01 Analisis Exploratorio

Leccin 1:
Conceptos bsicos y estudio

exploratorio de datos
Introduccin (1)
La geoestadstica es una disciplina que permite analizar datos

ubicados en un espacio, por ejemplo:
leyes de cobre, molibdeno, arsnico, etc., en un yacimiento
porosidad y permeabilidad de la roca en un acufero / reservorio
cantidad de nitrato, pH, conductividad elctrica en muestras de
suelo
concentracin de un elemento contaminante en la atmsfera
nmero y dimetro de los rboles en un bosque
precio del cobre a lo largo del tiempo
Introduccin (2)
Perspectiva histrica
teora de probabilidades
procesos estocsticos
precursores (1950-1960):
Krige, Sichel, Matrn,
Gandin
formalizacin: Matheron
(1962)
utilizacin en Chile desde
1970
Introduccin (3)
La estadstica se ocupa de los mtodos cientficos para recolectar,

organizar, resumir, presentar y analizar datos as como obtener
conclusiones vlidas y tomar decisiones razonables en base a dicho
anlisis
La geoestadstica es una rama de la estadstica aplicada que pone

nfasis en:
el contexto geolgico de los datos
la relacin espacial entre los datos
datos medidos con un soporte volumtrico y precisin
diferentes
Introduccin (4)
La geoestadstica permite estudiar datos numricos cuantitativos.

Estos datos pueden corresponder a distintos tipos de variables:
Variables continuas (ordinales): leyes de mineral, densidad de
roca, recuperacin metalrgica, etc.
Variables discretas (ordinales): variables de conteo (nmero de
diamantes); variables discretizadas (clases de leyes de mineral,
abundancias de minerales medidas en una escala cualitativa)
Variables categricas (nominales): tipos de roca, alteraciones,
mineralizaciones, etc.
Adems de la informacin de la(s) variable(s), los datos

geoestadsticos deben poseer la informacin de las coordenadas
correspondientes a las mediciones realizadas.
Introduccin (5)
El anlisis geoestadstico de datos interviene en todas las etapas

de un proyecto minero:
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)
Perforacin de desarrollo, modelo de factibilidad
campaa de sondajes en malla densa
modelamiento geolgico (tipos de roca, mineralizacin)
estimacin local de recursos para determinar reservas

mineras, planificar la produccin de mediano y largo
plazo, clasificar cada bloque como mineral o estril
reporte (inventario) de los recursos y reservas, detallando
su cantidad y su confiabilidad
auditoria para comprobar la evaluacin
Introduccin (7)
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
A medida que avanza el proyecto minero, se tiene un conocimiento

ms completo del depsito y se actualiza los modelos geolgicos y
de recursos / reservas para incorporar la informacin nueva.
Introduccin (8)
Ejemplo: prfido cuprfero en el cual se mide la ley de cobre
La cantidad de muestras influye en el conocimiento de la

distribucin espacial de las leyes (continuidad, anisotropa...)
Introduccin (9)
Algunos objetivos de la geoestadstica

describir la distribucin de una variable en el espacio
estimar losvalores en sitios no muestreados
calcular los recursos recuperables sobre una ley de corte
conocer la incertidumbre sobre los valores no muestreados

construccin de escenarios posibles
anlisis de riesgo
integrar informacin de distinta naturaleza o distinta calidad
disear una malla de muestreo ptima
Conceptos fundamentales
de evaluacin de yacimientos
Nociones fundamentales (1)
MINERAL
material que tiene un inters econmico, en oposicin a estril
Esta definicin depende de varios factores:

temporales (precio del metal, tecnologa...)
legales (normas de seguridad, ambientales...)
ubicacin (infraestructura disponible)
tasa de descuento
LEY
Es la concentracin de un elemento (elemento principal,

subproducto o elemento contaminante) en el subsuelo
POTENCIA, ACUMULACIN
LEY DE CORTE
Se trata de un valor de ley que separa categoras distintas de

material, por ejemplo mineral y estril
CONTINUIDAD
Este concepto se refiere a la distribucin de un atributo en el

