• Presentasi statistik konvensional mencakup gagasan tentang
populasi yang merupakan kumpulan nilai yang hampir tak terbatas yang membentuk deposit mineral. • Sampel adalah subset perwakilan yang dipilih dari populasi dan harus mencerminkan ciri-ciri penting populasi darimana ia ditarik. • Sampel acak adalah sampel dimana setiap anggota populasi memiliki kesempatan yang sama untuk disertakan dalam sampel. • Ruang sampel adalah kumpulan semua kemungkinan hasil eksperimen peluang, misalnya kampanye pengeboran. Konsep Dasar • Peristiwa ruang sampel adalah sekelompok hasil dari ruang sampel yang anggotanya memiliki karakteristik umum. • Statistik induktif atau kesimpulan statistik dapat dicoba jika sampel dianggap representatif. • Statistik deskriptif adalah fase statistik yang menggambarkan atau menganalisa sampel tertentu tanpa kesimpulan tentang populasi. Distribusi Probabilitas Distribusi univarian • Fungsi distribusi kumulatif (CDF) adalah cara universal untuk mengekspresikan keadaan pengetahuan yang tidak lengkap untuk variabel berkelanjutan. • Misalkan sebuah RV dilambangkan dengan Z maka CDF F (z) didefinisikan sebagai: Distribusi Probabilitas Distribusi univarian • Fungsi kepadatan probabilitas (PDF) adalah turunan dari CDF, jika dapat didiferensiasi. Dengan menerapkan teorema dasar kalkulus, CDF dapat diperoleh dengan mengintegrasikan PDF: Distribusi Probabilitas Distribusi Parametrik dan Non-parametrik • Model distribusi parametrik memiliki ekspresi analitis baik untuk PDF maupun CDF, seperti untuk fungsi kepadatan Gaussian dan distribusi Lognormal. • Distribusi parametrik terkadang berhubungan dengan teori yang mendasari, seperti halnya distribusi normal ke Teorema Batas Tengah • Fungsi distribusi kumulatif non-parametrik adalah serangkaian fungsi langkah. Distribusi Probabilitas Quantiles • Quantiles adalah nilai Z spesifik yang memiliki makna probabilistik. • Quantiles digunakan untuk membandingkan distribusi dengan berbagai cara. • Quantiles dapat digunakan untuk membandingkan distribusi data asli dengan nilai simulasi, membandingkan dua jenis sampel, atau membandingkan hasil uji dari dua laboratorium yang berbeda. • Cara yang baik untuk melakukan ini adalah dengan sebidang pencocokan quantiles, yaitu plot quantile-quantile (Q-Q) Distribusi Probabilitas Quantiles Distribusi Probabilitas Nilai Ekspektasi • Nilai yang diharapkan dari variabel acak adalah rata-rata tertimbang probabilitas dari variabel acak tersebut:
• Nilai yang diharapkan dari variabel acak juga dikenal
sebagai mean atau momen pertama. Nilai yang diharapkan juga bisa dianggap sebagai operator statistik. Ini adalah operator linear. Distribusi Probabilitas Nilai Ekspektasi Distribusi Probabilitas Extreme Values—Outliers • Sejumlah kecil nilai yang sangat rendah atau sangat tinggi dapat sangat mempengaruhi statistik ringkasan seperti mean atau varians data, koefisien korelasi, dan ukuran kontinuitas spasial. • Jika terbukti nilai keliru, maka harus dikeluarkan dari data. Distribusi Probabilitas Extreme Values—Outliers • Untuk nilai ekstrim sampel yang valid, ada beberapa cara untuk mengatasinya: – mengklasifikasikan nilai ekstrim ke populasi statistik terpisah untuk pemrosesan khusus, atau – menggunakan statistik yang kuat, yang kurang sensitif terhadap nilai ekstrim. • Sebagai prinsip umum, data tidak boleh dimodifikasi kecuali diketahui keliru, walaupun pengaruhnya dalam model prediktif spasial mungkin dibatasi. Distribusi Probabilitas Multiple Variable Distributions • Beberapa variabel bisa berupa atribut geometris dari deposit atau nilai seperti nilai ketebalan, emas, perak, atau tembaga. • Mereka bisa