Seguridad en Laboratorio

MUESTREO Y PREPARACIÓN DE MUESTRAS
DE MINERALES
Mauricio Arancibia G.
Estadística aplicada al Muestreo
Medidas de Tendencia Central
Media Aritmética.- Si se tienen n valores de n mediciones, la media

aritmética se obtiene sumando estos valores y dividiendo por el
número total de datos.
1 n
X   Xi
n i 1
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
X  4 + 8 + 4 + 6 + 7 + 5 +6 +8 +7 + 6
10
La media aritmética es 6,1
Observación.- Este estadístico es poco robusto a la presencia de datos

anómalos
Mediana.- Los resultados se ordenan de menor a mayor,

Si el total de datos es un número impar, entonces la mediana
corresponde al valor central de estos datos.
Si el total de datos es un número par, entonces la mediana corresponde
al promedio de los dos datos centrales.
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
4 4 5 6 6 6 7 7 8 8
La mediana es 6
Observación.- Este estadístico es mucho más robusto a la presencia de

datos anómalos que la media aritmética.
Moda.- Es el número que más se repite en la serie
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
4 4 5 6 6 6 7 7 8 8
La moda es 6
Media Cuadrática.- Los datos se elevan al cuadrado y después se

suman.
1 n 2
XC  
n i 1
Xi
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
1 2 2
XC  ( 4  8  4 2  6 2  7 2  52  6 2  82  7 2  6 2 )
10
X C  6,2
Media Geométrica.- Se determina el logaritmo a cada resultado,

después se suman y se dividen por el número de datos.
1 n
log X G   log X i
n i 1
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
1
log X G  (log 4  log 8  log 4  log 6  log 7  log 5  log 6  log 8  log 7  log 6)
10
log X G  0,7734 X G  100,7734 X G  5,9

~
x Mediana
x Media Aritmética
x̂ Moda
~
x
Medidas de Dispersión
Desviación estándar.- Estima la dispersión de los resultados

alrededor de su valor medio y se expresa como:
n n
 (x  x)
i
2
población  (x i  x )2
Muestra
s i 1
s i 1
n n 1
donde n-1 son los grados de libertad, es decir el número de

estimaciones independientes que pueden obtenerse a partir de un
conjunto específico de datos.
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
(4  6,1) 2  (8  6,1) 2  .....  (6  6,1) 2

s s  1,449
10  1
Varianza.- Es la desviación estándar al cuadrado, y se expresa como:
n
 i
( x  x ) 2
s2  i 1
n 1
donde n-1 son los grados de libertad, es decir el número de
estimaciones independientes que pueden obtenerse a partir de un
conjunto específico de datos.
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
(4  6,1) 2  (8  6,1) 2  .....  (6  6,1) 2

s 
2
10  1
s 2  2,100
Recorrido o Rango.- Es la diferencia entre el resultado más alto y el
más bajo.
R = xsup – xinf
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
Rango = 8 – 4
Rango = 4
Observación.- La desventaja de utilizar este estadístico, es que

cuando se considera un número grande de datos, existe más
probabilidad de obtener valores anómalos que distorsionen el
recorrido. Por lo tanto es un estadístico poco robusto en comparación
a la desviación estándar y a la varianza.
Desviación Estándar Relativa.- También conocida como Coeficiente
de Variación. Es un estadístico que relaciona la desviación estándar
con la media aritmética
s s
DER  CV 
x x
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
(4  6,1) 2  (8  6,1) 2  .....  (6  6,1) 2 s  1,449

s
10  1
X  4 + 8 + 4 + 6 + 7 + 5 +6 +8 +7 + 6 X  6,1
10
1,449
CV  CV  0,238
6,1
Error Relativo.- Es un estadístico que relaciona el rango estándar
con la media aritmética
R
ER 
x
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
84
ER  ER  0,656
6,1
Varianza Relativa.- Es un estadístico que relaciona la varianza con
la media aritmética al cuadrado, o en otras palabras es la desviación
estándar relativa al cuadrado.
2
s2 s
VR  2 VR    VR  CV  VR  DER 
2 2
x x
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
2,100
VR  VR  0,056
6,1 2
Algunos Ejemplos de aplicación
Variabilidad del Error Relativo Absoluto entre Duplicados en base al Promedio de

los Resultados
14,0
0,01 <= %Cu T < 0,50 1, 00 <=%Cu T < 5,00

12,0
0, 50 <=%Cu T < 1,00
% Error relativo Absoluto
10,0
Promedio + 3 sigmas
8,0
Promedio + 2 sigmas
6,0
Promedio + 1 sigma
4,0
2,0 Promedio
0,0
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 106 111 116 121
Nº correlativo según Tabla Nº 1
La desviación estándar no es aditiva
Cuando se deben sumar los errores, lo que se deben sumar
son las varianzas, no las desviaciones estándar.
Ejemplo:
Error de Muestreo 1°:  15 %

Error Total = (0,15)2 + (0,08)2 + (0,04)2

Error Total =  17,5 %
La desviación estándar como medida del error
Cuando queremos expresar la d.e. en

función de la confianza o probabilidad
tenemos que tomar en cuenta el tipo de
distribución
Propiedades de la Distribución Normal
68 %
95 %
99,7 %
Población y Muestra
Población.- es el conjunto sobre el que estamos interesados en

obtener conclusiones (hacer inferencia).
Normalmente es demasiado grande para poder abarcarlo.
Muestra.- es un subconjunto suyo al que tenemos acceso y sobre el

que realmente hacemos las observaciones (mediciones)
Debería ser “representativo”
Esta formado por miembros “seleccionados” de la población
(individuos, unidades experimentales).
Cuando nos referimos a variables de la población hablamos de
parámetros. En cambio cuando nos referimos a las variables de las
muestras hablamos de “estadísticos “ o “estadígrafos”.
Teorema Central del Límite
X1
X1
X2
X11
… ……………….. X2
X21 …
Xn
… Xn
Xn1
X  U(,2)
X2
Xn
X1
X  N(,2/n)
Teorema Central del Límite
X X
t-student
Cuando se determina la varianza de un número pequeño de

