UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS

FACULTAD DE INGENIERA
CARRERA DE INGENIERA DE GESTIN MINERA

Tema de Investigacin:

Informe SPSS- UTCUBAMBA

Curso: Evaluacin de Recursos Minerales por Mtodos Geoestadsticos

Profesor: Yvn Hurtado Guerrero
Integrantes:

Zamora Paredes, Vidal Enrike

Ciclo: 2016 2

2016

Rio utcubamba

Ubicacin: Es un rio del Per que pertenece a la vertiente del Atlntico, o tambin
conocida como, cuenca del Amazonas. Nace cerca de Leymebamba, a 90 kilmetros
de Chachapoyas en la Provincia de Chachapoyas del Departamento de Amazonas en los
Andes en el norte del Per. Se une con el ro Maran cerca de la ciudad de Bagua.
Localizacin geogrfica de su naciente:
1. Latitud: 614'1.47"S
2. Longitud: 78 8'7.14"O

El presente trabajo abarca un estudio geoqumico de sedimentos de quebrada del

rio Utcubamba. Dicha exploracin geoqumica sirve para detectar yacimientos
metlicos o no metlicos analizados por procesos qumicos en partes por milln
(ppm) y partes por billn (ppb). La exploracin en el rio Utcubamba es conocida
como anlisis geoqumicos en suelos residuales o transportados conocidos
como anlisis geoqumicos de dispersin secundaria. Esta dispersin se puede
dar en centmetros del lugar de origen, metros transportados del lugar de origen
o kilmetros transportados del lugar de origen. El proceso aplicado para esta
exploracin y anlisis geoqumico de sedimentos de quebrada se dio por medio
de:
1. Muestreo de agua del rio Utcubamba
2. Programa de muestreo de campo
3. Anlisis de muestras en el laboratorio por ICP 41

4. Tratamiento estadstico y evaluacin geolgica que es la relacin de las

anomalas geoqumicas con la geologa
El muestreo inicial de variables (elementos minerales) arrojo un numero de 53
variables en las cuales encontramos al :
Au
K
Ti
Cd
In
Sb
Tl

Al
Li
V
Ce
La
Sc
U

B
Mg
Zn
Co
Lu
Se
W

Ba
Mn
Zr
Cs
Mo
Sn
Y

Ca
Na
Ag
Ga
Nb
Ta
Yb

Cr
S
As
Ge
Ni
Tb

Cu
P
Be
Hf
Pb
Te

Fe
Sr
Bi
Hg
Rb
Th

1. Estandarizacin de datos:
1.1.
-

Una vez realizado dicha recoleccin de muestras se pasa a tener dicho muestreo
en un formato sav (archivos numricos) o un xls para poder realizar el trabajo
con SPSS.
Se comienza con un proceso de eliminacin de datos o muestras en las que los
valores adquiridos estn por debajo del ndice de deteccin. Si dichos valores
nulos sobrepasan el 65% del muestreo entonces se procede a anular dicha
variable, que en este caso de estudio sera un elemento metlico o no metlico
obtenido por los muestreos. Sin embargo, si dichos valores nulos no superan el
65%, entonces se procede a un cambio de valor por el menor ndice de deteccin
de dicho elemento. Es decir, si nuestra variable estudiada es el Au y se toman
muestras en relacin a ppm y existen 80 muestras de 100 que no han sido
detectadas por el anlisis geoqumico de la cuenca, entonces se procede a
eliminar dicho elemento, debido a que no contiene informacin suficiente para
realizar dicho estudio.
1.2.

Bajos ndices de deteccin

Poca variabilidad de datos

Una vez terminado esto, se prosigue a realizar una eliminacin de elementos con
una variabilidad muy baja de muestreos, es decir, si dichos muestreos presentan
valores en el caso del Geo de: 0,1 0,2, esto indica que nuestras graficas de
variabilidad sern homogneas y no habr necesidad de realizarlas; esto quiere
decir que se posee poca informacin de dicho elemento y no es necesario
considerarlo para el anlisis ACP. Tambin se prosigue a la eliminacin de
variables con un gran porcentaje de datos similares, por ejemplo, el Au presenta
351 muestreos, del cual 237 muestreos arrojan un ndice de deteccin de 5,00;
esto sobrepasa el 65 % del lmite y por ende se proced a la eliminacin de dicha

variable porque al momento de analizar la variabilidad del Au a travs de un

histograma sera absurdo.

