Sunteți pe pagina 1din 260

Andrés López Cayupi

TEORÍA DEL Ingeniero Ejecución en


Minas
andres.lopez25@inacapm
MUESTREO ail.cl
DEFINICIONES BÁSICAS
Muestreo: Es la acción de recoger una o varias muestras representativas de una
población de una forma estadísticamente determinada, para así inferir el valor de
una ó varias características de tal población.
El muestreo exacto de un material heterogéneo es imposible, siempre existirá un
error asociado al muestreo.

ERROR = |VALOR MEDIDO - VALOR VERDADERO|

Cuando el lote de material es homogéneo, el error de muestreo se reduce a un


mínimo.
El muestreo estadístico es
diferente del muestro de
minerales:

Muestreo estadístico: El
lote o población está
compuesto por objetos de
igual peso.
Muestreo de minerales: El
lote o población está
compuesto de objetos de
diferentes pesos.
Lote: Se refiere a una
cantidad de material a ser
muestreada, cuya
composición se quiere
estimar, es el conjunto
completo de observaciones
que deseamos estudiar.

Incremento: Es una
cantidad de materia
seleccionada mediante un
dispositivo de muestreo en
una sola operación.
Muestra: Es una cantidad de materia que es
extraída de un lote, a menudo obtenida
mediante la reunión de distintos incrementos
o fracciones del lote. Asimismo podemos
decir que es una parte o porción extraída de
un conjunto por métodos que permiten
considerarla como representativa del mismo.
Homogeneidad: Es aquel sistema que
esta formado por una sola fase. Es toda
masa aislada que posee las mismas
propiedades intensivas en más de dos
puntos.

Heterogeneidad: Un sistema
heterogéneo en aquel que está formado
por dos o más fases. Es identificado por
razones muy simples: se pueden
apreciar las distintas partes de las que
se compone el sistema.
Representatividad: Implica la capacidad de trasladar exitosamente
los resultados de la muestra a la población. Depende en mayor
medida del diseño experimental utilizado.
La importancia económica de una muestra no está relacionada con su
valor material, sino que a su valor como muestra, es decir, a su
representatividad.
Equiprobabilidad: Esta definición se cumple cuando todas las
combinaciones de n fragmentos tienen la misma probabilidad de ser elegidos
para la constitución de la muestra (MS es la muestra con n fragmentos).
Para cumplir bien con la definición inicial de muestreo, se debe cumplir el
hecho siguiente, de vital importancia:
“TODO MUESTREO DEBE SER EQUIPROBABLE Y REPRESENTATIVO”

Pierre Gy “cuando la condición


de equiprobabilidad no se
cumple, se tiene más bien un
“espécimen” (un ejemplar) en
vez de una muestra”.
El muestreo de carros mineros y el muestreo de camiones mineros no
es equiprobable debido a que obligatoriamente la muestra es
superficial.
La figura que se muestra a continuación ilustra una muestra que fue
tomada “fuera de norma” en una mina de cobre oxidado. En esta mina se
debe utilizar un captador del material de la perforación, sin embargo el
trabajador tomó “a mano” una parte superficial del lote:
ón ?
cis i
pre
sl a
é e
¿Qu ¿Qué
exac es la
titud
?

Exactitud: Es lo cerca que el


resultado de una medición
está del valor verdadero.
Exactitud sin precisión.Precisión sin exactitud.

Precisión: La precisión es
lo cerca que los valores
medidos están unos de
otros.
Exactitud y precisión Ninguno
A continuación se presenta un grafico de dispersión de muestras
originales versus
duplicado CUT%, de un proyecto INFILL DRILLING 2005.
IMPORTANCIA DEL
MUESTREO MINERO
Las principales decisiones de un proyecto minero, considerando desde la
explotación minera hasta el cierre de minas, se basan en los valores
obtenidos del material que fue muestreado, ya que esta decisión implica
millones de dólares invertidos.
EJEMPLO PRACTICO
En los pozos de tronadura de una mina Rajo Abierto, el material
acumulado (detritus de la perforación) puede ser enorme, lo que
obliga a tomar una muestra.
Se desea realizar un muestreo en un depósito minero con alta
presencia de rocas tipo oxido, su densidad es de 2.5 [ton/m3]. Se
sabe que la malla de tronadura BxE es de 10 [m] x 10 [m], y se
aplica en un banco de 15 [m] de altura. Para la perforación se
utiliza una perforadora PV251 con un diámetro de trícono de 10
[in].
¿CUÁL SERÍA EL TONELAJE ACUMULADO POR
EL MATERIAL DE UN POZO DE PERFORACIÓN?

DATOS:

1 [in]= 25, 4 [mm]


DIAMETRO POZO: 10 [in]
DENSIDAD DE ROCA: 2.5 [ton/m3]
ALTURA DE BANCO: 15 [m]

RESULTADOS:
Ahora trataremos de encontrar ahora el valor económico que representa una
decisión basada en una muestra de un pozo, para ello calculemos el
tonelaje que representa una muestra [lb y Oz], asumiendo un área de
influencia igual a la malla de perforación.
DATOS:

1 [Oz]= 28, 35 [gr]


1 [lb]= 0,454 [Kg]
1[Ton]= 1000 [Kg]
B x E: 10 [m] * 10 [m]
DENSIDAD DE ROCA: 2.5
[ton/m3]
ALTURA DE BANCO: 15 [m]
CASO 1
Depósito de cobre de 1% CuT (precio de 2,82 US$/Libra)

CASO 2

Depósito de oro de 2 gr/ton (con un precio de 1245,40 US$/onza troy):

¿QUÉ SE PUEDE CONCLUIR?


Podemos observar que el valor de la decisión depende del precio de los
metales.
En una mina a cielo abierto, la ley de un pozo de tronadura es
fundamental para la planificación de corto plazo: este valor decide, de una
u otra manera, el destino de los materiales, el cual puede ser:
FACTORES QUE AFECTAN EL
MUESTREO:
Uno de los principales problemas que existe al analizar un grupo de varios
trozos de rocas seleccionados al azar de una masa de mineral, es la
obtención de diferentes resultados de análisis entre uno y otro trozo
debido a una distribución no uniforme de minerales de un fragmento a
otro. Estas características se llaman Heterogeneidades.

• CH: Diferencias entre fragmentos.

• DH: Diferencias entre grupos de


fragmentos.

• Si todos los fragmentos fueran


iguales en forma y contenido
(CH=0), entonces no habría DH.
PROTOCOLO DE MUESTREO
EN PREPARACIONES DE
MUESTRAS
Es un procedimiento tipo secuencial, que tiene por objeto visualizar los
pasos que se deben seguir hasta conseguir el producto.
En la preparación de muestras, se emplean comúnmente dos términos:

El roleo consiste en la homogenización de la muestra.

El cuarteo es una operación que consiste


en llegar a obtener una porción de
muestra pequeña, representativa del
total de la muestra inicial, pudiendo
realizarse esta operación en forma
manual o en partidores mecánicos.
MUESTRA OBTENIDA EN TERRENO
PROTOCOLO DE MUESTREO
Continuación…
TIPOS DE MUESTREO

Muestreo aleatorio: Todas las


unidades que constituyen el
universo a estudiar, tiene la
misma probabilidad de ser
tomadas como muestra.

Ejemplo: En una mina hay


100 cátodos de Cu
(numerados) para análisis,
se sortean 5 cátodos de
forma aleatoria y se envían
para análisis al laboratorio.
Se analiza Cu, Fe, S, etc. hay
100 cátodos de Cu
Muestro sistemático: Se
toman los incrementos a
intervalos fijos en cantidad o
tiempo a partir del lote. En este
caso las extracciones de las
muestras son determinadas
según una regla fija.

Ejemplos:

(1) Tomar canaletas en una galería cada 2


metros.

(2) En una cinta transportadora, tomar una


muestra cada 10 minutos.
Muestreo estratificado: Se divide el lote
en distintos estratos, luego se toman los
incrementos al azar a partir de cada
estrato, el lote se divide en partes o
estratos que no se solapan entre si.

Muestreo en dos etapas: Es el muestreo


que se lleva a cabo en dos etapas en una
etapa se seleccionan al azar las unidad
primarias de muestreo y en una segunda
etapa se toman incrementos al azar de las
unidades seleccionadas. azar las unidad
primarias de muestreo y en una segunda
etapa se toman
incrementos al azar de las unidades seleccionadas.
Muestreo de conveniencia: Plan de
muestreo en el que las muestras se
recogen porque son fáciles de obtener.

¿En que influye la elección del tipo de muestreo?


TÉCNICAS DE MUESTREO EN
MINERÍA
MUESTREO DIRIGIDOS DE AFLORAMIENTOS
MUESTREO DE CANALES
MUESTREO SEGÚN CAMBIO DE ALTERACIÓN
CALICATAS

Se utilizan para verificar la


mineralización en yacimientos
superficiales.

Son zanjas de 1 a 3 [m] de


profundidad hechas por
retroexcavadoras sobre las
zonas de interés.

Se pueden hacer formando


mallas sobre la zona de interés
MUESTREO MEDIANTE PERFORACIÓN EN MINERALES (1°
ETAPA)
• Perforación es la acción o acto, que a través de medios mecánicos, tiene como
finalidad construir un pozo.
• Para que se logre, debe extraerse todo el material destruido dentro del agujero
mediante la utilización de aire comprimido o agua.
• Es aquí donde se produce la diferencia entre la perforación de exploración y
perforación de producción.
La perforación de exploración: La perforación de producción:
tiene por objeto analizar y determinar en tanto, tiene por finalidad, cargar
tipos, calidades y cantidades de el pozo con explosivos y generar la
material para la eventual explotación tronadura para poder quebrar la
del yacimiento. roca y así ir avanzando con la
explotación de la mina.
RECOMENDACIONES EN LA PERFORACION DE PRODUCCION

1. Una vez obtenida las


muestras, la bandeja se debe
limpiar, para evitar
contaminación de las otras
muestras

2. Verificar que la bolsa se


encuentre bien sellada.
3. Limpiar los faldones cuando la perforadora
entra en mantención, porque el material queda
pegado en las paredes y con las vibraciones el
material se desprende y contamina la muestra.

4. Verificar que en la plataforma donde se deposita


la barra perforadora, tenga un sistema de sello,
para evitar que la muestra fina escape.
En la perforación de sondajes (de exploración), se pueden definir dos grandes
rubros o sistemas de perforación.
DIAMANTINA:

 La extracción e integridad de una muestra es de vital importancia en el muestreo minero.


CIRCULACIÓN REVERSA:

Tubos de muestreo de detritus, los cuales deben tener una abertura adecuada.
MUESTREO POR CANALETAS: EN YACIMIENTOS VETIFORMES,
DE GRAN MANTEO Y MASIVOS.

FACTORES QUE AFECTAN LA CALIDAD


DE LA MUESTRA DE CANAL SON:

1. Por lo general son manuales y el


operador corta (en forma consciente
inconsciente) las partes más blandas de
la pared o partes que tienen una
característica común (color), etc.

2. En ciertas minas las leyes altas se


encuentran en fracturas.

