GEOESTADISTICA

RESUMEN
Los proyectos de exploracin minera se pueden definir de manera conceptual como

aquellos en los que se describe de manera detallada cada una de las fases para la extraccin
de los recursos minerales. Para desarrollar dicho proyecto, son necesarios muchas tareas
previas para llegar a poder definir las caractersticas del yacimiento a explotar, incluyendo
como parmetros fundamentales como la calidad del mineral y su ubicacin los cuales
estn en funcin de su variabilidad, mediante el clculo de los semivariogramas, los cuales
dan un aproximada cuantificacin de los errores de estimacin, en el diseo de mallas de
muestreo ya sea en s misma en taladros de exploracin o en taladros de produccin.
Adems de poder elegir cual ser el mejor diseo de las mallas de muestreo durante la fase
exploratoria en funcin a la eficiencia que demuestren los resultados del estudio que se
realizara, para luego hacer un diseo de bloques con datos obtenidos con la geoestadistica,
ajustado a modelos tericos.
UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERIA
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA GEOLOGICA
CONTENIDOS
RESUMEN ............................................................................................................................. I
CONTENIDOS ......................................................................................................................II
INTRODUCCION ................................................................................................................. 1
OBJETIVOS .......................................................................................................................... 2
OBJETIVO GENERAL ..................................................................................................... 2
OBJETIVOS ESPECIFICOS ............................................................................................ 2
EVALUACIN
DE
MALLAS
DE
MUESTREO
CON
MTODOS
GEOESTADSTICOS ....................................................................................................... 3
1.1.
Mtodo Geoestadistico ........................................................................................ 3
1.2.
Semivariogramas ................................................................................................. 3
1.3.
Kriging ................................................................................................................ 4
1.4.
Inters Del Krigeado ........................................................................................... 5
1.5.
Propiedades del Krigeado.................................................................................... 5
INTRODUCCIN A LA EVALUACIN Y DISEO DE MALLAS DE MUESTREO 7

2.1.
Medicin de errores mediante la varianza de estimacin ................................... 7
2.1.1 La Varianza De Estimacin O Extensin ............................................................ 7

2.2.
La varianza de extensin y la configuracin de paneles en malla regular .......... 8
III.
EVALUACIN DE MALLAS DE RECONOCIMIENTO USADOS EN LA
EXPLORACIN Y EXPLOTACIN MINERA ........................................................... 11
3.1.
El anlisis variogrfico geoestadstico .............................................................. 11
3.2.
Dimensionamiento ptimo del muestreo........................................................... 12
3.2.1. Metodologa general .......................................................................................... 13

3.3.
Seleccin de la malla ms aparente a partir de los parmetros estadsticos ...... 14
3.4. El concepto de anisotropa de una distribucin y su aplicacin en el

dimensionamiento del muestreo ................................................................................... 15
3.5.
Tipos de anisotropas en el clculo de variogramas .......................................... 16
CONCLUSIONES ........................................................................................................... 18
BIBLIOGRAFIA ............................................................................................................. 19

INTRODUCCION
La exploracin minera ha sido un rea que con el tiempo ha ampliado su aplicacin y
gracias a la informacin que se obtiene mediante el anlisis de roca, suelo, sedimentos de
arroyo, gases, fluidos, etc., permite la obtencin de informacin que se puede correlacionar
con el subsuelo por efecto de movilidad de elementos y lixiviacin. Las reas de aplicacin
son diversas, pero a continuacin se describen algunas; minera, petrologa,
hidrogeoqumica, ambiental, petrleo, etc. El mtodo comnmente empleado para
visualizar las anomalas en 2D, mediante un mapa de isoconcentracin, donde es vital la
utilizacin de software especializado que se fundamenta en Geoestadstica (matemticas
aplicadas), segn el elemento estudiado (Au, Ag, Cu, Zn, Pb, Fe, etc.) los cuales nos
entregan indicadores proximales y nos permiten establecer zonas de inters, adems de
realizar anlisis por superposicin de geologa (litologa, estructuras, alteracin
hidrotermal, etc.), geofsica (gravimetra, magnetometra, etc.) u otro. Este mtodo es
ptimo hasta el punto en que se desean definir zonas de inters, pero cuando se desea
observar alguna tendencia anmala, sea sta lineal o de superficie, el mapa 2D, tambin en
la tendencia que hay cuando se obtiene la media, moda, valores de concentracin,
interpolacin y lo ms importante la cuestin estadstica, que corresponde con el tamao de
malla y cantidad de puntos de muestreo.