espacio
continuidad geolgica
continuidad de leyes
Nota: ambos tipos de continuidad no siempre se dan en forma

simultnea
RECURSO GEOLGICO
Concentracin u ocurrencia de material de inters econmico

intrnseco en o sobre la corteza de la Tierra en forma y
cantidad en que haya probabilidades razonables de una
eventual extraccin econmica
Se habla indistintamente de recursos geolgicos, recursos

minerales o recursos in situ
RESERVA MINERA
Es la parte econmicamente explotable de un recurso

mineral. Incluye dilucin de materiales y tolerancias por
prdidas que se puedan producir cuando se extraiga el
material.
Contempla la consideracin de y modificacin por factores
razonablemente asumidos de extraccin, metalrgicos,
econmicos, de mercados, legales, ambientales, sociales y
gubernamentales.
CATEGORIZACIN DE RECURSOS Y RESERVAS
El nivel de conocimiento y de confianza en las estimaciones

aumenta con la exploracin del depsito. Para el reporte de
recursos y reservas, se suele definir varias categoras:
los recursos minerales se subdividen, en orden de confianza
geolgica ascendente, en categoras de inferidos, indicados y
medidos.
las reservas mineras se subdividen, en orden creciente de

confianza, en reservas probables y reservas probadas
Existen varios cdigos internacionales para guiar la categorizacin

de recursos y reservas: JORC (Australia), SAMREC (Sudfrica),
CIM (Canad), IMM (Europa), SME (Estados Unidos)...
UNIDAD SELECTIVA DE EXPLOTACIN
Es el volumen mnimo de los bloques que se puede utilizar para

seleccionar el mineral del estril
depende del equipo para explotar (pala)

base para el estudio de factibilidad
en el modelo de yacimiento, cada unidad contiene estimaciones
de sus leyes y otros parmetros (densidad, dureza, recuperacin

metalrgica, etc.)
DILUCIN
La dilucin se refiere al hecho de mezclar (no separar) el

mineral del estril. Puede deberse a varios factores:
dilucin interna
geomtrica: debido al contacto entre mineral y estril
inherente: debida al tamao de bloque
dilucin externa o de operacin

VARIABLE REGIONALIZADA
Una variable regionalizada es una funcin que representa

el desplazamiento en el espacio de un atributo asociado a
un fenmeno natural (mineralizacin)
Ejemplos:
leyes en cobre, arsnico, molibdeno
densidad de la roca
potencia y acumulacin de una veta
cdigo de litologa
En general, una variable regionalizada presenta cierta continuidad

espacial (zonas de altos valores / zonas de bajos valores), pero
vara irregularmente y escapa a toda representacin simple
Una variable regionalizada se caracteriza por:
su naturaleza (continua / discreta / nominal o categrica)

su dominio de extensin (campo)
su soporte, por ejemplo:
testigo de sondaje HQ de 1m de largo
unidad selectiva de explotacin de 5m 5m 5m
Existe una relacin entre el soporte y la distribucin estadstica

de los valores: los soportes voluminosos presentan una menor
cantidad de valores extremos y una mayor cantidad de valores
intermedios que los soportes puntuales.
En minera, este efecto de soporte tiene consecuencia en la

selectividad: los tonelajes, leyes medias y cantidades de metal
recuperables sobre una ley de corte dependen del soporte de la
unidad de seleccin.
Ejemplo: recursos recuperables sobre una ley de corte de 0.5% Cu

ADITIVIDAD
Se dice que una variable regionalizada es aditiva cuando el valor

de un soporte grande (bloque) es el promedio aritmtico o la
suma de los valores puntuales dentro del bloque. Esta
propiedad permite que realizar un cambio de soporte.
Ejemplos:
potencia, acumulacin, ley de mineral (si densidad
constante)
Contra-ejemplos
razn de solubilidad, permeabilidad de la roca, cdigo de

tipo de roca
Cul es la ley promedio en la veta?

