Unidad 1

GEOESTADSTICA
TERICO-PRCTICO
UPTC
I SEMESTRE
Juan Daniel Angulo Argote

2015
Unidad 1
Qu es la geoestadstica?
Conceptos bsicos de geologa aplicados a la
geoestadstica
Validacin, anlisis y verificacin de bases de datos.
Anlisis exploratorio de datos espaciales (ESDA)
La incertidumbre no es inherente al depsito, es

culpa de nuestra ignorancia respecto al fenmeno
Posttulo EGY, Universidad de Chile
Distance is 5433 kilometers or 3376 miles or 2934

nautical miles
Riesgo de Sesgo
Polygonal
ID2W
Kriging
Temario
-Conceptos bsicos de geologa aplicados en geoestadstica.
-Validacin, anlisis y verificacin en bases de datos. Anlisis
Exploratorio de Datos Espaciales (ESDA).
Objetivos del curso
General
Capacitar, entrenar y entregar las herramientas necesarias en
geoestadstica, para descifrar tendencias y comportamientos en
yacimientos minerales . PONERLE NUMERO A LOS FENOMENOS
REGIONALIZADOS.
Especficos
Conocer conceptos bsicos de geologa aplicados en geoestadstica.
Indicar secuencia de trabajo.
Aprender a manipular y ejecutar los software Wingslib+Gslib (especializado
en geoestadstica).
Interpretar cada una de las herramientas estadsticas y sus aplicaciones.
Cmo detectar datos atpicos, ausentes y aberrantes en una base de
datos, qu hacer con ellos?
Desarrollar y fortalecer las habilidades para iniciar un anlisis
geoestadstico al momento de estudiar una base de datos.
Resea histrica
Teora de probabilidades:
Formalizada en el siglo XV por Pascal y
Fermat
Gauss y Bayes desempearon un papel
ms reciente (siglo XVIII)
Base de las tcnicas geoestadsticas:
Kolmogorov, Weiner, Matern, y Gandin
(comienzos del siglo XX)
Geoestadstica:
Iniciada en los aos 50 por Krige y Sichel
en Sudfrica
Formalizada por Matheron en Francia en
los 60
En los 70, Journel y David establecieron
centros de investigacin en EEUU y
Canad
Simulacin condicional: 1974
Indicadores: 1983
PluriGaussiana: 1994
Transferencia es un proceso muy lento
Introduccin
-
La Geoestadstica es una disciplina que permite analizar

datos ubicados en un espacio, por ejemplo:
leyes de cobre, molibdeno, arsnico, etc., en un yacimiento
nmero y dimetro de los rboles en un bosque
cantidad de nitrato, pH, conductividad elctrica en muestras de

suelo
concentracin de un elemento contaminante en la atmsfera
porosidad y permeabilidad de la roca en un acufero / reservorio
precio del cobre a lo largo del tiempo
La estadstica se ocupa de los mtodos cientficos para recolectar,

organizar, resumir, presentar y analizar datos as como obtener
conclusiones vlidas y tomar decisiones razonables en base a dicho
anlisis
La geoestadstica es una rama de la estadstica aplicada que pone
nfasis en:
1.
El contexto geolgico de los datos
2.
La relacin espacial entre los datos
3.
Datos medidos con un soporte volumtrico y precisin
diferentes
La geoestadstica es til para:
Cuantificar aspectos geolgicos (ponerle nmeros a la

geologa)
Estimacin / Simulacin
Cuantificacin de la incertidumbre (categorizacin)
Diseo de muestra
Anlisis de riesgo
El anlisis geoestadstico de datos interviene en todas las etapas de un

proyecto minero:
Campaa de exploracin
Estudio de factibilidad y operacin
Explotacin
A medida que avanza el proyecto minero, se tiene un conocimiento ms
completo del depsito y se actualiza los modelos geolgicos y de recursos /
reservas para incorporar la informacin nueva.
La cantidad de muestras influye en el conocimiento de la continuidad

espacial de las leyes (regularidad, anisotropa...)
Principios Bsicos:
Trabaja dentro de restricciones geolgicas (fsicas)
Entrega herramientas para cuantificar y aprovechar la correlacin
espacial
Considera la cercana y redundancia de la informacin disponible al
punto a estimar o simular
Algoritmos para modelamiento geolgico numrico y cuantificacin de la
incertidumbre
No facilita el trabajo, pero lo mejora (si es aplicada correctamente)
La geoestadstica no hace lo siguiente:

Reemplazar buena informacin adicional
Reemplazar la necesidad de sentido comn y buen juicio
Funcionar bien como una caja negra
Ahorrar tiempo
Algunas consideraciones:
Comprensin geolgica/zonacin gua el modelamiento geoestadstico
La calidad/muestreo de datos debe considerarse antes del
modelamiento geoestadstico.
Mineral
Conceptos fundamentales
de geoestadstica
material que tiene un inters econmico, en oposicin a estril

Esta definicin depende de varios factores:
temporales (precio del metal, tecnologa...)
legales (normas de seguridad, ambientales...)
ubicacin (infraestructura disponible)
Ley
Es la concentracin de un elemento (elemento principal, subproducto o

contaminante) en el subsuelo
Potencia, Acumulacin
Ley de corte
Se trata de un valor de ley que separa categoras distintas de material,

por ejemplo mineral y estril
CONTINUIDAD
Este concepto se refiere a la distribucin de un atributo en el espacio
continuidad geolgica
continuidad de leyes
Nota: ambos tipos de continuidad
no siempre se dan en forma
simultnea
RECURSO GEOLGICO
Concentracin u ocurrencia de material de inters econmico intrnseco
en o sobre la corteza de la Tierra en forma y cantidad en que haya
probabilidades razonables de una eventual extraccin econmica
Se habla indistintamente de recursos geolgicos, minerales o in situ
RESERVA MINERA
Es la parte econmicamente explotable de un recurso mineral. Incluye
dilucin de materiales y tolerancias por prdidas que se puedan producir
cuando se extraiga el material.
Contempla la consideracin de y modificacin por factores
razonablemente asumidos de extraccin, metalrgicos, econmicos, de
mercados, legales, ambientales, sociales y gubernamentales.
CATEGORIZACIN DE RECURSOS Y RESERVAS

El nivel de conocimiento y de confianza en las estimaciones aumenta con la
exploracin del depsito. Para el reporte de recursos y reservas, se suele
definir varias categoras:
los recursos minerales se subdividen, en orden de confianza
geolgica ascendente, en categoras de inferidos, indicados y
medidos.
las reservas mineras se subdividen, en orden creciente de

confianza, en reservas probables y reservas probadas
Existen varios cdigos internacionales para guiar la categorizacin de recursos y

reservas: JORC (Australia), SAMREC (Sudfrica), CIM (Canad), IMM (Europa),
SME (Estados Unidos)...
UNIDAD SELECTIVA DE EXPLOTACIN

Es el volumen mnimo de los bloques que se puede utilizar para seleccionar
el mineral del estril
depende del equipo para explotar (pala)
base para el estudio de factibilidad
en el modelo de yacimiento, cada unidad contiene estimaciones
de sus leyes y otros parmetros (densidad, dureza, recuperacin
metalrgica, etc.)
DILUCIN
La dilucin se refiere al hecho de mezclar (no separar) el mineral del
estril. Puede deberse a varios factores:
dilucin interna
geomtrica: debido al contacto entre mineral y estril
Inherente: debida al tamao de bloque
dilucin externa o de operacin
VARIABLE REGIONALIZADA
Una variable regionalizada es una funcin que representa el
desplazamiento en el espacio de un atributo asociado a un fenmeno
natural (mineralizacin)
Ejemplos:
leyes en cobre, arsnico, molibdeno
densidad de la roca
potencia y acumulacin de una veta
cdigo de litologa
En general, una variable regionalizada presenta cierta continuidad espacial

(zonas de altos valores / zonas de bajos valores), pero vara irregularmente y
escapa a toda representacin simple
Una variable regionalizada se caracteriza por:

su NATURALEZA (continua / discreta / categrica)
Continua: son el resultado de medir y pueden contener decimales
(temperatura, profundidad, altura entre otros).
Discreta: son el resultado de contar y slo toman valores enteros (nmero
de puntos, de cuadrculas, pxeles entre otros)
Categrica: aquellas que no tienen medida numrica; tipo de roca, de
vegetacin, textura entre otros.
su dominio de extensin (CAMPO)
su SOPORTE, por ejemplo:
testigo de sondaje HQ de 1m de largo
unidad selectiva de explotacin de 5m 5m 5m
Existe una relacin entre el soporte y la distribucin estadstica de los valores:

los soportes voluminosos presentan una menor cantidad de valores extremos y
una mayor cantidad de valores intermedios que los soportes puntuales.
En minera, este efecto de soporte tiene consecuencia en la selectividad:

los tonelajes, leyes medias y cantidades de metal recuperables sobre una
ley de corte dependen del soporte de la unidad de seleccin.
Ejemplo: recursos recuperables sobre una ley de corte de 0.5% Cu
ADITIVIDAD
Se dice que una variable regionalizada es aditiva cuando el valor de
un soporte grande (bloque) es el promedio aritmtico o la suma de
los valores puntuales dentro del bloque
Ejemplos:
potencia, acumulacin, ley (si densidad constante)
Contra-ejemplos
razn de solubilidad, cdigo de litologa
Cul es la ley promedio en la veta?
335 253 581 199 212 505 296 356 352

gr Au
m1
3.30
119 81 140 75 106 215 75 34 91
t
Sin ponderar por la potencia, se obtendra:
1 335 253 581 199 212 505 296 356 352

gr Au
m2
3.93
9 119 81 140 75 106 215 75
34
91
t
COMPSITOS
Un mismo conjunto de datos no debe contener muestras de soporte

distinto. Por ende, es necesario llevar las muestras a compsitos de la
misma longitud (generalmente, igual a la altura del bloque de seleccin
minera o a un sub-mltiplo de esta altura) que se pueden agrupar en el
estudio estadstico.
Mientras ms largo el compsito, menos dispersos y menos errticos

los valores.
Creacin de compsitos
Muestras originales
con su ley de cobre
Compsitos
DATOS Y MODELOS
En general, una variable regionalizada se conoce de manera parcial, a
travs de un conjunto limitado de datos:
muestras de sondajes
datos de produccin (pozos de voladura, canales entre otros)
Para aprovechar la informacin disponible, ser necesario construir

modelos matemticos. Debe tenerse presente que un modelo nunca
describe la variable regionalizada en su totalidad, sin simplificacin, ni
distorsin.
ESTIMACIN LOCAL INCERTIDUMBRE

Para compensar la falta de informacin debida al nmero limitado de
datos, el modelo permitir estimar los valores de los bloques que
componen el yacimiento a partir de las muestras circundantes.
Cabe recordar que las estimaciones nunca son perfectas y estn

afectadas por errores que pueden incidir en el clculo de los recursos o
de las reservas
Ejemplo: clasificacin de las unidades selectivas de explotacin en mineral o

estril
Fuentes de errores
variabilidad inherente de las leyes
errores en el modelo geolgico
errores de muestreo (variabilidad introducida)
Etapas en la evaluacin de yacimientos
Modelamiento geolgico: determinacin de unidades geolgicas

en base a la litologa, mineraloga, alteracin, etc. En general, cada
unidad se estudia y se estima por separado.
Evaluacin de la calidad de los datos (muestras)

Modelamiento geoestadstico de los datos
Estimacin global y local de los recursos geolgicos

Definicin y reporte de las reservas mineras
Anlisis Exploratorio
de Datos Espaciales
(ESDA)
Objetivos del estudio exploratorio de datos

Desplegar los datos en diferentes formas
Entender los datos:
- poblaciones estadsticas vs. poblaciones geolgicas
Seleccionar poblaciones geolgicas
Decisin de estacionaridad / Identificar deriva en los datos
Asegurar la calidad de los datos
Resumir parte de la informacin contenida en los datos
Familiarizarse con los datos y la geologa
Presentacin de los datos

Sondajes de exploracin en un yacimiento tipo prfido cuprfero
obtencin de 2376 datos compositados con sus leyes de
cobre total (en %), oro total (en ppm) y el tipo de roca.
Cdigo
4
Tipo de roca
Granodiorta cascada
54
Diorta
20
Brecha de turmalina
31
Brecha de polvo de roca
34
Brecha de polvo de roca y turmalina
28
Brecha monolito
29
Brecha de turmalina - monolito
Despliegue de atributos (mapas)

Permite visualizar la ubicacin de los datos en el espacio y darse
una idea preliminar de la continuidad espacial de la variable
regionalizada en estudio:
litologa
mineralizacin
alteracin
Definicin de unidades geolgicas, UG
leyes, densidad, potencia, etc.

Tipos de despliegue
proyecciones en plantas y secciones; vistas 3D
codificar datos por colores, por indicador o por smbolos
Despliegue de atributos (mapas)

Nos interesamos por la ley de cobre total
Distribucin de leyes
Histograma estndar
Visualiza la frecuencia de ocurrencia en funcin del valor
Utilidad
Ver la distribucin de valores (rango, forma, asimetra)
Detectar valores atpicos (outliers)
Detectar bi- o multi-modalidades (mezcla de varias
poblaciones de datos?)
Desagrupamiento
Cuando la malla de muestreo es irregular, es preferible no atribuir el
mismo peso estadstico a todos los datos. La operacin de
desagrupamiento consiste en ponderar los datos en funcin de su grado
de aislamiento: mientras ms aislado, ms peso.
Principales mtodos:
polgonos de influencia
mtodo de las celdas
Desagrupamiento: mtodo de los polgonos de influencia
Se pondera cada dato proporcionalmente a su volumen de influencia en
el campo.
Desagrupamiento: mtodo de las celdas
Se divide la zona muestreada en celdas de mismo volumen. Cada celda
tiene el mismo peso, el cual se reparte entre los datos contenidos en
esta celda.
Factores que especificar para ejecutar el mtodo de las celdas:
origen de la red de celdas
orientacin de las celdas
tamao de las celdas: tomar el tamao que minimiza el valor
promedio desagrupado?
Los algoritmos de desagrupamiento presentados

consideran criterios geomtricos al ponderar los datos en
funcin de su grado de aislamiento: mientras ms aislado,
ms peso
no toman en cuenta la continuidad espacial de los datos,

aunque idealmente este factor tambin debera ser tomado en
consideracin.
Histograma desagrupado por los pesos obtenidos por el mtodo de
las celdas, con celdas de tamao 48m 48m 12m
Estadstica bsica
medidas de posicin
media, moda, mnimo, mximo, cuantiles o percentiles (mediana,
cuartiles, quintiles, deciles, centiles)
medidas de dispersin
varianza, desviacin estndar, coeficiente de variacin, rango, rango
intercuartil
medidas de forma
coeficiente de asimetra, coeficiente de aplanamiento
Estadsticas Bsicas
Yacimiento tipo prfido
cuprfero
CV = 0.7
Yacimiento de cobre de
mediana var.
CV = 1.5
Yacimiento de oro de alta
variabilidad
CV = 4.5
Herramientas alternativas al histograma estndar
diagrama de caja
histograma acumulado
grficos de probabilidad
curvas tonelaje-ley
El clculo de estas herramientas debe tomar en cuenta los

