geoestadistica spanish
TRANSCRIPT
-
8/17/2019 Geoestadistica Spanish
1/90
MÉTODOS GEOESTADÍSTICOS BÁSICOSMÉTODOS GEOESTADÍSTICOS BÁSICOSPARA LA EVALUACIÓN DE RECURSOSPARA LA EVALUACIÓN DE RECURSOS
MINERALESMINERALES
Capacitación-Ce! C!!na
A"!#t! $%%&A"!#t! $%%&
-
8/17/2019 Geoestadistica Spanish
2/90
2
CONTENIDOCONTENIDO
• Introducción
• Motivación
• Antecedentes históricos y tendencias actuales
• Cambio de Soporte y Post-Procesamiento
• Alcance
• Estudios de Caso
• Discusiones
-
8/17/2019 Geoestadistica Spanish
3/90
3
ANTECEDENTES 'ISTÓRICOSANTECEDENTES 'ISTÓRICOS
• Resumen del nacimiento de la eoestad!stica"
#ortale$as y limitaciones" %&itos y #racasos" y
ra$ones de los mismos
La Ge!e#ta()#tica Minea en *!# +*ti,!#Cincenta A.!#
-
8/17/2019 Geoestadistica Spanish
4/90
4
ANTECEDENTES 'ISTÓRICOSANTECEDENTES 'ISTÓRICOS
• Distribución 'o(-normal de )alores de Muestrastomadas en Minas de *ro Suda#ricanas + Sichel"
#inales de la d%cada de los ,• 'a observación reali$ada por Danie .ri(e en las
Minas de *ro Suda#ricanas en /01/ constituye el#undamento de la (eoestad!stica2
“Se puede prever que los valores de oro a nivel de toda unamina estarán sujetos a una mayor variación relativa que losvalores de oro a nivel de sólo una parte de la mina” [enotras palabras, es más probable que las muestras tenganvalores similares si son tomadas en puntos cercanos quesi son tomadas en puntos más distantes]
La Ge!e#ta()#tica Minea en *!# /*ti,!#Cincenta A.!#
-
8/17/2019 Geoestadistica Spanish
5/90
5
ANTECEDENTES 'ISTÓRICOSANTECEDENTES 'ISTÓRICOS
• Contribución al Marco 3eórico + Matheron" d%cada de los
4
• Matheron acu5ó el t%rmino 6.ri(in(7 en reconocimiento al
traba8o pionero de .ri(e• Avances si(ni#icativos a nivel teórico" d%cada de los 9
• Disminución eneral en el Ritmo de Avance + proceso de
maduración" d%cada de los :" y una ve$ m;s se reconoce
a la (eolo(!a como elemento vital en el modelamiento de
depósitos• Se cometieron errores desastrosos tales como2 uso de
datos inapropiados
-
8/17/2019 Geoestadistica Spanish
6/90
6
TENDENCIAS ACTUALESTENDENCIAS ACTUALES
• M%todos de estimación actualmente utili$ados
• Modelos de e#iciencia
• Modelos de Cambio de Soporte
• 3%cnicas de Post-Procesamiento
• Modelamiento de Incertidumbres y Ries(os2
Estimación y Simulación• Avance hacia el >uturo
Pe#pecti0a Intenaci!na* 1 Me2!e# P3ctica#
-
8/17/2019 Geoestadistica Spanish
7/907
TENDENCIAS ACTUALESTENDENCIAS ACTUALES
• .ri(in( simple y ordinario + método de regresión
multivariada original empleado por Krige• .ri(in( 'o(-normal
• .ri(in( universal
• .ri(in( disyuntivo
• Pruebas iterativas de ?ri(in( de indicadores
-
8/17/2019 Geoestadistica Spanish
8/908
TENDENCIAS ACTUALESTENDENCIAS ACTUALES
•Subvaloración y sobrevaloración sistem;ticas deestimados de bloBues en di#erentes cate(or!as
de leyes
SESGOS CONDICIONALES
-
8/17/2019 Geoestadistica Spanish
9/909
E8PLICACIÓN DE SESGOSE8PLICACIÓN DE SESGOSCONDICIONALESCONDICIONALES
,
,
1
1
4
4
, , 1 1 4 4
ESTIMADOS DE BLO9UES
V A L O R E S R
E A L E S :
;
-
8/17/2019 Geoestadistica Spanish
10/90
-
8/17/2019 Geoestadistica Spanish
11/90
-
8/17/2019 Geoestadistica Spanish
12/9012
INTRODUCCIÓN
ESTADÍSTICA CLÁSICA ; ESPACIAL
• D!# En=!?e# E#ta()#tic!# Pincipa*e# (e *a E0a*ación (e Rec#!# Minea*e#
• E#ta()#tica C*3#ica 1 E#pacia*
• E#ta()#tica C*3#ica@ A#,e ?e *a# ,e#ta# #!n a*eat!ia# ! ?e n! e#t3n c!e*aci!na(a#I"n!a *a# p!#ici!ne# e*ati0a# (e *a# ,e#ta# E:G: ITS 1 T (e Sice*
M1 p!ca# #itaci!ne#
• E#ta()#tica E#pacia*@ T!,a en centa *a correlación ente *a# ,e#ta#
E# ,3# p!7a7*e ?e *a# ,e#ta# (e n ta2! #ean #i,i*ae# #i 4#ta# #e t!,an enpnt!# cecan!# ?e #i #e t!,an en pnt!# (i#tante#
La Te!)a (e Ge!e#ta()#tica e#t3 7a#a(a en *a e#ta()#tica e#pacia*: C7e na a,a (e *a e#ta()#ticaap*ica(a !ienta(a a *a (e#cipción ,ate,3tica 1 e* an3*i#i# (e !7#e0aci!ne# e#pacia*e# inc*1en(!!7#e0aci!ne# "e!*ó"ica#
-
8/17/2019 Geoestadistica Spanish
13/9013
ESTIMACIÓN
• Se (e=ine c!,! *a pe(icción (e* 0a*! (e na caacte)#tica en na 7icación (!n(e (ic! 0a*! #e
(e#c!n!ce en 7a#e a *!# 0a*!e# (e *a# caacte)#tica# ,e(i(a# en 7icaci!ne# c!n!ci(a#:
• E! (e E#ti,ación@ Di#cepancia ente e* 0a*! e#ti,a(! 1 e* Va*! Rea*: Depen(e (e@
La 0aia7i*i(a( (e *!# 0a*!e# a e#ti,a
La e=iciencia (e* ,4t!(! (e e#ti,ación
La canti(a( (e in=!,ación (i#p!ni7*e
• E2e,p*! (e M!(e*! Ge!*ó"ic! &
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
14/9014
ETAPAS DE ESTIMACIÓN F
CRITERIOS PARA LA EVALUACIÓN DE MODELOS
• En promedio *!# ,!(e*!# c!ncept!# #pe#t!# 1 e#ti,a(!#(e7en #e c!ect!#
• L!# e!e# in(i0i(a*e# *!ca*e# (e7en #e ,)ni,!#
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
15/9015
MUESTREO ; MINADO@ Me(ición (e Vaia7i*i(a( en (i=eente# E#ca*a# %
• E* en#a1! ! ,e(ición ea*i6a(a a na ,e#ta e# n p!,e(i! ,e(i(! #!7e e* 0!*,en (e *a ,e#tap! e2: n te#ti"! (e pe=!ación ! na ,e#ta (e "i2a!#:
• A ,e(i(a ?e e* 0!*,en ca,7ia *a# caacte)#tica# (e *!# 0a*!e# ,e(i(!# ca,7ian ta,7i4n Vee2e,p*!# %
• E* P!,e(i! (e *a# *e1e# e# e* ,i#,! paa *a# (i#tinta# *!n"it(e#• Sin e,7a"! *a 0aia7i*i(a( (e *a# *e1e# ,e(i(a# #e e(ce 5 4#te e# n c!ncept! "enea* c!n!ci(!
