Introduccin al Muestreo

Minero
por
Marco Antonio Alfaro Sironvalle

Preface

Is there a single important decision made on a mining project that is not in a way or
another, directly or indirectly based on some kind of assayed grade, or in other
terms on a mineral sample? And who, in the end, is responsible for the devastating
consequences of taking bad samples?
It clearly is a subject of utmost importance that Dr. Marco Alfaro has decided to
bring to his audience in this simple, yet fundamental leaflet, which is directed not
only to technical professionals of the mining industry, but also to those who
manage them and bear the ultimate responsibility for the results and
consequences of mineral sampling. In this piece of work, Dr. Alfaro genuinely
makes justice to the simplicity of sampling theory, and to the many services it
renders and has rendered the industry over several decades of applications.
Like in many a discipline, however, there is Sampling and Sampling, good and
poor applications, enlightenment and ignorance, science and witchcraft. Practical
implementations have kept improving, but have also suffered through many
avatars, not all consistent with its eminently scientific approach.
Erroneous
sampling equipment and experimental procedures, incorrect application models
and formulae, based on a highly commercial but appallingly arbitrary modus
operandi, have made their way into our service and equipment markets, and are
currently offered to the non-discerning professional. The utmost critical sense and
prudence must be exercised.
It is to Dr. Alfaros credit to have presented in a simple and short publication all the
tools that will help the professional of the industry, as well as the managers and
directors who are committed to the success of mining projects, tell the good
from the bad, and not fall prey to imitation sampling theory which plagues our
plants, our mines, and even some of our consultants calculations.
As active devotees to the future and growth of genuine sampling theory, we feel
indebted to Dr. Alfaro and thank him very much for this commendable effort.

Pierre Gy & Dominique Francois-Bongarcon

Sampling Associates

Prlogo

Estimado lector, he decidido publicar en el lenguaje ms simple posible una

introduccin a la Teora del Muestreo Minero, para ello, basado en mi experiencia
docente, he considerado fundamental incluir el mximo de grficos.
En algunas ocasiones el material presentado corresponde a minas conocidas, he
omitido sus nombres, por razones de discrecin minera.
Agradezco sinceramente la ayuda, consejos y apoyo de los Doctores Pierre Gy y
Dominique Francois-Bongarcon. Agradezco tambin a Ana Mara por su apoyo y
consejos.
Estimado lector, agradecer contactarme ante cualquier duda, comentario o
sugerencia. Juntos mejoraremos futuras ediciones del libro.

Marco Antonio Alfaro

A
Ana Mara, Marco y Sebastin.

TEMARIO.

I. Introduccin e Importancia del muestreo de minerales.

II. Conceptos importantes en Teora del Muestreo. Problema principal.

III. El Muestreo Estadstico. Ecuaciones.

14

IV. Consideraciones prcticas para el muestreo de minerales.

18

V. Muestreo de flujos de minerales en movimiento.

40

VI. Tipos especiales de muestreo minero.

49

VII. El Error Fundamental del Muestreo. Teora de Pierre Gy.

64

VIII. Bibliografa.

74

Anexo 1. Tabla de nmeros aleatorios.

75

Anexo 2. El Profesor Pierre Maurice Gy.

76

Anexo 3. Sesgos generados por muestreo y anlisis.

77

Anexo 4. Ejemplos de errores de muestreo importantes.

78

Anexo 5. Porqu los errores aleatorios son gaussianos?

79

I. Introduccin e Importancia del muestreo de minerales.

Definiciones.
Segn el Diccionario de la Lengua espaola:
Muestra es una parte porcin extrada de un conjunto por mtodos que permiten
considerarla como representativa del mismo.
Muestreo es la accin de recoger muestras representativas de la calidad
condiciones medias de un todo la tcnica empleada en esta seleccin la
seleccin de una pequea parte estadsticamente determinada para inferir el valor
de una varias caractersticas del conjunto.
Poblacin lote: es el conjunto completo de observaciones que deseamos
estudiar.
El muestreo estadstico es diferente del muestreo de minerales:
En el muestreo estadstico, el lote poblacin est compuesto por objetos
de igual peso.
En el muestreo de minerales, el lote est compuesto de objetos de
diferentes pesos.

Figura I.1: Muestreo estadstico y muestreo de minerales.

El muestreo de minerales. Importancia:

Casi todas las decisiones que se hacen respecto de un Proyecto Minero, desde la
exploracin hasta el cierre de la mina, estn basadas en valores obtenidos de
material muestreado. Estas decisiones significan millones de dlares.
Ejemplo: Pozos de tronadura en una mina a cielo abierto:
En un pozo de tronadura el material acumulado (detritus de la perforacin) puede
ser enorme, lo que obliga a tomar una muestra. Sea un depsito minero, con
densidad de 2.5 ton/m3 en una malla de perforacin de 10m*10m, con altura de

banco de 15m., con dimetro de perforacin igual a 25cm. La cantidad de material

acumulado, en toneladas, es:

Figura I.2: pozo de tiro.

Tons d 2 h / 4 3.14 * 0.252 *15 * 2.5 / 4 1.8 toneladas

Figura I.3: Malla de pozos de tronadura.

Tratemos de encontrar ahora el valor econmico que representa una decisin

basada en una muestra de un pozo, para ello calculemos el tonelaje que
representa una muestra, asumiendo un rea de influencia igual a la malla de
perforacin (figura I.3), expresando el tonelaje en libras (se utiliza un factor de
2,204) y en onzas (se utiliza un factor de 32,150.75):
Tonelaje = 10*10*15*2.5 = 3,750 toneladas
= 3,750*2,204 = 8,265,000 libras
= 3,750*32,150.75 = 120,565,312 onzas
a) Caso de un depsito de cobre de 1% CuT (con un precio de 0.70 US$/libra):

Valor decisin = US$ 57,855.

b) Caso de un depsito de oro de 2 gr/ton (con un precio de 300 US$/onza):
Valor decisin = US$ 72,339.
El valor de la decisin depende del precio de los metales, pero a menudo es
mucho ms de lo que se piensa!
En una mina a cielo abierto, la ley de un pozo de tronadura es fundamental para la
planificacin de corto plazo: este valor decide, de una u otra manera, el destino de
los materiales (planta, stock o botadero).

II. Conceptos importantes en Teora del Muestreo. Problema principal.

La figura II.1 resume el problema principal del muestreo: estimar la media de una
poblacin (con N elementos) lote (de tamao ML) a partir de una muestra (de
tamao n MS):

Figura II.1(a): El problema principal del muestreo.

En general, el muestreo exhaustivo, es decir tomar los N datos la masa total ML

(llamado a veces censo) es muy difcil y de alto costo.
En Estados Unidos, los muestreos de gobierno toman muestras de 105,000
personas, es decir 1 persona cada 1,240 personas.

Figura II.1(b): Muestreo de minerales quebrados.

II.1. Etapas de un muestreo.

En todo muestreo, debe estar bien establecido lo siguiente:
1.
2.
3.
4.
5.
6.

Objetivo del muestreo.

Poblacin a muestrear
Datos a recolectar
Manera de recolectar los datos
Grado de precisin deseado
Mtodo de medida.

Para cumplir bien con la definicin inicial de muestreo, se debe cumplir el hecho
siguiente, de vital importancia:

El muestreo debe ser equiprobable

En el caso de los minerales: el muestreo de un lote ML compuesto de N
fragmentos es equiprobable cuando todas las combinaciones de n fragmentos
tienen la misma probabilidad de ser elegidos para la constitucin de la muestra
(MS es la muestra con n fragmentos).
Segn Pierre Gy, creador de la teora moderna del muestreo de minerales, cuando
la condicin de equiprobabilidad no se cumple, se tiene ms bien un espcimen
(un ejemplar) en vez de una muestra.
La figura II.2 muestra un ejemplo de espcimen, las extracciones se basan en la
hiptesis no realista y peligrosa de homogeneidad.

Figura II.2: El operador toma incrementos de la parte ms accesible del lote. La suma de los
incrementos constituye un espcimen.

En el muestreo estadstico, la definicin de muestra equiprobable es anloga a la

anterior.
Ejemplos de muestreos que no son equiprobables:
a) Los muestreos de carros de marinas en minera, por lo general, no son
equiprobables, porque se est obligado a tomar una muestra superficial.
b) En muestreo estadstico, tomar voluntarios constituye un muestreo no
equiprobable (ejemplo: test de drogadictos).

II.2. Tipos de Muestreo.

Los principales tipos de muestreo son los siguientes:
Muestreo aleatorio simple.
Consiste en la seleccin de n fragmentos unidades del lote ML de modo que
todas las muestras posibles de tamao n tengan la misma probabilidad de
ser elegidas.
Ejemplo:
En una mina hay 100 ctodos de cobre (numerados) para anlisis. Se sortean
(con una tabla de nmeros aleatorios) 5 ctodos y se envan para anlisis al
laboratorio .Se analiza Cu, O, S, Cl, Pb, Zn, Ni, Mn, Fe, Ag, As, Sb, Se, Te, Bi, Sn,
etc. (ver figura IV.8).
Muestreo sistemtico.
En este caso las extracciones de las muestras son determinadas segn una
regla fija.
Ejemplos:
Tomar canaletas en una galera cada 2 metros.
En una cinta transportadora, tomar una muestra cada 10 minutos.
Muestreo estratificado.
El lote ML se divide en partes o estratos que no se solapan entre s. Cada
estrato es muestreado posteriormente segn los procedimientos anteriores.

10

Figura II.3: El muestreo estratificado.

Ejemplo:
En las figuras II.4 se tiene un experimento de muestreo estratificado en un
depsito de yodo. Se realizaron sondajes, de 2 metros de profundidad los cuales
proporcionaron las leyes z1, z2, z3, ... Luego el material ML de la zanja de
5m*2m*1m se redujo a la muestra MS considerando dos estratos (material fino y
material grueso). El muestreo fue manual y la proporcin finos/gruesos se
determin visualmente. Los resultados de la muestras y1, y2, y3, ... (ver Tabla 1)
indican la presencia de un sesgo o error sistemtico (datos en ppm.).

Figura II.4(a): Bloques de 1m*5m*2m.

Figura II.4(b): Generacin visual de la muestra MS.

11

Zanja
1
2
3
4
5
6

Tabla 1
Ley sondaje Zi
520
630
600
550
580
550

Ley muestra Yi
830
1050
1100
910
820
860

II.3. Exactitud y Precisin.

En teora del muestreo de minerales se utilizan las nociones de exactitud y
precisin. La figura II.5 clarifica estos conceptos.
En trminos estadsticos estos conceptos corresponden respectivamente a la
media, la cual debe ser insesgada (exactitud) y a la varianza del error, la cual
debe ser pequea (precisin)

Figura II.5:
a) Exactitud sin precisin.
b) Precisin sin exactitud.
c) Exactitud y precisin.
d) Ninguno.

En resumen:

12

Exactitud Media
Precisin Varianza
La media debe ser insesgada (sin desviacin sistemtica) y la varianza debe
ser pequea.
Ejemplo:
Sea ML una poblacin o lote con 4 datos y MS una muestra de 2 observaciones del
lote:
ML = { x1, x2 , x3, x4}

N=4

MS = {a1, a2}

n=2

Las muestras posibles y las medias muestrales correspondientes son:

{x1, x2}
{x1, x3}
{x1, x4}
{x2, x3}
{x2, x4}
{x3, x4}

m1 = (x1 + x2 ) / 2
m2 = (x1 + x3 ) / 2
m3 = (x1 + x4 ) / 2
m4 = (x2 + x3 ) / 2
m5 = (x2 + x4 ) / 2
m6 = (x3 + x4 ) / 2

La media del lote es (observar que en nuestro caso minero nos interesa en
general el muestreo sin reemplazamiento):
m0 = (x1 + x2 + x3 + x4 ) / 4
y la media de las muestras (posibles) es:
m*=(m1+m2+m3+m4+m5+m6) / 6
se observa entonces que:
m0 = m *
Se dice que la media de la muestra (de 2 observaciones) m=(xi+xj)/2 es un
estimador insesgado de la media del lote m0=(x1+x2+x3+x4)/4.
La propiedad de disponer de un estimador insesgado se cumplir cuando la
muestra sea equiprobable.
En la prctica, cuando sea posible, siempre se deben utilizar estimadores
insesgados (la experiencia muestra que no existe nada ms complejo que
corregir sesgos).

13

III. El Muestreo Estadstico. Ecuaciones.

Figura III.1: Dispositivo para experimentos de muestreo. Sirve para demostrar que las frmulas de
muestreo funcionan.

Estudiaremos a continuacin las frmulas del muestreo estadstico las cuales

constituyen una excelente introduccin a las frmulas del muestreo de
minerales.
III.1. Formulas del muestreo aleatorio.
Sea
ML = { x1, x2, x3,... xN }
MS = { a1, a2, a3,... an }
(se supone que los ai corresponden a una eleccin al azar, sin reemplazar de los
xi).
m*= (a1 + a2 + a3 +... + an ) / n
es un estimador insesgado de:
m0= (x1 + x2 + x3 +... + xN ) / N
por otra parte hay que calcular la varianza de la muestra, segn la formula
siguiente:
s2 = [ (a1-m*)2 +(a2-m*)2 +(a3-m*)2 + ... +(an-m*)2 ] / (n - 1)
Se puede demostrar que la varianza S2 = Var(m*) del error de muestreo est
dada por:
S2 = s2 ( 1/n 1/N )
(n<N)

14

(III.1)

Luego, el error de muestreo, con 95% de confianza, asumiendo que los errores
son gaussianos, lo cual es una aproximacin razonable (ver Anexo 5), verifica la
desigualdad:
-2S < error < 2S
Las ecuaciones anteriores resuelven el problema del muestreo
estadstico.

aleatorio

Observacin:
el error de muestreo es pequeo cuando:
a) n es prximo a N (en particular, si n = N el error es nulo)
b) la varianza s2 es pequea. Esto ocurre cuando hay poca variabilidad (los
datos ai son prximos a su promedio m*)

Figura III.2: 64 manzanos y su rendimiento en bushels.

15

Ejemplo:
En la figura III.2 se tienen N = 64 rboles de manzanas con su rendimiento en
bushels: 1 bu = 35 lt (podran ser dimetros de partculas, leyes de muestras, etc.)
La media real es m0=5.56. Mediante una tabla de nmeros al azar (ver Anexo 1),
se sorte la siguiente muestra (sin reemplazamiento) de n=8 rboles:
{6, 5, 5, 9, 6, 6, 2, 3}
Obtenindose:
Media estimada
Error de estimacin

= 5.25 Bu
= 1.40 Bu

(el error de estimacin, con 95% de confianza es 2S).

III.2. Formulas del muestreo aleatorio estratificado.

En el caso del muestreo aleatorio estratificado se eligen k estratos, siendo N1,
N2, N3, ..., Nk los tamaos de cada estrato. En cada estrato tomamos ni datos. El
tamao de la poblacin total es N:
N = N1+ N2+ N3+ ... + Nk
m*=(N1m1+N2m2+N3m3+...+Nkmk)/N
Es un estimador insesgado de la media de la poblacin m.
y la varianza del error de estimacin es:
S2 = [ (N1S1)2 +(N2S2)2 +(N3S3)2 +...+(NkSk)2 ] / (N)2
(observar que siempre se multiplica por Ni y nunca por ni)
En las expresiones anteriores se tiene:
mi = [ a1 + a2 + a3 + ... + ani ] / ni
Si2 = si2 (1/ni 1/Ni)
si2 = [ (a1-mi)2 +(a2-mi)2 +(a3-mi)2+ ... + (ani-mi)2 ] / ( ni - 1 )
El muestreo aleatorio estratificado, bien aplicado, proporciona, en general,
mejores resultados que el muestreo aleatorio simple.
Ejemplo:

16

En el caso anterior de los rboles, las tres ltimas filas corresponden a rboles
nuevos. Realizar varios muestreos estratificados con dos estratos (rboles viejos y
rboles nuevos); ver que la teora funciona comparando la estimacin, el valor
real y el error.

17

IV. Consideraciones prcticas para el muestreo de minerales.

Resulta difcil proporcionar recomendaciones prcticas generales acerca del
muestreo de minerales, debido a que esta operacin se realiza en todas las
etapas de un Proyecto Minero y a que no existen dos minas iguales entre s.
El punto fundamental es siempre (para no tener sesgos) y resultados
reproducibles:

Muestras representativas, es decir equiprobables y de

varianza pequea

Figura IV.1:
Recordar que: insesgado exacto
varianza pequea preciso
a) sesgado, varianza grande
b) insesgado, varianza pequea
c) insesgado, varianza grande
d) sesgado, varianza pequea

18

IV.1. Ejercicios y complementos.

1. Utilizando las ecuaciones del muestreo comprobar que se puede calcular el tamao n de la
muestra utilizando la relacin:

s2
n 2

S
1 S2

s2 N
1

(Si N es grande)

El usuario puede fijar el error 2S, luego S sera conocido. Sin embargo s es desconocido y sera
necesario realizar algunas mediciones para estimar su orden de magnitud.
2. En ciertas ocasiones, en el muestreo estadstico, es difcil definir la poblacin lote. Por
ejemplo, se desea hacer una encuesta de votacin acerca del apoyo al candidato A en una cierta
asociacin. Cul es la poblacin? (los socios inscritos, los socios al da en las cuotas, los socios
que votaron la vez anterior, ...).
Supongamos que van a votar N=580 socios y que se hace una encuesta tomando, al azar, n=100
socios, obteniendo el apoyo de 62 socios. Comprobar que el error de muestreo verifica (con 95%
de confianza): -0.09<error<0.09. Est seguro de ser elegido el candidato?
3. Ejemplos de muestreo. A continuacin se presenta una serie de muestreos. Criticarlos desde el
punto de vista de la equiprobabilidad. En qu casos se trata de un espcimen?

a) Figura IV.2: Se desea tomar una muestra del balde del LHD, para analizar la ley de cobre
de produccin. Observar la granulometra del material. En esta mina se utiliza una porua
con hoyos para no tener mucho material fino en la muestra. Comentarios.

b) Figura IV.3: En ecologa del suelo, para disponer de muestras uniformes, se utiliza el
muestreador de la figura. Comentarios.

19

c)

Figura IV.4: Muestreo de una solucin de lixiviacin. Se utiliza el muestreador de la figura llamado
coliwasa (composited liquid waste sampler). Comentarios.

d) Figura IV.5: Izquierda: sonda para muestreo en un tranque de relaves. Derecha: probeta
para muestreo del suelo. Comentarios.

e) Figura IV.6: Cmo tomar una muestra del balde de la pala de la carga del camin. En
ciertas minas de uranio se pone un contador Geiger sobre las cargas. Comentarios.

20

f)

Figura IV.7. Cmo garantizar que el lingote de cobre de la figura tiene pureza del 99%?.
Comentarios.

g) Figura IV.8. Muestreo de ctodos de cobre. Se hacen 3 perforaciones en diagonal

(izquierda). En otra mina se hacen 4 cortes con sierra (derecha). Comentarios.

h)

Figura IV.9. Una vez tomada la muestra, por ejemplo las rocas de exploracin de la figura,
ya es demasiado tarde: no existe ningn test que garantice si la muestra es buena o es
mala. La toma de la muestra debe ser planificada previamente segn el criterio de
representatividad (equiprobable y de varianza pequea). Comentarios.

21

4. Son buenas o son malas las muestras siguientes: a) 1cc de sangre para medir glbulos rojos. b)
5cc de orina para medir glucosa.
5. Kennedy lea una cada 50 cartas de las 30,000 que llegaban semanalmente a la Casa Blanca.
Comentar desde el punto de vista del muestreo.
6.En 1936 la revista norteamericana The Literary Digest realiz una encuesta entre sus
suscriptores, recibiendo 2,400,000 respuestas. Predijo la derrota de Roosevelt quin obtendra un
41% de los votos. Un estadstico de apellido Gallup encuest a 5,000 futuros votantes mediante un
muestreo que trataba de reproducir la equiprobabilidad predijo el triunfo de Roosevelt por un 56%.
El da de la eleccin, Roosevelt obtuvo el 61% de los votos.
a) Explicar el fracaso de la encuesta del Literary Digest (revista que a los pocos meses
quebr). Conclusin: si una muestra est sesgada, el hecho de ser grande no corrige el
error, sino que lo repite a mayor escala.
b) Calcular el error de la encuesta de Gallup (considerar N = ).
c) Si resolvi la pregunta anterior, entonces la teora del muestreo equiprobable funciona
bien. Se podra reemplazar entonces el sufragio universal por una encuesta?
Comentarios.
7. Tome un peridico y revise el listado de acciones transadas. Use como variable x en estudio el
total transado. Calcule el promedio m de esta variable. Registre el nmero total de empresas N.
Ahora tome 1 empresa cada 10 y forme una muestra de n datos. Calcular un estimador m de la
media de x promediando los valores de su muestra. Compare con m. Calcule ahora el error de
muestreo asociado a su estimacin. Conclusiones.
Ahora realice el sorteo de las empresas utilizando la Tabla de nmeros aleatorios del Anexo. Para
ello proceder de la forma siguiente (sortear n empresas al azar y sin repeticin): numere las
empresas del 1 a N. Suponiendo que N100, tomar la primera columna con dos dgitos, por
ejemplo 14, 26, 69, ...esto quiere decir que la muestra aleatoria est compuesta por la empresa 14,
luego la empresa 26, luego la empresa 69,.... Esto termina al llegar al nmero n.
(si los nmeros al azar se repiten, salte al nmero siguiente, si por ejemplo N=95 y sale sorteada la
empresa 98, salte al nmero siguiente.). Repetir los calculos anteriores para esta nueva muestra y
comparar.
8. El sesgo de las casas. Un muestreo estadstico no equiprobable consiste en elegir una casa al
azar y luego elegir al azar, una persona, entre los miembros de la familia. Una persona de una
familia poco numerosa tiene ms probabilidad de estar en la muestra que una persona de una
familia numerosa.

Figura IV.10: El sesgo de las casas.

9. Un experimento de muestreo. Tomar los manzanos de la figura III.2. Numerarlos del 01, 02,...,
64. (a) Utilizar la Tabla del Anexo 1 para tomar una muestra de tamao n=4. Guardar los 4
resultados. (b) Calcular la media (x1+x2+x3+x4)/4. Repetir las etapas (a) y (b) cuatro veces ms
(cinco en total), utilizando cada vez una zona diferente de la Tabla. El promedio de las cinco
medias debera ser prximo al valor real 5.56 (la media es un estimador insesgado cuando la
muestra es equiprobable).

22

IV.2. Los 3 estados del mineral.

En la figura IV.11 aparecen los estados en que se puede encontrar el mineral:
a)
b)
c)

In situ: corresponde en este caso aplicar la Teora de la Geoestadstica.

Quebrado: corresponde en este caso aplicar la Teora del Muestro de Pierre
Gy, la cual estudiaremos ms adelante.
Liberado: en este caso, debido a un proceso de conminucin (molienda) se
ha separado la ganga (material estril) del componente crtico material con
valor comercial mena.

Se observar que el tamao de la partcula, caracterizado por un dimetro

nominal d decrece de a) a c).

Figura IV.11: Los 3 estados del mineral.

23

IV.3. La Segregacin.
Las partculas de mineral tienden a segregarse (figura IV.12), por ejemplo las ms
pesadas tienen una tendencia a localizarse en el fondo. El caso homogneo es
muy difcil de encontrar en la prctica (algunos autores afirman que este caso es
inexistente). Sin embargo, el fenmeno de segregacin es ms complejo y
depende adems de las granulometras, formas y pesos de las partculas.
Para ver lo anterior haga el experimento siguiente: ponga en un recipiente
transparente una cierta cantidad de porotos y otra cantidad de azcar: observar
que es imposible tener un conjunto homogneo (IV.13)

Figura IV.12: Diferentes tipos de segregacin.

Figura IV.13: Experimento para comprobar la segregacin de dos materiales azcar y porotos. No
se pueden mezclar.

Una receta para disminuir el efecto de la segregacin en la toma de la muestra

es realizar varios incrementos, es decir tomar un cierto nmero de submuestras
para constituir una muestra primaria (figura IV.14).

24

Figura IV.14. Incrementos para constituir una sola muestra, disminuyendo el efecto de segregacin.

Donde se producen segregaciones importantes es en las cintas transportadoras

de mineral, tal como muestra la figura IV.15.

Figura IV.15: Segregacin en cintas transportadoras.

No se han realizado muchos estudios prcticos respecto del problema de la

segregacin de minerales pero se sabe que es un problema mayor.

25

IV.4. La extraccin de la Muestra.

La extraccin e integridad de la muestra es de vital importancia en el muestreo
minero. Revisemos algunos ejemplos:
Ejemplo 1: Es muy difcil tener la situacin ideal de recuperacin de sondaje. En
la mayora de los casos se trabaja, desafortunadamente, en un punto intermedio
entre la situacin correcta e incorrecta (figura IV.16).

Figura IV.16. Testigo. Situacin incorrecta (superior) y correcta (inferior)

En este tipo de situaciones se debe estudiar la correlacin entre la recuperacin

de la muestra y la ley de mineral y llevar lo anterior a un grfico. No debera haber
correlacin entre estas variables.
Ejemplo 2: Los tubos de muestreo de detritus deben tener una abertura adecuada
(figura IV.17).

Figura IV.17: Tubos para captar detritus.

Ejemplo 3: El riffle (aparato utilizado para dividir una muestra en dos) debe tener
abertura de manera de contener todas las partculas (figura IV.18).

26

Figura IV.18: Riffle mirado desde arriba

Ejemplo 4: Las palas deben tener una abertura suficiente de manera de contener
los diferentes tipos de tamao (granulometra) del material quebrado (figura IV.19).

Figura IV.19: Palas de muestreo. Diseo incorrecto (izquierda), diseo correcto (derecha).

Una solucin para el diseo es tomar el dimetro d de la abertura de manera tal

que:
d > 3dM
en que dM es el dimetro de la partcula mxima.
En general la muestra debe respetar la granulometra del lote debido a que en la
mayora de los casos, la ley del material fino puede ser muy diferente de la ley
del material grueso.

27

Respecto a la integridad de la muestra. Es evidente que si se usa una bolsa, sta

debe ser resistente, estar bien etiquetada (rotulada) y guardada en un lugar
seguro. En ciertas ocasiones la muestra debe estar a prueba de fraudes o de
contaminacin.

Figura IV.20: Hay que proteger la muestra. Con buena identificacin (interior y/o exterior).

IV.5. La delimitacin de la Muestra.

La delimitacin de una muestra est ntimamente relacionada con la
representatividad de la misma. Es importante que la delimitacin sea correcta.
Revisemos algunos ejemplos.
Ejemplo 1: En una mina a cielo abierto, la muestra de un pozo de tronadura debe
ser representativa del banco y no debera considerarse la pasadura. Lo anterior,
dependiendo del mtodo, ocasiona problemas operacionales, debido a que
habra que detener la perforacin del hoyo y/o cubrir el cono de detritus con una
lona plstico (figura IV.21).

Figura IV.21. La muestra debe representar al banco.

Ejemplo 2: En una pila de lixiviacin de ripios, de 2 metros de altura, se toman

muestras de sondajes de profundidad 1.5 metros (para no destruir la membrana
inferior). Esta muestra, mal delimitada, est sesgada debido a que, por lo general,
la ley del fondo es mayor que la ley de la superficie (figura IV.22).

28

Figura IV.22: sondajes en una pila de lixiviacin.

Ejemplo 3: La sonda de la figura IV.5 a veces proporciona recuperaciones de

muestra de 40%, a veces del 150%.
Ejemplo 4: Si se utiliza un captador de polvo de perforacin, ste debe ser radial
(de esta manera se respeta la proporcin de finos/gruesos en la muestra, tal como
veremos ms adelante).

Figura IV.23: El captador debe ser radial. Por ejemplo en una torta, un corte radial garantiza una
reparticin equitativa de las guindas.

Ejemplo 5: En una cinta transportadora la geometra de la muestra debe ser un

rectngulo un paralelogramo (figura IV.24).

Figura IV.24: Vista de arriba. En una cinta transportadora la muestra correcta corresponde a un
rectngulo o un paralelogramo.

29

Ejemplo 6: Una submuestra no se puede tomar en forma superficial, sobre todo

si existe el fenmeno de segregacin (figura IV.25)

Figura IV.25. Forma incorrecta y correcta de tomar submuestras.

IV.6. Diseo de Palas.

Las esptulas, poruas y palas tienen que tener un diseo recto, con bordes
laterales, para no perder material, evitar el problema de la segregacin y
proporcionar muestras equiprobables (figura IV.26).
En muchos laboratorios se utilizan an diseos curvos (algunos laboratorios de
minas de oro).

Figura IV.26: El cucharn curvo es incorrecto.

30

Hemos incluido tambin el diseo de una pala de muestreo segn las normas JIS
(Japanese Industrial Standards), que consisten en palas especialmente diseadas
para diferentes tipos de material (figura IV.27). Esta norma considera tamaos
mximos de partculas de 150 mm.

Figura IV.27.

IV.7. Reduccin de la Muestra. Cuarteo, Riffle, vibrador rotatorio, mesa

vibradora.
La reduccin divisin de una muestra es necesaria
Principalmente se utiliza:
Cuarteo
Riffle.
Divisor rotatorio
Divisor de mesa.

en la prctica.

El cuarteo manual debe realizarse en forma cuidadosa (figura IV.28).

31

Figura IV.28: Cuarteo manual.

Figura IV.29: El riffle.

La figura IV.29 muestra un riffle y la figura IV.30 muestra la manera adecuada de

cargarlo: debe realizarse en el centro, lentamente, con una pala adecuada. Esto
asegura que las 2 submuestras son aproximadamente iguales (para garantizar la
equiprobabilidad).

32

Figura IV.30: forma correcta e incorrecta de cargar un riffle.

Reglas del cortador Riffle.

Para el un riffle, es necesario tener en cuenta las reglas siguientes:
a) Al menos 12 canales (observamos que en las figura IV.29 no se cumple esta
regla).
b) Nmero par de canales (a veces el dispositivo es hechizo, se hace en
casa y no se respeta esta regla evidente).
c) Abertura de canales mayor que 2 veces el dimetro mximo de las partculas
(es obvio que no deben quedar partculas retenidas).
d) Alimentar o cargar lentamente, desde el centro, con el contenedor diseado
(tal como se muestra en las figuras IV.29 y IV.30).
En la figura IV.31 se tiene un divisor rotatorio el cual consiste en un alimentador
vibratorio y una mesa rotatoria con subdivisiones, las cuales se consideran como
submuestras. El nico problema de este aparato es que en algunas ocasiones, al
terminar la operacin, queda un remanente de material fino en el alimentador.

33

Figura IV.31: Divisor rotatorio.

En la figura IV.32 hemos representado un divisor de mesa. La mesa es vibratoria.

Este dispositivo tiene, a veces, el mismo problema que el divisor rotatorio.

Figura IV.32: Divisor de mesa.

34

IV.8. Ejercicios y complementos.

1. Qu le parece a usted cuartear tal como en la figura IV.33?

Figura IV.33: Cuarteo manual.

2. Est bien cargado el riffle de la figura?

Figura IV.34: Carga de un riffle.

3. Qu comentarios le merece el invento siguiente para dividir muestras en laboratorio.

F
Figura IV.35: Aparato para dividir muestras.

35

4. Compare los diferentes mtodos para dividir muestras (riffle, divisor circular, divisor de mesa)
considerando los factores siguientes:
a) Peso a reducir (grande o pequeo).
b) Granulometra del material.
c) Humedad del material. Es necesario secar la muestra?
5. Cuando se perfora un pozo de tronadura se produce una segregacin de las partculas. Las ms
livianas se van a la atmsfera. Dnde van las ms pesadas? Cul es la trayectoria de una
partcula cualquiera?

Figura IV.36: Perforacin de un pozo.

6. Granulometras. El estudio de las granulometras es muy importante dado que a menudo la ley
de los finos es significativamente diferente de la ley de los gruesos. Se utilizan tamices como en la
figura IV.37(a). Dibujar, aproximadamente el histograma de los dimetros de partcula de la figura
IV.37(b) y de la figura IV.2. Dibujar adems los histogramas acumulados.

Figura IV.37(a): Tamiz para granulometras.

Figura IV.37(b): Muestra de piedras.

7. Muestreo por canaletas (rozas) en vetas. En una veta se trata de llevar una galera en el sentido
de la misma (figura IV.38). Se toma una canaleta (manual o con una sierra) en direccin ortogonal
a la veta, en el techo de la galera. En este caso, est bien delimitada la muestra?

Figura IV.38: Muestreo de vetas

36

8. Esptulas. Cul de estos dos diseos preferira en un laboratorio (figura IV.39)?

Figura IV.39: Esptulas.

9. Lectura en un equipo de absorcin atmica. La figura IV.40 muestra un esquema de la

operacin. El matraz puede estar varias horas en reposo y los iones de oro, ms pesados que el
resto, se segregan progresivamente hacia el fondo, lo cual es imperceptible. Las lecturas del
instrumento pueden variar de 1 a 2 una vez que se agita el matraz. Qu hay que hacer para
muestrear bien?

Figura IV.40: Lectura en un equipo de absorcin atmica.

10. La lanza, dispositivo para tomar muestras en pilas de lixiviacin tiene el problema que la
delimitacin de la muestra no es correcta (figura IV.41)

Figura IV.41: La lanza. En la operacin se utiliza un martillo percutor.

37

11. Muestreo en una cinta transportadora detenida. Se utiliza el equipo de la figura IV.42, el cual
produce una delimitacin correcta. Sirve para chequear cortadores automticos.

Figura IV.42. Muestreo en cinta detenida. Considere la figura V.2 siguiente para tener una buena
delimitacin.

12. Qu opinin le merece esta pala para dividir una muestra en tres partes iguales?

Figura IV.43. Una pala para dividir muestras en tres tercios.

38

IV.9. Algunas recetas sobre Muestreo de Minerales.

Otras recetas respecto del muestreo de minerales seran las siguientes:
La reduccin debe ser verdadera. Para ello se debe utilizar: cuarteo, rifle,
divisores. La seleccin del respaldo y del rechazo debe ser aleatoria (ejemplo:
corte de un testigo en dos mediante un instrumento. Se recomienda tirar una
moneda al aire y luego elegir el corte que va a anlisis, con el fin de eliminar un
posible sesgo tcnico)
Siempre habr que seguir las reglas siguientes:
a) Capacitar al personal involucrado en el muestreo (sealar la importancia de
disponer de una buena muestra).
b) Observar y verificar que la muestra es correcta.
c) Evitar el corte manual.
d) Fotografiar y/o filmar las operaciones y equipos de muestreo en
funcionamiento y revisar los resultados, cuidadosamente, en forma posterior.
e) Respetar las reglas del cortador.
f) Evitar el uso del roleo y cuarteo manual. Es preferible uso de riffle, o bien
un divisor rotatorio.
La operacin de roleo consiste en poner la muestra en una lona y luego tomar
alternadamente la lona por las esquinas opuestas, con el propsito de mezclar
las partculas Figura IV.44). A veces se hace primero un roleo y luego un cuarteo
manual.

Figura IV.44. El roleo. Se ha comprobado que esta tcnica no funciona bien.