335 253 581 199 212 505 296 356 352 gr Au
m1 3.30
119 81 140 75 106 215 75 34 91 t
Sin ponderar por la potencia, se obtendra:

1 335 253 581 199 212 505 296 356 352 gr Au
m2 3.93
9 119 81 140 75 106 215 75 34 91 t
COMPSITOS
Un mismo conjunto de datos no debe contener muestras de

soporte distinto. Por ende, es necesario llevar las muestras a
compsitos de la misma longitud (generalmente, igual a la
altura del bloque de seleccin minera o a un sub-mltiplo
de esta altura) que se pueden agrupar en el estudio
estadstico.
Mientras ms largo el compsito, menos dispersos y menos
errticos los valores.
Creacin de compsitos
Muestras originales
Compsitos
con su ley de cobre
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)
Para aprovechar la informacin disponible, ser necesario

construir modelos matemticos. Debe tenerse presente que un
modelo nunca describe la variable regionalizada en su totalidad,
sin simplificacin, ni distorsin. Tambin, la validez de un
modelo puede depender de la escala de trabajo
Principios directores
El modelo debe ser consistente (no incompatible) con los datos.

Principio de realismo: encontrar un modelo que entrega una
descripcin adecuada de la variable, ni demasiado simplificada,
ni demasiado deformada.
Principio de economa: encontrar el modelo menos exigente que
permite resolver el problema planteado.
Reconstruccin operatoria: plantear el resultado en trminos
objetivos, susceptibles de ser refutados si se tuviera un
conocimiento exhaustivo de la variable regionalizada.
ESTIMACIN LOCAL INCERTIDUMBRE
Para compensar la falta de informacin debida al nmero

limitado de datos, el modelo permitir estimar los valores
de los bloques que componen el yacimiento a partir de las
muestras circundantes.
Cabe recordar que las estimaciones nunca son perfectas y

estn afectadas por errores que pueden incidir en el clculo
de los recursos o de las reservas
Ejemplo: clasificacin de las unidades selectivas de explotacin
en mineral o estril
Fuentes de errores
variabilidad inherente de las leyes

errores en el modelo geolgico
errores de muestreo (variabilidad introducida)
Etapas en la evaluacin de yacimientos
Modelamiento geolgico: determinacin de unidades geolgicas

en base a la litologa, mineraloga, alteracin, etc. En general, cada
unidad se estudia y se estima por separado.
Evaluacin de la calidad de los datos (muestras)
Modelamiento geoestadstico de los datos
Estimacin global y local de los recursos geolgicos
Definicin y reporte de las reservas mineras

Herramientas
exploratorias
Objetivos (1)
Estudiar la cantidad y ubicacin de los datos disponibles para

realizar la estimacin de recursos y reservas
Verificar la calidad y representatividad de los datos (datos
duplicados, atpicos o aberrantes; inconsistencias; derivas; tipos de
datos disponibles; soporte volumtrico; muestreo preferencial;

relaciones multivariables; variables sub-muestreadas; etc.)
Resumir la informacin contenida en los datos
Familiarizarse con los datos y la geologa
Objetivos (2)
Definir los datos a utilizar (tamao de compsitos; outliers / capping)

Definir la(s) zona(s) de estudio.
Seleccionar unidades geolgicas
Comprobar la homogeneidad de las leyes en cada unidad geolgica,
y la pertinencia de las unidades geolgicas propuestas.
Examinar contactos entre unidades geolgicas
Anticipar dificultades o problemas que puedan surgir en la fase de
estimacin de recursos y reservas.
Presentacin de los datos
Sondajes de exploracin en un yacimiento tipo prfido cuprfero

obtencin de 2376 datos compositados con sus leyes de
cobre total (en %), oro total (en g/t) y el tipo de roca.
Cdigo Tipo de roca
4 Granodiorta cascada
54 Diorta
20 Brecha de turmalina
31 Brecha de polvo de roca
34 Brecha de polvo de roca y turmalina
28 Brecha monolito
29 Brecha de turmalina - monolito
Despliegue de atributos (mapas) (1)
Permite visualizar la ubicacin de los datos en el espacio y

darse una idea preliminar de la continuidad espacial de la
variable regionalizada en estudio:
litologa
mineralizacin definicin de unidades geolgicas
alteracin
leyes, densidad, potencia, etc.
Tipos de despliegue
proyecciones en plantas y secciones; vistas 3D
codificar los datos por colores, por indicador o por smbolos
Ejemplo 1: mapas codificados por colores (ley de cobre total)

