Análisis Exploratorio de Datos

Evaluación de Yacimientos Mineros
Universidad de Santiago
Septiembre 2017
 Outline
• Bibliografía
• Conceptos útiles
• Validación de la información de entrada
• Análisis Exploratorio de Datos
– Análisis estádistico y geoestadístico de los 
datos.
– Definición de los dominios de estimación.
• Resumen
 Bibliografía
• Isaaks E. and Srivastava R., An Introduction to 
applied geostatistics, Oxford University Press, 
New York, 1989.

• Rossi. M and Deutsch C., Mineral Resource 
Estimation, Springer, New York, 2014.

• Sinclair A.J. and Blackwell G.H., Applied 
Mineral Inventory Estimation, Cambridge 
University Press, Cambridge, 2002.
 Conceptos útiles
• Muestra (porción de material que se considera 
representativa del total, y que se toma con ciertos 
métodos para someterla a análisis y estudio).
• Ley (es la razón entre la masa de un componente dado 
y la masa de componentes totales).
• Soporte (dimensión: longitud, superficie o volumen 
que una muestra representa).
• Regularización (homogenización diferentes soportes).
• Compositación (cambio de soporte).
• Agrupamiento (clustering)‐desagrupamiento.
 Ley
Es una convención usada para expresar el contenido 
de un elemento de interés.  Razón entre la masa del 
componente (elemento) de interés y la masa total de 
componentes. Habitualmente expresada en gramos, 
gramos por tonelada o ppm  10 para leyes muy 
pequeñas, excepcionalmente en pbb  10 .
 
%
100
 

1 000 000
 Soporte
Noción voluntariamente vaga que, según el 
contexto representa una masa, un volumen, una 
dimensión. (Pierre GY, Edition 1988).

En el caso de muestreo, dimensión (tamaño) que 
representa una muestra. Puntual, longitudinal, 
areal o volumétrica.
 Soporte
Ejemplos:

• Puntual: compósito.

• Longitudinal: soporte lineal de muestras extraídas 
a lo largo de sondajes.

• Volumétrica: bloques pequeños al que se le asocia 
una ley estimada a partir de soportes puntuales 
(compósitos). 
 Regularización de datos
Ejemplo de impacto en la media
.

4 6 2 • A priori podríamos decir que la media 
es 4 (estadística).

4 6 2 • A priori podríamos decir que una media 
representativa sigue siendo 4 ? Discusión…
6
4 • Podríamos decir que una media 
2 representativa sigue siendo 4 ? Discusión…

Ahora, si regularizamos a un soporte :
4 6 2
4 2 • Podríamos decir que la media 
2 representativa era más bien 3. 
2
2
(esto aún sin considerar la posición espacial 
8
de las muestras).
 Muestreo Regularizado
Primer efecto de dilución
.

• A priori, en la industria moderna, el muestreo de 
sondajes es realizado en forma regularizada, pero 
a la fecha aún existen casos con malas prácticas.

• Quién y con qué criterio elige el tamaño (largo) de 
la muestra de sondajes?
– Geólogo.
– Dependiendo del tipo de depósito y de la 
ocurrencia de la mineralización mayoritaria. 
Variabilidad natural del elemento.
– No debe tomarse en cuenta los “outliers”.
DAM1
9
Diapositiva 9

DAM1 outliers geológicos: ejemplo pórfido en zona primario, mineralización diseminada en donde el muestreo se hace a 2 o 3m, y derepente
aparece una estructura
Danitza Aburto M, 13-09-2017
 Muestreo Regularizado
Primer efecto de dilución
.

• Ejemplos de “largos” del muestreo: 2m a 3m en 
pórfidos de Cu, 1m a 2m en IOCG, 1m a 0.5m en 
vetas auríferas, 0.5m en discordantes uraníferos, 
etc..

• Considerando que es un fenómeno natural el cual 
se quiere homogenizar (regularizar), 
inherentemente se producirá un efecto de dilución 
(primera dilución por muestreo). Por qué?

10
 Muestreo Regularizado
“Cutting” en Pórfido de Cobre

Muestreo en “cutting” (AR). Muestreo Regular a 2m

11
 Muestreo Regularizado
“Diamantina” en Pórfido de Cobre.

Muestreo en “diamantina” (DDH). Regular a 2m por “tacos”

12
DAM2
Muestreo no‐regularizado
Casos reales
Depósito Tipo Discordancia de U en Canadá
Campaña 2012                                      Campañas Pre‐2012

Dominio NW de Actual Yacimiento de Oro en 
6.00
Chile ‐2015 • Muestreo Sesgado. 
5.00
• La primera dilución (por 
Largo Muestras (m)

4.00 muestreo) estará fuera de 
3.00 control.
2.00 • Múltiples análisis adicionales 
1.00
de impactos serán necesarios 
en estimación ($$ y tiempo).
0.00
0 100 200 300 400 500 600 700 800 900 • Resultado de la estimación 
13
Cantidad de Muestras (m) con baja certeza (>> Riesgo).
Diapositiva 13

DAM2 primera dilución de muestreo se refiere, se refiere a la ocurrencia geogógica y al tamaño de soporte elegido para representar el
fenómeno gelógico, si además tengo soportes diferentes, no puedo controlar la dilución de leyes.
Danitza Aburto M, 13-09-2017
 Regularización de datos
Ejemplo extraído de apuntes de Centro de Geoestadística, École des Mines.

• Ejemplo V=1,5v
Z1 v
V
, ,
Z2 •
, ,
V
Z3
, ,
•
, ,

Para homogeneizar muestras de 
diferente soporte.

Elección del tamaño del 
compósito.

14
 Regularización v/s 
Compositación
Ideas dobre la COMPOSITACIÓN?

– Concepto
– Responsable
– Momento de Ejecución
– Criterios 
– Impactos

15
 Criterios para Compositación

Existen dos tendencias en la industria...:

1. Mantener un “largo” de compósito muy 
similar al muestreo regularizado.
– Se busca una representatitividad más cercana a la 
variabilidad del fenómeno natural estudiado.
– Se mantiene cercana la cantidad de muestras 
originales disponibles para estimar (más robusta).  

16
 Criterios para Compositación

2. Mantener un “largo”de compósito acorde a la 
altura de los bloques del modelo de bloques 
a estimar.
– Se busca una representatividad más cercana a la 
eventual realidad de la operación minera 
(selectividad‐dilución).
– Se disminuye la cantidad de muestras disponibles 
para estimar con respecto a las originales del 
muestreo “regularizado”.  

17
 Impactos en Compositación

Media debe permanecer constante!
La varianza disminuye a un soporte mayor (valores 
extremos son promediados): Efecto de Soporte.

Notas: Ejemplo de tamaños comunes (divisor de 
altura de bloques):
– Pórfidos de Cu : 2m, 3m, 5m, 15m
– IOCG : 2m, 3m, 5m, 10m
– Vetas de Au :0.5m, 1m, 2m, 5m
– Discordantes de U :0.5m, 1m, 2m

18
 Impactos en la Compositación
Segunda dilución?

• Tras la supuesta regularización (primera dilución 
de terreno), debemos evaluar el efecto de 
compositación.

• En general, en la práctica es útil superponer los 
histogramas con ambas poblaciones, en la misma 
escala, para verificar rápidamente el control de la 
distribución estadística y parámetros básicos. 
(Detección de problemas en regularización, o efectos en 
contactos por dominios, etc).

19
 Impactos en la Compositación
Segunda dilución?

Pórfido Cu – Perú, 2013

Dominio ‐ CHAL Dominio ‐ SUL

Verde: Muestras
Rojo: Compósitos

• Chequear media
• Forma de distribución de los datos
El principio es alterar lo menos posible la 
información original. 20
 A considerar

• Muestras de tamaño muy superior al tamaño de 
coompósito elegido.

• Colas resultantes de tamaño muy inferior al 
tamaño de compósito elegido.

• Comparar media de compósitos con media bruta 
de los datos? O con media ponderada por soporte 
de los datos?
 Representatividad
del Muestreo
• Como vimos, el soporte de las muestras debe ser 
regular, de modo que cada muestra represente 
equitativamente su “peso” en la población.
• La calidad del muestreo es un factor también 
decisivo (QAQC).
• Cada observación debe tener la misma 
oportunidad de representación: ejemplo, un 
sondaje aire reverso (AR) con un diamantina 
(DDH) no representan lo mismo (pérdida de fino 
por “cutting”).

22
 Representatividad
del Muestreo

• Todos estos factores deben ser tomados en cuenta 
para evitar un muestreo errado o sesgado, 
evitando un error FATAL.  

• Espacialmente, en la minería (sobretodo en etapas 
tempranas del Proyecto) existe un “sobre‐
muestreo” en zonas enriquecidas... Factor 
relevante a considerar (“muestras cluterizadas”).

23
 Clustering (Agrupamiento)
• Muestreo preferencial de zonas enriquecidas debido 
generalmente a primeras campañas de exploración o para mejor 
caracterización del sector de mayor metal o incluso por malas 
prácticas (intencionales o no‐intencionales). 
• Ejemplos reales en planta: 

Collares en IOCG. Chile
N
Muestreo en Planta. Porf. Cu. Chile
N
 Método Celda desagrupante

• Se toma una grilla regular sobre el dominio.

• Se cuenta el número de muestras en cada 
celda.

• Se define un peso que es inversamente 
proporcional al número de muestras.
 Definición de peso

 1 
 
wi   nci 
 n 1 

 nc


 i 1 i 
nci: número de datos en la celda que contiene el 
dato i.

wi: peso aplicado al dato i para calcular la media 
ponderada.
 Ejercicio
Celda desagrupante

o o o

0.373 0.015 0.172 Ley 1/nc peso

0.373 1/1 1/9
0.015 1/1 1/9
0.172 1/1 1/9
0.654 1/1 1/9
o o o 0.792 1/1 1/9
0.308 1/1 1/9
0.654 0.792 0.308 0.574 1/1 1/9
0.912 1/5 1/45
1.002 1/5 1/45
o o 1.194 1/5 1/45
0.882 1/5 1/45
0.912 1.002 1.119 1/5 1/45
o o o
0.724 1/1 1/9
0.574 1.194 0.724
o o

0.882 1.119

Media de Ley sin desagrupar:  0.671%  
Media de Ley desagrupada:  0.515% 
 Desventajas del método
Es un método de “prueba y error”:
– Generalmente se prueban varios tamaños de 
celda.
– Generalmente se selecciona el tamaño de 
celda que minimice la ley media *.

Notas:
• La celda no tiene porque ser cuadrada.
• Siempre revise el impacto de “Outliers”.
 Ejemplo Real
Herramienta en Isatis

29