1
SOPORTE: Volumen, peso o cantidad de datos
que sustenta el valor de una variable. Ejemplos:
El concepto del Soporte La potencia de una veta, los m3 de una muestra
de morrenas, el peso de una muestra, etc.
“From – To”
Volumen
V
Densidad = PESO
2
COMPARACIÓN ENTRE UNA DATA ESTRUCTURADA
(Tramo A) Y OTRA AL AZAR (Tramo B)
x s2 HISTOGRAMA VARIOGRAMA
(h)
1
2 f(x)
3
4
5
TRAMO A 6
5 3.08 2.75
4
3
2
1 2 4 6 x h
1
2
4
f(x) (h)
3
6
1
TRAMO B 5 3.08 2.75
1
3
2
1
4
2 4 6 x h
5
La hipótesis de M1 M2
estacionariedad
M3 M4
D
La aplicación de la geoestadística
tradicional será válida, sólo si se
cumple con la denominada Hipótesis de Estacionariedad.
Se dice que un dominio cumple con la Hipótesis de Estacionariedad,
cuando dentro de él la media y la varianza son las mismas cualquiera
sea la muestra que se tome para estimarlas.
El variograma experimental será representativo de un dominio, sólo si
este cumple con la Hipótesis de Estacionariedad.
Cuando no se cumple la mencionada hipótesis, hay que apelar al
Concepto de Krigeage Universal; así como a otras herramientas de la
Geoestadística No- Estacionaria.
3
Ejemplo de cálculo manual 5
(h)
de un variograma 1D 4
(h) = C + Co h>a
(h) ( h) ph ; 1
(h) ph ; 1
4
Ajuste del Variograma
experimental a funciones
teóricas
Variogramas de
gangas y minerales
de alteración:
10
5
M. Sc. Samuel Canchaya
canmoysa@gmail.com
12
6
Francis Pitard
Dominique
Francois
Bongarcon
13
14
7
Interpretación de Variogramas
desde el punto de vista del Varianza estadística
muestreo
o Efecto de “pepita”
o Error fundamental a
o Errores sistemáticos de
muestreo y análisis
Cu (%) 2
(h)
Trend o Drift
20
Ajuste teórico
h
80 160
Pórfido de Cu-Au
DDH3
Soporte TM
Con 3 DDH X’000,000
Con 2 DDH X00,000
50 m
16
8
Correlación de DDHs asistida con Variografía
DDH 1 DDH 2
DISTRIBUCION
W
E ANISOTROPA
TUFO SUPERIOR
TUFO MINERALIZADO
TUFO INFERIOR
ARENISCA, CONGLOM.
(h)
E-W
N-S
VERTICAL
h
VARIOGRAMAS EN VARIAS DIRECCIONES
9
Sección longitudinal de veta
con “mapeo variográfico sobreimpuesto”
Labores recomendadas
20
10
100 m
100 m
CONFIGURACION
DE DIFERENTES
BLOQUES
PARA UNA MISMA
MALLA REGULAR
21
22
s2
0 C
1.0
l
0. 5 l
0. 3 l
0. 2
MODELOS ESFERICOS
0. 1 l
PARA LA ESTIMACION
0.06 DE VARIANZAS DE
EXTENSIONES
0.04
para a =170 para a = 50 ELEMENTALES
0.03
Modificado a partir de JOURNEL &
0.02 HUIJBREGTS (1978)
0.01 l a
0.1 0.2 0.3 0.5 0.6 1 2 3 5 6 10
11
23
MALLA
(m)
LEY
MEDIA
s 2
sE2 E.R.
(%)
10*10 1.93 1.04 0.17 21.6
14.1*14.1 1.90 1.15 0.23 24.6
50
30 50
10
COSTOS
1 2 4 8 16 RELATIVOS
VARIANZA DE ESTIMACION: sE
2 2 ( V, v ) ( V, V ) ( v, v )
12
Optimización de Programas de Perforación “Infilling”
10
1.0
0.1
0.01
0.001
0.0001
Au ppm
60
50
40
30
20
10
0
ERR %
13
Cuerpo silíceo en el Tacaza con leyes anómalas
Quillcata - Yauyos
200 m
27
Estructura mineralizada
Fracturamiento
Canales de muestreo
250 m 28
1,600 muestras
14
29
Densidad de muestreo en canales
Referencias bibliográficas
Canchaya S. (2004) Log-normalidad y efecto proporcional. Características frecuentes en los yacimientos de
oro.- XII Congr. Peruano Geol.; 4p.
Canchaya S. (2013) Sampling of Variables with Proportional Effect.- GEOMET 2012; Sgo. de Chile Dic.
2012 y GEOMIN 2013; Sgo. de Chile Jul. 2013.
David, M. (1977) Geostatistical Ore Reserve Estimation.- Elsevier Scientific Publishing Co.; 364 p.
Journel, A. G. & Huijbregths Ch. J. (1978) Mining Geostatistics.- Academic Press; 600 p.
Krige, D. G. (1981) Lognormal-de Wijsian Geostatistcs for Ore Evaluation.- South African Inst. Min. Metall;
51 p.
Villanueva, R. (1992) Etude Geostatistique du Filon „Rosa“ de la Mine Uchucchacua, Lima- Perou.- Memoire
de fin de cycle CESEV, Ecole Nationale Superieure de Géologie de Nancy; 115 p.
30
15