OBJETIVOS
OBJETIVO GENERAL
Estudio de la evaluacin y diseo de mallas de muestreo
OBJETIVOS ESPECIFICOS
Explicar la medicin de errores mediante la varianza de estimacin, ya que est
directamente relacionado con las aplicaciones con las que trata el presente
trabajo.
Analizar el diseo de mallas de muestreo y la relacin con la anisotropa
Desarrollar los mtodos geoestadsticos ms importantes en el estudio y
estimacin de recursos de un yacimiento.

EVALUACIN DE MALLAS DE MUESTREO CON MTODOS

GEOESTADSTICOS
1.1.Mtodo Geoestadistico
De manera general, se puede decir que los mtodos geoestadsticos estn basados
en que las variables de un deposito mineral (leyes, espesores de la mineralizacin,
etc.) son funcin del medio geolgico. Si cambian la geologa y las condiciones
estructurales de producen cambios en la ley o calidad del mineral y la distancia
entre mineralizaciones o, incluso la potencia dentro de un mismo deposito
mineral. Sin embargo, las muestras que son tomadas relativamente prximas
tienden a reflejar las mismas condiciones geolgicas y tienen similar ley y similar
potencia de mineralizacin. A medidas que la distancia entre muestra crece, la
similitud, o grado de correlacin, disminuye, hasta que se llega a una distancia en
la que no hay correlacin entre ellas.
1.2.Semivariogramas
Los mtodos geoestadsticos cuantifican este concepto de variabilidad espacial
dentro de un depsito y se muestran en forma de semi-variograma. Una vez
calculado ese semi-variograma se tiene que interpretar ajustndolo a un modelo
definido. Existen diversos modelos que ayudan a identificar las caractersticas del
depsito a estudiar.
Ejemplo de semivariograma
Suele haber habitualmente una discontinuidad cerca del origen, que se denomina efecto
pepita. Esto es generalmente debido a diferencias entre valores de las muestras, o bien,
para el caso de muestras muy cercanas entre s, como pudieran ser dos mitades de un
mismo testigo que puede incluir inexactitudes en el muestreo o en ensayos, y estn

asociados errores a errores aleatorios.

En el semi-variograma se observa una zona de gran pendiente que indica un rpido
cambio en la variabilidad de los resultados, y una zona donde la pendiente del grafico se
acerca a cero. A partir de ese punto los valores de la muestra son independientes entre s, y
presentan una variabilidad igual a la varianza terica de las muestras. Es decir, los valores
obtenidos de muestras separadas una distancia mayor no muestran ninguna correlacin
entre s. La representacin de semivariograma tiene un cierto carcter anisotrpico. Es
decir, el estudio tiene cierto carcter vectorial, lo que implica que las distancias medidas
entre muestras de la direccin que se considere. Esto se acusa en mayor medida, por
ejemplo en depsitos de tipo filoniano.
1.3.Kriging
El kriging es una tcnica geoestadstica de estimacin usada para el valor de un punto o un
bloque como una combinacin lineal de variables desde muestras normalmente distribuidas
en cada bloque. Esta tcnica considera una variabilidad de las muestras en la asignacin de
los pesos de cada una. El kriging es capaz de medir el error esperado o estimado.
Este mtodo da mayor peso en el clculo a muestras cercanas entre s, que a muestras
distantes, de modo que se establezca un parmetro para mostrar la continuidad, anisotropa
y geometra del depsito mineral.
El kriging puede ser entendido como una prediccin lineal o una forma de inferencia
bayesiana. Parte del principio: puntos prximos en el espacio tienden a tener valores ms
parecidos que los puntos ms distantes. La tcnica de kriging asume que los datos
recogidos de una determinada poblacin se encuentran correlacionados en el espacio.
Se considera al mtodo de kriging del tipo Meli (Mejor Estimador Lineal Insesgado) o Elio
(Estimador Lineal Insesgado ptimo): es lineal porque sus estimaciones son
combinaciones lineales ponderadas de los datos existentes; y es insesgado porque procura
que la media de los errores (desviaciones entre el valor real y el valor estimado) sea nula;
es el mejor (ptimo) porque los errores de estimacin tienen una variancia (variancia de
estimacin) mnima.
a. Kriging simples
Asume que las medias locales son relativamente constantes y de valor muy semejante a la
media de la poblacin que es conocida. La media de la poblacin es utilizada para cada
estimacin local, en conjunto con los puntos vecinos establecidos como necesarios para la
estimacin.
b. Kriging ordinario
Las medias locales no son necesariamente prximas de la media de la poblacin, usndose
apenas los puntos vecinos para la estimacin. Es el mtodo ms ampliamente utilizado en
los problemas ambientales.