muestras que tienen una distribución normal, la varianza puede que
no represente la curva de Gauss. En este caso, se utiliza el factor
de corrección t - student
Distribución t-student
t z
Cuanto   , entonces t  z
Conceptos básicos relacionados con el Muestreo
de Minerales
LOTE
Se refiere a una cantidad de materia a ser muestreada, cuya
composición se quiere estimar.
Es la cantidad definida de material, cuya calidad se presume

uniforme.
Ejemplos:
30.00 Toneladas de mineral en un acopio
3 m de profundidad en una mina subterránea
500 toneladas de concentrado que pasan a través de una
correa transportadora
1 par de cátodos de cobre
1 submuestra del laboratorio.
INCREMENTO
Una cantidad de materia seleccionada mediante un
dispositivo de muestreo en una sola operación.
INCREMENTO
Una cantidad de materia seleccionada mediante un
dispositivo de muestreo en una sola operación.
MUESTRA
Una cantidad de materia que es extraída de un lote, a
menudo obtenida mediante la reunión de distintos
incrementos o fracciones del lote
MUESTRA
Una cantidad de materia que es extraída de un lote, a
menudo obtenida mediante la reunión de distintos
incrementos o fracciones del lote
CARGAMENTO
Es la cantidad de material entregado en una sola partida.
El cargamento puede consistir en uno o más lotes o partes
de lotes.
Ejemplo:
- El cargamento de una motonave

- El cargamento de un tren
- El cargamento de un acopio de material en canchas.
PROTOCOLO DE MUESTREO
Es un procedimiento de tipo secuencial que tiene por objeto
visualizar los pasos que se deben de seguir hasta conseguir
el producto.
PROTOCOLO DE MUESTREO
Lote
Muestra Primaria S1 Rechazo Primario
Muestra Primaria Preparada S´1
Muestra Secundaria S2 Rechazo Secundario
Muestra Secundaria Preparada S´2
Muestra para Laboratorio S3 Rechazo Terciario
Muestra Terciaria Preparada S´3
Submuestra analítica S4 Rechazo Terciario
Análisis S4
Resultado Final
COMPONENTE
Se refiere a una parte elemental o a un constituyente que
puede ser separado y cuantificado mediante análisis.
Existen componentes químicos y componentes físicos.
Ejemplos:
El contenido de cobre en un concentrado.
La proporción de partículas bajo 150 mallas Tyler en un
mineral.
Componente crítico
Es un componente químico o físico de interés cuya proporción
es altamente relevante que debe ser estimada.
HETEROGENEO Y HOMOGENEO
Se refiere a una parte de materia
Heterogéneo Homogéneo
REPRESENTATIVIDAD
Una muestra es representativa cuando representa una masa
mayor de material con sesgo y precisión dentro de límites
aceptables.
% Cu
Muestreo
Análisis Químico
Preparación
ESPECÍMEN
Es una parte del lote que se ha obtenido sin respetar las
reglas de la teoría del muestreo, que se basa en el concepto
de equiprobabilidad.
Un especímen no debe usarse nunca para representar un

lote, y debe ser denominado en todo momento como tal.
Su propósito es sólo cualitativo
En el fondo es una muestra no representativa

SESGO
La diferencia entre el centro de la distribución de los valores
medidos y el valor real.
Otra definición:
La diferencia estadísticamente significativa entre la media de
los resultados y un valor de referencia aceptado (ISO 13293)
La existencia de sesgo siempre está relacionada con un

muestreo incorrecto
Usualmente, cuando se ha realizado un muestreo correcto no

se espera encontrar sesgo en una cantidad significativa
DE + EE + WE + PE = NO SIGNIFICATIVO
PRECISIÓN
El grado de dispersión de los valores medidos
(JI 8100:1992)
Diferencia entre insesgado y exacto
EXACTO INSESGADO
La media del error no es La media del error es igual

igual a cero a cero
(Según Pierre Gy)

MUESTRA EQUITATIVA
Una muestra es equitativa cuando es reproducible y
suficientemente exacta para satisfacer los requerimientos
del cliente.
Representaciones gráficas de los conceptos de
Exactitud y Precisión en el Muestreo
El Muestreo es exacto,
insesgado, y perfectamente
reproducible.
No es real. Un caso límite nunca encontrado

El Muestreo es exacto y es
reproducible
El Muestreo no es reproducible.
El muestreo no es exacto, porque no existe correlación

entre ambas series de resultados.
El Muestreo está sesgado, pero es
reproducible (Sesgo Absoluto).
Este caso no es real. El sesgo puede deberse a un error analítico.

El Muestreo está sesgado, pero
es reproducible (Sesgo Relativo).
Este caso no es real. El sesgo puede deberse a un error

analítico y no de muestreo.
El Muestreo está sesgado y es
reproducible, pero sigue una ley
desconocida
Este caso no es real. Puede deberse a un error analítico.

El Muestreo está sesgado y no es
reproducible.
Este es el caso más frecuente encontrado en muestreo..

TIPOS DE MUESTREO
Muestreo aleatorio.- Se toman los incrementos de tal forma que la
unidad o unidades del lote serán incluidas en la muestra con la
misma probabilidad.
Muestreo sistemático.- Se toman los incrementos a intervalos fijos

en cantidad o en tiempo a partir del lote.
Muestreo estratificado.- Se divide el lote en distintos estratos,

luego se toman los incrementos al azar a partir de cada estrato
Introducción a la Teoría del Muestreo de Pierre Gy
Distribución Heterogénea
a1 ≠ a2
Constitución Heterogénea
a1 ≠ a2
Constitución Heterogénea
a1 ≠ a2
a1 = a2
Conclusión
Mientras menor sea el tamaño de las partículas, mayor

probabilidad habrá de que la muestra que se extraiga después
de homogenizar sea representativa del lote.
Generalmente se debe reducir el tamaño de las partículas

antes de extraer una muestra o dividir lal muestra.
La regla básica para un método de muestreo correcto es que

todos los posibles incrementos que provienen del material tengan
la misma probabilidad de ser seleccionado y aparecer en la
muestra.
Cualquier desviación a esta regla básica puede resultar en un

sesgo.
Por lo tanto, un esquema de muestreo incorrecto no puede

proporcionar muestras que sean representativas.
Tipos de Errores
TIPOS DE ERRORES
El error total de muestreo está conformado por los siguientes

errores:
1.- Error Fundamental
2.- Error de segregación y agrupamiento
3.- Error de variación de largo plazo
4.- Error de variación periódica
5.- Error de pesada
6. -Error de delimitación
7.- Error de extracción
8.- Error de preparación
Error Fundamental
La C. Heterogénea es la responsable del Error Fundamental

La constitución heterogénea se debe a las diferencias que se
observan dentro de un fragmento o partícula respecto de otra,
en cuanto a:
Forma
Tamaño
Densidad
Otras propiedades físicas
Composición mineralógica
Composición química
El mezclado y la homogenización no tienen influencia sobre la

heterogeneidad de constitución
Error Fundamental
El Error Fundamental es el error mínimo de muestreo que

estaría involucrado si pudiéramos seleccionar cada fragmento
al azar.
Para un peso dado de muestra, el FE es el error mínimo de

muestreo que estaría involucrado en el protocolo de muestreo,
si ese protocolo fuera implementado en forma correcta.
Por lo tanto, para un estado de conminución dado, y un peso

dado, es el error de muestreo más pequeño posible.
El FE puede ser pequeño para constituyentes mayores y

materiales finos, pero puede llegar a ser muy importante para
constituyentes menores.
Por lo tanto, el mezclado y la homogenización no pueden reducir

el FE
Error Fundamental
Error de segregación y agrupamiento
¿Qué es la segregación?
Es la separación de las partículas de material debido a sus

diferentes pesos.
Las partículas más pesadas tienden a depositarse en el fondo
por efecto de la fuerza de gravedad.
Segregación debido a la distinta densidad de los fragmentos

Segregación debido a la diferencia de tamaño de los fragmentos

Suponiendo que las partículas tienen la misma densidad
Segregación debido a partículas con diferentes ángulos de

reposo
Segregación debido a partículas con diferentes ángulos de reposo

En pequeña escala, la distribución heterogénea es la

responsable del error de segregación y agrupamiento
Tres precauciones son necesarias para minimizar el error GE:
1. Optimizar el peso de muestra

2. Incrementar el número de incrementos por muestra
3. Homogenizar el material antes de tomar los incrementos
Para minimizar los errores generados por la CH

Incrementar el número de fragmentos por muestras
Para minimizar los errores generados por el factor de

segregación
Homogenizar el lote antes de muestrear
Para minimizar los errores generados por el factor de

agrupamiento
Recoger tantos incrementos como sea posible

Error de Materialización
Corresponde al:
Error de Extracción
Error de Delimitación
Probablemente no hay otra fuente responsable como muchas para

generar sesgo en el muestreo que los errores generados por la
materialización de los incrementos que conforman la muestra.
Error de Materialización
El proceso de muestreo mediante incrementos puede

descomponerse en una secuencia de 4 pasos elementales e
independientes
1.- El punto de selección.- Un cierto número de puntos se

seleccionan a través del lote a muestrear, de acuerdo a un
cierto modo de selección
2.- La delimitación del incremento.- en su movimiento
relativo a través del lote, la herramienta de muestreo delimita
los límites geométricos del incremento
3.- La extracción del incremento.- En su penetración
material a través del lote, la herramienta de muestreo extrae
una cierta cantidad de fragmentos, líquido o gas.
4.- La reunión del incremento.- La combinación y mezcla de
todos los incrementos que conforman la muestra.
La delimitación de sus límites debe ser tal que todos los

fragmentos del lote tengan la misma probabilidad de ser
seleccionado mediante un dispositivo de muestreo.
El error de delimitación genera sesgo.
Un incremento no puede ser extraído correctamente si el

dispositivo de muestreo no preserva la integridad del incremento
delimitado correctamente.
El error de extracción genera sesgo.

Para un lote de 3 dimensiones
Delimitación del Incremento
P1
P2
P3
P = P1 = P2 = P3
Extracción del Incremento
Idealmente en un lote 3D deberíamos
considerar una esfera.
Cualquier fragmento cuyo centro de
gravedad está afuera de la esfera
imaginaria deberá quedar afuera y
viceversa
Para un lote de 2 dimensiones
P1
P2
P3
P = P2 = P3
P1 = 100 %
Para un lote de 1 dimensión
Extracción del Incremento

P1
P2
P3
P = P3
P1 = P2 = 100 %
Regla del centro de gravedad o efecto del rebote
Esta regla señala que el

fragmento tiene la misma
chance de ser muestreado que
ser dejado fuera del incremento
si golpea en el borde del
dispositivo de muestreo
Esta regla no se cumple si:
-- La abertura del cortador (W)

es muy pequeña
-- El cortador es muy rápido
Regla del centro de gravedad o efecto del rebote
Por lo tanto, el diseño del

cortador debe considerar los
choques de las partículas
Extracción de la Muestra
incorrecto
correcto
Testigo de sondaje
Tubo para captar detritus

Riffle mirado desde arriba

Incorrecto Correcto
Palas para toma de incrementos

Delimitación de la Muestra
La muestra debe representar el banco

Muestreo de Pozos de Tronadura
El captador debe ser radial

Muestreo sobre una correa transportadora
La geometría de la muestra debe ser un

rectángulo o un paralelogramo
Toma de submuestra en un laboratorio
Una submuestra no se debe tomar en forma

superficial, sobre todo si el material está
segregado
¿Es correcta esta maniobra de muestreo?
¿Qué tipo de errores identifica si se utiliza este divisor de muestras?
DIVISOR DE RIFLES
DIVISOR DE RIFLES
CORRECTO INCORRECTO
DIVISOR DE RIFLES
DIVISOR DE RIFLES
modificado
Diseño de pala incorrecto y diseño de pala correcto
Pala ISO para muestreo modificado
Pala ISO para división por incrementos modificado
modificado
Error de Preparación
Para evitar el error de preparación se tiene que:
1.- Prevenir la contaminación

