geoestadística básica 1
TRANSCRIPT
![Page 1: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/1.jpg)
UNIVERSIDAD NACIONAL DE COLOMBIA
SEDE MEDELLIN
FACULTAD DE MINAS
XVI CONGRESO COLOMBIANO DE MINERÍA LOS DÍAS 20,21,22 DE JUNIO DEL 2011
Curso: GEOESTADÍSTICA BÁSICA APLICADA A LA MINERÍA
![Page 2: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/2.jpg)
CENTRO GEOESTADÍSTICO PERUANODirector
Alfredo Marín Suárez
Docteur Ingénieur en Sciences et TechniquesMinières - Option Géostatistique
I'école Nationale Supérieure des Mines de Paris
JUNIO del 2011
LIMA – PERÚ
![Page 3: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/3.jpg)
![Page 4: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/4.jpg)
![Page 5: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/5.jpg)
![Page 6: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/6.jpg)
ÍNDICE1. INTRODUCCIÓN
2. MODELACIÓN PROBABILÍSTICA
3. CONCEPTO DE VARIABLE REGIONALIZADA
4. EL VARIOGRAMA
4.1 Aplicación en la diferenciación de dos fenómenos
4.2 Hipótesis consideradas en el dominio de la función variograma
4.3 Distancias y ángulos del cono de tolerancia en el cálculo numérico de los variogramas experimentales
4.4 Análisis de la función variograma
4.5 Tipos principales de modelos de variogramas
![Page 7: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/7.jpg)
ÍNDICE5. VARIOGRAMA CRUZADO
5.1 Función variograma cruzado
5.2 Aplicación del variograma cruzado en el estudio de correlaciones
6. ESTIMACIÓN DE RECURSOS
6.1. Inferencia en términos de proyección vectorial
6.2. Deducción del Kriging de Matheron
6.3. Varianza de kriging de Matheron y confiabilidad de la estimación
de cada bloque
6.4 Técnica del Kriging de Matheron.
6.5 Ejemplo
![Page 8: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/8.jpg)
ÍNDICE
7. CURVAS TONELAJE - LEY DE CORTE, LEY MEDIA - LEY DE CORTE Y CANTIDAD DE METAL - LEY DE CORTE
8. SIMULACIÓN CONDICIONAL
8.1 Introducción
8.2 método de bandas rotantes
metodología
8.3 Simulación secuencial gaussiana
metodología
9.CONCLUSIONES
10. REFERENCIAS
![Page 9: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/9.jpg)
1. INTRODUCCIÓN
Se aplicará la “Teoría de las Variables Regionalizadas”más conocida con el nombre de Geoestadística, cuyateoría fue creada y desarrollada por el profesor Dr.George Matheron (1930 - 2000), plasmada en suobra monumental “Traité de GéostatistiqueAppliquée”, publicado en el año 1962 y 1963 enFrancia.
![Page 10: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/10.jpg)
2. MODELACIÓN PROBABILÍSTICA
La Geoestadística, presentada inicialmente por GeorgeMatheron como la Teoría de las VariablesRegionalizadas, considera que las variablesregionalizadas están modeladas en un espacio devariables aleatorias reales L2 sobre un espaciode probabilidades (Ventsel, 1973; Haaser 1978;Schwartz, 1981).
![Page 11: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/11.jpg)
3. CONCEPTO DE VARIABLE REGIONALIZADA
La variable regionalizada representa a una característica de un fenómeno determinado.
Figura 1. Representación de la variable regionalizada en el espacio.
![Page 12: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/12.jpg)
4. EL VARIOGRAMA
![Page 13: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/13.jpg)
4.1 Aplicación en la diferenciación de dos fenómenos
En una línea de muestreo de la zona A, tenemos lossiguientes valores de la variable regionalizada deplomo en ppm.
![Page 14: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/14.jpg)
4.1 Aplicación en la diferenciación de dos fenómenos
Realizamos un análisis estadístico básico.
a) Media aritmética:
b) La varianza:
c) El coeficiente de variación:
![Page 15: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/15.jpg)
4.1 Aplicación en la diferenciación de dos fenómenos
d) Histograma
Figura 14. Histograma de leyes de la zona A
![Page 16: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/16.jpg)
4.1 Aplicación en la diferenciación de dos fenómenos
En otra línea de muestreo en la zona B, tenemos los mismosvalores de la variable regionalizada de plomo en ppm, perodispuesto de la siguiente forma; es decir, un fenómenoestructuralmente muy diferente, a pesar de tener los mismosvalores de leyes.