ponderadores de desagrupamiento.
Diagrama de caja
Permite resumir algunas caractersticas de la distribucin, tal como su
simetra y su dispersin
Histograma acumulado
Para cada ley de corte, se visualiza la frecuencia de los valores menores
que dicha ley de corte.
Grficos de probabilidad
Estos grficos comparan una distribucin emprica con una distribucin
de referencia normal o lognormal.
El grfico de probabilidad normal distorsiona el eje de las ordenadas
del histograma acumulado, de modo que el grfico dibujara una recta en
caso de tener una distribucin normal o Gaussiana.
El grfico de probabilidad lognormal consiste en usar una escala

logartmica en el eje de las abscisas: si la distribucin de los valores fuera
lognormal, se obtendra una recta.
La presencia de varias poblaciones entre los datos puede traducirse en

un quiebre de pendiente en estos grficos. Sin embargo no es una
condicin necesaria ni suficiente, por lo que se debe complementar el
anlisis con otra informacin.
Grfico de Probabilidad
Son tiles para chequear la presencia de dos poblaciones
Debe confirmarse con informacin geolgica
Curvas tonelaje-ley
El tonelaje asociado a una ley de corte es la cantidad de valores que superan

esta ley de corte. La media de estos valores provee la ley promedio sobre la
ley de corte. El tonelaje tambin puede expresarse como fraccin del total
(entre 0 y 1).
Cuando aumenta la ley de corte, el tonelaje decrece y la ley media crece. El

producto del tonelaje por la ley media define la cantidad de metal (funcin
decreciente de la ley de corte).
Hay que tener cuidado que las curvas tonelaje ley dependen del soporte de
los valores medidos, en particular las curvas asociadas a los datos (soporte
puntual) no coinciden con las curvas de las unidades selectivas de explotacin
(bloques). Para estimar estas ltimas, ser necesario construir un modelo de
cambio de soporte.
Comportamiento direccional
Nubes direccionales
Visualizan el comportamiento de los valores a lo largo de los ejes de
coordenada. Esta herramienta permite detectar valores atpicos e
identificar tendencias o cambios en la continuidad espacial de los valores.
rango [m]
media
[% Cu]
desv. estndar
[% Cu]
0 50
0.55
0.27
50 100
0.96
0.46
100 150
1.23
0.81
150 200
1.13
0.57
200 250
1.15
0.82
250 300
0.94
0.52
300 350
0.82
0.42
350 400
0.73
0.47
Herramientas bivariables
Grfico cuantiles contra cuantiles
Visualiza los cuantiles de una variable en funcin de los cuantiles de
otra variable.
Posibles situaciones:
el grfico dibuja una recta
igual a la diagonal (45)
paralela a la diagonal
inclinada con respecto a la diagonal
el grfico no dibuja una recta
Cuidado: el grfico cuantil contra cuantil no da ninguna informacin sobre

la correlacin entre variables, slo sobre el parentesco de sus
distribuciones
Nube de dispersin
ver la relacin par a par de ambas variables o correlacin
detectar valores aberrantes
Coeficiente de correlacin lineal
Resume la relacin existente entre dos variables por un valor comprendido
entre 1 y 1. Cuidado con las interpretaciones rpidas de este coeficiente,
ya que es sensible a relaciones no lineales entre variables y a los valores
extremos.
Correlacin
Caso 1
Caso 2
Y
= 1
= 0,68
Caso 3
Caso 4
Y
=0
=0
Caso 6
Caso 5
Y
Y
= -0,87
= -1
Diferentes ejemplos de coeficiente de correlacin
Herramientas multivariables
Matriz de correlacin: en la interseccin de la fila i con la columna j, se

coloca el valor del coeficiente de correlacin entre las variables ni y nj.
Permite identificar grupos de variables correlacionadas entre s.
Anlisis en componentes principales: define factores (variables sintticas

que resumen la informacin multivariable) y da representaciones grficas de
los datos multivariables
Comportamiento espacial
Nube de correlacin diferida
Se trata de la nube de correlacin entre los valores de dos datos ubicados a
cierta distancia uno de otro.
Al hacer variar esta distancia de separacin, se tiene una imagen de la

