Dimensionamiento y Cub de Minas - Geoestadística Parte I PDF

GEOESTADSTICA APLICADA A LA EVALUACIN DE
YACIMIENTOS
Parte I
Profesor: Heber Hernndez G.
Geoestadstica para Yacimientos Minerales - H. Hernndez G.
Este material ha sido preparado a partir de los estudios publicados por

el Dr. George Matheron y quien fuera su alumno Chileno en la Escuela
Nacional Superior de Minas de Pars, el Dr. Marco Alfaro Sironvalle.
Dr. George Matheron Fundador de la Geoestadstica
Dr. Marco Alfaro Sironvalle

Reconocido Investigador, Docente & Consultor Minero
Historia de la Geoestadstica
El estudio de fenmenos con correlacin espacial, por medio de
mtodos geoestadsticos, surgi a partir de los aos sesenta,
especialmente con el propsito de predecir valores de las variables en
sitios no muestreados.
Como antecedentes suelen citarse trabajos de Herbert Sichel (1947;
1949) y Daniel Krige (1951). El primero observ la naturaleza
asimtrica de la distribucin del contenido de oro en las minas
surafricanas, la equipar a una distribucin de probabilidad lognormal
y desarroll las frmulas bsicas para esta distribucin.
Ello permiti una primera estimacin de las reservas, pero bajo el
supuesto de que las mediciones eran independientes, en clara
contradiccin con la experiencia de que existen zonas ms ricas que
otras.
Una primera aproximacin a la solucin de este problema fue dada por
gelogo Daniel Gerhardus Krige que propuso una variante del mtodo
de medias mviles, el cual puede considerarse como el equivalente al
krigeado simple que, como se ver ms adelante, es uno de los
mtodos de estimacin lineal en el espacio con mayores cualidades
tericas.
D. Krige: ingeniero de minas pionero en el campo de la geo
estadstica y fue profesor en la Universidad del
Witwatersrand en Sudfrica. Los trabajos empricos de Krige
para evaluar recursos mineros, fueron formalizados en la
dcada de 1960 por el ingeniero francs Georges Matheron.
La formulacin rigurosa y la solucin al problema de prediccin
(estimacin en muchos textos geoestadsticos) vino de la mano de
Matheron (1962) en la escuela de minas de Pars.
George Matheron fue el fundador de la Geoestadstica.
En los aos sucesivos la teora se fue depurando, ampliando su campo
de validez y reduciendo las hiptesis necesarias (Samper y Carrera,
1990). De la minera las tcnicas geoestadsticas, se han "exportado"
a muchos otros campos como hidrologa, fsica del suelo, ciencias de
la tierra y ms recientemente al monitoreo ambiental y al
procesamiento de imgenes de satlite.
En resumen
La palabra geoestadstica fue inventada por Georges Matheron en 1962.
El prefijo Geo alude a las ciencias de la tierra, que ha sido histricamente
la disciplina donde la geoestadstica se ha desarrollado.
Los campos de aplicacin actuales alcanzan los dominios ms variados,
como la evaluacin de recursos naturales (mineros, forestales, gas,
petrleo, etc.), ciencias del suelo y medio-ambientales, topografa,
oceanografa, geofsica, agricultura y anlisis de imgenes, por nombrar
algunos.
El trmino Estadistica se refiere al uso de herramientas estadsticas y
probabilsticas.
Con respecto a la estadstica clsica, la geoestadstica busca tomar en
cuenta las dependencias entre las observaciones disponibles,
considerando que ellas estn ubicadas en el espacio.
Concepto de Estimacin de Recursos & Reservas

Bustillo y Lpez Jimeno (2000) sostienen que la
estimacin de recursos, corresponde a la
determinacin de la cantidad de materia
prima contenida en un yacimiento o en una de
sus partes.
La mayora de los recursos y reservas se calculan
en
toneladas
mtricas,
solo
la
de
los metales preciosos (oro, plata y platino) se
calculan en kilogramos, los diamantes en quilates
y las reservas de gas natural, arena, piedras para
la construccin, aguas subterrneas, se estiman
en metros cbicos.