2. Procedimiento estadstico:
Al tener nuestra data analizada y corregida con los dos procesos de estandarizacin se
procede a realizar el primer paso del anlisis de la Geoestadistica, el anlisis
exploratorio de datos, el cual consiste en realizar:
1. correlaciones de Pearson
2. anlisis de componentes principales ( ACP )
3. tallos y hojas
4. grficos de variabilidad( histogramas y cagas)
5. grficos P-P
6. tablas de frecuencias
Comentario: Para realizar el anlisis de graficas de variabilidad, primero se
procedi a eliminar el primer componente principal del ACP debido a que
presenta elementos generales de roca y ser elementos de alteracin por anlisis
de sedimento de quebrada

3. Anlisis estadstico:
3.1.

correlacin de Pearson :

Es una medida que se realiz para analizar un anlisis de las variables

cuantitativas y poder determinar la fuerza de relacin lineal que existen entre
toda la muestra.

Comentario: en esta tabla de xls, se puede observar un cuadro de variables

cuantitativas con determinados colores entre puntos de interseccin. Esto indica
que los cuadros de color amarillo indican correlaciones dbiles que oscilan entre
0.5-0.599; los de color verde indican correlaciones entre 0.6-0.799 y finalmente las
correlaciones fuertes oscilan entre 0.8-1.0. Por ejemplo, la correlacin entre Li y Al
es de color rojo, quiere decir que por cada partcula de Li que encontremos
tenemos una gran probabilidad de encontrar Al ya que ambos elementos estn
asociados.

3.2.

anlisis de componentes principales ( ACP )

En cuanto al inters que presenta el ACP, en muchas ocasiones nos enfrentamos a

situaciones en las que para analizar un proceso geoqumico disponemos de informacin
de muchas variables que estn correlacionadas entre s en mayor o menor grado. Estas
correlaciones tienen como un velo que impiden evaluar adecuadamente el papel que
juega cada variable en el fenmeno que estamos .Es por esta razn, que se acude al ACP
para poder crear un nuevo conjunto de variables que pasaran a tener el nombre de
factores (componentes principales), que estarn incorrelacionadas unas con otras y as,
tratar de representar la mayor parte de la varianza total, es decir, reducir el nmero de
variables conservando la mayor parte de la informacin importante para realizar un
estudio y una interpretacin exacta.
El estudio de las Componentes Principales con SPSS se realiza a travs del Anlisis
Factorial, el cual intenta identificar variables subyacentes, o factores que expliquen la
configuracin de correlaciones dentro de un conjunto de variables observadas.
Para que ste procedimiento estadstico tenga sentido, es necesario que entre las
variables de estudio haya una estructura importante de correlacin, es decir, es necesario
que las variables han sido observadas estn relacionadas entre s.

Se seleccionan todos los elementos o variables correlacionadas, y se procede a

realizar las distintas opciones. Una manera fcil de seleccionar todas las
variables es click izquierdo en el primer elemento + shift + click izquierdo en el
ltimo elemento
Entrar a la opcin descriptivos y seleccionar :
1 Descriptivos univariados

2
3
-

Solucin inicial
coeficientes

Seleccionar la opcin extraccin y marcar :

1
2
3
4

Matriz de correlaciones
Solucin factorial sin rotar
Grfico de sedimentacin
Basado en autovalor: 1

Opcin rotacin y marcar :

1 Varimax
2 Solucin rotada

En la opcin puntuaciones factoriales no realizar ninguna modificacin ni

agregar ninguna marca.

En el men opciones seleccionar :

1 Excluir casos segn lista
2 Ordenados por tamao
3 Suprimir pequeos coeficientes: en nuestro caso es por debajo a 0.5 debido a
que las variables correlacionadas por debajo de este ndice son consideradas
muy bajas y no se toman en cuenta.

Una vez finalizado todo este proceso, se procede a aceptar todas las opciones
seleccionadas y se abre un formato grafico (spv), en el cual se muestran distintas
tablas; sin embargo, en nuestro caso de estudio solo nos enfocaremos en la
interpretacin de algunas y que son importantes para los siguientes procesos con
el SPSS.
Las tablas y grficos a trabajar son :

Varianza total explicada: Esta tabla nos indica el porcentaje de la

varianza total de los 9 primeros componentes .En nuestro caso, se lleg al
78,577%, y se busca siempre que pase el 75 %.

