CAPITULO 1.
ETAPAS DE UN PROYECTO MINERO E IMPORTANCIA DE LA
GEOESTADSTICA EN MINERA
1.1. ETAPAS DE UN PROYECTO MINERO 7
1.1.1. Prospeccin 7
1.1.2. Factibilidad 7
1.1.3. Proyecto minero 8
1.1.4. Programa de explotacin 9
1.2. CAMPOS DE APLICACIN 9
1.3. IMPORTANCIA DE LAGEOESTADSTICA EN MINERA 9
CAPITULO 2.
TEORA DE LAS VARIABLES REGIONALIZADAS
2.1. DEFINICIN DE GEOESTADSTICA. 11
2.2. VARIABLES REGIONALIZADAS (V.R.) 11
2.2.1. Soporte y campo 13
CAPTULO 3
HIPTESIS DE TRABAJO Y VARIOGRAMA
3.1. HIPTESIS DE TRABAJO 14
3.1.1. Funcin aleatoria. 14
3. 2. EL VARIOGRAMA. 15
3.2.1. Propiedades de un variograma 16
3.2.1.1. Relacin con la covarianza. 16
3.2.1.2. Simetra. 16
3.2.1.3. Positividad. 16
3.2.1.4. Isotropa. 16
3.2.1.5. El variograma rinde cuenta de la regularidad de un fenmeno. 16
3.2.1.6. Incorporacin de parmetros estructurales 18
3. 3. CONTINUIDAD ESPACIAL. 19
3.3.1. Covariograma (C(h)) 19
3.3.2. Correlograma ((h)) 20
CAPITULO 4
EL SEMIVARIOGRAMA EXPERIMENTAL
2.1. DEFINICION. 22
2.2. CONSTRUCCIN DE UN VARIOGRAMA. 22
2.2.1. Soporte y regularizacin. 22
2.2.2. Construccin de un variograma 23
2.2.3. Representacin esquemtica de las iteraciones 24
CAPITULO 5
EL VARIOGRAMA TERICO
5.1.MODELOS DE VARIOGRAMAS 36
5.1.1.Variograma con efecto de pepita. 36
5.1.2. Variograma con meseta. 37
5.1.3. Variograma sin meseta. 38
5.1.4. Efectos que se manifiestan en los semivariogramas: 39
a) Semivariogramas con tendencia 39
b) Efecto de agujero (trou) 40
c) Efecto proporcional 42
d) Semivariogramas compuestos 49
5.2. ISOTROPA 50
5.3. ANISOTROPA 51
5.3.1. Modelizacin de variogramas anistropos 52
5.3.2. Ejemplo de ajuste de un variograma anistropo 53
CAPTULO 6
VARIANZA DE ESTIMACIN
6.1. EL ERROR DE ESTIMACIN Y SU DISTRIBUCIN 58
CAPTULO 7
LA VARIANZA DE DISPERSIN
7.1. DISTRIBUCIN DE UNA VARIABLE REGIONALIZADA 72
CAPTULO 8
VARIANZA DEL ERROR GEOMTRICO
8.1. ERROR GEOMTRICO 82
8.1.1. Estimacin de una superficie 82
8.1.2. Varianza del error geomtrico 82
8.1.3. Estimacin de un volumen 83
CAPTULO 9
EVALUACIN DE LAS RESERVAS. LA ESTIMACIN GLOBAL.
MTODOS CLSICOS
9.1. INTRODUCCIN 87
CAPTULO 10
LA ESTIMACIN GLOBAL.
MTODOS GEOESTADSTICOS
CAPTULO 11
GEOESTADSTICA-EVALUACIN DE RESERVAS
EL KRIGEAJE (KRIGING O KRIGEAJE)
11.1. EL KRIGEAJE 109
BIBLIOGRAFA 170
BACOS 157-169
Uno de los objetivos que se persigue con este manual es mostrar las bondades de la
geoestadstica en las diferentes etapas de un proyecto minero, desde el reconocimiento
geolgico del terreno hasta la optimizacin de la cadencia de explotacin. Constataremos
como a travs del tiempo la practicidad, desarrollo y aplicaciones de la Geoestadstica en
las Ciencias de la Tierra, se ha incrementado en gran medida, por el desarrollo acelerado
del hardware y software informticos.
2. APLICACIONES DE LA GEOESTADSTICA
CAPTULO 1
1.1.2. Factibilidad
El estudio de factibilidad, a travs de una campaa de sondajes a gran escala,
y de dimensiones de malla gruesa (gran malla) ms o menos regular, se espera localizar
de manera precisa la masa mineralizada y estimar el tonelaje total, la ley promedio y el
contenido metlico o cantidad de metal (Q). Es lo que en geoestadstica se denomina
estimacin global. Si los resultados y la coyuntura econmica son favorables, se decide
efectuar una segunda campaa de sondaje a malla ms cerrada, en caso contrario el
proyecto se detiene hasta que las condiciones econmicas sean favorables.
En esta etapa, se debe responder y dar solucin a las siguientes interrogantes:
a) Cmo estimar la superficie (o el volumen) mineralizado a travs de sondajes
positivos y negativos?
b) Cmo calcular la ley media tomando como base datos de distinta naturaleza (puntos,
DDH, canales) y distribuidos irregularmente.
c) Qu grado de confianza tienen los resultados?
Por experiencia, los mineros saben que la precisin en la estimacin de la ley
media, no es slo funcin del nmero de sondajes sino que tambin depende de la
disposicin de ellos mismos (regular o irregular) y de la variabilidad propia de la ley.
Clsicamente, la geologa caracteriza la calidad de estimacin a travs de una
clasificacin de reservas. Esta clasificacin se establece de acuerdo a ciertos criterios
cuantitativos: si las reservas son bien conocidas puede justificarse una inversin
importante de capital.
La siguiente etapa de cerrar la malla permitir clasificar las reservas de manera
ptima.
Tz ( c )
100% m z (c )
Tmax
0 z(c) z(c)
Porcentaje del tonelaje total recuperado Evolucin de la media de las
En funcin de la ley de corte z(c) leyes en funcin de la ley de
o cut-off corte.
CAPTULO 2
Las dos series presentan la misma media y varianza 3,08 y 4,04 respectivamente
(se trata de los mismos datos), sin embargo notamos una marcada diferencia espacial,
puesta de manifiesto en las diferencias sucesivas entre las muestras contiguas:
z variable regionalizada
z(x)
x2
x1
Superficie
p(x), z(x)
Podemos definir:
- La potencia de la mineralizacin p(x)
- La acumulacin a(x), es decir la cantidad de metal correspondiente a p(x).
- La ley z(x) = a(x)/p(x)
. 1% 2%
En el grfico adjunto se ha representado la
V.R. ley en funcin de la profundidad. 10
Profundidad
Uno de los objetivos de la geoestadstica es describir las estructuras mixtas de estas
variables regionalizadas.
1
z( x1 , x2 , x3 )dx1dx2 dx3
v V
V zv =
Soporte (testigo)
En geologa, para definir, los lmites del campo es necesario utilizar un modelo
geolgico adecuado, por ejemplo, en la figura siguiente (fuente: curso: Estimacin de
Recursos Mineros, Marco Alfaro, mayo 2007), se pueden distinguir dos campos
disjuntos, los cuales se pueden tratar de manera independiente y corresponden a
unidades geolgicas diferentes: xidos y sulfuros.
Una seccin del prfido de cobre, Inca de Oro. En esta seccin se observa diferentes unidades geolgicas
(campos): xidos, mixtos, enriquecimiento secundario y sulfuros primarios.
CAPTULO 3
3. 2. EL VARIOGRAMA.
La Estadstica considera las muestras como aleatorias e independientes entre s, en
cambio la Geoestadstica asume cierta correlacin entre ellas y una forma de expresar
dicha correlacin es a travs de la funcin variograma o semivariograma.
David (1978) define el variograma como una funcin que mide el grado de correlacin
o dependencia entre dos pares de muestras separadas una distancia h, en cierta
direccin.
x
x+h
E (Z(x+h) Z(x)) = 0.
Var ( (Z+h) Z(x)) = Var (Z+h) + Var Z(x) 2 Cov ( Z(x+h) , Z(x))
= 2 + 2 - 2K (h)
= 2 2 - 2K(h) = 2(h)
3.2.1.2. Simetra.
Haciendo: x = x + h
3.2.1.3. Positividad.
(h) por definicin es una varianza, por lo tanto para todo h, (h) es positiva y no
nula.
3.2.1.4. Isotropa.
Siendo h un vector, entonces (h) es una funcin vectorial, es decir depende de la
longitud y de la direccin de dicho vector.
En el caso que (h) dependa slo de la longitud de h, estaremos frente a una isotropa.
i) Efecto de pepita:
(h)
- (h) = K(0) para h 0 K(0)
- (h) = 0 para h = 0
Es decir que la covarianza es nula para h 0, esto quiere decir que existe independencia
entre los puntos, que el fenmeno es completamente irregular y que se trata de la
aleatoriedad pura. Este es el caso del efecto de pepita.
= a h
2 2
+ 2ah E (Y ( x + h) Y ( x)) + E (Y ( x + h) Y ( x)) 2
144 42444 3
0
= a h + y (h )
2 2
z (h ) = a 2 h 2 + y (h )
(h)
0 h
(h) K(b)
Meseta K(0)
a h a h
3. 3. CONTINUIDAD ESPACIAL.
En Geoestadstica, continuidad espacial es el anlisis de los covariogramas,
variogramas y correlogramas.
A continuacin describiremos: el covariograma C(h) y el correlograma (h)que,
al igual que el variograma permiten describir la medida de la continuidad espacial entre
dos variables.
