Geoestadistica

Wilder Chuquiruna
Curso Geoestadistica
ESTADISTICA GEOESTADISTICA
MODELAMIENTO GEOLOGICO
DE BLOQUES

1.5 Kms.
CONCEPTOS BASICOS
(BD, QAQC, Modelos)

ESTADISTICA (Media, CV, Análisis, correlación)

VARIOGRAFIA (Conceptos, Análisis)

 GENERALIDADES
La geoestadistica es una disciplina que permite analizar datos
ubicados en un espacio , por ejemplo
• Aplicación de técnicas geoestadísticas:
• Industria minera y meteorología
• Petróleo, pesca, remediación ambiental, …

• Requerida por el Negocio Minero:

• Tomar la mejor decisión posible frente a la incertidumbre
• La descripción numérica del depósito es una de las fuentes más
importantes de incertidumbre
• Reporte de recursos y reservas requiere evaluación de incertidumbre
• JORC, NI43-101, SAMREC, Código Chileno, …

• Requerida por la Legislación Ambiental:

• Nuevas leyes y regulaciones requieren presentar cuantificación de
concentraciones de contaminantes incluyendo la incertidumbre o error
en la medida
GENERALIDADES
 La estadística se ocupa de los métodos científicos para recolectar, organizar,
resumir, presentar y analizar datos así como obtener conclusiones válidas y
tomar decisiones razonables en base a dicho análisis

 La geoestadística es una rama de la estadística aplicada que pone énfasis en:

 El contexto geológico de los datos
 La relación espacial entre los datos
 Datos medidos con un soporte volumétrico y precisión diferentes.

 La geoestadística es útil para:

 Cuantificar aspectos geológicos (“ponerle números a la geología”)
 Estimación / Simulación
 Cuantificación de la incertidumbre (categorización)
 Diseño de muestra
 Análisis de riesgo
VENTAJAS DEL MODELAMIENTO
GEOESTADÍSTICO
 Práctica / consistencia con los datos  la mejor estrategia para modelar la distribución espacial de leyes
minerales

 Repetible / auditoria-seguimiento

 Fácil de adjuntar datos incrementales (siempre que el modelo conceptual no cambie)

 Lo modelos 3-D llevan a mejores inventarios/reservas de mineral que un conjunto de interpretaciones 2D

 Mejor modelamiento de la variabilidad o incertidumbre:

 Grado controlable de la variabilidad espacial (Variograma)
 Los estimadores de la reservas recuperables son más confiables (Med, Ind, Inf)

 Base para la integración de datos:

 Interpretación geológica
 Comportamiento de datos en el limite entre dos dominios (“duros” y “blandos”)
 Datos que representan diferente soporte de medición (Compositos y Bloques)
APLICACIONES

• La Geoestadística se puede aplicar en diferentes etapas del ciclo de vida de un

depósito:

• Exploración: un modelo de pre-factibilidad para cálculo de inventario in-situ

• ¿Dónde perforar los nuevos sondajes?
• ¿Qué malla de perforación permitirá generar recursos bancables?

• Desarrollo: un modelo de factibilidad para cálculo de reservas recuperables y

planificación de largo plazo
• ¿Cuáles son los requerimientos de mezcla para asegurar un cierto abastecimiento a la
planta?

• Producción: un modelo de producción para control de leyes y planificación de

corto plazo
• ¿Cuánto dinero se pierde por mala asignación de bloques a la planta o botadero?

• Aspectos Ambientales: Caracterizar interacciones temporales y espaciales entre la

operación mina/planta y el medioambiente
• 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:

• Collar, con toda la información de localización de los sondajes o muestras.

• Survey, con toda la información de trayectoria de los sondajes.
• Assays, con todos los análisis químicos asociados a las muestras de intervalos de sondajes
o puntuales.
• Geology, con toda la información descrita por los geólogos.
 Uno de los factores más importantes de la base de datos, es la validación de su información.

