APLlCACION DE DOS TECNICAS ESTADISTICAS EN LA INTERPRETACION

DE DATOS GEOQUIMICOS EN PROSPECCION MINERA.

GUILLERMO ALFARO

lost. Invcst. Geol., Casilla 10465, Santiago. Chile

RESUMEN

Se presenta, mediante un ejemplo real, la utilizacin de las tcnicas esq,d{sticas conocidas como "anlisis de
la funcin discriminante" (discriminant fUDction anaIysis), en la interpretacin de datos geoqumicos. provenientes de un programa de exploracin minera. La informacin utilizada fue obtenida en la prospeccin geoqumica
realizada por la comisin conjunta IIG-Chile y MMAJ-Japn, el ao 1979. en la regin cordillerana de la provincia de Nuble.
Se hace una presentacin matemtica simple de ambas tcnicas estadsticas y se muestra la simplificacin de
la interpretacin y manejo de los resultados que se logra, mediante el anlisis de los componentes principales en
relacin al anlisis de factores (factor analysis). El anlisis de la funcin discriminante se considera como un criterio estadstico de valor para conocer la relacin entre el sustrato rocoso y las muestras geoqumicas, cuya prfro
veniencia no es clara debido a falta de informacin geolgica. Ambos desarrollos, an cuando son aplicados en
este trabajo a un easo de exploracin geoqumica, pueden ser utilizados en otras ramas de la geologa en las cuales se opera con multivariables.

ABSTRACT

The statistical techniques known as "principal component analysis" and "discriminant funetion analysis", are
presented by means of a practica! example, where geochemical data obtained in a mineral exploradon survey
are used. The information was obtained during a geochcmical prospecting carricd out by a joint team of thc
I1G-Chile and MMAJ-Japan, in the Andes ofthe province of Ruble, Chile, in 1979.
A simple mathematical presentadon of both statistical tools is show. The interpretation and handling of
results is easier comparcd with the factor analysis technique. Discriminant fonction analysis is considered as ~.
useful statistical criterion in order to decide upon the rock influence in gcoehemical samples when geologic ...1
informarlon is not enough. 80th statistical techniques can be uscd in other geological fields handling multivariable statistical analysis.

INTRODUCCION

La prospeccin geoqumica mediante sedimientos fluviales es una herramienta de exploracin minera, que el lIG ha utilizado, sistemticamente, en
los trabajos que ha efectuado en la zona central-sur
de Chile. Esta parte del pas presenta un buen sistema de drenaje, potente desarrollo de suelo (sector
occidental), cubierta de vegetacin y una amplia
distribucin de rocas volcnicas de edad terciaria-

Revista Geolgica de Cbe fVO 11, 77-90, 11 figs., 6 tablas.

cuaternaria (sector oriental) que, como un gran

manto, cubren extensas reas, ocultando los posibles cuerpos mineralizados ms antiguos. Estos
factores principales hacen de la geoqumica una
herramienta fundamental en la bsqueda de minerales y se debe tratar que, al ser aplicada, se obtenga de ella el mayor provecho. Por esta razn, la
determinacin analtica de cada muestra se hace

TFCNICAS ESTAI>ISTICAS J:t\;

78

Mapa de Ubicacin
1100
550
o
,
Km,

76

73-

70

67

\~k ~
Arica

20_

NA

\.}

\~
(

) e-'
'"
"

30_

50------~Rrtt_1__+-

"

53'

~,~kAr.nas

Te-rrllorlo
eh II~no Antcrllco

FIG. 1.

Mapa de Ubicacin.

por varios elementos en trazas (en general ms de

seis). complicando su posterior interpretacin; a
esto se suma el hecho que, en general, por la falta
de afloramientos, mapeo, etc., la informacin geolgica bsica no es la ms adecuada para hacer una
rpida y efectiva interpretacin de los datos geoqumicos. Es entonces cuando la aplicacin adecuada de mtodos estadsticos facilita la intcrprecacin o respalda aqudlas conclusiones logradas en
base a la informacin geolgica disponible.
Desde finales de la dcada de 196U, algunas de
dichas tcnicas se han aplicado en los trahajos de
exploracin geoqumica efectuados' por el IIG
debido, prinl..'ipalmente, al impulso dado por los
Drs. B. Pagc, A. Cruzat y 11. Conn. El procesamiento de los daros geoqumicos ha incluido desde los elementales clculos de estad grafos hsicos

I'HO~I'ECCI()r-.:

,\1I;.JEHA

(tnuli,l, dV"\'iacilIl ~IJndard, eh:.) h:",a el compk

jo Jn~li~is de fanorl..'" (factor analysis)' anli~is dI,'
n:gn:~in, (01..'10 esto implcrnclHado por los programas dc compural..in disponihlcs en el IIG.
I':n estc trahajo, se presl'OTall dos nue\'as t{'('niras dc intcrpreracin de la informal..'in geoqurnica,
que no han sido utilizadas en Chile y que facilitan
el esmdio de datos obtenidos en zonas cubiertas y
con levantamiento geolgico insuficiente. Dichas
tcnicas son denominadas "analisis de los componentes principales" (principal component analysis)
y "anlisis de la funcin discriminante" (discriminant function a.nalysis).
Para mostrar ambos procedimientos, se ha utilizado un conjunto de datos geoqumicos provenientes de la prospeccin que realiz el ao 1979,
el Instituto de Investigaciones Geolgicas OIG)
conjuntamente con la Metal Mining Agency of
Japan (MMAJ) en un rea de aproximadamente
600 km 2 situada al oriente de Chilln (Fig, 1),
En total, se obtuvieron 327 muestras de sedimientos fluviales activos, que fueron analizados por Cu,
Zn, Mn, Ag, Mo, As y algunas muestras por Au.
De los 7 elementos analizados, en este trabajo se
usaron slo Cu, Zn, Mn y Mo; se descartaron Ag y
As por presentar gran parte de sus valores bajo el
lmite de deteccin y el Au por no haber sido analizado en todas las muestras.
Para determinar una funcin discriminante que
permitiera separar muestras que tenan como ambiente geolgico a granitoides (rocas relacionadas
con la mineralizacin) y aqullas relacionadas con