1.4.Inters Del Krigeado

El nombre krigeado proviene de los trabajos de Daniel Krige en las minas de oro
sudafricanas de Rand, en los aos 50. La teora fue formalizada una dcada ms tarde por
el geo matemtico francs Georges Matheron.
FIGURA N 1: Dos bloques contiguos en la oficina Ossa*. El color amarillo representa

mineral (con ley 1) y el blanco estril (con ley 0). Los crculos representan los datos. Se
observa que, en general, es necesario utilizar datos externos al bloque
El inters prctico ms importante del krigeado, proviene, no del hecho que asegura la
mejor precisin posible, sino ms bien porque permite evitar un error sistemtico. En la
mayora de los depsitos mineros, se deben seleccionar, para la explotacin, un cierto
nmero de bloques, considerados como rentables y se deben abandonar otros bloques
considerados no-explotables. Daniel Krige demostr que, si esta seleccin se realizara
considerando exclusivamente las muestras interiores a cada bloque, resultara
necesariamente (en promedio) una sobre-estimacin de los bloques seleccionados. La
razn de este problema es que el histograma de las leyes reales de los bloques tiene menos
leyes extremas, ricas o pobres, luego tiene ms leyes intermedias que el histograma
calculado con las muestras interiores, y, si se calcula el efecto de una seleccin sobre este
ltimo histograma, los paneles eliminados sern en realidad menos pobres que lo que se
haba previsto, y los paneles conservados menos ricos (figura 1).
1.5.Propiedades del Krigeado
Las propiedades ms importantes del mtodo de krigeado son:

a. Propiedad de simetra
Si (h) es istropo, entonces datos que son simtricos respecto de V y con respecto
a los otros datos tienen pesos iguales.

FIGURA N 2: Propiedad de simetra del krigeado

En el ejemplo de la figura 2:
1 = 1
2 = 4 = 6 = 8
3 = 5 = 7 = 9
Esta propiedad era til cuando se resolvan los sistemas de krigeado a mano
b. Composicin de krigeados
Sean dos volmenes disjuntos V1 y V2; sean z1 y z2 los estimadores de krigeado
respectivos:
FIGURA N 3: Composicin de krigeados.

Entonces el krigeado z de V1 V2 es:
Es decir una ponderacin por volmenes o por tonelajes.

Esta relacin no es vlida para las varianzas: si se desea conocer la varianza es necesario
krigear el bloque V1 V2 o bien utilizar una aproximacin.

INTRODUCCIN A LA EVALUACIN Y DISEO DE MALLAS DE MUESTREO
Ya se ha cumplido ms de cuatro dcadas del nacimiento de la Geoestadstica

