MIN 3511

GEOESTADISTICA
TEMA 1:

TEORIA ELEMENTAL DE LA ESTADISTICA Y APLICACIONES

 1.- INTRODUCCION
1.1.- Definición de estadística:

Es el conjunto de procedimientos y técnicas empleadas para

recolectar, organizar y analizar datos, los cuales sirven de base para
tomar decisiones en las situaciones de incertidumbre que plantean el
estudio de los fenómenos naturales.

1.2.- Objetivo de la estadística:

La estadística tiene como objetivo el desarrollo de técnicas para el

conocimiento numérico de un conjunto de datos empíricos recogidos
mediante experimentos o trabajos de campo (muestreo).
 1.- INTRODUCCION
1.3.- Terminología: dentro la terminología se debe considerar algunos conceptos muy importantes como:

 Población: es el conjunto de elementos cuyo conocimiento nos interesa y serán objeto de estudio.
 Muestra: es un subconjunto extraído de la población, cuyo estudio sirve para inferir características de
toda la población.
 Universo: Es la masa total del material de interés, es la fuente de información. El universo puede ser:

 Todo el depósito mineral

 Una estructura mineralizada
 Un bloque dentro de la estructura mineralizada
 Un formación mineralógica, etc.

 Unidad de Muestreo: Es una porción del universo sobre la cual se efectúan las mediciones, en nuestro
caso puede ser una muestra recogida a mano con un peso especifico cinco libras, un pedazo de testigo
de diamantina de 10 pies de longitud, etc. Es importante especificar cuál es la unidad de muestreo.

 Variables: Al conjunto de los distintos valores numéricos que adopta un carácter cuantitativo se llama
variable estadística.

 Tipos de Variables:

 Cuantitativas discretas: Solo pueden tomar un conjunto finito o numerable de valores (generalmente
valores enteros). toman valores numéricos aislados
 Cuantitativas continuas: Pueden tomar cualquier valor en intervalo finito o infinito. puedes tomar todos
los valores de un intervalo
 2.- RAMAS DE LA ESTADÍSTICA:
2.1.- La estadística descriptiva:

Se refiere a la recolección, presentación, descripción, análisis e interpretación de

una colección de datos, esencialmente consiste en resumir éstos con uno o dos
elementos de información (medidas descriptivas) que caracterizan la totalidad de
los mismos.

2.2.- Inferencia estadística:

La Estadística Inferencial se refiere al proceso de lograr generalizaciones acerca

de las propiedades del todo=población, partiendo de lo específico= muestra. Las
cuales llevan implícitos una serie de riesgos.

Para que éstas generalizaciones sean válidas la muestra deben ser representativa
de la población y la calidad de la información debe ser controlada, además que,
las conclusiones así extraídas están sujetas a errores, se tendrá que especificar el
riesgo o probabilidad que con que se pueden cometer esos errores.
 3.- MEDIDAS DESCRIPTIVAS

3.1.- medidas de tendencia central

 a) Media aritmética
 b) mediana
 c) Moda

3.2.- Medidas de dispersión

 La Varianza:
 Desviación Típica
4.- GRÁFICOS EN ESTADÍSTICA

 4.1.- Histograma

4.2.- Cuervas de Frecuencia

 5.- LA DISTRIBUCIÓN NORMAL
 Una de las herramientas de mayor uso en labores preliminares de exploración y
prospección, es la utilización de la curva normal para describir situaciones donde
podemos recopilar datos. Esto nos permite tomar decisiones que vayan a la par
con las metas y objetivos de una organización.

 Se utiliza muy a menudo porque hay muchas variables asociadas a fenómenos

naturales que siguen el modelo de la norma.

 5.1.- Importancia de la distribución normal

La distribución normal es de suma importancia en estadística por tres razones

principales:

 Numerosas variables continuas de fenómenos aleatorios tienden a comportarse

probabilísticamente mediante ésta.
 Es el límite al que convergen tanto variables aleatorias continuas como discretas.
 Proporciona la base de la inferencia estadística clásica debido a su relación con el
teorema del límite central.
 5.- LA DISTRIBUCIÓN NORMAL
5.2.- Definición

 Se dice que una variable aleatoria continua X sigue una distribución

normal de parámetros μ y σ2 y se denota X~N(μ, σ2) si su función de
densidad está dada por:
 5.- LA DISTRIBUCIÓN NORMAL
5.3.- Distribución Normal estandarizada

Se llama distribución normal "estándar" a aquélla en la que sus

parámetros toman los valores μ=0 y σ = 1. En este caso la función de
densidad tiene la siguiente expresión:
 5.- LA DISTRIBUCIÓN NORMAL
5.4.- Algunas Propiedades del Modelo Normal

