universidad nacional de san agustÍn arequipa

171
UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA FACULTAD DE CIENCIAS NATURALES Y FORMALES ESCUELA PROFESIONAL DE MATEMÁTICAS “FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS” Tesis presentada por: BACH. EDGAR MICHEL MARÍN BALLÓN Para optar el Título Profesional de: Licenciado en Matemáticas AREQUIPA PERÚ - 2016 -

Upload: others

Post on 16-Oct-2021

13 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

UNIVERSIDAD NACIONAL DE SAN AGUSTÍN

AREQUIPA

FACULTAD DE CIENCIAS NATURALES Y FORMALES

ESCUELA PROFESIONAL DE MATEMÁTICAS

“FUNDAMENTO MATEMÁTICO DE MÉTODOS

GEOESTADÍSTICOS Y SU APLICACIÓN EN LA

ESTIMACIÓN DE YACIMIENTOS MINEROS”

Tesis presentada por:

BACH. EDGAR MICHEL MARÍN BALLÓN

Para optar el Título Profesional de:

Licenciado en Matemáticas

AREQUIPA – PERÚ

- 2016 -

Page 2: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

ASESOR:

MSC. MARTÍN MEDINA VILCA

Page 3: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

MIEMBROS DEL JURADO:

Dr. Octavio Roque Roque

Presidente

Mg. Sergio Aquise Escobedo

Integrante

Lic. Luis Guerra Jordan

Secretario

Page 4: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

PRESENTACIÓN

SEÑOR DECANO DE LA FACULTAD DE CIENCIAS NATURALES Y FORMALES

SEÑOR DIRECTOR DE LA ESCUELA PROFESIONAL DE MATEMÁTICAS

SEÑORES MIEMBROS DEL JURADO

En cumplimiento con las disposiciones del Reglamento de Grados y Títulos

Profesionales de la Escuela Profesional de Matemáticas, me permito poner a vuestra

disposición y juicio el presente trabajo de tesis titulado “Fundamento Matemático de

Métodos Geoestadísticos y su Aplicación en la Estimación de Yacimientos Mineros”, que

previa autorización de ustedes me permitirá optar el Título Profesional de Licenciado en

Matemáticas.

Mediante el presente trabajo de tesis se introduce el estudio de la Teoría de

Variables Regionalizadas o Geoestadística desde un punto de vista matemático,

analizando aquellos conceptos y proposiciones que constituyen el fundamento

matemático de los métodos de estimación geoestadísticos usados en la resolución de

problemas de la ingeniería y aplicando este estudio en un aspecto tan importante para el

Perú como es la estimación de recursos de yacimientos mineros.

Arequipa, 4 de Agosto de 2016

________________________________

Bach. Edgar Michel Marín Ballón

Page 5: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

CENTRO GEOESTADÍSTICO PERUANO

Bach. Michel Marín Ballón y Dr. Alfredo Marín Suárez

Page 6: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

A mi tío, Dr. Alfredo Marín.

A mis padres, Amparo y Edgar.

A mi hermano, Gerson.

Page 7: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

AGRADECIMIENTOS

A Dios, por cuidarme en este camino y estar siempre presente.

Agradezco a mi tío, Sr. Alfredo Marín Suárez, Docteur Ingénieur en Ciencias y

Técnicas Mineras Opción Geoestadística de la Ecole National Superieure des Mines de

Paris, por ser mi padre intelectual y guiarme en la aplicación de la matemática a la

ingeniería y por darme la oportunidad de ser su asistente en sus investigaciones y diversos

trabajos para empresas mineras.

Al Dr. Georges Matheron, quien creó la genial Teoría de las Variables

Regionalizadas.

A los docentes de la Escuela Profesional de Matemáticas de la Universidad Nacional

de San Agustín, quienes me brindaron los conocimientos necesarios para realizar esta tesis

de licenciatura. Agradezco particularmente al Msc. Martín Medina Vilca, ejemplar

catedrático quien brindó el invaluable asesoramiento en la realización de esta tesis de

licenciatura.

Agradezco a los señores catedráticos Dr. Octavio Roque Roque, Mg. Sergio Aquise

Escobedo y Lic. Luis Guerra Jordán, quienes conforman el jurado examinador y a través de

sus sugerencias y observaciones, ayudaron a elevar el nivel del contenido de esta tesis de

licenciatura de matemáticas.

También agradezco infinitamente a mis padres, Sra. Amparo Ballón de Marín y

Mayor del Ejército del Perú (r) Benjamín Marín Suárez, por su constante apoyo y

comprensión en todas las etapas de mi vida. Gracias mamá y papá por el cariño y la

disciplina militar con la que me criaron. Agradezco a mi hermano, Gerson Marín Ballón,

por compartir conmigo sus alegrías.

Al profesor Walter Torres, por crear el Seminario de Matemáticas, la biblioteca

especializada en matemáticas en la que estudie durante mi preparación universitaria.

Finalmente agradezco a todos los que colaboraron en la realización de esta tesis,

particularmente a la Bach. Fiorella Romero, quien me acompañó y apoyo en mis horas de

estudio. Espero que esta tesis de licenciatura contribuya a la formación de una nueva visión

de la aplicación de la matemática a la solución de problemas de la ingeniería.

Page 8: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

ÍNDICE

Listado de Ilustraciones .................................................................................................. 11

Listado de Tablas ............................................................................................................ 14

Introducción .................................................................................................................... 15

Resumen .......................................................................................................................... 19

Capítulo 1: ASPECTOS GENERALES ......................................................................... 21

1.1 Reseña Histórica 21

1.2 Conceptos y Propiedades Fundamentales 24

1.2.1 Definiciones del Análisis Funcional 27

1.2.2 El espacio 2( , , )A P 29

1.2.3 Técnicas Estadísticas del Análisis Exploratorio de Datos 46

Capítulo 2: INTRODUCCIÓN A LA TEORÍA DE VARIABLES REGIONALIZADAS

........................................................................................................................................ 59

2.1 La Geoestadística 59

2.2 Variable Regionalizada 59

2.2.1 Funciones Aleatorias 60

2.2.2 Convergencia y Continuidad en Media Cuadrática 74

2.3 Hipótesis de Trabajo de la Geoestadística 78

2.3.1 Hipótesis Estacionaria 78

2.3.2 Hipótesis Estacionaria de Orden 2 79

2.3.3 Hipótesis Intrínseca 81

2.4 Análisis Estructural 83

2.4.1 Covarianza 83

2.4.2 Variograma 85

2.4.3 Ajuste con variogramas teóricos 96

Page 9: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

2.4.4 Diferencia Básica entre el Tratamiento Estadístico Descriptivo y el

Geoestadístico 97

2.4.5 Variograma Promedio 102

2.4.6 Variograma Cruzado 105

Capítulo 3: MÉTODOS DE ESTIMACIÓN GEOESTADÍSTICOS ........................... 108

3.1 Métodos de Estimación Tradicionales 109

3.1.1 Método de la Media Aritmética 109

3.1.2 Método de los Polígonos 109

3.1.3 Método del Inverso de la Distancia 111

3.2 El Kriging de Matheron 113

3.2.1 Fundamento Teórico 114

3.2.2 Ejemplo del Cálculo por el método de Kriging en 3D 124

Capítulo 4: METODOLOGÍA DE LA APLICACIÓN EN YACIMIENTOS MINEROS

...................................................................................................................................... 127

4.1 Aspectos Previos 127

4.1.1 Mina Pachapaqui 127

4.1.2 Sobre el Software Datamine 128

4.3 Diagrama de Burbujas de la Metodología Propuesta de Estimación del Yacimiento

129

4.3.1 Generación de Archivo de taladros 130

4.3.2 Aplicación de valor capping 140

4.3.3 Compositación de las muestras 141

4.3.4 Creación de Modelo Geológico 142

4.3.5 Determinación del Soporte Geométrico a Estimar 143

4.3.6 Construcción de Variogramas Experimentales 144

4.3.7 Modelación con Variogramas Teóricos 148

4.3.8 Creación de Elipsoide de Influencias 151

4.3.9 Estimación con Krigring de Matheron 152

4.3.10 Curva Tonelaje – Ley de Corte 154

Page 10: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

4.3.11 Emisión de Planos y Secciones 156

Conclusiones y Recomendaciones ................................................................................ 161

Anexos .......................................................................................................................... 162

A.1 Teorema Central del Límite 162

A.2 Método de Multiplicadores de Lagrange 164

A.3 Glosario de términos 167

Page 11: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

Listado de Ilustraciones

Ilustración 1: Ejemplo de función no nula y de norma cero 34

Ilustración 2: Compósito de longitud “c” 47

Ilustración 3: Histograma de la selección de longitud de compósito 48

Ilustración 4: Histograma Experimental de la Variable Zinc sin capping 49

Ilustración 5: Histograma Experimental de la Variable Zinc con capping 50

Ilustración 6: Distribución lognormal de la Variable Oro 51

Ilustración 7: Distribución Lognormal del Oro y distribución de sus logaritmos 57

Ilustración 8: Representación de la variable regionalizada en el espacio 67

Ilustración 9: Línea de muestreo para calcular la covarianza 69

Ilustración 10: Gráfica de la función covarianza 71

Ilustración 11: La Ley de Distribución es Invariante por traslación 79

Ilustración 12: Relación entre Variograma y Covarianza 81

Ilustración 13: Dominios de las hipótesis intrínseca y estacionaria de orden 2 83

Ilustración 14: Representación gráfica del alcance, pepita y meseta 88

Ilustración 15: Elipsoide de Influencias determinado por tres alcances 90

Ilustración 16: Elipsoide de Influencias centrado en un bloque por estimar 91

Ilustración 17: Tolerancias angulares y en distancia 92

Ilustración 18: Gráfica del modelo lineal 93

Ilustración 19: Gráfica del modelo esférico o de Matheron 94

Ilustración 20: Gráfica del modelo exponencial o de Formery 94

Ilustración 21: Gráfica del modelo “trou” o de efecto hole 95

Ilustración 22: Gráfica del modelo gaussiano 95

Ilustración 23: Ajuste de variograma en un software de la industria minera 96

Ilustración 24: Línea de muestreo A 97

Ilustración 25: Histograma de la línea de muestreo A 98

Ilustración 26: Línea de muestreo B 98

Ilustración 27: Histograma de la línea de muestreo B 99

Ilustración 28: Análisis con variogramas de la línea de muestreo A 99

Page 12: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

Ilustración 29: Variograma de la línea de muestreo A 100

Ilustración 30: Análisis con variogramas de la línea de muestreo B 100

Ilustración 31: Variograma de la línea de muestreo B 101

Ilustración 32: Análisis con variogramas de muestras en una malla 102

Ilustración 33: Gráfica del variograma promedio 104

Ilustración 34: Línea de muestreo A con leyes de Ag y Au 105

Ilustración 35: Variograma cruzado de línea de muestreo A 106

Ilustración 36: Línea de muestreo B con leyes de Ag y Au 106

Ilustración 37: Variograma cruzado de línea de muestreo B 107

Ilustración 38: Leyes minerales en las muestras con sus pesos para estimar la ley mineral

de un bloque V 108

Ilustración 39: Formación de Polígonos de influencia 1 110

Ilustración 40: Formación de Polígonos de influencia 2 110

Ilustración 41: Formación de polígonos en una zona de muestreo en 2D 111

Ilustración 42: Estimación con método de Kriging en el centro de un bloque 125

Ilustración 43: Diagrama de Burbujas correspondiente a la estimación por Método de

Kriging de Matheron 129

Ilustración 44: Vista en planta de taladros 136

Ilustración 45: Taladros en vista vertical 136

Ilustración 46: Taladros en vista tridimensional con topografía incluida 136

Ilustración 47: Histograma de la variable Zinc de las muestras 139

Ilustración 48: Histograma de la variable Zinc con capping 2750 ppm en muestras 140

Ilustración 49: Distribución del logaritmo de las leyes de la variable Zinc 141

Ilustración 50: Histograma de la longitud de las muestras 142

Ilustración 51: Modelo geológico con taladros y topografía 143

Ilustración 52: Banco de una mina a tajo abierto 144

Ilustración 53: Modelo de bloques sin estimar y taladros 144

Ilustración 54: Variogramas en direcciones dadas y el variograma omnidireccional 146

Ilustración 55: Variograma Omnidireccional 146

Ilustración 56: Variograma en la dirección azimut 0º dip 0º 147

Ilustración 57: Variograma en la dirección azimut 90º dip 0º 147

Ilustración 58: Variograma en la dirección azimut 0º dip 90º 148

Page 13: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

Ilustración 59: Variograma de Azimut 90º y Dip 0º 149

Ilustración 60: Variograma de Azimut 0º y Dip 0º 149

Ilustración 61: Variograma de Azimut 0º y Dip 90º 150

Ilustración 62: Representación gráfica del elipsoide de influencias con taladros 151

Ilustración 63: Representación gráfica del elipsoide de influencias y del modelo geológico

en 3D 151

Ilustración 64: Modelo de bloques estimado en 3D 152

Ilustración 65: Curva Tonelaje – Ley de corte 156

Ilustración 66: Vista de modelo de bloques estimado con taladros 156

Ilustración 67: Sección del modelo de bloques con leyes de zinc 157

Ilustración 68: Vista en sección del modelo de bloques estimado 157

Ilustración 69: Corte en sección del modelo de bloques 1 158

Ilustración 70: Corte en sección del modelo de bloques 2 158

Ilustración 71: Vista en 3D del modelo de bloques con recursos medido, indicado e

inferido 159

Ilustración 72: Vista en sección del modelo de bloques con recurso medido, indicado e

inferido 159

Ilustración 73: Histograma de la varianza de kriging 160

Page 14: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

Listado de Tablas

Tabla 1: Archivo header de la data de la mina Pachapaqui .......................................... 132

Tabla 2: Porción ilustrativa del archivo Survey ............................................................ 133

Tabla 3: Porción ilustrativa de datos del archivo Assay ............................................... 135

Tabla 4: Porción ilustrativa del archivo de taladros ..................................................... 138

Tabla 5: Análisis con estadísticas descriptivas del archivo de taladros ........................ 139

Tabla 6: Estadísticas de la variable Zinc con capping .................................................. 141

Tabla 7: Parámetros a introducir para la elaboración de variogramas .......................... 145

Tabla 8: Direcciones de los variogramas ...................................................................... 145

Tabla 9: Porción ilustrativa de la tabla de resultados de estimación ............................ 153

Tabla 10: Tabla de modelo de bloques estimado .......................................................... 155

Tabla 11: Tabla tonelaje – ley de corte ......................................................................... 155

Page 15: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

Introducción

El estudio de fenómenos que caracterizan a las ciencias de la tierra y que son motivo de

análisis en la actualidad, exige el uso de modelos matemáticos y definiciones que

permitan axiomatizar la realidad del fenómeno.

Uno de estos fenómenos es el de la presencia de yacimientos mineros, que se formaron

en gran parte por la solidificación de magma líquido en fracturas o fallas geológicas. Este

fenómeno se manifiesta en muchas regiones de la tierra, en particular en el Perú. Su

riqueza mineral, la disponibilidad de información geológica, la oferta de proveedores de

primer nivel y el marco jurídico promotor de la inversión privada en el país, convierten

al Perú en un destino mundialmente atractivo para la inversión minera.

A nivel mundial, Perú se ubica entre los primeros productores de diversos metales

preciosos, tales como oro, plata, cobre, plomo, zinc, entre otros; la presencia de la

Cordillera de los Andes a lo largo del territorio nacional, constituye nuestra principal

fuente de recursos minerales.

Debido a esta característica, es necesario el desarrollo de métodos, técnicas, conceptos y

modelos que permitan revelar la existencia de posibles yacimientos y proporcionen la

información necesaria para evaluar la posibilidad de extraer minerales y garantizar la

rentabilidad.

Los métodos de estimación de recursos, que implícitamente están presentes en los

softwares mineros, estiman la cantidad aproximada de minerales en un determinado

yacimiento. Pero esta aproximación necesita de un soporte matemático para una buena

axiomatización de la realidad, con lo cual se podrá realizar una estimación óptima y

desarrollar proyectos más rentables.

Considerando este problema, el matemático francés Georges Matheron crea la Teoría de

Variables Regionalizadas denominada Geoestadística, a la que define como “La

Page 16: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

aplicación del formalismo de las Funciones Aleatorias al reconocimiento y a la estimación

de fenómenos naturales”.

La Geoestadística proporciona herramientas muy útiles y eficaces para el proceso de

estimación de recursos minerales y para la resolución de muchos otros problemas de la

ingeniería, fundamentándose en conceptos y definiciones importantes de la matemática.

Estas razones motivaron la realización de esta tesis de licenciatura en matemáticas.

El presente trabajo de tesis de licenciatura es fruto de la labor durante dos años como

asistente del Dr. Alfredo Marín Suárez, Docteur Ingénieur en Ciencias y Técnicas

Mineras Opción Geoestadística de la Ecole National Superieure des Mines de Paris, quien

previamente realizó estudios de especialización en el Departamento de Ingeniería

Matemática de la Universidad de Chile, 1973-1975 y actualmente es profesor principal

de la Universidad Nacional de Ingeniería y profesor de la Maestría de Geología de la

Universidad Nacional de San Agustín. Se desarrolló la labor de asistente del Dr. Marín

en el Centro Geoestadístico Peruano en Lima, colaborando en las investigaciones de

geoestadística y en los servicios de consultoría especializada a varias empresas mineras

nacionales e internacionales. Se realizó el aprendizaje de manejo de softwares de la

industria minera: DATAMINE, MINESIGHT, GEMCOM, SGEMS, y se comprendieron

los fundamentos de la Geoestadística.

Es así que se presenta este trabajo de tesis, presentando los conocimientos obtenidos como

asistente en el Centro Geoestadístico Peruano y siguiendo los lineamientos de los estudios

hechos por Matheron en Francia, con el objetivo de mostrar que la Geoestadística está

fundamentada en conceptos esenciales e importantes de la matemática y exhibir su

aplicación en la estimación de yacimientos mineros, haciendo uso de un software de la

industria minera.

Se realizan los siguientes aportes:

Se enuncian los conceptos y proposiciones que constituyen la base matemática de

la Geoestadística en la cual se fundamenta para sus múltiples aplicaciones.

Page 17: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

Se analiza el fundamento matemático de los métodos geoestadísticos,

principalmente del método de Kriging de Matheron que es el método más eficaz

para la etapa de estimación de recursos.

Se introduce el estudio desde un punto de vista matemático de la Teoría de

Variables Regionalizadas o Geoestadística, que tiene muchas aplicaciones en

diversas áreas de estudio en la ingeniería, particularmente en el estudio de

recursos mineros.

Se explica la metodología de aplicación de estos métodos a partir de un software

industrial y usando data de una mina real. Esta metodología puede ser usada para

el estudio de recursos de cualquier mina y usando cualquier software de la

industria minera.

En la presente tesis de licenciatura se realizan trece demostraciones matemáticas

de teoremas, corolarios y proposiciones de la teoría de la Geoestadística,

elaboradas personalmente para este trabajo y que se presentan en los capítulos I,

II y III. Estas demostraciones son las siguientes:

1. La función del modelo de distribución Log normal es en efecto una

función de densidad.

2. 2X E X , con X variable aleatoria, es una seminorma.

3. 2X E X es norma en 2( , , )L A P .

4. ,X Y E X Y , con ,X Y variables aleatorias, es producto interno.

5. El espacio 2( , , )L A P es completo con la norma 2X E X .

6. El producto interno ,Z x Z y E Z x Z y y su norma inducida

2( ) ( )Z x E Z x , con ,Z x Z y variables aleatorias, verifican la

desigualdad de Cauchy-Schwarz y las desigualdades triangulares.

7. La esperanza del producto de dos funciones aleatorias convergentes,

converge a la esperanza del producto de las funciones de convergencia.

Page 18: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

8. Si una función aleatoria ( )Z x es convergente, entonces su función

covarianza es convergente en todo su dominio.

9. Demostración de la igualdad ( ) (0) ( )C h C h , nh .

10. Demostración de las propiedades de la función covarianza.

11. Demostración de las propiedades de la función variograma.

12. Demostración de la formulación del sistema de Kriging de Matheron.

13. Demostración de la condición de universalidad del sistema de Kriging de

Matheron.

Page 19: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

Resumen

La Teoría de Variables Regionalizadas, también llamada Geoestadística, proporciona

herramientas para la caracterización de fenómenos geológicos tales como la presencia de

recursos minerales en una determinada zona, y para la estimación de leyes minerales (del

oro, plata, cobre, zinc, plomo, entre otros) mediante el uso de las variables regionalizadas,

que son realizaciones de variables aleatorias en las que se considera su posición en el

espacio. Se debe tener en cuenta que cuando se hace mención a ley mineral, se está

refiriendo al tenor metálico que constituye el valor de la variable regionalizada.

En el presente trabajo de tesis, se desarrollan los siguientes capítulos:

En el capítulo I, Aspectos Generales, se presenta un breve resumen histórico sobre la

creación y desarrollo de la Teoría de las Variables Regionalizadas por el Dr. Georges

Matheron y sus colaboradores en Francia, y sobre el impacto de estos conceptos en

América del Sur y la acogida que tuvo en sus inicios. Así mismo, se hace un repaso de

los conceptos del análisis funcional, de la teoría de la medida y de la estadística

descriptiva que serán usados en el desarrollo del trabajo.

En el capítulo II, Introducción a la Teoría de las Variables Regionalizadas, se define la

variable regionalizada en base a los conceptos de Función Aleatoria y Variable Aleatoria,

esto sobre el conjunto de funciones 2( , , )L A P . Así mismo, se definen los conceptos de

continuidad y convergencia en media cuadrática, y se enuncian las hipótesis de trabajo

que se consideran para el proceso de estimación de yacimientos mineros. En este capítulo

también se presentan los conceptos de covarianza y variograma. El variograma constituye

la herramienta fundamental de la aplicación de la geoestadística a la solución de

problemas geológicos, por ello se analizan sus propiedades y se enuncian las

características de la gráfica de la función variograma. Además, se indican las tolerancias

que se deben tener en cuenta para que el variograma considere todas las muestras en la

dirección de estudio planteada con los conceptos de Azimut y Dip. Se presentan los

Page 20: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

modelos de variogramas teóricos, usados para el ajuste de variogramas experimentales.