las rocas volcnicas plio-cuaternarias o sedimentarias (estriles), se eligieron SO y 56 muestras, respectivamente, algunas de las cuales no puedicron
ser bien clasificadas por corresponder a zonas con
sedimentos derivados de ambos grupos de rocas
(granitoides y rocas volcnicas y sedimentarias); csta situacin es normal al trabajar en ambientes geolgicos y an ms en zonas cubiertas.
Finalmente, el autor desea hacer presente que
ste no es un trabajo estadstico, de modo que se
ha eliminado al mximo la base matemtica de cada una de estas tcnicas, entregndose al final una
hibliografa en la cual puede obtenerse el desarrollo terico de cada una de ellas. Los conceptos bsicos de matrices, principalmentc valor l'Kl?U, vector
Kl?1I y su detcrminacin, mencionados en este trabajo, puedt:n ser consultados en cualquier texto
bsico sobre la materia. El objetivo dI..' ('ste trabajo

79
es pn:sl'IHar ambas hnramicn[]:s l'sradisti;s a
a(!uclJos ~olcgas cuyas ani\'itladcs s<.' n:laciullan ,

prilll"palmcntc, {'un L'xploracin gl.'()Lumic;I

11...."'" r ..... ,,'....

[f]

(IP ..........,tt>(O& r ,,""',

00

Hl1cru.In.,..,.,. ..

I~~!~I
1 ...

Conqlo"~l'Prla. oI<Ok~I"(t.

<:",.

~ Oltll,,.,,, ..
/IIb ....t .... ,. tu,..! ,
10_' O"""'oI!'5I~O<:"'., o"'t$"O.
bO!> ..~t.co. 1 "'u>c;:..~ 11<06
I/tX&. " .'or.l.... lda .. , ""t"(o.~.

1 <".,,_ ..

lfill

.v- oP-

Invo~

"'1I1o., .. ,t'.... fO~.,$'

,u.t'!>""a.,

..

... ---

rolID , ..""...

- $."c'",,,,,
""',,..,

_..--

".,... norma'

,
tJP.i:

_ _ , 1 - ..

"'I'#"do

kIuJlllt'Om-t'''''

~O""

m",.raIl20"'"

COlO/OCIO

ta~"''\ """r:.;,.ca." ''1 .......bII ...

1'10''''$ "'e'a",a ... ft ....~

.1'

I~~ Q""... ~ d~ 6"",,_

q"c; .... ,nfrusi".q,

r(>'f''''~!>

[~?. ~~
.

Es<:"qJO/

'7.'..n/r,o.

",.,,,,f..,d/!,l>

_ 1/1. N,'"

FIG,2,

1980

f=-_~~
'm

Mapa Geol:::ico rea CoihuccoHccillto,

BOS(lUEJO (;EOLOGICO DEL I\REA EXPLORADA

En la regin estudiada SI.' han reconocido rocas

snlimcnlarias, ,'olcni{'as, mc[amrfil,:as e inrrusi

vas (IIC-MMI\J, 1980, I,'ig. 2).

Alrededor del 7S u /n dd ;in'a t.':-t '-'UIUI.'I'I,1 por

lavas anucsti('o-hasltieas y feK'aS rirod:i:-I l'as,
(lln cstrunura monocJinal )' uuzamiclllO al (Il"it.' ;

TECNICAS ESTADlSTICAS EN PROSPECCION MINERA

80
~stas focas han sido asignadas al T~rciario superiorCuaumario y se 1<..'5 ..:onoce como Formacin Cola
de Zorro (Gonzlez j ' Vergara. 1960).
En la parte cemral-none y central-sur, afloran
rocas pirocJsicas con intercalaciones de lutitas,
areniscas y lavas andcsticas, bien estratificadas y
afectadas por un conjunto de sinclinales y anriclinales, cuyos ejes tienen rumbo norte-sur. Esta se
cuencia ha sido denominada Unidad Volcnico-Sedimentaria Piernas Blancas y se asigna. en base a su
contenido faunstico, al Eoceno.
En el extremo noreste del rea estudiada, aflora
una secuencia de lavas andesti<;:as e ignimbritas, cuya edad radiomtrica corresponde al Cretcico
Superior y se correlacionara con la Formacin
Abanico (Gonzlez y Vergara, 1960).
Las nicas rocas metamrficas observadas afloran en el curso medio del ro Niblinto, en la localidad de Los Azules; lito lgicamente, es un gnei!!i

de biotita cuya edad cs indeterminada.