En la gran mayoría de las minas que utilizan


canaletas, se ha comprobado que existe un
sesgo (error), al comparar las leyes de las
canaletas con las leyes de los sondajes
próximos. En algunas minas subterráneas
se ha abandonado el muestreo por
canaletas. En otras se utiliza como
MUESTREOS APLICADOS EN LOTES DE
MINERAL

Grab Sampling: En este método las muestras


se obtienen mediante una pala u otro
dispositivo, de acuerdo a un esquema fijo o
aleatorio, desde la superficie del mineral, se
aplica en cualquier tipo de mineral a granel.

Tiene poco uso debido a que tiene un gran


error asociado.

Muestreo con Tubos: Las muestras se


obtienen insertando un tubo ranurado en el
material el cual es rotado para cortar y extraer
una muestra. Es aplicable a materiales de
granulometría fina, húmedos o secos, en pilas
de almacenamiento, silos, carros de ferrocarril
o camiones.
TECNICAS BAJO NORMA DEL MUESTREO

DISEÑO DE PALAS
DIVISIÓN MANUAL DEL INCREMENTO

• Mezclar minuciosamente el incremento.


• Esparcirlo en una superficie limpia y plana.
• Moldear en la forma de un rectángulo o cono.

Retirar la parte superior del cono para posterior realizar el cuarteo


manual en donde se debe dividir en 4 partes iguales. (Se toman los lados
opuestos y se repite 20 veces el cuarteo).
DIVISION POR RIFLES

Un separador de rifle es un divisor de


lotes utilizados para producir dos
mitades equivalentes, una es
seleccionada al azar, y la otra es
rechazada.

Su manera de operar consiste en


dejar caer el material a través de un
conjunto de ranuras paralelas, de un
ancho uniforme, las ranuras
adyacentes alimentan los
contenedores opuestos.
ROCEDIMIENTO DE UN DIVISOR DE RIFLE

1. Mezclar el lote y colocarlo en un contenedor de alimentación con un largo


exactamente igual a la abertura efectiva de todas las ranuras.

2. Esparcir el lote dentro del contenedor de alimentación para que se


distribuya de manera uniforme a lo largo de todo el contenedor.

3. Inclinar el contenedor de alimentación para alimentar el lote uniformemente


y lentamente justar en el medio de las ranuras de alimentación.

4. Seleccionar una de las mitades al azar, y retener como muestra.

Para más subdivisiones, la muestra retenida podría ser pasada por el


separador de rifle nuevamente, siguiendo los mismos pasos señalados arriba.
Divisores Rotatorios: Existen
varios tipos, pero su función es
obtener la muestra a través de la
rotación de un dispositivo mecánico.
Reductor de Triángulos:
Funciona en forma similar al
cortador de riffles, pero la división
se realiza mediante obstáculos de
forma triangular ubicados sobre
una superficie plana y la
eliminación de las fracciones por
ranuras en la superficie. Reduce la
muestra a 1/16 por pasada.
RO - TAP Y CONJUNTO DE
TAMICES
TIPOS DE ERRORES DEL
MUESTREO
El error total del muestreo se compone de los siguientes tipos de
errores mas típicos.
RESUMEN DE ERRORES DE
MUESTREO
Optimización del
Protocolo de Muestreo Error Fundamental

Error Segregación
y Agrupamiento
Variabilidad Implementación del
a pequeña Protocolo de Muestreo Error de Delimitación
Contaminación
escala
Error de Extracción Pérdidas
Preservación de
Integridad Errores de Preparación Alteración
de las Muestras
Humanos
Error Analítico Fraude

En Tiempo
Error de Interpolación
En Espacio
Variabilidad
a gran Error de Ponderación
escala
Error Periódico
ERROR DE AGRUPAMIENTO Y SEGREGACIÓN

¿Qué es la segregación?

SEGREGACIÓN: Es la separación de las partículas de material debido a sus


diferentes pesos.

Las partículas de mineral tienden a segregarse, por ejemplo las más pesadas tienen
una tendencia a localizarse en el fondo. Sin embargo el fenómeno de segregación es
más complejo y depende además de las granulometrías, formas y pesos de las
partículas.

Soluciones:

(1)Una receta para disminuir el


efecto de la segregación en la toma
de muestra es realizar varios
incrementos, es decir tomar un
cierto número de sub muestras
para constituir una muestra
primaria.

(2)Generar una preparación previa


antes de tomar los incrementos.
Mismos fragmentos
Mineral distribuidos en forma
diferente
Estéril

Het. Constitución Het. Distribución


Ley puede ser una función (desconocida) de la granulometría.
Muestra debe, al menos, reproducir la distribución granulométrica. De lo
contrario, siempre se producen sesgos, es decir, diferencia entre la media de
las muestras y la media real
El sesgo no se resuelve aumentando el número de muestras o de
incrementos. DISTRIBUCION DE CUT POR GRANULOMETRIA

12
LEY DE COBRE TOTAL

11
10
9
8
7
6
5
4
3
2
1
0
4" /2" 16" 3 4 6 8 12 16 20 30 40 50 70 100 140 200 270 325 400 400
3/ 1 7/ # # # # # # # # # # # # # # # # # #
_

MALLAS
La pérdida excesiva de finos de alta ley producen sesgo
Donde se produce segregación importante es en las cintas transportadoras de
mineral.

Segregación por Segregación por


densidad. tamaño.

(1) Existe Heterogeneidad de distribución en un flujo.


(2) Toma de muestra puede producir sesgo.
ERROR DE EXTRACCIÓN

• Un incremento no puede ser extraído correctamente si el dispositivo de muestreo


no preserva la integridad del incremento delimitado correctamente. Este error
genera sesgo.

Es muy difícil tener la situación ideal


de recuperación de sondajes. En la
mayoría de los casos se trabaja en
un punto intermedio entre la
situación correcta e incorrecta.
Los tubos de muestreo de detritus, el
riffle y las palas de muestreo tienen
que tener una abertura suficiente de
manera de contener los diferentes
tipos de tamaño (granulometría) del
material quebrado.

Lo anterior se justifica porque, en la mayoría de los casos la ley del material fino es
significativamente diferente de la ley del material grueso.
ERROR DE DELIMITACIÓN

La delimitación de la muestra está íntimamente relacionada con la representatividad de la


muestra.

(1) Si se utiliza un captador de polvo de


perforación, este debe ser radial de esta
manera se respeta la proporción de
finos/gruesos en la muestra.
Muestreo por entubada

(2) En una mina a cielo abierto


la muestra de un pozo de Zona Fracturada
tronadura debe ser baja recuperación
representativa del banco y no
debería considerarse la
pasadura. Lo anterior ocasiona Muestra deseada
problemas operacionales Muestra obtenida
debido a que habría que
detener la perforación del
hoyo y/o cubrir el cono de
detritus con una lona o
plástico.
Pasadura
(3) En una cinta transportadora la
geometría de la muestra debe ser un
rectángulo o un paralelogramo.

(4) Una sub muestra no se puede tomar


en forma superficial, sobre todo si existe
el fenómeno de segregación.
ERROR DE PREPARACION

 Error por contaminación: Por polvo,


material presente en el circuito de muestreo,
abrasión (de anillos de oro de los técnicos
encargados de manipular las muestras),
corrosión.

 Error por pérdida: Polvo que se vuela,


material que queda en el circuito de
muestreo, pérdida accidental de una porción
de la muestra.

 Error por alteración: Composición química,


mineralógica y física. Ej: Secado de muestra
genera perdida del agua de la cristalización.

 Error humano: Mal entrenamiento, mala


mantención y limpieza de equipos.
Error por fraude o sabotaje:

“Pon un poco de oro en


esas muestras”

CASO BRE-X
Desde ese caso nacieron las
 Mayor escandalo en la historia de la minería del oro buenas practicas en la
 David Walsh, yacimiento de Busang en la jungla de Borneo, Indonesia
estimación de recursos
 6500 toneladas de oro, el 8% de las reservas mundiales
 En 1995, acciones valían dos dólares canadienses, en 1996 marcaron 275 dólares
canadienses, lo que valoraba la empresa en 4.400 millones de dólares (casi 6.000
millones de dólares estadounidenses)
 En 1997 Freeport, dueña del 15% de Bre-x inspeccionó la mina y no encontró nada de oro,
llamaron al geólogo principal para revisar el trabajo y en el camino “se cayó” del
helicóptero y desapareció en la jungla, nunca lo encontraron.
 Ese mismo día, en la bolsa de Toronto, Bre-X se desplomó algo más de un 97% en menos
de diez minutos.
 El fondo de pensiones de los profesores de Ontario perdió con la minera 50 millones de
dólares. Caisse de Depot du Placement, la mayor gestora de Canadá, registró pérdidas de
ERROR ANALITICO

El criterio para seleccionar la cantidad de muestra a usar en un análisis estaba


basado ya sea en el método analítico, en la capacidad del sistema de medición,
en el método de disolución de la muestra, en el tiempo de disolución o en el
consumo de reactivos.
Se puede concluir que :
ERROR DE INTERPOLACIÓN

Zona de influencia
de la muestra

Al asumir que la muestra


representa la zona, se comete
un error cuantificable a través
de la crono-estadística.
ERROR DE PONDERACIÓN

¿Cortador opera con intervalos de tiempo fijos o


de masa?
Idealmente, el flujo debe ser constante y los
cortes hechos a intervalos regulares (tanto de
tonelaje como de tiempo)
Se recomienda utilizar un intervalo de tiempo
entre incrementos regular, cuando el flujo es
medianamente regular
ERROR PERIÓDICO

Ley

Media de las muestras

Media real

Tiempo
ERROR FUNDAMENTAL

• Corresponde al mínimo error de


muestreo que se tendría si se
seleccionara cada fragmento o
partícula aleatoriamente, una a la VARIANZA DEL FE
vez.
• Para un determinado peso de
muestra, el FE es el mínimo error
de muestreo que existiría si el
protocolo de muestreo fuera
implementado de manera
perfecta.
• El FE puede ser pequeño para
constituyentes mayores y
materiales finos, pero puede ser
abrumador para constituyentes
menores.
• Mezclando y homogeneizando el
lote no reducirá el FE.
(1) Optimización de nomogramas de (2) Protocolo de toma y preparación de muestras
muestreo.
LOTE INICIAL, L

MUESTRA PRIMARIA, S1 RECHAZO PRIMARIO

MUESTRA PRIMARIA
PREPARADA, S1’

MUESTRA SECUNDARIA, S2 RECHAZO SECUND.

MUESTRA SECUNDARIA
PREPARADA, S2’

MUESTRA TERCIARIA, S3 RECHAZO TERCIARIO

MUESTRA TERCIARIA
PREPARADA, S3’

MUESTRA ANÁLISIS, S4 ÚLTIMO RECHAZO

ANÁLISIS RESULTADO
FINAL
ERROR FUNDAMENTAL [EF]
El Error Fundamental se genera por la Heterogeneidad Constitucional, y es el único que
afecta a los resultados de los análisis si la selección de los incrementos que componen la
muestra es correcta.

CH: Diferencias entre fragmentos.

DH: Diferencias entre grupos de


fragmentos.

Si todos los fragmentos fueran iguales


en forma y contenido (CH=0),
entonces no habría DH.

La heterogeneidad es proporcional a
la diferencia entre el contenido critico
de un fragmento (ai)y el contenido
critico del lote (aL).
Antes de generar la demostración de la formula debemos entender dos suposiciones
básicas de la Heterogeneidad constitucional:

(1) Hay generalmente una fuerte correlación entre el contenido critico del fragmento y su
densidad; pero hay una menor correlación entre el contenido critico y su tamaño.

