Beruflich Dokumente
Kultur Dokumente
Profesor
Jos Delgado Vega: De formacin Ingeniero Civil de Minas es Doctor en al
Escuela de Minas de Paris en geologa aplicada , adems tiene dos post-titulo
en la escuela de minas de Paris ,el primero como especialista en explotacin
de minas a cielo abierto canteras y el segundo como especialista en
geoestadstica Ha realizado diversos trabajos de en el rea de evaluacin de
reservas , su investigacin doctoral se ha centrado sobre la modelizacin
geo metalrgico y su influencia en la planificacin minera de minas a cielo
abierto.
Es profesor jornada completa del departamento Minas de la Universidad de
Antofagasta , a dictado curso ( a nivel nacional e internacional ) de geo
estadstica lineal , no lineal simulacin , estadstica aplicada , planificacin
minera a cielo . Don Jos trabaj 8 aos en operaciones minas y es experto
en seguridad minera clase A. Email jose.delgado@uantof.cl
I. TIPO DE CURSO
Referencia
PROFESOR M.ALFARO
TRABAJOS EN GEOESTADISTICA LINEAL
G.MATHERON
La theorie des varibles regionalises et ses aplications
Centre de geoestatistique Fontainebleau
CHILES JEAN-PAUL & DELFINER PIERRE (1999)
"GEOSTATISTICS Modeling Spatial Uncertainty"
A Wiley Interscience Publications 1999
EMERY XAVIER & ARNAUD MICHEL (2000)
"Estimation et interpolation spatiale mthodes dterministes
et mthodes gostatistiques" Herms Sciences Europe 2000 157p
EMERY XAVIER (2007)
Apuntes de geoestadistica,
UNIVERSIDAD DE CHILE octubre del 2007.
Margaret Armstrong Jaques Carignan
Geostatisitque lineaire Application au domaine minier
Referencia
JOFRE DUBER (2009)
"Curso de categorizacin de reservas"
Diplomado Internacional en geoestadistica aplicada a la evaluacin de recursos mineros 2009 Lima BSGrupo
LE LOCH, G. (2003)
" Notes de classes de cours de gostatistique"
CFSG, Ecole des Mines de Paris Fontainebleau 2003-2004.
.
KIM, Y.C. & MEDHI P.K. & RODITIS I.S. (1987)
Performance evaluation of indicator kriging in a gold deposit
Mining Engineering October 1987 947p
MARCOTTE,D. (2002)
"Notes de classes de cours de Krigeage dIndicatrices"
http://geo.polymtl.ca/~marcotte/glq3401geo/chapitre7.pdf
Ecole Polytechnique Montreal GLQ3401
ONU (1996):
"Marco Internacional de las Naciones Unidas Para la Clasificacin de Reservas/Recursos,
Combustibles Slidos y Sustancias Minerales"
Versin Definitiva. Establecida y Presentada por el Equipo Especial de las Naciones Unidad. p. 77-88.
Referencia
RIVOIRAD,J. (2003) :
"Notes de classes de cours de gostatistique multivariable".
CFSG, Ecole des Mines de Paris Fontainebleau 2003-2004.
SANS, H.J (2003)
"Workshop on sampling"
CFSG, Ecole des Mines de Paris Fontainebleau 2003-2004.
CLAYTON DEUTSCH
Special Topics in geostatistics
ISAAKS , E.H. and SRIVASTAVA, R.M. (1989)
"An introduction to applied geostatistics "
Oxford University Press, New York. 1989.
DEUTSCH, C.V., JOURNEL A.G. (1998):
GSLIB: Geostatistical Software Library and Users Guide
Second Edition, Oxford University Press, 369 p.
CHICA - OLMO M. (1987)
Anlisis Geoestadstico en el Estudio de la Explotacin de Recursos Minerales"
Tesis Doctoral, Universidad de Granada, Espaa, 387 p.
INTRODUCCIO
N
La base de datos
Evaluation Des
Ressources
Modle
gologique de
bloc
Paramtres Economiques
Prix du mtal
Cots dextraction
Cots de traitement
Paramtres gomtallurgiques
Autres
Optimisation
Economique (Logiciel
Whittle)
Paramtres Gomtriques
Type de minraux
Angles de Talus
Gomtrie de la fosse
Analyse conomique
du projet
Topographie
Dimensionnement de
la fosse finale
Autres
Generalidades
Dterministicos vs. Go estadisticos
Dterministicos : Utilizan funciones matemticas
para poder hacer las predicciones ;
Go estadsticos (Estocsticos): Asocian
funciones matemticas a los anlisis estadsticos
para hacer interpolaciones (ex: Krigeage);
Generalidades
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 desarrolla herramientas matemticas para el
estudio de variables distribuidas en el espacio,
dependientes entre si, llamadas variables
regionalizadas.
