Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Proyecto Geoestadístico
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Resumen Ejecutivo
En el presente informe se detalla el desarrollo de un proyecto minero de cobre, con el fin de
reportar recursos minerales y que por medio de métodos geoestadísticos se conforman, validan,
estiman y categorizan unidades de estimación para finalmente obtener una curva de tonelaje ley
dentro de un pit previamente definido.
El proyecto se inicia realizando un análisis visual y estadístico de los sondajes de la base de datos,
donde se observaron sondajes erróneos, los cuales fueron eliminados. Posteriormente mediante la
parámetros estadísticas (media y desviación estándar) se procedió a compositar dichos sondajes a
una regularización de 2 metros, luego se flagueó para asociar los sólidos geológicos a los
compositos.
Una vez que se tienen correctamente definidas las 9 unidades de estimación conformadas,
estacionarias de orden 2, se obtuvo el modelo variográfico de cada una, donde se realizó la
validación cruzada y luego la posterior estimación. La estimación se realizó mediante el método de
Kriging ordinario, pues este método considera la correlación espacial de los datos y es el mejor
estimador lineal insesgado. Luego se llevó a cabo la validación de la estimación mediante
comparación de medias estimadas por vecino más cercano y medias desagrupadas, validaciones
visuales y espaciales, para proseguir con la categorización de recursos mineros.
Para categorizar dichos recursos, se utilizó un pit de recursos entregado previamente en la base de
datos, ajustando los bloques estimados a este mediante el minado, delimitando la declaración de
recursos a un enfoque factiblemente explotable. Es importante mencionar que en esta última fase
se realizó un downgrade a los datos que no poseían control de calidad (QAQC), con la finalidad de
obtener una declaración mucho más confiable. Se obtiene un total de 398.000 bloques
pertenecientes dentro del pit, con una cantidad aproximada de 860 millones de Toneladas entre
recursos medidos, indicados e inferidos.
Se elabora la curva Tonelaje/Ley donde se obtiene que con una ley de corte de 0.2% de CuT,
existirán 375 MTon de material a una ley media de 0.3% de Cu.
2
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Contenido
1. Introducción................................................................................................................................. 6
2. Objetivos...................................................................................................................................... 6
2.1 Objetivo Principal ...................................................................................................................... 6
2.2 Objetivo Secundario .................................................................................................................. 6
3. Alcances ....................................................................................................................................... 7
4. Presentacion estadistica y visual de Base entregada. ................................................................. 7
5. Filtrado estadistico y visual de Base entregada. ......................................................................... 9
6. Compositación. .......................................................................................................................... 10
7. Analisis Del Yacimiento Por UG ................................................................................................. 11
8. Formación Unidades de Estimación .......................................................................................... 15
8.1. Formación UE2 .................................................................................................................. 15
9. Variografía ................................................................................................................................ 18
10. Plan de Estimación ................................................................................................................ 20
10.1. Vecindad de Búsqueda .................................................................................................. 20
10.2. Validación Cruzada ........................................................................................................ 21
11. Estimación ............................................................................................................................. 22
11.1. Validación de la Estimación........................................................................................... 22
11.1.1. Validación Estadística................................................................................................ 22
11.1.2. Validación Espacial .................................................................................................... 23
11.2. Validación Visual ....................................................................................................... 23
11.3. Estimación de la Densidad............................................................................................. 24
12. Categorización ....................................................................................................................... 24
12.1. Criterios Utilizados ........................................................................................................ 24
12.2. Visualización .................................................................................................................. 25
13. Reporte de Recursos .............................................................................................................. 26
13.1. Curva Tonelaje Ley......................................................................................................... 26
13.2. Análisis curva ................................................................................................................. 26
14. Conclusión ............................................................................................................................. 27
15. Bibliografía ............................................................................................................................ 27
16. Anexos ................................................................................................................................... 28
3
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Índice de tablas
Índice de Ilustraciones
4
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Índice de gráficos
5
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
1. Introducción
La minería actual es una combinación de muchas etapas determinadas, las cuales mediante una
correcta implementación ayudan al buen avance del negocio minero, llegando a ser un producto
cada vez más técnico y de alta complejidad. Dentro de los diversos procesos dentro del estudio, se
encuentra la estimación de recursos, la cual es de gran relevancia para analizar la factibilidad de un
proyecto.
