Você está na página 1de 5

INTRODUCCION A LA ESTIMACIN DE DEPOSITOS MANTOS

1.1 Generalidades
Como es de conocimiento, la mayora de los depsitos o yacimientos mineros son afectados por
esfuerzos, los cuales producen deformaciones o fallamientos de los cuerpos mineralizados.
En la actualidad la mayor parte de los estudios para la estimacin de recursos mineros para yacimientos
o cuerpos tipo veta o mantos plegados, toman en consideracin la distancia entre las muestras sin
considerar la forma o fallamiento del cuerpo.
Para un mejor entendimiento de este estudio se explicara el fundamento terico para este tipo de
estudios.
1.2 Fundamentos Tericos.
1.2.1 Variable Regionalizada
La geoestadstica estudia el comportamiento de una variable regionalizada, es decir que se
extiende en el espacio geogrfico y que presenta una continuidad en este, que se puede representar en
una funcin matemtica
Uno de los objetivos de la geoestadstica es la estimacin de un depsito o yacimiento minero. Consiste
en evaluar de la forma ms precisa posible, un valor que no ha sido medido, a partir de los datos
disponibles (Emery, 2007). Dentro de la geoestadstica se distinguen dos tipos de estimaciones: las
estimaciones globales y las estimaciones locales.
1.2.2 Tipos de Estimaciones
La estimacin global busca caracterizar el campo D completo por un valor nico (por ejemplo la
media de la variable regionalizada en el estudio) o por una distribucin estadstica. Generalmente la
estimacin global no es suficiente y hay que complementarla con la estimacin local.
La estimacin local trabaja en diferentes sectores de la zona en estudio, buscando el valor de un sector
que no ha sido muestreado, Para este problema se deben considerar la continuidad de la variable
regionalizada, las distancias entre los sectores a estimar, la agrupacin de datos los cuales pueden
producir informacin redundante y distorsionar los valores de tendencia central.
1.2.3 Estudios de los Datos
La geoestadstica busca estudiar una variable regionalizada por medio de toma de muestras.
Antes de realizar un estudio geoestadstica es conveniente realizar un estudio exploratorio de los datos
disponibles, lo cual tiene los siguientes objetivos
Analizar la cantidad, calidad y ubicacin espacial de los datos.
Definir el rea o zona de inters para el estudio.
Identificar la presencia de valores atpicos con respecto a la vecindad de datos.
1.2.4 Herramientas Para el Estudio de los Datos
En la primera etapa se utiliza la estadstica bsica para el estudio cuantitativo y cualitativo de los
datos, se utiliza histograma el cual representa grficamente las frecuencias de ocurrencias en funcin de
un valor. Consiste en dividir el rango de los valores en intervalos de igual ancho.





Figura 0-1 Histograma Normal de una distribucin de leyes
El histograma es una herramienta que nos permite visualizar la distribucin de una poblacin de
datos y detectar valores extremos los cuales se les debe realizar un estudio en paralelo, para verificar si
pueden ser una sub-poblacin dentro de la de estudio.
Se debe tener cuidado que estos valores extremos no se deben eliminar y no suponer como falsos, por
lo cual es recomendable verificar estos valores con los reportes de anlisis del laboratorio.
1.2.5 Estadstica Bsica
Para conocer el comportamiento de los valores de las muestras se deben realizar una estadstica
bsica, dentro de las cuales se distinguen:
Medidas de posicin
Media:
La media aritmtica de una variable se define como la suma ponderada de los valores de la
variable por sus frecuencias relativas y lo denotaremos por y se calcula mediante la expresin:

x
i
representa el valor de la variable o en su caso la marca de clase.
Propiedades:
1. Si multiplicamos o dividimos todas las observaciones por un mismo nmero, la media queda
multiplicada o dividida por dicho numero.
2. Si le sumamos a todas las observaciones un mismo nmero, la media aumentar en dicha
cantidad.
3. Adems de la media aritmtica existen otros conceptos de media, como son la media
geomtrica y la media armnica.
Mediana:
La mediana es el valor central de la variable, es decir, supuesta la muestra ordenada en orden
creciente o decreciente, el valor que divide en dos partes iguales la muestra.
Clculo de la mediana en el caso discreto:
Tendremos en cuenta el tamao de la muestra.
Si N es Impar, hay un trmino central, el trmino que ser el valor de la mediana.
Si N es Par, hay dos trminos centrales, la mediana ser la media de esos dos
valores
Moda
Por lo tanto el clculo de la moda en distribuciones discretas o cualitativas no precisa de una
explicacin mayor; sin embargo, debemos detenernos un poco en el clculo de la moda para
distribuciones cuantitativas continuas.
Cuantiles o percentiles
Valores que dividen la poblacin en partes de igual numero de datos. La mediana es el valor del
50 % de los datos, es decir divide a la poblacin en 2 partes iguales, los cuartiles la dividen en 4
partes iguales, los quintiles en 5 partes iguales y los deciles en 10 partes iguales.
Medidas de dispersin
Es importante conocer si los valores en general estn cerca o alejados de estos valores
centrales, es por lo que surge la necesidad de estudiar medidas de dispersin.
Rango:
Es la primera medida que vamos a estudiar, se define como la diferencia existente entre el
valor mayor y el menor de la distribucin,. Lo notaremos como R. Realmente no es una
medida muy significativa en la mayora de los casos, pero indudablemente es muy fcil de
calcular.
Hemos estudiado varias medidas de centralizacin, por lo que podemos hablar de desviacin
con respecto a cualquiera de ellas, sin embargo, la mas utilizada es con respecto a la media.
Varianza:
Promedio aritmtico de la desviacin cuadrtica en cada valor y la media. La varianza
nos entrega el valor de dispersin de los datos.



Desviacin estndar:
Raz cuadrada de la varianza; se expresa en la misma unidad que la variable en estudio.



Coeficiente de variacin:
Es la razn entre la desviacin estndar y la media, este valor nos entre nos indica el
porcentaje de variacin de los datos, al ser este valor bajo demuestra que los datos
tienen valores muy parecidos y que la distribucin es homognea. Tiene la ventaja de
que no lleva asociada ninguna unidad, por lo que nos permitir decir entre dos muestras,
cual es la que presenta mayor dispersin


Medidas de Simetra y forma
Las medidas de la asimetra, al igual que la curtosis, van a ser medidas de la forma de la
distribucin, es frecuente que los valores de una distribucin tiendan a ser similares a ambos
lados de las medidas de centralizacin. La simetra es importante para saber si los valores de la
variable se concentran en una determinada zona del recorrido de la variable.


Figura 0-2 Tipos de Distribuciones Simtricas
Para medir la asimetra se puede realizar atendiendo bsicamente a dos criterios:
Comparando la Media y la Moda.
Comparando los valores de la variable con la media.
Comparando la Media y la Moda:
Si la diferencia es positiva, diremos que hay asimetra positiva o a la derecha, en el caso de que sea
negativa diremos que hay asimetra negativa o a la izquierda. No obstante, esta medida es poco
operativa al no ser una medida relativa, ya que esta influida por la unidad en que se mida la variable, por
lo que se define el coeficiente de Asimetra como:

Esta medida es muy fcil de calcular, pero menos precisa que el coeficiente de asimetra de Pearson. El
coeficiente de asimetra de Pearson, se basa en la comparacin con la media de todos los valores de la
variable, as que es una medida que se basar en las diferencias , como vimos en el caso de la
dispersin si medimos la media de esas desviaciones sera nulas, si las elevamos al cuadrado, seran
siempre positivas por lo que tampoco serviran, por lo tanto precisamos elevar esas diferencias al cubo.
Para evitar el problema de la unidad, y hacer que sea una medida escalar y por lo tanto relativa,
dividimos por el cubo de su desviacin tpica. Con lo que resulta la siguiente expresin: