Separata Diplomado Modulo 1

SEPARATA DEL DIPLOMADO A NIVEL DE MÁSTER
GEOESTADÍSTICA DE RECURSOS MINEROS
Setiembre del 2017

Profesor: Alfredo Marín Suárez Ph.D.
en Sciences et Techniques Minières - Option Géostatistique
[email protected]
1. INTRODUCCIÓN
La Geoestadística aporta una herramienta denominada Variograma, el cual
tiene aplicaciones en las ciencias geológicas y múltiples aplicaciones en otras
disciplinas. La Geoestadística fue desarrollada y presentada por George
Matheron en la década de los 60 del siglo XX. En efecto la Geoestadística
considera que las variables regionalizadas están modeladas en un espacio de
variables aleatorias reales L2 ( Ω , σ , Ρ ) sobre un espacio de probabilidades
(Ω , σ , Ρ ).
Representación de la variable regionalizada en el espacio.

En la que se define la función Variograma:
1
2
2 γ ( h )=E [ Z ( x+ h )−Z (x) ]
o
❑
2
2 γ (h)=∫ [ Z(x) −Z (x+h) ] dx
V
Y una extensión del Variograma denominado Variograma Cruzado que relaciona

dos variables:
2 γ AB (h)❑=E [ Z A ( x )−Z A ( x +h)❑][ Z B ( x )−Z B (x +h)❑]
En esta pequeña divulgación el objetivo es presentar el Variograma y su

extensión Variograma Cruzado mediante algoritmos aritméticos simples, a
través de ejemplos, haciendo ver su aporte como herramienta de trabajo en la
geología de minas, de petróleo, etc. Aporte que consiste en dar cuenta del
aspecto estructural del fenómeno estudiado, aspecto estructural no
contemplado por la estadística descriptiva.
2. APLICACIÓN EN LA DIFERENCIACIÓN DE DOS FENÓMENOS
2.1 En una línea de muestreo de la zona A, tenemos los siguientes valores de la

variable regionalizada de plomo en ppm.
Realizamos un análisis estadístico básico.
a) Media aritmética:
b) La varianza:
c) El coeficiente de variación:
2
d) Histograma
2.2 En otra línea de muestreo en la zona B, tenemos los mismos valores de la

variable regionalizada de plomo en ppm, pero dispuesto de la siguiente forma; es
decir, un fenómeno estructuralmente muy diferente, a pesar de tener los mismos
valores de leyes.
Obtenemos la media aritmética, la varianza, el coeficiente de variación y el

histograma, y vemos que da los mismos resultados que los obtenidos en la Zona A.
Es decir que con esta estadística descriptiva no logramos diferenciar dos
fenómenos totalmente diferentes.
3
2.3 Ahora procedemos a construir los Variogramas de la Zona A y B
Graficando el variograma para la zona A.
4
Graficando el variograma para la zona B.
Como se puede observar el semi-Variograma, que más comúnmente se le

denomina variograma, da cuenta de las zonas estructuralmente diferentes.
3. MODELOS DE VARIOGRAMAS MÁS COMUNES
a) Efecto de Pepita Puro
b) Modelo Esférico o de Matherón
5
c) Modelo de Formery o Exponencial
d) Modelo con efecto “HOLE”
6
e) Modelo Gaussiano
Es de notar que estos modelos y sus combinaciones no son necesariamente los

únicos.
4. APLICACIÓN DEL VARIOGRAMA CRUZADO EN EL ESTUDIO DE CORRELACIONES
4.1 Para visualizar esta función, consideremos un ejemplo de una zona de terreno
explorado del cual hemos obtenidos valores geoquímicos del Oro y Plata y deseamos
estudiar la relación entre los dos valores. Para este efecto aplicaremos el variograma
cruzado.
Siendo la formula:
Aplicando:
7
Cuya gráfica es la siguiente:
Observamos que cuando hay una correlación positiva alta entre las variables, el
variograma cruzado tiende a tomar valores positivos altos.
4.2 Ahora veamos que pasa en otra zona, donde los valores geoquímicos de la Plata
toman otros valores:
Aplicando la fórmula:
8
Con su gráfica:
Observamos que cuando hay una correlación negativa alta entre las variables
el variograma cruzado tiende a tomar valores negativos altos.
Al realizar el análisis estadístico descriptivo de las líneas de muestreo de la Zona