1 N (h)
C ( h) = ( z ( xi ) *z ( xi + h) mh * m+h )
N ( h) i =1
Donde:
N(h) es el nmero de parejas (z(xi), z(xi+h) de datos a una distancia h.
m-h y m+h son los promedios de los valores izquierdos y derechos
respectivamente, de las parejas de datos a la distancia h, definidas por:
1 N (h) 1 N (h)
m h = z ( xi )
N (h) i =1
y m+ h = z ( xi + h)
N (h) i =1
1. La creacin de una grilla regular fina, en la cual cada nodo contar con
informacin del dato ms cercano a l. Los errores del covariograma calculado
son cercanos a los errores de discretizacin. El inconveniente del mtodo radica
en linealizar el covariograma y de atribuir toda gama de distancias a cada
resultado de densidades.
2. Una ponderacin apropiada para las superficies de influencia de cada muestra.
Los vectores que terminan en la misma celda se agrupan en una clase y el valor del
correlograma se estima por separado para cada clase. El nmero de direcciones puede
ser diferente (4, 8, 16, etc.)
C ( h)
( h) =
h * +h
Donde:
1 N (h) 2 1 N (h) 2
2
h =
N (h) i =1
( z ( xi ) m2h ) 2
+h =
N (h) i =1
( z ( xi + h) m+2h )
CAPTULO 4
EL SEMIVARIOGRAMA EXPERIMENTAL
2.1. DEFINICIN
Siendo la V.R. z(x) una realizacin de una funcin aleatoria estacionaria Z(x), por
definicin de (h):
1
(h) = Var (Z ( x + h) Z ( x) )
2
1
(h) = E (Z ( x + h) Z ( x) )
2
En la prctica los datos fsicos no se miden por puntos sino por volmenes. Por
ejemplo, la ley de un sondaje se obtiene sobre la base de un testigo.
Es decir:
1
z (x ) = v z ( x + y)dy
v v
1
v (h ) = E [Z v ( x + h) Z ( x )]
2
(h)
El variograma regularizado se
puntual
sita siempre por debajo del
variograma puntual, ya que en
l, se toma en cuenta el
promedio de los valores sobre
regularizado
el volumen v.
nj
1 2
- ( j.a) =
2n j
(z( xi + ja) z( xi)) para 1 y 2 .
1 2
- ( j.a 2 ) =
2n j
( z( xi + ja) 2 z ( xi)) para 3 y 4 . .
Los datos de la grilla simulan valores de perforacin nos piden calcular los
semivariogramas en las cuatro direcciones x1, x2, x3 y x4
( h) =
(( z ( x + h) z ( x)) 2
2 N ( h)
197
(1) = = 4,1
2(24)
De la misma manera se calculan los valores de (2) y (3), para los pasos 2 y 3.
En la pgina siguiente se han representado los clculos y los semivariogramas para las
cuatro direcciones requeridas por el problema anterior
Semivariogramas obtenidos
20
18
16
14
12 1
2
(h)
10
8 3
6
4
4
2
0
0 1 2 3 4 5
a) Ausencia de estructura:
Se trata del efecto de pepita puro: Este modelo traduce la irregularidad total de un
fenmeno.Hay ausencia de estructura, cualquiera que fuera la escala las leyes de dos
muestras son independientes.
(h)
(h) = Co para h ? 0
Co
h
0 (h) = 0 para h=0
Ley
Ley (h)
0 d x h
El comportamiento de las leyes es tan homogneo que los valores de dos muestras
distantes entre si por d son practicamente las mismas, es decir que para h pequeo,
(h) tiende a ser cero. En estas condiciones el variograma (figura de la derecha)
muestra un comportamiento parablico en el origen, mostrando un fenmeno muy
regular y dando cuenta de la existencia de una deriva.
c) Continuidad media:
En un diagrama de leyes (grfico de la izquierda), donde la diferencia de leyes para dos
muestras distantes de d es significativa: El variograma correspondiente, tiene un
comportamiento lineal en el origen, poniendo de manifiesto un fenmeno de cierta
regularidad, ms o menos estacionaria.
Ley (h)
.
0 d distancia h
0 distancia (x)
0 d
Por ejemplo:
En un yacimiento sedimentario, el alcance representa las dimensiones de las unidades
de sedimentacin y en consecuencia de las zonas mineralizadas.
El alcance tambin nos indica la zona de influencia de una muestra, puesto que para
distancias mayores que a, los valores de las muestras son independientes.
Zona de
Sector de valores influencia sector de valores
independientes independientes
xo a xo xo + a
Con el siguiente ejemplo se pretende comprender una de las bondades del alcance:
0.3
0.2
0.1
0
0 10 20 30
h(m)
pepitas de oro
(h)
Co
P2
Algunos softwares definen otro tipo de mtodo para evitar este problema (mtodo del
lpiz):
Es necesario entender que los anchos de banda son regiones que toman como
referencia a la lnea de la direccin del variograma en el cual se localizan los pares bajo
una tolerancia angular establecida.
315 45
1 2
8 3 0
270 90 1
7 4 -30
6 5 -60
2 -90
225 135 3 -90
180 4
CAPTULO 5
EL VARIOGRAMA TERICO.
1 2
(h) = ( j.a ) =
2nj nj
( z ( x + ja ) z ( x ))
(h)
*(h)=Co
Co
Los modelos pueden agruparse en dos grandes categoras: los que alcanzan una meseta
(modelos de transicin) y los que no presentan meseta
(h
Este variograma es muy
C frecuente, a es el alcance y
para h superior al valor de
a, (h) = constante = C
a h
Hablaremos de dos tipos de variogramas segn a, sea infinito finito.
a) Modelo de Formery
(h)
h
( h ) = c 1 e a
h
a/3
En este modelo la tangente en el origen, intercepta a la meseta a un valor de a/3
b)Modelo Gaussiano
(h)
C
h2
( h ) = c1 e a
2
h
a/ 3
0
2a
a h
3
En este modelo, La interseccin de la tangente en el origen, h=0, con la meseta se sita a 2/3
del alcance.
La ecuacin de la tangente T , en h = 0.
d (h) 3C 3C
= y= h
dh h =0 2a 2a
3C 2
Interseccin de T para y = c : C= h h= a
2a 3
(h) >1 =1
<1 (h ) = p h con 0 2
p
h
1
pendiente, h el lag y k el intercepto. Este modelo, segn Annels, 1991 suele presentarse en
yacimientos de hierro.
Existe otro tipo de variograma: el modelo logartmico, de la forma:
h 3
* ( h ) = 3 ln+
L 2
donde: es el coeficiente de dispersin absoluta (medida de la variacin espacial)
L es el espesor equivalente. Este modelo se presenta slo en algunos yacimientos
hidrotermales, principalmente de estao (variable: espesor del cuerpo mineralizado).
(h) Comportamiento
parablico
Dimensiones mximas
de los bloques a evaluar
a h
1+
( r )
1
C( r )
0 2 3 4 r
Interpretacin:
Una componente pseudo peridica de la regionalizacin puede provocar un efecto de agujero
en un semivariograma experimental. As la sucesin estacionaria en un yacimiento de dos tipos
de mineralizacin claramente diferenciados, si esta sucesin no es istropa (en general no hay
razn para que lo sea), el efecto de agujero se observar slo en ciertas direcciones, con
respecto al grfico siguiente existe un fenmeno pseudo peridico de estratificaciones
horizontales, podemos decir que:
*El variograma vertical presentar un efecto de agujero de amplitud superior a 0,217,
pudindose interpretar los valores de h1 y h2 como los extremos de las dimensiones
promedios verticales entre la zona pobre-mineral de mena.
*Los variogramas horizontales sern distintos segn representen el estrato rico o estril.
Este efecto, se puede explicar a partir del siguiente ejemplo: Sea un yacimiento
sedimentario con unidades de sedimentacin que conducen a zonas mineralizadas
preferenciales, del tipo indicado en la figura (alternancia de reas de mena con reas
estriles, dando lugar a una pseudoperiodicidad, reflejada en las variaciones del
semivariograma alrededor de una aparente meseta):
mena
estril
Distancia (x) x
estril
h
0 h1 h2
Direccin vertical (efecto de agujero) Direccin horizontal
c )Efecto proporcional
En algunos casos, es frecuente observar que la variabilidad de los datos evoluciona con su
media aritmtica. Por ejemplo, consideremos n sondajes para reconocer la misma
mineralizacin con las siguientes caractersticas:
m*A : promedio de los datos del sondaje A
2
D A(0/L) : varianza de dispersin definida en el sondaje A. Se supone que los n
sondajes tienen la misma longitud L.
*A(h) : variograma experimental calculado en el sondaje A.
Se dice que existe efecto proporcional si los distintos variogramas elementales *A(h) son
afines, o se corresponden, de tal manera que el mdulo depende del cociente de los promedios
experimentales. Vase la siguiente figura
*(h)
m*B m*A
afinidad
m*A
0 alcance h
m* A *
*A(h) f( ) B (h)
m* B
Implica que: para todo A, B = desde 1 hasta n
*
m A 2
D2A(0/L) f ( ) D B (0 / L )
m* B
Observaciones:
i) Un efecto proporcional se dice que es directo si el variograma crece con el
promedio experimental. Este efecto se espera cuando los datos presentan una
distribucin lognormal, por ejemplo las leyes en Cu, Au de pequeo soporte, la
mayora de los datos corresponden a leyes bajas.
ii) Un efecto proporcional es inverso si el variograma decrece cuando el promedio
crece. Este fenmeno es menos frecuente que el anterior, es de esperarlo cuando los
datos presentan una distribucin lognormal inverso, por ejemplo leyes de
yacimiento: en Fe-hematita, en fosfatos triclcicos, y en general cuando las leyes de
mineralizacin presentan fuertes concentraciones. A mayores valores del promedio,
menor es la dispersin.
iii) En la prctica el efecto proporcional observado es del tipo m2:
m* A m2 A
f( )
m* B m2B
* A ( h)
El variograma relativo y las distintas varianzas relativas son
m *2
independientes del promedio local.
