Analisis Exploratorio

Geoestadística aplicada a la
evaluación de yacimientos
Objetivo y contenidos (1)
El curso trata de la evaluación de recursos geológicos y reservas
mineras en un yacimiento, para poder tomar decisiones respecto a
su explotación y a la rentabilidad del proyecto minero. Se divide
en cuatro lecciones:
Lección 1: estudio exploratorio de datos regionalizados
Lección 2: análisis variográfico de datos regionalizados
Lección 3: el cambio de soporte
Lección 4: la estimación local

muestra
El yacimiento se ve como
una reunión de bloques, que
serán estimados a partir de
datos cercanos (muestras
de sondajes o de pozos de
tronadura).
En las muestras han sido

bloque
medidos los atributos de
interés: leyes (cobre, oro,
arsénico...), densidad de la
roca, tipo de roca... límite de zona mineralizada
¿Para qué sirve evaluar los recursos y reservas?
 reporte de recursos / reservas
 estudio de factibilidad
 diseño de la explotación
 planificación
 control de leyes: mejorar la selección entre mineral y estéril

Lección 1:
Estudio exploratorio
de datos regionalizados
Introducción
Introducción (1)
La geoestadística es una disciplina que permite analizar datos
ubicados en un espacio, por ejemplo:
• leyes de cobre, molibdeno, arsénico, etc., en un yacimiento

• número y diámetro de los árboles en una área forestal
• cantidad de nitrato, pH, conductividad eléctrica en muestras de

suelo
• concentración de un elemento contaminante en la atmósfera
• porosidad y permeabilidad de la roca en un acuífero
• precio del cobre a lo largo del tiempo
Introducción (2)
El análisis geoestadístico de datos interviene en todas las etapas
de un proyecto minero:
• Estudio geológico (largo plazo)
 puede indicar direcciones de continuidad, restringir o

ampliar la extensión de la zona de interés
• Campaña de exploración
 evaluar y categorizar los recursos in situ (evaluación
global)
 justificar la producción de largo plazo
Introducción (3)
• Estudio de factibilidad y operación
 campaña de sondajes en malla densa
 modelamiento geológico
 estimación local de recursos para determinar reservas

mineras, planificar la producción de mediano y corto
plazo, clasificar cada bloque como mineral o estéril
 reporte (inventario) de los recursos y reservas, detallando
su cantidad y su confiabilidad
 auditoria para comprobar la evaluación
Introducción (4)
• Explotación
 mediciones en pozos de tronadura
 control de leyes: definir qué bloques mandar a planta o

botadero
 reconciliación mina - planta
A medida que avanza el proyecto minero, se tiene un conocimiento

más completo del depósito y se actualiza los modelos geológicos y
de recursos / reservas para incorporar la información nueva.
Introducción (5)
Ejemplo: pórfido cuprífero en el cual se mide la ley de cobre
La densidad del muestreo influye en el conocimiento de la

continuidad espacial de los valores (regularidad, anisotropía...)
Nociones fundamentales (1)
MINERAL
material que tiene un interés económico, en oposición a

estéril
Esta definición depende de varios factores:

• temporales (precio del metal, tecnología...)
• legales (normas de seguridad, ambientales...)
• ubicación (infraestructura disponible)
• tasa de descuento...
LEY
Es la concentración de un elemento en el subsuelo (elemento

principal, subproducto o contaminante)
POTENCIA, ACUMULACIÓN
LEY DE CORTE
Se trata de un valor de ley que separa categorías distintas de

material, por ejemplo mineral y estéril
CONTINUIDAD
Este concepto se refiere a la distribución de un atributo en el

espacio
 continuidad geológica
 continuidad de leyes
Nota: ambos tipos de continuidad no siempre se dan en forma

simultánea
RECURSO GEOLÓGICO
Concentración u ocurrencia de material de interés económico

intrínseco en o sobre la corteza de la Tierra en forma y
cantidad en que haya probabilidades razonables de una
eventual extracción económica
Se habla indistintamente de recursos geológicos, minerales o

in situ
RESERVA MINERA
Es la parte económicamente explotable de un recurso

mineral. Incluye dilución de materiales y tolerancias por
pérdidas que se puedan producir cuando se extraiga el
material.
Contempla la consideración de y modificación por factores
razonablemente asumidos de extracción, metalúrgicos,
económicos, de mercados, legales, ambientales, sociales y
gubernamentales.
CATEGORIZACIÓN DE RECURSOS Y RESERVAS
El nivel de conocimiento y de confianza en las estimaciones

