Informe 80

UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA GEOLÓGIA
GEOESTADISTICA
ANALISIS ESTRUCTURAL DE VARIOGRAMAS
PRESENTADO POR:
AGUILAR MALIMBA MELANY GRISSEL
ALCANTARA CHAVEZ EDINSON ALBERTO
, BURGA GONZALES CHRISTIAN RICHARD
CARUAJULCA PEREZ EXER WALBERTO
CHILON CALUA HECTOR EDUARDO
DE LA CRUZ CHUQUIMANGO JHOEL
LUCANO CHUAN DEYSI LIZBETH
DOCENTE:
ING. WILDER CHUQUIRUNA CHAVEZ
CAJAMARCA, MAYO DE 2018

ESCUELA ACADEMICO PROFESIÓNAL DE INGENIERÍA GEOLÓGICA
INDICE
I. INTRODUCCIÓN ..................................................................................................................... 3
II. OBJETIVOS .............................................................................................................................. 4
III. CONCEPTOS GEOESTADÍSTICOS .................................................................................... 5
3.1 Herramientas geoestadísticas ........................................................................................... 14
3.1.1 Variograma ............................................................................................................. 14
IV. ANÁLISIS ESTRUCTURAL. ................................................................................................ 15
4.1. Comportamiento del semivariograma en el origen. .................................................... 15
4.1.2 Valores muy regulares y continuos: ................................................................... 16
4.1.3 Continuidad media: ............................................................................................... 16
4.1.4 Presencia de micro estructuras: ......................................................................... 17
4.2. Alcance(a). ............................................................................................................................. 17
4.3. Efecto de pepita (Co) ........................................................................................................... 19
4.4 Superposición de estructuras............................................................................................ 21
V. ESTIMACIÓN DEL VARIOGRAMA.................................................................................... 21
5.1 CÁLCULO DEL VARIOGRAMA EXPERIMENTAL .......................................................... 22
5.2 MODELOS DE SEMIVARIOGRAMAS. ............................................................................... 27
A. MODELO EXPONENCIAL .......................................................................................... 27
B. MODELO ESFERICO O MATHERNON ..................................................................... 28
C. MODELO LINEAL ....................................................................................................... 30
5.3 CASOS PARTICULARES RESPECTO A LOS MODELOS DE SEMIVARIOGRAMA.
.......................................................................................................................................................... 32
A. SEMIVARIOGRAMAS CON TENDENCIAS ............................................................... 32
B. SEMIVARIOGRAMA CON EFECTO AGUJERO ....................................................... 32
C. SEMIVARIOGRAMA COMPUESTO .......................................................................... 33
VI. VARIOGRAMAS EXPERIMENTALES EN DIVERSOS YACIMIENTOS ..................... 34
6.1 Yacimiento filoneanos. ........................................................................................................ 34
6.1.1 Variogramas experimentales de la Plata. ........................................................... 36
6.1.2 Variograma experimental del Oro. ...................................................................... 37
6.1.3 Variograma experimental del plomo. .................................................................. 38
6.2 Yacimiento pórfido skarn. ................................................................................................... 39
6.3 Yacimiento epitermal de alta sulfuracion. ...................................................................... 40
ANALISIS ESTRUSTURAL DE VARIOGRAMA 1

VII. CONCLUCIONES .................................................................................................................. 43

CONCLUCIONES……………………………………………………………………………
….………………………………………………28

I. INTRODUCCIÓN
El análisis estructural es uno de los tópicos más importantes de la geoestadística
puesto que se encarga de la caracterización de la estructura espacial de una
propiedad o fenómeno regionalizado. Es el proceso en el marco del cual se obtiene
un modelo geoestadístico para la función aleatoria que se estudia. El análisis
estructural consiste en estimar y modelar una función que refleje la correlación
espacial de la variable regionalizada a partir de la adopción razonada de la hipótesis
más adecuada acerca de su variabilidad. En dependencia de las características de
estacionaridad del fenómeno se modelará la función de covarianzas o la de
semivarianzas. Por su importancia y generalidad estudiaremos el proceso de
estimación y modelación de la función de semivarianzas o semivariograma.

II. OBJETIVOS
 Dar a conocer aplicaciones geoestadísticas a la ingeniería geológica.

 Hacer el análisis estructural mediante variogramas.
 Construcción e interpretar de los variogramas experimentales en
diversos yacimientos.

