Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Perspectiva histrica
teora de probabilidades
procesos estocsticos
precursores (1950-1960):
Krige, Sichel, Matrn,
Gandin
formalizacin: Matheron
(1962)
utilizacin en Chile desde
1970
Introduccin (3)
Campaa de exploracin
Evaluar y categorizar los recursos in situ
Justificar la produccin de largo plazo
Dnde perforar nuevos sondajes?
Qu malla de perforacin permitir generar recursos bancables?
Modelo de pre-factibilidad
Introduccin (6)
Explotacin
Mediciones en pozos de tronadura , canales, etc.
Planificacin de corto plazo
Control de leyes: definir qu bloques mandar a planta o
botadero
Reconciliacin mina - planta
MINERAL
LEY
POTENCIA, ACUMULACIN
LEY DE CORTE
CONTINUIDAD
RECURSO GEOLGICO
RESERVA MINERA
DILUCIN
dilucin interna
geomtrica: debido al contacto entre mineral y estril
inherente: debida al tamao de bloque
VARIABLE REGIONALIZADA
Ejemplos:
leyes en cobre, arsnico, molibdeno
densidad de la roca
potencia y acumulacin de una veta
cdigo de litologa
Nociones fundamentales (11)
ADITIVIDAD
Ejemplos:
potencia, acumulacin, ley de mineral (si densidad
constante)
Contra-ejemplos
COMPSITOS
DATOS Y MODELOS
En general, una variable regionalizada se conoce de manera
parcial, a travs de un conjunto limitado de datos:
muestras de sondajes
datos de produccin (pozos de tronadura, canaletas)
Principios directores
Fuentes de errores
Tipos de despliegue
proyecciones en plantas y secciones; vistas 3D
codificar los datos por colores, por indicador o por smbolos
Despliegue de atributos (mapas) (2)
Ejemplo 3: visualizacin 3D
Despliegue de atributos (mapas) (5)
Histograma estndar
Construccin
dependiendo del nmero de datos, escoger un nmero de clases
Utilidad
Ver la distribucin de valores (rango, forma, asimetra)
Detectar valores atpicos (outliers)
Detectar bi- o multi-modalidades (mezcla de varias
poblaciones de datos?)
Distribucin de leyes (4)
Estadstica bsica
medidas de posicin
media, moda, mnimo, mximo, cuantiles o percentiles
(mediana, cuartiles, quintiles, deciles, centiles)
medidas de dispersin
varianza, desviacin estndar, coeficiente de variacin,
rango, rango intercuartil
medidas de forma
coeficiente de asimetra, coeficiente de aplanamiento
Distribucin de leyes (5)
Diagrama de caja
Histograma acumulado
Grficos de probabilidad
Hay que tener cuidado que las curvas tonelaje ley dependen del
soporte de los valores medidos, en particular las curvas asociadas
a los datos (soporte puntual) no coinciden con las curvas de las
unidades selectivas de explotacin (bloques). Para estimar estas
ltimas, ser necesario construir un modelo de cambio de soporte.
Comportamiento direccional (1)
Nubes direccionales
Posibles situaciones:
el grfico dibuja una recta
igual a la diagonal (45)
paralela a la diagonal
inclinada con respecto a la diagonal
Nube de dispersin
ver la relacin par a par de ambas variables o correlacin
detectar valores aberrantes
Pares deben corresponder a la misma ubicacin en el espacio
(co-localizados)
Herramientas bivariables (4)
Ejemplos de uso
ley estimada-ley verdadera
leyes de cobre-arsnico, cobre total-cobre soluble, etc.
