Geoestadstica

Robinson VILLANUEVA NEZ

LIMA PER (Agosto 2001)

Recursos Naturales y
Medio Ambiente, S.R.L.
Desarrollo de Proyectos de Ingeniera y Recursos Naturales
RNMA
 GEOESTADSTICA
Pg.
1. INTRODUCCIN 6
2. APLICACIONES DE LA GEOESTADSTICA 6

CAPITULO 1.
HIPTESIS Y OBJETIVOS DE LA GEOESTADSTICA
1.1. ETAPAS DE UN PROYECTO MINERO 7
1.1.1. Prospeccin 7
1.1.2. Factibilidad 7
1.1.3. Proyecto minero 7
1.1.4. Programa de explotacin 8

1.2. VARIABLES REGIONALIZADAS (V.R.) 9

1.2.1. Definicin y ejemplos. 9
1.2.2. Anlisis estructural. 10
1.2.3. Soporte y campo 10

1.3. HIPTESIS DE TRABAJO 11

1.3.1. Funcin aleatoria. 11
1.3.2. El variograma 12

1.4. PROPIEDADES DEL VARIOGRAMA 12

1.4.1. Relacin con la covarianza. 12
1.4.2. Simetra. 12
1.4.3. Positividad. 13
1.4.4. Isotropa. 13
1.4.5. El variograma rinde cuenta de la regularidad de un fenmeno. 13
1.4.6. Meseta y alcance 14

CAPITULO 2.
EL SEMIVARIOGRAMA EXPERIMENTAL
2.1. REPASO DE CIERTAS PROPIEDADES MATEMTICAS. 15
2.1.1. Definicin. 15
2.1.2. Relacin con la covarianza. 15
2.1.3. Forma de un variograma 15

2.2. CONSTRUCCIN DE UN VARIOGRAMA. 15

2.2.1. Soporte y regularizacin. 15
2.2.2. Construccin de un variograma 16
2.2.3. Representacin esquemtica de las iteraciones 17

2.3. ANLISIS ESTRUCTURAL. 20

[Link] del variograma en el origen 20
a) Ausencia de estructuras
b) Valores muy regulares y continuos 20
c) Continuidad media 21
d) Presencia de microestructuras 21
2.3.2. Alcance. 22
2.3.3. Efecto de pepita (Co). 23
rvillanueva@[Link] 2
2.4. CLCULO DEL VARIOGRAMA A MALLA IRREGULAR EN DOS
DIMENSIONES 24
[Link] de los sectores 25
2.4.2. Rotacin y direccin 25

CAPITULO 3.
EL VARIOGRAMA TERICO
[Link] DE VARIOGRAMAS 27
[Link] con efecto de pepita. 27
3.1.2. Variograma con meseta. 28
3.1.3. Variograma sin meseta. 29
3.1.4. Efectos que se manifiestan en los semivariogramas: 30
a) Semivariogramas con tendencia 30
b) Efecto de agujero (trou) 31
c) Efecto proporcional 32
d) Semivariogramas compuestos 40

3.2. ISOTROPA 41

3.3. ANISOTROPA 43
3.3.1. Modelizacin de variogramas anistropos 44
3.3.2. Ejemplo de ajuste de un variograma anistropo 45

[Link] VOLUMEN-VARIANZA 46

[Link] DE K VARIOGRAMAS EXPERIMENTALES

EN UN VARIOGRAMA EXPERIMENTAL PROMEDIO 49

CAPTULO 4
VARIANZA DE ESTIMACIN
4.1. EL ERROR DE ESTIMACIN Y SU DISTRIBUCIN 51

4.2. GENERALIZACIN DE LA ESTIMACIN DE LA LEY 52

4.2.1. Error de estimacin 52
4.2.2. Varianza de estimacin e intervalo de confianza. 53

4.3. CLCULO DE LA VARIANZA DE ESTIMACIN. 54

4.3.1. Expresin matemtica. 54

4.4. VARIANZA DE EXTENSIN. 55

4.5. FUNCIONES AUXILIARES. 56

4.5.1. Unidimensionales. 56
4. 5.2. Funciones auxiliares bidimensionales. 57

4.6. EFECTO DE PEPITA . 58

4.7. CONFIGURACIONES TIPOS 58

4.7.1. Relacin importante 58

rvillanueva@[Link] 3
 4.7.2. Reconocimiento de un tramo (galera, chimenea) 58
4.7.3. Ejemplo a dos dimensiones: reconocimiento de un panel. 59

CAPTULO 5
LA VARIANZA DE DISPERSIN
5.1. DISTRIBUCIN DE UNA VARIABLE REGIONALIZADA 62

5.2. INTERPRETACIN PROBABILSTICA 63

5.3. VARIANZA DE DISPERSIN. 63

5.4. SELECCIN DE RESERVAS. 64

5.4.1. Influencia del soporte 65
5.4.2. Influencia de la informacin 67

5.5. RELACIN DE ALISADO. 67

5.6. VARIANZA DE LOS VALORES PUNTUALES. 68

CAPTULO 6
VARIANZA DEL ERROR GEOMTRICO
6.1. ERROR GEOMTRICO 71
6.1.1. Estimacin de una superficie 71
6.1.2. Varianza del error geomtrico 71
6.1.3. Estimacin de un volumen 72

6.2. INFLUENCIA DEL ERROR GEOMTRICO EN LAS

ESTIMACIONES GLOBALES 73
.
6.3. ERROR DE BORDE 74

6.4. HIPTESIS DE INDEPENDENCIA INTERNA 74

6.5. ERROR DE ESTIMACIN DE UN PRODUCTO. 75

CAPTULO 7
EVALUACIN DE LAS RESERVAS. LA ESTIMACIN GLOBAL.
MTODOS CLSICOS
7.1. INTRODUCCIN 76

7.2. PRIMER RECONOCIMIENTO SISTEMTICO 76

7.3. MTODOS DE EVALUACIN 77

[Link] CLSICOS GEOMTRICOS 77
[Link]. MTODO DE LOS PERFILES, SECCIONES O
CORTES 78
[Link]. MTODO DE LOS POLGONOS 84
[Link]. MTODO DEL INVERSO DE LAS DISTANCIAS 87

rvillanueva@[Link] 4
 CAPTULO 8
LA ESTIMACIN GLOBAL.
MTODOS GEOESTADSTICOS
8.1. LA ESTIMACIN GLOBAL, CONOCIDOS LA GEOMETRA Y
EL VOLUMEN DEL YACIMIENTO 91

8.1.A. PRINCIPIO DE INDEPENDENCIA DE ERRORES ELEMENTALES 94

8.1.A.1. COMPOSICIN DIRECTA DE ERRORES ELEMENTALES 94
8.1.A.2. COMPOSICIN DE ELEMENTOS O TRMINOS 100

8.1.B. PRINCIPIO ALEATORIO RELATIVO A LA INFORMACIN 102

CAPTULO 9
GEOESTADSTICA-EVALUACIN DE RESERVAS
EL KRIGEAJE (KRIGING O KRIGEAJE)
9.1. EL KRIGEAJE 104

9.2. ESTIMACIN LOCAL 105

9.3. ECUACIN DE KRIGEAJE 105

9.4. KRIGEAJE PUNTUAL. 110

9.5. KRIGEAJE DE BLOQUES 112

9.6. INFLUENCIA DE LA VARIANZA DE KRIGEAJE EN LA DEFINICIN DE

RESERVAS DEL YACIMIENTO 113

9.7. KRIGEAJE INDICADOR 115

9.8. COKRIGEAGE 116

CAPTULO 10
SELECCIN Y PARMETROS DE RESERVAS
10.1. LAS RESERVAS 121

10.2. LEY DE CORTE (Lc) 121

A) Ley de corte, segn Lasky 123
B) Ley de corte, segn Lane 126

10.3. CURVA: LEY MEDIA VERSUS TONELAJE. 127

EJEMPLOS REALES

BACOS

BIBLIOGRAFA

rvillanueva@[Link] 5
 1. INTRODUCCIN

Uno de los objetivos que se persigue con este manual es mostrar las bondades de la
geoestadstica en las diferentes etapas de un proyecto minero, desde el reconocimiento
geolgico del terreno hasta la optimizacin de la cadencia de explotacin. Constataremos
como a travs del tiempo la practicidad, desarrollo y aplicaciones de la Geoestadstica en
las Ciencias de la Tierra, se ha incrementado en gran medida, por el desarrollo acelerado
del hardware y software informticos.

George Matheron y su equipo del Centro de Morfologa Matemtica al estar en contacto

con los problemas mineros desarrollaron el formulismo terico y los mtodos prcticos que
conforman actualmente la geoestadstica, estos mtodos al ser generales pueden aplicarse a
cualquier campo que trate con variables numricas y que midan fenmenos naturales:
geologa, petrleo, geofsica, industria forestal, geografa, cartografa, agricultura,
hidrogeologa, etc.

2. APLICACIONES DE LA GEOESTADSTICA

El anlisis e interpretacin de los semivariogramas y los mtodos geoestadsticos, pueden

ser tiles para:
evaluar el potencial econmico minero de un yacimiento;
determinar el tamao, la densidad y el esquema ptimo de muestreo;
definir el rea de influencia de la muestra y la morfologa del fenmeno estudiado;
caracterizar la naturaleza de la mineralizacin, es decir poner de manifiesto la
homogeneidad o heterogeneidad de la mineralizacin a travs de la variografa.

La aplicacin de la geoestadstica en minera y geologa permite entre otras cosas evitar el

uso de mtodos de ponderacin arbitrarios y de estimadores sesgados en el clculo de
reservas y recursos.

Si la base de datos inicial es correcta, a travs de la geoestadstica podemos determinar el

mejor estimador no sesgado posible, importante en yacimientos que trabajan con lmites
econmicos severos.

rvillanueva@[Link] 6
 CAPTULO 1

HIPTESIS Y OBJETIVOS DE LA GEOESTADSTICA

1.1. ETAPAS DE UN PROYECTO MINERO

1.1.1. Prospeccin
En esta etapa, tomando como base los trabajos de reconocimiento (sondajes,
trincheras, etc.) se trata de delimitar una zona mineralizada, tomndose como
referencia parmetros de tipo geolgicos.
Se trata de verificar la existencia de mineralizacin y comprender la naturaleza
cualitativa del fenmeno (mineraloga, tectnica, etc.).

1.1.2. Factibilidad
El estudio de factibilidad, a travs de una campaa de sondaje a gran escala y
contando con una coyuntura econmica favorable, permitir decidir si se debe
explotar el yacimiento.
Con los resultados de los sondajes se determina el tonelaje, la ley promedio y la
cantidad de metal (Q). Es lo que en geoestadstica se denomina estimacin
global.

1.1.3. Proyecto minero

Si la cantidad Q va a generar beneficios, se pasa a la fase siguiente, es decir,
el clculo del proyecto minero, propiamente dicho.

Para ello se debe definir:

- El mtodo de explotacin.
- La Seleccin.

Si el yacimiento ha sido dividido en bloques, siendo z(v) la ley del bloque. El bloque
explotable ser aquel cuya ley sea superior a la ley de corte o ley del cut off z(c).

Uno de los objetivos primordiales de la geoestadstica es justamente el clculo de

reservas recuperables.

Robinson Villanueva Page 7 rvillanueva@[Link]

Este clculo permite cumplir dos objetivos:

- usar la tcnica del Krigeaje; para estimar la ley de los bloques a partir de los
sondajes y;

- de otra parte, estimar las reservas, que se pueden visualizar a travs de las dos
curvas que a continuacin se indican:

Tz ( c )
100% m z (c )
Tmax

0 z(c) z(c)
Porcentaje del tonelaje total recuperado Evolucin de la media de las
En funcin de la ley de corte z(c) leyes en funcin de la ley de
o cut-off corte.

1.1.4. Programa de explotacin.

Definidos el Mtodo de Explotacin y el Criterio de Seleccin, queda por resolver
la programacin de la explotacin de manera ptima, para ello deben respetarse
ciertas condiciones, como por ejemplo el tamao y el nmero de bloques a explotar,
el material a utilizarse, etc.

En esta etapa, debe tomarse en cuenta el tonelaje mnimo y mximo que se debe
suministrar a la planta por unidad de tiempo, de tal forma que el aprovisionamiento
sea el ms regular posible, tanto en calidad como en cantidad. Es necesario
entonces que exista armona entre la mina y la planta, que se podr conservar, ya
sea, a travs de stocks de mineral o por un racionamiento adecuado de material
tratado por la planta.

La geoestadstica puede predecir la ley del producto y a la vez, realizar una

programacin de la explotacin lo ms ptima posible.

Robinson Villanueva Page 8 rvillanueva@[Link]

1.2. VARIABLES REGIONALIZADAS (V.R).

1.2.1. Definicin y ejemplos.

Una V.R. es aquella que puede representarse en el espacio:

x3

z variable regionalizada
z(x)

x2

x1

La Geoestadstica con respecto a la Estadstica considera en su anlisis y formulismo

matemtico no slo el valor o magnitud en el punto donde se tom la muestra, sino
tambin la posicin de ese punto dentro del cuerpo mineralizado y su relacin con las
otras muestras. Para comprender mejor lo anterior, analicemos las dos series de leyes en
Cu, dados en porcentaje:

Serie A: 0,5 ; 1,5 ; 2,5 ; 3,5 ; 4,5 ; 6,0

Serie B: 1,5 ; 4,5 ; 6,0 ; 3,5 ; 2,5 ; 0,5

Las dos series presentan la misma media y varianza 3,08 y 4,04 respectivamente (se
trata de los mismos datos), sin embargo notamos una marcada diferencia espacial,
puesta de manifiesto en las diferencias sucesivas entre las muestras contiguas:

Serie A: 1,0 ; 1,0 ; 1,0 ; 1,0 ; 1,5

Serie B: 3,0 ; 1,5 ; 2,5 ; 1,0 ; 2,0

Estas diferencias pueden utilizarse para poner de manifiesto la existencia de una

relacin espacial en los valores de la variable, que los mtodos estadsticos no toman en
cuenta. En funcin de este criterio podemos decir que una variable regionalizada
puede representarse en el espacio en funcin de su magnitud y soporte (volumen, forma,
magnitud y orientacin).

Ejemplo de variable regionalizada: Sea una mineralizacin cualquiera:

Superficie

p(x), z(x)

Robinson Villanueva Page 9 rvillanueva@[Link]

Podemos definir:
- La potencia de la mineralizacin p(x)
- La acumulacin a(x), es decir la cantidad de metal correspondiente a p(x).
- La ley z(x) = a(x)/p(x)

p(x),a(x), z(x) son variables regionalizadas.

1.2.2. Anlisis estructural.

. 1% 2%

En el grfico adjunto se ha representado la 10

V.R. ley en funcin de la profundidad.

Este grfico muestra de una parte un

aspecto aleatorio imprevisible e irregular, 50
y de otra parte una tendencia regular,
estructurada y previsible.

Profundidad

Uno de los objetivos de la geoestadstica es describir las estructuras mixtas de estas

variables regionalizadas.

1.2.3. Soporte y Campo.

Los valores de la V.R. se definen en un campo. Este campo por ejemplo, puede ser un
yacimiento o una parte de l. Adems, una V.R. slo es fsicamente mesurable en
trminos de un soporte, por ejemplo, una ley en mineral puede medirse bajo un cierto
soporte el testigo.

1
z( x1 , x2 , x3 )dx1dx2 dx3
v V
zv =

En resumen, otro de los objetivos de la geoestadstica es describir este tipo de

estructuras y estimar sus valores.

Robinson Villanueva Page 10 rvillanueva@[Link]

1.3. HIPTESIS DE TRABAJO.
1.3.1. Funcin aleatoria.
Ley
Las leyes slo son conocidas en ciertos z(x) x
puntos y deseamos conocer estos valores
en todos los puntos x. x

Un polinomio que pase por cada uno de x x

los puntos dados, resolvera el problema
pero existe una infinidad de polinomios x
soluciones.
x
Se tendra que escoger el polinomio que d menor error y la seleccin podra ser
totalmente arbitraria.
Para resolver este problema la geoestadstica
Ley z(x)
plantea una hiptesis de base:
X
* En primer lugar, z(x) variable regionalizada, es
una realizacin de una funcin aleatoria denotada
por Z(x).
X
* Una FA es una familia de funciones cada una
X X
con su propia probabilidad de ocurrencia.

En un punto x0, z(x0) es una realizacin de una F.A. Z(x0)

Para definir una F.A., se determinan los siguientes trminos:

- E (Z(x)) = m(x)

- Var Z(x) = 2(x)

- Cov (Z(x) Z(y)) = K (x,y)

En realidad, las caractersticas de la funcin aleatoria Z(x) no son estimables debido a

que el nmero de datos que se dispone es siempre insuficiente. Este hecho nos obliga a
particularizar Z(x). Diremos entonces que Z(x) es estacionaria, es decir que la ley de
Z(x) es la misma en todos los puntos x.

Esta hiptesis se traduce, de la siguiente manera:

- E (Z(x)) = m

- Var Z(x) = 2

- Cov (Z(x) Z(y)) = K (y-x) = K (h), con h= y-x

En otros trminos, la geoestadstica establece que, la distribucin estadstica de la
diferencia en el valor de una variable (por ejemplo la potencia de la veta) entre pares de

Robinson Villanueva Page 11 rvillanueva@[Link]

muestras (puntos) es similar a lo largo del yacimiento y que depende de la distancia y
orientacin entre los pares de muestreo. Este concepto denominado hiptesis de
estacionariedad es la base de la geoestadstica.

Es necesario usar criterios adecuados en la implantacin de esta hiptesis, por ejemplo

en el contorno de un yacimiento, las leyes tienden a disminuir, por tanto dicho efecto,
en este sector del yacimiento, no se cumple, pero se asume.

1.3.2. El Variograma.
La hiptesis Z(x) estacionaria es muy rigurosa, los crecimientos de Z(x) son
estacionarios, es decir que:
Z(x+h) Z(x) es una funcin aleatoria estacionaria. En esto consiste la hiptesis
intrnseca.

Las propiedades de esta funcin aleatoria estacionaria son las siguientes:

E (Z(x+h) Z(x)) = 0.

Var (Z(x+h) Z(x)) = E (Z(x+h) Z(x))2 = 2 (h)

Siendo (h) la funcin variograma.

1.4. PROPIEDADES DEL VARIOGRAMA.

1.4.1. Relacin con la covarianza.

Var ( (Z+h) Z(x)) = Var (Z+h) + Var Z(x) 2 Cov ( Z(x+h) , Z(x))
= 2 + 2 - 2K (h)
= 2 2 - 2K(h) = 2(h)

(h) = 2 - K(h) = K(0) K(h)

1.4.2. Simetra.

Demostraremos que: (h) = (-h)

Haciendo: x = x + h

2 (h) = Var ( Z (x + h ) Z (x) = Var ( z (x) Z (x- h) ) = 2 (-h)

En conclusin: (h) = (-h)

1.4.3. Positividad.
(h) por definicin es una varianza, por lo tanto para todo h, (h) es positiva y no
nula.

Robinson Villanueva Page 12 rvillanueva@[Link]

1.4.4. Isotropa.
Siendo h un vector, entonces (h) es una funcin vectorial, es decir depende de la
longitud y de la direccin de dicho vector.
En el caso que (h) dependa slo de la longitud de h, estaremos frente a una isotropa.

1.4.5. El variograma da cuenta de la regularidad de un fenmeno.

Se presenta dos casos lmites:

i) Efecto de pepita:
(h)
- (h) = K(0) para h 0 K(0)
- (h) = 0 para h = 0

En el caso de efecto de pepita:

K(h) = 0 para h 0
K(h) = K(0) para h = 0 K(h) h
0

Es decir que la covarianza es nula para h 0, esto quiere decir que existe independencia
entre los puntos, que el fenmeno es completamente irregular y que se trata de la
aleatoriedad pura. Este es el caso del efecto de pepita.

ii) Fenmeno muy regular:

Este fenmeno muestra un comportamiento (h)
parablico en el origen.

En estos casos, la validez de la hiptesis de

estacionariedad queda confirmada.
Sea Z(x) = ax + b +Y(x) una F.A.,
donde Y(x) es una F.A. estacionaria
h
si y (h) es el variograma de Y, entonces:
2
Var (Z(x+h) Z(x)) = E (Z ( x + h ) Z ( x ))

= E (a(x+h) + b + Y (x+h) (ax+ b + Y(x)))2

= E (ax+ah + b + Y (x+h) ax- b - Y(x))2

= E (ah +(Y (x+h) y(x)))2

= a h
2 2
+ 2ah E (Y ( x + h) Y ( x)) + E (Y ( x + h) Y ( x)) 2
144 42444 3
0

= a h + y (h )
2 2

z (h ) = a 2 h 2 + y (h )

Robinson Villanueva Page 13 rvillanueva@[Link]

La forma general de un variograma, que sigue la frmula anterior, es la que se muestra
en la figura, tendencia lineal en h = 0.

(h)

0 h

[Link] y alcance.
Siguiendo la traza del variograma, nos encontramos con la configuracin siguiente, la
existencia de un alcance a para un valor determinado de h.

(h) K(b)
Meseta K(0)

a h a h

a es el alcance.

La traza de la covarianza en funcin de h, muestra que a partir de K(h) = 0 (covarianza

cero), no hay relacin entre las muestras tomadas a esas distancias, muestras
independientes.

El alcance determina la morfologa del fenmeno.

Robinson Villanueva Page 14 rvillanueva@[Link]

 CAPTULO 2

EL SEMIVARIOGRAMA EXPERIMENTAL

2.1. REPASO DE CIERTAS PROPIEDADES MATEMTICAS.

2.1.1. Definicin.
Siendo la V.R. z(x) una realizacin de una funcin aleatoria estacionaria Z(x), por
definicin de (h):

1
(h) = Var (Z ( x + h) Z ( x) )
2

1
(h) = E (Z ( x + h) Z ( x) )
2

2.1.2. Relacin con la covarianza.

Se sabe que: Cov (Z ( x + h) Z ( x) ) = K (h )

Se ha demostrado que: (h) = K(0) K(h)

2.1.3. Forma de un variograma.

(h)

(o) = 0
(h) 0
(h) = (-h)

2.2. CONSTRUCCIN DE UN SEMIVARIOGRAMA.

2.2.1. Soporte y regularizacin.

1 2
Por definicin (h) = E (Z ( x + h ) Z ( x )) .
2
Se dice que un variograma es puntual si (h) se define por puntos x.

En la prctica los datos fsicos no se miden por puntos sino por volmenes. Por
ejemplo, la ley de una sondaje se obtiene sobre la base de un testigo.

Robinson Villanueva Page 15

rvillanueva@[Link]
 Es decir:

1
z (x ) = v z ( x + y)dy
v v

1
v (h ) = E [Z v ( x + h) Z ( x )]
2

v(h) es un variograma regularizado

(h)
El variograma regularizado se
puntual
sita siempre por debajo del
variograma puntual, ya que en
l, se toma en cuenta el
promedio de los valores sobre
regularizado
el volumen v.

En la prctica no se trabaja con variogramas puntuales, emplendose los

variogramas regularizados, es evidente que el variograma depende del soporte,
por ejemplo, importancia del volumen v del testigo. No es conveniente mezclar
dos medidas iguales de soportes diferentes.

A partir de un variograma regularizado se puede construir el variograma puntual

correspondiente, proceso llamado deconvolucin.

2.2.2. Construccin de un semivariograma.

Datos a malla regular.

a = Longitud de la malla.= pasos de base = Lag

nj = N(h) = nmero de pares de datos o pareja de datos

nj
1 2
- ( j.a) =
2n j
(z( xi + ja) z( xi)) para 1 y 2 .

1 2
- ( j.a 2 ) =
2n j
( z ( xi + ja) 2 z ( xi)) para 3 y 4 . .

Robinson Villanueva Page 16

rvillanueva@[Link]
Los datos de la grilla simulan valores de perforacin nos piden calcular los
semivariogramas en las cuatro direcciones x1, x2, x3 y x4

2.2.3. Representacin esquemtica de las iteraciones:

La geoestadstica expresa la correlacin que existe entre las variables a travs del
variograma, que se obtiene calculando, para cada separacin entre las muestras (paso o
lag) en una direccin determinada, la diferencia al cuadrado de los valores de las
muestras (tabla adjunta). Para cada separacin h se calcula el valor de (h), de acuerdo
a la frmula:

( h) =
(( z ( x + h) z ( x)) 2
2 N ( h)

Donde: N(h) es el nmero de parejas, z(x+h) y z(x) es el valor de la VR en los puntos

x+h y x respectivamente, siguiendo la direccin del vector h, a una distancia h de x
(paso o lag). El lag o paso, son las distancias con las que se calculan las diferencias al
cuadrado entre las muestras.

El nmero mximo de lags, es decir, de distancia h para calcular el *(h), suele

establecerse en la mitad de la distancia muestreada, ya que longitudes mayores generan
pocas parejas, siendo este valor, desde el punto de vista estadstico, no representativo.

Robinson Villanueva Page 17

rvillanueva@[Link]
Los valores obtenidos de (hi) se representan en un diagrama con su correspondiente
valor de h, obtenindose de esta manera el semivariograma.
El incremento de (hi) con relacin a la distancia o paso es un reflejo de la velocidad a
la cual la influencia de una muestra disminuye con la distancia, estableciendo de esta
manera la denominada zona de influencia. La distancia en que (h) se hace constante
corresponde al punto en que la covarianza entre las muestras adyacentes tiende a ser
cero. Esta distancia define el lmite de la zona de influencia de una muestra.

En la tabla adjunta, a manera de ejemplo, se ha calculado para la direccin x1 :

El nmero de parejas N(1) = 24, para h = 1

197
(1) = = 4,1
2(24)

Z(xi) z(xi + h) (z(xi + h)-z(xi))2

35 35 0
35 33 4
33 33 0
33 34 1
34 31 9
31 35 16
35 37 4
37 41 16
41 41 0
35 35 0
35 35 0
35 33 4
37 35 4
35 37 4
37 35 4
37 37 0
37 39 4
39 39 0
39 41 4
37 40 9
40 42 4
34 36 4
36 41 25
42 33 81
197

De la misma manera se calculan los valores de (2) y (3), para los pasos 2 y 3.

En la pgina siguiente se han representado los clculos y los semivariogramas para las
cuatro direcciones requeridas por el problema anterior

Robinson Villanueva Page 18

rvillanueva@[Link]
 Semivariogramas direccionales obtenidos
Lag 1 Lag 2 Lag 3
Direcciones n1 (1) n2 (2) n3 (3)
1 24 4,10 20 8,40 18 12,10

2 22 4,25 18 8,20 15 10,90

3 19 5,00 16 11,90 10 17,30

4 18 6,50 14 11,30 8 15,40

Semivariogramas obtenidos

20
18
16
14
12 1
2
(h)

10
8 3
6
4

4
2
0
0 1 2 3 4 5

Robinson Villanueva Page 19

rvillanueva@[Link]
2.3. ANLISIS ESTRUCTURAL.