39

V. Muestreo de flujos de minerales en movimiento.

Este muestreo se realiza una vez que el mineral ha salido de la mina. Se utilizan
cortadores de muestras, los cuales deben ser perpendiculares al flujo (figura V.1)

Figura V.1:el cortador incorrecto no es equiprobable.

V.1. Reglas de los cortadores de Muestras.

Los cortadores de muestras que se utilizan en plantas de tratamiento de
minerales, en el caso de flujo continuo, deben seguir las reglas siguientes, para
garantizar la equiprobabilidad:
a) Deben ser verticales.
b) Las caras deben ser perpendiculares al flujo.
c) Las caras cortadoras deben estar centradas con respecto al flujo y
perpendiculares al movimiento.
d) La velocidad, la cual tambin debe seguir ciertas reglas que no explicitaremos
aqu (en todo caso la experiencia indica que debe ser inferior a 0.6 m/s), debe
ser uniforme.
Para el diseo de estos equipos hay que considerar que el centro de gravedad de
la partcula es el que determina si sta es cortada o no. Luego el diseo de los
bordes debe ser afilado (figura V.2).

40

Figura V.2: Cortador.

Por otra parte el ancho del cortador debe considerar el efecto que se muestra en
la figura V.3 (efecto de rebote). Para ello se debe utilizar: d>3dM (dM=dimetro de
partcula mximo). Para mayor seguridad se recomienda d>4dM

Figura V.3: El diseo del cortador debe considerar los choques de la partcula. Efecto de rebote.

Figura V.4. Un cortador de flujo de minerales. Existen varios tipos.

41

Figura V.5: Muestreador rotatorio.

Figura V.6: Muestreador de cadena y tacho.

Figura V.7: Muestreador de brazo. Produce, en general, malos resultados.

42

Figura V.8: Muestreador de martillo. Produce, en general, malos resultados.

Figura V.9. Muestreador rotativo.

43

Figura V.10: Otro diseo de muestreador rotativo. En este caso el flujo gira. Produce, en general,
malos resultados.

Cuando se corta el flujo de una cinta transportadora, hay que considerar las
situaciones de las figuras V.11 y V.12.

Figura V.11. Corte de muestras en cintas transportadoras.

44

Figura V.12. Corte de un flujo de mineral. Vista de arriba.

Para trayectorias circulares es conveniente utilizar un cortador rotatorio o Vezin, el

cual puede operar en forma continua o discontinua. Segn Pierre Gy, 1999, es el
nico mtodo equiprobable para este tipo de flujos (figura V.13)

Figura V.13: Cortador Vezin. Vista de arriba.

45

V.2. Ejercicios y complementos.

1. El divisor de aletas. Este dispositivo es incorrecto porque en la muestra se tiene ms material de
un lado del flujo (figura V.14).

Figura V.14. El divisor de aletas.

2. Explicar porqu es malo el sistema de muestreo de mineroductos de la figura V.15.

Figura V.15: Muestreo en un mineroducto. Se puede mejorar?

3. Entre los siguientes casos para un Vezin, con flujo circular (figura V.16), solo uno de los diseos
siguientes es correcto. Cual?

46

Figura V.16. Diseos correcto e incorrectos.

4. El muestreador siguiente tambin es incorrecto (figura V.17):

Figura V.17: Una variacin del divisor de aletas.

5. Qu le parece el diseo siguiente (figura V.18)?

Figura V.18: Cortador de muestras.

47

6. Porqu es incorrecto el Vezin de figura V.19?

Figura V.19: Vezin incorrecto. a = vista lateral. b = vista de arriba.

7. Divisin de un lote en dos muestras potenciales A y B. Cmo seleccionar la muestra potencial

A o B? Aplicar al caso en que se tienen 5 muestras potenciales S1, S2,..., S5.

Figura V.20. Muestra potencial A o B?.

48

VI. Tipos especiales de muestreo minero.

Estudiaremos a continuacin algunos tipos especiales de muestreo, de gran
utilizacin en minera.
VI.1. Muestreo de canaletas.
Las figuras siguientes muestran lo difcil que es realizar un buen muestreo de
canaletas o canales.

Figura VI.1: Es difcil delimitar bien la muestra en una canaleta. No hay solucin operativa.

Figura VI.2: Canaleta bien muestreada.

49

Otros factores que afectan la calidad de la muestra de canal seran los siguientes:
a) Por lo general son manuales y el operador corta (en forma consciente
inconsciente) las partes ms blandas de la pared partes que tienen una
caracterstica comn (color), etc.
b) En ciertas minas las leyes altas se encuentran en fracturas. Al construir las
galeras, las paredes de stas corresponden en forma natural a caras de
fracturas.
En la gran mayora de las minas que utilizan canaletas, se ha comprobado que
existe un sesgo, al comparar las leyes de las canaletas con las leyes de los
sondajes prximos.
En algunas minas subterrneas se ha abandonado el muestreo por canaletas. En
otras se utiliza como alternativa perforaciones de poca profundidad.

Figura VI.3: Perforaciones para reemplazar canaletas.

VI.2. Muestreo en minas de calizas subterrneas.

En ciertas minas de calizas subterrneas se utilizaban mtodos de muestreo no
equiprobables tal como muestran las figuras anexas:
a)
b)
c)
d)

El captador no es perpendicular al flujo.

El captador no es radial.
La reduccin de la muestra es manual.
Las muestras se introducen en un gran cilindro plstico y se hace un nudo para
cada metro de perforacin. Se comprob que esta operacin contaminaba las
muestras.

50

Figura VI.4: El corte de muestra no es perpendicular al flujo.

Figura VI.5: El captador no es radial, luego no es equiprobable.

Figura VI.6: Contaminacin entre muestras de caliza.

Las minas de caliza tienen, desde el punto de vista del muestreo, una ventaja: sus
leyes son altas (sobre 65%). Una ley alta es favorable en lo que respecta al error
de muestreo (tal como veremos ms adelante). Una ley baja, por ejemplo de oro
(en gr/ton, es decir ppm.), es desfavorable.
VI.3. Muestreos de carros mineros. Camiones.
El muestreo de carros mineros y el muestreo de camiones mineros (figura VI.7)
no es equiprobable debido a que obligatoriamente la muestra es superficial.

51

Figura VI.7: Es casi imposible tener una muestra equiprobable de un carro o camin minero.

VI.4. Muestreo en puntos de extraccin. Marinas.

El muestreo en puntos de extraccin, por ejemplo en una mina explotada por
block-caving, es difcil, debido a que es superficial adems de no ser
equiprobable debido a la gran variedad de tamaos en el punto (a veces existen
bolones de gran dimetro). Lo mismo ocurre con las muestras de marinas.

Figura VI.8: Muestreo en un punto de extraccin.

Para mejorar la situacin existen soluciones de alto costo. Una de ellas es

construr un scoop muestrador el cual tiene incorporado un chancador. La otra,
aplicable al caso de marinas, es utilizar una torre de muestreo (figura VI.9) y
enviar el avance completo a la torre.
Algunos autores consideran que disponer de una buena torre de muestreo
constituye un seguro de vida para la mina.

52

Figura VI.9: Una torre de muestreo.

53

VI.5. El muestreo de hoyos de tronadura.

En la figura VI.10 aparece un esquema de un hoyo de tronadura y uno de los
mtodos para tomar una muestra del cono: el tubo muestreador (figura VI.11).

Figura VI.10. Pozo de tronadura

Figura VI.11: El tubo muestreador.

Figura VI.12: Forma de tomar la muestra e incrementos del tubo.

En algunos casos el material acumulado en el cono puede ser del orden de una
tonelada. Es imprescindible entonces tomar una muestra de unos cuantos kilos.
En la figura VI.13 se demuestra con un ejemplo hipottico que si se utiliza un
captador de detritus, su diseo debe ser radial. Un corte en el cono proporciona
un crculo de radio 2r. Si suponemos, por ejemplo, que los gruesos estn en un
crculo concntrico de radio r y los finos en el exterior, entonces la proporcin real
de finos/gruesos es de 3:1. En este ejemplo, un captador rectangular entrega una
proporcin de finos/gruesos de aproximadamente 1:1.

54

Figura VI.13: Comparacin entre captador radial y no radial.

En la figura VI.14 se demuestra con un ejemplo hipottico que el tubo de

muestreo no es equiprobable. Asumiendo un ngulo de reposo de 45 grados, se
tiene una proporcin real de finos/gruesos de 7:1, mientras que el tubo entrega
una proporcin de aproximadamente 1:1.

Figura VI.14: Esquema para probar que el tubo no es equiprobable.

Se concluye entonces que uno de los mejores mtodos prcticos debera ser un
captador radial. Sin embargo esta solucin es muy difcil de implementar en
minas grandes, debido a la gran cantidad de material que cae en el captador. Por
esta razn, en minas grandes, se utiliza an el mtodo del tubo muestreador.
El tubo presenta otros problemas debido a que, en algunas minas, en el invierno,
no se puede utilizar (se congela el cono) y existe muestreo de verano (realizado
con un tubo) diferente del muestreo del invierno (realizado con una pala). Otro
problema asociado es que a veces se remueve, en forma emprica la pasadura en
la superficie del cono.

