UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
“Año del Fortalecimiento de la Soberanía Nacional”
Universidad Nacional de Ingeniería
Facultad de Ingeniería Geológica, Minera y Metalurgia
Escuela Profesional de Ingeniería de Minas
“Ejercicio Nº 5”
Curso: Geoestadística
Docente: Augusto Teves Rojas
Integrantes:
➢ Meza Quispe, Samuel Mijael
Fecha de presentación: 09/05/2022
2022
1
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
ÍNDICE
3 OBJETIVOS. ............................................................................................................................. 3
3.1 Objetivo General ................................................................................................................. 3
3.2 Objetivo Especifico .............................................................................................................. 3
4 RESUMEN. ................................................................................................................................ 4
5 ASPECTOS GENERALES ..................................................................................................... 5
5.1 Fundamento Teórico ........................................................................................................... 5
5.1.1 Distribución estadística de valores.................................................................................. 6
I. HISTOGRAMA ...................................................................................................................... 6
➢ Estadísticas elementales ..................................................................................................... 7
II. VARIOGRAMA...................................................................................................................... 7
6 DESARROLLO ....................................................................................................................... 10
6.1 Para promedio de cada 1.................................................................................................. 11
6.1.1 Obtención de puntos ................................................................................................. 11
6.1.2 Histograma promedio de cada 1 .............................................................................. 16
6.1.3 Variograma promedio de cada 1 .............................................................................. 17
6.2 Para promedio de cada 5.................................................................................................. 18
6.2.1 Histograma para promedio de cada 5 ..................................................................... 18
6.2.2 Variograma para promedio de cada 5 ..................................................................... 18
6.3 Para promedio de cada .................................................................................................... 19
6.3.1 Histograma para promedio de cada 10.................................................................... 19
6.3.2 Variograma para promedio de cada 10 ................................................................... 20
6.4 Para promedio de cada 20................................................................................................ 21
6.4.1 Histograma para promedio de cada 20 ......................................................................... 21
6.4.2 Variograma para promedio de cada 20..................................................................... 21
6.5 Para promedio de cada 20................................................................................................ 22
6.5.2 Variograma para promedio de cada 20..................................................................... 23
7 ANALISIS DE RESULTADOS ............................................................................................. 24
8 CONCLUSIONES................................................................................................................... 24
9 BIBLIOGRAFÍA ...................................................................................................................... 25
2
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
3 OBJETIVOS.
3.1Objetivo General
• Brindar la información necesaria y la importancia del uso de la programación hoy en
día.
• Dar a conocer la diferencia de las herramientas geoestadísticas(variograma) con las
de estadística(histograma).
• Dar a conocer la importancia de la herramienta del VARIOGRAMA.
3.2Objetivo Especifico
• Facilitar la obtención de base de datos gigantescos.
• Realizar e interpretar los gráficos del VARIOGRAMA Y HISTOGRAMA.
3
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
4 RESUMEN.
La geoestadística es una rama de la geografía matemática que se centra en los conjuntos de
datos de la superficie terrestre, conocidos también como datos geográficos, datos espaciales
o espacio-temporales.
Desarrollado originalmente para predecir las distribuciones de probabilidad de las leyes de
mineral para las operaciones mineras, se aplica en la actualidad en diversas disciplinas
geográficas como la hidrología, la ecología del paisaje, la pedología, la climatología, entre
otras.
La geoestadística no solo se aplica en diversas ramas de la geografía, sino también en otras
ciencias tales como la oceanografía, la geoquímica, la geología del petróleo, la hidrogeología,
la geometalurgia, la silvicultura y la agricultura (especialmente en la agricultura de
precisión). También en problemas particulares como los análisis de propagación de
enfermedades (epidemiología), la práctica del comercio y de la planificación militar
(logística), y el desarrollo de redes espaciales eficientes.
Algoritmos geoestadísticos se incorporan en muchos lugares, incluyendo los sistemas de
información geográfica (SIG) y el entorno estadístico R.
La geoestadística desarrolla diversos procedimientos de estimación y simulación los cuales
se utilizan para estudiar variables distribuidas espacialmente. Se realiza a partir de una
cantidad de muestras tomadas en localizaciones del dominio, en que se manifiesta un
fenómeno a estudiar y consideradas representativas de su realidad, que por lo general es
siempre desconocida. Por lo tanto, su objetivo principal consiste en estimar valores
desconocidos a partir de los conocidos, buscando minimizar la variable en el error de
estimación.