![Page 17: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/17.jpg)
4.1 Aplicación en la diferenciación de dos fenómenos
Obtenemos la media aritmética, la varianza, elcoeficiente de variación y el histograma, y vemos queda los mismos resultados que los obtenidos en laZona A. Es decir que con esta estadística descriptivano logramos diferenciar dos fenómenos totalmentediferentes.
![Page 18: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/18.jpg)
4.1 Aplicación en la diferenciación de dos fenómenos
Ahora procedemos a construir los Variogramas de la Zona A y B
![Page 19: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/19.jpg)
4.1 Aplicación en la diferenciación de dos fenómenos
Graficando el variograma para la zona A.
)(h
h
Figura 15. Variograma de la zona A
![Page 20: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/20.jpg)
4.1 Aplicación en la diferenciación de dos fenómenos
![Page 21: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/21.jpg)
4.1 Aplicación en la diferenciación de dos fenómenos
Graficando el variograma para la zona B.
)(h
h
Figura 16. Variograma de la zona B
![Page 22: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/22.jpg)
4.1 Aplicación en la diferenciación de dos fenómenos
Como se puede observar el semi-Variograma, que máscomúnmente se le denomina variograma, da cuenta de laszonas estructuralmente diferentes.
![Page 23: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/23.jpg)
4.2 Hipótesis consideradas en el dominio de la función variograma.
Hipótesis Estacionaria Estricta
Hipótesis Estacionaria de Orden 2
Hipótesis Intrínseca
![Page 24: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/24.jpg)
4.3 Distancias y ángulos del cono de tolerancia en el cálculo numérico de los variogramasexperimentales .
Figura 3. Descripción de la sección del cono de tolerancia.
![Page 25: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/25.jpg)
4.4 Análisis de la función variograma.
Figura 4. Ejemplo simple de un variograma experimental y
su modelado correspondiente a una variable regionalizada.
![Page 26: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/26.jpg)
4.5 Tipos principales de modelos de variogramas
a) Modelo Efecto de Pepita Puro
b) Modelo Esférico o de Matheron
c) Modelo de Formery o Exponencial
d) Modelo con efecto “HOLE”
e) Modelo Gaussiano
![Page 27: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/27.jpg)
Modelo Efecto de Pepita Puro
h
)(h
Figura 17. Modelo Efecto de Pepita Puro
![Page 28: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/28.jpg)
Modelo Esférico o de Matheron
Figura 18. Modelo Esférico o de Matheron
![Page 29: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/29.jpg)
Modelo de Formery o Exponencial
Figura 19. Modelo de Formery o Exponencial
![Page 30: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/30.jpg)
Modelo con efecto “HOLE”
Figura 20. Modelo con efecto “HOLE”
![Page 31: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/31.jpg)
Modelo Gaussiano
Figura 21. Modelo Gaussiano
![Page 32: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/32.jpg)
5. VARIOGRAMA CRUZADO
5.1 Función variograma cruzado
![Page 33: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/33.jpg)
5.2 Aplicación del variograma cruzado en el estudio de correlaciones
Para visualizar esta función, consideremos un ejemplo de unazona de terreno explorado del cual hemos obtenidos valoresgeoquímicos del Oro y Plata y deseamos estudiar la relaciónentre los dos valores. Para este efecto aplicaremos elvariograma cruzado.
![Page 34: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/34.jpg)
5.2 Aplicación del variograma cruzado en el estudio de correlaciones
Aplicando:
![Page 35: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/35.jpg)
5.2 Aplicación del variograma cruzado en el estudio de correlaciones
Cuya gráfica es la siguiente:
h
)(hAuAg
Figura 22.Variograma cruzado de la zona explorada con correlación positiva alta entre las variables.
![Page 36: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/36.jpg)
5.2 Aplicación del variograma cruzado en el estudio de correlaciones
Observamos que cuando hay una correlación positiva alta entre las variables, el variograma cruzado tiende a tomar valores positivos altos.
![Page 37: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/37.jpg)
5.2 Aplicación del variograma cruzado en el estudio de correlaciones
Ahora veamos que pasa en otra zona, donde los valores geoquímicos de la Plata toman otros valores:
Aplicando la fórmula:
![Page 38: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/38.jpg)
5.2 Aplicación del variograma cruzado en el estudio de correlaciones
Con su gráfica:
h
)(hAuAg
Figura 23.Variograma cruzado de la zona explorada con correlación negativa alta entre las variables.
![Page 39: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/39.jpg)
5.2 Aplicación del variograma cruzado en el estudio de correlaciones
Observamos que cuando hay una correlación negativa alta entre las variables el variograma cruzado tiende a tomar valores negativos altos.