55

Ejemplos de captadores.
Hace unos aos, el autor de este libro realiz una encuesta en minas chilenas,
obteniendo los diseos, con sus dimensiones correspondientes. Se conocen como
el cajn, el molde y la cua.

Figura VI.15: El cajn captador de muestra. No es radial.

Figura VI.16: El molde captador de muestra. No es radial.

56

Figura VI.17: La cua captadora de muestra. Es radial. En ciertas minas se pone una cuerda para
retirar el dispositivo al llegar a la pasadura.

Resultados para el cajn.

El autor realiz experiencias, en una mina, en la zona de xidos, con el cajn,
tomando en 40 hoyos la muestra total (la cual se redujo y prepar en un local
cerrado para mayor confiabilidad) y la muestra del captador. Se observa que las
granulometras de la muestra y del lote no son iguales (figura VI.18).

Figura VI.18: curva granulomtrica de la muestra y el lote. La muestra tiene menos finos que el
lote.

Se comprob adems que la ley del lote era diferente de la ley de la muestra.
Se comprob tambin que la ley de los finos es superior a la ley de los gruesos, tal
como muestra la figura VI.19.

57

Figura VI.19: La ley de los finos es significativamente superior a la de los gruesos.

VI.6. El captador de lodos.

Se utiliza en algunas minas subterrneas. La perforacin es con agua y la muestra
es de lodo o barro. La recuperacin, por lo general no es buena, produciendo
una muestra de dudosa calidad. En varias minas se ha comprobado que el
muestreo de lodos produce sesgos.

Figura VI.20: El captador de lodos en minera subterrnea.

VI.7. Conclusiones.
Los ejemplos analizados muestran que en minera es muy difcil obtener una
muestra equiprobable a un costo y condiciones operacionales razonables. Cuando
por definicin la muestra no cumple con la condicin de equiprobabilidad

58

(espcimen), se deben hacer estudios acerca de la existencia de sesgos y el

posible cambio del sistema.
Mencionemos adems que es fcil demostrar que un dispositivo de muestreo es
incorrecto pero es muy difcil demostrar que un cierto dispositivo es correcto.

59

VI.8. Ejercicios y complementos.

1. A continuacin se presenta como se muestrean los hoyos de tronadura en minas
norteamericanas (Canad y USA). Cules proporcionan especimenes?

Figura VI.21. Mina 1.

Figura VI.22: Mina 2.

60

Figura VI.23: Mina 3.

Figura VI.24: Mina 4. Una variacin del tubo.

61

Figura VI.25. Mina 5.

3. Qu le parece el equipo de muestreo siguiente, correspondiente a una mina espaola?

Figura VI.26. Equipo de muestreo de pozos de tiro.

4. Para muestrear pozos de manera automtica, existen inventos (radiales) que se ponen en la
plataforma de la perforadora. Comentarios.

Figura VI.27. Muestreador automtico. A y B son puertas que se abren y cierran.

62

5. El conocimiento geolgico del depsito es fundamental para detectar errores en el muestreo.

Ejemplo: en una mina de xidos de cobre es importante la ley de carbonato CaCO3. En una cierta
mina se detect que haba valores anmalos que no correspondan con los valores normales
dentro de una unidad geolgica. Se comprob que el problema estaba en la perforacin de los
pozos: la muestra se contaminaba con aceite (el cual contiene carbono).
6. Comprobacin que la ley de los finos es mayor que la de los gruesos. En una mina de xidos de
cobre se tom como muestra el pozo completo sobre una altura de banco de 10m. Se utilizaron
harneros y tamices para separar los diferentes tamaos (en una muestra del orden de 700K). La
tabla 2 resume los resultados para el cobre total y el carbonato (100# = 0.149mm)

Fraccin
3/8
1/4
4#
14#
35#
100#
150#
-150#
Total

Tabla 2
Granulometra
CuT
en %
%
4.5
0.25
7.7
0.30
7.8
0.30
30.6
0.34
19.6
0.48
14.3
0.58
5.2
0.70
10.3
3.24
100.0
0.71

CaCO3
%
0.31
0.24
0.24
0.24
0.33
0.36
0.46
2.40
0.51

Se observa entonces que es fundamental que una muestra respete la granulometra del lote, luego
debe ser equiprobable. Qu pasara si usara una porua con hoyos (figura IV.2)?
7. Muestreo de marinas. Se utiliza en minera subterrnea. En la pila de la tronadura esponjada se
pone un cordn (real o imaginario) y se toman incrementos en los puntos de la figura VI.28. Est
bien delimitada la muestra?

Figura VI.28: Muestreo de marinas. Mtodo del cordn.

63

VII. El Error Fundamental del Muestreo. Teora de Pierre Gy.

Antes de estudiar la teora de Pierre Gy, veremos un experimento diseado por
Dominique Francois-Bongarcon:
VII.1. Un experimento de muestreo.
Este experimento se puede realizar fcilmente y consiste en lo siguiente:
En un recipiente se ponen 20 kilos de arroz, los cuales corresponden
aproximadamente a 1,000,000 de granos. Se toman 10 granos, se pintan de color
rojo, se introducen en el recipiente y se revuelve (observamos que lo anterior
corresponde a un lote que podra ser de oro con una ley alta de 10 gr/ton;
adems est liberado).

Figura VII.1. Un experimento de muestreo.

Luego, con una pala adecuada se toma una muestra de unos 250 gramos. La
experiencia se repite un cierto nmero de veces.
Se observa en este experimento:
1. Que es complicado tomar muestras en el caso de leyes bajas (10 ppm.).
Cuando la ley es ms alta, por ejemplo pintar 10,000 granos (caso de una
ley de cobre de 1%), la situacin es ms favorable.
2. En cada repeticin resulta una ley (granos rojos/total de granos) diferente, a
pesar de que la muestra es equiprobable.
3. Las diferencias entre las leyes observadas y la ley real de 10 ppm.
corresponden al error de muestreo, el cual se llama error fundamental del
muestreo. Este error es inevitable en las condiciones del enunciado y no se
puede reducir.
4. La media de las diferencias anteriores es nula, debido a que la muestra es
equiprobable.
5. La varianza de las diferencias se llama varianza del error fundamental del
muestreo.

64

6. El experimento se puede enriquecer al reemplazar los 10 granos rojos por

10 granos de metal (efecto de segregacin). Se comprueba que la varianza
del error fundamental aumenta.
7. Se comprueba adems que, si hay segregacin, una manera de reducir la
varianza del error fundamental es realizando incrementos, es decir tomar,
por ejemplo, 5 submuestras de 50 gramos para constituir la muestra
primaria.
Este experimento, muy instructivo, se puede enriquecer an ms al utilizar una
mezcla de porotos, lentejas y garbanzos...

VII.2. La formula de Pierre Gy.

La formula de Pierre Gy proporciona, en el caso de material quebrado, la
varianza relativa del error fundamental del muestreo (la varianza relativa
corresponde a la varianza del error fundamental dividida por la ley media del lote
elevada al cuadrado, luego es una varianza sin dimensin).
La Teora fue desarrollada por el Dr. Pierre Gy, Ingeniero Civil Qumico francs
(ver Anexo 2).
Antes de presentar la frmula de Gy, es necesario hacer una observacin: se trata
de una frmula aproximada cuya demostracin es difcil. En la figura VI.2 se
puede ver un extracto de la demostracin, realizada por el geomatemtico francs
Georges Matheron, la cual ocupa 11 hojas!).

Figura VII.2. Extracto de la demostracin de la frmula de Gy, por Georges Matheron.

Esta frmula ha mostrado debilidades en el caso de minerales de baja ley (ppm.).

65

La frmula de Gy.
La varianza relativa del error fundamental de muestreo est dada por:
S2 = K d3 ( 1 / MS 1 / ML )

(VII.1)

(Observar la estrecha analoga entre esta frmula y la del muestreo aleatorio

simple).
Significado de los trminos de la frmula de Gy:
ML

= masa del lote en gramos

MS

= masa de la muestra en gramos

= dimetro mximo de partculas en cm. (en la prctica se utiliza

el valor d95 correspondiente al dimetro que verifica que el 95%
de los dimetros son menores que d95)
d tambin se llama dimetro nominal.
La constante K (en estricto rigor no es una constante) se mide
en gr/cm3 y tiene la expresin siguiente:
K=cgfl
En que:

c
g

= factor de composicin mineralgica (gr/cm3)

= factor de distribucin de tamao (sin dimensin)

= factor de forma de las partculas (sin dimensin)

= factor de liberacin (0 < l < 1, sin dimensin )

Estudiaremos ahora, por separado, los factores c, g, f, l.

El factor de composicin mineralgica c.

Tiene la expresin siguiente:
c = ((1 aL) / aL )( (1 aL) g1 + aL g2 )
valor aproximadamente igual a g1/aL si aL es pequeo.

