Sunteți pe pagina 1din 15

Determinación y análisis de compósitos de 20 compartiendo 5, 10 y 15 datos.

Determinación y análisis de compósitos de 20 compartiendo 5, 10 y 15 datos.

Página 2 de 15

INTRODUCCION

La estadística y la geología son unas de las ciencias afines a la Geoestadística, pero eso no quiere decir que esta última sea la fusión de las dos. Es por ello que nos vemos en la necesidad de entender correctamente los fundamentos, definiciones y alcances de la Geoestadística.

El problema de modelar un macizo rocoso acompaña siempre a la actividad minera, por ello la necesidad de un mejor modelado para lograr una operación minera eficiente. Entonces, ¿cuál de las herramientas matemáticas existentes puede ofrecernos la solución?

Es ahí donde entra a tallar la Geoestadística, que surge como una ciencia que se encarga del estudio de las variables regionalizadas. Es por ello que no debemos pasar por alto los puntos fundamentales que destacan: la consolidación de la Geoestadística con los trabajos de Georges Matheron en 1965, el establecimiento de la escuela de Fontainebleau y finalmente el desarrollo de la Geoestadística asociada con la informática.

En cuanto a los fenómenos naturales, la imposibilidad de explicar el porqué del valor de una ley en un determinado punto de muestra está fuera de nuestro alcance, de ahí que trabajamos con variables “aleatorias” (cada caso tiene la misma probabilidad de ocurrir) y que las leyes tienen cierto grado de interdependencia.

En lo que continúa de este informe, haremos mención a aspectos teóricos empleados en la elaboración del mismo. Crearemos 10000 datos aleatorios desordenados, los cuales luego serán compositados en grupos de 20 en 20; luego a dichos datos serán compartidos en 5, 10 y 15; hallaremos datos estadísticos que incluyen el gráfico de histogramas y esbozaremos su respectivo variograma. Todo ello para comparar los resultados obtenidos y así hacernos una idea de cómo se comporta la curva del variograma en función de la dispersión de los datos.

En esta pequeña divulgación el objetivo es presentar el variograma y su extensión variograma Cruzado mediante algoritmos aritméticos simples, a través de ejemplos, haciendo ver su aporte como herramienta de trabajo en la geología de minas, de petróleo, etc. Aporte que consiste en dar cuenta del aspecto estructural del fenómeno estudiado, aspecto estructural no contemplado por la estadística descriptiva.

Página 3 de 15

OBJETIVO GENERAL

OBJETIVOS

Calcular y analizar la función Variograma para un compósito de 20 compartiendo 5, 10 y 15 datos de una serie de 10,000 datos aleatorios comprendidos entre ]0,1].

OBJETIVOS ESPECIFICOS

Crear un algoritmo que pueda generar datos aleatorios entre 0 y 1.

Crear un algoritmo que composite grupos de 20 compartiendo 5, 10 y 15 datos.

Graficar

los

variogramas.

histogramas

de

cada

uno

de

ellos

y

sus

respectivos

Analizar e interpretar el resultado gráfico de la superposición de los variogramas de cada compósito.

Interpretar los resultados de las gráficas para poder diferenciar los parámetros estadísticos calculados con los resultados geoestadísticos y remarcar su importancia.

MARCO TEÓRICO

Página 4 de 15

VARIOGRAMA

Es una función vectorial que permite medir las discrepancias de una propiedad

en una región del espacio. Siendo una herramienta de uso en el análisis de reservas minerales en una región definida.

El variograma es la herramienta geoestadística básica. Permite la cuantificación

de los parámetros geológicos y expresa la correlación espacial entre los valores

muestreados.

la correlación espacial entre los valores muestreados. Figura 1: Representación de la variable regionalizada en

Figura 1: Representación de la variable regionalizada en el espacio.

En

la que se define la función Variograma

 
 
   
 

Y

una

extensión

del

Variograma

denominado

Variograma

Cruzado

que

relaciona dos variables:

del Variograma denominado Variograma Cruzado que relaciona dos variables: COMPONENTES DE UN VARIOGRAMA

COMPONENTES DE UN VARIOGRAMA

Página 5 de 15

Página 5 de 15 Alcance.- Es aquel componente del variograma que refleja poca correlación de los

Alcance.- Es aquel componente del variograma que refleja poca correlación de los datos; llegara un momento en el que los datos se agruparan más homogéneamente es en ese entonces que se tendrá una medición de este parámetro geoestadístico.

Efecto pepita.- Representa una discontinuidad puntual del semivariograma en el origen, mide el error de muestreo o laboratorio. A distancias cortas debe ser igual en todas las direcciones.

