A L A T E OR ÍA DE V AR I ABL ES

INTRO DU CCIÓ N
REGIONALIZGAEODSATASDÍSTICA

TE: Ing . W il de r C h uq ui runa Chávez

DOCEN
INTEGRANTES: n Daniel
♦ Acuña Bardales, Erikso
Deyser
♦ Ispilco Quispe, Denis
eydita
♦ Oyarce Mejía, Jheny N
d Fernando
♦ Vargas Guevara, Edgar
♦ Zelada Arevalo, Nestor

18
Cajamarca, 07 de junio de 20
CONTENIDO:
 INTRODUCCIÓN
 LA GEOESTADÍSTICA
 Origen
 Campos de aplicación
 VARIBLES REGIONALIZADAS
 Definición
 Características
 Ejemplos
 Notación Condensada
 Campo y soporte
 VARIOGRAMA
 Parámetros estadísticos
 Caracteres estructurales
 Comportamiento para distancias grandes y
pequeñas
 HIPÓTESIS ESTACIONARIA
 INTRODUCCIÓN
En el campo de las geociencias es común encontrar variables distribuidas espacialmente.
Para el estudio de estas variables son usados diversos procedimientos geoestadísticos de
estimación y/o simulación. Esto es, a partir de un conjunto de muestras tomadas en
localizaciones del dominio en que se manifiesta un fenómeno a estudiar y consideradas
representativas de su realidad, que por lo general es siempre desconocida, estos
procedimientos permiten la descripción o caracterización de las variables con dos fines
diferentes, primero, proporcionar valores estimados en localizaciones de interés y segundo,
generar valores que en conjunto presenten iguales características de dispersión que los
datos originales.
 LA GEOESTADÍSTICA
 ORIGEN Existen actualmente dos formas de realizar el cálculo de reservas, los
métodos clásicos y los modernos. Como clásicos se pueden destacar, el de
“Bloques Geológicos” y el de “Perfiles Paralelos, éstos se caracterizan por el
uso de valores medios o media ponderadas de los contenidos de la
exploración en bloques definidos convenientemente.

Los modernos, de los que se pueden citar entre los geomatemáticos: El

Inverso de la Distancia, Triangulación, Splines, etc. Aún más, buscando el
mejor estimador que minimice la varianza del error de estimación surge la
Geoestadística por los trabajos de G. Matheron en la Escuela Superior de
Minas de París
 Rama de la estadística que se especializa en el
análisis y la moderación de la variabilidad
 DEFINICIÓN DE espacial en ciencias de la tierra.

GEOESTADÍSTICA Su objeto de estudio es el análisis y la predicción

de fenómenos en espacio y/o tiempo, como: leyes
de metales, porosidades, concentraciones de un
contaminante, etc.
 CAMPOS DE APLICACIÓN
La geoestadística ha sido ampliamente aplicada • medio ambiente,
en diversas ramas de las ciencias y en las • estudios forestales,
ingenierías, entre otras tenemos:
• salud pública,
• Petróleo,
• ingeniería civil,
• minería,
• procesamiento de imágenes,
• pesca,
• cartografía,
• ciencias del mar,
• finanzas,
• Hidrogeología,
• meteorología,
• edafología, etc.
 Pasos de un estudio geoestadístico

1)Análisis exploratorio de los datos.

2)Análisis estructural contracción del

variograma.

3)Interpolación o estimación espacial

- kriging.

4)Validación del modelo

geoestadístico.
¿Qué es el análisis exploratorio de los datos (AED)?

Es un conjunto de técnicas estadísticas y graficas que permiten establecer un buen

entendimiento básico del comportamiento de los datos y de las relaciones existentes
entre las variables que se estudian.

El AED es un paso previo e indispensable para la aplicación de cualquier método

estadístico.

En particular permite la detección de fallos en el diseño y toma de datos, el tratamiento

y/o evaluación de datos ausentes, la identificación de valores atípicos y la comprobación
de supuestos requeridos por parte de las técnicas geoestadísticas.
Etapas de un AED

 Realizar un examen grafico de la naturaleza, de las variables individuales y un análisis descriptivo

numérico que permita cuantificar algunos aspectos gráficos de los datos.