continuidad de la variable regionalizada en el espacio:
nube dispersa para distancia pequea: variable errtica
nube muy aplastada: variable regular en el espacio
Comportamiento espacial
Ejemplo: nubes para las distancias 20m y 100m
Estacionaridad
La estacionaridad se refiere a que, en el modelo geoestadstico, las

propiedades de la variable en estudio son invariantes en el espacio (media,
dispersin, continuidad).
El considerar la hiptesis de estacionaridad facilita la elaboracin de los

modelos (inferencia de sus parmetros), en especial en lo que se refiere al
anlisis variogrfico.
Estacionaridad
En general, se tiende a considerar que la variable regionalizada no tiene un

comportamiento estacionario, porque la media o la dispersin de los valores
cambia localmente segn el sector que uno considera (por ejemplo,
sectores de altas leyes y de bajas leyes; o sectores con leyes ms
dispersas que otros).
Ahora bien, el concepto de estacionaridad es una propiedad del modelo

geoestadstico, no de la variable regionalizada misma. Por ende, es una
decisin del usuario considerar si se cumple o no la hiptesis de
estacionaridad (ni verdadera ni falsa, pero juiciosa o no).
Estacionaridad
Ejemplo: perfil de leyes a lo largo de una direccin del espacio
Compsitos
Dado que la variabilidad de las leyes depende del soporte de la

medicin, un mismo conjunto de datos no debe contener
muestras de soporte distinto. Por ende, es necesario llevar las
muestras a compsitos de la misma longitud.
La longitud de los compsitos se escoge generalmente en base a la

altura de los bloques usados para modelar el depsito. Esta longitud
se toma igual a la altura del bloque o a un sub-mltiplo de esta altura.
Compsitos
Aumentar la longitud de los compsitos tiene varios efectos:

reduce el nmero de datos
puede dificultar la inferencia de los parmetros del modelo

disminuye la dispersin de las leyes (efecto de soporte):
menos valores extremos, facilita el anlisis variogrfico
Muestreo preferencial
Un muestreo es preferencial si privilegia las zonas de alta ley.

Hay que tener cuidado en el estudio geoestadstico de tales
muestreos, pues las estadsticas experimentales ya no son
representativas del campo entero
desagrupar los datos
el tener un muestreo preferencial dificulta el anlisis
variogrfico de los datos (por ejemplo, en presencia de
un efecto proporcional) y las posteriores estimaciones
de recursos y reservas.
Valores atpicos / aberrantes

Es posible detectar valores atpicos por medio de varias
herramientas, en especial: histograma, nubes de correlacin entre
variables, nubes direccionales...
Nunca se debe eliminar un valor atpico sin razn (falla en el

protocolo de medicin, en la transcripcin del dato, valor ausente
codificado como -99, etc.). Adems, ningn test estadstico puede
indicar si un valor es aberrante o no.
A menudo, los datos extremos son aquellos de mayor inters:
evaluacin de recursos en yacimientos aurferos: el valor
econmico del yacimiento depende fuertemente de la

presencia de pepitas de muy alta ley
contaminacin ambiental: la ocurrencia de concentraciones
extremas de elementos txicos requiere medidas de

remediacin / mitigacin

La presencia de valores atpicos plantea problema para la
evaluacin de recursos y reservas:
introduce variabilidad y complica el estudio variogrfico
puede conducir a zonas amplias con leyes estimadas muy altas
Alternativas:
mtodos geoestadsticos avanzados (transforman los datos)
capping o cutting
aumentar el tamao de los compsitos
identificar varias poblaciones de datos / unidades geolgicas
Datos imprecisos
Es frecuente que todo o parte de las mediciones contengan

imprecisiones, debido a errores de muestreo o de anlisis qumico
las tcnicas geoestadsticas permiten tomar en cuenta