Matheroniana (MATHERON 1962, 1963); por lo que estos mtodos, basados en la Teora
de la Variables Regionalizadas, estn lo suficientemente difundidos en la actualidad. Es
por este motivo que prcticamente todos los paquetes de software importantes, que se
aplican a la minera, presentan mdulos de geoestadstica; a pesar de ello, esta tcnica
todava no se usa en todo su potencial.
Uno de esos campos de aplicacin es el de la optimizacin del muestreo; el cual es un
problema de cada da, tanto en la exploracin, como en la etapa de produccin de un
yacimiento. En nuestro Pas generalmente esta tarea se enfrenta en forma intuitiva,
empleando slo criterios empricos.
Los conceptos y mtodos que se plantean, ayudarn a responder una serie de preguntas
rutinarias, como son: Cada cuntos metros debemos muestrear una veta?, Cada
cuntos metros debemos muestrear los testigos de un taladro diamantino?; Cul es la
malla de perforacin ms adecuada, ya sea de exploracin o de blast holes?, o A qu
distancia debemos ubicar los siguientes taladros para que nos brinden la mejor informacin
y con el menor error?, Es mejor muestrear por puntos o por canales?, Cmo
disminuir los costos en una campaa de exploracin sin afectar el nivel de informacin?,
etc.
Para ello es necesario una comprensin mnima de ciertos conceptos geoestadsticos, los
cuales pasamos a explicar en forma sucinta; ayudndonos de ilustraciones y ejemplos
tomados de aplicaciones reales.
2.1.
Medicin de errores mediante la varianza de estimacin
2.1.1 La Varianza De Estimacin O Extensin

Estamos obligados a explicar este concepto, ya que est directamente relacionado con las
aplicaciones con las que trata el presente trabajo.
Cuando realizamos una extensin del valor de una o ms muestras relativamente
puntuales (volumen v), a un volumen mayor V (panel o bloque), dicha extensin implica
irremediablemente un error, que no es otra cosa que la diferencia entre el valor estimado
y el valor real; la cuantificacin de dicho error est dado por la Varianza de Estimacin,
que tambin se denomina Varianza de Extensin, en clara alusin a la operacin descrita.
En la estadstica clsica y por ende en todos los mtodos de estimacin de reservas
tradicionales, no es posible estimar tal error, ya que primero es necesario conocer el valor
real, cosa que es imposible incluso al final de la vida de la mina. La geoestadstica tiene

una alternativa para determinar este error: la varianza de estimacin

, la cual no
depende de los valores reales de la informacin v utilizada sino que se expresa en
funcin del variograma por la frmula:
) cuando los dos
Donde:
: Designa el valor medio de ( )
puntos de apoyo M y M del vector h describen

independientemente uno del otro, los dos volmenes o
conjuntos V y v.
):
Designa el valor medio de ( ) cuando los dos puntos de apoyo

M
y M del vector h describen, independientemente uno
del otro, el volumen V.
):
Designa el valor medio de ( )cuando los dos puntos de apoyo

M y M del vector h describen, independientemente uno del
otro, el volumen v.
Como vamos a ver a continuacin, en configuraciones sencillas a veces es suficiente con

emplear bacos para estimar esta varianza de dispersin y con ese conocimiento tomar
decisiones a priori, tan trascendentales que pueden comprometer los resultados de una
campaa de exploracin.
2.2. La varianza de extensin y la configuracin de paneles en malla regular

Vamos a suponer que tenemos una malla de exploracin diamantina de 100 X 100 metros,
como la mostrada en la fig. 7. La mayora, por costumbre ms que por otra razn, prefiere
configurar los paneles con el taladro al centro; sin embargo hay otras alternativas que
definitivamente son mejores, las cuales se pueden configurar sin modificar la malla de
exploracin. Por ejemplo, podemos configurar paneles como el de la esquina superior
derecha con cuatro taladros en cada vrtice; tambin es posible comprometer slo a dos
taladros tal como se muestra en la parte inferior izquierda y hasta 5 taladros (esquina
inferior derecha). Intuitivamente sabemos que todas estas alternativas son definitivamente

mejores que la usual del taladro centrado, ya que presentan mejor soporte, es decir
involucran a ms valores a la hora de la estimacin de la ley media del panel.
Configuracin de paneles para una misma malla