2.3.1. Comportamiento del semivariograma en el origen.

:Al analizar el comportamiento de (h) cuando h tiende a cero, se presentan cuatro
casos:

a) Ausencia de estructura:

(h) Se trata del efecto de pepita puro

(h) = Co para h ? 0
Co Este modelo traduce la irregularidad
total de un [Link] ausencia
de estructura, cualquiera que fuera la
escala las leyes de dos muestras son
independientes.

(h) = 0 para h=0

0 h

El grfico Ley en funcin de la distancia x sera:

Ley

b) Valores muy regulares y continuos:

Ley (h)

0 d x h

El comportamiento de las leyes es tan homogneo que los valores de dos muestras
distantes entre si por d son practicamente las mismas, es decir que para h pequeo,
Robinson Villanueva Page 20
rvillanueva@[Link]
(h) tiende a ser cero. En estas condiciones el variograma (figura de la derecha)
muestra un comportamiento parablico en el origen, mostrando un fenmeno muy
regular y dando cuenta de la existencia de una deriva.

c) Continuidad media:
En un diagrama de leyes (grfico de la izquierda), donde la diferencia de leyes para dos
muestras distantes de d es significativa: El variograma correspondiente, tiene un
comportamiento lineal en el origen, poniendo de manifiesto un fenmeno de cierta
regularidad, ms o menos estacionaria.
Ley (h)
.

0 d distancia h

d) Presencia de micro estructuras:

Ley c d En este caso, el variograma registra

_ las microvariaciones, tanto a la
todas
escala aproximada d como las
variaciones de escala c

0 distancia (x)

Si las microestructuras son del orden de

(h) decmetros y la estructura mayor est por
las decenas de metros, entonces el semiva_
riograma tendr la apariencia del grfico
adjunto. Existir un salto de la curva en el
origen, debido a la microvariabilidad, hasta
h = d para luego crecer moderadamente
Co siguiendo la variabilidad mayor.

0 d h

2.3.2. Alcance(a). Para h a se tiene que K (h) = 0 .

Robinson Villanueva
Esto implica que para h superiores al valor a no
Page 21
rvillanueva@[Link] existe dependencia entre los valores, y que el valor
en un punto no influye sobre el valor del otro, por
tanto la funcin (h) se vuelve constante ((h) =
C).
(h)
C meseta

h
a

El alcance, tambin nos indica las caractersticas geolgicas de formacin de un

yacimiento.

Por ejemplo:
En un yacimiento sedimentario, el alcance representa las dimensiones de las unidades
de sedimentacin y en consecuencia de las zonas mineralizadas.

En un yacimiento lenticular, representa la dimensin de los lentes.

En un yacimiento estratiforme, refleja la potencia promedio.

El alcance tambin nos indica la zona de influencia de una muestra, puesto que para
distancias mayores que a, los valores de las muestras son independientes.

Zona de
Sector de valores influencia sector de valores

independientes independientes
xo a xo xo + a

Con el siguiente ejemplo se pretende comprender una de las bondades del alcance:

En un yacimiento de carbn se han tomado 80 muestras a malla regular de 5m. Las

potencias de los 10 mantos de carbn, en metros, son: 31,6 ; 24,8 ; 5,1 ; 11,1 ; 4,6 ; 34,5
; 49,2 ; 14,7 ; 10,2 ; 10,[Link] determinar la continuidad espacial de la VR Z(x), definida
por::
1 (en blanco), si la muestra se encuentra en el manto carbonfero
Z(x)
0 (en negro), si la muestra se encuentra en los estratos estriles.

Se calcul: el promedio = 0,5 m; la varianza = 0,25 (%)2 y los valores de (h):

(5) = 0,12 ; (10) = 0,20 ; (15) = 0,24; (20) = 0,25; (25) = 0,25

Robinson Villanueva Page 22

rvillanueva@[Link]
 0.3

0.2

0.1

0
0 5 10 15 20 25 30
h(m )

Analizando el variograma experimental, se observa que el alcance es del orden de los

20m, distancia al cual la meseta C, es igual a 0,25 (%)2 coincidiendo con la varianza, de
las muestras.

En este caso el alcance, representa la potencia media de los mantos de carbn:

Potencia media = (31,6+24,8+5,1+11,1+4,6+34,5+49,2+14,7+10,2+10,2)/10 = 19,8m

2.3.3. Efecto de pepita (Co)

La discontinuidad aparente que se aprecia cerca del origen, se le conoce como
efecto de pepita, este efecto puede deberse a la presencia de micro estructuras, y
artificialmente se puede generar por errores en el muestreo (toma de muestras,
preparacin, manipulacin y anlisis de leyes) y tambin debido a las tasas de
recuperacin. Este nombre comn en el lenguaje geoestadstico tiene sus races
en los yacimientos aurferos de frica del Sur presencia de pepitas de oro-, que
al representar en un plano la ley versus la distancia se obtiene el grfico:

Ley (Au)

Pepitas de oro

La discontinuidad en el variograma manifestado al comienzo estara representado por:

(h)

Co

Robinson Villanueva Page 23

rvillanueva@[Link]
 Un efecto de pepita debido a la presencia de microestructuras, permitir estudiar en
detalle un fenmeno, estableciendo, por ejemplo, en un plano de sondajes, una o
varias cruces de sondajes.

2.4. CALCULO DEL VARIOGRAMA A MALLA IRREGULAR EN DOS

DIMENSIONES

Un muestreo de puntos como el de la figura, conlleva a que los variogramas en las

direcciones N-S y E-W, no encuentren ninguna o pocas parejas debido a la irregularidad
del muestreo, este hecho es frecuente en fenmenos geolgicos-mineros. En tales
circunstancias, al calcular el variograma, se toman en cuenta ciertos aspectos, como:

- Generar ventanas horizontales y verticales, de tal manera que permitan aceptar

los compsitos como pares vlidos en una cierta direccin, aunque ellos no estn
ubicados exactamente en ella. Por ejemplo, si calculamos un variograma en la
direccin E-W con una ventana de 15 , significa que las ventanas abarcarn
compsitos en 15 con respecto a la direccin E-W (vase la siguiente figura).
- Entender que los anchos de banda son regiones que toman como referencia a la
lnea de la direccin del variograma en el cual se localizan los pares bajo una
tolerancia angular establecida (referencia figura adjunta).

Robinson Villanueva Page 24

rvillanueva@[Link]
 *
ancho de banda

ngulo de direccin
del variograma
ventana 15

2.4.1. Mtodo de los Sectores:

El principio consiste en que, dos muestras separadas por un vector h, fijada una muestra
p1, la segunda p2 cae en la zona achurada:

Para calcular el variograma en la direccin y mdulo h , para mallas irregulares se

debe determinar una tolerancia angular, y una tolerancia de distancia . Se
recomienda usar = 15 y = 0,5b, siendo b la distancia mnima entre dos muestras.

Cada muestra que cae en la zona de tolerancia se toma como distante en el vector h de
la muestra inicial.

P2

h


P1

2.4.2. Rotacin y direccin:

La rotacin de los ejes coordenados puede utilizarse en depsitos que tienen cierta
tendencia espacial. En los softwares se pueden calcular variogramas en diferentes
direcciones, los ngulos horizontal y vertical pueden comenzar con un valor definido
por el operador (por defecto el valor de entrada es cero), los incrementos tambin
pueden ser especificados aunque algunos softwares usan por defecto 22,5 como
incremento horizontal y 30 para la vertical. La siguiente figura ayuda a visualizar estos
conceptos.
Robinson Villanueva Page 25
rvillanueva@[Link]
Vista de planta (45 de incrementos)
0
315 45

Vista de seccin (30 de incrementos)

1 2
8 3 1 0
270 90
7 4 2
6 5 -30
-60
225 135 3 -90
180 4

Robinson Villanueva Page 26

rvillanueva@[Link]
 CAPTULO 3
EL VARIOGRAMA TERICO.

3.1. MODELOS DE VARIOGRAMAS

Sabemos que un variograma se define como:
1 2
(h) = E ( Z ( x + h) Z ( x))
2
Experimentalmente, para una malla regular, se tiene que:
1 2
(h) = ( j.a) =
2nj nj
( z ( x + ja ) z ( x ))

A partir de un variograma experimental trataremos de encontrar una ecuacin (variograma

terico) que corresponda a esta expresin
Por qu determinar tal ecuacin?.
Porque, en las diversas aplicaciones geoestadsticas, por ejemplo, la estimacin de la
variable en un punto a travs del krigeaje necesita de la utilizacin del semivariograma que
contenga informacin en todos los puntos de anlisis y este dato lo puede proporcionar slo
el variograma terico, adems es evidente que el trabajo se tornar ms confiable, ptimo y
cmodo trabajar con una ecuacin que con datos brutos.
De la serie de variogramas tericos, se tiene que escoger aquel que se ajuste mejor a nuestro
variograma experimental, sobre todo en las proximidades del origen porque es la zona ms
confiable del variograma.

A continuacin describiremos los modelos tericos existentes:

3.1.1. Variograma con efecto de pepita.

(h)
*(h)=Co
Co

h Es el caso de la aleatoriedad pura

El nombre de efecto de pepita, est de alguna manera relacionado con la aparicin, ms o

menos errtica, de pepitas de oro en algunos yacimientos aurferos. Las posibles causas de la
presencia de este efecto las detallaremos ms adelante.

El variograma muestra fluctuaciones aleatorias alrededor de una lnea horizontal.

Los modelos pueden agruparse en dos grandes categoras: los que alcanzan una meseta
(modelos de transicin) y los que no presentan meseta

Robinson Villanueva Page 27 rvillanueva@[Link]

[Link] con meseta.

(h
Este variograma es muy
C frecuente, a es el alcance y
para h superior al valor de
a, (h) = constante = C

a h
Hablaremos de dos tipos de variogramas segn a, sea infinito finito.

Para a = , el modelo correspondiente es el Exponencial. Existen dos tipos:

a) Modelo de Formery

(h)

h

( h ) = c 1 e a


h
a/3
En este modelo la tangente en el origen, intercepta a la meseta a un valor de a/3

b)Modelo Gaussiano

(h)

C
h2
2

( h ) = c 1 e a


h
a/ 3
En este modelo la tangente en el origen, intercepta a la meseta a un valor de a 3

Robinson Villanueva Page 28 rvillanueva@[Link]

 Para a finito, le corresponde el Modelo Esfrico o Modelo de Matheron.

La ecuacin de este modelo, se define como:

(h)
T
C
3
(h) = C ( 2 .
h
a 12 ( ))
h
a
3
para h<a


C para h a

0
2a
a h
3

En este modelo, La interseccin de la tangente en el origen, h=0, con la meseta se sita a 2/3
del alcance.

Demostraremos la validez de esta relacin:

La ecuacin de la tangente T , en h = 0.

Derivando con respecto a h se obtiene:

d ( h ) 3C 3C
= y= h
dh h =0 2a 2a

3C 2
Interseccin de T para y = c : C= h h= a
2a 3

[Link] sin meseta.

(h) >1 =1

<1 (h ) = p h con 0 2
p

h
1

Si = 1 al modelo se conoce como lineal, de ecuacin: (h ) = ph + k , donde p es la

*

pendiente, h el lag y k el intercepto. Este modelo, segn Annels, 1991 suele presentarse en
yacimientos de hierro.

Robinson Villanueva Page 29 rvillanueva@[Link]

Existe otro tipo de variograma: el modelo logartmico, de la forma:

(h) = C log h con h 1

El inconveniente de este modelo es el de no pasar por el origen. Este modelo se

us al inicio de la geoestadstica actualmente ha quedado descartado.

En el modelo de Wijsian al igual que en el lineal, *(h) se incrementa ms all del valor de la
varianza de los datos. Tiene por expresin:

h 3
* ( h ) = 3 ln +
L 2

donde: es el coeficiente de dispersin absoluta (medida de la variacin espacial)

L es el espesor equivalente
Este modelo se presenta slo en algunos yacimientos hidrotermales, principalmente de estao
(variable: espesor del cuerpo mineralizado).

3.1.4. Efectos que se manifiestan en los semivariogramas

Algunos semivariogramas experimentales no se pueden ajustar exactamente a los modelos
comunes, sin embargo no hay razones para rechazar la posibilidad de buscar una
continuidad espacial, Annels y otros autores han puesto de manifiesto ciertas
particularidades y caractersticas en los modelos, a saber: semivariogramas con: tendencia,
efecto de agujero; efecto proporcional y semivariogramas compuestos

a) Semivariogramas con tendencia

Un semivariograma como el de la figura siguiente, muestra cambios en la tendencia de la

meseta, denominado ruptura, que se produce a una distancia mayor al alcance, por lo que no
tiene mayor incidencia en la estimacin local de los bloques definidos para el yacimiento,
puesto que las dimensiones del rea de bsqueda (alcance) son menores que la distancia
representada por el punto donde se produce la ruptura. Cuando un semivariograma presenta
esta tendencia, es decir, la ruptura se produce a distancias prximas al alcance, el concepto de
estacionariedad ya no se cumple, en tales casos es necesario utilizar el krigeaje universal
(Journel y Huijbregts, 1978), en vez del krigeaje ordinario que es aplicable a casos de
estacionaridad.

(h) Comportamiento
parablico

Dimensiones mximas
de los bloques a evaluar

a h

Robinson Villanueva Page 30 rvillanueva@[Link]

 b) Efecto de agujero (trou)
Un semivariograma presenta un efecto de hueco, si su crecimiento no es montono, este
efecto puede presentarse en esquemas con o sin meseta

1+

( r )
1

C( r )

0 2 3 4 r

El efecto de agujero es muy frecuente, pero no siempre es perceptible en el variograma

experimental.
senr
(r) = 1
El modelo correspondiente es: r
senr
C (r) =
r

Si el semivariograma presenta un comportamiento parablico en el origen, con efecto de

hueco y alcance entonces se verifica que:
r2
( r ) = , cuando

r
0
6

Amplitud () del efecto de agujero: es el valor mnimo de la covarianza con

respecto a C(o)
Inf .C ( h )
=
Co
Si un semivariograma presenta un efecto de agujero de amplitud superior a 0,217 (amplitud
mxima de un efecto de agujero a tres dimensiones), podemos afirmar que:
este efecto no es significativo y que se debe a las fluctuaciones del semivariograma
experimental, o
que este efecto es direccional, es decir que slo se manifiesta en determinadas
direcciones en el espacio R3 .

Robinson Villanueva Page 31 rvillanueva@[Link]

 Si se presenta un fuerte efecto de agujero direccional, entonces debemos utilizar un
esquema de tipo positivo unidimensional, por ejemplo:

(r) = 1 cos r, con r R1 ( = 1 > 0,217)

El esquema anterior es peridico sin amortizacin. En la prctica es frecuente asociarlo

a otro esquema, por ejemplo multiplicarlo a un esquema exponencial, para obtener la
covarianza e-arcos(r) de tal forma que las oscilaciones cosenoidales son amortizadas.

Interpretacin:
Una componente pseudo peridica de la regionalizacin puede provocar un efecto de agujero
en un semivariograma experimental. As la sucesin estacionaria en un yacimiento de dos tipos
de mineralizacin claramente diferenciados, si esta sucesin no es istropa (en general no hay
razn para que lo sea), el efecto de agujero se observar slo en ciertas direcciones, con
respecto al grfico siguiente existe un fenmeno pseudo peridico de estratificaciones
horizontales, podemos decir que:
*El variograma vertical presentar un efecto de agujero de amplitud superior a 0,217,
pudindose interpretar los valores de h1 y h2 como los extremos de las dimensiones
promedios verticales entre la zona pobre-mineral de mena.
*Los variogramas horizontales sern distintos segn representen el estrato rico o estril.
Este efecto, se puede explicar a partir del siguiente ejemplo: Sea un yacimiento
sedimentario con unidades de sedimentacin que conducen a zonas mineralizadas
preferenciales, del tipo indicado en la figura (alternancia de reas de mena con reas
estriles, dando lugar a una pseudoperiodicidad, reflejada en las variaciones del
semivariograma alrededor de una aparente meseta):

Al trazar la curva de leyes en funcin de la distancia, en la direccin indicada,

obtendramos el esquema siguiente:

Ley z(x) Ley

mena

estril

Distancia (x) x

El efecto de agujero se pone de manifiesto en la direccin vertical.

Robinson Villanueva Page 32 rvillanueva@[Link]

 (h) (h) mena

estril

h
0 h1 h2
Direccin vertical (efecto de agujero) Direccin horizontal

c )Efecto proporcional

En algunos casos, es frecuente observar que la variabilidad de los datos evoluciona con su
media aritmtica. Por ejemplo, consideremos n sondajes para reconocer la misma
mineralizacin con las siguientes caractersticas:
m*A : promedio de los datos del sondaje A
D2A(0/L) : varianza de dispersin definida en el sondaje A. Se supone que los n
sondajes tienen la misma longitud L.
*A(h) : variograma experimental calculado en el sondaje A.

Se dice que existe efecto proporcional si los distintos variogramas elementales *A(h) son
afines, o se corresponden, de tal manera que el mdulo depende del cociente de los promedios
experimentales. Vase la siguiente figura

La presencia de un efecto proporcional en los variogramas experimentales no implica

necesariamente la no estacionaridad de un fenmeno sub-yaciente.

*(h)
m*B m*A

afinidad

m*A

0 alcance h

m* A *
*A(h) f( ) B (h)
m* B
Implica que: para todo A, B = desde 1 hasta n
*
m A 2
D2A(0/L) f ( ) D B (0 / L )
m* B

Robinson Villanueva Page 33 rvillanueva@[Link]

Observaciones:
i) Un efecto proporcional se dice que es directo si el variograma crece con el
promedio experimental. Este efecto se espera cuando los datos presentan una
distribucin lognormal, por ejemplo las leyes en Cu, Au de pequeo soporte, la
mayora de los datos corresponden a leyes bajas.
ii) Un efecto proporcional es inverso si el variograma decrece cuando el promedio
crece. Este fenmeno es menos frecuente que el anterior, es de esperarlo cuando los
datos presentan una distribucin lognormal inverso, por ejemplo leyes de
yacimiento: en Fe-hematita, en fosfatos triclcicos, y en general cuando las leyes de
mineralizacin presentan fuertes concentraciones. A mayores valores del promedio,
menor es la dispersin.
iii) En la prctica el efecto proporcional observado es del tipo m2:

m* A m2 A
f( )
m* B m2B
* A ( h)
El variograma relativo y las distintas varianzas relativas son
m *2
independientes del promedio local.

iv) Despus de corregir el efecto proporcional, se remite a un modelo de cuasi

estacionaridad local, es decir a un modelo de regionalizacin donde se puede
conocer, para cada punto x y por las distancias h limitadas a una vecindad V(x), los
dos primeros momentos:

la esperanza E(Z(x)) = m(x), estimada por m* sobre V(x)

el variograma E((Z(x+h)-Z(X))2) = 2(x,h), estimado por f(m*).2o(h),

v) El efecto proporcional afecta solo a la varianza, no altera en nada las caractersticas

geomtricas (por ejemplo a las mesetas) de los variogramas, contrariamente a la
anisotropa geomtrica.
vi) En estructuras superpuestas, el efecto proporcional puede jugar roles diferentes en
cada una de las estructuras constituyentes. As por ejemplo en la figura adyacente, el
efecto proporcional en m2 afecta slo al efecto de pepita Co.

*(h)

*B(h), m*B>m*A

Co(m*B)

*A(h), m*A

Co(m*A)
*A(h)

vii) Cuando en un plano se grafica los promedios al cuadrado versus las respectivas
varianza, es posible poner en evidencia el efecto proporcional. Este efecto sirve
para determinar las reas ricas, intermedias y estriles en un yacimiento y

Robinson Villanueva Page 34 rvillanueva@[Link]

 determinar la variabilidad en cada uno de los sectores estudiados. El yacimiento de
plata de Uchucchacua presenta este efecto: ciertas labores de las zonas ricas e
intermedias manifiestan alta variabilidad, en cambio las zonas ms pobres en plata
tienen menor variabilidad y por tanto los costos de explotacin son menores.

Mina Uchucchacua_Veta Rosa

140

120

100
Zona pobre Zona
intermedia Zona rica
varianza

80

60

40

20

0
0 50 100 150 200 250 300 350 400 450 500

media*media

Ajuste del efecto proporcional (variable: Pot*Ag)

Ejemplo: yacimiento de uranio, tipo sedimentario (Nger)

(Fuente: Escuela de Minas de Paris )
Se dispuso de:
26 sondajes verticales, donde tramos constantes de l=20cm de longitud han sido analizados
qumicamente por U. En cada sondaje se han definido sectores mineralizados, de longitud
Li. Sobre esta longitud se ha calculado:
- la media experimental mi* de las leyes de U.
- La varianza de dispersin s2i* de las leyes, este valor experimental es un estimador de la
varianza de dispersin D2(l/Li) de un testigo l en el segmento vertical de longitud Li.
- El semivariograma experimental i*(h) en la direccin vertical.

Los semivariogramas experimentales mostrados en las Figuras Ej.1. y Ej.2. correspondiente a

los sondajes S4 y S14, S10, S16 respectivamente difieren unos de otros tanto en la forma como
en los niveles de varianza: S4 y S10 presentan un efecto de agujero bien marcado, el
crecimiento de S14 es muy fuerte en tanto que S16 se estabiliza rpidamente. Asimismo se
puede observar el efecto proporcional: la variabilidad aumenta cuando la media experimental
mi* aumenta.

La Figura Ej.3. muestra el semivariograma experimental promedio de los 26 semivariogramas

elementales (*k, k=1 a 26), obtenido por la frmula de reagrupamiento:
k

N' k ( h ) *k ( h )
* (h ) = k =1
k

N'
k =1
k (h)

Este semivariograma promedio corresponde a una longitud mineralizada promedio

Robinson Villanueva Page 35 rvillanueva@[Link]


L=
Li = 13m , obtenida de 1600 muestras y de ley media m* = 2,2 %U.
26
Este semivariograma promedio ya no presenta el efecto de agujero. l ha sido ajustado por dos
esquemas esfricos superpuestos, con efecto de pepita, bajo el modelo:

(h) = Co + C11(h) + C22(h), para todo h vertical ]0,4m], con Co = 3,5(%)2

1(h) y 2(h) son dos esquemas esfricos de parmetros :

alcances: a1 = 1m a2 = 3m mesetas: C1 = 3,7(%)2 C2 = 1,1(%)2

Los dos alcances corresponden aproximadamente al mximo y mnimo del efecto de agujero
observado en S4 y S10. Estos valores podran interpretarse como el espesor promedio vertical
de las fases ricas (a1 = 1m) y la nter distancia promedio vertical entre las dos fases ricas (a2 =
3m), obsrvese el perfil vertical de leyes del sondaje S4 (Figura Ej.4.)

Ajuste del efecto proporcional

El modelo esfrico superpuesto anterior es representativo slo para la estructura vertical
promedio del yacimiento, reconocido por los 26 sondajes (estos sondajes revelan una ley media
m* = 2,2 %U).
Para que este modelo pueda usarse a escala local en una zona de ley media m*i 2,2 %U,
conviene tener en cuenta el efecto proporcional revelado por los semivariogramas elementales
construidos sondaje por sondaje (cr. Figura Ej.2.).

Para estudiar este efecto se ha considerado las varianzas de dispersin experimentales si2* de
las leyes de cada longitud mineralizada Li. Para comparar significativamente las varianzas entre
ellas, se ha seleccionado los 12 sondajes de mayor longitud mineralizada (Li del 11 al 23,
referencia tabla de la Figura Ej.4.). Las varianzas experimentales si2* han sido evaluadas de un
gran nmero de muestras (5 por metro), de esta manera puede considerarse como un buen
estimador de la varianza a priori D2(1/ ) de leyes de testigo de longitud l.

La Figura Ej.5.,representa la nube de puntos (s*i,mi*) de la varianza experimental versus la

media experimental correspondiente. A la ley promedio global m*=2,2 %U se le hace
corresponder la varianza experimental promedio s*2=8,3(%)2, deducida por la ponderacin de
las 26 varianzas s*i elementales segn la frmula:
1 sk2 N k
1
s2 = k , estimador de D 2 =

L Nk k
L
Siendo:
S2k la varianza de dispersin experimental de los Nk datos de testigos de longitud l
alineados en el sondaje nk de longitud Lk = Nkl.

Esta nube se ajusta a la parbola: s2 = 2,2m2 2,3, m [1,3 a 2 %]

Luego se tiene que adoptar un semivariograma vertical local, en una zona de ley media
constante m, siendo el modelo cuasi estacionario siguiente:
2,2m 2 2,3
( h, m ) = [Co + C1 1 (h ) + C2 2 (h )] , para h [0,4m] y m h [1,3;3 %]
8,3

Robinson Villanueva Page 36 rvillanueva@[Link]

 (los parmetros Co, C1, C2, a1, a2 del modelo, son los valores anteriores)
Ajuste del efecto de agujero

A ttulo de ejemplo escogeremos el semivariograma del sondaje S4 de la figura IV-9, que es el

que representa mejor el efecto de agujero. Este ajuste no es ms que un ejercicio de estilo,
puesto que en la prctica desaparecen la estructura media y por tanto debe considerarse slo
para clculos geoestadsticos.
En primer lugar estimamos la amplitud:
Inf .C ( h ) 6,8 4,8
= = 0,417
C (o ) 4,8

6,8 es el valor mximo en el semivariograma experimental, por tanto 6,8 s *i2 es el valor
absoluto mnimo de la covarianza correspondiente. La varianza experimental s*2=4,8(%)2 es un
estimador de la varianza a priori C(o).

Como este valor 0,417 > mximo = 0,217 (efecto de agujero a tridimensional), este efecto es
direccional y slo se manifiesta en la direccin vertical (se hizo mencin anteriormente). Es
evidente entonces que en este yacimiento sedimentario sub horizontal, las fases mineralizadas
ricas son aplanadas siguiendo la direccin horizontal.

Estando limitado el efecto a la direccin vertical, podemos entonces modelar, usando los
esquemas positivos unidireccionales y en particular el esquema cosinusoidal (1-cos h),
admitiendo que la amplitud es igual a la unidad.

La figura Ej.1. muestra este ajuste realizado por el modelo superpuesto siguiente:

(h) = Co + C11(h) + C22(h) , para todo h ]0,4m] en la direccin vertical, con:

1(h) = A[1-exp(-h /)*cos(h )]

A = 2,26(%)2 , = 10m, = 2,5

Bh para todo h [0,a] h B = 9(%)/m

2 (h ) = con
Ba para todo h a a = 0,28m

El esquema 1(h) es construido segn

n n
( h ) = C (o) C ( h ) = C Ci (o) C Ci ( h ) , a partir de la covarianza exp(-h /)* cos(h ).
i =1 i =1

El esquema 2(h) es un esquema de transicin de alcance a, este esquema es positivo en el

espacio unidimensional. La meseta de este modelo es: A + Ba = 4,78(%)2 y la amplitud del
efecto de agujero:
6,45 4,78
= = 0,349
4,78

Robinson Villanueva Page 37 rvillanueva@[Link]

 Figura Ej.1.
Ajuste y
semivariograma
del sondaje S4

Figura Ej.2.
Semivariogramas
sondajes S14,
S10 y S18

Figura Ej.3.
Ajuste del
semivariograma
medio experimental

Robinson Villanueva Page 38 rvillanueva@[Link]

 Figura Ej.4.