menilai kelas yang sama di lokasi yang berbeda. • Statistik bivarian dan multivarian digunakan dalam kasus ini. Distribusi Probabilitas Multiple Variable Distributions Analisis Data Spasial Declustering • Teknik declustering menetapkan setiap datum sebuah bobot berdasarkan kedekatan dengan data sekitarnya wi, i = 1, ..., n. • Bobot ini lebih besar dari 0 dan jumlah ke 1. Distribusi eksperimental dan semua statistik ringkasan dihitung dengan bobot bukan 1 / n konstan. Analisis Data Spasial Declustering • Metode declustering poligonal mungkin yang paling sederhana, dan memberikan bobot masing-masing sebanding dengan luas atau volume masing- masing sampel. Analisis Data Spasial Declustering • Teknik declustering tetangga-terdekat biasanya digunakan dalam estimasi sumber daya, dan seperti metode poligonal. • Perbedaannya adalah bahwa hal itu diterapkan pada grid reguler blok atau node grid. Analisis Data Spasial Declustering • Teknik desrapping sel adalah teknik declustering yang umum digunakan lainnya (Journel 1983; Deutsch 1989). • Declustering sel bekerja sebagai berikut: – Bagi volume bunga ke dalam grid sel l = 1, ..., L. – Hitung sel yang terisi Lo dan jumlah data di setiap sel yang ditempati nlo, lo = 1, ..., Lo. – Berat setiap data sesuai dengan jumlah data yang jatuh pada sel yang sama, misalnya untuk datum saya jatuh di sel l, bobot declustering sel adalah:. Analisis Data Spasial Declustering Analisis Data Spasial Declustering Analisis Data Spasial Declustering dengan Multiple Variables • Bobot declustering ditentukan berdasarkan konfigurasi geometrik data. • bobot declustering yang berbeda perlu dihitung bila tidak ada sampling yang tidak sama. Sebagai contoh, terkadang ada beberapa set sampel Tembaga dan Molibdenum yang berbeda dalam deposit porfiri Cu-Mo, yang memerlukan dua set bobot declustering. Analisis Data Spasial Moving Windows dan Proportional Effect • Moving windows digunakan untuk memahami perilaku data spasial lokal, dan bagaimana hal itu mungkin berbeda dari statistik global. • Proportional Effects dikarenakan histogram berbentuk incline, tapi mungkin juga mengindikasikan kecenderungan spasial atau kurangnya homogenitas spasial. • Grafik Proportional effect terkadang digunakan untuk membantu menentukan populasi statistik homogen dalam deposit Analisis Data Spasial Moving Windows dan Proportional Effect Analisis Data Spasial Pemodelan Trend • Pemodelan trend diterapkan saat trend terdeteksi dan diasumsikan dipahami dengan baik. • Data lubang bor biasanya merupakan sumber untuk deteksi trend. Distribusi Gaussian dan Transformasi Data
• Distribusi Gaussian umumnya digunakan karena sifat
statistiknya yang mudah digunakan. • Distribusi Gaussian berasal dari Teorema Batas Tengah, yang merupakan salah satu teorema paling penting dalam statistik Distribusi Gaussian dan Transformasi Data
• Distribusi Gaussian univariat sepenuhnya
ditandai dengan mean (m) dan standar deviasi (σ). Fungsi kepadatan probabilitas diberikan oleh: Integrasi Data dan Inferensi
• Prediksi variabel spasial memerlukan
pertimbangan distribusi nilai multivariat di lokasi yang berbeda. • Inferensi memerlukan kombinasi data sampel untuk diperkirakan di lokasi yang tidak diketahui. • Perhitungan distribusi bersyarat dilakukan dengan penerapan Hukum Bayes, salah satu hukum terpenting dalam teori statistik. Integrasi Data dan Inferensi
• Hukum Bayes memberi kemungkinan bahwa suatu
peristiwa tertentu akan terjadi mengingat bahwa (atau kondisional untuk) peristiwa yang berbeda telah terjadi. • Ekspresi matematis untuk Hukum Bayes dapat ditulis sebagai:
• dengan E1 dan E2 menjadi peristiwa, dan P mewakili