UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU

FACULTAD DE INGENIERIA DE MINAS

DISEO DE MINAS ATAJO ABIERTO

HUANCAYO 2016

EVALUACION DE
RESERVAS

METODOS GEOESTADISTICOS

IDEA BASICA DE LA APLICACIN DE LAS TECNICAS

GEOESTADISTICAS
YACIMIENTO

DISTRIBUCION
ESTADISTICA
DE LAS LEYES

CORRELACION
ESPACIAL

Leyes de los
testigos de los
sondajes

VARIOGARMAS

KRIGING

Z= ESTIMADOR
LINEAL OPTIMO DE
UN BLOQUE O UN
PUNTO, BASADO
EN LOS VALORES
CIRCUNDANTES Y
EN EL
VARIOGRAMA

KRIGING DE
BLOQUES

VALOR MEDIO
ESTIMADO Z

TEORIA DE LAS VARIABLES REGIONALIZADAS

El concepto de estacionariedad es el punto de partida de la
geoestadstica, esto establece que la distribucin estadstica de la
diferencia en el valor de una variable (p.e ley) entre pares de puntos
(muestras) es similar a lo largo del yacimiento y depende de la
distancia y orientacin entre los pares de puntos.

La estadstica clsica considera slo la magnitud de los datos y

no toma en cuenta ningn aspecto relacionado con la posicin
del dato .
La geoestadstica considera no solo el valor del punto, si no
tambin la posicin de ese punto dentro del cuerpo mineralizado
y su relacin con otras muestras

Ejemplo, Se ha tomado en un yacimiento, dos conjuntos de muestras

en los que cada muestra est separada de la siguiente una distancia
determinada y que los resultados obtenidos en el anlisis de leyes son
los siguientes:
Conjunto 1: 3%, 5%, 7%, 9%, 8%, 6%, 4%, 2%
Conjunto 2: 9%, 3%, 8%, 2%, 6%, 5%, 7%, 4%

En la estadstica clsica ambos conjuntos tienen la misma media y la

misma varianza (en si son los mismos datos), pero se puede observas
que tiene una diferencia espacial, que se manifiesta por las diferencias
sucesivas entre la muestras contiguas:
Conjunto 1: 2, 2, 2, 1, 2, 2, 2
Conjunto 2: 6, 5, 6, 4, 1, 2, 3
De acuerdo a este concepto surge la idea de variable regionalizada

VARIABLE REGIONALIZADA

Es aquella cuyo valor en un punto dentro de un yacimiento es

funcin de su magnitud y de su soporte (volumen, forma y
orientacin)
Ejemplos de variables regionalizadas de un yacimiento: ley o
contenido de un metal/mineral, espesor del cuerpo mineralizado, el
peso especfico o la densidad aparente, parmetros fsicos como
la porosidad, etc..

APLICACIONES A LA GEOSESTADISTICA
El examen de semivariogramas pueden ser tiles para determinar:

1. El tamao ptimo de la muestra

2. Es esquema de muestreo ptimo
3. La densidad ptima de muestreo
4. El rea de influencia de cada muestra, que puede ser circular,
elptica, esferoidal o elipsoidal.
5. La naturaleza de la mineralizacin

CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL

La funcin variograma o semivariograma, define la correlacin
espacial entre los valores muestreados.
El variograma o semivariograma se obtiene calculando, para cada
distancia de separacin entre las muestras.
Lag en una determinada direccin, la diferencia al cuadrado de los
valores de dichas muestras.
Es decir para cada separacin h se calcula el valor de y(h)
mediante la frmula:
y(h) = (1/2N) . [ f(x1) (fx1+h)]2
Donde:
N
f(x1)
(fx1+h)

: Nmero de pares de datos

: El valor de la variable regionalizada en el punto i
: El valor de la variable regionalizada tomada a una distancia h

CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL

Y(h) = (1/2N) . [ f(x1) (fx1+h)]2

LAG: Espaciado con que se

calculan las diferencias al
cuadrado entre muestras
Ejemplo: LAG1 incluye las
muestras adyacentes A y B. B y
C. C y D. etc.
La distancia que representa el
LAG,1 es el intervalo mnimo del
muestreo.

CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL

Y(h) = (1/2N) . [ f(x1) (fx1+h)]2

LAG: Espaciado con que se

calculan las diferencias al
cuadrado entre muestras
Ejemplo: LAG2 requiere que se
calcule las diferencias al cuadra
entre muestras alternativa A y C.
B y D. C y E. etc. Y as
sucesivamente

CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL

Y(h) = (1/2N) . [ f(x1) (fx1+h)]2

El nmero mximo de LAGs ., es
decir, de distancias n para
calcular el Y(h) suele
establecerse en la mitad de la
distancia muestreada.
Longitudes mayores generan
pocos pares de muestras por lo
que estadsticamente no es
representativo.

Ejemplo: 1 Se tienen 4 taladros de

muestreo en una direccin determinada,
calcular: a) el variograma, b) var. relativo
y c) el var. logartmico

a) VARIOGRAMA

(10-20)2 + (50-60)2
Y(2)= ---------------------------- = 50
2x2
(10-60)2
Y(3)= ---------------= 1250
1x2

y(h) = (1/2N) . [ f(x1) (fx1+h)]2

(10-50)2 + (50-20)2 + (20-60)2
Y(1)= ------------------------------------------ = 683.3
2x3

b) VARIOGRAMA RELATIVO

X1 = (10 + 50 +20 +60)/4 = 35

X2 = (10 + 50 + 20 + 60))4 = 35
X3 = (10+60)/2 = 35
h

Y(h)

X2

Y(h)/x2

683.3

35

1225

0.56

50

35

1225

0.041

1250

35

1225

1.02

c) VARIOGRAMA LOGARITMICO

Z(X)

= 10

50

Ln(z(x)) = 2.30 3.91

20

60

2.96 4.09

(2.30-3.91)2 + (3.91-2.96)2 + (2.96-4.09)2

Y(1)= ----------------------------------------------------- = 0,81
2x3
(2.30-2.96)2 + (3.91-4.09)2
Y(2)= ------------------------------------ = 0,11
2x2
(2.30-4.09)2
Y(3)= ---------------= 0.31
1x2

Ejemplo: 2 Se tienen 4 taladros de

muestreo en una direccin determinada,
calcula: a) el variograma, b) var. relativo y
c) el var. logartmico

(10-50)2 + (20-60)2
Y(2)= ---------------------------- = 800
2x2
(10-60)2
Y(3)= ---------------= 1260
1x2

y(h) = (1/2N) . [ f(x1) (fx1+h)]2

(10-20)2 + (20-50)2 + (50-60)2
Y(1)= ------------------------------------------ = 183.3
2x3

CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL

EJEMPLO DE SEMIVARIOGRAMA

Los valores obtenidos de Y

(h) se representan en un
diagrama frente a sus
correspondientes valores de
h, definindose el
correspondiente variograma.

(h)

Lag (h)

La velocidad del incremento

de Y(h) con el Lag es un
reflejo de la velocidad a la
cual la influencia de una
muestra disminuye con al
distancia

CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL

EJEMPLO DE SEMIVARIOGRAMA

Nos da una definicin

adecuada de la denominada
zona de influencia.
La distancia en la que Y(h)
se hace constante
corresponde al punto en el
que la covarianza cov(h)
entre muestras
adyascentes disminuye
hasta cero.

(h)

Lag (h)

Esta distancia define el

lmite de la zona de
influencia de una muestra.

CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL

El semivariograma experimental, posee numerosas zonas donde no
existen valores concretos.
nicamente existen valores definidos en aquellos lugares donde se ha
realizado el muestreo.
Por lo tanto es necesario definir el valor de la variable en puntos
donde el semivariograma experimental no ofrece informacin
suficiente.
Para ello es necesario construir un modelo que nos permita obtener
dicha informacin.

MODELO DE FUNCIONES ALEATORIAS

Ahora la pregunta es:

Qu modelos pueden utilizarse?
Para estimar las variables debemos describir como se ha producido en
fenmeno.
Para Los Procesos Fsicos o Qumicos
En los procesos fsicos qumicos los datos pueden ser conocidos con
detalle, en dichas situaiones los modelos determinsticos son los ms
apropiados.

MODELO DE FUNCIONES ALEATORIAS

Para Procesos Naturales
Por otro lado los procesos naturales cuyas pautas de comportamiento
no son bien conocidas, no se pueden aplicar modelos determinsticos.

La mayor parte de estos fenmenos, son en realidad, el resultado final

de una combinacin de variables cuyas complejas interacciones
impiden describir el fenmeno cuantitativamente.
Entonces hay que admitir la existencia de incertidumbre del
comportamiento de los fenmenos entre los puntos muestreados.
Entonces es imprescindible a modelos de funciones aleatorias
Por estas razones, los estudios de estimacin geoestadstica se basan
en modelos probabilsticos.