 La base de datos constituye el soporte básico de todas las interpretaciones geológicas, por
lo tanto, es sumamente importante su influencia en las declaraciones del recurso, los
chequeos de la integridad y la consistencia de la base de datos.

 Solo debe existir una sola versión de la base de datos.

 Este principio ha inspirado la generación de software de Administración de Datos, que

permiten definir accesos, privilegios y/o prohibiciones, a una base de datos específica. De
manera que puedan usar los datos sin peligro de tener modificaciones a los datos oficiales.

 La base de datos debe tener suficiente flexibilidad para que el geólogo que realice el registro
pueda incluir observaciones sobre variables adicionales.
 ESTADISTICA

Disciplina encargada y dedicada a estudiar las poblaciones

Descriptiva Inferencial

Describe su comportamiento según

La definición de varias hipótesis
las condiciones o características de
o suposiciones en torno a esas
interés
características de estudio
 Población

Grupo de individuos, objetos que tienen una

característica en común.
Población

Variable Cualitativas

Cuantitativas

Continuas Discretas

Muestra

la muestra debe ser

representativa
 Muestra probabilística
Técnica de muestreo que
integra a toda la población
dándole la oportunidad de
participar en la muestra.
Aleatorio simple, sistemático,
estratificado, conglomerado
Casual o accidental, intencional u opinatico, conveniencia,
Muestra no probabilística
Técnica de muestreo
donde las muestras se
recogen en un proceso que
no brindan a todos los
individuos de la población
iguales oportunidades de
ser seleccionados.
consecutivo, bola de nieve.
 Naturaleza de los datos geológicos
– Datos Categóricos (multimodales)
– tipo litológico (norita, anortosita, monzonita,…)

– Datos Continuos (absolutos (%))

– ley en Ag, Cu, Mo, Au, ...

– Datos Continuos (relativos)

– latitud, longitud, localización espacial,...
– Datos angulares
– orientación de fallas,...
– Datos ordinales (de rango)
– dureza de Mohs, magnitud de Richter,...
– Datos binarios (dicotómicos)
– intrusivo o extrusivo; > o < 450 ppm P2O5 ,...
 MÉTODOS DE MUESTREO

Muestreo aleatorio todos los componentes o unidades de la

simple población tienen la misma probabilidad de ser
seleccionados.

Representación gráfica del muestreo aleatorio simple

 MÉTODOS DE MUESTREO
Se selecciona al azar un punto de partida y un intervalo
Muestreo
muestral. Así si el punto de partida fuera el 11 y el intervalo
sistemático el 6 se elegirían el 11, 16, 21, 26 hasta recorrer toda la
población.

Representación gráfica del muestreo sistemático

 MÉTODOS DE MUESTREO

La población en estudio se sub- divide en estratos o

Muestreo
subpoblaciones que tienen cierta homogeneidad en el terreno
estratificado
y en cada estrato se realiza un muestreo aleatorio simple (o
sistemático).

Requisito principal para aplicar este método de muestreo:

conocimiento previo de información que permita subdividir la
población.
 MÉTODOS DE MUESTREO

Muestreo por
En poblaciones muy extensas
conglomerados

Características del conglomerado

• Conjunto de unidades muestrales elementales.

• Heterogeneidad de la variable a medir
• El número total de conglomerados en la población es conocido.
• División previa de la población en conglomerados o “áreas
convenientes”, de las cuales se selecciona un cierto número para la
muestra.
 VARIABLES Y TIPOS DE VARIABLES

Variable cada una de las características de los elementos de una

población y que varían de una unidad a otra.

Tipos de variables

Variables cualitativas (o
categóricas)

aquellas que no tienen medida numérica; se

representan por categorías o atributos (tipo
de suelo, de vegetación, textura,…).
 Tipos de variables

las que pueden expresarse

Variables cuantitativas numéricamente (temperatura,
precipitación, profundidad suelo, altitud,
se clasifican en pendiente, etc.)