2.- Prevenir las pérdidas, principalmente de finos
3.- Prevenir la alteración de los constituyentes (degradación,
oxidación o segregación)
4.- Prevenir los errores humanos
Resumen: Tipos de Errores
Componentes del Error de Muestreo
El Error de Muestreo (TSE) se puede descomponer en un

número de componentes que corresponde a cada etapa del
muestreo 1, 2,…, i, …, u.
TSE = TSE1 + … + TSEi + … + TSEu.
Donde:
TSE1 : Error del Muestreo en la etapa 1.
TSEi : Error del Muestreo en la etapa i.
TSEu : Error del Muestreo en la etapa u.
Esta descomposición es posible, a causa de que cada componente

del error de muestreo es independiente.
Cada etapa del muestreo consiste de dos operaciones:
1. Selección (Muestreo)
2. Preparación
Dentro de este contexto, la etapa de preparación no es una

operación selectiva, ya que involucra operaciones tales como:
• Chancado
• Secado
• División
• Pulverizado
Por lo tanto:
TSE = SE + PE
Donde:
SE : Error de selección
PE : Error de Preparación
Algunos errores típicos de preparación incluyen:

Contaminación de la muestra, pérdidas, alteración de la
composición física o química y errores propios del operador.
El error de selección (SE) puede descomponerse además en

Error de Integración y Error de Materialización
SE = CE + ME
Donde:
CE : Error de Integración
ME : Error de Materialización
El error de Integración tiene que ver con la manera como se

seleccionan los puntos de muestreo en el tiempo o en la masa.
El error de Materialización tiene que ver con la manera física en

que se toman los incrementos, y pueden eliminarse mediante una
correcta operación y un correcto diseño del dispositivo de
muestreo
El error de Integración también está compuesta de dos

componentes causados por las variaciones en la calidad y la tasa
de flujo.
CE = QE + WE
Donde:
QE : Error de la variación de la calidad
WE : Error de Pesada
Los errores de variación de la calidad son de tres tipos: de corto

plazo, de largo plazo y periódico:
QE = QE1 + QE2 + QE3
Donde:
QE1 : Error de variación de la calidad de corto plazo
QE2 : Error de variación de la calidad de largo plazo
QE3 : Error de variación de la calidad periódico
Las variaciones de corto plazo son el resultado de dos

propiedades que se relacionan con la naturaleza del material.
Estas son la composición de las partículas (Error Fundamental) y
la manera como las partículas están agrupadas (Error de
segregación y agrupamiento).
Por lo tanto, el Error de variación de corto plazo está dado por:
QE1 = FE + GE
Donde:
FE : Error Fundamental
GE : Error de segregación y agrupamiento
El Error de Materialización puede descomponerse en Error de

delimitación y error de extracción:
ME = DE + EE
Donde:
DE : Error de delimitación
EE : Error de Extracción
El error de delimitación se elimina si todas las partes del flujo de

material son interceptados por el cortador de muestra para la
misma longitud de tiempo.
El error de extracción se elimina si se extraen completamente los

incrementos del flujo sin que ningún material se escape del
cortador
En resumen, El Error total del Muestreo consiste en:
TSE = FE + GE + QE2 + QE3 + WE + DE + EE + PE

QE1
QE
CE ME
SE
SE + PE
Repasar
Error Sistemático
Produce SESGO
A pequeña escala, sólo la heterogeneidad de constitución es la

responsable del Error Fundamental
A pequeña escala, sólo la heterogeneidad de distribución es la

responsable del Error de Segregación y agrupamiento
0
Si el Muestreo es correcto
TIPOS DE ERRORES
Error Fundamental
Error de variación de largo plazo
Error de variación periódica
Error de pesada
Error de delimitación
Error de extracción
Error de preparación
Variabilidad en Pequeña Escala Variabilidad en Gran Escala
Seleccionar un Intervalo y modo de Muestreo

Optimizar un Protocolo de Muestreo
Error de Interpolación
Error Fundamental
Error Periódico
Error de Agrupamiento y segregación
Error de Pesada
Implementar un Protocolo de Muestreo

Errores de Preparación
Por pérdida
Por alteración
Error Humano
Por contaminación
Fraude y sabotaje
ERROR SELECTIVO ERROR NO SELECTIVO
ERROR TOTAL DE MUESTREO
Error Analítico
ERROR DE ESTIMACIÓN TOTAL
Según la escala de observación
En pequeña escala, si estamos interesado en la heterogeneidad

entre fragmentos, en ese caso debemos considerar el lote como
un conjunto discreto y continuo.
En gran escala, si estamos interesado en las variaciones de la

heterogeneidad periódica y de largo plazo, se debe considerar el
lote como un conjunto continuo.
Según la escala de observación
En pequeña escala, para estudiar la variabilidad (FE, GE, DE,

PE, EE, AE), se debe considerar el lote como una población
estadística. En este caso, el orden de los constituyentes no
interesa
En gran escala, para estudiar la variabilidad (tendencias, ciclos),

se debe considerar el lote como series de tiempo o espacio. En
este caso, el orden de los constituyentes es relevante.
.
Estimación del Error Fundamental
La fórmula para determinar el Error fundamental es:
 1 1  3
S 2
FE    Cd
 MS ML 
Donde:
2
S FE Varianza del Error Fundamental
MS Masa de la Muestra
ML Masa del Lote
C Constante de Muestreo
d Tamaño máximo de la partícula
Si el peso del Lote ML es 10 veces más grande que el peso de la

muestra MS, entonces:
Cd 3
S 2
FE 
MS
Ejemplo: Si 80 g de muestra son analizados por cantidades

trazas de mercurio y las partículas mayores son del orden de 0,8
cm. La constante de muestreo del Hg es C = 2000.
2
Calcular el S FE
2000 x(0,8)3
S 2
FE   12,8
80
Diseño de un Diagrama de Muestreo (Nomograma)
La idea es construir un gráfico logarítmico que muestra la relación

entre el Error Fundamental S2FE y el peso de la muestra, MS
De la fórmula del Error Fundamental, tenemos:
log S2FE = log C + 3 log d – log MS

