I-Resumo

Modelos da geoestatística baseiam-se, em parte, na teoria das

probabilidades, reconhecendo e incorporando as incertezas advindas do
processo de obtenção dos dados. A modelagem torna-se uma ferramenta
importante, pois permite simular as regiões de onde se possui pouco ou
nenhum conhecimento é avaliável.
Palavras-chaves: modelo,teoria de probabilidades,modelagem.
Abstract: Models of geostatistic are based, in part, in probability theory,
recognizing and incorporating the happened uncertainties of the process of
attainment of the data. The modeling becomes an important tool, therefore
it allows to simulate the regions where little or any information is available.

1
 II-Introdução
O termo Geoestatística surgiu para enfocar o estudo estatístico de um
fenômeno natural, por sua vez, caracterizado pela distribuição no espaço
de uma ou mais variáveis, denominadas "variáveis regionalizadas"
(JOURNEL & HUIJBREGTS, 1978).
Por volta de 1950, na África do Sul, D.G. Krige concluiu que não poderia
estimar de forma adequada o conteúdo de ouro em blocos mineralizados
se não considerasse a configuração geométrica das amostras, ou seja,
localização e volume. Estas avaliações, a princípio empíricas e de aplicações
localizadas, foram importantes para o engenheiro francês Georges
Matheron desenvolver a teoria que estuda o comportamento de variáveis
distribuídas espacialmente e que representam um fenômeno natural.
Assim, Matheron, durante a década de 60, generalizou os métodos de
estimativas usados por Krige e desenvolveu os fundamentos teóricos da
variabilidade de amostragem associada com o tamanho das amostras bem
como, formulou uma teoria completa dos erros de estimativas
(MATHERON, 1962, 1963 e 1970).
Desde os anos 60, portanto, a Geoestatística vem sendo aplicada em
diversas áreas das Geociências, não apenas na Pesquisa e Avaliação
Mineral, mas também, entre outras, em Hidrogeologia, Cartografia,
Geologia Ambiental e Geotecnia.
O avanço tecnológico da computação potencializou ainda mais a utilização
da Geoestatística,estando hoje presente nos principais sistemas
computacionais de avaliação de recursos minerais.
Alguns conceitos-chaves de Geoestatística:
Krigagem: método usado em Geoestatística para interpolar ou aproximar
dados.
Interpolação: é uma técnica utilizada para estimar os valores
desconhecidos de uma função a partir de valores conhecidos da mesma
função.

2
 III- Material e Métodos
No presente trabalho, fez-se um estudo no Miradouro da Lua,um lugar
situado a 40 quilómetros a Sul de Luanda,para o levantamento dos pontos
daquela mesma área.E para se realizar este levantamento, precisou-se de
um drone, como ilustra na figura 1.

Figura 1- Drone
O principal objectivo foi de capturar as imagens aéreas para o melhor
levantamento dos pontos de coordenadas (X,Y e Cota).

3
 IV-Resultados e Discussões
1-Análise descritiva dos dados
Nessa secção apresentam-se, as tabelas e gráficos construídos assim como
as medidas descritivas obtidas da minha variável em estudo.
No campo, retirou-se mais de 234.250 pontos,nas quais fez-se a recolha.No
ponto a seguir, mostrarei a tabela com os dados da estatística descritiva,
dos mesmos:
Variável x
Média 290452,39
Erro Padrão 0,196916512
Mediana 290470,8065
Moda 290486,514
Desvio Padrão 95,30637122
Variância 9083,304395
Curtose -0,394409564
Assimetria -0,625267987
Amplitude total 431,912
Mínimo 290197,091
Máximo 290629,003
Somatório 68038472363
Nº de Elementos 234250
Maior valor 290628,946
Menor valor 290197,744
Intervalo de Confiança(95%) 0,385951266