*(h)
*B(h), m*B>m*A
Co(m*B)
*A(h), m*A
Co(m*A)
*A(h)
vii) Cuando en un plano se grafica los promedios al cuadrado versus las respectivas
varianza, es posible poner en evidencia el efecto proporcional. Este efecto sirve
para determinar las reas ricas, intermedias y estriles en un yacimiento y
determinar la variabilidad en cada uno de los sectores estudiados. El yacimiento de
plata de Uchucchacua presenta este efecto: ciertas labores de las zonas ricas e
intermedias manifiestan alta variabilidad, en cambio las zonas ms pobres en plata
tienen menor variabilidad y por tanto los costos de explotacin son menores.
Mina Uchucchacua_Veta Rosa
140
120
100
Zona pobre Zona
intermedia Zona rica
varianza
80
60
40
20
0
0 50 100 150 200 250 300 350 400 450 500
media*media
N' k ( h ) *k ( h )
* (h ) = k =1
k
N'
k =1
k (h)
Los dos alcances corresponden aproximadamente al mximo y mnimo del efecto de agujero
observado en S4 y S10. Estos valores podran interpretarse como el espesor promedio vertical
de las fases ricas (a1 = 1m) y la nter distancia promedio vertical entre las dos fases ricas (a2 =
3m), obsrvese el perfil vertical de leyes del sondaje S4 (Figura Ej.4.)
Para estudiar este efecto se ha considerado las varianzas de dispersin experimentales si2* de
las leyes de cada longitud mineralizada Li. Para comparar significativamente las varianzas entre
ellas, se ha seleccionado los 12 sondajes de mayor longitud mineralizada (Li del 11 al 23,
referencia tabla de la Figura Ej.4.). Las varianzas experimentales si2* han sido evaluadas de un
gran nmero de muestras (5 por metro), de esta manera puede considerarse como un buen
estimador de la varianza a priori D2(1/ ) de leyes de testigo de longitud l.
(los parmetros Co, C1, C2, a1, a2 del modelo, son los valores anteriores)
Como este valor 0,417 > mximo = 0,217 (efecto de agujero a tridimensional), este efecto es
direccional y slo se manifiesta en la direccin vertical (se hizo mencin anteriormente). Es
evidente entonces que en este yacimiento sedimentario sub horizontal, las fases mineralizadas
ricas son aplanadas siguiendo la direccin horizontal.
Estando limitado el efecto a la direccin vertical, podemos entonces modelar, usando los
esquemas positivos unidireccionales y en particular el esquema cosinusoidal (1-cos h),
admitiendo que la amplitud es igual a la unidad.
La figura Ej.1. muestra este ajuste realizado por el modelo superpuesto siguiente:
n n
( h ) = C (o ) C ( h ) = C Ci (o ) C Ci ( h ) , a partir de la covarianza exp(-h /)* cos(h ).
i =1 i =1
Figura Ej.1.
Ajuste y
semivariograma
del sondaje S4
Figura Ej.2.
Semivariogramas
sondajes S14,
S10 y S18
Figura Ej.3.
Ajuste del
semivariograma
medio experimental
Figura Ej.4.
Perfil de leyes
del sondaje S4
16
10 15 2.2 6.5 12
16 17.4 1.2 2 10
19 18.4 3 15.5 8 Centro gravedad
12 20.4 1.1 1.4 6
22 20.6 1.6 2.7 4
21 21.2 1.5 1.5 2
20 21.4 1.6 2.1
0
14 22 2.9 17.0 0 0.5 1 1.5 2 2.5 3 3.5
23 22.2 1.7 3.7
Promedio 13.0 2.2 8.3
c) Semivariogramas compuestos
Es frecuente encontrar variogramas con configuraciones como el de la figura
adjunta, llamadas estructuras superpuestas.
(h)
o + C1 + C2 + C3
Co + C1 + C2
Co + C1
Co
0
a1 a2 a3 h
( h) = C o + 1 ( h) + 2 ( h) + 3 ( h)
Concretamente, estamos frente a un efecto de pepita con dos estructuras superpuestas (modelos
de variogramas esfricos).
Este tipo de estructuras, tambin se presenta en zonas mineralizadas de mena dentro de una
matriz de mineralizacin dispersa, asimismo son comunes en yacimiento aluviales de oro,
donde el menor alcance rinde cuenta de los canales individuales y el mayor alcance se podra
interpretar como el espesor total de la zona de inters econmico.
Problema:
La tangente para los dos primeros pun- (h)
tos corta al eje vertical en Co = 0,4(%)2 2,55
mientras que la interseccin con la
meseta principal, que se produce a
2,55(%)2, tiene lugar a una distancia
de lag de 13m,
Sin embargo, la curva principal alcan- 1,95
za la meseta a un rango de 50m.,por
tanto se puede asumir la presencia de
dos semivariogramas esfricos.
Calcule:
Co=0,4
Los parmetros de ambos variogramas y
La frmula del modelo compuesto. 0 9 13 20 40 60 h
Variable: ln (Ni) en %
5.2. ISOTROPA
N ( , h )
i i
( omni , h ) = i =1
n
N i
i =1
= 90 = 0 = 45 = 135
h N h N h N h N
1 4,25 22 1 4,10 24 2 6,50 18 2 5,00 19
2 8,20 18 2 8,40 20 2 2 11,30 14 2 2 11,90 16
3 10,90 15 3 12,10 18 3 2 15,40 8 3 2 17,30 10
5.3 ANISOTROPA.
En minera, es raro encontrar un fenmeno istropo, en cambio son frecuentes
los fenmenos anistropos
aV aH
Este tipo de fenmeno suele ser evidente en yacimientos aluviales, donde el alcance en la
direccin vertical es mucho ms pequeo que a lo largo de la direccin principal del depsito,
conservando la variabilidad en ambos casos (misma meseta).
Con h = h1 + h2
h1
h2 h h1 direccin horizontal
h2 direccin vertical
(h)
1
2
a1 a2
i : son direcciones en las cuales se ha construido el semivariograma.
a2 a1 x
y
ka2
a2
a1 x a1
Se hace coincidir los ejes de anisotropa con los ejes principales, para luego corregir los ejes de
la elipse por un factor k = a1/a2. En definitiva se ha corregido la disimetra del fenmeno,
reducindolo a un variograma istropo (crculo). Analticamente la transformacin se logra
haciendo:
(h) = (1, h ),
Analicemos el caso de anisotropa cuyos ejes anistropos coinciden con los ejes principales y
en cuya primera aproximacin, los variogramas experimentales corresponden a modelos
lineales de la forma:
En el grfico adjunto:
(h)
Modelo 2
Modelo 1
2
d h
Ambos modelos son vlidos hasta la distancia d, en consecuencia si el objetivo fuera estimar
las leyes de un bloque mineralizado de dimensiones inferiores a d es perfectamente vlido
utilizar cualquiera de los dos modelos.
Ejemplo.- Para la disposicin de muestras del grfico, calcular los variogramas en las
direcciones Norte-Sur y Este-Oeste e indicar el tipo de anisotropa.
quilates, de los diamantes encontrados en cada muestra. Los valores de (h) obtenidos
fueron:
1 (20m) = 0,0147 ; 2(40m) = 0,0213 ; 3 (60m) = 0,0226
[ z( x i + h ) z ( x i )] 2 [ z( x j + h ) z ( x j )] 2
2 * A ( h ) = 2 * B ( h ) =
i j
y
N A (h) N B (h)
*(A) y *(B) pueden representar la correlacin espacial de dos zonas distintas A y B, uno
de ellos la relacin de muestras en sondajes y el otro en trincheras del mismo soporte, la
correlacin espacial definida en direcciones diferentes.
Si al observar las dos curvas experimentales, se decide que no existe una variacin significativa
entre ellas, entonces ambas pueden representarse en un variograma experimental promedio del
tipo 2*A+B(h). Este variograma se calcula tomando en cuenta los pares de datos distantes de h
que provienen tanto de A como de B, dando lugar a ponderar el nmero de parejas respectivos
de cada uno de los variogramas experimentales, es decir:
[ [ z ( x i + h ) z ( x i )] 2 + [ z ( x j + h ) z ( x j )] 2 ]
2 * A+ B ( h ) =
i j
N A (h ) + N B (h)
N' k ( h ) *k ( h )
* (h ) = k =1
k
N'
k =1
k (h)
Observaciones:
Los variogramas experimentales elementales son generalmente poco significativos en los
clculos, ya sea porque el nmero de parejas es pequeo, o porque se realizan en zonas de
dimensiones muy pequeas, en tales situaciones es conveniente reagruparlos en variogramas
promedios que son mucho ms significativos.
ii) Las representatividades de los variogramas elementales deben ser casi constantes.
Por ejemplo, si se va a reagrupar un variograma que presente efecto de lisado
debido al reagrupamiento por clases de ngulos y distancias con un variograma
producto de una malla regular, el reagrupamiento debe hacerse con precaucin. Para
grandes distancias h, conviene diferenciar los variogramas deducidos de sondajes
largos con aquellos que son calculados en sondajes cortos, esto porque en los
ltimos la varianza de fluctuacin puede ser fuerte.
iii) En el proceso de reagrupamiento, se tendr presente de no privilegiar a la zona
mejor reconocida _ preferentemente rica o regular en su variabilidad, darle mayor
peso a esta zona podra conducirnos a un variograma promedio que se manifieste
errneamente representativo del yacimiento.
i) El nmero total de parejas es N(h) = Nk(h) que han servido para construirlo.
ii) Las dimensiones y toda particularidad de la zona V donde se reparten estos datos.