MODELO DE FUNCIONES ALEATORIAS

Una variable aleatoria es

aquella cuyos valores se
generan aleatoriamente de
acuerdo con un mecanismo
probabilstico.

Ejemplo

Variable Aleatoria

El resultado de tirar un dado ,

cuyas realizaciones se reparten
aleatoriamente entre 6
posibilidades.

De igual forma , se define una funcin aleatoria como un conjunto de

variables aleatorias que tienen alguna localizacin espacial y cuya
dependencia una de otra, viene determinada por algn mecanismo
probabilstico. Este tipo de funciones aleatorias son las que utiliza la
Geoestadstica.

MODELO DE FUNCIONES ALEATORIAS

BBC)

(a)
h
Funcin aleatoria muy errtica en distancias
cortas y correspondiente realizacin

BBC)

(b)
h
Funcin aleatoria menos errtica

X
BBC)

(c)
h
Funcin aleatoria extremadamente continua

MODELO DE FUNCIONES
ALEATORIAS

(a)
X
Y

Y
(b)

X
Y
Si se restringe los datos a los siete valores mostrados,
cualquiera de las opciones es posible, pues todas
pasan por los valores. Se debe estudiar el proceso
involucrado para optar la opcin que sea la ms
adecuada.

(c)

MODELOS DE SEMIVARIOGRAMAS
1. MODELO EXPONENCIAL
Este modelo va ascendiendo lentamente hasta alcanzar la meseta a un valor
constante. Existen dos posibles esquemas:
FORMERY

GAUSSIANO
Y(h) = C[1 exp(-[h2/a2])] + C0

Y(h) = C[1 exp(-[h/a])] + C0

Donde:
C : Valor comprendido entre el efecto pepita C 0 y la meseta.
BBC)
h : Distancia
0.96
a : Representa el alcance o rango
1.0

GAUSSIANO

FORMERY

0.25

3
0

1.0

2.0

h/a
3.0

MODELOS DE SEMIVARIOGRAMAS
2. MODELO ESFERICO O MATHERNON
Es el que mejor se ajusta cuando se trata de variables mineras (p.e. ley o espesor)
Presenta una curva de del semivariograma que aumenta rpidamente del LAG
para posteriormente, ascender ms lentamente hasta alcanzar una zona plana a
valores de LAG altos
BBC
)

COVARIANZA

MESETA

SEMIVARIOGRAMA
C

COVARIOGRAMA
C0
2a/3

Lag (h)

MODELOS DE SEMIVARIOGRAMAS
2. MODELO ESFERICO O MATHERNON

GRAN SOLAPAMIENTO
ALTA COVARIANZA
ZONA DE
INFLUENCIA

SOLAPAMIENTO REDCUCIDO
MENOR COVARIANZA

SIN SOLAPAMIENTO
COVARIANZA CERO

MODELOS DE SEMIVARIOGRAMAS
2. MODELO ESFERICO O MATHERNON
Y(h) = C0 + C[1.5(h/a) 0.5(h/a)3 para h < a
Y(h) = C0 + C para h < a

(h)

Si el sevariograma muestra
fluctuaciones aleatorias
alrededor de una lnea horizontal

Se tiene un efecto pepita puro

C0

C=0
Lag (h)

En este caso la evaluacin del

yacimiento se debe realizar por
cualquier mtodo clsico

MODELOS DE SEMIVARIOGRAMAS
3. MODELO LINEAL
Este modelo se presenta cuando, al representar Y(h) frente a los LAgs, se
obtiene una lnea recta:
Y(h) = p.h + k
B2

Donde :
p : Pendiente de la recta
h : El LAG
k : La interseccin en el eje X Y(h)

(h)

h=L/3

Este modelo suele estar presente en algunos

yacimientos de hierro

CASOS PARTICULARES RESPECTO A LOS MODELOS

DE SEMIVARIOGRAMAS
A. SEMIVARIOGRAMAS CON TENDENCIAS
Cuando existe ruptura de estacionariedad (cambio en la tendencia de la meseta) Se
produce un una distancia superior al alcance ,
No tiene incidencia en la estimacin local de los bloques definidos para el
yacimiento.
Cuando este tipo de semivariograma domina, es necesario utilizar la tcnica
de Krigeage universal, en lugar de krigeage ordinario que se aplica en las
situaciones de estacionariedad.
BBC
)

