Estadstica Tcnica utilizada para recopilar y analizar datos para la toma de decisiones.
Variables Aleatorias Muestras Independientes.
Geoestadstica Tcnica que estudia la continuidad espacial de los fenmenos naturales.
Variables Regionalizadas Muestras que se correlacionan en el espacio. 2
Definiciones Universo: Es la fuente de todos los datos posibles (Ej: Un yacimiento). Poblacin: Conjunto de datos del universo sobre el que se realizara un estudio (Ej: Datos de la Lp). Muestra: Parte de la poblacin tomada de manera aleatoria. Soporte: Tamao, forma y orientacin de muestras (Ej: DH <> BH). 3
Estadgrafos de Posicin Datos de leyes de Cu: 0.4, 0.1, 4.2, 0.1, 0.2
1. Media: m=1.0 2. Mediana: a) 0.1, 0.1, 0.2, 0.4, 4.1 b) Me=0.2 3. Moda: a) 0.1, 0.1, 0.2, 0.4, 4.1 b) Mo=0.1 4. Mnimo, Mximo: Min=0.1, Max=4.2 4
Estadgrafos de Dispersin 1. Varianza (s 2 ): Sensible a altos errticos. Nunca es negativo. 2. Desviacin estndar (s): Sensible a altos errticos. Nunca es negativo. 3. Rango: Diferencia entre mnimo y mximo. 4. Coeficiente de Variacin: CV = s/m (Si CV>1 la variabilidad es alta). 5
Distribucin Normal Es simtrica y acampanada 68% de los valores estn dentro del rango m 1s. 95% de los valores estn dentro del rango m 2s. 6
El logaritmo de la variable aleatoria tiene una distribucin normal. 7
Distribucin Lognormal Ploteo del Histograma 8
Nos permite ver: Distribucin de datos. Distribucin Bimodal. Altos Errticos. Curva de Probabilidad de Cu 9
Nos permite ver: Distribucin Normal o Lognormal. Poblaciones Mltiples. Altos Errticos. Coeficiente de Correlacin Es una grfica X-Y de datos que mide la dependencia de dos variables. Se presentan 3 casos de correlacin: r = 0.99 r = -0.03 r = -0.97 r = 1 (Variables directamente proporcionales). r = -1 (Variables inversamente proporcionales). R = 0 (No hay correlacin entre las variables). Regresin Lineal 11
Mide la correlacin entre muestras en el espacio (h) = 1 / 2n [Z(x i ) - Z(x i +h)] 2 El semi-variograma es referido como variograma para mayor conveniencia
Clculos de Variograma 17
h = 15 m. Modelos tericos de ajuste de Variogramas Spherical Exponential Gaussian Linear Esferico. Exponencial. Gaussian. Lineal. Como fijar un Modelo Terico 1. Usar el valor de la varianza para la meseta (c + c 0 ) 2. Proyectar algunos de los primeros puntos al eje y. Este es un estimador de la pepita (c 0 ). 3. Proyectar la misma lnea hasta que intercepte la meseta. Esta distancia representa las dos terceras partes del rango en el modelo esfrico. 4. Usando los estimadores del rango, meseta, pepita y la ecuacin del modelo matemtico en consideracin, calcular algunos puntos para ver si la curva encaja el variograma de las muestras. 5. Si es necesario, modificar los parmetros y repetir el Paso 4 para encontrar parmetros que encajen mejor. 19
Estructuras Anidadas 21
Validacin Cruzada .
22
Se utiliza para validar un variograma terico ajustado a uno experimental. Consiste en suprimir una ley conocida y estimarlo a partir del resto de datos. En esta estimacin solo intervienen los puntos que se encuentran alrededor Ajuste Automtico El ajuste de modelos de variogramas se puede hacer de forma automtica. Pero no tiene porque reportar mejores resultados en la estimacin, por lo que tambin se recomienda emplear la validacin cruzada. Mtodos de Estimacin Tradicionales:
Poligonal Triangulacin Inverso a la Distancia
Geoestadisticos:
Kriging 23
Poligonal Ventajas:
Fcil de entender. Rpido. 24
Asigna a cada polgono la ley del sondaje central. Desventajas:
Estimaciones locales discontinuas. Efecto de borde. No muestra anisotropas. No calcula errores.
Triangulacin Ventajas: Fcil de entender. Rpido. 25
Asigna a cada triangulo la ley obtenida de ponderar las leyes de los 3 vrtices con su respectivo ngulo. Desventajas: No existe solucin nica. Solo 3 muestras dan peso. No muestra anisotropa. No controla errores. Ventajas:
Fcil de entender Fcil de implementar Flexible para adaptar factores de peso a diversos problemas de la estimacin 26
Inverso de la Distancia Desventajas:
Sensible a congestin de los datos p? No existe anisotropa No controla errores El factor de ponderacin es el inverso de la distancia entre cada muestra y el centro del bloque. Ventajas: Considera la continuidad espacial. Estimador exacto.
Calcula la varianza de kriging para cada bloque. 27
Kriging Ordinario Desventajas: Requiere computadora. Necesita variografia previa. Consume ms tiempo. Estimador diseado para la estimacin de las leyes de bloques. Minimiza la varianza (error). Varianza del Error El error aumenta cuando la varianza de los datos aumenta La varianza del error aumenta cuando los datos se hacen redundantes La varianza del error disminuye cuando los datos estn ms cerca a la ubicacin de la estimacin
28
29
Criterio de Clasificacin de Recursos Impacto de una Clasificacin Errnea Desmonte es minado como mineral La ley de mineral se diluye. El tonelaje de mineral aumentar. Perdida monetaria. Material de botadero no paga por los costos de procesamiento Disminucin de ganancias netas cuando la dilucin aumenta. Perdida de capacidad de proceso (la cual podria haber sido usada para procesar mineral real). 30
Mineral es minado como desmonte. Aumenta la ley de desmonte. El tonelaje de desmonte aumentar. Prdida monetaria por no beneficiar el mineral. Ganancias netas disminuyen con el aumento de la ley de desmonte.
El impacto de una clasificacin errnea puede ser cuantificada o medida a travs de Simulacin Condicional.