4
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
5 ASPECTOS GENERALES
5.1 Fundamento Teórico
La Geoestadística tiene sus orígenes en la minería. En los años 60, Matheron acuñó el término
de Geoestadística, reconocido como el padre de esta disciplina, formalizó y generalizó
matemáticamente un conjunto de técnicas desarrolladas por D.G.Krie(1941)
Él definió a la Geoestadística como "la aplicación del formalismo de las funciones aleatorias
al reconocimiento y estimación de fenómenos naturales."
En términos mineros la geoestadística se define la geoestadística como la aplicación de la
teoría de las variables regionalizadas a la estimación de los recursos mineros.
Una variable regionalizada es una función que representa la variación en el espacio de una
cierta magnitud asociada a un fenómeno natural.
Sea x un punto del espacio. Se designa la variable regionalizada por la notación z(x).
Notación condensada
En la geoestadística se utiliza la notación condensada: Un punto del espacio se representa por
la letra x.
Por ejemplo, la ley en el punto x se representa por z(x). Por consiguiente, z(x) puede
significar:
➢ z(x) si el problema es unidimensional (1-D)
➢ z(x1, x2) si el problema es bidimensional (2-D)
➢ z(x1, x2, x3) si el problema es tridimensional (3-D)
5
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
5.1.1 Distribución estadística de valores
Interesa conocer la distribución estadística de sus valores. Para ello, existen varias
herramientas, siendo la más conocida el histograma
I. HISTOGRAMA
El histograma representa gráficamente las frecuencias de ocurrencia en función del valor.
Consiste en dividir el rango de los valores en intervalos (generalmente, con el mismo
ancho) y visualizar la proporción de datos que caben dentro de cada intervalo.
Fig. 1
La visualización del histograma de los datos también es un primer medio de verificar su
homogeneidad. Eventualmente, una división del campo en varias sub-zonas será necesaria.
Así, por ejemplo, un histograma multimodal puede conducir a la identificación, entre los
datos, de varias “poblaciones” susceptibles de estar geográficamente separadas. A veces, tal
separación está impuesta por consideraciones físicas, que impiden mezclar todos los datos:
presencia de un obstáculo natural (falla, río...), partición de una zona mineralizada según la
caracterización mineralógica o el tipo de roca, etc. En tales casos, un problema que puede
plantearse es la delimitación de las sub-zonas “homogéneas”, pues es poco frecuente que sus
fronteras puedan ser identificadas con exactitud.
6
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
➢ Estadísticas elementales
Junto con el histograma, es conveniente calcular algunas estadísticas básicas sobre la
distribución de valores. Entre ellas, podemos distinguir:
Medidas de posición
Media: promedio aritmético de los valores.
Cuantiles o percentiles: valores que dividen la población en partes de igual número de datos.
Por ejemplo, la mediana divide la población en dos partes, los cuartiles en cuatro partes (la
mediana coincide con el segundo cuartil), los quintiles en cinco partes y los deciles en diez
partes. Contrariamente a la media, los cuantiles son parámetros robustos, es decir, poco
sensibles a la presencia de algunos valores muy altos o muy bajos.
Mínimo y máximo: establecen el rango en el cual se distribuyen los valores.
II. VARIOGRAMA
El variograma o semivariograma es una herramienta que permite analizar el
comportamiento espacial de una variable sobre un área definida, obteniendo como resultado
un variograma experimental que refleja la distancia máxima y la forma en que un punto tiene
influencia sobre otro punto a diferentes distancias.
El resultado de este análisis no puede ser aplicado directamente en los diferentes métodos de
interpolación que lo ocupan como información base, es por esto que una vez calculado el
variograma experimental, debe ser realizado un modelo matemático que modele de la mejor
forma posible al variograma experimental, el cual es conocido como variograma teórico.
ALCANCE DEL VARIOGRAMA
El variograma permite conocer el alcance, es decir, la distancia máxima a la que una muestra
tiene influencia sobre otra muestra, una aplicación de esta información es conocer la vecindad
en que se pueden buscar muestras para estimar el valor de un punto especifico. La aplicación
7
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
de esta herramienta también permite, a partir de los datos proporcionados por el
variograma teórico, realizar una estimación por medio de la metodología del krigeaje, la cual
utiliza el modelo matemático para definir el ponderador que se aplica a cada una de las
muestras encontradas al momento de asignar un valor al punto buscado.
