UNIVERSIDAD NACIONAL DANIEL ALCIDES CARRION

FACULTAD DE INGENIERA DE MINAS

ESCUELA DE FORMACIN PROFESIONAL MINAS

CAPTULO II
ING: MONTALVO CARHUARICRA, Nelson

Aplicaciones del Modelo de

Variograma

Aplicaciones

 Definir la variabilidad de un yacimiento.

a) Concepto de soporte
b) Varianza de dispersin (c/distintos soportes)
c) Varianza de estimacin

Estimacin de leyes por Kriging.

1. Soporte: es el trmino que se usa en la geoestadstica para describir el volumen en

funcin del cual se define una ley.

2. A medida que aumenta el tamao de la muestra (o del soporte de la muestra), la
varianza de las leyes resultantes disminuye.

3. El cambio en la varianza debido al cambio en el volumen se denomina la relacin

volumen-varianza.
4. Existe un tamao mnimo de bloque que se puede seleccionar ya sea como mineral o

estril. El tamao del bloque se denomina la unidad minera selectiva o UMS.

5. A medida que aumenta la UMS la varianza aumenta.

Ejemplo: un rea con sondajes en una cuadrcula regular de

aproximadamente 8 metros. En esta rea, se definen las leyes de bloque

en soportes diferentes calculando el promedio de las leyes de los

sondajes dentro de cada bloque. Los tamaos de soporte seleccionados
son bloques de 30 x 30 y 50 x 50 en el plano. En todos los casos se usa
una dimensin vertical de 12 m, correspondiente a la altura del banco.

Conclusin

NO SE PUEDE ASEVERAR LAS RESERVAS

EXPLOTABLES DE UN PROYECTO SIN FIJAR UN
TAMAO DE SOPORTE!

Varianza de Dispersin
Expresa la variabilidad de las Leyes

D 2 (0 / A ) = D 2 (v / A ) + D 2(0 / v )
D 2 : Varianza
0 : Muestras puntuales
V: Bloques
A : rea

Varianza de las
muestras
puntuales en un rea
=

Varianza de los Bloques

del rea

Varianza de las
muestras puntuales
en los bloques

Se demostr que la Varianza disminuye al aumentar el tamao

del soporte
El modelo de variograma se puede usar para predecir la varianza de leyes en un soporte de
cualquier tamao dentro de cualquier volumen.
VI es reemplazado por las leyes de los datos individuales y el trmino m es reemplazado por la ley
media del bloque y la varianza de dispersin se interpreta como la varianza de las leyes de
muestra dentro del bloque.

1. En la primera expresin, la diferencia al cuadrado media se computa en

todos los pares de puntos que definen el volumen v.

Se puede ver de la similitud de ambas expresiones que la varianza de dispersin de las

leyes de muestra dentro de un volumen es igual al medio de la funcin de variograma en
funcin del volumen. Se puede escribir matemticamente:

D2 ( 0 / v) ( v , v)

1
2 n2

n n

( z( xi ) z( x j )) 2

i=1 j=1

Basado en esta relacin se puede expresar cualquier varianza de dispersin en

trminos de la funcin de variograma

Varianza de Estimacin
1.

Mientras que la varianza de dispersin expresa la variabilidad de las leyes, la varianza de estimacin
expresa la variabilidad asociada con una

2.

Estimacin o, en otras palabras, expresa la varianza de los errores de estimacin.

3.

La varianza de estimacin es una medida de la dispersin de los errores aleatorios, ya que se requiere
que el estimador no tenga ningn sesgo y, por lo tanto, el error sistemtico ser cero.

4.

Se puede definir la varianza de estimacin para cualquier tipo lineal de estimador, no solamente para
el estimador de kriging.

5.

La caracterstica relevante del estimador de kriging es que el kriging proporciona el estimador

(ponderador) que minimiza la varianza de estimacin. As que, la varianza de estimacin ser ms
pequea cuando se aplica el kriging.

Tipos de errores
Sistemticos y Aleatorios

La precisin describe el error

aleatorio o las fluctuaciones
en torno al valor verdadero

mientras que la exactitud

describe el error sistemtico o
el sesgo.

El error de estimacin para un punto (E), ser la diferencia entre Z*, (la

verdadera ley del punto), y la Ley (Zx) que es resultado de su clculo a

travs de leyes xi afectados por un coeficiente Ki .
= Z* - Zx = Z* - (xi . Ki )

Si el estimador no tiene sesgo (error sistemtico nulo), la distribucin de

los errores debera seguir una distribucin normal.
El estimador usado tiene la forma :

*
zv ( x)

i z( xi }

i 1

donde los representan las ponderaciones asignadas a cada dato. La

nica restriccin para las ponderaciones es que sumen uno,

La varianza de estimacin va a depender de las distancias estadsticas (Y),

promedio entre los datos y el bloque. Puesto que el modelo de variograma
es una funcin creciente, el error de estimacin aumenta o diminuye con las
distancias desde las muestras al centro del bloque.(es lo que expresa el 1er
trmino de la frmula) .