 Realizar un examen grafico de las relaciones entre las variables y un análisis descriptivo numérico que
cuantifique el grado de interrelación existente entre ellas.

 Evaluar algunos supuestos básicos subyacentes a muchas técnicas estadísticas, por ejemplo,
normalidad, linealidad y homocedasticidad.

 Identificar los posibles valores atípicos (outliers) y evaluar el impacto potencial que puedan ejercer en
análisis estadísticos posteriores.

 Evaluar, el impacto potencial que pueden tener los datos ausentes (missing) sobre la representatividad de
los datos analizados.
Herramientas del AED

Estadística
multivariada

Región lineal y
mínimos cuadrados
Análisis Exploratorio

 Primer paso de cualquier análisis (geoestadístico o no).

 “Go beyond the data” o familiarización con el conjunto de datos.

 Representar los datos en figuras y diagramas en vez de analizar directamente listados en

formato tabular.

 Identificar observaciones “sospechosas”.

 Calcular los estadísticos descriptivos: resumir los datos.

 Datos geográficos: controlar la posición.

 Identificar las poblaciones.

 Caracterizar la función de distribución y proponer alguna transformación de los datos si no

es normal.
 VARIABLES REGIONALIZADAS

En términos mineros se define la geoestadística como la aplicación de

la teoría de las variables regionalizadas a la estimación de los recursos
mineros.

 DEFINICIÓN Una variable regionalizada es una función que representa la variación

en el espacio de una cierta magnitud asociada a un fenómeno natural.

Sea x un punto del espacio. Se designa la variable regionalizada por la

notación z(x).
 CARACTERÍSTICAS
• Localización

Implica que solo toma valores en el espacio geométrico del fenómeno.

Este espacio puede ser todo el Yacimiento o solo una parte y está determinada por aspectos geológicos.

• Continuidad

Se mide más bien por discrepancias entre valores vecinos que pueden ser menor la discrepancia entre
valores más cercanos.

• Anisotropía.

Esta característica esencial de la VR se refiere a que puede existir una dirección privilegiada donde la
continuidad es mejor, en contraposición a otras direcciones más discontinuas.
 NOTACIÓN CONDENSADA
En geoestadística se utiliza la notación condensada: Un punto del espacio se
representa por la letra x. Por ejemplo la ley en el punto x se representa por z(x). Por
consiguiente z(x) puede significar:

 z(x) si el problema es unidimensional (1-D)

 z(x1, x2) si el problema es bidimensional (2-D)

 z(x1, x2, x3) si el problema es tridimensional (3-D)

Se observa que existen problemas de notación ya que se acostumbra designar una

variable regionalizada con la letra z, lo cual coincide con la notación utilizada para la
cota o elevación.
 EJEMPLOS DE VARIABLES REGIONALIZADAS
 Ejemplo 1:
En el espacio de una dimensión, sea z(x) = Ley de Cu a lo largo de una galería:

Figura 1.1:canaletas Figura 1.2: Galería reconocida Figura 1.3: Leyes muestreadas en las
en una galeria. entre los puntos A y A’ canaletas entre A y A’.
 Ejemplo 2:

En la dimensión tiempo (una dimensión t), el precio de un metal p(t)

Fig. 1.4: Precio del cobre (promedio mensual (1987-2005) en centavos de dólar / libra.
 Ejemplo 3:

En el espacio de dos dimensiones, sea z(x1, x2) = z(x) = potencia minera-lisada en un yacimiento de
nitratos:

Figura 1.5: Depósito de nitratos-yodo: La

zona mineralizada, de color rojo en la
figura, se llama caliche
 Ejemplo 4:
En el espacio de tres dimensiones, sea z(x1, x2, x3) =
z(x) = Ley de Cu en el punto x dentro de un depósito
masivo: (DÁVILA, 2011-2012, pág. 31).

Figura 1.6: Caso típico de depósito de Figura 1.7. Planta en mina. Leyes de bloques
óxidos-sulfuros. La capa superior
de 25mx25mx15m. Zona de óxidos.
corresponde a grava.
 Ejemplo 5:
En el espacio de tres dimensiones, sea
z(x1, x2, x3) = z(x) = densidad de la roca en
un punto x dentro de un depósito minero.

