Evaluacion de Mallas

UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA GEOLGICA
(E.A.P.I.G.)
TRABAJO:
EVALUACIN DE MALLAS DE RECONOCIMIENTO
USADOS EN LA EXPLORACIN Y EXPLOTACIN
ASIGNATURA:
GEOESTADSTICA
DOCENTE:
ING. CHUQUIRUNA CHVEZ WILDER
ALUMNOS:
ALIAGA MEJIA, Henry A.
CASTRO TAPIA, Martin.
HUAMN CARRASCO, James.
RUIZ SANCHEZ, Heiner.
SNCHEZ CHUNQUE, Oscar S.
CICLO:
VI
CAJAMARCAPER
2015
NDICE
INTRODUCCION ............................................................................................................................ 1
OBJETIVOS..................................................................................................................................... 2
OBJETIVO GENERAL ...................................................................................................................... 2
OBJETIVOS ESPECFICOS ............................................................................................................... 2
I. MTODOS DE EVALUACION DE RESERVAS .......................................................................... 3
1.1. MTODOS CONVENCIONALES .............................................................................................. 3
Muestreo de los Depsitos Minerales Toma de la Muestra ....................................................... 5
A. Muestreo sistemtico ............................................................................................... 7
B. Muestreo Aleatorio ................................................................................................. 14
C. Muestreo Aleatorio Estratificado ...................................................................... 18
II. INTRODUCCIN A LA EVALUACIN Y DISEO DE MALLAS DE MUESTREO ...................... 20
III. EVALUACIN DE MALLAS DE RECONOCIMIENTO USADOS EN LA EXPLORACIN Y
EXPLOTACIN ............................................................................................................................. 21
3.1. EL ANLISIS VARIOGRFICO GEOESTADSTICO .................................................................. 21
3.2. DISEO Y OPTIMIZACIN DE MALLAS Y DIMENSIONAMIENTO PTIMO DEL
MUESTREO ................................................................................................................................. 22
3.2.1. Buena representatividad de la muestra y Proporcionalidad de la
muestra 22
3.2.2. Distancia ptima de muestreo ...................................................................... 22
3.3. METODOLOGIA GENERAL PARA OPTIMIZAR LA DISTANCIA DEL MUESTREO .................... 23
CONCLUSIONES ........................................................................................................................... 24
BIBLIOGRAFA ............................................................................................................................. 24
ESCUELA ACADMICA PROFESIONAL DE INGENIERA GEOLGICA
INTRODUCCION
La exploracin minera ha sido un rea que con el tiempo ha ampliado su

aplicacin y gracias a la informacin que se obtiene mediante el anlisis de roca, suelo,
sedimentos de arroyo, gases, fluidos, etc., permite la obtencin de informacin que se
puede correlacionar con el subsuelo por efecto de movilidad de elementos y lixiviacin.
Las reas de aplicacin son diversas, pero a continuacin se describen algunas;

minera, petrologa, hidrogeoqumica, ambiental, petrleo, etc. El mtodo comnmente
empleado para visualizar las anomalas en 2D, mediante un mapa, donde es vital la
utilizacin de software especializado que se fundamenta en Geoestadstica (matemticas
aplicadas), segn el elemento estudiado (Au, Ag, Cu, Zn, Pb, Fe, etc.) los cuales nos
entregan indicadores proximales y nos permiten establecer zonas de inters, adems de
realizar anlisis por superposicin de geologa (litologa, estructuras, alteracin
hidrotermal, etc.), geofsica (gravimetra, magnetometra, etc.) u otro.
Este mtodo es ptimo hasta el punto en que se desean definir zonas de inters,
pero cuando se desea observar alguna tendencia anmala, sea sta lineal o de superficie,
el mapa 2D, tambin en la tendencia que hay cuando se obtiene la media, moda, valores
de concentracin, interpolacin y lo ms importante la cuestin estadstica, que
corresponde con el tamao de malla y cantidad de puntos de muestreo.
P g i n a 1 | 28
OBJETIVOS
OBJETIVO GENERAL
Estudio de la evaluacin de mallas de reconocimiento usados en la

exploracin y explotacin.
OBJETIVOS ESPECFICOS
Analizar el diseo de mallas de muestreo.
Evaluar las mallas de reconocimiento.
P g i n a 2 | 28
I. MTODOS DE EVALUACION DE RESERVAS
Durante el proceso de exploracin y evaluacin inicial del depsito mineral, el

principal nfasis se ha puesto en definir la geologa y la estimacin de la
cantidad y calidad de los recursos existentes.
Los datos son recopilados desde diversos programas de muestreo, incluyendo

campaas de perforacin de sondeos, informacin de calicatas, etc.
Obteniendo muestras directas en forma de detritus, en forma de testigos o en
forma de rocas tomadas en afloramientos.
El objetivo de todo este proceso es el de obtener un inventario de minerales.

