IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras

pg. 5

2.2- Distribucin Exponencial

La distribucin del tiempo transcurrido entre la ocurrencia de dos sucesos
distribuidos Poisson es exponencial
f x ( x ) = e x

Se puede demostrar que: E(x) = 1/ y V(x) = 1/2

Ejemplo:
a- Demostrar que el tiempo entre dos sucesos distribuidos Poisson es exponencial
P(Y > t ) = P( X (t ) = 0)
P(Y > t ) = e t
F (t ) = 1 P(Y > t )
F (t ) = 1 e t
F ' (t ) = e t
f (t ) = e t

t 0

2.3- Distribucin Normal

Este modelo probabilstico es el ms utilizado y el que tiene mayor importancia
terica en Estadstica y Probabilidades. Se dice que una variable tiene una
distribucin normal si su funcin densidad de probabilidades est representada por
la siguiente ecuacin:
fx ( x ) =

1
e
2

( x )2
2 2

- x +

= media de la poblacin
= desviacin estndar de la poblacin.
Este tipo de distribucin es aplicable a yacimiento de alta ley, como por ejemplo:
Hierro, carbn, no metlicos, etc. Algunas propiedades de la distribucin normal:
Si X~N(,2), entonces Z =

x
distribuye N(0,1)

Si X~N(,2), entonces:
P(X x ) = 0.68
P(X x 2) = 0.95
P(X x 3) = 0.997

IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras

pg. 6

Ejemplo: En un yacimiento de hierro, la ley del mineral distribuye normal con

media=60% y desviacin estndar igual a 15%. El tamao total del cuerpo
mineralizado es de 500.000 Ton. Las condiciones de mercado indican que no es
rentable explotar zonas con leyes inferiores al 55%. Cul es el tamao esperado
del mineral econmicamente explotable?
X: mineral econmicamente explotable, X>55%
Tamao Total = 500.000 P(X>55%)
Z=

55 60
= 0.333 , entonces P(X>55%) = 1 P(X<55%) = 1 P(Z<-0.333)
15

Tamao total = 500.000 0.6293 = 314.650 Ton.

2.4- Distribucin Log-Normal
Las variables fsicas de inters para la minera (leyes de Cu, Au, contaminantes,
etc.) son siempre positivas, por lo cual es usual que presenten distribuciones de
frecuencia asimtricas. Por lo que se ha propuesto aplicar una transformacin
logartmica a la variable de inters y luego utilizar el modelo de distribucin
normal para la variable transformada. La distribucin as obtenida se denomina
logartmico-normal.
Sea y = ln(x), una variable normalmente distribuida, entonces,
fy ( y ) =

1
2 y

( y y ) 2
2y 2

0 y +

Siendo:
y = ln(x)
y = ln(x)
y = ln(x)
En algunos casos para mejorar el ajuste se utiliza un constante aditiva que
ayuda a levantar los datos bajos, en ese caso:
y = ln(x+)
y = ln(x+)
y = ln(x+)

IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras

pg. 7

Ejemplo: Datos obtenidos del muestreo de un banco en una mina de cobre.

i Ley cobre
Distrib.
(%)
Acumul. (%)
1
0,012
1,0
2
0,023
2,9
3
0,027
4,9
4
0,034
6,9
5
0,040
8,8
6
0,089
10,8
7
0,092
12,7
8
0,099
14,7
9
0,102
16,7
10
0,140
18,6
11
0,165
20,5
12
0,175
22,5
13
0,180
24,5
14
0,215
26,5
15
0,224
28,4
16
0,225
30,4
17
0,228
32,4

i
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

Ley cobre
Distrib.
(%)
Acumul. (%)
0,230
34,3
0,252
36,3
0,320
38,2
0,377
40,2
0,392
42,2
0,395
44,1
0,396
46,1
0,406
48,0
0,409
50,0
0,417
52,0
0,427
53,9
0,453
55,9
0,465
57,8
0,475
59,8
0,476
61,8
0,489
63,7
0,519
65,7

i
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51

Ley cobre
(%)
0,572
0,638
0,644
0,685
0,717
0,719
0,765
0,806
0,833
0,889
0,893
0,915
0,996
1,009
1,335
1,365
1,615

