Escolar Documentos
Profissional Documentos
Cultura Documentos
EfeitoSuporte 240330 192648
EfeitoSuporte 240330 192648
Todo a teoria geostatistica se aplica a variáveis consideradas variáveis aditivas, como por
exemplo unidades metálicas de um concentrado, espessura do minério da cobertura,
porosidade, etc. Que são grandezas cuja soma conserva o mesmo significado físico das
parcelas somadas. A permeabilidade e a resistência de um solo são exemplos de variáveis
não aditivas, pois são grandezas cujos valores variam com a direcção (vectoriais).
• 27• • 33•
26 30
• • • • tmB < tcorte= 33 ppm
tmB ≥ tcorte
• 34• 36• 32•
30
• • • •
• • • • • 41• 42• 46•
43
Se por outro lado também sabemos como estimar o valor (teor) médio de um bloco Bi,
(tmB) de um jazigo a partir das informações disponíveis, então poderemos falar de
estimação das reservas mineiras, se definido um teor de corte (tcorte) ser possível
seleccionar para o conjunto das reservas os blocos que tenham um teor médio estimado
superior ao teor de corte, tmB ≥ tcorte
4
4
tcorte = 33 ppm
Frequência absoluta
tcorte = 33 ppm
Frequência absoluta
3
3
2
2
1
1
0
0
[26 - 31) [31 - 36) [36 - 41) [41 - 46)
[26 - 31) [31 - 36) [36 - 41) [41 - 46]
Classes
Classes
Se analisarmos a figura e o que vemos como resultado é que para um teor de corte de 33
ppm o volume das reservas exploráveis ( cujo teor esta acima do teor de corte) seria de
62,5 % . O teor médio dessas reservas é de 39,3 ppm. Mas se entretanto a escolha do
bloco fosse a de um bloco maior e de tamanho igual a união de dois dos blocos anteriores
teríamos a distribuição de valores médios da figura seguinte que é equivalente ao
histograma a direita da figura anterior. Nesse caso as reservas recuperáveis são de apenas
50% e o teor médio das reservas recuperáveis é ligeiramente mais elevado e igual a 39.6
ppm.
(42) (44)
O que se conclui com este resultado é que teor médio (t), tonelagem (T) e unidades
metálicas (Q) das reservas exploráveis, são grandezas que variam inversamente com o
aumento do teor de corte tcorte. O quer dizer que quando tcorte cresce, t também aumenta,
mas T e Q decrescem embora isto aconteça só quando o teor de corte é superior ao teor
médio do jazigo (tcorte > tm ):
σ2( b2/ J )
tc
b2 > b1
σ2(b1/J)
Variança de dispersão e factor de redução “f”
Portanto para os dois casos a medida da dispersão dos valores em torno da média pode
ser calculada pela variança:
Notar que os três resultados (1), (2) e (3) dão para escrever a igualdade
[40 = 5.08+34.92]
Sendo vi os valores amostrais (pontuais) do teor e mv a media dos vi sobre todo o jazigo.
2(p/J) pode ser escrito ainda
1 n 1 n 1 n 2 1 n 1 n
( v i m v ) 2 ( v i 2v i m v m v ) v i 2 m v ( v i ) m v )
2 2 2
n i 1 n i 1 n i 1 n i 1 n i 1
1 n 2 1 n 2 1 n 1 n 2 1 n n
v i mv v i ( v i ) 2 v i ( 2 v v
2
i j )
n i 1 n i 1 n i 1 n i 1 n i 1 j 1
1 n 2 1 n 1 n n
1 n n
1 n n
2 n n
vi v j ) vi vj ( v v
2 2 2
v i vj ( 2 i j )
2n i 1 2n j 1 n i 1 j 1 2n 2 i 1 j 1 2n 2 j 1 i 1 2n 2 i 1 j 1
n n n n
1 1 _
(v (v v j )2 ( p / J )
2 2
i v j 2v i v j ) i
2n 2 i 1 j 1 2n 2 i 1 j 1
_
( p / B)
f 1 _
(p / J)
Correcção do ES
Outra verdade é que quanto mais conexos estiverem distribuídos os valores extremos
mais rapidamente a distribuição dos blocos tende a simetria ( alta conectividade dos
valores extremos é o padrão que mais ocorre nos fenómenos naturais).