Estimador del variograma cruzado:
Los variogramas se calculan mediante la fórmula general
∑𝒏𝒉
𝒊=𝟏[𝒁(𝒙𝒊 ) − 𝒁(𝒙𝒊 + 𝒉)]
𝟐
𝟐𝜸(𝒉) =
𝒏𝒉
Donde:
Z: variable estudiada
Z(𝑥𝑖 ): valor de dicha variable en el punto 𝑥𝑖
Z(𝑥𝑖 +h): valor de la variable en el punto (𝑥𝑖 +h)
h: paso entre las muestras (distancias iterativas)
nh: número de parejas
2𝛾(h): valor de la función variograma para un valor h
Fig. 2
Gráficamente un variograma tiene la apariencia mostrada. Dentro de la distancia “a”
(alcance), el fenómeno es totalmente estructurado, es decir depende o está controlado por la
función 𝛾(h). Fuera de “a” el fenómeno es ALEATORIO, o sea independiente de la función
variograma. C0 es el llamado efecto de pepita, que nos da cuenta de cambios bruscos de los
8
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
valores a pequeña escala; lo cual generalmente sucede cuando se sobrepasa una
subestructura por debajo de la escala de trabajo.
PARÁMETROS ESTADÍSTICOS
Se calcularan parámetros estadísticos que nos ayudaran en el análisis tales como:
Media (𝑋ത): el cual es el promedio de todos los datos en la muestra, se calcula
mediante:
𝒏
𝑿𝒊
𝑿=∑
𝒏
𝒊=𝟏
Varianza (σ2 ): describe la variabilidad de la distribución, se calcula mediante:
𝟐
∑(𝑿 − 𝑿)𝟐
𝝈 =
𝒏
Desviación Estándar (σ): describe el grado de dispersión de la distribución, se calcula
mediante:
∑(𝑿 − 𝑿)𝟐
𝝈=√ = √𝝈𝟐
𝒏
Coeficiente de Variabilidad (CV): el cual se calcula mediante.
𝝈
𝑪𝑽 =
𝑿
9
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
6 DESARROLLO
Generaremos los datos necesarios con el uso del lenguaje de programación C++
En esta práctica se trabajará con 10000 (diez mil datos aleatorios).
Fig. 1
La fig.1 muestra la creación de 10000 número aleatorios que serán almacenados en un archivo
texto (en este caso lo colocamos datoinicial.txt ) del cual aremos uso de ella para generar con
promedio de 1 , promedio de 5 , promedio de 10,promedio de 20 y promedio de 50.
10
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
Fig.2 Fig.3
La fig.2 muestra la ejecución de programa (Dev C++) y en la fig. 3 se observa la creación del
archivo de texto llamado datoinicial y como los datos aleatorios en ella.
6.1 Para promedio de cada 1
Los siguientes paso serán lo mismo para los demás ponderados (promedio de 5 , promedio de
10,promedio de 20 y promedio de 50.), el cual se detallara a continuación.
6.1.1 Obtención de puntos
11
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
Modificar el valor de k Para k=1,k=5,k=10,k=20 y k=50
Fig. 4
12
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
Este programa nos permite obtener los datos promediados de cada 1 ,5,10,20 y 50 de los datos
iniciales (100000).
Programa:
El programa extraer los puntos del archivo de texto (datoinicial.txt) y genera otra archivo
(promediocada1 , promediocada5, promediocada10 ,promediocada20 y promediocada50) con los
datos promediados cada 1 ,5,10,20 y 50 datos.
13
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
14
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
Este programa nos permite obtener los datos de Variograma (datosvariogramacada1.txt) del
archivo de texto (promediocada1.txt)
Programa:
El programa extraer los puntos del archivo de texto (promediocada1.txt) y genera otro archivo
(datosvariogramacada1.txt) con los datos promediados cada 1 ,5,10,20 y 50 datos.