Podemos demostrar esto empleando la geoestadstica. Para ello comparemos la
configuracin del taladro centrado y la de los cuatro valores (uno en cada vrtice).
Como se trata de extensiones comunes, por lo general existen bacos que nos permiten
calcular fcilmente la varianza correspondiente. El que necesitamos est en la fig. 8. Se
puede notar que, la configuracin del taladro centrado siempre nos da el mayor error. Por
ejemplo para un variograma con C = 1 y un alcance a = 170, la estimacin de
reservas con el panel centrado nos dar un error de 0.27; mientras que para los paneles
con los taladros en los vrtices nos da prcticamente la mitad (0.14). Esta diferencia se
hace mayor cuando configuramos paneles con l mayores que el alcance a; como es
el caso de a = 50, donde tenemos errores de 0.80 y 0.28 respectivamente; lo cual es una
gran diferencia. Luego de conocer esto nadie debera usar la configuracin del taladro
centrado.
En el mismo baco de la fig.8, tambin se comparan dos configuraciones por tramos,
una con las muestras en los extremos y la otra con la muestra en el centro del tramo.
Resulta obvio que el error involucrado al estimar (extender) la ley de un tramo desde la
ley centrada es mayor que el error que resulta al asignar la ley a partir de puntos de
muestreo en los extremos del tramo; esto es vlido para distancias de muestreo mayores
que los del alcance del variograma respectivo.Para casos algo ms complicados debemos
utilizar la frmula (2), que slo se basa en el variograma y en las caractersticas
geomtricas de los paneles, mas no en los valores que puedan tener los taladros. Lo cual

nos permite estimar el error a priori:antes de perforar el primer metro.
Modelo
esfricos
para
estimacin de varianzas
la

III.
EVALUACIN DE MALLAS DE RECONOCIMIENTO USADOS EN LA

EXPLORACIN Y EXPLOTACIN MINERA
3.1. El anlisis variogrfico geoestadstico

La funcin variograma es una de las herramientas ms poderosas que tiene la
geoestadstica. Vamos a definirla tomando el caso de un depsito D, en el cual se ha
tomado una determinada cantidad de muestras, en diferentes puntos xi, cada uno de ellos
con su respectivo valor de una determinada variable Z(xi) que nos interesa estudiar (puede
ser ley de Au, contenido de As, intensidad de una alteracin, peso especfico, dureza,
porosidad, etc.). Estas entidades son denominadas variables regionalizadas porque sus
valores estn relacionados con ubicaciones precisas en el tiempo o espacio.
Es de esperar que dos valores contiguos Z(xi) y Z(xi+h), separados una distancia h, estn
relacionados entre s (autocorrelacin), es decir que sus valores sean dependientes el uno
del otro; esto debido a que casi siempre toda variable tiene un patrn de distribucin (o
estructura, como se le llama en geoestadstica), ya que nada es al azar en la naturaleza.
Tambin sabemos que debido a la complejidad de los procesos geolgicos no habr
patrones de distribucin idnticos.
La estadstica clsica no puede reconocer dichas estructuras ya que sus parmetros y
funciones no toman en cuenta la ubicacin de los datos. Por ejemplo, la altura media de los
alumnos de un saln no se modificar as stos se cambien de asiento una y otra vez.
Para explicar esto nos referiremos a
la fig. 1, en la cual hacia el borde
izquierdo se est representando dos
tramos (puede ser de galera, taladro,
etc.) con las leyes que se han
analizado cada cierta distancia.
Salta a la vista que los valores del
tramo A tienen un patrn de
distribucin o estructura (los valores
aumentan hacia el centro y
disminuyen hacia los flancos);
mientras que en el tramo B tenemos
una distribucin al azar. Ntese que
en ambos casos estamos usando los
mismos dgitos, por lo que no
sorprende que la media m la
varianza 2 y el histograma en los
dos tramos sean los mismos; mas no

as la funcin variograma (h) que en el tramo A muestra una clara dependencia con
respecto a h, que es la separacin entre las muestras; mientras que en el tramo B dicha
funcin es independiente de h, lo cual es tpico de distribuciones al azar, prcticamente
inexistentes en la naturaleza; ya que por lo general, las variables cuantificables o
semicuantificables, relacionadas con los yacimientos, se originan por determinados
procesos que les imprimen un patrn caracterstico, es decir todo lo contrario a una
distribucin al azar.
El variograma puede ser estimado a partir de datos experimentales (por ejemplo las leyes
provenientes de una campaa de muestreo) empleando la frmula general:
donde:
Z
es la variable estudiada
Z(x)
es el valor de dicha variable en el punto x
Z(x+h) :
es el valor de la variable en el punto (x+h)
es el paso entre las muestras (distancias iterativas)
nmero de pares de valores
2 (h) :
(h)
:
variograma)
valor de la funcin variograma para un valor h.

valor de la funcin semivariograma (denomina usualmente
Todos los paquetes de software aplicados a minera utilizan esta frmula para el clculo
de los variogramas experimentales; las respectivas facilidades grficas nos mostrarn
variogramas con apariencia similar a la que se a idealizado en la fig. 2, que nos servir para
explicar los principales parmetros de la funcin variograma.
3.2. Dimensionamiento ptimo del muestreo
Un buen muestreo descansa en tres aspectos principales:
1. Buena representatividad de la muestra.
2. Proporcionalidad de la muestra.
3. Distancia ptima de muestreo.