c!,! He*ación V!*,en-Vaian6a:
A ,e(i(a ?e e* 0!*,en #!7e e* ca* #e t!,a *a ,e#ta a,enta *a 0aian6a ! 0aia7i*i(a( (e *!#0a*!e# (e *a ,e#ta #e e(ce:
E* ,ina(! #e*ección #e ea*i6ó en 7a#e a n 0!*,en (e 7*!?e e#pec)=ic! ! pane*e# 1 n! a
0!*+,ene# (e te#ti"!# (e pe=!ación:
L!# T!ne*a2e# 1 Le1e# p!n!#tica(a# en 7a#e a te#ti"!# (e pe=!ación n! #e pe(en *!"a en 7a#e a7*!?e# (e ,ina(!:
Se ap*ica a 7*!?e# (e ,ina(! ! Uni(a(e# (e Mina(! Se*ecti0! inap!pia(!#
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
16/9016
CONSECUENCIAS PRÁCTICAS DEL E>ECTO DE ESCALA
• E2e,p*!# paa Ta7a2a En C*a#e
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
17/9017
CORTES ; CAMBIO DE SOPORTECORTES ; CAMBIO DE SOPORTE
%:J% %:JK :%% %:J%
%:J% :%% :%K :%
:%K :K :$K :$%
:K :$% :% :%
Bloque Grande d!ddo en "loque# SM$ $ndad deMnado Sele&'!o( de )* +, - +,
Le1 ,e(ia #!7e *e1 (e c!te- P!p!ción #!7e *e1 (e c!te-
Le1-(e c!te B*!?e# pe?e.!# B*!?e "an(e B*!?e# pe?e.!# B*!?e "an(e0 // // / // //4 // 91 ///1 /1 ,,
-
8/17/2019 Geoestadistica Spanish
18/9018
ESTADÍSTICA DESCRIPTIVA
DE>INICIONES
• POBLACIÓN@ Gp! (e !72et!# c!n caacte)#tica# e#pec)=ica#
• MUESTRA@ N+,e! (e !72et!# #e*ecci!na(!# (e *a p!7*ación (eace(! c!n cieta# e"*a# e#pec)=ica#: La# caacte)#tica# (e *a,e#ta #e ,i(en 1 e#t(ian paa ace na in=eencia:
• SOPORTE@ En "e!e#ta()#tica na ,e#ta e# a#!cia(a a # #!p!te#e e=iee a* ta,a.! 0!*,en =!,a 1 !ientación (e *a ,e#ta:
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
19/9019
ESTADÍSTICA DESCRIPTIVA
ONAS 'OMOGENEAS GEOLÓGICAS
T!(! an3*i#i# "e!e#ta()#tic! e?iee ?e *a# p!7*aci!ne# en e#t(i! #eana6!na7*e,ente !,!"4nea# e# (eci ?e *!# (at!# n! c7an a na,e6c*a (e p!7*aci!ne# c!n caacte)#tica# #i"ni=icati0a,ente (i#tinta#
L!# tip!# (e ,inea*i6ación,inea*e# p! e2: #pe"4nic!# ip!"4nic!#etc: 1 ta,7i4n #7-(!,ini!# p!p!ci!nan na 7a#e +ti* 1 =n(a,enta* en
e#te a#pect!:Sie,pe ec!(a e* pe=i2! GEOQ en GEOe#ta()#tica:
NOTACIÓN
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
20/90
20
ESTADÍSTICA DESCRIPTIVA &
• DISTRIBUCIÓN DE DATOS MEDIANTE 'ISTOGRAMAS O >RE9UENCIAS
Una (i#ti7ción (e =ecencia# (e#ci7e có,! *a# ni(a(e# (e nap!7*ación e#t3n (i#ti7i(a# en e* an"! (e ## p!#i7*e# 0a*!e#
E2e,p*!# Ta7a2a(!# en 7a#e a Dat!#
• >ecencia Re*ati0a
• >ecencia# Ac,*a(a# 1 Ac,*a(a# In0e#a#
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
21/90
21
ESTADÍSTICA DESCRIPTIVA FJ
• 'ISTOGRAMA DE LE;ES DE DI>ERENTES TAMAOS DEMUESTRA
Nóte#e *a pe?e.a p!p!ción (e en#a1!# c!n e#*ta(!# (e a*ta*e1 1 na p!p!ción ,3# pe?e.a (e en#a1!# c!n e#*ta(!# (e7a2a *e1 paa *!n"it(e# (e te#ti"!# (e $,
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
22/90
-
8/17/2019 Geoestadistica Spanish
23/90
23
ESTADÍSTICA DESCRIPTIVA $
MEDIDAS DE TENDENCIA CENTRAL O POSICIÓN
• MEDIANA@ E# e* 0a*! centa* ! *a ,e(ia ait,4tica (e *!# (!# 0a*!e# centa*e#:Di0i(e *!# (at!# en (!# ,ita(e# i"a*e#:
• E2e,p*!
La ,e(iana (e &FFF% e#
• E2e,p*! $
La ,e(iana (e KKJ$KF e# JW < %
RELACIÓN ENTRE MEDIA MEDIANA ; MODA >IG
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
24/90
24
ESTADÍSTICA DESCRIPTIVA $$
RELACIÓN ENTRE MEDIA MEDIANA ; MODA PARA SOPORTESO LONGITUDES DI>ERENTES Ta7*a
• La Me(ia #e3 #ie,pe *a ,i#,a ca*?iea #ea *a *!n"it( !0!*,en (e *a ,e#ta
• La ,!(a 1 *a ,e(iana ca,7ian:
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
25/90
25
ESTADÍSTICA DESCRIPTIVA $K
MEDIDAS DE DISPERSIÓN O VARIACIÓN
• E* "a(! en e* ca* *!# (at!# n,4ic!# e#t3n (i#pe#!# c!n e#pect! a n 0a*! p!,e(i!:
- L!# i#t!"a,a# 7ica(!# ! centa(!# en *!# ,i#,!# 0a*!e# ,e(i!# pe(en (i=ei >i": F:La 0aiación ,a"nit( ! (i#pe#ión p!p!ci!nan # i(enti(a(:
- La (i#pe#ión ! 0aiación pe(e (a#e c!n e#pect! a *a ,e(ia ,e(iana ! ,!(a:
- La ,e(i(a (e (i#pe#ión ,3# c!,+n@ Ran"! (e#0iación ,e(ia an"! intecat)*ic! 0aian6a 1(e#0iación e#t3n(a
- Ran"! < ,3i,! - ,)ni,!