COMPORTAMIENTO
PARABOLICO

DIEMNSIONES MAXIMAS
DE LOS BLOQUES A EVALUAR
a
(RANGO)

CASOS PARTICULARES RESPECTO A LOS MODELOS

SE SEMIVARIOGRAMAS
B. SEMIVARIOGRAMAS CON EFECTO AGUJERO
Este efecto ocurre cuando se alternan reas con lata ley y reas con baja ley.
El resultado es una pseudoperiocidad, reflejada en una oscilacin de
semivariograma alrededor de una aparente meseta

BBC
)160

h
0

10

20

CASOS PARTICULARES RESPECTO A LOS MODELOS

SE SEMIVARIOGRAMAS
C. SEMIVARIOGRAMA COMPUESTO
Esta situacin aparece cuando se obtienen diferentes semivariogramas a lo largo de
diversas direcciones del yacimiento.
Esto significa que en vez de tener un rea de bsqueda istropa (crculo o
esfera) se posee un zona elptica o elipsoidal
Esto es evidente en yacimientos aluviales, donde se tiene alcance en
direccin perpendicular al yacimiento.

A travs del yacimiento

BBC
)

A lo largo del yacimiento

Igual C0 y C
A2 >> a1
h
0

10

20

CASOS PARTICULARES RESPECTO A LOS MODELOS

SE SEMIVARIOGRAMAS
D. ANISOTROPISMO DIRECCIONAL
Cuando la prolongacin de la lnea que une los dos o tres puntos del
semivariograma corta la meseta a una distancia mucho menor que la
correspondiente.
Primer semivariograma: C0 = 0.40 (%ln)2, a1= 14m (ya que 2a/3 = 9) y
C1= 1.95 0.4 = 1.55 (%ln)2
Segundo semivariograma: C0 = 0.40 (%ln)2, a2= 50m y C2= 1.95 0.6 (%ln)2
EL MODO COMPUESTO
Y(h) = C0 + C1[3h/2a1 (h/a1)3/2] + C2 [3h/2a2 (h/a2)3/2]

Para h < 14m : Y(h) = 0.4 + 1.55[3h/28 (h/14)3/2] + 0.60[3h/100 (h/50)3/2]

Para h entre 14 y 50 m : Y(h) = 0.4 + 1.55 + 0.60[3h/100 (h/50)3/2]
Para h > 50 m : Y(h) = 0.4 + 1.55 + 0.60 = 2.55

CASOS PARTICULARES RESPECTO A LOS MODELOS

SE SEMIVARIOGRAMAS
D. ANISOTROPISMO DIRECCIONAL

BBC
)
3
2.55
2

1.96

1
C0=0,4
0

9 13 20

40

60

80

Se produce en zonas mineralizadas ms ricas de una matriz de

mineralizacin dispersa.
Tambin son comunes en yacimientos aluviales de oro.
Refleja alcance corto los canales individuales y el ms largo la anchura
total de la zona de inters econmico

CASOS PARTICULARES RESPECTO A LOS MODELOS

SE SEMIVARIOGRAMAS
E. SEMIVARIOGRAMA EN DOS ESTADIOS

BBC
)
C2

C1

C0
a1

a2

a3

Ocurre cuando se combinan conjuntos de datos no relacionados (p.e. dos

fases de mineralizacin con diferentes caractersticas.

EL KRIGEAJE

Es una tcnica utilizada en la evaluacin de yacimientos para estimar el

valor de una variable regionalizada en un punto o en un bloque a partir de de
unos factores de ponderacin que trabajan semejante como lo hacen en le
inverso de la distancia.
Ese valor se caracteriza por ser el mejor estimador lineal insesgado de la
variable.
Mejor: variancia de estimacin mnima
Lineal: Combinacin lineal de la informacin
Insesgado: No hay sesgo en los errores

KRIGEAJE PUNTUAL
Para obtener el valor de la variable, se calcula a travs de un sistema de
ecuaciones, denominadas ecuaciones de krigeaje, en las que las incgnitas
para resolver el sistema se obtiene a partir del semivariograma modelizado.