Las rocas intrusi\'as mapeadas corresponden a
granicoides, prfidos granticos y diques granodiorticos. La edad del granicoide, en bas~ a Jat<iciones K-Ar es 69 m.a. (Cretcico Superior), a l se
asocia la mineralizacin de cobre y molibdeno que
se conoce en la regin.
Existen dos zonas principales con mineralizacin; la denominada Minasdel Prado (Lat, 36 0 38'Si
Long. 71 0 41'W), que consiste en una brecha volcnica silicificada con oro y pirita, cuya erosin ha
permitido la formacin de placeres aurferos, y el
prospecto cuprfero San Jos (Lat. 36048'$;
Long. 71 0 37'W), con mineralizacin y alteracin
hidrotermal tipo prfido cuprfero (IIG-MM),
1978). Slo Minas del Prado ha sido explotado
anesanalmente, en tanto que el prospecto San Jose!
est siendo explorado. En otras partes del rea se
conocen slo pequeas manifestaciones de cobre y
molibdeno.

MUESTREO GEOQUIMICO, ANALlSIS DE LAS IMUESTRAS y

Simultneamente con el levantamiento geolgico
regional, se recolectaron 327 muestras de sedimentos fluviales activos. Con el objeto de detenninar
el ~rror de muestreo, por cada 10 muestras se tom un duplicado. El anlisis por Cu, Zn y Mn se
hizo por espectrometra de absorcin atmica y
por Mo, mediante colorimetra. La precisin y
sensibilidad en la detenninacin de cada elemento
se seala en la Tabla 1.
Los estad grafos bsicos para cada elemento de
toda la poblacin se indican en la Tabla 2.
TABLA 2

ESTADIGRAFOS BASICOS

TABLA 1 Precisin y sensibilidad en la determinacin de Cu. Zn, Mn y Mo.

Pr~cisin , Precisin
anal{tica de muestreo
(0/0)
(0/0)

S~nsibi

lidad
(ppm)

eu

Zn
Mn
Mo

3
3

6
7
S

10
20

30

40

Estadgrafos bsicos.
X

X+S

X+2S

X+ 3S

72,25
149,47
1.105,64
6,61

89.25
185,08
1.364,97

CU

38,25

11,00

55,25

Zn
Mn
Mo

78.25
586.98
2,95

35.61
259,33
1,83

113.86
846,31
4.78

8.44

fU

(; , AI/aru

La matriz lk corrdacin para los elclllentos

considerados aparL'lT en la Tabla 3,

- - :, -

~,,'

TABLA 3

Cu

Zn

Mn

e.

1,00

0,04

-0,002

0,01

Zn

0,04

1,00

0,64

0,04

Mn

-0,002

0,64

1,00

-0,02

Mo

0,07

0,04

-0,02

.-'"" -

HI

Matriz de VarianzaCovarianza.
Mo

1,00

.'"'.

? ~(?
o ..--- --"
~
~o
G
-

611 PrOI

..

..

+--,

~-

if

'"

'"
Como criterio de seleccin de las anomalas
probables se us la 5(+35 de la poblacin tami~
zada. Al llevar c:s[Os valores al plano se observa
un scc[Or anmalo de cobrt y molibdcno en los
ros Piernas Blancas, San juanito y San Jos, relacionado con el prospecto cuprfero San Jos y
distribucin errtica de los otros elementos en la
mitad occidental del rea estudiada, con pequea
tendencia a agruparse los valores altos de Mn y Zn,
en los esteros que drenan el cuerpo mineralizado
con oro de Minas del Prado (Fig_ 3)_

11

..........
)(

','

>~

3&)

I ~ protMlblll

.t.

""'-O

> (.

NA

.. le

{A-"potitIIal

.. -..- " '" .'

'" .-'" n - '"

...
'" "
e,

l.

[J

... '"O
"

..

" .'"

'"

Ag.3 : MJeatras anmalos en Cu.Zn,Mn,Mo 'i As .

ANALlSIS DE LOS COMPONENTES PRINCIPALES

lNTRODueelON

Una de las tcnicas utilizadas en la interpretacin de procesos en que nten'ienen multivariables

es el conocido Anlisis de Factor~s (Faeno Analysis). Esta herramienta ~stadstica se caracteriza
por su complicado tratamiento matemtico y pe~
culiar jerga, lo cual la hace difcil de menejar y an
ms, de "sentirH los resultados, para quienes la
usan slo ocasionalmente. Al contrario, el anlisis
de los componentes principales, sin recurrir a las
tcnicas matemticas de rotacin de ejes en espacios n-dimensionales, usa los mismos principios
matemticos del anlisis de factores presentando,
en forma simple, las relaciones entre: multi-variables
(por ejemplo los deOlenms en trazas considerados
en cualquier trabajo geoqumico) lo que permite
llevarlos a un plano mediante el arcificio de obtencin de puntajes (scores).
El anlisis de los componentes principales
consiste en representar las variables utilizando

aquellos vectores eigen, obtenidos de la matriz de

que mejor explican la varianza
de la poblacin (de aqu proviene el nombrc de
"componentes principales"). La estructura de la
matriz pennite que la varianza de todos los elementos, tomados en forma individual, corresponda
a los elementos diagonales de la matriz es, por lo
tanto, fundamental comprender el significado
rsico del vector eigen y del valor eigen, conceptos
por s complejos para un no-matemtico. Para
hacer esta presen tacin se ha tomado, por su
sencillez el ejemplo dado por Davis (1973) Jescriw a continuacin.
Consideremos un sistema de ecuaciones simultneas expresadas en forma de matriz;
varianla~covarianza,

[A) [X)

A [X)

(1)

Este problema es idntico a resolver un sislcma

de ecuaciones sumultneas tal como :

TECNIC.AS ESTADISTICAS EN PROSPECCION MINERA

82
[A) [X)

= [B) .