Solamente una vez conocido el contenido de mineral presente en el macizo
rocoso, junto a la forma del depsito mineral, ser posible comenzar la
evaluacin del proyecto minero, para saber si es rentable la explotacin del
mismo por mtodos mineros.
En este aspecto ser la ley de corte, la que establezca que yacimiento es

econmicamente explotable y por otro lado habr que establecer cul es el
mtodo ptimo de explotacin.
Para la estimacin de recursos minerales disponibles se pueden distinguir los

mtodos: los mtodos convencionales y los mtodos geoestadsticos, adems
de los basados en la estadstica clsica.
1.1. MTODOS CONVENCIONALES
En el clculo de los recursos o reservas potenciales de un determinado

depsito mineral una de las frmulas ampliamente usadas es:
P g i n a 3 | 28
Dnde:
T es cantidad de reservas (en toneladas)
A es el rea de influencia de una seccin plana (en km2)
Th es el espesor del depsito en esa rea de influencia (en

metros)
BD es la densidad del material en el macizo. sta densidad

incluye el espacio ocupado por los poros. Se obtiene en
laboratorio, a partir de muestras de campo.
El rea de influencia se obtiene de un plano o seccin del depsito

geolgicamente definido. Los mtodos convencionales habitualmente usados
son: contornos de espesor, construidos manualmente sobre plano, polgonos,
tringulos, secciones o una malla aleatoria.
P g i n a 4 | 28
La eleccin de cada mtodo depender de la forma, dimensiones y complejidad

del depsito mineral y del tipo, dimensiones y patrn de muestreo (malla de
muestreo).
Estos mtodos tienen varios inconvenientes que estn relacionados con las
hiptesis sobre las que estn basados, especialmente el rea de influencia de
los datos de muestreo y generalmente no tienen en cuenta ninguna correlacin
de mineralizaciones entre muestras ni cuantifican ningn tipo de error de
estimacin.
Existen otros mtodos englobados como mtodos convencionales, como el

mtodo del inverso de la distancia, usado principalmente en paquetes de
anlisis informtico.
Estos mtodos son ampliamente conocidos, y aplicados en minera con un

xito considerable. Los resultados obtenidos aplicando cada uno de los
mtodos se deberan contrastar entre s para obtener un resultado adecuado.
Muestreo de los Depsitos Minerales

Toma de la Muestra
El muestreo es una fase de vital importancia en la evaluacin de un
Depsito Mineral, debido que en l se apoya el estudio de viabilidad
tcnica y econmica.
Las muestras no solo deben ser representativas, sino que deben estar
en una cantidad adecuada, en el lugar preciso, y con un proceso de
reduccin de peso y anlisis apropiados.
Qu requisitos debe reunir una muestra?
Una muestra se define como una parte representativa de un todo. De tal forma
que la proporcin y distribucin de la caracterstica que se investiga (Ley), sean
iguales en ambos.
P g i n a 5 | 28
Factores que determinan el tipo y cantidad de muestra
Tipo de depsito mineral.
Distribucin del mineral til y su tamao.
Etapa de investigacin en la que se efecta el muestro.
La accesibilidad a la mineralizacin.
La facilidad para la toma de muestra.
El costo de la toma de muestra.
Tipo de Depsito Mineral
Filones: mena se distribuye irregularmente, muestras poco espaciadas.

Tener en cuenta dureza y fragilidad de la mena.
Depsitos metlicos estratiformes: Gral. Leyes uniformes, cambios

graduales, intervalos de muestreos amplios.
Depsitos sedimentarios (carbn, yeso, hierro): la variacin de los

indicadores de calidad es gradual. intervalos de muestreos amplios.
Prfidos cuprferos: muestreo por sondeos con malla amplia (100 a150
m).
Sulfuros masivos: su anchura, elevadas leyes, y fuerte buzamiento,

muestras de perforacin a testigo continuo. Principalmente presentan
variaciones en el sentido vertical.
Premisas para realizar un buen muestreo
Los elementos de la Poblacin sean homogneos.
Que el muestreo sea insesgado.
Que sea preciso, minimizando el error de muestreo.
P g i n a 6 | 28
Por lo tanto el resultado ser:
Valores representativos del depsito mineral.
Toma de conocimiento de la distribucin espacial de las calidades.
Lugar y frecuencia con que deben tomarse las muestras.
Sesgos que se pueden producir en el muestreo:
Alteracin superficial de la roca muestreada.
Prdida selectiva de elementos mviles (elementos de granulometra

ms fina)
Contaminaciones
Mala recuperacin
Fallo humano (selectividad por dureza)
Tipos de muestreos
Sistemtico: muestras se toman regularmente en el espacio o en el

tiempo.
Aleatorio: las muestras estn aleatoriamente distribuidas en el espacio
o en el tiempo.
Estratificado: las muestras se agrupan en poblaciones homogneas
(capas, estratos)
A. Muestreo sistemtico
Muestras se toman en una malla regular, en intervalos regulares de tiempo o

de espacio.
P g i n a 7 | 28
Clculo del variograma para una malla regular bidimensional

Supongamos la situacin de la figura de abajo (corresponde a leyes de cobre)
En este caso h es un vector (con coordenadas cartesianas o polares)
Componentes del vector h, en este dibujo no es el azimut sino el ngulo de

coordenadas polares.
P g i n a 8 | 28
Caso 1. Fijemos la direccin del vector h; que sea por ejemplo = 90,
es decir, la direccin NS. El vector h slo puede ser:
Vectores orientados segn direccin NS
Calculemos (h1) = NS (10). Al aplicar el algoritmo hay que considerar las

(diferencias)2 posibles: (Zi - Zj)2 cuando ambos datos Zi y Zj estn definidos. La
figura muestra las diferencias que hay que calcular:
Parejas posibles para calcular gama de 10 metros en la direccin NS (hay 36

vectores).
Luego:
P g i n a 9 | 28
De manera anloga se obtiene:
(h2) = 0.0987 (27 parejas)
(h3) = 0.1888 (21 parejas)
Caso 2. Fijemos la direccin del vector h; que sea ahora la direccin
= 0, es decir la direccin EW. El vector h slo puede ser:
Vectores orientados segn direccin EW.
Las diferencias que hay que calcular son:
Parejas posibles para calcular gama de 10 metros en la direccin EW (hay 36 vectores).
Se obtiene entonces:
P g i n a 10 | 28
Caso 3. La prctica demuestra que, para estudiar las estructuras basta con
calcular (h) en dos direcciones adicionales: = 45 y = 135
Clculo de (h) en la direccin de

45. La distancia entre parejas es ahora 14.41 metros.
Clculo de (h) en la direccin de 135. La distancia entre parejas contiguas (el paso)
es 14.41 metros.
En estas direcciones hay que tener presente que el mdulo de h es un mltiplo

de 102.
Grfico de (h):
Variograma anistropo. La variacin de las leyes es ms regular en la direccin EW que en la

NS.
EJEMPLO
P g i n a 11 | 28
Los datos que se proporcionan a continuacin provienen de un banco en una

mina de fierro:
Al aplicar el algoritmo general se obtienen los grficos siguientes:
Variograma NS
Variograma EW
P g i n a 12 | 28
Variograma direccin 45 (paso = 14.41 metros)
Variograma direccin 135 (paso = 14.41 metros)
Observamos que (h) es casi el mismo segn las direcciones: podemos

concluir que el fenmeno es istropo.
En este caso se justifica calcular el variograma promedio, llamado

variograma omnidireccional, el cual se puede obtener, en este caso, mediante
un promedio ponderado de los valores del variograma (ponderacin por el
nmero de parejas N'):
P g i n a 13 | 28
Grfico del variograma:
Variograma omnidireccional. Su clculo se justifica en el caso istropo.
B. Muestreo Aleatorio
Muestras se toman en intervalos de tiempo o espacio variables y distribuidos al

azar.
Clculo del variograma para una malla regular bidimensional
En el caso bidimensional, la situacin es la siguiente:
Leyes de alcalinos en un banco

de la mina de hierro de
Marquesado (Espaa).
P g i n a 14 | 28
Se observa la localizacin de pozos de tiro en un banco de la mina de hierro de
Marquesado, Espaa. Supongamos que queremos calcular (h1) utilizando el
algoritmo general, siendo h1 el vector siguiente:
Vector para clculo del variograma.
Lo ms probable es que no encontremos ningn o muy pocos pares de

datos que estn exactamente a la distancia h1. Es necesario entonces
introducir aproximaciones para el clculo de (h).
Aproximacin: Mtodo de los sectores. Se basa en la aproximacin siguiente:
Dos puntos estn aproximadamente a la distancia h si una vez fijado el

primero, el segundo cae en la zona de la figura:
Mtodo de los sectores.
Si el punto P2 cae en la zona amarilla, entonces se dice que P1 y P2 estn

aproximadamente a la distancia h.
se llama tolerancia angular, se llama tolerancia en distancia.
La eleccin de y depende de la distribucin espacial de los datos y de la
prctica.
P g i n a 15 | 28
En algunos casos la prctica recomienda utilizar = 22.5 y = 0.5b, en que b
es la distancia mnima, llamada paso, para el clculo de (h).
El paso en una direccin dada se puede determinar como la distancia entre

datos aproximadamente contiguos en esa direccin.
El mtodo de aproximacin presenta problemas:
Puede caer ms de un punto en la zona. En este caso se consideran las

diferencias en el clculo.
Si h es grande, como el ngulo se abre, la aproximacin tiende a
ser grosera:
La aproximacin no es buena para h grande.
Algunos paquetes computacionales definen otro tipo de zona para evitar este
problema (mtodo del lpiz):
Aproximacin para h grande.
En este caso hay que definir tres parmetros: , y d (d se llama a veces
ancho de banda).
P g i n a 16 | 28
Hay que tener presente que es necesario conocer bien el variograma en una
vecindad de h=0 (los puntos ms cercanos al origen), luego, en algunas
situaciones no se justifica este mtodo del lpiz.
El mtodo de los sectores se puede generalizar al espacio de tres dimensiones:
Compsitos en el espacio de tres dimensiones, con leyes de cobre en mina Chuquicamata.
Aproximacin en el espacio de 3 dimensiones: Una especie de cono
Aproximacin en el espacio de 3 dimensiones: Mtodo del lpiz.
LA NUBE VARIOGRFICA.
Dada una cierta direccin, la nube variogrfica consiste en graficar, para una
direccin dada, el valor de todas las diferencias
P g i n a 17 | 28
E n funcin de la distancia entre los puntos xi y xj.
En la figura se ha representado la nube variogrfica correspondiente a leyes de

alcalinos en una mina de hierro, en la direccin de azimut 45, con tolerancia
angular de 22.5. Se ha representado tambin el variograma experimental para
un paso de 10 metros, con una tolerancia en distancia de 10 metros.
Esta herramienta permite detectar la influencia de algunos datos anmalos en

el clculo del variograma. Estos datos podran ser filtrados en la variografa.
Nube variogrfica. El dato anmalo 1.51 es el responsable de las diferencias que estn en la
elipse de la derecha.
C. Muestreo Aleatorio Estratificado
P g i n a 18 | 28
Muestras se toman aleatoriamente dentro de un estrato. Un estrato

corresponde a una seccin del tiempo o del espacio de tamao constante.
EJERCICIO
Los datos de la figura corresponden a una zona dentro del yacimiento de
nitratos yodo de Lagunas. Encontrar la funcin (h) hasta h = 250 m.
segn las direcciones: = 0, 45, 90, 135.
Leyes de NaNO3 Oficina Lagunas. Profundidad del sondaje = 2 metros.
P g i n a 19 | 28
II. INTRODUCCIN A LA EVALUACIN Y DISEO DE

MALLAS DE MUESTREO
Ya se ha cumplido ms de cuatro dcadas del nacimiento de la Geoestadstica
Matheroniana (MATHERON 1962, 1963); por lo que estos mtodos, basados
en la Teora de la Variables Regionalizadas, estn lo suficientemente
difundidos en la actualidad.
Es por este motivo que prcticamente todos los paquetes de software

importantes, que se aplican a la minera, presentan mdulos de Geoestadstica;
a pesar de ello, esta tcnica todava no se usa en todo su potencial.
Uno de esos campos de aplicacin es el de la optimizacin del muestreo; el

cual es un problema de cada da, tanto en la exploracin, como en la etapa de
produccin de un yacimiento. En nuestro Pas generalmente esta tarea se
enfrenta en forma intuitiva, empleando slo criterios empricos.
Los conceptos y mtodos que se plantean, ayudarn a responder una serie de

preguntas rutinarias, como son:
Cada cuntos metros debemos muestrear una veta?
Cada cuntos metros debemos muestrear los testigos de un taladro

diamantino?
Cul es la malla de perforacin ms adecuada para exploracin?
A qu distancia debemos ubicar los siguientes taladros para que nos brinden
la mejor informacin y con el menor error?
Es mejor muestrear por puntos o por canales?
Cmo disminuir los costos en una campaa de exploracin sin afectar el nivel
de informacin?
Para ello es necesaria una comprensin mnima de ciertos conceptos

geoestadsticos, los cuales pasamos a explicar en forma sucinta; ayudndonos
de ilustraciones y ejemplos tomados de aplicaciones reales.
P g i n a 20 | 28
III. EVALUACIN DE MALLAS DE RECONOCIMIENTO

USADOS EN LA EXPLORACIN Y EXPLOTACIN
3.1. EL ANLISIS VARIOGRFICO GEOESTADSTICO

Vamos a definirla tomando el caso de un depsito D, en el cual se ha tomado
una determinada cantidad de muestras, en diferentes puntos xi, cada uno de
ellos con su respectivo valor de una determinada variable Z(xi) que nos interesa
estudiar (puede ser ley, intensidad de alteracin, peso especfico, dureza,
porosidad, etc.).
Es de esperar que dos valores contiguos Z (xi) y Z (xi + h), separados una
distancia h, estn relacionados entre s (autocorrelacin), es decir que sus
valores sean dependientes el uno del otro;
La estadstica clsica no puede reconocer dichas estructuras ya que sus

parmetros y funciones no toman en cuenta la ubicacin de los datos. Por
ejemplo, la altura media de los alumnos de un saln no se modificar as stos
se cambien de asiento una y otra vez.
El variograma puede ser estimado a partir de datos experimentales (por

ejemplo las leyes provenientes de una campaa de muestreo) empleando la
frmula general:
Dnde:
Z : es la variable estudiada
Z(x) : es el valor de dicha variable en el punto x
Z(x + h): es el valor de la variable en el punto (x + h)
h : es el paso entre las muestras (distancias iterativas)
n : nmero de pares de valores
P g i n a 21 | 28
2 ( h) : valor de la funcin variograma para un valor h.

( h) : valor de la funcin semivariograma (denomina usualmente
variograma)
3.2. DISEO Y OPTIMIZACIN DE MALLAS Y DIMENSIONAMIENTO

PTIMO DEL MUESTREO
Un buen muestreo descansa en tres aspectos principales:
3.2.1. Buena representatividad de la muestra y Proporcionalidad de la

muestra
Tamao de la muestra en funcin del coeficiente de variacin
Coeficiente de variacin
Proporciona una indicacin til de la dispersin relativa (es decir la relacin

entre la desviacin estndar y el promedio de un conjunto de datos)
CV = 100. S / X
3.2.2. Distancia ptima de muestreo
P g i n a 22 | 28
3.3. METODOLOGIA GENERAL PARA OPTIMIZAR LA DISTANCIA

DEL MUESTREO
En la mayor parte de los casos para optimizar la distancia del muestreo se
sigue el siguiente procedimiento:
a. Seleccionar un tramo piloto, representativo de la zona de estudio, y

aplicar un muestreo de alta densidad (0.50 o 1.0 m en vetas, o 5 a 10
metros en cuerpos).
b. Se simula tramos de muestreo mayores; para ello, de la data original

se toma valores dejando uno, luego dos, tres y as sucesivamente. Se
calcula los parmetros estadsticos (media, varianza, error relativo) para
cada distancia simulada.
c. Se analiza a qu distancia de muestreo, los distintos parmetros dejan

de ser confiables.
d. El error relativo nos fija el lmite mximo de espaciamiento de

muestreo, para un determinado nivel de confianza.
P g i n a 23 | 28
CONCLUSIONES
El mtodo geoestadstico generalmente depende de la geologa de la

zona para un anlisis de muestras. Por el contrario los Semivariograma
son la representacin grafica de variabilidad espacial dentro de un
depsito
El diseo de mallas est en funcin al error relativo que es menor a 35

%, y en funcin a la anisotropa ya que todos los valores no son iguales
en diferentes direcciones.
BIBLIOGRAFA
Introduccin al Muestreo Minero. Instituto de Ingenieros de Minas de

Chile, 2003.
Geoestadstica lineal, ingeniera de minas Bustillo R. y Lpez J.,

Universidad de Antofagasta.
G. Matheron Curso de Geoestadstica. Ecole Nationale Suprieure des

Mines de Pars. Traduccin al espaol por Marco Alfaro, 2005.
Marco Antonio Alfaro Sironvalle, Estimacin de Recursos Mineros 2007.
G. Matheron, 1975
Ing. Carlos Neira, diseo y optimizacin de muestras, caracterizacin

estadstica.
M. Sc. Samuel Canchaya Moya, Dimensionamiento Optimo del Muestreo

empleando Geoestadstica 2005.
P g i n a 24 | 28
P g i n a 25 | 28

Evaluacion de Mallas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Evaluacion de Mallas

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD NACIONAL DE CAJAMARCA

La exploracin minera ha sido un rea que con el tiempo ha ampliado su

Las reas de aplicacin son diversas, pero a continuacin se describen algunas;

Estudio de la evaluacin de mallas de reconocimiento usados en la

Analizar el diseo de mallas de muestreo.

Evaluar las mallas de reconocimiento.

I. MTODOS DE EVALUACION DE RESERVAS

Durante el proceso de exploracin y evaluacin inicial del depsito mineral, el

Los datos son recopilados desde diversos programas de muestreo, incluyendo

El objetivo de todo este proceso es el de obtener un inventario de minerales.

En este aspecto ser la ley de corte, la que establezca que yacimiento es

Para la estimacin de recursos minerales disponibles se pueden distinguir los

1.1. MTODOS CONVENCIONALES

En el clculo de los recursos o reservas potenciales de un determinado

T es cantidad de reservas (en toneladas)

A es el rea de influencia de una seccin plana (en km2)

Th es el espesor del depsito en esa rea de influencia (en

BD es la densidad del material en el macizo. sta densidad

El rea de influencia se obtiene de un plano o seccin del depsito

La eleccin de cada mtodo depender de la forma, dimensiones y complejidad

Existen otros mtodos englobados como mtodos convencionales, como el

Estos mtodos son ampliamente conocidos, y aplicados en minera con un

Muestreo de los Depsitos Minerales

Qu requisitos debe reunir una muestra?

Factores que determinan el tipo y cantidad de muestra

Tipo de depsito mineral.

Distribucin del mineral til y su tamao.

Etapa de investigacin en la que se efecta el muestro.

La facilidad para la toma de muestra.

El costo de la toma de muestra.

Tipo de Depsito Mineral

Filones: mena se distribuye irregularmente, muestras poco espaciadas.

Depsitos metlicos estratiformes: Gral. Leyes uniformes, cambios

Depsitos sedimentarios (carbn, yeso, hierro): la variacin de los

Sulfuros masivos: su anchura, elevadas leyes, y fuerte buzamiento,

Premisas para realizar un buen muestreo

Los elementos de la Poblacin sean homogneos.

Que el muestreo sea insesgado.

Que sea preciso, minimizando el error de muestreo.

Por lo tanto el resultado ser:

Valores representativos del depsito mineral.

Toma de conocimiento de la distribucin espacial de las calidades.

Lugar y frecuencia con que deben tomarse las muestras.

Sesgos que se pueden producir en el muestreo:

Alteracin superficial de la roca muestreada.

Prdida selectiva de elementos mviles (elementos de granulometra

Fallo humano (selectividad por dureza)

Sistemtico: muestras se toman regularmente en el espacio o en el

Muestras se toman en una malla regular, en intervalos regulares de tiempo o

Clculo del variograma para una malla regular bidimensional

En este caso h es un vector (con coordenadas cartesianas o polares)

Componentes del vector h, en este dibujo no es el azimut sino el ngulo de

Vectores orientados segn direccin NS

Calculemos (h1) = NS (10). Al aplicar el algoritmo hay que considerar las

Parejas posibles para calcular gama de 10 metros en la direccin NS (hay 36

De manera anloga se obtiene:

(h2) = 0.0987 (27 parejas)

(h3) = 0.1888 (21 parejas)

Caso 2. Fijemos la direccin del vector h; que sea ahora la direccin

= 0, es decir la direccin EW. El vector h slo puede ser:

Vectores orientados segn direccin EW.

Las diferencias que hay que calcular son:

Parejas posibles para calcular gama de 10 metros en la direccin EW (hay 36 vectores).