Perfil de leyes
del sondaje S4

s Ll m*l2 s*l2
4 11.6 1.9 4.8
26 13.2 1.3 1.5 18

16

14
3 13.4 2.4 12.7
10 15 2.2 6.5 12

16 17.4 1.2 2 10

19 18.4 3 15.5 8 Centro gravedad

12 20.4 1.1 1.4 6

22 20.6 1.6 2.7 4

21 21.2 1.5 1.5 2
20 21.4 1.6 2.1 0
14 22 2.9 17.0 0 0.5 1 1.5 2 2.5 3 3.5

23 22.2 1.7 3.7 Figura Ej.5. Ajuste del efecto proporcional:

Promedio 13.0 2.2 8.3 s2 = 2,2m2 2,3, m [1,3 a 2 %]

Robinson Villanueva Page 39 rvillanueva@[Link]

c) Semivariogramas compuestos

Es frecuente encontrar variogramas con configuraciones como el de la figura

adjunta, llamadas estructuras superpuestas.

(h)

o + C1 + C2 + C3

Co + C1 + C2

Co + C1

Co

0
a1 a2 a3 h

Una estructura de esta forma, puede explicarse de la siguiente manera:

*La existencia del efecto de pepita (Co) puede deberse:

1. A la taza de recuperacin,
2. a la presencia de micro estructuras o,
3. a errores de muestreo.
*El primer alcance (a1) explicara las caractersticas petrogrficas.
*El segundo alcance (a2) puede caracterizar la mineralizacin.
*El tercer valor (a3) nos indicara diferencias a nivel regional del yacimiento (orognesis).

(h) se escribir entonces de la siguiente manera:

( h) = C o + 1 ( h) + 2 ( h) + 3 ( h)

C1, a1 C2, a2 C3, a3

Concretamente, estamos frente a un efecto de pepita con dos estructuras superpuestas (modelos
de variogramas esfricos).

Este tipo de estructuras, tambin se presenta en zonas mineralizadas de mena dentro de una
matriz de mineralizacin dispersa, asimismo son comunes en yacimiento aluviales de oro,
donde el menor alcance rinde cuenta de los canales individuales y el mayor alcance se podra
interpretar como el espesor total de la zona de inters econmico.

Robinson Villanueva Page 40 rvillanueva@[Link]

Observacin:
La tangente para los dos primeros pun- (h)
tos corta al eje vertical en Co = 4(%)2 3 2,55
mientras que la interseccin con la
meseta principal, que se produce a
2,55(%)2, tiene lugar a una distancia
del lag de 13m, indicando que el alcan_ 2
ce debera ser 20m. Sin embargo, la 1,95
curva principal alcanza la meseta a un
rango de 50m, por tanto se puede asu-
mir la presencia de dos semivariogra- 1
mas esfricos de parmetros:
Co=0,4
1(h): Co = 0,4(%)2
0 9 13 20 40 60 h
2a1/3 = 9 a1=14m Variable: ln(Ni) en %

C1 = 1,95(%)2

2(h): Co = 0,4(%)2 ; a2 = 50m; C2 = 0,6(%)2

Frmula del modelo compuesto:

3h 1 h 3 3h 1 h 3
* ( h ) = Co + C1 ( ) + C2 ( )
2a1 2 a1 2a 2 2 a 2

3h 1 h 3 3h 1 h 3
Para h < 14m * (h ) = 0,4 + 1,95 ( ) + 0,6 ( )
28 2 14 100 2 50

3h 1 h 3
Para h entre 14 y 50m * ( h ) = 0,4 + 1,95 + 0,6 ( )
100 2 50

Para h > 50m * ( h ) = 0,4 + 1,95 + 0,6 = 2,95

3.2. ISOTROPA

Un fenmeno se dice istropo cuando la magnitud del vector h permanece constante

cualquiera sea la direccin () del vector, es decir, la variabilidad es simtrica. En este caso
es suficiente ajustar el variograma omnidireccional ((omni., h ).

Ejemplo: Si analizamos los resultados de la pgina 17, observamos que el comportamiento

del semivariograma es similar para las cuatro direcciones consideradas, en tal caso podemos
afirmar que el fenmeno es istropo. En estas circunstancias conviene calcular el promedio

Robinson Villanueva Page 41 rvillanueva@[Link]

 ponderado de los variogramas direccionales (i., h ), conocido como variograma
omnidireccional :
n

N ( , h )
i i

( omni , h ) = i =1
n

N i
i =1

La tabla adjunta ha sido elaborada tomando como referencia los datos de la pgina 17:
= 90 = 0 = 45 = 135
h N h N h N h N
1 4,25 22 1 4,10 24 2 6,50 18 2 5,00 19
2 8,20 18 2 8,40 20 2 2 11,30 14 2 2 11,90 16
3 10,90 15 3 12,10 18 3 2 15,40 8 3 2 17,30 10

El promedio ponderado de los semivariogramas direccionales sera:

h (h) N(h) h (h)
2 8,20 18 147,6
2 8,40 20 168,0
Sumas 38 315,6
Promedio 8,31
h (h) N(h) h (h)
1 4,25 22 93,5
1 4,10 24 98,4
Sumas 46 191,9
Promedio 4,17

h (h) N(h) h (h)

2 2 11,30 14 158.2
2 2 11,90 16 190.4
Sumas 30 348.6
Promedio 11,62
h (h) N(h) h (h)
2 6,50 18 117,0
2 5,00 19 95,0
Sumas 37 212,0
Promedio 5,73

Graficando los puntos ( h , h (h)) , se obtiene el variograma lineal:

Robinson Villanueva Page 42 rvillanueva@[Link]

 14

12

10

0
0 0.5 1 1.5 2 2.5 3

Que corresponde a la recta: (h) = 4,11h

3.3 ANISOTROPA.
En minera, es raro encontrar un fenmeno istropo, en cambio son frecuentes
los fenmenos anistropos

Existen dos grandes tipos de anisotropa: geomtrica y zonal.

(h)
Para las dos direcciones, se
tiene una misma meseta,
mientras que los alcances
N-S son diferentes es la
anisotropa geomtrica
E-W

Direccin vertical Las mesetas son diferentes

Es el caso de la anisotropa
zonal
Direccin horizontal

aV aH

Este tipo de fenmeno suele ser evidente en yacimientos aluviales, donde el alcance en la
direccin vertical es mucho ms pequeo que a lo largo de la direccin principal del depsito,
conservando la variabilidad en ambos casos (misma meseta).

Robinson Villanueva Page 43 rvillanueva@[Link]

 En este caso el variograma puede expresarse como la composicin de 2 variogramas: en
uno segn la direccin horizontal y el otro siguiendo la direccin vertical.

(h) = H (h1 ) + v (h2 )

Con h = h1 + h2

h1
h2 h h1 direccin horizontal

h2 direccin vertical

La anisotropa direccional (geomtrica o zonal) aparece cuando los semivariogramas son

diferentes en distintas direcciones, en otras palabras, existen direcciones privilegiadas en el
yacimiento. Para precisar la morfologa del fenmeno conviene calcular varios
semivariogramas en distintas direcciones (por ejemplo 8). Los alcances obtenidos se
representan en un diagrama polar: lneas radiales a partir de un punto central, de esta manera
obtenemos una mejor visualizacin de la forma y orientacin de la elipse.

3.3.1. Modelizacin de variogramas anistropos

Con los valores de los alcances obtenidos en los semivariogramas para distintas direcciones,
construimos el diagrama de rosas de alcances.

(h)

1
2

a1 a2

i : son direcciones en las cuales se ha construido el semivariograma.

El diagrama de rosas de los alcances, de los semivariogramas anteriores sera:

y
y x

a2 a1 x

Robinson Villanueva Page 44 rvillanueva@[Link]

Esta anisotropa puede modelizarse mediante una transformacin lineal de coordenadas:

y
ka2
a2
a1 x a1

Se hace coincidir los ejes de anisotropa con los ejes principales, para luego corregir los ejes de
la elipse por un factor k = a1/a2. En definitiva se ha corregido la disimetra del fenmeno,
reducindolo a un variograma istropo (crculo). Analticamente la transformacin se logra
haciendo:
(h) = (1, h ),

h = (hx cos 1 + h y sen 1 ) 2 + k 2 (h y cos 1 hx sen 1 ) 2

3.3.2. Ejemplo de ajuste de un variograma anistropo:

Analicemos el caso de anisotropa cuyos ejes anistropos coinciden con los ejes principales y
en cuya primera aproximacin, los variogramas experimentales corresponden a modelos
lineales de la forma:

(h) = (1, h ) E-W: (h) = (0, h ) = 0,0015 h

(h) = (2, h ) N-S: (h) = (90, h ) = 0,0054 h

0,0054
El factor de correccin de alcances ser: k = = 3,6 y 3,6
0,0015

El modelo resultante (h), tomando como a2

referencia j = 0, ser:
a1 x
(h) = 0,0015 h 2 x + k 2 h 2 y

(h) = 0,0015 h 2 x + 12,96h 2 y

En este caso una transformacin lineal de las coordenadas no ser suficiente. Para ajustar un
modelo de esta naturaleza, se recurre a los variogramas imbricados, en que cada componente
traduce su propia anisotropa.

Robinson Villanueva Page 45 rvillanueva@[Link]

En el grfico adjunto:
(h)
Modelo 2

Modelo 1
2

d h

Ambos modelos son vlidos hasta la distancia d, en consecuencia si el objetivo fuera estimar
las leyes de un bloque mineralizado de dimensiones inferiores a d es perfectamente vlido
utilizar cualquiera de los dos modelos.

Ejemplo.- Para la disposicin de muestras del grfico, calcular los variogramas en las
direcciones Norte-Sur y Este-Oeste e indicar el tipo de anisotropa.

1,6 1,2 1,4 1,2 1,1 0,9 0,8

N
1,4 1,5 1,4 1,1 1,1 1,3 1,2 1,0

0,9 0,9 0,9 0,7 1,0 0,9 0,9 0,5 0,6

0,7 1,0 0,7 0,9 0,8 0,8 0,7

0,8 0,7 0,8 0,7 0,6 0,5 0,4 0,1

10m
1,0 0,9 0,7 0,2 0,1 0,2 0,4
10m

3.4. RELACIONES VOLUMEN-VARIANZA.

En el captulo 2 en soporte y regularizacin se establecen las diferencias entre variograma
puntual y regularizado y se manifest que en la prctica, los datos fsicos se miden por
volmenes y no por puntos, salvo que el tamao de la muestra sea muy pequeo en
relacin, por ejemplo, con el alcance. Sin embargo cuando las muestras proceden de
sondajes, las diferencias pueden ser notables, por lo que resulta imprescindible trabajar
con volmenes y hacer las correcciones pertinentes, es evidente que los resultados que se
obtendran cuando las leyes en tramos de, por ejemplo, 50 cm, seran diferentes si se
toman tramos de un metro, de 2 o de 3 metros. En cada caso, la diferencia entre los valores
de las leyes y las varianzas en cada tramo sern diferentes, es fcil deducir que los
semivariogramas que se obtendran tampoco sern similares. El objetivo es definir un
semivariograma puntual que no est influido por el soporte de la muestra, proceso llamado
regularizacin al aumentar el tamao del soporte, los resultados son cada vez mas
regulares (similares).
El mtodo a seguir para obtener el variograma puntual es el siguiente.

Robinson Villanueva Page 46 rvillanueva@[Link]

 Se define el rango real del semivariograma puntual como: a = a* - l
Donde: a = alcance real del semivariograma puntual,
a* = alcance del semivariograma experimental,
l = longitud de la muestra en la direccin del semivariograma.
Los valores de C y Co para el semivariograma puntual se calculan a partir de las siguientes
ecuaciones y con ayuda del baco Grfico de regularizacin (Ver bacos).
(1) = Co + CX 1
() = C 0 + CX 2
Para h = 1 e , en el grfico de regularizacin, se leen los valores X1 y X2 , a partir de los
correspondientes valores de h/a y l/a , donde h es el lag y l la longitud de la muestra.

Ejemplo (Annels, 1991): En un yacimiento aluvial de diamantes, los canales de muestreo

eran de 20m de longitud por 1m de ancho. La VR para calcular las reservas fue el peso, en
quilates, de los diamantes encontrados en cada muestra. Los valores de (h) obtenidos
fueron:

1 (20m) = 0,0147 ; 2(40m) = 0,0213 ; 3 (60m) = 0,0226

C = 0,0226.
Definir los valores de (h) para calcular el semivariograma puntual.

Solucin
a* = 60m
Rango real a = 60m-20m = 40m
l/a = 20/40 = 0,5
Clculo de C y Co para el semivariograma puntual (Grfico de regularizacin):
Para h = 20m h/a = 20/40 = 0,5 X1 = 0,415

Para h = h/a = 60/40 = 1,5 X2 = 0,760

Los valores de X1 y X2 se han obtenido entrando en el Grfico de regularizacin con los
valores de l/a = 0,5 y h/a =(0,5 ; 1,5). Los valores de C y Co se calculan resolviendo las
ecuaciones:

1 (20m) = 0,0147 = Co + C(0,415)

(60m) = 0,0226 = Co + C(0,760)

De donde: C = 0,0229 y Co = 0,0052

Aplicando el modelo esfrico:

3 h 1 h 3
(h) = Co + C para h < a
2a 2 a

() = Co + C , para h a

De esta manera los valores del semivariograma puntual sern:

1 (20m) = 0,0210 ; 2(30m) = 0,0263 ; 3 (40m) = 0,0281

() = Co + C = 0,0052 + 0,0229 = 0,0281

Robinson Villanueva Page 47 rvillanueva@[Link]

Robinson Villanueva Page 48 rvillanueva@[Link]
 3.5. REAGRUPAMIENTO DE K VARIOGRAMAS EXPERIMENTALES EN UN
VARIOGRAMA EXPERIMENTAL PROMEDIO

Sean dos variogramas experimentales:

[ z( x i + h ) z ( x i )] 2 [ z( x j + h ) z ( x j )] 2
2 * A ( h ) = 2 * B ( h ) =
i j
y
N A (h) N B (h)

*(A) y *(B) pueden representar la correlacin espacial de dos zonas distintas A y B, uno
de ellos la relacin de muestras en sondajes y el otro en trincheras del mismo soporte, la
correlacin espacial definida en direcciones diferentes.

Si al observar las dos curvas experimentales, se decide que no existe una variacin significativa
entre ellas, entonces ambas pueden representarse en un variograma experimental promedio del
tipo 2*A+B(h). Este variograma se calcula tomando en cuenta los pares de datos distantes de h
que provienen tanto de A como de B, dando lugar a ponderar el nmero de parejas respectivos
de cada uno de los variogramas experimentales, es decir:

[ [ z ( x i + h ) z ( x i )] 2 + [ z ( x j + h ) z ( x j )] 2 ]
2 * A+ B ( h ) =
i j

N A (h) + N B (h )

Para k semi-variogramas elementales, se tiene:

N' k ( h ) *k ( h )
* (h ) = k =1
k

N'
k =1
k (h)

El reagrupamiento de variogramas cruzados elementales, es similar a lo descrito anteriormente,

en este caso se efecta un promedio ponderado del nmero de pares de parejas.

Observaciones:
Los variogramas experimentales elementales son generalmente poco significativos en los
clculos, ya sea porque el nmero de parejas es pequeo, o porque se realizan en zonas de
dimensiones muy pequeas, en tales situaciones es conveniente reagruparlos en variogramas
promedios que son mucho ms significativos.

El principio fundamental es de reagrupar slo informaciones homogneas o consideradas

como tales:

i) La definicin de la VR (naturaleza y soporte), de un variograma elemental al otro,

debe ser casi constante. Por ejemplo, no se debe reagrupar un variograma Cu en zona de
sulfuros con un variograma Cu en zona de xidos, si estas dos mineralizaciones no estn bien
definidas, es recomendable tratar las leyes como ley de Cu total.

Robinson Villanueva Page 49 rvillanueva@[Link]

 ii) Las representatividades de los variogramas elementales deben ser casi constantes.
Por ejemplo, si se va a reagrupar un variograma que presente efecto de lisado
debido al reagrupamiento por clases de ngulos y distancias con un variograma
producto de una malla regular, el reagrupamiento debe hacerse con precaucin. Para
grandes distancias h, conviene diferenciar los variogramas deducidos de sondajes
largos con aquellos que son calculados en sondajes cortos, esto porque en los
ltimos la varianza de fluctuacin puede ser fuerte.
iii) En el proceso de reagrupamiento, se tendr presente de no privilegiar a la zona
mejor reconocida _ preferentemente rica o regular en su variabilidad, darle mayor
peso a esta zona podra conducirnos a un variograma promedio que se manifieste
errneamente representativo del yacimiento.

La nocin de homogeneidad de una mineralizacin o de una estructura espacial es relativa y

est relacionada con la escala de observacin y con el propsito del estudio. As por ejemplo
para un pequeo yacimiento filoneano explotado selectivamente, se tendr que ser mucho ms
estricto al aplicar la regla de homogeneidad que para un gran prfido de cobre explotado en
bloques.

Informacin asociada a cada variograma promedio:

A cada variograma promedio se le asocia:

i) El nmero total de parejas es N(h) = Nk(h) que han servido para construirlo.
ii) Las dimensiones y toda particularidad de la zona V donde se reparten estos datos.
Por ejemplo, un variograma promedio construido en zona de mineralizacin
primaria reconocido esencialmente de sondajes verticales y algunos sondajes de
pendiente inclinada a 45.
iii) La media aritmtica slo de aquellos datos que han servido para construir el
variograma. En efecto, sobre esta misma zona pueden existir datos que no han sido
considerados en la construccin de los variograma elementales y en consecuencia no
pueden intervenir en el variograma promedio.
iv) La varianza de dispersin experimental s2 definida en el conjunto de los N datos
utilizados, si estos N datos presentan una distribucin uniforme en la zona V de
dispersin. Esta varianza es un estimador de la varianza de dispersin terica
D2(v/V) de soporte v de datos en el campo V.
v) La varianza de dispersin experimental definida en una sub zona de V en la cual se
puede considerar la implantacin de datos como uniforme.

Robinson Villanueva Page 50 rvillanueva@[Link]

 CAPTULO 4

VARIANZA DE ESTIMACIN.

4.1. EL ERROR DE ESTIMACIN Y SU DISTRIBUCIN

Todo proceso de estimacin implica un error de estimacin, por el simple hecho que la
cantidad a estimar z, difiere en general de su estimador z*.

Si la ley de un bloque de mineralizacin (zV(xi)) se evala por la ley promedio de su

sondaje central (z(xi)), se comete un error r(xi) = zV(xi) - z(xi), cr figura II-12. La VR
z(x) as interpretada es una realizacin particular de la FA Z(x), el error r(xi) aparece
como una realizacin particular de una cierta FA R(xi) = ZV(xi) - Z(xi),en el punto xi

Vi
*xi

2 E

*x
b
95% probabilidad
Ley del boque zV(x)
Ley del sondaje z(x)

Si esta configuracin de estimacin se repite en cada uno de los bloques V(xi) que
constituyen el yacimiento, si ste es de mineralizacin homognea, la FA Z(x) puede
considerarse estacionaria as como la funcin R(x), por tanto dos errores particulares
r(xi) y r(xj) podran considerarse como dos realizaciones diferentes de la misma FA
R(x). Esta estacionariedad permite entonces:

i) Inferir la ley de distribucin de R(x) sobre una zona de control V(xk), de la

cual se dispone del histograma de los errores experimentales r(xk).
ii) Calcular la esperanza estacionaria mE = E(R(x)) y la varianza estacionaria
2=Var(R(x)) de esta ley de errores.

El error efectivo r(xi) = zV(xi) - z(xi), cometido en el bloque particular V(xi) si bien es
desconocido, pero el conocimiento de la ley estacionaria del error R(x) permitir
precisar la calidad promedio de la estimacin realizada.. De esta manera se puede
definir el intervalo [a , b[ en la que se sita el 95% de los casos del error r(xi) cometido,
(ver figura anterior).

Robinson Villanueva Page 51 rvillanueva@[Link]

4.2. GENERALIZACIN DE LA ESTIMACIN DE LA LEY

Sea un volumen V definido por pequeos volmenes vi; donde i vara de 1 a n. Los
vi pueden ser por ejemplo: testigos de un sondaje, canales de una galera, chips, etc.

Se conocen los valores zvi , deseamos estimar el valor de zV = z*V:

n

Sea V la unin de los vi V = U vi

i =1

1 1 n
V zv = v v
z ( x ) dx = z ( x)dx
v i =1 vi

0v
vi z ( )
n

zv =
i =1 v
vi

Seleccionaremos para z*V (estimacin de zV), el valor:

1 n
zv zv v
* = =
i =1
vi z (vi )
Esta estimacin no es nica, podemos definir otro tipo de estimacin, por ejemplo
(Krigeaje).
z v * = i z (v i )
Donde los i
son los coeficientes teniendo en cuenta los volmenes y la posicin de
los distintos vi .

4.2.1. Error de estimacin.

Al estimar zV por zV * = z v
cometemos el error e=z *z .
V v Para caracterizar e
diremos que el error es una realizacin de la variable aleatoria z V
* zv
1 1
E ( z ( v ) z (V )) = E z ( x)dx z ( x)dx
v v V V

1 1
= E ( z ( x))dx E ( z ( x)dx
v v V V
como: E(z(x)) = m
1 1
E ( z ( v ) z (V )) = mdx mdx
v v V V
E ( z ( v ) z (V )) = 0

En tales condiciones, la estimacin de zV es sin sesgo.

Robinson Villanueva Page 52 rvillanueva@[Link]

4.2.2. Varianza de estimacin e intervalo de confianza.
La varianza de estimacin E (v,V ) es por definicin:
2
Var ( z( v ) z(V ))

2
E
(v, V ) = Var ( z( v ) z(V ))

2
Si conocemos E
(v,V ) podemos determinar un intervalo de confianza (a 5% por
ejemplo).

z v
2 E < z V
< z v
+ 2 E

Esto permite precisar la estimacin:

2
E
(v, V ) = Var ( z( v ) z(V ))

=
2
[
E ( z( v ) z(V )) E ( z( v ) z(V ))
144244 3
]2

=0

E (v, V )
2
Donde: = E ( z( v ) z(V ))

Observacin:
Sabemos que:
1 2
( h) = E [z ( x + h) z ( x)]
2

Luego, (h) es una varianza de estimacin.

En minera, las leyes de distribucin de errores son generalmente simtricas. Ellas

presentan una moda ms pronunciada que la ley normal con la misma esperanza
matemtica y varianza , pero correlativamente manifiestan picos ms importantes que
la ley normal, cr figura pgina [Link] relacin a la distribucin gausiana el intervalo
clsico [mE 2E] contiene aproximadamente el 95% de los errores observados, este
intervalo, por tanto, es un buen estndar para caracterizar la calidad de una estimacin
minera por geoestadstica.

Observaciones:
El intervalo de confianza estndar [mE 2E], nos conduce bajo la hiptesis de no
sesgo, al intervalo [z* 2E] para el valor real z a estimar. Segn los valores de E y de
su estimador z*, puede darse valores extremos aberrantes en este intervalo. Por ejemplo
sea z* = 0,5%Cu y E = 1%Cu, obtenemos un extremo negativo z*-2 E = -1,5%Cu
para la ley verdadera z en cobre..

Robinson Villanueva Page 53 rvillanueva@[Link]

Una solucin prctica consiste en definir la desviacin tpica relativa de estimacin
E

, es decir la desviacin tpica con respecto a la ley media experimental
z*
1 N
z* = zi * de los N estimadores z*i disponibles.
N i =1
Luego el intervalo de confianza a 95% del estimador z*i es:

zi zi * 2 E zi * , esta frmula no asegura la positividad del extremo inferior. En el
z*
E
caso que
> 0,50 correspondan a estimaciones con demasiado error es preferible
z*
abstenerse de calcular intervalos de confianza.
Curva de la ley experimental
de errores

Curva estndar gausuiana

Ambas curvas presentan la misma

media, pero modas distintas, el
mayor valor de la moda la tienen la
ley experimental de los errores
mE

mE 2E

4.3. CLCULO DE LA VARIANZA DE ESTIMACIN.

4.3.1. Expresin Matemtica.

2

E (v,V ) = E ( z(v ) z(V ))

2

= Var ( z (v)
z(V ))

= Var z( v ) + Var z(V ) 2Cov( z( v ) , zV )

1
vV v V
Donde: Cov ( z ( v ) , z (V )) = dx K ( x y )dx = K (v,V )

K (v,V) es el valor promedio de la covarianza cuando x describe todo el

volumen v e y el volumen V.

Robinson Villanueva Page 54 rvillanueva@[Link]

 V
y
v Cov ( z ( v ) , z (V )) = K (v, V )
x

2
E
( v , V ) = K ( v , v ) + K (V , V ) 2 K ( v , V )

2
E ( v , V ) = 2 ( v , V ) (V , V ) ( v , v )

Expresin que
2
( v , V ) = 2 ( v , V ) ( v , v ) (V , V )
nosEpermite calcular la varianza de estimacin.
E (v ,V )
2

4.4. VARIANZA DE EXTENSIN.

En el caso particular en que los vi sean

i puntos i. El valor 2E(v,V) se denomina
x varianza de extensin.

Conociendo los valores z(x1), ..., z(xi), ...,z(xn) y estimando zV por z*V =(1/n) z(xi), y si
v = {xi}, entonces:
1
( v, v ) =
n2
( x
n n
i xj)

1
V 2 V V
(V ,V ) = dx ( x y )dy

1 1
( v, V ) =
nV
(x
n V
i y )dy = ( xi y )
n n

Lo que vamos a tratar ms adelante es el error que se comete al extrapolar el valor de

un sondaje, por ejemplo: en el centro del bloque,al bloque en su conjunto. Hay varias
maneras de realizar la extrapolacin: un punto flotando en una lnea a la lnea en su
totalidad; un punto centrado en un bloque al bloque; un punto flotando en un bloque al
bloque, cuatro sondeos en las esquinas del bloque, etc. (vase ejercicio de la pgina 60)

Robinson Villanueva Page 55 rvillanueva@[Link]

4.5. FUNCIONES AUXILIARES

Las varianzas de estimacin pueden calcularse, para diversas situaciones, a travs de las
funciones auxiliares, existiendo tres lineales (Y, F y X) y cuatro bidimensionales (Y, F,
X y Q).

4.5.1. Unidimensionales.
Una funcin auxiliar es un valor promedio (v,v) precalculado, correspondientes a las
geometras v y v particularmente simples y que se presentan frecuentemente en los
estudios y anlisis de casos.

Sea un segmento AB de longitud L.

L
A B

a) La funcin (L) se define como el valor promedio de (x-y) cuando x

permanece en A y describe el segmento AB.

1 L
L 0
( L) = ( y )dy y

x
En un modelo esfrico:
3 L 1 L 3
C ( 4 . a 8 a ) para
( L) =
()
La
3L
C (1 ) para L>a
8a

b) La funcin F(L) se define como el valor promedio de (x-y) cuando x e y.

describen en forma independiente el segmento AB.
x
L
1 L
F ( L) = 2
L 0
dx ( x y )dy
0
y

En un modelo Esfrico:

C ( 2
L
a . 2
1
a
L
a
3
()
) para

La
F ( L) = 3L a 2
C (1 + ) para La
4 a 5 L2

Robinson Villanueva Page 56 rvillanueva@[Link]

4.5.2. Funciones auxiliares bidimensionales.
Sea el rectngulo ABCD de lados l y L.

A B

L
C D

a) La funcin (L,l) se define como el valor promedio de (x-y) cuando x

describe uno de los lados AD o BC, de longitud l e y el rectngulo ABCD.

A B

x y
(L,l) l

L
C D
b) La funcin F(L,l) se define como el valor promedio de (x-y) cuando x e y
describen independientemente el rectngulo ABCD.

A B

x y

F(L,l) l
L
C D

c) La funcin H(L, l) se define como el valor promedio de (x-y) cuando x

permanece en A e y describe el rectngulo ABCD. Se demuestra que H (L,l) es
el valor promedio de (x-y) cuando x describe AB (o CD) e y BC (o AD).

A B A x B
x
y
H(L, l) y

C D C D

Para el modelo esfrico a dos dimensiones, se puede calcular expresiones

exactas de las funciones auxiliares X (L,l ), F (L,l) y H (L,l), pero en la prctica
se prefiere utilizar los bacos expresados en L/a y l/a.

Robinson Villanueva Page 57 rvillanueva@[Link]

4.6. EFECTO PEPITA.
Sea s el soporte en la construccin del variograma y Co el efecto de pepita de
dicho variograma.

Co s

2
Tenemos que: E
( v, V ) =
v/s

2
En un variograma puntual s = 0, entonces v/s es infinito y E
(v,V ) = 0, en tal caso el
problema es tratado como en la estadstica clsica.

4.7. CONFIGURACIONES TIPOS

4.7.1. Relacin importante . V

v
Si v =v1 U v 2
v1 v2

Entonces:
v v
(v,V ) = 1 (v1,V ) + 2 (v2 ,V ) ) V
v v
V2 V1
De igual forma, si: V =V1 U V 2
v

v v
(v,V ) = 1 (v,V1) + 2 (v ,V2 ) )
V V

4.7.2. Reconocimiento de un tramo (galera, chimenea).

a) Calcularemos la varianza de extensin de un punto I relacionado con su

segmento de influencia AB.
L
A B
I
E ( I , L) = 2 / L / 2) F ( L)
2

2
E
( I , L) = 2 ( I , L) ( I , I ) ( L, L)
(I , I ) = 0

1 L/2 L/2
( I , L) = ( ( y )dy + ( y )dy )
L 0 0

Robinson Villanueva Page 58 rvillanueva@[Link]

Se tiene que: L 1 L/2
( )= 0 ( y ) dy
2 L/2
Entonces:
L
(I, L) = ( )
y (L,L)= F (L)
2
Por definicin de F, se obtiene que:

2
E
( I , L) = 2 ( L / 2) F ( L)

b) Clculo de la varianza de extensin de un segmento AB por el promedio de dos

muestras ubicadas en A y B.

L
({A, B}, L) = 2 ( L) F ( L) 1 / 2 ( L)
2

A B E

({A, B}, L) = 2 ({A, B}, L) ({A, B}, {A, B}) ( L, L)

2

En efecto: E

( L, L ) = F ( L )
*

* ({A, B}, {A, B}) = 1 / 2[ ( A, A) + ( B, A)] = 1 / 2 ( L)

1
L
({A, B}, L) = 2 ( y )dy = ( L)
* 2 L 0

({A, B}, L) = 2 ( L) F ( L) 1 / 2 ( L)
2
E

4.7.3 Ejemplo a dos dimensiones: reconocimiento de un panel.

Sea un panel S definido por su lnea media.

s
b

a L

2
Se desea calcular E
( L, S )

Robinson Villanueva Page 59 rvillanueva@[Link]


2
E
( L, S ) = 2 ( L, S ) ( L, L) ( S , S )

( L, L ) = F ( L )

( S , S ) = F ( a, b)

a
( L, S ) = 1 / 2 (a / 2, b) + 1 / 2 (a / 2, b) = ( , b)
2

( L, S 1 ) ( L, S 2 ) , S =S1 U S2

Luego:
a

2
E
( L, S ) = 2 ( , b ) F ( a , b ) F ( L )
2

Ejercicio: Un bloque de dimensiones de 100m x 150m va a ser evaluado, de acuerdo a los

parmetros obtenidos por el variograma, de caractersticas:
a) carcter istropo; b) Co = 0,15 ; C = 2,5 y d) a = 250m.

Determinar los errores que se cometen considerando:

1) Punto flotante en el bloque: un punto ubicado en cualquier posicin del bloque a
evaluar: 2 e = F ( x, y ) ; 2 E = Co + C ( 2 e )
2) Punto en el centro de un bloque: sondaje ubicado en el centro del bloque:
2 e = 2Q( x / 2, y / 2) F ( x, y )

2 E = Co + C ( 2 e )

3) Cuatro puntos en los vrtices: sondajes ubicados en las esquinas del bloque:

2 e = 2Q( x, y ) F ( x, y ) 14 ( x) + ( y ) + (( x 2 + y 2 ))

Co
2E = + C ( 2 e ) .
4

Solucin: h = 100m ; l = 150m; a = 250m; Co = 0,15 ; C = 2,5

h/a = 100/250 = 0,4

l/a = 150/250 = 0,6

En el baco correspondiente: 2 e = F ( x, y ) = 0,375, por tanto:

2 E = Co + C ( 2 e ) = 0,15 + 2,5(0,375) = 1,0875

Robinson Villanueva Page 60 rvillanueva@[Link]

 Para los otros dos casos:

2 E = Co + C ( 2 e ) = 0,15 + 2,5(0,31) = 0,925

Co
2E = + C ( 2 e ) = 0,15/4 + 2,5(0,136) = 0,3775
4

Si se comparan los tres resultados, se observa claramente como el error que se comete, es
mucho mayor, en el punto flotante que en el centrado y ste , a su vez, es mayor que en
los cuatro vrtices, siendo en cada caso alrededor del doble del error:

2E(punto flotante) > 2E(punto centrado) > 2E(cuatro vrtices)

Ejemplo:
Sea un variograma esfrico de meseta 5(%)2 y alcance 50 m. Se desea estimar paneles
de 50m x 50 m a partir de un sondaje central.
Cul es el valor de E y el intervalo de confianza, con un error del 5%?
2

En x 50 x
(h) z(h)
x

5(%) 2
x 50

h
x

50m
1 50
En el baco N 7 se lee para = =1
a 50
E = 0,4 ; para C=1
2
Una varianza de extensin
En nuestro ejemplo: E = 0,4 *5(%)2 = 2(%) 2
2

El intervalo de confianza ser: + 2 2(%) 2 = + 2,8%

z (v) 2,8% z (v) z (v) + 2,8%

Si estimamos el mismo bloque por sus cuatro vrtices, el intervalo de confianza ser
2,3%

Robinson Villanueva Page 61 rvillanueva@[Link]

 CAPTULO 5

LA VARIANZA DE DISPERSIN

5.1. Distribucin de una Variable Regionalizada

Sea un volumen V con centro en x, formado por la yuxtaposicin de N volmenes iguales
vi centrados en xi. V est definido entonces por la unin de pequeas unidades v (ver figura
adjunta).

vi V
s2(x)

V=vi = Nv zV(x) zc

Grilla de unidades v y distribucin de frecuencias

Sea z(y) la VR ley en el punto y. Se trata de caracterizar la dispersin de la leyes de

unidades de explotacin v en el interior del yacimiento.
1
La ley media de cada unidad vi centrada en xi es: z v ( xi ) = z ( y )dy .
vv
i

Del mismo modo la ley media del yacimiento V centrado en x, es:

1 1 N
zV ( xi ) = z ( y )dy = z v ( xi )
VV N i =1
x

A cada una de las N posiciones xi de la unidad v en el interior de V, le corresponde una

desviacin [zv(xi) zV(x)], la dispersin de las N leyes de unidades zv(xi) alrededor de su
media zV(x) puede caracterizarse por la desviacin cuadrtica media:

s2(x) = (1/N)([zv(xi)-zV(x)]2)

Esta dispersin se representa trazando el histograma de los N valores zv(xi), es decir, la

curva experimental de las frecuencias de cada valor z (Figura 8.1.). Este histograma no es
ms que una clasificacin simple de los N valores zv(xi) disponibles sin ninguna
interpretacin probabilstica. Podemos calcular por ejemplo, la proporcin de unidades v
superiores a una ley de corte zc, podramos tambin decir que el histograma es asimtrico:
existen ms leyes zv(xi) inferiores a la media zV(x) con respecto a las superiores.

Si se dispusiera para cada zona del yacimiento V todas las leyes de unidades v que la
constituyen, entonces no habra necesidad de ninguna estimacin ni de formular una
aproximacin probabilstica.

Robinson Villanueva Pgina 62 rvillanueva@[Link]

En la prctica no se conoce las leyes verdaderas zv(xi) de unidades v, ni tampoco las leyes
verdaderas zV(x) del yacimiento V, en conclusin no se dispone del histograma de la pgina
anterior.
El problema radica entonces en estimar las dos principales caractersticas zV(x) y s2(x); es
aqu donde intervienen las herramientas geoestadsticas y la aproximacin probabilstica.

5.2. Interpretacin probabilstica

La VR ley puntual z(y) es una realizacin particular de la FA Z(y), an mas supondremos
que esta FA es estacionaria, esto implica en particular que la ley de distribucin de Z(y) no
depende ms que de los valores de y.

La ley media de cada unidad vi centrada en xi es una VA, denotada por:

1
v v
z v ( xi ) = z ( y )dy
xii

De la misma manera la media del yacimiento V con centro en x es una VA denotada por:

N
1 1
zV ( xi ) =
VV z ( y )dy =
N
z (x )
i =1
v i
x

Luego, la desviacin cuadrtica media s2(x) , aparece como una realizacin particular de la
VA S2(x) en x (corresponde al yacimiento V en x):

S2(x) = (1/N)([zv(xi)-zV(x)]2)

5.3. Varianza de dispersin:

Segn la hiptesis estacionaria de la FA puntual Z(y), la esperanza estacionaria de esta VA
S2(x), es por definicin, la varianza de dispersin de las unidades v en V, denotada por:
2
1
D = E (S 2 ( x ) ) = E i {zv ( xi ) zV ( x )}
v
2

V N

Ejemplo: Consideremos un yacimiento V(xk) conformado por 4 unidades de leyes zv(xi).

La ley de distribucin es uniforme, cuya ley media es
(1/N)(zv(xi) = (1+2+3+4+5+6)/6 = 3,5

y varianza: 2 = (1/N)([zv(xi)-zV(x)]2)=(1/6)(17,5) = 2,917

Sean tres zonas (V(xk) , k =1 a 3) de igual media zV = 3,5 y constituido por 3 series de 4
unidades, segn las series:

Robinson Villanueva Pgina 63 rvillanueva@[Link]

K = 1 zv(xi) = 6, 3, 2, 3
zV(x) =(1/4) (zv(xi))=3,5 s2(x) = (1/N)([zv(xi)-zV(x)]2)=(1/4)(9) = 2,25

K = 2 zv(xi) = 6, 5, 1, 2

zV(x) =(1/4) (zv(xi))=3,5 s2(x) = (1/N)([zv(xi)-zV(x)]2)=(1/4)(17) = 4,25

K = 3 zv(xi) = 6, 2, 2, 4

zV(x) =(1/4) (zv(xi))=3,5 s2(x) = (1/N)([zv(xi)-zV(x)]2)=(1/4)(11) = 2,75

La varianza de dispersin D2(v/V), es:

2 2
1 1
D = E (S 2 ( x ) ) = E {z v ( xi ) zV ( x )} = E {z v ( xi ) zV ( x )} = 2 = 2,917
v
2 1 4
V 4 i 4 i 4 i =1

De esta manera se observa que las tres varianzas experimentales s2(x) = 2,25; 4,25 y 2,75
fluctan alrededor de su esperanza terica D2(v/V) = 2,917.

5.4. Seleccin de reservas

Los recursos presentes en un yacimiento raramente son completamente explotables.

Normalmente se aplica una seleccin sobre estos recursos para definir las reservas
que deben extraerse.
Es evidente que el volumen y las caractersticas de estas reservas estn en funcin :

1. de los recursos iniciales in situ,

2. esencialmente, de los parmetros: criterios de las leyes de corte , soporte de la

unidad de seleccin (tamao o geometra) e informacin disponible al momento de la
seleccin efectuada.
Para evitar errores en la estimacin se debe tomar en cuenta lo escrito
anteriormente, e indicar que las dos principales nociones geoestadsticas que
condicionan el no sesgo en la estimacin de reservas son:

la nocin de soporte, la seleccin del alcance en las unidades de produccin que a

veces son diferentes de las unidades de reconocimiento (ejemplo, soporte de
testigos).
La nocin de informacin, la seleccin real de la explotacin dispone a menudo de
una informacin mucho ms fina que la que se dispone en el estudio de las reservas-
este estudio debe prevenir la fineza efectiva de la seleccin real futura. Ciertas
propiedades del krigeaje permiten tal previsin, esta es una ventaja del krigeaje con
respecto a las otras tcnicas.

Robinson Villanueva Pgina 64 rvillanueva@[Link]

5.4.1. Influencia del soporte

Sea un yacimiento V, reconocido por sondajes de soporte c igual al volumen del

material del testigo analizado y v la unidad de explotacin sobre la cual se har la
seleccin efectiva.
Las caractersticas del conjunto de los recursos in situ, puede observarse a travs
de los histogramas de dispersin.
En la siguiente figura se tiene el histograma de dispersin de las leyes zc(x) de los
testigos de soporte c. Se supone que este histograma representa la distribucin de
todo el yacimiento V, es decir que en la prctica el reconocimiento de V por los
testigos es insesgada, en otras palabras ninguna zona particular de V ha sido
reconocida de manera preferencial. Las caractersticas de este histograma son:
a) una media experimental m* que por el momento la asimilaremos como la media
real del yacimiento: m* m.
b) Una varianza de dispersin experimental que es un estimador de la varianza de
dispersin terica D2(c/V) del soporte c en el yacimiento V.
c) La forma de distribucin asimtrica (que se puede ajustar a una lognormal, por
ejemplo).

Si consideramos la ley zo en el eje de las abscisas, el rea sombreada representa la

proporcin observada de los sondajes de ley zc zo.

Supongamos ahora que se conoce las leyes reales zv(xi) de todas las unidades de
explotacin de soporte v, con estos datos podemos trazar el histograma de dispersin de
leyes zv(xi) ver figura adjunta, cuyas caractersticas son:
a) Una media m igual a la media de los sondajes.
b) Una varianza de dispersin terica D2(v/V) de soporte v en el yacimiento G, donde
se verifica que D2(v/V) < D2(c/V), con v > c.
c) El histograma es simtrico.

Frecuencias
D2(v/V) Cuanto ms pequeo sea el soporte v, el valor de z(v)
bloques es ms disperso.

La variacin del soporte puede dar lugar a grandes

diferencias, al compararlo, por ejemplo, con una ley de
corte (ver figura adjunta).

D2(c/V) testigos

z
m zc 5% Cu

De la misma manera que los variogramas regularizados, sobre testigos c con respecto a los
paneles v son diferentes, de la misma manera los dos histogramas de dispersin y las reas

Robinson Villanueva Pgina 65 rvillanueva@[Link]

achuradas respectivas son diferentes, podemos decir entonces que existe una proporcin no
desestimable de testigos c de leyes de Cu zc zo.= 5%Cu, no existe ningn panel v de
varias centenas de toneladas de ley promedio de cobre superior a 5%. En el proceso de
explotacin se seleccionan bloques (paneles) v y no tramos de sondajes c, es por esto
importante que al estimar reservas se tenga en cuenta el soporte v de la unidad de
seleccin, bajo pena de sesgo con consecuencias econmicas probablemente graves, esta
anotacin no es trivial, veamos un ejemplo: un yacimiento sedimentario reconocido por
sondajes verticales a travs de toda la superficie mineralizada, con potencia promedio
mineralizada p, el soporte c de la informacin es un testigo de seccin y de longitud
promedio q.
Si
Si se utiliza el mtodo de polgonos
de influencia, aplicando a cada polgono
la ley promedio del sondaje central Si,
para una ley de corte zo los estimadores
as obtenidos, el tonelaje recuperado
estimado, corresponde al rea achurada
en la figura adjunta, con todos los riesgos polgono de
de sesgo que se presentan. Influencia

Otro ejemplo tpico es relativo a los procesos de estimacin ponderados por el inverso
medio de las distancias y en general a aquellos procesos que no toman en cuenta la
geometra particular v del bloque a estimar, si se aplica una seleccin sobre estos valores
as estimados el resultado es independiente del tamao v de la unidad de seleccin, y es
bien conocido que no es lo mismo explotar un yacimiento a martillo ( v es pequeo) que
explotarlo en bloques (v es mucho mayor).

Se demuestra que:
D 2 (v / V ) = (V ,V ) (v, v)

Por la relacin de aditividad de Krige, se tiene:

D 2 (v / V ) + D 2 ( c / v ) = D 2 ( c / V )

A dicha igualdad se denomina relacin de krigeage

Esta relacin la obtuvo krige experimentalmente estudiando un yacimiento de oro, en el

frica, posteriormente se confirm tericamente.

De lo anterior entonces conocemos el promedio E(zv) estimado por ejemplo por m*

promedio de leyes de los testigos c y la varianza D2(v/V) de la ley de dispersin de las leyes
verdaderas zv, pero a que tipo de ley corresponde, no se sabe esto no permite trazar el
histograma de dispersin de los zv as como tampoco evaluar las distintas recuperaciones
posibles demandadas (zonas achuradas_figura anterior).

Robinson Villanueva Pgina 66 rvillanueva@[Link]

Para ciertos casos se postula la hiptesis de conservacin de leyes, se puede adoptar para zv
la distribucin del histograma experimental de datos zc., y ser suficiente entonces corregir
la varianza D2(c/V) D2(v/V) para pasar del variograma experimental de los zc al
histograma buscado zv. Esta hiptesis ha sido verificada para ciertos yacimientos de Au y U
y para soportes c y v diferentes, sin embargo no debe tomarse como una ley general.

Es realmente necesario conocer el histograma de dispersin de las leyes reales zv(xi)?.

5.4.2. INFLUENCIA DE LA INFORMACIN:

En la prctica no resulta necesario conocer el histograma de dispersin de las leyes
verdaderas, ya que de realizarse una seleccin se hace sobre los estimadores z*v(xi) y
jams sobre los valores reales y desconocidos zv(xi). Es decir se recupera efectivamente no
los bloques de leyes verdaderas sino los bloques de valores estimados.

Se entiende que, la informacin disponible y los procesos de estimacin deben ser tales que
los histogramas de los z*v (xi) sean los ms prximos posibles a los zv(xi), para ello se
deber tomar en cuenta la nocin de soporte y tamao v de la unidad de seleccin,
requisitos que satisface plenamente el krigeaje.

Frecuencia

D2(v*k/V)
Valores krigeados

D2(v/V)
Valores reales

0 z
m zo
Los dos histogramas verdadero y estimado tienen la misma media.

5.5. Relacin de Alisado

Se demuestra que s y slo s el estimador z* es un estimador de krigeaje, se cumple la
relacin siguiente llamada relacin de alisado

D2(v/V) = D2(v*k/V*) + 2 k - 2 m
Donde:
D2(v/V) = varianza de dispersin de las leyes reales zv(xi) de soporte v en el yacimiento V.

D2(v*k/V*) = varianza de dispersin de las leyes krigeadas z*v(xi) de soporte v en el

yacimiento estimado V*.

Robinson Villanueva Pgina 67 rvillanueva@[Link]

 1
2k =
N
2 ki = promedio de la varianza de krigeaje de cada uno de los N bloques vi,
de soporte v, que conforman el yacimiento V.

2 m = varianza de estimacin de la media, en general es pequea, por tanto:

D2(v/V) = D2(v*k/V*) + 2 k

Notamos como la dispersin experimental disponible D2(v*k/V*) queda alisada respecto

a la dispersin verdadera D2( v/V) y ser tanto ms alisada cuando la estimacin de v por
v* sea peor, es decir cuando 2 k sea ms grande.

La experiencia en minera ha demostrado que cuando la desviacin tpica relativa

v *k
D 2 (v / V ) D 2 ( )
V 2
k
2 2
D (v / V ) D (v / V )

es inferior a 10%, no es necesario corregir la dispersin.

5.6. Varianza de los valores puntuales.

D2 (O/V) = Varianza de los valores puntuales.

1
D2(v/v) = E ( n ( z(vi ) z(v))
2

1
= ( v E(v( z( x) z(v)) dx) cuando v 0, n
2

O
D2 = (v, v )
V

D* (O/V) = s2es una estimacin de D2(O/V)

Una aplicacin prctica es la verificacin de los variogramas. El principio consiste en

calcular (v, v) de acuerdo al modulo del variograma adoptado y de compararlo con el
valor de s2. Si la diferencia es notable, habra que cambiar de modelo.

Robinson Villanueva Pgina 68 rvillanueva@[Link]

Ejemplo:

En la regionalizacin de la ley en petrleo, los sondajes tienen una longitud L=350 pies

D * (O / L) = s 2 = 17,3(%) 2

D(O / L) = (L, L ) = F0 (L ) + F1 (L )
C0 C1

3 a 1 a 2
F1 ( L) = C1 1 +
4 L 5 L

= 6(% ) ; F0 = 6
2
C0
= 13(% ) ; F1 = 12
2
C1
a = 36 pies
D (O / L) = 12 + 6 = 18
2

Como 18 es aproximadamente igual a 17,3 entonces podemos decir que el modelo es

aceptable.

Ejemplo:
Consideremos un yacimiento V constituido de N = 5 bloques de igual dimensin v. En la
Tabla 5.1. se muestran las leyes medias {zv(yi), i = 1 a 5} de los 5 bloques, as como sus
leyes estimadas z*v(yi).

Este ejemplo se encuadra en el caso en que el yacimiento V est compuesto de un nmero

exacto de N bloques, por tanto podemos adoptar la frmula de la varianza de dispersin de
v en V, siguiente:
2 2
1 1
D = E (S 2 ( x ) ) = E {z v ( y i ) zV ( y )} = E {z v ( y i ) zV ( y )} = 2 = 2,8
v
2 1 4
V 5 i 5 i 5 i =1
donde
1 1
zV ( y i ) = z v =
5 i
z v ( y i ) = 5 ; z *v ( yi ) = ( 4,7 + 7,3 + 5,9 + 2,3 + 4,8) = 5
5

i z v ( yi ) z *v ( yi )
z v ( yi ) - z *v ( yi ) ( z v ( yi ) - z *v ( yi ) )2
z v ( yi ) - z v z *v ( yi ) - z*v ( yi )
1 5 4,7 0 -0,3 +0,3 0,09
2 7 7,3 2 2,3 -0,3 0,09
3 6 5,9 1 0,9 *0,1 0,01
4 2 2,3 -3 -2,7 -0,3 0,09
5 5 4,8 0 -0,2 +0,2 0,04

Robinson Villanueva Pgina 69 rvillanueva@[Link]

Con los datos de la tabla:
i) la varianza experimental de los errores de estimacin:

*E2 = (1/5)( z v ( yi ) - z *v ( yi ) )2 = (1/5)(0,09+0,09+0,01+0,09+0,04) = 0,064

ii) el promedio de los errores siendo nulo (no hay sesgo en la estimacin)

z *v ( y i ) = z v = 5
iii) la varianza de dispersin experimental de los estimadores z *v ( yi ) , es:

2
1 1
s ' = z *v (y i ) - z*v ( y i ) = * 13,52 = 2,704
-
2

5 i 5
Obsrvese que:
s2 =2,704 < s2 = 2,8 y que se verifica la relacin

s2 = 2,8 ~ s2 + *E2 = 2,704+0,064 = 2,768.

Este efecto de alisado del estimador z *v ( yi ) es caracterstico de un estimador de krigeaje.

Robinson Villanueva Pgina 70 rvillanueva@[Link]

 CAPTULO 6

VARIANZA DEL ERROR GEOMTRICO

6.1. ERROR GEOMTRICO
S 6.1.1. Estimacin de una superficie
Sea un yacimiento de forma desconocida,.
o o o o o o x x x x de manera sistemtica, en un sector se han
impuesto sondajes bajo cierta malla.
o o o o x x x x o o Los sondajes positivos estn representados
por una x (los que reportan mineral) y los
o o o o o o x x o o estriles por o (sondajes negativos). Si s es
el rea elemental y n el nmero de sondajes
o o o x x x x x x o positivos, la estimacin de la superficie mine_.
ralizada S, est dada por:
o x x x x x o o o o
S* = n.s

6.1.2. Varianza del error geomtrico

Estimando la superficie mineralizada de la forma descrita anteriormente cometemos un
error geomtrico (S* - S). Demostraremos que esta estimacin es insesgada. La varianza
del error geomtrico se define como:

2E 1 1 n 21
2
= 2 ( n 2 + 0,06
6 n2
) n1 n2
S n
donde: n = nmero de sondajes positivos; 2n1 = nmero de segmentos paralelos en la
direccin 1 en la traza del contorno del yacimiento; 2n2 = nmero de segmentos paralelos
en la direccin 2.
Las direcciones 1 y 2 se seleccionan bajo la condicin que n1 n2.
Ejemplo:

0 X 0 0 0 0 0 0 0 0 0 0 0 0 0

0 X X X 0 X 0 0 0 0 0 0 0 X 0

X X X X X X X X X X X X X 0 0

0 0 0 X X X X X X X X X X X X

0 0 0 0 0 X 0 0 X 0 0 X 0 0 0

0 0 0 0 0 0 X 0 0 0 0 0 0 0 0

rvillanueva@[Link] 71
El plano de muestreo, de sondajes, pertenece a un yacimiento de cobre-niquel, donde:

X representa a los sondajes positivos. Las dimensiones de la malla es de 60*60 m2.

Calcular con un nivel de confianza del 95%, los lmites del rea mineralizada, as como la
varianza de extensin.