III. CONCEPTOS GEOESTADÍSTICOS

VARIABLES REGIONALIZADAS
El término variable regionalizada fue acuñado por Matheron a principios de la sexta

década del siglo pasado. Una variable de este tipo contempla un aspecto aleatorio
que da cuenta de las irregularidades locales y un aspecto estructurado que refleja
tendencias de gran escala. La aleatoriedad se incluye en términos de fluctuaciones
alrededor de una superficie fija, llamada “deriva” (drift). Es importante recalcar que las
fluctuaciones no son consideradas como errores, sino parte integral del fenómeno. En
muchos casos, cuando se aplican métodos de regresión, se modela mediante una
función el comportamiento de una variable. Por lo regular habrá diferencias entre los
valores observados y la función que se ajusta, estas diferencias son consideradas
como errores aleatorios independientes. Es importante señalar que, para la
Geoestadística, las diferencias en torno a la superficie son aleatorias, mas no
independientes, ya que hay una correlación entre ellas. Debemos recordar que la
primera tarea de la Geoestadística es buscar estructura, de ahí el nombre de análisis
estructural. Posteriormente, el investigador puede estimar o simular las variables.
Fuente: diplomado en análisis de información geoespacial, México, Alfredo Porras

Velásquez, pág. 2
COMPOSICIÓN DE UNA VARIABLE REGIONALIZADA
a) Localización: Una variable regionalizada no toma sus valores en cualquier lugar,

sino más bien, en una región bien determinada del espacio, que se llama campo
geométrico: El campo es en general una formación geológica, por ejemplo, el espacio
mineralizado del yacimiento mismo. Pero a veces es necesario limitar el estudio de la
variable a una porción, 6 o panel, de su campo geométrico natural. Igualmente, la
variable será a veces definida como una función f(M) del punto M. Sin embargo, a
menudo, no habrá interés en los valores puntuales, sino en los valores medios de la
variable al interior de un dominio pequeño, o soporte geométrico. Para una ley, el
soporte será el volumen v de la muestra tomada. El volumen v debe estar definido de
manera precisa, con sus dimensiones, su forma geométrica, y su orientación en el
espacio. Si se cambia el soporte v se obtiene una nueva regionalización, que presenta

analogías con la primera, pero que no es idéntica. Es así como los bloques de algunos
metros cúbicos no se distribuyen en el espacio de la misma manera que los testigos
de sondajes de algunos kilos. Una de las tareas de la teoría de las variables
regionalizadas, que se llama a veces también geoestadística cuando se aplica a
problemas geológicos y mineros, consiste en prever las características de la variable
definida sobre un soporte v y en un campo V, conociendo, por ejemplo, las de la
variable puntual en un campo diferente V’.
b) Continuidad. - Una segunda característica esencial es el grado de mayor o menor

continuidad de la regionalización en el espacio. En ciertos casos, por ejemplo, para
variables que poseen una significación puramente geométrica, como la potencia de
una formación geológica, se observará la continuidad estricta de los matemáticos, que
se define con ε y δ. Lo más corriente, es observar una continuidad más floja, llamada
continuidad en media. En este caso, cuando el punto M tiende hacia Mo, solamente
el valor medio de [f(M) – f(Mo)]2 tiende a cero. La repartición en el espacio toma ahora
una forma más irregular y discontinua. Finalmente puede suceder que la continuidad
en media no se verifique. En este caso de extrema irregularidad, nosotros hablaremos
de efecto de pepita. Los yacimientos de oro pepítico proporcionan un ejemplo clásico.
c) Anisotropía. - En tercer lugar, una regionalización puede ser anisótropa. Puede

existir, por ejemplo, una dirección privilegiada, a lo largo de la cual los valores se
modifican lentamente, mientras que éstos varían mucho más rápido en la dirección
perpendicular. Este tipo de fenómenos conocidos con el nombre de corridas, de
zonaciones, etc… está, en general asociado a la existencia de ciertas estructuras
geológicas.
d) Fenómeno de transición. - Otros tipos de estructuras se pueden manifestar, ligados

a la aparición en el campo geométrico de la variable, de una red de discontinuidades:
se habla entonces, de una manera general, de fenómenos de transición. Como
ejemplos simples, se pueden citar, para las formaciones sedimentarias, las
estratificaciones y las repeticiones lenticulares de los estratos. Puede suceder que la
variable la cual es constante o casi constante al interior de los estratos, tenga cambios
bruscos al pasar de un estrato a otro. A estas discontinuidades verticales,
materializadas en el espacio por las uniones estratigráficas, a menudo se adicionan

discontinuidades horizontales, debidas al término lenticular y a la repetición de los

estratos individuales. Esta red compleja de discontinuidades realiza una partición del
espacio mineralizado en compartimientos casi independientes entre sí
(correspondientes, por ejemplo, a antiguos micro-cuencas, donde las condiciones de
depositación han evolucionado de manera más o menos autónoma). Se puede
observar que el efecto de pepita de origen granulométrico está también ligado a un
fenómeno de transición. La red de discontinuidad es en este caso lo que separa, en
el espacio, los diferentes granos de estéril y de mineral. La naturaleza del fenómeno
es la misma, pero la escala es bastante diferente. El efecto de pepita aparece como
una forma de 7 fenómeno de transición ligado a la presencia de micro-estructuras
discontinuas en el campo de la regionalización.
Fuente: variables regionalizadas y su estimación, 1965, Matheron Georges, Francia-

