ESTADISTICA GEOESTADISTICA
MODELAMIENTO
GEOLOGICO
DE BLOQUES
1.5 Kms.
ESTADÍSTICA DESCRIPTIVA
ESTADISTICA
Descriptiva Inferencial
Variable Cualitativas
Cuantitativas
Continuas Discretas
Muestra
Tipos de variables
Variables cualitativas (o
categóricas)
son el resultado de
son el resultado de
contar y sólo toman
medir, y pueden
valores enteros
contener decimales
(número de puntos,
(temperatura,
de cuadrículas, de
profundidad, altura).
píxeles).
Tipos de muestreos
Distribución de
mineral útil y su
tamaño.
Etapa de
investigación en
la que se efectúa
el muestreo
La accesibilidad
para la toma de
muestras..
El costo de la
toma de
muestras.
Alteración
Sesgos en el superficial de la
muestreo
roca
Pérdida selectiva
de elementos Contaminaciones.
móviles.
Mala
Fallo Humano.
recuperación
Medidas Estadísticas
Promedio o MEDIA
Medidas de Moda
posición Mediana
Percentiles
Estadística
Rango
Medidas de Varianza
variabilidad DESVIACION ESTANDAR
COEF. DE VARIACION
Parámetros Estadísticos
a) Moda (Mo):
𝑓𝑖 − 𝑓𝑖−1
𝑀𝑜 = 𝐿𝑖 +
൫𝑓𝑖 − 𝑓𝑖−1 ) + 𝑓𝑖 − 𝑓𝑖+1
c) Varianza (𝝈𝟐 )
σ 𝑋 − 𝑋ത 2
𝜎2 =
𝑛
✓ Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas
se puede calcular la varianza total.
2 2 2
𝑘1 . 𝜎1 + 𝑘 2 . 𝜎2 + ⋯ + 𝑘 𝑛 . 𝜎𝑛
𝜎2 =
𝑘1 + 𝑘2 + ⋯ + 𝑘𝑛
Si las muestras tienen distinto tamaño:
2 2 2
𝑘1 . 𝜎1 + 𝑘 2 . 𝜎2 + ⋯ + 𝑘 𝑛 . 𝜎𝑛
𝜎2 =
𝑘1 + 𝑘2 + ⋯ + 𝑘𝑛
Parámetros Estadísticos
σ 𝑋 − 𝑋ത 2
𝜎= = 𝜎2
𝑛
Parámetros Estadísticos
𝜎
𝐶𝑉 =
𝑋ത
𝜎
𝐶𝑉 = ∗ 100
𝑋ത
Medidas Estadísticas
Promedio o MEDIA
Medidas de Moda
posición Mediana
Percentiles
Estadística
Rango
Medidas de Varianza
variabilidad DESVIACION ESTANDAR
COEF. DE VARIACION
Medidas de Posición
n
Xi
Promedio o Media de la muestra X=
i =1 n
Mediana: Valor que deja el 50% de los datos
Con los datos Ordenados:
Número Impar de datos -- el dato central
Número Par de datos -- promedio de los dos
datos centrales.
– Mínimo (P0)
– Máximo (P100)
– Moda (Mo)
– Mediana (M = P50)
P0 P50 P100
0 1 2 3 4 5 6 7 8 9 10
Media = 5
Media = 6
Mediana
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 12 14
Mediana = 5 Mediana = 5
Moda
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 0 1 2 3 4 5 6
Moda = 9 No-Moda
¿Cuándo usar Media, Moda o Mediana?
¿Datos son Si La primera consideración es el tipo de
categóricos? MODA datos, si la variable es categórica, la
Moda es la única medida que mejor
No describe los datos
¿DistribuciónS
Si Si el total de las observaciones no es de
esgada? interés. Entonces, si el histograma es
MEDIANA
sesgado, usar la Mediana como medida
No de la tendencia central.
i
( X − X ) 2
Varianza muestral S 2
= i =1
n −1
Desviación estándar S= S 2
s
Coeficiente Variacion
C.V . =
x
Geology – Modeling / 1 july 2009
Variancia Muestral
▪ Importante Medida de la Dispersión
(X )
n
2
i
−X
◼ Variancia Muestral : s 2 = i =1
n −1
Deviación Estándar Muestral
▪ La más Importante Medida de Dispersión
▪ Muestra la Raíz de la Desviación cuadrática
promedio alrededor de la Media
(X )
n
2
i
−X
s = i =1
n −1
s = 23,35
Comparando Desviaciones Estándar
Datos A Media = 15.5
^
s = 3.338
11 12 13 14 15 16 17 18 19 20 21
Datos B
Media = 15.5
11 12 13 14 15 16 17 18 19 20 21 ^
s = .9258
Datos C
Media = 15.5
11 12 13 14 15 16 17 18 19 20 21 ^
s = 4.57
Estadísticas Básicas
Yacimiento tipo pórfido
cuprífero CV = 0.7
Yacimiento de cobre de
mediana var. CV = 1.5
Yacimiento de oro de alta
variabilidad CV = 4.5
Varianza y soporte
• Histograma
• La escala de intensidades se divide en N clases.
