Tesis Ingeniero FLQ

FERNANDO LINARES QUIROA TESIS INGENIERO GELOGO
I
TABLA DE CONTENIDOS
CAPTULO I
1 INTRODUCCIN. ........................................................................................................... 1
1.1 Ubicacin y Extensin........................................................................................... 1
1.2 Accesibilidad........................................................................................................... 1
1.3 Objetivo del Presente Trabajo. ........................................................................... 1
1.4 Metodologa del Trabajo. ..................................................................................... 2
1.4.1 Planeamiento de la Prospeccin. ................................................................ 2
1.4.2 Mtodos de Campo......................................................................................... 3
1.4.3 Mtodos Analticos......................................................................................... 4
1.4.4 Trabajo de Gabinete....................................................................................... 4
1.5 Agradecimientos.................................................................................................... 5
CAPTULO II
2 GEOGRAFA.................................................................................................................... 7
2.1 Fisiografa................................................................................................................ 7
2.1.1 Formas Positivas............................................................................................. 7
2.1.2 Formas Negativas. .......................................................................................... 7
2.2 Drenaje..................................................................................................................... 8
2.3 Clima y Vegetacin................................................................................................ 8
CAPTULO III
3 GEOLOGA. ...................................................................................................................11
3.1 Geologa Regional................................................................................................11
3.1.1 Estratigrafa. ..................................................................................................11
3.1.1.1 Grupo Morro Solar. ...................................................................................11
3.1.1.2 Formaciones Pamplona y Atocongo......................................................12
3.1.1.3 Grupo Casma..............................................................................................14
3.1.1.4 Rocas Intrusivas.........................................................................................15
3.1.1.5 Grupo Callipuy...........................................................................................17
3.2 Geologa Local. .....................................................................................................18
3.2.1 Rocas gneas. .................................................................................................18
3.2.2 Petrologa y Petrografa...............................................................................21
3.2.3 Alteracin Hidrotermal...............................................................................29
3.2.4 Depsitos Cuaternarios...............................................................................30
3.3 Geologa Estructural............................................................................................30
3.4 Geologa Econmica............................................................................................34
3.4.1 Metalognesis. .................................................................................................35
3.5 Geologa Histrica. ..............................................................................................37
CAPTULO IV
4 GEOQUIMCA DEL ORO. ............................................................................................40
4.1 Introduccin..........................................................................................................40
4.2 Caractersticas Geoqumicas del Oro..............................................................40
4.3 Ciclo Geoqumico del Oro..................................................................................42
4.4 Dispersin Geoqumica. .....................................................................................46
II
4.5 Movilidad Geoqumica del Oro.........................................................................47
4.6 El Oro en las Rocas Igneas..................................................................................48
CAPITULO V
5 MUESTREO Y ANLISIS GEOQUMICO. ..................................................................52
5.1 Muestreo Geoqumico.........................................................................................52
5.1.1 Tipos de Muestras Geoqumicas...............................................................53
5.1.1.1 Muestras de Rocas.....................................................................................53
5.1.1.2 Muestras de Suelos Residuales...............................................................53
5.1.2 Densidad y Patrn del Muestreo...............................................................54
5.1.3 Mtodo de Muestreo. ...................................................................................55
5.1.4 Ubicacin e Identificacin de las Muestras. ...........................................56
5.2 Anlisis de las Muestras.....................................................................................58
5.2.1 Mtodos Analticos.......................................................................................63
5.2.1.1 Espectrometra de Emisin. ....................................................................64
5.2.1.2 Espectrometra de Absorcin Atmica. ...............................................66
5.2.2 Preparacin de las Muestras. .....................................................................68
5.2.3 Descomposicin de las Muestras..............................................................69
5.2.3.1 Volatilizacin. ............................................................................................69
5.2.3.2 Ataque con cidos Vigorosos. ...............................................................70
5.2.4 Control de Calidad y Confiabilidad..........................................................72
5.2.4.1 Precisin y Errores Aleatorios................................................................75
5.2.4.2 Errores Sistemticos.................................................................................76
5.2.4.3 Contaminacin...........................................................................................76
5.2.4.4 Deriva Instrumental..................................................................................77
5.2.4.5 Interferencias. ............................................................................................77
5.2.4.6 Monitoreo de Errores Sistemticos. ......................................................78
5.2.5 Remisin de Muestras para el Anlisis. ..................................................79
CAPITULO VI
6 TRATAMIENTO ESTADSTICO DE DATOS GEOQUMICOS. ...............................81
6.1 Introduccin..........................................................................................................81
6.2 Estadsticas Bsicas. ............................................................................................86
6.2.1 Generalidades................................................................................................86
6.2.2 Medidas de la Tendencia Central. ............................................................86
6.2.2.1 Media Aritmtica........................................................................................87
6.2.2.2 Mediana........................................................................................................88
6.2.2.3 Moda. ............................................................................................................89
6.2.2.4 Media Geomtrica......................................................................................89
6.2.3 Medidas de Dispersin................................................................................90
6.2.3.1 Rango............................................................................................................90
6.2.3.2 Varianza.......................................................................................................90
6.2.3.3 Desviacin Estndar..................................................................................91
6.2.3.4 Percentiles. ..................................................................................................92
6.2.4 Histogramas...................................................................................................93
6.2.5 Distribuciones Continuas. ..........................................................................97
6.2.6 Distribucin Normal Estndar...................................................................98
6.2.7 Distribucin Lognormal............................................................................100
6.2.8 Ajuste de una Curva Normal a un Histograma. ..................................103
6.2.9 Distribuciones Acumuladas.....................................................................105
6.2.10 Lmites de Confianza.................................................................................107
III
6.2.11 Pruebas F y t. ...............................................................................................108
6.2.12 Grficos Probabilsticos. ...........................................................................115
6.3 Autocorrelacin..................................................................................................120
6.4 Notas Finales.......................................................................................................123
CAPITULO VII
7 APLICACIN DE LOS MTODOS COMPUTARIZADOS.......................................124
7.1 Introduccin........................................................................................................124
7.2 Registro de Datos...............................................................................................125
7.3 Produccin de Tablas, Histogramas, Grficos y Resmenes...................127
7.4 Planos y Secciones Generados por Computadora......................................130
7.4.1 Tcnicas de Contorneo por Computadora. ..........................................131
7.1.4.1 Contorneo por Triangulacin...............................................................134
7.1.4.2 Contorneo por Enmallado.....................................................................137
7.4.1.3 Mtodos de Enmallado...........................................................................139
7.4.2 Superficies de Tendencia..........................................................................142
CAPTULO VIII
8 INTERPRETACIN GEOQUMICA...........................................................................154
8.1 Introduccin........................................................................................................154
8.2 Estimacin del Background y del Threshold. .............................................155
8.2.1 Background..................................................................................................155
8.2.2 Threshold. ....................................................................................................157
8.3 Planos Geoqumicos..........................................................................................158
8.4 Principios de Interpretacin............................................................................161
8.4.1 Comparacin con los Datos de la Literatura. ......................................163
8.4.2 Uso del Histograma de Frecuencias.......................................................164
8.4.3 Uso de la Media y de la Desviacin Estndar.......................................165
8.4.4 Uso del Papel Probabilstico.....................................................................166
8.4.5 Uso de Planos Geoqumicos.....................................................................167
8.4.6 Uso de Thresholds Hallados en reas Similares.................................168
8.4.7 Notas Finales................................................................................................168
8.5 Planos de Superficies de Tendencia .............................................................169
8.6 Interpretacin de los Resultados Estadsticos............................................171
8.7 Evaluacin de las Anomalas...........................................................................171
8.8 Continuacin de la Exploracin. ....................................................................174

IV
TABLA DE ILUSTRACIONES

CAPTULO I In t r od u ccin

Figura 1.1 Plano de Ubicacin ................................................................ 6

CAPTULO II Geogr afa

Figura 2.1 Plano Topogrfico.................................................................. 9
Figura 2.2 Superficie Topogrfica........................................................10

CAPTULO III Geologa

Figura 3.1 Plano Geolgico Regional...................................................13
Figura 3.2 Plano Geolgico Local .........................................................19
Figura 3.3 Diagrama de Rosas..............................................................31
Figura 3.4 Estereogramas del Prospecto Cuarzo..........................32

CAPTULO IV Geoq u mica d el Or o

Figura 4.1 Ciclo Geoqumico del Oro..................................................43
Figura 4.2 El Procesos de Dispersin..................................................45

CAPTULO V Mu es t r eo y An lis is Geoq u mico

Figura 5.1 Preparacin, disolucin y anlisis de muestras............61
Figura 5.2 Cambios de energa electrnicos .....................................62
Figura 5.3 Proceso Espectrogrfico.....................................................64
Figura 5.4 Proceso de Absorcin Atmica.........................................66
Figura 5.5 Errores aleatorios y sistemticos ....................................73
Figura 5.6 Influencia de la precisin analtica..................................73

CAPTULO VI Tr at amien t o Es t ad s t ico d e Dat os Geoq u micos

Figura 6.1 Diagrama de Flujo de una Exploracin Geoqumica...83
Figura 6.2 Distribucin de la Frecuencia Normal ............................84
Figura 6.3 Ejemplos de Histogramas de Frecuencias......................93
Figura 6.4 Histogramas de Frecuencias del Prospecto Cuarzo.....95
Figura 6.5 Funcin de Densidad Normal ...........................................97
Figura 6.6 Curva Normal Estndar ......................................................99
Figura 6.7 Histogramas de Frecuencias Logartmicos..................103
Figura 6.8 Curva Normal Ajustada....................................................104
Figura 6.9 Curva de Frecuencia Acumulada....................................105
Figura 6.10 Tpica Distribucin F.........................................................109
Figura 6.11 Distribucin t de Students...............................................111
Figura 6.12 Grfico Probabilstico........................................................118

CAPTULO VII Ap licacin d e los Mt od os Comp u t ar izad os

Figura 7.1 Polgono de Thiessen........................................................134
Figura 7.2 Red Triangular de Delaunay............................................135
Figura 7.3 Grficos de Tendencia en 2-D.........................................143
V

CAPTULO VIII In t er p r et acin Geoq u mica

Figura 8.1 Plano de Ubicacin de Muestras.....................................175
Figura 8.2 Plano de Anomalas Geoqumicas..................................176
Figura 8.3 Relieve 3-D de las Anomalas Geoqumicas.................177
Figura 8.4 Plano de Tendencia de 1er. Grado.................................178
Figura 8.5 Superficie de Tendencia de 1er. Grado.........................179
Figura 8.6 Plano de Residuos de 1er. Grado ...................................180
Figura 8.7 Plano de Tendencia de 2do. Grado................................181
Figura 8.8 Superficie de Tendencia de 2do. Grado........................182
Figura 8.9 Plano de Residuos de 2do. Grado ..................................183
Figura 8.10 Plano de Tendencia de 3er Grado..................................184
Figura 8.11 Superficie de Tendencia de 3er Grado..........................185
Figura 8.12 Plano de Residuos de 3er Grado ....................................186
Figura 8.13 Plano de Tendencia de 4to. Grado.................................187
Figura 8.14 Superficie de Tendencia de 4to. Grado ........................188
Figura 8.15 Plano de Residuos de 4to. Grado ...................................189
Figura 8.16 Relieve Geoqumico ..........................................................190
Figura 8.17 Relieve Geoqumico de Residuos de 1er. Grado.........191
Figura 8.18 Relieve Geoqumico de Residuos de 2do. Grado........192
Figura 8.19 Relieve Geoqumico de Residuos de 3er Grado..........193
Figura 8.20 Relieve Geoqumico de Residuos de 4to. Grado.........194
Figura 8.21 Perfil Geolgico y Geoqumico 1300.............................195

VI
RELACIN DE FOTOS Y SU DESCRIPCIN

Mu es t r a R-1e
Foto 1a Muestra de mano, color blanco lechoso, decolorada por efecto de la
alteracin hidrotermal.
Foto 1b Microfotografa de una granodiorita con plagioclasas doblemente
macladas alteradas a sericita, se ve tambin una venilla de calcita
secundaria y cristales de cuarzo y ortoza.
Mu es t r a R-1g
Foto 2a Espcimen de mano fuertemente alterado, la textura original est
casi totalmente obliterada, se ven algunos cristales de cuarzo
plagioclasa y epdota.
Foto 2b Tonalita alterada, pueden verse plagioclasas macladas fuertemente
sericitizadas y calcitizadas.
Mu es t r a Qz-1a
Foto 3a Roca intrusiva masiva con textura fanertica holocristalina, se ven
cristales de cuarzo plagioclasas, biotitas y hornblendas.
Foto 3b Microfotografa de una granodiorita ms o menos fresca, se ven
cristales de plagioclasas microfracturados y con reemplazamiento
parcial de sus ncleos a sericita, tambin se aprecian cristales de
cuarzo, ortoza, biotita y hornblenda.
Foto 4a Espcimen de mano pulido, se aprecia el contacto entre una
tonalita a la izquierda y una aplita a la derecha.
Foto 4b Microfotografa de una tonalita, se ve una venilla de cuarzo
secundario, cristales de plagioclasas maclados, dbilmente
alterados a sericita, cuarzo primario, ortoza y hornblenda.
Mu es t r a Qz-3
Foto 5a Roca leuccrata de grano fino a medio, masiva, se ven minerales de
cuarzo, ortoza y biotita.
Foto 5b Microfotografa correspondiente a una granodiorita, con una
antipertita, se ve un cristal ideomorfo de plagioclasa que est
siendo reemplazado a ortoza y a sericita.
Foto 5c Microfotografa de una plagioclasa con intercresimiento de varillas
sinuosa de cuarzo (textura mirmequtica), corresponde a la
granodiorita anterior.
Mu es t r a Qz-4
Foto 6a Muestra de mano perteneciente a un dique post-mineral, se nota
textura porfirtica, cristales ideomorfos de plagioclasas y cuarzos
en una matriz microgranuda.
Foto 6b Microfotografa de un prfido tonalita, se ven fenocristales de
plagioclasas zonados y maclados con incrustaciones de apatito en
una matriz microgranuda.
VII
Mu es t r a Qz-5
Foto 7a Muestra de mano pulida tomada de un dique, presenta textura
porfirtica con fenos de anfboles y plagioclasas en ina matriz gris
verdosa.
Fotos 7b y 7c Microfotografa de una andesita porfirtica, se ve un seudomorfo de
epdota que ha reemplazado totalmente un anfbol con pequeas
inclusiones de cuarzo, rodeado de una matriz microgranuda.
Mu es t r a Cu ar zo Ros ad o
Foto 8a Muestra de mano de una pegmatita monomineral de cuarzo rosado
que aflora dentro del rea de estudio.
Foto 8b Microfotografa de la muestra de cuarzo rosado en la que se ven
inclusiones fluidas bifsicas L + V, de forma irregular y de origen
secundario.

VIII
RESUMEN

La superficie prospectada comprende una superficie de 3.75 Km
2
, se encuentra
ubicada a 9.5 Km al Este de la ciudad de Lima, en el Distrito de Ate Vitarte, las
rocas aflorantes son principalmente gneas de composicin intermedia.

Durante la prospeccin geoqumica del Denuncio Cuarzo se tomaron 165 muestras,
todas fueron analizadas por sus contenidos de Au por el mtodo de absorcin
Atmica, la media de estos valores es de 333 ppb con una mediana de 285 ppb.

El estudio petrogrfico de las muestras demuestra que las rocas han sufrido
alteracin hidrotermal de diverso grado, siendo la sericitizacin de las plagioclasas
la alteracin ms abundante acompaada de caolinizacin y carbonatacin. Las
biotitas se encuentran cloritizadas y epidotizadas.

Se utilizaron mtodos computarizados para hallar los parmetros estadsticos de
los resultados de los anlisis qumicos, para preparar planos geoqumicos de curvas
isovalricas, planos de superficie de tendencia y planos de residuos, todo esto con
el fin de descubrir patrones anormales o anomalas geoqumicas relacionadas con
una posible mineralizacin de oro.

Las pruebas F y t se utilizaron para probar la igualdad de las varianzas y medias de
las muestras provenientes de rocas y suelos, probndose que no hay diferencias
significativas entre estas que justifiquen que las muestras de suelos sean tratadas
como una poblacin aparte.

IX
Para la estimacin de los valores del background y del threshold se us un mtodo
combinado, estos se dedujeron del examen de los histogramas de frecuencias, del
grfico probabilstico y de los planos geoqumicos. Para la poblacin del
background se seleccion un rango entre 300 a 500 ppb y para el threshold un
valor de 500 ppb.

Usando programas que grafican mapas de contornos isovalricos y teniendo en
cuenta los valores del background y del threshold se cartografiaron como
anomalas significativas las reas con valores superiores a 500 ppb.

Aplicando tcnicas de suavizamiento representadas por el anlisis de superficies de
tendencia y mapas de residuos quedaron definidas las reas hacia donde tienden
los valores altos y bajos de oro y reas de residuos positivos y negativos dentro del
denuncio. Los planos de residuos no muestran gran diferencia con los planos
geoqumicos.

La interpretacin de las anomalas indica claramente una gran anomala en la parte
central del denuncio, los planos de tendencias sealan al SE como el rea ms
prospectable.

1

CAPTULO I

1 INTRODUCCIN.
1.1 Ubicacin y Ext en s in .
El prospecto "Cuarzo" se encuentra ubicado a 9.5 Km al Este de la ciudad de
Lima en la localidad de Santa Clara, distrito de Ate-Vitarte, provincia y
departamento de Lima.
Geogrficamente se encuentra ubicado en las siguientes coordenadas :
7652' 30"................................................... de longitud Oeste y
1203' 17"............................................................. de latitud Sur.
Comprende una superficie de 3.75 Km
2
, es un rectngulo de 2.5 por 1.5
Km, y con altitudes que van desde los 500 a 913 m.s.n.m. (Figura 1.1).
1.2 Acces ibilid ad .
Partiendo de la ciudad de Lima, la zona es accesible por la Carretera
Central hasta el kilmetro 9.6, de all se toma un desvo hacia el Sur y se
sigue 0.5 Km por una carretera afirmada; finalmente a pie por 1.5 Km
llegando as al rea de estudio.
1.3 Objet iv o del Pr es en t e Tr abajo.
El objetivo principal por el cual se realiz esta exploracin geoqumica fue
la de ubicar posibles reas con mineralizacin econmica de oro, dentro de
los lmites del denuncio minero "Cuarzo".
2
Es tambin propsito del presente trabajo el de probar la eficiencia y
aplicabilidad de los mtodos geoqumicos en la prospeccin por oro en
rocas gneas intrusivas del Batolito de la Costa.
De igual modo, estn dentro de los objetivos de este estudio el de obtener
el ttulo profesional de Ingeniero Gelogo en la Facultad de Geologa y
Geofsica de la Universidad Nacional de San Agustn de Arequipa.
1.4 Met od ologa d el Tr abajo.
En la ejecucin del presente trabajo se han dado los siguientes pasos:
1.4.1 Plan eamien t o de la Pr os peccin .
En la etapa de planeamiento se reuni informacin bibliogrfica del
rea, planos topogrficos y geolgicos a escalas 1:100,000 y 1:25,000,
luego se realiz la interpretacin fotogeolgica de las fotografas
areas que cubren la zona de estudio.
Reunida toda esta informacin se procedi a hacer una visita
preliminar de campo a fin de revisar los aspectos fisiogrficos y
geolgicos del rea a explorar.
Posteriormente, se diseo un p r ogr ama d e exp lor acion teniendo en
cuenta los siguientes parmetros vlidos en la toma de decisiones:
1. Tamao del rea a explorar.
2. El material a muestrear (suelos y rocas).
3. La geologa local.
4. La topografa.
5. Caractersticas de dispersin y movilidad del oro en los
diferentes ambientes geolgicos.
6. Influencias medio-ambientales locales sobre los procesos de
dispersin.
7. Caractersticas de la malla de muestreo y codificacin de las
muestras.
8. La preparacin de las muestras.
3
9. Los procedimientos analticos a emplearse y
10. Los criterios para la interpretacin de los resultados.
El suscrito particip en todas las etapas que llevaron a la
consecucin del presente trabajo.
1.4.2 Mt odos de Campo.
Las operaciones de campo se realizaron con la colaboracin de los
alumnos del ante-grado y del post-grado de la Facultad de Ingeniera
Geolgica, Minera y Metalrgica de la Universidad Nacional de
Ingeniera, como parte prctica de los cursos de Geoqumica II y de
Geoqumica Avanzada, respectivamente.
El nmero total de participantes fue de 25 personas: 22 muestreros,
2 supervisores y 1 en el apoyo logstico. La supervisin estuvo a
cargo del profesor del curso Ing Atilio Mendoza y del suscrito, el
apoyo logstico lo proporcion el dueo de la concesin Sr. Mario
Muoz.
El trabajo de campo se realiz del siguiente modo: una vez ubicado
el Punto de Partida del denuncio "Cuarzo", se procedi a replantear
en el campo una lnea base de 1500 m en el extremo NW del
denuncio, esta a su vez fue dividida en 11 lneas de muestreo, cada
150 m, perpendiculares a la primera y codificadas de la A a la K.
En cada una de estas lneas se ubic a una pareja de muestreros, los
que realizaron el muestreo sistemtico regular cada 150 m,
siguiendo una direccin predeterminada de N 37W, coincidiendo
con la direccin del lado ms largo del denuncio; estos grupos
tambin se encargaron del mapeo geolgico de su respectiva lnea.
Las muestras tomadas fueron de dos clases, rocas y sedimentos
(suelos), se tomaron aproximadamente 200 gr. por muestra y fueron
codificadas alfanumericamente A-1, A-2,....,B-14, B-15,....,K-14, K-15;
cada pareja tom 15 muestras sobre su lnea de muestreo, haciendo
4
un total de 165 muestras. De estas se seleccionaron las muestras
ms representativas de las diferentes litologas para la preparacin
de secciones delgadas y su posterior estudio petrogrfico.
Todo el trabajo de campo duro 2 das; los encaminamientos se
realizaron con brjula y cinta; para el muestreo se emplearon
martillos de gelogo, bolsas de plstico y talonarios especiales para
el muestreo geoqumico.
1.4.3 Mt odos An alt icos .
Los principales mtodos analticos empleados para las
determinaciones cualitativas y cuantitativas de los elementos
contenidos en las muestras fueron: (1) la Espectrometra de Emisin
(EE) y (2) la Espectrometra de Absorcin Atmica (EAA); todos los
anlisis se realizaron en el Laboratorio de Espectrometra de la UNI.
Los principios que rigen estos mtodos, la preparacin de las
muestras y precisin de los mismos son tratados, con ms detalle en
el Capitulo V "Muestreo y Anlisis Geoqumico".
1.4.4 Tr abajo de Gabin et e.
Con los datos de campo, las determinaciones petrogrficas y los
resultados cuantitativos del contenido de Au en las muestras se
procedi a preparar los diferentes planos y grficos que acompaan
el presente trabajo as como a elaborar el informe tcnico que sirvi
de base a esta tesis.
En la elaboracin de la mayora de las ilustraciones que acompaan
esta tesis se cont con el auxilio de varias computadoras, impresoras
a color y en blanco y negro as como de una amplia gama de
software especializado y de aplicacin general; se usaron paquetes
de programas tales como SURFER, GEOCHEM, QPRO, MS-EXCEL,
CorelDRAW! programas escritos en lenguaje FORTRAN y el
procesador de texto MS-WORD para Windows; el detalle y
5
funcionamiento de los mismos se tratan ms adelante en el Captulo
VII "Aplicacin de los Mtodos Computarizados".
1.5 Agr adecimien t os .
Deseo expresar mi reconocimiento a la Dra. Mara J ess Ojeda, J efa del
Laboratorio de Espectrometra y Profesora del curso de Geoqumica
Avanzada en la Escuela de Maestra de la Universidad Nacional de
Ingeniera que me brind la oportunidad para poder realizar el presente
trabajo. Al Ing Atilio Mendoza Apolaya, del mismo laboratorio, por sus
recomendaciones y apoyo brindado, sobretodo en la parte analtica
instrumental.
De manera especial quiero expresar mi agradecimiento al Ms. Sc. Ing
Fernando Nez Chvez, J efe del Laboratorio de Investigaciones Geolgicas
y Prestacin de Servicios, de la Facultad de Geologa y Geofsica de la
Universidad Nacional de San Agustn, por su colaboracin, asesoramiento y
revisin del presente trabajo; junto con l al grupo de estudiantes que
colaboran en el laboratorio, especialmente al alumno Giuliano Zeballos Z.
A mi hijo J ason Linares Adriazola, por su trabajo en el dibujo de los planos
y mapas por computadora.
As mismo vaya mi reconocimiento en esta a todos mis profesores y colegas
que contribuyeron a mi formacin profesional.
6
7

CAPTULO II

2 GEOGRAFA.
2.1 Fis iogr afa.
El prospecto minero "Cuarzo" se emplaza en la estribacin Oeste de la
Cordillera Occidental de los Andes, en la parte central del Per entre las
regiones Chala y Yunga.
El relieve general de la zona es moderado, con una altura promedio de 400
m (Figura 2.1). La topografa est controlada por las rocas intrusivas
granitoides del Batolito de la Costa que afloran en el rea y dentro de
cuales se tienen las siguientes geoformas:
2.1.1 For mas Pos it iv as .
El rea presenta cadenas de cerros con crestas redondeadas por
efectos de la erosin fluvial y el intemperismo trmico, con
pendientes que llegan hasta el 25%, estas cadenas siguen la direccin
de los Andes de NW a SE.
Las principales elevaciones en el rea son: el CCuarzo (913 m.s.n.m.)
y el C Candela (740 m.s.n.m.), como se puede ver en la
representacin tridimencional topogrfica (Figura 2.2).
2.1.2 For mas Negat iv as .
La zona se encuentra disectada por varias quebradas secas de fondos
arenosos que presentan, en general, forma de "V" de estadio juvenil y
terminan en grandes conos deyectivos.
8
Las principales son la quebrada Granja Azul al NW y la quebrada
Cuarzo al SE del rea estudiada (Fig. 2.1).
2.2 Dr en aje.
El rea esta drenada por el cause principal del Ro Rmac, perteneciente a la
Cuenca del Pacfico, es de carcter estacional, caudaloso en poca de
lluvias, su curso es corto, con fuerte declive y discurre de Este a Oeste.
El drenaje predominante es del tipo dendrtico desarrollado en rocas gneas
intrusivas que son las que predominan en la zona de estudio.
2.3 Clima y Veget acin .
El clima es caracterstico al de toda la faja costera del Per, con una
nubosidad alta durante casi ocho meses al ao, con neblinas que se
acentan durante la noche y las primeras horas del da y lloviznas
persistentes que traen consigo bajas temperaturas y humedades relativas
cercanas al 100%, solo se tiene brillo solar durante los meses de verano de
diciembre a marzo.
La vegetacin natural en la zona es escasa y se limita solo a lquenes,
musgos, algunas variedades de cactos y arbustos.
9
10