(2)

en que [B) = A [X)

agrupando los elementos conocidos A .. se tendr la

..
IJ
ecuaclOn:

(3)

x'

debindose encontrar ahora los valores de A que

+ '" X + '" = O

As, los valores eigen de la .matriz

satisfagan las ecuaciones.

La ecuacin (1) puede ser escrita en la forma:

([A) - X (1)

[X) = O

(4)

En que A [1] es A veces una matriz de identidad del mismo tamao que [A)
Expresada la ecuacin (4) en forma general para
un conjunto de ecuaciones simultneas se tendr:
(a u-A) X,

a" X,

As, los valores eigen de la matriz

-5
1-6

-21

entonces

+ ....... + a, o X o = O
(5)

A1 = 3 Y A 1

X,

+ a Ol X, + ... ... + (aOO - A) Xo =

Si se asume que los valores de las "x" del sistema

de ecuaciones (5) es distinto a cero, entonces el determinante de los coeficientes de la matriz es cero:

a11 -A.a12 ................ aln

al2

3n 1

-A ........... alO

3n'l .... ann-A

(6)

Los valores de A que satisfagan la ecuacin (6) se

denominan "valores eigen" y las correspondientes soluciones para [x] son llamados "vectores
eigen",

Como normalmente se conocen los coeficientes

Aij de la matriz, es posible calcular los valores A
que cumplen con las condiciones de la ecuacin
(6). Para visualizar mejor la definicin anterior se
calcularn los valores eigen de una matriz simtrica de orden 2 cuyo determinant,e tiene la forma:
AII-A

AIl

A2I

A" -A

(A II -A)

(A
"

=-1

Los vectores eigen se obtienen al reemplazar los

valores ""A." en la ecuacin (1):

[A - A, I) X, =
aDl

deben satisfacer la ecuacin A2 - 2 A - 3

5-3

2
-3-3

1-6

1I XIl
XII 1-1 O1

Los valores XII y X 12 (elementos del vector

se obtienen al resolver las ecuaciones

eigen)

2X II

2XIl

O Y -6X I I -6XIl

o.

Para

A2 se procede en forma similar.

Sin perder de vista su utilizacin en la interpretacin de datos geoqumicos a partir de la matriz
de varianza-covarianza cuyo valor es normalmente
mayor que dos (por ejemplo. al utilizar los elementos Cu, Mo, Pb, Zn, Ag en muestras de sedimentos
fluviales), debido a la complejidad y extensin que
el clculo implica, slo es posible obtener resultados
prcticos mediante la utilizacin de computadoras;
esto explica por qu slo en los ltimos aos se han
aplicado estos conceptos al campo de la geologa.
Supongamos el caso real de una matriz de
varianza-covarianza [Al, bidimensional, cuyos elementos podran corresponder a Cu y Mo:

[A)

-A) -A 2I AIl

=O

Esta matriz elemental tiene valores eigen

14 y -2, los cuales pueden ser representados como
los ejes mayor y menor de un elipsoide que inclu-

C . Allaro

83

Mo

Cu
12

12

FIG. 4.

Rcprescntaci6n grlfica de tos valOres

"eigen" (Davis, 1913).

Cu

20,3

Mo

/ 15,6

15,61
24,1

Al calcular los vectores eigen de la ma[ril':, se

obtendrn los ejes pdncipales del elipsoide cuyas
longitudes estarn representadas por los valores
eigen. El mtodo del anlisis de los componcn[cs
principales consiste en enconrrar dichos ejes y sus
longitudes. Como se utiliza una matriz simtrica
con "m" variables (matriz de varianza y covarianza
de los elementos considerados), los u m " vectores
eigen obtenidos sern ortogonales entre s.
En el ejemplo anterior se obtienen dos vectores

e'gen:
0,75

ye los puntos de coordenadas (6,8) y (8,6) (Fig. 4).

La reladn grfica muestra que el eje mayor es claramente ms grande que el eje menor. Si los puntos coinciden, como por ejemplo en la matriz:

[A)

1:

:I

el eje menor de la elipse (segundo valor eigen) se

vuelve igual a cero y el elipsoide se transfonna en
una lnea recta (Fig. Sa). Al concrario, si la matriz
corresponde a dos vectores perpendiculares tales
como :

[A)

18
ambos valores eigen son iguales en longitud y se
obtiene una drcunferencia (Fig. 5b). Asociado a
cada valor eigen existe un vector eigen, que puede
ser interpretado como la pendiente del eje mayor y
menor del elipsoide (cuando la matriz simtrica
tiene rango mayor que 3, los vectores son perpendiculares en un espacio de n-dimensiones).
Explicando en forma simple el concepto fsico de valor eigen y vector eigen, consideremos una
matriz de varianza y co\'arianza de un conjunto de
muestras de sedimentos analizados por Cu y Mo
(se consideran dos elementos para trabajar en un
espacio bidimensional):

=1'66

11

0 ,75

=
0,66

y los valores eigen 37,9 y 6,S, respeccivamen[e

(Fig. 6). La varianza total de la poblacin es igual
a la suma de la varianza de Cu y Mo (igual a la suma de los elementos de la diagonal de la matriz):
Varianza tot,1

= 20,3

+ 24,1

= 44,4 (Fig. 6)