A y la Zona B, correspondientes a la variable regionalizada plomo; obtenemos el mismo
resultado estadístico; es decir, que este análisis estadístico descriptivo no nos ayuda a
dar cuenta del aspecto estructural de estos fenómenos totalmente diferentes. En
tanto, al aplicar la función Variograma vemos que sí da cuenta del aspecto estructural
de estos fenómenos totalmente diferentes. Por lo que constituye una herramienta de
gran utilidad en el tratamiento de variables regionalizadas.
Observamos que cuando hay una correlación positiva alta entre las variables
regionalizadas, el variograma cruzado tiende a tomar valores positivos altos; mientras
que, cuando hay una correlación negativa alta entre las variables, el variograma cruzado
tiende a tomar valores negativos altos. Por lo que el variograma cruzado se suma a las
herramientas que permiten estudiar la correlación entre variables.
5. TÉCNICA DEL KRIGING DE MATHERON
Considerando las variables Z(xi) que están cerca de un soporte geométrico a

estimar y dentro de su aureola de influencia. Aureola definida por medio de los
alcances estimados a partir de un estudio de variogramas.
9
Visualizaremos el procedimiento a partir de la siguiente disposición de las
muestras con respecto a un soporte geométrico V.
Disposición de muestras con respecto a un soporte geométrico V.
Y deseamos estimar la variable Z(x) del soporte geométrico V a partir de las

muestras Z(xi). Entonces necesitamos encontrar los pesos para estimar la
variable Zv(x0), a partir de:
En el ejemplo que presentaremos a continuación consideremos que estamos en

condiciones de aplicar un Krigeage ordinario bajo la hipótesis estacionaria de
orden 2, por lo que usaremos el siguiente sistema de ecuaciones.
10
Este sistema resulta de minimizar la varianza de estimación sujeta a la condición
de universalidad , que hace que nuestro estimador sea insesgado.
El error cometido en este procedimiento de estimación viene dado por la

varianza de Kriging de Matheron siguiente:
Ejemplo:
A partir de los valores de la potencia de un manto de Hematita en los puntos A y
B, se desea estimar la potencia en el punto C. Considerando que la potencia del
manto tiene el siguiente modelo de variograma.
Es decir un modelo de Matheron o también denominado esférico. A

continuación se muestra la ubicación de las potencias y su orden de magnitud.
11
Variable regionalizada Potencia en los puntos A y B de un manto de Hematita
Entonces tendremos a partir del sistema de ecuaciones anterior, el siguiente

sistema particular:
λ 1 γ 11 + λ 2 γ 12+ μ=γ 1 c
λ 1 γ 21+ λ2 γ 22 + μ=γ 2 c
λ 1+ λ 2=1
Reemplazando:
λ 1 ×0+ λ2 ×1+ μ=0.48

λ 1 ×1+ λ 2 × 0+ μ=0.85
λ 1+ λ 2=1
I. λ 2+ μ=0.48
II. λ 1+ μ=0.85
III. λ 1+ λ 2=1.0
Restando (I) – (II) :
λ 2+ μ=0.48
−λ 1−μ=−0.85
λ 2−λ1=−0.37
Ahora tenemos el siguiente sistema:
I'. λ 2−λ1=−0.37
II'. λ 1+ λ 2=1.0
Sumando (I’) + (II’) :
λ 2−λ1=−0.37
12
λ 1+ λ 2=1.0
2 λ2=0.63
λ 2=0.315
Reemplazando en (II’) :
λ 1+0.315=1.0
λ 1=1.0−0.315
λ 1=0.685
En la primera ecuación inicial:
λ 2+ μ=0.48
Despejamos:
μ=0.48−λ 2
μ=0.48−0.315
μ=0.165
Parámetro auxiliar que será usado posteriormente en la fórmula de la varianza

de Kriging de Matheron.
Siendo la potencia estimada del manto igual a:
Z¿C ( x 0 )= λ1 Z ( x1 ) + λ 2 Z ( x 2 )
Reemplazamos:
Z¿C ( x 0 )=2.9m
Ahora veamos cuál es el error que se comete en esta estimación, para lo cual
particularizamos la fórmula de la varianza de Kriging de Matheron dada
anteriormente.
13
σ 2k =λ1 γ 1 C + λ2 γ 2 C + μ−γ CC
Reemplazando:
σ 2k =0.685 ×0.48+ 0.315× 0.85+0.165−0
σ 2k =0.762
Este valor es el error cometido en el proceso de estimación realizado.
REFERENCIAS
- Matheron G. (1962, 1963) - Traité de Géostatistique Appliquée.