ley-profundidad
Herramientas bivariables (5)
aX b
Y
cov (X, Y)
con: a
var ( X)
b mY a mX
Herramientas bivariables (7)
Cu Mo Au Ag
Mtodos de clasificacin /
agrupamiento multivariable:
algoritmos de particionamiento
(k-means, mtodo isodata,
nubes dinmicas, expectation-
maximization)
algoritmos jerrquicos,
ascendentes o descendentes,
donde la particin se define al
fusionar o subdividir grupos de
individuos
Comportamiento espacial (1)
START OF PARAMETERS:
muestras.dat -file with data
1 2 4 - columns for X, Y, variable
3 -1.0e21 1.0e21 - columns for Z and coordinate limits
-1.0 1.0e21 - trimming limits
mapa_muestras_Cu_planta.ps -file for PostScript output
0.0 400. -xmn,xmx
0.0 600. -ymn,ymx
0 -0=data values, 1=cross validation
0 -0=arithmetic, 1=log scaling
1 -0=gray scale, 1=color scale
0 -0=no labels, 1=label each location
0.0 3.0 0.5 -gray/color scale: min, max, increm
0.25 -label size: 0.1(sml)-1(reg)-10(big)
Muestras de exploracion (planta) -Title
Histograma
START OF PARAMETERS:
muestras.dat -file with data
4 0 - columns for variable and weight
-1.0 1.0e21 - trimming limits
hist_muestras_Cu.ps -file for PostScript output
0.0 3.0 -attribute minimum and maximum
0.12 -frequency maximum (<0 for automatic)
30 -number of classes
0 -0=arithmetic, 1=log scaling
0 -0=frequency, 1=cumulative histogram
0 - number of cum. quantiles (<0 for all)
2 -number of decimal places (<0 for auto.)
Histograma estandar -title
1.5 -positioning of stats (L to R: -1 to 1)
-1.1e21 -reference value for box plot
Desagrupamiento (1)
START OF PARAMETERS:
muestras.dat -file with data
1 2 3 4 - columns for X, Y, Z, and variable
-1.0 1.0e21 - trimming limits
declus.sum -file for summary output
declus.out -file for output with data & weights
1.0 0.25 -Y and Z cell anisotropy (Ysize=size*Yanis)
0 -0=look for minimum declustered mean (1=max)
94 30.0 500.0 -number of cell sizes, min size, max size
10 -number of origin offsets
Desagrupamiento (2)
START OF PARAMETERS:
declus.sum -file with data
1 2 0 0 - columns for X, Y, wt, third var.
-1.0 1.0e21 - trimming limits
media_vs_tamano.ps -file for Postscript output
0.0 500.0 0 -X min and max, (0=arith, 1=log)
0.8 1.10 0 -Y min and max, (0=arith, 1=log)
1 -plot every nth data point
0.5 -bullet size: 0.1(sml)-1(reg)-10(big)
0.0 5.0 -limits for third variable gray scale
Media desagrupada vs tamano de celda -title
Desagrupamiento (3)
START OF PARAMETERS:
muestras.dat -file with data
1 2 3 4 - columns for X, Y, Z, and variable
-1.0 1.0e21 - trimming limits
declus.sum -file for summary output
declus.out -file for output with data & weights
1.0 0.25 -Y and Z cell anisotropy (Ysize=size*Yanis)
0 -0=look for minimum declustered mean (1=max)
1 48.0 48.0 -number of cell sizes, min size, max size
10 -number of origin offsets
Desagrupamiento (4)
START OF PARAMETERS:
declus.out -file with data
4 7 - columns for variable and weight
-1.0 1.0e21 - trimming limits
hist_declus_Cu.ps -file for PostScript output
0.0 3.0 -attribute minimum and maximum
0.12 -frequency maximum (<0 for automatic)
30 -number of classes
0 -0=arithmetic, 1=log scaling
0 -0=frequency, 1=cumulative histogram
0 - number of cum. quantiles (<0 for all)
2 -number of decimal places (<0 for auto.)
Histograma desagrupado -title
1.5 -positioning of stats (L to R: -1 to 1)
-1.1e21 -reference value for box plot
Grficos de probabilidad
START OF PARAMETERS:
declus.out -file with data
4 7 - columns for variable and weight
-1.0 1.0e21 - trimming limits
logprobplt_declus_Cu.ps -file for PostScript output
0 -number of points to plot (<0 for all)
1 -0=arithmetic, 1=log scaling
0.1 10.0 0.5 -min,max,increment for labeling
Grafico de probabilidad lognormal -title
Curvas tonelaje-ley
START OF PARAMETERS:
declus.out \file with data
4 7 \ columns for grade and weight
-1. 1.0e21 \ trimming limits
100.0 \ clipping limit (upper limit)
gtcurve_declus_Cu.ps \file for Postscript output
30 0.0 3.0 \Cutoff: num, min and max
0.0 1.0 \Tonnes: min and max
0.0 5.0 \Grade: min and max
Curvas Tonelaje-Ley
Nubes direccionales
START OF PARAMETERS:
declus.out -file with data
1 4 7 0 - columns for X, Y, wt, third var.