(2) La razón de las masas de las fracciones dentro del lote a la masa total del lote no
varía mucho de una fracción de densidad a otra. Por lo que se puede utilizar una razón
promedio.
La varianza de CH, también se conoce como CHL y se define como:

¿Cómo obtengo el numero de fragmentos?

Como no se puede contar con el numero de fragmentos del lote, se define la


Heterogeneidad Intrínseca:
Donde:

NF: Numero de fragmentos en el lote


Mi: Masa promedio del fragmento.
ML: Masa promedio del lote.
En la practica se introducen varios conceptos adicionales y simplificaciones empíricas
para obtener IHL, por lo que para este caso utilizaremos esta formula:

f= Factor de forma de los fragmentos (sin dimensión)


g= Factor de distribución de tamaño (sin dimensión)
c= Factor de composición mineralógica [gr/cm 3]
l= Factor de liberación (sin dimensión)
d3=Tamaño de la partícula más grande

El termino de heterogeneidad intrínseca representa el punto medio en el que coinciden


todos los fragmentos del lote. La solución para representar el contenido critico de las
partículas es considerar distintos factores que las definen como; forma, Composición
mineralógica, liberación de la partícula, distribución granulométrica de la partícula y su
volumen.
Pierre Gy demostró que la media es cero y su varianza
es la siguiente:

Se sabe que P es la probabilidad de selección de cualquier fragmento que se


encuentre dentro del lote (Equiprobabilidad), lo que se puede representar de la
siguiente forma:
MS = P *
ML
Por lo que ¿Como quedaría expresada la formula de la Varianza de EF?
 1 1 
La fórmula de P. Gy es la siguiente:S
2
FE    * f * g * c * l * d 3

Ms ML 

Recordemos que la constante  1 1 


de muestreo es el producto de C  f  g c l  2
FE      C  d 3
cuatro parámetros:  MS ML 

Donde:

MS= Masa Muestra [gr]


ML = Masa Lote [gr]
f= Factor de forma de los fragmentos (sin
dimensión)
g= Factor de distribución de tamaño (sin
dimensión)
c= Factor de composición mineralógica [gr/cm3]
l= Factor de liberación (sin dimensión) 78
ERROR FUNDAMENTAL EN EL ERROR
GLOBAL
El error total es:

OE   ( PE i  FE i  GE i  QE 2i  QE 3i  WE i  DE i  EE i )  AE
i

Donde:
PEi error de preparación de la etapa i
QE1i error de fluctuación de corto alcance
QE2i error de fluctuación de largo alcance no
periódica
QE3i error de fluctuación periódica
WEi error en medición del flujo (weighting error)
DEi error de delimitación del incremento
EEi error de extracción del incremento
FEi error fundamental de la etapa i
GEi error de agrupamiento y segregación de la
etapa i
Conclusiones:
(1) Errores se cometen en etapas de cuarteo.
(2) Conminución no incorpora error fundamental.

Varias etapas de cuarteo:


 FE
2
   FE
2
i
  FE
2
  FE
1
2
 ...   FE
2
2
N
i

Error relativo =  2
FE 100

No sumar errores relativos, sólo varianzas, para obtener error total.


f [
FACTOR DE FORMA ]
Para el cálculo de los volúmenes de los fragmentos, se asume la
siguiente relación:

V  f d3

f?
VCUBO= d3
Cubo f=1
Esfera f = 0.523
El factor de forma es adimensional y
determinado experimentalmente, Carbón f = 0.45
con la mayoría de sus valores cerca
Mineral de Hierro f = 0.50
de 0,5. Hay excepciones notables,
como minerales escamosos como las Pirita f = 0.47
micas.
Cuarzo f = 0.47
El factor de forma es relativamente Roca común f = 0.50
constante para distintas fracciones Biotita, mica, schelita f = 0.1
de tamaño, tal que:
Oro liberado f= 0.2
Minerales Aciculares f>1
g
FACTOR GRANULOMÉTRICO [ ]

El factor granulométrico (g) es una medida


de las variaciones (rango) de los tamaños de
fragmentos en la muestra. Junto con el
tamaño nominal del fragmento (d) el factor
g se utiliza para tomar en cuenta la
distribución de tamaño de los fragmentos.

El factor de forma (f) y el factor granulométrico (g) son los dos parámetros utilizados para
estimar la primera parte de IHL.

3
d  M L
f  = =
 ML
Pierre Gy experimentó
con distintos minerales
y concluyó que la
sumatoria podía
ajustarse bien
utilizando el d95.

Tabla Experimento P. Gy

Este factor granulométrico ds: #sup


depende directamente de la di: #inf ds/di g
calibración que posea el (mm)
material de la muestra. Por
5–6 1.20 0.75
ejemplo g es mayor cuando
el material tiende a estar 6 – 10 1.70 0.53
muy calibrados (entre dos 10 – 20 2.00 0.44
mallas) . Si el material viene
30 – 80 2.67 0.33
de una trituración de una
directa sin control 30 – 120 4.00 0.25
granulométrico tiende ser
FACTOR MINERALÓGICO [ C ]
El factor c es igual a 0 cuando el material es completamente homogéneo, y es 1 cuando el
fragmento ha sido completamente liberado. Es decir hay una fracción de mineral puro con
su respectiva densidad y una fracción de pura ganga con su propia densidad.

El contenido critico de la fracción


de mineral pura es am= 1; el
contenido critico de la fracción de
ganga pura es ag=0, y el contenido
critico del lote:

Por lo que la masa del


lote se representa así:
(1  aL ) 2
Resolviendo la ecuación matemática
el factor mineralógico ( c ) es: c  M   g  (1  aL )
aL

Esta formula se puede aproximar dependiendo el valor que posea el contenido


critico del lote aL..
M
Si posee un valor menor a un 10 % (0,1)a L  0.1  c 
aL

Si posee un valor mayor al 90% (0,9) aL  0.9  c  (1  a L )   g

Conclusiones:

(1)El factor mineralógico depende principalmente de la ley media proporcional del mineral que posea el lot
(2)Todas las calibraciones y trabajo experimental deben estar relacionados a una ley “esperada” de materi
EJEMPLOS PRÁCTICOS
CASO I
Se pide calcular ( c ) al metal de Oro (Au), en donde se sabe que su ley media es de 2
[ppm] y su densidad, asumiendo su liberación máxima es de 16 [gr/cm 3]. Como dato extra
se obtiene que la densidad de la ganga que en este caso es cuarzo (SiO 2) es de 2,8
[gr/cm3].
(1  aL ) 2
c  M   g  (1  aL )
aL

(1  0.000002) 2
c  16   2.8  (1  0.000002)  7 999 971
       
   0.000002
   3
7 999 968
CASO II

Se pide calcular ( c ) al mineral de Bornita (Cu 5FeS4) que compone un concentrado de una
planta de proceso. Se sabe que la ley media del mineral en el concentrado es de 92 % y la
ley de Cobre (Cu) en el concentrado es de un 31,3%. La densidad de la bornita es de 4,2
[gr/cm3] y la densidad de la ganga que en este caso es Pirita (Fe S 2) es de 2,8 [gr/cm3].

(1  a L ) 2
c  M   g  (1  aL )
aL

(1  0.92) 2
c  4.2   2.8  (1  0.92)  0.253
0 .92      
      0.224
0.029

ué conclusión se puede obtener al comparar el c del oro y el c de la bornita)

Este factor mineralógico es del mineral, no del elemento químico.


CASO III

Se pide calcular ( c ) al mineral de Calcopirita (CuFeS 2) que compone una muestra


obtenida de un lote. Se sabe que la ley de Cobre (Cu) en la muestra es de 0,2%. Y la
densidad de la Calcopirita es de 4 [gr/cm3].

M M
aL  0.1  c 
c c  701,55 gr / cm3
aL
aL
l
FACTOR DE LIBERACIÓN [ ]
Debido a la definición previa, el factor de liberación (l) es necesariamente 1 al tamaño de
liberación. El factor de liberación constituye una de las debilidades de la teoría debido a que
no representa bien el caso de leyes bajas (leyes medidas en ppm).

Si los fragmentos están por debajo del tamaño de liberación, la varianza del fragmento
si dl>d no
l=
cambia. 1
Para tamaños por encima del de liberación, se pueden aplicar la siguiente formula de
Bongarcon´s:
Donde:
d= Tamaño nominal del fragmento de la muestra (95%
pasante, 5% retenido)
si dl<d Dl= Tamaño de liberación de la partícula.
B= Parámetro de calibración de la muestra. (depende el
tipo de mineral)

Para el Au se sugiere dl
un b=1,5 y para casos l
generales utilizar 1< b
<2
d
Si una planta de flotación tiene recuperación de 85% con
molienda 95% bajo 65#, entonces, se puede asumir que el
diámetro de liberación es aproximadamente 212 micrones.
l

1
0.85
d = 1/10 “

0.5

dl
0
1mm10mm 100mm 1mm 1cm10cm d

dl
l
d
l?
C
CONSTANTE DE HETEROGENEIDAD [ ]
Constante de heterogeneidad puede calcularse mediante la estimación de los
siguiente formula:
C  f  g c l

Debido a que el valor del factor de liberación es difícil de obtener, se realiza un test de
heterogeneidad que permite calcular la constante de heterogeneidad de manera
experimental. Este experimento sirve para determinar empíricamente la heterogeneidad de
un material particulado.
Se puede determinar la varianza relativa del error fundamental mediante un
experimento.
2
 1 1  s a
 FE
2
     c  l  f  g  d 3  2i

 MS ML  ai

Fracción de Fracción de
tamaño tamaño
más gruesa más relevante
(1) Las leyes en cada fracción de tamaño no varían demasiado

- Test es válido sólo si las diferencias son inferiores a un orden de magnitud.

Calcular la varianza de la submuestra i


ai2
sya2 la ley media proporcional del fragmento a partir del experi

(i) Obtener la Masa de una muestra del lote:

M S  p  f    d3

(ii) Obtener la Masa del lote:

M S  n
ML 
p
Reemplazando M S  p  f    d3 M S  n
ML 
p C  c  l  f  g
2
 1 1  s
 FE
2
     c  l  f  g  d 3  a2
i

 MS ML  ai

pla z o? (7)
s d el reem
l es d espué
de v ariab
e l de speje
queda
2
 1 p  s
 FE
2
     c  l  f  g  d 3  a2i
p  f 
       d 3
p  f     d   n
3
 ai

 1 p  sa2i
     c  l  g  2
 p   p    n  ai
2
 1 1  c  l  g sai
      2
 p n   ai
2
 1 1  c  l  g sai
     2 Se despeja c  l  g
 p n   ai

sa2i 
(c  l  g )  
ai2  1 1 
  
 p n 

la
ener
ob neidad
t C Se sabe que C  c  l  f  g
u edo eroge
p het (7)
m o d e ?
¿Có tante ación
s u
con sta ec
e
en sa2 
C  i
  f sa2i
p  n
a i
2
 1
 
1 

C 2    f
 p
  n 

ai (n  p )
sa2i
p  n
C 2    f
ai (n  p )

Se supone que el Número de fragmentos en la muestra es pequeño respecto al


número de fragmentos del lote:
n
1
(n  p )
Por lo que la constante de Heterogeneidad se calcula de las siguientes forma:

sa2i
C  2
 p    f
a i

d 3
 d 3
La constante de muestreo se K  C  d d 3 1 2
calcula de las siguiente forma: 2

Donde:

K= Constante de muestreo.
d = Tamaño medio de los fragmentos.
CONSTANTES DE HETEROGENEIDAD – RANGOS TÍPICOS

Pórfidos cupríferos:
 C para CuT  2 – 20
 C para Mo  15 – 100
 C para As  100 – 500
 C para Au  2 - 100
Depósitos de oro:
 C para Au  50 – 1000
 C para Ag  10 – 50

Protocolos deben diseñarse para tener un error aceptable en


el elemento de interés de mayor heterogeneidad.
MÉTODOS DE Andrés López Cayupi

EVALUACIÓN DE Ingeniero Ejecución en Minas


andres.lopez25@inacapmail.
cl

YACIMIENTOS
ESTIMACIÓN DE RECURSOS
Dado que el muestreo es parcial y solo nos indica lo que sucede en las posiciones
de los datos, es necesario estimar el valor de la ley en puntos sin muestra.