La gestión de los fondos para el desarrollo del proyecto dependen netamente de la evaluación de
este mismo, por lo cual son grandes sumas de dinero. Dicho esto, el correcto estudio de los recursos
es fundamental para el futuro del proyecto, dado que mientras más confiabilidad, mayor es la
asignación de recursos monetarios.
La estimación las unidades de interés puede llevarse a cabo mediante diferentes métodos que han
ido surgiendo a través del tiempo. Los métodos que más utilizados debido a su precisión son los
métodos geoestadísticos, pues relacionan la variabilidad espacial de los datos con la cantidad de
información de estos mismos en cuanto a robustez. Entre los métodos geoestadísticos, también se
utilizan distintas herramientas para determinar el análisis espacial de los datos, considerando
elementos como la lejanía de los puntos que se consideran en la estimación, la anisotropía de las
unidades de estimación del depósito, como por ejemplo los variogramas experimentales y
modelados.
Es por eso que el presente informe está basado en la ejecución del método geoestadístico Kriging
ordinario, para estimar las leyes de cobre de un depósito mineral. La ejecución de esta evaluación
se basa en la importancia de cuantificar los recursos y reservas de un depósito mineral para
posteriormente seguir avanzando en las etapas posteriores dentro del proyecto minero.
2. Objetivos
6
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
3. Alcances
• La base de datos es proporcionada por la profesora, por ende se asume que la información
entregada es verdadera y por lo tanto confiable.
• Se utiliza Kriging ordinario para la estimación y vecino más cercano cuando es difícil determinar la
estacionaridad de orden 2 como por ejemplo para estimar QAQC.
Tabla 2. COLLAR
7
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Tabla 3. SURVEY
Tabla 4. DENSIDAD
Tipo Cantidad
Solidos de Alteración 9
Solidos de Litología 10
Solidos de Zona Mineral 13
Superficie Topografía 1
Superficie Pit de Recursos 1
Ilustración 2. SONDAJES Mo
Ilustración 3. SONDAJES Au
8
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
También se puede apreciar la distribución de los sondajes según su control de calidad y tipo de
perforación
Ilustración 4. SONDAJES POR CONTROL DE CALIDAD Ilustración 5. SONDAJES POR TIPO DE PERFORACION
Se procede a filtrar los datos en base a las visualizaciones en Vulcan. Se elimina el sondaje que
sobrepasa el nivel de la topografía porque se presume errado, al igual que los sondajes que escapan
a la topografía en una vista en planta. Finalmente, los sondajes errados son: DA-122, DA-77, DA-78,
DA-79, DA-82. Dichos sondajes fueron hechos en el año 2018 por lo que se puede suponer que se
efectuaron en una etapa de prospección posterior a la exploración más importante. En total, se
eliminarán 14 muestras de un bruto de 22518, es decir, inicialmente se filtra el 0.06% de los datos.
9
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
6. Compositación.
Se comparan los parámetros como ley media ponderada, desviación estándar, varianza, etc. para
los datos sin Compositar, compositados a 1, 2 y 15 metros.
60.0
40.0
20.0
0.0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Frecuencia 0.0 3.6 94. 0.6 0.5 1.0 0.0 0.0 0.0 0.0 0.1 0.0 0.0 0 0 0
Soporte (m)
Como se puede apreciar, los parámetros que cambian según los diferentes tamaños de composito
son el número de muestras junto con la ley media ponderada, desviación estándar y la varianza. Con
el fin de obtener un análisis más representativo de las muestras en bruto, se utiliza el tamaño de
composito con el cual la varianza sea lo más cercana a la varianza de las muestras sin Compositar,
bajo ese criterio, los posibles candidatos son las distancias de 1 y 2 metros, pero la moda de la
regularización son 2 metros, pues el 94% de las muestras son cada 2 metros, por lo tanto se utilizará
dicho tamaño de composito para el futuro análisis. También se eliminan las colas procedentes de la
compositacion (ver Ilustración 8).Cabe destacar que a regularización a 3 metros se realiza sobre la
zona mineral Capa de Fe Lixiviado y considerando su ley media de 0.194% se considera de menor
importancia para el posterior estudio (ver ilustración 9).
