trabajo de dos
DESCRIPTION
relacion de krigeTRANSCRIPT
INDICE
INDICE...........................................................................................................................................1
RESUMEN......................................................................................................................................2
ABSTRACT......................................................................................................................................3
1 INTRODUCCION.....................................................................................................................4
2 OBJETIVOS.............................................................................................................................5
3 FUNDAMENTO TEORICO.......................................................................................................6
3.1 Geoestadistica...............................................................................................................6
3.2 Conceptos Requeridos...................................................................................................8
3.2.1. KRIGE.............................................................................................................................8
4 CÁLCULOS Y ANALISIS DEL PROBLEMA..................................................................................9
4.1 Formulación del problema............................................................................................9
4.2 Desarrollo del problema..............................................................................................10
4.3 Desarrollo de la varianza de un punto dentro de un deposito....................................11
4.4 Desarrollo de la varianza de un bloque respecto al depósito......................................12
4.5 Desarrollo de la varianza de un punto respecto a un bloque......................................13
4.6 Comparación de resultados.........................................................................................14
5 CONCLUSIONES...................................................................................................................15
6 BIBLIOGRAFIA......................................................................................................................15
RESUMEN
En este informe corroboraremos la relación de krige la cual se centra en una relación de varianzas en un depósito respecto a una muestra y a un bloque, en la cual se cumple una igualdad que detallaremos más adelante.
Es utilizada principalmente en minería para la evaluación de yacimientos minerales.
Nace como una ciencia a partir de los trabajos de H. Sichel [Sic52] y D. G. Krige [Kri51] en los años 50 y es formalizada por G. Matheron, durante los años 60. ˜ Durante la evaluación de un yacimiento, el principal objetivo es la determinación de la calidad y cantidad de recursos, esto es, de la ley y el tonelaje esperable. Para este propósito son obtenidas muestras geo-referenciadas (testigos) mediante sondajes.
ABSTRACT
In this report we will check Krige's relationship which focuses on a relationship of variances in a tank for a sample and a block in which equality m {as what will detail below is met.
It is used primarily in mining for evaluation of mineral deposits.
Born as a science from the work of H. Sichel [Sic52] and DG Krige [Kri51] in the 50s and is formalized by G. Matheron, during the 60 ~ During the evaluation of a reservoir, the main objective it is the determination of the quality and quantity of resources, that is, of the law and expected tonnage. For this purpose samples are obtained geo-referenced (witnesses) by drilling.
1 INTRODUCCION
La relación de krige puede ser entendido como una predicción lineal o una forma de inferencia bayesiana. Parte del principio: puntos próximos en el espacio tienden a tener valores más parecidos que los puntos más distantes. La técnica de kriging asume que los datos recogidos de una determinada población se encuentran correlacionados en el espacio. Esto es, si en un vertedero de residuos tóxicos y peligrosos la concentración de zinc en un punto p es x, será muy probable que se encuentren resultados muy próximos a x cuanto más próximos se esté del punto p (principio de geoestadística). Sin embargo, desde una cierta distancia de p, ciertamente no se encontrarán valores próximos a x porque la correlación espacial puede dejar de existir.
Se considera al método de kriging del tipo MELI (Mejor Estimador Lineal Insesgado) o ELIO (Estimador Lineal Insesgado Óptimo): es lineal porque sus estimaciones son combinaciones lineales ponderadas de los datos existentes; y es insesgado porque procura que la media de los errores (desviaciones entre el valor real y el valor estimado) sea nula; es el mejor (óptimo) porque los errores de estimación tienen una variancia (variancia de estimación) mínima.
2 OBJETIVOS
Con las condiciones dadas por el Dr. Marín , comprobar la “ Relación de Krige “
Ver los alcances de “ Relación de Krige “
Comprender al detalle dicha relación, para poder generar el algoritmo correcto para la
generación del programa.
3 FUNDAMENTO TEORICO
3.1 Geoestadistica
La geoestadística es un conjunto de técnicas usadas para analizar y predecir valores de una
propiedad distribuida en espacio o tiempo. En contraposición con la estadística clásica o
convencional, tales valores no se consideran independientes, por el contrario se suponen de
manera implícita que están correlacionados unos con otros, es decir que existe una
dependencia espacial. Intuitivamente esto indica que mientras más cercanos estén situados
dos puntos están más correlacionados y mientras más separados hay menos relación entre
estos.
