Documente Academic
Documente Profesional
Documente Cultură
PROFESOR M.ALFARO
“TRABAJOS EN GEOESTADISTICA LINEAL “
G.MATHERON
“La theorie des varibles regionaliseés et ses aplications
Centre de geoestatistique Fontainebleau
LE LOC’H, G. (2003)
" Notes de classes de cours de géostatistique"
CFSG, Ecole des Mines de Paris Fontainebleau 2003-2004.
.
KIM, Y.C. & MEDHI P.K. & RODITIS I.S. (1987)
“Performance evaluation of indicator kriging in a gold deposit”
Mining Engineering October 1987 947p
MARCOTTE,D. (2002)
"Notes de classes de cours de Krigeage d´Indicatrices"
http://geo.polymtl.ca/~marcotte/glq3401geo/chapitre7.pdf
Ecole Polytechnique Montreal GLQ3401
ONU (1996):
"Marco Internacional de las Naciones Unidas Para la Clasificación de Reservas/Recursos,
Combustibles Sólidos y Sustancias Minerales"
Versión Definitiva. Establecida y Presentada por el Equipo Especial de las Naciones Unidad. p. 77-88.
Referencia
RIVOIRAD,J. (2003) :
"Notes de classes de cours de géostatistique multivariable".
CFSG, Ecole des Mines de Paris Fontainebleau 2003-2004.
CLAYTON DEUTSCH
“Special Topics in geostatistics”
Paramètres géo-métallurgiques
Modélisation des lithologies Optimisation Economique
Modélisation des gangues (Logiciel Whittle)
Consommations d´acide
Type de minéraux
Paramètres Géométriques
Angles de Talus
Géométrie de la fosse
Topographie
Autres
Analyse économique du
projet
Dimensionnement de la
fosse finale
GENERALIDADES
•PROSPECCION
•EXPLORACION
•DESARROLLO
•EXPLOTACION
•REHABILITACION Y ABANDONO
GENERALIDADES
GENERALIDADES
Nociones fundamentales
Campo
El campo es el dominio en le cual se extiende la variable
regionalizada .Fuera del campo ,la variable no interesa o
simplemente no esta definida
IV. PROGRAMA DE TRABAJO
Compositos
4
leyes de cobre
0
0 50 100 150 200 250
distancias
GENERALIDADES
GENERALIDADES
Algunas Problemáticas generales
Principios directores
3.-Principio de la economía
GENERALIDADES
Z *
i 1, n
i * zi
• 1) MEDIA ARITMETICA:Se basa en lo siguiente
“para estimar la ley media de un conjunto se
promedian las leyes de los datos que están
dentro del conjunto”
• Su fórmula general:
zj
zs
N
• 2)Polígonos:El método se basa en “asignar a
cada punto del espacio la ley del dato más
próximo.Para estimar una zona se ponderan
las leyes de los datos por el área de influencia
sj”
• Su fórmula es la siguiente:
sjz j
zs
s
3) INVERSO DE LA DISTANCIA:Se basa en “asignar mayor
peso a las muestras cercanas y menor peso a las
muestras alejadas a s”
• Se consigue al ponderar las leyes
• Su fórmula es:
zi
n di
z { }
n
i 1 1
d
j j
• POLIGONO
1
• PROMEDIO
1
• IVOR i
n
1
d
i i
1
• KRIGEAGE (se vera después)
i 1,n d
1 , 3
i
Ejemplo
Ejemplo
COMENTARIOS
Definición de Estadística
• Estadígrafos de disperción
Rango (R)
Desviasión estandar
Varianza
Coeficiente de variación
Diferencia cuadrática media
Varianza ponderada o Submuestras
Coeficiencia de asimetría
Curtosis
DISTRIBUCIÓN DE FRECUENCIA
• Y = f(x) Distribución frecuencia contínua • Sesgamiento
• Simetría
• D. Normal
Simétrica y unimodal.
• D. Lognormal
• Multimodal
Valores NO logaritmicos Maxima sesgada
• D. Datos analíticos
Distorsión de los valores mas altos Sesgamiento (+)
Valores bajos ( poblaciones de muestras pequeñas o
división de intervalos de clase) Multimodal
TRATAMIENTO O MANEJO DE DATOS
• Uso de intervalos clases
• Recolectar Datos
– Ej. Encuestas
• Presentar Datos
– Ej. Tablas y Gráficos
• Resumir Datos
– Ej. Media muestral = X i
n
1-11
Resumen de
Tipos de Variables
DATOS
Discretos Continuos
(Conteo) (Medición)
Características
de los Datos
Dispersión
(Variación)
Sesgo
Tendencia
Central
Media de la Población
Propiedades de la
Media Aritmética
• Todo conjunto de datos tiene un valor medio.