Distrib.
Acumul. (%)
67,6
69,6
71,6
73,5
75,5
77,5
79,4
81,4
83,3
85,3
87,3
89,2
91,2
93,1
95,1
97,1
99,0

Distribucin de las leyes de cobre

1,8

Ley de cobre (%)

1,6
1,4
1,2
1,0
0,8
0,6
0,4
0,2
0,0
0

10

20

30

40

50

60

70

Probabilidad Acumulada (%)

80

90

100

IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras

pg. 8

Distribucin de las leyes de cobre

1,8

Ley de cobre (%)

1,6
1,4
1,2
1,0
0,8
0,6
0,4
0,2
0,0
1

10

100

Probabilidad Acumulada Escala Logaritmica (%)

Ley de cobre Escala Log

(%)

Distribucin de las leyes de cobre

10,0

1,0

0,1

0,0
1

10

Probabilidad Acumulada Escala Log (%)

100

IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras

pg. 1

CLASE N3
Test de Bondad de Ajuste, el test chi-cuadrado.
El test chi-cuadrado es el test ms usado para medir la bondad de ajuste de un
modelo, y es aplicable estrictamente a cualquier tipo de distribucin siempre que
los parmetros de ella hayan sido estimados mediante el mtodo de mxima
verosimilitud. El test consiste en comparar, en intervalos previamente definidos de
la variable aleatoria, el nmero de casos observados en ese intervalo terico, el
cual es funcin del modelo probabilstico en estudio.
Si O1, O2, ..., Ok son las frecuencias absolutas observadas y E1, E2, ..., Ek son las
frecuencias tericas, se define el estadgrafo:
(Oi Ei ) 2
X =
Ei
i =1
k

La variable X2 tiende a tener una distribucin chi-cuadrado con (K S 1) grado

de libertad, siendo K el nmero de clases o intervalos definidos y S el nmero de
parmetros estimados en el modelo.
Para que el ajuste de la distribucin a la muestra sea aceptable, se requiere que el
valor chi-cuadrado sea menor o igual al valor terico que toma la distribucin chicuadrado para un cierto nivel de significacin (normalmente 5%). En la siguiente
tabla se entregan los valores de chi-cuadrado para distintos grados de libertad y
niveles de significancia. Se recomienda elegir un nmero de clases de modo que el
valor terico de casos observados en cada clase sea por lo menos igual a 5.
Nmero de
Grados de
Libertad
1
2
3
4
5
6
7
8
9
10

Nivel de Significancia (%)

20

10

2.5

1.64
3.22
4.64
5.99
7.29
8.56
9.80
11.03
12.24
13.44

2.71
4.61
6.25
7.78
9.24
10.64
12.02
13.36
14.68
15.99

3.84
5.99
7.81
9.49
11.07
12.59
14.07
15.51
16.92
18.31

5.02
7.38
9.35
11.14
12.83
14.45
16.01
17.53
19.02
20.48

6.63
9.21
11.34
13.28
15.09
16.81
18.48
20.09
21.67
23.21

IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras

pg. 2

Ejemplo:
Sean los valores mostrados a continuacin las leyes de Zn (%) de 33 muestras
tomadas en un yacimiento estratiforme de Pb-Zn. Comprobar estos valores se
ajustan a una distribucin normal.
6.4
7.1
5.4
5.9

5.4
4.9
7.5
5.8

4.7
5.7
5.8
5.8

8.2
6.1
2.8
4.6

6.8
6.2
5.9
4.9

6.2
7.4
9.1
6.2

6.3
7.5
7.3

3.9
6.1
3.3

6.2
5.6
5.1

Para los datos: media=5.94; Desviacin estndar = 1.31.

Los datos anteriores los estandarisaremos utilizando la transformada:
Z=

x
(Recordar que si X~N(,2), entonces Z~N(0,1).