Variables discretas Variables continuas

son el resultado de
son el resultado de
contar y sólo toman
medir, y pueden
valores enteros
contener decimales
(número de puntos, de
(temperatura,
cuadrículas, de
profundidad, altura).
píxeles).
 PARÁMETROS ESTADÍSTICOS

a) Moda (Mo):

𝑓𝑖 − 𝑓𝑖−1
𝑀𝑜 = 𝐿𝑖 +
𝑓𝑖 − 𝑓𝑖−1 ) + 𝑓𝑖 − 𝑓𝑖+1

Li: es el límite inferior de la clase modal.

fi: es la frecuencia absoluta de la clase modal.
fi-1: es la frecuencia absoluta inmediatamente inferior a la clase modal.
fi+1: es la frecuencia absoluta inmediatamente posterior a la clase modal.
ai: es la amplitud de la clase.
b) Media (𝑿):
𝒏
𝒙𝒊
𝒙=
𝒏
𝒊=1

c) Varianza (𝝈𝟐 )
2
𝑋−𝑋
𝜎2 =
𝑛
 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas
se puede calcular la varianza total.

Si todas las muestras tienen el mismo tamaño: 𝜎12 + 𝜎22 + ⋯ +𝜎𝑛2

𝜎2 =
𝑛

2 2 2
𝑘1 . 𝜎1 + 𝑘 2 . 𝜎2 + ⋯ + 𝑘 𝑛 . 𝜎𝑛
𝜎2 =
𝑘1 + 𝑘2 + ⋯ + 𝑘𝑛
Si las muestras tienen distinto tamaño:

2
𝑘1 . 𝜎12 + 𝑘2 . 𝜎22 + ⋯ + 𝑘𝑛 . 𝜎𝑛2
𝜎 =
𝑘1 + 𝑘2 + ⋯ + 𝑘𝑛
 PARÁMETROS ESTADÍSTICOS

d) Desviación Estándar (𝝈)

𝑋−𝑋 2
𝜎= = 𝜎2
𝑛
 PARÁMETROS ESTADÍSTICOS

a) Coeficiente de Variabilidad (CV):

Es una medida de la variación relativa de los datos en porcentaje

𝜎
𝐶𝑉 =
𝑋

𝜎
𝐶𝑉 = ∗ 100
𝑋
 CONCEPTOS BASICOS
• QAQC - Calidad de los datos muestreados:
• Estos datos (logueo y leyes) deben tener alta calidad (confianza) y estar casi
limpio de errores.
• Si entra (INPUT) data erronea se tendra como resultado (OUTPUT) data
erronea.
• Análisis de Calidad (QA) : es la información reunida para demostrar y cuantificar la
confiabilidad en los ensayes.
• Control de Calidad (QC): consiste en los procedimientos usados para mantener el nivel
deseado de calidad de los ensayes.
Control de Precisión en MDG
y = 1.001x + 0.0051 SDT II - CuT%
R2 = 0.9987
10.000
2008
9.000
0.790
8.000

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 - - - - - - - - - - - - - -
08 45A 189 130 130 197 197 23A 221 14 197 197 28 118 26
0.000 A A A A A
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%
 CONCEPTOS BASICOS

• La estimación no es el valor verdadero:

• Los recursos minerales estan basado sobre estimación no son valores reales. Entonces un
buen muestreo, geología y optima estimación hace que este error sea el minimo posible.
• La realización de un modelo se realiza con un pequeño muestreo:
• Se debe tener en mente que la muestra representa una muy pequeña parte del cuerpo.
 CONCEPTOS BASICOS
realidad .............................. Muestras ...........................Estimado
Incertidumbre: CONCEPTOS BÁSICOS
Ningún modelo numérico reproducirá la realidad sin error. Hay incertidumbre.
Esta incertidumbre existe debido a nuestra falta de conocimiento debida a un
muestreo no exhaustivo.
No es una característica inherente al depósito
Modelo de Blastholes tiene menos incertidumbre que el modelo drillholes.
 CONCEPTOS BASICOS
• La incertidumbre es dependiente de:
• La densidad de muestreo (sin muestras no hay estimación)
• Homogeneidad geológica (La continuidad de los valores dentro de cada geología)
 CONCEPTOS BASICOS

• Regionalización o Fenómeno Regionalizado:

• De la existencia de áreas geológicas de: altas leyes, medianas leyes, bajas leyes y áreas
geológicas sin mineralización. En cada zona o área se tiene un fenomeno regionalizado
(mineralización) diferente (estadística, geoestadística, etc). Todo esto esta intimamente ligado a
los datos geológicos y se debe tomar en cuenta para la estimación.
 CONCEPTOS BASICOS
• Regionalización:
 CONCEPTOS BASICOS

• Homogeneidad Geológica y estadística:

• Debería hacer una relación entre geología y la estadística/geoestadistica.
• Controles Geológicos definen la Mineralización. Entonces la comprensión del modelo
geológico es esencial para la mejor realización de la estimación.
 Mine Material Type
CONCEPTOS BASICOS Au (gpt) Statistics
Gold Dom1_Cen Gold Dom2_Cen

No Min Max Mean SD CV Capping #Capped

La Quinua Gold_All 7495 0.002 4.04 0.535 0.440 0.823 5 2
La Quinua Gold_Dom1_Cen 1262 0.002 3.19 0.617 0.572 0.928 - -
La Quinua Gold_Dom2_Cen 4446 0.016 4.04 0.596 0.443 0.744 5 2
La Quinua Gold_Nor 935 0.015 1.162 0.277 0.161 0.581 - -
La Quinua Gold_Sur 852 0.009 1.77 0.376 0.188 0.500 - -

Gold All Gold Dom1_Cen Gold Dom2_Cen

Gold Nor Gold Sur

Gold Nor Gold Sur

Nor

Cen_Dom1
Cen_Dom2

Sur
 GEOESTADÍSTICA

Origen

 La Geoestadística tiene su origen en la búsqueda, exploración y evaluación

de yacimientos minerales útiles.

 Se ha consolidado y desarrollado en los últimos 30 años como ciencia

aplicada casi exclusivamente en el campo minero.

 Las investigaciones han buscado los métodos más eficientes que

proporcionen la mayor información posible de los datos disponibles.

 GEOESTADÍSTICA
Origen

 Mediante el mejor estimador que minimice la varianza del error de estimación (error

cuadrático medio) surge la Geoestadística por los trabajos de G. atheron en la

Escuela Superior de Minas de París (1949)

 Entre los métodos se pueden citar los “geomatemáticos”: El Inverso de la Distancia,

Triangulación, Splines, etc.

 GEOESTADÍSTICA
Origen

 Matheron formalizó y generalizó matemáticamente un conjunto de técnicas

desarrolladas por D. G. Krige (1941) que explotaban la correlación espacial para
hacer predicciones en la evaluación de reservas de las minas de oro en Sudáfrica.

 D.G. Krige (1951) desarrolló la aplicación del análisis de regresión entre muestras y
bloques de mena (Mineral metalífero, principalmente el de hierro, tal como se extrae
del criadero y antes de limpiarlo).

 En los años 60, Matheron acuñó el término de Geoestadística

 GEOESTADÍSTICA

Origen

 Matheron definió a la Geoestadística como "la aplicación del formalismo de las

funciones aleatorias al reconocimiento y estimación de fenómenos naturales“
(Matheron, 1962).

 La geoestadística es una rama de la estadística que trata fenómenos

espaciales (Journel & Huijbregts, 1978).