![Page 40: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/40.jpg)
6. ESTIMACIÓN DE RECURSOS
6.1 Inferencia en términos de proyección vectorial
Figura 10. Representación gráfica de la inferencia en términosde proyección vectorial
![Page 41: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/41.jpg)
6.2 Deducción del Kriging de Matheron
Considerando la hipótesis estacionaria de orden dos, se ha considerado un estimador insesgado que minimiza la varianza de estimación siguiente:
![Page 42: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/42.jpg)
6.3 Varianza de kriging de Matheron y confiabilidadde la estimación de cada bloque
![Page 43: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/43.jpg)
6.3 Varianza de kriging de Matheron y confiabilidad
de la estimación de cada bloque
![Page 44: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/44.jpg)
6.3 Varianza de kriging de Matheron y confiabilidad
de la estimación de cada bloque
![Page 45: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/45.jpg)
Figura 11. Confiabilidad de la estimación del bloque en tres casos
6.3 Varianza de kriging de Matheron y confiabilidad
de la estimación de cada bloque
![Page 46: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/46.jpg)
6.4 Técnica del Kriging de Matheron
Considerando las variables Z(xi) que están cerca de unsoporte geométrico a estimar y dentro de su aureolade influencia. Aureola definida por medio de losalcances estimados a partir de un estudio devariogramas.
Visualizaremos el procedimiento a partir de lasiguiente disposición de las muestras con respecto aun soporte geométrico V.
![Page 47: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/47.jpg)
6.4 Técnica del Kriging de Matheron
)( 11 xz
)( 22 xz
)( nn xzV
Figura 24. Disposición de muestras con respecto a un soporte geométrico V
![Page 48: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/48.jpg)
6.4. Técnica del Kriging de Matheron
Y deseamos estimar la variable Z(x) del soportegeométrico V a partir de las muestras Z(xi). Entoncesnecesitamos encontrar los pesos para estimar lavariable Zv(x0), a partir de:
![Page 49: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/49.jpg)
6.4 Técnica del Kriging de Matheron
En el ejemplo que presentaremos a continuaciónconsideremos que estamos en condiciones de aplicar unKrigeage ordinario bajo la hipótesis estacionaria de orden2, por lo que usaremos el siguiente sistema deecuaciones.
![Page 50: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/50.jpg)
6.4 Técnica del Kriging de Matheron
Este sistema resulta de minimizar la varianza deestimación 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 Matheronsiguiente:
n
1
1
![Page 51: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/51.jpg)
6.5 Ejemplo
A partir de los valores de la potencia de un manto deHematita en los puntos A y B, se desea estimar lapotencia en el punto C. Considerando que la potencia delmanto tiene el siguiente modelo de variograma.
![Page 52: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/52.jpg)
6.5 Ejemplo
A continuación se muestra la ubicación de las potencias y su orden de magnitud.
Figura 25. Variable regionalizada Potencia en los puntos A y B de un manto de Hematita
![Page 53: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/53.jpg)
6.5 Ejemplo
Entonces tenderemos a partir del sistema de ecuaciones anterior, el siguiente sistema particular:
Reemplazando:
ó
![Page 54: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/54.jpg)
6.5 Ejemplo
Restando (I) – (II) :
Ahora tenemos el siguiente sistema:
![Page 55: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/55.jpg)
6.5 Ejemplo
Sumando (I’) + (II’) :
Reemplazando en (II’) :
![Page 56: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/56.jpg)
6.5 Ejemplo
En la primera ecuación inicial:
Despejamos:
Parámetro auxiliar que será usado posteriormente en la fórmulade la varianza de Kriging de Matheron.
![Page 57: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/57.jpg)
6.5 Ejemplo
Siendo la potencia estimada del manto igual a:
Reemplazamos:
![Page 58: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/58.jpg)
6.5 Ejemplo
Ahora veamos cuál es el error que se comete en estaestimación, para lo cual particularizamos la fórmula de lavarianza de Kriging de Matheron dada anteriormente.
Reemplazando:
Este valor es el error cometido en el proceso de estimaciónrealizado.
![Page 59: Geoestadística Básica 1](https://reader035.vdocuments.site/reader035/viewer/2022081721/55cf99d2550346d0339f56a6/html5/thumbnails/59.jpg)
7. CURVAS TONELAJE - LEY DE CORTE, LEY MEDIA - LEY DE CORTE Y CANTIDAD DE METAL - LEY DE CORTE
Figura 12. Curvas que permiten evaluar el yacimiento económicamente