3.2.1. Metodologa general

En la mayor parte de los casos para optimizar la distancia del muestreo se sigue el
siguiente procedimiento:
a. Seleccionar un tramo piloto, representativo de la zona de estudio, y aplicar un muestreo
de alta densidad (0.50 o 1.0 m en vetas, o 5 a 10 metros en cuerpos).
b. Se simula tramos de muestreo mayores; para ello, de la data original se toma valores
dejando uno, luego dos, tres y as sucesivamente. Se calcula los parmetros estadsticos
(media, varianza, error relativo) para cada distancia simulada.
c. Se analiza a qu distancia de muestreo, los distintos parmetros dejan de ser confiables.
d. El error relativo nos fija el lmite mximo de espaciamiento de muestreo, para un
determinado nivel de confianza.
Adicionalmente, para cada distancia de muestreo, se puede calcular su respectivos
variograma, y subsecuentemente, de manera similar, tambin se puede analizar su
robustez. La fig. 6 nos muestra un ejemplo de ello. A partir de la poblacin original densa
(cada 1.5 m), se ha generado dos sub-poblaciones, con distancias de muestreo simuladas
(3.0 y 4.5 m), y se ha ploteado sus respectivos variogramas. Se nota claramente que la
distancia de muestreo se puede extender hasta los tres metros; ya que el variograma de 4.5
m no reproduce las caractersticas del original de 1.5 m. Siguiendo este procedimiento con
los variogramas, se puede optimizar el muestreo de vetas por ejemplo, definiendo
distancias de muestreo entre 1.5 y 3.5 metros.

3.3.
Seleccin de la malla ms aparente a partir de los parmetros estadsticos
Comparacin de parmetros estadsticos para diferentes mallas

Para ilustrar este caso vamos a referirnos a la Fig. 5, en la cual se muestra todas las mallas
alternativas que se pueden construir a partir de una malla de 10*10 metros, que es la malla
original de muestreo. Se ha calculado los parmetros estadsticos para cada configuracin,
los cuales figuran en el cuadro de la parte inferior de la Fig. 5. Claramente se observa que
la malla 10*50 es la que presenta la mayor variacin de sus parmetros con respecto a la
malla de 10*10; mientras que las que menos discrepancias presentan son las mallas 10*20
y 14.1*14.1. Uno de los parmetros ms indicativos viene a ser la varianza de estimacin,
la cual usualmente se expresa como error relativo (E.R.%). Como se puede ver, este
parmetro en todos los casos est por debajo de 35 %, el cual se considera aceptable; sin
embargo es preferible elegir los que presentan el menor error relativo (mallas 10*20 o
14.1*14.1).
Ms adelante vamos a introducir el concepto de anisotropa; sin embargo podemos
adelantarnos un poco considerando la informacin del estudio variogrfico en este

ejemplo. Dicho estudio nos indica que hay una distribucin anistropa en la zona de
estudio, donde la mineralizacin tiene menos continuidad en la direccin E-W, con
relacin a la N-S, de tal manera que la menor distancia de muestreo debera estar en esa
direccin, con lo cual la malla ms aceptable sera la de 10*20 metros o incluso la de
10*30 metros; las cuales, por ser ms espaciadas, son las ms econmicas manteniendo la
calidad de la informacin.
3.4.
El concepto de anisotropa de una distribucin y su aplicacin en el