Solucin
n = 35 (nmero de sondajes positivos)
2n1 = 34 segn la direccin horizontal
2n2 = 20 segn la direccin vertical

2E 1 1 n 21 1 1 17 2
= ( n 2 + 0,06
6 n2
) = 2 ( * 10 + 0,06 *
35 6 10
) = 27,75(%) 2
S 2 n2

E
= 5,3% E = S*5,3 = 12,6h*5,3% = 66,78% = 0,6678h
S
El intervalo solicitado, con un error del 5%, es:

S = S* 2 E

= 12,6 2(0,6678) = 12,6 1,3

11 hs S 1 4 hs

6.1.3. Estimacin de un volumen

i) Sean: V
El volumen elemental Vi es: Vi= [Link] S
P
La estimacin Vi* de Vi es igual a : Vi* = Si*. Pi*

El error cometido ser (Vi* - Vi)

El volumen del yacimiento V es: V = pi*Si estimado por V* = : pi*S*i , siendo pi el
espesor asociado a la seccin Si estimada por S*i con una varianza de estimacin
2 Si = E (Si Si *)2 .
Como las estimaciones elementales Si* son independientes entre ellos, la varianza de
estimacin del volumen V es:

2V = E (Vi Vi *)2 = pi2 S2

i
i

rvillanueva@[Link] 72
 2V 1 S2
Entonces la varianza relativa ser:
V2
= 2
V
V
i
i
2 i

S i2

ii) Sea el volumen V reconocido por n sondajes verticales positivos de longitudes

mineralizadas li. Los n sondajes siguen una malla horizontal regular de lados (a1 , a2),

a1
a2

li
S* = n*a1*a2

sondajes positivos

La superficie horizontal proyectada S del volumen mineralizado V se estima por

S* = n*a2*a1, de las n zonas de influencia positiva.
1 n
El espesor mineralizado vertical promedio se estima por L = li
n i =1
El estimador del volumen V es entonces: V* = L x S*.

La varianza relativa de estimacin de V por V* es:

2V S* 1 1 a2
2
= 0,06 + 90 2 con = 1
V L2 n 2 a1

6.2. INFLUENCIA DEL ERROR GEOMTRICO EN LAS ESTIMACIONES

GLOBALES
Hasta este momento hemos analizado el error geomtrico ligado a la determinacin de los
lmites de la mineralizacin y al error de calidad ligada a la estimacin de una caracterstica
media (ley, por ejemplo). En la prctica estos dos errores afectan simultneamente a las
estimaciones globales realizadas.
La figura adjunta representa a un yacimiento sedimentario reconocido por sondajes
verticales, a partir de estos sondajes positivos se ha definido un contorno de superficie
estimada S*, siendo S la superficie mineralizada real desconocida.

En la zona estimada S* de lmites conocidos, se estima sin sesgo:

1
S * S*
la potencia mineralizada promedio p S * = p ( x )dx , para p*S*.

rvillanueva@[Link] 73
 1
S * S*
el contenido metlico promedio AS* = a ( x )dx , para A*S*

AS * A *S *
la ley media z S * = , para z *S * =
pS* p *S *

x x x x

p(x) x x x x x

x x x x x

a(x) = p(x)*z(x) = potencia*ley S* x x x

6.3. ERROR DE BORDE

La varianza de estimacin global del Efecto de borde

volumen promedio VS se ve afectado
por el trmino denominado de borde vi
E(dSV)2 relacionado con el impacto de
error de superficie.
Si vi es pequeo, se puede considerar V
que todas las unidades v centradas en un punto estn completamente ubicadas en el interior
de V, esto implica anular el efecto de borde de los bloques vi prximos al lmite
mineralizado.
2
El trmino de borde est dado por: E (d SV ) = V2 .Da2 ( )
2 O
V V
V2
Siendo: la varianza relativa de estimacin de volumen.
V2
O
Da2 ( ) , la varianza de dispersin de los volmenes del contenido metlico a(x)
V

6.4. HIPTESIS DE INDEPENDENCIA INTERNA

Esta hiptesis de independencia interna no siempre es verificable (fenmeno de

decrecimiento de los valores en el borde del yacimiento).
T= E + B
2 2 2

Estimacin Bordura

= S (S , S ) ;
2
B 2
s
(S,S) = varianza de las leyes puntuales s2

rvillanueva@[Link] 74
6.5. ERROR DE ESTIMACIN DE UN PRODUCTO

Sean: Z el producto de X e Y y
Z* la estimacin de Z e igual al producto de X* (estimacin de X) e Y* (estimacin
de Y).
Es decir:
Z = X Y; Z* = X*Y*

Z* - Z = X*Y* - XY (1)

Se tiene:
(X* - X) = x con E ( x) = 0
(Y* - X) = y con E ( y) = 0

Desarrollando (1) se obtiene :

Z* - Z = ( X+x)(Y+y) X Y

Z* - Z = Xy +Y x + xy
trmino de 2do. orden

Z* - Z = Xy + Yx

La esperanza matemtica de Z* - Z vale :

E ( Z*-Z) =E(Xy) +E(Y x) + E(xy) = E(xy)

La estimacin de Z ser insesgada si existe independencia interna, es decir: E(xy) = 0

Var Z* - Z) = E(Z* - z)2 (E(Z* - Z))2

=0

2 2
= X 2
y
+Y 2
x
+ 2X Y E (x y)
= 0 (independencia interna)

1 1
2 x
2 2
Var ( Z * Z ) = X 2 Y 2 ( + 2 y
)
X Y

rvillanueva@[Link] 75
 CAPTULO 7

EVALUACIN DE LAS RESERVAS

LA ESTIMACIN GLOBAL
MTODOS CLSICOS.

7.1. INTRODUCCIN
Al evaluar un yacimiento se habla de dos tipos de reservas:

a) Reservas geolgicas o in-situ: constituidas por todo el material presente bajo

ciertas condiciones, por ejemplo ley de corte, etc.
b) Reservas mineras: es el material que va a ser extrado despus del diseo y
definicin del mtodo de explotacin.

Como es lgico ambas reservas no coinciden, ya que factores como la dilucin, mtodo de
explotacin, recuperacin, etc hacen que las reservas mineras se alejen de las geolgicas.

El siguiente esquema muestra las diferencias conceptuales de ambas reservas.

Sondajes, Muestreo Reservas geolgicas

Modelo geolgico o
In-situ

$
Estudio econmico Reservas
Diseo minero mineras

Recuperacin
Dilucin

Planificacin Cadencia Produccin

de la explotacin
Costes / Beneficio

7.2. PRIMER RECONOCIMIENTO SISTEMTICO.

En esta etapa los sondajes se realizan siguiendo una malla ms o menos regular sin
considerar zonas privilegiadas.

Se trata de estimar: la ley promedio (m*),el volumen (V*) y el contenido metlicol del
yacimiento (Q* = m*V*).

MCTC Page 76 rvillanueva@[Link]

 En algunos casos, la informacin que se dispone puede provenir de soportes diferentes
(por ejemplo canales y sondajes, en una misma campaa), en tal caso se ponderar la
informacin disponible.

Mas all de la estimacin, ser necesario igualmente, determinar la precisin de esta

estimacin.

Estos resultados (estimacin y precisin) permitirn decidir por: esperar una coyuntura
econmica favorable; o realizar un segundo reconocimiento sistemtico que nos
conducir al estudio de factibilidad.

7.3. MTODOS DE EVALUACIN.

Existen dos grupos de mtodos para estimar las reservas de un yacimiento: los mtodos
clsicos o geomtricos y los geoestadsticos.
La evaluacin por mtodos geoestadsticos, tratado en el Captulo 8, requiere:
c) Que el equipo de trabajo tenga una adecuada informacin terica de
Geoestadstica.
d) Que se cuente con el hardware y software adecuados.
e) Que se disponga de la mayor cantidad de informacin posible (ensayes de
sondajes, litologa, geologa detallada, etc.).

7.3.1. MTODOS CLSICOS O GEOMTRICOS:

Cuando se evala un yacimiento lo que se realiza es un proceso de cubicacin, es decir, se
construyen una o varias figuras geomtricas en las que se va a estimar que cantidad de
mineralizacin existe en el interior de ellas. Bajo este concepto se sigue de manera general los
siguientes pasos:

f) Clculo del espesor mineralizado: e(m)

g) Clculo de la superficie mineralizada: S(m2)
h) Clculo del volumen V(m3) = S(m2)*e(m)
i) Clculo de la densidad media aparente del mineral: d (t/m3)
j) Clculo de las reservas de mineral: Q = V(m3)*d (t/m3)
k) Clculo de las reservas en metal de cada uno de los minerales de valor
econmico:
Tcomponente = Q(t)*gley media del componente(tanto por uno).

l) Clculo de los concentrados

m) Clculo de las reservas totales:

Qtotal = Q1 + Q2 + ... + Qn

Ttotal = T1 + T2 + ... + Tn

Entre las tcnicas de estimacin clsicas se tiene:

a)Perfiles, cortes o secciones, b)Polgonos, c)Tringulos, d)Matrices de bloques,
e)Contornos, f)Inverso de la distancia.

MCTC Page 77 rvillanueva@[Link]

[Link]. MTODO DE LOS PERFILES, SECCIONES O CORTES
Los resultados de una prospeccin semi-sistemtica conducen a delimitar un yacimiento en el
que se debe precisar los contornos y calcular el tonelaje de mineral respectivo.

Ejemplo1: Cubicar el mineral de la seccin mostrada

i) Determinacin de la ley media ponderada en una seccin

El esquema indica tres sondeos con tramos de muestreo y leyes expresadas en porcentaje, de
la seccin AB

20m S1 40m 40m 20m

12,00
1,00 S2
A 17,25 10,03
2,00 1,00 S3

31,20 3,10 10,05

3,00 2,00 1,00
B
15,03 28,30 12,00
4,00 3,00 2,00
7,09 17,80 7,43
5,00 4,00 3,00
2,40 12,05 0,05
6,00 5,00 4,00
0,27 5,50 11,29 0,20
7,00 6,00 5,00
5,10
6,00
Figura 7,1. Perfil hipottico (lnea AB)

Observaciones
Antes de proceder con los clculos se tuvo que analizar los datos de cada sondeo, los
resultados fueron:
n) En S1, se limit el rea hasta los 5m, ya que los 2m siguientes presentan leyes
(2,4% y 0,27%) inferiores a la ley de corte establecida en 5%.
o) En S2, se observa que el trano comprendido de 1 a 2m de profundidad, tiene una
ley inferior a 5% (3,1%), pero este valor se encuadra en tramos mtricos cuyas
leyes son superiores a 5% (de 0 a 1m: 10,03%; de 2 a 3m: 28,3%; etc.). Es
evidente que al explotar este bloque, se retirar todo el estrato mineralizado hasta
los 5,5m que an cubre todos los gastos; una capa de 1m de espesor con una ley
inferior a la de corte no altera en demasa la ley promedio de la seccin que es del
orden de los 13,99%.
p) En S3, el tramo comprendido entre 5 y 6m presenta una ley de 5,1% >Lc=5%,
como esta capa est separada por niveles superiores de 2 metros de espesor con
leyes inferiores a la ley de corte (de 3 a 4m: 0,05% ; de 4 a 5m: 0,2%), sera

MCTC Page 78 rvillanueva@[Link]

 antieconmico extraer este estrato, por tanto cubicaremos en este sondaje hasta
los 3m.

ii) Clculo de las leyes medias ponderadas de los sondajes y de la seccin

Sondajes Longitud Ley Leyes promedios

Mineralizada l*d = z d*z Sondajes % Seccin %
D ( d * z ) ( d * z )
d d
S1 1.0 12.00 12.00
1.0 17.25 17.25
1.0 31.20 31.20
1.0 15.03 15.03
1.0 7.09 7.09
5.0 82.57 16.51

S2 1.0 10.03 10.03

1.0 3.10 3.10
1.0 28.30 28.30
1.0 17.80 17.80
1.0 12.05 12.05
0.5 11.29 5.65
5.5 76.93 13.99

S3 1.0 10.05 10.05

1.0 12.00 12.00
1.0 7.43 7.43
3.0 29.48 9.83

Seccin
1+2+3 13.5 188.98 14.00
Tabla 7,1.

iii) Determinacin de la densidad en una seccin

La densidad est en funcin de l*d = ley del tramo.
La densidad de una arenisca estril es de 1,5, y de una arenisca mineralizada empricamente
es del orden de
Densidad (d) = 1,5 + 0,0115Z

Siendo Z la ley media de la seccin considerada. En nuestro ejemplo:

d = 1,5 + 0,0115*14 = 1,66

iv) Determinacin de la superficie mineralizada en cada seccin

La superficie mineralizada de una seccin comprende:
La suma de la superficie de los trapecios que tienen como base las longitudes mineralizadas
entre dos sondajes vecinos y de altura la distancia entre esos sondajes.

MCTC Page 79 rvillanueva@[Link]

En los sondajes extremos (a la izquierda S1 y a la derecha S3) la suma del rea de los
tringulos, de base la longitud mineralizada en los sondajes (S1 o S3) y de altura la mitad del
intervalo entre los sondajes de la seccin (40/2 = 20m, en el ejemplo seleccionado).
Es decir, la superficie mineralizada sera:
5 * 20 (5 + 5,5)40 (5,5 + 3)40 3 * 20
+ + + = 460m 2
2 2 2 2

v) Determinacin del volumen del yacimiento

La zona de influencia de cada seccin mineralizada en la cual la superficie y la ley promedio
han sido calculadas, es considerada como las semi-distancias entre la seccin considerada y
cada uno de los perfiles que la encuadran sean estos mineralizados o no. Si la seccin
mineralizada est en el extremo del eje, la zona de influencia se extrapolar a una longitud
igual a la mitad de la distancia que la separa de la seccin precedente.

En el ejemplo de la figura 2,1., el volumen del mineral deducido a partir de la seccin

mineralizada AB con una superficie mineralizada de 460m2, ser:

V = 460(125+160) = 131 100 m3

320m

250m 160m
D

125m S1
A S2
Superficie mineralizada

S3

E
B

F
Figura 7,2. determinacin del volumen del yacmiento

vi) Determinacin del tonelaje

Estos tonelajes son de tres tipos y los calcularemos en el orden siguiente:

El tonelaje en mineral l*z*v, obtenido al multiplicar el volumen por la densidad

En nuestro ejemplo, el tonelaje en mineral de todo el mineral, ser:

MCTC Page 80 rvillanueva@[Link]

 Ton = V*d = 131 100*1,66 = 217 626 ~ 217 600t

El tonelaje en concentrado se obtiene multiplicando el tonelaje en l*z*v por la ley media

en l*d (ponderado) de la seccin

( i . z ( x i ))
El tonelaje en metal, de cada uno de los minerales con valor econmico, encontrados
en el yacimiento (plata, plomo, zinc, cobre, etc.).

En nuestro ejemplo, para la lnea de seccin AB se han obtenido los siguientes resultados:

Porcentaje plata en el conjunto del concentrado: 80%

zinc 9%
cobre 3,25%

Tonelaje:
Plata 30464*0,80 = 24 371t
Zinc 30464*0,09 = 2 742t
Cobre 30464*0,0325 = 990t

Observaciones relacionados con la ley media: La ley media de un bloque S se determina

por el promedio de las muestras ubicadas en su interior, es decir:
n

z i

z *S = i =1

S Reemplazando los valores en la frmula:

2 3 z*S = 16/7 = 2,29, los ponderadores son
1 todos iguales a ? 1 = ..,. = ? 7 = 1/7.
4 2
Con respecto a la expresin anterior, podemos decir que:
2 2 i) Es una combinacin lineal de las n muestras, de la
n
forma: z *S = (i , z ( xi )) , cuya suma de los ponderadores
i =1

es la unidad.

ii) Es un mtodo fcil de emplear.

iii) En datos agrupados, los resultados no son representativos. En el ejemplo notamos, al N-W
una agrupacin de leyes favorables (media = 2,8), que con respecto a la ley media del bloque
2,29; esta zona rica estara sobreestimada.

iv) En estimaciones locales, los bloques carentes de muestras no podran ser estimadas.

MCTC Page 81 rvillanueva@[Link]

Ejemplo 2. en una campaa de prospeccin de un probable yacimiento de cinc, se realizaron
36 sondajes, distribuidos en una malla regular de 150m de lado (Figura 7,3). En la Tabla 7,2
se muestran la potencia mineralizada, la ley media de cada nivel, la distancia entre sondajes,
la distancia para cada sondaje, desde la superficie hasta el inicio de la mineralizacin (I). La
densidad media aparente del mineral es de 2,9 gr/cm3. Se desea calcular las reservas del
probable yacimiento por el mtodo de perfiles o secciones.

A B C D E F
1 7 13 19 25 31 N
0 0 0 0 0 0

2 8 14 20 26 32
0 0 0 0 0 0

3 9 15 21 27 33
0 0 0 0 0 0

4 10 16 22 28 34
0 0 0 0 0 0

5 11 17 23 29 35
0 0 0 0 0 0

6 12 18 24 30 36
0 0 0 0 0 0
Figura 7,3: Plano de ubicacin de sondajes
150m

Sondajes
3 4 5 8 9 10 11 13 14 15 16 17
I(m) 20.0 18.0 19.0 16.0 15.0 15.0 20.0 18.0 14.0 10.0 10.0 19.0
Potencia(m) 2.0 5.0 1.0 9.0 20.0 18.0 5.0 1.0 12.0 20.0 25.0 10.0
Ley media (%) 8.7 9.6 13.0 7.5 5.4 9.5 13.0 11.0 13.0 9.6 8.4 7.7

Sondajes
20 21 22 23 24 26 27 28 29 32 33 34
I(m) 20.0 17.0 15.0 17.0 26.0 17.0 15.0 17.0 28.0 13.0 10.0 14.0
Potencia(m) 10.0 22.0 25.0 19.0 6.0 4.0 16.0 18.0 2.0 1.0 1.0 4.0
Ley media (%) 7.6 9.5 8.3 5.6 12.0 10.0 11.0 9.9 10.0 9.4 11.0 6.7

Tabla 7,2. Datos de sondajes mineralizados

MCTC Page 82 rvillanueva@[Link]

Solucin

i)Delimitacin de las superficies mineralizadas a travs de las secciones

A 1 2 3 4 5 6
0 0 0 0 0 0

B 7 8 9 10 11 12
0 0 0 0 0 0

C 13 14 15 16 |17 18
0 0 0 0 0 0

D 19 20 21 22 23 24
0 0 0 0 0 0

D 25 26 27 28 29 30
0 0 0 0 0 0

D 31 32 33 34 35 36
0 0 0 0 0 0

a) Delimitacin de bloques: en este trabajo, cada bloque se define por dos secciones.
b) Obtencin de volmenes:
Vbloque= (semisuma de las reas)*(distancia entre perfiles:150m).

c) Definicin de bloques marginales: multiplicando la mitad del rea de la seccin lmite (A

y F) por un valor adecuado (por ejemplo: 50m).
d) Clculo de toneladas de mineralizacin por bloque, Q = volumen * densidad (2,9
gr/cc).
e) Clculo de la ley media de cada rea mineralizada (ponderando la ley media de cada
sondaje por su espesor correspondiente).
f) Clculo de la ley media de cada bloque (ley media de las leyes medias de las dos reas
que intervienen en el clculo).
g) Obtencin de las toneladas de cinc metal, multiplicando las toneladas de mineralizacin
de cada bloque por su correspondiente ley media.

MCTC Page 83 rvillanueva@[Link]

 Bloque Volumen(m3) Mineralizacin (t) Cinc metal (t)

A-B 652 500 1 892 250 167 464

B-C 1 298 625 3 766 012 328 396
C-D 1 612 500 4 676 250 413 381
D-E 1 303 125 3 779 062 350 697
E-F 595 500 1 726 950 174 595
Marginal A 25 220 73 138 7 153
Marginal B 61 000 176 900 17 354
Suma 5 548470 16 090 562 1 459 040

[Link]. MTODO DE LOS POLGONOS.-

Este mtodo suele aplicarse cuando los sondajes estn distribuidos muy irregularmente. Si
el nmero de sondajes es grande, la cantidad de polgonos es excesiva, en cambio si es
pequeo, se asigna un espesor y una ley determinada a una superficie grande. Segn
Reedman, 1979 la asignacin de reas de influencia suele generar una sobre evaluacin
cuando existe una correlacin positiva entre espesores y leyes y una subestimacin cuando
la correlacin es negativa.

A cada muestra zi se le hace corresponder un polgono de influencia, de tal manera que la

ley estimada del bloque, z*S , es el resultado del promedio ponderado de las muestras
contenidas en el polgono. Los factores de ponderacin ? i , estarn determinados por el
rea si se trabaja en dos dimensiones o por el volumen si se trabaja en 3D .
n

s z i i

z *
S = i =1
, siendo: S = si
S

2 3
1 rea si z*S = 2,07
4 2

2 2 S

Para construir los polgonos se pueden hacer a travs de mediatrices o bisectrices

angulares, para el primer caso los polgonos se construyen trazando perpendiculares en
los puntos medios, es decir las mediatrices de los segmentos que unen los sondajes.
Para las bisectrices angulares se obtienen a travs de las bisectrices de los ngulos que
unen los sondajes.

MCTC Page 84 rvillanueva@[Link]

 Mtodo de las mediatrices Mtodo de las bisectrices

Una manera de remediar el gran error que se comete al asignarle a todo el polgono la
ley en su punto central, es ponderar un 50% al sondaje central y el otro restante a los
sondajes circundantes. Esta ponderacin es totalmente arbitraria y no es aplicable al
espesor.

De este modo la leyABCD = z1*0,5 + 0,125z2 + 0,125z3 +0,125z4 +0,125z5

Sondaje central: z1; sondajes perifricos: z2, z3, z4, z5

Annels, 1991 y Villegas, 1996 proponen un mtodo de trabajo que permite definir
tipos de reservas, conceptualmente se trata de definir subreas de influencia para cada
polgono. De esta manera los autores mencionados al inicio de este prrafo, sugieren
que para un sondaje determinado y dentro de su rea de influencia, se pueden trazar
circunferencias (Villegas, 1996) o polgonos (Annels, 1991) de radios definidos que
permitan clasificar las reservas en probadas, probables y posibles. De esta manera,
por ejemplo, las reservas incluidas por ejemplo a 30m del centro del polgono podran
definirse como probadas, entre 30 y 60 como probables y entre 60 y el lmite del rea
de influencia del polgono como posibles. El siguiente grfico esquematiza lo anterior:

LMITE
POSIBLES DEL
YACIMIENTO
PROBABLES
POSIBLES

PROBADAS

30m >60m

MCTC Page 85 rvillanueva@[Link]

 Ejemplo:
En una campaa de un posible yacimiento de cobre , se han realizado 15 sondajes a fin
de estimar las reservas. La siguiente figura muestra la ubicacin de ellos. Si la ley de
corte es 2%Cu. Se pide calcular por el mtodo de polgonos las toneladas de
mineralizacin y de metal. En la tabla adjunta se indica la potencia y la ley media del
nivel mineralizado. Tmese el valor de 3,5g/cc como densidad media aparente.
13
14
16
11 12
4
15
5 2 3
1 10
9

6 7 8
Ubicacin de sondajes

Sondajes 1 2 4 9 10 11 15
Potencia (m) 6,2 8,4 9,3 2,3 8,8 5 7,2
Ley media (%) 3,4 6,5 7,1 8,5 4,3 2,5 2,9
Resultados del anlisis de los sondajes

Solucin
El diseo de los polgonos y los resultados de los clculos se muestran el la Figura y
Tablas siguientes:
13
14
16
11 12
4
15
5 2 3
1 10
9

6 7 8
Diseo de los polgonos

MCTC Page 86 rvillanueva@[Link]

 Polgono rea (m2) Potencia (m) Volumen Mineralizacin Cobre metal (t)
mineralizado (m3) (t=V*d)
1 12 500 6,2 77 500 271 250 9 222,500
2 24 000 8,4 201 600 705 600 45 864,000
4 19 500 9,3 181 350 634 725 45 065,475
9 28 500 2,3 65 550 229 425 19 501,125
10 22 100 8,8 194 480 680 680 29 269,240
11 30 100 5,0 150 500 526 750 13 168,750
15 10 200 7,2 73 440 257 040 7 454,160
Sumas

Resultado de los clculos efectuados

Observaciones:
i) Es una combinacin lineal de las n muestras: z*S = ( .z ( x ))
i i de ponderadores
si
definidos por : i =
S
ii) Para calcular las reas de influencia, a pesar de los softwares especializados, es an
tedioso.
iii) Al limitar los polgonos de influencia el error en el clculo se incrementa.
iv) No es confiables en estimaciones locales.

[Link]. EL MTODO DEL INVERSO DE LAS DISTANCIAS.-

Este mtodo se basa en el hecho que, la influencia de los valores en un punto, decrecen a
medida que se alejan de ste, de tal manera que la ley vara en funcin inversa de su distancia.
En este mtodo el estimador del bloque z*S es una combinacin lineal ponderada de las
muestras zi. Los ponderadores ?i, se determinan por las distancias de las muestras di, al centro
de gravedad del bloque sg. A menor distancia del centro de gravedad mayor ser el peso
asignado a la muestra y viceversa.
n
zi
d

= i =1
* i
z S
n
1
d
i
i =1

El valor del ndice de ponderacin es clave en el proceso de cubicacin, pero al mismo

tiempo es arbitraria ya que no se conocen mtodos que permitan conocer el valor adecuado
(este valor puede calcularse en funcin de la direccin y del tipo de yacimiento, y debe
calcularse basndose en el anlisis del mismo), puede usarse valores comprendidos entre 1 y
5. Si el valor de es muy alto, por ejemplo 5, segn Barmes, 1980, el mtodo se asemeja al
del polgono y si se escoge un valor muy bajo por decir 0,5 hace que el suavizado sea
excesivo, dando mayor importancia a muestras que se encuentran muy alejadas del punto a
estimar.

MCTC Page 87 rvillanueva@[Link]

 En la figura:
Ley
Si = 8 el mtodo se asemeja al de polgonos.
Si = 1, este se transforma en un mtodo lineal Z =
de interpolacin ( a mayor exponente, mayor =5
peso tendr la muestra ms cercana). =2
Si = 5 el valor se parece al obtenido por la = 1.5
Regla de puntos ms cercanos.
=1
El utilizado con mayor frecuencia es = 2, este
valor, hace que se le aada mayor peso a las
muestras ms cercanas, denominado inverso
cuadrado de la distancia.
Z

Consideraciones para aplicar el mtodo:

a) Los compsitos deben adaptarse en funcin al ancho de la estructura, a la altura de

los bancos, a las unidades geolgicas y otros parmetros geolgicos-econmicos-
financieros.
b) Reducir el error de sobre peso a lo largo de una lnea, a causa de la existencia de
dos o ms compsitos que se encuentren en el interior de una abertura angular
menor igual a los 20, para ello, slo se considera el compsito ms cercano al
bloque que se est evaluando.
c) El radio de influencia se aconseja que no sea mayor de los 100m porque a mayor
distancia la diferencia entre sus valores ser mayor. Su variacin depende del
nmero y distribucin de los compsitos.
d) El tamao de los bloques debe adaptarse en lo posible a los mtodos de
extraccin, se aconseja utilizar mallas cuadradas. Es necesario tener en cuenta que
los bloques pequeos son ms flexibles de combinar para formar bloques mayores
y que el tamao ideal debe ser adaptado a cada caso en particular.

Observaciones al mtodo:
a) Es una combinacin lineal de las muestras: z*S = ( .z( x )) ,
i i cuyos
1
ponderadores se definen como: i = n
1
di
i =1
di
b) Se adapta con facilidad para las estimaciones locales y globales.

c) No considera la agrupacin de las muestras, similar a la tcnica de la media

aritmtica.

d) Las muestras cercanas al centro de gravedad tienen mayor peso.

MCTC Page 88 rvillanueva@[Link]

 e) No toma en cuenta la forma ni el tamao del yacimiento, puesto que el centro de
gravedad es comn para distintos bloques.
Nota importante:

Todas las tcnicas de estimacin descritas anteriormente, tienen una gran desventaja, el de
sobrestimar las zonas ricas y subestimar las zonas pobres de un yacimiento. A este
fenmeno se le conoce como sesgo condicional, para entender este fenmeno, analicemos el
siguiente ejemplo: en la siguiente figura cada punto representa un sondaje que se encuentra
ubicado en el centro del bloque, el rea achurada representa las zonas ricas. Para el caso de la
estimacin de leyes en los bloques denotaremos por: 1 presencia de mineral y 0 el estril.

1,0

0,0

0,4 1,0 0,85 0,9 Ley real

0,0 1,0 1,0 1,0

0,75 0,92 0,2 Ley estimada

1,0 1,0 0,0

0,3 0,4 0,2 0,94

0,0 0,0 0,0 1,0

0,95 0,91

1,0 1,0

Los promedios de las leyes reales y estimadas son de 0,67 y 0,69 respectivamente, es decir no
hay sesgo global a dicha escala, sin embargo existe un sesgo condicional en la estimacin de
los bloques, manifestada en el hecho de que las leyes estimadas en los bloques de leyes
positivas (zona achurada) tienen una ley siempre superior a la real, en cambio para las de
leyes bajas las leyes estimadas son inferiores a las reales. De aplicarse un cut-off sobre las
estimaciones ocurrira que la ley de mina sera sistemticamente superior a la ley de planta.

MCTC Page 89 rvillanueva@[Link]

Ejemplo:
Calcular la ley del bloque B, de la figura adjunta, por el mtodo del inverso de la distancia,
tomando como datos referenciales las leyes zi y distancias di, para ndices de ponderacin 2,
1 y 3.

0,5%
0,7% 0,4%

0,8% 65m
1,0%
30m B
65m
0,6%
80m
50m

1,0% 0,7%

0,6%

Para = 2
n
zi

i =1 d

1 1 1
1,0 2 0,7 2 0,6 2 0,5 2 0,8 2
1 1
z*S = n i = 80 + 50 + 65 + 65 + 30 = 0,74%
1 1 1 1 1 1

i =1 d i 80 2 50 2 652 652 30 2
Para = 1
n
zi

i =1 d 1,0
1
0,7
1
0,6
1
0,5
1
0,8
1
z*S = n i = 80 + 50 + 65 + 65 + 30 = 0,73%
1 1 1 1 1 1

i =1 d i 80 50 65 65 30
Para = 3
n
zi

i =1 d

1 1 1
1,0 3 0,7 3 0,6 3 0,5 3 0,8 3
1 1
z*S = n i = 80 + 50 + 65 + 65 + 30 = 0,76%
1 1 1 1 1 1

i =1 d i 80 3 50 3 653 653 30 3

MCTC Page 90 rvillanueva@[Link]

 CAPTULO 8

ESTIMACIN GLOBAL

Despus que el anlisis estructural haya caracterizado las distintas regionalizaciones

espaciales del fenmeno materia de estudio, se procede a la estimacin.

Generalmente la estimacin global de un yacimiento precede a su estimacin local: en

efecto, durante la etapa preliminar exploratoria no siempre se dispone de informacin
sistematizada y afinada que permita realizar estimaciones locales diferenciadas.

En una estimacin global se corrigen dos tipos de errores:

Uno de tipo geomtrico, relacionado con el desconocimiento de los lmites exactos de la

mineralizacin del yacimiento. Este tipo de error presenta cierto grado de complejidad
para definirlo y, afecta a la estimacin geomtrica del yacimiento, es decir a la
estimacin de volmenes y tonelajes de mineral as como a las estimaciones de cantidad
de metal.

El otro error es de tipo cualitativo, que tiene que ver con la estimacin de leyes y otras
caractersticas del mineral. Este error afecta por ejemplo, a la estimacin de las leyes
medias, es decir a la cantidad de metal disponible. En la seccin 8.1. nos limitaremos a
estudiar el error cualitativo, suponiendo entonces que la geometra y el volumen de la
zona son conocidos, y en la seccin 8.2. trataremos de cuantificar el error geomtrico y
su influencia en las estimaciones globales de cantidades de metal y de leyes medias.

8.1. ESTIMACIN GLOBAL, CONOCIDOS LA GEOMETRA Y EL

VOLUMEN DEL YACIMIENTO

Consideremos una zona de geometra y volumen V conocidos, se trata de estimar la

1
caracterstica media zV = z ( x )dx en esta zona, por ejemplo la ley media zV, siendo
VV
z(x) el valor de la ley en un punto.

Lmite de estacionariedad
Se supone que la regionalizacin de z(x) en V es estacionaria y caracterizada por (h),
en la prctica es suficiente la cuasi estacionariedad local, es decir, (h) representa el
promedio en V de los distintos variogramas locales estacionarios.

Por ejemplo, si los variogramas locales presentan efecto proporcional, se tomar como
variograma promedio el esquema correspondiente a la ley media m* estimada en V.

En cambio, si un yacimiento G est constituido de distintas zonas V de mineralizacin

heterognea, conviene, en este caso tratarlas individualmente.

Robinson Villanueva Page 91 rvillanueva@[Link]

Definicin del estimador global
Un estimador global, no es ms que una combinacin lineal de estimadores parciales.

Si la informacin disponible es suficiente, estos estimadores parciales son

verdaderos estimadores parciales significativos. Por ejemplo, en el caso de los
valores krigeados z*i de unidades de explotacin vi, se demuestra que el
estimador global krigeado z*es un ponderador de los volmenes relativos de los
valores krigeados locales:

1
z* =
V
vi z *i con V = vi
En general, los distintos valores krigeados z* no son independientes y el clculo de la
varianza de estimacinde z po z* hace intervenir a la covarianza de tipo:

E{(zi-z*i)(zj-z*j)}.

En la prctica la estimacin local se realiza en las primeras fases de reconocimiento,

cuando la informacin no permite realizar estimaciones locales significativas. Entonces,
podemos entender que las estimaciones parciales representan etapas intermedias entre la
estimacin global y la correspondiente estimacin local del yacimiento.

B
Por ejemplo, si un yacimiento es
reconocido por sondajes
verticales, en primer lugar se
estima cada seccin respecto a
los sondajes verticales contenidos
en ella y posteriormente se
reagrupan estos estimadores
parciales de las secciones y se
A
pondera con su longitud de
influencia.
A B
En la prctica para calcular la varianza de
estimacin global, se utilizan los principios
de aproximacin correspondiente a cada una
de las etapas intermedias que conducen al estimador global.

Robinson Villanueva Page 92 rvillanueva@[Link]

Clculo de la varianza de estimacin global

Varianza de estimacin de una ley media zV en un volumen V, con respecto a la

ley media zv de unidades de explotacin v:

E2 = E{( zV z v ) 2 } = 2 (V , v ) ( v, v ) (V , V )

Varianza de estimacin de zV por una combinacin lineal cualquiera

z* = iz(xi) de informaciones disponibles Si:

E2 = E{( zV z*) 2 } = 2 (V , S i ) i j ( Si , S j ) (V , V )
i i i j

Se supone que la estimacin es sin sesgo, es decir:

i = 1 y que E{zV z*} = 0

Krigeaje global

Es vlido pensar que en la estimacin global, es posible efectuar un krigeaje para

determinar los distintos ponderadores i a fin de que 2E sea mnima. En la prctica tal
krigeaje es raramente posible, fundamentalmente, por dos razones:

i) La hiptesis estacionaria es raramente verificable en todo el yacimiento y

slo se disponible de un esquema estructural (h) nico y vlido para todas
las distancias.

ii) El clculo de los valores medios , integrales sxtuples en el espacio
tridimensional es rpidamente inextricable cuando se hace intervenir todas
las informaciones Si y Sj disponibles. En todo el yacimiento.

Estas objeciones hacen que para la estimacin local se limite a las vecindades
restringidas del krigeaje.

En la prctica, una configuracin experimental de la informacin puede provenir de

datos distribuidos de forma regular parcialmente o de manera aleatoria. Para el clculo
de la varianza de estimacin global podemos usar simultneamente los dos principios de
aproximacin que detallamos enseguida.

Robinson Villanueva Page 93 rvillanueva@[Link]

8.1.A. PRINCIPIO DE INDEPENDENCIA DE ERRORES ELEMENTALES

Este principio trata de reducir el error global [zV z*i] en una suma de errores
elementales considerados independientes, calculando simplemente las varianzas
N
Si: [ zV z*] = i [ zi zi *]
i =1

Por tanto la varianza de estimacin global est dada por:

E2 = E{( zV z*) 2 } = i2 E{[ zi zi *]2 } + i j E{[ zi zi *]{[ z j z j *]}

i i j

Si los errores [zi z*i], [zi-z*j] con i j,se consideran independientes, la expresin
quedara como:

E2 = E{( zV z*) 2 } = i2 E{[ zi zi *]2 } = i2 E2 i

i i
Las configuraciones de las estimaciones elementales zi por z*i seran seleccionadas de
tal manera que se pueda calcular la E2 con ayuda de la frmula general o an mejor
con los bacos o con las funciones auxiliares.

Se diferencian dos composiciones de errores elementales segn estos provengan de una

misma configuracin de estimacin (1-composicin directa) o de configuraciones
distintas (2-composicin de trminos).

8..1.A.1. COMPOSICIN DIRECTA DE ERRORES ELEMENTALES

Tramo a malla regular

Sea una galera de longitud L dividida en n segmentos iguales de longitud l.
li
n

l
i =1
i = nl = L

xi

Cada segmento li es reconocido por su punto central xi, los valores de z(xi) son
conocidos, se trata de estimar z(L) por z*(L) y conocer la precisin de esta estimacin.

1 1
z ( L) = z ( x)dx = z ( x)dx + ..... + z ( x)dx
LL L l1 ln
1 1 1
= z ( x)dx = z (l i ) = z (li )
L i li L i n i

1
z ( L) = z (li )
n i

Robinson Villanueva Page 94 rvillanueva@[Link]

Para estimar z(L) consideramos que:

1
z * ( L) = z * (li )
n i
con z*(li) = z(xi)

1
z * ( L) = z ( xi )
n i
1
Precisin z * ( L) = z * ( xi )
n i
1
El error e = z*(L) z(L) = ( z ( xi ) z (l i )) ,
n i

1
es una realizacin de la V.A.: ( z ( xi ) z (li ))
n i

1 1
con: E(
n i
( z ( xi ) z (l i )) )= ( E ( z ( xi ) z (l i ))) = 0
n i

=m =m

Lo anterior nos dice que la estimacin es sin sesgo:

1
* Var( ( z ( xi ) z (l i )) ) =
n i
1 2
= 2 (Var ( z ( xi ) z (li ))) + 2 Cov( z ( xi ) z (li ), z ( x j ) z (l j ))
n i n i> j

El principio de independencia de los errores nos conduce a decir que:

Cov((z(xi)-z(li) , (z(xj)-z(lj))) = 0,
es decir que el error sobre el tramo i es independiente del error sobre el tramo j, para
todo i, j.

E ({x i }, L) = n 2 Var ( z( xi ) z(li ) = n E ( x, l )

2 1 1 2

= 2E=(xi , li)

({x i }, L) =
1 2
n E
2
E
( x, l )

Siendo 2E=(xi , li) la varianza de extensin de la estimacin de un segmento de longitud

l con respecto a su punto medio.

Robinson Villanueva Page 95 rvillanueva@[Link]

 Observacin: Hay dos formas de configurar el reconocimiento de un tramo:

Dispositivo abierto

Dispositivo cerrado

Si n > 4 2E(abierto) ~ 2E(cerrado)

Tramo a malla irregukar

li
* * * * *
xi

1
z * ( L) = l i * z ( xi )
L i

Varianza de extensin

E ({x i }, L) = ( Li ) 2 E xi , li )
2 l 2

({x i }, L) = ( ) 2 l 2 ( xi , l i )
1 2

2
E
L i E

Ejemplo: Frente a los dos casos, de estimacin de tramos:

1) 40 40 40
* * *

2) 30 30 60
* * *

seleccionaremos un variograma esfrico de alcance 50m y meseta 5(%)2

Calcular la varianza de extensin y los lmite de confianza con un nivel de probabilidad

del 95%.

Solucin
a) Malla regular
l/a = 40/50=0,8. En el baco 7 el valor de 2E(x,40) es de 0,21 para C=1(%)2

En nuestro caso:
({x i }, L) =
1 2 1

2
E E
( x,40) = * 0,21 * 5(%) 2 = 0,35(%) 2
3 3

Robinson Villanueva Page 96 rvillanueva@[Link]

 b) Malla irregular

Para los tramos de 30m: l/a = 30/50 = 0,6 y 2E(x,30) = 0,16(%)2 para C=1(%)2
(baco7)

Para el tramo de 60m: l/a = 60/50 = 1,2 y 2E(x,60) = 0,32(%)2 para C=1(%)2 (Anexo
bacos _ baco 7)

({x i }, L) = ( ) 2 l 2 ( xi , l i )
1 2

2
Como: E
L i E

({x i }, L) = (2(
30 2 60 2

2
En nuestro caso: E
) * 0,16 + ( ) * 0,32) * 5(%) 2
120 120

({x i }, L) = 0,5(%) 2
2
E

Caso general
z*(vi) = z(vi)
Donde:
vi
Z*(V)= ( V ) z (v ) i

Y
({v i }, V ) = ( i ) 2 2 E (vi ,Vi )
v

2
E
i V

Ejemplo: Si en el ejemplo anterior caso 2 el variograma esfrico presenta un efecto

de pepita de 1(%)2, una meseta de 5(%)2 y un alcance de 50m, calcular la varianza de
extensin y el intervalo de confianza de leyes con un error del 5%.

30 30 60
* * *
Leyes 10% 12% 8%

Solucin
La estimacin de la ley:

1 1
z * ( L) =
L i
l i * z ( xi ) =
120
(30 * 0,1 + 30 * 0,12 + 60 * 0,08) = 9,5%

({x i }, L) = (C C o )(( i ) 2 l 2 ( xi , l i )) + o
l 2
C

2
E
L i E n

({x i }, L) = (5 1)(2(
30 2 2 60 2 2 1

2
E
) E ( xi ,30) + ( ) E ( xi ,60) +
120 120 3

E ({x i }, L) = (4)(2( 4 ) * 0,16 + ( 2 ) 0,32) + 3 = 0,77(%) 2

2 1 2 1 2 1

Robinson Villanueva Page 97 rvillanueva@[Link]

La desviacin estndar:
E ({x i }, L) = 0,77 = 0,88(%)
El intervalo de confianza con un error del 5%, ser:
9,5 - 2(0,88) = z(L) = 9,5 + 2(0,88)
7,74% = z(L) = 11,26%

Esta composicin directa de estimaciones elementales se extiende a configuraciones bi

y tri dimensionales

A dos dimensiones:
Sea la estimacin de la ley media en una superficie S
constituida de N superficies elementales si, reconocidos
S
por un sondaje en el centro.
X X X X La varianza de estimacin elemental 2 si es calculada por
X X X X
la frmula general o por los bacos.
La varianza de estimacin global ser:
X X X X

1 s2
si
= 2
2
E
S
s
i
2
i
2
si =
N

Sea la estimacin de la ley media sobre una

superficie S constituida por la reunin de n
rectngulos sk = Lk*ek, donde cada uno de los
rectngulos es reconocido por la galera Lk.
La varianza de estimacin elemental 2 sk es
Lk ek calculada por la frmula general o por los bacos.
La varianza de estimacin global ser:
sk 1
E2 =
S2
s
i
2
k
2
sk

A tres dimensiones:
Sea la estimacin de la ley media en un volumen V
formado por n paraleleppedos de volumen vt = st*ht, cada
uno de ellos reconocido por una seccin mediana St.
St
La varianza de estimacin elemental 2 vt es calculada por
la frmula general o por los bacos.
La varianza de estimacin global ser:

1
E2 =
V2
v t
2
t
2
vt

Robinson Villanueva Page 98 rvillanueva@[Link]

TABLA DE RECAPITULACIN

Estimacin Varianza de estimacin

Tramo a malla regular

({x i }, L) =
1 1 2
z ( xi ) n E
2
li z * ( L) = E
( x, l )
n i
xi

L = nl

E 2 ({x }, L ) =
1 li
E ( xi , li )
2
Tramo a malla irregular z * (L) =
L
l i
i z( xi ) i
i
L
li

xi
({x i }, S ) =
1 1 2
z ( xi ) n E
2
Malla regular z * (S ) = E
( x, s )
n i
bidimensional
l = 2H(L/2 , l/2) F(L , l)
X X X X

X X X X

S X X X X

L
S = ns
Sj Sj
z * (S ) = ({L j }, S ) = ( ) 2 E (L j , S j )
2 2
Conjunto de paneles z( L j ) E
i S S
rectangulares reconocidos
2E(Lj , Sj) se obtiene del baco 8
por sus trazas medianas
Lj
Sj

Robinson Villanueva Page 99 rvillanueva@[Link]

8.1.A.2. COMPOSICIN DE ELEMENTOS O TRMINOS

Sea un yacimiento reconocido por tres niveles horizontales, en donde cada nivel es
reconocido por galeras y estas reconocidas a su vez por canales de muestreo.

Nivel 1

Nivel 2 l

Nivel 3

La estimacin global de la ley media del cuerpo puede componerse de 3 etapas,

correspondiente a tres trminos de estimacin:

i) Estimacin de las galeras por el conjunto de los canales de muestreo

disponibles. A esta estimacin le corresponde una primera varianza de
estimacin denominada trmino de lnea Tl.
ii) Estimacin de los niveles por el conjunto de las galeras. A esta estimacin
le corresponde una segunda varianza de estimacin denominada trmino de
nivel o de seccin TS.
iii) Estimacin de los tajos por el conjunto de los niveles supuestos
perfectamente conocidos. A esta estimacin le corresponde una tercera
varianza de estimacin denominada trmino de tajo TV.

La varianza de estimacin global del cuerpo estar dada por:

2E = Tl + TS + TV-

Trmino de lnea:
Asumiendo que una galera puede corresponder a una
Lk lnea Lk reconocida por ejemplo por nk canales de
muestreo a intervalos regulares l, la varianza de
l estimacin de esta lnea Lk viene expresada por:

Lk = l* nk 1 2
L2 = l
K
nk

Robinson Villanueva Page 100 rvillanueva@[Link]

El reconocimiento de todas las galeras (longitud total L = nLk) por el conjunto de los
n = nk canales de muestreo de longitud elemental regular igual a l. La varianza de
estimacin del trmino de lnea est dado por:

1
TL = L2 = l2
n

Trmino de seccin:

El conjunto de los tres niveles que ha

permitido reconocer el cuerpo, puede ser
asimilado por la reunin de n rectngulos
ek sk = Lk *ek , asimismo cada rea ha sido
reconocida por una galera mediana Lk
supuesto perfectamente conocida.
Lk

El reconocimiento de todas las secciones (superficie total S = nsk) por el conjunto de

todas las galeras est caracterizado entonces por la a varianza de estimacin del
trmino de seccin:
1 n 2 2
TS = S = 2 sk sk
2

S k =1

Siendo 2sk la varianza de estimacin del rectngulo sk por su mediana Lk supuesto

perfectamente conocida.

Trmino de tajo:

El error de estimacin de los tres tajos del cuerpo se evala por sus niveles o secciones
medianas supuesto perfectamente conocidas.

Cada tajo vt es reconocido por su seccin mediana .

El trmino de tajo est dado por:

n
1
TV = V2 =
V2
v
k =1
2
t vt
2

Siendo 2vt la varianza de estimacin del paraleleppedo vt por su seccin mediana Sk

supuesto perfectamente conocida.

Robinson Villanueva Page 101 rvillanueva@[Link]

8.1.B. PRINCIPIO ALEATORIO RELATIVO A LA INFORMACIN

Este principio considera la aleatoriedad relativa a la informacin en el interior de un

sector.

Por ejemplo en el espacio bidimensional si se dispone de una malla no regular pero con
densidad uniforme de informacin, es posible definir una grilla denominada
aleatoriedad estratificada, tal que cada cuadrcula de la grilla contiene en promedio un
dato.

S X X
Sea Z(x) la informacin puntual en la
X X cuadrcula s (x s). La varianza de
X
estimacin de la ley media zS en s por z(x)
X
X
es:
X
X
E{[zS-z(x)]2}.
X
X
X

En efecto x describe toda la cuadrcula s con densidad de probabilidad uniforme dx/s.

La varianza de estimacin media correspondiente al aspecto aleatorio de x en s, se

escribe como:
1
s2 = E{[z S - z(x)]2 }dx = D 2 (o/s).
sS
Esta expresin no es otra cosa que la varianza de dispersin, de los datos puntuales z(x)
en la superficie de malla s.

Si aplicamos el principio de independencia de los errores elementales, la varianza de

estimacin de la ley media de un sector S formado por la reunin de N mallas obtenidas
por composicin directa:

1 2
S2 = E{[ z S z *S ]2 } = D (o / s )
N

N
1
Con S = N*s y z *S =
N
z( x )
i =1
i

Este principio de implantacin aleatoria estratificada se aplica de manera anloga a toda

configuracin de informacin a 1,2 o 3 dimensiones irregulares, pero de densidad
constante.

Para el caso de aleatoriedad pura es aconsejable no utilizar este principio.

Robinson Villanueva Page 102 rvillanueva@[Link]

A continuacin, daremos algunos ejemplos de distintas formas de ubicacin de
muestreo en el reconocimiento de reas mineralizadas:

Ubicacin preferencial

Los sondajes se ubican en las zonas mejor

x x mineralizadas
x

x x x x
x
x

Malla regular:
1

2
E
= (2 (o, s ) ( s, s ))
n
X X X X

X X X X

S X X X X

Aleatoriedad estratificada:
Los sondajes son ubicados al azar en el interior de cada malla
1
E = n ( (s, s)
2
x x
x x x x x
x
x x x x
x x x x x x

Aleatoriedad pura:

2
E
= ( ( s, s ) x x x x
n
x x x x

2 2 2
E
>> E
> E

aleatoriedad aleatoriedad malla

pura estratificada regular

Robinson Villanueva Page 103 rvillanueva@[Link]

 CAPTULO 9

GEOESTADSTICA _EVALUACIN DE LAS RESERVAS

EL KRIGEAJE (KRIGING O KRIGEAGE).

9.1. EL KRIGEAJE
La Geoestadstica, a travs del semivariograma, usa el Krigeaje (en ingls kriging y en
francs krigeage) para estimar las reservas de un yacimiento, en la evaluacin estima el
valor de una VR en un punto o en un bloque, a partir de ponderadores semejantes al
mtodo de inverso de la distancia. Este valor es el mejor estimador lineal insesgado de
la variable, no sesgado porque la varianza de estimacin es mnima, el error entre lo
estimado con lo real es nulo (considerando como error la diferencia entre lo estimado
con lo real) y lineal porque es una combinacin lineal de la informacin disponible.
Las tcnicas anteriores difieren del Krigeaje, pues en este mtodo se utiliza toda la
informacin disponible, no solo la correspondiente a cada bloque, sino tambin la de los
bloques vecinos.
Sin embargo, el Krigeaje no es vlido cuando la
X1 malla es relativamente pequea (segunda
campaa de reconocimiento sistemtico).

La utilizacin del Krigeaje en la estimacin

Xi
global aportar informaciones complementarias
X0
importantes.

X4

X2

X3

Por lo anterior, podemos decir que el krigeaje se convierte en el mtodo ptimo de

estimacin, su uso est ampliamente desarrollado en todo tipo de yacimientos,
especialmente en aquellos de alta valor y erraticidad (p.e. oro, diamante), como los
clculos matemticos son resueltos por la aplicacin de softwares especializados, el
nico problema para lo operadores radica en la complejidad conceptual frente a los
mtodos clsicos, resuelto este problema, el mtodo se convierte en el nico seguro y
confiable en la estimacin de reservas.

9.2. ESTIMACIN LOCAL

MCTC Page 104 rvillanueva@[Link]

9.2.1. Objetivo
En los captulos anteriores se ha estimado el volumen (V) y la ley de este yacimiento,
proceso llamado estimacin global.
En este captulo consideraremos un volumen elemental v de V y estimaremos su ley
z*(v).
La estimacin local presenta al menos dos aspectos importantes:
El primero, es el de explotar en lo posible solo aquellos bloques cuya ley sea superior al
cut-off (ley de corte zc).
l segundo aspecto importante, reside en la programacin de la explotacin, se trata de
enviar a la planta, mineral cuya ley sea la ms constante posible. En tal caso se debe
simular el perodo de explotacin.

El objetivo de la estimacin local es de diferenciar zonas ricas de las pobres, esta

estimacin es mucho ms sensible a los riegos de sesgo que la estimacin global.

9.2.2. Problema de sesgo

Sean bloques v definidos por
z(v) Primera sondajes x
bisectriz
v
Xx
xx x x Recta de
x xx x x x x x mnimos cuadrados
x xx x Xx x x x xx

z(x)
Si se escoge para z(v) el valor de z(x) correspondiente, se est cometiendo un error de
prediccin que corresponde a la diferencia entre la recta de mnimos cuadrados y la
primera bisectriz esto puede dar lugar a subestimar los valores bajos y a sobreestimar
los valores altos, por tanto es necesario trabajar con la recta de mnimos cuadrados.

9.3. ECUACIN DE KRIGEAJE.

[Link]
Sea V el volumen elemental a estimar y vi los diferentes volmenes conocidos.

Estimaremos z(v) por:

z*(v) = 1z(v1) + .... +iz(vi) +.......+nz(vn)
vi

Al krigeage le corresponde calcular los valores de i.

a) La estimacin debe ser sin sesgo, entonces:

MCTC Page 105 rvillanueva@[Link]

 E(Z*(V) Z(V)) = 0

n
E ( i Z (v i ) Z (v ) = 0
i =1

i =1
i E ( Z (vi )) E ( Z (v)) = 0

=m =m
n
m( i 1) = 0
i =1

i =1
i =1

b) El error debe ser mnimo

Var ( Z (vi ) Z (v)) = E ( Z (vi ) Z (v)) 2 = mnimo

El problema consiste en optimizar los parmetros ( i = 1)
Aplicando el formulismo de Lagrange, se demuestra que el problema puede
presentarse bajo la forma de un sistema de ecuaciones lineales, llamado
Sistema de Krigeage.

1 (vi v1 ) + K + i (v1vi ) + K n (v1v n ) + = (v1v)

M
1 (v j v1 ) + K + i (v j vi ) + K n (v j v n ) + = (v j v)
M
1 (v n v1 ) + K + i (v n vi ) + K n (v n v n ) + = (v n v)
+1
i + + n =1

El sistema consiste de n+1 ecuaciones con n+1 incgnitas.

La escritura matricial correspondiente es:

[K ][ ] = [M 2 ]

[Link] relacionadas con los trminos de la ecuacin matricial

MCTC Page 106 rvillanueva@[Link]

a) [K ] depende de los valores de vi (conocidos) y no de V (por estimar), esto permite
sacar la inversa de la matriz [K ] una sola vez. Esta matriz hace intervenir las distancias
estadsticas entre las muestras de valores conocidos (estimados) y que forman parte de
la estimacin, contribuyendo de esta manera analizar informacin relativa a la
existencia de agrupamientos (clustering) entre las muestras, es una forma de evitar
posibles clculos redundantes entre ellos y que no depende exclusivamente del valor de
las muestras sino tambin de la continuidad espacial.

La matriz [M 2 ] a travs de (h) expresa la relacin existente entre las muestras

conocidas x1, x2, x3. x4 y la muestra a estimar x0. Sera una expresin similar a la que se
utiliza en el mtodo de estimacin del inverso de la distancia, con la diferencia que en el
krigeaje se consideran distancias estadsticas y no las geomtricas.

b) El sistema de krigeage hace intervenir al variograma, a la geometra del estimante y

la geometra relativa del estimante con respecto al estimado.

Segn lo anterior, podemos decir que el krigeaje toma en cuenta, dos factores en su
estimacin: la distancia y el agrupamiento.

[Link] exacta
El Krigeage tiene la propiedad de ser una interpolador exacto es decir:

z*(V) =z(vi)

[Link] de krigeaje
Si v = v 1 + v2

v. Z*K(v) = v1. Z*K(v1) + v2.Z*(v2)

9.3.5. Observaciones importantes al krigeaje

A) En principio, el krigeaje asigna los mayores pesos a las muestras cercanas al bloque
a estimar, sin embargo existen casos en que este principio no se cumple, por ejemplo en
el siguiente caso deseamos estimar el bloque P a partir de las 8 muestras Si :

S3 S7
P

S4 S1 S5 S6

S2 S8

Bajo las condiciones de isotropa del yacimiento, los ponderadores se relacionaran de

la siguiente manera:
1 i para todo i = 2,3,4, ... , 8 (el peso de la muestra interna es
mayor con respecto a las otras muestras)

2 , 3 i para todo i = 4, 5, ... , 8

MCTC Page 107 rvillanueva@[Link]

 Las simetras evidentes son: 2 = 3 ; 7 = 8

6 0, en este caso se dice que la muestra 5 ejerce efecto de

pantalla (ecran) a la muestra 6 (S5 disminuye la influencia de S6; 6 < 5).

4 5 + 6 + 7 + 8. (fenmeno de transferencia de influencia:

4 > 5 ha transferido una parte de su influencia sobre las muestras S7, S8 y S6)

Una ptima distribucin de pesos debe tambin considerar la distribucin geomtrica de

las muestras, de esta manera el peso de 4 es equivalente a la suma de pesos de las
muestras opuestas: 5, 6, 7 y 8.

B) Es frecuente encontrarse con ponderadores cercanos al valor 0 o negativos, en la

prctica no se pierde precisin al omitirlos.
El valor de los ponderadores depender de las caractersticas del yacimiento, resumidas
en el variograma, veamos algunos comentarios de influencia de la morfologa del
semivariograma en la estimacin de reservas por krigeaje. Comentaremos cinco
aspectos: la influencia de la escala (valor de la meseta), de la forma, el efecto de pepita,
el alcance y la anisotropa.
i) a influencia de la escala: Dos semivariogramas
(h) semejantes pero con mesetas diferentes generan
dos valores iguales en su estimacin, pero
diferentes en los valores de las varianzas del
krigeaje.
h

ii) La influencia de la forma: Sean los

modelos gausiano y exponencial que
alcanzan la misma meseta. El exponencial
(h) genera factores de ponderacin mayores en
los puntos cercanos mientras que, los ms
alejados tienen ponderaciones menores
incluso pueden ser negativas. Esto se debe a
h que dicho variograma es indicativo de un
fenmeno muy continuo.

Los factores de ponderacin negativos indican la presencia de un efecto de pantalla,

una muestra ejerce este efecto en la estimacin cuando otra muestra se sita entre ella y
el punto a estimar. Este efecto tiene sus ventajas y desventajas: una de sus ventajas es
que en la asignacin de valores, a un punto, no asignar valores mayores ni menores
que los mximos o mnimos existentes. Como desventaja del efecto de pantalla es que
existe la posibilidad de existencia de una estimacin negativa, cuando a una muestra
con un alto valor se le asigna un factor de ponderacin negativo. Por esta razn y puesto
que todas las variables que involucran estimar las reservas de un yacimiento no pueden
nunca presentar valores negativos, se tiende y suele a no ajustar modelos que presenten
comportamientos parablicos en el origen, incluso cuando las variables tengan un
comportamiento espacial extremadamente continuo.

MCTC Page 108 rvillanueva@[Link]

iii) El efecto de pepita. Dados dos semivariogramas semejantes uno de ellos con
presencia de efecto de pepita, la estimacin para un mismo punto utilizando ambos
variogramas, refleja una menor variacin en los factores de ponderacin cuando el
semivariograma utilizado es el que presenta el efecto de pepita y la varianza del krigeaje
es mayor. Cuanto ms se incremente dicho efecto la estimacin tiende a semejarse a una
simple ponderacin de las muestras. La situacin extrema se presenta en el efecto de
pepita puro, en tales casos no es recomendable usar el krigeaje.

iv) El alcance. En un semivariograma, la variacin del alcance tiene una relativa

pequea influencia en el clculo de los factores de ponderacin, afectando en el
resultando final de la estimacin, en mayor medida a la varianza de krigeaje. El efecto
es considerablemente menor cuando el alcance aumenta, pues en trminos de distancia
estadstica las muestras aparecen ms cercanas. En cambio, si el alcance es muy
pequeo, todas las muestras se encuentran a igual distancia estadstica , por lo que el
efecto es similar al producido por el efecto de pepita puro: la estimacin se convierte en
una simple ponderacin de los datos existentes.

iv) La presencia de anisotropa. La principal incidencia que tiene este fenmeno en el

proceso de estimacin es el mayor peso que se le da a las muestras incluidas en la
direccin de mxima continuidad (eje mayor de la elipse terica), frente a un menor
peso a las situadas en la direccin de mnima continuidad (eje menor de la elipse). Este
hecho es relevante, incluso en el caso que las muestras localizadas en el eje menor de la
elipse, estn ms cercanas, geomtricamente, que las otras. Por eso se recomienda
calcular los variogramas en distintas direcciones, con el objetivo de encontrar la
presencia de direcciones anistropas.

C) Es necesario analizar las caractersticas que debe presentar el rea de bsqueda, es

decir definir la zona de captura de los puntos que entrarn a formar parte de la
estimacin y discutiremos el tema en los siguientes aspectos:

C.1.)Forma del rea de bsqueda .La forma del rea de bsqueda, suele ser
normalmente una elipse centrada en el punto que va a ser estimado. Su orientacin lo
dicta la anisotropa del esquema de continuidad espacial, con el eje mayor de la elipse
en la direccin de mxima continuidad. Si no existen direcciones privilegiadas, la elipse
se convierte en un crculo, en tal caso la direccin deja se ser relevante. Lo mencionado
anteriormente es para dos dimensiones en caso del espacio tridimensional la elipse se
convierte en elipsoide y el crculo en esfera.

C.2.)Nmero de muestras a capturar. Est relacionado con el tamao de la

elipse, es decir el nmero de puntos de estimacin que se deben incluir en ella. En la
prctica debe intentarse que la elipse contenga al menos de 6 a 12 puntos de estimacin.
En mallas irregulares de muestreo, la longitud de la elipse debe ser ligeramente superior
que la distancia media de muestreo (DMM), definida por:

1
S 2
DMM = t .
n

MCTC Page 109 rvillanueva@[Link]

 donde: DDM = distancia media de muestreo; St = Area total cubierta por las muestras
y n = nmero de muestras.
Es necesario comentar que cuantas ms muestras se incluyan mayor ser el nmero de
operaciones a ejecutar (problema resuelto por la informtica y por los ordenadores
actuales) y mayor ser el suavizado de la estimacin, esto hara que el concepto de
mejor estimador no sesgado del krigeaje no se cumpla, por lo que es necesario analizar,
con cuidado, el tamao de la elipse. Es regla comn, utilizar como semieje de la elipse
un valor prximo al alcance del semivariograma en la direccin considerada, de tal
manera que se asegura la hiptesis de estacionariedad y se cumpla la correcta
estimacin

C.3.)Caractersticas de las muestras. Este hecho se analiza en dos aspectos: por

un lado la posible presencia de agrupamientos de muestras, resuelto por la morfologa
matemtica propia de la geoestadstica, que lo toma en cuenta y pondera este fenmeno.
Por otro lado, el segundo aspecto menciona la importancia de las diferentes muestras
para su inclusin en la estimacin, por ejemplo la pertenencia o no a un determinado
grupo. Esta situacin es difcil de caracterizar y menos de verificar, por lo que la
decisin debe venir de una informacin cualitativa. Es decir, el estudio geolgico
completo, detallado y ptimo de toda la informacin presente, es uno de los mejores
parmetros para definir que muestras son relevantes y cuales no la son, pudiendo ser
estas ltimas apartadas del proceso de estimacin.

9.4. KRIGEAJE PUNTUAL

La particularidad del krigeaje puntual es de ser un interpolador exacto, es decir que si
estimamos la ley en un punto coincidente con la muestra, el krigeaje nos restituir la
ley de la muestra con una varianza del error de krigeaje igual a cero.

Ejemplo:
El cuadrillado representa sondajes en los puntos x1, x2, x3, x4, con leyes de 3,2%;
2,5%; 4,0% y 1,5% respectivamente. Se desea conocer la ley en el punto x0,
sabiendo que el variograma asociado corresponde a un modelo esfrico con las
siguientes caractersticas: C0 = 2(%)2 Cl = 20(%)2 y a = 200 m.
(h)
x2 50m

x1 50 m C0 + C1

x0 x3
C0
x4

a h

El problema se resuelve de la siguiente manera:

a) Definir los elementos de las matrices.
b) Sacar la inversa de K ([K ] ).
1

c) Calcular los valores de i.

MCTC Page 110 rvillanueva@[Link]

 [ ] = [K ]1 [M 2 ]

1 11 12 13 14 1 01
2 21 22 23 24 1 02
3 = 31 32 33 34 1 03
4 41 42 43 44 1 04
1 1 1 1 0 0

a) Clculo de los elementos de la matriz [M 2 ]

3 h 1 h 3
( h) = C0 + C1 h<a
2 a 2 a
3 50 1 50 3
01 = 2 + 20 = 9,34
2 200 2 200
3

3 502 + 1002 1 502 + 1002

02 = 2 + 20 = 17,02
2 200 2 200


3 150 1 150 3
z< 03 = 2 + 20 = 20,28
2 200 2 200
3 50 2 1 50 2 3
04 = 2 + 20 = 12,17
2 200 2 200

9.34
17,02
[M2 ] =
20,28

12,17
1

b) Clculo de los elementos de [K]

Se tiene que:

MCTC Page 111 rvillanueva@[Link]

 11 = 22 = 33 = 4 = 0

De la misma manera que en a) calculemos los trminos siguientes:

3 50 2 1 50 2 3
12 = 21 = 2 + 20 = 12,17
2 200 2 200
14 = 41 = 17,02
13 = 31 = 20,78
34 = 43 = 22
23 = 32 = 19,68
42 = 24 = 21,72

0 12,17 20,78 17,02 1

12,17 0 19,68 21,72 1
[K] = 20,78 19,68 0 22 1
17,02 21,72 22 0 1
1 1 1 1 0

Al resolver el sistema: [] =[K]1 [M2 ]

Se obtiene: 1 = 0,518; 2 = 0,022; 3 = 0,089; 4 = 0,37
Se verifica que: i =1

La ley en xo ser: 3,2*0,518 + 2,5*0,022 + 4,0*0,089 + 1,5*0,37 = 2,6%

9.5. KRIGEAJE DE BLOQUES

En este tipo de krigeaje el valor estimado se le asigna a un bloque y no a un punto. Esta

capacidad que tiene el krigeaje de efectuar la estimacin sobre una volumen y no sobre
un punto, es una de sus caractersticas propias; si bien es cierto la manera de operar
puede trasladarse a otros mtodos como el inverso de la distancia, los resultados no son
consistentes (Isaaks y Sirastava, 1989).

Para determinar el valor del bloque se lleva a cabo una discretizacin del rea en un
conjunto de puntos (2*2, 3*3, ...), obtenindose posteriormente la media entre los
distintos valores, el clculo tedioso de las operaciones ha sido ampliamente resuelto por
el hardware y softwares actuales. A manera de visualizar el mtodo (media aritmtica
de los puntos discretizados extrapolada al rea establecida) adoptemos el grfico de
Isaaks y Sirastava, 1989, en este esquema, en la parte superior (a), se indica un bloque

MCTC Page 112 rvillanueva@[Link]

a estimar (achurado) discretizado en cuatro puntos. El resultado de la estimacin del
bloque es 337.
En el resto del esquema, de b) a e) se muestran los resultados de las estimaciones
puntuales, cuyos valores son: 336, 361, 313 y 339, cuyo valor medio es 337,25, valor
muy similar al obtenido por el krigeaje de bloques (337).

* *
337
* *

a)

336 361 313 339

b) c) d) e)

Estudio comparativo entre el krigeaje de un bloque y los krigeajes puntuales.

Es importante precisar que los valores que se obtienen con el krigeaje llevan consigo los
correspondientes valores de la varianza de estimacin (varianza de krigeaje), esto
permite estudiar la bondad de la estimacin. La varianza de krigeaje es la que determina
la calidad del mtodo, ya que ningn otro obtiene este parmetro y que es til cuando se
trata de categorizar las reservas del yacimiento.

9.6. INFLUENCIA DE LA VARIANZA DE KRIGEAJE EN LA DEFINICIN DE

RESERVAS DEL YACIMIENTO.

El clasificar reservas, es un tema de importancia econmica y la forma de abordar y dar

solucin a este problema est en funcin si la clasificacin se realiza para una mina
pequea, para una gran empresa minera o para el gobierno, ya que cada uno de ellos
tiene distintos objetivos y por tanto existen diferentes soluciones.

La Estadstica al considerar a las muestras como independientes entre s, hace que el

clculo de los errores de estimacin traiga consigo una sobrevaloracin de ellos.

La Geoestadstica, al calcular las varianzas de estimacin toma en cuenta la correlacin

que existe entre los datos geolgicos (leyes, potencia, litologa, etc) y permiten adems
distinguir las componentes aleatorias de las espaciales as como calcular los errores de
la estimacin.

MCTC Page 113 rvillanueva@[Link]

Los semivariogramas, reflejan la variabilidad de las mineralizaciones, la variacin total
(Co+C1) se divide en una parte aleatoria, representada por el efecto de pepita y otra
espacial C1, asimismo permite definir los dominios de influencia o alcances a de las
variables y que por debajo de este valor tienen una correlacin mesurable.

El ao 1977, Royle, fue el primer geoestadstico que le dio una aplicacin prctica a la
varianza de estimacin para la clasificacin de reservas; afirma que la clasificacin debe
basarse tanto en el valor de la varianza de krigeaje como en el valor propio estimado,
estableciendo que para cada bloque estimado, se puede obtener la probabilidad de que el
valor real de dicho bloque est por encima de una determinada ley mnima de
explotacin. Para tal efecto se calcula el valor D por la frmula:

(VKB LME )
D=
k
Donde:
D = Desviacin;
VKB = Valor krigeado del bloque;
LME = Ley mnima de explotacin
k = Desviacin estndar del krigeaje

Por ejemplo, si la ley mnima de explotacin para un yacimiento de oro es de 4 g Au/t,

la ley krigeada del bloque es 4,12 g Au/t y su varianza de krigeaje es 0,03 (g Au/t)2,
entonces, la desviacin es:
(VKB LME ) ( 4,12 4,00) 0,12
D= = = = 0,693
k 0,03 0,1732
En la tabla de distribucin normal, la probabilidad de que la desviacin D sea mayor
que la LME ser de 0,75586 = 75,86%. De esta manera establecidas todas las
probabilidades para los distintos bloques krigeados, se estableceran rangos definidos
para las reservas probadas, probables, posibles, etc. (vase el mtodo de Annels).

Otro mtodo es el propuesto por Annels (1991). Si se construye la curva de

frecuencias, de las varianzas de krigeaje, de los bloques estimados, de distinguirse
poblaciones distintas se puede categorizar a los valores de la varianza. A ttulo de
ejemplo vase la tabla y grficos siguientes:

Frec. Varianza Categora

krigeaje
0 0,0075 Probables (1)
0,0075 Posibles (2)
0,0135
> 0,0135 Demostradas/inferidas (3)

1 2 3
0,0075 0,0135 Varianza

Lamentablemente se ha avanzado poco en estos ltimos aos, especialmente en la

minera peruana, entre una de las razones, la ms fuerte probablemente es que, los
gelogos y mineros no han asimilado el potencial de la varianza de estimacin.

MCTC Page 114 rvillanueva@[Link]

9.7. KRIGEAJE INDICADOR
Este mtodo no paramtrico, es una variante de la Geoestadstica para evaluar
yacimientos y su uso se est difundiendo cada da como mtodo de evaluacin y anlisis
de reservas, en explotaciones de alto contenido metlico (p.e. el oro, etc.). El mtodo
convierte los valores de las variables a parmetros dicotmicos (0 y 1), dependiendo de
su relacin con la ley de corte:

1, si z(x) > zc
l(x,z) {
0, si z(x) < zc

Cuando las leyes han sido transformadas, se puede construir un semivariograma y

ajustarlo a uno de los modelos conocidos, si fuera el caso de un esfrico, la relacin
sera:
h h
3

I + I [1,5 0,5 ], h > a

( h, z ) = 0 a a
I + I , h < a
0

Io e I son equivalentes a Co y C en un semivariograma normal. Modelizado el

semivariograma de indicadores se puede realizar un krigeaje de bloques, que recibe el
nombre de krigeaje indicador. El valor de cada bloque sera el porcentaje recuperable de
mineralizacin que tiene ese bloque para una determinada ley de corte. Las estrategias
de explotacin podran basarse en estos resultados comparndolos con el krigeaje de
bloques normal u otro tipo de evaluacin.

Para ilustrar el mtodo veamos un ejemplo:

Sean dos bloques mineralizados evaluados por sondajes en sus cuatro vrtices. La ley
media de los cuatro vrtices y el espesor constante son los valores que se les asigna.
Supongamos adems que se presentan las dos situaciones siguientes:

Bloque A: 4,5%; 5,2%; 6,5% y 7,4% ley media = 5,9%

Bloque B: 3,5%; 2,2%; 3,5% y 14,4% ley media = 5,9%

Si la ley mnima de corte es de 4%, es evidente que ambos bloques son explotables, a
pesar que la explotabilidad del segundo bloque dependa mayoritariamente del valor
14,4%, est entendido entonces que la ley media no pone en evidencia la relacin
espacial entre los valores calculados.

Si a los valores superiores a la ley de corte (4%) que constituyen el mineral se le asigna
el valor 1 y a los inferiores, el valor de 0. En tales circunstancias todos los sondajes del
boque A, entran en la categora de mineralizacin y al bloque se le podra asignar un
indicador medio de 1. en cambio, para el bloque B, slo un sondaje tiene ley superior a
4%, por lo que este bloque recibira un indicador de 1/4 = 0,25. En este caso aunque la

MCTC Page 115 rvillanueva@[Link]

ley media sugiere que todo el bloque es mineral, el indicador medio nos afirma que
slo el 25% del bloque puede considerarse como mineral.

9.8. EL COKRIGEAJE

Hasta el momento, nos hemos interesado en el anlisis, tratamiento y variografa

de una sola variable regionalizada a la vez, por ejemplo, la ley z(x) en un punto x.

Sin embargo, todo el formalismo matemtico se puede generalizar al estudio

simultneo de dos variables regionalizadas diferentes. Bajo estas circunstancias es
til usar la informacin de una de las variables para calcular la otra, a este proceso
se le denomina cokrigeaje.
Por ejemplo si las leyes en plata y zinc en un yacimiento polimetlico se
encuentran correlacionadas, podemos decir que:

Cada una de estas variables tiene su propia funcin aleatoria:

- la ley en Ag, yAg(x), en el punto x

- la ley en Zn, yZn(x), en el mismo punto x.

Cada una de estas dos variables posee su propio variograma:

{[
2 Ag (h) = E Y Ag ( x) Y Ag ( x + h) ] },
2
para la plata

{ }
2 Zn (h) = E [YZn ( x) YZn( x + h)] , para el zinc
2

Como la plata y el zinc estn correlacionadas, podemos entonces definir y

estimar el variograma cruzado Ag-Zn:

[ ]
2 AgZn (h) = E {Y Ag ( x) Y Ag ( x + h) [YZn ( x) YZn ( x + h)]}

que caracteriza la correlacin espacial cruzada entre los incrementos de ambas

variables.

Ejemplo: Calcular el estimador de la variable X en el punto de coordenadas (0,0).

Obsrvese que de las tres muestras vecinas, una de ellas no ha sido analizada por la
variable X y todas han sido analizadas por la variable V.

X1 = 741

MCTC Page 116 rvillanuev a@[Link]

 V1 = 414

(-3;6)
X0 = ?

(0;0)
V3 = 56

(3;-3)
X2 = 504
V2 = 386

(-8;-5)

El estimador del cokrigeage es una combinacin lineal de variables primarias y

secundarias, para la variable x del ejemplo ser:

x*0 = a1x1 + a2x2 + b1v1 + b2v2 + b3v3

donde x*0 es el estimador de la variable X en el punto (0;0); xi y vj son los valores de

las variables X y V respectivamente; ai y bj son los pesos de cokrigeage que deben
estimarse.
En general para n valores x y m valores v, el estimador de cokrigeage se puede escribe
de la siguiente manera:
n n
x *0 = a i xi + b j v j
i =1 i =1

Este estimador como es insesgado, se verifica que:

[ ]
E x * 0 x0 = 0
n m n m
E ai xi + b j v j x0 = n x ai + mb b j v j n x =0
i =1 j =1
i =1 j =1

Donde E(xi) = mx y E(vj) = mv.

n m
Finalmente podemos decir que: ai = 1 y b j =0
i =1 j =1

Es decir, la sumatoria de pesos de la variable principal debe ser 1 y la correspondiente a

las variables auxiliares deben sumar cero.

Bajo las condiciones de no sesgo, el sistema de cokrigeage sera:

MCTC Page 117 rvillanueva@[Link]

 n m

ai Cov( xi ; x j ) + bi Cov(vi ; x j ) + a =Cov( xo ; x j ) para todo j = 1,2, ... , n

i =1 i =1

n m

ai Cov( xi ; v j ) + bi Cov(vi ; v j ) + b =Cov( xo ; v j ) para todo j = 1,2, ... , n

i =1 i =1

n m

ai = 1 ; b j =0
i =1 j =1

Se trata de un sistema lineal de n + m + 2 ecuaciones que nos permitir obtener los n

ponderadores a, los m ponderadores b y los parmetros de Lagrange a y b

La varianza del cokrigeage ( 2 ck ) se define como:

n m
2 ck = Cov( xo , xo ) + a ai Cov( xi , xo ) b j Cov (v j , xo )
i =1 i =1

Observaciones:

i) Tanto el sistema como la varianza de cokrigeage, slo son vlidos para una
estimacin puntual, de restringido uso en minera donde se requieren
estimaciones de bloques.
ii) En el clculo el cokrigeage requiere de las covarianzas simples y cruzadas
entre las variables. experimentalmente el variograma cruzado se define

como: UV (h) =
(ui u j )(vi v j )
2 N ( h)

iii) Si se tiene informacin de la variable principal y de las secundarias en todas

las muestras y si los variogramas simples y cruzados son proporcionales a un
mismo modelo, entonces el cokrigeage dar los mismos resultados que el
krigeaje.

Retomemos el ejemplo anterior de las muestras X y V: supongamos que los

variogramas experimentales fueron ajustados a los modelos:

V(h) = 22 000 + 40 000Sph(25) + 45 000Sph(50) anisotropa x = 0,83 ; y = 0,33

X(h) = 440 000 + 70 000Sph(25) + 95 000Sph(50) anisotropa x = 0,83 ; y = 0,33

VX(h) = 47 000 + 50 000Sph(25) + 40 000Sph(50) anisotropa x = 0,83 ; y = 0,33

Se observa que los variogramas simples y el cruzado obedecen a un mismo modelo: una
estructura peptica seguida de dos modelos esfricos (Sph) de 25 y 50 m de alcance,
respectivamente. En la siguiente tabla se han resumido los valores de las covarianzas
simples y cruzada:

Pare Distancia Distancia CovX(h) CovV(h) CovXV(h)

s Geomtrica estructural

MCTC Page 118 rvillanueva@[Link]

X1X1 0 0 605 000
X1X2 12,1 9,1 99 155
X3X2 0 0 605 000
1V1 0 0 107 000
V1V2 12,1 9,1 49 623
V1V3 10,8 5,0 57 158
V2V2 0 0 107 000
V2V3 11,2 11,2 45 164
V3V3 0 0 107 000
U1V1 0 0 137 000
U1V2 12,1 9,1 49 715
U1V3 10,8 5,0 57 615
U2V1 12,1 9,1 49 715
U2V2 0 0 137 000
U2V3 11,2 11,2 45 554
U0U1 6,7 2,6 134 229
U0U2 9,4 9,0 102 334
U0V1 6,7 2,6 70 210
U0V2 9,4 9,0 52 697
U0V3 4,2 2,5 75 887

Las covarianzas son reemplazadas en el sistema de cokrigeage que en forma matricial se

expresa como:

605000 99155 137000 49715 57615 1 0 a1 134229

99155 605000 49715 137000 45554 1 0 a2 102334

137000 49715 107000 49623 57158 0 1 b1 70210

=
49715 137000 49623 107000 45164 0 1 b2 52697

57615 45554 57158 45164 107000 0 1 b3 75887

1 1 0 0 0 0 0 -1 1

0 0 1 1 1 0 0 -2 0

Desarrollando el sistema se obtiene:

El peso de los coeficientes: a1 = 0,512 ; b1 = 0,216 ; a2 = 0,488 ; b2 = - 0,397 ; b3

= 0,666 ; 1 = 205,963 ; 2 = 13,823.
El estimador: u*0 = 398ppm
La varianza de cokrigeage: 2ck = 681,549 ppm2

X1

MCTC Page 119 rvillanueva@[Link]

Ejercicio_1: La figura muestra la ubicacin
de cuatro muestras de un yacimiento de
zinc, cuyas leyes son: z1=8,2% ; z2 = 9,6%
z3 = 13,1% y z4 = 6,4%. El modelo de
variograma ajustado es el de Matheron Xo X2
con: Co = 17 (%)2, a = 250m y C = 66(%)2
X3

Calcular usando el krigeaje, el valor de la

ley en el punto Xo.. Cada cuadrado tiene X4
un rea de 250m2.

