ESCUELA ACADEMICA

PROFESIONAL DE INGENIERIA DE
MINAS

VARIOGRAMA
Y SEMI VARIOGRAMA
CURSO: GEOESTADISTICA

DOCENTE: YHENGER QUISPE CHOQUE

INTERANTES:

VALENZUELA ELGUERA JHON D. CODIGO: 132078

FLORES ARONI ANDERSON CODIGO: 132060

PANIAGUA VERA COLLEN CODIGO: 1320

ANDIA MOGROVEJO MIRIAN CODIGO: 141091

PEREIRA CARDENAS ELI CODIGO: 132068

ABANCAY-2017

0
 VARIOGRAMA
INDICE

CAPITULO I

1.1. OBJETIVOS.02
1.2. INTRODUCCION02

CAPITULO II

DIFINICION DEL VARIOGRAMA..03

2.2. VARIOGRAMA..03

2.3. COMPONENTES DE UN
VARIOGRAMA.14

2.4. MODELOS TEORICOS DEL

VARIOGRAMA14

CAPITULO III

3.1. CONCLUSIONES17

3.2. RECOMENDACIONES..17

3.3. BIBLIOGRAFIA..17

1
 CAPITULO I

1.1. OBJETIVOS

Cada tcnica tiene sus ventajas y desventajas. Lo ms importante es que no existe una
tcnica mejor o peor que otra.
Para grandes proyecto varias tcnicas pueden ser usadas en paralelo y comparar sus
resultados.

1.2. INTRODUCCION

La primera etapa en el desarrollo de un anlisis geoestadstico es la determinacin de la

dependencia espacial entre los datos medidos de una variable. Esta fase es tambin
conocida como anlisis estructural. Para llevarla a cabo, con base en la informacin
muestral, se usan tres funciones: El semivariograma, el covariograma y el correlograma. A
continuacin se hace una revisin de los conceptos asociados a cada una de ellas y se
describen sus bondades y limitaciones.

La mitad del variograma (h), se conoce como la funcin de semivarianza y caracteriza las
propiedades de dependencia espacial del proceso. Dada una realizacin del fenmeno, la
funcin de semivarianza es estimada, por el mtodo de momentos, a travs del
semivariograma experimental, que se calcula mediante (Wackernagel, 1995):

2
 CAPITULO II

2.1. DIFINICION DEL VARIOGRAMA

El variograma es una funcin que constituye la herramienta fundamental de la

geoestadstica. Es una herramienta que permite analizar el comportamiento espacial de
una propiedad o variable sobre una zona dada.

Sean x y x + h dos puntos en el espacio:

Figura II.1: Dos puntos a la distancia vectorial h

2.2. VARIOGRAMA

h
1
E[ Z ( x ) Z ( x h)]2
2

Valor promedio de la diferencia al cuadrado de los valores de la propiedad en dos puntos

separados por una distancia |h|.

3
 Figura II.2: muestra en una direccin

i) Sea h = b: Segn el algoritmo de clculo se tiene:

(b)= ( z2z1 ) 2+ ( z3z2 ) 2+ ... + ( zNzN1 )2 2(

N1)
ii) Sea h = 2b:

(2b)= ( z3z1 ) 2+ ( z4z2 ) 2+ ... + ( z 2( N 2)

iii) Sea h = 3b:

(3b)= ( z4z1 ) 2+ ( z5z2 ) 2+ ... + ( z 2( N 3)

iv) Sea en general h = kb (k = 0, 1, 2, . . . , N-1):

N k
1
(kb)= (zi+k zi)2
2( N k) i =1

Posteriormente los valores (0),(1), (2b), (3b), ... se llevan a un grfico:

4
 Figura II.3: Un variograma experimental.

La distancia b se llama paso del variograma.

Para interpretar el grfico del variograma distinguiremos el comportamiento

para las distancias h pequeas y las distancias h grandes.

Comportamiento del variograma para distancias pequeas

Estudiaremos el comportamiento de la funcin (h) para |h| pequeo, para lo

cual

Analizaremos cuatro casos hipotticos.

Caso 1: Leyes muy regulares y continuas.

Figura III.4: Leyes muy regulares (la variable es derivable).

5
Para una distancia b pequea, las dos leyes de la figura son casi iguales,

lo que implica que para h pequeo, (h) es prximo a cero; luego el grfico

de (h) en una vecindad del origen ser como en la figura:

Figura III.5: Variograma parablico en el origen.

Se dice que (h) tiene un comportamiento parablico en el origen

Caso 2: Continuidad y regularidad promedio

Figura III.7: Leyes con continuidad promedio. La variable es continua pero no es

derivable.

En este caso, para una distancia pequea, la diferencia de leyes es

significativa; luego el grfico de (h) en una vecindad del origen ser:

6
Caso 3: Existencia de micro variaciones:

Figura III.9: Presencia de una estructura a menor escala. La variable es ms discontinua.

Si la equidistancia entre datos b es menor que la escala de variacin d del micro-

estructura, el variograma en una vecindad del origen ser:

Figura III.10: Efecto de pepita en el origen.

Existe un crecimiento rpido hasta h = d (debido a la micro regionalizacin) y

luego un crecimiento ms moderado (debido a la variacin a gran escala): se

dice que existe efecto de pepita. Co se llama constante de pepita.

7
En la prctica la equidistancia o paso b es mayor que d y se tendr un grfico del
tipo:

Figura III.11: Extrapolacin al origen del variograma experimental.

Es decir existe una discontinuidad aparente en el origen.

El nombre efecto de pepita proviene del estudio de los depsitos de oro.

Consideremos por ejemplo un testigo en un depsito de oro:

8
En general, el efecto de pepita se produce debido a microvariaciones y/o a errores en

el muestreo, la manipulacin, preparacin o anlisis qumico.

Caso 4: Caso lmite en el cual la irregularidad de las leyes es total:

Figura III.13. Irregularidad mxima. La variable es catica

9
 Comportamiento del variograma para grandes distancias.

Estudiaremos ahora el comportamiento de la funcin (h) para |h| grande, para lo

cual analizaremos tres casos hipotticos:

Caso 1: Leyes con crecimiento (decrecimiento) progresivo:

Figura III.16: Leyes con tendencia o deriva.

Se dice que existe una deriva o tendencia. Al hacer el clculo se observar que

(h) siempre crece:

Figura III.17: Variograma con crecimiento sistemtico.

10
Caso 2: Leyes con pseudo-periodicidades:

El fenmeno tiende a repetirse de manera estacionaria (es decir, vara de manera

homognea y sin deriva):

Figura III.18: Fenmeno estacionario con periodicidades.

Si se calcula la funcin (h) se observar la presencia de mximos y mnimos:

Figura III.19: Variograma con efecto de hoyo.

11
Se dice que el variograma presenta efecto de hoyo o de agujero. En la figura, d = 9
unidades proporciona una medida del pseudo-perodo ; es una medida de la

intensidad del efecto (si el fenmeno es perfectamente peridico, entonces = 0).

Caso 3: Fenmeno estacionario sin pseudo-periodicidades (o fenmeno de

transicin):

El fenmeno es homogneo en su variacin espacial, con cambios bruscos.

Figura III.20: Fenmeno estacionario sin periodicidades.

Este caso debera corresponder al anterior, en el cual la magnitud crece. Si se

calcula la funcin (h), se tiene:

Figura III.21: Variograma de un fenmeno estacionario sin periodicidades, con alcance y

meseta.

12
Se observa que a partir de una cierta distancia, del orden a = 6 unidades, la
funcin
(h) permanece aproximadamente constante:

(6) = (7) = (8) = . . . = constante = C

Esto quiere decir que da lo mismo que la distancia que separa los puntos sea

6, 7, 8 o ms unidades; en otras palabras, dos puntos cuya distancia sea

superior a a = 6 unidades son prcticamente independientes en ley.

La magnitud a se llama alcance y la constante C se llama meseta.

Figura III.22: Variograma con alcance a y meseta C.

13
2.3. COMPONENTES DE UN VARIOGRAMA

La continuidad espacial queda reflejada en la tasa de crecimiento de la Varianza (Y) de acuerdo

a los aumentos de la distancia de muestreo (h).

2.4. MODELOS TEORICOS DEL VARIOGRAMA

MODELO EFECTO PEPITA DE ORO

14
 MODELO ESFERICO

MODELO EXPONENCIAL

MODELO GAUSIANO

15
 MODELO CUBICO.

MODELO SENO CARDINAL

MODELO POTENCIA

16
 CAPITULO III

3.1. CONCLUSIONES

Los modelos de variogramas son curvas, generadas a partir de una funcin

matemtica, que ajustaremos a nuestros datos y nos permitirn conocer la
distribucin para todos los puntos en el espacio
Se utilizan para Krigear ; con el variograma experimental quedan muchas zonas donde
no existe valores concretos. Por lo tanto es posible que sea necesario definir el valor
de la variable (Ley; Pot) en puntos donde V.E: no ofrece informacin.

3.2. RECOMENDACIONES

Los valores que se obtienen con el krigeado, llevan los correspondientes valores de la
varianza de estimacin, lo que permite hacer un estudio de la bondad de estimacin.
Estos valores pueden ser interpolados y confeccionar un mapa de isovarianzas.
Annels (1991), propone establecer diferentes tipos de reservas en base a los valores de
varianza del krigeado.

Varianza Categora

0-0,0075 Reservas probables

0,0075-0,0135 Reservas posibles

>0,0135- Reservas inferidas

3.3. BIBLIOGRAFIA

Bustillo Revuelta, M. y Lpez Jimeno, C., 1997: Manual de evaluacin y diseo de

explotaciones mineras. Madrid. ISBN 84-921708-2-4 .
ANNELS, A. E. (1991). Mineral deposit evaluation. A practical approach. Ed. Chapman &
Hall, London.

17