él destaca el papel del
análisis espacial o temporal del fenómeno estudiado.

DIFERENCIAS ENTRE ESTADÍSTICA Y GEOESTADÍSTICA APLICADAS A

ESTUDIOS DE YACIMIENTOS

Estas dos herramientas, actualmente muy utilizadas en la Investigación Minera, no son

exactamente iguales: tienen distintas concepciones acerca de la distribución de los datos y por lo
tanto las metodologías de estudio son diferentes. Es común a ambas, la recolección de una gran
cantidad de datos numéricos (o transformados a números) y la obtención de resultados a partir de
esta compleja información, muchas veces con arreglos muy distintos.

La diferencia entre estadística y geoestadística radica esencialmente en ese arreglo, o sea la

estructuración de las series de datos.

Para la estadística hay una estructuración numérica de la información geológica. Los datos son
tomados solamente en la estructura matemática de la variable (x) que para un fenómeno geológico
cualquiera puede tomar valores entre x mínimo y x máximo. Si ordenamos la serie de datos
confrontados con la frecuencia con que se presentan, se pueden estructurar numéricamente tanto
en una distribución normal o una lognormal. El conocimiento de esa distribución, no sólo hará
más fácil y barata la investigación, sino que también contribuirá a resolver otra importante
cuestión que es el problema del muestreo

La geoestadística, tiene en cuenta que las variables geológicas no solamente poseen una
dimensión numérica (los valores que puede tomar x) sino que cada observación o cada dato (p.ej.
una muestra) tiene una ubicación y un alcance espacial en el volumen de roca de su entorno; esta
componente espacial no es considerada por la estadística clásica. La geoestadística es una
metodología para comprender como los valores de la variable se relacionan unos con otros en el
campo de lo geométrico o geográfico. Es así que el histograma o la curva de frecuencias de la
estadística clásica no son útiles ya que además de la distribución numérica aleatoria que ésta
considera, hay una componente geométrica (espacial) que la afecta, por lo que la geoestadística
utiliza otras herramientas (p.ej. el variograma, que se trata en otro apunte) para analizar esa
composición doble: aleatoria y estructurada en el espacio. Debe tenerse en cuenta, no obstante,
que la geoestadística necesita que previamente se realice el tratamiento estadístico de datos.
 DISTRIBUCIONES
Distribución normal

El reconocimiento del tipo de distribución de la serie de datos, es un aspecto de suma importancia

antes de iniciar cualquier cálculo estadístico ya que la confianza en los resultados obtenidos
dependerá de que se utilicen coherentemente con el tipo de distribución. Es por eso que las
representaciones gráficas de las distribuciones (histogramas, curvas de frecuencias absolutas o
relativas) es el inicio del tratamiento de los datos.

Dos tipos de distribuciones estadísticas son las que más se ajustan a los datos geológicos y
específicamente al comportamiento de las variables en una concentración mineral: la distribución
normal y la lognormal. En la distribución normal (o Gaussiana), la variable presenta una forma de
campana (“campana de Gauss”) cuya forma teórica es definida por la ecuación:

1 1 𝑥−𝑢𝑥 2
− ( )
𝑓(𝑥 ) = 𝑒 2 𝜎𝑥
√2𝜋𝜎𝑥
donde x es el valor de la variable, ux es la media y 𝜎𝑥 es el desvío estándar. La curva definida
por esta ecuación es la función de densidad de probabilidad.

Distribución Log normal

Falta definición de Distribucion Log normal

1 1 𝑙𝑛𝑥−𝛼 2
− ( )
𝑓(𝑥 ) = 𝑒 2 𝛽
√2𝜋𝛽𝑥
∑ 𝑙𝑛𝑥
Donde 𝑦 = 𝑙𝑛𝑥 ; 𝛼= (𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑖𝑐𝑜), 𝑡𝑎𝑚𝑏𝑖𝑒𝑛 ∶ 𝛽 2 = 𝜎𝑦2 ; 𝛼 = 𝑢𝑦
𝑛

Diferencias
La diferencia entre la distribución normal y lognormal se esquematiza en la figura 7 que ilustra
las curvas de frecuencia y de frecuencia relativa acumulada, donde el eje x son las clases y el eje
y las frecuencias. Puede verse que la distribución lognormal, cuando se utilizan los valores reales
presenta una “cola” a la derecha (sesgo positivo) que desaparece y se hace similar a la forma de
la distribución normal si los valores son transformados a logaritmos. Para graficar estos valores,
en vez de transformarlos numéricamente, suele utilizarse el eje x con escala logarítmica. La
frecuencia relativa acumulada posee una forma de “S” si el eje y es de escala aritmética, pero si
se lo transforma en una escala probabilística (de acuerdo a la ecuación de Gauss [1]), se obtiene
una recta, que hace facilita la comparación de distintas series de datos (p.ej. las pendientes).