aumenta con la exploración del depósito. Para el reporte de
recursos y reservas, se suele definir varias categorías:
• los recursos minerales se subdividen, en orden de confianza

geológica ascendente, en categorías de inferidos, indicados y
medidos.
• las reservas mineras se subdividen, en orden creciente de

confianza, en reservas probables y reservas probadas
Existen varios códigos internacionales para guiar la categorización
de recursos y reservas: JORC (Australia), SAMREC (Sudáfrica),
CIM (Canadá), IMM (Europa), SME (Estados Unidos)...
UNIDAD SELECTIVA DE EXPLOTACIÓN
Es el volumen mínimo de los bloques que se puede utilizar para

seleccionar el mineral del estéril
• depende del equipo para explotar (pala)
• base para el estudio de factibilidad
• en el modelo de yacimiento, cada unidad contiene estimaciones

de sus leyes y otros parámetros (densidad, dureza, recuperación
metalúrgica, etc.)
DILUCIÓN
La dilución se refiere al hecho de mezclar (no separar) el

mineral del estéril. Puede deberse a varios factores:
• dilución interna
geométrica: debido al contacto entre mineral y estéril
inherente (selectividad debida al tamaño de bloque)
• dilución externa o de operación

VARIABLE REGIONALIZADA
Una variable regionalizada es una función que representa

el desplazamiento en el espacio de un atributo asociado a
un fenómeno natural (mineralización)
Ejemplos:
• leyes en cobre, arsénico, molibdeno
• densidad de la roca
• potencia y acumulación de una veta
• código de litología
Una variable regionalizada se caracteriza por:
• su naturaleza (continua / categórica)
• su dominio de extensión (campo)
• su soporte, por ejemplo:

sondaje HQ de 1m
unidad selectiva de explotación de 5m  5m  5m
La distribución de los valores depende del soporte en el cual

se mide la variable (efecto de soporte, que tiene consecuencia
en la selectividad)
Ejemplo: distribución de leyes de cobre en un banco
soporte 1m × 1m soporte 5m × 5m soporte 25m × 25m

ADITIVIDAD
Se dice que una variable regionalizada es aditiva cuando el

valor de un soporte grande (“bloque”) es el promedio
aritmético o la suma de los valores “puntuales” dentro del
bloque
• Ejemplos:
potencia, acumulación, ley (si soporte igual)
• Contra-ejemplos
razón de solubilidad, código de litología

¿Cuál es la ley promedio en la veta?

335  253  581  199  212  505  296  356  352 gr Au
m1   3.30
119  81  140  75  106  215  75  34  91 t
Sin ponderar por la potencia, se obtendría:

1  335 253 581 199 212 505 296 356 352  gr Au
m2              3.93
9  119 81 140 75 106 215 75 34 91  t
COMPÓSITOS
Un mismo conjunto de datos no debe contener muestras de

soporte distinto. Por ende, es necesario llevar las muestras a
compósitos de la misma longitud (generalmente, igual a la
altura del bloque de selección minera o a un sub-múltiplo de
esta altura) que se pueden agrupar en el estudio estadístico.
Mientras más largo el compósito, menos dispersos y menos

erráticos los valores.
Creación de compósitos
Muestras originales
Compósitos
con su ley de cobre
ESTIMACIÓN LOCAL – MODELO DE BLOQUES
Una variable regionalizada presenta variabilidad en el

espacio, por lo cual existe cierta incertidumbre en sus
valores en sitios no muestreados. Para compensar la falta
de información debida al número limitado de datos, se
recurre a estimar los valores de los bloques que componen
el yacimiento a partir de las muestras circundantes.
Cabe recordar que las estimaciones nunca son perfectas y

están afectadas por errores que pueden incidir en el cálculo
de los recursos o de las reservas
Ejemplo: clasificación de las unidades selectivas de explotación
en mineral o estéril
Fuentes de errores
• variabilidad “inherente” de las leyes
• errores en el modelo geológico
• errores de muestreo (variabilidad “introducida”)

Etapas en la evaluación de yacimientos
• Modelamiento geológico: determinación de “unidades geológicas”
en base a la litología, mineralogía, alteración, etc. En general, cada
unidad se estudia y se estima por separado.
• Evaluación de la calidad de los datos (muestras)
• Modelamiento geoestadístico de los datos
• Estimación global y local de los recursos geológicos
• Definición y reporte de las reservas mineras

Herramientas
exploratorias
Objetivos
• Estudiar la cantidad, calidad y ubicación de los datos disponibles
para realizar la estimación de recursos y reservas
• Comprobar la homogeneidad de las leyes en cada unidad geológica,

y la pertinencia de las unidades geológicas propuestas. Definir la
zona de estudio.
• Anticipar dificultades o problemas que puedan surgir en la fase de

estimación de recursos y reservas
Presentación de los datos
Sondajes de exploración en un yacimiento tipo pórfido cuprífero
 obtención de 2376 datos compositados con sus leyes de
cobre total (en %), oro total (en ppm) y el tipo de roca.
Código Tipo de roca

4 Granodioríta cascada
54 Dioríta
20 Brecha de turmalina
31 Brecha de polvo de roca
34 Brecha de polvo de roca y turmalina
28 Brecha monolito
29 Brecha de turmalina - monolito
Despliegue de atributos (mapas) (1)
Permite visualizar la ubicación de los datos en el espacio y
darse una idea preliminar de la continuidad espacial de la
variable regionalizada en estudio:
 litología
 mineralización definición de “unidades geológicas”
 alteración
 leyes, densidad, potencia, etc.
Tipos de despliegue: secciones; plantas; vistas 3D; mapas con

escala de colores, codificados por indicador, por símbolos, etc.
Despliegue de atributos (mapas) (2)
Nos interesamos por la ley de cobre total
Distribución de leyes (1)
Histograma estándar
Visualiza la frecuencia de ocurrencia en función del valor
Desagrupamiento
Cuando la malla de muestreo es irregular, es preferible no

atribuir el mismo peso estadístico a todos los datos. La
operación de desagrupamiento consiste en ponderar los
datos en función de su grado de aislamiento: mientras más
aislado, más peso.
Principales métodos:
• polígonos de influencia
• método de las celdas
Desagrupamiento: método de los polígonos de influencia
Se pondera cada dato proporcionalmente a su volumen de
influencia en el campo.
Desagrupamiento: método de las celdas
Se divide la zona muestreada en celdas de mismo volumen.
Cada celda tiene el mismo peso, el cual se reparte entre los
datos contenidos en esta celda.
Factores que especificar para ejecutar el método de las celdas:
• origen de la red de celdas
• orientación de las celdas
• tamaño de las celdas: ¿tomar el tamaño que minimiza el valor
promedio desagrupado?
Los algoritmos de desagrupamiento presentados
• consideran criterios geométricos al ponderar los datos en

función de su grado de aislamiento: mientras más aislado,
más peso
• no toman en cuenta la continuidad espacial de los datos,

aunque idealmente este factor también debería ser tomado en
consideración.
Histograma desagrupado por los pesos obtenidos por el método
de las celdas, con celdas de tamaño 48m × 48m × 12m
Estadística básica
• medidas de posición
media, mediana, moda, mínimo, máximo, rango, deciles,
cuartiles, cuantiles
• medidas de dispersión
varianza, desviación estándar, coeficiente de variación,
rango intercuartil
• medidas de forma
coeficiente de asimetría, coeficiente de aplanamiento
Herramientas alternativas al histograma estándar
• histograma acumulado
• gráficos de probabilidad
• curvas tonelaje-ley
El cálculo de estas herramientas debe tomar en cuenta los

ponderadores de desagrupamiento.
Histograma acumulado
Para cada ley de corte, se visualiza la frecuencia de los valores
menores que dicha ley de corte.
Gráficos de probabilidad
Estos gráficos comparan una distribución empírica con una

distribución de referencia normal o lognormal.
El gráfico de probabilidad normal distorsiona el eje de las
ordenadas del histograma acumulado, de modo que el gráfico
dibujaría una recta en caso de tener una distribución normal o
Gaussiana.
El gráfico de probabilidad lognormal consiste en usar una

escala logarítmica en el eje de las abscisas: si la distribución
de los valores fuera lognormal, se obtendría una recta.
La presencia de varias “poblaciones” entre los datos puede

traducirse en un quiebre de pendiente en estos gráficos. Sin
embargo no es una condición necesaria ni suficiente, por lo
que se debe complementar el análisis con otra información.
Curvas tonelaje-ley
El tonelaje asociado a una ley de corte es la cantidad de valores
que superan esta ley de corte. La media de estos valores provee
la ley promedio sobre la ley de corte. El tonelaje también puede
expresarse como fracción del total (entre 0 y 1).
Cuando aumenta la ley de corte, el tonelaje decrece y la ley media
crece. El producto del tonelaje por la ley media define la cantidad
de metal (función decreciente de la ley de corte).
Hay que tener cuidado que las curvas tonelaje – ley dependen del
soporte de los valores medidos, en particular las curvas asociadas
a los datos (soporte “puntual”) no coinciden con las curvas de las
unidades selectivas de explotación (“bloques”). Para estimar estas
últimas, será necesario construir un modelo de cambio de soporte.
Comportamiento direccional (1)
Nubes direccionales
Visualizan el comportamiento de los valores a lo largo de los

ejes de coordenada. Esta herramienta permite detectar valores
atípicos e identificar tendencias o cambios en la continuidad
espacial de los valores.
media desv. estándar
rango [m]
[% Cu] [% Cu]
0 – 50 0.55 0.27
50 – 100 0.96 0.46
100 – 150 1.23 0.81
150 – 200 1.13 0.57
200 – 250 1.15 0.82
250 – 300 0.94 0.52
300 – 350 0.82 0.42
350 – 400 0.73 0.47
rango [m]
[% Cu] [% Cu]
0 – 50 0.93 0.83
50 – 100 1.39 1.08
100 – 150 1.18 0.74
150 – 200 0.96 0.48
200 – 250 0.90 0.48
250 – 300 0.97 0.41
300 – 350 1.04 0.39
350 – 400 1.04 0.50
400 – 450 1.09 0.53
450 – 500 1.16 0.69
500 – 550 0.55 0.28
550 – 600 0.52 0.23

rango [m]
[% Cu] [% Cu]
0 – 25 0.91 0.48
25 – 50 0.95 0.45
50 – 75 0.95 0.51
75 – 100 1.00 0.65
100 – 125 1.03 0.73
Herramientas bivariables (1)
Gráfico cuantiles contra cuantiles
Visualiza los cuantiles de una variable en función de los
cuantiles de otra variable.
Nube de dispersión
 ver la relación par a par de ambas variables o “correlación”
 detectar valores aberrantes
Coeficiente de correlación lineal
Resume la relación existente entre dos variables por un valor

comprendido entre –1 y 1. Cuidado con las interpretaciones
rápidas de este coeficiente, ya que es sensible a relaciones no
lineales entre variables y a los valores extremos.
Comportamiento espacial (1)
Nube de correlación diferida
Se trata de la nube de correlación entre los valores de dos datos

ubicados a cierta distancia uno de otro
Al hacer variar esta distancia de separación, se tiene una imagen

de la continuidad de la variable regionalizada en el espacio:
• nube dispersa para distancia pequeña: variable errática
• nube muy aplastada: variable regular en el espacio
Comportamiento espacial (2)
Ejemplo: nubes para las distancias 20m y 100m
Problemas prácticos
Estacionaridad (1)
La estacionaridad se refiere a una “homogeneidad” en el
espacio de las características de la variable en estudio: media,
dispersión, continuidad, etc. Implica que las propiedades
estadísticas de los datos son representativas del total del
campo.
El considerar la hipótesis de estacionaridad facilita la

elaboración de modelos geoestadísticos, en especial en lo que
se refiere al análisis variográfico.
Estacionaridad (2)
En general, se tiende a considerar que la variable regionalizada
no tiene un comportamiento estacionario, por la presencia de
zonas de altas leyes y otras de muy bajas leyes.
Ahora bien, el concepto de estacionaridad es una propiedad del

modelo geoestadístico, no de la variable regionalizada misma.
Por ende, es una decisión del usuario considerar si se cumple o
no la hipótesis de estacionaridad (ni verdadera ni falsa, pero
juiciosa o no).
Tendencias y derivas (1)
Definición
Se habla de tendencia o deriva cuando se aprecia un cambio en el

valor promedio local de los datos al desplazarse en el espacio.
Ejemplo: ley que decrece fuertemente con la profundidad
El concepto de deriva se refiere al modelo probabilístico (el valor

esperado varía en el espacio), mientras que el término tendencia
se refiere más bien a la observación experimental (más subjetivo)
Tendencias y derivas (2)
El considerar un modelo con deriva choca contra la hipótesis
de estacionaridad y complica el análisis variográfico.
Alternativas
• considerar una hipótesis de estacionaridad local: el valor

promedio es localmente constante y varía lentamente en el
espacio
• remover la deriva de los datos
• subdividir la zona de estudio en varios dominios

Efecto proporcional (1)
La dispersión de los valores es mayor en las zonas de altas
leyes que en las zonas de bajas leyes
 este efecto es frecuente cuando el histograma de los datos
es asimétrico (por ejemplo, lognormal)
 no es incompatible con la hipótesis de estacionaridad
planteada en el formalismo geoestadístico
 se puede tomar en cuenta este efecto de dos maneras:
• meseta del variograma que varía en el espacio
• transformación logarítmica de los datos
Efecto proporcional (2)
Ilustración: perfil de leyes a lo largo de una dirección del espacio
Muestreo preferencial
Un muestreo es preferencial si privilegia las zonas de alta
ley. Hay que tener cuidado en el estudio geoestadístico de
tales muestreos, pues las estadísticas experimentales ya no
son representativas del campo entero
 desagrupar los datos

 el tener un muestreo preferencial dificulta el análisis
variográfico de los datos (por ejemplo, en presencia de
un efecto proporcional) y las posteriores estimaciones
de recursos y reservas.
Información geológica (1)
La caracterización del depósito y la evaluación de sus recursos
dependen en gran parte del conocimiento de la geología.
 Mapas geológicos
Se basan en observaciones de superficie, trincheras, sondajes,
labores subterráneas. Sin embargo, lo esencial de estos mapas
corresponde a una interpretación. Por lo tanto, es necesario
revisar periódicamente estos mapas.
Se localizan los tipos de roca, fallas, pliegues, densidades y

orientación de fracturas o de vetas, y se determina sus edades
(anterior o posterior a la mineralización).
 Geometría de la zona mineralizada (contacto mineral - estéril)
Modelamiento en plantas y secciones de superficies y volúmenes

por interpolación / extrapolación a partir de la información de
sondajes; modelamiento tridimensional.
A menudo, las fronteras modeladas son más suaves (o sea, menos

erráticas) que las fronteras verdaderas; los errores geométricos
pueden ser localmente muy importantes e implican incertidumbre
en los tonelajes de mineral.
 Definición de unidades geológicas
Se suele dividir el depósito en varias zonas o “unidades geológicas”

(UG), según la litología, la mineralogía y/o la alteración existente.
También se puede incluir criterios metalúrgicos y condiciones
estructurales (fallamiento) en la definición de dichas unidades
• Verificar la pertinencia de la división; si es necesario, agrupar

varias unidades de propiedades similares
• Cada unidad debería presentar características “homogéneas”

Problemas asociados con la definición de unidades geológicas
 Transición entre una unidad y otra:

¿frontera “dura” o “blanda”? (examinar los perfiles de leyes
que cruzan la frontera)
 Extensión espacial de las unidades en el yacimiento
¿modelo determinístico o probabilístico? (las interpolaciones

están sujetas a errores, lo que implica una incertidumbre en los
volúmenes y tonelajes interpretados)
Unidades geológicas definidas por rangos de leyes
Una práctica común es definir unidades geológicas por referencia

a rangos de leyes. Este enfoque (método de “isoleyes”) también
se usa en combinación con criterios geológicos.
El uso de rangos de leyes no tiene sentido geológico. Del punto

de vista geoestadístico, puede llevar a interpretaciones erróneas:
• el método es auto-justificativo
• las fronteras entre rangos de leyes suelen ser blandas
• los resultados son sensibles a los rangos de leyes escogidos

Variables categóricas
Codifican una propiedad del yacimiento (tipo de roca, unidad
geológica...)  no confundir con una variable regionalizada
tradicional.
Se distingue tres grandes zonas:

• brecha de turmalina (centro)
• dioríta y granodioríta (este)
• otras brechas (oeste)
Compósitos (1)
Un mismo conjunto de datos no debe contener muestras de
soporte distinto. Por ende, es necesario llevar las muestras a
compósitos de la misma longitud (generalmente, igual a la
altura del bloque de selección minera o a un sub-múltiplo de
esta altura).
Mientras más largo el compósito, menos dispersos y menos
erráticos los valores.
Si existen soportes muy distintos, se puede considerar el

atributo medido en cada soporte como una variable distinta.
Compósitos (2)
Los compósitos no deben cruzar fronteras “duras” entre unidades
geológicas distintas. Es frecuente que se pierdan segmentos de la
información inicial al compositar (en la frontera de una unidad
geológica o al final del sondaje).
Para variables categóricas (ej: código de litología o mineralogía),

se puede asignar al compósito el código que más se repite entre
las muestras del compósito o el código de la muestra ubicada en
su centro.
Compósitos (3)
Al compositar, se supone que las leyes son uniformes en cada
testigo inicial, para poder reconstituir el perfil de leyes de cada
sondaje.
Aumentar la longitud de los compósitos tiene varios efectos.

• reduce el número de datos
• disminuye la dispersión de los valores (efecto de soporte):
menos valores extremos, facilita el análisis variográfico
La longitud de los compósitos se escoge generalmente en base a

la altura de los bloques usados para modelar el depósito.
Valores atípicos / aberrantes (1)
Es posible detectar valores “atípicos” por medio de varias
herramientas, en especial: histograma, nubes de correlación
entre variables, nubes direccionales...
Nunca se debe eliminar un valor “atípico” sin razón (falla en

el protocolo de medición, en la transcripción del dato, etc.).
Además, ningún test estadístico puede indicar si un valor
es “aberrante” o no.
Valores atípicos / aberrantes (2)
La presencia de valores atípicos puede plantear problema para
la evaluación de recursos y reservas:
• introduce variabilidad y complica el estudio variográfico
• puede conducir a zonas amplias con leyes estimadas muy altas
Alternativas:
• métodos geoestadísticos avanzados (transforman los datos)
• “capping” o “cutting”
• cambiar el tamaño de los compósitos
• identificar varias poblaciones de datos
Datos imprecisos (1)
Es frecuente que todo o parte de las mediciones contengan
imprecisiones, debido al protocolo de muestreo o de análisis
químico
 las técnicas geoestadísticas permiten tomar en cuenta
estas imprecisiones, siempre que hayan sido previamente
cuantificadas
 la evaluación de recursos pierde precisión en presencia de
errores de medición
 es recomendable estudiar la calidad de las mediciones,
sobre todo si provienen de fuentes distintas.
Ejemplo: comparación de las mediciones procedentes de dos
campañas de sondaje distintas
Aquí se puede agrupar las mediciones de ambas campañas

La comparación estadística de “poblaciones” debe hacerse con
cuidado
• diferencias “naturales” por tratarse de muestras diferentes, aun
si están tomadas en la misma zona (fluctuaciones estadísticas
que pueden ser importantes en las colas de las distribuciones)
• diferencias esperables cuando las poblaciones están en zonas

distintas, debido a la evolución en los valores de la variable
regionalizada: cambio en las leyes y en su dispersión (efecto
proporcional)
La regresión de D. Krige
Regresión lineal (1)
Se considera la nube de dispersión entre dos variables X e Y
(ejemplos: leyes de cobre total vs. cobre soluble; leyes estimadas
vs. reales; acumulación de oro vs. potencia; ley vs. coordenada)
La regresión lineal consiste en determinar la recta que mejor

represente la nube de puntos. Su ecuación es:
Ŷ  a X  b
cov (X, Y)
con: a 
var (X)
b  mY  a mX
Regresión lineal (2)
Ilustración: valores reales vs. valores estimados de leyes
La regresión de Krige (1)
Problemática
A principios de los años 1950, en los yacimientos de oro

sudafricanos, se solía estimar la ley de un panel por la media
de las leyes de las muestras contenidas en dicho panel.
Este proceder resultaba en un fuerte sesgo condicional: si las

muestras tienen una alta ley, el panel tiende a tener una ley
más baja, y viceversa, a causa del efecto de soporte. Luego,
cuando el estimador proporcionaba una ley muy alta, lo más
probable es que la ley verdadera del panel fuera más baja.
Propuesta de D. Krige
Para corregir los sesgos, Krige aplicó la siguiente regresión:
ley estimada del panel  a mi  (1  a) m

con
mi: ley promedio de las muestras al interior del panel
m: ley promedio de todas las muestras
a: coeficiente inferior a 1
Propuesta de G. Matheron
En la regresión de D. Krige, todas las muestras dentro del panel

tienen el mismo peso; asimismo las muestras fuera del panel
también tienen un peso igual entre sí, se sitúen o no próximos a
él.
G. Matheron mejoró la ponderación al atribuir a cada dato el

ponderador que se merece realmente, según su alejamiento al
centro del panel y la continuidad espacial de los valores; así
formalizó el método llamado “kriging” (1963).

Analisis Exploratorio

Enviado por

Dados do documento

Título original

Direitos autorais

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Analisis Exploratorio

Enviado por

Direitos autorais:

Geoestadística aplicada a la

Lección 1: estudio exploratorio de datos regionalizados

Lección 2: análisis variográfico de datos regionalizados

Lección 3: el cambio de soporte

Lección 4: la estimación local

En las muestras han sido

 reporte de recursos / reservas

 control de leyes: mejorar la selección entre mineral y estéril

• leyes de cobre, molibdeno, arsénico, etc., en un yacimiento

• cantidad de nitrato, pH, conductividad eléctrica en muestras de

• Estudio geológico (largo plazo)

 puede indicar direcciones de continuidad, restringir o

 campaña de sondajes en malla densa

 estimación local de recursos para determinar reservas

 mediciones en pozos de tronadura

 control de leyes: definir qué bloques mandar a planta o

A medida que avanza el proyecto minero, se tiene un conocimiento

La densidad del muestreo influye en el conocimiento de la

material que tiene un interés económico, en oposición a

Esta definición depende de varios factores:

• ubicación (infraestructura disponible)

Es la concentración de un elemento en el subsuelo (elemento

Se trata de un valor de ley que separa categorías distintas de

Este concepto se refiere a la distribución de un atributo en el

Nota: ambos tipos de continuidad no siempre se dan en forma

Concentración u ocurrencia de material de interés económico

Se habla indistintamente de recursos geológicos, minerales o

Es la parte económicamente explotable de un recurso

El nivel de conocimiento y de confianza en las estimaciones

• los recursos minerales se subdividen, en orden de confianza

• las reservas mineras se subdividen, en orden creciente de

Es el volumen mínimo de los bloques que se puede utilizar para

• depende del equipo para explotar (pala)

• base para el estudio de factibilidad

• en el modelo de yacimiento, cada unidad contiene estimaciones

La dilución se refiere al hecho de mezclar (no separar) el

• dilución externa o de operación

Una variable regionalizada es una función que representa

• su naturaleza (continua / categórica)

• su dominio de extensión (campo)

• su soporte, por ejemplo:

La distribución de los valores depende del soporte en el cual

soporte 1m × 1m soporte 5m × 5m soporte 25m × 25m

Se dice que una variable regionalizada es aditiva cuando el

razón de solubilidad, código de litología

¿Cuál es la ley promedio en la veta?

Sin ponderar por la potencia, se obtendría:

Un mismo conjunto de datos no debe contener muestras de

Mientras más largo el compósito, menos dispersos y menos

Una variable regionalizada presenta variabilidad en el

Cabe recordar que las estimaciones nunca son perfectas y

• variabilidad “inherente” de las leyes

• errores en el modelo geológico

• errores de muestreo (variabilidad “introducida”)

• Evaluación de la calidad de los datos (muestras)

• Modelamiento geoestadístico de los datos

• Estimación global y local de los recursos geológicos

• Definición y reporte de las reservas mineras

• Comprobar la homogeneidad de las leyes en cada unidad geológica,

• Anticipar dificultades o problemas que puedan surgir en la fase de

Código Tipo de roca

Tipos de despliegue: secciones; plantas; vistas 3D; mapas con

Cuando la malla de muestreo es irregular, es preferible no

• consideran criterios geométricos al ponderar los datos en

• no toman en cuenta la continuidad espacial de los datos,

El cálculo de estas herramientas debe tomar en cuenta los