66

aL

= proporcin en peso del componente crtico o con valor

comercial (mena)

g1

= peso especfico del componente crtico (mena)

g2

= peso especfico de la ganga

El factor de distribucin de tamao g.

Depende de d y de d . Se utiliza lo siguiente:
2 < d/d < 4
1 < d/d < 2
d/d = 1
d/d > 4

g = 0.50
g = 0.75
g = 1.00
g = 0.25

d es el dimetro de las partculas mnimas, medido en cms. (en la prctica se

utiliza d05).
El valor ms utilizado es g=0.25 que corresponde a una situacin bastante
general (el dimetro de la partcula mxima es superior a 4 veces el dimetro de la
partcula mnima).
El factor de forma de las partculas.
Est definido por:
f = (volumen de la partcula) / d3
Si se supone que las partculas son aproximadamente esfricas, entonces f =
3.14159 / 6 = 0.52. Se recomienda entonces utilizar el factor:
f = 0.5
El factor de liberacin l.
Sean:
d
dl

= tamao mximo de partcula

= tamao de liberacin del componente crtico

67

Figura VII.3: El dimetro de liberacin corresponde al dimetro que hay que moler para que la
mena se libere de la ganga.

Se recomienda utilizar:
l=1

si dl > d

l = ( dl / d )b

si dl < d

Se recomienda utilizar b=1.2 para minerales de cobre y b=1.5 para el oro.

El factor de liberacin constituye una de las debilidades de la Teora debido a que
no representa bien el caso de leyes bajas (leyes medidas en ppm.).
Ejemplo: Puntos de extraccin en mina explotada por el mtodo de block-caving.
En la explotacin subterrnea de una mina chilena, en la cual la mena es
calcopirita, se extraen ML = 32,000 toneladas = 32,000,000,000 gramos, cada da.
Se muestrean, cada da, 50 puntos de extraccin, tomando 5 kilos en cada punto,
luego MS = 50 * 5000 = 250,000 gramos.
ML = 32 * 109
MS = 25 * 104
d95 = 15 cm
d = d05 = 0.021 cm
aL = porcentaje de la calcopirita en peso = 4% = 0.04
g1 = peso especfico de la calcopirita = 4.2 gr/cm3
g2 = peso especfico de la ganga = 2.8 gr/cm3
dl = tamao de liberacin de la calcopirita (50 micrones) = 0.005 cm
c = factor mineralgico =((1aL)/aL)((1aL)g1+aLg2) = 100
l = factor de liberacin = (dl/d)1.2 = 6.72*10-5

68

f = factor de forma = 0.5

g =factor de distribucin de tamao = 0.25 (d/d=714>>4)

Al aplicar la frmula se obtiene la varianza relativa:

S2 = c g f l d3 ( 1 / MS 1 / ML ) = 1.128*10-5
2S = 0.007 = 0.7%
Con un 95% de confianza el error relativo es del 0.7% (bastante bueno)
Observacin: en la prctica se tiene que ML >> MS , luego, se puede despreciar el
termino 1/ ML y la frmula de Gy queda:
S2 = c g f l d3 / MS
Se puede fijar el error deseado 2S (luego S es conocido) para encontrar el
tamao mnimo de la muestra:
MS = c g f l d3 / S2
VII.3. El Factor de Liberacin.
Como introduccin estudiemos un ejemplo:
Se tiene una pila de 400 kilos, correspondiente a un hoyo de tronadura en una
mina de oro.
El dimetro nominal de las partculas es d = 1 cm
El peso especfico del oro es 19 gr/cm3.
El dimetro de liberacin del oro es de 10 micrones = 0.001 cm
d95 = 1.0
f = 0.5
g = 0.25
c = g1/aL = 19,000,000 (suponiendo aL = 1gr/ton = 1*10-6)
Sea:
l = (dl / d)0.5 = 0.0316. Formula errnea publicada por P. Gy, considerada
hoy da como arbitraria en casos particulares.
Si S = 0.1, se obtiene un valor MS igual a:
MS = 7.5 toneladas!
El problema, descubierto por el Dr. D. F. Bongarcon, radica en el factor de
liberacin l, el cual se puede expresar ms generalmente como:

69

l = (dl / d)b
La determinacin del coeficiente b requiere experimentos de muestreo y no puede
ser reducida a la aplicacin de una formula arbitraria tal como l=(dl/d)0.5 la cual no
es soportada ni por la teora ni por experimentos. En el caso del oro, se observa
empricamente que a menudo b ~ 1.5; en el caso del cobre, b ~ 0.5. Si aplicamos
ahora la frmula de Gy, obtenemos:
MS = 7.51 kilos
Resultado bastante ms razonable que el anterior.
VII.4. Los Protocolos de Muestreo.
Las operaciones que conciernen al tratamiento de las muestras (chancado,
mezcla, reduccin, etc.) deben quedar claramente establecidas, desde un peso
inicial Q (de varios kilos) hasta la muestra de laboratorio q (de algunos gramos).
Ejemplo: testigos en una mina de oro:

Figura VII.4. Testigo (izquierda) mtodos para cortarlo (derecha)

a)
b)
c)
d)
e)
f)

cortar el testigo por la mitad d = 6 cm, peso = 8 kilos

moler 100% mediante chancador primario a un tamao de 1 cm
reducir la muestra a 4 kilos utilizando riffle
moler 100% mediante molino de rodillos a un tamao de 0.2 cm
seleccionar, por medio de riffle 400 gramos de mineral
pulverizar los 400 gramos a 150#.

En la figura VII.5 se tiene un protocolo bastante riguroso.

70

Figura VII.5: Protocolo de muestreo para mineral de oro.

Las diferentes operaciones se pueden llevar a un grfico log-log (figura VII.6).

La operacin no debe pasar la lnea de seguridad de Gy (ver ejercicio 3 siguiente).

Figura VII.6: Grfico log-log.

71

VII.5. Ejercicios y complementos.

0.5

1. Otro ejemplo para comprobar que la formula l=(dl/d) es errnea es el siguiente:

Sean fragmentos iguales (g=1) cbicos de oro (f=1), g1=20. Se toma una muestra de 2000 gramos.
Se desea una precisin S=0.01. Se pide calcular el dimetro de liberacin.
Solucin:
2
MS S 2 d
dl 3

d
cfg

-12

Se obtiene dl=10 cm=0.0001Amstrong!

Pero 1 tomo de oro = 1.5 Amstrong.
2. Bolones en muestreo de canaletas. En las minas de oro en vetas se hacen canaletas y se
reduce la muestra por cuarteo manual. Cuando el trabajador encuentra un boln, lo parte con un
combo y luego procede a dividir la muestra. Explicar esta operacin basndose en la formula de
Gy.

Figura VII.7: Reduccin del dimetro mximo de la muestra antes de cuartear. Siempre conviene
reducir el dimetro nominal antes de dividir la muestra.
3. Probar que la formula de Gy se puede escribir como:

Cd 3b
S
MS
2

Al tomar logaritmos, esta ecuacin se transforma en:

log(S 2 ) log(C) (3 b) log(d ) log(MS )

2

Sea x=log(S ), y=log(MS); entonces se tiene la ecuacin:

72

x y log(C ) (3 b) log(d )
Que es la ecuacin de una recta de pendiente 1 en coordenadas logartmicas (ver figura VII.5).
Las formulas anteriores se pueden programar fcilmente en un computador. En el pasado se
utilizaba una regla de calculo, diseada por P. Gy.

Figura VII.7: Sampling slide rule, regla de calculo para muestreo.

4. La formula de Gy coincide con la formula del muestreo estadstico cuando se tiene material
liberado. Consideremos la figura III.1. Se tienen N partculas esfricas de igual dimetro y de igual
densidad. Supongamos que K de estas partculas son de color negro. La ley del material negro es
a=K/N. Supongamos que se toma una muestra de n partculas del recipiente (K,n<N).
2
a) Probar que la varianza s de la formula III.1 es aproximadamente igual a a(1-a) cuando n
es grande.
2
b) Probar que la varianza relativa III.1 del error tiene la expresin: S =((1-a)/a)(1/n-1/N)
c) Al aplicar la formula de Gy a la situacin anterior, probar que: f=pi/6, l=1, g=1 (pi=3.1416)
El factor c es igual a: c=((1-a)/a)g en que g es el peso especfico de las partculas, luego la
2
varianza relativa del error est dada por S =((1-a)/a)(1/n-1/N) por consiguiente, en este
caso, ambas teoras coinciden.
5. Un experimento de muestreo. Utilizar un frasco transparente y poner cantidades iguales de
aceite y agua tal como en la figura VII.8. Conviene teir previamente el agua con tinta. El problema
consiste en extraer una muestra representativa de este lote.

Figura VII.8. Un experimento de muestreo.

Se puede comprobar que una pipeta (bombilla) no funciona bien. Tampoco resulta mejor agitar la
mezcla. Qu hacer?

73

VIII. Bibliografa.
M. Alfaro, 1998.

Estadstica. Tecniterrae, Santiago, Chile.

D.F. Bongarcon, 1996

Muestreo de Minerales y Comparacin de

leyes mina-planta. Tecniterrae, Santiago, Chile.