El proceso de estimación y modelación de la función que describe la correlación espacial es
conocido como “análisis estructural”. Una vez realizado el análisis estructural, la predicción de
valores en puntos no muestrales se puede hacer aplicando la técnica de interpolación "kriging"
o simulándolos a través de “simulaciones condicionales”.
En resumen, a grosso modo un análisis geoestadístico está compuesto por tres etapas: (a) el
análisis exploratorio de los datos, (b) el análisis estructural y (c) las predicciones (kriging o
simulaciones)
La primera etapa, conocida como análisis exploratorio de datos, está basada en técnicas
estadísticas convencionales que nos permiten obtener todo un conjunto de información,
desconocida a priori sobre la muestra bajo estudio, que es imprescindible para realizar
“correctamente” cualquier análisis estadístico y en particular un análisis geoestadístico.
Muchos de las ideas de las geoestadística han sido inspiradas en su hermana menor: las series
cronológicas o series de tiempo. Se puede advertir que los objetivos del Análisis de Series de
Tiempo son similares a los de la Geoestadística. Mientras que el Análisis de Series Temporales
está orientado al estudio de procesos unidimensionales con datos muestrales uniformemente
distribuidos, la Geoestadística se ocupa del estudio de fenómenos con datos distribuidos de
forma arbitraria en el espacio y tiempo, por lo que la metodología de ésta última tiene un
carácter mucho más general. En un marco más amplio, la geoestadística es una disciplina que
pertenece a la estadística espacial.
La geoestadística ha sido ampliamente aplicada en diversas ramas de las ciencias aplicadas y en
las ingenierías, entre otras tenemos: petróleo, minería, pesca, geofísica marina, hidrogeología,
medio ambiente, estudios forestales, salud pública, ingeniería civil, procesamiento de
imágenes, cartografía, finanzas, ciencias de materiales, meteorología, edafología, etc.
3.2 Conceptos Requeridos
3.2.1. KRIGE
El krigeaje o krige (del francés krige) es un método geoestadístico de estimación de puntos que utiliza un modelo de variograma para la obtención de datos. Calcula los pesos que se darán a cada punto de referencias usados en la valoración. Esta técnica de interpolación se basa en la premisa de que la variación espacial continúa con el mismo patrón. Fue desarrollada inicialmente por Danie G. Krige a partir del análisis de regresión entre muestras y bloques de mena, las cuales fijaron la base de la geoestadística lineal.
3.2.1. VARIANZA
En teoría de probabilidad, la varianza (que suele representarse como ) de una variable
aleatoria es una medida de dispersión definida como la esperanza del cuadrado de la
desviación de dicha variable respecto a su media.
Está medida en unidades distintas de las de la variable. Por ejemplo, si la variable mide
una distancia en metros, la varianza se expresa en metros al cuadrado. La desviación
estándar es la raíz cuadrada de la varianza, es una medida de dispersión alternativa
expresada en las mismas unidades de los datos de la variable objeto de estudio. La
varianza tiene como valor mínimo 0.
Hay que tener en cuenta que la varianza puede verse muy influida por los valores atípicos y
no se aconseja su uso cuando las distribuciones de las variables aleatorias tienen colas
pesadas. En tales casos se recomienda el uso de otras medidas de dispersión
más robustas.
4 CÁLCULOS Y ANALISIS DEL PROBLEMA
4.1 Formulación del problema
El ejercicio solicitado por el Dr. Alfredo Marín consiste en crear mil datos aleatorios, cada uno
de estos datos tiene una coordenada norte (y), una coordenada este (x) y una ley de mineral (%
de cobre), para simular esto se utilizó números randón en los tres casos. Las coordenadas
“norte” y “este” tiene valores que van desde 0 hasta 1000 y los valores de ley mineral van
desde 0 hasta 1%.La distribución geográfica del depósito de muestra en la siguiente tabla.