Figura 1.8: Densidades superficiales

en ton/m3 en un yacimiento de cobre.
 CAMPO Y SOPORTE
Se llama CAMPO a la zona en la cual se estudia la variable
regionalizada. Para definir bien el campo (por ejemplo, los límites) es
necesario utilizar un modelo geológico adecuado, por ejemplo, en la
figura 1.9 se podrían distinguir dos campos disjuntos, los cuales se
pueden tratar de manera independiente y corresponden a unidades
Figura 1.9: Unidades D1, D2, D3, D4
geológicas: Unidad óxidos y unidad sulfuros. en una sección del depósito
de cobre porfídico de Inca de
Entonces en un mismo depósito minero D puede haber varios
Oro. Las unidades
campos o unidades D1, D2, Dk, en general disjuntos, cuya reunión es
corresponden a una
el conjunto D. interpretación geológica a
partir de los sondajes.
El soporte es el volumen de la muestra que define la
variable regionalizada. A menudo el soporte es un cilindro
llamado testigo.

z(x) será entonces la ley del volumen de muestra

localizado en el punto x., en el ejemplo 5 el soporte es un
cilindro vertical de 15 metros de largo.

Figura 1.10: Un testigo. Tiene un cierto largo l y un cierto diámetro d.

En el caso en que los testigos que constituyen el sondaje son de tamaño irregular, es
necesario hacer una operación la cual consiste en regularizar o compositar el sondaje, es
decir disponer de datos (compósitos) de longitud constante.

Figura 1.11: Regularización de un sondaje a un

largo constante b. Esta operación produce
errores
La figura 1.12 muestra una sección
transversal en un depósito de óxidos de
cobre. Las líneas representan los
sondajes de exploración. El punto rojo
se denomina collar del sondaje. El collar
está caracterizado por las coordenadas
x0, y0, z0 y por dos ángulos:
(θ, φ) Azimuth e inclinación.
Cada compósito está caracterizado por sus coordenadas x,
y, z, sus leyes, un código que indica el dominio o unidad
geológica y la identificación del sondaje, eventualmente otra
información. Se tiene así la base de datos de sondajes del
depósito, la cual, en formato de texto, puede ser incorporada
en cualquier paquete computacional.
Para tratar las desviaciones de los sondajes, se divide el
sondaje en tramos rectilíneos L1, L2, Lr.

Figura 1.13: Azimut θ (se mide en grados desde el norte) e inclinación φ

(se mide en grados desde la horizontal) de una sonda
C O M P O R T A M I E N T O D E L
VARIOG R A M A P A R A
DI S T A N C I A S P E Q U E Ñ A S
CASO 1: Leyes muy regulares y continuas.
Z(X) es una función muy regular, su interpretación en un
variograma es en forma parabólica en el origen.
CASO 2: Leyes un poco irregulares.
En este caso la interpretación a través un variograma genera un
comportamiento lineal en el origen.
CASO 3: Leyes con micro-variaciones.
Su interpretación a través de un variograma genera un efecto
pepita, es decir existe una discontinuidad aparente.
CASO 4: Leyes con irregularidad total.
Sin ninguna relación.
C O M P O R T A M I E N T O D E L
VARIOG R A M A P A R A
DISTANC I A S G R A N D E S
Caso 1: Leyes con crecimiento (decrecimiento) progresivo
 Caso 2: Leyes con pseudo-periodicidades.