Paris, pág. 5-6
NOTACION CONDENSADA
Antes de estudiar ejemplos de variables regionalizadas, mencionemos que en

geoestadística se utiliza la notación condensada: Un punto del espacio se
representa por la letra x. Por ejemplo, la ley en el punto x se representa por z(x).
Por consiguiente, z(x) puede significar:
z(x) si el problema es unidimensional (1-D)

z(x1, x2) si el problema es bidimensional (2-D)}
z(x1, x2, x3) si el problema es tridimensional (3-D)
Se observa que existen problemas de notación: Se acostumbra a designar una

variable regionalizada con la letra z, lo cual coincide con la notación utilizada para
la cota o elevación.
EJEMPLOS DE VARIABLES REGIONALIZADAS (V.R.)
Ejemplo 1: En el espacio de una dimensión, sea z(x) = Ley de Cu a lo largo de una

galería:

Canaletas en una galería.
Figura 3.2: Galería reconocida entre los puntos A y A’
Las leyes muestreadas en las canaletas se pueden graficar:
Figura 3.3: Leyes muestreadas en las canaletas entre A y A’.

Ejemplo 2: En la dimensión tiempo (una dimensión t), el precio de un metal p(t).
Fig. 3.4: Precio del cobre (promedio mensual (1987-2005) en centavos de dólar /
libra.
Ejemplo 3: En el espacio de dos dimensiones, sea z(x1, x2) = z(x) =

potencia mineralizada en un yacimiento de nitratos:
Figura 3.5: Depósito de nitratos-yodo: La zona mineralizada, de color rojo en la

figura, se llama caliche.

Ejemplo 4: En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = Ley de Cu
en el punto x dentro de un depósito masivo:
Figura 3.6: Caso típico de depósito de óxidos-sulfuros. La capa superior

corresponde a grava.
Figura 3.7. Planta en mina. Leyes de bloques de 25mx25mx15m. Zona de óxidos.
En un depósito de este tipo se puede comprobar que la ley de cobre se comporta de

manera diferente en la zona de óxidos y en la zona de sulfuros. Esto nos conduce
a considerar para la ley de cobre, dos variables regionalizadas diferentes.

Ejemplo 5: En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = densidad
de la roca en un punto x dentro de un depósito minero:
3.4. CAMPO Y SOPORTE
Se llama campo a la zona en la cual se estudia la variable regionalizada. Para

definir bien el campo (por ejemplo, los límites) es necesario utilizar un modelo
geológico adecuado, por ejemplo, en la figura 3.6 se podrían distinguir dos campos
disjuntos, los cuales se pueden tratar de manera independiente y corresponden a
unidades geológicas: Unidad óxidos y unidad sulfuros.
Entonces en un mismo depósito minero D puede haber varios campos o unidades

D1, D2, ..., Dk, en general disjuntos, cuya reunión es el conjunto D.

Figura 3.9: Unidades D1, D2, D3, D4 en una sección del depósito de cobre porfídico
de Inca de Oro. Las unidades corresponden a una interpretación geológica a partir
de los sondajes.
En algunas situaciones, cada campo debería tener un tratamiento geoestadístico

diferente: Para estimar una zona V contenida en una cierta unidad, sólo se
utilizan datos de la misma unidad: Se dice que se tienen fronteras duras.
Las fronteras duras entre las unidades Dr y Ds se justifican

cuando
existe independencia entre las leyes de Dr y Ds (es decir existe una

discontinuidad geológica). La independencia debe ser comprobada mediante un
análisis de las leyes en las fronteras de las unidades Dr y Ds.
El soporte es el volumen de la muestra que define la variable regionalizada. A

menudo el soporte es un cilindro (figura 3.10) llamado testigo:
Figura 3.10: Un testigo. Tiene un cierto largo l y un cierto diámetro d.
z(x) será entonces la ley del volumen de muestra localizado en el punto x.,
en el ejemplo 5 el soporte es un cilindro vertical de 15 metros de largo.
En general, en el estudio de una variable regionalizada no es conveniente mezclar

soportes de tamaños diferentes.

En el caso en que los testigos que constituyen el sondaje son de tamaño irregular,
es necesario hacer una operación la cual consiste en regularizar o compositar el
sondaje, es decir disponer de datos (compósitos) de longitud constante (figura 3.11).
Figura 3.11: Regularización de un sondaje a un largo constante b. Esta operación

produce errores
La figura 3.12 muestra una sección transversal en un depósito de óxidos de cobre.

Las líneas repre- sentan los sondajes de exploración. El punto rojo se denomina
collar del sondaje. El collar está caracterizado por las coordenadas x0, y0, z0 y por
dos ángulos:
(θ, φ) Azimuth e inclinación.