dimensionamiento del muestreo
Raras veces las distribuciones resultan istropas (Fig. 11), lo cual quiere decir que los
variogramas en todas sus direcciones son similares. Esto es inusual, ya que casi siempre los
procesos geolgicos son direccionales, es decir, por lo general tienen una direccin o
componente preferencial, concepto relacionado principalmente al flujo o flujos de
mineralizacin.
Para aclarar esto vamos a referirnos a la fig. 10 (simplificada a partir de CANCHAYA &
BERNUY 1983), en la cual se muestra varios tramos de muestreo a lo largo de galeras y
chimeneas sobre una veta. Como los flujos mineralizantes generalmente son sub-verticales,
el patrn de distribucin a lo largo de las chimeneas ser diferente al de las galeras; lo cual
quedar expresado en los respectivos variogramas y principalmente en el alcance a. Para el
caso se ha obtenido a h = 10 y av = 20. Por lo tanto tenemos una distribucin anistropa y
consecuentemente debemos definir una elipse de influencia, tomando como ejes los valores
de a h y av.
Relacin entre la precisin y el costo asociado a diferentes mallas

Regionalizacin isotropica
3.5.
Tipos de anisotropas en el clculo de variogramas
Hay dos tipos de anisotropa: zonal y geomtrica. Cuando los variogramas en varias
direcciones presentan diferentes alcances tenemos anisotropa geomtrica; mientras que
cuando presentan diferentes mesetas se trata de anisotropa zonal.
Distribucin anisotrpica

Variogramas en varias direcciones

En la figura 12 estamos mostrando otro ejemplo ilustrativo. Se trata de una seccin,
perpendicular al rumbo, de un manto tufceo potente que contiene mineralizacin del tipo
diseminada, la cual aumenta paulatinamente del techo al piso. Este patrn de distribucin
queda claramente expresado en los variogramas direccionales, que se obtuvieron a partir de
muestras de este manto; los cuales estn graficados en la mitad inferior de la fig. 12. Tal
como era de esperar, los tres variogramas son diferentes, presentando no slo diferentes
mesetas (anisotropa zonal) sino adems anisotropa geomtrica (diferentes alcances).
La direccin E-W corresponde a un variograma casi de efecto de pepita puro y con la ms
alta varianza; podramos percibir esta irregularidad de la mineralizacin imaginando que
recorremos el manto, con un analizador qumico porttil, a lo largo de cualquier lnea
horizontal paralela a la direccin E-W indicada.
Por el contrario, si recorremos el manto a lo largo de una lnea perpendicular a la hoja (NS) notaremos una gran continuidad de los valores y una mnima variacin estructural de los
mismos; lo cual est plenamente expresado en el variograma respectivo, que muestra la
mejor estructuracin y el mayor alcance de los tres mostrados en la fig. 12. Un recorrido
similar en direccin vertical, permite comprender por qu el variograma en esa direccin
tiene mejor estructura y menos varianza que el de la direccin E-W.
Es una idealizacin muy peligrosa suponer que los patrones de distribucin son istropos,
ya que los millares de estudios variogrficos de diferentes tipos de yacimientos, en la
bibliografa mundial, nos indican que la mayor parte de los patrones de distribucin son
anistropos.

CONCLUSIONES
Mediante las aplicaciones se pudo explicar la medicin de errores.
El diseo de mallas est en funcin al error relativo que es menor a 35 %, y en
funcin a la anisotropa ya que todos los valores no son iguales en diferentes
direcciones
El kriging, semivariograma y as como los dems mtodos geoestadistico (simple,
ordinario) puede ser extendido a la estimacin directa del valor promedio en un
bloque y cuantificacin de la variabilidad del yacimiento.

BIBLIOGRAFIA
ALFARO, M. (2002) Introduccin al Muestreo Minero.- Inst. Ings. Minas Chile; 82 p.

CANCHAYA, S. & BERNUY, O. (1983) Estudio geoestadstico de las vetas A y Z de
la Mina Bella Unin-Hualgayoc.- Bol. Soc. geol. Per, 72: 29-47.
JOURNEL, A. G. & HUIJBREGTS, CH. J. (1978) Mining Geostatistics.- Academic Press
(London); 600 p.
MATHERON, G. (1962) Trait de Gostatistique Applique, T. 1. Mm. B.R.G.M. 14;
333p, T.2; Le Krigeage.- Mm. B.R.G.M. 24, 171p.
MATHERON, G. (1963) Principles of Geoestatistics.- Econ. Geol. 58: 1246-1266.