11

CAPTULO III

3 GEOLOGA.
3.1 Geologa Region al.
En la costa central del Per los estratos sedimentarios marinos y los seudo-
estratos volcnicos de edad predominantemente Cretceo inferior, fueron
intruidos durante el Cretceo superior al Paleoceno por el Batolito de la
Costa.
Luego de ocurridas las principales etapas del emplazamiento batoltico la
regin fue levantada, peneplanizada y cubierta por una gruesa secuencia de
rocas volcnicas sub-areas conocidas como el Grupo Callipuy.
La deposicin de los sedimentos marinos y el emplazamiento de las rocas
volcnicas tuvo lugar dentro de la zona del eugeosinclinal de la cuenca del
Oeste peruano, la cual ha sido interpretada como una cuenca marginal
ensilica (Altherton et al. 1983). Ver Plano Geolgico Regional (Figura 3.1).
3.1.1 Es t r at igr afa.
Se han reconocido tres principales unidades tecto - estratigrficas en
esta secuencia: el Grupo Morro Solar, las Formaciones Pamplona y
Atocongo y el Grupo Casma, de las cuales se hace a continuacin un
breve recuento estratigrfico.
3.1.1.1 Gr u po Mor r o Solar .
La Formacin Puente Piedra consiste de 2,000 m de pillow
lavas baslticas y tufos submarinos intercalados con lutitas
12
margosas fosilferas y lentes de calizas de edad Berriasiense
y conforma la unidad estratigrfica ms antigua del Grupo
Morro Solar.
El adelgazamiento individual de los flujos de lava hacia el
Este indican que sus fuentes alimentadoras estaran hacia el
Oeste.
Los principales afloramientos de estas unidades se
encuentran en el rea del Ro Chilln, a lo largo de la costa
al Norte de Lima. Se han reconocido secuencias
correlacionables con la Formacin Puente Piedra a la altura
de la latitud del Ro Lurn y en las reas de Mala y Pucusana
(Figura 3.1).
Sobreyaciendo concordantemente a la Formacin Puente
Piedra se encuentran las areniscas y lutitas de las
Formaciones Salto del Fraile, Herradura y Marcavilca, las
cuales en conjunto dan forma a ms de 500 m de estratos
de origen clstico, fluvial y deltico que van de rocas
predominantemente lutticas en la base a cuarcticas en el
techo de estas formaciones (Fernndez Concha, 1948).
Rosenzweig (1953) y Wilson (1963) concluyen que estos
estratos clsticos fueron depositados dentro de una cuenca
cerrada aislada del ocano por tierras positivas al Oeste, de
las que provinieron la mayora de los sedimentos.
3.1.1.2 For macion es Pamplon a y At ocon go.
Delgadas capas de calizas y margas fosilferas que se
vuelven progresivamente ms delgadas hacia el tope de la
secuencia, caracterizan los 1,200 m de espesor de las
Formaciones Pamplona y Atocongo.
13
14
El contacto basal con las cuarcitas Marcavilca es
transicional y consiste de capas de calizas arenosas. Estas
formaciones representan una secuencia transgresiva de
estratos carbonatados sobreyacidos por rocas volcnicas
del Grupo Casma.
Tanto los sedimentos clsticos del Morro Solar como los
carbonatados de Pamplona - Atocongo estn caracterizados
por faunas provinciales de edad Valanginiana a Aptiana,
esta fauna peculiar y el hecho de que no se hayan
encontrado fsiles gua de la especie Tethyan son indicios
del carcter aislado de la cuenca.
3.1.1.3 Gr u po Cas ma.
A escala regional, el Grupo Casma, fue originalmente
propuesto por Myers (1974), este grupo engloba de 6,000 a
9,000 m de rocas sedimentarias que localmente han sido
subdivididas en varias formaciones.
En la regin costera del Centro del Per, se han encontrado
ammonites Albianos en la base de la secuencia (Wilson,
1963) y se han identificado, tentativamente, fsiles
Cenomanianos hacia las partes ms altas de la misma
(Guevara, 1978).
Dos cuencas individuales, han sido delineadas a lo largo de
los 1,000 Km de esta faja volcnica, estas son las cuencas
de Huarmey y Ro Caete de Cobbing (1978), las cuales
tienen sus principales perodos de subsidencia durante el
Albiano - Neocomiano y el Albiano respectivamente. Se
supone que la regin entre los valles de los ros Rmac y
Lurn representa el rea de interconexin entre las dos
15
cuencas, sin embargo no se dispone de una detallada
descripcin de la transicin.
Un cambio de facies bien definido de Oeste a Este,
caracteriza al Grupo Casma en la costa central del Per; las
facies occidentales consisten de lavas andesticas a
baslticas, tufos y brechas hialoclsticas con intercalaciones
sedimentarias espordicas, estas tienen un espesor medido
del orden de los 2,500 m, las facies orientales, expuestas en
varios techos colgantes y valles al Este del Batolito, se
caracterizan por una sucesin mixta de lavas dacticas a
andesticas, tufos y areniscas vulcanoclasticas intercaladas
con lentes de lodolitas calcreas oscuras, lutitas y calizas
impuras.
Las rocas volcnicas del Grupo Casma son contemporneas
con una secuencia de calizas someras que afloran al Este
del rea mostrada en la Figura 3.1, esta polaridad litolgica
ha sido interpretada como la representacin clsica de un
par de cuencas eugeo y miogeosinclinal.
3.1.1.4 Rocas In t r u s iv as .
Dentro del grupo de rocas intrusivas, tenemos cuerpos sub-
volcnicos que emplazados a niveles cercanos a la
superficie han intruido, en forma de diques, sills o stocks, a
la columna volcnico - sedimentaria de Lima.
Tales cuerpos, reconocidos tambin en la costa Sur, son el
resultado de manifestaciones tardas del vulcanismo Casma
y a la vez como intrusiones precursoras del Batolito de la
Costa.
Las rocas intrusivas plutnicas aflorantes en el rea de
Lima, forman parte del Batolito de la Costa, el cual en toda
16
su longitud de aproximadamente 1,500 Km, forma un
complejo de muchas intrusiones separadas.
Las dataciones radiomtricas de varios plutones en la
regin han dado un espectro de edades que van de 104 a 62
m.a. (W.Pitcher, J .Cobbing et al. 1985).
En su mayor parte el Batolito est emplazado en una gruesa
secuencia de rocas volcnicas y rocas sedimentarias
marinas y continentales, adems est situado en una zona
positiva entre el eugeosinclinal y el miogeosinclinal del
Mesozoico; su emplazamiento parece seguir una lnea
predeterminada sin mayor relacin con la geologa
superficial, sealando posibles fallas profundas asociadas
con la formacin del margen continental.
En la parte central del Per, el porcentaje real de rocas
intrusivas, segn Cobbing y Pitcher (1979) es de:
Gabro - Diorita Tonalita Adamelita Granito
15.9 % 57.9 % 25.6 % 0.6 %
Aunque las tonalitas constituyen gran parte de la masa,
existe una marcada simetra en la distribucin de estas
rocas, gabros tempranos en los flancos, tonalitas y dioritas
en la parte interior y los complejos anulares adamelticos
en las partes centrales, que representan los restos basales
de calderas a travs de las cuales se habran eyectado las
rocas volcnicas terciarias.
Aunque la subsidencia de las calderas y la asimilacin por
socavamiento tomaron parte en el emplazamiento, la
presencia de muchos contactos controlados por fallas
sugieren que gran parte del espacio fue proporcionado por
17
el arqueamiento de las rocas encajonantes a lo largo de
fallas contemporneas.
Este complejo Batolito ha sido subdividido en dos grandes
segmentos, el Segmento Lima de 400 Km de longitud y el
Segmento Arequipa de 800 Km de largo, al Norte y al Sur
del ro Lurn, respectivamente, estos segmentos ha su vez
han sido divididos en Super Unidades y en Unidades en
base a su distribucin espacial, edades, afinidades
composicionales (suites geoqumicas) y texturas.
En la regin de Lima afloran gabros y dioritas
hornblndicas de la Super Unidad Patap que constituyen un
precursor importante del Batolito granitoide propiamente
dicho y dioritas, tonalitas y granodioritas de la Super
Unidad Santa Rosa, ambas pertenecientes al Segmento Lima
del Batolito de la Costa.
3.1.1.5 Gr u p o Callip u y .
Las rocas batolticas de la regin estn recubiertas
discordantemente, por rocas volcnicas terrestres que
comprenden coladas, tobas cinerticas, aglomerados
andesticos y flujos de cineritas de composicin dactica
todas asignadas al Grupo Callipuy, esta pila volcnica tiene
en al rea 2,000 m de espesor, medidos en las secciones de
los ros Rmac y Lurn.
La edad general del Grupo Callipuy es Terciario medio;
dataciones radiomtricas en la regin han dado 41 m.a.
para la base de este grupo (Nobel et al. 1979).
Dentro del Grupo Callipuy ocurren intercalaciones menores
de flujos baslticos y sedimentos subacuosos, tambin
18
alberga pequeos intrusivos dispersos que varan de
microdiorita a microgranodiorita y brechas intrusivas.
La mineralizacin polignica de Ag, Pb, Zn, Cu y
espordicamente W, estara asociada a estos "stocks
orientales".
3.2 Geologa Local.
Las rocas gneas dominan casi la totalidad del rea que encierra el
denuncio minero "Cuarzo", limitndose los depsitos Cuaternarios a los
fondos de las quebradas y a pequeas depresiones del terreno.
3.2.1 Rocas gn eas .
El rea que abarca el presente estudio se encuentra enclavada dentro
del Plutn de Vitarte, este forma parte de la Super Unidad Santa Rosa
del Segmento Lima, que conforma la parte central del Batolito de la
Costa.
La Super Unidad Santa Rosa es la ms importante del Segmento
Lima, aparentemente es un compuesto de por lo menos dos pulsos
magmticos de diferentes edades por lo que se ha diferenciado a
manera de sub unidades: cuerpos oscuros diorticos - tonalticos y
cuerpos claros tonalticos - granodiorticos. Las edades radiomtricas
sugeridas para esta Super Unidad son de 89 a 78 m.a., (R. D.:
Beckinsale, et al. 1985) es decir Cretceo superior a Terciario
inferior.
La composicin mineralgica entre los cuerpos del Santa Rosa, claro
y oscuro varan gradualmente debido a un cambio transicional difcil
de marcar con una lnea definida; estos cambios se deben a las
variaciones porcentuales de los feldespatos alcalinos a clcicos as
como a la adicin o disminucin de cuarzo.
Las rocas que afloran dentro del prospecto "Cuarzo", son
principalmente granodioritas, tonalitas y dioritas y estn clasificadas
19
como parte de los cuerpos tonalticos - granodiorticos conocidos
como el Santa Rosa claro, (Ver Plano Geolgico Local, Figura 3.2).
20
21
La abundancia por litologas, expresada en porcentajes es como
sigue:
Granodioritas 47%
Tonalitas 22%
Dioritas 19%
Suelos y sedimentos 7%
Otros 5%
TOTAL 100%
Estas rocas tienen una marcada coloracin gris clara en muestras de
mano y a la lupa se aprecia fcilmente que sus componentes
principales que son: cuarzo hialino intersticial, plagioclasas zonadas
y en menor cantidad ferromagnesianos, su textura es holocristalina
variando de grano medio a grueso, (Foto 3a).
Se presentan fuertemente intemperizadas por alteracin de los
feldespatos, presentando una intensa desescamacin por lo que las
rocas se disgregan en una arena gruesa cuarzosa, dndole al
afloramiento un aspecto de "vejez".
Estos cuerpos intruyen a las rocas sedimentarias y volcnicas
mesozoicas, as como a los gabro - dioritas y estn intruidas por los
granitos y adamelitas de edad ms temprana, as mismo son
cortadas por los diques de composicin dactica a andestica de
emplazamiento posterior.
3.2.2 Pet r ologa y Pet r ogr afa.
Durante el cartografiado geolgico y muestreo geoqumico, se
seleccionaron algunas muestras representativas de las diferentes
litologas para su estudio petrolgico y petrogrfico, a fin de
corroborar las observaciones de campo, determinar el tamao del
grano para establecer el grado de molienda de las muestras y
22
estudiar las alteraciones presentes en estas rocas as como su posible
relacin con la mineralizacin.
Las muestras seleccionadas incluyen tanto rocas frescas como
alteradas, los resultados de este examen se tratan a continuacin.
Mu es t r a N R-1e.
Macroscpicamente, es de color blanco lechoso (leuccrata), de
aspecto masivo, dureza moderada, grano medio, reaccin al HCl de
moderada a fuerte, se pueden ver minerales de cuarzo, plagioclasas y
ortosa, (Foto 1a). Clasificada en el campo como una Roca In t r u s iv a
Alt er ad a.
Microscpicamente, muestra plagioclasas idiomorfas agrupadas,
doblemente macladas (polisinttica y de Carlbad), sericitizacin y
caolinizacin moderada y alteradas a calcita. Cristales de cuarzo
xenomorfo se presentan agrupados y rellenando intersticios, algunos
con inclusiones de apatito. La ortoza es tambin xenomorfa, se le ve
en contacto con el cuarzo y las plagioclasas. Las plagioclasas
presenta una alteracin a sericita y a arcilla. La calcita es un mineral
secundario que se encuentra rellenando microfracturas. Los
minerales accesorios son el apatito y la esfena. Textura granular
holocristalina (Foto 1b).
La abundancia de especies minerales expresada en porcentajes es:
Plagioclasas 61%
Cuarzo 20%
Ortoza 10%
Esfena 5%
Apatito 2%
Otros 2%
TOTAL 100%
Clasificacin: GRANODIORITA ALTERADA
23
Mu es t r a N R-1g.
Megascpicamente, tiene un color blanco lechoso leuccrata, de
aspecto masivo, es fanertica de grano medio, baja dureza, algo
deleznable, reacciona enrgicamente al HCl y est fuertemente
alterada; se aprecian granos de cuarzo, plagioclasas, esfena y
epdota, (Foto 2a). Clasificacin de campo: Roca In t r u s iv a Alt er ad a.
Al microscopio, se observan plagioclasas idiomorfas a hipidiomorfas
alteradas en sus ncleos a sericita y calcita, se presentan zonadas y
con inclusiones de cuarzo hipidiomorfo. Los cristales de cuarzo
alotriomorfos a hipidiomorfos, se muestran agrupados y ocupando
intersticios entre las plagioclasas, algunos con inclusiones de esfenas
y otros pocos estn siendo reemplazados por calcita. Inclusiones
fluidas bifsicas (lquido + vapor) ocurren en los cristales de cuarzo,
son secundarias y se encuentran alineadas rellenando microfracturas
dentro del mineral. Como mineral accesorio se tiene a cristales
idiomorfos a hipidiomorfos de esfenas se presentan aislados,
agrupados y como inclusiones en el cuarzo. Los minerales
secundarios son sericita y calcita que reemplazan principalmente a
las plagioclasas. La roca presenta una textura equigranular (Foto 2b).
Su composicin mineral expresada en porcentajes es:
Plagioclasas 63%
Cuarzo 30%
Esfena 5%
Otros 2%
TOTAL 100%
Clasificacin: TONALITA ALTERADA
24
Mu es t r a N Qz-1a.
Roca de color gris, estructura masiva, con textura fanertica
holocristalina, tamao de grano medio, fracturamiento irregular;
macroscpicamente presentes minerales de cuarzo, plagioclasas,
biotita y hornblenda, (Foto 3a). En el campo se le clasific como una
Roca In t r u s iv a Gr an u d a.
Microscpicamente, las plagioclasa son idiomorfas, dbilmente
alteradas en los ncleos a sericita, con un zonamiento normal de
clcico a sdico, macladas y con inclusiones de apatito. El cuarzo se
puede ver en cristales idiomorfos a alotriomorfos, agrupado y
rellenando intersticios de otros cristales, muestra inclusiones de
opacos, anfboles, plagioclasas y espordicamente apatito. Cristales
idiomorfos a hipidiomorfos de hornblenda verde se presentan en
grandes playas, estos se hallan alterados a clorita y epdota, con
inclusiones de plagioclasas idiomorfas; puede observarse en algunas
partes intercresimientos de hornblenda con biotita. Los minerales de
biotita son hipidiomorfos a alotriomorfos, ocurren a manera de
playas asociados a la hornblenda, dbilmente alterados a clorita y
con inclusiones de opacos y de cuarzo. El mineral accesorio es el
apatito y los secundarios son clorita y sericita. La roca tiene una
textura granular holocristalina, (Foto 3b).
Los porcentajes de los minerales presentes en la roca son:
Plagioclasas 43%
Cuarzo 25%
Hornblenda 20%
Biotita 10%
Apatito 2%
TOTAL 100%
Clasificacin: GRANODIORITA.
25
Mu es t r a N Qz-1c.
Muestra correspondiente a una zona de contacto entre una roca
leuccrata y una mescrata, la primera es de grano fino mientras que
la segunda es de grano medio, la estructura de toda la muestra es
masiva, con fracturamiento regular, presenta caras planas al menos
en una direccin, se aprecia moderada alteracin a minerales verdes
(clorita), presentes minerales de cuarzo, plagioclasas y clorita, (Foto
4a). Clasificacin de campo: Roca In t r u s iv a.
Al microscopio se exhiben cristales de plagioclasas idiomorfos a
hipidiomorfos, maclados y zonados, alterados en sus ncleos a
sericita y calcita, con microfracturas rellenadas por cuarzo
secundario. El cuarzo primario xenomorfo, esta ocupando los
intersticios de las plagioclasas y tambin se le encuentra agrupado;
presenta inclusiones de apatito y esfena. El cuarzo secundario, de
origen hidrotermal es hipidiomorfo, se le encuentra rellenando
venillas que cortan toda la seccin, acompaado de cristales de
turmalina y apatito. Los cristales alotriomorfos de ortoza estn en
contacto con las plagioclasas y el cuarzo, y exhiben una ligera
alteracin a arcillas. Los anfboles alotriomorfos se encuentran
fuertemente alterados a clorita y tienen inclusiones de esfena. En
toda la seccin delgada solo se ve un cristal de microclina. Como
minerales accesorios se tiene turmalina cristalizada, apatito y esfena.
Los minerales secundarios son sericita, clorita y arcillas. La textura
es granular holocristalina, (Foto 4b).
Su composicin porcentual por minerales es:
Plagioclasas 60%
Cuarzo 20%
Ortoza 9%
Esfena 8%
26
Anfboles 2%
Otros 1%
TOTAL 100%
Clasificacin: TONALITA.
Mu es t r a N Qz-3.
Macroscpicamente es una muestra de color gris clara, leuccrata, de
estructura masiva, textura holocristalina, tamao de grano de fino a
medio, fracturamiento irregular; a la lupa se aprecian minerales de
cuarzo, plagioclasas, ortoza y biotita, (Foto 5a). Clasificacin de
campo Roca In t r u s iv a Leu ccr at a.
Microscpicamente, las plagioclasas son idiomorfas a hipidiomorfas,
zonadas y macladas, moderadamente alteradas a sericita en los
ncleos y en los bordes; algunas plagioclasas muestran inclusiones
de ortoza (antipertita), Foto 5b y otras intercresimientos de cuarzo a
manera de varillas (textura mirmequtica), Foto 5c. Cristales
alotriomorfos de cuarzo se presentan agrupados a manera de playas
y rellenando los intersticios de las plagioclasas; muestran inclusiones
de biotita y apatito. La ortoza es subautomorfa, se la encuentra en
contacto con el cuarzo o las plagioclasas y presenta incipiente
argilitizacin. Los cristales hipidiomorfos de biotita se hallan
alterados a clorita y a epdota y contienen inclusiones de opacos. Los
minerales accesorios son el apatito y el rutilo (a manera de
inclusiones) y los secundarios son clorita, epdota y sericita. La
textura es equigranular hipidiomrfica.
Los porcentajes por especies minerales es como sigue:
Plagioclasas 37%
Cuarzo 35%
Ortoza 15%
Biotita 10%
27
Otros 3%
TOTAL 100%
Clasificacin: GRANODIORITA.
Mu es t r a N Qz-4.
Muestra tomada de un dique; es de color gris oscura, textura
porfirtica, fenos de tamao medio, fracturamiento irregular, con
ptinas de xidos por alteracin suprgena, presentes fenos de
palgioclasas, cuarzo y anfboles, (Foto 6a). Clasificacin de campo:
Roca Por fir t ica.
Vista al microscopio se pueden ver fenocristales de plagioclasas
idiomorfos a hipidiomorfos zonados, algunos sericitizados en sus
ncleos y argilitizados en sus bordes; contienen inclusiones de
apatito. Cristales de cuarzo alotriomorfo de diversos tamaos
ocurren agrupados, algunos de estos contienen inclusiones de
cristales idiomorfos de apatito. La hornblenda verde se presenta en
cristales idiomorfos a hipidiomorfos bien desarrollados conteniendo
inclusiones de plagioclasas. Los cristales de biotita hipidiomorfos a
alotriomorfos, se le encuentra agrupados y rellenando intersticios;
muestran alteracin a clorita e inclusiones de opacos. Minerales
accesorios son el apatito y opacos no determinados; como mineral
secundario la clorita. La matriz es microgranuda compuesta por
cuarzo, plagioclasas, biotita y hornblenda; tiene textura porfirtica y
la relacin Fenos/ Matriz = 40/ 60, (Foto 6b). Su composicin
expresada en porcentajes es:
Cuarzo 33%
Plagioclasas 30%
Biotita 25%
Hornblenda 10%
28
Opacos 2%
TOTAL 100%
Clasificacin: PORFIDO TONALITA.
Mu es t r a N Qz-5.
Al igual que la anterior esta muestra tambin fue tomada de un
dique, es de un color gris verdoso opaco, textura porfirtica, granos
finos a gruesos, fracturas algo concoideas, moderadamente alterada;
se aprecian fenos de anfboles y plagioclasas, (Foto 7a). Clasificacin
de campo: Roca Porfirtica Alterada.
El examen al microscopio revela plagioclasas en cristales
hipidiomorfos de diversos tamaos, que presentan una fuerte
alteracin a arcilla y a epdota. Los anfboles idiomorfos a
hipidiomorfos, presentan epidotizacin moderada a fuerte que da
origen a seudomorfos de epdota. Cuarzo alotriomorfo se encuentra
rellenando intersticios y agrupado en pequeas playas. La epdota es
un mineral secundario que ocurre en cristales seudomorfos de gran
tamao provenientes de la alteracin de los anfboles y de las
plagioclasas (sausseritizacin). La matriz es microgranuda y est
compuesta por palgioclasas anfboles y cuarzo, presenta textura
porfirtica, el tamao de los granos es muy variable de fino a grueso
con una relacin de Fenos/ Matriz =40/ 60, (Fotos 7b y 7c).
Las especies minerales que conforman las roca, expresada en forma
de porcentajes es:
Plagioclasas 60%
Anfboles 30%
Cuarzo 8%
Otros 2%
TOTAL 100%
29
Clasificacin: ANDESITA PORFIRITICA.
Mu es t r a N Qz-14.
La muestra fue tomada de afloramiento pegmattico de cuarzo
rosado (Foto 8a), se hizo una seccin delgada con el fin de hacer un
estudio de las inclusiones fluidas contenidas en ella, ya que las
pegmatitas son transiciones entre las masas granitoides intrusivas
ordinarias y los filones y yacimientos minerales derivados de fluidos
hidrotermales.
Se observan cristales de cuarzo alotriomorfos e intercresidos con
microfracturamiento posterior a su emplazamiento debido a
esfuerzos tectnicos. Presenta abundantes inclusiones fluidas
secundarias y bifsicas (lquido + vapor), de formas redondeadas y
alineadas en las microfracturas (Foto 8b).
No se han podido identificar inclusiones fluidas primarias dentro de
esta seccin, por lo que no se puede llegar a ninguna conclusin real
sobre la temperatura o carcter qumico de los fluidos.
3.2.3 Alt er acin Hidr ot er mal.
El estudio de las secciones delgadas demuestra que las rocas han
sufrido alteracin hidrotermal en diverso grado, de incipiente a
fuerte, sin embargo esta alteracin no est relacionada a ninguna
estructura visible o aflorante en superficie, mas bien se encuentra
limitada a pequeas reas, las que probablemente estn relacionadas
con las anomalas geoqumicas encontradas.
La sericitizacin en los ncleos de las plagioclasas, parece ser la
alteracin hidrotermal ms abundante, acompaada por una ligera
caolinizacin en sus bordes; en un estado ms avanzado ocurre una
carbonatacin de plagioclasas clcicas por la introduccin de CO
2

acompaado de una decoloracin de la roca (muestras R-1c y R-1g).
Otra alteracin importante es la cloritizacin de los anfboles y de la
30
biotita; tambin se ha observado epidotizacin de la biotita y
argilitizacin de las ortozas.
Vistas en conjunto todas estas alteraciones, se concluye que las rocas
estn p r op ilit izad as , esta no es una alteracin propiamente dicha
sino un conjunto de alteraciones, caractersticas de las rocas gneas
de composicin intermedia, que es el caso de las rocas estudiadas.
3.2.4 Deps it os Cu at er n ar ios .
El material Cuaternario que se puede distinguir es esencialmente
aluvial, este se encuentra en el fondo de las quebradas y formando
conos deyectivos, est constituido por sedimentos con una
granulometra de arena gruesa y una composicin mineralgica muy
similar a las rocas de las cuales se originaron, debido a la erosin y
descomposicin de las mismas por intemperismo.
Un estudio microscpico de estos sedimentos dio como resultado los
siguientes porcentajes:
Plagioclasas 25 %
Cuarzo 20 %
Micas 10 %
Ferromagnesianos 10 %
Matriz arcillosa 35 %
TOTAL 100%
La matriz est compuesta por un material limo-arcilloso y restos de
materia orgnica (pequeas races).
En ciertas depresiones del terreno de poca extensin se han
acumulado materiales inconsolidados clasificados como suelos,
compuestos esencialmente por limos, arcillas y materia orgnica.
3.3 Geologa Es t r u ct u r al.
La zona de Lima pertenece a la regin morfotectnica de la costa y al borde
Oeste de la Cordillera Occidental. Ha sido desarrollada por la Tectognesis
31
Andina que dio origen a un plegamiento suave, acompaado de ruptura
durante las fases Cretceas y una deformacin tpicamente de ruptura
frgil durante las fases Terciarias.
Las estructuras han sido creadas por una tectnica polifsica, representada
por una serie de anticlinales y sinclinales muy abiertos, estos se observan
en las secuencias vulcano-sedimentarias al Este del Batolito, son
mayormente pliegues simtricos o ligeramente asimtricos de direccin
NNW a SSE, con buzamientos de flancos que rara vez superan los 35. Los
pliegues son cilndricos e isopacos y han sido recortados por el Batolito de
la Costa.
El fracturamiento est constituido por un sistema de fallas longitudinales
que alcanzan escala kilomtrica y que por lo general han tenido
movimientos tanto inversos como normales y un sistema de fallas
transversales con movimientos mayormente de rumbo.
Localmente, la Falla Cu ar zo es la principal estructura dentro del rea de
estudio; es una falla de carcter regional detectada por fotointerpretacin y
verificada con los trabajos de campo posteriores, tiene una direccin de N
87 W con una infleccin; en la parte central del denuncio, hacia el NW, es
probable que este cambio en el rumbo se produzca por una variacin en la
litologa, al atravesar la falla un pequeo stock grantico, a partir de este
punto la Falla Cuarzo toma una direccin de N 81 W (ver Plano Geolgico
Local, Figura 3.2).
De las observaciones microtectnicas y regionales realizadas por el
INGEMMET en su "Estudio Geolgico Tectnico del Area de Lima" (1981), se
deduce que la Falla Cuarzo es una falla de rumbo transversal a la direccin
de los Andes y de movimiento sinestral, correspondiente a la fase de
compresin del Terciario inferior, conocida como Fase Inca, caracterizada
por una deformacin de ruptura frgil; esto se observa principalmente en
las unidades intrusivas del Batolito de la Costa. Fracturas de este tipo es
32
probable que se hayan generado a lo largo de una estructura profunda del
basamento.
Fallas locales, que mantienen el rumbo de la Falla Cuarzo, pueden observar
en los extremos Sur y Norte del denuncio, as como una de direccin N-S,
que vendra a ser la conjugada del sistema.
Usando diagramas de rosas (Figura 3.3), en el estudio de las diaclasas, se
han podido determinar hasta cuatro sistemas de fracturamiento, que son:
1. Sistema N 60W a E - W.
2. Sistema N 10E a N 20E.
3. Sistema N 30W a N 50W.
4. Sistema N 40E a N 60E.
de los cuales los sistemas 1 y 2 constituyen un par conjugado posiblemente
relacionado con el emplazamiento de la Falla Cuarzo.
Con el uso de estereogramas, se ha podido determinar las orientaciones de
los esfuerzos principales, que han originado movimientos tanto inversos
como normales. En la figura 3.4, estn representadas 13 fracturas y sus
respectivos polos, 6 de estos determinan la orientacin del plano
1
-
3
(N
52 E, 70 NW) y la del eje
2
(N 37 W, 20), para un sistema de movimientos
inversos.