E2e,p*!@ $K$ @ $-$
-
8/17/2019 Geoestadistica Spanish
26/90
26
ESTADÍSTICA DESCRIPTIVA $F X $J
MEDIDAS DE DISPERSIÓN O VARIACIÓN
• VARIANA
< La (e#0iación p!,e(i! e*e0a(a a* ca(a(! c!n e#pect! a *a,e(ia:
< #,a (e 0a*! ,e#ta* - ,e(iaYY$ n+,e! (e ,e#ta# 5
E# *a ,e(i(a (e (i#pe#ión ! ,a"nit( (e 0a*!e# ,3# #a(a
E2e,p*! $F
• DESVIACIÓN ESTÁNDAR < Ra)6 ca(a(a (e *a 0aian6a:
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
27/90
27
EZEMPLOS TRABAZADOS
: Ca*c*e *a ,e(ia ,!(a ,e(iana 0aian6a 1 (e#0iación
e#t3n(a (e* c!n2nt!@ $ $ K J
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
28/90
28
PROPIEDADES DE LA DESVIACIÓN ESTÁNDAR ; LA DISTRIBUCIÓN NORMAL
'ISTOGRAMAS MODELO
• C0a (e =ecencia #a0e paa i#t!"a,a# >i": J p3": $
• Di#ti7ción N!,a* @ ,a1!,ente a#) (en!,ina(a U#a(a paa *a tan#=!,aciónN!,a* ! Ga#iana
• En *a Di#ti7ción N!,a* @
E* &F:K[ (e t!(!# *!# 0a*!e# e#t3n c!,pen(i(!# ente ,e(ia-# 1 ,e(ia W #
e# (eci na (e#0iación e#t3n(a en ca*?ie *a(! (e *a ,e(ia
E* JK[ (e t!(!# *!# 0a*!e# e#t3n c!,pen(i(!# ente ,e(ia-$# 1 ,e(iaW$#
e# (eci (!# (e#0iaci!ne# e#t3n(a en ca*?ie *a(! (e *a ,e(ia
E* JJ[ (e t!(!# *!# 0a*!e# e#t3n c!,pen(i(!# ente ,e(ia-# 1 ,e(iaW#e# (eci te# (e#0iaci!ne# e#t3n(a en ca*?ie *a(! (e *a ,e(ia
• La# (i#ti7ci!ne# "e!*ó"ica# #!n (e#0ia(a# 1 n! #!n (iecta,ente n!,a*e# an?ea?e**a# ?e an #i(! tan#=!,a(a# *!"a)t,ica,ente pe(en #e n!,a*e# a ta*e#(i#ti7ci!ne# #e *e# (en!,ina *!"-n!,a*e#: Paa *a# (i#ti7ci!ne# *!"-n!,a*e# *a(e#0iación *!"-e#t3n(a tiene p!pie(a(e# #i,i*ae# a *a# ante# ,enci!na(a# &F[ JK[
JJ[
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
29/90
29
EZEMPLOS TRABAZADOS Da0i( @ C*a#e
Ta7*a# (e Di#ti7ción N!,a* Dete,ina(a# p! *a ,e(ia 1 *a 0aian6aDe#0iaciónE#t3n(a
- Di#ti7ción N!,a* E#t3n(a
T!(a# *a# (i#ti7ci!ne# n!,a*e# #e pe(en tan#=!,a a (i#ti7ci!ne#e#t3n(a@
Va*! N!,a* E#t3n(a < 0a*! ,e#ta* 5 ,e(ia (e *a ,e#ta (e#0iación e#t3n(a
Se pe(e #a *a =nción NORMDIST (e Ece* paa ace e* c3*c*!
Se p!p!ci!nan Ta7*a# C!,pi*a(a# en *a =!,a e#t3n(a
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
30/90
30
EZEMPLOS TRABAZADOS Da0i( @ C*a#e
Pe"nta@ Sp!n"a,!# ?e (e#c7i,!# n i,p!tante 1aci,ient! (e !! (e %%,t c!n n p!,e(i! (e K: "a,!#t!ne*a(a "t 1 na (i#ti7ción n!,a* (e*e1e#: La (e#0iación e#t3n(a (e ,e#ta# (e te#ti"!# (e pe=!ación e# %:: E*,inea* (e7e #e eta)(! en te# cate"!)a#@ p! (e7a2! (e :& "t (e7e #e api*a(!
paa e* (e#can#! na0i(e.! p! enci,a (e :& "t 1 p! (e7a2! (e & "t 0a a *aP*anta I p! enci,a (e & "t e# tan#p!ta(! a na p*anta (i=eente P*anta II:E#ti,e e* t!ne*a2e (e ca(a cate"!)a U#an(! *a Ta7*a (e Di#ti7ción N!,a*E#t3n(a:
- A!a *a #e*ección (e 7*!?e# (e ,ina(! #e ea*i6a3 en 7*!?e# ! pane*e# (eUni(a(e# (e Mina(! Se*ecti0! SMU ,c! ,3# "an(e#Q tenien(! na(e#0iación e#t3n(a ,3# pe?e.a (e %:: E#ti,e *!# ne0!# t!ne*a2e# eta)(!# en
e#ta Gan(e Uni(a( (e Mina(! Se*ecti0! De=ini SMU: C!,paa e* i,pact! (e*ca,7i! (e SMU c!n e* pi,e e2e,p*!:
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
31/90
31
DISTRIBUCIÓN LOGNORMAL
• E* i#t!"a,a *!"a)t,ic! *e1e# e# n!,a*:
• Venta2a@ Me2! ,ane2! (e (at!# #e#"a(!# 1 #! (e *a# p!pie(a(e#(e *a (i#ti7ción n!,a*:
• T (e Sice*:
• CLD 1 LNGIG:
• Deta**e# 1 E2e,p*!# =!t!c!pia-ITS: CORTE NATURAL DE IN>ORMACIÓN :
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
32/90
-
8/17/2019 Geoestadistica Spanish
33/90
33
DESAGRUPACIÓN DE DATOS
• Ge!6!na# #epaa(a# paa p!7*aci!ne# ,ita#
• Población única
• U#! (e ,a**a# #!7e *!# (at!#
OPCIONES
• Se*ecci!na #ó*! n (at! p! ce*(a
• P!n(ea in0e#a,ente *a# ,e#ta# en *!# 7*!?e#e#pecti0!#
• P!,e(ia *!# (at!# (ent! (e *a# ce*(a#
• P!7a 0aia# ce*(a# 1 !)"ene#
• E2e,p*! 1 Di#c#ión
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
34/90
34
DOS VARIABLES K
• Me(ia c!n(ici!na* 1 0aian6a c!n(ici!na*• C!0aian6a 1 c!e*ación F-$
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
35/90
35
REGRESIÓN
• An3*i#i# (e Re"e#ión Linea* ,*ti-*inea* etc:
• C!e=iciente (e c!0aian6a 1 c!e*ación
CORTE NATURAL DE IN>ORMACIÓN
INTRODUCCIÓN
-
8/17/2019 Geoestadistica Spanish
36/90
36
>UENTES DE ERROR F-K
• E!e# (e e#ti,ación (e7i(! a *a 0aia7i*i(a( (e*a# *e1e#
• La# =ente# (e e! (e7i(! a 0aia7i*i(a( #!n@
• C!ntini(a(
• !na (e in=*encia• Vaiación e#tcta* 1 a pe?e.a e#ca*a
• Ga(! (e !,!"enei(a(
• M!(! (e >!,ación
CRITERIOS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
37/90
37
EZEMPLO SIMPLE DE VARIOGRAMA-ESTRUCTURA ESPACIAL &
•Va*!e# (e *e1 en n ta2! "t
& $ J F K$ K J F & $
Paa a,7!#@ Me(ia < K"t Vaian6a < &:
Pe! *a nata*e6a (e *a 0aia7i*i(a( e# ,1 (i=eente
E# ,1 e3tica
$ Ca,7ia e# "a(a* 1 #i#te,3tica
P!,e(i! (e (i=eenciaYY$ ente pae# #ce#i0!#
$$:% 7a2a c!e*ación$ :& a*ta c!e*ación
< Va*!e# (e Vai!"a,a
VARIOGRAMA
-
8/17/2019 Geoestadistica Spanish
38/90
38
DE>INICIÓN &
• E* 0ai!"a,a paa n e#pacia,ient! (e ,e#ta ( e# *a,ita( (e *a (i=eencia p!,e(i! a* ca(a(! ente
t!(!# *!# pae# (e ,e#ta# #epaa(!# p! na(i#tancia (
E2e,p*!--D Mana* &K
Ta,7i4n $-D 1 -D & &J
NOTA@ Vai!"a,aQ 1 Se,i0ai!"a,a #e ti*i6anin(i#tinta,ente
VARIOGRAMA
-
8/17/2019 Geoestadistica Spanish
39/90
-
8/17/2019 Geoestadistica Spanish
40/90
40
PROPIEDADES DEL VARIOGRAMA %
• E#tcta# (e Tan#ición $ >i": F
- Ran"! @ C!*!ca n 0a*! ,3i,! en *a 6!na (e in=*encia - Me#eta @ E* 0ai!"a,a =*ct+a a*e(e(! (e n 0a*!c!n#tante
-
8/17/2019 Geoestadistica Spanish
41/90
41
TIPOS DE VARIOGRAMAS E8PERIMENTALES
• Ta(ici!na*@ U#! (e *e1e# 7ta# en *a =ó,*a (e* 0ai!"a,a
• Vai!"a,a# *!"a)t,ic!#@ tan#=!,ación *!"a)t,ica *!"ait,!*e1e# ante# (e*c3*c*! (e* 0ai!"a,a:
• De In(ica(!e#@ Tan#=!,ación (e in(ica(!e# ante# (e* c3*c*!:
• Re*ati0!@ Di0i(e e* 0ai!"a,a paa *a# (i#tancia# e#pecti0a# ente e* ca(a(! (e*a ,e(ia (e *!# (at!# #a(!# paa ca*c*a e* 0ai!"a,a:
• Re*ati0! (e pae2a#
p! ca(a pa (e ,e#ta#
(i0i(i ente *a ,ita( (e ,e#ta# (e ca7e6a W ,e#ta# (e e*a0eYY$
• Vai!"a,a (e pnta2e# n!,a*e#@ Tan#=!,e *!# (at!# a (i#ti7ciónn!,a* e#t3n(a ante# (e* c3*c*! (e* 0ai!"a,a
• C!0aian6a@ Mapea *a pate (e c!e*ación (e* 0ai!"a,a *a c!e*ación (i#,in1ec!n *a (i#tancia
• C!e*!"a,a@ Di0i(a ente (e#0iación e#t3n(a (e ,e#ta# (e ca7e6aY(e#0iacióne#t3n(a (e ,e#ta# (e e*a0e
VARIOGRAMA
-
8/17/2019 Geoestadistica Spanish
42/90
42
MODELADO DE VARIOGRAMASE8PERIMENTALES
• T)pic!#@ M!(e*! (e Vai!"a,a E#=4ic! >i":K ppF$ @ >i": K ppF
• Linea* "a#ian!
• E#tcta# Ani(a(a#
VARIOGRAMA
-
8/17/2019 Geoestadistica Spanish
43/90
43
INTERPRETACIÓN ; MODELADO DE VARIOGRAMAS@ PROBLEMAS ;SUGERENCIAS
• INGREDIENTE MÁS IMPORTANTE
• C!n!ci,ient! "e!*ó"ic! C!nt!*e# #!7e ,inea*i6ación
- E#tcta* 5 e#tcta# tan#0e#a*e# etc:
- Diección 76a,ient!
• Vai!"a,a# a *! *a"! (e* ta*a(!@ in=!,ación (en#a a#i#tencia paa e#ti,a(!# (e pepita
• E#pacia,ient! (e Pa#! - Di#tancia ince,enta* paa e* c3*c*! (e 0ai!"a,a#
• P! *! ,en!# (i#tancia (e pa#! *a"
-
8/17/2019 Geoestadistica Spanish
44/90
44
VARIOGRAMAS@ DI>ERENTES TAMAOS DE SOPORTE O BLO9UE FK
• E* 0ai!"a,a epe#enta caacte)#tica# e#pacia*e# ,e(i(a# paa nsoporte ! volumen específico:
• Cada tamaño de soporte, por ej. muestras de guijarros individuales enuna sección de minado, es decir, partículas de cms de tamaño, y
promedios de !"!m en la misma sección, producir# variogramasdistintos.
• P! *! "enea*@
- E* e=ect! (e pepita (i#,in1e c!n e* a,ent! (e* TAMAO DE
SOPORTE O BLO9UE - La 0aian6a (e *!# 0a*!e# #e e(ce a ,e(i(a ?e # 0!*,en !
ta,a.! a,enta
- E* an"! (e in=*encia tien(e a a,enta e* ta,a.! (e #!p!te
CORTE NATURAL DE IN>ORMACIÓN
VARIOGRAMA
-
8/17/2019 Geoestadistica Spanish
45/90
-
8/17/2019 Geoestadistica Spanish
46/90
46
GENERALIDADES
• Pincipi!# (e e#ti,ación
• Vai!# ,4t!(!# (e e#ti,ación
• >!ta*e6a# 1 (e7i*i(a(e# (e *a# (i=eente# t4cnica#
TÉCNICAS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
47/90
47
PRINCIPIOS DE ESTIMACIÓN
• C!nt!*e# e in"e#!# "e!*ó"ic!# =n(a,enta*e# GEOQen GEOe#ta()#tica
• P!p!ci!na e#ti,a(!# peci#!# e in#e#"a(!#@ "*!7a*e#1 *!ca*e#: E#ti,a(!# paa e#t(i!# (e =acti7i*i(a(
c!n=ia7*e# 1 paa (i0e#!# e?ei,ient!# (ep*ani=icación ,inea a c!t! ,e(ian! 1 *a"! p*a6!
• I,pact! (iect! #!7e ^^^^
TÉCNICAS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
48/90
48
CALIDAD DE LA ESTIMACIÓN
• E2e,p*!# (e e*ip#e (e e! E#ti,ación 7ena 1(e=iciente@ #e#"!# c!n(ici!na*e#
• IMPACTO DE ESTIMACIONES IMPRECISAS
• Deci#i!ne# ea(a# #!7e =acti7i*i(a( (e #! inten#i0! (ecapita*
• A#i"nación eónea (e ,ateia* ,inea* 1 (e (e#ec!
• P4(i(a# !peati0a#
• P!#i7i*i(a( (e ec!nci*iación (e=iciente
TÉCNICAS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
49/90
49
EZEMPLOS
• Vecin! ,3# pói,!
• P!*i"!na*e#
• In0e#! (e *a (i#tancia 0aia#
p!tencia#
• ]i"in" 0aia# pe7a# iteati0a#
TÉCNICAS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
50/90
50
VECINO MÁS PRÓ8IMO NN
• Va*! ,e#ta* a#i"na(! a* pnt! (e e#ti,ación
• E2e,p*!
W "t W _ W %"t
A B C
A a B < K, B a C
-
8/17/2019 Geoestadistica Spanish
51/90
51
MÉTODOS POLIGONALES
• Va*! (e *a ,e#ta (ent! (e *!# e#pecti0!# p!*)"!n!# a#i"na(!# c!,!e#ti,a(!#
• L!# p!*)"!n!# pe(en tene ca*?ie =!,a@ ca(an"*a tian"*a
#ecci!na* etc:
E2e,p*!