El Cu contribuye con 20,3/44,4 (46 % ) de 1,

varianza tot,1 y el Mo, con 24,1/44,4 (58010).
Como una de las propiedades de los valores eigen
es que su suma es igual a la suma de los elemenws
de la diagonal de la matriz traza (en el ejemplo.
la traza corresponde a las varianzas de los elementos), la suma de ambos valores eigen es igual a 37,9 +
+6,5 = 44,4 Y representa 1, longitud tot,1 de los
dos ejes principales, por lo tanto, representan tambin la varianza total de la poblacin (varianza del
Cu y Mo). Sn embargo, el primer eje represen[a
aproximadamente el 86 0 /0 de la varianza
(37,9/44,4) y el segundo eje represem, slo el
14 0 /0 (6,S/44,4); si se compara estos valores con
la contribucin a la varianza [0[31 debida a las
variables originales, eS posible comprender la u[ilidad del anlisis de los componentes principales.
Se logra, entonces, representar con pocos ejes (nmero de componentes principales menor que el
nmero de variables originales) y en forma ms
eficiente, la varianza roral de la poblacin, faciliun-

TI.CNICAS EST,\OrST,CAS EN PROSI' ECClON MINERA

84

Ve-Ctor elgen

do as la inu,'rprc.'lacin. l'ual1do se trabaja con un

nmero grande de deme!1ros.

12

[A] ,

10

37,9

fO.661 _ '0" 6

11 = OP.

6,5

f-~7S1_ 41"4

Al =

12

}. 2

LO.7SJ -

t<l66j" ,

".

[: :]

Pendiente

Longitud

, =OPi

10

12

FIG. Sa. Elipse para Al = 12 Y A2 = O

(Oavis, 1973).

FIG.6.

(modificado de Davis

.10

F~.

_.

F IG. 5.

1973).

_.

5b :

10

EUp.. para

Represenracin grfica
de los vectores "eigen"

1). .1=1>-..1

(0cNi',1973)

Casos extremos en la representacin de

valores "Cigdl".

de cada vector eigerl por la raz cuadrada de cada

valor eigen. Si se compara esta tcnica, que no
necesita rotacin de ejes, criterios especiales para
degir el nmero de ejes, etc., con el anlisis de
factores, se comprender mejor su simplicidad.
Cada observacin original (por ejemplo, conte
nido de elemento en trazas en una muestra geoqu
mica) puede ser convertida en un puntaje (seore),
proyectndola en cada uno de los ejes principales.
estO se logra multiplicando los valores observados
de las variables (por ejemplo, valores de Cu y Mo
en el caso anterior), por los elementos eorrespon
dientes del primer vector eigen (primer puntaje),
luego por los elementos del segundo vector eige'l
(segundo puntaje) y as. sucesivamente, en el caso
de considerarse ms de dos componentes principa
les. En el ejemplo precedente, los puntajes seran:
Puntaje

Un criterio que se sugiere para disminuir el nmero de componentes principales es eliminar aqullos que representen menos de un 20%
de la
varianza original. Para operar en unidades de des"iacin standard, la dimensin de los compon(ntes
principales se obtiene multiplicando los elementos

Puntaje 11
donde!:

XI i

(X,i x 15,6)

(X,i x 20,3) -

(X,i x 15,6)

(X,i x 20,3)

= valor de la variable 1, muestra i

X2 i = valor de la variable 2, mueStra i

G. Aljayo

TABLA 4

Li.s tado de Valores l:"iXl'lI, Vectores Eigcl/ ycomponcntcs Principales.

Valor t:igell I
Vector Eixen 1
Comp. Princ. 1

=
=
=

Valor Higen JI
Vector Eigen 11
Comp. Princ. 11

1,0725

=
=

Valor Eigen JII

Vector I::igell 11 1
Comp. Princ. 111

1,6411
0,5324

O,707S

0,7042

O,02...J.28

0,0682

0,9064

0,9022

0,0311

U,6079

0,0168

-0,0941

0,7097

0,7228

0,0174

-0,0975

O,74SU

0,7124

-0,0204

-0,0092

-0.7014

0,0870

-0,0196

-0,0088

-0,6764

0,9300

Sumas de los valores eigen

Residuales
Total de la varianza explicada

= 3,644
= 0,356
= 91,100 /0

Una de las ventajas que se logra con los puntajes

es que si, por alguna consideracin, se decide eliminar una de las variables (por ejemplo, para simplificar la representacin de los datos geoqumicos),
la prdida en la varianza total es menor que si se
consideran los datos en su forma original. Esto se
observa claramente en el ejemplo usado, donde cada variable, en su forma original, aporta el 46% Y
54% de la varianza total, respectivamente, por lo
tanto, al eliminar una de dichas variables, en el mejor de los casos, slo se pierde el 46%; por el contrario, al considerar las variables como puntajes,
slo se pierde el 14%.
ANALlSIS DE LOS COMpONENTES PRINCIPALES DE
LAS MUESTRAS QEOQUlMICAS DE LA REGION DE
CHILLAN.