 Su esperanza es μ.
 Su varianza es σ2 y, por tanto, su desviación típica es σ.
 Es simétrica respecto a su media μ, como puede apreciarse en la
representación anterior.
 Media, moda y mediana coinciden (μ).
 Cualquier transformación lineal de una variable con distribución Normal
seguirá también el modelo Normal.
5.5.- Métodos descriptivos para determinar la normalidad

1.- Construir en histograma de frecuencia relativa o bien un diagrama de tallos y

hojas para los datos. Si los datos son aproximadamente normales, la forma de la
gráfica será similar a la de la curva normal. (Con forma de joroba y simétrica alrededor
de la media.)

2.- Construir una gráfica de probabilidad normal para los datos Si los datos son
aproximadamente normales, los puntos caerán (aproximadamente) en una línea recta.
 5.- LA DISTRIBUCIÓN NORMAL
 5.6.- Estimación de parámetros

El mejor estimador de la media µ es :

El Mejor estimado de la varianza σ2 es Su2:

 5.- LA DISTRIBUCIÓN NORMAL
5.7.- Intervalo de confiabilidad
 5.- LA DISTRIBUCIÓN NORMAL
 Si el tamaño de la muestra es mayor a 30 (n<30) se utilizara las siguientes
ecuaciones para calcular los intervalos de confiabilidad:

Intervalo de confiabilidad del 68%

Limite Inferior =

Limite Superior =

Intervalo de confiabilidad del 95%

Limite Inferior =

Limite Superior =
 5.- LA DISTRIBUCIÓN NORMAL

 Si n es menor que 30 µp y µ1-p deben ser calculados con la siguiente

ecuación:

Limite Inferior =

Limite Superior =

 Donde: t(1-p) es el valor de la distribución t de estudiante para ν=n-1

grados de libertad, valor que se obtiene de tablas.
 5.- LA DISTRIBUCIÓN NORMAL

5.7.- Precisión de la estimación

 La precisión de la estimación puede calcularse en función de el numero

de muestras adicionales, considerando la siguiente ecuación:

Precisión => h=

 Donde: n=numero de muestras adicionales; Zo valor de t estudent; S

Desviación típica.
 6.- Distribución Log Normal
6.1.- Distribución Log-Normal de 2 parámetros

Par determinar si los datos de muestreo pueden ser analizados bajo esta
distribución, se debe tomar en cuenta los siguientes aspectos:

 El histograma debe mostrar un sesgo a la derecha, sin embargo se debe

considera que el histograma depende de los intervalos de clase utilizado.

 Volver a construir el histograma con los valores logarítmicos, si el resultado es

la presencia de simetría existe una mayor posibilidad de asumir esta
distribución.

 Si los valores de la frecuencia acumulada muestran una distribución a lo largo

de una recta se asume que siguen una distribución log-normal de 2
parámetros.
 6.- Distribución Log Normal
 Estimación de parámetros
6.2.-

 El mejor estimador de la media α es Ū:

 El mejor estimador la Varianza β2 es Su2:

 El mejor estimador la Varianza µ es m:

Donde: eū=Media geométrica de los valores Xi; Ψ(½Su2)=Factor de corrección depende de n

y

 El mejor estimador de σ2 es V2 :

 6.- Distribución Log Normal
 El mejor estimador de σ2 es V2 :

 En todas las expresiones el valor de

6.3.- Intervalos de confiabilidad para la distribución Log-normal de 2 parámetros.

Viene dado por:

 Los valores del factor de Multiplicación se obtienen de tablas.

 6.- Distribución Log Normal
6.4.- Distribución Log-Normal de 3 parámetros

Para poder hacer uso de la distribución de Log-Normal de 3 parámetros

se debe considera los siguientes aspectos:

 El histograma de valores originales es sesgado a la derecha.

 El histograma de los valores logarítmicos es sesgado a la izquierda.
 La curva de frecuencia acumulada muestra un exceso de valores bajos.

Estimación de parámetros: Tercer Parámetro Ĉ es Igual a:

 6.- Distribución Log Normal
 Asumiendo que Ĉ es un valor conocido, se tiene que:

6.5.- Intervalos de confiabilidad para la distribución Log-normal de 3

parámetros.

Viene dado por:

 7.- CURVA TONELAJE LEY
Una curva Tonelaje ley, es una curva que permite estimar muy
rápidamente las reservas y la ley media de las mismas para cualquier
valor que pueda tomar el cut-off.

 Si las leyes siguen una distribución Normal.

) ; = μ+
 Si las leyes siguen una distribución Log normal

) ; = μ
Muchas gracias