Venta2a# 1 (e#0enta2a#@ Ve Vecin! ,3# Pói,! C!n#ecencia# (e ap*icac!te# a *a# ,e#ta# en *"a (e SMUQ#
TÉCNICAS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
52/90
52
MÉTODOS DE PONDERACIÓN
• S,a (e *a# *e1e# (e *a# ,e#ta# p!n(ea(a#
E#ti,a(!< pe#! Y 0a*! ,e#ta* W pe#!$ Y 0a*! ,e#ta*$ W ` pe#!n Y0a*! ,e#ta*n
• E2e,p*!#
• Me(ia ait,4tica@ A#i"na e* ,i#,! pe#! a t!(a# *a# ,e#ta#
TÉCNICAS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
53/90
53
MÉTODOS DE PONDERACIÓN DE LA DISTANCIA• MÉTODOS DE INVERSO DE LA DISTANCIA ID
• Intiti0a,ente *a# ,e#ta# ,3# cecana# e#t3n ,3# c!e*aci!na(a# a*pnt! (e e#ti,ación
• A#i"na a*t!# pe#!# a *a# ,e#ta# cecana#
• E#ti,a(! (e ID< S,a (e *e1e# (e *a# ,e#ta# p!n(ea(a#
• E2e,p*!#@ E#ti,a(! (e* In0e#! (e *a Di#tancia a* Ca(a(! IDS@ p!n(eaca(a ,e#ta en =nción in0e#a a *a (i#tancia$ 1 (i0i(e e* e#*ta(! ente *a#,a (e *a# (i#tancia# in0e#a#$
• W :
W %:K B
A W_ W:K
C D
AC< F, BC< , CD< $,
IDS < %:KF$ W :$ W :K$$
F$ W $ W $$
TÉCNICAS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
54/90
54
MÉTODOS DE PONDERACIÓN DE LA DISTANCIA
MÉTODOS DE INVERSO DE LA DISTANCIA ID
$entaja
• R3pi(!
• >3ci* (e #a
%esventaja
• L!# #pe#t!# n! #!n #ie,pe 0ei=ica(!#: P! ?4 ID a* ca(a(! 1 n! a*c7! etc:
• N! #e t!,a en centa e* a"pa,ient! *!# pa3,et!# (e 0ai!"a,a 1 *ae#ca*a
• Pe(e ace na #!7epe(icción paa cep!# ,inea*i6a(!# c!n a*t!e=ect! (e pepita#e#"a(!# p!#iti0a,ente:
TÉCNICAS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
55/90
55
PONDERACIÓN DE LA DISTANCIA-ESTIMACIÓNÓPTIMA F
• ]RIGING
E#ti,a(!< pe#! Y 0a*! ,e#ta* W pe#!$ Y 0a*! ,e#ta*$ W ` pe#!n Y 0a*! ,e#ta*n
• L!# pe#!# 7a#a(!# en e* 0ai!"a,a #e c!,ptan paap!p!ci!na
• n e#ti,a(! in#e#"a(!
• p!(cien(! na 0aian6a (e e#ti,ación ,)ni,a e!
• CORTE ANTES DE LA DERIVACIÓN
TÉCNICAS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
56/90
56
PONDERACIÓN DE LA DISTANCIA-ESTIMACIÓNÓPTIMA F
• GENERALIDADES SOBRE LA DERIVACIÓN DE ]RIGING F-J
• EZEMPLOS
• DISCRETIACIÓN
• IMPACTO DE LOS CAMBIOS SOBRE LOS PARÁMETROS DELVARIOGRAMA Pepita etc:
• DI>ERENTES PRUEBAS ITERATIVAS O]S]L!"n!,a* I]MI]etc:
• ESTIMACIÓN V# SIMULACIÓN
• CORTE
TÉCNICAS DE ESTIMACIÓN
-
8/17/2019 Geoestadistica Spanish
57/90
57
• SESGOS CONDICIONALES
• E>ICIENCIA DEL ]RIGING
• PESOS DEL ]RIGING
• CORRELACIÓN ENTRE VALORES REALES VS
VALORES ESTIMADOS
• PESO DE LA MEDIA
PRUEBAS DE CALIDAD DEL ]RIGING
-
8/17/2019 Geoestadistica Spanish
58/90
58
• SESGOS CONDICIONALES
PRUEBAS DE CALIDAD DEL ]RIGING
-
8/17/2019 Geoestadistica Spanish
59/90
59
La eliminación de estos sesgos es fundamental para la valoración
del mineral y todos los procedimientos geoestadí sticos.
David: ‘Estimaci ó n Geoestad í stica de Reservas de Minerales (1977)’:
La insesgadez condicional es ‘el
- tema clave del trabajo preparado por Krige en 1951,
- uno de los temas clave del trabajo que preparó en
1976,
Y luego ‘apareció
como una revelació
n para mucha gente’.Posteriormente, recalcó además que ‘existe un efecto de
suavización inevitable’ en el proceso de kriging por bloques.
SESGOS CONDICIONALES
-
8/17/2019 Geoestadistica Spanish
60/90
60
¿POR QUÉ SON IMPORTANTES?
La figura que aparece abajo muestra cómo estos sesgos dan lugar a una mala clasificaci
ón de losbloques de mineral, lo que conlleva a un nivel de utilidad muy inferior al que se podrí a lograr.
Lí nea de tendencia = lí nea de regresión, y pendiente (es decir, desví o con respecto a la pendiente
de 45 grados) = medida de sesgo.
SESGOS CONDICIONALES c!ntinación
ESTIMADOS DE B.S$EDA LIMITADA !#0 VALORES REALES
SECTORES1 ESTIMADOS Y VALORES REALES2 AMBOS NO ENTREGABLES3A4 AMBOSENTREGABLES3C
ESTIMADOS NO ENTREGABLES2 VALORES REALES ENTREGABLES3B4 ESTIMADOSENTREGABLES2 VALORES REALES NO ENTREGABLES3D
ESTIMADOS CATEGORI5ADOS INCORRECTAMENTE3B Y D 67ATC7ED(
8 V a l o r e # r e a l e # 9 & o r r e # : o n d e n ' e #
E#',ado# de ";#queda &on ) a < :un'o#
Tenden&a :ro,edo
-
8/17/2019 Geoestadistica Spanish
61/90
61
SESGOS CONDICIONALES c!t(ESTIMADOS =RIGEADOS ADEC$ADOS VS 8VALORES REALES9
SEGMENTOS1 ESTIMADOS Y VALORES REALES1 AMBOS NO ENTREGABLES 3A2 AMBOSENTREGABLES 3C
ESTIMADOS NO ENTREGABLES2 VALORES REALES ENTREGABLES3C
ESTIMADOS ENTREGABLES2 VALORES REALES NO ENTREGABLES3D
ESTIMADOS CATEGORI5ADOS INCORRECTAMENTE1 SEGMENTOS B>D 67ATC7ED(
V a l o r e # r e a
l e # & o r r e # : o n d e n ' e #
E#',ado# ?r@eado# &on ";#queda ade&uada
Tenden&a :ro,edo
-
8/17/2019 Geoestadistica Spanish
62/90
62
1. Datos insuficientes. En 1950, sólo se usaban datos perif éricos
para cada bloque. Hoy en dí a, con la geoestadí stica, la rutina
de búsqueda de datos a menudo sigue siendo inadecuada,
aún cuando la base de datos completa está instalada en la
computadora.
2. No se realiza ningún análisis previo para determinar la
rutina de búsqueda mí nima requerida para eliminar los
sesgos.