Adicionalmente se presenta el variograma cruzado y el variograma promedio.

En el capítulo III, Métodos de Estimación, se presentan los métodos tradicionales de

estimación de recursos que son usados en el ámbito minero, y se indican algunas de sus

ventajas o desventajas. También se estudia en este capítulo el Kriging de Matheron, que

es el método de estimación desarrollado por el matemático francés Georges Matheron; se

demuestra el sistema de kriging y la varianza de kriging, minimizando el error de

estimación mediante el uso del método de Lagrange. Este capítulo culmina con un cálculo

numérico del kriging de Matheron en 3D.

En el capítulo IV, Metodología de la Aplicación en Yacimientos Mineros, se presenta un

resumen del procedimiento que se sigue para aplicar el kriging de Matheron en la

estimación de una mina real, mediante el uso de un software de la industria minera.

Finalmente, se presentan las conclusiones obtenidas después de haber estudiado los

distintos métodos de estimación y haber analizado el fundamento matemático sobre el

cual se desarrolla el método del kriging de Matheron, así como también se hacen

recomendaciones para su aplicación.

Page 21: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

21

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Capítulo 1

ASPECTOS GENERALES

En este capítulo se presenta una reseña histórica de la creación y desarrollo de la

Geoestadística, y su acogida en Latino América. Así mismo, se hace un repaso de las

definiciones y proposiciones del Análisis Funcional, la Teoría de la Medida y de la

Estadística Descriptiva que serán necesarias en los capítulos siguientes, y que

proporcionan la base matemática en la cual se fundamenta la Geoestadística.

1.1 Reseña Histórica

La Teoría de Variables Regionalizadas fue creada por el matemático y geólogo francés,

Dr. Georges Matheron, quien sentó las bases matemático-probabilísticas de su

revolucionaria teoría, fundamentándose en su trabajo para el Servicio Geológico Francés

en el estudio de yacimientos minerales de Argelia, desde 1954 hasta 1963. Dado que las

primeras aplicaciones de la teoría de variables regionalizadas se desarrollaron en las

ciencias de la tierra, se optó por llamarla también por el nombre de Geoestadística.

Georges Matheron publicó su teoría en su libro: Traité de Géostatistique Appliquée.

Anteriormente hubo algunos trabajos de campo del ingeniero Daniel Krige de Sudáfrica,

usando métodos de la estadística descriptiva para modelar la variabilidad de la ley del oro

en Sudáfrica en los años 50’s.

A finales de la década de los 60’s, el gobierno francés fue informado de los trabajos de

Georges Matheron y creó el “Centre de Morphologie Mathématique” (CMM) en la École

Nationale Supérieure Des Mines de Paris, en Fontainebleau, y Georges Matheron fue

asignado como su primer director, donde continuó con sus trabajos de investigación y

Page 22: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

22

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

desarrollo de técnicas con aplicaciones en los procesos naturales, hasta su fallecimiento

en agosto del año 2000.

El Centre de Morphologie Mathématique necesitaba validar sus métodos y aplicar los

conceptos desarrollados de la Geoestadística en yacimientos minerales. Inicialmente se

tuvo como objetivo realizar estos trabajos en Perú, pero no se logró concretar debido a

los trámites del gobierno peruano. Entonces fueron a Chile, donde la propuesta del Centre

de Morphologie Mathématique tuvo acogida.

A continuación, se presenta el resumen de lo expuesto en la conferencia plenaria

denominada The Boletin de Geoestadística (1972-73): A First Journal Devoted to

Geostatistics, presentada por Michel Dagbert y Alain Marechal, publicado en el Octavo

Congreso Internacional de Geoestadística, GEOSTATS 2008, realizado en Santiago de

Chile en el año 2008:

“En los años 70’s se desarrollan los primeros trabajos de la aplicación de la Geoestadística

en Chile. En la Universidad de Chile se estableció un grupo específico de investigación

dedicado enteramente a la Geoestadística. Este grupo inició la publicación de la primera

revista de Geoestadística, llamada The Boletin de Geoestadística.

En 1972 se crea el Centro de Geoestadística del Departamento de Minas de la Facultad

de Ciencias Físicas y Matemáticas de la Universidad de Chile, organizado en: un grupo

de cuatro investigadores (Alain Marechal, Isaac Ugarte, Jorge Walton y Marco Alfaro)

para trabajar en los proyectos de la Corporación del Cobre de Chile (CODELCO), un

grupo de investigadores de Métodos Numéricos Geoestadísticos para el desarrollo de

Software encabezado por Alfredo Marín con tres egresados del Departamento de Minas,

y un grupo de Investigación de Operaciones (Jorge Mas y Hernan Büchi con tres

egresados). Entiéndase por Métodos Numéricos Geoestadísticos como metodologías

mediante las cuales se obtiene la solución de problemas de la ingeniería realizando

cálculos y haciendo uso de los conceptos de la Geoestadística.

A causa del golpe de Pinochet en Setiembre de 1973, el Centro de Geoestadística del

Departamento de Minas empezó a desintegrarse. La mayoría de sus integrantes salieron

Page 23: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

23

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

del país, quedando: R. Segovia, Alfredo Marín, H. Büchi, quienes se encargaron de la

cátedra de Geoestadística en la Universidad de Chile, desde el año 1973 hasta 1976.

La investigación de métodos Geoestadísticos continuó a pesar del golpe de estado, pero

los cambios en la administración consecuentes causaron la pérdida del apoyo financiero

y acuerdos con las compañías mineras involucradas en las investigaciones.

A pesar del golpe de estado, la coordinación con el Centre de Morphologie Mathématique

de Francia continuó. Así, Alfredo Marín Suárez viajó al Centre de Morphologie

Mathématique en Fontainebleau, Francia, con una beca de la École Nationale Supérieure

des Mines de Paris. Alfredo Marín logra alcanzar el doctorado en diciembre de 1978, con

la tesis “Méthodologie de L’Estimation et Simulation Multivariable des Grands

Gisements Tridimensionnels”, teniendo como jurado al Dr. Georges Matheron. Se

convierte en el primer graduado de doctor en Geoestadística (Docteur Ingénieur) del

grupo de investigación de Chile, y por lo tanto el primero de toda Latino América y

América”.

El Dr. Georges Matheron desarrolló la aplicación a partir de los años 70s’ con su equipo

de colaboradores, dentro los cuales citamos algunos: Jean Serra, Andre Journel, Alain

Marechal, J. Chiles, Pierre Chauvet, J. Deraisme, R. Dumay, D. Guibal, Alfredo Marín,

M. Alfaro, quienes serían los que introducirían la teoría de la Geoestadística en las

diferentes áreas profesionales, como es el caso de la geología minera y petrolera.

Las primeras aplicaciones de la Geoestadística en Perú tuvieron como personalidades

resaltantes a Edmundo Tulcanaza de Chile y Daniel Guibal de Francia, quienes

presentaron trabajos en congresos geológicos y mineros.

En la actualidad, la Geoestadística es ampliamente usada como herramienta indispensable

en la etapa de exploración de yacimientos mineros. Así, el Dr. Alfredo Marín Suárez,

quien dirige el Centro Geoestadístico Peruano en Lima, brinda asesorías para el proceso

de estimación de recursos mineros y realiza charlas, conferencias y cursos dirigidos a

ingenieros de empresas mineras con el fin de difundir el uso de la Geoestadística para

realizar estimaciones óptimas y desarrollar proyectos rentables, además de ser asesor de

Page 24: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

24

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

tesis en temas de Probabilidad y Teoría de la Medida Aplicada, para optar el título

profesional de Licenciado en Matemática de la Facultad de Ciencias de la Universidad

Nacional de Ingeniería, Lima.

1.2 Conceptos y Propiedades Fundamentales

Definición 1.2.1 (Producto Interno):

Sea E un espacio vectorial sobre . Un producto interno en E es una aplicación

: , , ,E E x y x y ,

tal que para cualesquiera 1 2, , ,x x x y E y :

p1) 1 2 1 2, , ,x x y x y x y

p2) , ,x y x y

p3) , ,x y y x

p4) 0, ,x x x es un número real estrictamente positivo.

Definición 1.2.2 (Norma):

Sea E un espacio vectorial. Una función

: E

es una norma si las siguientes propiedades estuvieran satisfechas:

N1) 0x para todo x E

N2) 0 0x x

N3) ax a x para todo escalar a y todo x E

N4) x y x y para cualesquiera ,x y E (desigualdad triangular)

Page 25: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

25

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ejemplo:

La norma Euclidiana es una función : n

E tal que para 1 2, ,..., n

nx x x x

12

2

1

n

iEi

x x

Corolario 1.2.3:

E es en efecto una norma.

Demostración:

Debemos mostrar que E

satisface las cuatro propiedades de la definición 1.2.2. Sean

1 2, ,..., nx x x x y 1 2, ,..., ny y y y elementos de n y .

N1)

12

2

1

0n

iEi

x x

N2) ) Si

12

2

1

0n

iEi

x x

, entonces

2

1

0n

i

i

x

, lo cual implica 0ix ,

1,...,i n . Es decir: 0x .

) Supongamos que 0x , entonces 2

1

0n

i

i

x

. Luego

12

2

1

0n

iEi

x x

.

N3)

1 1 12 2 2

2 2 22

1 1 1

n n n

i i iE Ei i i

x x x x x

N4) Mostremos que se cumple la desigualdad triangular:

Calculemos 2

Ex y

Page 26: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

26

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

2 2 2 2 2 2

1 1 1 1

1

2 2

1 1

2 ... 2

2 ...

n

i i n n n nEi

n nE E

x y x y x y x y x y x y

x y x y x y

Aplicamos la desigualdad de Cauchy-Schwarz:

2 2 2 2

1 1 1 1... ... ...n n n nx y x y x x y y

Con lo que se obtiene:

22 2 2 2

1 12 ... 2n nE E E E E E E Ex y x y x y x y x y x y

Es decir

22

E E Ex y x y

E E Ex y x y

Por lo tanto

12

2

1

n

iEi

x x

es una norma. ■

Definición 1.2.4 (Seminorma):

Una seminorma en el espacio vectorial E es una función :p E que satisface las

siguientes condiciones:

S1) ( ) 0p x para todo x E

S2) ( ) ( )p ax a p x para todos a y x E

S3) ( ) ( ) ( )p x y p x p y para cualesquiera ,x y E

Es de notar que el nombre “seminorma” se debe a que a esta función le falta la propiedad

N2 de la definición 1.2.2 para convertirse en norma.

Page 27: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

27

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

1.2.1 Definiciones del Análisis Funcional

Definición 1.2.5 ( -Álgebra):

Sea X un conjunto arbitrario. Una colección de subconjuntos de X es un -álgebra

en X si

a) X ,

b) Para cada conjunto A , el conjunto cA pertenece a ,

c) Para cada sucesión infinita iA de conjuntos que pertenecen a , el conjunto

1

i

i

A

pertenece a .

Los elementos del -álgebra son llamados conjuntos medibles.

Ejemplo:

Un importante ejemplo de -álgebras es la -álgebra de los borelianos en , que es

generada por la colección de subconjuntos abiertos de , y es denotada por .

Los elementos de son de la forma:

, , , , , , ,a b b a b a b

En el presente trabajo de tesis se trabajará con el conjunto , llamado espacio muestral,

y haremos uso de la -álgebra del espacio muestral , a la que llamaremos -

álgebra de eventos de .

Definición 1.2.6 (Espacio Medible):

Llamaremos espacio medible al par ,X , donde X es un conjunto y es -álgebra

de X .

Page 28: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

28

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Definición 1.2.7 (Medida):

Una medida en el -álgebra del conjunto X es una función : 0, que

satisface

a) 0

b) 11

i i

ii

A A

La propiedad b) indica que la función es contablemente aditiva.

Definición 1.2.8 (Probabilidad):

La medida de probabilidad, función de probabilidad o simplemente probabilidad P , es

una medida que asigna a cada A perteneciente al -álgebra del espacio muestral

, un número real P A , llamado probabilidad del evento A , tal que:

i. 0P A , para todo A ,

ii. 1P

iii. Si nA es una sucesión de eventos incompatibles (conjuntos disjuntos),

entonces:

11

n n

nn

P A P A

Definición 1.2.9 (Función Medible):

Sean ,X y ,Y espacios medibles. Una función :f X Y es medible con

respecto a y si para cada C , el conjunto 1f C .

Page 29: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

29

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Definición 1.2.10 (Espacio Vectorial Normado):

Un espacio vectorial equipado con una norma será llamado espacio vectorial normado, o

simplemente espacio normado.

Definición 1.2.11 (Sucesión de Cauchy):

Sea E un espacio vectorial normado. Una sucesión ns de elementos de E es una

sucesión de Cauchy si para cada número positivo , existe un entero positivo N tal que

m ns s siempre que m N y n N .

Definición 1.2.12 (Espacio Completo):

Decimos que un espacio vectorial normado E es completo cuando toda sucesión de

Cauchy en E converge a un punto en E .

Definición 1.2.13 (Espacio de Hilbert):

Un espacio con producto interno es llamado espacio de Hilbert cuando es completo con

la norma inducida por el producto interno.

1.2.2 El espacio 2( , , )A P

Definición 1.2.14 (Espacio de Probabilidad):

Llamaremos Espacio de Probabilidad a la terna , , P , donde es espacio muestral,

es la sigma álgebra de subconjuntos de , y P es la medida de Probabilidad.

Definición 1.2.15 (2( , , )A P ):

Sea , , P un espacio de probabilidad. El conjunto de todas las funciones medibles

de en tales que

Page 30: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

30

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

1

pp

pf f dP

será denotado por ( , , )p P .

Así podemos definir este espacio como:

1

( , , ) :p

pp

pP f f f dP

O lo que es lo mismo:

( , , ) :pp P f f dP

Particularmente para 2p :

1

22

2f f dP

Con la norma 2

se define el espacio:

22 ( , , ) :P f f dP

Verbalmente, se define el espacio 2( , , )P como el espacio de variables aleatorias

sobre ( , , )P .

Page 31: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

31

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Teorema 1.2.16 (Desigualdad de Hölder):

Sea , , P un espacio de probabilidad, y sean p y q que satisfacen 1 p ,

1 q , y 1 1 1p q . Si ( , , )pf P y ( , , )qg P , entonces fg

pertenece a 1( , , )P y satisface p q

fg dP f g

Demostración:

El teorema se verifica en el caso en que 0p

f o 0q

g .

Supongamos 0p

f y 0q

g .

Primero es conveniente mostrar que para cualesquiera a ,b positivos, se cumple que:

1 1

p q a ba b

p q

Consideremos la función : 0,f f , dada por f t t t , con 0 1 .

f t tiene un máximo en 1t . Entonces: 1t t

1 1 1f t f t t

1t t

Haciendo a

tb

y 1

p , se obtiene la desigualdad

1 1

p q a ba b

p q .

Reemplazando ( )

p

p

p

f xa

f y

( )q

q

q

g xb

g , se obtiene la desigualdad deseada. ■

Teorema 1.2.17 (Desigualdad de Minkowski):

Sea , , P un espacio de probabilidad, y sea p que satisface 1 p . Si f y g

pertenecen a ( , , )p P , entonces p p p

f g f g .

Demostración:

Page 32: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

32

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Sean , ( , , )pf g A P . Si 1p o 0p

f g , se cumple la desigualdad:

1 1 11p f g f g dP f dP g dP f g

Podemos suponer 0p

f g y 1p . Entonces, x

( ) ( ) ( ) ( ) 2max ( ) , ( )

2 max ( ) , ( ) 2 ( ) ( )

ppp

p p pp p

f x g x f x g x f x g x

f x g x f x g x

Luego

2p p p pp

pf g f g dP f dP g dP

( , , )pf g P .

Por otro lado, x se cumple que:

1

1

1 1

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ( )

p p

p

p p

f x g x f x g x f x g x

f x g x f x g x

f x f x g x g x f x g x

=

Tomando 1q con 1 1

1 1 1p q

p q pp q pq

1

( , , )p

p qqf g f g P

En efecto,

qp p

q p pq q

pq

f g f g dP f g dP f g

Aplicando la desigualdad de Hölder en los sumandos del lado derecho de la desigualdad

( ) :

Page 33: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

33

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

1 1

1 ( 1)

1 1

1 ( 1)

p qp p p q

p qp p p q

f f g dP f dP f g dP

g f g dP g dP f g dP

Sumando ambas desigualdades:

1 1

1 1

1 1 1 1

p p p

p p

p q p qp p p p

f g dP f f g g f g dP

f f g dP g f g dP

f dP f g dP g dP f g dP

Dividiendo ambos lados por

1q

pf g dP

:

1 1

1

1 1 1 11

p

p pp p

qp

p p pqp p p p

f g dP

f dP g dP

f g dP

f g dP f g dP f dP g dP

p p pf g f g ■

Proposición 1.2.18:

2

2: ( , , )P es una seminorma.

Demostración:

Sea 2( , , )f P y

Page 34: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

34

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

1) 2

f es positivo, pues 2

0f y por lo tanto

1

22

0f dP

.

2)

1 1 1

2 2 22 2 2 2

2 2f f dP f dP f dP f

.

3) La desigualdad triangular se verifica de manera inmediata con la desigualdad de

Minkowski: 2 2 2

f g f g . ■

2 no es norma, pues

20x no necesariamente implica 0x .

Contraejemplo:

Consideremos la función 2( , , )f P definida por:

1,( )

0,

x af x

x a

con a elemento fijo del dominio. Se puede representar gráficamente como:

Ilustración 1: Ejemplo de función no nula y de norma cero

La función 2

aplicada a 2( , , )f P da como resultado cero, pero f no es la

función nula.

Page 35: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

35

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Proposición 1.2.19:

El espacio 2( , , )P es un espacio vectorial.

Demostración:

2( , , )P es un subconjunto del espacio de funciones con valores reales, que es un

espacio vectorial. Entonces basta mostrar que si 2, ( , , )f g P y , entonces

2, ( , , )f g f P .

Sean 2, ( , , )f g P y x .

2

f dP

y 2

g dP

Si ( ) ( ) 0f x g x , entonces se tiene que 2( , , )f g P , pues

2 2

20f g f g dP

.

Supongamos que ( ) ( ) 0f x g x :

22

2

2 2

2 2

( ) ( ) ( ) ( )

max ( ) , ( ) max ( ) , ( )

2max ( ) , ( ) 4 max ( ) , ( )

4 ( ) ( ) ,

f x g x f x g x

f x g x f x g x

f x g x f x g x

f x g x x

2 2 2 2

2

2 2

4

4 4

f g f g dP f g dP

f dP g dP

Así, 2( , , )f g P .

Sea 2( , , )f P , y x .

Page 36: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

36

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Si 0f , entonces 2( , , )f P , pues

20f dP

.

Supongamos que 0f :

2 2 2 22 2

2f f dP f dP f dP

2( , , )f P

Así, 2( , , )P es un espacio vectorial. ■

Definición 1.2.20 (Casi Ciertamente):

Sea ( , , )P un espacio de probabilidad. Se dice que una propiedad de los elementos

de se cumple casi ciertamente (c.c.) si el conjunto de puntos de en los cuáles la

propiedad falla es P -nulo.

En otros términos, una propiedad se cumple casi ciertamente si existe un conjunto

N que satisface 0P N , y que contiene todo elemento en el cual la propiedad no

se cumple.

Definición 1.2.21:

Sean ,f g elementos del espacio 2( , , )P , definamos la relación:

fRg si y sólo si f g c.c.

Corolario 1.2.22:

La relación fRg si y sólo si f g c.c. es relación de equivalencia.

Demostración:

Sean , ,f g h elementos de 2( , , )P , mostremos que es una relación reflexiva,

simétrica y transitiva:

Page 37: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

37

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

i. f f en todo punto, entonces f f c.c., lo que implica fRf .

ii. fRg f g c.c. g f c.c. gRf

iii. fRg f g c.c. N A tal que ( ) 0P N y ( ) ( ),f x g x x N

gRh g h c.c. 'N A tal que ( ') 0P N y ( ) ( ), 'g x h x x N

Entonces 'M N N A tal que

( ) ( ') ( ) ( ') ( ') 0P M P N N P N P N P N N

Y, además:

( ) ( ) ( ) ( )f x g x g x h x , x M

( ) ( ) ( ) ( )f x g x g x h x , Cx M

( ) ( )f x h x , Cx M

( ) ( )f x h x , x M

Es decir fRh .

Por lo tanto, la relación es en efecto una relación de equivalencia. ■

Con esta relación de equivalencia podemos definir el espacio 2( , , )L P .

Definición 1.2.23 (2( , , )L P ):

Se define el espacio 2( , , )L P como:

2 2 2( , , ) ( , , ) / : ( , , )L P P R f f P

Dónde 2( , , ) :f g P gRf .

El conjunto 2( , , )L P constituye el espacio de trabajo de la teoría de variables

regionalizadas y es rico en propiedades que se verán más adelante.

Corolario 1.2.24:

Sean 2, ( , , )f g L P y . Las operaciones:

Page 38: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

38

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

f g f g y f f

están bien definidas.

Demostración:

Debemos mostrar que la suma de clases de equivalencia no depende de la elección del

representante de cada clase de equivalencia. Sean 'f f y 'g g . Entonces

'f f y 'g g .

' ' ' 'f g f g f g f g

Así, la suma es la misma sin importar la elección del representante. Similarmente con el

producto por un escalar. Sea y 'f f :

' 'f f f f ■

Estas operaciones hacen que 2( , , )L P sea un espacio vectorial:

Proposición 1.2.25:

2( , , )L P es espacio vectorial.