GEOESTADISTICA

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

GEOESTADISTICA

Caricato da

Copyright:

Formati disponibili

RESUMEN

Los proyectos de exploracin minera se pueden definir de manera conceptual como

UNIVERSIDAD NACIONAL DE CAJAMARCA

Mtodo Geoestadistico ........................................................................................ 3

Inters Del Krigeado ........................................................................................... 5

Propiedades del Krigeado.................................................................................... 5

INTRODUCCIN A LA EVALUACIN Y DISEO DE MALLAS DE MUESTREO 7

Medicin de errores mediante la varianza de estimacin ................................... 7

2.1.1 La Varianza De Estimacin O Extensin ............................................................ 7

La varianza de extensin y la configuracin de paneles en malla regular .......... 8

El anlisis variogrfico geoestadstico .............................................................. 11

Dimensionamiento ptimo del muestreo........................................................... 12

3.2.1. Metodologa general .......................................................................................... 13

Seleccin de la malla ms aparente a partir de los parmetros estadsticos ...... 14

3.4. El concepto de anisotropa de una distribucin y su aplicacin en el

Tipos de anisotropas en el clculo de variogramas .......................................... 16

UNIVERSIDAD NACIONAL DE CAJAMARCA

UNIVERSIDAD NACIONAL DE CAJAMARCA

UNIVERSIDAD NACIONAL DE CAJAMARCA

EVALUACIN DE MALLAS DE MUESTREO CON MTODOS

UNIVERSIDAD NACIONAL DE CAJAMARCA

asociados errores a errores aleatorios.

UNIVERSIDAD NACIONAL DE CAJAMARCA

1.4.Inters Del Krigeado

FIGURA N 1: Dos bloques contiguos en la oficina Ossa*. El color amarillo representa

Las propiedades ms importantes del mtodo de krigeado son:

UNIVERSIDAD NACIONAL DE CAJAMARCA

FIGURA N 2: Propiedad de simetra del krigeado

FIGURA N 3: Composicin de krigeados.

Es decir una ponderacin por volmenes o por tonelajes.

UNIVERSIDAD NACIONAL DE CAJAMARCA

INTRODUCCIN A LA EVALUACIN Y DISEO DE MALLAS DE MUESTREO

Ya se ha cumplido ms de cuatro dcadas del nacimiento de la Geoestadstica

Medicin de errores mediante la varianza de estimacin

2.1.1 La Varianza De Estimacin O Extensin

UNIVERSIDAD NACIONAL DE CAJAMARCA

una alternativa para determinar este error: la varianza de estimacin

) cuando los dos

: Designa el valor medio de ( )

puntos de apoyo M y M del vector h describen

Designa el valor medio de ( ) cuando los dos puntos de apoyo

Designa el valor medio de ( )cuando los dos puntos de apoyo

Como vamos a ver a continuacin, en configuraciones sencillas a veces es suficiente con

2.2. La varianza de extensin y la configuracin de paneles en malla regular

UNIVERSIDAD NACIONAL DE CAJAMARCA

Configuracin de paneles para una misma malla

UNIVERSIDAD NACIONAL DE CAJAMARCA

nos permite estimar el error a priori:antes de perforar el primer metro.

UNIVERSIDAD NACIONAL DE CAJAMARCA

EVALUACIN DE MALLAS DE RECONOCIMIENTO USADOS EN LA

3.1. El anlisis variogrfico geoestadstico

UNIVERSIDAD NACIONAL DE CAJAMARCA

es el valor de dicha variable en el punto x

es el valor de la variable en el punto (x+h)

es el paso entre las muestras (distancias iterativas)

nmero de pares de valores

valor de la funcin variograma para un valor h.

UNIVERSIDAD NACIONAL DE CAJAMARCA

3.2.1. Metodologa general

UNIVERSIDAD NACIONAL DE CAJAMARCA

Seleccin de la malla ms aparente a partir de los parmetros estadsticos

Comparacin de parmetros estadsticos para diferentes mallas

UNIVERSIDAD NACIONAL DE CAJAMARCA

El concepto de anisotropa de una distribucin y su aplicacin en el