Meseta.- Es el componente que muestra el grado de correlación entre las muestras más homogéneamente.

FUNCION VARIOGRAMA

En términos matemáticos se expresa como el valor promedio de la diferencia al cuadrado de los valores de la propiedad en dos puntos separados por una distancia |h|.

 

( )

[

(

)

(

)]

 

:

Variable estudiada.

(

) : Valor de dicha variable en el punto

 

.

(

) : Valor de la variable en el punto

 

.

:

Distancia entre muestras. : Número de parejas.

(

) : Función variograma evaluado en

 

.

Donde:

Página 6 de 15

ANALISIS VARIOGRAFICO

Mediante el análisis variográfico se logra describir las principales propiedades de la distribución espacial de la variable regionalizada en estudio, más allá de un simple reporte de los valores, como es en el caso de lo que se obtiene mediante parámetros estadísticos.

CONTINUIDAD ESPACIAL

La geoestadística asume que las muestras están correlacionadas. Es esta correlación espacial la que debemos encontrar en un yacimiento. Datos más cercanos tienen más posibilidades de ser similares que dos alejados.

ANISOTROPIAS

Generalmente cuando el variograma experimental es calculado en distintas direcciones presenta distintos comportamientos con la variación de la distancia. Entonces se tendrá 3 tipos de anisotropías:

Anisotropía Geométrica

Anisotropía Zonal

Anisotropía Híbrida

CÁLCULOS Y RESULTADOS

En primera instancia se procede a generar los 10,000 datos aleatorios, para ello se generó un algoritmo en el programa Visual Basic 6.0 con arrojándonos los datos en Excel.

Visual Basic 6.0 con arrojándonos los datos en Excel. Algoritmo generador de 10,000 números aleatorios Luego

Algoritmo generador de 10,000 números aleatorios

Luego creamos el algoritmo para determinar los compositos en grupos de 20.

Página 7 de 15 Algoritmo generador de compositos de grupos de 20 Algoritmo generador de

Página 7 de 15

Página 7 de 15 Algoritmo generador de compositos de grupos de 20 Algoritmo generador de compositos
Algoritmo generador de compositos de grupos de 20 Algoritmo generador de compositos de grupos de
Algoritmo generador de compositos de grupos de 20
Algoritmo generador de compositos de grupos de 20
compartiendo 5
generador de compositos de grupos de 20 compartiendo 5 Algoritmo generador de compositos de grupos de
generador de compositos de grupos de 20 compartiendo 5 Algoritmo generador de compositos de grupos de

Página 8 de 15

Luego creamos y generamos el algoritmo para determinar los variogramas.

y generamos el algoritmo para determinar los variogramas. Algoritmo de cálculo de variograma de compósito de

Algoritmo de cálculo de variograma de compósito de 20

Algoritmo de cálculo de variograma de compósito de 20 Algoritmo de cálculo de variograma de compósito

Algoritmo de cálculo de variograma de compósito de 20 compartiendo 10

cálculo de variograma de compósito de 20 compartiendo 10 Algoritmo de cálculo de variograma de compósito

Algoritmo de cálculo de variograma de compósito de 20 compartiendo 5

de cálculo de variograma de compósito de 20 compartiendo 5 Algoritmo de cálculo de variograma de

Algoritmo de cálculo de variograma de compósito de 20 compartiendo 15

Página 9 de 15

10000 datos aleatorios compositado en grupos de 20.-

Grafico del histograma:

HISTOGRAMA COMPÓSITO DE 20

25% 20% 15% 10% 5% 0% Frecuencia
25%
20%
15%
10%
5%
0%
Frecuencia

Marca de clase

DE 20 25% 20% 15% 10% 5% 0% Frecuencia Marca de clase HISTOGRAMA COMPOSITO DE 20

HISTOGRAMA COMPOSITO DE 20

HISTOGRAMA COMPOSITO DE 20

Media, varianza y coeficiente de variación:

Media

0.50447574

Error típico

0.00286038

Desviación estándar

0.06396005

Grafico del variograma:

VARIOGRAMA COMPÓSITO DE 20 0.007 0.006 0.005 0.004 0.003 VARIOGRAMA COMPÓSITO DE 20 0.002 0.001
VARIOGRAMA COMPÓSITO DE 20
0.007
0.006
0.005
0.004
0.003
VARIOGRAMA COMPÓSITO DE 20
0.002
0.001
0
γ (h)

0 1000 2000 3000 4000 5000 6000 7000 8000 90001000011000

h

Página 10 de 15

10000 datos aleatorios compositado en grupos de 20 compartiendo 5.-

Grafico del histograma:

HISTOGRAMA COMPÓSITO DE 20 COMPARTIENDO 5

30% 25% 20% 15% 10% 5% 0% Frecuencia
30%
25%
20%
15%
10%
5%
0%
Frecuencia

Marca de clase

5 30% 25% 20% 15% 10% 5% 0% Frecuencia Marca de clase HISTOGRAMA COMPOSITÓ DE 20

HISTOGRAMA COMPOSITÓ DE 20 COMPARTIENDO 5

HISTOGRAMA COMPÓSITO DE 20 COMPARTIENDO 5

Media, varianza y coeficiente de variación:

Media 0.50497766 Error típico 0.00246052 Desviación estándar 0.06349855 Grafico del variograma: VARIOGRAMA
Media
0.50497766
Error típico
0.00246052
Desviación estándar
0.06349855
Grafico del variograma:
VARIOGRAMA COMPÓSITO DE 20 COMPARTIENDO 5
0.009
0.008
0.007
0.006
0.005
0.004
0.003
VARIOGRAMA COMPÓSITO DE 20
COMPARTIENDO 5
0.002
0.001
0
0
1000 2000 3000 4000 5000 6000 7000 8000 90001000011000
h
γ (h)
COMPÓSITO DE 20 COMPARTIENDO 5 0.002 0.001 0 0 1000 2000 3000 4000 5000 6000 7000

Página 11 de 15

10000 datos aleatorios compositado en grupos de 20 compartiendo 10.-

Grafico del histograma:

HISTOGRAMA COMPÓSITO DE 20 COMPARTIENDO 10

30% 25% 20% 15% 10% HISTOGRAMA COMPOSITÓ DE 20 COMPARTIENDO 10 5% 0% HISTOGRAMA COMPÓSITO
30%
25%
20%
15%
10%
HISTOGRAMA
COMPOSITÓ DE 20
COMPARTIENDO 10
5%
0%
HISTOGRAMA
COMPÓSITO DE 20
COMPARTIENDO 10
Frecuencia

Marca de clase

Media, varianza y coeficiente de variación:

Media

0.504433

Error típico

0.0019957

Desviación estándar

0.06307799

Grafico del variograma:

VARIOGRAMA COMPÓSITO DE 20 COMPARTIENDO 10 0.009 0.008 0.007 0.006 0.005 0.004 0.003 VARIOGRAMA COMPÓSITO
VARIOGRAMA COMPÓSITO DE 20 COMPARTIENDO 10
0.009
0.008
0.007
0.006
0.005
0.004
0.003
VARIOGRAMA COMPÓSITO DE 20
COMPARTIENDO 10
0.002
0.001
0
0 1000 2000 3000 4000 5000 6000 7000 8000 90001000011000
h
γ (h)

Página 12 de 15

10000 datos aleatorios compositados en grupos de 20 compartiendo 15.-

Grafico del histograma:

HISTOGRAMA COMPÓSITO DE 20 COMPARTIENDO 15

25% 20% 15% 10% 5% HISTOGRAMA COMPOSITÓ DE 20 COMPARTIENDO 15 0% HISTOGRAMA COMPÓSITO DE
25%
20%
15%
10%
5%
HISTOGRAMA
COMPOSITÓ DE 20
COMPARTIENDO 15
0%
HISTOGRAMA
COMPÓSITO DE 20
COMPARTIENDO 15
Frecuencia

Marca de clase

Media, varianza y coeficiente de variación:

Media

0.50441923

Error típico

0.00142129

Desviación estándar

0.06351433

Grafico del variograma:

VARIOGRAMA COMPÓSITO DE 20 COMPARTIENDO 15 0.009 0.008 0.007 0.006 0.005 0.004 0.003 VARIOGRAMA COMPÓSITO
VARIOGRAMA COMPÓSITO DE 20 COMPARTIENDO 15
0.009
0.008
0.007
0.006
0.005
0.004
0.003
VARIOGRAMA COMPÓSITO DE 20
COMPARTIENDO 15
0.002
0.001
0
0 1000 2000 3000 4000 5000 6000 7000 8000 90001000011000
h
γ (h)

Página 13 de 15

CONCLUSIONES

En primera instancia al calcular los compositos, se evidencia que cuando se composita en grupos de 20 se obtiene 500 datos, luego se compositarlo en grupos de 20 compartiendo 5, 10 y 15, se obtienen 666, 999 y 1997 datos respectivamente, concluyendo que a mayor cantidad de datos compartidos la cantidad de nuevos datos aumenta.