10-1
10-2
10-3
10-4
10-5
10-1
10-2
10-3
10-4
10-5
100 101 2 103
E 10 104 105 106
10-1
10-2
10-3
10-4
10-5
100 101 102 103 104 105 106
Test de Heterogeneidad
Fr Au (g/T) Masa (g) Fr Au (g/T) Masa (g) Fr Au (g/T) Masa (g) Fr Au (g/T) Masa (g)
1 0,08 58,0 26 0,51 59,3 51 0,16 53,7 76 1,31 45,2
2 0,12 51,7 27 0,27 51,0 52 0,40 60,4 77 0,16 41,4
3 0,29 69,0 28 4,26 53,0 53 0,35 57,9 78 0,13 48,0
4 0,41 57,8 29 3,12 55,9 54 1,15 57,8 79 4,49 45,1
5 0,11 61,9 30 0,08 59,8 55 0,13 53,4 80 5,88 40,8
6 0,73 58,8 31 0,60 57,6 56 0,05 61,2 81 0,35 51,3
7 0,24 71,9 32 0,18 57,0 57 0,89 53,8 82 0,24 42,5
8 0,25 61,9 33 0,14 49,8 58 0,04 60,7 83 8,19 51,8
9 0,10 58,3 34 0,06 54,2 59 0,10 58,4 84 0,32 45,7
10 0,08 54,0 35 0,13 52,5 60 0,27 54,5 85 40,39 46,8
11 0,36 60,1 36 0,09 58,0 61 0,16 53,4 86 0,08 41,0
12 1,82 57,9 37 2,44 50,6 62 0,03 56,3 87 0,25 45,1
13 0,17 54,2 38 0,13 56,6 63 0,25 53,5 88 0,11 45,4
14 0,50 54,0 39 0,14 50,6 64 0,08 47,9 89 1,23 39,5
15 0,04 54,9 40 0,06 56,6 65 0,14 49,3 90 0,46 44,5
16 0,06 61,8 41 0,05 56,0 66 0,07 51,7 91 0,21 46,7
17 0,13 57,3 42 0,08 54,5 67 0,26 45,7 92 0,17 48,7
18 0,06 46,0 43 0,08 47,5 68 0,18 44,4 93 0,20 45,5
19 0,37 55,4 44 0,25 50,5 69 1,44 46,6 94 0,13 47,7
20 0,04 45,2 45 0,22 48,6 70 0,09 46,8 95 0,81 52,2
21 0,04 59,6 46 3,02 49,2 71 0,20 38,4 96 0,06 42,3
22 0,68 51,3 47 0,11 53,0 72 0,14 45,2 97 0,07 47,6
23 1,01 55,8 48 20,48 45,9 73 0,29 40,9 98 0,04 45,6
24 0,81 58,2 49 0,03 47,7 74 16,02 43,2 99 0,19 51,0
25 0,98 57,6 50 0,22 43,4 75 0,09 39,4 100 0,14 55,5
N 100 l (densidad) 2,85 dsup (cm) 1,27
X 1,348 F (Fragmentos) 35 dinf (cm) 0,635

X pond. 1,245 f (factor de forma) 0,5
S 4,829 d (diam particula) 1,05
S2 23,324
3
d sup  d inf
3
d  3
2
2
s 23,324
2
sFE  2
sFE  2
 15,035
x2 (1,245)
Cexp  sFE
2
l  F Creal  Cexp  f
Cexp  15,035  2,85  35 Creal  1499,72  0,5
Cexp  1499,72 Creal  749,86

Test de Heterogeneidad l (densidad) 2,85
F (Fragmentos) 35
K  Creal  (d ) b
K  749,86  1,05 K  767,78 f (factor de forma) 0,5
b = 0,5 d (diam particula) 1,05
d
KdN  K 
d (pulg o dl
malla) dN (cm) KdN
2" 5 352
1" 2,54 493
1/2" 1,27 698
Test 1,05 767
1/4" 0,635 987
6# 0,335 1358
10# 0,17 1907
16# 0,1 2486
24# 0,071 2950
35# 0,0425 3813
48# 0,03 4539
65# 0,0212 5399
100# 0,015 6419
150# 0,0106 7636
l (densidad) 2,85
Diseño de un diagrama de Muestreo
F (Fragmentos) 35
f (factor de forma) 0,5
K dN * d N3
s ( FEdN ) 
2
d (diam particula) 1,05
Ms Peso Muestra MS
Pulg /Malla dN (cm) KdN 10 100 1000 10000 100000 1000000
2" 5 352 4394,5827 439,45827 43,94583 4,39458 0,43946 0,04395
1" 2,54 493 808,30809 80,830809 8,083081 0,808308 0,080831 0,008083
1/2" 1,27 698 142,89003 14,289003 1,428900 0,142890 0,014289 0,001429
Test 1,05 767 88,810821 8,881082 0,888108 0,088811 0,008881 0,000888
1/4" 0,635 987 25,259628 2,525963 0,252596 0,025260 0,002526 0,000253
6# 0,335 1358 5,106280 0,510628 0,051063 0,005106 0,000511 0,000051
10# 0,17 1907 0,936731 0,093673 0,009367 0,000937 0,000094 0,000009
16# 0,1 2486 0,248595 0,024860 0,002486 0,000249 0,000025 0,000002
24# 0,071 2950 0,105594 0,010559 0,001056 0,000106 0,000011 0,000001
35# 0,0425 3813 0,029273 0,002927 0,000293 0,000029 0,000003 0,000000
48# 0,03 4539 0,012255 0,001225 0,000123 0,000012 0,000001 0,000000
65# 0,0212 5399 0,005144 0,000514 0,000051 0,000005 0,000001 0,000000
100# 0,015 6419 0,002166 0,000217 0,000022 0,000002 0,000000 0,000000
150# 0,0106 7636 0,000909 0,000091 0,000009 0,000001 0,000000 0,000000
Diagrama de Muestreo Nomograma 1 b = 0.5

