MARCO TEORICO

¿Qué es la Geoestadística?

Primitivamente, la Geoestadística fue definida como la aplicación práctica de "La Teoría

de las Variables Regionalizadas" al reconocimiento y estimación de los yacimientos
mineros, es decir, fue una técnica que nació para resolver el problema minero de los
"Recursos in Situ" y de las "Reservas Recuperables", de gran importancia en la
actualidad debido a las variaciones de calidad de las características de un yacimiento,
las restricciones impuestas por el mercado, costos de tratamiento y explotación, así
como las restricciones impuestas por la planta de concentración.

Sin embargo, el carácter formal de la teoría ha permitido que haya sido aplicada a
numerosos dominios extramineros (gravimetría, hidrogeología, reconocimiento forestal,
ecología, petróleo, cartografía automática de fondos submarinos,etc ), por lo que fue
necesario una redefinición de la Geoestadística como la práctica de "La Teoría de las
Variables Regionalizadas”. Con este proyecto se pretende dar una visión general de
la Teoría Geoestadística, así como analizar su aplicación práctica en un terreno propio
de la Ingeniería de Minas como es : "El Cálculo de Recursos y Reservas en Yacimientos
de Carbón".

¿Por qué la Geoestadística?

La Geoestadística surge de la necesidad de métodos de estimación insesgados que

muestren el intervalo de confianza de la estimación, ya que los métodos tradicionales
de estimación, como son el método de los "Polígonos de Thiessen", el método de la
Median, etc. a estimadores sesgados.

La Geoestadística, no obstante, no debe concebirse como un método de exploración.

La Geoestadística no crea la información, sino que mejora su tratamiento, lo que
equivale a economizar gastos de reconocimiento. En el campo del reconocimiento
minero las ventajas de la Geoestadística son claras:

a) Caracteriza el grado de continuidad de cada mineralizado particular y las

diversas zonas de influencia (alcances) de la información disponible.
b) Permite construir estimadores globales insesgados de los recursos in situ,
calculando los intervalos de confianza de estos estimadores.
c) Permite la planificación de la producción minera.
d) Aborda el problema de la selección, es decir, la definición de Reservas.
 e) Permite Simulaciones Condicionales" del yacimiento, que caracterizan las
fluctuaciones de las características de las reservas explotadas (Estudio de las
dispersiones de las características del yacimiento):
 Las fluctuaciones de las leyes en impurezas, interesan por ejemplo en la
preparación del mineral
 Las fluctuaciones de potencia, interesan en la explotación del
yacimiento.(Martínez, 1986)

La Geoestadística 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). (chiles, 1999) la
define como “la aplicación de los métodos probabilísticos a las variables regionalizadas”.
(Olea, 1999) 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”. (Benedicto, 2007)

Etapas del análisis geoestadístico

Actualmente, la geoestadística es un conjunto de técnicas usadas para analizar y

predecir valores de una propiedad distribuida en espacio o tiempo. En contraposición
con la estadística clásica o convencional, tales valores no se consideran independientes,
por el contrario, se suponen de manera implícita que están correlacionados unos con
otros, es decir que existe una dependencia espacial. Intuitivamente esto indica que
mientras más cercanos estén situados dos puntos están más correlacionados y mientras
más separados hay menos relación entre estos.

El proceso de estimación y modelación de la función que describe la correlación espacial

es conocido como “análisis estructural”. Una vez realizado el análisis estructural, la
predicción de valores en puntos no muestrales se puede hacer aplicando la técnica de
interpolación "kriging" o simulándolos a través de “simulaciones condicionales”.
En resumen, a grosso modo un análisis geoestadístico está compuesto por tres etapas:
(a) el análisis exploratorio de los datos, (b) el análisis estructural y (c) las predicciones
(kriging o simulaciones) La primera etapa, conocida como análisis exploratorio de datos,
está basada en técnicas estadísticas convencionales que nos permiten obtener todo un
conjunto de información, desconocida a priori sobre la muestra bajo estudio, que es
imprescindible para realizar “correctamente” cualquier análisis estadístico y en particular
un análisis geoestadístico.

La Geoestadística, su posición y su relación con respecto a otras ramas de la

estadística.
Muchos de las ideas de las geoestadísticas han sido inspiradas en su hermana menor
las series cronológicas o series de tiempo. Se puede advertir que los objetivos del
Análisis de Series de Tiempo son similares a los de la Geoestadística. Mientras que el
Análisis de Series Temporales está orientado al estudio de procesos unidimensionales
con datos muéstrales uniformemente distribuidos, la Geoestadística se ocupa del
estudio de fenómenos con datos distribuidos de forma arbitraria en el espacio y tiempo,
por lo que la metodología de ésta última tiene un carácter mucho más general. En un
marco más amplio, la geoestadística es una disciplina que pertenece a la estadística
espacial.