De la conclusión anterior el hecho de que aumenten se debe a que el avance de promedio no se ejecuta de 20 en 20, como se realiza en compositos de 20, sino de 15 en 15, 10 en 10 y 5 en 5 para los compositos de 20 compartiendo 5, 10 y 15 respectivamente.

En las comparaciones de las medias resultan ser iguales en los compositos, salvo cuando se composita compartiendo 5, ya que en su secuencia no llega a comprender los 10,000 valores aleatorios solo hasta los 9990 (sobran 10 o faltan 5 datos adicionales).

La desviación estándar se asemejan en todos los casos, pero error típico disminuye según aumenta la cantidad de datos compartidos.

Los datos tienden a concentrarse en el valor de su media.

En el gráfico de los histogramas se concluye que poseen la misma tendencia por la misma cantidad del compósito y su equivalencia de sus medias. Se podría decir que poseen histogramas semejantes.(ver gráfico “HISTOGRAMAS”)

Grafico del histograma:

HISTOGRAMAS

30% 25% 20% 15% 10% 5% 0% Frecuencia
30%
25%
20%
15%
10%
5%
0%
Frecuencia

Marca de clase

COMPÓSITO DE 20

COMPÓSITO DE 20 COMPARTIENDO 5

COMPOSITÓ DE 20 COMPARTIENDO 10

COMPOSITO DE 20 COMPARTIENDO 15

En el análisis de los variogramas, nos apoyamos de sus gráficos superpuestos, nos no se aprecia una gran diferencia ya que el valor de composito se mantiene (20), pero el trabajo consistió en el cambio que presentaba. Por ello se analizó en un rango (h = 0 hasta 110) donde se aprecia con mayor claridad la zona enmarcada en círculo rojo.

Página 14 de 15 Grafico del variograma: VARIOGRAMAS COMPÓSITOS DE 20 0.01 0.008 0.006 0.004
Página 14 de 15
Grafico del variograma:
VARIOGRAMAS COMPÓSITOS DE 20
0.01
0.008
0.006
0.004
0.002
VARIOGRAMA COMPÓSITO
DE 20
VARIOGRAMA COMPÓSITO
DE 20 COMPARTIENDO 15
VARIOGRAMA COMPÓSITO
DE 20 COMPARTIENDO 10
VARIOGRAMA COMPÓSITO
DE 20 COMPARTIENDO 5
0
0
1000 2000 3000 4000 5000 6000 7000 8000 90001000011000
h
γ (h)

Se para la escala anteriormente mencionada se realiza el análisis y se obtiene un valor aproximado del alcance (definido en la parte teórica), siendo este 25,a lo que se le interpreta como el radio de influencia de 25 metros de una muestra, es decir que las leyes estarán relacionadas en un radio de 25 m. resultado que no se puede obtener con un composito simple (sin datos compartidos). Dichas conclusiones dan valor al presente trabajo.

VARIOGRAMAS COMPÓSITOS DE 20

0.0045 0.004 0.0035 0.003 0.0025 0.002 0.0015 0.001 0.0005 0 0 10 20 30 40
0.0045
0.004
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
0
10
20
30
40
50
60
70
80
90
100
110
120
γ (h)

h

VARIOGRAMA COMPÓSITO DE10 20 30 40 50 60 70 80 90 100 110 120 γ (h) h 20

20

VARIOGRAMA COMPÓSITO DE80 90 100 110 120 γ (h) h VARIOGRAMA COMPÓSITO DE 20 20 COMPARTIENDO 15 VARIOGRAMA

20 COMPARTIENDO 15

VARIOGRAMA COMPÓSITO DECOMPÓSITO DE 20 VARIOGRAMA COMPÓSITO DE 20 COMPARTIENDO 15 20 COMPARTIENDO 10 VARIOGRAMA COMPÓSITO DE 20

20 COMPARTIENDO 10

VARIOGRAMA COMPÓSITO DECOMPÓSITO DE 20 VARIOGRAMA COMPÓSITO DE 20 COMPARTIENDO 15 VARIOGRAMA COMPÓSITO DE 20 COMPARTIENDO 10 20

20 COMPARTIENDO 5

Página 15 de 15

Para un mejor análisis geoestadístico se requiere una considerable cantidad de muestras ya que cuanta más cantidad sean, más cercanos a la verdad y realidad estaremos del yacimiento.

BIBLIIOGRAFIA

www.Mine-class.com/geoestadistica

www.ecured.cu/geoestadistica

variogramas-tics2016.blogspot.com

www.academia.edu/CONSTRUCCIÓN DE VARIOGRAMAS Y ANÁLISIS

GEOESTADISTICOS DE 5000 DATOS GENERADOS ALEATORIAMENTE-

GEOESTADISTICA-I