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

OBJETIVOS

OBJETIVO GENERAL

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 histogramas de cada uno de ellos y sus respectivos

variogramas.

 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.

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:

COMPONENTES DE UN VARIOGRAMA
 Página 5 de 15

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|.
∑ [ ( ) ( )]
( )
Donde:
: 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 .
 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.

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 compositos de grupos de 20

compartiendo 5

Algoritmo generador de compositos de grupos de 20 Algoritmo generador de compositos de grupos de 20

compartiendo 10 compartiendo 15
 Página 8 de 15

Luego creamos y generamos el algoritmo para determinar los variogramas.

Algoritmo de cálculo de variograma de Algoritmo de cálculo de variograma de

compósito de 20 compósito de 20 compartiendo 5

Algoritmo de cálculo de variograma de Algoritmo de cálculo de variograma de

compósito de 20 compartiendo 10 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%
Frecuencia

15%
10% HISTOGRAMA
COMPOSITO DE 20
5%
HISTOGRAMA
0% COMPOSITO DE 20

Marca de clase

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
γ (h)

0.003
VARIOGRAMA COMPÓSITO DE 20
0.002
0.001
0
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%
Frecuencia

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

Marca de clase

Media, varianza y coeficiente de variación:

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
γ (h)

0.004 VARIOGRAMA COMPÓSITO DE 20

0.003 COMPARTIENDO 5
0.002
0.001
0
0 1000 2000 3000 4000 5000 6000 7000 8000 90001000011000
h
 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%
Frecuencia

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

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
γ (h)

0.004 VARIOGRAMA COMPÓSITO DE 20

0.003 COMPARTIENDO 10
0.002
0.001
0
0 1000 2000 3000 4000 5000 6000 7000 8000 90001000011000
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%
Frecuencia

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

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
γ (h)

0.004 VARIOGRAMA COMPÓSITO DE 20

0.003 COMPARTIENDO 15
0.002
0.001
0
0 1000 2000 3000 4000 5000 6000 7000 8000 90001000011000
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% COMPÓSITO DE 20
Frecuencia

15%
COMPÓSITO DE 20
10% COMPARTIENDO 5
5% COMPOSITÓ DE 20
0% COMPARTIENDO 10
COMPOSITO DE 20
COMPARTIENDO 15

Marca de clase

 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 VARIOGRAMA COMPÓSITO

DE 20
0.006 VARIOGRAMA COMPÓSITO
γ (h)

DE 20 COMPARTIENDO 15
0.004 VARIOGRAMA COMPÓSITO
DE 20 COMPARTIENDO 10
0.002 VARIOGRAMA COMPÓSITO
DE 20 COMPARTIENDO 5
0
0 1000 2000 3000 4000 5000 6000 7000 8000 90001000011000
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
VARIOGRAMA COMPÓSITO DE
0.0035 20
0.003
VARIOGRAMA COMPÓSITO DE
0.0025 20 COMPARTIENDO 15
γ (h)

0.002 VARIOGRAMA COMPÓSITO DE

20 COMPARTIENDO 10
0.0015

0.001 VARIOGRAMA COMPÓSITO DE

20 COMPARTIENDO 5
0.0005

0
0 10 20 30 40 50 60 70 80 90 100 110 120
h
 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