Figu r a 3.3--Diagrama de rosas compilado de 13 rumbos de fracturas en el Prospecto
"Cuarzo" Ate-Vitarte, Lima.
33
34
Si se toman dos fracturas, N 08 E, 23 SE y E - W, 22 S y suponiendo que son
conjugadas, se puede determinar la orientacin de los esfuerzos
principales, el ngulo de rozamiento interno, la direccin y el sentido del
salto. Las orientacin de los esfuerzos principales, para este sistema
conjugado son:
1
(N 52 E, 05),
2
(N 38 W, 18) y
3
(N 48 W, 72), el ngulo
de rozamiento interno es de 56, como
3
es casi vertical, el desplazamiento
de las fracturas debe ser predominantemente inverso (Figura 3.5).
Las fracturas N 54 W, 50 SW y N 77 W, 65 NE, fueron seleccionadas para
determinar las orientaciones de los esfuerzos que dieron origen a
movimientos predominantemente de salto normal, suponiendo que
tambin son conjugadas. Las orientaciones de los esfuerzos principales son:
1
(N 42 W, 71),
2
(N 68 W, 18) y
3
(N 24 W, 08), el ngulo de rozamiento
interno es de 25, y como en este caso
1
es casi vertical, el desplazamiento
de las fracturas debe ser predominantemente de salto normal (Figura 3.6).
3.4 Geologa Econ mica.
El principal inters econmico dentro del denuncio es el oro, pero este no
se aprecia a simple vista, ni tampoco se han reconocido estructuras
mineralizadas de importancia, sin embargo, los estudios geoqumicos
realizados y los resultados de los anlisis qumicos demuestran que dentro
del rea de estudio existen cantidades anmalas de oro, llegando a
registrarse leyes de hasta 0.98 gr/ TM; si bien estas leyes no son atractivas
econmicamente, no se descarta la posibilidad de que las leyes mejoren al
realizar estudios ms detallados en las zonas sealadas en los mapas
geoqumicos como ms probables.
Cabe tambin la posibilidad que se trate de un plutn anmalo en su
contenido de oro, pero sin ningn inters econmico; la literatura registra
estas ocurrencias, sin embargo no se conoce de ninguno que haya sido
explotado ya que los valores reportados no resultan atrayentes
econmicamente.
35
La presencia de pequeos afloramientos de caoln y arcillas demuestran la
accin hidrotermal a la que fueron sometidas las rocas granitoides. Es
posible que estas soluciones hayan tenido su origen en las ltimas etapas
del emplazamiento batoltico, por lo que tanto el magma como las fluidos
mineralizantes tuvieron una misma fuente en profundidad, o que las
cantidades anmalas de metal en el plutn provengan de una fuente
externa, posterior al emplazamiento del batolito.
En zonas aledaas y dentro del denuncio se ven las huellas dejadas por la
extraccin de no metlicos, principalmente caolines y arcillas, productos de
la alteracin hidrotermal quedando an por explotar en el rea varios de
estos pequeos depsitos. Se tomaron dos muestras de estas rocas
alteradas, rotuladas como muestra R-1e y R-1g, los resultados de su estudio
petrogrfico se encuentran en el acpite correspondiente a petrologa.
Otro producto de inters econmico, como piedra ornamental, son las
ocurrencias monominerlicas de cuarzo rosado a manera de lentes
pegmatticos de 2 m de potencia en promedio y 200 m de longitud,
muestra Qz-14.
Oxidos y minerales de Cu se observan en distintos lugares dentro del
denuncio, estos por ser muy pequeos (del orden de cm), no tiene
importancia econmica.
3.4.1 Met alogn es is .
Estos depsitos aurferos estn clasificados como Depsitos de
Cuarzo-Oro, se les encuentra en arcos magmticos en mrgenes
continentales, en arcos insulares y en zonas cratnicas relacionados
a rocas granticas. La mayora de las estructuras mineralizadas estn
emplazadas en rocas sedimentarias o metamrficas y algunas
ocurren en batolitos y stocks, como es el caso de las zonas aurferas
de Ocoa en la Costa y del Gigante y Alaska en el Nor-Oriente.
36
El principal mineral es el cuarzo, luego la pirita y la arsenopirita,
acompaados de oro nativo. El cuarzo se presenta en forma
bandeada y es de color gris vidrioso, el oro nativo ocurre en forma
libre, en microvenillas y en las zonas de contacto con otros granos
de mineral. Presentan una zona de alteracin dbil en la roca caja,
siendo las alteraciones ms comunes la cloritizacin, sericitizacin y
carbonatacin.
La gnesis de estos depsitos est relacionada al origen de las
soluciones hidrotermales aurferas, provenientes principalmente de
fuentes magmticas calcoalcalinas que se originaros de la fusin
parcial de la corteza terrestre (magmas tipo S) o de basaltos toleticas
provenientes de niveles subcorticales (magmas tipo I). El origen de
estas fuentes magmticas tambin puede observarse en la relacin
geogrfica de los depsitos aurferos con los batolitos y rocas
volcnicas. El oro nativo y los teloruros de oro se depositan en el
rango de 320 y 150C (Shilo, 1979) y los depsitos de cuarzo-oro
entre los 200 y 500C (Sidorov, 1984).
La franja aurfera de Nazca-Ocoa est clasificada como un provincia
metalogentica, dentro de la cual, si la prolongamos hacia el Norte,
estara emplazado el prospecto "Cuarzo". Dentro de esta provincia
metalognica se han reconocido ms de 70 depsitos vetiformes de
origen hidrotermal (Vargas, 1975), la mayora de estas ocurrencias
fueron y siguen siendo minadas por oro con plata y cobre como
subproductos. Algunos de estos depsitos se les conoce y han sido
minados intermitentemente desde finales del siglo 17 y han
producido considerables tonelajes. Asi el total de la produccin
registrada para la regin de Palpa-Ocoa durante el periodo de 1903-
1955 fue de 22600 kg Au, 9530 kg Ag y alrrededor de 2000
toneladas de Cu (Simons 1959).
37
Su mineraloga hipgena consiste principalmente de cuarzo, calcita y
ankerita como gangas acompaadas de pirita aurfera con menores
cantidades de oro nativo, galena, esfalerita, chalcopirita y
arsenopirita.
Zonas de contacto irregulares de las vetas con la roca caja y
estrechas aureolas de alteracin caracterizan estas vetas.
Estructuralmente los depsitos consisten de un grupo de vetas
controladas por un patrn de fracturamiento regional. Las vetas
muestrn comunmente zonas de brecha, milonitas y menas
bandeadas y crustificadas, que indican varios episodios de
movimiento y relleno de fisuras.
La mayora de las vetas en la provincia metalogentica de Nazca-
Ocoa, se encuentran dentro o muy cercanas a unidades silceas del
batolito, las rocas huesped predominantes son plutones tonalticos-
granodiorticos, sin embargo gabros, monzonitas, secuencias
volcnicas y clsticas alojan tambin este tipo de vetas.
Cuando consideramos la distribucin regional de estos depsitos es
aparente que no estn relacionados exclusivamente con una sola
superunidad; en el Norte las vetas ocurren asociadas espacialmente
con la Super Unidad Tiabaya, minetras que en el Sur estan
relacionadas con la Super Unidad Incahuasi.
Aunque la asimilacin del oro por mgmas flsicos provenientes de
rocas igneas mficas enriquecidas en oro en series plutnicas calco-
alcalinas, pueden haber ocurrido localmente, la gnesis de estas
vetas es an poco entendida, en particular quedan por responder
interrogantes como a que se debe su distribucin regional
restringida y la falta de relacin con una especfica unidad plutnica.
3.5 Geologa His t r ica.
38
La paleontologa y sedimentologa de la secuencia del Cretceo inferior
muestra que las cuencas se desarrollaron dentro de un mar interior aislado
a lo largo del margen continental.
Las reas de donde provinieron estas rocas volcnicas y sedimentarias de
aguas someras estuvieron ubicadas al Oeste. Myers (1975) sugiere que el
Macizo de Arequipa, Precambriano a Paleozico, tiene una extensin hacia
el Norte, la cual estuvo relativamente levantada durante ese perodo.
Al contrario, durante el Albiano al Cenomaniano los volcnicos Casma
fueron extruidos rpidamente dentro de las cuencas subsidentes; hacia el
Oeste de la cuenca el vulcanismo consiste de basaltos provenientes de
erupciones de fisura, al Este los volcnicos Casma se interdigitan
progresivamente con cantidades cada vez mayores de rocas sedimentarias.
Los centros volcnicos en forma de domos de lava flsicos y tufos - brecha,
se han reconocido tanto en las facies occidentales como orientales (Vidal,
1980).
El marco general, es el de una cuenca marginal en la cual una faja de nueva
corteza fue generada por vulcanismos baslticos submarinos,
presumblemente durante un perodo de extensin de la corteza y bajas
proporciones de expansin del fondo marino. La confirmacin de este
rgimen tectnico proviene de los estudios del metamorfismo regional, el
cual indica la presencia de altas gradientes geotrmicas (Aguirre y Offler,
1985).
Adems, los perfiles ssmicos y gravimtricos presentados por J ones (1981),
Couch el al. (1981) y Bussell y Wilson (1985), muestran una masa de alta
densidad y rocas de baja velocidad debajo de las cuencas volcnicas. Esta
anomala de la corteza en forma de arco, desaparece al Norte de la cuenca
de Huarmey y al Sur de la cuenca del Ro Caete.
Las anomalas han sido interpretadas como las correspondiente a rocas
mficas en la forma de corteza ocenica solevantada o complejos de
39
intrusiones baslticas (Wilson, 1985); la ltima interpretacin es la ms
aceptable considerando la abundancia de plutones gabricos a lo largo de
toda la faja, los cuales son parcialmente contemporneos con los volcnicos
Casma.
Las medidas isotpicas de los gabros y de las posteriores rocas granticas
del Batolito de la Costa, son indicativas de un manto contaminado con
corteza Precambriana, esto solo al Sur del Ro Lurn (Mukasa y Tilton,
1985).
La tectnica de bloques verticales y el carcter ensilico, son las principales
caractersticas regionales que dominaron la sedimentacin, desarrollo de la
fauna y vulcanismo dentro de una cubeta submarina de naturaleza
expansiva.
Siguieron a esta etapa Cretcea inferior el emplazamiento batoltico,
deformacin, levantamiento y vulcanismo subareo controlados por fallas
mayores y lineamientos de rumbo Andino.

40

CAPTULO IV

4 GEOQUIMCA DEL ORO.
4.1 In t r od uccin .
Cuando se realiza el examen de la geoqumica de un elemento hay que
explicar algunas de sus caractersticas ms importantes y recopilar la
informacin esencial relativa a su forma de presentacin, distribucin y
dispersin en los diferentes materiales terrestres.
En la prospeccin geoqumica del Denuncio "Cuarzo", se pueden resumir a
los siguientes aspectos las cuestiones de importancia capital para la
geoqumica el oro, a saber: caractersticas geoqumicas, ciclo geoqumico,
dispersin, movilidad y la ocurrencia del oro en las rocas de origen gneo.
Cada uno de estos aspectos sern desarrollados a continuacin.
4.2 Car act er s t icas Geoq u micas d el Or o.
En esta seccin se resumen las caractersticas del oro que son importantes
en la exploracin geoqumica. Excepto para el agua y el aire, todas las
concentraciones estn expresadas en p.p.m. (partes por milln).
Cuando sea posible se utiliza la mediana en vez de la media como valor
representativo de un grupo, la ventaja de usar este valor es que elimina los
espurios valores altos y bajos de los extremos.
41
O R O (Au )
N mer o at mico: 9
Pes o at mico: 197.2
Pes o es p ecfico: 9.32
Valen cias : 1, 3
Den s id ad : 19.3
Clar ke: 0.05
Ion : 1
+
d e r ad io 1.37
Pu n t o d e fu s in : 1063.0C.
Sis t ema cr is t alin o: Cbico hexaquisoctadrico.
Abu n d an cia en Rocas gn eas (med ian a):
Ult r amficas : 0.0032
Mficas : 0.0032
Gr an t icas : 0.0023.
Abu n dan cia en Rocas s edimen t ar ias (median a):
Calizas : 0.005
Ar en is cas : 0.005
Lu t it as : 0.004.
Abu n d an cia en Su elos (med ia): 0.002.
Abu n d an cia en Cen izas d e p lan t as : <0.0007.
Abu n d an cia en Agu a d u lce (med ian a): 0.002 ppb.
As ociacion es : Es sideroflico y en menor extensin calcoflico; Ag, As,
Sb, Hg, Se y Te en depsitos de metales preciosos; tambin Fe, Zn y Cu
en muchos depsitos de sulfuros.
Fu en t e in d u s t r ial: Au nativo y telururos de Au, adems forma
aleaciones con Ag y Cu.
Pr od u ct os d el in t emp er is mo: Hay cierta evidencia de que el Au nativo
forma depsitos de Au que pueden ser parcialmente disueltos y
42
reprecipitados dando como resultado el crecimiento de fragmentos de
Au aluviales en su lugar.
Es pecies acu os as : Complejos aninicos, coloides de oro metlico,
partculas en suspensin y como Au adsorbido por materia orgnica
soluble.
Res p u es t a biolgica: El Au puede entrar en las plantas y concentrarse
como complejos de cianuro.
Movilidad: En medioambientes mineralizados, limitado por el carcter
refractario del Au nativo; en medioambientes no-mineralizados, una
proporcin extremdamente alta del contenido promedio del Au en
agua dulce sugiere una alta movilidad.
Ap licacion es en la p r os p eccin geoq u mica: En suelos y sedimentos
la gua geoqumica ms efectiva para las menas de Au es el As; no se
recomiendan las determinaciones de Au en agua dulce como mtodo
de prospeccin efectivo; se ha encontrado que el Au contenido en
suelos tropicales es una gua til en la prospeccin de depsitos
porfirticos de Cu que contengan Au y se encuentren fuertemente
intemperizados; los placeres de Au comnmente contienen aleaciones
de metales en proporciones que son caractersticas de los depsitos
primarios de los cuales se han derivado.
4.3 Ciclo Geoq u mico d el Or o.
Geolgica y geoqumicamente, la tierra es un sistema dinmico en el cual
los materiales son movidos de un lugar a otro y cambiados en su forma y
composicin por una variedad de procesos que incluyen la fusin,
cristalizacin, erosin, disolucin, precipitacin, vaporizacin y
desintegracin radioactiva.
Aunque el comportamiento detallado de la materia en este sistema es muy
complejo, el ambiente geoqumico (definido por la presin, temperatura y
43
disponibilidad de los componentes qumicos ms abundantes), determinan
la estabilidad del mineral y fases fluidas en cualquier punto dado.
En base a las grandes diferencias en presin temperatura y composicin
qumica, los ambientes geoqumicos de la tierra pueden clasificarse en dos
grandes grupos: hipgenos y suprgenos. El movimiento de los materiales
terrestres, en este caso el oro, de un ambiente a otro puede visualizarse en
trminos de un crculo cerrado; esto se puede ver en la Figura 4.1 en la que
se ilustra el ciclo geoqumico del oro.
Por ciclo geoqumico se entienden las diferentes transformaciones cclicas
de carcter fsico-qumico que sufren los elementos durante su movilidad,
deposicin y dispersin en ambientes hipgenos y suprgenos a travs del
espacio-tiempo que satisfacen las leyes de la conservacin de la energa.
El conocimiento a priori del ciclo geoqumico de los elementos permite al
gelogo seleccionar reas de exploracin favorables para la ubicacin de
yacimientos. Esto se hace cada vez ms til en la bsqueda de metales base
Cu, Pb, Zn y de metales nobles Au, Ag, Pt, Rh, etc.
El ciclo geoqumico del Au se ha dividido en etapas que sean tiles y
compatibles con las observaciones de campo, para lo cual se ha tomado
como gua las unidades litolgicas que sirven como medio de movilidad,
deposicin y dispersin primaria y secundaria, debido principalmente a
que en el rea estudiada slo se tienen dos unidades litolgicas, rocas
gneas y sedimentos provenientes de estas, el ciclo geoqumico del oro
dentro del rea estudiada es reducido.
Como etapa inicial relativa se tiene una fase magmtica silicatada, generada
por refusin en los bordes destructivos de las placas ocenica y continental,
estos magma probablemente provienen del borde del manto con muy poca
contaminacin con material de la corteza.
44
Figura 4.1--Ciclo Geoqumico del oro. (R.W. Boyle, 1976)
45
Este magma al ascender y enfriase se solidific sin llegar a la superficie
formando rocas gneas intrusivas de composicin tonaltica a
granodiortica; el contenido promedio de Au en esta clase de rocas es de
7.5 ppb.
Los fluidos hidrotermales generados posteriormente a la cristalizacin de
los silicatos formadores de las rocas gneas estaran constituidos, entre
otros compuestos, por complejos clorurados y cloruros de Au; estas
soluciones aparentemente ricas en Au aprovecharon las fracturas de las
rocas gneas para emplazarse en ellas y formar filones hidrotermales
alterando las rocas encajonantes, contaminandolas y produciendo zonas
anmalas con valores promedios de 333 ppb de Au, este oro tiende a
concentrarse asociado al ensamble cuarzo-pirita y cuarzo-pirita-
arsenopirita.
Posterior al emplazamiento de las rocas intrusivas ocurri un
levantamiento general y actuaron la erosin y el intemperismo dejando al
descubierto las rocas intrusivas, al continuar los procesos del intemperismo
estos ocasionan cambios fsicos y qumicos en las rocas gneas y en sus
minerales constituyentes, los sulfuros de Fe y As se oxidan dejando Au
libre produciendo un enriquecimiento del metal en o cerca de la superficie,
se produce la desintegracin o descomposicin paulatina de las rocas,
produciendo sedimentos que han sufrido muy poco transporte y con el
mismo contenido promedio de Au que las rocas de los cuales se originaron.
Hasta esta etapa, dentro del ciclo geoqumico, han llegado las rocas y
sedimentos del rea estudiada.
Luego estos sedimentos tendrn mayor transporte, sufrirn procesos de
sedimentacin y diagnesis formando rocas sedimentarias que como
consecuencia de un proceso de soterramiento sern progresivamente
metamorfoseadas al ser objeto de temperaturas y presiones crecientes e
46
incrementos de nuevos materiales provenientes fuera del sistema, llegando
por anatexia a formar parte del magma y as iniciar el ciclo nuevamente.
4.4 Dis per s in Geoq u mica.
Dada una pequea masa de material en la tierra, esta normalmente no
mantiene su identidad al sufrir las transformaciones de un ciclo
geoqumico, sino que tiende a redistribuirse, fraccionarse y mezclarse con
otras masas de material (Figura 4.2).

Figu r a 4.2--El proceso de dispersin
Este proceso en el cual los tomos y las partculas se mueven a nuevas
ubicaciones y ambientes geoqumicos es llamado dispersin geoqumica.
La dispersin puede ser hipgena o suprgena de acuerdo al ambiente
geoqumico en la cual ocurre; y primaria o secundaria si ocurre durante la
formacin del depsito mineral o durante una etapa posterior. En los
depsitos magmticos y la mayora de los depsitos hidrotermales, la
dispersin primaria ocurre en un ambiente hipgeno y la dispersin
secundaria en un ambiente superficial.
La dispersin primaria incluye todos los procesos conducentes al
emplazamiento de elementos durante la formacin de un depsito mineral,
no importando cuando se haya formado el cuerpo mineralizado. El termino
de dispersin secundaria se aplica a la redistribucin de los patrones
primarios por cualquier proceso posterior, usualmente en un ambiente
superficial.
47
En la dispersin hipgena, los canales y lugares de redeposicin son
generalmente las fisuras y espacios abiertos intergranulares de rocas de
origen profundo; por otra parte la dispersin secundaria ocurre cerca a la
superficie de la tierra, donde los patrones se forman en las fisuras y
junturas de rocas cercana a la superficie, en terrenos inconsolidados,
corrientes, lagos, vegetacin y an en el aire.
La exploracin geoqumica consiste en investigar las trazas de material que
han sido dispersados fuera del cuerpo mineralizado que est siendo
buscado, estos patrones de dispersin pueden formar reas
considerablemente ms grandes que el cuerpo mineralizado, de modo que
se requiera una densidad de muestreo menor para su descubrimiento.
Adems debe de conocerse los patrones de dispersin en rocas normales y
saber distinguir entre estos patrones normales y los anmalos asociados a
un cuerpo mineralizado.
4.5 Mov ilid ad Geoq u mica d el Or o.
Fundamentalmente, la respuesta de un elemento a los procesos de
dispersin est gobernada por su movilidad, que es la facilidad con la que
el elemento puede ser relativamente dispersado de la matriz a otros
materiales circundantes.
La movilidad del Au se ha estudiado en base a los resultados de trabajos
termodinmicos, estos demuestran que a la presin de una atmsfera el
cloruro acta sobre el Au finamente dividido y se forma AuCl
3
a una
temperatura superior a los 250C y que entre los 250-280C el AuCl
3
se
disocia en AuCl y Cl; estos resultados son importantes para explicar la
movilidad del Au en ambientes hipgenos donde es posible encontrar
concentraciones de Cl en fluidos hidrotermales con suficiente Fe
+2
y As
-3

que permiten reducir Au
+3
y Au
+1
a Au metlico para ser atrapado y
asociado a la pirita, arsenopirita y sulfosales, como ocurre en las etapas
hipotermal a epitermal.
48
El Au se disuelve en cido clorhdrico en presencia de agentes oxidantes
como el dixido de Mn, cloruro frrico o cloruro cprico para formar el ion
(AuCl4)
-
, adems es soluble en soluciones dbilmente concentradas de
cianuro alcalino en presencia de O
2
y activada por la energa solar; estas
reacciones explican aproximadamente la movilidad del Au en un ambiente
suprgeno.
4.6 El Or o en las Rocas Ign eas .
La zona prospectada est dominada por la ocurrencia de rocas gneas y
sedimentos derivados de estas, es por esto que se trata con cierto detalle la
ocurrencia del Au en este tipo de rocas.
El contenido promedio de oro en rocas gneas est dado en la Tabla 4.1,
tomada de una compilacin hecha por Boyle (1976), con los resultados de
los anlisis por Au existentes en la literatura y de los realizados por el
Geological Survey of Canada.
A la fecha no est clara la relacin entre el contenido de oro de las rocas
gneas y la presencia o ausencia de depsitos de oro en estas, parte del
problema se debe a la dificultad en obtener una muestra adecuada ya que
el oro no est uniformemente distribuido en las rocas gneas inalteradas,
aun las rocas masivas y equigranulares presentan esta caracterstica. El
problema del muestreo es aun ms molesto, en rocas ligeramente alteradas
en donde los valores de oro pueden variar ampliamente de una muestra a
otra.
De los datos mostrados en la Tabla 4.1, se ve que la variacin de los
contenidos medios de oro en las rocas gneas no es muy grande, los datos
sugieren que los promedios de las rocas bsicas y ultrabsicas es
ligeramente mayor que el de los otros tipos de rocas gneas. Tambin hay
evidencias de alguna tendencia en la secuencia de rocas ultrabsicas-
bsicas-cidas, con una disminucin general en los valores de oro hacia los
miembros ms cidos de la secuencia.
49
Tabla 4.1 Contenido de Au en Rocas Igneas. (R.W. Boyle 1976).
Tipo de r oca Ran go Media Ag Au / Ag
Rocas ultrabsicas
Dunita, peridotita, piroxenita,
kimberlita, anortosita, etc.

0.0002-0.7800
(ppm)

0.0114

0.08

0.1425
Lamprfidos
Camptonita, minette, etc.

0.0007-0.0020

0.0016

--

--
Rocas bsicas
Intrusivas: gabro, norita, diabasa, etc.
Extrusivas: basaltos, etc.

0.0003-0.6800
0.0001-0.2300

0.0230
0.0174

0.14
0.11

0.1643
0.1582
Rocas intermedias
Intrusivas: granodiorita, sienita,
monzonita, diorita,etc.
Extrusivas: andesita, traquita, dacita,
latita, etc.

0.0001-0.3500

0.0001-0.0650

0.0075

0.0129

0.05

0.08

0.1500

0.1613
Rocas cidas
Intrusivas: granito, aplita, etc.
Extrusivas: riolita, obsidiana, etc.

0.0002-2.9000
0.0001-0.1130

0.0114
0.0037

0.05
0.05

0.2280
0.0740
Rocas alcalinas
Sienita nefelnica, fonolita, etc.

0.0001-0.0135

0.0034

0.10

0.340
Todas las rocas ultrabsicas
Todos los lamprfidos
Todas las rocas bsicas
Todas las rocas intermedias
Todas las rocas cidas
Todas las rocas alcalinas
0.0002-0.7800
0.0007-0.0020
0.0001-0.6800
0.0001-0.3500
0.0001-2.9000
0.0001-0.0135
0.0114
0.0016
0.0200
0.0087
0.0106
0.0034
0.08
--
0.12
0.06
0.05
0.10
0.1425
--
0.1667
0.1450
0.2120
0.0340
Todas las rocas gneas 0.0001-2.9000 0.0119 0.07 0.1700
Algunas observaciones indican tendencias poco definidas, excepto en rocas
que contienen altas cantidades de sulfuros, especialmente pirita y
calcopirita, estas rocas estn generalmente enriquecidas en oro, sin
importar si estas son bsicas o cidas. Tambin se ha notado contenidos de
oro relativamente altos en algunos prfidos cuarzo-feldespticos que
contienen pirita y otros sulfuros.
La distribucin de oro en algunas suites regionales de rocas igneas es
normalmente lognormal, en otras lognormal con un marcado sesgo y aun
en otras es polimodal como es el caso de la distribucin del oro dentro de
50
las rocas del prospecto "Cuarzo" (ver histograma, Figura 6.4), este tipo de
distribucin sugiere adicin de oro a las rocas durante los procesos de
mineralizacin.
Hay considerables diferencias de opinin sobre la distribucin y naturaleza
del oro en las rocas gneas, muchos investigadores concuerdan en que el
oro est distribuido de manera irregular en las rocas gneas, de hecho
puede decirse que en algunas rocas su distribucin es totalmente errtica.
Con respecto la naturaleza del oro, prevalecen tres puntos de vista, uno
sostiene que el oro est presente en forma nativa o como electrum, otros
que el elemento est dispersado a travs de toda la roca y que constituye
minerales en forma de tomos neutrales y un tercer grupo sugiere que el
oro est presente como una sustitucin atmica y/ o inica en las
estructuras cristalinas de los minerales. Probablemente las tres sean
correctas dependiendo del tipo de roca, composicin mineral y otros
factores.
Anlisis de minerales separados de rocas gneas muestran que el oro est
presente en prcticamente todos los minerales en diversas cantidades, pero
dentro de lmites estrechos, as tenemos los siguientes rangos en p.p.m. de
los principales minerales: cuarzo, 0.0008-0.0002; feldespatos 0.0003-0.002;
biotita, 0.002-0.007; hornblenda, 0.0005-0.004; olivino, 0.001-0.01; esfena,
0.004-0.009; magnetita, 0.003-0.1; pirita y otros sulfuros accesorios, arriba
de 0.5. Estos anlisis tambin han demostrado que la biotita es el principal
mineral concentrador de oro y que los feldespatos contiene la mayor
cantidad del elemento en las rocas gneas (hasta el 50%de la cantidad total
del oro presente).
Las correlaciones del oro con otros elementos en las rocas gneas son
imperfectas y apararentemente errticas en muchos casos. Diversos
estudios de la correlacin del oro con otros elementos en las rocas gneas
sugieren una correlacin positiva con el Fe y posibles correlaciones
51
positivas con el Cu, Ag, S, As y Sb, pero las relaciones son frecuentemente
errticas. Se piensa que la correlacin con el azufre es genuina ya que se
nota un enriquecimiento de oro en rocas gneas ricas en pirita, pirrotita o
calcopirita; de igual modo la correlacin con el arsnico parece altamente
probable ms aun si el arsnico est presente en sulfuros especialmente
pirita.
La distribucin del oro en batolitos y stocks de composicin intermedia a
grantica es tambin altamente errtica aunque algunas tendencias
generales son aparentes, por ejemplo, que los valores de oro son mayores
en la periferia de los stocks intrusivos, y que las rocas hbridas de las zonas
del endocontacto de los complejos intrusivos contienen de 1.5 a 4.5 veces
ms oro que las rocas granticas.
Debe tenerse en cuenta que no se conocen cuerpos de rocas bsicas,
intermedias o granticas, pegmatticas o porfirticas en las que cantidades
singeneticas de oro y plata estn enriquecidas en suficiente cantidad como
para constituir cuerpos mineralizados. Las relativamente altas
concentraciones de oro que exceden los niveles del background,
invariablemente ocurren solo en rocas alteradas y pueden atribuirse a la
removilizacin o introduccin secundaria.
La sola abundancia de datos geoqumicos, no proveen criterios nicos para
la identificacin de amplios segmentos de la corteza favorables para la
mineralizacin de oro ni explican los procesos que dan como resultado
concentraciones econmicas del mismo. Es por esto que en cualquier
programa de exploracin deben considerarse los factores geolgicos, tales
como la petrologa y marco estructural y tectnico en conjuncin con los
factores de abundancia puramente geoqumicos.
52