0,10000
Línea de Seguridad
0,01000
½”
0,00100
1/4”
S2 FE
0,00010
10 # Ty
0,00001
150 # Ty
0,00000
10 100 1000 10000 100000 1000000
Masa (g)
Ejercicio.- Revisar el Siguiente Protocolo de Muestreo

A: 200 Kg, ½”
B: 40 Kg, ½”
C: 20 Kg, ½”
D: 20 Kg, 10 # Ty
E: 1 Kg, 10 # Ty
F: 1 Kg, 150 # Ty
G: 0,3 K, 150 # Ty
¿Cuáles serían sus recomendaciones?

Diagrama de Muestreo Nomograma 1 b = 0.5

0,10000
2”
1”
0,01000
½”
0,00100
1/4”
S2 FE
6 #Ty
0,00010
10 # Ty
16 # Ty
0,00001 24 # Ty
100 # Ty
48 # Ty
150 # Ty 35 # Ty
65 # Ty
0,00000
10 100 1000 10000 100000 1000000
Masa (g)
Determinación del Sesgo del Muestreo
Determinación de sesgo de Muestreo sobre correas transportadoras
Los Sistemas de muestreo mecánico o métodos manuales de

muestreo se prueban mediante comparación de los resultados o
muestras recogidas manualmente (Método B) con los resultados para
incrementos de referencia recogidos de una correa transportadora en
detención (Método A)
Distintos parámetros, preferentemente los de más interés deberán ser

examinados en el estudio de sesgo. Por ejemplo, cobre, contenido de
humedad, etc., esto debido a que no siempre el sesgo está presente en
un solo parámetro
Para determinar el número de datos requeridos
Para la prueba, se debe realizar un análisis estadístico posterior al

experimento, que consiste en:
a) Especificar la magnitud de delta
b) determinar el límite de detección de sesgo para el error tipo I y II
combinado de acuerdo a la siguiente ecuación
donde
t0,05; k-1 y t0,10; k-1 son los valores t-student tabulados para k -1 grados
de libertad correspondientes a alfa = 0,05 y beta = 0,10
LDS : límite de detección de sesgo, es el sesgo mínimo que puede
ser detectado utilizando los datos disponibles.
c) Si LDS  delta , el número de datos es suficiente y el test
estadístico t-student puede ser aplicado.
Para determinar el número de datos requeridos
d) Si LDS > delta, se debe calcular la diferencia estandarizada, D, y

el número de datos requeridos, n correspondiente a este valor de
D utilizando las siguientes ecuaciones
D = delta / sd
(t0, 05; k 1  t0,10; k 1 ) 2

n
D2
e) Se recogen un conjunto adicional de datos (n – k) y se repiten los
pasos b a d hasta que el número de datos exceda n.
Ejercicio.- Determinar si existe sesgo en el muestreo de una
correa transportadora
N° B A (REF)
1 49,50 49,00
2 50,05 49,67
3 52,10 51,74
4 53,32 53,16
5 53,26 53,06
6 50,32 49,92
Para saber si existe sesgo, se
7 53,47 53,11
8 53,91 53,57
realiza una prueba de contraste. Se
9 50,28 50,02
utiliza la prueba t-student para datos
10 51,51 51,13 pareados de dos colas.
11 51,56 51,30
12 49,28 49,02
13 48,95 48,75
14 51,97 51,59
15 49,36 48,88
16 54,04 53,75
17 53,04 52,80
18 50,77 50,42
19 52,85 52,62
20 53,80 53,53
Determinación de la Precisión del Muestreo
Métodos para determinar la Precisión en Flujos de muestras
Metro patrón
de muestreo
Punto Muestreo N° 1
Rechazo 1°
Rechazo 2°
Toma de
incremento
Rechazo 2°
Estudio Precisión
A B
Ejercicio.- Determinación de la precisión del muestreo
LOTE
Precisión del Muestreo