En el caso que exista periodicidad no se observa una tendencia clara del

variograma a escala de observación que se tenga. Normalmente entre lo
que podría llamarse un ciclo, se observa la formación de una dispersión
que frecuentemente se conoce como efecto hoyo.
Caso 3: Fenómeno estacionario (sin pseudo periodicidades y tendencias).
MODE L O S E L E M E N T A L E S
DE VARI O G R A M A S
LOS RASGOS IMPORTANTES DE UN VARIOGRAMA SON:

• EL COMPORTAMIENTO EN EL ORIGEN: SUAVE / CONTINUO / DISCONTINUO

• EL COMPORTAMIENTO AL INFINITO: ALCANCE / MESETA
• EL COMPORTAMIENTO DIRECCIONAL: ISÓTROPO / ANISÓTROPO
• OTROS: CICLICIDAD, EFECTO DE HOYO
EN LA PRÁCTICA, SE MODELA EL VARIOGRAMA EXPERIMENTAL A PARTIR DE FUNCIONES
BÁSICAS PREESTABLECIDAS QUE CUMPLEN CON LAS RESTRICCIONES MATEMÁTICAS DE
UN VARIOGRAMA:

• MODELO DISCONTINUO EN EL ORIGEN: EFECTO PEPITA

• MODELOS LINEALES EN EL ORIGEN: ESFÉRICO, EXPONENCIAL…
• MODELOS PARABÓLICOS EN EL ORIGEN: GAUSSIANO…
• MODELOS SIN MESETA: POTENCIA…
• MODELOS CÍCLICOS: SENO CARDINAL…
EFECTO PEPITA
0 si h  0
 (h)  
C en caso contrario

ESTE MODELO SE TRADUCE EN UNA AUSENCIA TOTAL DE CORRELACIÓN EN EL ESPACIO: DOS

MUESTRAS DISTINTAS TIENEN VALORES INDEPENDIENTES
EFECTO PEPITA
LAS CAUSAS DEL EFECTO PEPITA SON:
• LA PRESENCIA DE “MICRO-ESTRUCTURAS” (VARIABILIDAD A ESCALA MUY PEQUEÑA EN
COMPARACIÓN CON LA ESCALA DE OBSERVACIÓN)
• LA PRESENCIA DE ERRORES DE MEDICIÓN (ERRORES FUNDAMENTAL, DE SEGREGACIÓN,
DELIMITACIÓN, EXTRACCIÓN, PREPARACIÓN Y ANÁLISIS QUÍMICO)
• LAPRESENCIA DE ERRORES EN LA UBICACIÓN DE LOS DATOS (COORDENADAS
EQUIVOCADAS)
• SOPORTE DE LA MEDICIÓN ES MUY PEQUEÑO (EFECTO DE SOPORTE)
• MUESTREO PREFERENCIAL EN ZONAS DE ALTAS LEYES (Y DE ALTA VARIABILIDAD DEBIDO AL
EFECTO PROPORCIONAL)
   3 h 1 h3 
C   3  si h  a

MODELO ESFÉRICO
 ( h)    2 a 2 a 
C en caso contrario


FORMA DE VARIOGRAMA COMÚNMENTE ENCONTRADA. EL ALCANCE CORRESPONDE

AL PARÁMETRO A, LA MESETA AL PARÁMETRO C.
MODELO ESFÉRICO
 a 3  3 h 1 h3 
 1  3  si 0  h  a
volumen   6  2 a 2 a 
0 si h  a


• LA TERMINOLOGÍA “VARIOGRAMA ESFÉRICO” SE EXPLICA PORQUE

C – (H) ES PROPORCIONAL AL VOLUMEN DE LA INTERSECCIÓN DE DOS
ESFERAS DE DIÁMETRO A, SEPARADAS POR H:
   3h  

MODELO EXPONENCIAL
 (h)  C 1 exp   
  a 
MODELO EXPONENCIAL

• MODELO SIMILAR AL ESFÉRICO PERO ASCIENDE MÁS ABRUPTAMENTE, TIENE MÁS

CURVATURA Y ALCANZA LA MESETA C SÓLO EN FORMA ASINTÓTICA

• EL ALCANCE PRÁCTICO ESTÁ DONDE G(H) VALE 0.95 C Y CORRESPONDE AL

PARÁMETRO A
   3h 2  

MODELO GAUSSIANO  (h)  C 1 exp  2  

  a 
MODELO GAUSSIANO
• EL MODELO IMPLICA CONTINUIDAD DE CORTA ESCALA DEBIDO A SU
COMPORTAMIENTO PARABÓLICO EN EL ORIGEN.

• ADECUADO PARA VARIABLES COMO ELEVACIONES O ESPESOR

• EL ALCANCE PRÁCTICO SE DEFINE CUANDO G(H) VALE 0.95 C Y CORRESPONDE AL

PARÁMETRO A
MODELO POTENCIA  (h)  C h 

ESTE MODELO SE ASOCIA A FRACTALES (MOVIMIENTOS BROWNIANOS FRACCIONARIOS).

ESTÁ DEFINIDO POR UNA POTENCIA 0<Q<2 Y UNA PENDIENTE POSITIVA C.
MODELO SENO CARDINAL
 a  h 
 (h)  C 1 sen   
 h  a 

ALCANCE PRÁCTICO = 20.4 A, SEMI-PERÍODO = 4.5 A, MESETA = C

MODELOS ANIDADOS  (h)  1 (h)   2 (h)  ...   S (h)

PARA OBTENER MODELOS MÁS

COMPLEJOS, SE PUEDE SUMAR
VARIOS VARIOGRAMAS
ELEMENTALES. EN ESTE CASO, SE
HABLA DE “VARIOGRAMAS
ANIDADOS”. PERMITE MODELAR
CAMBIOS DE PENDIENTE EN EL
VARIOGRAMA
MODELOS ANIDADOS
LA PRESENCIA DE UNA MICRO-ESTRUCTURA SE TRADUCE EXPERIMENTALMENTE EN UN EFECTO
PEPITA
 MODELOS EN 2-D Y 3-D
• MÁS DIFÍCIL QUE MODELOS 1-D YA QUE EL MODELO DEBE SER LEGÍTIMO (DEL PUNTO DE VISTA
MATEMÁTICO) EN TODAS LAS DIRECCIONES.
• COMÚNMENTE CALCULAMOS VARIOGRAMA EXPERIMENTALES EN DIRECCIONES ORTOGONALES
PRINCIPALES: DIRECCIONES VERTICAL, HORIZONTAL MAYOR Y HORIZONTAL MENOR.
• UN MODELO DE VARIOGRAMA ISÓTROPO (QUE SÓLO DEPENDE DE LA DISTANCIA, NO DE LA
ORIENTACIÓN DE H) ES POCO FRECUENTE.
• LOS TIPOS DE ANISOTROPÍA MÁS COMUNES SON LA ANISOTROPÍA GEOMÉTRICA Y LA
ANISOTROPÍA ZONAL.
ANISOTROPÍA GEOMÉTRICA
• ELMAPA VARIOGRÁFICO DIBUJA ELIPSES (2D) O ELIPSOIDES (3D). EL
MODELAMIENTO SÓLO REQUIERE ESPECIFICAR LAS DIRECCIONES PRINCIPALES
(ORTOGONALES ENTRE SÍ) Y LOS ALCANCES CORRESPONDIENTES.
 ANISOTROPÍA GEOMÉTRICA
CONSEJOS DE MODELAMIENTO:
• SELECCIONAR LA PEPITA DE LA DIRECCIÓN VERTICAL (O DE
LA DIRECCIÓN MEJOR INFORMADA)
• ESCOGER UNA CONSTANTE PEPITA BAJA
• DETERMINAR EL NÚMERO Y TIPO DE MODELOS DE
VARIOGRAMAS
• PRUEBA-Y-ERROR PARA ESTABLECER LOS PARÁMETROS
• HAY SOFTWARE FLEXIBLE DISPONIBLE
ANISOTROPÍA ZONAL
• EL MAPA VARIOGRÁFICO DIBUJA BANDAS. SE TRATA DE UN CASO LÍMITE DE ANISOTROPÍA GEOMÉTRICA,
DONDE EL ALCANCE EN UNA DIRECCIÓN SE VUELVE MUY GRANDE. A LA ESCALA DE TRABAJO, LA MESETA
CAMBIA SEGÚN LA DIRECCIÓN.
ANISOTROPÍAS COMPLEJAS
• SE OBTIENE FORMAS MÁS COMPLEJAS DE ANISOTROPÍA AL MEZCLAR ANISOTROPÍAS
GEOMÉTRICAS Y/O ZONALES DE ORIENTACIÓN Y RAZÓN DIFERENTES