Figura 3.12: Sección en el depósito de cobre. Se observan las unidades grava (

estéril), lixiviado, óxidos y sulfuros. Un compósito está caracterizado por sus
coordenadas x, y, z, las leyes de cobre total, de cobre soluble, un código que indica
la unidad, además del nombre del sondaje que contiene al compósito.
Cada compósito está caracterizado por sus coordenadas x, y, z, sus leyes, un

código que indica el dominio o unidad geológica y la identificación del sondaje,
eventualmente otra información. Se tiene así la base de datos de sondajes del
depósito, la cual, en formato de texto, puede ser incorporada en cualquier paquete
computacional.
Para tratar las desviaciones de los sondajes, se divide el sondaje en tramos

rectilíneos L1, L2, …, Lr.
Figura 3.13: Azimuth θ (se mide en grados desde el norte) e inclinación φ (se mide
en grados desde la horizontal) de un sondaje.
GEOESTADÍSTICA PARA LA ENSEÑANZA UNIVERSITARIA, ING. JORGE

SEGURA DÁVILA TACNA – PERÚ 2011-2012 PAG 29- 35
3.1 Herramientas geoestadísticas

3.1.1 Variograma
El variograma es una función estocástica y representa la modelización del
comportamiento de la ley, con su grado de discrepancia entre los valores que
n
toma en cada punto del espacio R . Expresiones matemáticas:

IV. ANÁLISIS ESTRUCTURAL.

4.1. Comportamiento del semivariograma en el origen.
Al analizar el comportamiento de γ(h) cuando h tiende a cero, se presentan cuatro
casos:
4.1.1 Ausencia de estructura:
Se trata del efecto de pepita puro. Este

modelo traduce la irregularidad total de un
fenómeno. Hay ausencia de estructura,
cualquiera que fuera la escala las leyes de
dos muestras son independientes.
γ (h) = 0 para h=0

El gráfico “Ley” en función de la distancia “x” sería:
4.1.2 Valores muy regulares y continuos:
El comportamiento de las leyes es tan homogéneo que los valores de dos muestras
distantes entre sí por “d” son prácticamente las mismas, es decir que para h pequeño,
γ(h) tiende a ser cero. En estas condiciones el variograma (figura de la derecha)
muestra un comportamiento parabólico en el origen, mostrando un fenómeno muy
regular y dando cuenta de la existencia de una deriva.
4.1.3 Continuidad media:

En un diagrama de leyes (gráfico de la izquierda), donde la diferencia de leyes para
dos muestras distantes de “d” es significativa: El variograma correspondiente, tiene
un comportamiento lineal en el origen, poniendo de manifiesto un fenómeno de cierta
regularidad, más o menos estacionaria.

4.1.4 Presencia de micro estructuras:
En este caso, el variograma registra todas

las microvariaciones, tanto a la escala
aproximada “d” como las variaciones de
escala “c”
Si las microestructuras son del orden de

decímetros y la estructura mayor está por las
decenas de metros, entonces el semiva_
riograma tendrá la apariencia del gráfico adjunto.
Existirá un salto de la curva en el origen, debido
a la microvariabilidad, hasta h = d para luego
crecer moderadamente siguiendo la variabilidad mayor.
4.2. Alcance(a).
Para h ≥ a se tiene que K (h) = 0. Esto implica que para h superiores al valor “a” no
existe dependencia entre los valores, y que el valor en un punto no influye sobre el
valor del otro, por tanto la función γ (h) se vuelve constante (γ (h) = C).

El alcance, también nos indica las características geológicas de formación de un

yacimiento.
Por ejemplo:
 En un yacimiento sedimentario, el alcance representa las dimensiones de las
unidades de sedimentación y en consecuencia de las zonas mineralizadas.
 En un yacimiento lenticular, representa la dimensión de los lentes.
 En un yacimiento estratiforme, refleja la potencia promedio.
El alcance también nos indica la zona de influencia de una muestra, puesto que para
distancias mayores que “a”, los valores de las muestras son independientes.
Con el siguiente ejemplo se pretende comprender una de las bondades del alcance:
En un yacimiento de carbón se han tomado 80 muestras a malla regular de 5m. Las

potencias de los 10 mantos de carbón, en metros, son: 31,6 ; 24,8 ; 5,1 ; 11,1 ; 4,6 ;
34,5 ; 49,2 ; 14,7 ; 10,2 ; 10,2.Al determinar la continuidad espacial de la VR Z(x),
definida por:
1 (en blanco), si la muestra se encuentra en el manto carbonífero

Z(x)
0 (en negro), si la muestra se encuentra en los estratos estériles.
Se calculó: el promedio = 0,5 m; la varianza = 0,25 (%)2 y los valores de γ(h):

γ(5) = 0,12 ; γ(10) = 0,20 ; γ(15) = 0,24; γ(20) = 0,25; γ(25) = 0,25
Analizando el variograma experimental, se observa que el alcance es del orden de

los
20m, distancia al cual la meseta C, es igual a 0,25 (%)2 coincidiendo con la
varianza, de las muestras.
En este caso el alcance, representa la potencia media de los mantos de carbón:
Potencia media = (31,6+24,8+5,1+11,1+4,6+34,5+49,2+14,7+10,2+10,2)/10 =
19,8m
4.3. Efecto de pepita (Co)

