Estadistica Mineria

ESTADISTICA APLICADA A LA INGENIERIA DE MINAS
UNIVERSIDAD NACIONAL DE ANCASH

“SANTIAGO ANTÚNEZ DE MAYOLO”
FACULTAD DE INGENIERÍA DE MINAS GEOLOGÍA Y METALÚRGIA
ESCUELA DE FORMACION PROFESIONAL
DE INGENIERÍA DE MINAS
ESTADISTICA APLICADA A LA
INGENIERIA DE MINAS
PRESENTADA EN LA ASIGNATURA DE ESTADISTICA
FLORES ISIDRO, Efraín
HUARAZ, 12 de Diciembre del 2011
UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA Pág. 1

INTRODUCCION
La estadística es comúnmente considerada como una colección de hechos numéricos

expresados en términos de una relación sumisa, y que han sido recopilados a partir de
otros datos numéricos.
Kendall y Buckland definen la estadística como un valor resumido, calculado, como

base en una muestra de observaciones que generalmente, aunque no por necesidad, se
considera como una estimación de parámetro de determinada población; es decir, una
función de valores de muestra.
"La estadística es una técnica especial apta para el estudio cuantitativo de los fenómenos
de masa o colectivo, cuya mediación requiere una masa de observaciones de otros
fenómenos más simples llamados individuales o particulares".
El presente trabajo de investigación tiene por objetivo fundamental, de Llevar, los
conceptos básicos de la estadística a la rama de la ingeniería de minas ,además este
trabajo de investigación bibliográfica es de facilitar el aprendizaje de los términos de
estadística, cuya aplicación, es de gran importancia.
En la actualidad el conocimiento de los conceptos básicos iníciales es de importancia en
el campo del manejo administrativos de las empresas; es precisamente en estos tiempos
en que el uso de dicho términos es de gran aplicación para que una empresa maneje bien
sus procesos y alcanzar buenos resultados expresados en la estadística descriptiva y
inferencial.
El Alumno.

ESTADISTICA
SU APLICACiON EN LA INGENIERIA DE MINAS
1.1.- EL ministerio de energía y minas junto con el INGEMET desean analizar la
extracción de los principales minerales mas explotados a nivel nacional en las minas
subterráneas para ello se ha visitado a los diferentes centros mineros exclusivamente
los polimetálicos de oro y plata. Resulta que existen más de 100 centros mineros de
explotación subterránea pero solamente se considera las 50 empresas cuya
explotación es oro y plata, en la base de datos de cada mina se encontró que la
producción de los minerales por TM de contenido fino durante el año 2011, son:
Ag: 270, 302.3, 326.4, 163.2, 148.1, 177.7, 89.0, 159.1, 133.3, 94.9, 78.3, 57.6, 129.5,
74.6, 37.5, 24.8, 67.8, 47.4, 44.8, 28.5, 30.6, 18.3, 366.0, 317.1, 316.2, 296.1, 183.2,
155.4, 151.8, 149.3, 147.1, 132.9, 94.3, 93.4, 93.0, 91.0, 90.8, 54.1, 52.4, 52.0, 48.8,
46.8, 30.5, 29.8, 20.5, 274.6, 188.0, 185.8, 192.1, 159.0
Au: 69344, 35867, 26260, 15408, 21384, 14267, 20979, 14917, 16794, 5575, 8684,
6898, 5441, 2440, 6879, 3092, 2011, 4650, 1715, 2642, 2351, 8984, 6070, 54254,
39420, 30003, 24260, 23208, 22129, 20487, 15002, 13361, 12203, 7111, 6889, 6572,
5888, 4845, 3741, 3475, 2704, 2406, 2028, 1880, 516, 6492, 5585, 9562, 11065, 27927
1. Cálculo estadístico para la plata: (Ag)
R = 366.0 – 18.3 = 347.7
K = 1 + 3.3 Log (50) = 6.61 = 7

W = 49.7
[Yi-1 - Yi] fi Fi hi Hi Pi Yi
[18.3 - 68 > 17 17 0.34 0.34 34 43.15
[68 - 117.7> 9 26 0.18 0.52 18 92.85
[117.7 - 167.4> 11 37 0.22 0.74 22 142.55
[167.4 - 217.1> 5 42 0.1 0.84 10 192.25
[217.1 - 266.8> 0 42 0 0.84 0 241.95
[266.8 - 316.5> 5 47 0.1 0.94 10 291.65
[316.5 - 366.2] 3 50 0.06 1 6 341.35
Sumatoria 50 1 100%
 Cálculo de la Media:
7
  Yifi 43.15 * 17  92.85 * 9  142.55 * 11  192.25 * 5  241.95 * 0  291.65 * 5  341.35 * 3