Por ejemplo, un variograma promedio construido en zona de mineralizacin
primaria reconocido esencialmente de sondajes verticales y algunos sondajes de
pendiente inclinada a 45.
iii) La media aritmtica slo de aquellos datos que han servido para construir el
variograma. En efecto, sobre esta misma zona pueden existir datos que no han sido
considerados en la construccin de los variograma elementales y en consecuencia no
pueden intervenir en el variograma promedio.
iv) La varianza de dispersin experimental s2 definida en el conjunto de los N datos
utilizados, si estos N datos presentan una distribucin uniforme en la zona V de
dispersin. Esta varianza es un estimador de la varianza de dispersin terica
D2(v/V) de soporte v de datos en el campo V.
v) La varianza de dispersin experimental definida en una sub zona de V en la cual se
puede considerar la implantacin de datos como uniforme.
CAPTULO 6
VARIANZA DE ESTIMACIN.
Todo proceso de estimacin implica un error de estimacin, por el simple hecho que la
cantidad a estimar z, difiere en general de su estimador z*.
Vi
*xi
2E
*x
b
95% probabilidad
Ley del boque zV(x)
Ley del sondaje z(x)
Si esta configuracin de estimacin se repite en cada uno de los bloques V(xi) que
constituyen el yacimiento, si ste es de mineralizacin homognea, la FA Z(x) puede
considerarse estacionaria as como la funcin R(x), por tanto dos errores particulares
r(xi) y r(xj) podran considerarse como dos realizaciones diferentes de la misma FA
R(x). Esta estacionariedad permite entonces:
El error efectivo r(xi) = zV(xi) - z(xi), cometido en el bloque particular V(xi) si bien es
desconocido, pero el conocimiento de la ley estacionaria del error R(x) permitir
precisar la calidad promedio de la estimacin realizada.. De esta manera se puede
definir el intervalo [a , b[ en la que se sita el 95% de los casos del error r(xi) cometido,
(ver figura anterior).
Sea un volumen V definido por pequeos volmenes vi; donde i vara de 1 a n. Los
vi pueden ser por ejemplo: testigos de un sondaje, canales de una galera, chips, etc.
1 1 n
V z v = v z ( x)dx = v z ( x)dx
i =1 v i
v
0v
v n
z = v z (v )
v
i =1
i
i
1 1
= E ( z ( x))dx E ( z ( x)dx
v v V V
como: E(z(x)) = m
1 1
E ( z ( v ) z (V )) = mdx mdx
v v V V
E ( z ( v ) z (V )) = 0
2
E
( v, V ) = Var ( z ( v ) z (V ))
2
Si conocemos E
(v, V ) podemos determinar un intervalo de confianza (a 5% por
ejemplo).
z v
2 E < z V
< z v
+ 2 E
=
2
[
E ( z ( v ) z(V )) E ( z( v ) z (V ))
144244 3
]2
=0
2
Donde: E
( v, V ) = E ( z(v ) z(V ))
Observacin:
Sabemos que:
1 2
( h) = E [z ( x + h) z ( x)]
2
Observaciones:
El intervalo de confianza estndar [mE 2E], nos conduce bajo la hiptesis de no
sesgo, al intervalo [z* 2E] para el valor real z a estimar. Segn los valores de E y de
su estimador z*, puede darse valores extremos aberrantes en este intervalo. Por ejemplo
sea z* = 0,5%Cu y E = 1%Cu, obtenemos un extremo negativo z*-2 E = -1,5%Cu
para la ley verdadera z en cobre..
zi zi * 2 E zi * , esta frmula no asegura la positividad del extremo inferior. En el
z*
E
caso que
> 0,50 correspondan a estimaciones con demasiado error es preferible
z*
abstenerse de calcular intervalos de confianza.
Curva de la ley experimental
de errores
mE 2E
= Var ( z (v)
z(V ))
2
E ( v , V ) = 2 ( v , V ) (V , V ) ( v , v )
V
y
v Cov( z ( v ) , z (V )) = K (v, V )
x
2
E
( v , V ) = K ( v , v ) + K (V , V ) 2 K ( v , V )
2
E
( v , V ) = 2 ( v , V ) ( v , v ) (V , V )
Conociendo los valores z(x1), ..., z(xi), ...,z(xn) y estimando zV por z*V =(1/n) z(xi), y si
v = {xi}, entonces:
1
( v, v ) =
n2
( x
n n
i xj)
1
V 2 V V
(V ,V ) = dx ( x y )dy
1 1
( v, V ) =
nV
(x
n V
i y )dy = ( xi y )
n n
Las varianzas de estimacin pueden calcularse, para diversas situaciones, a travs de las
funciones auxiliares, existiendo tres lineales (Y, F y X) y cuatro bidimensionales (Y, F,
X y Q).
6.5.1. Unidimensionales.
Una funcin auxiliar es un valor promedio (v,v) precalculado, correspondientes a las
geometras v y v particularmente simples y que se presentan frecuentemente en los
estudios y anlisis de casos.
1 L
L 0
( L) = ( y )dy y
x
En un modelo esfrico:
3 L 1 L 3
()
C ( 4 . a 8 a ) para
( L) =
La
3L
C (1 ) para L>a
8a
A B
L
C D
a) La funcin (L,l) se define como el valor promedio de (x-y) cuando x
describe uno de los lados AD o BC, de longitud l e y el rectngulo ABCD.
A B
x y
(L,l) l
L
C D
b) La funcin F(L,l) se define como el valor promedio de (x-y) cuando x e y
describen independientemente el rectngulo ABCD.
A B
x y
F(L,l) l
L
C D
A B A x B
x
y
H(L, l) y
C D C D
Co s
2
Tenemos que: ( v, V ) =
E
v/s
2
En un variograma puntual s = 0, entonces v/s es infinito y E
(v, V ) = 0, en tal caso el
problema es tratado como en la estadstica clsica.
Entonces:
v v
(v,V ) = 1 (v1,V )+ 2 (v2 ,V ) ) V
v v
V2 V1
De igual forma, si: V =V1U V 2
v
v v
(v,V ) = 1 (v,V1) + 2 (v ,V2 ) )
V V
2
E
( I , L ) = 2 / L / 2) F ( L )
2
E
( I , L) = 2 ( I , L) ( I , I ) ( L, L)
(I , I ) = 0
1 L/2 L/2
( I , L) = ( ( y )dy + ( y )dy )
L 0 0
2
E
( I , L ) = 2 ( L / 2) F ( L )
L
({A, B}, L) = 2 ( L) F ( L) 1 / 2 ( L)
2
A B E
En efecto: E
( L, L ) = F ( L )
*
1
L
({A, B}, L) =
2 ( y )dy = ( L)
* 2L 0
({A, B}, L) = 2 ( L) F ( L) 1 / 2 ( L)
2
E
a L
2
Se desea calcular E
( L, S )
2
E
( L, S ) = 2 ( L, S ) ( L, L ) ( S , S )
( L, L) = F ( L)
( S , S ) = F ( a, b)
a
( L, S ) = 1 / 2 (a / 2, b) + 1 / 2 (a / 2, b) = ( , b)
2
( L, S1 ) ( L, S 2 ) , S =S1 U S2
Luego:
a
2
( L, S ) = 2 ( , b ) F ( a , b ) F ( L )
E
2
2 E = Co + C ( 2 e )
3) Cuatro puntos en los vrtices: sondajes ubicados en las esquinas del bloque:
2 e = 2Q ( x, y ) F ( x, y ) 14 ( x ) + ( y ) + (( x 2 + y 2 ))
Co
2E = + C ( 2 e ) .
4
Ejemplo:
Sea un variograma esfrico de meseta 5(%)2 y alcance 50 m. Se desea estimar paneles
de 50m x 50 m a partir de un sondaje central.
Cul es el valor de E y el intervalo de confianza, con un error del 5%?
2
En x 50 x
(h) z(h)
x
5(%) 2
x 50
h
x
50m
Use el CHART 7
CAPTULO 7
LA VARIANZA DE DISPERSIN
vi V
s2(x)
V=vi = Nv zV(x) zc
1
v v
z v ( xi ) = z ( y )dy .
i
1 1 N
zV ( x i ) =
VV z ( y )dy =
N
z
i =1
v ( xi )
x
1 N
s 2 ( x) =
N
[z
i =1
v ( x i ) zV ( x ) ]
2
Esta dispersin se representa trazando el histograma de los N valores zv(xi), es decir, la curva
experimental de las frecuencias de cada valor z (Figura 8.1.). Este histograma no es ms que una
clasificacin simple de los N valores zv(xi) disponibles sin ninguna interpretacin probabilstica.
Podemos calcular por ejemplo, la proporcin de unidades v superiores a una ley de corte zc,
podramos tambin decir que el histograma es asimtrico: existen ms leyes zv(xi) inferiores a la
media zV(x) con respecto a las superiores.
Si se dispusiera para cada zona del yacimiento V todas las leyes de unidades v que la constituyen,
entonces no habra necesidad de ninguna estimacin ni de formular una aproximacin
probabilstica.
En la prctica no se conoce las leyes verdaderas zv(xi) de unidades v, ni tampoco las leyes
verdaderas zV(x) del yacimiento V, en conclusin no se dispone del histograma de la pgina
anterior.
El problema radica entonces en estimar las dos principales caractersticas zV(x) y s2(x); es aqu
donde intervienen las herramientas geoestadsticas y la aproximacin probabilstica.