La estimacin de recursos es un fin de cada etapa de los trabajos de
prospeccin y exploracin de yacimientos minerales y
este proceso continua durante la explotacin del depsito.
Todos los trabajos de exploracin de un yacimiento contribuyen ante
todo a la estimacin de las materias primas minerales.

La cantidad de reservas de un yacimiento, como uno de los factores
principales que determinan su viabilidad econmica, posee una gran
influencia en la vida til del yacimiento, su produccin anual y la
decisin final de construir la empresa minera.
Tipos de Estimacin
La estimacin de reservas se puede dividir en dos grupos:
1. Estimacin Global
2. Estimacin Local
a. En el primer caso (Estimacin Global), se busca calcular la ley media y tonelaje
de todo un yacimiento, o de una zona grande (S) dentro del yacimiento mineral.
S
Se tiene un conjunto de Leyes Z1, Z2, Z3, Zn

localizadas en los puntos x1, x2, x3, xn
Zi
xi
Tipos de Estimacin
b. Estimacin Local: Interesa estimar la ley media de unidades o bloques dentro
de la zona (S), con el fin de localizar las zonas ricas y pobres dentro del
yacimiento.
S
Bloque Vi
La estimacin global y local estn relacionadas por que se pueden

obtener valores globales al componer los valores locales de los bloques
Vi.
S
Bloque Vi
Resumen Mtodos Tradicionales de Estimacin

No-Geoestadsticos
La Media Aritmtica
El mtodo de la media aritmtica se basa en lo siguiente: para estimar
la ley media de un conjunto S se promedian las leyes de los datos que
estn dentro de S.
Ejemplo:
Caractersticas de la Media Aritmtica

1. Todos los datos tienen el mismo peso 1/N.
2. Muy simple y fcil de calcular.
3. Produce malos resultados cuando hay agrupaciones de datos. En el ejemplo de la
figura anterior existe una agrupacin de datos en la zona de alta ley: el valor 1.57
aparece como demasiado alto.
Zona alta ley
4. No funciona bien en estimaciones locales porque quedan bloques sin

informacin.
Poligonacin
El mtodo de los polgonos se base en asignar a cada punto del
espacio la ley del dato mas prximo. Para estimar una zona S se
ponderan las leyes de los datos por el rea o volumen de influencia
Si.
Ejemplo:
Caractersticas de la Poligonacin
1.
2.
3.
4.
5.
Complicado, requiere comps, regla, planmetro.

El peso del dato Zi es Si/S.
Funciona mejor con agrupaciones de datos que la media aritmtica.
Difcil de implementar en tres dimensiones.
En general no es adecuado en estimaciones locales porque asigna la
misma ley a todos los bloque estn dentro de un mismo polgono.
Inverso de la Distancia
El mtodo del inverso de la distancia se basa en lo siguiente: asignar mayor peso a
las muestras cercanas y menor peso a las muestras alejadas a S. Esto se consigo al
ponderar las leyes de 1/di (n= 1, 2, ; di = distancia entre la muestra y el centro
de gravedad de S).
Si n: 1 (Inverso de la distancia)
Si n:2 (Inverso de la distancia al cuadrado)
Caractersticas del Inverso de la Distancia

1.
2.
3.
4.
Simple, fcil de calcular.

Se adapta mejor en estimaciones locales que globales.
No funciona bien con agrupaciones de datos.
Atribuye demasiado peso a las muestras cercanas al centro de
gravedad.
5. No toma en cuenta la forma ni el tamao del deposito mineral.
Critica mtodos de estimacin tradicional de leyes

1. Son empricos.
2. Demasiado geomtricos.
3. No consideran la estructura del fenmeno mineralizado.
Por estructura entenderemos lo siguiente:
a) La continuidad de las leyes: existen casos
desfavorables en los cuales las leyes son
errticas y otros mas favorables en donde las
leyes son regulares.
b) La posible presencia de anisotropas, es decir
direcciones en las cuales la variacin de leyes es
privilegiada (ver figura siguiente).
Ejemplo
En el caso de la figura, las leyes Z1 = 1.25 y Z2= 1.75 son simtricas con respecto al
bloque.
Los polgonos y el inverso de la distancia asignan la misma ley.