Demostración:

Sean 2, ( , , )f g L P

f y g son elementos de 2( , , )P

2

f y 2

g

Aplicando la desigualdad de Minkowski (Teorema 1.2.17)

2 2 2

f g f g

Page 39: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

39

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

2( , , )f g P

2( , , )f g f g L P

Sea 2( , , )f L P y

2( , , )f P

2f

2 2

f f

2( , , )f f L P

Así, 2( , , )L P es espacio vectorial. ■

Podemos definir una función en 2( , , )L P , denotada por

2 y en términos de la

fórmula 22

f f .

Proposición 1.2.26:

2 es norma sobre

2( , , )L P .

Demostración:

Mostremos que la función 2

2: ( , , )L P satisface las propiedades dadas en la

definición 1.2.2. Sean 2, ( , , )f g L P y .

22

0f f

2 22 2 2

f f f f f

2 2 22 2 2 2

f g f g f g f g f g

2

0 0f f :

22 2 2

0 0 0 0f f f f

0f c.c. 0f

Page 40: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

40

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

22 2

0 0 0f

Lo cual comprueba que 2

es norma sobre 2( , , )L P . ■

A continuación, se definen la convergencia monótona, convergencia dominada y

convergencia absoluta. Estos conceptos se usarán para demostrar que el espacio

2( , , )L P es completo.

Definición 1.2.27 (Serie Convergente y Absolutamente Convergente):

Sea V un espacio vectorial normado, y sea 1

k

k

v

una serie infinita con términos en V .

Decimos que

1

k

k

v

es convergente si 1

lim kn

k

v

existe

1

k

k

v

es absolutamente convergente si la serie 1

k

k

v

de números reales es

convergente.

Teorema 1.2.28 (Teorema de la convergencia monótona):

Sea ( , , )X A un espacio de probabilidad, y sean f y 1 2, , ...f f funciones A -medibles

en X con valores en 0, . Suponga que las relaciones

1. 1 2 ...f x f x

2. lim nn

f x f x

se cumplen en casi todo punto x X . Entonces lim nn

fd f d .

Page 41: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

41

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Teorema 1.2.29 (Teorema de la convergencia dominada):

Sea ( , , )X A un espacio de medida, g una función integrable en X con valores en

0, , y sean f y 1 2, , ...f f funciones A -medibles en X con valores en , tales

que las relaciones

1. lim nn

f x f x

2. ( ), 1,2,...nf x g x n

se cumplen en casi todo punto x X . Entonces f y 1 2, , ...f f son integrables y

lim nn

fd f d .

Teorema 1.2.30:

Un espacio V es completo si y sólo si toda serie absolutamente convergente en V es

convergente.

Corolario 1.2.31:

Toda serie absolutamente convergente de número reales es convergente.

Con estos teoremas y definiciones, se procede a enunciar y demostrar el siguiente

teorema:

Proposición 1.2.32:

El espacio 2( , , )L P es completo con la norma

2 .

Demostración:

Supongamos que kf es una sucesión de funciones que pertenecen a 2( , , )P y

satisfacen 2k

k

f .

Page 42: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

42

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Definamos : 0,g por:

2

1

( ) ( )k

k

g x f x

Aplicando la desigualdad de Minkowski:

12 2

21 1 12

n n n

k k k

k k k

f dP f f

Luego, del Teorema de la convergencia monótona sigue que:

22 2

21 1 1

lim lim limn n n

k k kn n n

k k k

gdP f dP f dP f

Entonces g es integrable. En consecuencia ( )g x es finito c.c. y la serie k

k

f x es

absolutamente convergente, y dado que toda serie absolutamente convergente de números

reales es convergente, se tiene que k

k

f x es convergente c.c.

Definamos una función f en por:

1

( ), ( )( )

0 ,

k

k

f x si g xf x

en otro caso

Entonces f es medible y satisface 2

f g , y 2( , , )f P .

Desde que las relaciones 1

lim ( ) ( ) 0n

kn

k

f x f x

y

2

1

( ) ( ) ( )n

k

k

f x f x g x

se cumplen

c.c., el teorema de la convergencia dominada implica que 1 2

lim 0n

kn

k

f f

.

Page 43: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

43

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Es decir, la serie 1

n

k

k

f

absolutamente convergente es también convergente. Entonces,

por el teorema 1.2.29, 2( , , )L P es completo. ■

Definición 1.2.33 (Función Indicadora):

Sea E un conjunto. La función indicadora de un conjunto A E , denotada por AI , se

define como:

1,

0,A

x AI x

x A

Se definió al espacio 2( , , )P como el espacio de las variables aleatorias. Denotemos

X como un elemento de 2( , , )P . A continuación, se presenta el concepto

matemático de la variable aleatoria.

Definición 1.2.34 (Variable Aleatoria):

Una variable aleatoria X sobre el espacio medible ( , ) es una aplicación

:X

medible por las -algebras y (Borelianos):

1,B X B

Definición 1.2.35 (Momento y Función Generadora de Momentos):

El momento n - ésimo alrededor de la variable aleatoria X es:

( )n nE X x f x dx

Donde ( )f x es la función de distribución de una variable aleatoria X .

Page 44: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

44

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Así mismo se define la función generadora de momentos de la variable aleatoria

X como:

( ) ( )tX tx

XM t E e e f x dx

Se denomina función generadora de momentos porque los momentos de X , nE X ,

pueden ser obtenidos derivando esta función y evaluando la derivada en 0t , como

establece el siguiente teorema.

Teorema 1.2.36:

Sea X una variable aleatoria para la cual existe la función generadora de momentos

( )XM t , entonces:

0

( )n

n

Xn

t

E X M tt

La demostración de este teorema se basa en el siguiente lema del cálculo diferencial e

integral:

Lema 1.2.37:

Si la función ( )g t definida por:

( ) ( )txg t e f x dx

Converge para todo ,t h h , para algún 0h , entonces existen las derivadas parciales

de orden n de ( )g t , para todo ,t h h y para todo n entero positivo y se obtienen

como:

Page 45: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

45

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

( )( )

n n tx

n n

g t ef x dx

t t

Demostración del Teorema 1.2.36:

Si la función generadora de momentos existe para todo ,t h h para algún 0h ,

aplicando el lema

( )( ) ( )

n n txn txX

n n

M t ef x dx x e f x dx

t t

Evaluando esta derivada en 0t

0

( )( )

nn nX

n

t

M tx f x dx E X

t

Veamos una aplicación de la obtención de momentos mediante el uso de la función

generadora de momentos:

Ejemplo:

Sea X una variable aleatoria con distribución exponencial de parámetro , o sea con

densidad

(0, )( ) ( )xf x e I x

Donde

(0, )

1, 0,( )

0, 0,

xI x

x

es la función indicadora.

Entonces

( )

0 0

( ) tX tx x t x

XM t E e e e dx e dx

Page 46: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

46

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

0

t xt e dx

t t

Siempre que t .

Calculemos ahora E X y V X :

2

0 0 0

( ) 1

( )

X

t t t

M tE X

t t t t

Como 22 ( )V X E X E X , calculemos 2E X :

22

2 42 2

0 00

2( ) 2X

t tt

tM tE X

t t t t

Entonces 2 2 2

2 1 1V X

.

1.2.3 Técnicas Estadísticas del Análisis Exploratorio de Datos

En el estudio de recursos de yacimientos mineros, se ubica una zona geográfica en la cual

se considera que existen minerales económicos y se toman muestras diversas. Así, se

perfora usando taladros para obtener muestras de la zona. Las muestras extraídas con los

taladros son llevadas a un laboratorio para ser analizadas y detectar los minerales de mena.

Esta información es dispuesta en una base de datos y es analizada.

Para poder iniciar el proceso de estimación de recursos de un yacimiento mineral, es

necesario hacer un estudio previo de los datos proporcionados usando algunas

herramientas de la estadística descriptiva. Esto con el fin de poder realizar una estimación

segura y confiable.

La estadística proporciona herramientas para estudiar a las variables aleatorias y para

analizar el comportamiento de sus realizaciones.

Page 47: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

47

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

A continuación, se hace un breve repaso de los conceptos de la estadística descriptiva que

se usan para analizar la información de la base de datos y se explica cómo se aplican estos

conceptos.

1.2.3.1 Histogramas

En el análisis estadístico de datos, el histograma es de importancia para caracterizar la

distribución de la variable en estudio.

El histograma se describe como una representación gráfica de la distribución de

mediciones reunidas en forma de una muestra. Exhibe la frecuencia o la cantidad de

observaciones de determinado valor, o dentro de cierto grupo.

Así, haremos uso de histogramas para:

1) Determinar el tamaño de compósito de los taladros, esto con el fin de lograr que

las variables en estudio sean aditivas. Se define la longitud de compósito como la

longitud que regulariza el tamaño de las muestras, de manera que tengan longitud

constante, que se traduce en un mismo soporte geométrico.

Se suele escoger como longitud de compósito a la longitud más frecuente que

presentan las muestras.

Ilustración 2: Compósito de longitud “c”

Page 48: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

48

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Las muestras del taladro tienen longitudes 1 2 3, ,l l l y

4l . Los tamaños de las

muestras se uniformizan usando un compósito de longitud c .

Ejemplo: Histograma de la longitud de 23107 muestras tomadas con taladros:

Ilustración 3: Histograma de la selección de longitud de compósito

En este gráfico se observa que la moda es de 1.5 metros, la cual constituirá la

longitud de compósito.

2) Con frecuencia ocurre que se filtran valores muy altos o bajos de leyes de mineral

en comparación con la mayor parte de valores. Una de las aplicaciones de los

histogramas experimentales es para identificar valores altos, llamados valores

erráticos. La presencia de valores erráticos se puede deber a varias razones, entre

las cuales están que los valores pertenezcan a un evento geológico posterior, o

posibles errores que se hayan filtrado en los datos pese a un estudio previo de

control de calidad QA-QC (Técnicas estadísticas que permiten tener una data

representativa y confiable).

Fre

cuen

cia

Longitud

𝑓(𝑥)

𝑥

Page 49: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

49

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Se determina el valor capping para la ley en estudio. El “capping” separa a los valores

erráticos de los demás valores de la zona en estudio.

Ejemplo: Histograma de la variable Zinc en partes por millón (ppm) de 5526 datos:

Ilustración 4: Histograma Experimental de la Variable Zinc sin capping

En la ilustración se aprecia que la variable Zinc tiene una distribución lognormal, pero

con una población adicional de valores altos mostrados en la “cola” del histograma

experimental.

Después de separar o eliminar los valores erráticos, usando un valor capping de 3000 ppm

(partes por millón), tenemos:

Fre

cuen

cia

Zinc (en ppm) 𝑥

𝑓(𝑥)

Page 50: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

50

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 5: Histograma Experimental de la Variable Zinc con capping

Así, se hacen estudios sólo con los valores de la variable que son menores que 3000 ppm.

3) Determinar el tipo de distribución de probabilidad que siguen las leyes minerales

en estudio. Las leyes de distribución más comunes en la práctica minera

corresponden a las distribuciones Lognormal y pocas veces a una distribucion

Normal.

Zinc (en ppm)

Fre

cuen

cia

𝑥

𝑓(𝑥)

Page 51: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

51

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 6: Distribución lognormal de la Variable Oro

Definición 1.2.38 (Función de Distribución):

La función de distribución para una variable aleatoria X denotada por ( )XF t , es una

función de una variable t tal que

1. El dominio de definición de XF es la línea completa de los reales

2. Para todo t , ( )XF t P X t

Así mismo, se define la función de densidad de probabilidad para una variable aleatoria

continua X .

Fre

cuen

cia

Leyes de Oro 𝑥

𝑓(𝑥)

Page 52: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

52

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Definición 1.2.39 (Función de Densidad):

La función de densidad de probabilidad para una variable aleatoria continua X denotada

por ( )Xf x , es una función de una variable real x tal que

( )

t

X XF t f x dx

Y verifica

1. ( ) 0Xf x , para todo x

2. 1Xf x dx

En el estudio de yacimientos mineros, las leyes minerales presentan leyes de distribución

de probabilidad distintas, siendo la más frecuente la distribución lognormal. Las

distribuciones de probabilidad proporcionan indicios para la prospección geológica.

Modelos Teóricos de Distribución

Modelo de Distribución Log Normal

Ecuación de la función de densidad Log Normal:

2

2

1 (ln )

21( ) , 0

2

x

f x e xx

Dónde:

Media aritmética de los logaritmos

de las leyes de mineral

2 Varianza de los logaritmos de las leyes de mineral

Modelo de Distribución Normal

Ecuación de la función de densidad Normal o Gaussiano:

Page 53: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

53

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

2

2

( )1

21( ) , 0

2

y

y

y

y

f y e y

Dónde:

y Media aritmética de las leyes de mineral

2

y Varianza de las leyes de mineral

Distribución que está sustentada por el teorema del límite central.

A continuación, se procede a demostrar que la función en el modelo de distribución

normal es una función de densidad de probabilidad.

Teorema 1.2.40:

La función

2

2

( )1

21( ) , 0

2

y

y

y

y

f y e y

es en efecto una función de densidad de probabilidad.

Demostración:

Para que la función ( )f y sea función de densidad debe verificar:

1. ( ) 0f y , lo cual se deduce de la propia definición.

2. ( ) 1f y dy

.

En efecto, calculemos:

2

2

( )1

21

2

y

y

y

y

e dy

Page 54: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

54

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Haciendo el cambio de variable:

y

y

yt

, y

y

dydt dy dt

Entonces queda:

2

2 2 22

( )11 1 1

22 2 2

0

1 1 1 2

2 2 2 2

y

y

y

t t t

y

e dy e dt e dt e dt

Llamemos 21

2

0

t

I e dt

. Calculemos 2I :

2 2 2 21 1 1

2 2 2 2

0 0 0 0

t s t s

I e dt e ds e dtds

Realizando un cambio a coordenadas polares:

coss r t rsen 0, 0,2

r

,

cos

cos

ds dr rsen d

dt sen dr r d

Donde:

cos

cos

rsenJ r

sen r

Entonces:

2 21 12 22 2 2

0 0 0 0

r r

I re drd d re dr

Haciendo el siguiente cambio de variable:

21

2r d rdr

212 2 2

2 2

0 0 0 00

12

r

I d e d d e d

Page 55: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

55

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Con lo cual se tiene 2

2 2I

. Por lo tanto:

2

2

( )1

21 2 2 21

22 2 2

y

y

y

y

e dy I

Con lo que se verifica que la función

2

2

( )1

21( ) , 0

2

y

y

y

y

f y e y

en el modelo de distribución normal es una función de densidad de probabilidad. ■

Similarmente se procede a demostrar que la función en el modelo de distribución

lognormal es una función de densidad de probabilidad.

Teorema 1.2.41:

La función

2

2

1 (ln )

21( ) , 0

2

x

f x e xx

es en efecto una función de densidad de probabilidad.

Demostración:

1. ( ) 0f x se deduce de la propia definición.

2. ( ) 1f x dx

.

En efecto, calculemos:

2

2

1 (ln )

21

2

x

e dxx

Page 56: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

56

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Haciendo el cambio de variable:

ln 1xt dt dx

x

Entonces queda:

2

2 2 22

1 (ln ) 1 1 12 2 2 2

0

1 1 1 2

2 2 2 2

xt t t

e dx e dt e dt e dtx

Llamemos 21

2

0

t

I e dt

. Calculemos 2I :

2 2 2 21 1 1

2 2 2 2

0 0 0 0

t s t s

I e dt e ds e dtds

Realizando un cambio a coordenadas polares:

coss r t rsen 0, 0,2

r

,

cos

cos

ds dr rsen d

dt sen dr r d

Donde:

cos

cos

rsenJ r

sen r

Entonces:

2 21 12 22 2 2

0 0 0 0

r r

I re drd d re dr

Haciendo el siguiente cambio de variable:

Page 57: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

57

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

21

2r d rdr

212 2 2

2 2

0 0 0 00

12

r

I d e d d e d

Con lo cual se tiene 2

2 2I

. Por lo tanto:

2

2

1 (ln )

21 2 2 21

22 2 2

x

e dx Ix

Se puede obtener una distribución normal aplicando el logaritmo natural a los valores de

una variable aleatoria que sigue una distribución lognormal.

Ejemplo:

Ilustración 7: Distribución Lognormal del Oro y distribución de sus logaritmos

7.a 7.b

𝑓(𝑥) 𝑓(𝑥)

𝑥 𝑥

Page 58: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

58

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

La variable Oro presenta una distribución Log Normal (7.a). Después de aplicar logaritmo

natural a sus valores, se obtiene una distribución normal (7.b), como en una gran mayoría

de variables correspondientes a las leyes de mineral.

Definición 1.2.42 (Correlaciones):

Mide la relación que existe entre variables en estudio, auxiliado por la construcción de

nubes de correlación. También se determina el coeficiente de Correlación r , definido

como una medida de la asociación entre las variables estadísticas. Se expresa como:

2 2

X Y

X Y

X Yr

X Y

Donde X y Y son las medias aritméticas de las variables aleatorias X e Y

respectivamente.

Page 59: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

59

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Capítulo 2

INTRODUCCIÓN A LA TEORÍA

DE VARIABLES

REGIONALIZADAS

En este capítulo se definen los principales conceptos de la Teoría de Variables

Regionalizadas, se presentan las hipótesis de trabajo y se enfocan estas definiciones a la

aplicación en la estimación de yacimientos mineros.

2.1 La Geoestadística

La Teoría de Variables Regionalizadas o Geoestadística es una ciencia desarrollada por

el matemático francés Georges Matheron en 1950. Se define como “la aplicación del

formalismo de las Funciones Aleatorias al reconocimiento y a la estimación de fenómenos

naturales”.

Estudia todo aquel fenómeno en el que se considere la ubicación de los datos en el

espacio. Proporciona herramientas matemáticas útiles en diversas áreas de estudio. Es

aplicada en ciencias tales como la oceanografía, la geoquímica, la geología del petróleo,

la hidrogeología, la geometalurgia, la agricultura, entre otros. Debido a que es

ampliamente usada en ciencias de la tierra, recibe el nombre de Geoestadística.

2.2 Variable Regionalizada

De manera general, diremos que un fenómeno es regionalizado cuando se considera la

posición del dato en el espacio, manifestando una cierta estructura. Tal característica es

considerada por las variables regionalizadas.

Page 60: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

60

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Para definir a la variable regionalizada, debemos considerar dos características

importantes:

El carácter aleatorio.

El carácter estructural de la regionalización.

El lenguaje probabilístico de las funciones aleatorias permite considerar este doble

aspecto aleatorio.

2.2.1 Funciones Aleatorias

Se definió el espacio 2( , , )A P como:

22 ( , , ) : :A P f f dP

el cuál es un espacio vectorial (Teorema 1.2.19).

Podemos adicionar una función a este espacio. Sea la función 2: ( , , )A P , a la

que definiremos por 2X E X .

Proposición 2.2.1:

2X E X es una seminorma.

Demostración:

Sean 2, ( , , )X Y A P y

a) 2 0X E X

b) 2 2 2 2X E X E X X

c) Desigualdad triangular:

2 2 2 2E X Y E X E Y E XY

Page 61: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

61

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Por otro lado:

2 2 2 2 2 0E X Y E X E Y E XY

De acuerdo a la teoría de ecuaciones el discriminante no puede ser positivo, es

decir:

2 2 22 4 0E XY E Y E X

2 2 2 0E XY E Y E X

2 2E XY E X E Y

Entonces:

2 2 2 2 2 2

22 2

2 2E X E Y E XY E X E Y E X E Y

E X E Y

=

Comparando los extremos

22 2 2

2 2 2

E X Y E X E Y

E X Y E X E Y

X Y X Y

. no es norma, pues 0X no implica 0X . Esto resulta de la desigualdad de

Tchebychev, que será enunciada y demostrada a continuación.

Teorema 2.2.2 (Desigualdad de Tchebychev):

Si X es una variable aleatoria con momento de orden 2 finito y c una constante real,

entonces para cada número real 0 se cumple

Page 62: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

62

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

2

2

E X cP X c

Demostración:

Se sabe que

( )X

x c

P X c f x dx

donde Xf es la función de distribución. En la región de integración se verifica que

2 2

2

21

x c x c

x c

y por ello

2

2

2 2

1( ) ( )X X

x c

x cP X c f x dx x c f x dx

Dado que por hipótesis existe el momento de orden 2 de X , la integral impropia es

2

E X c

, con lo que queda demostrado el teorema. ■

Si se escoge 0c en el teorema anterior, se tiene que

2

2

E XP X

Asumiendo que 0X , entonces 2 0E X , con lo que se tendría:

0 0 0P X P X

Esto no necesariamente implica 0X . Basta escoger una variable aleatoria que asuma

valores menores al número . Con este teorema se verifica que . no es norma.

Page 63: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

63

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Se definió el espacio 2( , , )L A P como:

2 2 2( , , ) ( , , ) / : ( , , )L A P A P R f f A P

Dónde la relación “ R ” está dada por:

XRY si y sólo si X Y c.c. (casi ciertamente).

Se mostró que 2( , , )L A P es espacio vectorial.

Podemos definir una función en 2( , , )L A P , denotada por y en términos de la

fórmula X X .

Proposición 2.2.3:

2X E X es norma en 2( , , )L A P .

Demostración:

Ya se demostraron las propiedades N1, N3 y N4 de la definición 1.2.2 de la norma X

en la proposición 2.2.1. Solo falta mostrar que se cumple la propiedad N2:

) 0 0 0 0

0 . . 0

X X X X

X c c X

) 0 0 0 0X X

Así, 2X E X verifica la propiedad 0 0X X . Por lo tanto,

2X E X es norma en 2( , , )L A P . ■

Además, la norma 2X E X está definida por el producto interno

,X Y E X Y .

Page 64: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

64

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Lema 2.2.4:

Sean 2, ( , , )X Y A P . ,X Y E X Y es producto interno.