-1.0 1.0e21 - trimming limits
nube_Cu_este.ps -file for Postscript output
0. 400.0 0 -X min and max, (0=arith, 1=log)
0.0 7.3 0 -Y min and max, (0=arith, 1=log)
1 -plot every nth data point
0.25 -bullet size: 0.1(sml)-1(reg)-10(big)
0.0 5.0 -limits for third variable gray scale
Nube direccional (este) -title
Nubes de dispersin
START OF PARAMETERS:
declus.out -file with data
4 5 7 0 - columns for X, Y, wt, third var.
-1.0 1.0e21 - trimming limits
scatplt_cobre_oro.ps -file for Postscript output
0. 7.0 0 -X min and max, (0=arith, 1=log)
0.0 70.0 0 -Y min and max, (0=arith, 1=log)
1 -plot every nth data point
0.25 -bullet size: 0.1(sml)-1(reg)-10(big)
0.0 5.0 -limits for third variable gray scale
Nube de dispersion -title
Grfico cuantiles contra cuantiles
START OF PARAMETERS:
declus.out -file with first set of data (X axis)
4 7 - columns for variable and weight
declus.out -file with second set of data (Y axis)
5 7 - columns for variable and weight
-1.0 1.0e21 - trimming limits
qqplt_declus_CuAu.ps -file for PostScript output
0 -0=Q-Q plot, 1=P-P plot
0 -number of points to plot (<0 for all)
0.0 7.0 -X minimum and maximum
0.0 70.0 -Y minimum and maximum
0 -0=arithmetic, 1=log scaling
Grafico cuantiles contra cuantiles -Title
Nube de correlacin diferida (1)
START OF PARAMETERS:
muestras.dat -first data file
1 2 3 4 -columns for X, Y, Z, and Value
muestras.dat -second data file
1 2 3 4 -columns for X, Y, Z, and Value
getpairs.out -output file with pairs
60.0 -maximum distance
Nube de correlacin diferida (2)
START OF PARAMETERS:
getpairs.out -file with data
2 3 1 - columns for X, Y, variable
18.0 22.0 - trimming limits
hscatt20.ps -file for PostScript output
0.0 3.0 -xmn,xmx
0.0 3.0 -ymn,ymx
0 -0=data values, 1=cross validation
0 -0=arithmetic, 1=log scaling
0 -0=gray scale, 1=color scale
0 -0=no labels, 1=label each location
-1.0 0.0 0.5 -gray/color scale: min, max, increm
0.2 -label size: 0.1(sml)-1(reg)-10(big)
Nube de correlacion diferida (20m) -Title
Mapa de datos ubicados en una grilla
Parameters for PIXELPLT
***********************
START OF PARAMETERS:
Grilla_25x25.dat -file with gridded data
4 - column number for variable
-1.0 1.0e21 - data trimming limits
pixel_pozos25_Cu.ps -file with PostScript output
1 -realization number
16 12.5 25.0 -nx,xmn,xsiz
24 12.5 25.0 -ny,ymn,ysiz
11 11.0 12.0 -nz,zmn,zsiz
1 -slice orientation: 1=XY, 2=XZ, 3=YZ
10 -slice number
Leyes de cobre - pozos centrales -Title
Este -X label
Norte -Y label
0 -0=arithmetic, 1=log scaling
1 -0=gray scale, 1=color scale
0 -0=continuous, 1=categorical
0.0 3.0 0.5 -continuous: min, max, increm.
2 -categorical: number of categories
1 3 Code_One -category(), code(), name()
2 1 Code_Two