Además estamos interesados en saber el valor de la ley de un bloque en


dimensiones diferentes a las de las muestras, cambio de soporte.

En estimación de recursos hablamos de Interpoladores Tradicionales, si la


estimación considera la configuración geométrica de los datos (datos cercanos
contienen información redundante) y su distancia con respecto al sitio a estimar.

Y nos referiremos a Técnicas geo estadísticas si se toman en cuenta las


características de correlación espacial de la variable, mediante su Variograma y
la estimación se base en un modelo probabilístico.
Existen dos grupos de métodos : Geométricos o Clásicos.
Geoestadísticos.

¿Cuál de los dos métodos es el mejor?


Los métodos Geoestadísticos son más exactos y ofrecen información más
completa. Para poder aplicarlos se deberán cumplir ciertos requisitos:
(i) Conocimientos Geoestadísticos y manejo de Software adecuados.
(ii) Número elevado de datos (sondeos) en distintas direcciones para el cálculo del
semivariograma.
(iii) Debe existir una variable regionalizada x ej. Ley que permite obtener el modelo
del variograma.
MÉTODOS GEOMÉTRICOS
MÉTODO DE LA MEDIA ARITMETICA: Este método de estimación se basa en lo
siguiente:
Para estimar la ley media de un conjunto S se promedian las leyes de los datos
que están dentro de S.

CASO EJEMPLO:
Considere un cuadrado de
sección S, que posee 7
muestras interiores que
representan la ley de Cu
del área de estudio.
Para el caso anterior tendríamos que la ley:
Nota:
En el ejemplo de la figura anterior existe una
agrupación de datos en la zona de alta ley:

El valor 1.57 aparece como demasiado alto.


MÉTODO DEL VECINO MAS CERCANO
Este método de Estimación de
Reservas, consiste en asignar el
valor del dato más cercano al sitio a
estimar. Su ventaja es que trabaja
mejor con agrupaciones de datos
que la media aritmética.

Media Aritmética = 4.2


(i) Determine la ley
del bloque, aplicando Media VMC = 3.8
el Método VMC

Asigna el valor del ¿Qué se puede


dato más cercano concluir del
al sitio a estimar. método
aritmético y
VMC?
MÉTODO BLOQUE GEOLÓGICO -
MINERO
Un bloque geológico consiste en un depósito mineral o bien de porciones de él, el
cual ha sido delineado en un mapa mediante la interpretación de los datos que se
obtuvieron en la exploración.
Los linderos del bloque pueden ser los límites del depósito, o pueden coincidir con
características geológicas y estructurales o bien con variaciones de espesor. La
delimitación de los mismos puede ser hecha con base a los siguientes criterios:
La ley de corte se determina de consideraciones geológicas y mineras, con base al
proceso. Los factores se determinan en la misma forma que se ha visto en los
métodos analógicos.

Por lo tanto podemos decir en


resumidas cuentas que el Método
de los bloques geológicos, es una
variación de la media aritmética
que se utiliza cuando las
características del depósito (ley,
potencia, tipo de mena, etc.) están
agrupadas por zonas.

El método consiste en sustituir la


masa mineralizada por una seria de
cuerpos tabulares o bloques, en los
que se supone constante una o
varias de las características
indicadas.
MÉTODO DE CÁLCULO:

a) Se divide el yacimiento en bloques según dos criterios:


VENTAJAS E INCONVENIENTES:
CASO I
Tras la investigación por sondeos y
labores subterráneas de un yacimiento
metálico, se ha determinado el tamaño y
características de cinco bloques de
posible explotación.

Determine las reservas por bloque, reservas totales de mineral y de metal sabiendo que la densidad de
la mena es de 2,6 [ton/m3]. Los cálculos se indican en el cuadro que figura a continuación:
CASO II
Un yacimiento se ha divido en dos bloques A y B, los cuales tiene un brusco cambio de
potencia como se puede apreciar en la tabla adjunta, para esto caso se nos pide que
determinemos la cubicación del yacimiento planteado.

Se sabe que la superficie del bloque � es 52.000 [�2] y su densidad es de 3,2 [g/cc] . Como
otro dato la superficie del bloque B es de 83.000 [m2] y una densidad de roca de 3 [g/cc].

a) Determine las reservas por bloque y reservas totales de mineral.


DESARROLLO

(i) Calcule las potencias de A y B respectivamente:

(ii) Calcule los volúmenes de A y B respectivamente:


(iii) Determine la densidad de A y B respectivamente:

En este caso como la densidad tanto para el bloque A y B es información entregada, no es


necesario realizar la sumatoria de densidades.

(iv) Determine la reserva de mineral de A y B respectivamente:


(v) Determine las leyes del metal de A y B respectivamente:

(vi) Determine las reservas del metal de A y B respectivamente:


(vii) Determine las leyes media del yacimiento:

Por lo tanto podemos generar un cuadro de resumen:


MÉTODO DE LOS PERFILES
Los perfiles se construyen a partir de los datos proporcionados por sondeos y otros trabajos
de reconocimiento, los cuales deberán procurarse que estén alineados según se ha indicado.
Los datos no situados sobre un perfil pueden incluso no ser utilizables si están muy alejados
del mismo. Si están situados en sus proximidades, es posible proyectarlos geométricamente
sobre el perfil aunque con precaución para evitar cometer errores de importancia.
Básicamente consiste en trazar perfiles verticales del yacimiento y calcular las reservas de
los bloques delimitados por dos perfiles.
Se usa cuando se tienen cuerpos mineralizados de desarrollo irregular y que han sido
estudiados mediante sondeos distribuidos regularmente de forma que permiten establecer
cortes o perfiles en los que se basa el cálculo de reservas.
El área de la sección del cuerpo mineralizado interceptado por cada perfil se puede calcular
por varios métodos (planímetro).
MÉTODO DE CÁLCULO:
a) Construcción de los perfiles:
b) Cálculo del volumen:

El volumen del bloque comprendido entre perfiles se puede obtener:

Multiplicando el área de cada


sección por la mitad de la
distancia al perfil contiguo a cada
lado (cada perfil genera un
bloque).
Hallando el área media de dos
perfiles consecutivos y
multiplicando ésta por la
distancia entre dichos perfiles. En
este caso, los volúmenes de los
extremos se calculan:
Fórmula prismoidal: se toman
tres secciones para calcular el
volumen comprendido entre los
dos extremos, dándole mayor
peso al del centro:
VENTAJAS E INCONVENIENTES:
1.-Se ha construido un perfil con cinco sondajes que han proporcionado los siguientes datos
de ley en %(L) y potencia en [m] (P).

Determine la ley del perfil


a).- Por media aritmética
b).- Por ponderación con potencia
c).- Por ponderación considerando las áreas de
influencia.
a) Por media aritmética:
La media aritmética de las 18 muestras resulta:

b) Por ponderación con potencia:


c) Por ponderación considerando las áreas de
¿Quién se atreve?
influencia:

Por un 7!
SOLUCIÓN

Primeramente se calcula
las leyes medias de los 5
sondajes por separado:

Finalmente la ley media del perfil es:


MÉTODO DE LOS POLÍGONOS

El método de los polígonos se basa en lo siguiente:

Asignar a cada punto del espacio la ley del dato más próximo. Para estimar una zona S se
ponderan las leyes de los datos por el área (o volumen) de influencia.

Se suele usar cuando los sondeos están irregularmente distribuidos. A pesar de no ser muy
exacto, su uso está muy extendido.

Consiste en construir una serie de polígonos en cuyos centros se encuentra un sondeo,


asignando a cada polígono espesor, densidad y ley de dicho sondeo, asumiendo por tanto,
que tales parámetros permanecen constantes en todo el polígono (dominio de influencia
del sondeo).
 Para construir los polígonos, existen dos métodos:

a) Bisectrices perpendiculares (los vértices del polígono quedan definidos por los
puntos de corte de las mediatrices de los segmentos que unen los sondeos)

b) Bisectrices angulares (vértices de polígono  corte de bisectrices de ángulos


definidos por las líneas que unen los sondeos).

• Si el nº de sondeos es grande, se obtienen muchos polígonos, pero si éste es pequeño,


se asigna un espesor y una ley determinada a un área excesivamente grande. Para
evitar esto, se puede ponderar un 50% al sondeo central y repartir el peso del 50%
restante entre los sondeos circundantes:
• Las reservas se obtienen
individualmente para cada
polígono y luego se obtiene el
total como la suma de todo el
polígono.

• La potencia, la densidad y la
ley se suponen constantes en
un recinto poligonal alrededor
del sondeo.
MÉTODO DE CÁLCULO:

a) Se construye el polígono:
VENTAJAS E INCONVENIENTES:
CASO PRÁCTICO
Se realiza un muestreo en un banco de una
Mina Cielo Abierto del Norte de Chile, en
donde se toman 10 muestras representativas
de un banco de 20 [m] de altura. En la
siguiente tabla se pueden distinguir las
coordenadas de las muestras y su respectiva
Ley. Se sabe que la densidad media del banco
es 2,7 [g/cm3]

Utilizando Interpolación por Polígonos, calcular


la Ley media de un polígono de 100 [m] x 100
[m], el cual se encuentra en las siguientes
coordenadas (x e y).
DESARROLLO
Area 
 (x i  xi 1 )  ( yi  yi 1 )
2

A1  L1  A2  L2  A3  L3
Lm 
A1  A2  A3
MÉTODO DE LOS TRIÁNGULOS
Se basa en unir los sondeos con datos mediante líneas rectas, formando un mallado
triangular. Cada triángulo es la base de un prisma en el que la potencia, la ley y la
densidad son constantes. Estos parámetros se calculan a partir de los valores de los tres
puntos que ha servido para definir el triángulo, y que son los vértices del mismo.
MÉTODO DE CÁLCULO:

a) Se construyen triángulos.

b) Se determina la superficie:

c) Se calcula la potencia media:

d) Se calcula el volumen:

e) Se calcula la densidad:

f) Se calculan las reservas de mineral:


g) Se calcula la ley:

h) Se calculan las reservas de metal:

i) Se calculan las reservas totales:

j) Se calcula la ley media:


VENTAJAS E INCONVENIENTES:

• Es un método que pretende mejorar la precisión que se obtiene con el métodos


de polígonos; por ello las recomendaciones para su utilización son las mismas que
las realizadas para éste.

• A pesar de ello, puede dar lugar a errores de evaluación, es bastante laborioso y,


en consecuencia, se usa raramente.
CASO PRÁCTICO
Una zona marginal de un yacimiento metálico ha sido investigada mediante seis sondeos,
que han cortado a la mineralización y están dispuestos según la figura adjunta.

En la tabla se muestran los datos de los sondeos.

Cubicar el yacimiento.
Densidad = 3,1 + 0,03 L
(%)
Calculo de la potencia
media de cada triangulo:

Calculo del volumen


para los distintos
sectores:
Calculo de las densidades a
partir de la función dada:
Cubicar el yacimiento.
Densidad = 3,1 + 0,03 L
(%)

Calculo de la Densidad media:

Calculo de reservas de mineral:


MÉTODO INVERSO A LA DISTANCIA (IVOR)

• Principalmente se le asigna mayor peso a las muestras cercanas y menor peso a las
muestras alejadas del bloque.

• Esto se consigue al ponderar las leyes por el inverso de la distancia al cuadro 1/d 2
• El método de la distancia ponderada es bastante usado gracias a la aparición de los
computadores, ya que lleva implícito un elevado número de cálculos repetitivos, se
aplica en todo tipo de depósitos y tienen un buen resultado cuando la malla de sondajes
es regular.
VENTAJAS E INCONVENIENTES:

Comentarios con respecto al método:


CASO PRÁCTICO
Calcule la ley en el centro del bloque mediante el método IVOR, asumiendo un radio de
influencia de 80 [m]. Considerando los datos que se visualizan a continuación:

 ( G)
n
i

d
2
i 1
G  i
n
1
( )
d
2
i 1 i
SOLUCIÓN

 ( G)
n
i

d
2
i 1
G  i
n
1
( )
d
2
i 1 i
MÉTODO DE ISOLINEAS

Este es un Método bastante utilizado para ilustrar propiedades físicas o químicas, las
isolíneas son curvas que ligan puntos de igual valor, la isolínea más común son las de un
mapa topográfico, se realiza a partir de dos valores los cuales son interpolados , la
construcción de las curvas pasan por puntos de igual valor.

VENTAJAS E INCONVENIENTES:

Es aplicable en todo Requiere una buena


tipo de depósitos , cantidad de datos,
permite separar bloque para yacimientos
bloques ricos y pobres, muy grandes se
fácil de calcular para requiere
diferentes leyes de procesamiento
cortes. computacional.

CURSO: EVALUACIÓN DE YACIMIENTOS 144


3 5 0 .0 0

3 0 0 .0 0

2 5 0 .0 0

2 0 0 .0 0

1 5 0 .0 0

1 0 0 .0 0

5 0 .0 0

5 0 .0 0 1 0 0 .0 0 1 5 0 .0 0 2 0 0 .0 0 2 5 0 .0 0 3 0 0 .0 0 3 5 0 .0 0
145
CASO PRÁCTICO
En un área de estudio de 400 [m] x 400 [m], se poseen los siguientes puntos y sus
respectivas leyes. Utilizando Interpolación por Curvas de Isoleyes:

a) Determine las curvas entre 0,2 % – 0,6 % en intervalos de 0,1 %.


b) Determine las curvas entre 0,2 % – 0,6 % en intervalos de 0,05 %.

Norte Este Ley [%]


100 100 0.6
200 100 0.3
300 100 0.6
100 200 0.7
200 200 0.3
300 200 0.4
100 300 0.2
200 300 0.6
300 300 0.4
a) 4 0 0 .0 0

3 5 0 .0 0

3 0 0 .0 0

0 .6 0

2 5 0 .0 0

0 .5 0

2 0 0 .0 0

0 .4 0

1 5 0 .0 0

0 .3 0

1 0 0 .0 0

0 .2 0

5 0 .0 0

0 .0 0
0 .0 0 5 0 .0 0 1 0 0 .0 0 1 5 0 .0 0 2 0 0 .0 0 2 5 0 .0 0 3 0 0 .0 0 3 5 0 .0 0 4 0 0 .0 0
4 0 0 .0 0

b)

3 5 0 .0 0

0 .6 5
3 0 0 .0 0

0 .6 0

2 5 0 .0 0 0 .5 5

0 .5 0

2 0 0 .0 0 0 .4 5

0 .4 0

1 5 0 .0 0
0 .3 5

0 .3 0

1 0 0 .0 0
0 .2 5

0 .2 0

5 0 .0 0

0 .0 0
0 .0 0 5 0 .0 0 1 0 0 .0 0 1 5 0 .0 0 2 0 0 .0 0 2 5 0 .0 0 3 0 0 .0 0 3 5 0 .0 0 4 0 0 .0 0
0 .6 0

0 .5 5

0 .5 0

0 .4 5

0 .4 0

0 .3 5

0 .3 0

0 .2 5
VARIABLE REGIONALIZADA
Una variable medida en el espacio de forma que
presente una estructura de correlación, se dice que
es una variable regionalizada.

De manera más formal se puede definir como un


proceso estocástico con dominio contenido en un
espacio geométrico “D” dimensional que puede
asociarse a una variable medida en un punto x del
plano. En términos prácticos Z(x) puede verse como
una medición de una variable aleatoria.

En el caso de que las mediciones sean hechas en


una superficie, entonces Z(x) puede interpretarse
como la variable aleatoria asociada a ese punto del
plano (x,y) representa las coordenadas, planas o
geográficas, y Z la variable en cada una de ellas.
Donde en el caso más general x es un punto en el
Una variable regionalizada es una función que representa la variación en el
espacio de una cierta magnitud asociada a un fenómeno natural.
Por ejemplo:
¿Qué entendemos por estructura del fenómeno
regionalizado?

 La continuidad de las leyes: Existen casos desfavorables en los cuales las leyes son
erráticas y otros más desfavorables en los cuales las leyes son regulares.

En el siguiente ejemplo se compara


un sondaje de dos minas de fierro
diferente pero ambos con la misma
ley media. ¿Cuál es más
homogénea?
MOMENTOS DE UNA VARIABLE REGIONALIZADA
En términos mineros se define la geoestadística como la aplicación de la teoría de las variables
regionalizadas a la estimación de los recursos mineros. 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).

En estadística la esperanza matemática (también llamada valor


�(𝑍(𝑋𝑖)) = Χ(𝑋𝑖)
esperado o media) de una variable aleatoria que formaliza la idea de
valor medio de un fenómeno aleatorio.

La varianza de una variable aleatoria es una medida de dispersión,


�(𝑍(𝑥𝑖)) = �[𝑍(𝑥𝑖) − Χ(𝑥𝑖)] 2 = � 2 definida como la esperanza del cuadrado de la desviación de dicha
variable respecto a su media.

La covarianza es la esperanza matemática que existe entre el


�(𝑍(𝑥), 𝑍(y)) = �[𝑍(𝑥) − Χ(𝑥)][𝑍(y) −
producto de la varianza de dos variables aleatorias reales de
Χ(y)] distribución conjunta x e y.

Donde, γ(h) es la semivarianza para todas las muestras


�(h)=�[𝑍(𝑥)
  − localizadas en el espacio separado por el intervalo de distancia h.
𝑍(𝑥+h)] 2 Z(x) es el valor de la muestra en una localización x. Z(x+h) es el
valor de la muestra a la distancia de intervalo h desde x.
a) NOTACIÓN CONDENSADA.

Antes de estudiar ejemplos de variables regionalizadas, mencionemos que 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:

Se observa que existen problemas de


notación: se acostumbra a designar una
variable regionalizada con la letra z, lo cual
coincide con la notación utilizada para la cota
o elevación.
B) EJEMPLOS DE VARIABLES REGIONALIZADAS
PRIMER CASO DE VARIABLES REGIONALIZADAS.

En el espacio de una dimensión, sea Z(x) = Ley de Cu a lo largo de


una galería:

Las leyes de las canaletas se pueden


graficar, de acuerdo a las distancias en
que se realizan versus el porcentaje de
cobre determinado:
En la dimensión tiempo (una dimensión t), el precio de un metal
p(t).

“Precio del cobre (promedio mensual 1987-2005) en centavos de


dólar / libra”.
EGUNDO CASO DE VARIABLES REGIONALIZADAS.

En el espacio de dos dimensiones, sea Z(x1, x2) = Z(x) = Potencia mineralizada en un


yacimiento de nitratos:

En el espacio de 3 dimensiones, sea Z(X1, X2, x3) = Z(x) = Ley del Cu en el punto X dentro de un
depósito masivo.

En un depósito de este tipo se puede


comprobar que la ley de cobre se
comporta de manera diferente en la zona
de óxidos y en la zona de sulfuros. Esto
nos conduce a considerar para la ley de
cobre, dos variables regionalizadas
diferentes.
ERCER CASO DE VARIABLES REGIONALIZADAS.

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:

La densidad in situ, medida en


[t/m3] es una variable importante
para cubicar los recursos de un
depósito minero.
c) 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) para esto es necesario utilizar un modelo geológico
adecuado.
¿QUÉ ES UN SOPORTE?

El soporte es el volumen
sobre el cual se mide o se
considera la variable en
estudio (testigo, compósito,
pozo de tronadura, unidad
selectiva de explotación o
“bloque”)

¿POR QUÉ ES IMPORTANTE EL CAMBIO DE SOPORTE?

Es importante ya que en la minería se extraen bloques minerales de gran tamaño y no del


tamaño de las muestras puntuales, además la variabilidad espacial de muestras es
diferente, dependiendo del tamaño del soporte.
Z(x) será entonces la ley del volumen de muestra localizado en el
punto x.

En general, en el estudio de una variable regionalizada no es


conveniente mezclar soportes de tamaños diferentes.

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.

Regulación de un testigo a
un largo constante b. Esta
operación provoca que el
error tienda a 0.
CAMBIO DE SOPORTE O REGULARIZACIÓN
La variable regularizada sobre el bloque V, denotada como Z(V), se define como el promedio
de los valores puntuales en V: En donde |V| representa el volumen del bloque V. Se requiere
que la variable sea aditiva.

Tanto la distribución estadística de los valores (histograma) como su correlación en el espacio


(variograma) dependen del soporte considerado. Este efecto de soporte tiene importantes
consecuencias en la evaluación de yacimientos, pues los datos disponibles (sondajes, pozos
de tronadura) no tienen el mismo soporte que las unidades a estimar.
CAMBIO EN EL VARIOGRAMA
El paso de un soporte pequeño a un soporte mayor es una operación reguladora, que
implica “suavizamiento” de los mapas.

• Mientras mayor sea el tamaño de los compósitos:

La teoría predice que la amplitud del


efecto pepita es inversamente
proporcional al volumen del dato.

Por ejemplo, al pasar de compósitos de


1m de largo a compósitos de 2 m de largo,
el efecto pepita debería disminuir a la
mitad. La proporción del efecto pepita (en
relación a la meseta total) debería
A continuación se muestra una sección transversal en un depósito de óxidos de cobre. Las
líneas representan los sondajes de exploración.