Demostración:

Sean 2

1 2, , , ( , , )X X X Y A P y

p1) 1 2 1 2 1 2,X X Y E X X Y E X Y X Y

1 2 1 2, ,E X Y E X Y X Y X Y

p2) , ,X Y E XY E XY X Y

p3) , ,X Y E XY E YX Y X

p4) 2, 0X X E X , si 0X

,X Y E X Y verifica las cuatro propiedades de la definición 1.2.1, con lo cual es un

producto interno. ■

En el marco de la teoría de la medida, la definición general de esperanza matemática de

una variable aleatoria :X es:

E X XdP

Con lo que se obtiene

12

22E X X dP

La cual es la norma 2

dada en la definición 1.2.15. Es decir que las normas

2X E X y

1

22

2f f dP

Page 65: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

65

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

definidas en el espacio 2( , , )L A P , son iguales.

Además, en la proposición 1.2.32 se mostró que 2( , , )L A P es completo con la norma

2. Entonces también es completo con la norma 2X E X , y dado que esta

norma proviene del producto interno definido como ,X Y E X Y , se tiene que

2( , , )L A P es un espacio Hilbert con la norma 2X E X .

Definición 2.2.5 (Función Aleatoria):

Llamaremos Función Aleatoria (F.A.) a un conjunto infinito de variables aleatorias

pertenecientes al conjunto 2( , , )A P y que en general son no independientes.

Observación 2.2.6:

Consideremos la ley de cobre ( ) 1.8%ix Z , con 3

ix . Decimos que 1.8% de cobre

es una realización particular de una cierta variable aleatoria ( )Z x en el punto 3

ix .

Así, el conjunto de leyes ( )xZ , con 3x , es una realización particular del conjunto de

todas las variables aleatorias ( )Z x , 3x . Este conjunto infinito de variables aleatorias

es llamado función aleatoria y será denotado por ( )Z x .

La expresión “Función Aleatoria” contiene el doble aspecto aleatorio y estructural al cuál

se hizo mención al inicio de esta sección:

- Cada uno de los elementos de la función aleatoria es una variable aleatoria.

- Dos variables aleatorias ( )iZ x y ( )iZ x h de una función aleatoria ( )Z x están

ligadas por correlaciones.

Así, considerando 2( , , )L A P como un espacio de Hilbert de clases de equivalencia de

variables aleatorias, llamaremos Función Aleatoria 2( ) ( , , )Z x L A P a una función

cuyos valores para cada x son variables aleatorias.

Page 66: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

66

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Se procede a definir a la variable regionalizada.

Definición 2.2.7 (Variable Regionalizada):

La Geoestadística define a la variable regionalizada ( )xZ como una realización

particular de una cierta variable aleatoria en la cual se considera su regionalización.

Una regionalización es el desplazamiento en el espacio de un cierto fenómeno que puede

caracterizarse por magnitudes.

Ejemplos de variables regionalizadas:

El grado de absorción del dióxido de carbono (2CO ) de los árboles de una

determinada zona.

El grado de salinidad del mar peruano.

La porosidad de la tierra, factor importante en la extracción de petróleo.

La precipitación fluvial en regiones de la tierra.

Las leyes minerales, que se definen como el tenor metálico que constituye el valor

de la variable regionalizada en la estimación de recursos mineros.

El ancho de la copa de los árboles, que esta correlacionada positivamente con el

ancho del tronco, esto para la estimación de recursos forestales.

Las estaciones de monitoreo de medio ambiente a nivel de ríos miden la presencia

de contaminantes como arsénico, plomo y cadmio en el agua del río. En este caso

no se trabaja en el espacio sino en el tiempo.

La presencia de plomo y otros contaminantes para medir la calidad del aire.

Entre muchos otros.

Podemos ilustrar la observación 2.2.6 en el siguiente gráfico:

Page 67: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

67

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 8: Representación de la variable regionalizada en el espacio

Donde:

- h es un vector de distancia.

- 1( )xZ ,

2( )xZ , … ,3( )xZ son las variables regionalizadas que representan a

la característica observada, como la ley de un mineral.

- 1( )Z x ,

2( )Z x , …, ( )nZ x son variables aleatorias

- ( )Z x representa a la función aleatoria (F.A.).

Remarcando: La Geoestadística considera a la Variable Regionalizada en estudio ( )xZ

como una realización particular de una cierta variable aleatoria perteneciente al espacio

vectorial 2( , , )A P , y el conjunto de variables aleatorias constituye la función aleatoria

( )Z x que pertenece al espacio de Hilbert 2( , , )L A P .

Page 68: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

68

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Así, la norma de ( )Z x es 2( ) ( )Z x E Z x , que está definida por el producto interno:

( ), ( ) ( ) ( )Z x Z y E Z x Z y .

Para una variable aleatoria ( )Z x , tenemos:

Para cada nx , la media aritmética:

( ) ( )m x E Z x

La varianza:

2 ( )x 2 2( ) ( )E Z x m x

Definición 2.2.8 (Covarianza):

La covarianza de dos variables aleatorias 1( )Z x y 2( )Z x , con 1 2, nx x se define como:

1 2 1 1 2 2( , ) ( ) ( )C x x E Z x m x Z x m x

Proposición 2.2.9:

La covarianza también puede ser calculada mediante la siguiente expresión:

1 2 1 2 1 2( , ) ( ) ( )C x x E Z x Z x m x m x , 1 2, nx x

Demostración:

Desarrollando la igualdad 1 2 1 1 2 2( , ) ( ) ( )C x x E Z x m x Z x m x :

1 1 2 2

1 2 1 2 1 2 1 2

( ) ( )

( ) ( ) ( ) ( )

E Z x m x Z x m x

E Z x Z x Z x m x m x Z x m x m x

Page 69: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

69

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

1 2 1 2 1 2 1 2

1 2 2 1 1 2 1 2

1 2 1 2

( ) ( ) ( ) ( )

( ) ( )

( ) ( )

E Z x Z x E Z x m x E m x Z x E m x m x

E Z x Z x m x m x m x m x m x m x

E Z x Z x m x m x

Con lo que se tiene otra formulación de la función covarianza:

1 2 1 2 1 2( , ) ( ) ( )C x x E Z x Z x m x m x ■

Denotemos ( )C h como la covarianza de la variable aleatoria ( )Z x en dos puntos

separados por un vector nh :

( )

( ) ( )

C h E Z x m x Z x h m x h

E Z x Z x h m x m x h

Si consideramos 0h en la fórmula de la covarianza ( )C h , tendremos

2 2

(0)C E Z x m x Z x m x

E Z x m x

La cual es la fórmula de la varianza de la variable aleatoria Z x .

Ejemplo:

Supongamos que se tiene la siguiente línea de muestreo de la variable regionalizada ley

de mineral de cobre, en la que la distancia entre las muestras es h .

Ilustración 9: Línea de muestreo para calcular la covarianza

( )C h E Z x m x Z x h m x h

Page 70: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

70

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Para 0h :

1 2 3 4 6 53.5

6

1 2 3 4 6 50 3.5

6

E Z x

E Z x

2 2 2 2 2 21 3.5 2 3.5 3 3.5 4 3.5 6 3.5 5 3.5

0 3.56 1

C

Para h :

1 2 3 4 6

3.25

E Z x

2 3 4 6 5

45

E Z x h

1 3.2 2 4 2 3.2 3 4 3 3.2 4 4 4 3.2 6 4 6 3.2 5 4

2.55 1

C h

Para 2h :

1 2 3 42.5

4

3 4 6 52 4.5

4

E Z x

E Z x h

1 2.5 3 4.5 2 2.5 4 4.5 3 2.5 6 4.5 4 2.5 5 4.5

2 1.334 1

C h

De manera similar se calculan 3C h y 4C h , obteniéndose la siguiente gráfica:

Page 71: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

71

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 10: Gráfica de la función covarianza

En la práctica, la media m x , nx , de las leyes minerales en el yacimiento en estudio

es desconocida. Debido a esto, en adelante anularemos la esperanza matemática m x en

la fórmula de la covarianza, con lo cual se obtiene la fórmula de la covarianza no centrada:

( ) ( ) ( )C h E Z x Z x h , nh

Usaremos esta igualdad para trabajar con la covarianza.

Corolario 2.2.10:

Sean , nx y . Además de cumplir con las propiedades correspondientes a la norma,

2( ) ( )Z x E Z x también verifica:

-1,00

-0,50

0,00

0,50

1,00

1,50

2,00

2,50

3,00

3,50

4,00

Co

vari

anza

h

Gráfica de la función Covarianza

Page 72: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

72

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

1. ( ), ( ) ( ) ( ) Desigualdad de Cauchy - Schwarz.

2. ( ) ( ) ( ) ( ) Desigualdades triangulares

3. ( ) ( ) ( ) ( )

Z x Z y Z x Z y

Z x Z y Z x Z y

Z x Z y Z x Z y

Demostración:

1. Sean las variables aleatorias ( ), ( )Z x Z y , con , nx y .

Para cualquier t , las variables aleatorias satisfacen

2

( ) ( ) 0tZ x Z y

Esto implica que

2

( ) ( ) 0E tZ x Z y

Y de esta desigualdad se sigue

2 2 2( ) 2 ( ) ( ) ( ) 0E Z x t E Z x Z y t E Z y

Por lo que la ecuación de segundo grado correspondiente, en la variable t ,

tiene sólo una raíz real doble o dos raíces complejas conjugadas. De acuerdo a la

teoría de ecuaciones, el discriminante no puede ser positivo, es decir

2 2 2

2 2 2

2 2 2

2 2

2 ( ) ( ) 4 ( ) ( ) 0

( ) ( ) ( ) ( ) 0

( ) ( ) ( ) ( ) 2.1

( ) ( ) ( ) ( )

( ), ( ) ( ) ( )

E Z x Z y E Z x E Z y

E Z x Z y E Z x E Z y

E Z x Z y E Z x E Z y

E Z x Z y E Z x E Z y

Z x Z y Z x Z y

2. Sean las variables aleatorias ( ), ( )Z x Z y

Page 73: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

73

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Se verifica que

2 2 2( ) ( ) ( ) ( ) 2 ( ) ( ) 2.2E Z x Z y E Z x E Z y E Z x Z y

Por otro lado, analizando el término 2 ( ) ( )E Z x Z y y aplicando la desigualdad

(2.1):

2 2 2

2 2

2 2

( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( )

2 ( ) ( ) 2 ( ) ( )

E Z x Z y E Z x E Z y

E Z x Z y E Z x Z y E Z x E Z y

E Z x Z y E Z x E Z y

Reemplazando en (2.2)

2 2 2 2 2

22 2 2

2 2 2

( ) ( ) ( ) ( ) 2 ( ) ( )

( ) ( ) ( ) ( )

( ) ( ) ( ) ( )

( ) ( ) ( ) ( )

E Z x Z y E Z x E Z y E Z x E Z y

E Z x Z y E Z x E Z y

E Z x Z y E Z x E Z y

Z x Z y Z x Z y

3. Sean las variables aleatorias ( ), ( )Z x Z y

Se verifica que

2 2 2( ) ( ) ( ) ( ) 2 ( ) ( )E Z x Z y E Z x E Z y E Z x Z y

Por la desigualdad 2.1

2 2 2 2 2( ) ( ) ( ) ( ) 2 ( ) ( )E Z x Z y E Z x E Z y E Z x E Z y

Luego

Page 74: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

74

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

22 2 2

2 2 2

( ) ( ) ( ) ( )

( ) ( ) ( ) ( )

( ) ( ) ( ) ( )

E Z x Z y E Z x E Z y

E Z x Z y E Z x E Z y

Z x Z y Z x Z y

Con lo cual queda demostrada la proposición. ■

2.2.2 Convergencia y Continuidad en Media Cuadrática

Se presentan los conceptos de convergencia y continuidad en media cuadrática.

Definición 2.2.11 (Convergencia en Media Cuadrática):

Se dice que una función aleatoria ( )Z x converge en media cuadrática (m.c.) hacia una

F.A. ( )Z x cuando tiende a 0 si:

0

lim ( ) ( ) 0Z x Z x

, nx

Definición 2.2.12 (Continuidad en Media Cuadrática):

Una F.A. ( )Z x es continua en media cuadrática si:

( ) ( ) 0Z x h Z x cuando 0h

Teorema 2.2.13:

Sean , ' nx x . Si se cumple que

0

0

. .

. .

' ' '

( ) ( )

( ') ( ')

m c

m c

Z x Z x

Y x Y x

Page 75: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

75

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Entonces '( ) ( ')E Z x Y x converge en media cuadrática hacia ( ) ( ')E Z x Y x cuando

0 y 0' ' .

Demostración:

'

' '

' '

( ) ( ') ( ) ( ')

( ) ( ) ( ') ( ') ( ) ( ') ( ) ( ') 2 ( ) ( ')

( ) ( ) ( ') ( ') ( ') ( ) ( ) ( ) ( ') ( ')

Z x Y x Z x Y x

Z x Z x Y x Y x Z x Y x Z x Y x Z x Y x

Z x Z x Y x Y x Y x Z x Z x Z x Y x Y x

=

Entonces:

'

' '

( ) ( ') ( ) ( ')

( ) ( ) ( ') ( ') ( ') ( ) ( ) ( ) ( ') ( ')

E Z x Y x Z x Y x

E Z x Z x Y x Y x E Y x Z x Z x E Z x Y x Y x

Luego,

'

' '

' '

'

( ) ( ') ( ) ( ')

( ) ( ) ( ') ( ') ( ') ( ) ( ) ( ) ( ') ( ')

( ) ( ), ( ') ( ') ( '), ( ) ( ) ( ), ( ') ( ')

( ) ( ) ( ') ( ') ( ') ( )

E Z x Y x Z x Y x

E Z x Z x Y x Y x E Y x Z x Z x E Z x Y x Y x

Z x Z x Y x Y x Y x Z x Z x Z x Y x Y x

Z x Z x Y x Y x Y x Z x Z

=

'( ) ( ) ( ') ( ')x Z x Y x Y x

'

' '

( ) ( ') ( ) ( ')

( ) ( ) ( ') ( ') ( ') ( ) ( ) ( ) ( ') ( ')

E Z x Y x Z x Y x

Z x Z x Y x Y x Y x Z x Z x Z x Y x Y x

Aplicando las hipótesis del teorema:

00

. .( ) ( ) ( ) ( ) 0m cZ x Z x Z x Z x lim

00

. .

' '' ' ' '( ') ( ') ( ') ( ') 0m cY x Y x Y x Y x

lim

Entonces:

0

0

'

' '

0 lim ( ) ( ') ( ) ( ') 0E Z x Y x Z x Y x

Page 76: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

76

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

0

0

'

' '

lim ( ) ( ') ( ) ( ')E Z x Y x E Z x Y x

Teorema 2.2.14:

Si la función aleatoria ( )Z x es continua en media cuadrática, entonces la función

covarianza ( )C h es continua en 0.h Más aún ( )C h será continua en todo su dominio.

Demostración:

2 2 2

2

0 0 2

2 0

E Z x h Z x E Z x h E Z x E Z x h Z x

C C C h

C C h

Entonces

21

02

E Z x h Z x C C h

Por hipótesis ( )Z x es continua:

2

00

hZ x h Z x E Z x h Z x

Entonces

2

0lim 0h

E Z x h Z x

Esto implica:

0

lim 0h

C h C

lo cual muestra que C h es continua en 0h .

Mostremos ahora que C h es continua nh :

Page 77: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

77

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Por hipótesis la función aleatoria Z x es continua en media cuadrática, entonces dado

0

. .

0

m c

Z x h Z x h

Además

. .m c

Z x Z x

Aplicando el teorema 2.2.13

. .

0

m c

E Z x Z x h E Z x Z x h

O lo que es lo mismo:

. .

0

m c

C h C h

Lo que comprueba que C h es continua nh . ■

En la estimación de yacimientos mineros, se toman muestras de una zona de exploración

para identificar los recursos minerales existentes. Con la información obtenida de las

muestras, se desea conocer la ley de distribución de las leyes minerales y la ley media.

El conocimiento de una única realización ( )xZ de la función aleatoria ( )Z x , limitada a

un número de muestras ix del espacio muestral , no permite conocer la ley de

distribución, ni la ley media de todas las leyes minerales de la zona en estudio. Es

necesario conocer varias realizaciones 1( )xZ ,

2( )xZ ,…, ( )kxZ de nuestra función

aleatoria ( )Z x para reconstituir la ley de distribución; Esto supone lograr que la inferencia

estadística sea posible.

Entonces, se deben introducir hipótesis sobre la función aleatoria, a fin de hacer posible

la inferencia de los valores de la variable regionalizada.

Page 78: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

78

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

2.3 Hipótesis de Trabajo de la Geoestadística

(Marín, Apuntes de Curso de Post-Grado de Geoestadística Aplicada en Maestría de

Geología de UNSA, 2014) Para aplicar la modelación por medio de las funciones

aleatorias, se hace necesario establecer las siguientes hipótesis:

2.3.1 Hipótesis Estacionaria

Una función aleatoria ( )Z x , nx , es denominada estacionaria o estacionaria estricta o

que satisface la hipótesis estacionaria si su ley de distribución es invariante por traslación.

Así se tiene que la media y la covarianza satisfacen:

( ) ( )m x m x h m constante

1 2 1 2( , ) ( , )C x x C x h x h , con 1 2, , nx x h

De aquí resulta que la media ( )m x es una constante y que la covarianza 1 2( , )C x x depende

de la diferencia 2 1x x .

Definición 2.3.1 (Función Aleatoria Estacionaria):

Se dice que una F.A. ( )Z x es estacionaria si siendo 1 2, ,..., nx x x n puntos arbitrarios y

nh un vector cualquiera, las n variables regionalizadas 1( )xZ ,

2( )xZ ,…, ( )nxZ

tienen la misma ley de distribución que las n variables regionalizadas 1( )x hZ ,

2( )x hZ ,…, ( )nx hZ .

Gráficamente:

Page 79: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

79

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 11: La Ley de Distribución es Invariante por traslación

El carácter estacionario implica la homogeneidad de la función aleatoria ( )Z x en el

espacio, y significa que el fenómeno representado por ( )Z x se repite indefinidamente en

el espacio, y esta repetición hace posible la inferencia estadística.

La condición anterior es muy estricta, pues resulta difícil aceptar que las variables

aleatorias que conforman la función aleatoria tengan la misma función de distribución de

probabilidad. Normalmente la función de distribución varía a medida que nos movemos

en el espacio. A continuación, se presenta una hipótesis menos estricta.

2.3.2 Hipótesis Estacionaria de Orden 2

Definición 2.3.2 (Función Aleatoria Estacionaria de Orden 2):

Decimos que una F.A. es estacionaria de orden 2 si la variable aleatoria ( )Z x admite una

esperanza matemática m independiente del punto nx :

( )E Z x m

Fre

cuen

cia

F

recu

encia

Page 80: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

80

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

y si para todo vector nh , la covarianza:

( ) ( ) ( )C h E Z x Z x h

existe y es independiente de x , nx .

Aplicándose en esta hipótesis una función de gran trascendencia en la geoestadística, que

el profesor Matheron denominó Variograma, cuya expresión es la siguiente:

2

2 ( ) ( ) ( ) , , nh E Z x Z x h x h

La función variograma será definida formalmente al inicio de la siguiente sección.

Proposición 2.3.3:

Con la hipótesis estacionaria de orden 2, se cumple la relación:

( ) (0) ( ), nC h C h h

Demostración:

En efecto

( ) ( ) ( ) ( ) 0E Z x h Z x E Z x h E Z x

2 2 2

2 2

( ) ( ) ( ) ( ) 2 ( ) ( )

( ) ( ) 2 ( ) ( )

2 0 2

E Z x h Z x E Z x h Z x Z x h Z x

E Z x h E Z x E Z x h Z x

C C h

=

Luego se tiene:

( ) (0) ( )h C C h

Acomodando los términos:

( ) (0) ( )C h C h ■

Page 81: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

81

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Gráficamente:

Ilustración 12: Relación entre Variograma y Covarianza

En esta hipótesis también se presenta el variograma cruzado:

2 ( ) ( ) ( ) ( ) , , n

AB A A B Bh E Z x Z x h Z Z x h x h

Entre dos variables A y B.

El variograma cruzado será definido y ejemplificado en la subsección 2.4.6.

La Geoestadística se interesa en los valores de los incrementos ( ) ( )x x h Z Z de la

variable regionalizada ( )xZ , y postula la estacionaridad de estos incrementos:

2.3.3 Hipótesis Intrínseca

La hipótesis intrínseca es más débil que la hipótesis estacionaria de orden 2, dado que la

estacionaridad se limita a los puntos donde

( ) ( ), nE Z x m x x

Es decir que la media depende de x . En esta hipótesis también se aplica la función

variograma

Page 82: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

82

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

2

2 ( ) ( ) ( ) , nh E Z x Z x h x

Georges Matheron, en su obra “Cours de Géostatistique”, define la hipótesis intrínseca

de la siguiente manera:

Definición 2.3.4 (Función Aleatoria Intrínseca):

“Se dice que una función aleatoria ( )Z x sobre n satisface la hipótesis intrínseca o que

es una F.A. intrínseca si para todo nh , la F.A.:

( ) ( )Z x h Z x

es una F.A. estacionaria sobre n y la esperanza de la F.A. ( )Z x depende de x ”.

Así dos parejas de datos ( ) ( )i iZ x Z x h y ( ) ( )j jZ x Z x h separados por el

mismo vector h se consideran como dos realizaciones diferentes del mismo incremento

( ) ( )Z x Z x h .

( ) ( )E Z x m x , nx

( ) ( )E Z x h Z x m h

2

2 ( ) ( ) ( )h E Z x h Z x , nx

Es decir, la hipótesis intrínseca se presenta cuando la función crece o decrece

rápidamente.

Gráficamente, los dominios de aplicación de la hipótesis estacionaria de orden 2 y de la

hipótesis intrínseca pueden ser ilustrados de la siguiente manera:

Page 83: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

83

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 13: Dominios de las hipótesis intrínseca y estacionaria de orden 2

Donde:

2D : Dominio de la zona estacionaria de orden 2. Las variables regionalizadas

presentan estacionaridad, es decir las leyes oscilan alrededor de la ley promedio.

1D y 3D : Dominio de la zona intrínseca. Hay aumento y descenso en las

variables regionalizadas. Se presenta estacionaridad en los incrementos.

Bajo esta hipótesis intrínseca, los datos disponibles ( ) :i ix x Z permiten la

estimación del momento de orden dos de los incrementos, es decir la estimación de la

función variograma.

2.4 Análisis Estructural

2.4.1 Covarianza

Retomamos el concepto de la función covarianza, pero considerando que se cumple la

hipótesis estacionaria de orden 2.

Page 84: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

84

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Definición 2.4.1 (Covarianza):

Consideremos dos puntos 0x y 0x h en n . La covarianza de las dos variables

aleatorias 0( )Z x y 0( )Z x h fue definida como: 0 0( ) ( )E Z x Z x h y depende del punto

0

nx y del vector nh : 0( , )C x h . Si consideramos que se verifica la hipótesis

estacionaria de orden 2, tenemos que la covarianza depende únicamente del vector nh

: ( )C h .

( ) ( ) ( )C h E Z x Z x h , nh

Proposición 2.4.2:

Sean , nx h . La covarianza verifica las propiedades:

1. ( ) ( )C h C h

2. 2(0) ( ) 0C E Z x

3. ( ) (0)C h C (desigualdad de Cauchy-Schwarz)

Demostración:

Se procede a verificar las propiedades:

1. Se sabe que ( ) ( ) ( )C h E Z x Z x h . Por la hipótesis estacionaria de orden 2, la

covarianza es independiente de nx . Entonces podemos aplicar ( )C h en el

punto x h :

( ) ( ) ( )

( ) ( )

( ) ( )

C h E Z x h Z x h h

E Z x h Z x

E Z x Z x h

=

=

Page 85: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

85

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Lo cual verifica que ( ) ( )C h C h .

2. 2

(0) ( ) ( ) ( ) 0C E Z x Z x E Z x

3. Demostraremos que ( ) (0)C h C por contradicción:

Supongamos ( ) (0),C h C h . Entonces esta desigualdad se cumple en

particular para 0h : (0) (0)C C .

Por otro lado 2

(0) ( ) 0C E Z x , lo cual implica (0) (0)C C .

Contradicción a la hipótesis (0) (0)C C .

Por lo tanto ( ) (0)C h C . ■

Si consideramos 0h , 2(0) ( )C E Z x , que es la varianza (no centrada) de la variable

aleatoria ( )Z x .

2.4.2 Variograma

La función Variograma es un gran aporte teórico y práctico de la Geoestadística. Tiene

aplicaciones en las ciencias de la tierra y múltiples aplicaciones en otras disciplinas.

Definición 2.4.3 (Variograma):

Sean x y x h dos puntos en el espacio n y ( )Z x una función aleatoria. La función

variograma : n de la función aleatoria ( )Z x se define como:

21

( ) ( ) ( ) ,2

nh E Z x h Z x x

Que en su forma discreta está definida por:

Page 86: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

86

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

( )

2

1

( ) ( )

( )2 ( )

n h

i i

i

Z x Z x h

hn h

, nx

Y en su forma continua:

21

( )2

V

h Z x h Z x dx

Con V dominio en donde se estima la variable.

Dónde nh es un vector que señalará la dirección en la que estamos analizando las

muestras. ( )n h representa al número de parejas de muestras con las que se hacen cálculos

que en la práctica depende de h .

En rigor, la formulación debería ser Eh , donde

Eh denota a la norma euclidiana

del vector h , pero para simplificar la notación se asume que h representa a su norma.

En la práctica, podemos dar el siguiente concepto práctico de variograma:

𝛾(ℎ) =1

2∗ 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜{(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠)2 𝑑𝑒 𝑙𝑒𝑦𝑒𝑠 𝑒𝑛 𝑝𝑢𝑛𝑡𝑜𝑠

𝑞𝑢𝑒 𝑒𝑠𝑡𝑎𝑛 𝑎 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 ℎ 𝑒𝑛 𝑢𝑛𝑎 𝑑𝑖𝑟𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑎}

Proposición 2.4.4:

( )h verifica las siguientes propiedades:

1. (0) 0

2. ( ) 0, nh h

3. ( ) ( ), nh h h

Page 87: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

87

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Demostración:

1. 21 1

(0) ( ) ( ) 0 02 2

E Z x Z x E

2. Dado que 2

( ) ( ) 0Z x h Z x , se tiene que ( ) 0,h h .

3. Se sabe que 21

( ) ( ) ( )2

h E Z x h Z x

, que como se ve es independiente de

nx . Entonces podemos aplicar ( )h en el punto x h :

2

2

2

1( ) ( ) ( )

2

1( )

2

1( ) ( ) ( )

2

h E Z x h h Z x h

E Z x Z x h

E Z x h Z x h

=

=

Lo cual verifica que ( ) ( ), nh h h . ■

La última relación indica que ( )h es una función par. Esto proviene del hecho que si

dos variables regionalizadas 1( )xZ y 2( )xZ en dos puntos 1x y 2x están separados una

distancia h , entonces 2 2

1 2 2 1( ) ( ) ( ) ( )x x x x Z Z Z Z .

Es de notar que de la igualdad ( ) (0) ( )h C C h y del teorema 2.2.14, se tiene que la

función variograma ( )h es una función continua.

Se debe resaltar que el variograma nos permite dar cuenta del aspecto estructural del

fenómeno estudiado, aspecto estructural no contemplado por la estadística descriptiva.

En la subsección 2.4.4 se presentan dos ejemplos del cálculo de variogramas, pero antes

se presentan algunas definiciones importantes.

Page 88: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

88

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

En la práctica, se hacen variogramas siguiendo varias direcciones para estudiar la

estructura del fenómeno en estudio y se analizan los parámetros que se presentan en la

siguiente definición.

Definición 2.4.5 (El Variograma Experimental):

Es el variograma que se obtiene en la aplicación práctica. Los parámetros deducidos del

variograma experimental son los siguientes:

a) Pepita ( oc ): Cuantifica el error de muestreo, de laboratorio y la erraticidad propia

de la variable. Entiéndase por erraticidad como una medida empírica que

cuantifica la fluctuación de los valores de las variables regionalizadas. En la

gráfica de la función variograma, se obtiene de extrapolar la curva experimental

hacia el eje vertical.

b) Alcance ( a ): Indica la distancia hasta la cual las muestras guardan relación entre

ellas. En la gráfica de la función variograma, el alcance se reconoce por ser la

interdistancia h a partir de la cual el variograma cambia de pendiente y toma un

valor constante. Es decir, la función que lo modela deja de tener una tendencia

monótona creciente.

c) Meseta (C ): Valor constante que toma el variograma cuando h a .

Ilustración 14: Representación gráfica del alcance, pepita y meseta

0c

a

( )h

C

Page 89: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

89

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

De la ilustración 14, los puntos azules representan a las realizaciones de la función ( )h

y la curva roja es la gráfica de un modelo teórico que se ajusta al variograma experimental.

Se presentarán estos modelos en la definición 2.4.10.

Es de notar que el error de muestreo y error de laboratorio son lo que en QA-QC se conoce

como error fundamental, también llamado “ruido”.

En el proceso de estimación de recursos de yacimientos mineros, se calcula el valor

aproximado de la ley mineral en aquellos puntos o en volúmenes de bloques donde no se

ha muestreado o se desea estimar, haciendo uso de los valores de las leyes minerales

(variables regionalizadas) en las muestras, que frecuentemente en la exploración de

recursos mineros, fueron tomadas con taladros.

Para determinar qué muestras deben ser consideradas para calcular la ley mineral en un

determinado punto o volumen de un bloque del espacio, se hace uso del elipsoide de

influencias.

Definición 2.4.6 (Elipsoide de Influencias):

El elipsoide de influencias se usa para seleccionar las muestras que van a intervenir en la

estimación de la variable en estudio.

Sus tres semiejes están dados por los dos mayores alcances de los variogramas con

direcciones perpendiculares entre sí, y el alcance del variograma cuya dirección es el

producto vectorial de las dos direcciones anteriores, de manera que todas las direcciones

son perpendiculares entre sí.

Page 90: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

90

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 15: Elipsoide de Influencias determinado por tres alcances

Donde 1a ,

2a y 3a son los alcances en direcciones perpendiculares correspondientes a

una variable en estudio.

La ecuación del elipsoide es entonces

2 2 2

1 2 32 2 2

1 2 3

1, , , 0x y z

a a aa a a

El modelo de bloques del mineral del yacimiento en estudio es subdividido en bloques

cuyas dimensiones son fijadas por restricciones operacionales. Se coloca el elipsoide de

influencias en el centro de cada bloque unitario para seleccionar las muestras con las

cuáles se calculará el valor aproximado de la ley mineral en el bloque, como se ilustra en

el siguiente gráfico:

Page 91: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

91

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 16: Elipsoide de Influencias centrado en un bloque por estimar

Las líneas verdes, rojas y amarillas representan a las muestras tomadas con taladros.

Definición 2.4.7 (Isotropía y Anisotropía):

La Isotropía y la Anisotropía son características del fenómeno en estudio. Así decimos

que el fenómeno tiene:

Isotropía si el variograma es el mismo, en alcance y meseta, en todas las

direcciones.

Anisotropía si la variable en estudio presenta alcances de magnitudes diferentes

en las distintas direcciones. Tenemos dos tipos:

Anisotropía geométrica, si en las diferentes direcciones solo varía el

alcance mas no la meseta de los variogramas.

Anisotropía Zonal cuando además del alcance, también varía la meseta en

las diferentes direcciones.

Es de notar que la pepita 0c se mantiene constante cuando se modeliza el variograma, en

el fenómeno isótropo y anisótropo.

Page 92: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

92

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Definición 2.4.8 (Azimut y Dip):

La dirección en la que se construye un variograma queda definida en términos

topográficos por un ángulo horizontal llamado Azimut y un ángulo vertical llamado

Inclinación (Dip).

Azimut: Ángulo horizontal con respecto al norte, medido en sentido horario, que

cubre las direcciones de interés dentro de los 360°.

Dip: Ángulo con respecto al horizonte, con valores de elevación angular positivos

y negativos.

Definición 2.4.9 (Tolerancias):

En general las muestras no están exactamente alineadas en la dirección de interés dada

por los ángulos de azimut y dip, y/o no están separadas exactamente entre sí por una

distancia E

h . Para superar esta situación se dan tolerancias angulares para el azimut y el

dip y tolerancias en distancias o tolerancias de paso.

Adicionalmente se suele considerar un ancho de banda para restringir la selección de las

muestras en una dirección dada.

Ilustración 17: Tolerancias angulares y en distancia

Page 93: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

93

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Definición 2.4.10 (Modelos de Variogramas):

En la geoestadística existen modelos de variogramas llamados variogramas teóricos que

se ajustan a los variogramas experimentales, los cuales son los obtenidos en la práctica.

A continuación, se definirán cinco modelos teóricos (Marín, Apuntes de Curso de Post-

Grado de Geoestadística Aplicada en Maestría de Geología de UNSA, 2014):

El modelo lineal: Es un modelo básico que consiste en un efecto pepita puro.

0( ) , 0h c h

Ilustración 18: Gráfica del modelo lineal

El modelo esférico o modelo de Matheron: Es uno de los modelos más

importantes. Corresponde a un crecimiento gradual del variograma experimental

hasta llegar a la meseta. Su modelo es:

3

3

3 1

( ) , 0,2 2

,

h hC

h h aa a

C h a

Donde C es la meseta. Recordemos que h denota a su norma euclidiana.

Modelo lineal

Page 94: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

94

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 19: Gráfica del modelo esférico o de Matheron

El modelo exponencial o modelo de Formery: Crece más lentamente que el

modelo esférico y tiene por ecuación:

3

( ) 1 , 0h

ah C e h

Ilustración 20: Gráfica del modelo exponencial o de Formery

El modelo de “Trou”: Sirve para representar el efecto de hoyo, que se da cuando

el variograma presenta máximos y mínimos locales; su ecuación es:

C

Page 95: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

95

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

( )( ) 1 , 0

sen ahh h

ah

Ilustración 21: Gráfica del modelo “trou” o de efecto hole

El modelo gaussiano: Tiene un comportamiento parabólico en el origen; su

ecuación es:

2

2

( ) 1 , 0

h

ah C e h

Ilustración 22: Gráfica del modelo gaussiano

Page 96: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

96

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Se debe tener en cuenta que la función variograma asume el valor de 0 cuando 0h en

cada uno de los modelos presentados anteriormente.

2.4.3 Ajuste con variogramas teóricos

El variograma experimental se modela aplicando modelos teóricos como los presentados

anteriormente. En forma heurística, se determina el efecto pepita, luego se ensaya que

modelo o modelos logran representar al variograma experimental. Esta operación suele

hacerse en forma interactiva con la ayuda de un software.

Ilustración 23: Ajuste de variograma en un software de la industria minera

La ilustración corresponde al ajuste con un modelo esférico y un modelo lineal de un

variograma experimental en la dirección azimut 90º dip 30º, considerando que el

fenómeno en estudio es anisótropo.

El modelo teórico de variograma es el siguiente:

3

3

3 11.30 5.06

( ) , 0,17.82 17.8 2 17.8

6.36, 17.8

h h

h h

h

Page 97: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

97

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Este ajuste fue realizado haciendo uso del software industrial DATAMINE V. 3.2. En el

capítulo 4 se tratará más sobre este software.

2.4.4 Diferencia Básica entre el Tratamiento Estadístico Descriptivo y el

Geoestadístico

A continuación, se presenta una forma para demostrar en forma práctica-numérica la

diferencia entre la estadística y la geoestadística.

Ejemplo:

En una línea de muestreo de una zona A, tenemos los siguientes valores de la variable

regionalizada plomo en ppm (partes por millón):

Ilustración 24: Línea de muestreo A

Realizamos un análisis estadístico básico.

a) Media aritmética:

6.35

42615

x

b) La varianza:

2 2 2 2 2

25 3.6 1 3.6 6 3.6 2 3.6 4 3.6

5 1

2 4.3

c) El coeficiente de variación:

4.30.58

3.6cv

x

Page 98: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

98

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

d) Histograma

Ilustración 25: Histograma de la línea de muestreo A

En otra línea de muestreo en una zona B, tenemos los mismos valores de la variable

regionalizada plomo en ppm, pero dispuesto de la siguiente forma;

Ilustración 26: Línea de muestreo B

es decir, un fenómeno estructuralmente muy diferente, a pesar de tener los mismos valores

de leyes.

Obtenemos la media aritmética, la varianza, el coeficiente de variación y el histograma

para esta línea de muestreo:

a) Media aritmética:

6 5 4 2 13.6

5x

b) La varianza:

2 2 2 2 2

26 3.6 5 3.6 4 3.6 2 3.6 1 3.6

5 1

Page 99: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

99

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

2 4.3

c) El coeficiente de variación:

4.30.58

3.6cv

x

d) Histograma

Ilustración 27: Histograma de la línea de muestreo B

Vemos que se obtienen los mismos resultados que los obtenidos en la Zona A. Es decir,

con esta estadística descriptiva no logramos diferenciar dos fenómenos totalmente

diferentes.

Ahora procedemos a construir los Variogramas de la Zona A y B

- Graficando el variograma para la zona A.

Ilustración 28: Análisis con variogramas de la línea de muestreo A

Page 100: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

100

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 29: Variograma de la línea de muestreo A

- Graficando el variograma para la zona B.

Ilustración 30: Análisis con variogramas de la línea de muestreo B

2 2 2 2

2 2 2

2 2

2

5 1 1 6 6 2 2 4( ) 7.625

4 2

5 6 1 2 6 4(2 ) 1.000

3 2

5 2 1 4(3 ) 4.500

2 2

5 4(4 ) 0.500

1 2

hx

hx

hx

hx

)(h

h

Page 101: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

101

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 31: Variograma de la línea de muestreo B

Al realizar el análisis estadístico descriptivo tradicional de las líneas de muestreo de la

Zona A y la Zona B, correspondientes a la variable regionalizada plomo, obtenemos los

mismos resultados estadísticos, es decir que este análisis estadístico descriptivo no nos

ayuda a dar cuenta del aspecto estructural de estos dos fenómenos totalmente diferentes.

En tanto, al aplicar la función Variograma vemos que esta herramienta sí representa el

aspecto estructural del fenómeno en estudio y además permite hacer una distinción entre

las líneas de muestreo, por lo que constituye una herramienta de gran utilidad en el

tratamiento de variables regionalizadas. Esta comparación fue extraída de (Marín,

Apuntes de Curso de Post-Grado de Geoestadística Aplicada en Maestría de Geología de

UNSA, 2014).

2 2 2 2

2 2 2

2 2

2

6 5 5 4 4 2 2 1( ) 0.875

4 2

6 4 5 2 4 1(2 ) 3.667

3 2

6 2 5 1(3 ) 8.000

2 2

6 1(4 ) 12.500

1 2

hx

hx

hx

hx

)(h

)(h

Page 102: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

102

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

2.4.5 Variograma Promedio

Es el resultado de promediar los valores que asume el variograma experimental en una

dirección, y eventualmente en todas las direcciones (llamado Omnidireccional). Veamos

la metodología de aplicación del variograma promedio:

Ejemplo:

Supongamos que se toman muestras en una malla de 50m x 50m, en la cual se estudia

una determinada variable (por ejemplo, molibdeno en partes por millón). Para hacer

variogramas, se toma por ejemplo la dirección dada por azimut 135y dip 0 .

Así se tienen las líneas de muestreo A, B, C, D, E, F y G:

Ilustración 32: Análisis con variogramas de muestras en una malla

En la línea A, no hay muestras, por lo que no se puede hacer un variograma.

En la línea B, hay dos muestras, entonces se hace un variograma considerando

una interdistancia h :

E D C B A

G

F 1

4

6

4

3

5

8

6

2

7 4

5

2 1

50 m

50 m

N

3

Page 103: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

103

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

22 4

21 2

h

Línea C:

2 2 25 7 7 5 5 1

43 2

h

2 25 5 7 1

2 92 2

h

25 1

3 81 2

h

En la línea D, no se puede calcular h ni 2h pues las muestras están muy

separadas, pero sí se puede hallar 3h :

24 2

3 21 2

h

Línea E:

2 21 6 6 8

7.252 2

h

2 21 8 8 3

2 18.52 2

h

26 3

3 4.51 2

h

21 3

4 21 2

h

En la línea F no se puede hacer un variograma pues solo hay una muestra.

Línea G:

24 3

0.51 2

h

Page 104: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

104

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Para calcular el variograma promedio, se deben promediar los valores de h , 2h ,

3h y 4h , considerando como peso el número de parejas con el que fueron

calculados:

2 1 4 3 7.25 2 0.5 1

4.141 3 2 1

p h

9 2 18.5 2

2 13.754

p h

8 1 2 1 4.5 1

3 4.833

p h

2 1

4 21

p h

Graficando el variograma promedio, se obtiene:

Ilustración 33: Gráfica del variograma promedio

El variograma promedio proporciona una perspectiva general sobre el fenómeno en

estudio. El variograma promedio es usado en los algoritmos de los softwares mineros.

Page 105: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

105

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

2.4.6 Variograma Cruzado

Sea nh . El variograma cruzado de dos variables aleatorias AZ x y BZ x , con

nx , se define como:

2 AB A A B Bh E Z x Z x h Z x Z x h , nx

Ejemplo:

Para visualizar esta función, consideremos un ejemplo de una zona de terreno explorado

del cual hemos obtenido valores geoquímicos del Oro y Plata y deseamos estudiar la

relación entre los dos valores.

a. Para este efecto aplicaremos el variograma cruzado.

Ilustración 34: Línea de muestreo A con leyes de Ag y Au

Calculamos el coeficiente de correlación entre las variables plata y oro en la línea

de muestreo A usando la fórmula de la definición 1.2.42, obteniendo 0.993r .

Aplicando la fórmula del variograma cruzado:

32 ( ) ( ) ( ) ( ) ,AB A A B Bh E Z x Z x h Z Z x h x

Page 106: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

106

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Graficando:

Ilustración 35: Variograma cruzado de línea de muestreo A

Observamos que cuando hay una correlación positiva alta entre las variables, el

variograma cruzado tiende a tomar valores positivos altos.

b. Ahora veamos que pasa en otra zona, donde los valores geoquímicos de la Plata

toman otros valores:

Ilustración 36: Línea de muestreo B con leyes de Ag y Au

5 1 7 2 1 6 2 8 6 2 8 3 2 4 3 5( ) 9.25

4 2

5 6 7 8 1 2 2 3 6 4 8 5(2 ) 1.33

3 2

5 2 7 3 1 4 2 5(3 ) 5.25

2 2

5 4 7 5(4 ) 1.00

1 2

AuAg

AuAg

AuAg

AuAg

hx

hx

hx

hx

)(h

)(hAuAg

Page 107: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

107

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

El coeficiente de correlación entre las variables plata y oro en la línea de muestreo

B es 0.874r .

Aplicando la fórmula, se tiene:

Con su gráfica:

Ilustración 37: Variograma cruzado de línea de muestreo B

Observamos que cuando hay una correlación negativa alta entre las variables, el

variograma cruzado tiende a tomar valores negativos altos.

Así, el variograma cruzado complementa el análisis de la correlación entre dos variables

en estudio.

5 1 1 6 1 6 6 2 6 2 2 5 2 4 5 1( ) 7.63

4 2

5 6 1 2 1 2 6 5 6 4 2 1(2 ) 0.33

3 2

5 2 1 5 1 4 6 1(3 ) 6.75

2 2

5 4 1 1(4 ) 0.00

1 2

AuAg

AuAg

AuAg

AuAg

hx

hx

hx

hx

)(h

)(hAuAg

Page 108: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

108

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Capítulo 3

MÉTODOS DE ESTIMACIÓN

GEOESTADÍSTICOS

Estimaremos el valor verdadero de la variable regionalizada en todo punto donde no se

tenga una muestra haciendo uso de una combinación lineal pesada de las muestras

disponibles (Marín, Apuntes de Curso de Post-Grado de Geoestadística Aplicada en

Maestría de Geología de UNSA, 2014):

*

1

n

i i

i

Z x Z x

, 3, ix x (3.1)

Donde la información considerada está constituida por un conjunto discreto de n

elementos : 1,...,iZ x i n y los coeficientes i son los ponderadores.