Ejemplo de sistema de ecuaciones para una estimacin de 4 puntos:

K1Y1,1 + K2Y1,2 + K3Y1,3 + K4Y1,4 + u=Y0,1
K1Y2,1 + K2Y2,2 + K3Y2,3 + K4Y2,4 + u=Y0,2
K1Y3,1 + K2Y3,2 + K3Y3,3 + K4Y3,4 + u=Y0,3
K1Y4,1 + K2Y4,2 + K3Y4,3 + K4Y4,4 + u=Y0,3
K1 + K2 + K3 + K4 = 1

Ejemplo de sistema de ecuaciones para una estimacin de 4 puntos:

K1Y1,1 + K2Y1,2 + K3Y1,3 + K4Y1,4 + u=Y0,1
K1Y2,1 + K2Y2,2 + K3Y2,3 + K4Y2,4 + u=Y0,2
K1Y3,1 + K2Y3,2 + K3Y3,3 + K4Y3,4 + u=Y0,3
K1Y4,1 + K2Y4,2 + K3Y4,3 + K4Y4,4 + u=Y0,3
K1 + K2 + K3 + K4 = 1
DONDE:
Ki = factores de ponderacin (Z* K iZi, siendo Z* el valor estimado Zi los valores
conocidos para llevar a cabo la estimacin)
Yi,j = valores del semivariograma, obtenidos a partir dela ecuacin del modelo
correspondiente para una distancia i a j.
u = valor denominado parmetro de Lagrange
Y0,,j = valor de semivariograma en el punto a estimar.

Ejemplo: Se tiene un conjunto de 4 muestras de un yacimiento de

zinc cuyas leyes son: X1= 8,2%, X2=9,6%, X3=13,1% y X4=6,4%. El
semivariograma a considerar se ajusta un modelo tipo esfrico con
alcance = 250 m, C0 =17 y C=66. Calcular, utilizando el krigeaje, el
valor de la ley en el punto X0.

Solucin: tenemos que resolver el sistema de ecuaciones

de krigeaje para cuatro puntos:
K1Y1,1 + K2Y1,2 + K3Y1,3 + K4Y1,4 + u=Y0,1
K1Y2,1 + K2Y2,2 + K3Y2,3 + K4Y2,4 + u=Y0,2
K1Y3,1 + K2Y3,2 + K3Y3,3 + K4Y3,4 + u=Y0,3
K1Y4,1 + K2Y4,2 + K3Y4,3 + K4Y4,4 + u=Y0,3
K1 + K2 + K3 + K4 = 1
Conociendo, para calcular los Yi,,j, que las ecuaciones del modelo esfrico
son:
Y*(h) = C0 + C[1.5(h/a) 0.5(h/a)3 para h < a
Y*(h) = C0 + C para h < a

En principio habra que obtener 16 valores de Y(h) en las ecuaciones del

modelo esfrico. Sin embargo esta cantidad disminuye notablemente por
dos razones:

a) La matriz es simtrica, por tanto y2,1,Y1,3= Y3,1, etc.

b) Las distancias entre algunos Y(h) son similares (Y1,2 =Y2,4)

Para calcular los Y(h) necesarios se tendr.

Y1,2=Y2,1=Y1,4=Y4,1 = Y(2002+1002)1/2
= 66(3/2)((2002+1002)1/2)/250-(1/2)((2002+1002)1/2)3/2503)+17
= 81.94
Y1,3=Y3,1 = Y(2002+1502)1/2 = = 76.02
Y2,3=Y3,2=Y3,0=Y0,3 = Y(1002+502)1/2 = = 58,02
Y2,4=Y4,2 = Y(3002+1002)1/2 = = 83,00
Y3,4=Y4,3 = Y(2002+502)1/2 = = 80,13
Y0,1= Y(100) = = 54.48
Y0,2= Y(200)= =79.30
Y0,4= Y(1002+1001/2) = = 67,02
Y1,1=Y2,2 = Y3,3=Y4,4 = Y(0) = C0= 17

Sustituidos estos valores de Y(h) en las ecuaciones de krigeaje, obtiene un

sistema de 5 ecuaciones con 5 incgnitas, cuya resolucin ofrece los
siguientes resultados:
K1 = 0.393; K2 = 0,022; K3= 0,329 y K3 = 0,256

Por lo tanto, el valor de la variable ley para en Zinc en el punto X0 ser:

G(X0) = (0,393*8,2) + (0,022*9,6) + (0,329*13.1) + (0,256*6,4)
G(X0) = 9,38 %

ANALISIS GEOESTADISTICO CON SOFTWARE DE

APLICACIN GEOSTAT