Ejemplo 2: mapas de indicadores

Ejemplo 3: visualizacin 3D
Ejemplo 4: mapas para variables

categricas
Ejemplo 5: modelo litolgico en plantas o secciones
dos secciones visualizacin tridimensional

Distribucin de leyes (1)
Histograma estndar
Visualiza la frecuencia de ocurrencia en funcin del valor

Construccin
dependiendo del nmero de datos, escoger un nmero de clases
desplegar el rango importante de los datos (colas no se ven bien)
desplegar estadsticas con un nmero razonable de decimales

Utilidad
Ver la distribucin de valores (rango, forma, asimetra)
Detectar valores atpicos (outliers)
Detectar bi- o multi-modalidades (mezcla de varias
poblaciones de datos?)
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
Herramientas alternativas al histograma estndar

diagrama de caja
histograma acumulado
grficos de probabilidad
curvas tonelaje-ley
Diagrama de caja
Permite resumir algunas caractersticas de la distribucin, tal

como su simetra y su dispersin
Histograma acumulado
Para cada ley de corte, se visualiza la frecuencia de los valores

menores que dicha ley de corte.
Grficos de probabilidad
Estos grficos comparan una distribucin emprica con una

distribucin de referencia normal o lognormal.
El grfico de probabilidad normal distorsiona el eje de las

ordenadas del histograma acumulado, de modo que el grfico
dibujara una recta en caso de tener una distribucin normal
o Gaussiana.
El grfico de probabilidad lognormal consiste en usar una

escala logartmica en el eje de las abscisas: si la distribucin
de los valores fuera lognormal, se obtendra una recta.
La presencia de varias poblaciones entre los datos puede

traducirse en un quiebre de pendiente en estos grficos. Sin
embargo no es una condicin necesaria ni suficiente, por lo
que se debe complementar el anlisis con otra informacin.
Curvas tonelaje-ley
El tonelaje asociado a una ley de corte es la cantidad de valores
que superan esta ley de corte. La media de estos valores provee
la ley promedio sobre la ley de corte. El tonelaje tambin puede
expresarse como fraccin del total (entre 0 y 1).
Cuando aumenta la ley de corte, el tonelaje decrece y la ley media

crece. El producto del tonelaje por la ley media define la cantidad
de metal (funcin decreciente de la ley de corte).
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
Visualizan el comportamiento de los valores a lo largo de los

ejes de coordenada. Esta herramienta permite detectar valores
atpicos e identificar tendencias o cambios en la continuidad
espacial de los valores.
media desv. estndar

rango [m]
[% Cu] [% Cu]
0 50 0.55 0.27
50 100 0.96 0.46
100 150 1.23 0.81
150 200 1.13 0.57
200 250 1.15 0.82
250 300 0.94 0.52
300 350 0.82 0.42
350 400 0.73 0.47
media desv. estndar
rango [m]
[% Cu] [% Cu]
0 50 0.93 0.83
50 100 1.39 1.08
100 150 1.18 0.74
150 200 0.96 0.48
200 250 0.90 0.48
250 300 0.97 0.41
300 350 1.04 0.39
350 400 1.04 0.50
400 450 1.09 0.53
450 500 1.16 0.69
500 550 0.55 0.28
550 600 0.52 0.23
media desv. estndar

rango [m]
[% Cu] [% Cu]
0 25 0.91 0.48
25 50 0.95 0.45
50 75 0.95 0.51
75 100 1.00 0.65
100 125 1.03 0.73
Herramientas bivariables (1)
Grfico cuantiles contra cuantiles
Visualiza los cuantiles de una variable en funcin de los

cuantiles de otra variable.
Posibles situaciones:
el grfico dibuja una recta
igual a la diagonal (45)
paralela a la diagonal
inclinada con respecto a la diagonal
el grfico no dibuja una recta
Cuidado: el grfico cuantil contra cuantil no da ninguna

informacin sobre la correlacin entre variables, slo sobre el
parentesco de sus distribuciones
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)
Ejemplos de uso
ley estimada-ley verdadera
leyes de cobre-arsnico, cobre total-cobre soluble, etc.
ley-profundidad
Coeficiente de correlacin lineal
Resume la relacin existente entre dos variables por un valor

comprendido entre 1 y 1. Cuidado con las interpretaciones
rpidas de este coeficiente, ya que es sensible a relaciones no
lineales entre variables y a los valores extremos.
Se considera la nube de dispersin entre dos variables X e Y