A B
Precisión de la Preparación
A1 A2 B1 B2 de Muestras
Precisión del Análisis

A11 A12 A21 A22 B11 B12 B21 B22
Químico
A1 A2 A B1 B2 B R3
Lote XA11 XA12 X A1
R1 XA21 XA22 X A2 R1 X A R2 XB11 XB12 X B1 R1 XB21 XB22 X B2 R1 XB R2 X AB
1 23,10 23,05 23,08 0,05 23,06 23,09 23,08 0,03 23,08 0,00 23,07 23,06 23,07 0,01 23,06 23,04 23,05 0,02 23,06 0,02 23,07 0,02
2 23,09 23,06 23,08 0,03 23,09 23,09 23,09 0,00 23,08 0,02 23,12 23,12 23,12 0,00 23,14 23,14 23,14 0,00 23,13 0,02 23,11 0,05
3 23,12 23,14 23,13 0,02 23,10 23,12 23,11 0,02 23,12 0,02 23,16 23,10 23,13 0,06 23,12 23,12 23,12 0,00 23,13 0,01 23,12 0,00
4 23,07 23,04 23,06 0,03 23,04 23,03 23,04 0,01 23,05 0,02 23,10 23,10 23,10 0,00 23,12 23,09 23,11 0,03 23,10 0,00 23,07 0,06
5 22,97 23,00 22,99 0,03 22,99 22,98 22,99 0,01 22,99 0,00 23,05 22,98 23,02 0,07 23,02 23,08 23,05 0,06 23,03 0,03 23,01 0,05
6 23,00 22,99 23,00 0,01 22,95 23,00 22,98 0,05 22,99 0,02 22,88 22,95 22,92 0,07 22,94 22,94 22,94 0,00 22,93 0,03 22,96 0,06
7 22,94 22,89 22,92 0,05 22,84 22,87 22,86 0,03 22,89 0,06 22,92 22,91 22,92 0,01 22,86 22,90 22,88 0,04 22,90 0,04 22,89 0,01
8 23,02 23,05 23,04 0,03 23,10 23,07 23,09 0,03 23,06 0,05 23,00 23,02 23,01 0,02 23,05 22,99 23,02 0,06 23,02 0,01 23,04 0,05
9 22,99 22,99 22,99 0,00 23,02 22,99 23,01 0,03 23,00 0,02 23,06 23,03 23,05 0,03 23,01 23,05 23,03 0,04 23,04 0,02 23,02 0,04
10 23,08 23,05 23,07 0,03 23,04 23,04 23,04 0,00 23,05 0,02 23,09 23,08 23,09 0,01 23,10 23,08 23,09 0,02 23,09 0,00 23,07 0,04
11 23,17 23,14 23,16 0,03 23,12 23,13 23,13 0,01 23,14 0,03 23,00 23,00 23,00 0,00 23,03 23,04 23,04 0,01 23,02 0,04 23,08 0,12
12 23,04 23,05 23,05 0,01 23,06 23,05 23,06 0,01 23,05 0,01 23,06 23,05 23,06 0,01 23,07 23,09 23,08 0,02 23,07 0,02 23,06 0,02
13 23,20 23,20 23,20 0,00 23,11 23,08 23,10 0,03 23,15 0,11 23,03 23,00 23,02 0,03 23,07 23,05 23,06 0,02 23,04 0,05 23,09 0,11
14 22,81 22,82 22,82 0,01 22,87 22,90 22,89 0,03 22,85 0,07 22,92 22,93 22,93 0,01 22,92 22,88 22,90 0,04 22,91 0,03 22,88 0,06
15 23,08 23,07 23,08 0,01 23,05 23,02 23,04 0,03 23,06 0,04 23,04 22,99 23,02 0,05 22,92 22,96 22,94 0,04 22,98 0,07 23,02 0,08
16 22,96 22,96 22,96 0,00 22,88 22,92 22,90 0,04 22,93 0,06 22,75 22,72 22,74 0,03 22,73 22,75 22,74 0,02 22,74 0,01 22,83 0,19
17 22,98 22,99 22,99 0,01 22,95 22,96 22,96 0,01 22,97 0,03 22,96 22,97 22,97 0,01 22,99 23,01 23,00 0,02 22,98 0,04 22,98 0,01
18 22,85 22,85 22,85 0,00 22,90 22,87 22,89 0,03 22,87 0,03 22,89 22,90 22,90 0,01 22,91 22,89 22,90 0,02 22,90 0,00 22,88 0,03
19 22,99 22,96 22,98 0,03 22,98 22,98 22,98 0,00 22,98 0,00 23,05 23,04 23,05 0,01 23,00 22,98 22,99 0,02 23,02 0,05 23,00 0,04
20 23,01 22,98 23,00 0,03 22,97 22,96 22,97 0,01 22,98 0,03 22,82 22,82 22,82 0,00 22,85 22,87 22,86 0,02 22,84 0,04 22,91 0,14
Media 23,02 23,01 23,02 0,0205 23,01 23,01 23,01 0,0205 23,01 0,0320 23,00 22,99 22,99 0,0220 23,00 23,00 23,00 0,0250 23,00 0,0260 23,00 0,0585
S 12 

4
 
 R1
2
S12  S A2  0,00038 S A  0,019% Nota.- /4 es un factor
estadístico que relaciona el
R2  0,0290 S 22 

4
 
 R2
2
S 22  S P2  0,00047 S P  0,022% rango con la varianza para
un par de mediciones
R3  0,0585
S 32 

4
 
 R3
2
S 32  S M
2
 0,00236 S M  0,049%
ST  S A2  S P2  S M
2 S T  0,057%
Control de Calidad en Preparación de Muestras
Herramientas de Control de Calidad
Muestra Bruta Proceso Muestra Final
Rechazo
Se obtienen dos productos:

1.- Una muestra para análisis químico y
2.- Una muestra de rechazo
Entrada Salida (Objetivos de Calidad)
Húmeda 100 % seca
20 Kg aprox. 200 – 250 g
Tamaño ¼” a ½ “ Tamaño bajo 150 # Ty

Proceso
Heterogénea Homogénea
Sin contaminación Sin contaminación
Representativa Representativa
La salida es el objetivo de calidad del proceso.

Por lo tanto, el control de calidad consiste en asegurar que esos objetivos
se cumplan
Control de Calidad en la Preparación de Muestras de Minerales
Muestra Bruta
Control Peso Inicial
(Representatividad)
Control Malla 10 Chancado
Control Contaminación Respaldo
División Rechazo
Control Capachos
a Metalurgia
Control Secado Secado
Control Ollas de Pulverizado
Control Malla 150 Pulverizado
Objetivos de Calidad Control Peso Final

1. 100 % seca
Muestra Final
2. 200 – 250 g
3. Bajo 150 # Ty
Control
4. Homogénea Homogeneidad
5. Sin contaminación (Repreparados)
6. Representativa
NORMA DE SEGURIDAD DE PIERRE GY
Cualquier reducción en la cantidad de muestra deberá
considerar la relación entre el peso y el tamaño de partícula
20 Kg Chancado
700 g Pulverizado División
200 g
150 # Ty 10 # Ty = 1,65 mm ½” = 12,7 mm