3. No se llevan a cabo estudios de seguimiento para registrar la
presencia de estos sesgos y la necesidad de eliminarlos.
9UÉ CONTRIBU;E A LOS SESGOS CONDICIONALES_
-
8/17/2019 Geoestadistica Spanish
63/90
63
Sesgado Positivamente: Estimados de Bloques versus Promedios de Taladros
EZEMPLOS PRÁCTICOS DE SESGO CONDICIONAL
P R O M E
D I O S D E T A L A D R O S A I %
E#',ado# de Bloque a Lar@o Plao AI%
TENDENCIA DE REGRESIÓN
-
8/17/2019 Geoestadistica Spanish
64/90
64
E>ICIENCIA DE BLO9UE ;PENDIENTE DE REGRESIÓN
-
8/17/2019 Geoestadistica Spanish
65/90
65
1. Definición de Eficiencia:
La eficiencia se puede medir de la siguiente manera:
Eficiencia = (BV-KV)/BV expresada como un porcentaje.
Donde: BV = Varianza de Bloques (es decir, la varianza de los valores reales del
bloque – (Calculada a partir de la discretización del variograma)
y KV = Varianza de Kriging (es decir, la varianza de error de los estimados de
bloque respectivos)
Para valoraciones perfectas: KV = 0, la varianza de dispersión (DV) de los
estimados (calculada a partir del modelo krigeado observado) = BV; entonces:
Eficiencia = (BV-0)/BV = 100%.
Cuando sólo un estimado global de todos los bloques es posible, todos los bloquesse valorarán en base a la media global, es decir:
DV = 0, KV = BV, y Eficiencia = (BV-BV)/BV = 0%.
Usualmente, los bloques se valoran de manera imperfecta. Sin sesgos
condicionales:
DV = BV – KV, y Eficiencia = (BV-KV)/BV = DV/BV.
E>ICIENCIA DE ESTIMADO DE BLO9UE ; PENDIENTE DE REGRESIÓN
-
8/17/2019 Geoestadistica Spanish
66/90
66
Sin embargo, cuando hay presencia de sesgos condicionales, esta
relación no se cumple y entonces:
DV > (BV-KV) debido a la insuficiente suavización, y
Eficiencia < DV/BV = (BV-KV)/BV
La eficiencia puede incluso ser negativa si KV>BV. Dicha situación
es absurda y las valoraciones de los bloques no tendrán utilidad;
sin embargo, el autor ha encontrado en la práctica varios casos en
que la información a la que se tuvo acceso por bloque fueinsuficiente.
E>ICIENCIA DE ESTIMADO DE BLO9UES ; PENDIENTE DE REGRESIÓN
Ó
-
8/17/2019 Geoestadistica Spanish
67/90
67
E>ICIENCIA VERSUS PENDIENTE DE REGRESIÓN
CORRELACIÓN ENTRE EFICIENCIAS Y PENDIENTES
% E F I C I E N C I A
VALORES REALES/ESTIMADOS PENDIENTE DE REGRESIÓN
-
8/17/2019 Geoestadistica Spanish
68/90
68
Razón Principal = Rutina de búsqueda de datos limitada – esdecir, número de datos empleados.
El nivel requerido de datos depende de:
El tamaño y forma de los bloques de mineral
Patrón de datos y posición relativos al bloque.
Patrón espacial de datos (variograma).
Variabilidad local (Pepita)
Rango
Forma
Anisotropí as (Dirección para variaciones en la intensidad
de las continuidades). {Nótese que el ID al cuadrado no
puede incorporar todos estos elementos}
POR 9UÉ OCURREN SESGOS CONDICIONALES
Ó
-
8/17/2019 Geoestadistica Spanish
69/90
69
¿Por qué los estimados krigeados son suavizados?
SUAVIACIÓN
EFECTO DE S$AVI5ACIÓN DE =RIGING
V a l o r
e # r e a l e # d e " l o q u e
ESTIMADOS DE BLO$E
ESTIMADOS
E#',ado# #ue'o#a re@re#n
VALORES
REALES
Ó
-
8/17/2019 Geoestadistica Spanish
70/90
70
IMPLICANCIAS:
Los recursos indicados e inferidos deben ser valorizados en
bloques grandes para asegurar que no se produzcan sesgos
condicionales. Son muy suaves y conllevan a la sobrevaloración o
subvaloración de los tonelajes y leyes de corte, respectivamente, y
deben ser ‘post-procesadas’.
El efecto de suavización también se puede reducir y la calidad de
las estimaciones de los bloques de recursos indicados adyacentes o
cercanos a las áreas minadas se pueden mejorar mediante:
La regularización de los datos del área minada en bloques de datosy el uso de sus leyes medias junto con cualquier dato limitado del
área donde se encuentra el recurso, mediante co-kriging, para
valorar estos bloques de recursos.
SUAVIACIÓN c!ntinación
-
8/17/2019 Geoestadistica Spanish
71/90
71
• EN EL ]RIGING ORDINARIO
- LA SUMA DE LOS PESOS ES :% INSESGADEGLOBAL
- UNA ALTA PROPORCIÓN DE PESO CERO O NEGATIVOPUEDE INDICAR LA NECESIDAD DE REDUCIR LA
B/S9UEDA
- LOS PESOS PERI>ÉRICOS ALTOS RELATIVOS ALPESO TOTAL PODRÍAN INDICAR LA NECESIDAD DEINCREMENTAR LA B/S9UEDA
- CON MUESTRAS DE BAZO E>ECTO DE PEPITADENTRO DE LOS BLO9UES OBTIENE UN MA;OR PESO ;SUCEDE LO CONTRARIO CON MUESTRAS DE ALTOE>ECTO DE PEPITA:
PESOS DE ]RIGING
-
8/17/2019 Geoestadistica Spanish
72/90
72
• COE>ICIENTE DE CORRELACIÓN DE VALORESREALES VERSUS VALORES ESTIMADOS R
- ESTO SE PUEDE CALCULAR EN BASE ALVARIOGRAMA
- PARA ESTIMADOS DE ]RIGING DI>ERENTESMIENTRAS MA;OR SEA LA CORRELACIÓN MEZOR
PRUEBAS DE CALIDAD DEL ]RIGING
-
8/17/2019 Geoestadistica Spanish
73/90
73
•PESO DE LA MEDIA
- COMO UNA PRUEBA PARA LA B/S9UEDAADECUADA CON LA TÉCNICA DE ]RIGING SEPUEDE CALCULAR EL ]RIGING SIMPLECORRESPONDIENTE ]RIGING CON MEDIA CONOCIDA:EL PESO ASIGNADO A LA MEDIA SE PUEDE ANALIAR:POR LO GENERAL CUANDO SE ASIGNA A LA MEDIAUN PESO MA;OR AL %-K[ UNA MA;OR VECINDAD DE
B/S9UEDA REDUCIRÁ EL SESGO CONDICIONAL PARAEL ESTIMADO DE ]RIGING ORDINARIO:
PRUEBAS DE CALIDAD DEL ]RIGING
CO S OS ÁS COS
-
8/17/2019 Geoestadistica Spanish
74/90
74
1. Use las unidades de datos y tamaño de bloques correctos.
2. Establezca todos los modelos y parámetros geoestadí sticos necesarios.
Verifique si existen tendencias obvias en la ley, ancho, gravedad
especí fica (SG), ingresos geológicos, etc. y subdivida los datos en sub-
á reas/Dominios lógicos, o tome en cuenta la tendencia de manera
adecuada.