4
2-Distribuição de frequências
Dentre os 234.250 elementos retirados, fez-se apenas a distribuição das
frequências dos 10 elementos, escolhidos por mim:
Variável X fi fr F Fr
290204,921 1 10% 1 10%
290210,755 1 10% 2 20%
290213,25 1 10% 3 30%
290311,788 1 10% 4 40%
290312,275 1 10% 5 50%
290312,775 1 10% 6 60%
290313,921 1 10% 7 70%
290314,113 1 10% 8 80%
290314,355 1 10% 9 90%
290315,158 1 10% 10 100%
Total 10 100%

3-Distribuição de classes
Classes fi fr
290204,921—290210,755 1 11,11%
290210,755—290213,25 1 11,11%
290213,25—290311,788 1 11,11%
290311,788—290312,275 1 11,11%
290312,275—290312,775 1 11,11%
290312,775—290313,921 1 11,11%
290313,921—290314,113 1 11,11%
290314,113—290314,355 1 11,11%
290314,355—290315,158 1 11,11%
Total 9 100%
Na tabela acima, fez-se a distribuição das classes,nas quais determinou-se
o valor das frequências,absoluta e relativa da variável X,e a amplitude de
cada classe calcula-se da seguinte forma:
Amplitude Total=Valor máximo-Valor mínimo
Por exemplo: At=290210,755-290204,921=5,8

5
4-Histograma
290340
290320
290300
290280
290260
290240
290220
290200
290180
290160
290140
1 2 3 4 5 6 7 8 9 10

X f

No histograma abaixo, a base de cada uma das barras representa uma

classe e a altura representa a quantidade absoluta com que cada classe
ocorreu.No entanto, o meu valor máximo foi o que mais ocorreu com
maior frequência.
5-Box-Plot

No gráfico abaixo, trata-se de uma forma extensa de ver os diferentes

dados,os valores da minha variável escolhida X, e de outras informações
tais como a moda, a mediana e os quartis. Neste caso, a recta nos mostra

6
o valor máximo e o valor mínimo da variável X, e a mediana representa
50% do valor da variável.

6-Outliers

X
290370

290360

290350

290340

290330

290320

290310
0 2 4 6 8 10

Na figura acima , verificou-se que houve uma dispersão entre os valores

da variável X, o que prejudica a interpretação dos resultados, fujindo
assim da sua normalidade.

7
7-Mapa de Contorno 2D

Figura -Mapa de contorno 2D

A figura acima representa um mapa de contorno 2D,ou seja, um mapa de
duas dimensões,com suas respectivas longitudes (X) e latitudes (Y).Na
representação do mesmo mapa,analisou-se através da sua escala de cor
que o meu valor mínimo de contorno é de 30 e o valor máximo é 110, o que
significa que começou de zonas mais baixas e terminou em zonas mais altas
(ou mais frias).

8
8-Mapa de contorno 3D

Figura-Mapa de contorno 3D
A figura acima representa um mapa de contorno 3D,ou seja, um mapa de
representação tridimensional, bem diferente da representação em 2D. Na
representação da escala em 3D, notou-se que a partir do valor 35
começou nas zonas mais baixas,e a partir de 105 terminou nas zonas mais
altas, ou mais frias.

9
 Imagem Real

Esta imagem representa a zona de referência da localização do Miradouro

da Lua, situada a 40 Km do sul de Luanda.

10
 V-Conclusões
Com este relatório chego a conclusão que ainda há muito que melhorar os
dados quando se aplica a geoestatística.Com base nos meus
resultados,existem alguns mais certos, e outros mais ou menos com relação
a análise dos meus dados.
Os dados, de uma maneira geral, têm a possibilidade de serem melhorados,
tendo em conta, a boa interpretação dos mesmos.

11
 VI-Recomendações
Uma das recomendações é que a Geoestatística deve ser ainda mais
adotada como uma rotina em análises de dados para possibilitar a sua
maior precisão possível, e com a finalidade de analisar a distribuição dentro
do espaço, uma vez que também é utilizada em outras tais como: a
agricultura, a engenharia geográfica,e dentre outras.

12