Matriz de componentes rotados:

Esta tabla nos indica los 9 componentes principales, en el cual en el primer componente
se encuentran los elementos generales, posibles elementos que siempre se van a
encontrar en una toma de muestras en una cuenca cualquiera. Una comparacin
adecuada, es por ejemplo realizar el anlisis de elementos de un macizo rocoso y saber
que minerales presenta. Por ejemplo, en un primer componente puede haber
Li,Mg,Mn,Ga, etc . Mientras en el segundo componente se encuentren los elementos de
valor econmico y que presentan alto ndice de deteccin por la mquina y que son los
que se querrn explotar. As sucesivamente.

Grfico de componentes principales rotados: representacin grfica de la

matriz de componentes.

Comentario: Para realizar el anlisis de graficas de variabilidad, primero se

procedi a eliminar el primer componente principal del ACP debido a que
presenta elementos generales de roca y ser elementos de alteracin por anlisis
de sedimento de quebrada

A partir de este paso que se realiz, se procede a trabajar con un nuevo grafico de
componentes rotados que se mostrara a continuacin. Este grfico, arroja nuevos
elementos minerales en el primer componente principal, los cuales tendremos que

normalizar a travs de un Ln(x) para realizar un anlisis de las grficas de variabilidad

que se encuentran en el archivo spv y sern presentadas en este informe.
Matriz de componente rotadoa
Componente
1
2
3
4
Sb
0.920
Cd
0.900
Tl
0.861
Mo
0.861
Se
0.843
Zn
0.817
Ni
0.816
P
0.636
Hg
Fe
0.888
Al
0.858
Co
0.850
Rb
0.799
Cr
0.730
Cu
0.662
u
0.597
Th
0.594
In
0.586
Cs
0.546
y
0.860
Yb
0.843
Tb
0.837
Lu
0.831
Ca
0.696
Sr
0.613
Pb
0.853
Mn
0.501
0.546
Ba
Ag
As
Bi
Sn
Mtodo
de
extraccin:
anlisis
de
Mtodo de rotacin: Varimax con normalizacin Kaiser.a
a. La rotacin ha convergido en 9 iteraciones.

0.640
0.820
componentes

0.876
principales.

3.3.

Histogramas y box plot:

Son mtodos graficas de estadstica descriptiva que sirve para analizar y

visualizar la variabilidad y la frecuencia de las variables (histogramas) y poder
visualizar los valores que estn por encima de la media de la variable analizada
(box plot)
En este informe, se procedi a trabajar con los elementos:
a
b
c
d

Zn
Ni
Mo
Sb

Sin embargo, al momento de realizar dichos estadsticos graficas se obtuvo histogramas

y box plots en los cuales era necesario una normalizacin por medio del Ln ya que los 4
variables presentaban unidades diferentes.

Box plots e histogramas corregidos y terminados:

a

Zn_pro

b Mo_pro

Ni_pro

d Sb_pro

Comentario: cada uno de estos grficos son los resultados finales de las
modificaciones de eliminacin temporal de datos que ayudan a estructurar y
eliminar los valores por encima de la media de dicha variable.

5
-

Conclusiones

La normalizacin de variables a travs del Ln nos permite adjuntar todas las

unidades de dicha variables a una sola unidad estndar con la cual se proceder a
trabajar los siguientes anlisis.

Una vez normalizadas las variables : Zn, Mo, Ni, Sb se obtuvieron sus graficas
de histogramas y box plot, las cuales arrojaron valores atpicos los cuales se
tuvieron que ir modificando poco a poco para obtener variables correctamente
modificadas para el posterior anlisis estructural.

El proceso de correlacin ayuda a tener una idea de las relaciones lineales entre
2 variables cuantitativas y as poder analizarla y deducir cosas en la vida real
sobre dichos elementos.

El proceso de ACP, permiti reducir el dimensionamientos de las variables

cuantitativas estandarizadas recabando la mayor parte de la informacin de las
mismas(variabilidad) y agrupndolas en trminos llamados componentes
principales, cada uno explicando parte de la informacin y existencia en la
realidad.