OBJETIVOS

 Hacer un estudio de los variogramas y su comportamiento frente a datos

diversos obtenidos al aplicar distintas formas de agrupación de dichos datos
y así obtener gráficos con los cuales podemos obtener información de un
determinado fenómeno.

 Utilizar el Borland C como software para la determinación y mayor rapidez

en la solución de parámetros geoestadisticos como la generación de
números aleatorios.
 INTRODUCCION

Para realizar un análisis geoestadistico se necesitan muchas herramientas como

el uso de software, algoritmos matemáticos que nos ayudaran a la comprensión de
nuestro problema y a obtener una data confiable que es la base principal para
resolver los problemas en la minería.
 CALCULOS Y RESULTADOS

Detallaremos los pasos que realizamos para la obtención de cada uno de los
números aleatorios

Utilizamos el Borland C para la obtención tanto de números aleatorios como los

variogramas de las diversas, mediante lo siguiente:

Generación de números aleatorios

//generador de numeros aleatorios aleatorio.cpp

#include <stdio.h>
#include <conio.h>
#include <stdlib.h>
char nombre[80];

char nombre1[80];
int n;
float R[10000];
FILE *archivo;
int j;
void main ()
{clrscr();
puts("Cantidad de números aleatorios a generar: ");
gets(nombre1);

n=atoi(nombre1);
puts("Ingrese la ruta y el nombre del archivo de salida: ");
gets(nombre);
if((archivo = fopen(nombre,"w"))==0)
{puts ("Error al tratar de abrir el archivo! ");
return;
}
randomize();
for(j=1;j<=n;j++)
{R[j]= rand()/32767.11;
fprintf(archivo,"%2.6f\n",R[j]);
}
fclose (archivo);
getch();
}

Generación del Variograma

// Calculo de un variograma VARIOG3.CPP A.MARIN UNI 1998

#include<stdio.h>
#include<conio.h>
#include<stdlib.h>

char nombre[80];
int nmu;
float D[1000];
float G[1000];
float sum;
FILE *archivo;
int i,j,p;

void Datos (void)

{
int i;
puts("Ingrese la ruta y el nombre del archivo de muestras: ");
gets(nombre);
if( (archivo = fopen(nombre,"r"))==NULL)
{
puts("error en el intento de abrir el archivo !");
exit(0);
}
for(i=1;i<=nmu;i++)
fscanf(archivo,"%f",&D[i]);
fclose(archivo);
}

void Gamma(void)
{
for(p=1 ;p<nmu; p++)
{
sum=0;

for (j=0; j< (nmu-p) ; j++)

sum=sum+((D[j+1]-D[j+1+p])*(D[j+1]-D[j+1+p]));
G[p]=sum/(2*(nmu-p));
fprintf(archivo,"G[%3d] = %10.3f \n",p,G[p]);
}
}
void main(void)
{
clrscr();
puts("N£mero de muestras a considerar : ");
gets(nombre);
nmu=atoi(nombre);
Datos();
sum=0;
puts("Ingrese al ruta y el nombre del archivo de salida : ");
gets(nombre);
 if( (archivo = fopen(nombre,"w"))==NULL)
{
puts("error al tratar de abrir el archivo de salida ! ");
return;
}
Gamma();
fclose(archivo);
puts("Operaci¢n terminada, para salir presione una tecla");
getch();
}

PRIMERA PARTE

1. Generamos una muestra de 1000 números aleatorios con el programa

(Borland C) de los cuales obtendremos su histograma, Variograma,
varianza, media, desviación estándar y coeficiente de variación.

NUM. ALEATORIOS G(h) VARIOGRAMA VARIANZA DESV. STD. MEDIA

0.77297 1 0.093 0.071067869 0.26658557 0.6043636
0.930384 2 0.09 COEF. VAR
0.783743 3 0.087 0.441101308
0.649981 4 0.094
0.934138 5 0.089
0.742482 6 0.089
0.147282 7 0.084
0.114658 8 0.091
0.630266 9 0.087
0.454236 10 0.092
0.212591 11 0.091
0.836174 12 0.092
0.382884 13 0.087
0.559494 14 0.09
0.931635 15 0.09
0.46037 16 0.088
0.90658 17 0.09
0.286904 18 0.087
0.495924 19 0.094
0.854576 20 0.085
y mas… y mas… y mas…
2. Realizamos su histograma

HISTOGRAMA1
0.14

0.12

0.1
Axis Title

0.08

0.06
Series1

0.04

0.02

0
185

967
139

231
277
323
369
415
461
507
553
599
645
691
737
783
829
875
921
1
47
93

Axis Title

3. Realizamos el grafico del Variograma

VARIOGRAMA1
0.14
0.12
0.1
Axis Title

0.08
0.06
Series1
0.04
0.02
0
0 200 400 600 800 1000 1200
Axis Title
SEGUNDA PARTE

1. Con los 1000 números aleatorios generados ahora procederemos a

agruparlos de 20 en 20 y de cada grupo obtendremos un número promedio
los cuales nos servirán como data para obtener su histograma, Variograma,
media, varianza, desviación estándar y coeficiente de variación.

NUM. ALEA PROM G(H) VARIOGRAMA MEDIA VARIANZA DESV. STD

0.6043636 1 0.005 0.49014274 0.0042663 0.065316775
0.42442555 2 0.005 COEF. VAR.
0.56995115 3 0.004 0.13326072
0.37038825 4 0.005
0.57859385 5 0.005
0.5105225 6 0.004
0.42999055 7 0.003
0.5595138 8 0.005
0.3985521 9 0.005
0.4305506 10 0.002
0.49975865 11 0.005
0.43927425 12 0.006
0.4815714 13 0.004
0.432603 14 0.004
0.5908882 15 0.005
0.54272405 16 0.003
0.4648824 17 0.004
0.4659246 18 0.005
0.4974592 19 0.004
0.41655945 20 0.003
0.58064325 21 0.004
0.5059357 22 0.006
0.37096505 23 0.005
0.49618055 24 0.004
0.58093 25 0.006
0.47921835 26 0.003
0.49533515 27 0.003
0.53062815 28 0.005
0.512752 29 0.004
0.4385496 30 0.004
0.51189445 31 0.005
0.60762915 32 0.005
0.443031 33 0.005
 0.4878672 34 0.004
0.64440685 35 0.004
0.47858355 36 0.005
0.38361945 37 0.004
0.40727575 38 0.005
0.4240594 39 0.005
0.4335643 40 0.003
0.5162829 41 0.005
0.57805975 42 0.003
0.5144564 43 0.004
0.47630695 44 0.006
0.51771725 45 0.005
0.4576631 46 0.007
0.48661445 47 0.003
0.54922915 48 0.007
0.4345195 49 0.011
0.45472125

2. Realizamos su histograma

HISTOGRAMA2
0.012

0.01

0.008

0.006
Series1

0.004

0.002

0
1 3 5 7 9 1113151719212325272931333537394143454749
 3. Realizar el grafico del Variograma

VARIOGRAMA2
0.012

0.01

0.008

0.006

0.004

0.002

0
0 10 20 30 40 50 60

Series1

TERCERA PARTE

1. Con los 1000 números aleatorios agrupamos uno solo de 20 números y

sacamos un promedio, luego cogemos los últimos 4 de este grupo y lo
competamos con 16 para formar un nuevo grupo de 20 y obtener un
promedio y asi sucesivamente hasta obtener la data con la cual
calcularemos el histograma, Variograma, media, desviación estándar,
varianza y coeficiente de variación

NUM ALE
G(h) VARIOGRAMA MEDIA VARIANZA DESV. STD
PROM
0.6043636 1 0.005 0.49368187 0.004338038 0.06586378
0.44886775 2 0.005 COEF DE VAR
0.51300375 3 0.005 0.133413407
0.5404705 4 0.004
0.41364655 5 0.005
0.57859385 6 0.005
0.5200183 7 0.005
0.4863214 8 0.004
0.4645802 9 0.004
0.5055206 10 0.005
0.3985521 11 0.005
0.39676215 12 0.004
0.4419187 13 0.004
0.4894251 14 0.004
0.48338555 15 0.005
0.4815714 16 0.005
0.48042835 17 0.005
0.54006745 18 0.005
0.55927415 19 0.005
0.55050325 20 0.004
0.4648824 21 0.004
0.4172157 22 0.005
0.56098325 23 0.005
0.4633136 24 0.004
0.4300364 25 0.003
0.58064325 26 0.004
0.5232793 27 0.005
0.4297863 28 0.004
0.51066605 29 0.005
0.54010265 30 0.004
0.58093 31 0.006
0.5096742 32 0.004
0.44152965 33 0.004
0.505362 34 0.004
0.46869715 35 0.005
0.512752 36 0.005
0.3573935 37 0.003
0.63619445 38 0.004
0.47134925 39 0.004
0.6487817 40 0.004
0.443031 41 0.005
0.4423536 42 0.005
0.57365595 43 0.004
0.627521 44 0.003
0.48320105 45 0.004
0.38361945 46 0.004
0.4103779 47 0.003
0.50875105 48 0.005
0.362667 49 0.003
0.46974995 50 0.002
0.5162829 51 0.004
0.5522244 52 0.001
0.56620035 53 0.002
 0.51051645 54 0.006
0.42613465 55 0.003
0.51771725 56 0.005
0.4285593 57 0.004
0.51567255 58 0.002
0.5746997 59 0.004
0.4649815 60 0.007
0.4345195 61 0.013
0.44499195

2. Realizamos su histograma

HISTOGRAMA3
0.014
0.012
0.01
0.008
0.006 Series1
0.004
0.002
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61

3. Realizamos el grafico del Variograma

VARIOGRAMA3
0.014
0.012
0.01
Axis Title

0.008
0.006
Series1
0.004
0.002
0
0 10 20 30 40 50 60 70
Axis Title
CONCLUSIONES

 Como el Variograma tomo en cuenta la variabilidad de los espacios es por

ello que las graficas son distintas y ambas varian en rangos diferentes.

 El Variograma es demasiado sensible a valores extremos es por ello el

cambio en la grafica.

 Nos damos cuenta también que en las dos ultimas graficas casi todos sus
parámetros son casi iguales y esto sucede ya que una de las limitaciones
del variagrama es que cuando las distancias son demasiado grandes este
se torno constante

 Es una herramienta que nos permite analizar el comportamiento espacial de

una propiedad o variable sobre una zona dada.

 Nos permite detectar direcciones de anisotropía

 Nos damos cuenta de un comportamiento lineal del variagrama para

distancias pequeñas (PRIMERA PARTE).