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 a cualquier paquete computacional.
d) OBJETIVOS DE LA TEORÍA
La teoría de las variables regionalizadas se propone dos objetivos principales:
VARIOGRAMA
El Variograma se define como la media aritmética de todos los cuadrados de las diferencias
entre pares de valores experimentados separados una distancia (h) o lo que es lo mismo la
varianza de los incrementos de la variable regionalizada en (h).
El cálculo del variograma experimental es la herramienta Geoestadística más importante
en la determinación de las características de variables y correlación espacial del fenómeno
estudiado
Por lo tanto podemos decir que el variograma es una función que constituye la herramienta
fundamental de la Geoestadística. Sean x y x + h dos puntos en el espacio:
RESUMEN:

La semivarianza es:
Por lo tanto la definición teórica de la función variograma γ (h) es la esperanza
matemática siguiente:

Donde, γ(h) es la semivarianza para todas las muestras


localizadas en el espacio separado por el intervalo de
distancia h. N (h), es el número total de pares de
muestras separados por un intervalo de distancia h. Z(x)
es el valor de la muestra en una localización x. Z(x+h) es
el valor de la muestra a la distancia de intervalo h desde
x.

Las propiedades de (h), que se deducen


fácilmente son:

(0)=0

(h)≥0 La última relación proviene del hecho


que si dos leyes z1 y z2 están a la
(-h)= (h) distancia h, entonces (z1 - z2)2 = (z2 -
z1)2
CALCULOS DE VARIOGRAMAS
a) PARA LINEA MUESTREADA REGULAR

Sean N datos z1, z2, . . . , zN y sea b la equidistancia entre ellos:


i.- Sea h = b. Según el algoritmo de cálculo se tiene:

ii.- Sea h = 2b:

iii.- Sea h = 3b:

iv.- Sea en general h = kb (k = 0, 1, 2, . . . , N-1):


Posteriormente los valores γ (0), γ (b), γ (2b), γ (3b), ... se llevan a un gráfico:

• La distancia b se llama paso del variograma.

• Para interpretar el gráfico del variograma distinguiremos el comportamiento


para las distancias |h| pequeñas y las distancias |h| grandes.
CONCEPTOS GENERALES
EFECTO PEPITA (Co): Representa una discontinuidad puntual del semivariograma en el origen. Puede
ser debido a errores de medición en la variable o a la escala de la misma. En algunas ocasiones puede
ser indicativo de que parte de la estructura espacial se concentra a distancias inferiores a las observadas.

MESETA (Co + C1): Es la cota superior del


semivariograma. También puede definirse como el límite
del semivariograma cuando la distancia h tiende a infinito.

La meseta se denota o por (C0 + C1) cuando el Efecto


Pepita es diferente de cero. Si se interpreta el Efecto
Pepita como un error en las mediciones, esto explica
porque se sugiere que en un modelo que explique bien la
realidad, el Efecto Pepita no debe representar más del
50% de la meseta.

RANGO O ALCANCE (A): En términos prácticos


corresponde a la distancia a partir de la cual dos
observaciones son independientes. El rango se
interpreta como la zona de influencia. Dos muestras que
están a una distancia menor del alcance, “están
correlacionadas”
EFECTO PEPITA O NUGGET EFFECT

Puede ocurrir que para distancias


cercanas a cero el valor del variograma
no se aproxima a cero.

En general el efecto pepita se produce


debido a microvariaciones y/o errores en
el muestreo, la manipulación,
preparación o análisis químico.
EJERCICIO PUNTOS
EQUIDISTANTES
Consideremos las siguientes leyes espaciadas cada 100 metros exactamente. Calcular el
Variograma experimental para estos datos usando γ(100) , γ(200), γ(300), γ(400), γ(500). Grafi
que la distancia en relación con γ(h)

100
metros

5 3 6 4 2 1 1 2 4 3
 
2 γ= 1.45

  γ?
γ?
γ?
γ?
Variograma
4.0

γ(h)
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
50 100 150 200 250 300 350 400 450 500 550

Distancia
b) PARA LINEA MUESTREADA IRREGULAR.

En el caso bidimensional, la situación es la siguiente:

En la siguiente figura se puede observar un


muestreo en una malla irregular y la pregunta es
¿Cómo se calcula el variograma en este caso? .
En el caso de mallas irregulares es difícil encontrar datos a una distancia h exacta, por lo que
se usan rangos de tolerancia.

Θ = Tolerancia angular
E = Tolerancia en distancia
La elección de Θ y E depende de la distribución
espacial de los datos y de la práctica. En
algunos casos la práctica recomienda utilizar Θ
=22.5° y E =0.5b en que b es la distancia
mínima llamada paso para el calculo de γ (h).
Cálculo del Variograma para mallas
irregulares
Tolerancia en 3D
CÁLCULO DEL VARIOGRAMA PARA UNA MALLA REGULAR BIDIMENSIONAL

Supongamos la situación de la figura que se muestra a continuación (correspondiente a


leyes de cobre):
En este caso h es un vector
(con coordenadas cartesianas
o polares):

a) Fijemos la dirección θ del vector h; que sea por ejemplo θ = 90º, es decir, la dirección NS.
El vector h sólo puede ser:
Calculemos �(ℎ1) = ���(10).

Al aplicar el algoritmo hay que considerar las diferencias (�� − ��) 2 cuando ambos datos �� � ��
están definidos. La figura muestra las diferencias que hay que calcular:
Luego:

�(ℎ1) = [(1.6 − 1.4)2 + (1.4 − 0.9)2 + 0.9 − 0.7)2 + (0.7 − 0.8)2


+ (0.8 – 1.0)2 + (0.9 − 1.0)2 − (1.0 − 0.7)2 + (0.7 − 0.9)2
+ (1.2 – 1.5)2 + (1.5 − 0.9)2 + (0.8 − 0.7)2 + (1.4 − 1.4)2
+ (1.4 – 0.7)2 + (0.7 − 0.7)2 + (0.7 − 0.7)2 + (1.2 − 1.1)2
+ (1.1 – 1.0)2 + (1.0 − 0.9)2 + (0.9 − 0.6)2 + (0.6 − 0.2)2
+ (1.1 – 1.1)2 + (1.1 − 0.9)2 + (0.9 − 0.8)2 + (0.8 − 0.5)2
+ (0.9 – 1.3)2 + (1.3 − 0.9)2 + (0.9 − 0.8)2 + (0.8 − 0.4)2
+ (0.4 – 0.1)2 + (0.8 − 1.2)2 + (1.2 − 0.5)2 + (0.5 − 0.7)2
+ (0.7 – 0.1)2 + (0.1 − 0.2)2 + (1.0 − 0.6)2
+ (0.0 – 0.4)2] / (2 ∗ 36) = 0.0535 (36 �������)

De manera análoga se obtiene:

�(ℎ2) = 0.0987 (27 �������)


�(ℎ3) = 0.1888 (21 �������)
b) Sea ahora la dirección θ = 0º, es decir la dirección EW. El vector h sólo
puede ser:

Se obtiene entonces:

�(ℎ1) = 0.0146 (36 �������)


Las diferencias que hay que calcular son: �(ℎ2) = 0.0330 (33 �������)
�(ℎ3) = 0.0431 (27 �������)
c) La práctica demuestra que para estudiar las estructuras basta con calcular γ(h) en dos
direcciones adicionales: θ= 45º y θ= 135º

En estas direcciones hay que


tener presente que el módulo
de h es un múltiplo de 10√2.
¿Por qué?

DEMUESTRELO POR UN 7
Gráfico de �(ℎ):

Se observa una clara anisotropía que nos indica que el fenómeno es más regular en la
dirección EW que en la NS. (Esto se puede comprobar al mirar como varían las leyes en
esas direcciones mostradas anteriormente).
Cálculo del Variograma para una malla regular
bidimensional
Cálculo del Variograma para una malla regular
bidimensional
Cálculo del Variograma para una malla regular
bidimensional
Cálculo del Variograma para una malla regular
bidimensional
En la siguiente imagen consideremos el pixel como variable
regionalizada.

Observemos el Variograma en la dirección Norte-Sur y Oeste-Este.

¿A dirección corresponde cada Variograma?


EJEMPLO PRACTICO

Considere el siguiente ejemplo de muestras de


leyes de Zinc tomadas en intervalos de 1 m en una
galería. Las muestras con X no se consideran en la
estimación:

Las siguientes son las ecuaciones usadas en la estimación de los semivariogramas,


covariogramas y correlogramas:

191
EJEMPLO DE CALCULO DE SEMIVARIOGRAMA, COVARIOGRAMA
Y CORRELOGRAMA .
1.- Promedio de las primeras muestras en los pares

 1 n(h)
x1  
n( h) i 1
x ( zi )

2.- Promedio de lasn (segundas


h) muestras en los pares
 1
x2  
n( h) i 1
x ( zi  h)

n(h)
3.- Varianza de1las primeras  en los pares
muestras
s1 
2

n( h)  1
 ( x( z )  x )
i 1
i
2
1

CURSO : EVALUACIÓN DE YACIMIENTOS 192


EJEMPLO DE CALCULO DE SEMIVARIOGRAMA, COVARIOGRAMA
Y CORRELOGRAMA .
4.-Varianza de las segundas muestras en los pares

n(h)
1 
s2 
2
 i
n(h)  1 i 1
( x ( z  h )  x 2 )) 2

5.- Covariograma: Covarianza entre los primeros y segundos muestras


separados a una distancia h

n(h)
1  
Sh  
n( h)  1 i 1
( x ( zi )  x i ) * ( x ( z i  h)  x 2 ))

6.- Correlograma: Coeficiente de correlación entre las primeras y segundas


muestras.
S ( h)
r ( h) 
S1S 2
193
7.- Semivariograma: Para muestras separadas a una distancia h
1 n(h)
 ( h)   i
2n(h) i 1
( x ( z )  x ( z i  h )) 2

Calculemos �(ℎ1) = (0)

Variograma
18
16
14
12
10
8
6
4
2
0
0 0.5 1 1.5 2 2.5 3 3.5
COMPORTAMIENTO DEL Andrés López Cayupi
Ingeniero Ejecución en Minas
andres.lopez25@inacapmail.
VARIOGRAMA cl
COMPORTAMIENTO DEL VARIOGRAMA PARA
DISTANCIAS PEQUEÑAS
Estudiaremos el comportamiento de la función γ (h) para | h |pequeño, para lo cual
analizaremos cuatro casos hipotéticos:
aso 1: Leyes muy regulares y continuas.

Para una distancia b pequeña, las


dos leyes de la figura son casi
iguales, lo que implica que para |h|
pequeño, γ(h) es próximo a cero;
luego el gráfico de γ(h) en una
vecindad del origen será como en la
figura:

Se dice que γ(h) tiene un comportamiento


parabólico en el origen.
Caso 2: Continuidad y regularidad promedio

En este caso, para una distancia pequeña,


la diferencia de leyes es significativa;
luego el gráfico de γ(h) en una vecindad
del origen será:

Se dice que γ(h) tiene un comportamiento


lineal en el origen.
Caso 3: Existencia de micro variaciones:

Si la equidistancia entre datos b es menor que


la escala de variación d de las
microestructuras, el variograma en una
vecindad del origen será:
Explicación:

Existe un crecimiento rápido hasta |h| = d


(debido a la micro regionalización) y luego
un crecimiento más moderado (debido a la
variación a gran escala): se dice que existe
efecto de pepita.
Es decir existe una discontinuidad aparente en el origen

En la práctica la equidistancia o paso


b es mayor que d y se tendrá un
gráfico del tipo:
DATO: El nombre efecto de pepita proviene del estudio de los depósitos
de oro.