Sin embargo la ley media del bloque S es inferior a 1.5
Ejemplo
Los mtodos tradicionales de estimacin no proporcionan el error
asociado a la estimacin; entregan un nico valor, por ejemplo:
Sea Zs la ley verdadero desconocida de S. Sera interesante poder

escribir una ecuacin del tipo:
Ejemplo
La magnitud del error nos cuantificara la calidad de la estimacin y
nos indicara la necesidad eventual de hacer mas sondajes.
En general estos mtodos presentan un fenmeno conocido como
Sesgo Condicional, el cual se traduce en la practica por una sobre
estimacin de las leyes altas y una sub estimacin de las leyes bajas.
Ejemplo Fenmeno: Sesgo Condicional

Un yacimiento es dividido en bloques y estos estimados (ley) mediante
polgonos. El yacimiento estar estimado todo o nada, o bien hay
mineral con ley 1 o bien hay estril con ley 0. El ,mineral se representa
achurado en la figura siguiente:

El mtodo de los polgonos estima la ley del bloque en base a la ley del
sondaje central. En este caso se puede calcular la ley media real del
bloque. La figura siguiente muestra las leyes reales de los bloques y sus
estimaciones:

Observamos que el promedio de las leyes verdaderas es 0.54 y el
promedio de las leyes estimadas es 0.53, por ende se dice que no hay
Sesgo Global.

Sin embargo, existe el Sesgo Condicional: Para las leyes altas ocurre
que siempre la ley estimada es superior a la ley real, y para las leyes
bajas, la ley estimada es siempre inferior a la ley real.
El sesgo condicional se puede comprobar en una mina a cielo abierto, al comparar las leyes
estimadas de los bloques con el promedio de los pozos de una malla de perforacin de los mismos
bloques.
Leyes altas
Leyes bajas
Conclusin mtodos tradicionales

Con el tiempo es posible que la estimacin de reservas por mtodos
tradicionales se circunscriba slo a una necesidad acadmica, histrica
o a ciertos casos donde se sepa de una regionalizacin completamente
aleatoria, cosa muy rara en la naturaleza.
En una encuesta estadstica realizada por CHAMPIGNY & ARMSTRONG
(1993), involucrando a las 19 empresas de oro mas representativas del
mundo, antes de la ltima dcada del presente siglo slo el 11% de
ellas no est utilizando la geoestadstica para la estimacin de reservas.
En la actualidad ese porcentaje disminuyo a 0%.
Geoestadstica Definiciones literarias

La geoestadstica es una rama de la estadstica que trata fenmenos
espaciales (Journel & Huijbregts, 1978). Su inters primordial es la
estimacin, prediccin y simulacin de dichos fenmenos (Myers,
1987). Esta herramienta ofrece una manera de describir la continuidad
espacial, que es un rasgo distintivo esencial de muchos fenmenos
naturales, y proporciona adaptaciones de las tcnicas clsicas de
regresin para tomar ventajas de esta continuidad (Isaaks & Srivastava,
1989). Petitgas (1996), la define como una aplicacin de la teora de
probabilidades a la estimacin estadstica de variables espaciales.
Geoestadstica al servicio de la prediccin

Cuando el objetivo es hacer prediccin, la geoestadstica opera
bsicamente en dos etapas. La primera es el anlisis estructural, en la
cual se describe la correlacin entre puntos en el espacio. En la
segunda fase se hace prediccin en sitios de la regin no muestreados
por medio de la tcnica kriging.
Este es un proceso que calcula un promedio ponderado de las
observaciones muestrales. Los pesos asignados a los valores
muestrales son apropiadamente determinados por la estructura
espacial de correlacin establecida en la primera etapa y por la
configuracin de muestreo (Petitgas, 1996).
Geoestadstica y Teora de las Variables Regionalizadas

En trminos mineros se define la geo estadstica como la aplicacin de
la teora de las variables regionalizadas a la estimacin de las reservas.
Una variable regionalizada es una funcin que representa el
desplazamiento en el espacio de una cierta magnitud asociada a un
fenmeno natural.
Teora de las variables regionalizadas

En geo estadstica se utiliza la notacin condensada, donde un punto
del espacio se representa por la letra x. La ley en este punto se
representa por z(x). Por consiguiente, z(x=) puede significar:
Teora de las variables regionalizadas