X 1

N 50
La producción media de Plata (Ag) está dado por:

__
X  131.616 TM
 Cálculo de la mediana:
 k fi 
 
 2  Fi 1 
1
Me  Li  W  
 f Me 
 
 
La mediana de la producción de Plata (Ag) esta dado por:
Me = 112.18 TM
 Calculo de la Moda
 1 
Mo  Li  W  
 1   2 

El valor que tiene mayor repetición en la producción de Plata (Ag) es:
Mo = 107.76 TM
 Cálculo de la Media Geométrica
Mg  n Yi ........Yk fk
fi
La media geométrica esta dado por:
Mg = 102.53 TM
 Cálculo de cuartiles deciles y percentiles
 i k fi 
  
 4  Fi 1 
1
Qi  Li  W  
 f qi 
 
 
(Representa el 50% de la información de prod. de Ag)
Q2 = 112.18 TM
 i k fi 
  
 10  Fi 1 
1
Di  Li  W  
 f Di 
 
 
D5 = 112.18

 i k fi 
  
 100  Fi 1 
1
Pi  Li  W  
 f pi 
 
 
P60 = 135.24
MEDIDAS ESTADÍSTICAS DE DISPERSIÓN
 Varianza Poblacional Modificada:
k 
 (Yi  X ) 2 fi
 
2 i
  8525.8
2
 Desviación Estándar Modificada:
  92.34
 Coeficiente de Variación:

Cv  __
* 100
X
Cv  70.16%
 Rango Intercuartílico:

R  Q3  Q1 ; Qi : 1,4

Q3  172 .4
Q1  51.2
R = 121.2
 Varianza Muestral:
k 
 (Yi  X ) 2
fi

2 i
S N 1
 8699 .78
2
S
S  93.27
2. Cálculo estadístico para el Oro: (Au)
R = 69344 – 516 = 68828
K = 1 + 3.3 Log(50) = 6.6 = 7
W = 9832.6
[Yi-1 - Yi] fi Fi hi Hi Pi Yi
[516 – 10348.6 > 29 29 0.58 0.58 58 5432.3
[10348.6- 20181.2 > 8 37 0.16 0.74 16 15264.9
[20181.2 – 30013.8> 9 46 0.18 0.92 18 25097.5
[30013.8 – 39846.4 > 2 48 0.04 0.96 4 34930.1
[39846.4 – 49679 > 0 48 0 0.96 0 44762.7
[49679 – 59511.6 > 1 49 0.02 0.98 2 54595.3
[59511.6 – 69344.2 ] 1 50 0.02 1.00 2 64427.9
Sumatoria 50 1 100
 Cálculo de la Media:

  Yifi 5432.3 * 29  15264.9 * 8  25097.5 * 9  34930.1 * 2  44762.7 * 0  54595.3 * 1  64427.9 * 1

X 1

N 50
La producción media de Oro (Au) está dado por:

__
X  13888.3
 Cálculo de la mediana:
 k fi 
 

1
 Fi 1 
Me  Li  W  2 
 f Me 
 
 
La mediana de la producción de oro (Au) está dado por:
Me = 8992.38
 Calculo de la Moda
 1 
Mo  Li  W  
 1   2 
El valor que tiene mayor repetición en la prod. de Oro es:
Mo = 6218.91
 Cálculo de la Media Geométrica
Mg  n Yi ........Yk fk
fi
La media geométrica de la prod. de Oro es:
Mg = 10006.16
 Cálculo de cuartiles deciles y percentiles

 i k fi 
  
 4  Fi 1 
1
Qi  Li  W  
 f qi 
 
 
(Representa el75% de la información de prod. de Oro)
Q3 = 20727.45
 i k fi 
  
 10  Fi 1 
1
Di  Li  W  
 f Di 
 
 
(Representa el80% de la información de prod. de oro)
D8 = 23458.73
 i k fi 
  
 100  Fi 1 
1
Pi  Li  W  
 f pi 
 
 
(Representa el 70% de la información de prod. de oro)
P70 = 17723.05
MEDIDAS ESTADÍSTICAS DE DISPERSIÓN
 Varianza Poblacional Modificada:

k 
 (Yi  X ) 2
fi
   166’328 311.2
2

2 i ;
N
 Desviación Estándar Modificada:
  12896.83

 Coeficiente de Variación:
 Cv  92.86%
Cv  __
* 100 ;
X
 Rango Intercuartílico:

R  Q3  Q1 ; Qi : 1,4
Q3  20727.45 ; Q1  4754.19
R = 15973.26
 Varianza Muestral:
k 
 (Yi  X ) 2 fi
 169722.8
2

2
S i ; S
N 1
S  13027.8

ESTADISTICA BIVARIANTE
Ag: 270, 302.3, 326.4, 163.2, 148.1, 177.7, 89.0, 159.1, 133.3, 94.9, 78.3, 57.6, 129.5,
74.6, 37.5, 24.8, 67.8, 47.4, 44.8, 28.5, 30.6, 18.3, 366.0, 317.1, 316.2, 296.1, 183.2,
155.4, 151.8, 149.3, 147.1, 132.9, 94.3, 93.4, 93.0, 91.0, 90.8, 54.1, 52.4, 52.0, 48.8,
46.8, 30.5, 29.8, 20.5, 274.6, 188.0, 185.8, 192.1, 159.0
Au: 69344, 35867, 26260, 15408, 21384, 14267, 20979, 14917, 16794, 5575, 8684,
6898, 5441, 2440, 6879, 3092, 2011, 4650, 1715, 2642, 2351, 8984, 6070, 54254,
39420, 30003, 24260, 23208, 22129, 20487, 15002, 13361, 12203, 7111, 6889, 6572,
5888, 4845, 3741, 3475, 2704, 2406, 2028, 1880, 516, 6492, 5585, 9562, 11065, 27927
 Cálculo del Coeficiente de Correlación
 R  366.0 18.3  347.7  R  69344 516  68828

 
Xi  K  1  3.3 Log(50)  6.61  7 Yi  K  1  3.3 Log(50)  6.6  7
 W  49.7  W  9832.6
 

Yj(Au) [516–10348.6 [10348.6- [20181.2– [30013.8– [39846.4–49679 [49679– [59511.6–69344.2 fi

Xi (Ag) > 20181.2> 30013.8> 39846.4 > > 59511.6 > ]
17 17
[18.3 - 68 >
7 1 1 9
[68 - 117.7>
[117.7 - 1 5 5 11
167.4>
[167.4 - 2 2 1 5
217.1>
[217.1 - 0
266.8>
[266.8 - 1 1 2 1 5
316.5>
1 1 1 3
[316.5 - 366.2]
fj 29 8 9 2 0 1 1 50

n…= N = 50
 Cálculo de las Promedios:
7 7
__ x f i i __ y j fj
X 1
Y  1
N N
__ __
X  131.6 Y  13888.3
 Cálculo de las Varianzas:
7 __ 7 __
 ( xi  X ) f i 2
 ( yi  Y ) 2 f j
V ( x)  1
V ( y)  1
N N
V (x)  8525.8 V ( y )  166’328 311.2
Xi Yi fij Xi.Yj.fij
43.15 5432.3 17 3984863.665
92.85 5432.3 7 3530723.385
142.55 5432.3 1 774374.365
192.25 5432.3 2 2088719.35
291.65 5432.3 1 1584330.295
341.35 5432.3 1 1854315.605
92.85 15264.9 1 1417345.965
142.55 15264.9 5 10880057.48
192.25 15264.9 2 5869354.05
92.85 25097.5 1 2330302.875
142.55 25097.5 5 17888243.13
192.25 25097.5 1 4824994.375
291.65 25097.5 1 7319685.875
341.35 25097.5 1 8567031.625
291.65 34930.1 2 20374727.33
341.35 54595.3 1 18636105.66
291.65 64427.9 1 18790397.04

 50 =130715572.1
 xi.yj.fij = 1307’ 15572.1

 Cálculo de la Covarianza:
Cov( xi ; y j ) 
 xi. yj. fij  ( X )(Y )
__ __
Cov( xi ; y j )  786611.2
 Coeficiente de Correlación:
Cov( xi ; y j )
r
V ( x).V ( y )
r  0.66 (Existe baja correlación)
 Ecuación de la Recta:
__ __ Cov( xi ; y j )
a  Yb X ; b ; y  a  bx
V ( x)
b  92.3 ; a  1741.6
 L : y  1741.6  92.3x (Ec. de la recta)

15

Estereograma de Distribución
18
16
Serie1
14
Serie2
12 Serie3
Escala de 10 Serie4
Frecuencias 8 Serie5
Serie6
6
Serie7
4
UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA

C7
2 C5
0 C3 Yi = Oro (Au)
1 2 C1
3 4 5 6 7
Xi = Plata (Ag)
16
Pág. 16
17
1.2.- El gerente de comercialización de minerales de la CIA. Minera cerro verde
considera que la demanda de sus minerales por los grandes refinadoras del mundo
puede estar relacionado con el número de minerales contaminantes en el concentrado,
por estos contaminantes la CIA. Minera cerro verde tendrá que pagar la famosa maquila
por la penalización de minerales contaminantes como el arsénico, por eso se analizo el
pago de la maquila en miles de dólares y el número de veces de embargues de minerales
durante el trimestre anterior.
El gerente ha recolectado los datos que se muestran en la tabla.
Pago por la Embarques

penalización de
conglomerado
(X) (Y)
15 6
9 4
40 16
20 6
25 13
25 9
15 10
35 16
 Si se pide determinar una estimación de los embarques cuando la maquila es 30 $.
En el siguiente diagrama de dispersión se puede ver que los datos no son perfectamente
lineales; sin embargo, se puede hacer un enfoque lineal sobre este periodo corto.

18
Embarques de minerales
18
16
14
12
Embarques Y
10
0
0 5 10 15 20 25 30 35 40 45
maquila
Se realizan los cálculos como se muestra en la siguiente tabla
n X Y XY X2 Y2
1 15 6 90 225 36
2 9 4 36 81 16
3 40 16 640 1600 256
4 20 6 120 400 36
5 25 13 325 625 169
6 25 9 225 625 81
7 15 10 150 225 100
8 35 16 560 1225 256
Totales 184 80 2146 5006 950
Se calcula las medias aritméticas de X y Y

19
X  23
Y  10
Se calculan los valores de la pendiente b y la intersección a:
 xy  n XY
b
x  nX
2 2
2146  8(23)(10)
b
5006  8(23)( 23)
b=0.395
a  Y  bx
a = 10 – 0.395(23)
a=0.915
Se plantea la ecuación de la regresión
Y = a + bx
Y = 0.915 + 0.395X
Recordemos que X = maquila; Y = embarques.
Entonces, el número de embarques cuando la maquila es 30 se puede encontrar sustituyendo
el valor en la ecuación.
X = 30
Y = 0.915 + 0.395(30)
Y = 12.76 ≈ 13
El número de embarques será de 13 aproximadamente.

20
 Desviación estándar de la regresión
Dados los datos de los permisos y embarques calcúlese la desviación estándar de la regresión.
En la siguiente grafica se muestra el comportamiento de la desviación
Embarques de conglomerado
Embarque de minerales
18
16
14
12
Embarques Y
10
8
6
4
2
Por lo
0
0 5 10 15 20 25 30 35 40 45
Maquila tanto, la
Permisos X
Embarques
Embarque de conglomerado
de minerales
desviación estándar de la regresión es
S y. X 
Y 2
 a Y  b XY
n2
950  (0.91)(80)  (0.396)( 2146)

SY . X 
82
SY . X  2.2 embarques
 Estimación del intervalo

21
Desarróllese una predicción de intervalo estimada de 95% para el número específico de
embarques que se realizará con 30$(en miles de dólares) de maquila durante el trimestre
anterior.
Donde el valor de t (de la tabla estadística) para n-2 = 8-2 = 6 grados de libertad, y dónde
según tablas:
t = 2.447
Se debe calcular (X  X ) 2
X-X (X – X)2
-8.00 64
-14.00 196
17.00 289
-3.00 9
2.00 4
2.00 4
-8.00 64
12.00 144
0.00 774
X= 30
(X  X )
2
1
S IND  S y. x 1 
n ( X  X )2

22
1 (30  23) 2
S IND  2.2 1    2.40
8 774
Intervalo de predicción = YC ± t SIND
Intervalo de predicción = 13 ± 2.447 (2.40)
Intervalo de predicción (inferior) = 13 – 5.87 = 7.1
Intervalo de predicción (superior) = 13 + 5.87 = 18.9
7.1< Embarques < 19
SIND
 Coeficiente de correlación
n XY   X  Y
r
n X 2

  X  n Y 2 ( Y ) 2
2

8(2146)  (184)(80)
r
8(5006)  (184) 8(950)  (80) 
2 2
2448
r  0.90
7430400

Estadistica Mineria

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

Estadistica Mineria

Enviado por

Direitos autorais:

Formatos disponíveis

ESTADISTICA APLICADA A LA INGENIERIA DE MINAS

UNIVERSIDAD NACIONAL DE ANCASH

FACULTAD DE INGENIERÍA DE MINAS GEOLOGÍA Y METALÚRGIA

ESCUELA DE FORMACION PROFESIONAL

PRESENTADA EN LA ASIGNATURA DE ESTADISTICA

FLORES ISIDRO, Efraín

HUARAZ, 12 de Diciembre del 2011

UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA Pág. 1

La estadística es comúnmente considerada como una colección de hechos numéricos

Kendall y Buckland definen la estadística como un valor resumido, calculado, como

El presente trabajo de investigación tiene por objetivo fundamental, de Llevar, los

conceptos básicos de la estadística a la rama de la ingeniería de minas ,además este

trabajo de investigación bibliográfica es de facilitar el aprendizaje de los términos de

estadística, cuya aplicación, es de gran importancia.

En la actualidad el conocimiento de los conceptos básicos iníciales es de importancia en

el campo del manejo administrativos de las empresas; es precisamente en estos tiempos

sus procesos y alcanzar buenos resultados expresados en la estadística descriptiva y

UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA Pág. 2

SU APLICACiON EN LA INGENIERIA DE MINAS

1.1.- EL ministerio de energía y minas junto con el INGEMET desean analizar la

subterráneas para ello se ha visitado a los diferentes centros mineros exclusivamente

explotación subterránea pero solamente se considera las 50 empresas cuya

explotación es oro y plata, en la base de datos de cada mina se encontró que la

46.8, 30.5, 29.8, 20.5, 274.6, 188.0, 185.8, 192.1, 159.0

1. Cálculo estadístico para la plata: (Ag)

R = 366.0 – 18.3 = 347.7

K = 1 + 3.3 Log (50) = 6.61 = 7

UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA Pág. 3

  Yifi 43.15 * 17  92.85 * 9  142.55 * 11  192.25 * 5  241.95 * 0  291.65 * 5  341.35 * 3

La producción media de Plata (Ag) está dado por:

La mediana de la producción de Plata (Ag) esta dado por:

UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA Pág. 4

El valor que tiene mayor repetición en la producción de Plata (Ag) es:

 Cálculo de la Media Geométrica

La media geométrica esta dado por:

 Cálculo de cuartiles deciles y percentiles

(Representa el 50% de la información de prod. de Ag)

(Representa el 50% de la información de prod. de Ag)

UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA Pág. 5

(Representa el 60% de la información de prod. de Ag)

MEDIDAS ESTADÍSTICAS DE DISPERSIÓN

 Varianza Poblacional Modificada:

 Desviación Estándar Modificada:

UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA Pág. 6

2. Cálculo estadístico para el Oro: (Au)

R = 69344 – 516 = 68828

K = 1 + 3.3 Log(50) = 6.6 = 7

UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA Pág. 7

  Yifi 5432.3 * 29  15264.9 * 8  25097.5 * 9  34930.1 * 2  44762.7 * 0  54595.3 * 1  64427.9 * 1

La producción media de Oro (Au) está dado por:

La mediana de la producción de oro (Au) está dado por:

El valor que tiene mayor repetición en la prod. de Oro es:

 Cálculo de la Media Geométrica

La media geométrica de la prod. de Oro es:

 Cálculo de cuartiles deciles y percentiles

UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA Pág. 8

(Representa el75% de la información de prod. de Oro)

(Representa el80% de la información de prod. de oro)

(Representa el 70% de la información de prod. de oro)

MEDIDAS ESTADÍSTICAS DE DISPERSIÓN

 Varianza Poblacional Modificada:

 Desviación Estándar Modificada:

UNASAM- FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y METALURGIA Pág. 9