 Su interés primordial es la estimación, predicción y simulación de

dichos fenómenos (Myers, 1987).
 GEOESTADISTICA
DEFINICION

Su objeto de estudio es el análisis

-Rama de la estadística que se
y la predicción de fenómenos en
especializa en el análisis y la
espacio y/o tiempo, como: leyes
moderación de la variabilidad
de metales, porosidades,
espacial en ciencias de la tierra.
concentraciones de un
contaminante, etc.
 1. MINERIA

2.PETROLEO 10.SALUD

3.ESTUDIOS
AMBIENTALES 9.AGRICULTURA
CAMPOS DE
APLICACIÓN DE LA
GEOESTADISTICA

4.RIESGOS 8.PESCA
GEOLOGICOS

7.HIDROGEOLOGIA
5.CARTOGRAFIA

6.GEOFISICA
 MINERIA

1. Estudios de factibilidad económica de un yacimiento

2. Peritaje minero
3. Cálculo de reservas
4. Diseño de métodos de explotación basados en la distribución de la mineralización
5
 SOFTWARE DE
APLICACIÓN

• DATAMINE (Datamine
Group)
• GEMCOM (Gemcom
International)
 PETROLEO

1. Modelos geológico – petrofísicos de yacimientos

2. Análisis de permeabilidad
3. Simulación de facies
4. Caracterización de propiedades petrofíscas y su escalamiento
5. Integración de información de diferentes fuentes
6. Evaluación de reservas
7. Análisis de riesgo

SOFTWARE DE APLICACIÓN
1.HERESIM3D (Beicip-FranLab)
2. PETREL (Schulmberger)
 HIDROGEOLOGIA MEDIO AMBIENTE

1• Solución de problemas inversos 1• Predicción de la distribución de contaminantes en

(permeabilidad, transmisividades) atmósfera, suelos, acuíferos, y cuerpos de agua

2• Estimaciones de los niveles
2• Evaluación de sitios contaminados
piezométricos
3• Estudios de riesgo e impacto ambiental
3• Diseño de Redes óptimas de monitoreo
4• Estimación de los límites de la pluma de
un contaminante
 CARTOGRAFI
A

1. Mantener actualizado la Cartografía Geoestadística,

con el fin de garantizar la cobertura nacional.

2. Continuar la incorporación al Marco Geoestadístico de

la delimitación a nivel de colonias de las localidades
urbanas.

3. Generar un Marco Geoestadístico Nacional Digital

con línea compartida (Estado, Municipio, Localidad
Urbana, etc.).

SOFTWARE DE APLICACIÓN
• ArcGIS (ESRI)
 CIENCIAS INDUSTRIA
AGRÍCOLAS PESQUERA

1. Estudio de la distribución espacial

y la afectación de plagas. 1• Estimación in situ del potencialidad de pesca
2. Inventarios forestales 2• Relación entre la distribución espacial de especies de
3. Estudio cuantitativo de suelos y peces y diferentes variables (profundidad, temperatura,
sus propiedades químicas y salinidad, etc)
mecánicas.
 PASOS DE UN ESTUDIO
GEOESTADISTICO

1. Análisis exploratorio de los datos.

2. Análisis estructural, construcción del variograma

3. Interpolación o estimación espacial - kriging.

4.Validación del modelo geoestadístico.

 El Análisis Exploratorio de Datos (A.E.D.) es un conjunto de técnicas estadísticas
cuya finalidad es conseguir un entendimiento básico de los datos y de las
relaciones existentes entre las variables analizadas.

Los programas que implementan diversas técnicas estadísticas en un entorno

común. Algunos de los más utilizados son SAS, BMDP, SPSS, SYSTAT,
STATISTICA, STATA y últimamente MINITAB, S-PLUS, EVIEWS,
STATGRAPHICS y MATLAB.
 2. Análisis estructural, construcción del variograma

El análisis estructural de un estudio geoestadistico se realiza a partir de

modelos de interpolación siguientes:

Inexactos
Estocásticos
Locales Globales
Determinísticos Exactos

las predicciones en realizan las usan todos los datos

las predicciones las predicciones los puntos predicciones de la muestra para
La predicción
se realizan en se realizan en muestreados bajo el realizar las
en los puntos
base a fórmulas base a coinciden con el concepto de predicciones -
muestreadon
matemáticas probabilidades dato real vecindad- conjunto
o coincide
obteniendo subconjunto
con el dato
varios modelos
real
CONSTRUCCION DEL VARIOGRAMA
 3. Interpolación o estimación espacial - kriging.