10
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
En un principio se visualizan los sólidos geológicos como Zona Mineral, Alteraciones y Litología
(Ilustración 10, 11 y 12) para luego determinar que el depósito representa a un pórfido cuprífero
11
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
E. alto E. Débil Grava Grava Grava Capa Fe Capa Limo. Lix. Lix. Mixtos Ox. Min.
Ferrosa Arg. Min. Lix. Lix. Lix Prim. Sec. Cu Prim.
20 D D D TD D TD D TB TB D D
21 TB TB TB B D D D TD D TB D
22 D B B D D D D D TD D
23 TB TB D D D D TB D
24 TB TB B TD D D B TB
25 TB TD B B TD TB TD
26 B D TD TD D TB
27 TB TD TD D TD
28 TB D D D
29 TD D TD
30 D TD
31 D
32
Clorita Filica Filica P. Propilítica Biotita K Sericita V Sericita Débil Sericita Alta Silícea
1 TB B D B D TD B D
2 TB TB TD D
3 D TB TB TB TD
4 D TD B
5 D B TB D
6 D TB D
7 D
8
9
Tabla 8. MATRIZ DE CONTACTO ALTERACIONES
Tabla 7. MATRIZ DE CONTACTO ZONA MINERAL
Brecha Brecha Brecha Dique Dique Dique Gravilla Propil Propil Propil
Sur Sur Americana Tm. Bt. Clorita Clorita Clorita Compleja Granodiorita Ígnea Riolitica
Cl. A B C Plutónica
10 TB TD B TB D TD D B B
11 B TB B TD D D TD D
12 D TB TD D D D TD
13 B B D D B D
14 D D D B TB
12
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
15 D TB TB TB
16 B D
17 TD D
18 TB
19
Se obtienen las derivas de las UGs para determinar la continuidad del depósito. Por practicidad, solo
se expondrán los Scatter Plot, histograma y las derivas de la UG de zona mineral llamada
Enriquecimiento Débil, este análisis se realiza con y sin outliers para ver el impacto de estos en la
continuidad de la ley en dicha zona mineral.
Grafico 3. SCATTER PLOT CON OUTLIERS Grafico 2. SCATTER PLOT SIN OUTLIERS
13
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Grafico 11. DERIVAS EN X CON OUTILERS Grafico 10. DERIVAS EN Y CON OUTILERS Grafico 9. DERIVAS EN Z CON OUTILERS
Una vez se sabe que es un pórfido cuprífero, se realiza el análisis exploratorio de datos con la
finalidad de definir Unidades de Estimación y así dividir el yacimiento para un posterior estudio por
separado.
14
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Inicialmente se realizan diagramas de cajas para determinar que unidades geológicas controlan la
ley del depósito. Se obtiene que la Zona mineral controla la distribución de leyes, a partir de ello se
separan UEs por alteración y litología, siempre manteniendo en cuenta los aspectos espaciales como
la matriz de contacto y la continuidad espacial de los sólidos geológicas. A continuación se presenta
la formación de la unidad de estimación 2.
15
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Como se aprecia en los gráficos 14, 15 y 16, se unen las alteraciones de distribución similar en cada
una de las UGs mediante un script. Luego se vuelve a graficar la distribución de probabilidad, la que
mejora significativamente con respecto a la anterior, por lo tanto se procede a calcular las derivas
para determinar la estacionaridad de orden 2.
Grafico 15. ALTERACIONES EN ENRIQUECIMIENTO FUERTE Grafico 14. ALTERACIONES EN ENRIQUECIMIENTO DEBIL
16
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Grafico 19. DERIVA EN X UE2 Grafico 18. DERIVA EN Y UE2 Grafico 17. DERIVA EN Z UE2
Finalmente se presenta la tabla donde se resume cada unidad de estimación conformada, con sus
respectivas zonas minerales, alteraciones y litologías.