P. Gy, 1982.

Sampling of Particulate Materials.

Amsterdam, Holanda.

P.Gy y D. F. Bongarcon, 1999 Seminario

de Muestreo
Tecniterrae, Santiago, Chile.

de

Elsevier,

Minerales.

P.Gy y D. F. Bongarcon, 2000 El error ms comn en la aplicacin de la

teora del muestreo de minerales de P. Gy.
Revista Minerales. Instituto de Ingenieros de
Minas de Chile.
P. Gy, 2000.

Sampling for Analytical Purposes. Wiley, New

York.

W. Cochran, 1977

Sampling Techniques, J. Wiley, New York.

M. Kreiter, 1978

Investigacin y
Paraninfo, Madrid.

74

Prospeccin

Geolgica.

Anexo 1. Tabla de nmeros al azar.

14159
26433
69399
59230
86280
82148
09384
53594
84102
64462
44288
28475
27120
34603
13393
72458
48815
91715
01133
13841
33057
09218
31051
62749
89122
98336
86021
19070
05392
84674
00056
77857
75778
14684
46549
68925
21290
59813
51870
29780
16096
34690
33446
71010
58753
76691
28755
88235
18577
13001

26535
83279
37510
78164
34825
08651
46095
08128
70193
29489
10975
64823
19091
48610
60726
70066
20920
36436
05305
46951
27036
61173
18548
56735
79381
73362
39494
21798
17176
81846
81271
71342
96091
40901
58537
89235
21960
62977
72113
49951
31859
83026
85035
00313
32083
47303
46873
37875
80532
92787

89793
50288
58209
06286
84211
32823
50582
48111
85211
54930
66593
37867
45648
45432
02491
06315
96282
78925
48820
94151
57595
81932
07446
18857
83011
44065
63952
60943
29317
76694
45263
75778
73637
22495
10507
42019
86403
47713
49999
05973
50244
42522
26193
78387
81420
59825
11595
93751
17122
66111

23846
41971
74944
20899
70679
06647
23172
74502
05559
38196
34461
83165
56692
66482
41273
58817
92540
90360
46652
16094
91953
61179
23799
52724
94912
66430
24737
70277
67523
05132
56082
71342
17872
34301
92279
95611
44181
09960
99837
17328
59455
30825
11881
52886
61717
34904
62863
95778
68066
95909

Observacin: en estricto rigor no se trata de nmeros aleatorios sino ms bien los decimales del
nmero pi = 3.141592653... Pero se comportan muy bien como nmeros al azar. El autor ha
utilizado estos dgitos con xito en sus cursos de simulacin.

75

Anexo 2: El Profesor Pierre Maurice Gy.

El Dr. Pierre Gy obtuvo el ttulo de Ingeniero Civil Qumico, en la Escuela de Fsica

y Qumica de Pars en 1946. Doctor de Estado en Fsica en 1960. Doctor de
Estado en Matemticas en 1975. Es autor de varios libros. Obtuvo dos medallas
de oro de la Societ de lIndustrie Minrale, Francia, 1963 y 1976. Medalla
Lavoisier 1975, Medalla del Mining Metallurgy Institute de Japn, 1958.
La historia del muestreo de minerales comienza cuando Pierre se iniciaba como
ingeniero en una mina de Africa, en el Congo. Su jefe le solicit calcular la ley y el
tonelaje de un stock de mineral de plomo, recomendndole ir a la biblioteca para
encontrar el procedimiento adecuado. Pero en la biblioteca de la mina no haba
nada sobre muestreo de minerales. Entonces su jefe le dio la libertad de hacer lo
que l considerara adecuado. Utilizando el buen sentido, Pierre tom muestras y
estim la ley y el tonelaje, pero le qued una gran inquietud y una tarea para el
futuro: desarrollar una teora para el muestreo de minerales. Esto lo consigui en
investigaciones posteriores, algunas de ellas a su propio costo.

76

Anexo 3. Sesgos generados por muestreo y anlisis.

Segn Pierre Gy (ver P. Gy y D. Francois-Bongarcon, 1999) los ordenes de
magnitud de los errores pueden ser como los de la Tabla 3:

Muestreo

Tabla 3.
Error relativo en %

Muestreo primario
(no equiprobable)
Muestreo secundario
(no equiprobable)
Anlisis

Hasta 1000 %
Hasta 50%
0.1 hasta 1%

Estos sesgos son aditivos.

77

Anexo 4. Ejemplos de errores de muestreo importantes.

Esta informacin fue tomada de Pierre Gy (loc. cit.)
1. Planta de procesamiento de minerales: diseada segn torre de
muestreo sesgada. Prdida 10 millones de dlares por ao.
2. Mina: dilucin de mineral de Cu y Au de 2% que se va a lastre. Prdida de
8 millones de dlares por ao. Costo de un sistema de muestreo correcto:
90,000 dlares.
3. Comercializacin de minerales: un sistema de muestreo manual sesgado
de concentrados de Sn le costaba al productor 7 millones de dlares cada
tres aos, es decir un 9 % de la produccin. Costo de un sistema correcto:
100,000 dlares.
4. Costo adicional de un sistema de muestreo correcto: siempre es
despreciable. Los sistemas de muestreo correcto se amortizan
rpidamente.
5. Existen en nuestras minas, plantas, laboratorios, catlogos de
fabricantes, una gran cantidad de dispositivos de muestreo incorrectos (no
equiprobables)
Lo anterior se debe a la ignorancia de las reglas simples de un muestreo correcto.

78

Anexo 5. Porqu los errores aleatorios son gaussianos?

Trataremos de proporcionar una explicacin simple e intuitiva basada en el
experimento de Galton (la demostracin matemtica se basa en el Teorema del
Lmite Central, uno de los teoremas ms importantes de la Estadstica)
La plancha de Galton o quincunx consiste en una tabla, con un recipiente el
cual contiene bolillas coloreadas (en la parte superior) y tubos transparentes (en la
parte inferior) para recolectar las bolillas.

=0

Figura A.4.1: El quincunx.

Existe un orificio que deja caer las bolillas una a una.

En ausencia de error ( = 0), todas las bolillas caen en el tubo central, tal como se
muestra en la figura A.4.1.

79

Supongamos ahora que se tiene un error aleatorio debido a la suma de varios

errores tambin aleatorios:

1 ... n

2
(El error cometido al determinar la ley de mineral de una muestra es de este tipo:
en efecto, este error corresponde a una suma de errores aleatorios que son: error
inicial de tomar la muestra, error de delimitacin, errores de manipulacin, errores
de preparacin, error fundamental, etc. hasta llegar al error de anlisis qumico)
Para reproducir el efecto de una suma de errores, se ponen, en el quincunx varias
corridas de clavos y se dejan caer las bolillas, las cuales se desvan al azar, tal
como se ve en la figura A.4.2:

Figura A.4.2. El quincunx en accin.

80

Cada corrida de clavos simboliza una causa i del error total

Despus de un cierto tiempo se observa que las bolillas se distribuyen en los
tubos como una campana, la famosa campana de Gauss. Esta campana es
simtrica respecto al punto central.
Si no existe sesgo, entonces la esperanza matemtica, es decir el promedio
terico del error total es igual a 0. Sea 2 la varianza del error . Se puede
demostrar que si el error es gaussiano, entonces se cumple la relacin siguiente:

P 2 2 0.95
Es decir el error est entre -2 y +2 con 95% de probabilidad (ver la figura A.4.3)
es la desviacin estndar del error (la raz cuadrada de la varianza 2)

Figura A.4.3: La ley de Gauss o ley normal de probabilidades, es la desviacin estndar del error
(o desviacin tpica del error)

Se puede afirmar entonces que el error verifica:

2 2
con 95% de confianza.

81

A veces se dice que: = 2, con 95% de confianza.

Porqu un 95% de confianza?. Corresponde a un compromiso estadstico. Se
acepta un riesgo de equivocarse del 5%.
Lmites de confianza.
Lo anterior se conoce en Estadstica como estimacin por intervalos de confianza.
Se pueden utilizar otros valores para los lmites de confianza como los que se
proporcionan a continuacin:
=
= 1.645
= 2
= 3

con 68% de confianza.

con 90% de confianza.
con 95% de confianza.
con 99.7% de confianza.

Observamos que a medida que aumenta la confianza, el error aumenta.

Una explicacin intuitiva podra ser el ejemplo siguiente: supongamos que nos
preguntan la edad a (la cual no conocemos) de una persona. En primer lugar
hacemos una estimacin puntual, por ejemplo a=30 aos y luego realizamos
afirmaciones como las de la Tabla 4:
Tabla 4
Confianza o seguridad
Creo que la edad verifica
Estoy ms seguro que
Estoy casi seguro que

Intervalo de
confianza
29a31
25a35
20a40

Error
en aos
1
5
10

La confianza o seguridad absoluta (100%) hace que el error sea

impracticablemente grande, esta es la razn por la cual se admite como
compromiso una confianza del 95%.

82