 KRIGING es un método geoestadístico de interpolación espacial que ha probado ser

útil y popular en muchos campos

 Dicho método provee, a partir de una muestra de puntos, ya sean regular o

irregularmente distribuidos, valores estimados de aquellos sitios donde no hay
información, sin sesgo y con una varianza mínima conocida

 Se utiliza en la evaluación de yacimientos para estimar el valor de

una variable regionalizada, en un punto o en un bloque, a partir del
uso de factores de ponderación.

 En la actualidad FUNDECOR utiliza este método de interpolación de modelos de

elevación digital (mapas de curvas de nivel) para la planificación del aprovechamiento
forestal de los bosques naturales
 4.Validación del modelo geoestadístico.

Debido a que el uso de variogramas locales requiere mucha densidad de puntos, solo se uso la
modalidad de variograma global ya que la muestra presenta amplias zonas sin datos

En la Tabla se comparan los resultados del kriging por bloque y por puntos, según intervalo de
confianza para la media de las predicciones al 95%, mostrando mejor predicciones para el modelo
de variograma global con kriging puntual.
 DEFINICIÓN REPRESENTACIÓN

Es una función que representa la  Aspecto aleatorio

variación en el espacio de una cierta  Aspecto estructurado.
magnitud asociada a un fenómeno
natural.
OBJETIVOS

z(x) en el  Plano teórico

punto x  Plano práctico.
(irregular)
 Campo

Localización
Soporte

CARACTERÍSTICAS

Anisotropía
Estructuras
geológicas
 NOTACION CONDENSADA EJEMPLO 1

• z(x) si el problema es En el espacio de una dimensión, sea z(x) = Ley de Cu a

unidimensional (1-D) lo largo de una galería:
• z(x1, x2) si el problema es
bidimensional (2-D)
• z(x1, x2, x3) si el problema es
tridimensional (3-D)
 EJEMPLO 1

Las leyes de A - A´ se pueden graficar:

 EJEMPLO 2

En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = Ley de Cu en el punto x
dentro de un depósito masivo:
 DEFINICION

Es una herramienta que permite medir las discrepancias de una propiedad en una región del
espacio.

1 2
𝛾 ℎ = 𝑍 𝑥+ℎ −𝑍 𝑥 Donde:
2𝑁(ℎ)
Z: variable estudiada.

𝑍(𝑥) : Valor de dicha variable en el punto 𝑥

𝑍(𝑥+ℎ) : Valor de la variable en el punto (𝑥 + ℎ)

𝑁 ℎ : Número de parejas

𝛾 ℎ : Valor de la función variograma para un valor h.

 CÁLCULO

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

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

Sea h = 2b:
 CÁLCULO

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

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

En la Fig. 01 se muestra leyes distanciadas 2 metros. Realizar el cálculo de cada punto del
variograma para distancias h=2m, h=4m, h=6m, etc

Fig. 01
 Variograma-Rango & Sill

Rango:
2,5
Distancia a la cual el
2 variograma se estabiliza
Variograma

1,5

1 Sill :

0,5 Valor constante que toma el

variograma en distancias
0 mayores al rango
12
15
18
21
24
27
30
33
36
39
42
0
3
6
9

Distancia
 PARTES DE UN VARIOGRAMA

 (h) GEO ESTADISTICA

meseta
s
2
C

C0
a h
DEPENDENCIA INDEPENDENCIA
ESTRUCTURA ALEATORIEDAD
h : paso entre las muestras
C0 : efecto de pepita
a : alcance
C : sill
C + C0 : meseta
2 : varianza estadística
 Variograma-Rango & Sill

Si para una distancia dada d las variables Z(x) y

Z(x+h) son no correlacionadas entonces el variograma
es constante

 h  E [Z ( x)  Z ( x  h)] 2  s 2  E [Z ( x)Z ( x  h)]