Ed. Technip, Paris VOL. 1; VOL. 2.
- Guibal D. (1972) - Simulation de Schémas Intrinsèques. N-291 E.N.S.M.P.
- Journel A. (1977) - Géostatistique Miniere, tomo 1 y 2. E.N.S.M.P
- Maréchal A., Deraisme J., Journel A., Matheron G. (1978) - Cours de

Géostatistique non Linéaire. C-74 E.N.S.M.P.
14
- Marín Suárez A. (1978) - Méthodologie de L'estimation et Simulation
Multivariable des Grands Gisements Tridimensionnels. Thèse présentée à
I'école Nationale Supérieure des Mines de Paris
Para obtener el grado de:
Docteur Ingénieur en Sciences et Techniques Minières - Option Géostatistique
- Marín Suárez A. (1986) - Modelo Geoestadístico de Filones de Almadén. Ed.

Minas de Almadén S.A., Almadén (España).
- Remy N., Boucher A., Wu J., Journel A. (2009) - Applied Geostatistics with
GSLIB and SGEMS. Ed. Cambridge University Press.
15

Separata Diplomado Modulo 1

Cargado por

Copyright:

Formatos disponibles

Separata Diplomado Modulo 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Separata Diplomado Modulo 1

Cargado por

Copyright:

Formatos disponibles

SEPARATA DEL DIPLOMADO A NIVEL DE MÁSTER

GEOESTADÍSTICA DE RECURSOS MINEROS

Setiembre del 2017

Representación de la variable regionalizada en el espacio.

Y una extensión del Variograma denominado Variograma Cruzado que relaciona

2 γ AB (h)❑=E [ Z A ( x )−Z A ( x +h)❑][ Z B ( x )−Z B (x +h)❑]

En esta pequeña divulgación el objetivo es presentar el Variograma y su

2. APLICACIÓN EN LA DIFERENCIACIÓN DE DOS FENÓMENOS

2.1 En una línea de muestreo de la zona A, tenemos los siguientes valores de la

Realizamos un análisis estadístico básico.

2.2 En otra línea de muestreo en la zona B, tenemos los mismos valores de la

Obtenemos la media aritmética, la varianza, el coeficiente de variación y el

Graficando el variograma para la zona A.

Como se puede observar el semi-Variograma, que más comúnmente se le

3. MODELOS DE VARIOGRAMAS MÁS COMUNES

a) Efecto de Pepita Puro

b) Modelo Esférico o de Matherón

d) Modelo con efecto “HOLE”

Es de notar que estos modelos y sus combinaciones no son necesariamente los

4. APLICACIÓN DEL VARIOGRAMA CRUZADO EN EL ESTUDIO DE CORRELACIONES

Al realizar el análisis estadístico descriptivo de las líneas de muestreo de la Zona

5. TÉCNICA DEL KRIGING DE MATHERON

Considerando las variables Z(xi) que están cerca de un soporte geométrico a

Disposición de muestras con respecto a un soporte geométrico V.

Y deseamos estimar la variable Z(x) del soporte geométrico V a partir de las

En el ejemplo que presentaremos a continuación consideremos que estamos en

El error cometido en este procedimiento de estimación viene dado por la

Es decir un modelo de Matheron o también denominado esférico. A

Entonces tendremos a partir del sistema de ecuaciones anterior, el siguiente

λ 1 ×0+ λ2 ×1+ μ=0.48

Restando (I) – (II) :

Ahora tenemos el siguiente sistema:

Sumando (I’) + (II’) :

En la primera ecuación inicial:

Parámetro auxiliar que será usado posteriormente en la fórmula de la varianza

Siendo la potencia estimada del manto igual a:

σ 2k =0.685 ×0.48+ 0.315× 0.85+0.165−0

Este valor es el error cometido en el proceso de estimación realizado.

- Matheron G. (1962, 1963) - Traité de Géostatistique Appliquée.

- Guibal D. (1972) - Simulation de Schémas Intrinsèques. N-291 E.N.S.M.P.

- Journel A. (1977) - Géostatistique Miniere, tomo 1 y 2. E.N.S.M.P

- Maréchal A., Deraisme J., Journel A., Matheron G. (1978) - Cours de

- Marín Suárez A. (1986) - Modelo Geoestadístico de Filones de Almadén. Ed.

También podría gustarte