• Al evaluar la media se incluyen todos los valores.
• Un conjunto de valores sólo tiene una media.
• Desventaja
– Es afectada por los valores extremos.
3-8
Media Ponderada
Media Geométrica
• La media geométrica (MG) de un conjunto
de n números positivos se define como la
raíz n-ésima del producto de los n valores.
Su fórmula es:
MG n ( x1)( x 2)( x3)...( xn)
– La media geométrica se usa para encontrar el
promedio de porcentajes, razones, índices o
tasas de crecimiento.
3-10
Mediana
Propiedades de la mediana
0 1 2 3 4 5 6
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Sin Moda
Moda = 9
3-18
( f * x) ( f * x)
x
f n
– f = frecuencia de cada clase
– x = punto medio o marca de la clase
– n = número de observaciones
Ejemplo
Media de Datos Agrupados
224
Media 10.18
22
3-21
( n 1) / 2 ( F 1)
m * w L m
fm
– n= número de elementos de la distribución
– F= suma de todas las frecuencias de clase hasta pero sin incluir la
clase mediana.
– fm= Frecuencia de la clase mediana
– W = ancho del intervalo de clase
– Lm= Límite inferior del intervalo de clase mediano
Ejemplo
Mediana de Datos Agrupados
CLASE FRECUENCIA FR. ACUM.
1-3 1 1
4-6 3 4
7-9 5 9
10 - 12 7 16
13 - 15 4 20
16 - 18 2 22
22
22 1
Ubicación de la mediana 11.5
2
( 22 1 ) / 2 ( 9 1 )
m * 3 10
7
3-25
(7 5)
Mo 10 * 3
(7 5) (7 4 )
Medidas de Dispersión
Medidas de Dispersión
Dispersión
7 8 9 10 11 12 7 8 9 10 11 12
Cuartiles
• Los datos se ordenan de menor a mayor.
Q1 Q2 Q3
Observación Observación
Menor Mayor
(x ) 2
2
N
x 2
2
2
N
Desviación Estándar
de la Población
(x ) 2
2
N
x 2
2
2
N
Varianza de la Muestra
(x x) 2
s 2
n 1
x 2 2
nx
s 2
n 1 n 1
Desviación Estándar
de la Muestra
(x x) 2
s s 2
n 1
x2 2
nx
s s 2
n 1 n 1
Varianza de la Población
Datos Agrupados
f (x ) 2
2
N
fx 2
2
2
x marca de clase
Desviación Estándar
de la Población Datos Agrupados
f (x ) 2
2
N
fx 2
2
2
N
x marca de clase
Varianza de la Muestra
Datos agrupados
f (x x) 2
s 2
n 1
fx 2 2
nx
s 2
n 1 n 1
x marca de clase
Desviación Estándar
de la Muestra
Datos Agrupados
f (x x) 2
s s 2
n 1
fx 2 2
nx
s s 2
n 1 n 1
x marca de clase
Ejemplo Desviación Estándar
de Datos Agrupados
CLASE MARCA FRECUENCIA M X FREC. (Marca - Media)2 x Frecuencia
1-3 2 1 2 66.94 66.94
4-6 5 3 15 26.85 80.55
7-9 8 5 40 4.76 23.80
10 - 12 11 7 77 0.67 4.69
13 - 15 14 4 56 14.58 58.31
16 - 18 17 2 34 46.49 92.98
22 224 327.27
Dispersión Relativa
• El coeficiente de variación es la razón de la
desviación estándar a la media aritmética,
expresada como porcentaje:
s
CV (100 %)
x
Ejemplo de Dispersión Relativa
Distribución A Distribución B
x 10 x 100
s2 s5
Distribución A Distribución B
2 5
CV 100 20% CV 100 5%
10 100
Distribución A Distribución B
x 10 x 100
s2 s5
180
160
140
Frecuencia 120
100
80
60
40
20
0
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4 2,6 2,8 3 3,2 3,4 3,6 3,8 4 4,2 4,4 4,6 4,8 5
Clase
Frecuencia acumulada
80%
F ( x ) Pr obX x
20%
0%
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4 2,6 2,8 3 3,2 3,4 3,6 3,8 4 4,2 4,4 4,6 4,8 5
Clase
Relación entre densidad de probabilidades y
densidad cumulativa:
F ( x)
f ( x )dx
n
F ( x ) pi
Muestras son un número finito de
realizaciones, por lo tanto:
i 1
Estadística básica
• medidas de posición
media, mediana, moda, mínimo, máximo, rango, deciles,
cuartiles, cuantiles
• medidas de dispersión
varianza, desviación estándar, coeficiente de variación,
rango intercuartil
• medidas de forma
coeficiente de asimetría, coeficiente de aplanamiento