Ilustración 38: Leyes minerales en las muestras con sus pesos para estimar la ley

mineral de un bloque V

Existen métodos de estimación tradicionales que siguen la formulación (3.1) y que se

diferencian en la forma de asignar un peso a cada muestra.

V

Page 109: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

109

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

3.1 Métodos de Estimación Tradicionales

A continuación, estudiaremos los métodos de estimación tradicionales usados en la

estimación de yacimientos mineros.

3.1.1 Método de la Media Aritmética

Consiste en promediar las leyes de mineral de los datos dentro de un área (o volumen) V

para tener la ley media de V . Así, la fórmula es:

* 1

( )n

i

iV

Z x

Zn

, 3

ix

Donde *

VZ es el valor estimado de la variable en el centro de un volumen V y n es el

número de muestras del que se disponen.

Este método hace que todas las muestras tengan el mismo peso de ponderación 1

n.

3.1.2 Método de los Polígonos

Es un método geométrico que consiste en estimar la ley media de un volumen V ,

ponderando las leyes de los datos ( )iZ x por el volumen de influencia iV de cada muestra.

Estos volúmenes se calculan a partir de polígonos formados por el siguiente

procedimiento:

1. En el plano, se une una muestra con otra muestra mediante una recta, para luego

trazar una perpendicular desde el punto medio de la recta.

Page 110: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

110

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 39: Formación de Polígonos de influencia 1

2. Se repite este procedimiento con cada par de muestras formándose polígonos con

las rectas perpendiculares, tal como se muestra en la figura siguiente:

Ilustración 40: Formación de Polígonos de influencia 2

Determinando ahora el volumen que le corresponde a cada muestra a partir de la altura

del bloque en el punto ix y su área.

Luego, la ley media de la zona a estimar está dada por:

* 1

1

( )n

i i

iV n

i

i

V Z x

Z

V

, 3

ix

Page 111: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

111

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

donde iV es el volumen de influencia de la muestra ix .

Por ejemplo, la siguiente ilustración muestra los polígonos que se forman haciendo uso

del procedimiento anterior en una zona de muestreo en 2D. (Edward H. Isaaks, 1989)

Ilustración 41: Formación de polígonos en una zona de muestreo en 2D

Este método da una mejor aproximación que la media aritmética.

Se aprecia que el método de los polígonos asigna pesos adecuados a cada muestra, aun

habiendo presencia de conglomeraciones de datos.

3.1.3 Método del Inverso de la Distancia

Consiste en asignar mayor peso a las muestras cercanas y menor peso a las muestras

alejadas del punto en el que se desea estimar el valor de la variable. Esto se consigue al

Page 112: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

112

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

ponderar las leyes por 1

id , donde 1 y id es la distancia entre la i -ésima muestra

y el centro de gravedad del volumen V en el que se estima el valor de la variable.

La fórmula de este método es:

1*

1

( )

1

ni

i iV n

i i

Z x

dZ

d

, 3

ix

Casos Particulares:

1 : Exponente que produce un valor estimado similar al método de la media

aritmética

2 : Exponente usado en la práctica, sobre todo cuando se estima por primera

vez.

Este método es fácil de aplicar y tiene una formulación sencilla, pero asigna el mayor

peso de ponderación a las muestras cercanas al punto en el que se desea estimar el valor

de la variable.

Este método estima o sobrestima de acuerdo al valor de la variable más cercana. Así, si

el valor más cercano es muy alto, entonces sobrestima la ley del bloque.

No tiene en cuenta la disposición geométrica de los valores de las leyes en torno a la

ubicación de la ley a estimarse.

Es de notar que los métodos presentados anteriormente no tienen el fundamento

matemático necesario para ser usados en el proceso de estimación de recursos en forma

óptima, pues además de tener carencias y desventajas, no consideran la estructura del

fenómeno en estudio, entre otros aspectos que vamos a considerar.

Page 113: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

113

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

3.2 El Kriging de Matheron

Los trabajos empíricos aplicando la estadística descriptiva para caracterizar la varianza

de las leyes de mineral, por el ingeniero Daniel Krige de Sudáfrica, fueron superados en

la década de 1960 por el matemático francés Georges Matheron, formalizando la Teoría

de Variables Regionalizadas que originó el desarrollo de la geoestadística como tal. El

nombre de krigeage es el nombre que el profesor Matheron le dio a su técnica de

estimación para compensar los esfuerzos empíricos de Daniel Krige y hacer que la técnica

sea conocida en el mundo anglosajón minero. Más tarde devino este nombre en Kriging,

siendo el autor real el profesor Matheron, es que le denominamos Kriging de Matheron.

En términos simples, el kriging consiste en encontrar la mejor estimación lineal insesgada

de una variable en un bloque V, considerando la información disponible, es decir muestras

interiores del elipsoide de influencia en torno al bloque V.

Esta estimación del valor verdadero de la variable regionalizada se realiza usando una

combinación lineal pesada de las muestras como en los métodos anteriores:

*

1

n

i i

i

Z x Z x

, , n

ix x (3.1)

La principal característica de este método consiste en que determina los pesos i de

manera que se minimice la varianza de estimación, que como se verá está dada por:

2

2

1

( ) ( ) ,n

n

E i i V

i

E Z x Z x x

En donde:

- Los i son los pesos o ponderadores

- ( )iZ x es el valor de la variable en cada una de las muestras ix

Page 114: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

114

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

- ( )VZ x es el valor verdadero no conocido de la variable en el bloque V

3.2.1 Fundamento Teórico

Como se mencionó en el capítulo 2, estamos considerando que todos los valores obtenidos

con las muestras son realizaciones de variables aleatorias, y considerando su ubicación

en el espacio, son variables regionalizadas.

La combinación lineal pesada *Z x , nx , es también una variable aleatoria, por ser

combinación lineal de variables aleatorias (recordemos que por el teorema 1.2.19,

2( , , )A P es espacio vectorial) y el valor obtenido será una variable regionalizada.

(Edward H. Isaaks, 1989) El error de estimación R x que se define como la diferencia

entre el valor estimado *Z x y el valor verdadero VZ x

*

VR x Z x Z x , nx (3.2)

es también una variable aleatoria.

Si reemplazamos la igualdad (3.1) en (3.2), se tiene:

1

n

i i V

i

R x Z x Z x

, nx (3.3)

Así decimos que el error que se comete cuando estimamos el valor desconocido en el

punto nx es el resultado de la variable aleatoria R x .

3.2.1.1 Condición de Universalidad

Definición 3.1:

El sesgo de un estimador se define como la diferencia entre la esperanza del valor

estimado y el valor verdadero de la variable en estudio. Decimos que el estimador es

Page 115: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

115

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

insesgado cuando la esperanza matemática de la diferencia entre el valor estimado y el

valor verdadero es cero (De la Fuente Fernández, 2015).

Se espera que el error cometido en cualquier punto nx dado por la fórmula (3.3) sea

cero. Aplicando la esperanza matemática a ambos lados de la ecuación (3.3), se tiene:

1

0n

i i V

i

E R x E Z x Z x

(3.4)

1

1

0

n

i i V

i

n

i i V

i

E R x E Z x E Z x

E Z x E Z x

Consideremos que la función aleatoria Z x es estacionaria de orden 2. Entonces Z x

verifica:

- ( )E Z x m

- ( ) ( ) ( )E Z x h Z x C h

- 2

( ) ( ) 2 ( )E Z x h Z x h

Aplicando esta hipótesis, todos los datos tienen por esperanza una constante m :

E Z x m , nx , con lo cual se tiene:

1 1

n n

i i V i

i i

E Z x E Z x m m

1

1n

i

i

(3.5)

Esta última igualdad es llamada “condición de universalidad” y es la condición necesaria

para que el estimador del método de kriging sea insesgado. Será usada más adelante.

Page 116: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

116

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

3.2.1.2 Desarrollo de la varianza de estimación

La varianza del error R x de un conjunto de n estimaciones es escrita como:

2

2

1

( ) ( ) ,n

n

E i i V

i

E Z x Z x x

(3.6)

Desarrollando esta ecuación:

2 22 * *

2 2* *

* * *

( ) ( ) 2 ( ) ( ) ,

( ) ( ) 2 ( ) ( )

( ), ( ) ( ), ( ) 2 ( ), ( )

n

E V V

V V

V V V

E Z x Z x Z x Z x x

E Z x E Z x E Z x Z x

C Z x Z x C Z x Z x C Z x Z x

Desarrollemos cada uno de los términos de esta última igualdad:

El primer término de la última igualdad: * *( ), ( )C Z x Z x , es la covarianza de la variable

aleatoria *( )Z x consigo misma:

* *

1 1 1 1

1 1 1 1

1 1

( ), ( ) ,

,

n n n n

i i i i i i i i

i i i i

n n n n

i j i j i j i j

i j i j

n n

i j i j

i j

C Z x Z x C Z x Z x E Z x Z x

E Z x Z x E Z x Z x

C Z x Z x

Haremos uso de la notación ,i j ijC Z x Z x C . Entonces el primer término queda:

* *

1 1

( ), ( )n n

i j ij

i j

C Z x Z x C

El segundo término de la igualdad: ( ), ( )V VC Z x Z x , es la covarianza de la variable

aleatoria ( )VZ x consigo misma. Usaremos la notación:

Page 117: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

117

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

( ), ( )V V VVC Z x Z x C

El tercer término: *2 ( ), ( )VC Z x Z x , puede ser escrito como:

*

1 1

1 1

2 ( ), ( ) 2 , ( ) 2 ( )

2 ( ) 2 , ( )

n n

V i i V i i V

i i

n n

i i V i i V

i i

C Z x Z x C Z x Z x E Z x Z x

E Z x Z x C Z x Z x

Usando la notación: , ( )i V iVC Z x Z x C , se obtiene:

*

1

2 ( ), ( ) 2n

V i iV

i

C Z x Z x C

Por lo tanto:

2

1 1 1

2n n n

E i j ij VV i iV

i j i

C C C

(3.7)

La igualdad (3.7) proporciona una expresión para la varianza de estimación como una

función de n variables, las cuáles son los pesos 1, ... , n .

Se desea minimizar la varianza de estimación dada en la fórmula 3.7.

Usualmente, la minimización de esta función 2

E de n variables es realizada igualando

las primeras n derivadas parciales a cero. Así, tendríamos un sistema de n ecuaciones

con n incógnitas. Sin embargo, debemos tener en cuenta que hemos agregado una

restricción a nuestra solución, la condición de universalidad, con el fin de lograr que la

estimación sea insesgada. Esto implica que no podemos utilizar cualquier conjunto de n

pesos i como solución. Se debe minimizar la función 2

E con la restricción 1

1n

i

i

.

Este problema de minimización con una restricción puede ser resuelto usando el método

de Lagrange.

Page 118: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

118

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

3.2.1.3 Minimización de la varianza de estimación con el método de multiplicadores

de Lagrange

El método de multiplicadores de Lagrange, que se presenta en el apéndice A.2, es usado

para convertir problemas de minimización con restricciones a problemas sin restricciones.

Usaremos este método para minimizar la función

2

1 1 1

2n n n

E i j ij VV i iV

i j i

C C C

sujeta a la restricción: 1

1n

i

i

.

Si igualamos las n primeras derivadas parciales a cero y contando la restricción,

tendríamos un sistema de n incógnitas y 1n ecuaciones, con lo que habría múltiples

soluciones. Para evitar este inconveniente añadimos una nueva variable llamada

parámetro de Lagrange, usando la condición de universalidad:

1 1

1

1

1 1 0

1 0

2 1 0

n n

i i

i i

n

i

i

n

i

i

Agregamos esta igualdad a la varianza de estimación de la siguiente manera:

2

1 1 1 1

2 2 1n n n n

E i j ij VV i iV i

i j i i

C C C

(3.8)

Si igualamos ahora las 1n primeras derivadas parciales a cero, tendremos un sistema

de 1n incógnitas con 1n ecuaciones.

Page 119: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

119

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Iniciemos calculando la derivada parcial con respecto de :

21 1 1 1

1

2 2 1

2 1

n n n n

i j ij VV i iV i

i j i iE

n

i

i

C C C

Igualando a cero:

2

1

1

2 1 0

1 0

nE

i

i

n

i

i

La cual es la condición de universalidad. Esto nos indica que la solución del sistema de

1n ecuaciones dará como resultado un conjunto de pesos : 1,...i i n con la

restricción que la suma de los pesos será 1, garantizando una estimación insesgada.

Ahora calculamos la derivada parcial de 2

E con respecto de 1 . La derivada parcial con

respecto de las demás variables se calcula de manera similar.

2

1 1 1 1

1 1

2 2 1n n n n

i j ij VV i iV i

i j i iE

C C C

2

1 1 11

1 1 1 1 1

1

2 2

n n nn

i j ij ii iVi j iVV iE

C CC

(3.9)

Procedemos a desarrollar cada uno de los términos de la ecuación (3.9).

Desarrollo del primer término:

Page 120: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

120

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

1 1

1 1 1 11 1 1

1 2 1 11

n n

i j ij n n n ni j

i i j j i i j j

i j i j

C

C C C C C

Dado que 1 1i iC C :

1 1

1

11

2

n n

i j ij ni j

i i

i

C

C

El segundo término no depende de 1 , por lo que

1

0VVC

Desarrollo del tercer término:

1

1

1

2 2

n

i iV

i

V

C

C

El último término también depende de 1 :

1 1

1 1

1 1

2 2 2

n n

i i

i i

Reemplazando estos términos en (3.9):

2

1 1

11

2 2 2n

Ei i V

i

C C

Igualando a cero, se obtiene:

1 1

1

2 2 2 0n

i i V

i

C C

Page 121: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

121

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

1 1

1

n

i i V

i

C C

De igual forma se obtienen ecuaciones derivando con respecto a los demás pesos i :

2

1 1 1 1

1 11

2

2 2 2 2

1 12

2

1 1

2 2 2

2 2 2

2 2 2

n nE

i i V i i V

i i

n nE

i i V i i V

i i

n nE

i ni nV i ni nV

i in

C C C C

C C C C

C C C C

A estas ecuaciones, se agrega la condición de insesgado, con la que se obtiene el sistema

de Kriging de Matheron.

3.2.1.4 Sistema de Kriging de Matheron

Está dado por el siguiente sistema de 1n ecuaciones y 1n incógnitas:

1

1

, 1,...,

1

n

i ji jV

i

n

i

i

C C j n

Con el sistema de Kriging se obtienen los pesos i y el parámetro . Los pesos son

reemplazados en la siguiente ecuación:

*

1

n

i i

i

Z x Z x

La cual dará como resultado el valor estimado de la variable en el punto x .

Page 122: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

122

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

También podemos hallar el valor de la varianza de estimación reemplazando los pesos i

en la ecuación:

2

1 1 1

2n n n

E i j ij VV i iV

i j i

C C C

Pero se puede obtener una fórmula más sencilla para hallar 2

E haciendo los siguientes

cálculos:

Multiplicamos la primera ecuación del sistema de kriging por j :

1

1

, 1,...,

, 1,...,

n

j i ji j jV

i

n

j i ji j j jV

i

C C j n

C C j n

Sumando estas n ecuaciones, se obtiene:

1 1 1 1

1 1 1

n n n n

j i ji j j jV

j i j j

n n n

i j ij j jV

i j j

C C

C C

Reemplazando en la ecuación de la varianza de estimación:

2

1 1 1

1 1

1

2

2

n n n

E i j ij VV i iV

i j i

n n

j jV VV i iV

j i

n

VV i iV

i

C C C

C C C

C C

La varianza de estimación por el método de kriging es conocida también como varianza

de kriging, por lo que es denotada por 2

K :

Page 123: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

123

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

2

1

n

K VV i iV

i

C C

(3.10)

Usaremos la ecuación (3.10) para hallar la varianza de Kriging.

3.2.1.5 Sistema de Kriging en términos de la función Variograma

También podemos escribir el sistema de Kriging usando la función variograma. Usaremos

la notación: 21

, ( ) ( ) ,2

n

ij i j i jZ x Z x E Z x Z x x

.

2

22

1( ) ( )

2

1 1( ) ( )

2 2

1 1

2 2

ij i j

i j i j

ii jj ij

E Z x Z x

E Z x E Z x E Z x Z x

C C C

Por la hipótesis estacionaria de orden 2 la covarianza depende únicamente del vector h .

Entonces: ii jj VVC C C

Además, aplicando la igualdad de Krige:

ij VV ij ij VV ijC C C C y jV VV jVC C

Reemplazando en la primera ecuación del sistema de Kriging:

1

1

1 1

1

1

, 1,...,

, 1,...,

n

i ji jV

i

n

i VV ij VV jV

i

n n

i VV i ij VV jV

i i

n

VV i ij VV jV

i

n

i ij jV

i

C C j n

C C

C C

C C

j n

Page 124: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

124

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Con lo que se obtiene el sistema de kriging en términos de la función variograma:

1

1

, 1,...,

1

n

i ij jV

i

n

i

i

j n

Los pesos i son reemplazados en:

*

1

n

i i

i

Z x Z x

Similarmente se puede obtener la varianza de kriging en términos de la función

variograma.

Si usamos la igualdad: 0C h C h en la ecuación (3.10), se obtiene

2

1

n

K i iV VV

i

Con lo cual calculamos la varianza de estimación o varianza de kriging usando el

variograma.

3.2.2 Ejemplo del Cálculo por el método de Kriging en 3D

Se desea estimar la ley mineral del Zinc en el centro de un bloque dado:

Page 125: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

125

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

1( ) 4%Z x

2( ) 2%Z x

3( ) 10%Z x

Ilustración 42: Estimación con método de Kriging en el centro de un bloque

Se deben calcular pesos i para obtener un estimador lineal. Supongamos que tenemos

el elipsoide de influencias hallado con los alcances de los variogramas realizados.

Consideremos que el variograma experimental que representa a la variable en estudio

sigue un modelo esférico o de Matheron.

3

0 1 3

0 1

3 1, 0,

2 2

,

0, 0

h hc c h a

a a

c c h a

h

En donde: 0 0.2c , 1 0.8c , 70a

Calculando las distancias: 1 2( , ) 18.03d x x m , 1 3( , ) 25d x x m , 2 3( , ) 22.36d x x m .

3

3

3 10.2 0.8 , 0,70

2 70 2 70

1, 70

0, 0

h hh

h

h

( )h

( )h

(0,0,20)

(0,15,0)

(10,0,0)

Page 126: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

126

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

10

20

30

15 0.45

10 0.37

20 0.53

12

13

23

18.03 0.50

25 0.61

22.36 0.57

Además, se tiene que: 11 22 33 0 0 .

Luego, reemplazando en el sistema de Kriging de Matheron:

2 3

1 3

1 2

1 2 3

0.50 0.61 0.45

0.50 0.57 0.37

0.61 0.57 0.53

1

De donde resulta: 1 2 30.31, 0.45, 0.24, 0.08 .

Calculando el valor estimado:

Así, el valor estimado de la variable Zinc en el centro del bloque V es: 4.54% .

Podemos calcular el valor de la varianza de Kriging, que da una medida de la disposición

geométrica de los datos, del tamaño del soporte geométrico de la variable a estimar, y de

la naturaleza del variograma involucrado:

2

1 10 2 20 3 30K VV

2 0.31 0.45 0.45 0.37 0.24 0.53 0.08 0 0.5132K

Es de notar que 00VV . Esto se debe a que sólo se está estimando la ley del Zinc en el

punto 0x correspondiente al centro del bloque V . Precisando entonces que se ha

efectuado un Kriging Puntual (Marín, Apuntes de Curso de Post-Grado de Geoestadística

Aplicada en Maestría de Geología de UNSA, 2014).

0 1 1 2 2 3 3ˆ( ) ( ) ( ) ( )Z x Z x Z x Z x

0ˆ( ) 0.31 4 0.45 2 0.24 10 4.54Z x

Page 127: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

127

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Capítulo 4

METODOLOGÍA DE LA

APLICACIÓN EN

YACIMIENTOS MINEROS

En este último capítulo se muestra la metodología a seguir para aplicar las definiciones y

herramientas de la Geoestadística presentadas. La metodología desarrollada es el aporte

de la aplicación de los conceptos presentados en este trabajo de tesis. Para ello, haremos

uso de la data de la mina Pachapaqui. Procesaremos los datos haciendo uso del software

SPSS 20 y del software de estimación avanzada DATAMINE, aplicado en varias

empresas de la industria minera mundial.

4.1 Aspectos Previos

4.1.1 Mina Pachapaqui

Pachapaqui es una mina polimetálica (zinc, cobre, plomo, plata y oro) que está ubicada

en el distrito de Aquia, en la provincia de Bolognesi, región Áncash, en la zona central

minera de Perú, a 3900 m.s.n.m.

ICM Pachapaqui S.A.C., de la compañía minera Korean Zinc Company, es dueña de la

mina Pachapaqui.

Los datos obtenidos del análisis de las muestras revelan que se trata de una zona de

sulfuros, donde el elemento químico de interés es el zinc, emplazado en caliza.

Page 128: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

128

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

4.1.2 Sobre el Software Datamine

Haremos uso del software minero DATAMINE versión 3.2.

DATAMINE es una compañía de Software Integrado para la industria de recursos

mineros. Es usado para el análisis de la información, exploración, estudio geológico,

geoquímico, análisis de rocas, Topografía, modelamiento geológico, diseño de mina a

Cielo Abierto y Subterráneo.

La metodología que seguiremos para aplicar los conceptos presentados de geoestadística

en el estudio de yacimientos mineros será desarrollada haciendo uso del software

DATAMINE, pero también puede ser desarrollada en cualquier otro software minero que

tenga las herramientas necesarias.

Page 129: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

129

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

4.3 Diagrama de Burbujas de la Metodología Propuesta de

Estimación del Yacimiento

Ilustración 43: Diagrama de Burbujas correspondiente a la estimación por Método de

Kriging de Matheron

Tamaño de

compósito

Header Assay Survey

Taladros

Elipsoide de

Influencias

Parámetros de

Variogramas

Estimación con Kriging

de Matheron

Modelo de

Bloques

Modelo de Bloques

estimado

Taladros

Compositados

Interdistancia, ángulos

azimut y dip, tolerancias

Variografía

Variogramas

Experimentales

Ajuste de Variogramas

Modelo

Geológico

Compositación

Page 130: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

130

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

A continuación, se procederá a explicar la metodología de aplicación del Kriging de

Matheron para la estimación de una mina real, haciendo uso de variogramas:

4.3.1 Generación de Archivo de taladros

En la práctica se toman muestras de la zona de exploración para identificar los recursos

minerales existentes.

Las muestras son llevadas al laboratorio donde se identifica la composición de las

mismas. Para su estudio, estas son dispuestas en tres archivos de tipo .csv (Excel) o .txt,

llamados: Header, Survey y Assay.

1) Header (Cabecera): Contiene la identificación de los taladros o sondajes con los

que se tomaron las muestras, así como sus coordenadas de origen en UTM

(sistema de coordenadas Universal Transverse Mercator) y la longitud que

alcanzan. El archivo header tiene 76 datos que representan a los taladros.

Nº BHID XCOLLAR YCOLLAR ZCOLLAR ENDDEPTH

1 PAM-001 347099.77 8820068.65 4328.059 326.2

2 PAM-002 347184.2 8820197.22 4341.502 344.8

3 PAM-003 347211.43 8820157.89 4346.472 346.5

4 PAM-004 347144.69 8820384.65 4317.601 326

5 PAM-005 347568.445 8820208.4 4327.313 401.8

6 PAM-006 347143.14 8820386.74 4317.528 501

7 PAM-007 347566.59 8820207.193 4327.076 369.8

8 PAM-008 347143 8820386.93 4317.618 512.3

9 PAM-009 347368.26 8820371.05 4323.459 531.2

10 PAM-010 347072.28 8820470.35 4306.041 523.2

11 PAM-011 346963.71 8820516.76 4295.695 525.6

12 PAM-012 347071.59 8820469.63 4305.442 525

13 PAM-013 346960.67 8820513.7 4295.716 97.6

14 PAM-013B 346960.67 8820513.95 4295.568 514.6

15 PAM-014 347365.37 8820371.9 4323.564 512.5

16 PAM-015 347069.43 8820474.16 4305.349 94

17 PAM-015A 347070.66 8820476.35 4305.002 87.8

Page 131: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

131

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

18 PAM-016 347248.31 8820609.62 4300.891 502.3

19 PAM-017 347390.1 8820694.42 4303.254 139

20 PAM-017A 347381.95 8820684.27 4304.031 926.1

21 PAM-018 347116.59 8820720.07 4288.313 273.4

22 PAM-018A 347117.18 8820719.7 4288.435 221.7

23 PAM-019 347248.97 8820609.81 4300.638 137

24 PAM-019A 347247.96 8820603.27 4301.058 554.3

25 PAM-020 347552 8820965.73 4293.829 100.1

26 PAM-020A 347551.42 8820965.55 4293.948 502.1

27 PAM-021 347078.03 8821348.27 4275.602 572.3

28 PAM-022 346962.16 8821205.17 4277.414 485.2

29 PAM-023 347115.33 8820719.9 4288.724 99

30 PAM-023A 347157.9 8820706.31 4290.132 1051.8

31 PAM-024 347222.06 8820867.03 4283.59 968.9

32 PAM-025 347081.75 8821344.83 4275.779 570.5

33 PAM-026 346887.21 8820668.03 4284.595 74

34 PAM-026A 346886.53 8820668.57 4284.994 248.3

35 PAM-027D 347226.97 8820869.61 4283.677 321.5

36 PAM-027 347226.968 8820869.645 4283.792 990.65

37 PAM-028 346888.82 8820669.33 4284.973 944.3

38 PAM-029 347074.1 8820478.41 4304.968 1089.1

39 PAM-030 347146.811 8820390.322 4317.127 946.9

40 PAM-031 346956.323 8820514.075 4295.819 689.6

41 PAM-032 346886.579 8820667.947 4284.689 839.1

42 PAM-033 347370.787 8820366.624 4322.849 1003.6

43 PAM-034 346993.163 8820839.931 4279.41 1019.5

44 PAM-035 347063.92 8820549.03 4298.474 131.1

45 PAM-035A 347065.493 8820545.945 4298.53 108

46 PAM-036 347143.649 8820540.226 4302.567 1016.1

47 PAM-037 346824.583 8820404.132 4296.409 834

48 PAM-038 346755.32 8820487.023 4289.576 674.3

49 PAM-039 347204.86 8820591.047 4299.935 104.2

50 PAM-039A 347208.861 8820582.727 4300.772 782.2

51 PAM-040 347133.754 8820659.984 4292.394 1031.2

52 PAM-041 347119.916 8820497.564 4304.971 653.2

53 PAM-042 346901.55 8820462.687 4296.424 1010.2

Page 132: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

132

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

54 PAM-043 347012.422 8820429.932 4305.01 674.4

55 PAM-044 347295.191 8820665.276 4296.744 1040.2

56 PAM-045 347188.309 8820509.306 4306.751 689

57 PAM-046 347268.081 8820577.991 4302.738 851.2

58 PAM-047 347279.302 8820718.727 4293.153 1019.3

59 PAM-048 347187.737 8820508.917 4306.336 1010

60 PAM-049 347085.877 8820557.621 4298.049 123.2

61 PAM-049A 347092.819 8820561.473 4298.098 650.5

62 PAM-050 347202.614 8820654.533 4294.495 683.3

63 PAM-051 347024.379 8820557.458 4296.263 800

64 PAM-052 347026.762 8820508.23 4299.879 755.2

65 PAM-053 347349.324 8820570.314 4308.131 677.1

66 PAM-054 347208.546 8820387.958 4320.825 680.2

67 PAM-055 346973.703 8820460.601 4299.902 127.1

68 PAM-055A 346976.23 8820467.119 4299.703 1007.2

69 PAM-056 347230.427 8820744.077 4288.379 698.2

70 PAM-057 347061.28 8820667.37 4290.405 778.7

71 PAM-058A 347349.519 8820570.397 4307.398 233.8

72 PAM-059 347000.683 8820489.025 4300.267 761.2

73 PAM-060 347178.139 8820610.145 4297.873 907.5

74 PAM-061 347458.612 8820737.067 4299.448 642.4

75 PAM-062 347320.433 8820732.752 4295.999 586.8

76 PAM-063 347054.713 8820595.09 4295.214 973

Tabla 1: Archivo header de la data de la mina Pachapaqui

2) Survey (Inspección): Indican el azimuth y dip de las muestras que los taladros

toman; en consecuencia, informan sobre el desvío ocasionado en los taladros

durante la perforación. El archivo survey de la data en estudio contiene 1144

datos.

En la siguiente tabla se presentan datos de 14 de los 76 taladros:

Page 133: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

133

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

BHID AT BRG DIP

PAM-001 0 74.055 59.579

PAM-001 326.2 74.055 59.579

PAM-002 0 244.78 60.968

PAM-002 344.8 244.78 60.968

PAM-003 0 79.236 63.83

PAM-003 346.5 79.236 63.83

PAM-004 0 78.751 58.995

PAM-004 326 78.751 58.995

PAM-005 0 40.821 60.499

PAM-005 401.8 40.821 60.499

PAM-006 0 36.949 59.677

PAM-006 501 36.949 59.677

PAM-007 0 270.92 58.002

PAM-007 369.8 270.92 58.002

PAM-008 0 1.104 59.575

PAM-008 512.3 1.104 59.575

PAM-009 0 303.028 57.976

PAM-009 531.2 303.028 57.976

PAM-010 0 38.673 62.108

PAM-010 523.2 38.673 62.108

PAM-011 0 38.161 61.359

PAM-011 525.6 38.161 61.359

PAM-012 0 161.158 60.919

PAM-012 525 161.158 60.919

PAM-013 0 179.643 59.744

PAM-013 97.6 179.643 59.744

PAM-013B 0 178.829 70.436

PAM-013B 35 179.9 70.9

PAM-013B 65 181.4 70.6

PAM-013B 95 182.1 70.6

PAM-013B 125 182.3 70.7

PAM-013B 155 183.2 71.3

PAM-013B 185 184.8 71

PAM-013B 215 186.7 70.5

PAM-013B 245 187.6 70.5

PAM-013B 275 187.5 70.4

PAM-013B 305 187.7 70.9

PAM-013B 335 188.5 71.4

PAM-013B 365 187.5 70.3

PAM-013B 395 186.7 69.9

PAM-013B 425 187.2 69.8

PAM-013B 455 186.8 69.9

PAM-013B 485 187 70

PAM-013B 514.6 186.9 70.2

Tabla 2: Porción ilustrativa del archivo Survey

Page 134: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

134

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

La columna AT indica la profundidad a la cual fueron tomadas las muestras y

BRG denota al azimut. Esta parte de los datos de la tabla survey indica que los

taladros desde PAM-001 hasta PAM-013 no presentan desviaciones, mientras que

el taladro PAM-013B sí los presenta.

3) Assay (Análisis): Proporcionan información sobre las leyes minerales detectadas

en cada una de las muestras (Au, Ag, Cu, entre otras variables), e indica la

distancia a la cual fueron tomadas, medida desde el inicio del taladro. El archivo

assay contiene 23159 filas de datos.

Con el fin de ilustrar, se presentan parte de los datos del archivo assay

correspondientes al taladro PAM-006:

Page 135: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

135

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y SU APLICACIÓN EN LA

ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

BHID FROM TO N° SAMPL Au_ppm Ag_ppm Cu_% Zn_ppm Mo_ppm As_ppm Sb_ppm Pb_ppm

PAM-006 0 36 - - - - - - - -

PAM-006 36 37.9 PPA – 001328 0.068 0.9 0.03 17.7 38 171 10 213

PAM-006 37.9 39.9 PPA – 001329 0.06 1 0.032 13.8 44 265 6 203

PAM-006 39.9 41.65 PPA – 001330 0.127 1.6 0.019 19.2 42 174 9 35

PAM-006 41.65 43.4 PPA – 001331 0.123 1.2 0.029 105 62 243 15 45

PAM-006 43.4 45.35 PPA – 001332 0.072 1.1 0.026 18.3 82 243 2.5 51

PAM-006 45.35 47.3 PPA – 001333 0.064 1.2 0.027 17.4 53 279 2.5 81

PAM-006 47.3 49.35 PPA – 001334 0.085 0.6 0.03 29.5 69 360 21 50

PAM-006 49.35 50.1 PPA – 001335 0.064 0.7 0.016 25.3 51 149 2.5 73

PAM-006 50.1 51.5 PPA – 001336 0.115 0.6 0.047 26.7 50 484 8 198

PAM-006 51.5 52.5 PPA – 001337 0.135 0.3 0.037 26.8 79 917 2.5 101

PAM-006 52.5 53.9 PPA – 001338 0.128 1.2 0.089 31 57 199 2.5 179

PAM-006 53.9 55.4 PPA – 001339 0.198 0.5 0.023 46.6 37 167 2.5 214

PAM-006 55.4 57.1 PPA – 001340 0.14 1.4 0.137 58.7 82 327 5 89

PAM-006 57.1 58.6 PPA – 001341 0.126 0.6 0.332 112 48 196 2.5 65

PAM-006 58.6 60.2 PPA – 001342 0.119 0.8 0.03 78.5 57 615 17 294

PAM-006 60.2 61.85 PPA – 001343 0.181 4.2 0.047 67.9 83 545 10 116

PAM-006 61.85 63.85 PPA – 001344 0.126 0.8 0.453 87.1 38 43 2.5 39

PAM-006 63.85 65.9 PPA – 001345 0.014 0.5 0.012 6.9 2 17 2.5 41

PAM-006 65.9 67.7 PPA – 001346 0.149 1.5 0.022 54.1 59 205 8 204

Tabla 3: Porción ilustrativa de datos del archivo Assay

Page 136: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

136

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Con estos tres archivos se forma un archivo de taladros en DATAMINE. El nombre que

se le dio a este archivo es holes_tesis, que tiene 23242 filas de datos.

Ilustración 44: Vista en planta de taladros

En este archivo cada muestra está identificada por su localización (X, Y, Z), tamaño, su

dirección (azimut y dip) en el espacio y su código. En cada muestra se presentan las leyes

minerales encontradas por análisis en el laboratorio.

Ilustración 45: Taladros en vista vertical

Ilustración 46: Taladros en vista tridimensional con topografía incluida

Page 137: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

137

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

En la siguiente tabla se muestran parte de los datos correspondientes al taladro PAM-006

del archivo de taladros:

Page 138: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

138

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y SU APLICACIÓN EN LA ESTIMACIÓN DE

YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

BHID X Y Z LENGTH A0 B0 FROM TO ENDDEPTH N° SAMPL Au_ppm Ag_ppm Cu_% Zn_ppm Mo_ppm As_ppm Sb_ppm Pb_ppm

PAM-006 347148,6 8820394 4301,991 36 36,949 59,677 0 36 501 - - - - - - - -

PAM-006 347154,35 8820401,65 4285,633 1,9 36,949 59,677 36 37,9 501 PPA - 001328 0,068 0,9 0,03 17,7 38 171 10 213

PAM-006 347154,95 8820402,44 4283,95 2 36,949 59,677 37,9 39,9 501 PPA - 001329 0,06 1 0,032 13,8 44 265 6 203

PAM-006 347155,51 8820403,19 4282,331 1,75 36,949 59,677 39,9 41,65 501 PPA - 001330 0,127 1,6 0,019 19,2 42 174 9 35

PAM-006 347156,05 8820403,9 4280,821 1,75 36,949 59,677 41,65 43,4 501 PPA - 001331 0,123 1,2 0,029 105 62 243 15 45

PAM-006 347156,61 8820404,64 4279,224 1,95 36,949 59,677 43,4 45,35 501 PPA - 001332 0,072 1,1 0,026 18,3 82 243 2,5 51

PAM-006 347157,2 8820405,43 4277,541 1,95 36,949 59,677 45,35 47,3 501 PPA - 001333 0,064 1,2 0,027 17,4 53 279 2,5 81

PAM-006 347157,81 8820406,24 4275,814 2,05 36,949 59,677 47,3 49,35 501 PPA - 001334 0,085 0,6 0,03 29,5 69 360 21 50

PAM-006 347158,23 8820406,8 4274,606 0,75 36,949 59,677 49,35 50,1 501 PPA - 001335 0,064 0,7 0,016 25,3 51 149 2,5 73

PAM-006 347158,56 8820407,24 4273,678 1,4 36,949 59,677 50,1 51,5 501 PPA - 001336 0,115 0,6 0,047 26,7 50 484 8 198

PAM-006 347158,92 8820407,72 4272,642 1 36,949 59,677 51,5 52,5 501 PPA - 001337 0,135 0,3 0,037 26,8 79 917 2,5 101

PAM-006 347159,29 8820408,21 4271,606 1,4 36,949 59,677 52,5 53,9 501 PPA - 001338 0,128 1,2 0,089 31 57 199 2,5 179

PAM-006 347159,73 8820408,79 4270,355 1,5 36,949 59,677 53,9 55,4 501 PPA - 001339 0,198 0,5 0,023 46,6 37 167 2,5 214

PAM-006 347160,21 8820409,44 4268,973 1,7 36,949 59,677 55,4 57,1 501 PPA - 001340 0,14 1,4 0,137 58,7 82 327 5 89

PAM-006 347160,7 8820410,08 4267,592 1,5 36,949 59,677 57,1 58,6 501 PPA - 001341 0,126 0,6 0,332 112 48 196 2,5 65

PAM-006 347161,17 8820410,71 4266,254 1,6 36,949 59,677 58,6 60,2 501 PPA - 001342 0,119 0,8 0,03 78,5 57 615 17 294

PAM-006 347161,66 8820411,36 4264,852 1,65 36,949 59,677 60,2 61,85 501 PPA - 001343 0,181 4,2 0,047 67,9 83 545 10 116

PAM-006 347162,21 8820412,1 4263,276 2 36,949 59,677 61,85 63,85 501 PPA - 001344 0,126 0,8 0,453 87,1 38 43 2,5 39

PAM-006 347162,83 8820412,92 4261,528 2,05 36,949 59,677 63,85 65,9 501 PPA - 001345 0,014 0,5 0,012 6,9 2 17 2,5 41

Tabla 4: Porción ilustrativa del archivo de taladros

Page 139: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

139

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Analizamos el archivo holes_tesis en SPSS con estadísticas descriptivas. Se obtiene el

siguiente cuadro de las leyes minerales:

Estadísticos descriptivos

N Mínimo Máximo Media Desv. típ.

Au_ppm 23104 .00 16.69 .1460 .21792

Ag_ppm 5526 .00 432.00 1.5564 6.82905

Cu 23104 .00 4.63 .1991 .18521

Zn_ppm 5526 2.50 10,002.00 388.7184 768.16976

Mo_ppm 21886 .00 9.00 3.2002 2.28251

As_ppm 4549 1.00 9.00 2.8857 2.44925

Sb_ppm 4549 1.00 9.00 2.7540 1.93256

Pb_ppm 4549 1.00 9.00 2.8729 2.12093

Tabla 5: Análisis con estadísticas descriptivas del archivo de taladros

El estudio de la información de las leyes de laboratorio revela que existen leyes de oro,

plata, cobre, molibdeno, arsénico, antimonio y plomo, que acompañan a la presencia de

zinc, pero por sus valores bajos en el yacimiento y de bajo valor económico de acuerdo

al precio de los metales no se les consideró en este estudio.

Ilustración 47: Histograma de la variable Zinc de las muestras

Zinc (en ppm)

Fre

cuen

cia

𝑥

𝑓(𝑥)

Page 140: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

140

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

4.3.2 Aplicación de valor capping

En el software SPSS se identifican los valores capping para cada una de las variables, de

manera que si la ley de una de estas variables tiene un valor que está fuera de la ley de

distribución que modela la variable (valor errático), se cambia este valor por el capping o

algunas veces se le saca de acuerdo a la interpretación realizada. Este cambio se realiza

con el software.

El histograma presentado en la ilustración 47 revela la existencia de valores erráticos de

la variable Zinc, por lo que aplicaremos un valor capping de 2750 ppm. Con este capping

se obtiene el siguiente histograma:

Ilustración 48: Histograma de la variable Zinc con capping 2750 ppm en muestras

Aplicamos este valor capping en los datos del archivo de taladros en el software y

llamaremos a este nuevo archivo: holes_tesis_cap, que tiene 23242 datos.

Zinc (en ppm)

Fre

cuen

cia

𝑥

𝑓(𝑥)

Page 141: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

141

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Estadísticos descriptivos

N Mínimo Máximo Media Desv. típ.

Zn_ppm 5526 2.5000 2,750.0000 356.795060 550.5912367

N válido 5526

Tabla 6: Estadísticas de la variable Zinc con capping

Se puede apreciar que el histograma de la variable Zinc presenta una distribución

lognormal (ilustración 48). Podemos aplicar la función logaritmo natural a los valores de

la variable Zinc, obteniendo una distribución de aspecto normal:

Ilustración 49: Distribución del logaritmo de las leyes de la variable Zinc

4.3.3 Compositación de las muestras

Para poder realizar estimaciones con los datos proporcionados por el muestreo, es

necesario que las variables en estudio sean aditivas; esto se logra haciendo que el tamaño

Logaritmo de la variable Zinc

Fre

cuen

cia

𝑥

𝑓(𝑥)

Page 142: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

142

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

de las muestras sea el mismo. Para ello se elabora un histograma de frecuencias de las

longitudes de las muestras, para escoger la más frecuente y usarla como longitud de

compósito.

Procedemos a determinar la longitud de compósito del archivo holes_tesis_cap:

Ilustración 50: Histograma de la longitud de las muestras

Por lo que se escoge 1.5 metros como longitud de compósito. Compositamos el archivo

de taladros y lo llamaremos: holes_tesis_cap_comp, que tiene 27259 datos y en el cual

todas las muestras tienen una longitud de 1.5 metros.

4.3.4 Creación de Modelo Geológico

Para proseguir con la estimación, es necesario tener un modelo geológico que represente

a las zonas mineralizadas con presencia de zinc. Este modelo es elaborado usando

herramientas del software DATAMINE

Longitud

Fre

cuen

cia

𝑥

𝑓(𝑥)

Page 143: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

143

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 51: Modelo geológico con taladros y topografía

Este dominio, o modelo geológico o wireframe es fijado en coordinación con el ingeniero

geólogo.

4.3.5 Determinación del Soporte Geométrico a Estimar

Teniendo el modelo geológico, se procede a crear un modelo de bloques. Esto se hace

llenando el modelo geológico con bloques o paralelepípedos.

El tamaño de bloques se fija por restricciones operacionales y tipo de roca. Así, por

ejemplo, si la explotación va a ser por tajo abierto, se hace corresponder la altura del

bloque con la altura del banco, tal es el caso de las minas de Cerro Verde, Toquepala,

Chuquicamata, pues usan como altura de banco 15 metros, entonces el bloque unitario

puede tener, de largo, ancho y altura 15 metros.

Page 144: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

144

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 52: Banco de una mina a tajo abierto

En la minería subterránea, se considera también restricciones operacionales y tipo de roca,

así por ejemplo bloques unitarios de 1 a 1.5 metros de largo, ancho y altura.

Para la estimación de esta mina, se escogió rellenar el modelo geológico con bloques de

60m x 60m x 10m, considerando que tiene objetivo estimar a nivel de recursos.

Ilustración 53: Modelo de bloques sin estimar y taladros

4.3.6 Construcción de Variogramas Experimentales

Procedemos a construir variogramas con la variable Zinc del archivo

holes_tesis_cap_comp. Se deben introducir parámetros en el software que den la

dirección de los variogramas, la tolerancia en las direcciones y la distancia.