De la misma manera la media del yacimiento V con centro en x es una VA denotada por:
1 1 N
zV ( xi ) =
VV z ( y )dy =
N
z (x )
i =1
v i
x
Luego, la desviacin cuadrtica media s2(x) , aparece como una realizacin particular de la VA
S2(x) en x (corresponde al yacimiento V en x):
[z ( x i ) zV ( x ) ]
2
Varianza = S 2
( x) =
v
2
1
v
(
D = E S 2 ( x) = E
2
) i {z v ( xi ) zV ( x )}
V N
Ley = zV ( x) =
[z v ( xi )]
=
1+ 2 + 3 + 4 + 5 + 6
= 3 .5
N 6
[z ( x i ) zV ( x ) ]
2
17.5
Varianza = 2
( x) = = = 2.917
v
N 6
Sean tres zonas (V(xk) , k =1 a 3) de igual media zV = 3,5 y constituido por 3 series de 4 unidades,
segn las series:
Ley = zV ( x ) =
[z v ( xi )]
=
6+3+ 2+3
= 3 .5
N 4
[z ( x i ) zV ( x ) ]
2
9
Varianza = S 2
( x) = = = 2.25
v
N 4
Ley = zV ( x) =
[z v ( xi )]
=
6 + 5 +1+ 2
= 3 .5
N 4
[z ( x i ) zV ( x ) ]
2
17
Varianza = S 2
( x) = = = 4.25
v
N 4
Ley = zV ( x ) = [z ( x )] = 6 + 2 + 2 + 4 = 3.5
v i
N 4
[z ( x i ) zV ( x ) ]
2
11
Varianza = S 2
( x) = = = 2.75
v
N 4
2 2
1 1
v
(
D = E S 2 ( x) = E
2
) i {z v ( xi ) zV ( x )} = N E i {z v ( xi ) zV ( x )} = 2,917
V N
De esta manera se observa que las tres varianzas experimentales s2(x) = 2,25; 4,25 y 2,75 fluctan
alrededor de su esperanza terica D2(v/V) = 2,917.
la nocin de soporte, la seleccin del alcance en las unidades de produccin que a veces
son diferentes de las unidades de reconocimiento (ejemplo, soporte de testigos).
La nocin de informacin, la seleccin real de la explotacin dispone a menudo de una
informacin mucho ms fina que la que se dispone en el estudio de las reservas-este estudio
debe prevenir la fineza efectiva de la seleccin real futura. Ciertas propiedades del krigeaje
permiten tal previsin, esta es una ventaja del krigeaje con respecto a las otras tcnicas.
Sea un yacimiento V, reconocido por sondajes de soporte c igual al volumen del material del
testigo analizado y v la unidad de explotacin sobre la cual se har la seleccin efectiva.
Las caractersticas del conjunto de los recursos in situ, puede observarse a travs de los
histogramas de dispersin.
En la siguiente figura se tiene el histograma de dispersin de las leyes zc(x) de los testigos de
soporte c. Se supone que este histograma representa la distribucin de todo el yacimiento V,
Supongamos ahora que se conoce las leyes reales zv(xi) de todas las unidades de explotacin de
soporte v, con estos datos podemos trazar el histograma de dispersin de leyes zv(xi) ver figura
adjunta, cuyas caractersticas son:
a) Una media m igual a la media de los sondajes.
b) Una varianza de dispersin terica D2(v/V) de soporte v en el yacimiento G, donde se
verifica que D2(v/V) < D2(c/V), con v > c.
c) El histograma es simtrico.
Frecuencias
D2(v/V) Cuanto ms pequeo sea el soporte v, el valor de z(v)
bloques es ms disperso.
D2(c/V) testigos
z
m zc 5% Cu
De la misma manera que los variogramas regularizados, sobre testigos c con respecto a los paneles
v son diferentes, de la misma manera los dos histogramas de dispersin y las reas achuradas
respectivas son diferentes, podemos decir entonces que existe una proporcin no desestimable de
testigos c de leyes de Cu zc zo.= 5%Cu, no existe ningn panel v de varias centenas de toneladas
de ley promedio de cobre superior a 5%. En el proceso de explotacin se seleccionan bloques
(paneles) v y no tramos de sondajes c, es por esto importante que al estimar reservas se tenga en
cuenta el soporte v de la unidad de seleccin, bajo pena de sesgo con consecuencias econmicas
probablemente graves, esta anotacin no es trivial, veamos un ejemplo: un yacimiento sedimentario
reconocido por sondajes verticales a travs de toda la superficie mineralizada, con potencia
Otro ejemplo tpico es relativo a los procesos de estimacin ponderados por el inverso medio de las
distancias y en general a aquellos procesos que no toman en cuenta la geometra particular v del
bloque a estimar, si se aplica una seleccin sobre estos valores as estimados el resultado es
independiente del tamao v de la unidad de seleccin, y es bien conocido que no es lo mismo
explotar un yacimiento a martillo ( v es pequeo) que explotarlo en bloques (v es mucho mayor).
Se demuestra que:
D 2 (v / V ) = (V , V ) (v, v)
D 2 (v / V ) + D 2 ( c / v ) = D 2 ( c / V )
Para ciertos casos se postula la hiptesis de conservacin de leyes, se puede adoptar para zv la
distribucin del histograma experimental de datos zc., y ser suficiente entonces corregir la varianza
D2(c/V) D2(v/V) para pasar del variograma experimental de los zc al histograma buscado zv. Esta
hiptesis ha sido verificada para ciertos yacimientos de Au y U y para soportes c y v diferentes, sin
embargo no debe tomarse como una ley general.
Se entiende que, la informacin disponible y los procesos de estimacin deben ser tales que los
histogramas de los z*v (xi) sean los ms prximos posibles a los zv(xi), para ello se deber tomar en
cuenta la nocin de soporte y tamao v de la unidad de seleccin, requisitos que satisface
plenamente el krigeaje.
Frecuencia
D2(v*k/V)
Valores krigeados
D2(v/V)
Valores reales
0 z
m zo
Los dos histogramas verdadero y estimado tienen la misma media.
D2(v/V) = D2(v*k/V*) + 2 k - 2 m
Donde:
D2(v/V) = varianza de dispersin de las leyes reales zv(xi) de soporte v en el yacimiento V.
D2(v/V) = D2(v*k/V*) + 2 k
v *k
D 2 (v / V ) D 2 ( )
V 2
k
2 2
D (v / V ) D (v / V )
1
D2(v/v) = E ( n ( z(vi ) z(v))
2
1
= ( v E(v( z( x) z(v)) dx) cuando v 0, n
2
O
D2 = (v, v )
V
Ejemplo:
En la regionalizacin de la ley en petrleo, los sondajes tienen una longitud L=350 pies
D * (O / L) = s 2 = 17,3(%) 2
D(O / L) = (L, L ) = F0 (L ) + F1 (L )
C0 C1
3 a 1 a 2
F1 ( L) = C1 1 +
4 L 5 L
= 6(% ) ; F0 = 6
2
C0
= 13(% ) ; F1 = 12
2
C1
a = 36 pies
D (O / L) = 12 + 6 = 18
2
Como 18 es aproximadamente igual a 17,3 entonces podemos decir que el modelo es aceptable.
Ejemplo:
Consideremos un yacimiento V constituido de N = 5 bloques de igual dimensin v. En la Tabla 5.1.
se muestran las leyes medias {zv(yi), i = 1 a 5} de los 5 bloques, as como sus leyes estimadas
z*v(yi).
Este ejemplo se encuadra en el caso en que el yacimiento V est compuesto de un nmero exacto de
N bloques, por tanto podemos adoptar la frmula de la varianza de dispersin de v en V, siguiente:
2 2
1 1
v
(
D = E S 2 ( x) = E
2
) {z ( y ) z ( y )} E {
i v i V i 5 i v i V 5
= z ( y ) z ( y )} =
1 4 2
= 2,8
V N i =1
donde
1 5+7+6+2+5
zV ( y i ) = z v ( y i ) =
N
z
i
v ( yi ) =
5
= 5;
zV* ( y i ) = z*v ( y i ) =
z *
v ( yi ) 1
= (4,7 + 7,3 + 5,9 + 2,3 + 4,8) = 5
N 5
i
z v ( yi ) z v ( y i ) zV ( y i ) z *v ( yi ) z *v ( y i ) zV* ( y i ) z v ( y i ) - z *v ( yi ) ( z v ( y i ) zV
*
( y i )) 2
1 5 0 4,7 -0,3 +0,3 0,09
2 7 2 7,3 2,3 -0,3 0,09
3 6 1 5,9 0,9 0,1 0,01
4 2 -3 2,3 -2,7 -0,3 0,09
5 5 0 4,8 -0,2 +0,2 0,04
2
=
(( z v ( y i ) z * v ( y i )) 2
=
0.09 + 0.09 + 0.01 + 0.09 + 0.04
= 0.064
Exp
N 5
ii) el promedio de los errores siendo nulo (no hay sesgo en la estimacin)
z* v ( y i ) = z v ( y i ) = 5
iii) la varianza de dispersin experimental de los estimadores z *v ( yi ) , es:
2
0.09 + 5.29 + .81 + 7.29 + .04 13 .52
i z *v (y i ) - z*v ( y i )
1 -
s' =2
= = = 2,704
N 5 5
Obsrvese que:
s2 =2,704 < s2 = 2,8 y que se verifica la relacin
CAPTULO 8
2E 1 1 n 21
2
= 2 ( n 2 + 0,06
6 n2
) n1 n2
S n
donde: n = nmero de sondajes positivos; 2n1 = nmero de segmentos paralelos en la
direccin 1 en la traza del contorno del yacimiento; 2n2 = nmero de segmentos paralelos
en la direccin 2. Las direcciones 1 y 2 se seleccionan bajo la condicin que n1 n2.