CAPITULO V

5 MUESTREO Y ANLISIS GEOQUMICO.
5.1 Mu es t r eo Geoq umico.
El objetivo principal de un plan de muestreo geoqumico, es la probabilidad
de detectar cualquier estructura mineralizada que ocurra dentro del rea
prospectada y minimizar los costos y el tiempo de la prospeccin.
En general, un muestreo para exploracin geoqumica puede dividirse en:
a) Muestreo de reconocimiento y
b) Muestreo de detalle.
El muestreo geoqumico de reconocimiento, tiene por objetivo evaluar
grandes reas, para lo cual el uso de muestras de sedimentos de arroyo es
el indicado, debido a que es rpido y de bajo costo en relacin a la
informacin proporcionada por una sola muestra. La densidad de este tipo
de muestreo es del orden de kilmetros.
El propsito de un muestreo geoqumico de detalle, es delimitar zonas
mineralizadas y sealar el probable origen de la mineralizacin con la
mayor precisin posible, preparando as la exploracin fsica mediante
trincheras, perforaciones o trabajos subterrneos. La densidad de este tipo
de trabajos es del orden de metros.
El objetivo principal del presente estudio era el de examinar una
determinada propiedad, en este caso el denuncio minero "Cuarzo". Para
53
casos como este, de reas limitadas, la aplicacin de un muestreo
geoqumico de detalle es el ms idneo.
5.1.1 Tipos de Mu es t r as Geoq u micas .
Los diferentes tipos de muestras que se emplean en la exploracin
geoqumica son muestras de: sedimentos de arroyo, suelos, rocas,
plantas, aire, sedimentos de lago, aguas subterrneas, glaciares,
nieves y aire.
En el presente captulo slo se tratarn dos de estos tipos, muestras
de rocas y de suelos, que son los de mayor aplicacin y los
empleados en la evaluacin del prospecto "Cuarzo".
5.1.1.1 Mu es t r as de Rocas .
En la zona de estudio el 93% de las muestras son rocas
granticas a intermedias y el 7%restante muestras de suelos
residuales derivados de estas, por lo que el tipo de
muestreo utilizado fue esencialmente un muestreo
sistemtico de rocas (litogeoqumica).
El objetivo de esta exploracin geoqumica de detalle, es
delimitar halos de dispersin primaria (un halo de
dispersin primaria es la regin en la cual existe una
disminucin gradual de los valores hasta llegar al valor del
background. Levinson 1974); estos se forman en las rocas
por la fuga o difusin de metales fuera de un cuerpo
mineralizado.
Para este estudio litogeoqumico se tomaron como punto de
partida los anlisis de los contenidos de Au de las muestras
obtenidas en los afloramientos de rocas intrusivas y de los
suelos residuales derivados de estas.
5.1.1.2 Mu es t r as de Su elos Res idu ales .
54
El objetivo principal del muestreo sistemtico de suelos
residuales (pedogeoqumica), es la bsqueda de anomalas
suprayacentes, (anomalas que sobreyacen directamente a
cuerpos mineralizados), por medio del estudio de halos de
dispersin secundaria de elementos traza.
El mtodo ha sido ampliamente usado en una variedad de
condiciones para localizar depsitos sub-aflorantes de
muchas clases, evaluar anomalas geofsicas, trazas de
extensiones de vetas y en la examinacin de propiedades
mineras. Los puntos a favor del muestreo de suelos
residuales son su dependencia y simplicidad.
De las muestras tomadas dentro de la propiedad evaluada,
slo el 7%(12 muestras) corresponden a este tipo.
5.1.2 Den s idad y Pat r n del Mu es t r eo.
La seleccin del mejor patrn de muestreo, es determinado
pricipalmente por el tamao y la forma del objetivo.
En prospecciones detalladas la distancia entre muestras, para la
bsqueda de vetas o pequeos cuerpos mineralizados, debe de ser lo
suficientemente corta de modo que de tres a seis muestras caigan
dentro de una anomala y definan una clara tendencia hacia la
mineralizacin (Rose, A.W. et al., 1979, p.125). A lo largo de una
lnea, los puntos de muestreo deben de estar espaciados a intervalos
que aseguren, que al menos dos puntos caigan dentro de una
anomala importante, es por esto que el intervalo es fijado por el
ancho mnimo probable de las anomalas esperadas.
El mtodo para seleccionar la ubicacin de las muestras, vara con la
escala de la prospeccin, el tipo de muestras a usarse (suelos, rocas,
sedimentos, etc.) y la disponibilidad de afloramientos.
55
En prospecciones detalladas, como es el caso de la evaluacin del
denuncio "Cuarzo", se prefiri el uso de una red regular o muestreo
sistemtico a lo largo de encaminamientos (traverses).
En la bsqueda de anomalas geoqumicas, el patrn ms
conveniente es el uso de una simple malla rectilnea, tomando
intervalos iguales a lo largo de lineas igualmente espaciadas, este
intervalo, para este estudio en particular, fue fijado en 150 m.
Se prefieren las mallas rectilineas por su facilidad para proyectarlas
en el campo y su conveniencia en el ploteo de los datos (ver plano de
muestreo Figura 8.1)
5.1.3 Mt odo de Mu es t r eo.
Tanto como sea posible, las muestras deben ser imparcialmente
recolectadas de modo que sean representativas del rea prospectada.
Las muestras de rocas usualmente son rotas del afloramiento
(muestras de chispas de rocas) con un martillo de un tamao que
pueda ser fcilmente transportado y usado en el campo.
Teniendo en cuenta el tamao de grano de las rocas intrusivas
muestreadas (a mayor tamao de grano mayor cantidad de muestra),
que en el rea de estudio es de fino a medio se tomaron de 200 a 500
g de muestra, esta cantidad provee suficiente material para los
anlisis y las contramuestras.
Para este propsito se usaron, como tiles de muestreo, un martillo
de gelogo de 700 g de acero de una resistencia adecuada para el
tipo de roca muestreada; para el almacenamiento de las muestras se
emplearon bolsas de plstico grueso de 9 x 11", la ventaja de estas
envolturas es su capacidad, bajo costo, fcil manejo,
transportabilidad, son resistentes al agua y no contaminantes.
Teniendo siempre presente que se trata de un muestreo de rocas,
este se realiz tomando en cuenta las siguientes indicaciones:
56
1. Las muestras deben de ser recolectadas de la parte ms tpica del
afloramiento (la cual no es necesariamente la parte ms fcil de
romper).
2. Todo material superficial contaminado o intemperizado debe de
ser removido en el campo, para tratar de obtener muestras
frescas.
3. En las zonas donde las exposiciones son relativamente
abundantes, los afloramientos cercanos a los puntos de la red
deben muestrease, especificando la distancia del lugar de
muestreo (por ejemplo un medio o un cuarto del intervalo de
muestreo).
4. En las reas donde los afloramientos son pobres, debe
considerarse la posibilidad de usar muestras de suelos residuales
en lugar de rocas.
Debe tenerse mucho cuidado en la preparacin de muestras de rocas
para evitar la contaminacin. Antes de la molienda, a las muestras se
les debe remover toda contaminacin superficial que haya quedado,
ya sea por rompimiento o con una sierra de diamantes, separando la
porcin afectada; si esto es imposible o impracticable, tales
materiales deben de ser analizados separadamente para evaluar los
efectos de dicha contaminacin sobre los resultados de la
prospeccin.
Ya que la pequea contaminacin de metal proveniente del martillo
usado para recolectar las muestras de rocas es difcil de evitar, los
efectos de tal contaminacin deben de ser evaluados.
5.1.4 Ubicacin e Id en t ificacin de las Mu es t r as .
La ubicacin del lugar de donde fue tomada la muestra tienen que
ser lo suficientemente precisa como para que cualquier anomala
detectada pueda ser posteriormente localizada y revisada en el
57
campo y as definir su posicin relativa con otros lugares y
caractersticas geolgicas.
Para esto no se necesita un levantamiento muy preciso, basta con un
levantamiento con brjula y las distancias medidas a pasos, evitando
que las lineas de muestreo se corten, excepto cuando esto sea
necesario para el acceso.
Las muestras recolectadas sobre patrones irregulares tales como a lo
largo de lneas de crestas y contornos o reas pantanosas pueden
localizarse directamente sobre fotografas areas o mapas
topogrficos si estos se encuentran disponibles.
Es recomendable marcar el lugar en donde se tomo la muestra de
modo que pueda ser ubicado fcilmente cuando se vuelva a visitar el
rea. El muestreo geoqumico del Denuncio "Cuarzo" se realiz
usando encaminamientos con un rumbo de N 37W, por lo que slo
fue necesario marcar con un hito de piedras cada tercer muestra.
Otras alternativas como usar estacas, marcas hechas con crayon o
plumones resistentes al agua, pintura en spray, tiras de plstico en
ramas marcadas con el nmero de muestra, son generalmente los
adecuados para asegurarse que sean legibles por el periodo que dure
el la prospeccin, de modo que puedan ser posteriormente
verificadas por un supervisor.
Las lineas base, por su importancia se identific de modo ms
permanente usando estacas e hitos de piedra y cemento, una vez
localizado el Punto de Partida del denuncio, se procedi a proyectar
con brjula y cinta la Lnea Base de Muestreo, con una direccin de N
53 E y paralela a uno de los lados menores del rectngulo que
encierra al Denuncio Minero "Cuarzo", luego sobre la Linea Base se
estacaron puntos cada 150 m y se les design con las letras A, B, C,
D, E, F, G, H, I, J y K; a partir de cada uno de estos puntos y
58
perpendiculares a la lnea base, se tom una direccin de S 37E que
es la direccin de las 11 lneas de muestreo.
Teniendo en cuenta que la red de muestreo es geomtrica, la
identificacin de las muestras fue alfanumrica, usando las
coordenadas de la red y tomando como referencia la lnea base, as
se recolectaron 165 muestras rotuladas como A1, A2, A3, A4,......F6,
F7,......., K12, K13, K14 y K15.
Como medida de precaucin, para evitar la duplicacin de muestras
y contra los errores que pudieran cometerse al asignarse las lneas
de muestreo, los contenedores plsticos fueron previamente
numerados.
En la libreta de campo, cada grupo de muestreros registr: la linea de
muestreo, el nmero de muestra, intervalo de muestreo, tipo de
muestra, junto con una descripcin del material recolectado y
cualquier informacin especial, tal como su situacin topogrfica,
drenaje, etc.
La cuidadosa consideracin del tipo de datos que sern tiles,
teniendo en cuenta los reconocimientos preliminares, minimiza el
tiempo gastado en registrar datos que nunca sern usados.
5.2 An lis is d e las Mu es t r as .
El xito de cualquier prospeccin geoqumica depende en gran parte de la
eficiencia del procedimiento analtico seleccionado y de que este sea el
apropiado para el problema a resolver.
Es por esto que el gelogo encargado de la exploracin geoqumica debe
conocer los principales mtodos analticos para as poder ordenar al
laboratorio, en forma correcta, el procedimiento analtico a emplearse
teniendo en cuenta que este debe de ser lo suficientemente sensitivo para
detectar los elementos presentes en muy pequeas cantidades; lo
suficientemente confiable para que la posibilidad de pasar por alto una
59
anomala importante sea insignificante; y para la mayora de las
prospecciones, lo suficientemente econmico para que una gran cantidad
de muestras puedan ser procesadas. En la Tabla 5.1 se proporcionan los
mtodos analticos ms usados en la estimacin de los elementos en una
prospeccin geoqumica; segn esta tabla, el mtodo de Absorcin Atmica
es el indicado para el oro.

Tabla 5.1--Mtodos analticos usados comnmente en el anlisis de elementos
menores en una prospeccin geoqumica. (A.W. Rose et al. 1979).

Elemen t o
Color i-
met r a
Emis in
en ar co
d e c.c.
Es p ect r om
et r a d e
Plas ma
Rad iomet
r a
Abs or ci
n
At mica
Flou r ecen ci
a d e Ray os -
X
An t imon io X X
Ar s n ico X X
Azu fr e X X
Bar io X X X X
Ber ilio X X X X
Bis mu t o X X X
Bor o X X
Cad mio X X X X
Cobalt o X X X X
Cobr e X X X X
Cr omo X X X X X
Es t a o X X X X
Es t r on cio X X X X
Fl or X
Hier r o X X X X
Lit io X X X
Man gan es o X X X X X
Mer cu r io X X
Molibd en o X X X X
Niobio X X
Nq u el X X X X
Or o X
Plat a X X X X
Pat in o X X
Plomo X X X
Ru bid io X X
Selen io X X
Tan t alio X X
Tier r as r ar as X X X
Tit an io X X X X X
Tor io X X
Tu n gs t en o X X
Ur an io X
Van ad io X X X X X
Zin c X X X X
Otras caractersticas deseables son la simplicidad de las tcnicas
empleadas, de modo que los anlisis puedan ser encargados a personal
relativamente poco entrenado y la portabilidad del equipo, para que el
60
laboratorio pueda, si se desea, ser colocado cerca de las operaciones de
campo.
En una exploracin geoqumica la precisin (capacidad para reproducir y
repetir el mismo resultado) es generalmente, ms importante que la
exactitud (valor aproximado de una muestra).
Estos dos aspectos deben tenerse presentes al iniciarse un programa de
exploracin, para lo cual es necesario que las muestras sean analizadas en
un mismo laboratorio, por el mismo mtodo y de ser posible por el mismo
analista.
En el presente estudio, las 165 muestras fueron analizadas por sus
contenidos de Au en el Laboratorio de Espectrometra de la UNI, el mtodo
empleado fue el de Espectrometra de Absorcin Atmica (EAA) y el
analista fue el IngAtilio Mendoza A.
Otro aspecto importante a tener en cuenta, es el lmite de deteccin del
equipo empleado en el anlisis; este lmite de deteccin conocido
comnmente como sensibilidad (mnima cantidad de un elemento que
puede ser medido por un mtodo analtico especfico) vara enormemente
de un mtodo a otro y de una litologa a otra.
Los anlisis de rocas y suelos involucran una serie de actividades (Tabla
5.2) que pueden ser agrupados en tres etapas que son: preparacin de las
muestras, disolucin de las muestras y la determinacin analtica final
(Figura 5.1). Todas estas actividades juntas definen el sistema analtico,
adems de estos la calidad y confiabilidad de los datos debe ser
monitoriada durante los anlisis.

61
Tabla 5.2--Resumen de las actividades en un laboratorio geoqumico en la secuencia
usual. (W.K. Fletcher, 1986).
1. Recepcin de las muestras del cliente.
2. Distribucin del trabajo.
3. Preparacin de las muestras.
4. Pesado de las muestras.
inclusin de los estndares de control de laboratorio.
5. Disolucin o lixiviacin de las muestras.
6. Determinacin de elementos.
calibracin del instrumento.
determinacin de elementos.
dilucin y comprobacin de los rangos de
las soluciones.
evaluacin del control de calidad.
7. Repeticin de los anlisis (solo si se requieren).
8. Comparacin de los resultados y su transferencia al computador.
9. Remisin de los resultados al cliente.
10. Archivo de pulpas y desechos.
Esto ltimo es un factor importante en los costos analticos,
afortunadamente los avances en las tres ltimas dcadas, primero de la
colorimetra a la absorcin atmica y ahora con la espectrometra de
emisin de plasma, han mantenido estables los costos, mientras se ha
expandido su capacidad para las determinaciones multielementos.
Los pasos preliminares en el anlisis pueden influir drsticamente en los
resultados obtenidos y en su adecuacin para el propsito deseado, por
otro lado los pasos analticos finales gobiernan mayormente los lmites de
deteccin (o sensibilidad analtica), el tipo y severidad de los problemas de
interferencia que se encuentra en diferentes tipos de muestras y el nmero
de elementos que pueden ser determinados simultneamente.
62

MATERIAL
PREPARACIN
DE LA MUESTRA
DISOLUCIN DE LAS
MUESTRAS
MTODO
ANALTICO

Secar

Extraccin
Parcial o
Ataque cido
Absorcin Atmica
Emisin de Plasma
Colorimetra
ROCAS
Moler y pulverizar Fusin
Emisin en arco-cc
DRX

SUELOS
Secar,
Disgregar y
Tamizar
Extraccin
Parcial o
Ataque cido
Absorcin Atmica
Emisin de Plasma
Colorimetra
Y
SEDIMENTOS Calentar a 450C Fusin
Emisin en arco-cc
DRX

Absorcin Atmica
VEGETACIN Secar a 110C Ataque cido Emisin de Plasma
Colorimetra
Calentar a 450C Emisin en arco-cc
DRX

Emisin de Plasma
Evaporacin Absorcin Atmica

AGUA Extraccin solvente
Intercambio inico
Colorimetra

Precipitacin DRX

Figu r a 5.1--Algunos de los caminos que se siguen en la preparacin, disolucin y
anlisis de las muestras de exploracin. (W.K. Fletcher, 1981)
Posiblemente, debido a la comodidad para obtener datos analticos y a la
creciente confianza en la instrumentacin sofisticada centralizada en los
laboratorios (frecuentemente comerciales), es que continan los vacos en
las comunicaciones entre el gelogo de exploracin y el analista, esto
conduce frecuentemente a la aceptacin a ciegas de los mtodos
establecidos (tales como tamizar la muestra a malla menos 80, digestin en
cido caliente, absorcin atmica para los metales base, emisin de plasma
para multielementos, etc.), los cuales pueden ser completamente
63
inapropiados y llevar a la interpretacin de artefactos analticos como
tendencias geolgicamente significantes.
Por el contrario, la eleccin de un procedimiento analtico apropiado, debe
considerarse como un factor clave en el planeamiento de una exploracin
bien organizada, de modo que facilite y no complique el reconocimiento y
la interpretacin de las anomalas.
5.2.1 Mt odos An alt icos .
La exploracin geoqumica se ha desarrollado enormemente gracias
a las modernas tcnicas de anlisis, este progreso analtico incluye
tcnicas tales como la espectrometra de emisin de plasma, la
activacin neutrnica directa, fluorescencia de rayos X,
espectrometra de absorcin atmica, espectrometra de emisin, etc.
(Figura 5.2)

Figu r a 5.2 Cambios de energa electrnicos en mtodos que involucran la
absorcin y emisin de radiacin. (A) absorcin atmica, absorcin de energa por un
electrn exterior; (B) y (C) emisin de energa de un electrn exitado en
espectrometra de emisin (electrn exterior, luz visible o ultravioleta) o
fluorescencia de rayos-X (electrn interior, longitud de onda de rayos-X). (A.W. Rose
et al. 1979)
Dos de estos mtodos: la Espectrometra de Emisin (EE) y la
Espectrometra de Absorcin Atmica (EAA), fueron seleccionados
como los mtodos analticos para la determinacin semicuantitativa
de multielementos y cuantitativa de Au respectivamente, para el
anlisis de las muestras recolectadas en el prospecto "Cuarzo".
64
A continuacin se menciona un resumen de las principales
caractersticas, modo de operacin y ventajas y desventajas de estos
dos mtodos.
5.2.1.1 Es pect r omet r a de Emis in .
El mtodo de anlisis espectrogrfico se basa en la energa
radiante emitida en las transiciones de electrones entre
niveles orbitales de mayor energa a otros de menor energa
cuando los tomos estn en estado de excitacin.
Las transiciones se producen cuando la muestra en estudio,
que hace de nodo, es sometida a una fuerte descarga
elctrica y bombardeada por electrones de alta energa
provenientes de un ctodo de grafito, produciendo un
rpido incremento de temperatura de la muestra,
alcanzando su punto de fusin y posterior volatilizacin
selectiva de sus tomos, pasando sus electrones a niveles
excitados por colisiones elsticas o inelsticas con los
electrones provenientes del ctodo, producindose fotones
de radiacin electromagntica al regresar los tomos a su
estado fundamental, estas radiaciones se registran sobre
placas fotogrficas, logrndose un espectro de la muestra
en la regin ultravioleta y visible (2,000 -10,000 ). La
principal fuente de energa es un arco de corriente continua
(Figura 5.3).
65

Figu r a 5.3--Proceso Espectrogrfico
Los elementos pueden ser identificados por su longitud de
onda particular emitida y la cantidad del elemento
determinada por la intensidad de la luz; esta intensidad a
su vez puede ser medida directamente sobre placas
fotogrficas usando fotmetros electrnicos conocidos
como d en s it met r os .
Las ventajas de la Espectrometra de Emisin son: el gran
nmero de elementos que pueden ser analizados
simultneamente, los bajos lmites de deteccin para
muchos elementos y el bajo costo por muestra en
operaciones de gran escala.
Las desventajas son el alto costo del equipo, la necesidad de
un operador altamente capacitado y la pobre
reproductibilidad de los anlisis.
El equipo utilizado para la produccin, dispersin y
deteccin del espectro de dos muestras compsito, una de
suelos y otra de rocas, que proceden del Prospecto
"Cuarzo", fue un Es pect r gr afo (Ebert 3.4 m) marca
J ARRELL-ASH; para la interpretacin cualitativa y
semicuantitativa de los elementos, se us un Den s it met r o
(21 - 000), J ARRELL ASH.
66
5.2.1.2 Es pect r omet r a de Abs or cin At mica.
El fundamento de la tcnica de anlisis conocida como
Espectrometra de Absorcin Atmica (EAA), es el de medir
la cantidad de energa que es absorbida por un electrn al
pasar de un nivel de energa a otro superior.
Si una solucin conteniendo una especie metlica es
aspirada dentro de una llama (tal como la del sistema aire-
acetileno), generalmente se forma un vapor atmico del
metal y un gran porcentaje de sus tomos quedarn en el
estado fundamental de no-emitencia.
Los tomos de un elemento en estado fundamental, son
receptivos a la luz irradiada por un ctodo hueco de su
propia longitud de onda de frecuencia especfica en el
intervalo de 2,000 - 8,000 , la longitud de onda del oro es
Au
= 2448 , as si la luz de esta longitud de onda es
pasada a travs de una llama conteniendo tomos del
elemento, parte de esta luz puede ser absorbida y la
absorcin de la radiacin (absorbancia) es proporcional a la
densidad de los tomos en la llama. Este fenmeno es
cuantificable y aprovechado por la espectrometra de
absorcin atmica.
La tcnica es especialmente particular, ya que los tomos de
un determinado elemento, en este caso el oro, slo pueden
absorber radiacin de su propia longitud de onda
caracterstica. Recprocamente, la luz de una frecuencia
particular solo puede ser absorbida por el elemento
especfico para la cual es caracterstica; es por esto que las
interferencias espectrales, tan molestas en los mtodos de
emisin, raramente ocurren.
67
Un Espectmetro de Absorcin Atmica consta bsicamente
de una fuente de luz de una longitud de onda determinada
(ctodo hueco), un atomizador con un sistema de llama
aire-acetileno para llevar al tomo a su estado fundamental,
un monocromador para aislar el rayo de resonancia, un
fotomultiplicador que detecta la cantidad de energa y
aparatos para la amplificacin y lectura de la absorbancia
expresada en porcentaje (Figura 5.4)

Figu r a 5.4--Proceso de Absorcin Atmica
Dentro de las ventajas de este mtodo se tienen los bajos
lmites de deteccin para la mayora de elementos de
inters, la especificacin por elementos individuales, la
oportunidad de determinar varios elementos de una sola
solucin y lo relativamente econmico y simple del equipo
requerido. Una desventaja menor, para la mayora de los
equipos convencionales, es la limitacin de un solo
elemento a la vez.
El equipo en el que se produjo y midi la absorbancia para
el oro fue un Espectmetro de Absorcin Atmica, marca
J ARRELL-ASH, modelo 82-516.

68
5.2.2 Pr epar acin de las Mu es t r as .
La preparacin de las muestras, tanto de suelos como de rocas,
incluye el secado, tamizado, molienda y pulverizacin de las
muestras hasta obtener el tamao apropiado de partcula para los
anlisis por EE y EAA, para este estudio las muestras se llevaron a
malla -200.
La eleccin del tamao de partcula, en el muestreo de suelos es la
consideracin ms importante en el anlisis de las muestras, este
debe ser inicialmente elegido a partir de los resultados del
reconocimiento preliminar y del estudio petrogrfico, para poder
determinar el tamao de partcula que proporcionar el contraste
ms confiable. Este tamao fue fijado a malla -80 para las muestras
de suelos recolectadas dentro del rea de estudio.
Los tamaos de los tamices utilizados son los establecidos por la
American Society for Testing Material (ASTM), una lista de estos
tamices y su abertura en m se proporcionan en la Tabla 5.3.

Tabla 5.3--Tamao de los tamices y abertura de la malla de la American
Society for Testing Material (ASTM).
Tamiz Aber t u r a Tamiz Aber t u r a
n mer o n omin al en m n mer o n omin al en m
10 2000 80 180
18 1000 100 150
20 850 120 125
40 420 140 106
45 355 170 90
50 300 200 75
60 250 230 63
70 212 270 53
En el muestreo de rocas el mejor contraste se encuentra en las
fracciones ms gruesas, es por esto que debe tomarse en cuenta los
costos adicionales que ocasiona su necesaria molienda para asegurar
la representatividad de las submuestras y obtener as la adecuada
precisin analtica.

69
5.2.3 Des compos icin de las Mu es t r as .
El uso de tcnicas de descomposicin inapropiadas puede
enmascarar anomalas significantes y hacer ms notorios patrones
geoqumicos irrelevantes relacionados a otros procesos, de ah la
importancia de la eleccin de un procedimiento de descomposicin
apropiado para cada uno de los mtodos analticos a emplearse.
Teniendo en cuenta los mtodos analticos elegidos para el anlisis
de las muestras del prospecto "Cuarzo", se usaron tcnicas de
descomposicin y lixiviacin fuertes (o totales) que incluyen la
volatilizacin y el ataque con cidos vigorosos, para la
Espectrometra de Emisin y la Espectrometra de Absorcin
Atmica, respectivamente.
Las caractersticas de estos mtodos de extraccin y descomposicin
de muestras se resumen a continuacin.
5.2.3.1 Volat ilizacin .
Dos compsitos de las muestras, uno de suelos y el otro de
rocas, fueron volatilizados en el extremo caliente de una
descarga elctrica en un arco de corriente continua
(espectrometra de emisin) liberando el contenido total sus
elementos, de este modo se pudo saber que elementos se
encuentran presentes y en que cantidades, para as poder
orientar el mtodo analtico cuantitativo segn el rango
obtenido para el oro.
El material volatilizado fue determinado, semi-
cuantitativamente, directamente por mtodos pticos sobre
placas fotogrficas usando un densitmetro (fotmetro
electrnico).
Los resultados de estos anlisis se muestran en la Tabla 5.4,
en la cual se observa que el oro se encuentra a nivel de
70
vestigios (menos del 0.001%), siendo lo recomendable para
este caso el uso del mtodo de Absorcin Atmica para su
determinacin cuantitativa por su bajo lmite de deteccin.