3. Tenga cuidado con los ‘cortes superiores’.
4. Determine la rutina de búsqueda requerida para eliminar los Sesgos
Condicionales. Use los bloques de datos regularizados cuando sea
apropiado.
5. Cuando sea posible, verifique para cada sub-área los promedios
generales de las leyes de los bloques versus los promedios de los datosusados después de que estos últimos hayan sido desagrupados. Ello
permitirá determinar si existe algún sesgo global obvio (esto no siempre
es posible cuando hay extrapolación directa); Revise el modelo de
Bloque versus los datos (secciones, etc.)
6. A medida que los bloques sean extraí dos, realice estudios de
CONSEZOS BÁSICOS
TAMAO DE BLO9UE ESCALA
-
8/17/2019 Geoestadistica Spanish
75/90
75
RELACIÓN VOLUMEN-VARIANA-Re*ación (e ]i"e J@
@ TRABAZO DE APCOM
Sea@
#$0D < 0aian6a (e *e1e# (e 7*!?e# pe?e.!# 0 p! e2: SMU <KK$:K, (ent! (e n Depó#it! D
#$0V < 0aian6a (e *e1e# (e 7*!?e# 0 (ent! (e n 7*!?e "an(e V p!e2: $%$%$:K,
#$VD < 0aian6a (e *e1e# (e 7*!?e "an(e V (ent! (e n Depó#it! D
La e*ación ente e#ta# te# 0aian6a# e#@
#$0D < #$0V W #$VD
A e#t! #e *e (en!,ina *a e*ación (e ]i"e:
• La# 0aian6a# "e!e#ta()#tica# #e pe(en ca*c*a p! ,e(i! (e0ai!"a,a# 1 *a e*ación (e ]i"e: Se e?ieen paa pa#a (e na
e#ca*a a !ta Deta**e# (e* e2e,p*! (e APCOM c!nteni(! en e* E#t(i!(e Ca#!:
TAMAO DE BLO9UE-ESCALA
LE;ES ESTIMADAS ; VERDADERAS
-
8/17/2019 Geoestadistica Spanish
76/90
76
CARACTERÍSTICAS DE TAMAO DE BLO9UE ; LE; JF@
TRABAZO DE APCOM
• C0a# (e *e1t!ne*a2e paa (i=eente# ta,a.!# (e 7*!?eF::
• La# caacte)#tica# (e *a# *e1e# e#ti,a(a# 1 0e(a(ea#
F::$
LE;ES ESTIMADAS ; VERDADERAS
TAMAO DE BLO9UE ESCALA
-
8/17/2019 Geoestadistica Spanish
77/90
77
LA VARIANA DE LE;ES VERDADERAS DE BLO9UES $%%-$%
TRABAZO DE APCOM
Sea@
#$0V < 0aian6a (e *a# &leyes verdaderas' (e *!# 7*!?e# 0 p! e2:KK (ent! (e n 7*!?e ! 7anc! "an(e V
SY$0V < 0aian6a (e *a# leyes estimadas' (e* 7*!?e 0KK (ent!(e* 7*!?e ! 7anc! "an(e V
#$b < 0aian6a (e bi"in" p!,e(i! (e *!# 7*!?e# 0
Se c,p*e *a #i"iente e*ación@
#$
0V < SY$
0V W #$b
E#t! #i0e (e 7a#e paa e* p!#t-p!ce#a,ient! a =in (e !7tene c0a#(e *e1t!ne*a2e ea*i#ta# n! #a0i6a(a# e#pecia*,ente paae#ti,aci!ne# (e ec#!# 7a#a(a# en (at!# *i,ita(!# (ei0a(!# (epe=!ación (ia,antina DDcic*ación (e e#e0a# RC:
CORTE NATURAL DE IN>ORMACIÓN
TAMAO DE BLO9UE-ESCALA
ESTUDIO DE CASO
-
8/17/2019 Geoestadistica Spanish
78/90
78
DATOS DE CONTROL DE RECURSOSLE;ES DERIVADOS DE
DDRCB' 5 CONTROL DE LE;ESESTIMADOS GEOESTADÍSTICOSA LARGO PLAO
INGRESOS GEOLÓGICOS
• In(i0i(a*e# e#tati"a=)a#,inea* Tip! (e 6!na pe),et!#,a**a#(e a*a,7e
• !na#(!,ini!# !,!"4ne!#
• E#tcta etc:
• Ge!*!")a@ I,pact! #i"ni=icati0! #!7e ca*?ie t4cnica (ee#ti,ación
ESTUDIO DE CASO
ESTUDIO DE CASO
-
8/17/2019 Geoestadistica Spanish
79/90
79
ESTIMADOS GEOESTADÍSTICOS
• VERI>ICACIÓN DE DATOS GIGO 5 Me#te!En#a1!# (e A#e"a,ient!(e *a Ca*i(a(C!nt!* (e Ca*i(a( 9A9C
• TAMBIÉN RECUPERACIÓN DE TESTIGOS ; GRAVEDAD ESPECÍ>ICA
• ANÁLISIS ESTADÍSTICOS PARA LOS DOMINIOS DE ROCASRESPECTIVOS
• A*tenati0a (e c!,pó#it!# paa e* ta,a.! a c!,p!#ita 5 TAMBIÉNDEBE ESTAR RELACIONADO CON LAS ALTURAS DE LOS BANCOS
• Vei=icaci!ne# paa a#e"a *a c!n=ia7i*i(a( (e *!# e#*ta(!# (e *!#c!,pó#it!# 5 ,e(ia 1 0aian6a (e (at!# pep!#t-c!,pó#it!#
• C!,paación RCDDB' pincipa*,ente en e* anc! t!ta* ! c!,p!#ita(!#p! *a "e!*!")a
•
ESTUDIO DE CASO
ESTUDIO DE CASO
-
8/17/2019 Geoestadistica Spanish
80/90
80
ESTIMADOS DE GEOESTADÍSTICA• ANÁLISIS ESTADÍSTICOS PARA LOS DOMINIOS DE ROCASRESPECTIVOS
• 'i#t!"a,a 1 "3=ic!# (e =ecencia ac,*a(a 0ei=icaci!ne# (e
(i#ti7ción p! e2: 0ei=icaci!ne# (e *!"-n!,a*i(a( 5 ta,7i4n a1(an ae*e"i *a ,et!(!*!")a (e p!#t-p!ce#a,ient!
• Vei=icación (e p!#i7*e# 0a*!e# at)pic!#Q outliers COMPUTA LAPROPORCIÓN DE METAL PERDIDO ; 'ACE UN ANÁLISIS
• De#a"pación ta,7i4n e?ei(a c!,! na (e *a# ea,ienta# paa0ei=ica *!# e#*ta(!# bi"ea(!#
• An3*i#i# (e Ten(encia# 1 0ei=icación en (!,ini!# "e!*ó"ic!# #e pe(ene?ei #7-(!,ini!# #i #e pe#entan ten(encia# #i"ni=icati0a#
ESTUDIO DE CASO
ESTUDIO DE CASO
-
8/17/2019 Geoestadistica Spanish
81/90
81
ESTIMADOS GEOESTADÍSTICOS DERIVADOS DE DD
• VARIOGRAMA paa D!,ini!#!na# (e Minea*i6ación
• U#! (e (at!# (e c!,pó#it!# (e B' RC 1 DD:
• C!,ptación@ pa3,et!# (e 0ai!"a,a epei,enta* -Dt!*eancia en *a (i#tancia (e pa#! lag
• Epectati0a#c!,pen#ión "e!*ó"ica 1 (iecci!ne# (e0ai!"a,a# -D
• Intepetación 1 ,!(e*a,ient! (e 0ai!"a,a# epei,enta*e#(iecci!na*e# -D paa # #! en e* bi"in":
ESTUDIO DE CASO
ESTUDIO DE CASO
-
8/17/2019 Geoestadistica Spanish
82/90
82
ESTIMADOS GEOESTADÍSTICOS DERIVADOS DE DDRC
• ELECCIÓN DE LA METODOLOGÍA DE ESTIMACIÓN
• CONSIDERACIONES@
• Di#p!ni7i*i(a( (e (at!#
• Ta,a.! (e 7*!?e Pa(e 1 SMUQ#
• Vaian6a (e bi"in" e=iciencia (e bi"in" e,p*e! (e (at!# (ec!,pó#it!# (e RC 1 DD
• Sa0i6ación (e 7*!?e# pa(e# 1 p!#t-p!ce#a,ient!
• ]i"in" #i,p*e e?iee ,e(ia# *!ca*e# e=iciente c!n in=!,ación*i,ita(a ! bi"in" !(inai!
• E* bi"in" !(inai! 1 e* bi"in" #i,p*e (an e#*ta(!# #i,i*ae#can(! #e (i#p!ne (e #=iciente in=!,ación p! e2: c!n c!nt!* (e
*e1e# (e RC
ESTUDIO DE CASO
ESTUDIO DE CASO
-
8/17/2019 Geoestadistica Spanish
83/90
83
ESTIMADOS GEOESTADÍSTICOS DERIVADOS DE DDRC
MODELO DE BLO9UE VACÍO
• P!p!ci!na* 1 Cent!i(e
• Venta2a# 1 De#0enta2a#
ESTUDIO DE CASO
ESTUDIO DE CASO
-
8/17/2019 Geoestadistica Spanish
84/90
84
ESTIMADOS GEOESTADÍSTICOS DERIVADOS DE DDRC
BLO9UE ORIGINAL 5 SE RELACIONA CON LA MALLA DEPER>ORACIÓN
- Depen(e (e* 0ai!"a,a etc: pe! en e* ca#! (e ,4t!(!# in(iect!#*a e"*a "enea* e#@ e* ta,a.! (e 7*!?e n! (e7e #e ,en! a *a ,ita((e* e#pacia,ient! (e (at!# #e (e7e p!7a
• E#tate"ia# (e 7+#?e(a@ #! (e pa3,et!# 1 citei!# (e e=iciencia(e 0ai!"a,a#
• N+,e! ,)ni,! (e ,e#ta# #a(! paa e* bi"in" !(inai! 1 e*bi"in" #i,p*e@ C!nti71e #i"ni=icati0a,ente a *a ca*i(a( (e *a#
e#ti,aci!ne# (e bi"in" !(inai! p!(ce #e#"!# c!n(ici!na*e# (e*!# e#ti,a(!# (e bi"in" !(inai! 5 A MENUDO IGNORADO ddddd
ESTUDIO DE CASO
ESTUDIO DE CASO
-
8/17/2019 Geoestadistica Spanish
85/90
85
RECURSOS 5 ESTIMADOS GEOESTADÍSTICOS A LARGO PLAO
DERIVADOS DE DDRC
ESTIMADOS ]RIGEADOS DE BLO9UES ORIGINALES
• Va*i(ación
• Vei=icaci!ne# "*!7a*e# c!n ,e(ia# (e#a"pa(a#
• P*ane# 1 #ecci!ne# (e (at!# bi"ea(!# 1 (at!# (e DD ! RC
• Se#"!# c!n(ici!na*e#
• C0a# (e Sa0i6ación 1 Le1 T!ne*a2e@ n! en bi"in" c!ne=iciencia #in! #a0i6an(! e#ti,aci!ne# pa(e bi"ea(a#:
• C!n#ecencia# (e #a c0a# (e t!ne*a2e*e1 bi"ea(!# 1#a0i6a(!# !i"ina*e# 0e ta,7i4n E2e,p*! (e D!(
ESTUDIO DE CASO
ESTUDIO DE CASOS
-
8/17/2019 Geoestadistica Spanish
86/90
86
RECURSOS 5 ESTIMADOS GEOESTADÍSTICOS A LARGO PLAO
DERIVADOS DE DD RC
ESTIMACIÓN DE TONELAZELE; 5 POST-PROCESAMIENTO PARAELIMINAR LA SUAVIACIÓN INDEBIDA
• C!,pta pa3,et!# paa c!ección (e in=!,ación
• Re*e0ancia (e* ta,a.! (e SMU p! e2: %%%,_ paa e* ,ina(!
• C!,pta *a# c0a# (e t!ne*a2e*e1 paa SMUQ# en 7a#e a 7*!?e#bi"ea(!# (e* pane* !i"ina* p! e2: $%$%$:K Ve e*aci!ne# pe0ia# 1
e* ta7a2! (e APCOM
• En0ia7*e# (e #a*i(a paa itt*e@ C!ncept!# (e en0ia7*e
• Pa3,et!# (e "a0e(a( e#pec)=ica aci**aa6=e 1 (i#!*ción
ESTUDIO DE CASOS
ESTUDIO DE CASO
-
8/17/2019 Geoestadistica Spanish
87/90
87
ESTIMADOS GEOESTADÍSTICOS DERIVADOS DE DDRC
• Ce#ti!ne# (e e#ti,ación 1 p*ani=icación a ,e(ian!c!t!p*a6!:
• C!n#i(eaci!ne# i,p!tante# paa n e=iciente ,!(e*!bi"ea(! (e c!nt!* (e *e1e# RCB'
• Re*e0ancia paa Rec!nci*iación (e P!(cción (e RCB'
ESTUDIO DE CASO
ESTUDIO DE CASO
-
8/17/2019 Geoestadistica Spanish
88/90
88
ESTIMADOS GEOESTADÍSTICOS DERIVADOS DE DDRC
DISCUSIÓN GENERAL
SO>TARE DESARROLLADO
•Data,ine
•Stati#tica•I#ati#
ESTUDIO DE CASO
GEOESTADÍSTICA NO LINEAL
-
8/17/2019 Geoestadistica Spanish
89/90
89
GENERALIDADES
• ]i"in" Di#1nti0!
• C!n(ici!na,ient! Uni=!,e
• T4cnica# (e In(ica(!e# I] MI] etc: 5
Pe(en ,ane2a ,inea*i6aci!ne# ,ita# (e a*ta 1 7a2a *e1e#pecia*,ente c!n c!nt!*e# "e!*ó"ic!# (i=)ci*e# C!ección (e
P!7a7i*i(a(e# c!ección (e !(en p!7*e,a# 1 n,e!#a#(e,an(a# (e c3*c*! (e 0ai!"a,a#:
• Ota tan#=!,ación p! e2e,p*! tan#=!,a(a *!"a)t,ica,ente
Pe(e ,ane2a (i#ti7ci!ne# (e#0ia(a# pe! pe#enta p!7*e,a# (etan#=!,ación in0e#a 7acb-tan#=!,ati!n
• Si,*aci!ne#@ Secencia* Ga#iana Ban(a# R!tante# Tnin" Ban(#Secencia* In(ica(!a Rec!ci(! etc:@ N! #!n ea,ienta# (e
e0a*ación #in! ?e an (e #a#e paa ea*i6a n an3*i#i# (einceti(,7e#ie#"!# (e* cep! ,inea*i6a(!:
C3n(!_
Venta2a#
GEOESTADÍSTICA NO LINEAL
-
8/17/2019 Geoestadistica Spanish
90/90
>IN