Ejemplo:
0 X 0 0 0 0 0 0 0 0 0 0 0 0 0
0 X X X 0 X 0 0 0 0 0 0 0 X 0
X X X X X X X X X X X X X 0 0
0 0 0 X X X X X X X X X X X X
0 0 0 0 0 X 0 0 X 0 0 X 0 0 0
0 0 0 0 0 0 X 0 0 0 0 0 0 0 0
Solucin
n = 35 (nmero de sondajes positivos)
2n1 = 34 segn la direccin horizontal
2n2 = 20 segn la direccin vertical
2E 1 1 n 21 1 1 17 2
= ( n 2 + 0,06
6
) = 2 ( *10 + 0,06 *
35 6 10
) = 27,75(%) 2
S 2 n2 n2
E
= 5,3% E = S*5,3 = 12,6h*5,3% = 66,78% = 0,6678h
S
El intervalo solicitado, con un error del 5%, es:
S = S* 2 E
11 hs S 1 4 hs
Como las estimaciones elementales Si* son independientes entre ellos, la varianza de
estimacin del volumen V es:
2V 1 S2
Entonces la varianza relativa ser:
V 2
=
V2
Vi 2
i S
i
2
i
a1
a2
li
S* = n*a1*a2
sondajes positivos
2V S* 1 1 a2
V 2
=
L2 n 2 0,06 + 90 2 con =
a1
1
1
S * S*
el contenido metlico promedio AS* = a ( x )dx , para A*S*
A A *S *
la ley media z S * = S * , para z *S * =
pS* p *S *
x x x x
p(x) x x x x x
x x x x x
Estimacin Bordura
= S (S , S ) ;
2
B 2
s
(S,S) = varianza de las leyes puntuales s2
Sean: Z el producto de X e Y y
Z* la estimacin de Z e igual al producto de X* (estimacin de X) e Y* (estimacin
de Y).
Es decir:
Z = X Y; Z* = X*Y*
Z* - Z = X*Y* - XY (1)
Se tiene:
(X* - X) = x con E ( x) = 0
(Y* - X) = y con E ( y) = 0
Z* - Z = ( X+x)(Y+y) X Y
Z* - Z = Xy +Y x + xy
trmino de 2do. orden
Z* - Z = Xy + Yx
=0
2 2
= X 2
y
+Y 2
x
+ 2X Y E (x y)
= 0 (independencia interna)
1 1
2 x
2 2
Var ( Z * Z ) = X 2 Y 2 ( + 2 y
)
X Y
CAPTULO 9
9.1. INTRODUCCIN
Al evaluar un yacimiento se habla de dos tipos de reservas:
Como es lgico ambas reservas no coinciden, ya que factores como la dilucin, mtodo de
explotacin, recuperacin, etc hacen que las reservas mineras se alejen de las geolgicas.
Recuperacin
Dilucin
Se trata de estimar: la ley promedio (m*),el volumen (V*) y el contenido metlico del
yacimiento (Q* = m*V*).
Estos resultados (estimacin y precisin) permitirn decidir por: esperar una coyuntura
econmica favorable; o realizar un segundo reconocimiento sistemtico que nos
conducir al estudio de factibilidad.
Ttotal = T1 + T2 + ... + Tn
Observaciones
Antes de proceder con los clculos se tuvo que analizar los datos de cada sondeo, los
resultados fueron:
a) En S1, se limit el rea hasta los 5m, ya que los 2m siguientes presentan leyes
(2,4% y 0,27%) inferiores a la ley de corte establecida en 5%.
b) En S2, se observa que el tramo comprendido de 1 a 2m de profundidad, tiene una
ley inferior a 5% (3,1%), pero este valor se encuadra en tramos mtricos cuyas
leyes son superiores a 5% (de 0 a 1m: 10,03%; de 2 a 3m: 28,3%; etc.). Es
evidente que al explotar este bloque, se retirar todo el estrato mineralizado hasta
los 5,5m que an cubre todos los gastos; una capa de 1m de espesor con una ley
inferior a la de corte no altera en demasa la ley promedio de la seccin que es del
orden de los 13,99%.
c) En S3, el tramo comprendido entre 5 y 6m presenta una ley de 5,1% >Lc=5%,
como esta capa est separada por niveles superiores de 2 metros de espesor con
leyes inferiores a la ley de corte (de 3 a 4m: 0,05%; de 4 a 5m: 0,2%), sera
antieconmico extraer este estrato, por tanto cubicaremos en este sondaje hasta
los 3m.
Seccin
1+2+3 13.5 188.98 Z = 14.00
Tabla 7,1.
320m
250m 160m
D
125m S1
A S2
Superficie mineralizada
S3
E
B
F
Figura 6,2. determinacin del volumen del yacmiento
14
Ton = 217626 * = 30467.64t
100
En nuestro ejemplo, para la lnea de seccin AB se han obtenido los siguientes resultados:
Tonelaje:
Plata 30467.64*0,80 = 24 374t
Zinc 30467.64*0,09 = 2 742t
Cobre 30467.64*0,0325 = 990t
z i
z *S = i =1
n
i) Es una combinacin lineal de las n muestras, de la forma: z *S = (i , z ( xi )) , cuya suma
i =1
iii) en datos agrupados, los resultados no son representativos. En el ejemplo notamos, al N-W
una agrupacin de leyes favorables (media = 2,8), que con respecto a la ley media del bloque
2,29; esta zona rica estara sobreestimada,
iv) En estimaciones locales, los bloques carentes de muestras no podran ser estimadas.
En la figura:
Ley
Si = 8 el mtodo se asemeja al de polgonos.
Si = 1, este se transforma en un mtodo lineal Z =
de interpolacin ( a mayor exponente, mayor =5
peso tendr la muestra ms cercana). =2
Si = 5 el valor se parece al obtenido por la = 1.5
Regla de puntos ms cercanos.
=1
El utilizado con mayor frecuencia es = 2, este
valor, hace que se le aada mayor peso a las
muestras ms cercanas, denominado inverso
cuadrado de la distancia.
Z
c) El radio de influencia se aconseja que no sea mayor de los 100m porque a mayor
distancia la diferencia entre sus valores ser mayor. Su variacin depende del
nmero y distribucin de los compsitos.
d) El tamao de los bloques debe adaptarse en lo posible a los mtodos de
extraccin, se aconseja utilizar mallas cuadradas. Es necesario tener en cuenta que
los bloques pequeos son ms flexibles de combinar para formar bloques mayores
y que el tamao ideal debe ser adaptado a cada caso en particular.
Observaciones al mtodo:
a) Es una combinacin lineal de las muestras: z*S = ( .z( x )) ,
i i cuyos
1
ponderadores se definen como: i = n
1
di
i =1
di
b) Se adapta con facilidad para las estimaciones locales y globales.
Todas las tcnicas de estimacin descritas anteriormente, tienen una gran desventaja, el de
sobrestimar las zonas ricas y subestimar las zonas pobres de un yacimiento. A este
fenmeno se le conoce como sesgo condicional, para entender este fenmeno, analicemos el
siguiente ejemplo: en la siguiente figura cada punto representa un sondaje que se encuentra
ubicado en el centro del bloque, el rea achurada representa las zonas ricas. Para el caso de la
estimacin de leyes en los bloques denotaremos por: 1 presencia de mineral y 0 el estril.
1,0
0,0
0,95 0,91
1,0 1,0
Los promedios de las leyes reales y estimadas son de 0,67 y 0,69 respectivamente, es decir no
hay sesgo global a dicha escala, sin embargo existe un sesgo condicional en la estimacin de
los bloques, manifestada en el hecho de que las leyes estimadas en los bloques de leyes
positivas (zona achurada) tienen una ley siempre superior a la real, en cambio para las de
leyes bajas las leyes estimadas son inferiores a las reales. De aplicarse un cut-off sobre las
estimaciones ocurrira que la ley de mina sera sistemticamente superior a la ley de planta.
Ejemplo:
Calcular la ley del bloque B, de la figura adjunta, por el mtodo del inverso de la distancia,
tomando como datos referenciales las leyes zi y distancias di, para ndices de ponderacin 2,
1 y 3.
0,5%
0,7% 0,4%
0,8% 65m
1,0%
30m B
65m
0,6%
80m
50m
1,0% 0,7%
0,6%
Para = 2
n
zi
d
1
2
0.7 0.6 0.5 0.8
+ 2 + 2 + 2 + 2
= n i = 80 50 65 65 30 = 0.74% = 0,74%
i =1
z*S
1 1 1 1 1 1
i =1 d i 80 2
+ 2 + 2 + 2 + 2
50 65 65 30
Para = 1
n
zi
d
1 0.7 0.6 0.5 0.8
+ + + +
= n i = 80 50 65 65 30 = 0.73%
i =1
z*S
1 1 1 1 1 1
i =1 d i
+ + +
80 50 65 65 30
+
Para = 3
n
zi
d
1
3
0.7 0.6 0.5 0.8
+ 3+ 3+ 3+ 3
= n i = 80 50 65 65 30 = 0.76%
i =1
z*S
1 1 1 1 1 1
i =1 d i 80 3
+ 3+ 3+ 3+ 3
50 65 65 30
RESENAREN S.A.C.
CAPTULO 10
ESTIMACIN GLOBAL
El otro error es de tipo cualitativo, que tiene que ver con la estimacin de leyes y otras
caractersticas del mineral. Este error afecta por ejemplo, a la estimacin de las leyes
medias, es decir a la cantidad de metal disponible. En la seccin 8.1. nos limitaremos a
estudiar el error cualitativo, suponiendo entonces que la geometra y el volumen de la
zona son conocidos, y en la seccin 8.2. trataremos de cuantificar el error geomtrico y
su influencia en las estimaciones globales de cantidades de metal y de leyes medias.
Lmite de estacionariedad
Se supone que la regionalizacin de z(x) en V es estacionaria y caracterizada por (h),
en la prctica es suficiente la cuasi estacionariedad local, es decir, (h) representa el
promedio en V de los distintos variogramas locales estacionarios.
Por ejemplo, si los variogramas locales presentan efecto proporcional, se tomar como
variograma promedio el esquema correspondiente a la ley media m* estimada en V.
RESENAREN S.A.C.
1
V
vi z *i con V = vi
z* =
En general, los distintos valores krigeados z* no son independientes y el clculo de la
varianza de estimacinde z po z* hace intervenir a la covarianza de tipo:
E{(zi-z*i)(zj-z*j)}.