Qu es la geo estadstica?
Matheron : Estudio de la variable regionalizada
Sencilla :Es la aplicacin de la estadstica a las
ciencias de la tierra
Generalidades
La geoestadstica pone nfasis en:
El contexto geolgico de los datos
La relacin espacial entre los datos
Datos medidos con un soporte volumtrico y precisin
diferentes.
Generalidades
Principios Bsicos:
Generalidades
Generalidades
Generalidades
Nociones fundamentales
Variable regionalizada ( o regionalizacin )
Se trata de una funcin numrica que mide un
atributo que presenta una estructura en el espacio
(por ejemplo , la ley del cobre en un yacimiento )
Campo
El campo es el dominio en le cual se extiende la
variable regionalizada .Fuera del campo ,la
variable no interesa o simplemente no esta
definida
Generalidades
Soporte
Se trata del volumen sobre el cual se considera la
variable regionalizada .Es importante destacar que
las propiedades estadsticas de los valores depende
De su soporte (efecto soporte)
Compositos
Cuando los datos originales son testigos de sondages
cuyo soporte es variable ,una operacin de
regularizacin
Generalidades
El inters por la geoestadistica esta basado
en su habilidad para modelar la variabilidad
espacial de fenmenos de ocurrencias
natural que no pueden
ser totalmente modelados por procesos
determinsticos
Generalidades
La estructura de una variable Regionalizada ?
Es una variable aleatoria donde la localizacion,
el espacio y el tiempo son importante :
Ella presenta dos aspectos contradictorio
Tiene un aspecto aleatorio
+
Su comportamiento es mas estructurada
Generalidades
Generalidades
Generalidades
Algunas Problemtica general
El conocimiento que se tiene de un depsito es
siempre fragmentario :solo se dispone de
informacin cualitativa y de muestras en las cuales
se mide varios atributos : ley de cobre ,arsnico oro ,
potencia de los estratos , densidad de la rocas ,tipo
de litologa
La densidad del muestreo influye en el conocimiento
de la organizacin Espacial de los valores de la
variable en estudio ,su continuidad y otras
caractersticas estructurales (anisotropa)
Generalidades
Principios directores
1.-Respeto a los datos
2.-Principio del realismo
3.-Principio de la economa
Generalidades
Generalidades
Generalidades
Generalidades
Generalidades
Z
*
i 1, n
*
z
i
i
zs
zj
N
zs
sjz j
s
n
di
z {
}
n 1
i 1
d
j j
POLIGONO
PROMEDIO
IVOR
1
1
i
n
di
i
1
1,3
Ejemplo
Conceptos generales
Tonelaje
900.000.000
800.000.000
700.000.000
600.000.000
500.000.000
400.000.000
300.000.000
200.000.000
100.000.000
0.1
EJEMPLO N1
0.2
0.3
0.4
0.5
0.6 0.7
0.8
1.3
1.4
1.5
0.9
1.0
1.1
1.2 Ley %
Precio
US$/lb Cu
Ley de Corte
%
Ley
Media
%
Mineral
Toneladas
Cu Fino
lb Cu
Ingresos
US$
Vida til
Aos
1.25
0.39
0.60
550.000.000
6.547.662.000
8.184.577.500
19
1.10
0.47
0.67
400.000.000
5.317.495.200
5.849.244.720
14
0.80
0.80
1.00
160.000.000
3.174.624.000
2.539.699.200
Cm
a b* R l
m
R * 1 h * ley
f(X)
El modelo de bloque:
Es un modelamiento tridimensional que consiste en discretizar
virtualmente el yacimiento en cientos de paraleleppedos (bloques),
con caractersticas que van de acuerdo al sistema de explotacin a
utilizar, la cual permite representar caractersticas y propiedades del
yacimiento
Continuidad espacial
Pasta a explotar.
Selectividad
Frecuencia
140
120
100
80
60
40
20
0
0
Clase
f ( x ) F ' ( x ) Pr ob x1 x x2
Histograma acumulado
Frecuencia acumulada
100%
80%
60%
40%
20%
0%
0
F ( x ) Pr ob X x
Relacin entre densidad de
probabilidades y densidad
cumulativa:
Muestras son un nmero finito de
realizaciones, por lo tanto:
Clase
F ( x)
f ( x )dx
F ( x ) pi
i 1
Estadstica bsica
medidas de posicin
media, mediana, moda, mnimo, mximo, rango, deciles,
cuartiles, cuantiles
medidas de dispersin
varianza, desviacin estndar, coeficiente de variacin,
rango intercuartil
medidas de forma
coeficiente de asimetra, coeficiente de aplanamiento
Estadstica bsica
Medidas de posicin:
Media
Mediana
1 n
m z (u )
n 1
M
z (u( n1) / 2 )
( z (u n / 2 ) z (u( n / 2 )1 ))
2
1
z (u )du
D D
si n es par
si n es impar
Estadstica bsica
Q3
Mediana o
Q2
Q1
Estadstica bsica
Medidas de dispersin:
Varianza
1
1 n
2
2
s ( z (u ) m) 2 ( z (u ) ) du
DD
n 1
2
Desviacin estndar
s s2
Rango intercuartil
IQR Q 3 Q 1
Coeficiente de variacin
CV
exp .
s
m
CVpobl.
Momentos
Esperanza: (primer momento) es un promedio
ponderado por las probabilidades, si existe. Nos da una
idea del centro de la distribucin
n
donde:
wi z i
= valor esperado de Z
iE{Z}
1
E{Z } m n
wi = Ponderador del dato i-simo
wi
i 1 n = nmero de datos
m = media
En el caso continuo:
E{Z } m
zdF ( z ) zf ( z )dz
Pr X k pk
Entonces se define la esperanza de X
como
E X k pk
k 0
Y la varianza
como
V X k E X pk
k 0
E X k pk
k 0
posibles valores de
X
El valor promedio que
puede asumir la variable
probabilidad que la
variable tome el
valor k
V X k E X pk
2
k 0
Desviacin
cuadrtica
promedio
E X
x f ( x) dx
Y se define la varianza de X
como
VX
x E X
f ( x) dx
E X
x f ( x) dx
posible valor de X
El valor promedio que
puede asumir la variable
VX
Desviacin
cuadrtica
promedio
x E X
f ( x) dx
Momentos
La varianza (segundo momento centrado). Nos da una
idea de la dispersin de la distribucin de la VA Z. Se
define como la esperanza de la desviacin de Z
respecto de su media al cuadrado:
Var {Z } 2 E{[ Z m]2 } E{Z 2 } m 2 0
Momentos
Var {Z }
w (z
i 1
w
i 1
( z m) dF ( z )
2
m) 2
2
(
z
m
)
f ( z )dz
Var Z E ( Z E Z ) 2 E ( Z m) 2 2
E Z 2 m 2 2mZ
EZ 2
Momento de
Segundo Orden
EZ 2
Momento de Primer
Orden al Cuadrado
Momentos
Propiedades de la esperanza:
E a a
E bZ b E Z
E a bZ a b E Z
E g ( Z )
g ( z ) f ( z ) dz
Propiedades de la varianza
Var a 0
Var aZ a 2 Var Z
Var b Z Var Z
Ms estadsticas
Medidas de forma:
Coeficiente de asimetra (skewness)
1 n
( z (u ) m) 3
n
Coeficiente de asimetra 1
s3
Positivo
Frec.
Cercano a 0
Negativo
Frec.
Mm
z(x)
Frec.
M
m
z(x)
mM
z(x)
Estadstica de dos
variables
Anlisis bivariable
Pares deben corresponder a la misma
ubicacin en el espacio (co-localizados)
Grfico de Dispersin
3
2,5
Variable 2
1,5
0,5
0
0
0,5
1,5
Variable 1
2,5
Correlacin
El coeficiente de correlacin es una medida de
la dependencia lineal entre las dos variables
1 n
( z1 mZ1 )( z2 mZ 2 )
n 1
Z1 Z 2
Q-q Plot
Grfico Q-Q: para comparar
dos distribuciones F1 y F2
cuantil a cuantil.
No se utiliza para comparar
la relacin par a par que hay
entre las variables.
Escoger una serie de valores
de probabilidad
pk, k = 1, 2, , K
Graficar q1(pk) versus q2(pk), k
= 1, 2, , K
Q-q Plot
Si todos los puntos caen en una lnea de 45o, las
dos distribuciones son exactamente iguales
Si la lnea esta desplazada de los 45o, las dos
distribuciones tienen la misma forma pero
diferentes medias
Si la inclinacin de la lnea no es 45o, las dos
distribuciones tienen diferentes varianzas
Si hay un carcter no lineal en el grafico Q-Q, las
distribuciones tienen diferentes formas en el
histograma
g(z)
0.40
0.35
0.30
0.25
Distribucin Normal
0.20
0.15
0.10
0.05
0.00
10
12
14
16
Propiedades:
Completamente definida por su media y
varianza
Tiene una descripcin matemtica precisa
Favorable para enfoques tericos de
estimacin
2
1 z
Funcin de densidad de
1 probabilidad:
2
g( z)
e
2
g(z)
0.40
0.35
0.30
0.25
Distribucin Normal
0.20
0.15
0.10
0.05
0.00
Estandarizacin:
10
12
14
16
1
2
y
g( y ) dy
g(z)
0.40
0.35
0.30
0.25
Distribucin Normal
0.20
0.15
0.10
0.05
0.00
10
12
14
16
Intervalos de confianza
68%
95%
g(z)
g(z)
0.40
0.40
0.35
0.35
0.30
0.30
0.25
0.25
0.20
0.20
68%
0.15
0.15
0.10
0.10
0.05
0.00
0
95%
16%
2
0.05
16%
6
10
12
14
16
0.00
0
2.5%
2.5%
2
10
12
14
16
g(z)
0.35
0.30
0.25
0.20
Distribucin Lognormal
0.15
0.10
0.05
0.00
10
f Y ( y ) F 'Y ( y )
ln y
1
g o
y
g(z)
0.35
Distribucin Lognormal
0.30
0.25
0.20
0.15
0.10
0.05
ln y
1
f Y ( y ) F 'Y ( y )
g o
y
m e
0.00
10
2 m 2 [e 1]
/2
2
ln 1 2
m
ln m / 2
2
ln y
para todo y 0
FY ( y ) Prob{Y y )} Go
g(z)
G(z)
0.35
1.0
0.9
0.30
0.8
0.25
0.7
0.6
0.20
0.5
0.15
0.4
0.3
0.10
0.2
0.05
0.00
0.1
0
10
0.0
10
Valor esperado
Varianza
Variografia
Le Variogramme
Variogramme exprimental
Variogramme thorique
x
Pas de corrlation
entre points
x x
x
L effect ppite
h 2h
Porte
Distance m.
Variograma Experimental-definicin
1
2
h E [ Z ( x) Z ( x h)]
2
1
( h)
2N h
*
( z ( xi ) z ( x j )) 2
xi x j h
Variograma Terico
Variograma Experimental
Variograma Terico-Definicin
es independiente de la localizacin
vector
Variograma Experimental-definicin
Coordenadas estratigraficas
La correlacin espacial se
debe calcular dentro de la
misma unidad estratigrfica
Z Z base
Z tope Z base
Clculo de variogramas
experimentales
Influencia del paso
Clculo de variogramas
experimentales
Influencia de la tolerancia en el paso
Comportamiento discontinuo
h0
Z(x) y Z(x+h) difieren mucho
1
h E [ Z ( x) Z ( x h)] 2
2
no se aproxima a cero
Comportamiento discontinuo
Z obs x Z x x
Valores
observados
2
1,5
Valores
reales
1
0,5
Distancia
18
16,5
15
13,5
12
10,5
7,5
4,5
1,5
0
0
Z obs h Z h
Variograma
2,5
Comportamiento discontinuo
Comportamiento Lineal
Comportamiento lineal
Indica
que
para
distancias pequeas, el
variograma tiene un
comportamiento lineal.
Representa variables
continuas pero no
diferenciables. As, la
propiedad
puede
cambiar rpidamente
de un punto a otro.
Comportamiento Lineal
3,5
3
La variabilidad de la
propiedad
depender
de la pendiente de la
recta en el origen
2,5
Variograma
Comportamiento lineal
2
1,5
1
0,5
0
0 1 2 3 4 5 6 7 8 9 10 11
Distancia
A mayor pendiente,
mayor variabilidad
3
2,5
A menor pendiente,
menor variabilidad
Variograma
2
1,5
1
0,5
0
0 1 2 3 4 5 6 7 8 9 10 11
Distancia
Comportamiento Cuadrtico
Comportamiento Cuadrtico
3
2,5
2
1,5
1
0,5
Distancia
37
34
31
28
25
22
19
16
13
10
0
1
Variograma
Representa
variables
sumamente
continuas
e
infinitamente diferenciables. As,
la propiedad NO puede cambiar
rpidamente de un punto a otro.
3,5
Comportamiento Hbrido
Comportamiento Hbrido:
Variacin ms suave a
distancias cortas
6
Variograma
Variacin ms fuerte a
distancias grandes
5
4
3
2
Indica
presencia
de
estructuras actuando a
diferentes escalas
1
0
0
1,5
4,5
7,5
Distancia
Comportamiento-grandes distancias
Comportamiento a grandes
distancias :
INDICA LA PRESENCIA DE
UNA DERIVA O DRIFT
Variograma
VARIABLE NO ESTACIONARIA
Distancia
Anisotropas
Anisotropas :
Generalmente
cuando
el
variograma
experimental es calculado en distintas
direcciones
presenta
distintos
comportamientos con la variacin de la
distancia.
Anisotropa Geomtrica
Anisotropa Zonal
Anisotropa Hbrida
DEL VARIOGRAMA
EXPERIMENTAL AL MODELO
DE VARIOGRAMA
Ajustar
5
variograma experimental
4
3
Variograma
experimental
2
1
0
Distancia
6
5
4
Variograma
experimental
Modelo de
variograma
2
1
0
Distancia
El variograma experimental no
se puede evaluar en distancias
o direcciones intermedias
La interpolacin
condiciones que
debe satisfacer
no satisface las
todo variograma
El
variograma
experimental
no
satisface las condiciones que todo
variograma debe satisfacer
Variograma Terico-propiedades
1)
0 0
2)
h h
El variograma calculado en la direccin de
calculado en la direccin de
es igual al variograma
-h
-h
Variograma Terico-propiedades
1 , 2 , 3 , , n
tales que
i 1
se tiene que
i j xi x j 0
n
i 1 j 1
var Z
Variograma Terico-propiedades
lim
h
h
0
2
h
h c h 2
Variograma Terico-propiedades
h i i h
i 1
Por definicin
Var ( Z *) E[ Z * E ( Z *)]2
Recordemos
Z*
i Z ( xi )
E ( Z *) E (
i Z ( xi )
i E ( Z ( xi ))
im
i ( Z ( xi ) m)
Var [
i Z ( xi )]
Var [
i Z ( xi )]
i j C ( xi x j )
i j ( xi x j )
Var ( Z * ) Var [
i Z ( xi )]
i j ( xi x j )
Variograma Terico-propiedades
2.5
2
1.5
1
4.5
0.5
0
0
3.5
1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9
2.5
2
1.5
1
2.5
0.5
0
1.5
1
0.5
0
0
1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9
1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9
MODELOS DE
VARIOGRAMA
Modelos de Variograma
0
h
c
si h 0
si h 0
Modelo Esfrico
3 h 1 h
c
2 a 2 a
si h a
si
h a
Meseta c y alcance
1.5 c / a
Representa
fenmenos
continuos pero no diferenciables
Es uno de los modelos de
variograma ms utilizados
Modelo Esfrico
Modelo Exponencial
Modelo Exponencial
Meseta
Variograma
h c 1 exp
3a
3c/a
Representa
fenmenos
continuos pero no diferenciables
Distancia
Modelo Gaussiano
Modelo Gaussiano
h c 1 exp
a2
3a
Variograma
Meseta es
Representa
fenmenos
continuos
infinitamente
diferenciables
(sumamente continuos)
Modelo Cbico
si h a
h
h
h
c 7 2 8.75 3 3.5 5 0.75 7
a
a
a
a
Modelo Cbico
c si
h a
fenmenos
bastante
Variograma
Meseta C y Alcance
Distancia
h c 1
seno h /a
h /a
3a
Variograma
Distancia
Modelo Potencia
Modelo Potencia
h s h
El comportamiento en el origen
depende del valor de p
s=2.5, p=0.4
Variograma
0 p2
s=0.4, p=1.8
s=1.15, p=1
Representa fenmenos no
estacionarios
Distancia
VARIOGRAMA CRUZADO
comportamiento espacial en conjunto
ZY
Variograma Cruzado
1
ZY (h) E[( Z ( x) Z ( x h)) (Y ( x) Y ( x h))]
2
Para su estimacin se utiliza el variograma cruzado experimental
1
(h)
2N h
*
ZY
( z( x ) z( x ))( y( x ) y( x ))
i
xi x j h
Variograma Cruzado-propiedades
1)
ZY 0 0
2)
ZY h ZY h
3)
ZY (h) C ZY 0
1
CZY h CYZ h
2
CZY h E Z x mZ Y x h mY
Variograma Cruzado-propiedades
4) Desigualdad de Hlder
ZY h
Z h Y h
Consecuencias:
El modelo de variograma cruzado no puede ser escogido independientemente de
cada uno de los variogramas individuales
El producto de cada uno de los sill de los variogramas individuales es mayor que
el cuadrado del sill del variograma cruzado
2
S ZY
S Z SY
Variograma Cruzado-propiedades
cruzado y los
Z h u1 1 h u2 2 h um m h
Y h v1 1 h v2 2 h vm m h
YZ h w1 1 h w2 2 h wm m h
u j 0 vj 0
u j v j w 2j 0
j , j 1, , m
modelos de variogramas
1.- Semivariograma
1
(h)
2 * N (h)
4.- Correlograma
C ( h)
1
N ( h)
( h)
( zi yi )2
i 1
N ( h)
3.- Covariograma
N (h)
( zi zi' )( yi yi' )
i 1
N ( h)
( xi yi mx m y )
i 1
C ( h)
x y
GR (h)
(h)1
mx m y 2
(
)
2
N ( h) ( x y ) 2
1
i
i
6.- Semivariograma relativo de pareja PR(h) 2 * N (h) ( x y ) 2
i )
i 1 ( i
2
8.- Semimadograma
1
L ( h)
2 * N ( h)
N (h)
i 1
1
M ( h)
2 * N ( h)
N ( h)
i 1
xi yi
Estrategia de
Modelamiento
REF:Xavier
Emery
Anisotropas (6)
Ejemplo de ajuste
Cul es el modelo
tridimensional?
Anisotropas (7)
Modelo tridimensional
Relacin de Krigen
S (O / V )
2
1
z ( x)dx
V
V
1
[ z ( x) m ] dx
V
2
S (O / V )
2
1
[ z ( x) m ] dx
V
2
O designa un punto
El muestreo puntual es soporte de volumen nulo
1
( x y )dxdy (V ,V )
V
2
Varianza de v en V
1
Z ( x) Z ( y )dy
v
V
v(x)
1
z ( x)dx
V
V
y
1
S (v / V ) [ z ( x) m ] dx
V
2
La varianza de dispersin de v en V
1
(v / V ) E{ [ z ( x) m ] dx}
V
2
Esta es igual a
1
1
(v / V ) ( x y )dxdy ( x y )dxdy
V
v
2
sea
(v / V ) (V ,V ) (v, v)
2
vv
(v / V ) (V ,V )
2
(v / V ) (V ,V ) (v, v)
2
(v / V ) (O / V ) (O / v)
2
(O / V ) (O / v) (v / V )
2
(v / V ) (v / V ) (V / V )
2
Como entender
Bloques regulares
Krigeage
Kriging
Krigeaje.
Minimizar la varianza
Krigeag
e
Sea
X
X
X
d
K.O.
Z*k (x) = Z (X) + Z (X)
a)Establecer Sistema Krigeage.
1.- Es un estimador lineal
Z*k (x) = Z (X) + Z (X)
2.- Es insesgado
[Z*(x)] = [Z (x)]
[Z*(x) - Z (x)] = 0
[ Z (X) + Z (X) - Z (X)] = 0
m + m m = 0
+ = 1
Pero = 1
= - - - - 2 + 2
+ 2
2
/ = -2 ( + -1) = 0
+ = 1
/ = -2 (0) 2 (2d) + 2 (d)
2=0
(0) + (2d) + = (d)
/ = -2 (2d) 2 (0) + 2 (d)
2=0
(2d) + (0) + = (d)
(2d) + = (d)
(2d) + = (d)
+ = 1
= =
= (d) - (2d)
= (d) (1/2) (2d)
Krigeage Puntual
Varianza del krigeage
Krigeage de bloque
Sistema de Krigeage
Krigeage Simple
El krigeage simple
.-Es menos utilizado
.-Debe estar seguro de que m esta bien estimado
.-Sus ecuaciones son mas simples
Krigeage de bloque
Varianza de Krigeage
Krigear un bloque
Talla del bloque 200 x 200 m
Malla de muestreo 200 x 200
Z1= 6
Z2=4
Z3=3
Z4=5
Z5=8
Krigear un bloque
Variograma Esfrico :Alcance 250 m ,Meseta 2.0
Krigear un bloque
El sistema de Krigeage es
Krigear un bloque
Krigear un bloque
Solucin
C*Sph(h/a)+C0
Jos Delgado
Efecto de simetra
1= A
2=3 =4 =5=B
6=7 =8 =9=C
10=11 =12 =13=D
Efecto Pantalla
10=11 =12 =13=0
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Jos Delgado
Krigeage indicatrice
Cual es la probabilidad
de estar bajo la ley de
corte
Principio
Se busca caracterizar el valor en el sitio ? por una distribucin
de probabilidad, la cual refleja la incertidumbre en este sitio.
ponderador de
kriging (%)
5.2
-7.2
57.9
27.1
15.7
1.2
ley
0.21
0.35
0.42
0.28
0.53
0.05
0.389
ley de corte ley de corte ley de corte ley de corte ley de corte
n1 0.1
n2 0.2
n3 0.3
n4 0.4
n5 0.5
0
0
1
1
1
0
0
0
1
1
0
0
0
0
1
0
0
1
1
1
0
0
0
0
0
1
1
1
1
1
0.012
La estimacin de cada
indicador se interpreta
como la probabilidad que
el valor verdadero sea
menor que la ley de corte
asociada.
0.012
0.335
0.263
0.842
correccin descendente
interpolacin/extrapolaci
n
Kriging de indicadores
Pros
fcil de ejecutar, no requiere ninguna hiptesis particular
el formalismo de los indicadores permite incorporar datos
imprecisos
los valores aberrantes se transforman en 0 - 1
Contras
mtodo engorroso cuando hay numerosas leyes de corte
anlisis variogrfico de indicadores: coherencia matemtica?
la codificacin en indicadores pierde informacin
problemas de relacin de orden
interpolacin y extrapolacin
cambio de soporte
Sea Z(x) una variable regionalizada estacionaria con distribucin log normal
Definiremos
L(x) = + Y(x)
( h) = es la covarianza de Y( x )
( h ) = * ( h)
Z(x ) = = e * e
Y(x) - /2
Y(x)
e +/2 * e
Una empresa minera a explotado muchos yacimientos de fierro, por lo que su ley en fierro esta
claramente modelizada por una funcin aleatoria estacionaria, que llamaremos Z(x) .
Se ha notado que ella presenta problemas , donde es necesario trabajar en el campo no lineal ,
nosotros estaremos en el campo gaussiano . Segn este modelo la ley puede ser exprimida
en termino de una variable gaussiana reducida y con la ayuda de la anamorfosis gausiana
Z(x) =
La empresa utiliza el modelo analtico siguiente para describir la anamorfosis
Z(x)=a - b *eC *Y(X)
El valor de la constante a esta fijado en 70% ,porque la ley del fierro no puede pasar este limite.
Las dos constantes desconocidas b y c son siempre positivas ( b y c > 0 ) pero su valor es ajustado
segn el yacimiento .
Donde
Donde
Use la formula
4.-Cual es la cantidad de metal para una ley de corte 58%
5.-Cual es la ley media para una ley de corte de 58 %
Curvas de selectividad
Las curvas de selectividad son herramientas
alternativas al histograma para visualizar la
distribucin de los valores de una variable. Entre ellas,
las ms importantes son:
tonelaje - ley de corte: indica la proporcin de valores
(fraccin del tonelaje total) que supera una ley de corte
ley promedio - ley de corte: indica la media de los valores
que superan una ley de corte
ley promedio - tonelaje
cantidad de metal - ley de corte: la cantidad de metal se
define como el producto de la ley promedio por el tonelaje
cantidad de metal - tonelaje
Lospolinomios de Hermitesonunejemplodepolinomiosortogonalesque
encuentransuprincipalmbitodeaplicacionesenmecnicacuntica,sobre
todoenelestudiodelosciladorarmnicounidimensional.
SonnombradosasenhonordeCharlesHermite.
Definicin
LospolinomiosdeHermitesedefinencomo
Atendiendo al modelo
Efecto proporcional
Ejercicio 2
El calculo realizado anteriormente desentenda el tamao del
bloque , el cual es de 10 x 20 m2 , de este modo es necesario
considerar el cambio de soporte .
Para la construccin del cambio de soporte ,debemos asumir
que los bloques siguen la misma distribucin de las muestras
,asumiremos la permanencia de la distribucin
Donde Y es una variable normal estndar
Calcule la recuperacin
, la cantidad de metal
y la ley
EJERCICIO
Estimacin de
Reserva / depsito de plata] En este estudio
bivariado 2D que se estiman las reservas del plomo (Pb) y plata (Ag).
El ejercicio se debe a Jacques RIVOIRARD. Los parmetros son sobre los
de un estudio de caso real realizado por Peter DOWD en un Pb / Zn /
yacimiento Ag en Broken Hill, Australia (que se describe en [20] el
P256). La variable Z1 (Pb), tiene un grado promedio de 13% con
una variacin del 50. El variograma se compone de un efecto
pepita y un modelo esfrico con un alcance de 60 m:
RECOVERABLE RESERVES OF
LEAD
El histograma de valores de punto del plomo se ha modelado
mediante una
anamorfosis Gaussiana truncada en el segundo Orden:
2 = 2. Tenga en
calcular el
ANAMORFOSIS DE PLATA
La anamorfosis de los grados de punto de la plata se escribe:
Y usando la relacin
ESTIMACIN DE LOCALES
DE PLOMO
El objetivo de este estudio es estimar las reservas recuperables de
plomo para los
paneles de V de tamao 72 x 72 m2
, es decir:
La proporcin P de los bloques que tienen un superior grado de z1c
= 15%
La cantidad Q de plomo de estos bloques.
Donde,
precalculados de Qp
que si no cuenta con una variable de bloque Z(v) est por encima del
nivel prescrito
Z .
Para tener datos sobre el punto variable Z(x) los pasos son los
siguientes para la
creacin de un modelo discreto gausiano punto del bloque:
1. Calcular la anamorfosis punto Z(x) = (Y (x)),
2. Conocer el variograma (h) de Z (x), calcular el coeficiente r punto de
bloque de
bloque anamorfosis Z (v) = v (Y(v)) en (4.9), en primer lugar la
evaluacin de la
varianza de Z(v) con (4.12) y luego calcular r usando (4.11),
3. De nuevo con el variograma (h) de Z (x), calcule el bloque de
covarianzas
CLa(v,v')
y, a continuacin
el correspondiente
bloque
Gauss y las
anamorfosis
de funcin
no lineal puede
ser de
especificado
covarianzas
en la base de la
(v,v')
usando de
la Zrelacin
(4.29), teniendo cuidado de que la matriz
anamorfosis
(v),
de estas
covarianzas es definida positiva.
Kriging condicional
expectativa y disyuntiva
de un bloque
Kriging disyuntivo de un
grupo especial
Uniforme acondicionado
En algunos problemas el punto en el panel de bloque de promedios Z
(V) estn
disponibles. Por ejemplo, un modelo de circulacin general (GCM)
proporciona
valores para los paneles de 100x100 km2, mientras que el tamao
de
una redgeoestadstico
de
El anlisis
del punto de datos Z (x) proporciona un
estaciones
x muestras de punto.
variogramaproporciona
(h),
punto de anamorfosis coeficientes k y un coeficiente punto
bloque r usando la
relacin (4.11). De la misma manera r' una correlacin punto del
panel de
coeficiente
Tenemos
EJERCICIO
[depsito de mineral de hierro] sta es una continuacin del
ejercicio 1.4 en p10 en el que se aplic el mtodo de esperanza
condicional en un marco lognormal. El modelo discreto de Gauss para
tres muestras y los bloques que aparecen en la Figura 1.2 se discuti
all. Ahora aplicamos kriging disyuntivo. Normalizado el polinomio de
Hermite se definen como
EJERCICIO
[la minera global e Invest Smart] La compaa minera global
ha
llevado a cabo una campaa de exploracin de un depsito. La
produccin se basar
en bloques v con una superficie de 12 x 12 m2que servir de apoyo a la
seleccin.
La evaluacin del depsito se realiz con un modelo discreto gausiano
1. El bloque
punto de
punto
y la anamorfosis del depsito es el siguiente:
kriging disyuntivo 2D.
Selectividad
La Selectividad S de una distribucin F se define como
Cantidad recuperada en
funcin del tonelaje
La funcin Q (z) de metal con respecto a la ley de corte se puede escribir
como
De series de tiempo en el
monitoreo ambiental
Cuando el estudio de series temporales en la vigilancia del medio
ambiente, el
inters se centra generalmente en los perodos de traspaso de un
umbral por
encima del cual se considera un producto qumico, una concentracin de
polvo o
un nivel de ruido a ser peligroso para la salud. Estos umbrales
Cuando
serie
fijados lapor
las de tiempo se evala estamos interesados en saber
durante
normascunto
ambientales son el anlogo de leyes de corte en la minera.
tiempo en total, un nivel de tolerancia ha sido traspasado, como se
muestra en la
Figura 6.4. El tonelaje de T (z) de la minera se convierte en la
fraccin de tiempo
durante el cual fue traspasado el nivel. En un T correspondiente
(z) como en la
curva de la Figura 6.1 la fraccin del tiempo total se puede leer en el
que Z (t) est