La discontinuidad aparente que se aprecia cerca del origen, se le conoce como
efecto de pepita, este efecto puede deberse a la presencia de micro estructuras, y
artificialmente se puede generar por errores en el muestreo (toma de muestras,
preparación, manipulación y análisis de leyes) y también debido a las tasas de
recuperación. Este nombre común en el lenguaje geoestadístico tiene sus raíces en
los yacimientos auríferos de África del Sur – presencia de pepitas de oro-, que al
representar en un plano la ley versus la distancia se obtiene el gráfico:

La discontinuidad en el variograma manifestado al comienzo estaría representado

por:
Un efecto de pepita debido a la presencia de

microestructuras, permitirá estudiar en detalle
un fenómeno, estableciendo
Figura 01: efecto pepita
Fuente: variogramas, Rodrigo Estay Huidobro, Chile, pág. 21

4.4 Superposición de estructuras

Es frecuente encontrar variogramas con configuraciones como el de la figura
adjunta, llamadas estructuras superpuestas.
Una estructura de esta forma puede explicarse de la siguiente manera:

 La existencia del efecto pepita, puede deberse:
1. A la taza de recuperación
2. A la presencia de micro estructuras
3. A errores de muestreo.
 El primer alcance explicaría a las características petrográficas.
 El segundo alcance puede caracterizar a la mineralización.
 El tercer valor nos indicaría diferencias a nivel regional del yacimiento
(orogénesis)
V. ESTIMACIÓN DEL VARIOGRAMA

Existen varios estimadores pero el más común está dado por
N(h): es el número de pares Z(xi) y Z(xi + h) separados a una distancia h=|ℎ|

Debido a que el estimador es esencialmente una media maestral, tiene todas las
desventajas comúnmente asociadas a este tipo de estimadores como es la no
robustez.

A menudo el empleo de este estimador produce variogramas experimentales errático,

lo cual se debe a desviaciones del caso ideal para a aplicación del mismo.
Estas desviaciones pueden ser enumeradas por su importancia en el orden siguiente:
4 Fuerte asimetría en la distribución de probabilidad.
5 Varianza no constante. La varianza varía con la posición.
6 Muestreo sesgado. Los puntos de medición se encuentran distribuidos de
manera no homogénea.
7 Presencia de valores atípicos (outliers) distribucionales y espaciales.
5.1 CÁLCULO DEL VARIOGRAMA EXPERIMENTAL
La función variograma o semivariograma, define la correlación espacial entre los
valores muestreados. El variograma o semivariograma se obtiene calculando, para
cada distancia de separación entre las muestras. Lag en una determinada dirección,
la diferencia al cuadrado de los valores de dichas muestras. Es decir para cada
separación h se calcula el valor de y´(h) mediante la fórmula:
y´(h) = (1/2N) .∑ [ f(x1) – (fx1+h)]2
Donde:
N : Número de pares de datos
f(x1) : El valor de la variable regionalizada en el punto i
(fx1+h) : El valor de la variable regionalizada tomada a una distancia h
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 mínimo del muestreo.

Ejemplo: LAG2 requiere que se calcule las diferencias al cuadra entre muestras
alternativa A y C. B y D. C y E. etc. Y así sucesivamente.
El número máximo 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 estadísticamente
no es representativo.
Se tienen 4 taladros de muestreo en una dirección determinada, calcular: a) el
variograma, b) var. Relativo y c) el var. Logarítmico.

a) VARIOGRAMA
1400
y´ (h) = (1/2N) . ∑ [ f(x1) – (fx1+h)]2
1200
(10-50)2 + (50-20)2 + (20-60)2 1000
Y (1)= ------------------------------------------ = 683.3 800
y(h)
600
2x3
400
(10-20)2 + (50-60)2
200
Y (2)= ---------------------------- = 50 0
1 2 3
2x2 h
(10-60)2
Y (3)= ---------------= 1250
1x2
2n = 2*número de pares, en este caso es tres pares
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) X X2 Y(h)/x2
1 683.3 35 1225 0.56
2 50 35 1225 0.041
3 1250 35 1225 1.02

1,2
0,8
y(h)/x 2
0,6
0,4
0,2
0
1 2 3
h
c) VARIOGRAMA LOGARÍTMICO
Análisis estructural mediante variogramas.
Z(X) = 10 50 20 60
Ln(z(x)) = 2.30 3.91 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)= ---------------= 1.61
1x2

0.9
0.8
0.7
0.6
0.5
y(h)
0.4
0.3
0.2
0.1
0
1 2 3
Se tienen 4 taladros de muestreo en una dirección determinada, calcula:
a) el variograma,
b) var. relativo y
c) el var. Logarítmico
y´(h) = (1/2N) . [ f(x1) – (fx1+h)]2

2 2 2
(10-20) + (20-50) + (50-60)
Y(1)= -------------------------------------- = 183.3
2x3
2 2 2
(10-50) + (20-60) (10-60)
Y(2)= ---------------------------- = 800 Y(3)= ---------------= 1260
2x2 1x2

1400
1200
1000
800
y(h)
600
400
200
0
1 2 3
CALCULO DEL SEMIOVARIOGRAMA EXPERIMENTAL
 El semivariograma experimental, posee numerosas zonas donde no existen

valores concretos.
 Únicamente 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 información suficiente.
 Para ello es necesario construir un modelo que nos permita obtener dicha
información.
5.2 MODELOS DE SEMIVARIOGRAMAS.

A. MODELO EXPONENCIAL
Este modelo va ascendiendo lentamente hasta alcanzar la meseta a un valor
constante. Existen dos posibles esquemas:
Donde:
C : Valor comprendido entre el efecto pepita C0 y la meseta.
h : Distancia

a : Representa el alcance o rango
Imagen: modelo exponencial
B. 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 rápidamente del LAG para
posteriormente, ascender más lentamente hasta alcanzar una zona plana a valores
de LAG altos

Figura: Esquema de solapamiento o sobreposición de las áreas de influencia de

muestras que indican una mejor calidad del muestreo.
3
Y´(h) = C0 + C[1.5(h/a) – 0.5(h/a) para h < a
Y´(h) = C0 + C para h < a
figura: variograma con efecto pepita puro
 Si el semivariograma muestra fluctuaciones aleatorias alrededor de una línea

horizontal se tiene un efecto pepita puro en este caso la evaluación del
yacimiento se debe realizar por cualquier método clásico

Imagen: modelo exponencial
C. MODELO LINEAL
Este modelo se presenta cuando, al representar Y´(h) frente a los Lags, se obtiene
una línea recta:
Y´(h) = p.h + k
2
B
Donde: (h)
p: Pendiente de la recta
h : El LAG h=L/3
k : La intersección en el eje X Y´(h)
 Este modelo suele estar presente en algunos yacimientos de hierro
Semivariogramas Anisotrópicos

Todos los modelos anteriormente presentados son isotrópicos, es decir, la variabilidad

espacial no depende de la dirección. En la práctica existen numerosas situaciones en
que la variación es anisotrópica, por lo que en cada dirección hay semivariograma
diferente. Si la anisotropía se puede tener en cuenta mediante una transformación
lineal simple de las coordenadas, entonces se dice que la anisotropía es geométrica
o afín. La transformación se puede expresar mediante la siguiente fórmula:
Ω(Ѳ) = (𝐴2 𝐶𝑜𝑠 2 (Ѳ − ∅) + 𝐵 2 𝑆𝑒𝑛2 (Ѳ − ∅))1/2
Esta función puede ser aplicada como un factor al argumento h de la función

semivarianzas en el caso de los modelos transitivos o al gradiente en los modelos no
acotados.
En la práctica se estudian 4 direcciones, estimando los semivariogramas y

determinando los rangos para los mismos, y luego se construye el gráfico direccional
de los rangos para decidir si hay anisotropía geométrica presente o no.
En presencia de anisotropía geométrica, el gráfico direccional de los rangos forma

una elipse, en la cual el eje menor B es el rango de la dirección de más rápida
variación y A, el eje mayor, está en la dirección en que la variabilidad es más lenta.
La relación λ=A/B es una medida de anisotropía.
En caso de anisotropía si se desea diseñar una red óptima de muestreo se debe hacer
en forma rectangular haciendo coincidir los lados con las direcciones de los ejes
principales y las longitudes de los mismos deben estar en la proporción λ, donde el

lado menor le correspondería a la dirección del eje B. Mardia (1980) ha sugerido
pruebas de significación formales para la relación de anisotropía. Estos parecen no
haber sido usados en la práctica geoestadística.
Fuente: Geoestadística-planeamiento minero, Trujillo, universidad católica Benedicto

XIV, 2016, pág. 25-26

5.3 CASOS PARTICULARES RESPECTO A LOS MODELOS DE

SEMIVARIOGRAMA.
A. SEMIVARIOGRAMAS CON TENDENCIAS
Cuando existe ruptura de estacionariedad (cambio en la tendencia de la meseta)
Se produce una distancia superior al alcance.
No tiene incidencia en la estimación local de los bloques definidos para el

yacimiento.
Cuando este tipo de semivariograma domina, es necesario utilizar la técnica de

Krigeage universal, en lugar de krigeage ordinario que se aplica en las
situaciones de estacionariedad.
Gráfica 1. Semivariograma con tendencias.
B. SEMIVARIOGRAMA CON EFECTO AGUJERO

Este efecto ocurre cuando se alternan áreas con alta ley y áreas con baja ley.
El resultado es una pseudoperiocidad, reflejada en una oscilación de

semivariograma alrededor de una aparente meseta
Aplicación en yacimientos aluviales.

Gráfica 2. Semivariograma con efecto agujero.
C. SEMIVARIOGRAMA COMPUESTO
Esta situación aparece cuando se obtienen diferentes semivariogramas a lo largo
de diversas direcciones del yacimiento.
Esto significa que en vez de tener un área de búsqueda isótropa (círculo o esfera)
se posee una zona elíptica o elipsoidal
Esto es evidente en yacimientos aluviales, donde se tiene alcance en dirección

perpendicular al yacimiento.
Gráfica 3. Semivariograma compuesto.
Fuente: Exploraciones mineras, Ramos Rodríguez Miguel,

file:///C:/Users/LENOVO/Downloads/378429946-Subt-Super-Otros-140606160525-
Phpapp02.pdf pág. 122-129.

