A continuacin se muestra una revisin rpida de las muchas herramientas

geoestadsticas disponibles para geocientficos hoy en da, as como una lista

no exhaustiva de los campos tpicos de aplicacin en la industria minera.

Herramientas geoestadsticas
La Geoestadstica, en combinacin con otros mtodos estadsticos, ofrece una
amplia gama de herramientas matemticas que se pueden utilizar para
analizar, modelar, proporcionar estimaciones y evaluar incertidumbres, para
diferentes tipos de caractersticas espaciales - por ejemplo, grados o facies
geolgicas -

Data Mining
Analizando en detalle las estadsticas y la correlacin espacial de los datos
disponibles siempre es el paso clave de un enfoque geoestadstico. Para este
fin se pueden utilizar las siguientes herramientas:

Anlisis exploratorio de datos espaciales (ESDA) consiste en la

exploracin de las estadsticas clsicas, as como la estadstica espacial
de una o varias variables simultneamente, por medio de histogramas,
diagramas cruzados, QQ-parcelas, Variogramas, etc. La conexin de
estos grficos estadsticos con los datos de forma dinmica mapas base
permite explorar ms a fondo los datos y evaluar la homogeneidad de
una
poblacin,
la
presencia
de
valores
atpicos,
etc.
Los mapas de variograma a menudo ayudan en encontrar las
direcciones principales de anisotropa de un fenmeno, mientras que los
variogramas clsicos experimentales o de covarianzas se utilizan
normalmente para medir la variabilidad espacial del fenmeno en varias
direcciones.
Anlisis de Componentes Principales (PCA) para el anlisis estadstico
multivariado.

Modelado espacial
La construccin de un modelo matemtico que encaja con las estadsticas
espaciales - variograma / covarianza - de una o varias variables
correlacionadas, es el segundo paso de un enfoque geoestadstico. Este
modelo espacial se basa en los datos en s, a travs de las curvas
experimentales, sino que tambin integra un conocimiento adicional sobre la
variable - por ejemplo, caractersticas geolgicas - a travs de las opciones del
geocientfico en la construccin del modelo.
Un modelo puede ser univariante o multivariante, y puede estar compuesto por
uno o ms estructuras espaciales anidadas - cada uno de ellos con sus propios
rangos, las direcciones de anisotropa, etc.

 mtodos lineales de Estimacin

El modelo espacial se puede utilizar para la estimacin de una variable, usando
Kriging, el mtodo bien conocido lleva el nombre de Dr Krige. De hecho, hay
varios mtodos kriging en funcin de la cantidad de variables que intervienen
en los datos y modelo, cmo se considera la media de los datos, para nombrar
unos pocos: Ordinario Kriging (OK), Kriging simple (SK), y Cokriging.
Kriging puede ser aplicado en diferentes soportes - Point, Bloque, Polgono - y
proporciona varios resultados numricos en cada lugar de destino:

La krigeados estimado, el valor ms probable de la variable en el Punto,

Bloque o Polgono
La desviacin estndar de la estimacin, una medida de la incertidumbre
local conectada a la estimacin
Otros resultados auxiliares - Pendiente de la regresin, el parmetro de
Lagrange, etc. - Kriging est diseado para ser el mejor estimador lineal
insesgado - la diferencia entre los verdaderos valores desconocidos y los
valores de prediccin es igual a 0. "en promedio" - y al mismo tiempo
proporcionar la menor varianza de la estimacin.

Sin embargo, como cualquier otra interpolacin lineal, Kriging es un proceso de

suavizado que no reproduce toda la variabilidad del fenmeno originales.
- Es por lo tanto una nica funcin matemtica que puede describir cualquiera
de las estructuras espaciales simples o complejos. El mismo modelo se puede
utilizar para diferentes propsitos, tales como la estimacin local o global, las
simulaciones para la evaluacin de la incertidumbre, etc.

Modelado de Distribucin
La distribucin experimental - histograma - de una variable puede ser
modelado por funciones matemticas, tales como la funcin de anamorfosis.
Este modelo de distribucin puede ser utilizado para cambiar entre la variable
de crudo y su homlogo de Gauss, que es requerido por la mayora de los
mtodos geoestadsticos - por ejemplo, simulaciones, geoestadstica no lineal La funcin de anamorfosis tiene tambin la ventaja de ser capaz de tomar en
vigor soporte de la cuenta y efecto informacin. Una primera aplicacin es
predecir la recuperacin de los recursos en relacin con el tamao de las
unidades mineras selectivo.

Los mtodos no lineales de Estimacin

Desde Kriging es un interpolador lineal que no se puede aplicar para resolver

problemas no lineales - por ejemplo, estimacin de arqueo y de grado por
encima de un lmite determinado, para evaluar los recursos recuperables - otra
familia de mtodos de estimacin se ha introducido para resolver este
problema. Estos mtodos no lineales son: Indicadores Mltiples por Kriging
(MIK), Mediana Indicador de Kriging, Disyuntivo Kriging (DK), acondicionado

Uniforme (UC), lognormal Kriging de servicio variables. simulaciones

geoestadsticas tambin se pueden utilizar para abordar este problema.