(ejemplos: leyes de cobre total vs. cobre soluble; leyes estimadas
vs. reales; acumulacin de oro vs. potencia; ley vs. coordenada)
La regresin lineal consiste en determinar la recta que mejor

represente la nube de puntos. Su ecuacin es:
aX b
Y
cov (X, Y)
con: a
var ( X)
b mY a mX
Ilustracin: valores reales vs. valores estimados de leyes

Herramientas multivariables (1)
Matriz de correlacin: en la interseccin de la fila i con la

columna j, se coloca el valor del coeficiente de correlacin entre
las variables ni y nj. Permite identificar grupos de variables
correlacionadas entre s.
Cu Mo Au Ag
Cu 1.00 0.15 0.51 0.45
Mo 0.15 1.00 0.02 0.05
Au 0.51 0.02 1.00 0.77
Ag 0.45 0.05 0.77 1.00

Anlisis en componentes principales: define factores (variables

sintticas que resumen la informacin multivariable) y da
representaciones grficas de datos multivariables
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)
Nube de correlacin diferida
Se trata de la nube de correlacin entre los valores de dos datos

ubicados a cierta distancia uno de otro.
Al hacer variar esta distancia de separacin, se tiene una imagen

de la continuidad de la variable regionalizada en el espacio:
nube dispersa para distancia pequea: variable errtica
nube muy aplastada: variable regular en el espacio
Comportamiento espacial (2)
Ejemplo: nubes para las distancias 20m y 100m
Ejercicios
Repetir el estudio exploratorio de los datos de cobre y realizar el

estudio de los datos de oro en los sondajes de exploracin
locxyz, histplt, declus, scatplt, qpplt, probplt, gtcurve, getpairs
Comparar las caractersticas de las leyes de cobre en los

sondajes con aquellas de los pozos de tronadura ubicados en los
centros de los bloques de 25m 25m 12m
pixelplt, histplt, qpplt
Comparar las caractersticas de los pozos de tronadura con

aquellas de los bloques de 25m 25m 12m
pixelplt, histplt, qpplt, scatplt
Archivos de parmetros
de los programas GSLib
Mapa de ubicacin
Parameters for locxyz

*********************
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
Parameters for HISTPLT

**********************
4 0 - columns for variable and weight
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=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)
Parameters for DECLUS

*********************
1 2 3 4 - columns for X, Y, Z, and variable
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)
Parameters for SCATPLT

**********************
declus.sum -file with data
1 2 0 0 - columns for X, Y, wt, third var.
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)
Parameters for DECLUS

*********************
1 2 3 4 - columns for X, Y, Z, and variable
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)
Parameters for HISTPLT

**********************
declus.out -file with data
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=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
Parameters for PROBPLT

**********************
logprobplt_declus_Cu.ps -file for PostScript output
0 -number of points to plot (<0 for all)
0.1 10.0 0.5 -min,max,increment for labeling
Grafico de probabilidad lognormal -title
Curvas tonelaje-ley
Parameters for GTCURVE

**********************
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

**********************
nube_Cu_este.ps -file for Postscript output
0. 400.0 0 -X min and max, (0=arith, 1=log)
Nube direccional (este) -title
Nubes de dispersin

**********************
scatplt_cobre_oro.ps -file for Postscript output
0. 7.0 0 -X min and max, (0=arith, 1=log)
Nube de dispersion -title
Grfico cuantiles contra cuantiles
Parameters for QPPLT

********************
declus.out -file with first set of data (X axis)
declus.out -file with second set of data (Y axis)
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
Grafico cuantiles contra cuantiles -Title
Nube de correlacin diferida (1)
Parameters for GETPAIRS