VI. VARIOGRAMAS EXPERIMENTALES EN DIVERSOS YACIMIENTOS

Metodología de modelamiento de variogramas
a.- Definir un dominio poblacional, refrendado en los análisis previos.
b.- Para la búsqueda de los variogramas se determina parámetros de trabajo: La

interdistancia (h), comúnmente llamada por los operadores de software como “LAG”,
tiene que ser encontrada evaluando estadísticamente la distancia entre las muestras.
Los ángulos de Azimut e Inclinación para las direcciones de la estructura
mineralizada.
c.- Definidos los parámetros se procede a la búsqueda de los variogramas

experimentales.
d.- Obtenido el variograma de mayor alcance, se debe verificar si se tiene una buena
población representativa del número de pares de trabajo de los primeros términos de
la función variograma. Y(h)
e.- La búsqueda se realizará por los rangos de Azimut de 0° y 360° y con rangos de
Inclinación de -90°, 90°.
f.- Por último, el proceso de este trabajo es reiterativo, ya que se busca el variograma
de mayor tendencia, y que este sustentado por el mayor número de parejas posibles.
6.1 Yacimiento filoneanos.

Para este yacimiento se tomó como ejemplo el proyecto Caylloma. En el cual
se trabajó con un total de 26577 muestras. Y el compósito se consideró de
0.5 m

Figura 01. Vista SE de los sondajes y chimeneas que corresponden a la información

usada para el estudio del proyecto minero Caylloma.
Fuente: “metodología de modelamiento de variogramas como tema de aplicación de

la geoestadistica a la ingeniería geológica”, Lima, 2010 pág. 130
Figura 02. Vista de la distribución espacial de las leyes de Plata, Ag(gr/tn) de las
muestras compósito del proyecto minero Caylloma.


6.1.1 Variogramas experimentales de la Plata.
Gráfica 4. Variograma de la Plata (Ag), LAG 1 y 2.
Gráfica 5. Variograma de la Plata (Ag), LAG 2.

Los variogramas experimentales de la plata en este tipo de yacimiento filoneano,

reflejan en direcciones verticales y horizontales mayores grados de erraticidad de la
variable.

Gráfica 6. Variograma de la Plata (Ag), con Az y DP diferentes.

Los variogramas de plata presentados en la dirección de 40º y 60º de azimut

muestran comportamiento errático puro de la variable en esas direcciones.
6.1.2 Variograma experimental del Oro.
Gráfica 7. Variograma del Oro (Au), LAG 2


Los variogramas experimentales de oro para este tipo de yacimiento filoneano,

muestran comportamiento estacionario en rangos de 6 a 12 metros con alta
erraticidad, lo cual es verificado por su coeficiente de variación de 12.55.
6.1.3 Variograma experimental del plomo.
Los variogramas experimentales del plomo encontrados, reflejan radios de

influencia de 24 metros como máximo, como se observa en la dirección de azimut
de 130º, con un buzamiento de -45º, en este tipo de yacimiento filoneano
considerado Epitermal intermedio.
Gráfica 8. Variograma del Plomo (Pb), LAG 2.


6.2 Yacimiento pórfido skarn.

Para este yacimiento se tomó como ejemplo el proyecto Morococha. En el cual se
trabajó con un total de 89277 muestras. Y el compósito se consideró de 3 m

El archivo secuencial tiene el siguiente número de muestras para las variables

económicas:
Los variogramas experimentales del cobre presentados reflejan distancias de

45 a 90 metros de alcance para este tipo de yacimiento pórfido skarn. El
cobre tiene un coeficiente de variabilidad de 1.02, una varianza estadística de
0.19 muy por debajo de su meseta y su pepita representa el 35 % de su
meseta.

6.3 Yacimiento epitermal de alta sulfuracion.

Para este yacimiento se tomó como ejemplo el proyecto Hualgayoc. En el
cual se trabajó con un total de 4420 muestras. Y el compósito se consideró
de 2 m

Los variogramas experimentales del oro de este proyecto ubicado en la franja

metalogenética de los volcánicos Cenozoicos de la zona norte de la cordillera de
los Andes, clasificado como un yacimiento Epitermal HS de baja ley, reflejan un
comportamiento de media a baja variabilidad, una relación que va desde el 40%
al 45% entre su efecto pepita y la meseta, con una varianza estadística de 0.76
por encima de la meseta del variograma y alcance de entre 20 a 40 metros.
Los variogramas experimentales de la plata reflejan distancias de entre 20 a 30

metros de alcance. Tienen una variabilidad menor que la del oro para este
yacimiento, que es de 1.45 tal cual se refleja en sus variogramas. Los variogramas
también reflejan un mayor grado de variabilidad en la dirección vertical.