B
Por ejemplo, si un yacimiento es
reconocido por sondajes
verticales, en primer lugar se
estima cada seccin respecto a
los sondajes verticales contenidos
en ella y posteriormente se
reagrupan estos estimadores
parciales de las secciones y se
A
pondera con su longitud de
influencia.
A B
En la prctica para calcular la varianza de
estimacin global, se utilizan los principios
de aproximacin correspondiente a cada una
de las etapas intermedias que conducen al estimador global.
RESENAREN S.A.C.
E2 = E{( zV z*) 2 } = 2 (V , S i ) i j ( S i , S j ) (V , V )
i i i j
Krigeaje global
Estas objeciones hacen que para la estimacin local se limite a las vecindades
restringidas del krigeaje.
Este principio trata de reducir el error global [zV z*i] en una suma de errores
elementales considerados independientes, calculando simplemente las varianzas
N
Si: [ zV z*] = i [ zi zi *]
i =1
Si los errores [zi z*i], [zi-z*j] con i j,se consideran independientes, la expresin
quedara como:
E2 = E{( zV z*) 2 } = i2 E{[ zi zi *]2 } = i2 E2i
i i
RESENAREN S.A.C.
l
i =1
i = nl = L
xi
Cada segmento li es reconocido por su punto central xi, los valores de z(xi) son
conocidos, se trata de estimar z(L) por z*(L) y conocer la precisin de esta estimacin.
1 1
L L L l1
z ( L) = z ( x ) dx = z ( x ) dx + ..... + z ( x ) dx
ln
1 1 1
= z ( x)dx = z (li ) = z (li )
L i li L i n i
1
z ( L) = z (li )
n i
1
z * ( L) = z * (li )
n i
con z*(li) = z(xi)
1
z * ( L) = z ( xi )
n i
1
Precisin z * ( L) = z * ( xi )
n i
1
El error e = z*(L) z(L) = ( z ( xi ) z (l i )) ,
n i
RESENAREN S.A.C.
1
es una realizacin de la V.A.: ( z ( xi ) z (li ))
n i
1 1
con: E(
n i
( z ( xi ) z (l i )) )= ( E ( z ( xi ) z (li ))) = 0
n i
=m =m
Lo anterior nos dice que la estimacin es sin sesgo:
1
* Var( ( z ( xi ) z (l i )) ) =
n i
1 2
= 2 (Var ( z ( xi ) z (li ))) + 2 Cov ( z ( xi ) z (l i ), z ( x j ) z (l j ))
n i n i> j
Cov((z(xi)-z(li) , (z(xj)-z(lj))) = 0,
es decir que el error sobre el tramo i es independiente del error sobre el tramo j, para
todo i, j.
= 2E=(xi , li)
({x i }, L ) =
1 2
n E
2
E
( x, l )
Dispositivo abierto
Dispositivo cerrado
1
z * ( L) = l i * z ( xi )
L i
RESENAREN S.A.C.
Varianza de extensin
E ({x i }, L) = ( Li ) 2 E xi , li )
2 l 2
({x i }, L) = ( ) 2 l 2 ( xi , l i )
1 2
2
E
L i E
1) 40 40 40
* * *
2) 30 30 60
* * *
Caso general
z*(vi) = z(vi)
Donde:
vi
Z*(V)= ( V ) z (v )i
Y
({v i }, V ) = ( i ) 2 2 E (vi ,Vi )
v
2
E
i V
30 30 60
* * *
Leyes 10% 12% 8%
RESENAREN S.A.C.
A dos dimensiones:
Sea la estimacin de la ley media en una superficie S
constituida de N superficies elementales si, reconocidos
S
por un sondaje en el centro.
X X X X La varianza de estimacin elemental 2 si es calculada por
X X X X
la frmula general o por los bacos.
La varianza de estimacin global ser:
X X X X
1 s2
si E2 =
S2
si2 s2i =
i N
A tres dimensiones:
Sea la estimacin de la ley media en un volumen V
formado por n paraleleppedos de volumen vt = st*ht, cada
uno de ellos reconocido por una seccin mediana St.
St
La varianza de estimacin elemental 2 vt es calculada por
la frmula general o por los bacos.
La varianza de estimacin global ser:
1
E2 =
V2
v t
2
t
2
vt
RESENAREN S.A.C.
TABLA DE RECAPITULACIN
({x i }, L ) =
1 1 2
z ( xi ) n E
2
li z * ( L) = E
( x, l )
n i
xi
L = nl
2
({x i }, L ) = i E ( x i , l i )
1 l
Tramo a malla irregular z * (L) = l z( xi ) E 2 2
i
L i
i L
li
xi
({x i }, S ) =
1 1 2
z ( xi ) n E
2
Malla regular z * (S ) = E
( x, s )
n i
bidimensional
l = 2H(L/2 , l/2) F(L , l)
X X X X
X X X X
SX X X X
L
S = ns
({L j }, S ) = (
Sj Sj
z * (S ) = ) 2 E (L j , S j )
2 2
Conjunto de paneles z( L j ) E
i S S
rectangulares reconocidos
2E(Lj , Sj) se obtiene del baco 8
por sus trazas medianas
Lj
Sj
RESENAREN S.A.C.
Sea un yacimiento reconocido por tres niveles horizontales, en donde cada nivel es
reconocido por galeras y estas reconocidas a su vez por canales de muestreo.
Nivel 1
Nivel 2 l
Nivel 3
2E = Tl + TS + TV-
Trmino de lnea:
Asumiendo que una galera puede corresponder a una
Lk lnea Lk reconocida por ejemplo por nk canales de
muestreo a intervalos regulares l, la varianza de
l estimacin de esta lnea Lk viene expresada por:
Lk = l* nk 1 2
L2 = l
K
nk
RESENAREN S.A.C.
El reconocimiento de todas las galeras (longitud total L = nLk) por el conjunto de los
n = nk canales de muestreo de longitud elemental regular igual a l. La varianza de
estimacin del trmino de lnea est dado por:
1 2
TL = L2 = l
n
Trmino de seccin:
S k =1
Trmino de tajo:
El error de estimacin de los tres tajos del cuerpo se evala por sus niveles o secciones
medianas supuesto perfectamente conocidas.
RESENAREN S.A.C.
Por ejemplo en el espacio bidimensional si se dispone de una malla no regular pero con
densidad uniforme de informacin, es posible definir una grilla denominada
aleatoriedad estratificada, tal que cada cuadrcula de la grilla contiene en promedio un
dato.
S X X
Sea Z(x) la informacin puntual en la
X X cuadrcula s (x s). La varianza de
X
estimacin de la ley media zS en s por z(x)
X
X
es:
X
X
E{[zS-z(x)]2}.
X
X
X
1 2
S2 = E{[ z S z *S ]2 } = D (o / s )
N
1 N
Con S = N*s y z *S =
N
z( x )
i =1
i
RESENAREN S.A.C.
Ubicacin preferencial
x x x x
x
x
Malla regular:
1
2
E
= (2 (o, s ) ( s, s ))
n
X X X X
X X X X
SX X X X
Aleatoriedad estratificada:
Los sondajes son ubicados al azar en el interior de cada malla
1
E = n ( (s, s)
2
x x
x x x x x
x
x x x x
x x x x x x
Aleatoriedad pura:
2
E
= ( ( s, s ) x x x x
n
x x x x
2 2 2
E
>> E
> E
RESENAREN S.A.C.
CAPTULO 11
11.1. EL KRIGEAJE
La Geoestadstica, a travs del semivariograma, usa el Krigeaje (en ingls kriging y en
francs krigeage) para estimar las reservas de un yacimiento, en la evaluacin estima el
valor de una VR en un punto o en un bloque, a partir de ponderadores semejantes al
mtodo de inverso de la distancia. Este valor es el mejor estimador lineal insesgado de
la variable, no sesgado porque la varianza de estimacin es mnima, el error entre lo
estimado con lo real es nulo (considerando como error la diferencia entre lo estimado
con lo real) y lineal porque es una combinacin lineal de la informacin disponible.
Las tcnicas anteriores difieren del Krigeaje, pues en este mtodo se utiliza toda la
informacin disponible, no solo la correspondiente a cada bloque, sino tambin la de los
bloques vecinos.
Sin embargo, el Krigeaje no es
X1 vlido cuando la malla es
relativamente pequea (segunda
campaa de reconocimiento
sistemtico).
Xi
X0
La utilizacin del Krigeaje en la
estimacin global aportar
X4 informaciones complementarias
importantes.
X2
X3
RESENAREN S.A.C.
Objetivo
En los captulos anteriores se ha estimado el volumen (V) y la ley de este yacimiento,
proceso llamado estimacin global.
En este captulo consideraremos un volumen elemental v de V y estimaremos su ley
z*(v).
La estimacin local presenta al menos dos aspectos importantes:
El primero, es el de explotar en lo posible solo aquellos bloques cuya ley sea superior al
cut-off (ley de corte zc).
l segundo aspecto importante, reside en la programacin de la explotacin, se trata de
enviar a la planta, mineral cuya ley sea la ms constante posible. En tal caso se debe
simular el perodo de explotacin.
Problema de sesgo
Sean bloques v definidos por
z(v) Primera sondajes x
bisectriz
v
Xx
xx x x Recta de
x xx x x x x x mnimos cuadrados
x xx x Xx x x x xx
z(x)
Si se escoge para z(v) el valor de z(x) correspondiente, se est cometiendo un error de
prediccin que corresponde a la diferencia entre la recta de mnimos cuadrados y la
primera bisectriz esto puede dar lugar a subestimar los valores bajos y a sobreestimar
los valores altos, por tanto es necesario trabajar con la recta de mnimos cuadrados.
.Clculo
Sea V el volumen elemental a estimar y vi los diferentes volmenes conocidos.
RESENAREN S.A.C.