El procesamiento de los resultados geoqumicos

de las muestras de sedimentos fluviales usadas en
este trabajo, se hizo mediante un computador
FACOM 230 (equivalente a IBM 360), de fabricacin japonesa, perteneciente a la Facultad de Ciencias, Universidad de Tohoku, Japn.
El programa usado, que utiliza lenguaje
FORTRAN 4, calcula la media y desviacin standard
de las observaciones, entrega la matriz de correlacin y un listado de los valoreseigen, vectoreseigell
y componentes principales que en forma
individual, representa ms del 20% dt' la varianza

original.
Finalmente el programa entrega un
listado de los puntajes.
Los resultados obtenidos para la poblacin gcoqumica estudiada, considerando las variables Cu,
Zn, Mn, y Mo se muestra en la Tabla 4.
El componente principal 1 explica la asociacin
Zn-Mn el componente principal 11, el conjunto
Cu-Mo y el componente principalllI, el Cu.
a. Puntaje 1 (Zn-Mn): Se distribuye en dos zonas:
una franja central con puntajes altos. relacionados geolgicamente con el granitoide y los sedimentos generados parcialmente a partir de l; los
va.lores bajos se distribuyen en las extensiones
norte y sur del cuadrngulo donde se conocen
rocas granticas. En zonas con mineralizacin
aparece el puntaje 1 con mayor dispersin (valores comprendidos entre -0,3 y -0.9), este fenmeno se explica por la influencia conjunta de rocas
estriles (sedimentos terciarios y rocas volcnicas
modernas) y cuerpos mineralizados. En el rea
del prospecto Sa.n J os se observa claramente esta
situacin.
b. P1.1ntaje 11 (Cu-Mo): Los valores ms extremos
(menores que -0,8) se sitan en una franja central
en la cual hay rocas intrusivas con mincralizacin
diseminada en venillas y sedimentos generados
a partir de estas rocas. En la parte norte del rea
mapeada, donde predominan rocas sedimentarias terciarias y sedimentos cuaternarios la distribucin del puntaje es heterognea (\'alores

rU~NICAS

86
altos y hajos lid puntaje 11 I1ll'/I.: lados).
c. Puntajt..' 111 (eu): Pn,'Sl'nta una clara distrihucibn
arca!: los \'alores altos se sitan t'n la franja
central, relacionada con los brranitoides y zonas
mineralizadas (Los Azules, San Jos y Minas del
Prado) y los sedimentos derivados tll' ellos (aunque no exclusivamente), Esta franja coincide
con el sistema de distribucin de los valores ms
bajos del puntaje 11.
El rea achurada en la Fig. 7 representa la zona
de sobn::posicin de alto puntaje 111 (eu) y bajo
pumaje 11 (Cu-Mo) y de valores altos y bajos de
puntaje I (Zn-Mn).
CONCLUSIONES

a. El resultado del anlisis de los componentes

ESTADlSTICAS EN PHOSPECCION MINERA

dos, hl'cho a la IU/. dc.' la informacin gcolgica

disponible, permite uhicar una franja central.
corn'spondit'ntl' aproximadanlt'nh' a un tercio
dd rt'a total estudiada, t'n la l'ual es posible
esperar l.()nas mill<.'ralil.adas.
b. El anlisis de los componentes principales fat'ilita la interpntacin de la informacin geoqumica, cuando se trabaja con un gran nmero de
mm.ostras y elementos.
c. La limitacin ms notoria del anlisis de los
componentes principales es funcin de los coeficientes de correlacin entre las variablcs; cuando ellos son bajos (prximos a cero), la posibilidad de lograr menos componentes principales
que variables disminuye y, por lo tanto, la dimensionalidad del problema Se mantiene. Esta
limitacin es similar para el anlisis de factores.

principaJes de los datos geoqumicos estudia-

ANALlSIS DE L.A FUNCION DISCRIMINANTE

INTRODUCCION

El anlisis de la funcin discriminante es el

proceso estadstico que permite asignar una muestra, de origen desconocido, a uno de dos grupos
previamente definidos, Esta situacin es muy comn en exploracin geoqu mi~a, en zonas con
gran desarrollo de suelo, como sucede en la regin
sur de Chile. La definicin del anlisis de la funcin discriminante puede aclararse con el siguiente
ejemplo: al realizar la exploracin geoqumica por
cromo en cuerpos ultramficos, que intruyen los
esquistos paleozoicos del sur de Chile, se present
la dificultad de trazar el contacto entre ambas unidades, debido al potente suelo que lo homogeniza
sin embargo, se dispuso de informacin geoqumica confi~ble (contenidos de er, Ni, Co, Al, Fe, Mg),
obtenida en suelos desarrollados tanto sobre los
esquistos como sobre los cuerpos ultramficos.
A partir de esta informacin, se obtuvo una funcin discriminantc que permiti asignar las muestras dc origt'll incierto a una u otra unidad, entregando as otro antecedente para facilitar el trazado
del contacto y. por lo tanto, restringir el rea dc
exploracin.
Una funcin discriminante transforma los "alores originales de una mueStra t.'n un puntaje discri
minante. d t'ual indica la posit'in de la muestra

,.,'"-----JI" _-_-

~==-=-_-_-_-____-_-_-_-:=f~

44' _ -_-_ -_-_-_-_-_-_ -_-_-_-_-_-_- _-_-_-_-_-_-_-_

...
".

...

...
...