0 200 400 600 800 1000 12000
200
400
600
800
1000
1200
GRAFICA DE 1000 LEYES DE COBRE DISPERSAS DISPERSOS
CORDENADA ESTE
CORD
ENAD
A N
ORT
E
Tabla 4.1 distribución geográfica de leyes de cobre dispersas
El problema dejado por el Doctor Alfredo Marín consiste en demostrar
experimentalmente la relación de Krige:
σ 2(v /V )=σ2(o/V )−σ
2(o/ v)
Dónde:σ 2(v /V )=varinza deunbloquerespecto aundepositoσ 2(o /V )=varianza deun puntomuestral respecto al depositoσ 2
( ov )=varianzadeun puntomuestral respecto aunbloque
Para poder realizar esta prueba experimentalmente se utilizó el software de
programación Visual Basic y una hoja de cálculo de Excel. El desarrollo del ejercicio se
muestra a continuación.
4.2 Desarrollo del problema.
Para desarrollar el problema planteado se programó en Visual Basic tres fórmulas diferentes,
una para cada término de la relación de Krige y se izó que el resultado de cada una de estas
fórmulas se muestre en la hoja de cálculo de Excel.
Figura 4.2: Desarrollo del problema en Visual Basic
4.3 Desarrollo de la varianza de un punto dentro de un deposito
Para desarrollar este término de la relación de Krige se utilizó la siguiente sentencia en
visual Basic
Esta sentencia lo que hace es hallar primero la media de los 1000 datos y después
hallar la varianza de estos 1000 puntos para finalmente mostrar el resultado en la celda
(6,I) .
Figura 4.3: Sentencia usada para calcular la varianza de un punto dentro del bloque
4.4 Desarrollo de la varianza de un bloque respecto al depósito
De manera análoga la anterior se creó en Visual Basic una sentencia capaz de
desarrollar este término de la relación de Krige.
La sentencia muestra el resultado en la celda (6,K)
La sentencia lo que hace es dividir todo el deposito (1000 x 1000) en bloques de menor área
(100 x 100) , para luego calcular la media de las muestras que se encuentre dentro de cada
bloque .como resultado de esto se tiene la media de 100 bloques .Finalmente la sentencia halla
la varianza de las medias de los bloques y muestra el resultado en la celda (6,K).
Figura 4.6: Histograma de datos acumulados
Figura 4.4: Sentencia usada para calcular la varianza de un bloque respecto a un depósito.
4.5 Desarrollo de la varianza de un punto respecto a un bloque
Para desarrollar este factor de la relación de Krige se usó la siguiente sentencia:
La sentencia lo que hace primero es dividir topo el depósito en bloques de 100 x 100,
para luego hallar la varianza de los puntos que se encuentran dentro de cada bloque.
Como resultado de esto de obtiene 100 varianzas, una por cada bloque. Finalmente se
promedia estas 100 varianzas y se muestra el resultado en la celda (6, J).
Figura 4.5: Sentencia usada para calcular la varianza de un punto respecto a un bloque.
4.6 Comparación de resultados
Los resultados obtenidos en cada caso son los siguientes:
σ 2(v /V )=0.196σ 2(o /V )=2.081σ 2
( ov )=1.865
Usando la relación de Krige se obtiene lo siguiente:
σ 2(v /V )=σ2(o/V )−σ
2(o/ v)
0.196≅ 2.081−1.865
0.196≅ 0.216
Como se muestra la relación de KRIGE se cumple aproximadamente en este
caso, lo cual demuestra lo pedido por el Doctor Marin en clase.
5 CONCLUSIONES
1. La relación de krige se cumple con una buena aproximación, con un error de 0.02.
2. Es una base práctica como corroboración de mi data tomada de un determinado
deposito, mediante las varianzas.
3. Mediante otras iteraciones realizadas , observe que la RELACION DE KRIGE es más
aproximada mientras más pequeña es la malla y más leyes del mineral tomo , eso se
debe que mientras más confinado están las leyes tienen comportamiento similares .
6 BIBLIOGRAFIA
DIAZ VIERA, MARTIN (Julio, 2012) ,Geo estadística Aplicada.
http://mmc2.geofisica.unam.mx/cursos/geoest/GeoEstadistica.pdf
GARAY SAICO, GUILLERMO RAIMONDI (Enero 2009).Introducción a la Geoestadistica.
http://mmc2.geofisica.unam.mx/cursos/geoest/Presentaciones/CG6_2009.pdf
Clases dictadas por el PhD. Alfredo Marín Suarez y el Ingeniero Augusto Tevés Rojas.