Consideremos por ejemplo un testigo en un depósito de oro:

En general, el efecto de pepita se produce


debido a microvariaciones y/o a errores en el
muestreo, la manipulación, preparación o
análisis químico.
Caso 4: Caso límite en el cual la irregularidad de las leyes es total:

Por muy pequeña que sea la


Se dice que γ(h) presenta un efecto de
distancia b, las leyes de dos
pepita puro:
puntos a esta distancia son
prácticamente independientes.
γ(0) = 0, γ(h) = C si h ≠ 0.
El gráfico de γ(h) será:

Este caso se presenta si en un campo S, se ponen


pepitas al azar
COMPORTAMIENTO DEL VARIOGRAMA
PARA GRANDES DISTANCIAS.
Estudiaremos ahora el comportamiento de la función γ(h) para |h| grande, para lo cual analizaremos
tres casos hipotéticos:
Caso 1: Leyes con crecimiento (decrecimiento)
progresivo:

Se dice que existe una deriva o


tendencia. Al hacer el cálculo se
observará que γ(h) siempre crece:
Caso 2: Leyes con pseudo-periodicidades:

El fenómeno tiende a repetirse de manera estacionaria (es decir, varía de manera


homogénea y sin deriva):

Si se calcula la función γ(h) se


observará la presencia de máximos
y mínimos:
En la figura, d = 9 unidades. Proporciona una
medida del pseudo-período.

Δ es una medida de la intensidad del efecto (si el


fenómeno es perfectamente periódico, entonces Δ
= 0).

Se dice que el variograma presenta


Caso 3: Fenómeno estacionario sin pseudo-periodicidades (o fenómeno
de transición):

El fenómeno es homogéneo en su variación espacial, con cambios bruscos.

Este caso debería corresponder al anterior,


en el cual la magnitud Δ crece. Si se calcula
la función γ(h), se tiene:
Se observa que a partir de una cierta distancia, del orden a = 6 unidades, la función γ(h)
permanece aproximadamente constante: γ(6) = γ(7) = γ(8) = . . . = constante = C

Dos puntos cuya distancia sea superior a a = 6 unidades son prácticamente independientes en ley.

La magnitud a se llama alcance y la constante C


se llama meseta.

El alcance proporciona una medida de la


zona de influencia de una muestra
porque dos muestras cuya distancia es
mayor que el alcance son prácticamente
independientes:
Dos muestras cuya distancia sea inferior al alcance a están correlacionadas
entre sí.
En el caso de un fenómeno de transición, la meseta C tiene
una significación estadística si consideramos el resultado
siguiente, el cual se puede demostrar utilizando el modelo
matemático de las funciones aleatorias. C = σ2
Se asume que el valor de la meseta debería estar
aproximada de la varianza estadística de los datos
utilizados en el cálculo de γ(h). En la práctica, esta relación
teórica es sólo aproximada.
Ejemplo: La figura muestra un sondaje en el depósito de carbón. Se trata de un sondaje
vertical con N = 80 muestras. La equidistancia entre las muestras es b = 5 metros. El carbón
se representa en rojo y el estéril se representa en amarillo:
Se define la variable regionalizada siguiente (llamada indicador):

i) Cálculo de la media: Este resultado nos indica que la


mitad del sondaje es carbón y la otra
mitad estéril.

ii) Cálculo de la varianza:


iii) Cálculo de γ(h):

Se obtiene fácilmente:

Se observa un alcance a del orden de 20 m.


y una meseta C = 0.25, la cual coincide con
la varianza estadística de las muestras.
AJUSTE DE UN VARIOGRAMA A UN MODELO
TEÓRICO
El objetivo de ajustar un modelo teórico es disponer de una ecuación, la cual se utilizará en los
cálculos posteriores. En general, los paquetes computacionales trabajan exclusivamente con el
modelo teórico.

Distinguiremos dos variogramas.

i) El variograma experimental, calculado a partir de los datos.


ii) el variograma teórico, que corresponde a una ecuación que se ajusta al
variograma experimental:
Es evidente que el variograma teórico debe respetar al
variograma experimental, sobre todo en los primeros
puntos, que son más confiables.

El ajuste de variogramas constituye un punto crucial en


un estudio geoestadístico porque todos los cálculos
posteriores se harán utilizando exclusivamente el
modelo teórico.

Para tener un buen ajuste, hay que considerar que uno


de los objetivos finales es la estimación de leyes de
bloques (modelo de bloques), dentro de una cierta
vecindad restringida de manera de no considerar
demasiadas muestras para estimar la ley de cada
Modelo tridimensional de bloques.
Existen tres unidades geológicas (a
bloque completo)

Vecindad de estimación. Para estimar el


bloque de la figura solo se utilizan los
compósitos que están dentro del círculo
de radio R.
Si la vecindad de búsqueda es circular o esférica,
sólo se utilizará la función γ(h) hasta una distancia
máxima de |h| = 2R.

En el caso de la figura siguiente, si se usa una


vecindad restringida, ambos modelos darán los
mismos resultados; pero el modelo 2 es más simple y
más fácil de ajustar.
LOS MODELOS DE VARIOGRAMA
En la Geoestadística también existen modelos de variograma, los cuales deben cumplir con las
propiedades siguientes:

Sin embargo, la teoría demuestra que estas condiciones no son suficientes: En efecto, se
puede probar que �(ℎ) pertenece a una familia Ω de funciones (llamadas funciones de tipo
negativo condicional) y la elección del modelo debe quedar restringida a esta familia Ω.

Elegir un modelo en la familia garantiza la coherencia de los cálculos (no se obtienen, por
ejemplo, varianzas negativas). Por consiguiente, sólo hay que utilizar los modelos que
describiremos a continuación (o bien combinaciones de ellos, las cuales consisten en
sumar dos o más modelos).
Modelo esférico: Es uno de los modelos más importantes. A menudo, el variograma de las
leyes de cobre en un depósito de cobre porfídico corresponde a este modelo.

Su ecuación es:

Variograma en la dirección NS
calculado con pozos de tronadura
en la mina Lomas Bayas (cobre
porfídico) :A la izquierda la base de
datos en una planta (75000 pozos
de tronadura), a la derecha el
variograma esférico (en azul) y el
experimental (puntos rojos).

El alcance es del orden de 100


Modelo cuadrático: es muy similar al esférico pero es más simple. Lo que hace que su
aplicación sea menor que el modelo anterior.

Su formula es:

Modelo sinusoidal: Sirve para representar el efecto de hoyo; su ecuación es:


Modelo exponencial: Crece más lentamente que el esférico o cuadrático y tiene por
ecuación:

La meseta es C; el alcance en teoría es infinito


pero en la práctica:

si h>3ω, entonces γ(h) ≅ C: el alcance práctico es


3ω.

Este modelo se presenta a veces en leyes que


están asociadas a fallas. El alcance práctico es
aproximadamente iguala 3ω.
Variograma vertical para el cobre, material quebrado remanente de
la explotación por block-caving en mina Salvador. En azul el modelo
exponencial, en rojo, los puntos experimentales.
Modelo Gaussiano: Tiene un comportamiento parabólico en el origen, su ecuación es:

Modelo cúbico: Tiene un comportamiento parabólico en el origen pero su alcance es finito


e igual a a; su ecuación es:
Modelo Potencia: Este depende de C y el exponente ϴ. Su ecuación es:

En que ω > 0, 0 < α < 2. Un gráfico sería:

Esta familia de variogramas no presenta meseta. Un caso particular importante es


cuando α = 1: γ(h) es una recta, se llama variograma lineal.
Modelo efecto popita: Este modelo representa a un fenómeno completamente aleatorio, en
el cual no hay correlación espacial. No importa cuán cerca se encuentren los valores de las
variables, siempre serán no correlacionados.
LOS MODELOS DE VARIOGRAMAS MAS
USADOS
La figura siguiente muestra los gráficos de estos últimos modelos:

c
Esférico
Exponencial

Gaussiana
AJUSTE EN EL ESPACIO DE DOS O TRES
DIMENSIONES

Un Variograma es isótropo si es idéntico en todas las direcciones del espacio. En caso


contrario, existe anisotropía, la cual indica que la variable regionalizada posee direcciones
preferenciales en cuanto a su continuidad.
Sin embargo, en la práctica se dispone de un conjunto de variogramas �1(ℎ), �2(ℎ), . . .
��(ℎ) correspondientes a las direcciones �1, �2, . . . , ��.

Direcciones en las cuales se ha calculado el


variograma.
a) Caso isótropo: Es el caso más simple.

Se cumple que:

�1(ℎ) ≅ 𝑦2(ℎ) ≅ 𝑦3(ℎ) … … . . ≅ 𝑦𝑘(ℎ)

Se utiliza entonces como modelo general el variograma ajustado al variograma


omnidireccional:
γ(h) = γomni(|h|)

En esta notación:
Ejemplo: En este caso, el modelo isótropo ajustado es:

b) Caso anisótropo: En este caso los variogramas direccionales son en general diferentes:
En la práctica se distinguen dos tipos de comportamiento anisótropos del
variograma:

Anisotropía Geométrica: existe cuando en las direcciones analizadas hay una misma
meseta y diferentes alcances.
Anisotropía zonal: Existe cuando hay un cambio de meseta dependiendo de la dirección.
Se define entonces el modelo de anisotropía zonal
como un modelo anidado (o imbricado), es decir:

En que γ1 y γ2 son modelos esféricos, de alcances


respectivos de 10m y de 40m y de mesetas respectivas
de 0.5 y 0.5. Se dice que se tienen dos estructuras:
INTERPRETAR LOS VARIOGRAMAS
Variogramas en cortes pulidos de minerales. La variable regionalizada z(x) (indicador) se
define como:

En los gráficos, el variograma EW es de color rojo y el NS de color azul. En este caso de dos
estados (negro y blanco), si se considera que z(x) es la realización de una función aleatoria
Z(x), entonces se dice que Z(x) es un conjunto aleatorio.

APROXIMADAMENTE ISOTROPICO
ANISOTROPICO CON PERODICIDADES

APROXIMADAMENTE
ISOTROPICO CON EFECTO
PEPITA.
En la siguiente imagen consideremos el pixel como variable
regionalizada.

Observemos el Variograma en la dirección Norte-Sur y Oeste-Este.

¿A dirección corresponde cada Variograma?


VARIANZA DE ERROR
DE ESTIMACIÓN
ERROR DE ESTIMACIÓN
Sea un bloque o zona V y un conjunto de datos z(x1), z(x2), …,z(xN) en

que:

 Xi= Coordenada del dato z(xi)

 z(xi)= Ley en el punto xi


No se conoce la ley media de V :
 N= Nº de datos
En la práctica , se estima la Ley media desconocida por una fórmula lineal del tipo:

En que los i verifican la condición de insesgado:


Insesgado: Variación nula por ser su
esperanza igual al parámetro que se
desea estimar.