***********************
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)
Parameters for LOCMAP

*********************
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=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
***********************
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=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
Color Codes for Categorical Variable Plotting:

1=red, 2=orange, 3=yellow, 4=light green, 5=green, 6=light blue,
7=dark blue, 8=violet, 9=white, 10=black, 11=purple, 12=brown,
13=pink, 14=intermediate green, 15=gray

01 Analisis Exploratorio

Caricato da

Informazioni sul documento

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

01 Analisis Exploratorio

Caricato da

Copyright:

Formati disponibili

Leccin 1:

Conceptos bsicos y estudio

La geoestadstica es una disciplina que permite analizar datos

La estadstica se ocupa de los mtodos cientficos para recolectar,

La geoestadstica es una rama de la estadstica aplicada que pone

La geoestadstica permite estudiar datos numricos cuantitativos.

Adems de la informacin de la(s) variable(s), los datos

El anlisis geoestadstico de datos interviene en todas las etapas

Perforacin de desarrollo, modelo de factibilidad

campaa de sondajes en malla densa

modelamiento geolgico (tipos de roca, mineralizacin)

estimacin local de recursos para determinar reservas

A medida que avanza el proyecto minero, se tiene un conocimiento

Ejemplo: prfido cuprfero en el cual se mide la ley de cobre

La cantidad de muestras influye en el conocimiento de la

Algunos objetivos de la geoestadstica

calcular los recursos recuperables sobre una ley de corte

conocer la incertidumbre sobre los valores no muestreados

material que tiene un inters econmico, en oposicin a estril

Esta definicin depende de varios factores:

Es la concentracin de un elemento (elemento principal,

Se trata de un valor de ley que separa categoras distintas de

Este concepto se refiere a la distribucin de un atributo en el

Nota: ambos tipos de continuidad no siempre se dan en forma

Concentracin u ocurrencia de material de inters econmico

Se habla indistintamente de recursos geolgicos, recursos

Es la parte econmicamente explotable de un recurso

CATEGORIZACIN DE RECURSOS Y RESERVAS

El nivel de conocimiento y de confianza en las estimaciones

las reservas mineras se subdividen, en orden creciente de

Existen varios cdigos internacionales para guiar la categorizacin

UNIDAD SELECTIVA DE EXPLOTACIN

Es el volumen mnimo de los bloques que se puede utilizar para

depende del equipo para explotar (pala)

de sus leyes y otros parmetros (densidad, dureza, recuperacin

La dilucin se refiere al hecho de mezclar (no separar) el

dilucin externa o de operacin

Una variable regionalizada es una funcin que representa

En general, una variable regionalizada presenta cierta continuidad

Una variable regionalizada se caracteriza por:

su naturaleza (continua / discreta / nominal o categrica)

Existe una relacin entre el soporte y la distribucin estadstica

En minera, este efecto de soporte tiene consecuencia en la

Ejemplo: recursos recuperables sobre una ley de corte de 0.5% Cu

Se dice que una variable regionalizada es aditiva cuando el valor

razn de solubilidad, permeabilidad de la roca, cdigo de

Cul es la ley promedio en la veta?

Sin ponderar por la potencia, se obtendra:

Un mismo conjunto de datos no debe contener muestras de

Para aprovechar la informacin disponible, ser necesario

El modelo debe ser consistente (no incompatible) con los datos.

ESTIMACIN LOCAL INCERTIDUMBRE

Para compensar la falta de informacin debida al nmero

Cabe recordar que las estimaciones nunca son perfectas y

variabilidad inherente de las leyes

Modelamiento geolgico: determinacin de unidades geolgicas

Evaluacin de la calidad de los datos (muestras)

Modelamiento geoestadstico de los datos

Estimacin global y local de los recursos geolgicos

Definicin y reporte de las reservas mineras

Estudiar la cantidad y ubicacin de los datos disponibles para

datos disponibles; soporte volumtrico; muestreo preferencial;

Definir los datos a utilizar (tamao de compsitos; outliers / capping)