estos errores, siempre que hayan sido previamente
cuantificados (media, varianza)
la evaluacin de recursos pierde precisin en presencia de
errores de medicin
es recomendable estudiar la calidad de las mediciones,
sobre todo si provienen de fuentes distintas.
Datos imprecisos
Ejemplo: comparacin de las mediciones procedentes de dos
campaas de sondaje distintas
Aqu se puede agrupar las mediciones de ambas campaas
Datos imprecisos
La comparacin estadstica de poblaciones debe hacerse con
cuidado
diferencias por tratarse de muestras diferentes, aun si estn
tomadas en la misma zona (fluctuaciones estadsticas que

pueden ser importantes en las colas de las distribuciones)
diferencias esperables cuando las poblaciones estn en zonas
distintas, debido a cambios locales en las leyes medias y en su

dispersin (efecto proporcional)
La regresin de Krige
Problemtica
A principios de los aos 1950, en los yacimientos de oro
sudafricanos, se sola estimar la ley de un panel por la media de
las leyes de las muestras contenidas en dicho panel.
Este proceder resultaba en un fuerte sesgo condicional: si las
muestras tienen una alta ley, el panel tiende a tener una ley ms
baja, y viceversa, a causa del efecto de soporte. Luego, cuando el
estimador proporcionaba una ley muy alta, lo ms probable es que
la ley verdadera del panel fuera ms baja.
La regresin de Krige
Propuesta de G. Matheron
En la regresin de D. Krige, todas las muestras dentro del panel
tienen el mismo peso; asimismo las muestras fuera del panel
tambin tienen un peso igual entre s, se siten o no prximos a l.
G. Matheron mejor la ponderacin al atribuir a cada dato el

ponderador que se merece realmente, segn su alejamiento al
centro del panel y la continuidad espacial de los valores; as
formaliz el mtodo llamado kriging (1963).
Bibliografa
Chils J.P. and Delfiner P., Geostatistics: Modeling Spatial Uncertainty, Wiley, New York,
1999, 696 p.
Deutsch C.V. and Journel A.G., GSLIB: Geostatistical Software Library and Users Guide,
Second edition, Oxford University Press, New York, 1998, 369 p.
Emery X., Geoestadstica lineal, Departamento de Ingeniera de Minas, Universidad de
Chile, 2000, 411 p.
Goovaerts P., Geostatistics for natural resources evaluation, Oxford University Press,
New York, 1997, 480 p.
Isaaks E. and Srivastava R., An Introduction to applied geostatistics, Oxford University
Press, New York, 1989, 561 p.
Journel A. G. and Huijbregts C. J., Mining geostatistics, Academic Press, London, 1978,
600 p.
Matheron G., The theory of regionalized variables and its applications, Les cahiers du
centre de morphologie mathmatique de Fontainebleau, Fascicule 5, Ecole des Mines de
Paris, 1971, 212 p.
Sinclair A.J. and Blackwell G.H., Applied Mineral Inventory Estimation, Cambridge
University Press, Cambridge, 2002, 381 p.
Wackernagel H., Multivariate geostatistics: an introduction with applications, SpringerVerlag, Berlin, 1998, 291 p.
Bibliografa
Sobre categorizacin de recursos y reservas
CIM, CIM Standards on Mineral Resources and Reserves - Definitions and Guidelines.
Prepared by the CIM Standing Committee on Reserve Definitions: CIM Bulletin, v. 93, no.
1044, 2000, p. 53-61
CSA, Standards of disclosure for mineral projects: National Instrument 43-101, Canadian
Securities Administration, 2001, 22 p.
EURO, Code for reporting of mineral exploration results, mineral resources and mineral
reserves (the European code). Report prepared by the Institution of Mining and Metallurgy
Working Group on Resources and Reserves in conjunction with the European Federation
of Geologists and the Institute of Geologists of Ireland, 2002, 34 p.
JORC, Australasian Code for reporting of exploration results, mineral resources and ore
reserves (the JORC Code, 2004 Edition). Report prepared by the Joint Ore Reserve
Committee of the Australasian Institute of Mining and Metallurgy, Australian Institute of
Geoscientists and Minerals Council of Australia, 2004, 21 p.
SAMREC, South African Code for Reporting of Mineral Resources and Mineral Reserves
(The SAMREC Code). Report prepared by the South African Mineral Resource
Committee SAMREC under the auspices of the South African Institute of Mining and
Metallurgy, 2000, 38 p.

Unidad 1

Hochgeladen von

Dokumentinformationen

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

Unidad 1

Hochgeladen von

Copyright:

Verfügbare Formate

GEOESTADSTICA

Juan Daniel Angulo Argote

La incertidumbre no es inherente al depsito, es

Distance is 5433 kilometers or 3376 miles or 2934

Objetivos del curso

La Geoestadstica es una disciplina que permite analizar

leyes de cobre, molibdeno, arsnico, etc., en un yacimiento

nmero y dimetro de los rboles en un bosque

cantidad de nitrato, pH, conductividad elctrica en muestras de

concentracin de un elemento contaminante en la atmsfera

porosidad y permeabilidad de la roca en un acufero / reservorio

precio del cobre a lo largo del tiempo

La estadstica se ocupa de los mtodos cientficos para recolectar,

Cuantificar aspectos geolgicos (ponerle nmeros a la

Cuantificacin de la incertidumbre (categorizacin)

El anlisis geoestadstico de datos interviene en todas las etapas de un

La cantidad de muestras influye en el conocimiento de la continuidad

La geoestadstica no hace lo siguiente:

material que tiene un inters econmico, en oposicin a estril

Es la concentracin de un elemento (elemento principal, subproducto o

Se trata de un valor de ley que separa categoras distintas de material,

Se habla indistintamente de recursos geolgicos, minerales o in situ

CATEGORIZACIN DE RECURSOS Y RESERVAS

las reservas mineras se subdividen, en orden creciente de

Existen varios cdigos internacionales para guiar la categorizacin de recursos y

UNIDAD SELECTIVA DE EXPLOTACIN

Inherente: debida al tamao de bloque

dilucin externa o de operacin

En general, una variable regionalizada presenta cierta continuidad espacial

Una variable regionalizada se caracteriza por:

Existe una relacin entre el soporte y la distribucin estadstica de los valores:

En minera, este efecto de soporte tiene consecuencia en la selectividad:

Ejemplo: recursos recuperables sobre una ley de corte de 0.5% Cu

Cul es la ley promedio en la veta?

335 253 581 199 212 505 296 356 352

1 335 253 581 199 212 505 296 356 352

Un mismo conjunto de datos no debe contener muestras de soporte

Mientras ms largo el compsito, menos dispersos y menos errticos

Para aprovechar la informacin disponible, ser necesario construir

ESTIMACIN LOCAL INCERTIDUMBRE

Cabe recordar que las estimaciones nunca son perfectas y estn

Ejemplo: clasificacin de las unidades selectivas de explotacin en mineral o

Etapas en la evaluacin de yacimientos

Modelamiento geolgico: determinacin de unidades geolgicas

Evaluacin de la calidad de los datos (muestras)

Estimacin global y local de los recursos geolgicos

Objetivos del estudio exploratorio de datos

Presentacin de los datos

Brecha de polvo de roca

Brecha de polvo de roca y turmalina

Brecha de turmalina - monolito

Despliegue de atributos (mapas)

Definicin de unidades geolgicas, UG

leyes, densidad, potencia, etc.

Despliegue de atributos (mapas)

Los algoritmos de desagrupamiento presentados

no toman en cuenta la continuidad espacial de los datos,

El clculo de estas herramientas debe tomar en cuenta los

El grfico de probabilidad lognormal consiste en usar una escala

La presencia de varias poblaciones entre los datos puede traducirse en

El tonelaje asociado a una ley de corte es la cantidad de valores que superan

Cuando aumenta la ley de corte, el tonelaje decrece y la ley media crece. El

el grfico no dibuja una recta

Cuidado: el grfico cuantil contra cuantil no da ninguna informacin sobre