Las denominadas variables regionalizadas son aquellas cuyos valores
(realizaciones) estn relacionados con ubicaciones precisas en el
tiempo o espacio (variables geo-referenciadas).
Es de esperar que dos valores contiguos Z(xi) y Z(xi+h), separados a
una distancia h, estn relacionados entre s (autocorrelacin), es decir
que sus valores sean dependientes el uno del otro; esto debido a que
casi siempre toda variable tiene un patrn de distribucin (o
estructura, como se le llama en geoestadstica), ya que nada es al azar
en la naturaleza.
Ejemplos de Variables Regionalizadas
Observaciones de los ejemplos anteriores

Los ejemplos anteriores nos muestran que una variable regionalizada
es simplemente una funcin z(x) del punto x. Sin embargo, esta
funcin no se comporta como las funciones que se estudian en
matemticas: en general z(x) es muy desordenada en su variacin
espacial y no se podr expresar z(x) como un polinomio.
Campo y Soporte
Se llama campo a la zona en la cual se estudia la
variable regionalizada.
El soporte es el volumen de la muestra. A menudo
el soporte es un cilindro.
Z(x) ser entonces la ley del volumen de muestra
localizado en el punto x.
En el ejemplo N 4 anterior, el soporte de la
variable regionalizada z(x) es un cuadrado de lado
100 m.
Campo y Soporte
En general en el estudio de variables regionalizadas no es bueno
mezclar soportes diferentes.
Compositacin de sondajes
Objetivos de la Teora de Variables Regionalizadas

1. Expresar las caractersticas estructurales mediante una forma
matemtica adecuada.
2. Resolver, de manera satisfactoria, el problema de la estimacin de
una variable regionalizada a partir de un conjunto de muestras,
asignando errores a las estimaciones.
Objetivos de la Teora de Variables Regionalizadas

Estos dos objetivos estn relacionados. El error de estimacin depende
de las caractersticas estructurales (continuidad, anisotropas) y se
tendr un error mayor si la variable regionalizada es mas irregular y
discontinua en su variacin espacial.
La anisotropa (opuesta de isotropa) es la propiedad general de materia segn la cual
cualidades como :elasticidad, temperatura, conductividad, velocidad de propagacin de
la luz, etc. varan segn la direccin en que son examinadas. Algo anistropo podr presentar
diferentes caractersticas segn la direccin. La anisotropa de los materiales es ms acusada
en los slidos cristalinos, debido a su estructura atmica y molecular regular.
En un sentido ms general, se habla de anisotropa cuando se produce cualquier cambio de
escala de una figura o un cuerpo, como en un grfico x-y, con factores distintos (o en
dependencia de una funcin) en cada coordenada.
Modelo Matemtico
La geo estadstica utiliza una cierta interpretacin probabilstica de la variable
regionalizada, mediante el modelo de las funciones aleatorias.
Una funcin aleatoria es una funcin Z(x) que asigna a cada punto x del espacio
un valor que depende del azar.
Al hacer un experimento sobre la funcin aleatoria se obtiene una funcin
ordinaria z(x) llamada realizacin de la funcin aleatoria Z(x)
El Variograma
El variograma es una funcin que constituye la herramienta
fundamental de la geoestadstica.
Puesto que la estadstica clsica considera las muestras como
aleatorias y completamente independientes entre si, mientras que la
geoestadstica asume una correlacin entre ellas, una forma de
expresar dicha correlacin es a travs de una funcin denominada
variograma.
El Variograma
Sean x y x+h don puntos en el espacio:
Para cada separacin h se calcula el valor de *(h) mediante
la frmula:
1 N (h)
2
( h)
(
z
(
x
)
z
(
x
h
))
i
i
2 N h i 1
*
Donde N es el nmero de pares de datos, f(Xi) el valor de la variable regionalizada en el punto i y

f(Xi+h) el valor de la variable regionalizada tomada a una distancia h de i.
El Variograma
1 N (h)
2
( h)
(
z
(
x
)
z
(
x
h
))
i
i
2 N h i 1
*
Sin embargo, en la prctica siempre se utiliza el algoritmo siguiente:
Las propiedades del variograma que se deducen rpidamente son:

La ultima relacin proviene del hecho que si dos leyes Z1 y Z2 estn a la distancia h,
entonces (Z1 Z2) = (Z2-Z1)
Calculo del variograma *(h) para una lnea muestreada regularmente
Del grafico anterior

1. Los valores obtenidos de *(h) se representan en un diagrama
frente a sus correspondientes valores de h, definindose el
correspondiente Variograma.
2. La velocidad del incremento de *(h) con el lag (h) es un reflejo de
la velocidad a la cual la influencia de una muestra disminuye con la
distancia y nos da una definicin adecuada de la denominada zona
de influencia.
3. La distancia en la que *(h) se hace constante corresponde al punto
en el cual la covarianza cov(h) entre muestras adyacentes
disminuye hasta cero. Est distancia define el lmite de la zona de
influencia de una muestra.
Recordatorio
La covarianza es un valor que indica el grado de variacin conjunta de
dos variables aleatorias. Es el dato bsico para determinar si existe una
dependencia entre ambas variables.
Recordatorio II
Que es la Varianza?
8 cms.
Aqu tenemos 9 rectngulos cuya altura es de 8 centmetros (y todos tienen la misma base).
Existe alguna variacin respecto de su altura entre estos rectngulos?

Cul es el promedio de la altura de estos rectngulos?
8+8+8+8+8+8+8+8+8
9
72
9
=8
10 cms
6 cms
8 cms.
El quinto rectngulo y el octavo rectngulo en un acto de rebelda cambiaron su altura. El quinto

rectngulo, ahora de color rojo, mide 10 centmetros, y el octavo rectngulo, de color azul, mide 6
centmetros?
Cul es el nuevo promedio de estos 9 rectngulos?
8 + 8 + 8 + 8 + 10 + 8 + 8 + 6 + 8
9
72
9
... el mismo promedio! Pero... ha habido variacin?

=8
10 cms
6 cms
8 cms.
El rectngulo rojo tiene +2 centmetros sobre el promedio, y el rectngulo azul tiene 2 centmetros
bajo el promedio. Los otros rectngulos tienen cero diferencia respecto del promedio.
Si sumamos estas diferencias de la altura respecto del promedio, tenemos
0+0+0+0+2+0+02+0
=0
Este valor nos parece indicar que no ha habido variabilidad! Y sin embargo, ante nuestros ojos,
sabemos que hay variacin.
10 cms
6 cms
8 cms.
Una forma de eliminar los signos menos de aquellas diferencias que sean negativas, esto es de
aquellos mediciones que estn bajo el promedio, es elevar al cuadrado todas las diferencias, y
luego sumar...
02 + 02 + 02 + 02 + 22 + 02 + 02 + ( 2)2 + 02 = 8
Y este resultado repartirlo entre todos los rectngulos, es decir lo dividimos por el nmero de
rectngulos que es 9
02 + 02 + 02 + 02 + 22 + 02 + 02 + ( 2)2 + 02 =
9
8
9
= 0,89
10 cms
6 cms
8 cms.
Se dice entonces que la varianza fue de 0,89

La raz cuadrada de la varianza se llama desviacin estndar
0,89 0, 943
Que la desviacin estndar haya sido de 0,943 significa que en promedio la altura de los rectngulos variaron (ya sea
aumentando, ya sea disminuyendo) en 0,943 centmetros.
Volviendo al Variograma
Para interpretar el grafico del variograma distinguiremos el

comportamiento para las distancias h pequeas y las distancias h
grandes.
Comportamiento del variograma para distancias

pequeas
Estudiaremos el comportamiento de la funcin *(h) para h (lag)
pequeo, para lo cual analizaremos 4 casos hipotticos.
Es importante el conocer casos hipotticos, ya que los resultados de
variogramas propios podrn ser comparados y con esto
representado el tipo de comportamiento de las leyes de un
deposito/ yacimiento.
Comportamiento del variograma para distancias grandes
Muy importante
Ejemplo del variograma en una malla regular

bidimensional
Variograma experimental
1 N (h)
2
( h)
(
z
(
x
)
z
(
x
h
))
i
i
2 N h i 1
*
*(h) = (2) [f(Xi) f(Xi+h)]

Variograma experimental
N (h)
1
*( h )
( z ( xi ) z ( xi h)) 2
2 N h i 1
Lags:
h1= 10 metros
h2= 20 metros
h3= 30 metros
Variograma resultante
Qu puede deducir con este variograma acerca de la malla bidimensional?