Tabla 5.4--Anlisis espectromtrico de dos muestras compsito provenientes
del prospecto "Cuarzo", Ate-Vitarte, Lima.
Tipo de Elementos Elementos Elementos Traza Vestigios
Compsito Mayores Menores Mayores Medios Inferiores

R
o
c
a
s

Si Al
Mg
Fe
Ca
Na
K
Mn Ti
Pb
V
Cu
Sr
B
Ag
Zr
Zn
Cr
Ni
Au
Ba
S
u
e
l
o
s
Si Al
Mg
Fe
Ca
Na
K
Mn Ti
Pb
V
Cu
Zr
Sr
B
As
Zn
Cr
Ni
Au
Ba
Elementos Mayores : mayores que el 10%
Elementos Menores : entre 10%y 1%
Elementos Traza : entre 1%y 0.001%
Mayores : entre 1%y 0.1%
Medios : entre 0.1%y 0.01%
Inferiores : entre 0.01%y 0.001%
Vestigios : menores que el 0.001%
Rango de Trabajo : 2200 - 4600
5.2.3.2 At aq u e con cidos Vigor os os .
Los cidos calientes concentrados son ampliamente usados
como agentes para la descomposicin de las muestras,
estas mezclas de cidos son preferidos a las fusiones,
debido a la tendencia de estos a producir soluciones con
altos contenidos de sales que obstruyen los quemadores y
nebulizadores.
Debe enfatizarse que no existen extracciones totales y que
la proporcin del contenido total metlico liberado vara
considerablemente como una funcin de la mineraloga de
la muestra, es por esto que puede esperarse que los
patrones geoqumicos resultantes sean el reflejo de las
71
diferentes litologas, las cuales tienen sus propios
backgrounds caractersticos; ms an, con mezclas
similares de cidos una extraccin eficiente variar con la
relacin muestra / solucin y con la duracin y la
temperatura de la extraccin.
Ya que estos procedimientos operacionales varan
inevitablemente de un laboratorio a otro, no es aconsejable
cambiar de analista a mitad de un programa de exploracin.
La determinacin del Au es un caso bastante especial, en
cuanto que slo un cido es capaz de disolverlo
completamente, este es una mezcla de cidos clorhdrico y
ntrico concentrados conocida como agua regia.
La descomposicin es frecuentemente usada junto con una
extraccin solvente en la determinacin del Au por
absorcin atmica; si en la muestra hay cantidades
significantes de materia orgnica, esta debe de ser
previamente removida calentando la muestra a 500-600C,
tambin es probable que el Au fino este totalmente
encapsulado en silicatos y no sea reportado.
Similares consideraciones se aplican tambin cuando se usa
cido hidrobrmico o soluciones de cianuro para disolver el
oro.
Es por esto que se prefieren otros mtodos, como ensayes
al fuego o ms recientemente los anlisis de activacin
neutrnica directa, dependiendo del modo de ocurrencia
del oro.
La descomposicin de las 165 muestras geoqumicas
recolectadas durante esta prospeccin, se hicieron usando
72
el mtodo de cian u r acin p ar a el or o, esta se realiz del
modo siguiente:
1. Se pesaron 10 g de muestra y se mezclaron con 0.2 g de
CaO, para alcalinizar las muestras y de este modo evitar
la produccin de vapores txicos de cianuro; esta
mezcla se coloca en un vaso pirex de 250 ml.
2. Con una bureta se miden 20 ml de NaCN 25 molar (0.25
de concentracin) y se le agrega al vaso que contiene la
muestra.
3. Se calienta en la plancha a 90 C, y se deja enfriar por 5
minutos, luego las muestras son nuevamente calentadas
en otra plancha a 40C durante 20 minutos. Todo este
proceso de calentamiento y enfriamiento se hace para
asegurar la solubilidad del oro.
4. Se aade a cada muestra una gota del reactivo N.P. - 10 al
0.1%, que es un floculante que agiliza la sedimentacin
de partculas slidas.
5. Seguidamente se centrifugaron las muestras para lograr
una mejor separacin de la fase lquida de la slida.
6. Por ltimo la parte lquida es pasada a tubos de ensayo,
con lo que las muestras quedan listas para su
determinacin por el mtodo de EAA.
Luego que las soluciones fueron filtradas y absorbidas en el
EAA, hechas las lecturas en el galvanmetro y calculada la
absorbancia para cada muestra, se pudo determinar las
concentraciones de Au en ppb. Los resultados cuantitativos
del oro pueden verse en el Anexo I.
5.2.4 Con t r ol d e Calid ad y Con fiabilid ad .
73
Para la mayora de los elementos un moderno laboratorio analtico es
capaz de proporcionar datos ms alla de los requerimientos
normales de un programa de exploracin geoqumica con respecto a
los lmites de deteccin, reproductibildad y precisin.
Sin embargo los anlisis que requieren de la calidad ms alta posible,
consuman tiempo extra y son ms costosos. Consecuentemente, en
el intercambio de alta productividad y bajos costos, el geoqumico de
exploracin acepta algo menos de calidad analtica, esto no significa
que la calidad y el control de calidad son simplemente descartados,
de hecho se hacen aun ms importantes para asegurarse que los
errores sean monitoriados y mantenidos dentro de lmites
aceptables.
Mucha de esta tarea es responsabilidad del analista, sin embargo este
rara vez est involucrado con el uso final y no tiene informacin
sobre las fuentes o magnitud de otros errores, el gelogo o
geoqumico debe en ltima instancia, aceptar o rechazar la
conveniencia de los datos para sus propsitos. Afortunadamente,
esto puede hacerse con un pequeo costo extra como parte de un
programa analtico rutinario.
Los errores en los anlisis pueden ser aleatorios o no aleatorios si un
sesgo positivo o negativo es sistemticamente introducido (Figura
5.6). Los errores aleatorios (ruido) son la causa de una pobre
precisin, mientras que los errores sistemticos, los cuales afectan la
precisin relativa, estn asociados a cambios (deriva) en el sistema
analtico.
La precisin es importante porque las decisiones en la exploracin
geoqumica involucran la interpretacin de las diferencias relativas
en la concentracin de los elementos y estos pueden ser
enmascarados por un excesivo "ruido" (Figura 5.6).
74

Figu r a 5.5--Errores aleatorios y sistemticos. La variacin en la concentracin
causada por errores aleatorios es representada por la curva normal con un valor
promedio x : es la verdadera concentracin del anlisis A: la dispersin (ancho) de
la curva normal es pequeo y simtrico alrededor de , i.e. x = el resultado es
exacto y preciso. B: La dispersin es mayor que en A, pero an simetrica alrrededor
de , la precisin es relativamente pobre y aunque el valor promedio (x ) es exacto
no es necesariamente cierto en determinaciones individuales. C: la dispersin es
estrecha pero ha sido introducido un error sistemtico positivo. D: Error sistemtico
y precisin pobre. (W.K. Fletcher, 1981).

Figu r a 5.6--Influencia de la precisin analtica sobre el contraste de una anomala. En
(A) datos "ruidosos" producidos por errores aleatorios en el muestreo y/ o en el
anlisis obscurecen la anomala sobre la mineralizacin. Aunque las concentraciones
absolutas son bajas en (B) y en (C), los datos son menos "ruidosos" y el contraste de
la anomala mejora notablemente. (W:K:Fletcher, 1981).
75
Por otro lado los cambios sistemticos en el sistema analtico pueden
dar origen a patrones geoqumicos falsos.
5.2.4.1 Pr ecis in y Er r or es Aleat or ios .
Como premisa, se asume que los errores aleatorios estn
normalmente distribuidos, con una distribucin en forma
de campana alrededor de su media (Figura 6.2).
Los geoqumicos dedicados a la exploracin, comnmente
definen precisin analtica para una concentracin c (P
c
),
como el porcentaje de variacin relativa al 95% (dos
desviaciones estndar) del nivel de confidencia:
P
c
(%) =200 E
c
/ c
donde E
c
es un estimado de la desviacin estndar a la
concentracin c. En el caso del anlisis de las muestras del
prospecto "Cuarzo", una precisin de 10% para una
concentracin de Au de 100 ppb indica que 95 de cada 100
anlisis debern caer entre 90 y 110 ppb. Una precisin de
10-15%es considerada generalmente como aceptable para
la mayora de los propsitos de exploracin.
El lmit e d e d et eccin para un sistema analtico est
definido como la concentracin a la cual la precisin se
convierte en 100%, por lo que una precisin aceptable slo
puede ser alcanzada a concentraciones varias veces mayor
que el lmite de deteccin.
La desviacin estndar y la precisin deben de ser estimada
por medio de anlisis duplicados de estndares de control
especiales, a diversas concentraciones, esto sin embargo
puede ser contra productivo y pude perder relevancia para
alcanzar la precisin con muestras reales si existen
76
diferencias en la composicin general o en la textura entre
las muestras y los estndares.
5.2.4.2 Er r or es Sis t emt icos .
Los errores sistemticos resultan de la contaminacin,
deriva en el sistema con el uso y el tiempo e interferencias
fsicas o qumicas, causadas por las variaciones en la
composicin de las muestras; estos errores sistemticos
pueden introducir falsas tendencias en los datos.
Tpicamente, las ligeras diferencias entre las tcnicas
usadas por los analistas y especialmente entre diferentes
laboratorios, aun cuando ellos usan nominalmente el
mismo procedimiento, resultan en sistemticas diferencias
entre sus resultados, por lo que es imprudente cambiar de
laboratorio a la mitad de un programa de muestreo.
5.2.4.3 Con t amin acin .
La contaminacin puede resultar del desgaste del equipo
durante la recoleccin y preparacin de las muestras, del
uso de reactivos impuros en la descomposicin o de la
corrosin de instrumentos por soluciones cidas o
solventes orgnicos. Sin embargo, un problema ms
importante es usualmente la contaminacin por residuos si
las muestras con altos valores contaminan a las que las
siguen. Esto puede ser un problema particularmente
molesto cuando se incluye material de alta ley junto con un
grupo de muestras del background, es por esto que tal
material debe de ser identificado y procesado
separadamente, de modo que se facilite su preparacin
cuando sea posible (verifique que su laboratorio brinde este
servicio). Es inevitable que algunas muestras de alta y baja
77
ley se mezclen durante la prospeccin geoqumica. Una
serie de valores decrecientes que siguen a un valor alto
deben de ser vistas con sospecha hasta que sean verificadas
por anlisis de los gruesos rechazados (esperando que no
estn contaminados), esto por su puesto requiere que se
conozca el orden en el cual fueron preparadas las muestras.
5.2.4.4 Der iv a In s t r u men t al.
La deriva instrumental se produce si la respuesta
(sensibilidad) de los instrumentos (e.g., un espectmetro de
absorcin atmica), cambia ligeramente con el tiempo.
Generalmente este no es un problema serio, ya que los
laboratorios rutinariamente recalibran sus instrumentos
durante el da. Potencialmente, cambios sistemticos ms
molestos pueden ocurrir durante la descomposicin de la
muestra si varan la energa de los reactivos, la temperatura
de la descomposicin o el tiempo de extraccin; es por esto
que las condiciones de operacin deben de ser
cuidadosamente mantenidas.
Una forma de deriva, algo diferente, ocurre algunas veces si
hay un intervalo de varios das, entre la descomposicin de
la muestra y el anlisis durante el cual los metales se
pierden de la solucin por precipitacin o adsorcin en los
residuos.
5.2.4.5 In t er fer en cias .
Nuevos mtodos de anlisis son frecuentemente
anunciados (por inventores y fabricantes) como libres de
interferencia. Esta euforia inicial es eventualmente
desplazada por una evaluacin ms realstica de las
interferencias que inevitablemente aumentan de las
78
diferencias entre las caractersticas fsicas y qumicas de las
muestras (soluciones) y de los estndares (soluciones)
usados para la calibracin. En un sistema analtico tan
intrigante el analista debe intentar vencer o minimizar las
interferencias asociadas con el tipo de material que est
siendo analizado.
Sin embargo las muestras de exploracin son
particularmente molestas ya que su carcter complejo se
puede encontrar una muy variada composicin, an en un
mismo grupo de muestras.
Obviamente no se puede esperar que los gelogos de
exploracin estn familiarizados con todas las
interferencias que puedan encontrarse, es por lo tanto
sensato consultar con el laboratorio las desviaciones a
partir de un rango composicional normal (silicato).
Si existen dudas, los resultados deben verificarse por
diferentes mtodos. Las diferencias en las concentraciones
absolutas pueden ser aceptables, pero son las tendencias
relativas semejantes y probablemente (geolgicamente)
vlidas?
5.2.4.6 Mon it or eo de Er r or es Sis t emt icos .
La verificacin de la contaminacin por residuos requiere
que las muestras sean analizadas en una secuencia
conocida. Adems la mayora de laboratorios insertan
controles estndares en cada grupo de muestras
(generalmente con una frecuencia de 1 cada 40 muestras).
Los anlisis de estos controles son graficados para
monitorear los cambios en la respuesta del sistema
analtico. Esta informacin debe ser solicitada al laboratorio
79
o deben incluirse controles ocultos (estos se preparan
fcilmente incluyendo unas cuantas muestras repetidas) en
cada grupo de muestras remitidas al laboratorio.
Esto tambin es til para delinear la extensin de los
diferentes lotes analticos sobre mapas geoqumicos y
verificar que esto, antes que geologa, no es la causa de
tendencias geoqumicas aparentes.
5.2.5 Remis in de Mu es t r as par a el An lis is .
Los laboratorios comerciales generalmente ofrecen varias
combinaciones de preparacin de las muestras y procedimientos
analticos. Al elegir la combinacin ms apropiada se debe
considerar:
1. El criterio geoqumico tratado en la seccin sobre la preparacin
y descomposicin de las muestras.
2. La cantidad de muestra requerida.
3. El nmero de elementos que sern determinados y si estos
pueden ser descompuestos con un solo procedimiento para
minimizar costos.
4. Si la sensibilidad es adecuada para detectar y estimar las
concentraciones con una precisin aceptable.
5. Que este libre de errores sistemticos.
6. El costo.
Inicialmente esta eleccin puede requerir tratar con uno o ms
laboratorios y la remisin de muestras provenientes de una
prospeccin preliminar para analizarlas por una variedad de
procedimientos.
Una vez que el sistema analtico ha sido definido es igualmente
importante que este sea adherido aun cuando la responsabilidad por
la remisin de las muestras para su anlisis cambie.
80
Al mismo tiempo deben evitarse el extravo de las muestras, cambios
de nmeros y otros errores oficinescos; para facilitar esto la mayora
de laboratorios proporcionan formatos que acompaan cada lote de
muestras.
Un formato tpico le pregunta sobre: el nmero total de muestras y
tipo de cada material muestreado, tamao de la partcula que ser
tamizada, procedimiento de descomposicin a seguir, elementos que
sern determinados y los lmites de deteccin requeridos, ya se trate
de un simple ensaye o de un anlisis geoqumico debe darse
instrucciones de como disponer de los desechos (i.e., las fracciones
gruesas no usadas) y de las pulpas (i.e., el material tamizado y
pulverizado preparado para los anlisis no usado) y proyectar
cdigos e instrucciones para trasmitir los resultados segn su
importancia. adems como ya se ha indicado, es esencial diluir los
materiales con alta ley y avisar al laboratorio de muestras inusuales
cuando sea posible.
Muchos laboratorios descartan los desechos despus de 30 das y las
pulpas despus de seis meses. Los costos de un almacenaje adicional
(especialmente de las pulpas) son generalmente mnimos
comparados con aquellos de cualquier remuestreo que pueda
hacerse necesario si las muestras son desechadas.
81

CAPITULO VI

6 TRATAMIENTO ESTADSTICO DE DATOS GEOQUMICOS.
El problema del anlisis de datos geoqumicos es una combinacin de la
filosofa de la aproximacin y una clara compresin de la calidad y
naturaleza de los datos que son interpretados.
Intentar llevar a cabo una evaluacin de los datos a ciegas, procesndolos
en cualquiera de los cada vez ms numerosos paquetes de software y
esperar que la computadora piense por nosotros es un grave error.
Los datos en las ciencias de la Tierra, son generalmente recolectados
teniendo en mente un objetivo particular, que el procedimiento de
recoleccin incorpore un elemento de diseo experimental riguroso, que
proporcione eficiencia en la acumulacin de datos, que la representatividad
de los datos sea relativa al problema en cuestin y que el monitoreo
durante la recoleccin de los datos y el anlisis den una medida peridica
de la calidad.
En una exploracin geoqumica donde tal planteamiento sea incluido
dentro del diseo del programa de muestreo, generalmente hay una
avanzada apreciacin de las metodologas interpretativas que sern
desarrolladas. Desafortunadamente, todas estas situaciones no son
planteadas de una manera tan comprensiva en el anlisis de los datos.
82
El otro extremo del espectro es la situacin en la cual se proporciona un
grupo de datos numricos acompaados de muy poca informacin
geolgica y se pide que se realice una "interpretacin".
Afortunadamente, la mayora de los ejercicios de interpretacin estn entre
estos dos extremos, limitados por un lado, por los altos costos que controla
el elemento de diseo que pueda ser incorporado a la empresa y por el
otro, por el reconocimiento de que sin un mnimo de control el problema
resulta insoluble.
En la geoqumica aplicada, los grandes programas de exploracin que
generan una gran cantidad de datos cuantitativos y descriptivos
(categoras), estn precedidos generalmente, por una visita de
reconocimiento, la cual utiliza una cantidad limitada de esfuerzo y de datos
para proporcionar una informacin bsica, til en el diseo de un programa
de exploracin complicado.
De manera general, los datos de un reconocimiento estn distribuidos con
poca regularidad, mientras que los datos de una exploracin detallada,
estn espacialmente ms cercanos y comnmente ordenados dentro de una
red regular.
Las tcnicas usadas en la interpretacin de estos dos tipos de datos pueden
ser diferentes, una diferencia obvia es la importancia relativa de una sola
muestra. En el caso de un reconocimiento, cada muestra puede ser tratada
independientemente de las otras, as que cada muestra es importante por s
misma; para los datos de una exploracin detallada, este no es siempre el
caso y la claridad con la cual la interpretacin de cada muestra individual
es comprendida, puede no ser tan importante.
Los datos deben tener la apropiada calidad para el propsito en cuestin,
estos deben ser representativos (no sesgados) y la tcnica de medicin
usada para obtener los "nmeros" debe tener la adecuada precisin.
83
El nfasis de este estudio estadstico, se pondr en tcnicas relativamente
simples combinados con una sistemtica progresin hacia procedimientos
ms complicados, esta metodologa se puede apreciar mejor en el diagrama
de flujo de la Figura 6.1.
Esta aproximacin se basa en la filosofa de que a ms informacin
cuantitativa, las interpretaciones obvias emergern a travs de un riguroso
examen de los datos por medio de metodologas relativamente simples.
El objetivo principal de un estudio estadstico, sin importar cuan complejos
sean los mtodos utilizados, es comprender las variables individuales, sus
histogramas y el grado al cual los mtodos simples pueden ser usados para
entender el significado de estas variables.
Las estadsticas, tratan inicialmente con las medidas de (1) la tendencia
central y (2) la dispersin, que son parmetros tiles para describir los
atributos de la frecuencia relativa de los datos (Fig. 6.2); en la prctica estos
parmetros son calculados a partir de un grupo de datos (o un grupo de
nmeros) que representan una muestra de una poblacin ms grande bajo
estudio.
En el presente estudio se recolectaron 165 muestras cada 150 m en un rea
rectangular de 2,500 x 3,100 m y fueron analizadas por su contenido de
Au, estas representan un grupo de datos, que es una muestra de todas las
posibles muestras que se pudieran tomar dentro del rea de estudio las que
formaran el total de la poblacin.
Reparare en el doble uso de la palabra muestra, cada muestra representa
una mu es t r a geoq u mica in d iv id u al, pero el total de las 165 muestras
representa una mu es t r a es t ad s t ica s imp le, de tamao n =165 datos.
Comnmente encontraremos que nuestra habilidad para extraer
informacin til de un grupo de datos, se ver incrementada si somos
capaces de agrupar los datos fcilmente dentro de varias categoras de
significado geolgico.
84
COCIENTES
DIAGRAMA DE
CORRELACIN
LINEAR
PRESICIN
MATRIZ DE
CORRELACIN
GRFICOS
PROBABILSTICOS
GRAFICOS POR
COMPUTADORA
CONCLUSIONES
INTERPRETACIN
GRAFICOS POR
COMPUTADORA
AJUSTE DE CURVAS
GRUPOS CATEGORIZADOS
ARCHIVO DE COMPUTADORA
(Resultados qumicos, Datos por
categorias, Ubicacin de las muestras)
ANALISIS QUMICO
PREPARACIN DE LAS MUESTRAS
(Inclusive Duplicados)
MUESTREO
Figu r a 6.1--Diagrama de Flujo que ilustra una aproximacin sistemtica para la evaluacin de datos
geoqumicos provenientes de una prospeccin geoqumica. Slo estn representadas tcnicas simples
para la evaluacin de datos. Obsrvese que en etapa V los datos son inicialmente agrupados en base a
apropiadas variables categorizadas. (A.J . Sinclair, 1986).
85

Figu r a 6.2 Distribucin de la frecuencia normal.
Es necesario hacer una detallada descripcin de las caractersticas de las
muestras ya que pueden ser usadas en el agrupamiento de estas y servir de
ayuda en la interpretacin.
La extensin con la cual uno registra tal informacin depende en mucho de
la naturaleza de la exploracin, sin embargo es til tener en mente que un
reconocimiento previo y el registro de los factores que pueden ser
importantes en la interpretacin de los datos facilitar la interpretacin
final.
Los datos de la prospeccin del denuncio "Cuarzo" fueron agrupados
teniendo en cuenta su litologa, el resumen estadstico de estas categoras
se puede apreciar en la Tabla 6.1.
Para grupos pequeos de datos, muchas tcnicas estadsticas pueden ser
tratadas manualmente, pero para grupos grandes estos procedimientos son
imprcticos y un tratamiento computarizado se hace necesario; por otro
lado, muchos clculos estadsticos no pueden ser hechos manualmente ni
an para pequeos grupos de datos. Por lo tanto es necesario organizar los
datos de manera que puedan ser ingresados fcilmente en un computador,
ya sea que su uso se haya previsto o no, para este propsito se han
desarrollado muchos modelos.
En el Anexo 1 se pueden apreciar los datos provenientes del Prospecto
86
"Cuarzo" organizados, tal como fueron ingresados a la computadora para
su posterior tratamiento estadstico.
6.2 Es t ads t icas Bs icas .
6.2.1 Gen er alidades .
El aspecto ms importante de las estadsticas est en las medidas de
la t en d en cia cen t r al y de la d is p er s in de muestras no sesgadas,
estos parmetros definen comnmente las caractersticas ms
importantes de la fu n cin d e d en s id ad d e p r obabilid ad de un grupo
de datos y si estos no estn sesgados, tambin estimarn los
parmetros comparables a los de la poblacin original que est
siendo estudiada.
Es importante tener en mente que una muestra nunca define una
poblacin perfectamente, esto quiere decir que un error ya existe,
an cuando en raras ocasiones este error coincide con cero. El
problema es que rara vez se conoce con precisin el error, aunque
generalmente se puede estimar el er r or p r omed io.
6.2.2 Medidas de la Ten d en cia Cen t r al.
Las medidas de la tendencia central son conocidas tambin como
promedios, ya que tienden a situarse en el centro de un conjunto de
datos ordenados segn su magnitud. Un promedio es un valor que es
tpico o representativo de un conjunto de datos.
Se pueden definir varios tipos de medidas de centralizacin, las ms
comunes son la media aritmtica, la mediana, la moda y la media
geomtrica. Cada una de ellas tiene sus ventajas e inconvenientes,
dependiendo la aplicacin de una o de otra de los resultados que se
pretenda sacar a los datos. Las medidas de la media, la mediana, la
moda y otros parmetros estadsticos para los anlisis por oro de las
muestras del Prospecto "Cuarzo", expresados en ppb se muestran en
la Tabla 6.1.
87
Tabla 6.1--Estadsticas elementales para 165 muestras provenientes del
Prospecto "Cuarzo", Ate-Vitarte, Lima. Variable: Ley de Au en ppb
Nmero de Muestras 165.00
Mximo 817.00
Mnimo 54.00
Rango 763.00
Sumatoria 54885.00
Media 333.05
Mediana 285.00
Moda 550.00
Media Geomtrica 248.88
Varianza 44808.28
Desviacin Estndar 211.68
Error Estndar 16.48
Coeficiente de Variacin (%) 63.56
Coeficiente del Sesgo 0.22
Coeficiente de Curtosis 1.79
Log 10 de la Media 2.40
Log 10 de la Varianza 0.63
Log 10 de la Desviacin Estndar 0.79
6.2.2.1 Media Ar it mt ica.
La media aritmtica es quiz la medida ms comn de la
tendencia central y es simplemente un valor promedio de n
datos; la media aritmtica (x ) queda determinada
dividiendo la suma total de todos los datos (x
i
) entre el
nmero de datos (n).
x
x
n
i
n
=
=
1
1

Si se aplica esta frmula a los datos de Prospecto "Cuarzo"
tenemos:
1. =54,885
2. n =165
3. x = =
54885
165
333 05 .
La media aritmtica hallada fue de 333.05 ppb
Tambin se necesita conocer la media de los contenidos de
Au de cada una de las litologas del rea de estudio, para
ayudar a decidir cual de estas tiene el mayor contraste
88
geoqumico, los resultados de estas medias se encuentran
resumidos en la Tabla 6.2. La litologa que tiene la media
ms alta son las dioritas con un promedio de 392.97 ppb de
Au y son el 19%del total de las muestras; la media ms baja
se encontr en las tonalitas, esta es de 254.14 ppb y son el
22%de todas las muestras.
De igual manera se hall la media de todas las muestras de
rocas, que fue de 335.56 ppb y la media de las muestras de
suelos 328.00 ppb, para decidir si ellas son de composicin
qumica diferente o equivalente, llegndose a la conclusin
de que los valores de Au, contenidos en los suelos,
provienen de la misma poblacin original que el de las
rocas, siendo, por lo tanto, su composicin qumica
equivalente. Esto ser demostrado posteriormente en este
mismo captulo usando la prueba de la distribucin t.

