Pada dasarnya , kita tidak dapat melakukan pengukuran sifat fisik batuan secara keseluruhan ( yaitu kita tidak

dapat
melakukan penggalian seluruh batuan reservoir, kemudian mengukurnya ) . Yang dapat kita lakukan hanya mengambil contoh (
sampel ) dan populasi ( batuan ), kemudian mengukurnya dan mengganggap sifat fisik yang terukur tersebut dapat mewakili sifat fisik
batuan reservoir secara keseluruhan. Dalam hal ini, sering kali kita hanya menggunakan satu harga ( porositas atau permeabilitas ) dan
menggangapnya mewakili keseluruhan reservoir.

Namun jika terdapat cukup sampel, sebenarnya kita dapat melakukan perkiraan sifat fisik reservoir ( populasi ) dengan
menggunakan prinsip-prinsip statistik. Untuk keperluan analisis statistik tersebut, pertama-tama kita perlu mengelompokkan jenis data
sampel sebagai berikut :
1. Classified ( disusun dengan cara tertentu )
2. Unclassified ( disusun secara acak )

Klasifikasi data seperti ini sering kali dapat memberikan informasi tambahan untuk menjelaskan ( mendeskripsikan ) sifat
fisik dan populasi.

Metodologi statistika yang sering digunakan dalam analisis statistika sifat fisik batuan adalah :
1. Distribusi frekuensi
Data didistribusikan ke dalam kelas-kelas. Jumlah data dalam tiap kelas disebut dengan frekuensi kelas. Penyusunan
data menurut kelas-kelas ini disebut dengan distribusi frekuensi atau tabel frekuensi.
2. Histogram
adalah representasi grafis dari distribusi frekuensi. Sumbu vertikal adalah jumlah data, yaitu frekuensi kelas pada tiap
kelas, dan sumbu mendatar adalah interval kelas.

3. Distribusi frekuensi kumulatif

Ini diperoleh dengan menjumlahkan frekuensi relatif dan memplotnya untuk membuat distribusi frekuensi kumulatif
lebih kecil dari atau sama dengan . Berkaitan dengan itu, tidak jarang juga diplot distribusi frekuensi kumulatif lebih
besar dari atau sama dengan .

Contoh histogram ( atau frekuensi relatif ) dan distribusi frekuensi kumulatif lebih kecil dari atau sama dengan
ditunjukkan oleh gambar skematik berikut :

Distribusi yang dihasilkan dapat berupa salah satu dari dua distribusi berikut :
1. Distribusi Normal
yaitu distribusi probabilitas kontinu yang mempunyai bentuk simetris menyerupai sebuah bel. Distribusi ini sering disebut
dengan distribusi Gaussian.

2. Distribusi Log Normal

yaitu distribusi probabilitas kontinu yang terlihat seperti distribusi normal dengan bentuk yang skewed terhadap satu sisi.
Distribusi semacam ini disebut juga distribusi eksponensial.

Contoh distribusi yang dapat dihasilkan adalah sebagai berikut :

Harga rata-rata adalah harga yang dapat merepresentasikan suatu set data. Ketika suatu set data disusun menurut
besar-kecilnya harga data maka harga rata-rata akan cenderung untuk berada di tengah-tengah susunan data tersebut.
Harga rata-rata tersebut dikatakan sebagai measure of central tendency. Besaran-besaran lain yang dihitung sebagai
ukuran central tendency adalah :

Arithmetic mean atau average atau expected value

Sample estimate of population mean

Geometric mean

Harga logaritmik dari geometric mean adalah arithmetic average dari logaritmik Zi

Median.
Sample median adalah observasi pada set data sehingga setengah dari harga dalam set data tersebut berada dalam
satu sisi ( set data terbagi dua bagian ). Population median berkaitan dengan the
percentile.

Mode
Mode adalah harga yang paling sering muncul atau terjadi atau harga yang paling mungkin. Population mode
memberikan harga maksimum f(z).
Untuk z yang kontinu :

Untuk z yang diskrit :

Range

Yaitu perbedaan antara harga terbesar dan harga terkecil

Variance
Yaitu deviasi kuadrat rata-rata dari mean.
Untuk populasi diskrit dengan ukuran n :

Sample estimate of variance :

Satuan dari variance adalah sama dengan satuan untuk

Deviasi Standar dan Spreadness

Yaitu deviasi standar berkaitan dengan dimensionless measure of dispersion ( measure of spreadness ) yaitu koefisien
variasi, Cv :

dimana s disebut dengan deviasi standar.