17
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
9. Variografía
Se realiza un estudio variográfico para la Unidad de estimación 2 (UE2) para establecer las
direcciones preferenciales de las leyes en el espacio. La escala para los mapas de los variogramas
corresponde tiene como valor máximo la varianza de la unidad. Además se presenta en conjunto el
mapa de los pares de datos.
18
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
19
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Para esta unidad de estimación se encuentra una dirección preferencial en N20° con una inclinación
de 80° desde la horizontal y de -10° desde la dirección de la misma. Con la información obtenida se
procede a modelar las 3 direcciones de anisotropía de la unidad. Con lo anterior, el modelo
variográfico para la unidad de estimación 2 (UE2) en las tres direcciones es el siguiente:
UE Modelo Variográfico
1
2
3
4
5
6
7
8
9
Tabla 11. MODELOS VARIOGRAFICOS POR UE
20
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
21
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
11. Estimación
Se utiliza el método de Kriging Ordinario para estimar las
leyes de cobre y el método de Inverso a la Distancia de
Orden 2 para estimar la densidad del depósito. La densidad
se estima para luego poder realizar la curva Tonelaje Ley.
Los criterios utilizados en la estimación son aceptados
previamente en la validación cruzada, como por ejemplo,
exigirle mayor cantidad de muestras para las UEs con alta
variabilidad. Se presenta la tabla resumen de las pasadas
por cada UE.
Tabla 13. PASADAS DE KRIGING POR UE
Es posible apreciar que las leyes medias obtenidas con Kriging se asemejan mucho a la media por
NN, pues ninguno de los errores entre ambas estimaciones excede el 5%.
22
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Cabe destacar que en las derivas las distribuciones están muy juntas en los 3 ejes. También se
aprecia que la estimación del CuTKO subestima las leyes altas y sobreestima las layas bajas, es decir,
suaviza la distribución, esto es debido a que el método Kriging otorga pesos a las muestras. Existen
diferencias puntuales entre las curvas, pero se sustentan en una baja cantidad de datos, por ende
no reflejan perfectamente la realidad del sector.
23
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
12. Categorización
La categorización se realiza en base a parámetros de importancia para la UE, como por ejemplo la
distancia o alcance en la continuidad, el número de muestras con la que estimo el bloque y la
varianza de los propios bloques. Es por eso que se realiza una estadística general y por deciles de
estos parámetros para disgregar los bloques entre por mayor y menor confianza.
24
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
12.2. Visualización
Se visualiza el pit de Recursos categorizado, en una seccion media que permite apreciar la mayor
dimension en perfil.
Ilustración 21. PIT DE RECURSOS CATEGORIZADO PLANTA Ilustración 22. PIT DE RECURSOS CATEGORIZADO PERFIL
El Downgrade es necesario para darle una mayor confianza a la categorización, pues le baja un grado
a la categoría del bloque. Se puede hacer por varios factores tales como tipo de perforación o control
de calidad, en este caso se lleva a cabo por control de calidad QAQC, es decir, a los bloques donde
no tenga QAQC estimado (se estima previamente por Vecino más cercano), se les bajara un grado,
mientras que los bloques que si tienen QAQC, mantendrán su categoría.
Ilustración 23. PIT DE RECURSOS CASTIGADO PLANTA Ilustración 24. PIT DE RECURSOS CASTIGADO PERFIL
25
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Grafico 26. . CURVA TONELAJE LEY SIN CASTIGO Grafico 25. CURVA TONELAJE LEY CASTIGADO QAQC
Es necesario detallar que la las curvas se diferencian principalmente en el tonelaje total, esto se
debe principalmente a que al momento de castigar los recursos por control de calidad,
naturalmente disminuyen los recursos medidos. Bajo este escenario, si se desea hacer un
análisis más conservador, este debe efectuarse en la curva con recursos castigados. En este
caso, bajo una ley de corte igual a 0,2% de Cu, se tendrán cerca de 375 MTon de material a una
ley media de 0.3% de Cu.
26
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Al analizar el grafico, es posible apreciar que en la curva de tonelaje tiene un repentino cambio
entre las leyes de corte 0.2% y 0.4%, esto se puede interpretar como una ley critica, pues si la
ley de corte bordea los 0.4%, el tonelaje se reduce excesivamente casi al 5% del total, por lo
tanto se puede aseverar que la ley critica del depósito bordea los 0.4% de Cu.