Momentos
n donde:
wi z i
i 1
E{Z} = valor esperado de Z
E{Z } m n wi = Ponderador del dato i-ésimo
w
i 1
i n = número de datos
m = media
• En el caso continuo:
E{Z } m zdF ( z ) zf ( z )dz
Esperanza y Varianza de una Variable
Aleatoria
Sea X una variable aleatoria discreta, y supongamos que toma valores
en el espacio {0, 1, 2, ..} con probabilidad
PrX k pk
k 0
Esperanza y Varianza de una Variable
Aleatoria
La interpretación es bastante sencilla
E X k pk
k 0
probabilidad que la
posibles valores de X variable tome el valor k
k 0
EX x f ( x) dx
V X x EX
2
f ( x) dx
Esperanza y Varianza de una Variable
Aleatoria
La interpretación para el caso continuo es similar. En efecto
EX x f ( x) dx
posible valor de X
Probabilidad de que la variable
El valor “promedio” que puede
aleatoria X tome un valor en el
asumir la variable
intervalo [x, x + dx]
V X x EX
2
f ( x) dx
Desviación cuadrática Desviación cuadrática de los posibles valores de
promedio X respecto de su promedio E[X]
Momentos
• Propiedades de la esperanza:
Ea a
EbZ b EZ
Ea bZ a b EZ
Eg ( Z ) g ( z ) f ( z ) dz
• Propiedades de la varianza
Vara 0
VaraZ a 2 VarZ
Varb Z VarZ
Más estadísticas
• Medidas de forma:
– Coeficiente de asimetría (skewness)
1 n
n
( z (u ) m) 3
Coeficiente de asimetría 1
s3
Mm z(x) M mM
m
z(x) z(x)
Estadística de dos variables
• Análisis bivariable
• Pares deben corresponder a la misma ubicación
en el espacio (co-localizados)
Gráfico de Dispersión
2,5
2
Variable 2
1,5
0,5
0
0 0,5 1 1,5 2 2,5 3
Variable 1
Correlación
• El coeficiente de correlación es una medida de la
dependencia lineal entre las dos variables
1 n
( z1 mZ1 )( z2 mZ 2 )
n 1
Z1 Z 2
Q-q Plot
Distribución Normal
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
0 2 4 6 8 10 12 14 16
z
• Propiedades:
– Completamente definida por su media y varianza
– Tiene una descripción matemática precisa
– Favorable para enfoques teóricos de estimación
• Función de densidad de probabilidad:
2
1 z
1
2
g( z) e
2
Distribución Normal
g(z)
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
0 2 4 6 8 10 12 14 16
z
• Estandarización: z
y
2
• Distribución normal estándar N(0,1) 1
y
g( y ) e 2
2
G( y )
g( y ) dy
• corresponde al área bajo la curva
Distribución Normal
g(z)
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
• Intervalos de confianza
0.00
0 2 4 6 8 10 12 14 16
z
68% 95%
g(z) g(z)
0.40 0.40
0.35 0.35
0.30 0.30
0.25 0.25
0.20 0.20 95 %
0.15 68% 0.15
0.10 0.10
0.05
16% 16%
0.05 2.5% 2.5%
0.00 0.00
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16
z z
g(z)
0.35
0.30
0.25
0.20
Distribución Lognormal
0.15
0.10
0.05
0.00
0 2 4 6 8 10
z
• Una población es lognormal si los logaritmos de los datos están distribuídos como
una normal
• Propiedades:
– En Ciencias de la Tierra es común encontrar variables cuya distribución es
cercana a una lognormal
– Relación con la distribución normal la hace fácil de utilizar
– También es favorable para enfoques teóricos de estimación
• Función de densidad de probabilidad:
1 ln y
f Y ( y ) F 'Y ( y ) g o
y
g(z)
0.35
0.30
Distribución Lognormal
0.25
0.20
0.15
0.10
ln y
0.05
1
f Y ( y ) F 'Y ( y ) g o
0.00
0 2 4 6 8 10
z
y
m e 2 m 2 [e 1]
2 2
/2
2 ln y
ln m / 2 2
ln1 2
2
FY ( y ) Prob{Y y )} Go para todo y 0
m
g(z) G(z)
0.35 1.0
0.9
0.30
0.8
0.25 0.7
0.6
0.20
0.5
0.15 0.4
0.3
0.10
0.2
0.05
0.1
0.00 0.0
0 2 4 6 8 10 0 2 4 6 8 10 z
z
La Distribución Log Normal
Valor esperado
.
Varianza
CAPÍTULO 1
SESIÓN 3
EJERCICIOS
GRACIAS