E se compararmos este gráfico com o primeiro da figura anterior, vemos que se trata de
dois padrões de distribuição de valores francamente diferentes, mas que apresentam o
mesmo histograma e até o mesmo variograma. Por isso, neste caso, nem o variograma
está a altura de descriminar a forma como os valores extremos estão conectados entre si,
e esta característica é muito importante para a velocidade com que a distribuição tende a
simetria com o aumento do suporte. Podemos avaliar o ES se lermos os sumários
estatísticos dos dois casos.
Serão descritos dois métodos para a correcção do ES, onde ambos produzem o resultado
de manter a média e reduzir a variança de um certo factor “ f ”, factor de redução da
variança. A diferença dos dois métodos está na maneira com tratam a simetria, o que
muito tem a haver com a forma como os valores extremos se conectam no espaço. Este
conhecimento é adquirido e ditado apenas pela experiência geológica.
Assim a regra é quando a experiência diz que a característica em estudo apresenta fraca
conectividade dos valores extremos, a melhor correcção a aplicar para o EF é aquela
que não simetriza a distribuição (método da correcção afim) e vice-versa.
Este método usa a transformação que se aplica entre duas distribuições lognormal e
produz a correcção do ES em duas etapas:
Etapa 1: usa a transformação
q ' aq
b
Sendo q’ o quantil de uma distribuição lognormal, calculado a partir do
quantis de outra distribuição lognormal, q. As constantes a e b podem ser calculadas pelas
formulas:
b
m CV 2 1 ln( f .CV 2 1)
a e b
f .CV 2 1 m ln( CV 2 1)
Sendo CV – coeficiente de variação [CV = /m]
m
q' ' q'
m'
m’ é a média encontrada após o 1.a etapa
• • • •
26 27 30 33
• 41• 42• •
43 46
10 m
10 m
Alternativa A Alternativa B
• • • •
• • • •
• • • •
Estes dois indicadores não têm em conta a configuração dos dados nem a natureza do
fenómeno em estudo
c) Arranjo espacial das amostras. A nossa confiança aumenta com amostras
distribuidas regularmente e uniformemente no espaço ao redor do ponto ou
bloco a estimar;
d) Natureza do fenómeno em estudo. Uma configuração de 4 pontos dispostos ao
redor do ponto a estimar pode transmitir maior confiança na estimação de uma
espessura mas, não seria tão confiante se se tratasse da estimação de ouro que
é uma característica muito mais variável. Para um fenómeno errático, várias
amostras produzem um resultado mais confiante e não serão tão redundantes,
do que em um fenómeno menos errático onde será preferível ter uma amostra
vizinha que várias dispersas. Ou ainda 2 amostras próximas não serão
melhores que uma só, num fenómeno de maior continuidadee 2 amostras
próximas não serão redundantes num fenómeno com ampla flutuação;
var Tm*B TB var i Ti TB E i Ti TB E i Ti TB
i 1 i 1 i 1
2
n
E i Ti TB 0 para estimador nao enviesado( i 0)
i 1
n
2
n
n
var T *
mB TB E i Ti T B E ( i Ti ) 2 2.T B . i Ti T B2
i 1 i 1 i 1
n n n n
n
E ( i Ti ) 2 E 2.T B . i Ti E T 2 E i j Ti T j 2 E i Ti .T B E T B2
i 1 i 1 i 1 j 1 i 1
i 1 j 1 i 1
1.o termo variança dos valores dos blocos. Se a variável é errática o termo cresce;
2.o termo distâncias estatísticas e “cluster” dos dados; este termo aumenta quando
usamos informações mais próximas entre si e aumenta a variança.
3.o termo considera as distância estatísticas em relação ao ponto a estimar. Sendo as
informações próxima entre si as covarianças crescem e este termo cresce,
mas por ter sinal negativo o indice da incerteza diminui.
Em termos de variograma:
~2 n _ n n _
R 2 i iB i j ij BB
i 1 i 1 j 1