E(Z*(V) Z(V)) = 0
n
E ( i Z (v i ) Z (v ) = 0
i =1
i =1
i E ( Z (vi )) E ( Z (v)) = 0
=m =m
n
m( i 1) = 0
i =1
i =1
i =1
[K ][ ] = [M 2 ]
RESENAREN S.A.C.
Segn lo anterior, podemos decir que el krigeaje toma en cuenta, dos factores en su
estimacin: la distancia y el agrupamiento.
Interpolacin exacta
El Krigeage tiene la propiedad de ser una interpolador exacto es decir:
z*(V) =z(vi)
Composicin de krigeaje
Si v = v 1 + v2
S3 S7
P
S4 S1 S5 S6
S2 S8
RESENAREN S.A.C.
1 i para todo i = 2,3,4, ... , 8 (el peso de la muestra interna es mayor con respecto
a las otras muestras)
RESENAREN S.A.C.
con un alto valor se le asigna un factor de ponderacin negativo. Por esta razn y puesto
que todas las variables que involucran estimar las reservas de un yacimiento no pueden
nunca presentar valores negativos, se tiende y suele a no ajustar modelos que presenten
comportamientos parablicos en el origen, incluso cuando las variables tengan un
comportamiento espacial extremadamente continuo.
iii) El efecto de pepita. Dados dos semivariogramas semejantes uno de ellos con
presencia de efecto de pepita, la estimacin para un mismo punto utilizando ambos
variogramas, refleja una menor variacin en los factores de ponderacin cuando el
semivariograma utilizado es el que presenta el efecto de pepita y la varianza del krigeaje
es mayor. Cuanto ms se incremente dicho efecto la estimacin tiende a semejarse a una
simple ponderacin de las muestras. La situacin extrema se presenta en el efecto de
pepita puro, en tales casos no es recomendable usar el krigeaje.
C.1.)Forma del rea de bsqueda .La forma del rea de bsqueda, suele ser
normalmente una elipse centrada en el punto que va a ser estimado. Su orientacin lo
dicta la anisotropa del esquema de continuidad espacial, con el eje mayor de la elipse
en la direccin de mxima continuidad. Si no existen direcciones privilegiadas, la elipse
se convierte en un crculo, en tal caso la direccin deja se ser relevante. Lo mencionado
anteriormente es para dos dimensiones en caso del espacio tridimensional la elipse se
convierte en elipsoide y el crculo en esfera.
RESENAREN S.A.C.
x1 50 m C0 + C1
x0 x3
C0
x4
a h
RESENAREN S.A.C.
[ ] = [K ]1 [M 2 ]
1 11 12 13 14 1 01
2 21 22 23 24 1 02
3 = 31 32 33 34 1 03
4 41 42 43 44 1 04
1 1 1 1 0 0
9.34
17,02
[M2 ] =
20,28
12,17
1
RESENAREN S.A.C.
Se tiene que:
11 = 22 = 33 = 4 = 0
3 50 2 1 50 2 3
12 = 21 = 2 + 20 = 12,17
2 200 2 200
14 = 41 = 17,02
13 = 31 = 20,78
34 = 43 = 22
23 = 32 = 19,68
42 = 24 = 21,72
RESENAREN S.A.C.
Para determinar el valor del bloque se lleva a cabo una discretizacin del rea en un
conjunto de puntos (2*2, 3*3, ...), obtenindose posteriormente la media entre los
distintos valores, el clculo tedioso de las operaciones ha sido ampliamente resuelto por
el hardware y softwares actuales. A manera de visualizar el mtodo (media aritmtica
de los puntos discretizados extrapolada al rea establecida) adoptemos el grfico de
Isaaks y Sirastava, 1989, en este esquema, en la parte superior (a), se indica un bloque
a estimar (achurado) discretizado en cuatro puntos. El resultado de la estimacin del
bloque es 337.
En el resto del esquema, de b) a e) se muestran los resultados de las estimaciones
puntuales, cuyos valores son: 336, 361, 313 y 339, cuyo valor medio es 337,25, valor
muy similar al obtenido por el krigeaje de bloques (337).
* *
337
* *
a)
b) c) d) e)
Es importante precisar que los valores que se obtienen con el krigeaje llevan consigo los
correspondientes valores de la varianza de estimacin (varianza de krigeaje), esto
permite estudiar la bondad de la estimacin. La varianza de krigeaje es la que determina
la calidad del mtodo, ya que ningn otro obtiene este parmetro y que es til cuando se
trata de categorizar las reservas del yacimiento.
RESENAREN S.A.C.
El ao 1977, Royle, fue el primer geoestadstico que le dio una aplicacin prctica a la
varianza de estimacin para la clasificacin de reservas; afirma que la clasificacin debe
basarse tanto en el valor de la varianza de krigeaje como en el valor propio estimado,
estableciendo que para cada bloque estimado, se puede obtener la probabilidad de que el
valor real de dicho bloque est por encima de una determinada ley mnima de
explotacin. Para tal efecto se calcula el valor D por la frmula:
(VKB LME )
D=
k
Donde:
D = Desviacin;
VKB = Valor krigeado del bloque;
LME = Ley mnima de explotacin
k = Desviacin estndar del krigeaje
RESENAREN S.A.C.
1 2 3
0,0075 0,0135 Varianza
1, si z(x) > zc
l(x,z) {
0, si z(x) < zc
Sean dos bloques mineralizados evaluados por sondajes en sus cuatro vrtices. La ley
media de los cuatro vrtices y el espesor constante son los valores que se les asigna.
Supongamos adems que se presentan las dos situaciones siguientes:
RESENAREN S.A.C.
Si la ley mnima de corte es de 4%, es evidente que ambos bloques son explotables, a
pesar que la explotabilidad del segundo bloque dependa mayoritariamente del valor
14,4%, est entendido entonces que la ley media no pone en evidencia la relacin
espacial entre los valores calculados.
Si a los valores superiores a la ley de corte (4%) que constituyen el mineral se le asigna
el valor 1 y a los inferiores, el valor de 0. En tales circunstancias todos los sondajes del
boque A, entran en la categora de mineralizacin y al bloque se le podra asignar un
indicador medio de 1. en cambio, para el bloque B, slo un sondaje tiene ley superior a
4%, por lo que este bloque recibira un indicador de 1/4 = 0,25. En este caso aunque la
ley media sugiere que todo el bloque es mineral, el indicador medio nos afirma que
slo el 25% del bloque puede considerarse como mineral.
11.8. EL COKRIGEAJE
{[
2 Ag (h) = E Y Ag ( x) Y Ag ( x + h) ] },
2
para la plata
{ }
2 Zn (h) = E [YZn ( x) YZn( x + h)] , para el zinc
2
RESENAREN S.A.C.
[ ]
2 AgZn ( h) = E {Y Ag ( x ) Y Ag ( x + h) [YZn ( x) YZn ( x + h)]}
X1 = 741
V1 = 414
(-3;6)
X0 = ?
(0;0)
V3 = 56
(3;-3)
X2 = 504
V2 = 386
(-8;-5)
RESENAREN S.A.C.
[
E x * 0 x0 = 0 ]
n m n m
E ai xi + b j v j x0 = n x ai + mb b j v j n x =0
i =1 j =1
i =1 j =1
n m
Finalmente podemos decir que: ai = 1 y b j =0
i =1 j =1
n m
n m
n m
ai = 1 ; b j =0
i =1 j =1
Observaciones:
i) Tanto el sistema como la varianza de cokrigeage, slo son vlidos para una
estimacin puntual, de restringido uso en minera donde se requieren
estimaciones de bloques.
ii) En el clculo el cokrigeage requiere de las covarianzas simples y cruzadas
entre las variables. experimentalmente el variograma cruzado se define
como: UV (h) =
(ui u j )(vi v j )
2 N ( h)
RESENAREN S.A.C.
Se observa que los variogramas simples y el cruzado obedecen a un mismo modelo: una
estructura peptica seguida de dos modelos esfricos (Sph) de 25 y 50 m de alcance,
respectivamente. En la siguiente tabla se han resumido los valores de las covarianzas
simples y cruzada:
RESENAREN S.A.C.
1 1 0 0 0 0 0 -1 1
0 0 1 1 1 0 0 -2 0
X1
Ejercicio_1: La figura muestra la ubicacin
de cuatro muestras de un yacimiento de
zinc, cuyas leyes son: z1=8,2% ; z2 = 9,6%
z3 = 13,1% y z4 = 6,4%. El modelo de
variograma ajustado es el de Matheron Xo X2
con: Co = 17 (%)2, a = 250m y C = 66(%)2
X3
Ejercicio_2:Estimar por krigeaje la ley de hierro en el punto xo, a partir de las muestras
que se indican en la figura, el modelo de variograma es lineal istropo de la forma:
RESENAREN S.A.C.
(h) = 0,417h.
60
50 (35) x4
40 xo (34) x3
30 x1 (41)
20 (35) x2
10 20 30 40 50
* JOURNEL A.
Geostatistics for Conditional Simulation of orebodies (1973).
Note CMM n342-Ed.ENSMP Paris.
In Economic Geology.Vol.69,n5,August 1974,pp.673-687
* J.J. ROYER
GEOSTATISTIQUES 3me anne
Cours dars A. Journel (Thse 1977)
* B. DE JEKHOWSKY (1977)
Elments de statistique lusage des gologues
* B. de JEKHOWSKY (1977)
Elments de statistique lusage des gologues
* C. CHAMBON (1992)
GEOSTATISTIQUE
Centre detudes suprieures des techniques minires
RESENAREN S.A.C.
BACOS
RESENAREN S.A.C.
RESENAREN S.A.C.
RESENAREN S.A.C.
RESENAREN S.A.C.
RESENAREN S.A.C.
RESENAREN S.A.C.
RESENAREN S.A.C.
RESENAREN S.A.C.
RESENAREN S.A.C.
RESENAREN S.A.C.
RESENAREN S.A.C.
RESENAREN S.A.C.