+0.35
+0.89
-0.41
-0.03

-0.41
-0.79
+1.19
-0.11

-0.95
-0.18
-0.11
-0.11

+1.73
+0.12
-2.40
-1.02

+0.66
+0.20
-0.03
-0.79

+0.20
+1.11
+2.41
+0.20

+0.27
+1.19
+1.04

-1.56
+0.12
-2.02

+0.20
-0.26
-0.64

Tabla de frecuencias observadas y tericas:

Intervalo
Frecuencia
Observada
Frecuencia
Terica

0 - +

0 - -

+
- +2

-
- -2

+2
- +3

-2
- -3

10

13

11.26

11.26

4.49

4.49

0.71

0.71

Sabemos que si Z~N(0,1), entonces:

P(Z 0 ) = 0.683, luego
P(Z 0 + ) = 0.3413
Luego el nmero de datos esperado en el
intervalo es = 330.3413 = 11.26

Estimemos ahora el valor de estadgrafo X2.

X2 = (10-11.26)2/11.26 + (13-11.26)2/11.26 + (5-4.49)2/4.49 + (2-4.49)2/4.49 +
(1-0.71)2/0.71 + (2-0.71)2/0.71
X2 = 4.34
Los grados de libertad son = K S 1 = 6 2 1 = 3. De la tabla X2 = 6.25.
Puesto que 6.25 > 4.34, entonces se puede considerar que la poblacin distribuye
normal con parmetros media=5.94; Desviacin estndar = 1.31 con una certeza
del 90%.

IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras

pg. 3

Curva de Ley Media versus Tonelaje

El conocimiento de la ley media de un yacimiento y el tonelaje asociado a dicha
ley media es de gran inters econmico. Estos clculos suelen ser muy importantes
y necesarios al analizar la viabilidad econmica de un proyecto minero. El objetivo
es que, conocida la ley media del yacimiento y su tonelaje asociado, establecer los
diferentes tonelajes que existen en funcin de unas determinadas leyes mnimas de
explotacin (leyes de corte o cut-off grades).
La elaboracin de este tipo de curvas se basa en el supuesto que las leyes tienen
una distribucin normal o log-normal.
Ejemplo:
Supongamos que se est analizando un posible yacimiento de sulfuros masivos que
posee 200 MTon extrables con una ley media del 3% y una desviacin estndar
del 0.95%. Se desea conocer que tonelajes explotables se tendrn para unas leyes
mnimas de corte del 1%, 2% y 2.5% y que leyes medias tendrn esos tonelajes.
Supuesto: La distribucin de las leyes es normal.
x =3% y s = 0.95%.
Tenemos que:
Ley de corte = 2.5%

Ley de corte = 2.0%

Ley de corte = 1.0%

200 MTonP(X>2.5%)

200 MTonP(X>2.0%)

200 MTonP(X>1.0%)

P(X>2.5%)=1-P(X2.5%)

P(X>2.0%)=1-P(X2.0%)

P(X>1.0%)=1-P(X1.0%)

= 1 P( Z

2.5 3.0
)
0.95

= 1 P( Z

2.0 3.0
)
0.95

= 1 P(Z

1.0 3.0
)
0.95

G(Z) = 1 P(Z-0.53)

G(Z) = 1 P(Z-1.05)

G(Z) = 1 P(Z-2.10)

G(Z) = 1 0.29

G(Z) = 1 0.14

G(Z) = 1 0.0179

= 200 MTon0.71

= 200 MTon0.86

= 200 MTon0.9821

= 142 MTon

= 172 MTon

= 196 MTon

Es decir, el porcentaje del yacimiento que est sobre una cierta ley de corte xc es:
%(x>xc) = G(zc)

donde: z c =

xc

IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras

pg. 4

La pregunta por responder ahora es:

Cul es la ley media del mineral explotable para el caso de una ley de corte del
2.5% por ejemplo?

La ley media sobre la ley de corte xc, est dada por:

( x > xc ) = +

z c2
2

2 G ( z c )

La ley media se estima entonces como:

( x > 2.5%) = 3 +

( 0.53 ) 2
2

0.95 e

0.71
2

( x > 2.5%) = 3.46

Entonces, para una ley de corte del 2.5% se explotan 142 MTon con una ley
promedio del 3.46%. Para las otras leyes de corte, tenemos:
Ley de corte (%)
1.0
2.0
2.5

Tonelaje (MTon)
196
172
142

Ley media (%)

3.04
3.26
3.46

IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras

pg. 5

A partir de la metodologa anterior se obtiene la curva de ley de corte versus

tonelaje y la curva Ley media sobre la ley de corte, tal como lo muestra la siguiente
figura: