Exercícios Teóricos - Geoestatistica
comete um erro de classificação de blocos
1 - Escreva a fórmula que permite o cálculo
de variograma experimental. O que
representa cada termo da fórmula. Qual é o
significado gráfico do variograma
experimental? Porque se deve calcular o
variograma experimental para diferentes
direções? Porque se deve fazer o ajuste de
variograma?
Solução:
di=[z(Xi+h)-z(xi)]*cos(45)
gama(h)=(soma[z(xi+h)-z(xi)]^2)*cos(45)/N(h)
gama(h)=(soma[z(xi+h)-z(xi)]^2)/2*N(h)
Variograma Experimental
Termos: N(h):Número de pares de ponto
tomados na direção h.
h: Vetor distância que liga dois pontos
quaisquer.
z(h+i): é o vetor da variável no ponto
(xi+h)
z(xi): é o vetor da variável no ponto (xi)
Significado Gráfico:
O variograma experimental é uma medição da
dispersão da núvens de pontos em torno da
primeira bissetriz.
O variograma experimental deve ser calculado
para diferentes direções para se ter uma
melhor análise dos dados e assim verificar
isotropias e anisotropias.
O ajuste deve ser feito por causa do erro da
estimativa.
2 – o que é um modelo de transição de
variogramas? Oque é amplitude? O que é
patamar? Qual a importância do
significado prático da amplitude?
Resposta:
modelo de transição de variograma é um
variograma caracterizado pela existencia de
amplitude e patamar. Corresponde a uma
função aleatória que não é somente
intrínseca, mas tb estacionária de Segunda
ordem. Num fenômeno de transição qualquer
valor de Z (x) está correlacionado com outro
valor no interior de uma raio a de x.
Amplitude: é a distância além do qual dois
valores Z(Xi) e Z(xi + h) não mais estão
correlacionados. A amplitude tem um
significado de zona de influência de uma
amostra, ou seja, é a distãncia além do qual
C(h) = 0 ( covariância = 0 ).
Patamar: é o valor em torno do qual o
variograma se torna estável. O patamat nada
mais é senão a variância a priori.
3 - Suponhamos que tenham sido
calculadas as curvas de parametrização
para uma variável (teor) baseadas em cada
uma dos seguintes casos.:
a)Teores de amostras
b)Teores médios verdadeiros dos blocos
de seleção de lavra;
c)Teores médios dos blocos de seleção de
lavra estimados por um método qualquer,
por exemplo IQD.
Pergunta-se:
Porque os resultados obtidos com a e b
são diferentes?
Porque os resultados obtidos com b e c
são diferentes?
Porque o benefício realmente obtido com c
é sempre menor do que aquele obtido com
b?
Solução:
1)Os resultados obtidos são diferentes porque
os valores não estão associados ao mesmo
suporte, ou seja, não há uma correlação entre
as variáveis.
2)O motivo dos resultados b e c serem
diferentes é o mesmo de a e b, ou seja, eles
não estao associados ao mesmo suporte.
3)Porque os valores de c foram obtidos por
um método teórico. É um método teórico
superestimado os valores, ou seja, neste caso
o teor médio dos blocos sejam maiores que os
teores verdadeiros, então serão lavrados
blocos que na verdade são estério, o que
diminui o seu lucro num projeto de mineração.
4 - Em que consiste basicamente uma
operação de "declusterização"? Por que
esta operação é importante? Quando é que
ela deve ser feita?
Resposta:
A operação de declusterização consiste em se
atribuir pesa menores a amostras que se
encontram agrupadas em relação a outras
mais espalhadas. Ela é importante, pois sem a
mesma os cálculos tais como a média e
histograma produziu resultados que não são
representativos da população. Deve ser feita
sempre que as amostras formem
agrupamentos de dados, principalmente em
áreas preferenciais.
5 - Quais são as situações nas quais se
Resposta:
de lavra? Como cada uma delas pode
afetar a economia ou lucro de um projeto
de mineração? Um bom método de
estimativa de reservas deve satisfazer
quais requisitos?
Resposta:
Quando um bloco de minério é considerado
estéril o (Zv>Zc) ou quando um bloco de
estéril é considerado como minério (Zv<Zc).
Lavrando um bloco de minério como estéril
afeta o custo de lavra além de diminuir a vida
útil da mina.
-> Critério de eficiência: (B-Bo)/Bo, tendendo a
zero.
Critério de precisão: (B*-B)/B, próximo a zero
e levemente<0.
Bo=~B: lucro máximo e erro mínimo.
B*=~B: não houve nem super nem
subestimativa da jazida.
B*=~Bo: estimativa de reserva lavrável foi
obtida apartir de uma seleção confiável de
amostragem.
6 - O que se deve fazer para saber se o
comportamento variografico de uma dada
variável em uma região apresenta
anisotropia?
Resposta:
Devemos obeservar as direções. Por ex, se a
direção vertical possui amplitude a1, que
corresponde a media da espessura das lentes
mineralizadas e o semi variogramas
experimental pr direção horizontal a2 maior
que a1, correspondente a media da dimensão
horizontal das mesmas lentes mineralizadas,
sabemos que este apresenta anisotropia.
7 - O variograma é definido como sendo a
variância da diferença entre duas
VA(componentes de uma função
aleatória)medidas em pontos de apoio
diferentes, ou seja, gama (X1, y1) =
VAR[Z(x1)- z(x2)]. Por que, por ex, no caso
de teores de uma dada substância em
deposito não se pode calcular o
variograma experimental se a hipótese de
estacionalidade (de Segunda ordem ou
intrisenca), não forem assumida?
Resposta:
As definições de covariância e variograma
mostram que estas definições dependem
simultaneamente de x1 e x2.Assim seriam
necessárias variadas realizações do par
VAR{Z(x1),Z(x2)} pr possibilitar qualquer
inferencia estatística.
Mas se a covariancia e o variograma
dependerem somente da distância entre x1 e
x2, ou seja de h=x1-x2 a inferencia estatística
se torna possível .
Assumindo a estacionaridade de Segunda
ordem temos que:
1 – a esperança matemática da função existe
e não depende do ponto x: E [ z(x)] = m;
2 – para cada par de VA { z(x), Z(x+k)} a cov
existe e não depende de suas posições
particulares no espaço e assim de h ( vetor
distância que separa os dois suportes ); C(h) =
E [ z(x), z(x+h) ] – m2 , para todo e qualquer
{ x, x+h }. Assim a estacionaridade da
covariância, implica na estacionaridade da
variância e do variograma
8 – Na teoria da curvas de parametrização
ou na estimativa de reservas recuperáveis
existem os conceitos de lucro ou beneficio
ilusório ou estimado, beneficio real e
beneficio ideal. Qual a diferença entre cada
um deles. Por que o lucro ideal é sempre
maior que o real? Por que o beneficio
estimado ou ilusorio normalmente é
diferente do real?
Resposta:
Os blocos são classificado segundo um teor
de corte: os que possuem teores acima dos
teores de corte são classificados como
minério. E os que possuem teores abaixo são
estereis. O benefício ideal é basedo na correta
e eficiente classificação de todos os blocos,
assim todos os blocos de minério seriam
processados e todos os blocos de esteril iriam
para uma pilha. Mas isto não ocorre na
verdade, fazendo com que o lucro ideal seja
sempre maior que o real.O lucro e diretamente
proporcional à diferença de seus teores
verdadeiro (Z) e seu teor de corte.Teor médio
estimado X recuperado.Em um projeto de
mineração bem sucedido o teor médio do
material enviado a usina deve estar proximo
do material recebido pela usina.
9 – Quais são as situações nas quais se
comete erro de classificação dos blocos de
lavra? Como cada uma delas pode afetar o
lucro e a economia de um projeto de
mineração? Um bom métode de
estimativas de reservar deve satisfazer
quaisquer requisitos? Justifique.
Os erros ocorrem quando: o bloco é
classificado com minério Zi > Zr e Zv < Zr; o
bloco é classificado como estéril Zi < Zr e Zv >
Zr.
Vale lembrar que uma boa estimativa é aquela
que se tem um erro médio igual a zero, ou
então que os erros dos blocos sejam próximos
dos erros médios. Caso um bloco de minério
seja classificado como estéril temos a
diminuição do lucro. Caso um bloco de esteril
seja classificado como minério, temos uma
contaminação no beneficiamento com a
consequente diminuição do lucro. Requisitos
de um método de estimativa: estimar bem as
reservas lavráveis, minimizar o número de
blocos erroneamente classificados.
10 – Em que consiste basicamente uma
operação de declusterização ou
desagrupamento? Por que esta operação é
importante? Quando é que ela deve ser
feita?
Resposta:
A operação de desagrupamento consiste em
se atribuir pesos menores a amostras que se
encontram agrupadas em relação a outras
mais espalhadas. Ela é importante, pois sem a
mesma os cálculos tais como a média e
histograma produziram resultados que não
são representativas da população. Deve ser
feita sempre que as amostras formem
agrupamentos de dados, principalmente em
áreas preferenciais.
11 – Um mapa de localização de amostras
pode ser útil para um cálculo mais
confiável de estimativa da média e
variância da população de origem destas
amostras? Justifique ou explique.
Resposta:
Sim, pois caso haja amostras agrupadas
(muito próximas) você pode fazer um
desagrupamento (descluterização), caso você
tenha o mapa de pontos.
Amostras agrupadas influenciam no cálculo da
variância e da média.
12 – Uma operação de desagrupamento
pode ajudar na obtenção de uma estimativa
mais confiável da média de uma região
onde se tem amostras muito próximas
umas das outras quando comparadas com
outras mais afastadas. Explique isto
através da comparação entre o peso que
uma amostra que se encontra agrupada
recebe no cálculo de uma média
desagrupada e o peso que ela receberia
caso a média fosse estimada através de
uma média aritmética simples.
Resposta:
Sim.
A média estimada através de uma média
aritmética simples não é o melhor para
representar os teores médios, devido ao fato
de ocorrer agrupamentos de amostras com
teores mais elevados em um determinado
bloco, ou seja, esta estimativa não é confiável.
O peso das amostras agrupadas para o
cálculo da média aritmética simples
corresponde ao peso de cada amostra
independente.
Já peso das amostras agrupadas no cálculo
de uma média desagrupada corresponde ao
peso do conjunto das amostras do
agrupamento. Sendo assim estas amostras
receberia pesos menores que as que não
estão agrupadas, tornando o cálculo da nossa
média mais preciso e mais perto do real.
O peso na média global desagrupada de
um elemento  pertencente a uma célula j
será
1/Nc X 1/Nj = , onde Nc é o número de
células com pelo menos 1 dado no seu
interior e Nj é o número de informações
dentro da célula j.