Variograma resultante
Se observa una clara anisotropa que nos indica que el fenmeno es mas regular
en la direccin EW que en la NS.
Esto se puede comprobar al mirar como varan las leyes en esas direcciones.
Ejemplo II: Mina de Fierro

Los datos a continuacin provienen de un banco de una mina de Fierro.
Observamos que el variograma es casi el mismo segn las direcciones: podemos

concluir que el fenmeno es istropo.
En este caso se justifica calcular el variograma promedio, llamado variograma
omnidireccional, el cual se puede obtener mediante un promedio ponderado de
los valores del variograma (ponderacin por el numero de parejas).
Variograma Omnidireccional
Caractersticas bsicas de un Variograma

Rango:
Distancia a la cual el
variograma se estabiliza
Sill :
Valor constante que toma el

variograma en distancias
mayores al rango
Caractersticas bsicas de un Variograma

Efecto Nugget: aunque el valor del variograma cuando
h = 0 es estrictamente 0, varios factores, tales como el
error al momento de tomar los datos y la variabilidad
a pequea escala, pueden causar que valores
separados por distancias muy cortas sean
extremadamente diferentes. Esto causa una
discontinuidad en el origen del variograma. Este salto
vertical desde el origen hasta el valor exhibido por el
variograma es llamado el efecto nugget.
Comportamiento Discontinuo
Ejercicio N 1 Propuesto
Los datos de la figura a continuacin,
corresponden a una zona dentro del
yacimiento de nitratos-yodo de lagunas.
Encontrar la funcin del variograma hasta un
lag de 250 metros, segn las direcciones 0,
90, 45 y 135.
En caso de existir alcance, indicar su orden de
magnitud.
Si la regionalizacin es istropa, encontrar el
variograma omnidireccional.
Recomendacin: Puede utilizar MS. Excel
GEOESTADSTICA APLICADA A LA EVALUACIN DE

YACIMIENTOS
Parte I
Profesor: Heber Hernndez G.

Dimensionamiento y Cub de Minas - Geoestadística Parte I PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Dimensionamiento y Cub de Minas - Geoestadística Parte I PDF

Hochgeladen von

Copyright:

Verfügbare Formate

GEOESTADSTICA APLICADA A LA EVALUACIN DE

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Este material ha sido preparado a partir de los estudios publicados por

Dr. George Matheron Fundador de la Geoestadstica

Dr. Marco Alfaro Sironvalle

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Concepto de Estimacin de Recursos & Reservas

Concepto de Estimacin de Recursos & Reservas

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Concepto de Estimacin de Recursos & Reservas

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Se tiene un conjunto de Leyes Z1, Z2, Z3, Zn

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

La estimacin global y local estn relacionadas por que se pueden

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Resumen Mtodos Tradicionales de Estimacin

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Caractersticas de la Media Aritmtica

4. No funciona bien en estimaciones locales porque quedan bloques sin

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Complicado, requiere comps, regla, planmetro.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Caractersticas del Inverso de la Distancia

Simple, fcil de calcular.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Critica mtodos de estimacin tradicional de leyes

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Los polgonos y el inverso de la distancia asignan la misma ley.

Sea Zs la ley verdadero desconocida de S. Sera interesante poder

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Ejemplo Fenmeno: Sesgo Condicional

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Ejemplo Fenmeno: Sesgo Condicional

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Ejemplo Fenmeno: Sesgo Condicional

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Ejemplo Fenmeno: Sesgo Condicional

Conclusin mtodos tradicionales

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica Definiciones literarias

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Geoestadstica al servicio de la prediccin

Geoestadstica y Teora de las Variables Regionalizadas

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Teora de las variables regionalizadas

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Teora de las variables regionalizadas

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Ejemplos de Variables Regionalizadas

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Ejemplos de Variables Regionalizadas

Geoestadstica para Yacimientos Minerales - H. Hernndez G.

Ejemplos de Variables Regionalizadas

Geoestadstica para Yacimientos Minerales - H. Hernndez G.