El segundo trmino de la expresin involucra el promedio de la funcin del

variograma entre las ubicaciones de las muestras. Este trmino es negativo,
as que la varianza de estimacin disminuye a medida que este trmino
aumenta (datos distanciados). Si los datos se encuentran agrupados, las
muestras bsicamente investigarn el mismo punto en el espacio y, como

consecuencia, mucha de la informacin se har redundante (aumenta la

varianza de estimacin).
El tercer trmino examina el promedio de la funcin del variograma dentro del
bloque mismo. A medida que aumenta el tamao del bloque, tambin
aumenta ese trmino, reduce la varianza de estimacin.

KRIGEADO
MTODO GEOESTADSTICO

 La geoestadstica ofrece un mtodo de estimacin de reservas, usando

el variograma, llamado krigeado.

Se utiliza en la evaluacin de yacimientos para estimar el valor de una

variable regionalizada, en un punto o en un bloque, a partir del uso de
factores de ponderacin.

El mtodo se caracteriza por ser el mejor estimador lineal, insesgado de la

variable.
Mejor: por que los actores de
ponderacin se determinan
de tal forma, que la varianza
de estimacin es mnima .
Lineal: por que es una
combinacin lineal de la
informacin.

Insesgado: por que en

promedio el error es nulo.

Krigeado Puntual

Mtodo de Clculo: primero hay que determinar los factores de

ponderacin, para obtener el valor de la variable.

Estos factores se calculan a partir de un sistema de ecuaciones, en que las

incgnitas para resolver se obtienen a partir del variograma.

Variable buscadaZ *= W x Z variables dadas

Ponderador a determinar

[ C ].[ W ] =[ D ]
C: varianza de los puntos conocidos (en funcin de la distancia).
D: varianza de los puntos conocidos y el punto a estimar.

Resumiendo las ecuaciones estn formadas por tres tipos de

componentes:

1. Los factores de ponderacin (W).

2. Los factores que multiplican a W ; Yh de variables conocidas.

3. Los valores de Y0 del punto cuestin y los conocidos.

La diferencia con inverso a la distancia es que en el Krig. Se utilizan las

distancias estadsticas, no la geomtricas.

Con efecto pepita puro

No se puede usar Krig.

Con efecto pepita aumenta

aumenta la varianza del Krig.

Con alcance aumenta

disminuye la varianza del Krig.

Ejemplo de un krigeado (puntual)

Un conjunto de 4 muestras de un yacimiento de cinc, cuyas leyes son: X1 8,2% - X2
,9,6%-

X3 ,13,15%- X4 ,6,3%. El variograma a considerar se ajusta a un modelo esfrico

con alcance 250 m; C0 17 y C 66. Calcular utlizando el krigeado el valor de X0.

El primer paso es calcular las distancias geomtricas existentes entre los

puntos conocidos y entre estos y el punto a estimar ?

Luego

con

el

modelo

de

Varianza o Covariaza (-C) y la

tabla de distancias, se calculan
las matrices [ C] y [ D].Se

transforman

las

distancias

geomtricas en estadsticas.

Calculados los valores de las matrices [ C] y [ D], el objetivo es obtener los

valores de los ponderadores W, que es la incgnita, para eso debe calcularse
la matriz inversa de C C -1

El siguiente paso para obtener los ponderadores W, es multiplicar cada

lado de la ecuacin por C -1 .
W = C -1 x D

Krigeado de Bloques
El valor obtenido se le asigna a un

bloque y no a un punto.
Para determinar el valor de un bloque
se lleva a cabo una discretizacin del

rea en un conjunto de puntos ( x ej:

2x2;3x3 ; 4x4)

Los valores que se obtienen con el Krigeado, llevan los correspondientes valores de
la varianza de estimacin, lo que permite hacer un estudio de la bondad de
estimacin.
Estos valores pueden ser interpolados y confeccionar un mapa de isovarianzas.

Varianza

Categora

0-0,0075

Reservas probables

0,0075-0,0135

Reservas posibles

>0,0135

Reservas inferidas

1. El resultado se puede proporcionar por bloques o bien por isolneas a partir

de los bloques.
2. Para el clculo de reserva de cada bloque, se deber multiplicar su
superficie x potencia x densidad.
3. Las reservas totales se pueden determinar.
4. Estimando el tonelaje y el error de estimacin.
5. Estimando la ley media y el error de estimacin.

Bibliografa
Bustillo Revuelta, M. y Lpez Jimeno, C., 1997: Manual de evaluacin y diseo de explotaciones
mineras. Madrid. ISBN 84-921708-2-4 .

ANNELS, A. E. (1991). Mineral deposit evaluation. A practical approach. Ed. Chapman & Hall,
London.
TULCANAZA,E. (1992). Tcnicas geoestadsticas y criterios tcnico-econmicos para la estimacin
y evaluacin de yacimientos mineros.. E.Tulcanaza, Santiago, Chile.
Jeff Sullivan 1998. Curso Geoestadstica para Minera. Codelco Santiago d e Chile.