1
2
s 2

Rango: Sill:
Distancia a partir de la cual no Varianza de la función aleatoria Z
hay correlación
 CARACTERÍSTICAS BÁSICAS
O
CARACTERES ESTRUCTURALES
REFLEJADOS POR EL
VARIOGRAMA
 CARACTERES ESTRUCTURALES
REFLEJADOS EN EL VARIOGRAMA
1. CONTINUIDAD (para una línea muestreada regularmente)
1.1. Comportamiento del variograma para pequeñas distancias
1.1.1 Continuidad Estricta
1.1.2 Continuidad media
1.1.3 Efecto pepita o tangente vertical al origen
1.1.4 Variable aleatoria o efecto pepita puro
1.2. Comportamiento del variograma para grandes distancias
1.2 1 Leyes con crecimiento o decrecimiento progresivo
1.2.2 Leyes con pseudo – periodicidades
1.2.3 Fenómeno estacionario sin seudo-periodicidades (o fenómenos
de transición)
2. ANISOTROPIAS (para una malla regular bidimensional)
2.1 Geométrica
2.2 Zonal
2.3 Hibrida
3. FENÓMENOS DE TRANSICIÓN
 1. CONTINUIDAD

Esta estrechamente ligada al comportamiento del

variograma en las vecindades de origen, se puede
distinguir cuatro tipos:
1.1. Comportamiento del variograma para pequeñas
distancias
1.1.1 Continuidad Estricta
1.1.2 Continuidad media.
1.1.3 Efecto pepita o tangente vertical al origen
(comportamiento discontinuo)
1.1.4 Variable aleatoria o efecto pepita puro
 1.1.1 CONTINUIDAD ESTRICTA O
CUADRÁTICO
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 Ɣ(h) es próximo a cero.
Luego el gráfico del Ɣ(h), será como las
siguientes figuras

Se dice que Ɣ(h) tiene comportamiento parabólico en el origen.

Representa variables sumamente continuas e infinitamente diferenciables.
Así la propiedad NO puede cambiar rápidamente de un punto a otro.
 1.1.2 CONTINUIDAD MEDIA O LINEAL

Continuidad y regularidad promedio, la

Variable es continua pero no es derivable
En este caso, para una distancia pequeña, la
Diferencia de leyes es significativa.

Luego el gráfico del Ɣ(h), será como las

siguientes figuras

Representa variables
continuas pero no
diferenciables. Así, la
propiedad puede
cambiar rápidamente de
3.5 3

un punto a otro. 3
2,5
2.5

Continuo de origen, pero 2

Variograma

Variograma
2
1,5
1.5
presenta una tangente 1 1

oblicua. 0.5

0
0,5

0
0 1 2 3 4 5 6 7 8 9 10 11
Ley de mineral Distancia
0 1 2 3 4 5 6 7 8 9 10 11
Distancia
 1.1.3 EFECTO PEPITA O TANGENTE
VERTICAL AL ORIGEN
Existencia de micro variaciones; presencia de una estructura a menor
escala. La variable es mas continua

Si la equidistancia entre datos b es menor que la

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

Si existiese un crecimiento rápido hasta I h I (debido a la

micro regionalización) y luego un crecimiento mas
moderado (debido a la variación a gran escala): se dice que
existe efecto pepita. Co se llama de pepita.
Es decir existe una discontinuidad aparente en el origen.
 1.1.4 VARIABLE ALEATORIA O EFECTO
PEPITA PURO

Caso en el cual la irregularidad de las

leyes es total, la variable es caótica

Por muy pequeña que sea la distancia b,

las leyes de dos puntos a esta distancia
son prácticamente independientes.
Luego el gráfico del Ɣ(h), será:
Se dice que Ɣ(h) presenta un efecto de
pepita puro
 Comportamiento Híbrido

Variación más suave a distancias cortas

Variación más fuerte a

distancias grandes
8
7
Indica presencia de 6

Variograma
estructuras actuando a 5
diferentes escalas 4
3
2
1
0
0 1,5 3 4,5 6 7,5 9 10,5 12 13,5 15 16,5 18
Distancia
1.2. Comportamiento del variograma para
grandes distancias
1.2 1 Leyes con crecimiento o
decrecimiento progresivo
1.2.2 Leyes con pseudo – periodicidades
1.2.3 Fenómeno estacionario sin seudo-
periodicidades (o fenómenos
de transición)
1.2 1 Leyes con crecimiento o decrecimiento progresivo