Control de Calidad en la Preparación de Muestras de Minerales
Muestra Bruta
Control Peso Inicial
(Representatividad)
Control Malla 10 Chancado
Respaldo
División Rechazo
Control Capachos
a Metalurgia
Secado
Pulverizado
Objetivos de Calidad
1. 100 % seca
Muestra Final
2. 200 – 250 g
3. Bajo 150 # Ty
4. Homogénea
5. Sin contaminación
6. Representativa
Dispositivos de Muestreo
Referencias
BSI
http://www.bsonline.bsi-global.com/server/expandedsearch
ASTM
http://64.233.179.104/translate_c?hl=en&langpair=en%7Ces&u=http://www.
astm.org/cgi-
bin/SoftCart.exe/STORE/standardsearch.shtml%3FL%2Bmystore%2Bqzcd
2060%2B1095294578&prev=/language_tools
ISO
http://www.iso.org/iso/en/StandardsQueryFormHandler.StandardsQueryFor
mHandler?keyword=&isoNumber=&scope=CATALOGUE&sortOrder=ISO&t
itle=true&search_type=TEXT&search_term=
JIS
http://www.webstore.jsa.or.jp/webstore/JIS/SearchEn.jsp?lang=en
JIS M 8100:1992 Particulate materials -- General rules for methods of
sampling
ISO 3085:2002 Iron ores -- Experimental methods for checking the
precision of sampling, sample preparation and mesasurement. Ed. 4
ISO 3082:2000 Iron ores -- Sampling and sample preparation procedures
ISO 3086:1998 Iron ores -- Experimental methods for checking the bias of
sampling
ISO 11648-1:2003 Statistical aspects of sampling from bulk materials --
Part 1: General principles
ISO 11648-2:2001 Statistical aspects of sampling from bulk materials --
Part 2: Sampling of particulate materials
ISO 12743:1998 Copper, lead and zinc sulfide concentrates -- Sampling
procedures for determination of metal and moisture content
ISO 12744:1997 Copper, lead and zinc sulfide concentrates -- Experimental
methods for checking the precision of sampling
ISO 13292:2006 Copper, lead, zinc and nickel concentrates -- Experimental
methods for checking the bias of sampling
Pierre Gy. “Sampling of Particulate Materials”. Ed. 1982
Francis Pitard. “Pierre Gy´s Sampling theory and Sampling Practice”. CRC.
Ed. 1989.
Fin de Presentación

Seguridad en Laboratorio

Enviado por

Dados do documento

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

Seguridad en Laboratorio

Enviado por

Direitos autorais:

Formatos disponíveis

MUESTREO Y PREPARACIÓN DE MUESTRAS

Media Aritmética.- Si se tienen n valores de n mediciones, la media

Observación.- Este estadístico es poco robusto a la presencia de datos

Mediana.- Los resultados se ordenan de menor a mayor,

Observación.- Este estadístico es mucho más robusto a la presencia de

Moda.- Es el número que más se repite en la serie

Media Cuadrática.- Los datos se elevan al cuadrado y después se

Media Geométrica.- Se determina el logaritmo a cada resultado,

log X G  0,7734 X G  100,7734 X G  5,9

Desviación estándar.- Estima la dispersión de los resultados

donde n-1 son los grados de libertad, es decir el número de

(4  6,1) 2  (8  6,1) 2  .....  (6  6,1) 2

(4  6,1) 2  (8  6,1) 2  .....  (6  6,1) 2

Observación.- La desventaja de utilizar este estadístico, es que

(4  6,1) 2  (8  6,1) 2  .....  (6  6,1) 2 s  1,449

Variabilidad del Error Relativo Absoluto entre Duplicados en base al Promedio de

0,01 <= %Cu T < 0,50 1, 00 <=%Cu T < 5,00

Error de Muestreo 1°:  15 %

Error Total = (0,15)2 + (0,08)2 + (0,04)2

Cuando queremos expresar la d.e. en

Población.- es el conjunto sobre el que estamos interesados en

Muestra.- es un subconjunto suyo al que tenemos acceso y sobre el

Cuando se determina la varianza de un número pequeño de

Es la cantidad definida de material, cuya calidad se presume

- El cargamento de una motonave

Muestra Primaria S1 Rechazo Primario

Muestra Primaria Preparada S´1

Muestra Secundaria S2 Rechazo Secundario

Muestra Secundaria Preparada S´2

Muestra para Laboratorio S3 Rechazo Terciario

Muestra Terciaria Preparada S´3

Submuestra analítica S4 Rechazo Terciario

Un especímen no debe usarse nunca para representar un

Su propósito es sólo cualitativo

En el fondo es una muestra no representativa

La existencia de sesgo siempre está relacionada con un

Usualmente, cuando se ha realizado un muestreo correcto no

La media del error no es La media del error es igual

(Según Pierre Gy)

No es real. Un caso límite nunca encontrado

El muestreo no es exacto, porque no existe correlación

Este caso no es real. El sesgo puede deberse a un error analítico.

Este caso no es real. El sesgo puede deberse a un error

Este caso no es real. Puede deberse a un error analítico.

Este es el caso más frecuente encontrado en muestreo..

Muestreo sistemático.- Se toman los incrementos a intervalos fijos

Muestreo estratificado.- Se divide el lote en distintos estratos,

Mientras menor sea el tamaño de las partículas, mayor

Generalmente se debe reducir el tamaño de las partículas

La regla básica para un método de muestreo correcto es que

Cualquier desviación a esta regla básica puede resultar en un

Por lo tanto, un esquema de muestreo incorrecto no puede

El error total de muestreo está conformado por los siguientes

La C. Heterogénea es la responsable del Error Fundamental

El mezclado y la homogenización no tienen influencia sobre la

El Error Fundamental es el error mínimo de muestreo que

Para un peso dado de muestra, el FE es el error mínimo de

Por lo tanto, para un estado de conminución dado, y un peso

El FE puede ser pequeño para constituyentes mayores y

Por lo tanto, el mezclado y la homogenización no pueden reducir

Es la separación de las partículas de material debido a sus

Segregación debido a la distinta densidad de los fragmentos

Segregación debido a la diferencia de tamaño de los fragmentos

Segregación debido a partículas con diferentes ángulos de