• Una frecuencia está asociada a cada centro de clase y representada por
un rectángulo proporcional
• Las frecuencias pueden ser absolutas (Nb) o relativas (%)
Histogram m e de M oS2.
Sondage n°647
MoS2 (%) Nb Obs. 24
<0,15 8
20
0,29 37
0,43 31 16
0,57 14
Nb d'obs
12
0,71 4
0,86 1 8
1,00 3 4
1,14 0
0
1,28 1 0 0.2 0.4 0.6 0.8 1 1.2
0.1 0.3 0.5 0.7 0.9 1.1 1.3
1,42 1
M OS2
• Histograma
• La selección del número de clases influye
en la legibilidad Zn(%) Nb
• 15 a 20 clases es comunmente óptimo 3.8 16
9.3 88
14.8 220
20.2 219
25.8 125
31.2 41
36.8 9
− (x− )2
2 . 2
e
f (x ) =
. 2.
con :
µ = media
σ = desviación típica
Distribución Normal (Gaussiana)
• La distribución gaussiana es simétrica: g(z)
0.35
0.30
0.25
0.20 95 %
0.15
0.10
18
16
Observed Value
Histogram
90
14
80
12
70
10 60
No of obs
50
8
40
6
30
4 20
10
2
0
-1,0 0,7 2,3 4,0 5,6 7,3 9,0 10,6 12,3 13,9 15,6
0 Var1
-2
-4 -3 -2 -1 0 1 2 3 4
Theoretical Quantile
Correlación
⚫Covarianza : parámetro adimensional [-∞,+∞] xy
xy =
⚫Correlación : parámetro adimensional [-1,1] xx . yy
Fe Ni Cu V
Fe 1.00 .90 .38 .81
Ni .90 1.00 .44 .73
Cu .38 .44 1.00 .52
V .81 .73 .52 1.00
Geology – Modeling / 1 july 2009
Correlación Caso 1 Caso 2
Y Y
de coeficiente de X X
correlación
Caso 3 Caso 4
Y Y
=0 =0
X X
Caso 5 Caso 6
Y Y
= -0,87
= -1
X X
Regla Práctica de Interpretación
Pendiente Correlación Pendiente
Negativa entre X e Y es… Positiva
r
0.00 ‘Ninguna’ 0.00
-0.19 - -0.01 ‘Muy Débil’ 0.01 - 0.19
-0.39 - -0.20 ‘Débil’ 0.20 - 0.39
-0.69 - -0.40 ‘Modesta’ 0.40 – 0.69
-0.89 - -0.70 ‘Fuerte’ 0.70 – 0.89
-0.99 - -0.90 ‘Muy Fuerte’ 0.90 – 0.99
-1.00 ‘Perfecta’ 1.00
• Una base de datos concentra toda la información cualitativa y cuantitativa de los sondajes
perforados durante el proyecto. Aunque, actualmente los Administradores de Base de Datos,
concentran TODA la información relevante del proyecto, incluso administración de contratos.
• Una base de datos puede ser tan grande como se quiera, siempre y cuando, tenga una
estructura lógica y consistente de tablas relacionadas.
• Debe tener vínculos que relacionan items entre sí, de manera que siempre exista una relación
entre el sondaje y los datos que se asocian a él.
• Lo que a Modelamiento geológico se refiere, la base de datos debe contener a los menos 4
grandes grupos de información, que se pueden usar en cualquier tipo de Programa de
Modelamiento tridimensional:
La base de datos debe tener suficiente flexibilidad para que el geólogo que realice el
registro pueda incluir observaciones sobre variables adicionales.
Naturaleza de los datos geológicos
– Datos Categóricos (multimodales)
– tipo litológico (norita, anortosita, monzonita,…)
Resultado CuT%
Muestra 0.770
7.000
Cut% Duplicados
Duplicado de
6.000
Gruesos - 0.750
rechazos (MDG)
5.000 Linear (Muestra 0.730
Duplicado de
4.000 Gruesos - 0.710
rechazos
3.000 0.690
(MDG))
2.000
0.670
1.000 AC AC AC AC AC AC AC AC AC AC AC AC AC AC AC
-1 - - - - - - - - - - - - -1 -2
08 45A 189 130 130 197 197 23A 221 14 197 197 28 18 6
A A A A A
0.000
0.000 2.000 4.000 6.000 8.000 10.000
Fecha
CuT% Originales
CuT% Low er_± 5% Upper_± 5% Low er_Cert% Upper_Cert%
EXACTITUD Y PRECISIÓN
En teoría del muestreo de minerales se utilizan las nociones
de exactitud y precisión.
La PRECISIÓN se refiere a la
La EXACTITUD está
dispersión del conjunto de
relacionada con el sesgo
valores obtenidos de
de una estimación.
mediciones repetidas de
Cuanto menor es el sesgo
una magnitud. Cuanto
más exacta es una
menor es la dispersión
estimación.
mayor la precisión.
Ejemplo
En resumen:
exactitud Media
precisión Varianza
Nor
Cen_Dom1
Cen_Dom2
Sur