Leyes con tendencia o deriva

Variograma con crecimiento sistemático

 1.2.2 LEYES CON PSEUDO –
PERIODICIDADES
El fenómeno tiende a repetirse de manera estacionaria (es decir, varia de
manera homogénea y sin deriva)

Fenómeno estacionario con periodicidades

El variograma presenta efecto de hoyo de agujero.

En la figura d=9 unidades proporciona una medida
del seudo-periodo; Δ es una medida de la
intensidad del efecto (si el fenómeno es
perfectamente periódico, entonces Δ =0
 1.2.3 FENÓMENO ESTACIONARIO SIN
PSEUDO-PERIODICIDADES (O FENÓMENOS
DE TRANSICIÓN)
El fenómeno es homogéneo en su variación espacial, con cambios bruscos.

Fenómeno estacionario sin periodicidades

Se puede observar que dos muestras cuya distancia es mayor que el alcance
a=6 son prácticamente independientes en ley.
Dos muestras cuya distancia sea inferior al alcance a están correlacionadas
entre si
 ANISOTROPIAS
N

90° 0°

45° 135°

Variogramas en dos direcciones

 Anisotropías

Anisotropías :

Generalmente cuando el variograma experimental es

calculado en distintas direcciones presenta distintos
comportamientos con la variación de la distancia.

Anisotropía Geométrica

Anisotropía Zonal

Anisotropía Híbrida
 Anisotropía Geométrica

Anisotropía Geométrica :

Es aquella en la que el 3

variograma en distintas
2,5
direcciones presenta el mismo
sill pero rangos distintos 2

Variograma
1,5 N-S
E-O
Mayor continuidad espacial en 1
la dirección de mayor rango
0,5

0
Menor continuidad espacial en 0,0 0,9 2,0 3,0 4,1 5,1 6,2 7,2 8,3 9,3 10,4 11,4

la dirección de menor rango Distancia

 Anisotropía Zonal

Anisotropía Zonal :

3,5

Es aquella en la que el
2,5
variograma en distintas
direcciones presenta el mismo 2

Variograma
rango pero diferente sill 1,5

Presencia de diferentes 0,5

estructuras
0
0 0,94 1,99 3,04 4,09 5,14 6,19 7,24 8,29 9,34 10,4 11,4

Distancia
 Anisotropía Zonal

3,5

2,5

Variograma
1,5

0,5

0
0 0,94 1,99 3,04 4,09 5,14 6,19 7,24 8,29 9,34 10,4 11,4

Distancia
 Anisotropía Híbrida

Anisotropía Híbrida :

Es aquella en la que el 4,5

variograma en distintas 4
direcciones presenta 3,5
rangos diferentes y

Variograma
3
distintos sill. 2,5
2
Presencia de diferentes 1,5

estructuras 1
0,5
0
Característico de variogramas 0 0,6 1,2 1,8 2,4 3 3,6 4,2 4,8 5,4 6 6,6 7,2
horizontales y verticales Distancia
 3. FENOMENOS DE TRANSICIÓN
El aumento mas o menos rápido de Ɣ(h) cuando h aumenta representa
exactamente la manera mas o menos rápida con que se deteriora la influencia
de una muestra sobre otra mas lejana (zona de influencia), es decir mas halla
de cierta distancia h, las muestras no tienen influencia sobre otras (Fenómenos
de transición, la transición entre un tipo de valores a otro)

Según la dirección Δ1,

formación estratiforme o
lenticular
Δ1

Entonces estudiando como se deforma esa dimensión

cuando varia la dirección del vector h, podemos
hacernos la idea sobre la forma geométrica de estos
cuerpos y poner en evidencia su dirección de
alargamiento.
Δ2