Page 145: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

145

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Se escogió las direcciones Azimut 0 Dip 0, Azimut 90 Dip 0, Azimut 0 Dip 90, con

tolerancia horizontal de 22.5º, tolerancia vertical de 15º, con un paso de variograma de

50 metros y tolerancia de 20 metros.

Parámetros

Interdistancia (h) 50

Tolerancia en interdistancia 20

Número de interdistancias 10

Azimut 0

Tolerancia horizontal 22.5

Incremento horizontal 90

Número de horizontales 2

Dip 0

Tolerancia vertical 15

Incremento vertical 90

Número de verticales 2

Tabla 7: Parámetros a introducir para la elaboración de variogramas

El archivo con variogramas es guardado con el nombre vgram_tesis.

Nº Azimut Dip

1 0 0

2 90 0

3 0 90

4 - -

Tabla 8: Direcciones de los variogramas

Page 146: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

146

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 54: Variogramas en direcciones dadas y el variograma omnidireccional

Se obtienen cuatro variogramas, de los cuales tres están dados en las direcciones indicadas

anteriormente y el cuarto es llamado Variograma Omnidireccional, que es un variograma

promedio de las direcciones calculadas. El variograma Omnidireccional proporciona

información general sobre la estructura del fenómeno.

Procedemos a graficar los variogramas experimentales individualmente:

Ilustración 55: Variograma Omnidireccional

h

h

h

h

Page 147: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

147

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 56: Variograma en la dirección azimut 0º dip 0º

Ilustración 57: Variograma en la dirección azimut 90º dip 0º

h

h

h

h

Page 148: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

148

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 58: Variograma en la dirección azimut 0º dip 90º

Se debe considerar que los variogramas mostrados en las cuatro últimas ilustraciones son

variogramas promedio calculados como en el ejemplo de la subsección 2.4.5.

4.3.7 Modelación con Variogramas Teóricos

Se ven cuatro variogramas, cada uno de ellos con su respectiva leyenda que indica el

azimut y dip. Se procede a ajustar un modelo teórico a cada variograma promedio por

dirección. Haremos uso del modelo lineal y del modelo esférico o de Matheron:

3

0 3

0

3 1

( ) , 0,2 2

,

h hc c

h h aa a

c c h a

Donde la suma 0c c es igual a la meseta C .

h

h

Page 149: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

149

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 59: Variograma de Azimut 90º y Dip 0º

La fórmula que modela al variograma en la dirección azimut 90 y dip 0 es:

3

3

3 10.3 0.45

( ) , 0,2412 241 2 241

0.75, 241

h h

h h

h

Ilustración 60: Variograma de Azimut 0º y Dip 0º

h

h

h

h

Page 150: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

150

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

La fórmula que modela al variograma en la dirección azimut 0 y dip 0 es:

3

3

3 10.3 0.5

( ) , 0,2052 205 2 205

0.8, 205

h h

h h

h

Ilustración 61: Variograma de Azimut 0º y Dip 90º

La fórmula que modela al variograma en la dirección azimut 0 y dip 90 es:

3

3

3 10.3 0.43

( ) , 0,2402 240 2 240

0.73, 240

h h

h h

h

Para cada variograma experimental se usaron dos modelos teóricos: El modelo lineal o

de efecto pepita puro y el modelo esférico o de Matheron, usando una pepita de 0.3. De

estos datos, se puede ver que el mayor alcance es 241 metros, que corresponde a la

dirección azimut 90º y dip 0º. Esto indica que la mineralización provino probablemente

h

h

Page 151: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

151

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

de esa dirección. Generalmente se usan más variogramas para determinar con más

exactitud la dirección de procedencia del mineral. Se identifican dos direcciones

principales siendo una la de mayor alcance, y se obtiene una tercera dirección que resulta

del producto vectorial de las anteriores direcciones.

4.3.8 Creación de Elipsoide de Influencias

Teniendo los valores de los alcances en las tres direcciones, se precede a construir el

elipsoide de influencias al que llamaremos wf_zn.

Ilustración 62: Representación gráfica del elipsoide de influencias con taladros

Ilustración 63: Representación gráfica del elipsoide de influencias y del modelo

geológico en 3D

Page 152: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

152

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

En el proceso de estimación ocurre que hay bloques que se desean estimar, pero las

muestras están muy alejadas y no son consideradas con el elipsoide de influencias.

Entonces, se multiplican los alcances que constituyen el elipsoide por un factor de

expansión, de modo que con esta expansión sí se consideran muestras que están alejadas

del centro del bloque por estimar, pero con una categoría inferior de estimación.

Así, se definen:

Recurso Medido: Suele calcularse usando la mitad del alcance del variograma.

Recurso Indicado: Usa el alcance del variograma como radio de búsqueda.

Recurso Inferido: Usa como radio de búsqueda un valor mayor que el alcance.

Recurso es el mineral con su tonelaje in situ que eventualmente se puede transformar en

reserva si se justifica su explotación.

4.3.9 Estimación con Krigring de Matheron

Teniendo el elipsoide de influencias y el modelo de variograma teórico, se procede a

realizar la estimación usando el método de Kriging de Matheron, denominado en los

softwares comerciales como Kriging Ordinario. Los resultados se ilustran a continuación:

Ilustración 64: Modelo de bloques estimado en 3D

Page 153: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

153

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y SU APLICACIÓN EN LA ESTIMACIÓN

DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Tabla 9: Porción ilustrativa de la tabla de resultados de estimación

Page 154: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

154

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

El modelo de bloques estimado tiene un total de 8023 bloques, donde:

Las columnas XC, YC y ZC corresponden a coordenadas de identificación de los

bloques estimados.

Las columnas XINC, YINC y ZINC son las dimensiones de cada bloque.

La columna ZONE se usa para diferenciar zonas, pero no se está usando.

N_MUE es el número de muestras que se usaron para estimar la ley mineral en

cada bloque.

La columna S_VOLUM identifica los recursos medido (1), indicado (2) e inferido

(3).

La columna VK es la varianza de Kriging.

4.3.10 Curva Tonelaje – Ley de Corte

Como parte de los resultados obtenidos se presenta la curva tonelaje-ley de corte, que

informa del tonelaje total a diferentes valores cut-off de la ley del mineral, es decir la

cantidad de toneladas y la ley de mineral, que corresponden a aquellos bloques cuya ley

mineral es mayor a un valor llamado cut-off.

El procedimiento para obtener la curva tonelaje ley de corte se ilustra a continuación, así

si disponemos de los siguientes resultados de estimación ordenados de menor a mayor de

acuerdo a la ley mineral:

Page 155: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

155

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Nº de

Bloque X (m) Y (m) Z (m) Zn (ppm) VOLUMEN Densidad Tonelaje

1 60 60 7.915018 0 28494.0661 2.6 74084.5719

2 60 60 10 0 36000 2.6 93600

3 60 60 10 0 36000 2.6 93600

4 60 60 10 0 36000 2.6 93600

5 60 60 10 0 36000 2.6 93600 …

99 60 60 10 15.2634409 36000 2.6 93600

100 60 60 10 15.3459143 36000 2.6 93600

101 60 60 10 15.8018999 36000 2.6 93600

102 60 60 6.243644 15.8722785 22477.1183 2.6 58440.5076

103 60 60 10 15.8744613 36000 2.6 93600

104 60 60 3.328536 15.9103536 11982.7286 2.6 31155.0944 …

8021 60 60 8.318437 5380.62793 29946.372 2.6 77860.5672

8022 60 60 10 5422.20771 36000 2.6 93600

8023 60 60 10 5425.16576 36000 2.6 93600

Tabla 10: Tabla de modelo de bloques estimado

Nº de Bloques que

Ingresan

Cut-Off Zn

(ppm) TONELAJE

LEY

MEDIA Zn

(ppm)

8023 >=0 733496366.85 310.1397

1326 >=500 121233558 1023.82238

441 >=1000 40343530 1703.21074

205 >=1500 18723849.2 2240.18862

84 >=2000 7771396.01 2967.67121

50 >=2500 4628862.31 3481.36907

32 >=3000 2944062.31 3951.46921

20 >=3500 1820862.31 4371.76139

11 >=4000 1013860.57 4930.36547

7 >=4500 639460.567 5243.44026

7 >=5000 639460.567 5243.44026

Tabla 11: Tabla tonelaje – ley de corte

Se puede incluir la curva tonelaje-ley de corte:

Page 156: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

156

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 65: Curva Tonelaje – Ley de corte

4.3.11 Emisión de Planos y Secciones

Después de haber realizado la estimación, se procede a ilustrar los resultados.

Ilustración 66: Vista de modelo de bloques estimado con taladros

0

100000000

200000000

300000000

400000000

500000000

600000000

700000000

800000000

0 1000 2000 3000 4000 5000 6000

TON

ELA

JE

LEY DE CORTE

TONELAJE vs. LEY DE CORTE

Page 157: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

157

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 67: Sección del modelo de bloques con leyes de zinc

Ilustración 68: Vista en sección del modelo de bloques estimado

Page 158: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

158

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 69: Corte en sección del modelo de bloques 1

Ilustración 70: Corte en sección del modelo de bloques 2

Page 159: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

159

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Ilustración 71: Vista en 3D del modelo de bloques con recursos medido, indicado e

inferido

Ilustración 72: Vista en sección del modelo de bloques con recurso medido, indicado e

inferido

En esta vista de un corte vertical se representa la proporción de bloques que pertenecen a

los recursos medidos (rojo), indicados (azul) e inferidos (amarillo) de la zona estimada.

Page 160: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

160

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Se puede apreciar que los bloques que están cerca a los taladros corresponden al recurso

medido.

Adicionalmente se presenta el histograma de la varianza de Kriging:

Ilustración 73: Histograma de la varianza de kriging

El promedio de la varianza de estimación por el método de kriging es 0.33, con una

desviación típica de 0.124. Hay poca variabilidad en la estimación realizada.

Varianza de Kriging

Fre

cuen

cia

𝜎𝐾2

Page 161: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

161

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Conclusiones y Recomendaciones

Conclusiones

El Variograma resulta ser una herramienta consistente muy útil para el geólogo y

el Ingeniero de Minas, u otra disciplina, dado que da cuenta de la estructura del

fenómeno en estudio.

El kriging propuesto por la Geoestadística resulta bastante eficaz no solamente

minimizando el error de estimación cometido, sino que además es insesgado, es

decir cumple con los estándares del control de calidad aplicado a los estimadores.

El variograma y la técnica del kriging de Matheron están sustentados por la teoría

de la Funciones Aleatorias, dentro del espacio 2( , , )L A P .

La geoestadística se fundamenta en conceptos importantes de la matemática pura,

principalmente en la teoría de la medida y el análisis funcional, que constituyen

la base matemática para sus múltiples aplicaciones en diversos campos de la

ingeniería.

Se introduce el estudio desde un punto de vista matemático de la Teoría de

Variables Regionalizadas o Geoestadística, que tiene muchas aplicaciones en

diversas áreas de estudio en la ingeniería, particularmente en el estudio de

recursos mineros.

Recomendaciones

Iniciar estudios de simulación de yacimientos basándose en el teorema central del

límite.

Page 162: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

162

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Anexos

A.1 Teorema Central del Límite

(Larson, 1992) Usaremos el teorema del límite central para simular realizaciones de una

variable aleatoria de la realidad, con media y y desviación estándar y dadas y

siguiendo una distribución normal.

Considerando:

21

1 21

lim2

n

biz

i

na

r n

P a b e dzn

Se tiene:

1 1

n n

i iy i i

y y

y

r n r ny

Z yn n

Con lo que podemos simular valores de distribución normal.

ir son valores aleatorios

es la media aritmética de los valores aleatorios

es la desviación estándar de los valores aleatorios

Ejemplo:

Se desean simular valores que sigan distribución normal y tengan una media igual a 3 y

una desviación estándar igual a 0.7.

Page 163: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

163

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Haremos uso de los siguientes números aleatorios:

0.8, 0.3, 0.6, 0.1, 0.5, 0.2, 0.9, 0.3, 0.7, 0.2, 0.8, 0.5

Se tiene: 3y y 0.7y . Operando:

13

0.7

n

i

i

r ny

Zn

Luego

15.9 12

20.7 3 2.931

1212

y

Así, se obtiene un primer valor simulado.

Se puede también simular valores con distribución lognormal, basta con aplicar la función

exponencial a los valores simulados.

Page 164: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

164

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

A.2 Método de Multiplicadores de Lagrange

(Swokowski, 1988) Este método fue descubierto por el matemático francés Joseph-Louis

Lagrange. Consiste en calcular los máximos y mínimos de una función f sujeto a

restricciones dadas. Se fundamenta en el siguiente teorema:

Teorema de Lagrange:

Sean ( , )f x y y ( , )g x y dos funciones con primeras derivadas parciales continuas tales

que f tiene un máximo o mínimo 0 0( , )f x y cuando ( , )x y está sujeto a la restricción

( , ) 0g x y . Si 0 0( , ) 0g x y , entonces existe un número real tal que:

0 0 0 0( , ) ( , )f x y g x y

Demostración:

La gráfica de ( , ) 0g x y es una curva C en el plano xy . C tiene una parametrización

regular

( )x h t , ( )y k t

Para t en algún intervalo I . Sea

( ) ( ) ( )t x y h t k t i j i jr

el vector de posición del punto en y sea el punto en el que

alcanza el valor máximo o mínimo y que corresponde a , es decir,

Si se define una función de una variable mediante

( , )P x y C 0 0 0( , )P x y f

0t t

0 0 0 0 0( ) ( ) ( )t x y h t k t i j i jr

F t

( ) ( ), ( )F t f h t k t

Page 165: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

165

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Entonces cuando varía, se obtienen valores de la función que corresponden a

en , es decir, está sujeta a la restricción . Como

es un máximo o mínimo de bajo esta restricción, resulta que

es un máximo o mínimo de . Entonces . Considerando a como una

función compuesta y usando la Regla de la Cadena,

Tomando ,

Esto demuestra que el vector es ortogonal al vector tangente a . Pero

también es ortogonal a porque es una curva de nivel de . Como

y son ortogonales al mismo vector, son paralelos, es decir,

para algún .

El número es llamado multiplicador de Lagrange.

Para aplicar este método se consideran las ecuaciones:

y

Ejemplo:

Sea . Encontrar el punto del plano en el que

alcanza su valor mínimo.

Solución: Se desea encontrar el mínimo de sujeta a la

restricción . Tomamos

t ( , )f x y

( , )x y C ( , )f x y ( , ) 0g x y 0 0( , )f x y

f 0 0 0( ) ( ), ( )F t f h t k t

( )F t 0( ) 0F t F

( ) ( , ) ( , ) ( , ) ( ) ( , ) ( )x y x y

dx dyF t f x y f x y f x y h t f x y k t

dt dt

0t t

0 0 0 0 0 0 0 0 0 00 ( ) ( , ) ( ) ( , ) ( ) ( , ) ( )x yF t f x y h t f x y k t f x y t r

0 0( , )f x y 0( )tr C

0 0( , )g x y 0( )tr C g

0 0( , )f x y 0 0( , )g x y

0 0 0 0( , ) ( , )f x y g x y

( , ) ( , )f x y g x y ( , ) 0g x y

2 2 2( , , ) 4 5f x y z x y z 2 3 4 12x y z

( , , )f x y z

2 2 2( , , ) 4 5f x y z x y z

( , , ) 2 3 4 12 0g x y z x y z

2 2 2(4 5 ) (2 3 4 12)x y z x y z

Page 166: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

166

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

O equivalentemente,

Igualando componentes:

Despejando de las tres ecuaciones:

Estas condiciones implican que

y

Sustituyendo en , tenemos:

, , 8

11z

Se concluye que el valor mínimo se alcanza en 5 30 8

, ,11 11 11

, y 5 30 8 1320

, ,11 11 11 121

f

.

8 2 10 (2 3 4 )x y z i j k = i j k

8 2 , 2 3 , 10 4x y z      

2 54

3 2x y z

6y x8

5z x

2 3 4 12 0x y z

5

11x

30

11y

Page 167: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

167

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

A.3 Glosario de términos

- Banco: Recorte horizontal del piso a lo largo del cual se realiza el minado en una

mina a tajo abierto.

- Compósito: Longitud que uniformiza el soporte geométrico de todas las muestras.

- Cut-off: Valor de corte de las leyes que determina la cantidad de toneladas,

cantidad de mineral y ley mineral promedio correspondientes a leyes minerales

mayores que ese valor.

- Error Fundamental: Expresión usada en QA-QC para cuantificar el error de

muestreo y el error de laboratorio químico. -

- Ley mineral: tenor metálico que constituye el valor de la variable regionalizada -

- Malla de Muestreo: Disposición geométrica de las muestras para representar y

estudiar la variable en estudio en una zona geográfica. -

- Mena: Mineral con valor económico. -

- Modelo de Bloques: Archivo conteniendo los resultados de la estimación

constituida por las coordenadas del centro del bloque y los valores estimados de

las variables en estudio con su varianza de kriging. -

- Modelo Geológico: Representación de la zona mineralizada de una variable. -

- PPM: Partes por millón. Unidad de la ley mineral. -

- Prospección Geológica: Consiste en las actividades del geólogo para estudiar un

yacimiento minero. -

- QA-QC: Técnicas estadísticas que permiten tener una data representativa y

confiable. -

- Recurso: Tonelaje y ley de mineral in situ.

- Reserva: Mineral que técnicamente se puede extraer y cuyo valor paga sus costos

de extracción y venta. -

- UTM: Sistema de coordenadas geográficas de Mercator.

Page 168: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

168

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

-

- Valor Capping: Valor que separa a los valores erráticos comúnmente altos de la

variable en estudio, es decir que están fuera de la ley de distribución de la variable

en estudio. -

- Valor Errático: Ley mineral anómala. -

- Veta: Fractura de la corteza de la tierra rellenada con soluciones hidrotermales

provenientes de un magma.

Page 169: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

169

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

Referencias Bibliográficas

Estadística y Probabilidades

[1] De la Fuente Fernández, S. (2015). Estimadores. Madrid: Universidad

Autónoma de Madrid.

[2] Larson, H. J. (1992). Introducción a la Teoría de Probabilidades e

Inferencia Estadística. México: Limusa.

[3] Martínez, S. (1979). Tesis de Probabilidades, para obtener Doctorado de

3er. ciclo en Probabilidades. París: Universidad de París VI.

[4] Meza de Castillo, E. (1994). Probabilidad. Lima: CONCYTEC.

Matemática

[5] Botelho, G., Pellegrino, D., & Teixeira, E. (2012). Fundamentos de Análise

Funcional. Río de Janeiro: SBM.

[6] Chumpitaz Reyna, M. (1989). Medida e Integración. Lima. Universidad

Nacional de Ingeniería: Hozlo.

[7] Cohn, D. L. (1980). Measure Theory. Boston: Birkhäuser.

[8] Fernandez, P. J. (1976). Medida e Integração. Río de Janeiro: IMPA.

[9] Kolmogorov, A. N., & Fomin, S. V. (1975). Elementos de la Teoría de

Funciones y del Análisis Funcional. Moscu: Mir.

[10] Kreyszig, E. (1978). Introductory Functional Analysis with Applications.

Estados Unidos de América: John Wiley & Sons.

[11] Lima, E. L. (1981). Curso de Análise Vol. 2. Brasília: Projeto Euclides.

Page 170: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

170

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

[12] Swokowski, E. W. (1988). Cálculo con Geometría Analítica. Estados

Unidos: Grupo Editorial Iberoamérica S.A.

Geoestadística

[13] Armstrong, M. (1998). Basic Linear Geostatistics. New York: Springer.

[14] David, M. (1977). Geostatistical Ore Reserve Estimation. École

Polytechnique, Université de Montréal, Montréal, Québec, Canada,: Elsevier

Scientific Publishing Company, Amsterdam Oxford New York.

[15] Edward H. Isaaks, R. M. (1989). Applied Geostatistics. New York: Oxford

University Press.

[16] Marín, A. (2014). Apuntes de Curso de Post-Grado de Geoestadística

Aplicada en Maestría de Geología de UNSA. Arequipa.

[17] Marín, A. (1978). Tesis de doctor ingeniero mención Geoestadística:

Methodologie de L'Estimation et Simulation Multivariable des Grands

Gisements Tridimensionnels. París: Ecole National Superieure des Mines de

Paris.

[18] Marín, A. (2016). Geostatistics for Variable Geometry Veins. Valencia:

Geostats 2016: International Geostatistics Congress.

[19] Matheron, G. ((1962,1963)). Traité de Géostatisque Apliquée

VOL1;VOL2. París: Ed. Technip.

[20] Matheron, G. (1969). Cours de Geostatistique. Paris: Cahiers du Centre de

Morphologie Mathématique de Fontainebleau

[21] Matheron, G. (1965). Les variables régionalisées et leur estimation, une

application de la théorie de fonctions aléatoires aux sciences de la nature.

París: Masson et Cie. Editeurs.

Page 171: UNIVERSIDAD NACIONAL DE SAN AGUSTÍN AREQUIPA

171

TEMA DE TESIS FUNDAMENTO MATEMÁTICO DE MÉTODOS GEOESTADÍSTICOS Y

SU APLICACIÓN EN LA ESTIMACIÓN DE YACIMIENTOS MINEROS

Bach. Edgar Michel Marín Ballón Escuela Profesional de Matemáticas – Universidad Nacional de San Agustín

[22] Michel Dagbert, A. M. (2008). The Boletin de Geoestadística (1972-

1973): A First Journal Devoted to Geostatistics. GEOSTATS: Proceedings

of the Eighth International Geostatistics Congress.

[23] Rivoirard, J. (1995). Concepts et méthodes de la géostatistique. París:

Ecole des Mines de Paris: Centre de Géostatistique.

Software

[24] Datamine. (2015). The Datamine Library, Manuales de Uso de Datamine.

Geology and Mining Software.