Tabla 6.2--Anlisis estadstico por subgrupos de las diferentes
litologas del Prospecto "Cuarzo", Ate-Vitarte, Lima.
Su bgr u p o n
x

2
%
Granodiorita 77 336.83 207.56 43083 47
Tonalita 36 254.14 211.88 44894 22
Diorita 31 392.97 219.22 48056 19
Suelos 12 328.00 168.20 28291 7
Otros 9 358.44 184.32 33975 5
Tot al 165 333.05 211.68 44808 100
6.2.2.2 Median a.
La mediana es el valor central que divide un grupo
ordenado en dos subgrupos que contienen igual nmero de
datos. Cuando el nmero de datos es impar la mediana es el
promedio entre el valor ms bajo del grupo superior y el
valor ms alto del grupo inferior.
Para grupos de pequeas muestras (n < 5) la mediana es un
estimador ms estable de la tendencia central que la media.
89
La mediana hallada en las muestras del Prospecto "Cuarzo"
fue de 285.00 ppb
6.2.2.3 Moda.
La moda de un grupo de datos, es el valor ms abundante;
si los datos estn agrupados en clases, la moda se toma
como el centro de la clase ms abundante. La moda puede
no existir, incluso si existe puede no ser nica.
El reconocimiento de poblaciones multimodales es un
aspecto importante en la evaluacin de los datos.
La primera clase es la ms abundante en los datos del
Prospecto "Cuarzo", su centro o moda es de 88 ppb, este
valor esta fuertemente influenciado por los valores bajos
que no pudieron ser detectados por el mtodo de anlisis
empleado (lmite de deteccin = 54 ppb), por lo que es ms
real tomar como moda la segunda clase ms abundante,
teniendo esta una moda de 550 ppb
6.2.2.4 Media Geomt r ica.
La media geomtrica (g) es el antilogaritmo del "promedio
de los datos transformados a logaritmos".
=

=
n
i
i
n
x
Anti g
1
log
log
Tngase en cuenta de que para muchas distribuciones de
datos simtricas alrededor de un valor medio, la media
aritmtica, la mediana y la moda son comnmente idnticas
o muy parecidas. En casos muy raros dos modas pueden
estar simtricamente distribuidas alrededor de un mnimo
que coincide con la media y la mediana.
La media geomtrica se calcul a partir de los valores de
oro transformados a logaritmos naturales y comunes, los
90
resultados de estos y sus parmetros estadsticos se
encuentran en el Anexo 2. Para los datos del Prospecto
"Cuarzo" la media geomtrica fue de 248.88 ppb
6.2.3 Medidas de Dis per s in .
La dispersin es una descripcin de como estn esparcidos los
valores y es por esto un atributo importante de varios tipos de datos
geoqumicos.
6.2.3.1 Ran go.
El rango est definido por los dos valores que limitan a un
conjunto de datos (mximo y mnimo) y est normalmente
representado por estos dos nmeros y no por la diferencia
de ambos.
La razn obvia para estimar estos dos valores extremos es
de que por ningn otro medio se puede conocer la
disposicin del rango relativo para las medidas de la
tendencia central.
En general el rango es una medida de dispersin inestable
ya que un solo valor puede cambiar drsticamente el rango,
de modo similar un solo valor extremo del rango no puede
describir satisfactoriamente el resto de los datos.
En conjuntos de datos pequeos, el rango es el estimador
comn de las medidas de dispersin; en conjuntos de datos
muy pequeos, los datos mismos pueden ser listados; en
grandes conjuntos de datos se prefieren otros mtodos
para describir la dispersin (varianza, desviacin estndar,
etc.).
Los datos provenientes del denuncio "Cuarzo" tienen un
rango que va de 54 a 817 ppb de Au.
6.2.3.2 Var ian z a.
91
Un mtodo importante y muy usado para describir la
dispersin es la varianza, que es la media de la diferencia al
cuadrado entre cada uno de los datos y la media aritmtica
de estos.
s
x x
n
i
i
n
2
2
1
1
=
( )

Donde s
2
es el estimado de la varianza poblacional
x es la media aritmtica de n datos
x
i
representa los sucesivos datos y
n -1 los grados de libertad en el denominador son necesarios para
proporcionar un estimador no sesgado de la poblacin
a a partir de una muestra.
Con grupos de datos grandes, como los que pueden resultar
de una prospeccin geoqumica, es evidente que la
estimacin de s
2
no depende crticamente de la divisin por
n-1 o de n.
La varianza encontrada para nuestros datos fue de
44,808.28
Ya que la varianza es un parmetro "elevado al cuadrado",
sus unidades son el cuadrado de las unidades originales de
las medidas (ppb
2
) y no se puede distinguir si las
diferencias que intervienen en su clculo son positivas o
negativas.
6.2.3.3 Des v iacin Es t n d ar .
La desviacin estndar es la raz cuadrada de la varianza y
es quiz el estimador ms comn de la dispersin en el
tratamiento estadstico de datos geoqumicos.
En el estudio rutinario de la dispersin, la desviacin
estndar es generalmente ms prctica que la varianza,
debido a que est en las mismas unidades que los datos
92
(e.g., ppb en vez de ppb
2
), sin embargo la varianza es la
cantidad fundamental.
La desviacin estndar hallada fue de 211.68 ppb
6.2.3.4 Per cen t iles .
Los percentiles son valores bajo los cuales se presenta una
parte del grupo de datos; diversos percentiles se han usado
como medidas de la dispersin para propsitos especficos,
particularmente en sedimentologa y en el anlisis de la
distribucin del tamao de los sedimentos. Los percentiles
son cada vez ms usados en geoqumica, especialmente
ligados a grficos probabilsticos.
Algunos de los percentiles ms usados son:
P
10
, P
90
valores correspondientes a 10 y 90 del
porcentaje acumulado de los datos
respectivamente.
P
25
, P
75
(o C25, C75), conocidos tambin como cuartiles,
son los valores correspondientes a 25 y 75 del
porcentaje acumulado de los datos.
P
50
la mediana.
Estos percentiles han sido usados para definir sesgo y
curtosis de las funciones de densidad, parmetros que
miden el grado de asimetra de una distribucin a partir de
una forma simtrica estndar.
Los percentiles hallados para los datos del Prospecto
"Cuarzo" fueros de:
P
10
=....................................................................................... 54.00
P
25
=.....................................................................................114.00
P
50
=.....................................................................................285.00
P
75
=.....................................................................................544.00
93
P
90
=.....................................................................................609.20
Las medidas del s es go dados en funcin de los cuartiles y
percentiles fueron de:
Sesgo
P P P
P P
25 75
2
75 50 25
75 25
=
+

Sesgo
P P P
P P
10 90
2
90 50 10
90 10
=
+

El sesgo es el grado de asimetra, o falta de simetra de una
distribucin. Los valores hallados para el sesgo cuartlico y
percentlico son de 0.35 y de 37.00, respectivamente, estos
datos indican que el sesgo de la distribucin es positivo o
que la curva est sesgada a la derecha, el alto valor
encontrado demuestra una gran asimetra.
La cu r t os is define el grado de "aplastamiento" de una
distribucin en relacin a una distribucin normal. El
coeficiente de curtosis basado en cuartiles y percentiles
esta dado por:
k
Q Q
P P
=

1
2 3 1
90 10
( )

Para las medidas de la curtosis el valor de 3 corresponde a
una distribucin normal y es tomado como estndar. Las
curvas para las que este valor es menor, igual o mayor que
3 son conocidas respectivamente como platocrticas,
homocrticas y leptocrticas.
El valor encontrado para la curtosis en nuestro estudio fue
de 2.78 lo que nos indica que nuestra distribucin tiene la
forma de una curva leptocrtica.
6.2.4 His t ogr amas .
El histograma es el mtodo ms familiar para representar la
informacin numrica, la Figura 6.3 muestra tres histogramas que
ilustran las variaciones comunes, como ocurren en el caso de
94
poblaciones encontradas con los datos de una exploracin mineral.
En el ejemplo los histogramas ilustran la abundancia metlica en
suelos, negativamente sesgado (Fig. 6.3a), simtrica (Fig. 6.3b) y
positivamente sesgado (Fig. 6.3c).

0
20
120 160 200 240 80
0
40
40 60
2.1 2.3 2.5 2.7 2.9
4
8
12
16
10
20
30
10
20
30
n =247
I.C. =0.35
x =2.541
s =0.131
logppmBa
f(%)
f(%)
n =116
I.C. =10
x =29.3
s =12.8
n =172
I.C. =14.7
x =98.1
s =59.0
ppm Hg
ppm Zn
f(%)
A
B
C

Figu r a 6.3--Ejemplos de histogramas de prospecciones geoqumicas de suelos; (A) Ba
en el horizonte B en una prospeccin por Cu en Deisy Creek al Oeste de Montana
(Stanley, 1984). (B) Hg en el horizonte B del mismo prospecto. (C) anlisis por Zn del
horizonte B desarrollado en una delgada capa de morrenas que sobreyacen al
prospecto del porfido de Cu - Mo de Tchentlo en British Columbia. (A.J . Sinclair,
1986)
Los histogramas son tiles ya que proporcionan de manera visual y
simple: (1) el rango de los datos, (2) modas, (3) forma general de la
95
distribucin de frecuencias y (4) los posibles thresholds separando el
background y los valores anmalos.
Una ventaja adicional es que el agrupamiento preparatorio de los
datos, proporciona un mtodo relativamente conveniente para
calcular la media y la varianza manualmente por el mtodo de datos
agrupados.
Para construir un histograma, primero debemos elegir un intervalo
de clase apropiado entre un cuarto y un medio de la desviacin
estndar de los datos, si el intervalo de clase es demasiado grande la
forma real de la distribucin ser encubierta y si es demasiado
pequea aparecern gran cantidad de intervalos en el histograma y
su forma no podr ser reconocida. En la preparacin del histograma
para las leyes de Au expresadas en ppb, de las muestras
provenientes de la prospeccin geoqumica del Prospecto "Cuarzo",
se tomo un Intervalo de Clase de 77, lo que dio 10 intervalos de
clase, estos datos y otros se pueden apreciar en la Tabla 6.3.

Tabla 6.3--Reporte del Histograma de Frecuencias para los anlisis por oro
de 165 muestras del Prospecto "Cuarzo", Ate-Vitarte, Lima.
Ley de Au en ppb Nmero de Porcentaje Muestras Frecuencia
De A Muestras del Total Acumuladas Acumulada
50 127 42 25.5% 42 25.5%
127 204 16 9.7% 58 35.2%
204 281 13 7.9% 71 43.0%
281 358 26 15.8% 97 58.8%
358 435 8 4.8% 105 63.6%
435 512 9 5.5% 114 69.1%
512 589 34 20.6% 148 89.7%
589 666 7 4.2% 155 93.9%
666 743 6 3.6% 161 97.6%
743 820 4 2.4% 165 100.0%
Secundariamente, la eleccin de donde comenzar un intervalo de
clase no es algo rgido como una regla, pero parece ser que se est
normalizando el procedimiento de que si tenemos dos clases
centrales disponerlas simtricamente respecto al valor de la media.
96
Es til construir el histograma con las frecuencias expresadas en
porcentaje en el eje de las ordenadas, por si se compara con otros
histogramas con diferentes tamaos de muestras.
Tambin es una buena costumbre incluir en el histograma o en las
notas acompaantes una lista de: (1) ttulo, (2) el nmero de
muestras n, (3) el intervalo de clase y (4) la media y la desviacin
estndar de los datos. En la Figura 6.4 se puede apreciar el
Histograma de Frecuencias para los resultados del anlisis de las
muestras del Prospecto "Cuarzo".

HISTOGRAMA DE FRECUENCIAS
Ley de Au en ppb
0
5
10
15
20
25
30
35
40
45
127 204 281 358 435 512 589 666 743 820
Prospeccin por Au - Denuncio Cuarzo

Figu r a 6.4--Histograma de Frecuencias para los anlisis por Au de 165 muestras
provenientes del Prospecto "Cuarzo". Se aprecia una distribucin bimodal de los
datos, la primera clase es la ms abundante debido al "lmite de deteccin" del
mtodo usado en el anlisis (54 ppb).
De la interpretacin de este histograma se deduce de que se trata de
una poblacin bimodal, correspondiendo la primera poblacin a el
contenido normal de oro de las rocas y la segunda poblacin estara
dada por una poblacin mineral con aporte de Au por soluciones
hidrotermales.
97
La primera clase es la ms abundante pero esto se debe en gran
parte al "lmite de deteccin" del mtodo analtico utilizado, que es
de 54 ppb, siendo imposible saber la distribucin de los valores por
debajo de este lmite, se presume que hay leyes menores a 54 ppb
que estaran distribuidas normalmente y forman parte la primera
poblacin.
6.2.5 Dis t r ibu cion es Con t in u as .
Como los intervalos de clase de un histograma decrecen hacia las
muestras de mayor valor, esto es hacia la derecha, resulta muy fcil
pasar por los topes de las clases una curva continua suavizada,
consecuentemente es posible ajustar muchos histogramas de
variables continuas o casi continuas a una curva matemtica
suavizada conocida como funcin de densidad de probabilidad (fdp).
Puede suponerse que se requieren muchos de estos modelos
matemticos para as conseguir todo el potencial de los fdp de datos
reales y si bien esto puede ser cierto en la teora, afortunadamente
en la prctica no ocurre as.
La mayora de las variables en la naturaleza presentan histogramas
con formas que pueden ser ajustados con relativamente pocos
modelos matemticos, con tal de que los datos no sean realmente
multimodales.
De hecho podramos confinar nuestra atencin en dos formas
especficas, la distribucin normal y la distribucin lognormal, este
punto se justificar ms adelante en el presente captulo.
La distribucin normal o Gaussiana fue propuesta primero como una
teora para el clculo del error, por ejemplo, para probar la
reproductibilidad del mtodo qumico usado en el anlisis por Au.
Los valores obtenidos no son necesariamente iguales, esto debido
principalmente a las variaciones aleatorias en los procedimientos
98
analticos. La distribucin que los valores medidos siguen alrededor
de una media es lo que se conoce como funcin de densidad
Gaussiana y est dada por la siguiente frmula:
y e
x
=

1
2
1
2
2 2

( ) /

donde es la media aritmtica, x cualquier medida y
2
es la
varianza de la poblacin, la expresin grfica de esta, es la familiar
curva con forma de campana mostrada en la Figura 6.3b.

CURVA DE DISTRIBUCIN NORMAL
Au p p b
y
0
0.002
0.004
0.006
0.008
0.01
0.012
0 200 400 600 800 1000

Figu r a 6.5--Funcin de densidad normal o Gaussiana, la curva corresponde a los
valores de Au en ppb del Prospecto "Cuarzo", dispersados alrededor de la media, se
puede ver que est algo sesgada a la derecha, influenciada por el lmite de deteccin.
Utilizando esta frmula se ha podido ajustar la curva que se aprecia
en la Figura 6.5 a los datos del denuncio "Cuarzo", se puede ver que
tiene una forma de campana algo sesgada a la derecha, esto ltimo
se debe a el lmite de deteccin del mtodo analtico empleado, ya
que no se detectaron valores por debajo de los 54 ppb
6.2.6 Dis t r ibu cin Nor mal Es t n d ar .
Muchos tipos de datos geoqumicos y los transformados a logaritmos
se ajustan aproximadamente a una curva fdp normal, por lo que es
99
fundamental conocer bien las caractersticas de esta curva para el
tratamiento formal de este clase de datos geoqumicos.
Todas las funciones de densidad probabilstica normales, estn
relacionadas por medio de una simple transformacin que reduce
cualquier distribucin a una forma estndar. La funcin de densidad
estndar es una en la cual un valor z est definido como:
z
x x
s
i
i
=

En otras palabras cada dato es transformado a un nuevo valor que es
igual al "nmero de desviaciones estndar al que es removido el
valor original, a partir de la media".
El rea total A, bajo la curva simtrica es 1 y cualquier lnea paralela
al eje de las ordenadas divide esta rea en dos partes que suman 1,
por ejemplo el valor de la media la divide en dos partes iguales y
simtricamente equivalentes.
Una de las propiedades ms tiles de las distribuciones normales es
que las reas bajo la curva, dentro de cualquier rango especificado,
pueden ser precisamente calculadas.
El intervalo entre x -s y x +s encierra 0.68 de A, esto es el 68%del
rea con 34%a cada lado de la media, el intervalo entre x -2s y x +2s
define el 0.95 de A o el 95%del rea (Figura 6.6).

100
68.3%
95.4%
99.7%

Figu r a 6.6--Curva normal estndar. Se muestra los porcentajes de reas bajo
distintos segmentos de la curva. (A.J . Sinclair, 1986)
6.2.7 Dis t r ibu cin Logn or mal.
En su forma conceptual ms simple, la distribucin lognormal es una
distribucin normal de los logaritmos (de cualquier base), de un
conjunto de datos.
Muchas variables en las ciencias de la Tierra incluyen elementos
menores y los histogramas preparados para estos pueden ser
ajustados por la ley lognormal, estas variables incluyen elementos
menores en geoqumica, leyes y tonelaje en depsitos minerales,
tamaos de sedimentos, etc. adems muchas de las variables
tratadas rutinariamente por los investigadores de las ciencias de la
Tierra tienen fdp's normales, pero la misma naturaleza de las
variables ameritan una transformacin a logaritmos, (las medidas del
pH y los tamaos de partcula en unidades phi, son ejemplos que se
dan a diario).
Por su puesto no todas las variables qumicas en geoqumica estn
normalmente distribuidas, aunque muchos elementos traza tienen
distribuciones positivamente sesgadas, que pueden ser ajustadas por
101
una distribucin lognormal, otras tienen histogramas con formas
muy variadas.
No es raro que los constituyentes qumicos de suelos y rocas con
valores medios en el rango de 1 a 10 por ciento se ajusten a una
distribucin lognormal, por otra parte los anlisis de materiales que
se acercan a una composicin mineralgicamente pura pueden tener
distribuciones negativamente sesgadas, como los contenidos de
aluminio en los suelos laterticos.
Quiz la dificultad ms seria para ajustar un modelo lognormal a
datos reales se encuentra en las distribuciones polimodales. En los
casos en que las poblaciones componentes no se superponen
notablemente, cada una de ellas puede ser examinada
individualmente para ver su lognormalidad.
La frecuencia con que ocurren estas distribuciones lognormales
polimodales indican que es lgico esperar poblaciones superpuestas
que tambin se aproximen a modelos lognormales.
El modelo lognormal es solamente una aproximacin adecuada a la
realidad, precisamente donde el modelo dado ya no puede ser
aplicado a los datos reales es difcil determinar su lognormalidad,
pero aplicando otros modelos uno puede estar ms acertado que
aplicando un modelo lognormal.
En algunos casos es necesario estimar parmetros aritmticos a
partir de distribuciones cuyos parmetros estn expresados en
unidades logartmicas, o viceversa, para este tipo de
transformaciones pueden usarse las siguientes ecuaciones:
De parmetros de logaritmos naturales a parmetros aritmticos:
x ge
s
n
=
2
2 /

y
s x e
s
n
2 2 1
2
=

( )
102
donde x media aritmtica.
s desviacin estndar aritmtica.
g media geomtrica.
s
n
desviacin estndar de los valores transformados a logaritmos
naturales (en unidades logartmicas).
De parmetros de logaritmos comunes a parmetros aritmticos.
x g
s
t
= 10
1 1513
2
( . )

y
( )
[ ] 1 10
2
3026 . 2 2 2
=
t
s
x s

donde g media geomtrica.
s
t
desviacin estndar de los valores transformados a logaritmos
de base 10 (en unidades log10).
La media geomtrica (g) es igual al antilogaritmo del promedio de los
logaritmos de cada uno de los valores y responde a la siguiente
frmula:
=

=
n
i
i
n
x
Anti g
1
log
log
El valor de la media geomtrica es siempre constante sin importar la
base de los logaritmos, de modo que en las ecuaciones anteriores g
es idntica ya sea que este valor haya sido estimado como el
antilogaritmo de x
n
o x
t
.
Un logaritmo natural es 2.3026 veces mayor que los log10 de los
mismos nmeros transformados a logaritmos, por ejemplo, el ln(54)
= 3.988984 y el log10(54) = 1.732394.
Los valores transformados a logaritmos naturales y a logaritmos
comunes, provenientes del Prospecto "Cuarzo" se pueden apreciar en
el Anexo 2, estos datos estn ilustrados como histogramas en la
Figura 6.7. Las medias y las desviaciones estndar para los datos
originales y los transformados a logaritmos naturales y comunes han
sido calculados separadamente. Estos dos grupos de parmetros
logartmicos han sido usados para estimar los parmetros
aritmticos; la sustitucin de estos valores en las ecuaciones
103
anteriormente presentadas dan los estimados mostrados en la Tabla
6.4.
Existe una discrepancia de alrededor de 7.64%del valor de la media
real y de 75.90% con respecto a la desviacin estndar; estas
discrepancias aumentan por el hecho de que los datos del Prospecto
"Cuarzo" no son exactamente lognormales en su forma sino que
estn sesgados positivamente y han sido ajustados por una
distribucin lognormal.

Tabla 6.4--Estimacin de los parmetros estadsticos aritmticos a partir de
parmetros logartmicos, de los datos transformados del Prospecto "Cuarzo",
Ate-Vitarte, Lima
PARMETROS
Aritmtica Logs. naturales Logs. comunes
x = 333.0485 x
n
= 5.5160 x
t
= 2.3956
s = 211.6797 s
n
= 0.8555 s
t
= 0.3715
g = 248.6322 g = 248.6322
g es la media geomtrica
Parmetros aritmticos calculados a partir de parmetros
logartmicos
Derivados de
*

Logs. naturales Logs. comunes
x
358.4855 358.4863
s 372.3549 372.3575
*
Asumiendo que la fdp es lognormal.
6.2.8 Aju s t e d e u n a Cu r v a Nor mal a u n His t ogr ama.
Una vez obtenido el histograma se puede probar su normalidad
cualitativamente por dos mtodos: (1) graficando los datos
acumulados sobre papel probabilstico (considerado ms adelante) y
(2) construyendo una curva normal con los mismos parmetros de
los datos (media y varianza).
104

HI STOGRAMA DE FRECUENCI AS (Log10)
Log10 ppb de Au
0
5
10
15
20
25
30
35
40
1
.
8
3
0
1
.
9
6
0
2
.
0
9
0
2
.
2
2
0
2
.
3
5
0
2
.
4
8
0
2
.
6
1
0
2
.
7
4
0
2
.
8
7
0
3
.
0
0
0
Prospecto "Cuarzo" Lima -Per
B
HI STOGRAMA DE FRECUENCI AS (ln)
ln ppb de Au
0
5
10
15
20
25
30
35
40
45
Prospecto "Cuarzo" Lima - Per
A
Figu r a 6.7--Histogramas de Frecuencias de los valores del Prospecto "Cuarzo"
transformados a logaritmos. (A) Valores convertidos a logaritmos naturales. (B) Valores
convertidos a logaritmos comunes.
105
La ecuacin para ajustar una curva normal a un grupo de datos es:
( ) [ ]
=

2
/
2
1
2
1
s x x
i
i
e
s
i n
y

donde n es el nmero de datos o valores, i es el intervalo de clase del
histograma; el termino exponencial y la constante se obtienen de las
tablas normales estndar o como en el caso de los datos del
Prospecto "Cuarzo", fueron directamente calculados en una hoja de
clculo electrnica (MS - Excel 4.0).
La curva representativa de esta funcin, es una curva con la conocida
forma de campana , esta distribucin slo ocurre cuando los valores
de un fenmeno se deben a la suma de varias causas independientes.
Esta distribucin est graficada en la Figura 6.8, la curva es
aproximadamente simtrica alrededor de m, que es el valor de la
media. Tambin se ve que la curva esta sesgada positivamente.

CURVA NORMAL AJUSTADA
ppb Au
0.00
5.00
10.00
15.00
20.00
25.00
0 100 200 300 400 500 600 700 800 900
Prospecto "Cuarzo" Lima -Per
m

Figu r a 6.8--Forma de la curva normal ajustada a los datos del Prospecto "Cuarzo",
curva en forma de campana.
6.2.9 Dis t r ibu cion es Acu mu ladas .
Los datos preparados para hacer un histograma tambin pueden ser
presentados como una curva de frecuencias acumuladas, para lo cual
la frecuencia dentro de cualquier clase es aadida a la frecuencia
106
total de todas las clases precedentes.
Las frecuencias pueden ser acumuladas ya sea partiendo del valor
ms alto o del ms bajo de todos los valores, este mtodo de
representacin es comn en el campo de la sedimentologa, para
porcentajes pesados de fracciones del tamao de partcula, en donde
las frecuencias son acumuladas a partir de fracciones de grano
grueso a las de grano fino.
En la Figura 6.9 se muestra la curva de frecuencias acumuladas para
los valores de Au en ppb de menor a mayor con una curva
superimpuesta de mayor a menor con los mismos datos del
Prospecto "Cuarzo" .

CURVA DE FRECUENCI AS ACUMULADAS
Ley de Au en p.p.b.
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
80.0%
90.0%
100.0%
0 100 200 300 400 500 600 700 800 900
Prospecto "Cuarzo" Lima - Per

Figu r a 6.9--Curva de Frecuencia Acumulada para los anlisis por Au del Prospecto
"Cuarzo", al Oeste de Lima. Se muestran dos curvas, una para los valores de menor a
mayor y otra para los valores de mayor a menor.
Este mtodo de representacin de las frecuencias acumuladas de los
datos es la forma que se necesita para su representacin sobre papel
probablistico. El concepto de histograma acumulado es la manera
ms directa y fundamental para comprender los grficos
probabilsticos.
107
6.2.10 Lmit es de Con fian za.
El rea, expresada como una proporcin, debajo de una parte
especfica de la curva normal es equivalente a la probabilidad de que
una muestra extrada al azar de una poblacin, caer dentro del
rango para la proporcin del rea en cuestin.
Por su puesto que los parmetros determinados a partir de una
muestra de una poblacin normal, son slo estimados de los
verdaderos parmetros de la poblacin.
Es una prctica comn poner lmites de confianza a los parmetros
estimados, particularmente al valor de la media. Donde los
parmetros de la distribucin normal son estimados por un gran
nmero de datos (n>120) la dispersin de los valores de la media (s
e
)
para el tamao n, es as mismo normal y est dada por:
s
s
n
e
=
donde s es la desviacin estndar de la muestra, n es el nmero de
datos y s
e
es el error estndar (dispersin) de la media, esto es que la
media muestral tiene una distribucin normal con dispersin
(desviacin estndar) igual a s
e
, consecuentemente, puede ser usado
para poner lmites de confianza a la media.
Por ejemplo, hay un 95%de probabilidad que la media real caiga
entre x -2s
e
y x +2s
e
, por lo tanto si se acepta que este lmite de
confianza del 95%contiene la verdadera media, debe esperarse que
esto est errado el 5%de las veces.
Para las pequeas muestras (n<120), la media muestral tiene una
distribucin-t y los lmites de confianza son como sigue (lmites de
confianza de un error estndar o 68%):
( ) ( ) n s t x n s t x / /

+ < <
donde x es la media muestral, es la media poblacional, s/ n es el
108
error estndar y el valor t
se obtiene de las tablas de distribucin-t

para los grados de libertad dados (g.l.=n-1) y un aceptable. Alfa es
el error de tipo I, que es la probabilidad de que estemos errados. En
el caso de un lmite de confianza del 95%, podemos estar errados el
5%de las veces luego es 0.05.
6.2.11 Pr u ebas F y t .
De las muchas formas de probar la hiptesis nula, aqu se tratar con
el problema comn de comparar dos muestras para probar
rigurosamente, si estas han sido o no extradas de la misma
poblacin.
Si es altamente improbable que las muestras representen a la misma
poblacin original, se debe asumir que representan esencialmente a
dos poblaciones diferentes.
Tales pruebas son corridas a un nivel de error seleccionado, digamos
=0.05, en general estas pruebas requieren normalidad de las
variables que estn siendo comparadas y comenzar con la hiptesis
nula, que es la asuncin de que realmente las dos muestras
representan a la misma poblacin. Si los datos no tienen una
distribucin normal puede ser necesaria una apropiada
transformacin antes de que las pruebas F y t sean corridas.
La distribucin F es una prueba para determinar la igualdad de las
varianzas, esto es la distribucin terica de los valores que deben
esperarse en un muestreo aleatorio de una poblacin normal y
calcular, para todos los posibles pares de varianzas muestrales, el
cociente:
F
s
s
=
1
2
2
2

Las pruebas basadas en la distribucin-t se usan para establecer la
probabilidad de que una muestra dada pueda ser miembro de una
109
poblacin con caractersticas especficas o para probar la hiptesis
de la equivalencia de dos muestras; estas pruebas se realizan
comparando la media muestral (m) con la media poblacional (). La
distribucin-t es una distribucin ms "amplia" que la distribucin
normal, pero depende del tamao de la muestra tomada. Cuando el
nmero de observaciones en la muestra es infinito, la distribucin-t y
la distribucin normal son idnticas. La prueba estadstica t puede
ser calculada por:
t
x
s n
=

0
/

donde: x =media de las muestras
n
0
=media hipottica de la poblacin
n =nmero de observaciones
s =desviacin estndar de las observaciones
En estas pruebas, que se basa en las muestras, se deben estimar un
nmero de parmetros poblacionales para calcular la prueba
estadstica, a simple vista parece imprudente estimar estos
parmetros y realizar la pruebas tomando como punto de partida el
mismo grupo de datos sin hacer una compensacin para el doble uso
de las observaciones. Esta compensacin es hecha tomando en
cuenta una cantidad conocida como grados de libertad, () los cuales
pueden definirse como el nmero de observaciones en la muestra,
menos el nmero de parmetros estimados a partir de esta.
En el caso de las muestras provenientes del Prospecto "Cuarzo", estas
fueron divididas en dos grupos, muestras de rocas y muestras de
suelos. Mediante el uso de estos tests se trata de probar la hiptesis
de que los valores de Au contenidos en las muestras de suelos
pertenecen a la misma poblacin original de las que provinieron las
muestras de rocas.
Aplicando la prueba-F se quiere determinar si las variaciones en las
leyes de oro son las mismas en los dos grupos, para realizar esta
110
prueba se tom el mismo nmero de valores en ambas muestras,
seleccionando al azar 12 anlisis de rocas para compararlos con los
12 anlisis de suelos.
La hiptesis nula establece que las poblaciones originales de las dos
muestras tienen varianzas equivalentes; la hiptesis alternativa
establece que no es as.
El valor crtico de F con 11 grados de libertad, tanto en el numerador
como en el denominador, y un nivel de significacin de 5%, se hallo
en tablas especialmente preparadas para esto y que se encuentran en
la mayora de los libros de estadstica, que es de 2.82.
El valor calculado de F para el cociente de las varianzas muestrales
de rocas y suelos fue de 1.80, este valor es menor que 2.82 y cae
dentro del rea de no rechazo (el rea no sombreada en la Figura
6.10), por lo que se concluye que, dentro de las limitaciones del
programa de muestreo, no hay evidencia de que las varianzas sean
diferentes, aparentemente las dos muestras fueron extradas de la
misma poblacin.

0 F = 2.82
5%

Figu r a 6.10--Tpica distribucin-F, con a = 11 para ambas varianzas y una regin
crtica (el rea sombreada) que consiste del 5%del rea total bajo la curva. El valor
crtico de F =2.82.
Las estadsticas de los anlisis de Au de rocas y suelos y el resultado
de la prueba-F pueden verse en la Tabla 6.5.

111
Tabla 6.5--Comparacin de los parmetros estadsticos y resultado de la
Prueba-F, para los valores de Au de rocas y suelos, provenientes del
Prospecto "Cuarzo", Ate-Vitarte, Lima. Veriable: Au en ppb.
Var iable n
x
s s
2
F
Au en rocas 12 281.83 235.65 55528.8788 1.80
Au en suelos 12 328.00 175.68 30862.5455
Si las varianzas no difieren significantemente, el siguiente paso es
probar la igualdad de sus medias, la prueba t es la apropiada para
este fin. Se desea probar si las muestras de suelos pertenecen a la
poblacin de muestras de rocas o si por efectos del transporte y la
contaminacin deben ser tratadas como una poblacin diferente con
caractersticas propias.
Si se asume los parmetros estadsticos calculados para las 144
muestras de rocas, como parmetros poblacionales, la hiptesis nula
establecer que la media de la poblacin de suelos, es igual o mayor
que 331.88 ppb de Au, la hiptesis alternativa establecera que la
poblacin de suelos tienen un contenido promedio de oro menor que
331.88 ppb
Para obtener el valor crtico de t, de las tablas preparadas
especialmente para esta prueba, deben especificarse dos valores, que
son el nivel de significacin y los grados de libertad. En esta prueba
en particular, se asume como media poblacional (
0
), el valor hallado
para la media de las muestras de rocas y el otro parmetro esta dado
por la desviacin estndar de las muestras de suelos, por lo tanto
para las 12 muestras de suelos, hay 11 grados de libertad. La
hiptesis nula ser rechazada slo si el contenido promedio de oro
en los suelos es significativamente menor que 331.88 ppb, ya que la
regin crtica slo ocurre a altos valores de la prueba estadstica, tal
como se muestra en la Figura 6.11.
112
0
5%
t = 3.106

Figu r a 6.11--Distribucin t de Students, para 11 grados de libertad, con una regin
crtica (el rea sombrada) que contiene el 5%del rea total bajo la curva. El valor
crtico de t =3.106.
Las pruebas de esta naturaleza se conocen como de una cola, debido
a que la regin crtica ocupa slo un extremo de la distribucin. La
hiptesis ser probada con la probabilidad de rechazarla cuando slo
sea verdad una de cada veinte veces ( =0.05), para lo cual el valor
calculado de t debe exceder 1.83. La prueba estadstica esta
planteada de la siguiente manera:
1. H
0
:
1
331.88 ppb Au
H
0
:
1
<331.88 ppb Au
2. =0.05
3. x =328.00
4. s =168.20
5. t =

=
331 88 328 00
175 68 11
0 0766
. .
.
.
El valor calculado de 0.0766 es muy inferior al valor de t para once
grados de libertad y un nivel de significacin de 5%, que es de 3.106,
por lo que se concluye que no hay nada en las muestras de suelos
que sugieran que la media de la poblacin sea menor que 338.00 ppb
de Au, concluyendo que provienen de la misma poblacin original y
que no hay motivos aparentes para que las muestras de suelos sean
tratadas como una poblacin separada.
A continuacin se comparan dos grupos del mismo tamao, 12
113
muestras de rocas seleccionadas al azar contra las 12 muestras de
suelos. Son las medias de las dos colecciones de muestras las
mismas?. Este problema es algo diferente del anteriormente
planteado, lo que se quiere ahora es comparar dos muestras, una
contra la otra, en vez de una muestra contra los parmetros de una
poblacin. La prueba apropiada para esto es nuevamente la prueba t,
pero es calculada de una manera ms elaborada. La hiptesis a
probar es:
H
0
:
1
=
2

la cual establece que la media de la poblacin de la cual fueron
extradas las muestras de rocas es la misma que la media de la
poblacin original de las muestras de suelos. La hiptesis alternativa
postula que:
H
0
:
1

2

las medias de las dos poblaciones no son iguales. El nivel de
significacin especificado es de 10%( =0.10), la prueba estadstica
tiene ahora la forma de:
t
x x
s
e
=

1 2

El error estndar (s
e
) de la media debe basarse en las caractersticas
de ambas muestras, generalizando s
e
se tiene:
s s
n n
e m
= +
1 1
1 2

Aqu s
m
es un estimado mancomunado de la desviacin estndar,
combinando las varianzas muestrales de los dos grupos de datos:
( ) ( )
2
1 1
2 1
2
2 2
2
1 1 2
+
+ +
=
n n
s n s n
s
m

Los subndices se refieren a las muestras de rocas y a las de suelos,
respectivamente. El proceso de mancomunar las dos varianzas
muestrales cuesta un adicional grado de libertad, ya que deben
114
estimarse dos parmetros. Estn las diferencias entre las dos
medias muestrales en un nivel de significacin del 10%?
( ) ( )
028 . 180
22
62 . 3960
2 12 12
68 . 175 11 38 . 184 11
2
= =
+
+
=
p
s
s
m
= 180 028 .
s
m
= 13.417
t =

+
= =
328 00 320 00
13 417 1 12 1 12
8 00
5 478
0 243
. .
. / /
.
.
.
Ya que los valores de t para pruebas de dos colas con 22 grados de
libertad y un nivel de significacin del 10%(5%en cada cola) son de -
1.717 y +1.717, el valor calculado de 0.243 no cae dentro de ninguna
de las dos regiones crticas y por lo tanto las hiptesis nula no puede
ser rechazada, se concluye que no hay evidencias que sugieran que
las dos muestras provengan de poblaciones que tengan medias
diferentes.
Para este tipo de pruebas deben asumirse tres cosas:
1. Que ambas muestras fueron seleccionadas aleatoriamente.
2. Que las poblaciones a partir de las cuales las muestras fueron
extradas estn normalmente distribuidas.
3. Que las varianzas de las dos poblaciones son iguales.
La primera asumsin puede ser difcil de justificar en problemas
geolgicos y puede ser una seria fuente de error si las muestras
estn fuerte y sistemticamente sesgadas. Una poblacin puede ser
probada por su normalidad, pero desviaciones de la normalidad son
raramente un problema debido al teorema central de lmites, con tal
que la coleccin de muestras sea bastante grande. La tercera
asumsin, la igualdad de las varianzas de los dos grupos, es crtica,
de hecho casi todas las pruebas estadsticas de igualdad requieren
que las varianzas de los grupos que estn siendo comparados sean
iguales, afortunadamente, esta asumsin puede ser fcilmente
115
comprobada, mediante pruebas estadsticas como la prueba F.
6.2.12 Gr ficos Pr obabils t icos .
El papel probabilstico es una herramienta til y prctica en el
anlisis de datos geoqumicos para probar el carcter normal o
lognormal de los datos; en este papel grfico uno de los ejes est
graduado a intervalos iguales (escala aritmtica) o logartmica,
cuando as se requiera; en el otro eje la escala probabilstica est
graduada de tal manera que una distribucin normal acumulada sea
siempre graficada como una lnea recta.
Este tipo de papel grfico es muy sensible a las desviaciones de la
normalidad y por lo tanto til para el reconocimiento de poblaciones
mltiples, un atributo muy til cuando se trata con muestras de
suelos, rocas y otros tipos de datos geoqumicos; otra importante
consideracin al aplicar esta tcnica es que puede usarse fcilmente
en el campo.
Los datos agrupados con el propsito de construir un histograma
tambin pueden ser acumulados (de los valores altos a los bajos y
vise versa) como para una curva de frecuencias acumuladas y luego
dibujados directamente sobre papel probabilstico.
Al dibujar una distribucin lognormal se pueden aplicar dos
tcnicas, estas son:
1. Valores previamente trasformados a logaritmos, graficados
sobre papel probabilstico - aritmtico.
2. Valores no transformados, graficados sobre papel
probabilstico - logartmico.
La metodologa para construir grficos probabilsticos se detalla en
el la Tabla 6.6.
116
Tabla 6.6--Procedimiento para la divisin de una poblacin simple en dos
poblaciones normalmente distribuidas. (A.J . Rose, et al. 1979)
1. Convertir los datos a logaritmos si fuese necesario.
2. Clasificar las concentraciones en 10 o 20 grupos, con un mnimo
de 5 muestras en la mayora de los grupos.
3. Calcular los porcentajes acumulados, empezando con las altas
concentraciones y finalizando con el 100% en las mnimas
concentraciones (Tabla 6.3).
4. Graficar sobre papel probabilstico, los porcentajes acumulados
contra los lmites de clase ms bajos, tal como se indica en la Fig.
6.12 y dibujar una curva suavizada a travs de los puntos.
5. Si los datos tienen una curva en forma de Z alargada como la de
la Fig. 6.12, seleccione el punto de inflexin de la curva (60%en la
Fig. 6.12). Este punto define aproximadamente las proporciones
de las dos poblaciones. Si la curva tiene formas ms complicadas
consultar el trabajo de Sinclair (1976).
6. Calcular para la clase 1, P
A
= P
1
/ f
A
, donde P
1
es el porcentaje
acumulado para la clase 1 y f
A
es la proporcin de muestras que
caen dentro de la poblacin A (0.60 en el ejemplo). Por ejemplo,
P
A
=1.5 / 0.60 =2.5%.
7. Graficar un nuevo punto con P
A
y con el lmite inferior de la clase
1. Repetir el paso 6 hasta que el punto de inflexin sea alcanzado
o hasta que los nuevos puntos calculados divergan
marcadamente de una lnea recta.
8. Dibujar una lnea recta que ajuste a los puntos calculados en el
paso 7. Esta lnea define la poblacin anmala.
9. Calcular puntos anlogos comenzando con las concentraciones
bajas, usando f
B
(proporcin de muestras que caen en la
poblacin B, determinado por el punto de inflexin) y los
porcentajes acumulados calculados por 100-P. Dibujar una lnea
para la poblacin background.
10. Verificar las poblaciones calculadas combinandolas en la
adecuada proporcin, usando P
m
= f
A
P
A
+f
B
P
B
, donde P
m
es el
porcentaje acumulado de la combinacin. Graficar los valores de
P
m
y compararlos con los puntos originales. Si fuese necesario
repetir la operacin usando un punto de inflexin ligeramente
diferente.
Los 165 valores del Prospecto "Cuarzo" estn acumulados de mayor a
menor y fueron previamente transformados a logaritmos, en el
grfico representado en la Figura 6.12, se ven combinaciones de
distintas proporciones de dos poblaciones normales, produciendo
una curva similar en forma a una z alargada.
Se puede fcilmente ajustar una lnea recta a los datos y obtener
estimados directos del valor de la media y de la desviacin estndar
de los logaritmos de los datos:
117
x = P
50

s = (P
16
-P
84
)/ 2
s = (P
2.5
-P
97.5
)/ 4
donde P
n
es el valor en logaritmos del ensimo percentil; los
estimados grficos de x y s para los datos en log
10
que definen una
lnea recta (datos de Au) en la Figura 6.12 dan estimados aritmticos
de 316.23 y de 242.62 respectivamente usando las frmulas de la
seccin 6.2.7 "Distribucin Lognormal", estos resultados comparados
con los valores calculados a partir de los datos originales de 333.05 y
211.68 respectivamente, no difieren grandemente.
Curvas similares pueden ser grficamente construidas para dos
poblaciones A y B cualesquiera (cada una de las cuales es una lnea
recta), dibujadas sobre papel probabilstico aplicando repetidamente
la frmula:
P
m
= f
A
P
A
+ f
B
P
B

a diferentes niveles de la ordenada m. P
m
es un punto sobre el
grfico combinado; P
A
y P
B
son los porcentajes acumulados de las
poblaciones A y B respectivamente y f
A
y f
B
(donde f
A
= 1 - f
B
) son las
proporciones correspondientes a las dos poblaciones.
El examen de muchos grficos demuestra que ocurre un punto de
inflexin en la curva acumulativa, que resulta de la mezcla de los
porcentajes acumulados, que coincide con la cantidad con que las
dos poblaciones estn presentes.
Para los datos de Au del Prospecto "Cuarzo" de la Figura 6.12, es
evidente que se da un punto de inflexin en el percentil 60,
indicando un 60 por ciento de una poblacin lognormal superior A y
40 por ciento de una poblacin lognormal inferior B, as si se quiere
partir la mezcla en sus componentes individuales A y B, se debe
aplicar la frmula anterior.
118
Si se est frente a dos porcentajes desconocidos P
A
y P
B
, primero
debe conocerse uno para poder calcular el otro. El estudio de muchas
mezclas hipotticas, demuestra que una curva con esta forma,
resulta en donde dos poblaciones lognormales se traslapan
parcialmente, en otras palabras el extremo superior de una curva
representa importantes cantidades de A y cantidades despreciables
de B, y en el extremo inferior de la combinacin se ha acumulado
esencialmente el 100 por ciento de B ms pequesimas cantidades
de A.
Consecuentemente, en los dos extremos de la curva de probabilidad
la ecuacin anterior ha sido reducida a una sola incgnita, as en el
extremo superior de la curva se puede calcular la parte superior de la
poblacin A y sobre su extremo inferior se pueden determinar
puntos de la parte inferior de la poblacin B.
Si los extremos de estas poblaciones individuales estn claramente
definidos, entonces pueden ser extrapolados en partes del grfico de
donde no pueden ser estimados directamente.
Es comn hacer la extrapolacin directamente si las poblaciones son
lognormales, en cuyo caso estn representadas por lneas rectas
sobre el papel probabilstico.
Los crculos abiertos en la Figura 6.12 son valores fraccionados
obtenidos por la aplicacin de la frmula de fraccionamiento para
datos individuales, usados para definir una curva combinada.
Se ha ajustado al ojo, una lnea recta a cada grupo de puntos
fraccionados y luego han sido proyectadas en todo el grfico para
proporcionar estimados de las poblaciones A y B.
La distribucin de densidad para los datos del Prospecto "Cuarzo", es
una distribucin censurada, ya que los valores por debajo de 54 ppb
no estn representados; esta distribucin truncada en la base, se
119
debe al "lmite de deteccin" del mtodo analtico utilizado. En la
curva esto se refleja por un "aplastamiento" de la distribucin
acumulada en el extremo que ha sido truncado.
Las curvas bimodales que se cortan en un punto, y que representan a
poblaciones individuales en el papel probabilstico, se interpretan
como que una de las poblaciones se superpone a la otra poblacin
que est completamente incluida dentro del rango de la otra; esto
ocurre con las poblaciones del Prospecto "Cuarzo" representadas en
la Figura 6.12.

Figu r a 6.12--Grfico probabilstico de 165 anlisis por oro en rocas y suelos, Ate-
Vitarte Lima. Los datos han sido fraccionado en dos componentes ideales A y B. Una
cabeza de flecha muestra la posicin interpretada de un punto de inflexin en la
curva. Los puntos negros son los datos originales; los crculos abiertos son puntos
construidos aplicando la frmula de fraccionamiento. Se han determinado
Thresholds de 645.65 y 81.28 ppb en los percentiles 15 y 85 para las poblaciones A y
B respectivamente.
La particin de una poblacin bimodal aparente, es til porque
proporciona un modelo preciso contra el cual se puede probar los
datos reales, esto es ms efectivo si lo usamos convenientemente
para escoger thresholds prcticos que separen una distribucin
120
bimodal en tres categoras, a saber: (1) esencialmente puro A, (2)
esencialmente puro B y (3) un grupo intermedio que contenga
proporciones conocidas de A y de B. En el caso de que no haya un
traslape efectivo entre las poblaciones A y B el grupo intermedio (3)
no existe. Si A es una poblacin anmala y B es el background, los
thresholds hallados sirven para asignar prioridades en la
continuacin de las investigaciones.
De modo ms general, esta tcnica permite el reconocimiento de dos
rangos que son A puro y B puro respectivamente, el uso de cdigos
de colores para los datos de A y B puede ayudar en la comprensin
de la significacin de cada poblacin.
Para los datos de la Figura 6.12 los thresholds han sido elegidos
arbitrariamente en los percentiles 15 y 85 de las poblaciones A y B
respectivamente, estos dan thresholds a 645.65 y 81.28 ppb Au.
6.3 Au t ocor r elacin .
La correlacin es la medida de similitud entre parejas de datos.
Conceptualmente dos categoras diferentes de correlacin forman la base
de muchos tratamientos estadsticos; el primero, el modo-R, es la manera
tradicional que trata con la correlacin de pares de variables; la segunda
categora de medidas de la similitud, comn en las ciencias de la Tierra es
el modo-Q, el cual trata con la correlacin entre muestras (o estaciones), en
la cual cada ubicacin de una muestra es considerada como un vector en
vez de un punto.
La autocorrelacin trata de la correlacin de una variable consigo misma,
esto es la correlacin con pares de datos movidos de un lado a otro, ya sea
en el tiempo o en el espacio, usando el modo-R como mtodo de
correlacin.
Cuando tratamos con la correlacin en el espacio hablamos de la v ar iable
r egion alizad a, opuesta a la variable aleatoria, la cual no muestra
121
correlacin espacial.
La teora de la variable regionalizada, la llamada geoes t ad s t ica de la
Escuela Francesa, fue desarrollada principalmente como una teora para los
problemas de estimacin de reservas (Matheron, 1963), pero tiene una
aplicacin mucho ms amplia que la implicada por el estrecho punto de
vista de la geoestadstica.
Dos tcnicas estndar son usadas para estudiar la autocorrelacin de datos
geoqumicos: el correlograma (o covariograma) y el semivariograma.
Agterberg (1965), fue uno de los primeros en proponer el uso de
correlaciones espaciales en el estudio de datos geoqumicos.
La correlacin espacial puede ser considerada como una serie de
coeficientes de correlacin lineal simple, una para cada muestra en el
espacio, as en un arreglo de muestras espaciadas regularmente con un
espaciamiento de muestreo (intervalo) de una unidad, todos los pares
separados por la unidad son considerados x y y , esto es que si la primera
muestra es considerada x, la segunda muestra es y; donde la segunda
muestra es x, la tercera muestra ser y; luego la tercera muestra ser x y la
cuarta es y; y as sucesivamente.
Este mtodo de muestras distribuidas espacialmente se usa para obtener
pares de datos para los cuales se pueda calcular un coeficiente de
correlacin. Por supuesto que el mismo procedimiento puede ser usado por
diferentes espacios de muestreo y para muchas lneas orientadas en
diferentes direcciones.
Por ejemplo en el caso de una malla regular de muestreo, los pares de
muestras pueden obtenerse independientemente en cualquiera de las
principales direcciones de la malla y a lo largo de las principales diagonales
de la misma, que permitan el estudio de las variaciones en la correlacin
espacial como una funcin de la direccin, si existen diferencias podemos
decir que la estructura de las variables es anisotrpica y si no existen
122
diferencias la variable es isotrpica.
El correlograma es simplemente un grfico de los coeficientes de
correlacin como una funcin del espaciamiento de muestreo (intervalo).
Cuando se trabaja con grandes grupos de datos, las muestras cercanas
pueden ser muy similares mientras que las muestras ms alejadas son
probablemente ms diferentes.
Un modelo geoqumico simple que corresponda a un punto de vista tal, es
que los valores altos ocurran en zonas anmalas, mientras que los valores
bajos se presentan en zonas de background.
Con espaciamiento de muestreos pequeos, los pares de muestras
adyacentes, o estn ambos en la zona del background o en la zona
anmala, consecuentemente intervalos de muestreo cortos son altamente
correlacionables, por el contrario donde el intervalo es mayor que las
dimensiones de la zona anmala dos muestras pueden no ocurrir dentro de
esta, consecuentemente hay una mayor proporcin de grandes
disparidades entre los pares de muestras, esto quiere decir que son menos
correlacionables o quiz no correlacionan del todo.
Es por esto, que un procedimiento corriente es probar cada valor de r a
medida que es determinado su correspondiente intervalo para ver si es o
no estadsticamente diferente de cero, en el punto donde r no pueda ser
distinguida de cero, definimos el rango de la variable, es decir la distancia
promedio sobre la cual la variable muestra autocorrelacin. Uno prueba la
anisotropa comparando rangos obtenidos para diferentes direcciones.
Tres ejemplos estudiados por Agterberg (1965), sugieren que no es muy
crtico si los datos no son transformados a logaritmos, con el propsito de
estudiar su autocorrelacin, sin embargo parece probable que estos tres
casos no son representativos y como una regla la forma de los histogramas
debe de ser evaluada primero para determinar si una transformacin a
logaritmos es deseable antes de examinar la autocorrelacin.
123
Los mtodos de autocorrelacin son usados para cuantificar la correlacin
espacial, estos mtodos son importantes para definir los rangos dentro de
los cuales puede considerarse un espaciamiento de muestreo ptimo. En las
exploraciones geoqumicas orientadas a la exploracin mineral, el rango
puede representar la dimensin promedio de una zona anmala y
consecuentemente puede ser usado para determinar el espaciamiento de
muestreo "ptimo" con la probabilidad de obtener dos muestras dentro de
un tamao especificado de la zona anmala y as las dems. clculos de
este tipo son altamente idealizados.
Estas tcnicas han sido usadas en la confeccin de los planos y mapas que
acompaan esta tesis, durante los procesos de interpolacin empleados por
el programa SURFER, para ms detalles ver el Captulo 7 "Aplicacin de los
Mtodos Computarizados".
6.4 Not as Fin ales
La filosofa de las pginas precedentes enfatiza las tcnicas, en el anlisis
de datos relativamente simples, seguidas de trabajos con procedimientos
progresivamente ms complicados, como lo requieren ciertos casos
particulares.
En muchos casos prcticos los mtodos estadsticos sofisticados no son
necesarios y aaden poco para la comprensin de los datos geoqumicos.
A aquellos que intenten una seria aplicacin de los procedimientos
estadsticos, deben asegurarse primero que comprenden cabalmente las
estadsticas implicadas y luego considerar las limitaciones para su
aplicacin a datos reales.