---------

- ---:=:=======:=:======
Sa_..oOsoI_ -_ - _ - _-_ -_-_-_
-~--- ---------------------

FiO. 7: Repreeentacloll del Pontaje: I l Zn - Mn}

I:--I ........ ,~ - ouo

D "....",. o.to
E3 '-"'"_~'kI
a lo largo de una recta. Dicha rccta t'sr ddinida
por la funcin discriminante.
La Fig. lO, tomada de Davis(l973), seala claramente la opt'ralOria de la funcin dis(:rimillante.
La ricura muestra d casu simplt, de dos grupos A y

( ; . AIj"o.Jro

H7

B l'onsrilUdos por m y m muestra~, TL'Spl'ctl\aA

B
Illl'ntc, t.'n las cuaks se han dl..,tcnninado las \'anahks :"a y x (por ejemplo, eu )' Mo).
2
La fUIH:ibn Jiscriminante buscada lkbl' transformar las variables originaks, de modo que se
olHcnga una rl'cta, l'lure los dos grupos, qUl' (l)
rresponda a la mxima separacin entre dIos a la

lDJ:

diferencia [Ajl - IBjJ. 1...... dC\'lr l..

diferencia l'nrrc la ... "m" \<ln.lhk ...

Rcsulta la matriz)', encontrados los codicil'n

les, la {'cuacin de la fun{'in disniminalltl' "1{"
"cT<:

R = A,t/>, + A,t/>+ ...... +Xmt/>1l1

donut..':

_ -_~

4"

M_-_-_-_-_.'j(

tPm =

valor med io de la variabk'

"111",

I,a pendiente de la rt'cta, en un ejemplo hidimensional (2 variables) es igual a A.2 'Al' El

medio entre los dos grupos de muestras (H.u) se
obtiene al reemplazar los codicien tes dt' la ('('uacin por el trmino cuya forma general es:

1...-ocIo

A + B.
J

...

--------'j(-----------------.- - Son--... - - - - - - - - - -

-- --- - --

F;g. 8: Re,..-n elel Puntajt 11 (Cu- Mo)

1=_:1

El valor RO seala exactamente la mitad enrrt.' el

cenero del grupo A y el centro del grupo B, El
cenero del grupo A, para el caso de dos vanahles
(por ejemplo, en y Mo) se obticne de:

y el cen tro del gru po B:

,...IIM_Q,IO

D __
5:1 z - . __
n~-Q,IO

vez que sea mnima la dispersin de los elementos

de cada grupo. La funcin discriminante encrega
las coordenadas de dicha recta.
El mtodo ms simple para encontrar la funcin
es haciendo un "anlisis de regresin", tomndose
como variable dependiente, la diferencia de las medias entre las variables de los dos grupos. Expresada en forma de matriz, la ecuacin a resolver es de
la forma

1: IiIi!II"~ijlili',",~~
1--~-~-_ . - - " > .,

J . [ AJ

= [D J

es la matriz dt' \"ariall/.a-l"!)\'arianza

de las "m" variahks,
por coO\'clll'in, los {'odicit.'lltl's d{'
la fum:in discriminante (pul'dc
compararsc nm los ('odil'icntt.'s
"/3" dl.' las eeuacones dl' regrcsi:lI1),

:=--._ -

_._-

U'

[ Sp

L..

_ _ _ ._ _

,.

#=.
e=~

F;g. 9 : R_ontacln elel l'Irnajo 1\1 lCu)

........ 111~-'-'o

O,.,...,. rn.-o."70

TJo.CNICAS ESTADISTICAS EN PROSPECCION MINERA

88

grt~ de lo funcin del

dlscrlmlnont. (DaVI.. 1973)

FiO. 10: Repreaenf6clon

Al efectuarse la proyeccin de los puntajes en la

recta, se observa que algunas muestras del grupo A
caen entre RO y RB y, a su vez algunas muestras
del grupo B caen entre RO y RA; dichas muestras
deben considerarse mal clasificadas por la funcin
discriminante (Davis, 1973).
La distancia entre RA y RB lleva el nombre de
"distancia de Mahalanobis" (D 2 ) en honor al mate
mtico que la defini.
Para ubicar las muestras de origen desconocido,
debemos reemplazar los valores q, por aqullos
que corresponden a la muestra en la ecuacin de la
funcin discriminante, y dibujar sobre la recta el
puntaje obtenido. Esta herramienta estadstica
funcionar en mejor forma en la medida que la dispersin de las variables sea mnima en cada grupo
(baja varianza) y que las medias de cada variable,
en cada grupo, estn claramente separadas.
Un estudio ms detallado y restricciones en el
anlisis de la funcin del discriminante, puede ser
encontrado en los textos sealados en la bibliografa.

prO\'ienen de una zona con granitoides y el grupo

B (56 muestras) fue obrenido de una zona en que
predominan rocas volcnicas terciarias y volcanitas
asignadas al Terciario supcrior-Cuatcrnario. En
base al levantamiento geolgico y geoqumico se
haba condudo que aquellas muestras provenientes de reas predominantemente granticas, presentaban mayor inters en exploracin, por lo tanto,
se deseaba disponer de un criterio que permitiera
discernir el origen de las muestras, en atencin a la
falta de exposicin de la geolga.
El procesamiento de la informacin se hizo en
un Computador FACOM 230 de la Facultad de
Ciencias, Universidad de Tohoku, Japn.
El programa utilizado calcula los valores de RA'
Ra y RO' la distancia Mahalanobis (D') y los valores de las constantes AJ a An de la ecuacin del
discriminante; finalmente, entrega una lista de los
puntajes para las muestras de cada grupo (grupos
Ay B).