Con los datos obtenidos se procederá a realizar la grafica de Variograma y histograma
15
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
6.1.2 Histograma promedio de cada 1
Valores estadisticos
16
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
6.1.3 Variograma promedio de cada 1
a. ORDENADOR:
b. Mayor a menor:
c. Menor a mayor:
17
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
6.2 Para promedio de cada 5
6.2.1 Histograma para promedio de cada 5
Valores estadisticos
6.2.2 Variograma para promedio de cada 5
a- Desordenado
18
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
b- Ordenado
6.3 Para promedio de cada
6.3.1 Histograma para promedio de cada 10
Valores estadisticos
19
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
6.3.2 Variograma para promedio de cada 10
a- Desordenado
Variograma de promedio de datos cada 10
0.014
0.012
0.01
0.008
0.006
0.004
0.002
0
0 200 400 600 800 1000 1200
b- Ordenado
Variograma de promedio de datos cada 10
2.00E-01
1.50E-01
1.00E-01
5.00E-02
0.00E+00
0 200 400 600 800 1000 1200
20
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
6.4 Para promedio de cada 20
6.4.1 Histograma para promedio de cada 20
Valores estadísticos
6.4.2 Variograma para promedio de cada 20
a. Desordenado
Variograma de promedio de datos cada 20
0.007
0.006
0.005
0.004
0.003
0.002
0.001
0
0 100 200 300 400 500 600
21
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
b. Ordenado
Variograma de promedio de datos cada 20
8.00E-02
7.00E-02
6.00E-02
5.00E-02
4.00E-02
3.00E-02
2.00E-02
1.00E-02
0.00E+00
0 100 200 300 400 500 600
6.5 Para promedio de cada 20
6.5.1 Histograma para promedio de cada 20
Valores estadisticos
22
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
6.5.2 Variograma para promedio de cada 20
a. Desordenado
Variograma de promedio de datos cada 50
0.004
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
0 50 100 150 200 250
b. Ordenado
Variograma de promedio de datos cada 50
3.50E-02
3.00E-02
Valores estadisticos
2.50E-02
2.00E-02
1.50E-02
1.00E-02
5.00E-03
0.00E+00
0 50 100 150 200 250
23
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
7 ANALISIS DE RESULTADOS
Para el primer caso de datos desordenados promediados cada 1(10000 datos,2000
datos,1000,500datos,200datos) podemos ver un comportamiento errático en la curva del
Variograma asemejándose a un serrucho o a una recta. Pero en el segundo caso cuando los
datos ordenados crecientemente o decrecientemente vemos un comportamiento
totalmente distinto, el modelo se asemeja mucho a una parábola,
Además, se observa que los parámetros estadísticos (media, varianza, desviación y
coeficiente) son iguales para ambos casos. Con esto confirmamos la teoría que afirma que la
Geoestadística y la estadística no tienen la relación de parte-todo.
Ya que en los cálculos paramétricos de la estadística no importa el orden de los datos.
8 CONCLUSIONES
• Se concluye que el uso de la programación facilita el manejo de datos gigantescos y
facilita los cálculos realizados para la obtención de datos (los puntos del variograma).
• Se dio a conocer la diferencia de las herramientas geoestadísticas(variograma) con
las de estadística(histograma) , ya que El Variograma nos permite analizar cómo están
distribuidas las variables (ordenada o desordenada) y determinar su comportamiento
espacial, en lo cual la estadística(histograma) se limita en solo analizar el conjunto
más no el orden.
• Se pudo notar la diferencia de los gráficos de VARIOGRAMA Y del HISTOGRAMA, que
son totalmente distintos que dependiendo ya que pende del orden, el Variograma en
con datos ordenados se asemeja a una parábola.
• El valor de la media para datos aleatorios comprendidos entre 0 y 1 tiende al valor de
0.5, esto debido a que es una propiedad que deben cumplir los números aleatorios,
comprobándose con la llamada “prueba de medias” en donde se determinan los
límites de aceptación mediante la tabla de “distribución normal estándar”, formado
la campana de Gaus.
• Para el primer caso (datos desordenados), vemos que los puntos se acercan a una
recta horizontal, por tanto podemos decir que el efecto pepita es constante y no
empieza en cero.
• En el segundo caso (datos ordenados), vemos que los puntos forman una parábola,
la cual tiende a iniciar en el origen; por tanto, el efecto pepita es casi nulo.
24
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA
9 BIBLIOGRAFÍA
• Estimación de Recursos Mineros por Marco Antonio Alfaro Sironvalle-
http://www.cg.ensmp.fr/bibliotheque/public/ALFARO_Cours_00606.pdf
• http://www.cg.ensmp.fr/bibliotheque/public/MATHERON_Ouvrage_00537.pdf
• APUNTES EN CLASE Ph. D Marín Suárez.
25