VII. CONCLUCIONES
 La geoestadística es una herramienta muy importante en el estudio
de la distribución espacial y leyes de los yacimientos metálicos.
 El análisis estructural de variogramas es muy útil para la
interpretación de estos.
 Se logró relacionar los variogramas de diferentes minerales en un
solo tipo de yacimiento y se concluyó que el comportamiento
espacial y de leyes no necesariamente es el mismo por estar en un
mismo yacimiento.

Informe 80

Caricato da

Informazioni sul documento

Descrizione originale:

Titolo originale

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

Informe 80

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD NACIONAL DE CAJAMARCA

CAJAMARCA, MAYO DE 2018

ANALISIS ESTRUSTURAL DE VARIOGRAMA 1

VII. CONCLUCIONES .................................................................................................................. 43

ANALISIS ESTRUSTURAL DE VARIOGRAMA 2

ANALISIS ESTRUSTURAL DE VARIOGRAMA 3

 Dar a conocer aplicaciones geoestadísticas a la ingeniería geológica.

ANALISIS ESTRUSTURAL DE VARIOGRAMA 4

III. CONCEPTOS GEOESTADÍSTICOS

El término variable regionalizada fue acuñado por Matheron a principios de la sexta

Fuente: diplomado en análisis de información geoespacial, México, Alfredo Porras

COMPOSICIÓN DE UNA VARIABLE REGIONALIZADA

a) Localización: Una variable regionalizada no toma sus valores en cualquier lugar,

ANALISIS ESTRUSTURAL DE VARIOGRAMA 5

b) Continuidad. - Una segunda característica esencial es el grado de mayor o menor

c) Anisotropía. - En tercer lugar, una regionalización puede ser anisótropa. Puede

d) Fenómeno de transición. - Otros tipos de estructuras se pueden manifestar, ligados

ANALISIS ESTRUSTURAL DE VARIOGRAMA 6

discontinuidades horizontales, debidas al término lenticular y a la repetición de los

Fuente: variables regionalizadas y su estimación, 1965, Matheron Georges, Francia-

Antes de estudiar ejemplos de variables regionalizadas, mencionemos que en

z(x) si el problema es unidimensional (1-D)

Se observa que existen problemas de notación: Se acostumbra a designar una

EJEMPLOS DE VARIABLES REGIONALIZADAS (V.R.)

Ejemplo 1: En el espacio de una dimensión, sea z(x) = Ley de Cu a lo largo de una

ANALISIS ESTRUSTURAL DE VARIOGRAMA 7

Canaletas en una galería.

Figura 3.2: Galería reconocida entre los puntos A y A’

Las leyes muestreadas en las canaletas se pueden graficar:

Figura 3.3: Leyes muestreadas en las canaletas entre A y A’.

ANALISIS ESTRUSTURAL DE VARIOGRAMA 8

Ejemplo 2: En la dimensión tiempo (una dimensión t), el precio de un metal p(t).

Ejemplo 3: En el espacio de dos dimensiones, sea z(x1, x2) = z(x) =

Figura 3.5: Depósito de nitratos-yodo: La zona mineralizada, de color rojo en la

ANALISIS ESTRUSTURAL DE VARIOGRAMA 9

Figura 3.6: Caso típico de depósito de óxidos-sulfuros. La capa superior

Figura 3.7. Planta en mina. Leyes de bloques de 25mx25mx15m. Zona de óxidos.

En un depósito de este tipo se puede comprobar que la ley de cobre se comporta de

ANALISIS ESTRUSTURAL DE VARIOGRAMA 10

3.4. CAMPO Y SOPORTE

Se llama campo a la zona en la cual se estudia la variable regionalizada. Para

Entonces en un mismo depósito minero D puede haber varios campos o unidades

ANALISIS ESTRUSTURAL DE VARIOGRAMA 11

En algunas situaciones, cada campo debería tener un tratamiento geoestadístico

Las fronteras duras entre las unidades Dr y Ds se justifican

existe independencia entre las leyes de Dr y Ds (es decir existe una

El soporte es el volumen de la muestra que define la variable regionalizada. A

Figura 3.10: Un testigo. Tiene un cierto largo l y un cierto diámetro d.

En general, en el estudio de una variable regionalizada no es conveniente mezclar

ANALISIS ESTRUSTURAL DE VARIOGRAMA 12

Figura 3.11: Regularización de un sondaje a un largo constante b. Esta operación

La figura 3.12 muestra una sección transversal en un depósito de óxidos de cobre.

(θ, φ) Azimuth e inclinación.

ANALISIS ESTRUSTURAL DE VARIOGRAMA 13

Figura 3.12: Sección en el depósito de cobre. Se observan las unidades grava (

Cada compósito está caracterizado por sus coordenadas x, y, z, sus leyes, un

Para tratar las desviaciones de los sondajes, se divide el sondaje en tramos

GEOESTADÍSTICA PARA LA ENSEÑANZA UNIVERSITARIA, ING. JORGE

3.1 Herramientas geoestadísticas

ANALISIS ESTRUSTURAL DE VARIOGRAMA 14

IV. ANÁLISIS ESTRUCTURAL.

Se trata del efecto de pepita puro. Este