14. Conclusión
Como primera conclusión se evidencia el cumplimiento de los objetivos obteniendo la
categorización de recursos y reservas en conjunto con la curva Tonelaje/Ley del yacimiento,
además de la conformación de unidades de estimación que ayuden a comprender y mejorar la
estimación.
En base a la curva tonelaje-ley, bajo una ley de corte igual a 0,2% de Cu, se tendrán cerca de 375
MTon de material a una ley media de 0.3% de Cu. Además se aprecia que existe una ley crítica
de 0.2% ya que a partir de dicha ley, la curva baja drásticamente y se extrae muy poco material.
Se recomienda realizar una campaña nueva de sondajes en las zonas donde la trazabilidad es
negativa, es decir, no existe un control de calidad. Con lo anterior se puede obtener una mayor
confiabilidad de los datos, siendo quizás una mejor opción que realizar un castigo a estas zonas.
También se recomienda estudiar con una campaña de sondajes la zona adyacente al sondaje
designado como DA-84. Como se encontró fuera de la topografía y, por consecuente, de los
modelos geológicos; no influyó en la estimación, por lo tanto se dejó. Aun así, por las leyes que
posee, podría tratarse de otro depósito.
15. Bibliografía
Emery, X. (2009). Apunte de Geoestadística. FCFM U. de Chile.
Quiñones, C. (2016). “Terminología básica para la Geoestadística aplicada a la Minería”.
Santiago.
Castillo, D. (2016). “Clasificación de Recursos”. Santiago.
Alfaro, M. (2007). Estimación de Recursos Mineros.
Pizarro, N. (2017). Reporte: “Lecciones aprendidas y desafíos futuros”. CODELCO.
27
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
16. Anexos
Anexo 1. Variografía
UE1
28
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE3
29
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE4
30
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE5
31
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE6
32
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE7
33
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE8
34
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE9
35
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
36
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
37
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE2
38
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE3
39
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE4
40
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE5
41
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE6
42
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE7
43
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE8
44
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
UE9
45
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
46
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
47
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
48
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
49
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Anexo 4. Categorización
Los factores de categorización para cada UE serán:
Distancia (Dist.UE1)
Numero de Muestras (NM.UE1)
Varianza (Var.UE1)
UE1
Se hace estadística descriptiva de estas variables para determinar el criterio con el que se va a
categorizar
50
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Criterios
Dist1: Bajo el 70% del alcance (Muestras más confiables) (<185 para indicados)
UE3
Se hace estadística descriptiva de estas variables para determinar el criterio con el que se va a
categorizar
51
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Criterios
Dist1: Bajo el 70% del alcance (Muestras más confiables) (<100 para indicados)
UE4
Se hace estadística descriptiva de estas variables para determinar el criterio con el que se va a
categorizar
52
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Criterios
Dist1: Bajo el 70% del alcance (Muestras más confiables) (<70 para indicados)
UE5
Se hace estadística descriptiva de estas variables para determinar el criterio con el que se va a
categorizar
Criterios
Dist1: Bajo el 70% del alcance (Muestras más confiables) (<265 para indicados)
UE6
Se hace estadística descriptiva de estas variables para determinar el criterio con el que se va a
categorizar
53
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Criterios
Dist1: Bajo el 70% del alcance (Muestras más confiables) (<67 para indicados)
UE7
Se hace estadística descriptiva de estas variables para determinar el criterio con el que se va a
categorizar
54
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Criterios
Dist1: Bajo el 70% del alcance (Muestras más confiables) (<136 para indicados)
UE8
Se hace estadística descriptiva de estas variables para determinar el criterio con el que se va a
categorizar
Criterios
Dist1: Bajo el 70% del alcance (Muestras más confiables) (<176 para indicados)
UE9
Se hace estadística descriptiva de estas variables para determinar el criterio con el que se va a
categorizar
55
Universidad de Santiago de Chile
Facultad de Ingeniería
Departamento de Ingeniería en Minas
Laboratorio de Geoestadística
Criterios
Dist1: Bajo el 70% del alcance (Muestras más confiables) (<476 para indicados)
56