Ejercicio_2:Estimar por krigeaje la ley de hierro en el punto xo, a partir de las muestras
que se indican en la figura, el modelo de variograma es lineal istropo de la forma:
(h) = 0,417h.

60

50 (35) x4

40 xo (34) x3

30 x1 (41)

20 (35) x2
10 20 30 40 50

Rptas.: valores de i = 0,26; 0,05; 0,34; 0,35 = -0,81

Ley en xo = 36,22 % Fe.

MCTC Page 120 rvillanueva@[Link]

 CAPTULO 10

SELECCIN Y PARMETROS DE RESERVAS

10.1. LAS RESERVAS

Recursos y reservas
En algunos lugares de la corteza terrestre, la ley en mineral es muy superior al promedio,
esto en geologa-minera se denomina anomalas. El mineral acumulado en dichas anomalas
constituye los recursos mineralgicos. Las reservas, son una parte de estos recursos
explotables. Cmo determinar las reservas?. Ellas dependen de las condiciones
econmicas, de las fluctuaciones del precio del metal, de las tcnicas de explotacin, de la
informacin disponible y del conocimiento del yacimiento. El estudio de estos parmetros
permitir una mejor seleccin del recurso a explotar.
Estas diferentes condiciones nos conducirn a seleccionar las reservas, donde en cada
seleccin se debe precisar el nivel y el criterio de seleccin.

Recursos Seleccin Reservas

Condiciones econmicas Nivel de seleccin

Tcnicas Seleccin
Informacin
Criterio de seleccin

Parmetros de reservas
En el clculo de un proyecto minero, desde el punto de vista econmico, es necesario definir
el tonelaje (T) a explotar y el ritmo (t) de explotacin.
T/t representa la vida de la mina.
La seleccin de proyectos, puede estar en funcin de la optimizacin del beneficio, de las
condiciones econmicas y de la ley de corte o cut-off.

10.2. LEY DE CORTE (Lc)

Dado un bloque, se tomar como criterio de seleccin una ley Lc, tal que si L(V) > L+c, el
bloque ser considerado como mineral, en caso contrario se le considerar estril.
El criterio de la seleccin anterior solo considera el aspecto econmico, sin embargo en la
prctica se consideran tambin aspectos tcnicos.

Factores que determinan el valor de la ley de corte o cut-off

Cuatro son los factores bsicos a considerar en la determinacin de la ley de corte: el precio
de venta, los costes, la produccin y el rendimiento del concentrador.

rvillanueva@[Link] 121
El precio de venta de los minerales
Las tendencias actuales en la demanda y disponibilidad de los minerales han creado extraos
ciclos en el precio de los minerales que unen los perodos de depresin econmica con los
de bienestar, las razones son complejas, pero, en parte, se deben a la especulacin.

Los costes
La precisin de los costes debe estar en consonancia con la fiabilidad de los datos
geolgicos: tan nefasto sera desperdiciar trabajo y dinero estudiando una mineralizacin sin
inters econmico, como realizar un buen proyecto tcnico-financiero basado en
informacin geolgica incompleta o de nfima calidad.

La produccin anual
P = 0,25R0,75(1 0,2) ------ Frmula de Taylor

P = produccin ptima en Mt/ao R = reservas explotables en Mt

Esta frmula emprica, es aplicable a cualquier depsito mineral y no depende del mtodo
de explotacin.

Rendimiento del concentrador

Durante el proceso de concentracin de un mineral se pierde parte del elemento valioso que
contiene, puesto que se elimina mezclado con los materiales estriles. Las causas son
mltiples a citar: finura de la molienda, pequeo tamao de grano de la mena, ineficacia del
concentrador, etc.

El rendimiento del concentrador , para una tonelada de mineral, se define como:

L1 L3 L2
= .
L2 L3 L1
Siendo: L1 = ley de alimentacin
L2 = ley del concentrado
L3 = ley del rechazo
L1 L3
El tonelaje de concentrado T = t
L2 L3

Factor de concentracin (Fc), es el nmero de toneladas de mineral t

necesarias para producir 1 tonelada de concentrado. Es decir:

Ley del concentrado

Fc = ------------------------------------------------------
Rendimiento cncentrador*Ley del mineral

rvillanueva@[Link] 122
Ejemplo

Un proceso de concentracin de mineral de cobre se caracteriza por lasa siguientes leyes:

Ley de alimentacin: 5%Cu
Ley del concentrado: 25%
Ley del rechazo: 0,5%
Calcular:
i) La cantidad de concentrado que se obtiene al tratar 20t de mineral
ii) El rendimiento del proceso de concentracin.
iii) El nmero de toneladas de mineral necesarias para producir una tonelada de
concentrado
Solucin
i) El tonelaje de concentrado que resulta es:
L1 L3 5 0,5
T= t= t = 0,184t = 0,184* 20000 = 3680Kg
L2 L3 25 0,5

Esto quiere decir que de 20t de mineral con el 5%Cu, se obtienen 3680Kg de concentrado
con 25%Cu y 20 000 - 3680 = 16 320Kg de rechazo con 0,5% Cu ue se eliminan o van al
relave.

ii) El rendimiento del proceso es:

L1 L3 L2 5 0,5 25
= . = . = 0,92 = 92%
L2 L3 L1 25 0,5 5

Es decir el 92% del Cu contenido en la tonelada de mineral bruto del 5% se separa en el

concentrador como concentrado, y el 8% del cobre restante se va en el rechazo.

iii) 25
Fc = ------------ = 5,4t
0,92*5

Es decir se necesitan 5,4 toneladas de mineral para producir una tonelada de concentrado

Clculo de la ley de corte

El trmino mineral, en la actualidad, est ntimamente relacionado con el beneficio que se

obtiene al explotar el recurso.

A) Ley de corte, segn Lasky: ([Link] Paley al Presidente de USA)

Beneficio (B) = Ingreso por ventas (Pv) Suma de costes mineros y metalrgicos (C)

B = Pv C

rvillanueva@[Link] 123
Donde:
Pv = Pu*L*

Siendo: Pu = Precio unitario del producto vendible

L = Ley del mineral
= Rendimiento global del proceso

Supongamos que:
y = proporcin de la mena que est en el concentrado (mayor mena que ganga),
z = proporcin de la mena que est en el rechazo (mayor ganga que mena).

Luego L=y+z

y
y como el rendimiento del concentrador es; =
L

los ingresos por la venta del concentrado sern: Pv = Pu*y = Pu*L*

sustituyendo en la frmula del beneficio:

B = Pv C = = Pu*L* C

Despejando L:
B + C
L= , denominada ley de corte (Lc), cuando B>0
Pu

C
Cuando el beneficio es nulo: L = Lm = y se denomina ley crtica o ley mnima
Pu
explotable.

Condiciones econmicas:
Si el precio de venta aumenta de Pu a Pu, se puede obtener el mismo beneficio B,
suponiendo constantes los costes y el rendimiento, siempre que la ley de corte se reduzca de
Lc a Lc , de acuerdo a la expresin:
P
Lc ' = Lc u
Pu '
Bajo estas condiciones econmicas, la geometra del yacimiento debe redefinirse,
incorporndose como mineral aquel que tiene una ley entre Lc y Lc, que anteriormente era
considerado marginal o estril. El yacimiento incrementara sus reservas con una ley media
inferior a las condiciones anteriores.

Del mismo modo si los costes se incrementan, para igual precio y rendimiento, los
beneficios se mantienen slo cuando se aumenta la ley de corte de Lc a Lc, lo que supone
desechar el mineral de ley comprendida entre estos valores.

rvillanueva@[Link] 124
Segn algunos autores, determinar la ley de corte bajo el criterio de Lasky tiene el
inconveniente que no se ajusta satisfactoriamente a las variaciones de los parmetros
econmicos, especialmente del precio de venta, argumentan que, en todos los clculos que
comparan el precio con el coste, cuanto mayores son los precios menores resultan las leyes
de corte. Ahora bien leyes de corte ms bajas implican leyes medias ms bajas tambin y, si
la cantidad de mena es la misma, la produccin de mineral vendible disminuye. Esto es
precisamente lo contrario de lo que debe suceder. En el mercado, cuando los precios
aumentan es que existe una deficiencia de suministro en relacin con la demanda, por lo que
debera producirse un incremento del producto, no un descenso. Por tanto, la definicin de la
ley de corte segn Lasky puede dar lugar a situaciones ilgicas que se tratan de resolver a
travs de la optimizacin de Lane.

Anlisis del grfico de la Ley de Lasky: Lc versus Pu para distintos valores de B

Pu
B1 B2 B3

B1 < B2 < B3

P2

P1

L2 L1 L3 L4 Lc

Supongamos que inicialmente: Pu = P1 y Lc = L1, siendo B1 el beneficio.

Al incrementarse el precio a P2 > P1, si se mantiene constante el beneficio B1, la ley
de corte disminuye de L1 a L2.
Para que la ley de corte aumente por encima de L1, se tendra que incrementar el
valor del numerador de la expresin que proporciona Lc, es decir B +C, como los
costes no aumentan, es entonces B el que debe hacerlo, de B1 a B2 o B3,
incrementando la ley de corte de L3 a L4 mayores que L1. de esta manera Lasky
mantiene su vigencia si bien no optimiza el valor de Lc. Para ello se sigue la teora
de Lane.

rvillanueva@[Link] 125
 B)Ley de corte, segn Lane: ((1988 y 1991, experiencias de investigacin de
yacimientos en el mundo con Ro Tinto Zinc Corporation-Texto The economic
definition of ore)

Segn Lane, el VAN (valor actual neto) proporciona una base precisa para el clculo de
la ley de corte, pues considera las ganancias actuales y futuras por medio de esta
funcin, adems indica que es el nico que tiene posibilidades de acomodacin a
condiciones econmicas cambiantes.
La estrategia para maximizar el VAN de una operacin minera basada en la extraccin
de mineral, puede determinarse en cualquier perodo de tiempo, haciendo mxima la
expresin:
dV
c t iV = c Ft
dT

donde: c = Flujo de caja por unidad de mineral explotado,

t = tiempo necesario para explotar una unidad de mineral,
i = coste de capital,
V = VAN mximo en el perodo de tiempo t,
dV/dT = variacin del VAN mximo con el tiempo
F = coste de oportunidad que depende del inters
( I Cn )
VAN = n P,
(1 + i ) n
donde: P = inversin inicial; I = ingresos anuales; C = costes anuales;
n = vida de la mina en aos

En el proceso minero-metalrgico, se deben considerar tres productos: mineral,

concentrado y metal. Deducindose tres leyes de corte ptimas econmicas en funcin
de que la produccin est limitada por la capacidad de la mina, del concentrado o de la
fundicin, a saber:

i) Cuando la produccin est limitada por el proceso minero

h
gm = , el material es mena cuando el valor de yg(p-k) > h
( p k)y

Nomenclatura:
Proceso Producto Cantidad Coste variable Capacidad de
obtenido Por unidad Produccin anual
producida
Minera Mineral 1 m M
Concentracin Concentrado x h H
Metalurgia y suministro Metal xyg k K
a clientes

x = Relacin concentrado/mineral
y = rendimiento del concentrador

rvillanueva@[Link] 126
 m,h,k = costes por t de productos respectivos obtenidos de los procesos
correspondientes.
M,H,K = Capacidad de produccin anual de los distintos productos.
f = costes fijos anuales.
p = precio por unidad de metal
g = ley media del concentrado

ii) Cuando la produccin est limitada por el concentrador

f +F
h+
gc = H
( p k)y
La ley de corte disminuye con F, lo que normalmente ocurre cuando la mina envejece.

iii) Cuando la produccin est limitada por la fundicin o el mercado

h
gk =
f +F
pk y
K

Cuando los factores limitantes son superiores a la unidad, Lane determina la ley de corte
ptima efectiva que se calcula a partir de las leyes de corte compensadas (aquellas que
optimizan la capacidad de los procesos implicados: mina concentrador y
fundicin/mercado).

10.3. CURVAS LEY MEDIA VERSUS TONELAJE

El objetivo de esta curva es, conocida la ley media del yacimiento y su tonelaje asociado,
establecer los distintos tonelajes que existen en funcin de unas leyes mnimas de
explotacin (leyes de corte o cut-off grades).

Estos clculos son necesarios e importantes ya que conllevan a estimar la viabilidad

econmica de un yacimiento. El procedimiento asume implcitamente que las leyes se
distribuyen normalmente (o lognormalmente).
f(z(v))

Sea f(z(v)) la densidad de probabilidad

De la distribucin de las leyes de los
Bloques. T(zc)

zc z(v)

rvillanueva@[Link] 127
 z
T ( z c ) = To (1 f ( z )dz ) , To = recursos
0

T (zc )
To
= f ( z )dz = f (t )dt ) = 1 P(t c )
zc tc
zc

Q( z c ) = To (1 zf ( z )dz )
0

Q( z c )
= zf ( z )dz = (m + t ) f (t )dt )
To
zc tc

1 t 2 2
= m(1 P(t c )) + t e dt
2
tc

= m(1 P(t c )) +

2
e t [ 2
/2
]
tc

= m(1 P(t c )) +

2
[
e t c
2
/2
]
Q( z c )
= m(1 P(t c )) + p (t c )
To
Q( z c ) p (t c )
m( z c ) = = m+
T ( zc ) 1 P(t c )

El beneficio
B(zc) = b1 Q(zc) (b2 + b3)T(zc)

B(zc) = b1 (Q(zc) zcT(zc)

El beneficio es proporcional a (Q(zc) zcT(zc)

B( z c )
= Q( z c ) z c T ( z c ) = (1 P(t c ))(m z c ) + p (t c )
b1

Nota: El proceso anterior es vlido slo si se dispone de la distribucin zv

rvillanueva@[Link] 128
Ejemplo: Sea un yacimiento de cobre que posee 400Mt, en el cual las leyes se distribuyen
normalmente con una ley media del 3,5% en cobre y una varianza de 0,80(%)2. Deseamos
conocer que: tonelajes explotables, contenido metlico y beneficios se obtendrn para leyes
mnimas de corte de 1%, 2% y 3% de cobre.

xm x 3,5
Transformando la variable a variable normalizada: t=
=
0,89
Para: 1% t1 = -2,81

2% t2 = -1,69

3% t3 = -0,56

En la tabla de probabilidades acumuladas para la distribucin normal estandarizada, se

busca el valor correspondiente y como se desea saber el porcentaje que corresponde a los
valores por encima de 1%, 2% y 3%, se les resta del 100%, y se calcula el tonelaje
multiplicando estos resultados por 400Mt es decir:

P(t1) = 0,25 99,75% 399,0Mt

P(t2) = 4,55 95,45% 381,8Mt

P(t3) = 29,0 71,23% 284,92Mt

Estos son los tonelajes para leyes mnimas de corte del 1%, 2% y 3% respectivamente.

Como precisamos saber las leyes medias para esos tonelajes, procedemos de la siguiente
manera: Para un cut-off de 3% (ley mnima de explotacin) se tiene un 71,23% del tonelaje
(284,92Mt) que corresponde una sustraccin del total del 28,77% que, centrndola respecto
a la media, correspondera a un 14,385% en cada lado de la distribucin normal, si sumamos
ese 14,385% al 50% obtendramos 64,385% (P(t) = 0,64385), cuyo valor de t se puede
calcular en la tabla de probabilidades acumuladas que corresponde aproximadamente a 0,37
veces la desviacin estndar, luego la ley media de los 284,92Mt para un cut-off de 3% ser:

3,5% + 0,37*0,89 = 3,83%

De la misma manera se obtiene la ley media para los cut-off de 1 y 2% de Cu. Dichos
valores se muestran en la tabla adjunta:

Cutt-off grades Tonelaje (106t) Ley media (%)

1 399,00 3,51
2 381,80 3,55
3 284,92 3,83

Con estos valores se puede construir un grfico compuesto que muestre el comportamiento
de la ley media con el tonelaje en funcin de las leyes mnimas de explotacin (cut-off).

rvillanueva@[Link] 129
Si las leyes se distribuyesen lognormalmente, la metodologa de trabajo sera similar, slo
que los clculos se realizaran con valores logartmicos para, posteriormente, una vez
obtenidos los resultados finales, aplicar el antilogaritmo.

En el ejemplo anterior, la poblacin est representada por el yacimiento y los individuos por
sondajes, el anlisis y los resultados efectuados nos dice que si el yacimiento se dividiese en
bloques del tamao de los sondajes, obtendramos, por ejemplo, 381,8Mt para un cut-off de
2%Cu. Ahora bien, si la mina se subdividiese en bloques de mayor tamao, la ley media
tendra un valor semejante, pero disminuira la varianza al aumentar el tamao del soporte,
afectndose la cantidad de toneladas a recuperar, as como sus leyes medias asociadas.

Para ilustrar la afirmacin anterior, supongamos que la varianza del ejemplo anterior sea de
0,3(%)2 en vez de 0,8 (%)2 , entonces se obtendra:

xm x 3,5
Transformando la variable a variable normalizada: t=
=
0,55
Para: 1% t1 = -4,55

2% t2 = -2,72

3% t3 = -0,91

siendo:

P(t1) = 0,01 99,99% 399,96Mt

P(t2) = 0,33 99,67% 398,68Mt

P(t3) = 18,14 81,86% 327,44Mt

Comparando los resultados, podemos decir que el tonelaje a recuperar sube notablemente al
disminuir la varianza.

Calculando la ley media correspondiente a cada uno de esto tonelajes: x = t*0,55 + 3,5
Notamos que las leyes medias disminuyen ligeramente (ver tabla adjunta)

Cutt-off grades Tonelaje (106t) Ley media (%)

1 399,96 3,501
2 398,68 3,506
3 327,44 3,752

De lo anterior podramos comentar:

rvillanueva@[Link] 130
i) En la construccin de las curvas: leyes medias vs. tonelajes la definicin del soporte
(tamao del bloque de explotacin) es fundamental y bsico, este aspecto es una de las
claves de la geoestadstica.
ii) La disminucin (incremento) de la varianza, al cambiar el tamao del bloque de
explotacin, lleva consigo un incremento (disminucin) de los tonelajes a ser
explotados, as como una disminucin (incremento) de sus leyes medias asociadas.

Estos aspectos tambin se pueden corroborar en el siguiente ejemplo:

En la tabla se han escrito los valores de las leyes medias en % de un yacimiento de Plomo,
definido por 240 sondajes, en una malla regular de 50m*50m*20. Al calcular las
estadsticas descriptivas y construir el histograma se comprueba que la distribucin de leyes
es de tipo normal (ver estadsticas e histograma de frecuencias, prxima pgina), por tanto,
la ley media ser la media aritmtica simple (9,459%) y la desviacin estndar 2,423%. Si
el tonelaje a explotar es de 40Mt y si consideramos como leyes mnimas de explotacin 5%,
9%, 12% y 16% de zinc, las relaciones leyes medias tonelajes-seran:

5% (5-9,459)/2,423 = -1,84 P(-1,84) = 3,29 96,71% 38,684Mt

9% (9-9,459)/2,423 = -0,19 P(-0,19) = 42,47 57,53% 23,012Mt

12% (12-9,459)/2,423 = +2,541 P(2,541) = 99,45 0,55% 22,00Mt

16% (16-9,459)/2,423 = 2,699 P(2,699) = 99,64 0,36% 14,40Mt

4.7 9.3 8.9 9.9 13.7 11.0 10.4 8.4 13.2 7.3 12.7 15.1
11.7 5.8 4.5 11.2 10.0 10.3 8.9 7.5 11.0 12.6 6.1 12.4
9.3 13.3 5.9 9.4 11.9 11.9 6.0 12.9 10.1 9.2 3.0 11.9
11.1 10.2 11.0 8.6 12.5 9.8 11.0 9.2 8.1 11.9 10.4 10.9
11.5 8.4 10.4 4.7 10.9 9.9 11.1 8.1 9.9 5.9 10.2 8.9
11.1 8.2 10.7 11.6 8.6 13.4 6.1 8.9 8.9 7.9 6.5 5.1
7.3 8.7 8.9 7.5 11.5 9.4 9.7 9.3 9.1 11.5 11.3 7.8
3.9 11.0 7.5 4.2 5.8 9.9 5.6 7.8 7.5 11.8 8.3 9.6
6.0 7.3 10.4 10.1 9.0 9.2 8.2 8.9 14.0 8.7 7.3 9.3
10.3 8.4 13.4 9.4 13.5 7.3 7.1 8.8 10.7 13.2 11.7 10.1
9.9 10.3 10.2 10.6 9.9 8.9 7.6 9.3 8.6 7.1 9.7 9.3
8.3 10.4 9.5 7.3 10.2 7.1 9.3 8.1 7.6 9.4 11.6 9.3
11.3 8.5 11.8 5.8 11.3 5.6 6.7 8.0 8.4 13.5 9.0 6.9
8.0 12.2 9.5 9.8 12.4 13.8 6.6 5.1 12.9 11.9 6.4 7.4
9.1 7.8 10.7 11.8 9.9 5.9 9.9 11.0 7.0 8.4 13.4 8.9
12.9 15.9 11.2 8.2 18.4 10.7 8.0 12.7 13.0 13.4 10.6 8.6
11.9 6.7 9.0 7.6 8.5 3.8 11.2 9.9 11.8 11.0 8.4 12.5
7.9 10.9 9.2 7.5 6.6 8.5 7.5 8.8 8.7 9.2 7.6 10.6
7.6 11.4 13.4 10.3 8.9 13.6 6.9 6.5 9.0 4.1 9.2 9.3
13.1 13.4 3.5 12.1 9.5 7.3 11.0 10.8 7.7 10.2 6.8 9.3

rvillanueva@[Link] 131
Sus leyes medias correspondientes seran: 9,56% ; 10,82% ; 16,17% y 16,53%
respectivamente.

Estadsticas descriptivas
Zn Valores vlidos
de N
N Estad. 240 240
Rango Estad. 15.4
Mnimo Estad. 3.0
Mximo Estad. 18.4
Suma Estad. 2270.1
Media Estad. 9.459
Error .156
estad
Desviacin Estad. 2.423
estndar
Varianza Estad. 5.870
Sesgo Estad. .070
Error .157
estad
Curtosis Estad. .369
Error .313
estad

Si se definiesen bloques de 100m*100m*20m, las leyes medias para cada bloque, se

obtendran del simple promedio de las cuatro leyes que entran en el bloque, esto es correcto
dadas las caractersticas de la distribucin y el nmero de datos con el que se cuenta. En
estas condiciones la ley media es la misma (9,459%), en cambio la desviacin estndar vale
ahora 1,03%. Los tonelajes y las leyes medias para las mismas leyes mnimas de explotacin
se han escrito en la siguiente tabla:

rvillanueva@[Link] 132
 Leyes mnimas de explotacin (%) Tonelajes en millones de toneladas Ley media en %
5 40,000 9,459
9 26,940 9,816
12 0,272 12,250
16 ---- ----

7.9 8.6 11.3 8.8 11.0 11.6

11.0 8.7 11.5 9.8 9.8 9.1
9.8 9.4 10.7 8.6 8.2 7.7
7.7 7.0 9.2 8.1 10.0 9.3
8.0 10.8 9.8 8.3 11.7 9.6
9.7 9.4 9.0 8.6 8.2 10.0
10.0 9.2 10.8 6.6 11.7 7.4
11.4 10.5 11.2 10.4 10.5 10.4
9.4 8.3 6.9 9.4 10.2 9.8
11.4 9.8 9.8 8.8 7.8 8.7

Si finalmente consideramos bloques de 200m*200,*20m, cuyas leyes medias de los bloques

se calculan como en el caso anterior se obtiene (la ley media permanece constante, mientras
que la desviacin estndar vara a 0,63 %).

9.1 10.3 10.4

8.5 9.1 8.8
9.5 8.9 9.9
10.3 9.8 10.0
9.7 8.7 9.1

En estas condiciones los tonelajes, las leyes medias correspondientes para los mismos
valores de las leyes mnimas de explotacin sern:

Leyes mnimas de explotacin (%) Tonelajes en millones de toneladas Ley media en %

5 40 9,459
9 30,69 9,650
12 ----- ----
16 ---- ----

Del anlisis de estos resultados podemos decir que:

i) Cuando el tamao de los bloques aumenta, la ley media permanece constante, mientras
que la varianza disminuye notablemente.
ii) La disminucin de la varianza implica un aumento del tonelaje a explotar para cut-offs
inferiores a la ley media del yacimiento y una disminucin del tonelaje respectivo para
cut-offs superiores a la ley media.

rvillanueva@[Link] 133
iii) Sin embargo las leyes medias que corresponden a los tonelajes calculados, siguen un
comportamiento diferente, disminuyendo para leyes mnimas de explotacin inferiores
a la ley media del yacimiento, hasta llegar a valores iguales a la propia ley media del
yacimiento. Dicha tendencia queda ilustrada en el siguiente grfico:

Ley media vs tonelaje

19

17 s=2.423
s=1.03
15 s=0.63
Ley media

13

11

7
0 5 10 15 20 25 30 35 40 45
Tonelaje

rvillanueva@[Link] 134
 BACOS

rvillanueva@[Link] 1
rvillanueva@[Link] 2
rvillanueva@[Link] 3
rvillanueva@[Link] 4
rvillanueva@[Link] 5
rvillanueva@[Link] 6
rvillanueva@[Link] 7
rvillanueva@[Link] 8
rvillanueva@[Link] 9
rvillanueva@[Link] 10
rvillanueva@[Link] 11
rvillanueva@[Link] 12
rvillanueva@[Link] 13
 BIBLIOGRAFA

* HUIJBREGTS Ch. Et MATHERON G.

Universal Kriging-an optimal approach to trend surface anlisis (1970)
In Decision-Makingg in the mineral industry pp. 159-169.
Canadian Institute of Mining and Metalurgy, Special volume, n 12-Montral.

* JOURNEL A.
Geostatistics for Conditional Simulation of orebodies (1973).
Note CMM [Link] Paris.
In Economic [Link].69,n5,August 1974,pp.673-687

* J.J. ROYER
GEOSTATISTIQUES 3me anne
Cours dars A. Journel (Thse 1977)

* B. DE JEKHOWSKY (1977)
Elments de statistique lusage des gologues

* Robinson VILLANUEVA (1992)

tude gostatistique du filon Rosa de la mine Uchucchacua, Lima Prou

* JUAN M. ESTEFANA (1975)

Aplicaciones de la Teora de la Variable Regionalizada
Escuela Tcnica Superior de Ingenieros de Minas Madrid

* B. de JEKHOWSKY (1977)
Elments de statistique lusage des gologues

* C. CHAMBON (1992)
GEOSTATISTIQUE
Centre detudes suprieures des techniques minires

* ENRIQUE ORCHE (1999)

Manual de Evaluacin de yacimientos minerales. Madrid 1999.

* MANUEL BUSTILLO REVUELTA & C. LOPEZ JIMENO (1997)

Manual de Evaluacin y diseo de explotaciones mineras. Madrid 1997.