Campos de aplicación

La geoestadística ha sido ampliamente aplicada en diversas ramas de las ciencias

aplicadas y en las ingenierías, entre otras tenemos: petróleo, minería, pesca, geofísica
marina, hidrogeología, medio ambiente, estudios forestales, salud pública, ingeniería
civil, procesamiento de imágenes, cartografía, finanzas, ciencias de materiales,
meteorología, edafología, etc.

Estadística Espacial.

Estadística espacial es la reunión de un conjunto de metodologías apropiadas para el

análisis de datos que corresponden a la medición de variables aleatorias en diversos
sitios (puntos del espacio o agregaciones espaciales) de una región. De manera más
formal se puede decir que la estadística espacial trata con el análisis de realizaciones
de un proceso estocástico {Z(s :) s ∈ D}, en el que s∈ R d representa una ubicación en
el espacio euclidiano dimensional, Z(s) es una variable aleatoria en la ubicación s y s
varía sobre un conjunto de índices D⊂ R d . (Henao, 2009)
Geoestadística:

Las ubicaciones provienen de un conjunto D continuo y son seleccionadas a juicio del

investigador (D fijo). Algunos ejemplos de datos que pueden ser tratados con esta
metodología son: Niveles de un contaminante en diferentes sitios de una parcela,
contenidos auríferos de una mina, valores de precipitación en Colombia medida en las
diferentes estaciones meteorológicas en un mes dado o los niveles piezométricos de un
acuífero. En los ejemplos anteriores es claro que hay continuidad espacial, puesto que,
en cualquier sitio de la parcela, de la mina, de Colombia o del acuífero pueden ser
medias las correspondientes variables. Es importante resaltar que en geoestadística el
propósito esencial es la interpolación y si no hay continuidad espacial pueden hacerse
predicciones carentes de sentido. Por ejemplo, si la variable medida es producción de
café en las fincas cafeteras del departamento del Quindío, hacer interpolación espacial
y realizar un mapa de distribución de la producción cafetera puede ser carente de
sentido porque podrían hacerse predicciones sobre áreas urbanas o no cultivadas con
café. Además de lo anterior las mediciones, no obstante, sean georreferenciadas,
corresponden a una agregación espacial (finca) más que a un punto del espacio. En la
parte de arriba, al comienzo de este párrafo, se mencionó que D debía ser fijo. A este
respecto cabe aclarar que el investigador puede hacer selección de puntos del espacio
a conveniencia o puede seleccionar los sitios bajo algún esquema de muestreo
probabilístico.

VARIABLES ESTADÍSTICAS

Una variable estadística es el conjunto de valores que puede tomar cierta

característica de la población sobre la que se realiza el estudio estadístico y sobre la
que es posible su medición. Estas variables pueden ser: la edad, el peso, las notas de
un examen, los ingresos mensuales, las horas de sueño de un paciente en una semana,
el precio medio del alquiler en las viviendas de un barrio de una ciudad, etc.
Las variables estadísticas se pueden clasificar por diferentes criterios. Según su
medición existen dos tipos de variables:
 Cualitativa (o categórica): son las variables que pueden tomar como valores
cualidades o categorías.
Ejemplos:
 Sexo (hombre, mujer)
 Salud (buena, regular, mala)
 Cuantitativas (o numérica): variables que toman valores numéricos.
Ejemplos:
  Número de casas (1, 2,…). Discreta.
 Edad (12,5; 24,3; 35;..). Continua.
Las variables cualitativas (o variables categóricas) se pueden clasificar según
sigan una jerarquía o un orden determinado.
Las variables cuantitativas se clasifican según el número de valores que puede
tomar la variable.

Las variables se pueden clasificar también según si son independientes o

dependientes:

 Variable independiente: Es una variable que su valor no depende de otra

variable. La variable independiente suele representarse en las gráficas en el eje
de abscisas (x).
En un diseño experimental a la variable independiente se le suele denominar
también variable de entrada, o variable manipulada.
 Variable dependiente: Es una variable cuyos valores dependen de los valores
que tome otra variable. Se representa en el eje de ordenadas y.
En una función puede haber combinación de los dos tipos. Por ejemplo, el capital
invertido por una federación de una especialidad atlética de un país ante un campeonato
deportivo (variable independiente cuantitativa) y las medallas obtenidas (variable
dependiente cualitativa).
El investigador utiliza estas variables en el estudio estadístico con el fin de con el
de encontrar alguna causalidad de ciertas variables sobre las variables objetivo del
estudio. (Uiverso Formulas, 2017)