Para el rea estudiada se obtuvieron los valores

sealados en las Tablas S y 6.
TABLA 5 lndices discriminantes R A , RO> R B Y
distancia de Mahalanobis (D 2 )

D'
-33,24

-9,79

-11,72

TABLA 6

Variable

Coeficiente Media del

(A)
grupo A
I
(X )
A

Media del
grupo B*
(X )
B

CU

-0,0101

86,80

32,96

Zn

-0,0218

90,20

78.40

Mn

0,0241
-10,5784

417,00

660,00

3.90

2,24

Mo

ANALISIS DEL DISCRIMINANTE CON MUESTRAS

-21,51

Clculos hechos fuera del programa.

DE SEDIMENTOS FLUVIALES DE LA REGION DE

CHILLAN.

Para presentar en forma prctica el anlisis del

discriminante, se tomaron dos grupos de muestras
de sedimentos que fueron analizados por Cu, Zn,
Mn y Mo. Ambos conjuntos fueron clasificados
como provenientes de diferente ambiente geolgico, en base a la informacin geolgica disponible.
As, el grupo A est formado por 50 muestras que

Los puntajes se presentan grficamente en la

Fig. 11; puede observarse que algunas muestras estn mal clasificadas, esto es normal, al trabajar
con fenmenos geolgicos, sin embargo. los grupos
A y B se separan ntidamente.
Por ejemplo, se deseaba confirmar la posicin
respecto a la geologa de las muestras 36 y 72 (ambas con Mo alto) cuyos concenidos en elementos
en traza eran:

G,

89

Al/ aro
A.: 11,24

-.---0'1','''''.,.,

AO=21,5 1

Re =',79

"I""v,.,I,." ".,l,~<>faS.&.J~:e, ,s~

-"-'4-G2 "60-58S6'S4 - 52 50Io8"'6 -4J.-I.Z'IoO38-.16~ '32-)()-28 "25- 24-22 - 20 18'16'1, '12 - 10" 8

-6"4 -10

24

Il -rSr..6

8101214

Grupo A
O Grupo B

FIG. 11. Puntaje de la funcin del discriminante,

Cu
(ppm)

Zn
(ppm)

36

19

42

445

14

7Z

II

51

476

11

Muestra

Mn
(ppm)

Mo
(ppm)

Al reemplazar los valores analticos en la ecuadn de la funcin discriminante R, se obtiene:

R3.

= -(0.0IxI9) - (0.02x42) t (0.02x445) -(lO .S8xl4)

R"

=-

138.50

-(0.0I x 31) -

(O.02xSI)

-(IO.S8x11)

= - 106.34

(O.02x476) -

Llevados dichos valores a la recta que representa la

funcin discriminame (Fig. 11) se observa que las
muc:stras pertenecen al grupo A (sedimentos pro,
venientes de zonas con predominio de granitoides).
CONCLUSIONES

a. El anlisis de La funcin discriminante es una

tcnica estadstica que pennite discernir la ubi,
cacin de una muestra gcoqumica en uno de
dos grupos previamente definidos. Aunque se
ha presentado como una ayuda en la interpreta'
cin de datos geoqumicos. puede ser ulili7.ada
en paleontologa, petrografa, etc.
b. El anlisis de la {uncin discriminante, aunque
opera con 2 poblaciones de "m" variables, reduce la dimc:nsionalidad del problema a una \'ariable.

AGRADECIMIENTOS
El autor agradece al Dr. H. Kanno, dd Instituto
de Mineraloga, Petrologa y Geologa Econmica,
Universidad de Tohoku.lapn. d ha~rlo ntrodu-

cido en el campo de la estadstica aplicada a la exploracin geoqumica.

REFERENCIAS

F.D. 1974. Geomachematics.

Sci. Publ. Co . Amscerdam.

AGTEMB~RG.

Elservier

CONN, H.; PAGE, B. 1973. Prospeccin geoqumica de

cromo,niquel en rocas ulerab.'ilcas, Provincias de

Caucn y Valdivia, Chile. lnst. (nvese. Geol. (in
dieo), SS p. Santiago.
Prospecci6n geoqumic. del yacio
miento GaJlehu, Provincia de Malleco.
Insc.
(nvese. Geol. (indito), 22 p. Santiago.

CRUZAT, A. 1974,

5tatistics anddata anaiysis in C~ology.

John Wiley & Sons Ine., New York.

DA VIS, ,J.C . 1973.

FUENZA1.IOA, H. 'U!. Orografa . In Gcografia Econmica de Chile. (Texto refundido). Carp. I:omen,
co de la Produccin (CORFO), p. 7,33 . SalHiago.
J.: MERRIAM. D. '968.
COnlJluter
applicanons in stratigraphic analysis. John Wilcy &
Sons Inc., New York.

HARBAUGH.

90

TECNICAS ESTADlSTICAS EN PROSPECCION MINERA

INSTITUTO

DE

INVESTIGACIONES

METAL. MINING

AGENCV

OF

GEOLOGICAS;
JAPAN.

1978.

Informe de reconocimiento geolgico del rea

Coihueco(l'lublc) . Lonquimay (Mallcco), zona
Central-Sur de Chile. (indito) 352 p. SantiagoTokyo.
MILLER, R.L . KAHN, J.S. 1965.

StatisticaJ analysis

in (he Gcological Sciences.

Ine., New York.

John Wiley & Sons

Investigacin sobre mtodos

de prospeccin gc:oqumica en el yacimiento tipo
cobre porfrico El Abra, Provincia de Anrafagasta,
Chile. Inst. lovest. Ceo!. (indito), 74 p. Santiago.

PAGE, 8.: CONN. H. 1973