1   2  ......   n  1

Los pesos αi dependen del método de estimación utilizado:

Se asume que los αi son conocidos.


El error de estimación es:

  zˆv  zv

Debido a que Zv es
desconocido, entonces ε es
desconocido.
Renunciamos entonces a conocer el
error en signo y magnitud. Sin
embargo, se puede caracterizar
probabilísticamente el error ε, al
utilizar el modelo matemático.

Asumimos entonces que ε es una


variable aleatoria, la cual tiene una
cierta ley de probabilidad
caracterizada por una esperanza
matemática mE y una varianza σE2. La
ley de probabilidad del error es la ley
normal o de Gauss.

En Geoestadística esta aproximación


Se puede afirmar, con 95% de confianza que la ley verdadera es igual a la ley
estimada ± dos sigma (regla de las dos sigmas):

Se sabe que:

Obtenemos por otra parte:

La ley real desconocida se calcula, en el caso


de ser posible, por el promedio de las leyes de
todos los puntos x dentro de V.

 n 1 
2

La varianza del error de estimación es :  E  E   i z  xi    z  x  dx  
2

 i 1 V v  

 n 1  
2

La varianza del error de estimación es :  E  E   i z  xi    z  x  dx  


2

 i 1 V v  

Al desarrollar la expresión obtenemos: E


2
 v / V   2 (v,V )   (V ,V )   (v, v)  N N=efecto pepita
n n=número de
muestras

Antes de explicar cómo se calculan los términos en forma numérica, observamos que el error de
estimación depende de:
 N : Número de datos
 Xi : Coordenadas de los datos
 V : La geometría y el tamaño del bloque
 (h) : la regularidad o irregularidad de los datos
 (j) El Método de estimación
SIGNIFICADO DE LOS TÉRMINOS  2E
N
  v / V   2 (v,V )   (V ,V )   (v, v) 
2
E
n

i) (v,v) muestra a muestra : Representa el


valor de (h) siendo h el vector que une los puntos
Xi y Xj.

ii) (v,V) Muestra a Volumen: Representa el


valor medio de la función (h) de una muestra al
volumen en la practica el volumen se discretiza en
puntos.
La integral anterior se calcula por
discretización de V en k puntos.
Entonces, la aproximación es:

La práctica recomienda un número i) Si V es unidimensional: k ≥


mínimo de puntos dentro de V de 10 ptos.
manera de obtener una precisión ii) Si V es bidimensional : k ≥
aceptable: 36 ptos.
ii) Si V es tridimensional: k ≥
64 ptos.

iii) (V,V) Volumen a Volumen : representa el


valor medio de la función (h) del vector entre dos
puntos al interior de un volumen.

238
CASO EJEMPLO
En un bloque de 100 x 50 [m] debe calcularse la varianza de estimación utilizando 5 muestras
ubicadas en el bloque. Suponiendo que la variable regionalizada es representada por un
modelo de variograma esférico, con una Meseta C= 83, un alcance de a=150 [m] y un efecto
pepita Co= 0.

 Determine la varianza de estimación discretizando el bloque en 4 partes.


DESARROLLO CASO
 3 h 1  h 3 
Suponiendo la variable regionalizada con un  ( h)  C *      ha
modelo de variograma esférico isotrópico,  2 a 2  a  
con una Meseta C= 83, un alcance de a=150
[m] y un efecto pepita Co= 5. C ha

VARIOGRAFÍA


3 h 1 h  
3

 (h)  5  78sph(150) h  150  (h)  5  78 *      h  150

 2 150 2  150  
83 h  150
83 h  150
DESARROLLO DE PROBLEMA

Solución
 (v, V )  32,556
 (v, v )  32,697
 (V , V )  26,193

N
 E2  v / V   2 (v,V )   (V ,V )   (v, v) 
n
0
 E2  v / V   2 * 32,556  26,193  32,697 
5
 E2  v / V   6,221
Andrés López Cayupi
Ingeniero Ejecución en

EL KRIGEADO Minas
andres.lopez25@inacapm
ail.cl
KRIGING

En términos mineros, el Kriging consiste en


encontrar la mejor estimación lineal insesgada
de un bloque o zona V, considerando la
información disponible; es decir, las muestras
interiores y exteriores a V.

El Kriging atribuye un peso i a las muestras Z(xi). Estos pesos se calculan de manera
de minimizar la varianza del error cometido.
El interés de Kriging proviene de su misma definición:
Al minimizar  E2 estamos seguros de obtener la estimación más precisa posible de
V o equivalentemente, de sacar el mejor provecho posible de la información
disponible.
De acuerdo a lo anterior, el Kriging define el estimador con la condición de insesgado:

zˆk  1 * z ( x1 )  2 * z ( x2 )  ....  n * z ( xn )
1  2  .....  n  1

Se basa en un modelo probabilístico. La idea


es ver el error como una variable aleatoria e
imponerle ciertas condiciones:

Su esperanza es nula.
Su varianza es pequeña.

244
El interés práctico más importante del
krigeado, proviene, no del hecho que asegura
la mejor precisión posible, sino más bien
porque permite evitar un error sistemático. El color amarillo representa mineral (con
ley 1) y el blanco estéril (con ley 0). Los
En la mayoría de los depósitos mineros, se
círculos representan los datos.
deben seleccionar, para la explotación, un
cierto número de bloques, considerados como Se observa que, en general, es necesario
rentables y se deben abandonar otros bloques utilizar datos externos al bloque.
considerados no-explotables
Si esta selección se realizara considerando
exclusivamente las muestras interiores a cada
bloque, resultaría necesariamente (en promedio)
una sobre-estimación de los bloques
seleccionados.

La razón de este problema es que el histograma de


las leyes reales de los bloques tiene menos leyes
extremas, ricas o pobres, luego tiene más leyes
intermedias que el histograma calculado con las
muestras interiores.

Los paneles eliminados serán en realidad menos


pobres que lo que se había previsto, y los paneles
conservados menos ricos.
M É T O D O D E L A G RA N G E

El método clásico para minimizar la expresión de σ E2 (igualar a cero las derivadas parciales de
σE2 respecto de λ1, λ2, . . . , λN) no asegura que la suma de los λi sea 1. En este caso hay que
utilizar el método de Lagrange, el cual explicaremos con un ejemplo matemático:

Minimizar la función A = x2 + y2 si x + y
= 1.
Si se verifica la condición x + y = 1,
El método de Lagrange define la función
entonces A' = A.
A' siguiente:

El método de Lagrange consiste en x = 0.5


igualar a cero las derivadas parciales de y = 0.5
A': μ = 0.5
Se demuestra que al realizar N + 1 derivaciones se obtiene el sistema de
ecuaciones siguiente:
KRIGING ORDINARIO

 
 2
k   2
yy  1  y1  2  y 2  m
n 
 2 k   2 yy   i  yi  m
i 1
n
Z   i Z i
*

i 1

m= Multiplicador de Lagrange
EJEMPLO 1
En el caso del yacimiento isótropo de la figura, estudiado anteriormente:

Bloque a krigear, en negro la ley


de la muestra, en azul el número
de la muestra.

λ1 = 0.77
λ2 = 0.23
⇒ ZV = 0.77 x 35 + 0.23 x 41 = 36.38
2 σE = 2.37
⇒ ZV = 36.38 ± 2.37 (con 95% de confianza)
CASO PRACTICO
En un yacimiento isótropo calcule la ley con un 95 % de confianza. Se sabe que el
bloque posee dimensiones de 3 x 3 [m] y el variograma representado se ve a
continuación.
Discretice el bloque en 4 partes.
Variograma

Ley
1 3 mt X1=0,5
*
x2
X2=0,7
*
x1 3 mt
Formulas y ecuaciones

 k   (V ,V )  1 ( x1 ,V )  2 ( x2 ,V )  m
2

n
Z *   i Z i  2
i 1

 ( x1 , V )
distancia semi vario
d1 0.75 0.75 1.061 0.530
d2 0.75 2.25 2.372 1

  d3 2.25 0.75 2.372 1
 ( x1 ,V )  0,883 3 mt d4 2.25 2.25 3.182 1

  suma 3.530
* semi(x 1,V) 0.883
x1 3 mt
distancia semi vario
 d1 0.75 0.75 1.061 0.530
 ( x2 , V ) d2 0.75 0.75 1.061 0.530
d3 0.75 0.75 1.061 0.530
d4 0.75 0.75 1.061 0.530

 
 ( x2 ,V )  0,530 *
suma 2.121
3 mt
 x2
semi(x 2,V) 0.530

 (V , V )

distancia semi vario


d1 1.5 0 1.500 0.750
  d2 1.5 0 1.500 0.750
d3 0 0 0.000 0
3 mt d4 1.5 1.5 2.121 1
 
suma 2.500
3 mt semi(1,V) 0.625

1
 (V , V )   (1,V )   (2,V )   (3,V )   (4,V )
4
 (1, V )   (2, V )   (3, V )   (4, V )
1
 (V , V )  (4 * 0,625)
4
 (V , V )  0,625

1 ( x1 , x1 )  2 ( x1 , x2 )  m   ( x1 ,V )

1 ( x2 , x1 )  2 ( x2 , x2 )  m   ( x2 , V )

1  2 1 INCOGNITAS:

m  0,207
1  0,324
1 * 0  2 *1  m  0,883 2  0,676
1 *1  2 * 0  m  0,530

1  2 1
RESUMEN DE RESULTADOS
 k   (V ,V )  1 ( x1 ,V )  2 ( x2 ,V )  m
2

 k  0,625  0,324 * 0,883  0,676 * 0,530  0,207


2

 2 k  0.226
 k  0.476
Z *
V  1 * x1  2 x2
Z *
V  0.324 * 0.5  0.676 * 0.7
Z *
V  0.635
Z *
V  0.635  2 * 0.476  0.635  0.952
Z *V  0.635  0.952
EJEMPLO PRACTICO
Se desea estimar la ley real de los bloques Y, Z, se sabe que sus dimensiones son de 20 x
20 [m]. La variable regionalizada es estacionaria con un modelo de variograma isotrópico
exponencial, con una meseta de 2,0, un alcance de 60 [m] y un efecto pepita de 0,5.
Discretice los bloques Y,Z en 4 partes.

La distancia de las muestras x1 y x2 es de 75 [m] y están en el centro de cada bloque. La


leyes de las muestras son las siguientes:

x1=300 (g/t)
x2= 500 (g/t)

a) Calcules mediante Kriging ordinario la ley y el error de kriging para el bloque Y y Z.


b) Calcules mediante Kriging ordinario la ley y el error de kriging para el bloque Y y Z,
considerando un efecto pepita de 1,5. Concluya
SOLUCIÓN
VARIOGRAFIA
a)  h 
 ( h)  0,5  1,5 EXP (60) h  60  ( h)  0,5  1,51  EXP  h  60
 60 
2,0 h  60
2,0 h  60

b)  h 
 ( h)  1,5  0,5 EXP (60) h  60  ( h)  1,5  0,51  EXP  h  60
 60 
2,0 h  60
2,0 h  60
PARA BLOQUE Y

1 * 0,5  2 * 2  m  0,667
1 * 2  2 * 0,5  m  2

1  2 1
Andrés López Cayupi
Ingeniero Ejecución en

GRACIAS Minas
andres.lopez25@inacapm
ail.cl