124

CAPITULO VII

7 APLICACIN DE LOS MTODOS COMPUTARIZADOS.
El propsito de las prospecciones geoqumicas es el descubrimiento de
patrones geoqumicos anormales o anomalas geoqumicas relacionadas a
la mineralizacin, sin embargo, el reconocimiento de algo anormal requiere
la comprensin de lo que es normal.
Teniendo en cuenta esto, se han desarrollado conceptos tales como
backgr ou n d , o rango tpico de un elemento dentro de un material que se
presenta naturalmente; junto con el t h r es h old , o lmite inferior de los
valores que ameritan se les considere como anmalos; y el con t r as t e, o
cociente entre los valores anmalos y el background. Cuando los datos de
campo son graficados en planos o secciones, estos parmetros pueden se
obvios casi intuitivamente, de modo que el reconocimiento de las
anomalas ms importantes se hace una tarea relativamente sencilla.
Desafortunadamente el reconocimiento de las anomalas no siempre es
fcil, ya que en algunas prospecciones geoqumicas se recolectan cientos o
miles de muestras, cada una de las cuales es analizada por varios
elementos, ms an con el advenimiento de los mtodos de anlisis
multielementos, tales como el ICP (por sus siglas en ingles Inductively
Coupled Plasma), que analizan simultneamente por diez o ms elementos.
125
El gran tiempo y esfuerzo invertido en la tabulacin y graficado de tal masa
de datos, aumenta los costos de la prospeccin, con esto tambin
incrementan los errores y se requiere de tiempo adicional para verificarlos.
Adems, las anomalas no son siempre fciles de reconocer por la simple
inspeccin de la distribucin de un slo elemento; la presencia de
mineralizacin puede ser slo indicada por cocientes de elementos o
grupos de elementos, o puede que sea necesario un tratamiento estadstico
de los datos antes de que los patrones anmalos puedan ser reconocidos.
Algunos mtodos de interpretacin pueden llevarse a cabo sin la
intervencin de ningn equipo especializado, con tal que el cuerpo de los
datos a manejar no sea demasiado grande. Sin embargo un gran nmero de
mtodos estadsticos aplicados al anlisis de datos son casi imposibles de
realizar con slo una calculadora o una regla de clculo.
El mensaje es claro, tanto para el manejo de grandes cantidades datos
como para la interpretacin estadstica, de los resultados provenientes de
prospecciones geoqumicas a gran escala, los mtodos de procesamiento de
la informacin mediante el uso de la computadora, se hacen virtualmente
obligatorios.
Este campo se desarrolla muy rpido, sobretodo la microcomputacin,
donde los programas (software) especializados en estas tareas son cada vez
ms potentes, los ordenadores (hardware) ms rpidos y los precios ms
bajos. En las siguientes pginas, los principales procesos computarizados y
programas utilizados, se revisan brevemente.
7.2 Regis t r o de Dat os .
En las prospecciones en las que se toman cientos de muestras para su
anlisis, el manejo de los datos por computadora es muy til para
organizar y registrar estos en tablas y poder graficar planos y mapas. Las
principales ventajas de este procesamiento computarizado, son la facilidad
y rapidez en el manejo de grandes volmenes de datos y la relativa libertad
126
de errores, una vez que los datos han sido ingresados en el sistema
informtico y verificados.
En una etapa inicial el manejo de datos consiste en el registro de los
nmeros de las muestras y su ubicacin (coordenadas), junto con cualquier
informacin de campo relevante (tipo de muestra, alteracin,
contaminacin, litologa, geologa, etc.).
Esta informacin debe ser registrada en el campo, en formularios
codificados que faciliten su ingreso al computador, para esto se han
desarrollado varios modelos y cartillas, en los que se usan cdigos
numricos y smbolos para registrar todas las observaciones de campo,
como el tipo de muestra, fecha, ubicacin, nmero de proyecto, nmero de
muestra, identificacin del muestrero, topografa, drenaje, cobertura, tipo
de roca o suelo, textura; en caso de suelos: profundidad y horizonte
muestreado, contaminacin, tamao de fragmentos, ubicacin de rasgos
culturales, afloramientos, arroyos, lagos, pantanos, etc. Si la ubicacin de
las muestras son registradas sobre un mapa, las coordenadas de estas
pueden obtenerse fcilmente utilizando un digitalizador.
Cuando se obtienen los resultados analticos del laboratorio, estos tambin
deben ser registrados en formularios estndar e ingresados en el banco de
datos, debiendo hacerse diferencias claras entre valores "no detectados" y
las muestras "no analizadas", usando diferentes nmeros.
Si los instrumentos analticos poseen dispositivos que transfieran
automticamente sus resultados al computador se minimizan los errores y
se ahorra tiempo y trabajo en grandes proyectos.
La mejor manera de registrar esta informacin dentro del
microcomputador es utilizando programas para el manejo y administracin
de bases de datos, los que permiten disear pantallas o mens con los
mismos tems incluidos en los formularios de campo y luego trasladar esta
informacin a archivos de computadora conocidos como dbf's (por sus
127
siglas en ingls, data base file), a estos archivos tambin se les conoce como
"archivos de alto nivel", ya que poseen una estructura interna, organizada
en registros y campos de informacin.
Una vez que la informacin es ingresada en este formato, luego puede ser
muy fcilmente manipulada, ordenndola por uno o ms campos, ubicando
registros que cumplan determinada condicin o extrayendo resmenes de
toda la informacin contenida en la base de datos (reportes).
Todos los programas y paquetes mencionados y utilizados en el presente
estudio son para microcomputadores de uso personal conocidas como PC's
y que trabaja en ambiente D.O.S. (por sus siglas en ingles Disk Operating
System) o Sistema Operativo de Disco y en ambiente grfico MS-Windows.
Existen en el mercado excelentes programas para el manejo de bases de
datos tales como Paradox, MS-FoxPro, dBASE IV, MS-Access, etc. tanto en
ambiente DOS como Windows, los cuales pueden ser usados para estas
tareas.
Para el registro de los datos provenientes de la prospeccin del Denuncio
"Cuarzo", se utiliz el programa Geochem versin 2.5 (c) 1988 de Geomicro
Systems Services Lda. programa especializado en el manejo de datos
provenientes de exploraciones geoqumicas y que incluye dentro de sus
caractersticas ms importantes un administrador de bases de datos,
anlisis estadstico y elaboracin de grficos y planos.
7.3 Pr od u ccin d e Tablas , His t ogr amas , Gr ficos y Res men es .
Realizado el ingreso de los datos en el computador, estos son imprimidos
como tablas para su registro y referencia que luego pueden ser
manipulados para una multitud de propsitos.
Una de las manipulaciones ms tiles es la produccin de resmenes y
grficos estadsticos de los datos por sub-grupos, por ejemplo las muestras
provenientes de distintos tipos de rocas u horizontes de suelos, si es que se
128
tom la precaucin de identificar y codificar cada tipo de muestra en el
banco de datos.
La comparacin de los valores promedio, las desviaciones estndar y las
varianzas por sub-grupos pueden ayudarnos a decidir si se deben usar o no
diferentes valores para el background y para el threshold en cada sub-
grupo o si este tratamiento no es necesario.
Si los datos dentro de los sub-grupos tienen aproximadamente una
distribucin normal o lognormal, las pruebas estadsticas pueden
ayudarnos a tomar estas decisiones, usando por ejemplo, la "prueba-t" para
examinar la significacin entre las diferencias de los valores de las medias,
o utilizar la "prueba-F" para las diferencias entre las varianzas.
Estas y otras pruebas fueron aplicadas a los datos de rocas y suelos del
Prospecto "Cuarzo", para ms detalles revisar el Captulo 6 "Tratamiento
Estadstico de Datos Geoqumicos".
Los mtodos estadsticos no paramtricos se aplican si la distribucin de
frecuencias es distintivamente no normal.
Los histogramas generados por computadora, exhiben el nmero de
muestras a varios niveles de concentracin, permitiendo la comparacin
visual de estos y pueden sugerir el valor del threshold, tal como se describe
en el Captulo 8, "Interpretacin Geoqumica".
Los programas de Hojas de Clculo son una magnfica herramienta para la
realizacin de los anlisis estadsticos y elaboracin de grficos de alta
calidad, estos programas constan de un arreglo de filas y columnas
etiquetadas con nmeros y letras, respectivamente, permitiendo identificar
a cada elemento de la hoja de clculo por medio de sus coordenadas
alfanumricas.
Los datos ingresados en una hoja de clculo pueden ser fcilmente
manipulados, permitiendo el uso de funciones para casi cualquier tipo de
clculo matemtico, trigonomtrico, financiero, etc. y por supuesto poseen
129
un grupo especial de funciones estadsticas que nos permiten hallar, entre
otros parmetros, la sumatoria, la media, la mediana, la desviacin
estndar, la varianza, las frecuencias, valores mximo y mnimo, etc.
A partir de estos resultados se pueden elaborar, dentro de la hoja de
clculo, grficos estadsticos como histogramas, curvas de frecuencia
acumulada, grficos probabilsticos, curvas de distribucin normal,
variogramas, etc.
Los datos geoqumicos pueden ser organizados en las hojas de clculo para
que los operaciones sean fciles de realizar y con los resultados obtenidos,
elaborar tablas y cuadros resumen que ayuden a la interpretacin de los
mismos.
A nuestra disposicin se encuentra una amplia variedad de hojas de
clculo, las ms conocidas y utilizadas son Lotus 1-2-3, Quattro Pro, MS-
Excel, etc. Las mejores, ms potentes y fciles de utilizar se encuentran en
ambiente Windows.
Los datos del Denuncio "Cuarzo" fueron ingresados en la hoja de clculo
MS-Excel en espaol versin 4.0 para Windows, la hoja fue organizada como
una base de datos para poder calcular los parmentros estadsticos de cada
uno de los sub-grupos, haciendo uso de las Funciones para Base de Datos
que vienen incluidas dentro del paquete.
Fue muy fcil transformar los valores en ppb de Au a logaritmos comunes y
naturales, para luego calcular los parmetros estadsticos - logartmicos y a
partir de estos calcular la media geomtrica o probar su lognormalidad.
Este programa tambin fue utilizado para confeccionar los histogramas,
curvas de distribucin, as como el grfico probabilstico que se ven en el
Captulo VI. Por ltimo, se implementaron, dentro de la hoja de clculo, las
frmulas que se detallan en el mismo captulo, con las que fue posible
realizar las pruebas F y t.
130
Todo este trabajo hubiera sido aun ms fcil de realizar, si se hubiera
contado con la nueva versin de Quattro Pro versin 5.0 para Windows, que
dentro de sus nuevas caractersticas cabe destacar el gran nmero de
funciones estadsticas, para el clculo de la moda, sesgo, curtosis,
percentiles, las pruebas t y F, ANVA, etc. siendo casi innecesario el uso de
programas estadsticos especializados.
7.4 Plan os y Seccion es Gen er ad os p or Comp u t ad or a.
Un mapa es una representacin bidimensional de un rea, usualmente un
rea geogrfica -un cuadrngulo, un distrito minero, un pas- y el mapa es
un mtodo para reducir relaciones espaciales de gran escala de tal forma
que puedan apreciarse fcilmente.
Aunque los gelogos estudian un mundo tridimensional, su visin de este
es fuertemente bidimensional, esto se refleja en parte en el hecho que la
tercera dimensin, la de la profundidad, a menudo slo es accesible como
una fraccin de la extensin de las otras dos dimensiones.
Las relaciones en los mapas estn expresadas casi siempre en trminos de
puntos localizados en el mapa, siendo de inters, la distancia entre los
puntos, la densidad de los puntos y los valores asignados a estos. La
mayora de los mapas son estimaciones de funciones continuas, basados en
observaciones discretas en puntos de control.
Con el advenimiento de la computadora, el trazado automtico de curvas
de nivel, que son la expresin de una superficie continua, se ha vuelto una
prctica comn, estos mtodos de contorneo por computadora, son
totalmente consistentes y proveen un equilibrio en la interpretacin del
mapa ya que se basan en medidas hechas en puntos de control y por que
estn libres de la subjetividad humana.
Esto es una caracterstica deseable cuando se trata del contorneo de mapas
geoqumicos, geofsicos o estructurales, en donde no se sabe si las
superficies contorneadas son continuas, ya que slo se le puede observar o
131
interpretar en los puntos de control, sin embargo, creemos que esta es
continua y estimamos su forma por los puntos de control, reconociendo
que la reconstruccin es inexacta y falta de detalle; al contrario cuando se
elaboran planos topogrficos, donde si se conoce la forma del terreno y es
el profesional el que le agrega el detalle a este tipo de planos, los mapas
topogrficos producidos por computadora, resultan carentes de los
pormenores y no reflejan todas las caractersticas de la superficie
contorneada.
Los planos y secciones que acompaan esta tesis han sido elaborados
usando tcnicas de contorneo automticas, que incluyen procedimientos de
interpolacin por mallas regulares y anlisis de superficies de tendencias.
Las herramientas utilizadas fueron el programa SURFER ver 4.1 (c) 1989 de
Golden Software, Inc. para el contorneo de los planos topogrficos,
geoqumicos, de tendencias y de residuos; en la preparacin de secciones y
perfiles topogrficos y geoqumicos se emple el programa GRAPHER
versin 1.75 (c) 1988 tambin de Golden Software, Inc..
Los clculos de los distintos grados de tendencias se realizaron aplicando
un pequeo programa escrito en FORTRAN que se incluye al final de este
captulo.
Los detalles finales y coloreo de los planos se hicieron utilizando el
programa de dibujo CorelDRAW! 4.0 para Windows (c) 1993 de Corel
Corporation, este es un excelente programa de dibujo que utiliza la
tecnologa de objetos y texturas fractales en la preparacin de sus dibujos,
es un programa bastante flexible y uno de los ms completos en el
mercado, por lo que tambin es algo complicado de utilizar y se requiere de
personal especializado y con cualidades artsticas.
7.4.1 Tcn icas de Con t or n eo por Compu t ador a.
El objetivo del contorneo de mapas es representar la forma de una
superficie. Un mapa de contornos o mapa de curvas isovalricas, es
132
un tipo de grfico tridimensional diagrama, representado en un
pedazo de papel bidimensional, donde X es el eje que se ubica a lo
ancho del papel, y Y es el eje que se ubica a lo largo de la pgina,
correspondiendo a las coordenadas geogrficas este-oeste y norte-
sur; Z que es la dimensin vertical, puede representar las elevaciones
sobre el nivel del mar, potencias, contenidos metlicos o cualquier
otra cantidad, que son representadas por medio de isolineas, lineas
de igual valor.
Las curvas de nivel, estrictamente hablando, son isolineas de
elevacin, que representan la superficie de la tierra el tope de una
formacin subterrnea.
Las lineas de contorno en un mapa, conectan puntos de igual valor y
el espacio entre dos lineas de contornos sucesivas contiene slo
puntos cuyos valores caen dentro del intervalo definido por las
lineas de contorno.
Las medidas dispersas de una superficie son hechas con un nmero
relativamente pequeo de puntos de control, tales como las
ubicaciones de pozos, puntos de disparos ssmicos, como en
nuestro caso, en las ubicaciones donde las muestras ensayadas
fueron tomadas.
El dibujo de un plano de curvas isovalricas o mapa de contornos
puede ser hecho a mano, como ha sido hecho por cientos de aos,
puede ser hecho por una computadora.
El dibujo de un mapa por computadora normalmente involucra un
paso intermedio, la construccin del modelo matemtico de la
superficie, que debe ser hecho antes que las lineas de contorno
mismas puedan ser construidas.
Un programa de contorneo por computadora traza las lineas de
contorno por medio de una relacin matemtica precisa basada en la
133
geometra de los puntos de control, al contrario un gelogo, no slo
contornea los puntos de control, sino tambin sus conceptos e ideas
acerca de como debera ser la superficie; si estas ideas preconcebidas
son realmente correctas, un profesional competente puede ser capaz
de crear un mapa superior al producto hecho por la computadora,
pero si las ideas preconcebidas del gelogo son erradas, su mapa
final probablemente contenga serios errores.
Todos los mapas tienden a ser muy parecidos en cerca de los
puntos de control, pero difieren radicalmente en las reas no
controladas, no as los mapas contorneados por la computadora que
coinciden casi exactamente con el promedio de los mapas
producidos manualmente, el programa de computadora se comporta
como un gelogo "promedio".
Uno de los argumentos ms fuertes para el contorneo de mapas por
computadora es que esta crea un modelo matemtico de la superficie
mapeada que tambin puede ser usada para otros propsitos, por
ejemplo, con los datos de la topografa y de los ensayes de oro del
Prospecto "Cuarzo", se elaboraron dos modelos matemticos, que
luego fueron usados para la elaboracin de perfiles topogrficos y
geoqumicos, mapas de tendencias superficiales y planos de
residuos, dndoles mltiples usos a los modelos matemticos
creados inicialmente.
Otras operaciones que pueden realizarse, son clculos de volmenes
debajo de la superficie, y varias operaciones superficie-superficie
tales como la creacin de ispacas (restando una superficie de otra).
Un programa de contorneo por computadora esta diseado para
mapear una superficie que se asume cumple con las siguiente
condiciones:
1. Un solo valor por punto.
134
2. Continuidad en cualquier parte del rea mapeada.
3. Autocorrelacionable sobre una distancia mayor que el
espaciamiento tpico entre los puntos de control.
Los procedimientos de contorneo automtico involucran
interpolacin entre puntos de control y extrapolacin ms alla de los
puntos de control.
Los programas de contorneo incorporan una suposicin de sentido
comn, de que el valor de una superficie en un punto esta ms
relacionado a los valores de los puntos cercanos y menos
relacionado a los valores en ubicaciones distantes.
Los principales procedimientos para el contorneo de curvas
isovalricas son: el contorneo por triangulacin y el contorneo por
enmallado.
7.1.4.1 Con t or n eo por Tr ian gu lacin .
En aos recientes los procedimientos de contorneo por
triangulacin han vuelto con fuerza, gracias al desarrollo de
algoritmos mejorados que producen redes casi ptimas en
la primer corrida.
Estas redes conocidas como Triangulaciones Delaunay,
son definidas nicamente por el conjunto de datos dado, en
las cuales los tringulos formados son lo ms equiangulares
que sea posible y los lados ms largos de los tringulos, son
lo ms cortos que sea pueda, esto significa que las
distancias ms grandes, sobre las cuales las interpolaciones
deben ser hechas para encontrar las curvas de nivel, son
ms pequeas que en otras redes de tringulos.
Esto se ha logrado gracias al empleo de tcnicas
geomtricas, como el polgono de Thiessen o el poliedro de
Voronoi.
135
Estos conceptos son muy sencillos de comprender, por
ejemplo, imaginemos una superficie de puntos dispersos,
en donde cada punto esta rodeado por un polgono
irregular de modo que cada ubicacin, dentro del polgono
esta ms cerca al punto A encerrado en el polgono, que a
cualquier otro punto (Figura 7.1), o que cada ubicacin
fuera del polgono esta ms cerca de algn otro punto, que
al punto A encerrado dentro del polgono.

A

Figu r a 7.1--Poligono de Thiessen (sombreado) alrrededor del punto A.
Todas las ubicaciones dentro del poligono estn ms cercanas a A que a
cualquier otro punto. (J .C. Davis 1986)
Esta es la divisin ms compacta del espacio disponible,
conjuntos de polgonos que tengan estas propiedades se
denominan p olgon os Th ies s en , Dir ich let , o Vor on oi y se
presentan en muy diversos campos.
Los gegrafos usan los polgonos de Thiessen para modelar
las zonas de influencia alrededor de las ciudades en
competencia, los metalurgistas modelan el crecimiento de
los cristales en fundidos que se van enfriando, por el
p olied r o Vor on oi, el equivalente tridimensionales de los
polgonos. Una masa de burbujas de jabn forma una red
fcilmente observable del poliedro de Voronoi.
136
Inmediatamente alrededor del polgono de Thiessen que
encierra un punto especfico A, estn otros polgonos
Thiessen, cada uno de los cuales encierra un slo punto,
estos puntos son conocido como "vecinos Thiessen" del
punto A, si estos puntos son conectados por lineas rectas,
el resultado es una red triangular Delaunay (Figura 7.2).

A

Figu r a 7.2--Red de triangulos Delaunay alrrededor del punto A. Todos los
puntos conectados son vecinos Thiessen de A. (J .C. Davis, 1986)
Ambos conjuntos, los polgonos de Thiessen y los
tringulos de Delaunay, son nicos para cualquier arreglo
de puntos. El proceso de triangulacin consiste en
determinar los vecinos Thiessen de los puntos sucesivos en
un mapa.
La red de tringulos as generada est conformada por
placas planas inclinadas, el siguiente paso es emplear un
procedimiento para suavizar estas placas, que puede ser
mediante el ajuste de una superficie de tendencia
polinomial de segundo grado que produzca domos en vez
de planos.
Esta ecuacin polinomial est definida por seis coeficientes,
lo que significa que la superficie ajustada pasa exactamente
a travs de estos puntos. Luego la ecuacin puede ser
137
evaluada para que encuentre una serie de puntos que
tengan una elevacin especfica, por ltimo estos puntos
son conectados para formar los contornos, que sern
curvas en vez de lneas rectas.
7.1.4.2 Con t or n eo por En mallado.
El enmallado es el proceso de determinar valores de la
superficie en un conjunto de ubicaciones que estn
ordenadas en un patrn regular, usualmente cuadrada, las
que cubren completamente el rea mapeada.
Generalmente, los valores de la superficie no se conocen en
estos puntos regularmente espaciados y deben ser
estimados a partir de puntos de control ubicados
irregularmente, donde si se conocen los valores de la
superficie. En el caso de prospecciones geoqumicas
orientadas las muestras son tomadas a intervalos
constantes formando una malla de puntos de control
regularmente espaciados, en casos como este, los procesos
de contorneo por enmallado, slo estimarn ubicaciones
intermedias para formar una malla ms fina.
Las ubicaciones donde los estimados son hechos se conocen
como "puntos de la red" o "nudos de la red".
En este procedimiento, primero se un construye un modelo
matemtico de la superficie, la cual tiene la forma de un
modelo de placas cuadradas inclinadas. En algoritmos
simples, estas placas son planas, en procedimientos ms
complejos estn curvados, y cada uno se dobla suavemente
hacia las placas adyacentes.
El modelo matemtico se construye por razones puramente
prcticas ya que es ms fcil dibujar lineas de contorno a
138
travs de una matriz de puntos espaciados regularmente
que dibujarlos a travs del patrn irregular de los puntos
originales.
Luego una lnea de contorno puede ser dibujada
simplemente trazndole el camino a la linea de un
cuadrado de la red al siguiente.
Los nudos de la red las ubicaciones intermedias donde los
valores de la superficie deben ser estimados, generalmente
estn ordenados en un patrn cuadrado de modo que la
distancia entre los nudos en una direccin es la misma que
la distancia entre ellos en direccin perpendicular.
El rea encerrada por cuatro puntos de la red se conoce
como celda de la red, si se elige un tamao muy grande
para la celdas de la red, el mapa resultante tendr pobre
resolucin y una apariencia tosca, pero puede ser calculada
rpidamente. Al contrario, si la celda de la red es pequea,
el mapa de contornos tendr una apariencia ms fina, pero
ser ms costosa de producir en tiempo de computacin.
Una vez que la red regular de valores estimados ha sido
construida, las lineas de contorno pueden ser rpidamente
unidas a travs de esta matriz numrica.
El enmallado el clculo de una matriz regular de valores
estimados involucra tres pasos esenciales:
1. Los puntos de control deben estar ordenados de acuerdo
a sus coordenadas geogrficas.
2. Una vez ordenados los puntos de control, los nudos de la
red son estimados haciendo una bsqueda hacia afuera
de los puntos que rodean los nudos de la red.
139
3. El programa debe estimar el valor del nudo de la red por
alguna funcin matemtica de los valor en estos puntos
vecinos.
7.4.1.3 Mt odos de En mallado.
En el clculo de las matrices numricas para el contorneo
de los planos topogrfico y geoqumico del Prospecto
"Cuarzo", se utiliz el programa de enmallado y contorneo
automtico SURFER en su versin 4.10 para ambiente DOS,
dentro del cual se pueden escoger entre tres mtodos de
interpolacin para el clculo de la matriz de puntos
regularmente espaciados, estos son:
1. Inverso de la distancia.
2. Kriging.
3. Curvatura Mnima.
El mtodo del In v er s o d e la Dis t an cia usa la tcnica de
promedios ponderados o pesados para interpolar los nudos
de la malla, donde los puntos ms alejados tienen menos
influencia sobre el punto que est siendo estimado. Los
pesos tambin pueden ser llevados a una potencia mayor
para incrementar el efecto de la funcin de pesado. La
potencia ponderada ms usada es el inverso de la distancia
al cuadrado. El proceso para el valor estimando de Z puede
ser expresado en una simple ecuacin:
( )
( )
=
=
=
n
i
i
i
n
i
i
i
d
I
d
Z
Z
1
2
1
2

donde Z es la distancia al punto ms cercano
d es la distancia y
n es el nmero de elementos Z
140
El Kr igin g usa la informacin del semivariograma (tcnica
geoestadsitica) para encontrar un grupo optimo de pesos
que son usados en la estimacin de la superficie en
ubicaciones no muestreadas. Ya que el semivariograma es
una funcin de la distancia, los pesos cambian de acuerdo
al orden geogrfico de las muestras. En teora ningn otro
mtodo de enmallado produce estimados ms exactos, en la
prctica la efectividad del Kriging depende de la apropiada
seleccin de varios parmetros.
El mtodo de Cu r v at u r a Mn ima, primero examina todo el
conjunto de datos y establece los nudos de la red ms
cercanos a los valores de los datos (o promedio de valores
de datos), as hace honor a estos.
Luego el mtodo aplica una ecuacin repetidamente a la
superficie, con cada aplicacin contada como una
interaccin. La ecuacin intenta suavizar la superficie
enmallada, cada elemento de la malla es recalculado hasta
que los sucesivos cambios en su valor sean menores que el
error absoluto mximo hasta que el nmero mximo de
interacciones haya sido alcanzado.
Este proceso comienza con una malla gruesa y es repetido
para afinarla los espacios ms y ms hasta que el
espaciamiento real de la malla sea alcanzado.
Valores razonables para el error absoluto mximo de la
curvatura mnima caen en el rango de 0.01 a 0.001 veces
del total del relieve de la superficie. Un error mximo
pequeo permisible resultar en superficies ms suavizadas
pero requiere de ms interacciones para producirla.
141
Puede que este procedimiento no de resultados
satisfactorios en mallas amplias o con datos "ruidosos". Si
el valor mximo es un valor razonable, considerando el
rango de los valores Z (altura o ensaye) y la precisin
requerida, y dada una buena distribucin de puntos,
entonces este es el mtodo ms rpido de los tres. Sin
embargo si los datos estn pobremente distribuidos, por
ejemplo, si no se dispone de datos en una gran subregin,
entonces los resultados para esta subregin pueden ser
muy pobres y el mtodo puede ser muy lento para
converger.
Este mtodo no deber ser utilizado en grandes regiones
sin datos, los resultados pueden ser impredecibles y debe
ser usado con precaucin si los datos son muy ruidosos.
Cada algoritmo tiene sus ventajas y desventajas, el Inverso
de la Distancia es ms rpido, pero el Kriging y la Curvatura
Mnima dan resultados ms precisos en la mayora de los
casos. Ya que tanto los mtodos de Kriging y Curvatura
Mnima proyectan tendencias, resultan ser menos aplicables
en reas con falta de datos siendo mejor en este caso
utilizar el mtodo del mtodo del Inverso de la Distancia.
De estos tres mtodos disponibles, el elegido para la
interpolacin de los datos topogrficos y geoqumicos del
Prospecto "Cuarzo" fue el Kriging, por ser el ms exacto, el
que mejor se presta tanto para datos regularmente
espaciados como los geoqumicos o para los irregularmente
espaciados como los topogrficos; el tiempo de
computacin que antes era un problema en
microcomputadoras basadas en el microprocesador Intel
142
8086, 8088 y an en el 80286 ya no es ningn problema en
maquinas rpidas basadas en el 80386, 80486 y mucho
menos si consideramos la nueva generacin de
microprocesadores para computadoras de escritorio como
el Pentium-5 de Intel o el Power-PC de IBM, que a diferencia
de los anteriores son microprocesadores multitarea.
No se utilizo el mtodo de Curvatura Mnima, sobretodo en
los datos geoqumicos porque estos son bastante
"ruidosos", es decir con cambios bruscos de valores, esto es
fcil de concebir si se toma en cuenta la distribucin
errtica del oro.
Los planos y superficies tridimensionales producidas por el
programa SURFER, fueron luego transferidos al programa
de dibujo CorelDRAW! 4.0, ambiente Windows, para su
posterior edicin y coloreo.
7.4.2 Su per ficies de Ten d en cia.
El anlisis de tendencias, en la profesin geolgica, es el nombre
para el mtodo matemtico que separa los datos de un mapa en dos
componentes, las de naturaleza regional de las fluctuaciones locales.
Esto ha sido hecho por aos, intuitiva o grficamente por los
geoqumicos que estn acostumbrados al concepto de "tendencias
regionales" y "anomalas locales".
Todas estas expresiones implican la conviccin de que cualquier
observacin dada es el resultado de dos fuerzas geolgicas o grupos
de fuerzas interactuantes, las cuales forman el marco geolgico
general o regional, estas originan pequeas reas locales que se
desvan del patrn regional.
143
Lo que consideremos como "regional" y "local" es mayormente
subjetivo y en parte depende del tamao de la regin que est siendo
examinada.
La disponibilidad de datos ejerce una real influencia sobre la
naturaleza de las tendencias regionales y las desviaciones locales,
por ejemplo, es infructuoso buscar el significado de caractersticas
locales cuyo tamao se sospecha es similar al espaciamiento entre
las muestras, tales caractersticas, si existen o no, simplemente no
pueden ser detectadas. La relacin entre el tamao de las
caractersticas detectables y el espaciamiento de los puntos puede
ser calculada para mallas regulares de puntos, pero no para puntos
distribuidos irregularmente, ya que esta situacin es menos tratable.
Para propsitos de ilustracin, consideremos el grupo de
observaciones en X y Y en la Figura 7.3a. Estos puntos pueden ser
separados en dos componentes "regional" y "local" por varios
mtodos. Supngase que decidimos que la tendencia regional tiene
la forma de una lnea recta que atraviesa los puntos de alguna
manera, de modo que los datos quedan separados por una lnea de
tendencia principal, representada por la lnea gruesa, y tres grandes
anomalas con una pequea anomala en el extremo izquierdo del
grupo de muestras (Figura 7.3b). Sin embargo, podemos decidir que
una funcin parablica representa mejor a la tendencia regional que
una lnea recta, en este caso podemos llegar a la separacin
mostrada en la Figura 7.3c. La tendencia parablica es muy diferente
a la mostrada en la Figura 7.2b y consecuentemente la distribucin
de las desviaciones es tambin diferente. Podemos postular an
formas ms complejas para la tendencia regional que dan como
resultado desviaciones cada vez ms pequeas, como la funcin
cbica ajustada a los datos de la Figura 7.3d. Eventualmente la
144
tendencia y las muestran coincidirn en un punto donde no haya
ms residuos, luego, por supuesto, no habr ninguna separacin de
los datos en componentes y el propsito del ejercicio queda
descartado.

Figu r a 7.3--Concepto de tendencia ilustrado en dos dimensiones. (a) Coleccin de los
puntos originales y la lnea en la cual caen. (b) Tendencia lineal ajustando a las
observaciones. (c) Tendencia Parablica. (d) Tendencia cbica. Las reas sombreadas
representan residuos positivos y negativos a partir de las tendencias. (J .C. Davis,
1973).
En este punto una pregunta obvia es cmo podemos separar los
datos objetivamente en dos componentes, si la definicin de los
componentes es enteramente subjetiva? esto puede ser hecho si en
vez de una definicin geolgica de tendencia y desviacin, usamos
una definicin operacional (matemtica) que especifique el mtodo
por el cual nuestros datos sern tratados.
Una tendencia puede ser definida como una funcin lineal de las
coordenadas geogrficas de un grupo de observaciones de modo que
las desviaciones al cuadrado de la tendencia sean minimizadas
(suavizadas). Las tres partes de esta definicin son:
145
1. Esta basado en coor d en ad as geogr ficas . Esto significa que una
observacin, ya sea la cota de un horizonte o la cantidad de oro
de una veta, es considerada como una funcin de la ubicacin de
la observacin.
2. La tendencia es una fu n cin lin eal. Es decir que tiene la forma de
Y=b1X1+b2X2+..., donde las b's son los coeficientes y las X's son
alguna combinacin de las coordenadas geogrficas. Esta
ecuacin dar valores de Y (Y estimado), las cuales son los
componentes de la tendencia de una observacin.
3. La funcin lineal especfica elegida para la tendencia debe
min imizar las d es v iacion es al cu ad r ad o de la tendencia. La suma
de las desviaciones al cuadrado de la media define la varianza de
la muestra. Si sustituimos "linea" o "plano" por media en la frase
anterior, veremos que la tendencia puede ser considerada como
una funcin que tiene la mnima varianza respecto a ella.
En realidad, un anlisis de tendencia es una adaptacin del campo
estadstico de la regresin mltiple y las tcnicas han sido copiadas
directamente de esta disciplina.
Las superficies de tendencias son una de las tcnicas de
suavizamiento usadas en los planos geoqumico que involucra la
aproximacin de los datos por una ecuacin en la cual Me, la
concentracin de un elemento, esta dada como una funcin de X y Y,
las coordenadas del punto. Polinomiales de la forma:
Me = a+bx+cy+dx
2
+exy+fy
2
+....
son comnmente las ecuacin ms usada, aunque pueden emplearse
muchas otras (Crain, 1970). Los valores numricos a,b,c, etc. son
elegidos para minimizar las diferencias al cuadrado entre las
concentraciones observadas y los valores calculados derivados de la
ecuacin.
146
El uso de slo los tres primeros trminos de la ecuacin, conduce a
una tendencia planar, el incremento del nmero de trminos lleva a
superficies curvadas de creciente complejidad.
Si la anomala ocupa una gran parte del rea del mapa, esta es
expresada en la tendencia; por el contrario si la anomala solo ocupa
una parte pequea del rea del mapa, esta se expresa mejor en los
residuos (desviaciones a partir de la tendencia).
En los ensayes por oro del Prospecto "Cuarzo" se determinaron
superficies de tendencias de primer, segundo, tercer y cuarto grado
para luego sustraerlas del plano geoqumico y a partir de la
examinacin de los planos de residuos determinar las reas ms
promisorias para una exploracin adicional.
Para el clculo de las tendencias se uso un programa escrito en
FORTRAN, modificado del libro "Statistics and Data Analysis in
Geology" de J . C. Davis (1973), que bsicamente consta de tres partes:
una rutina para generar la matriz de suma de potencias y productos
cruzados, otra rutina para la resolucin de ecuaciones simultneas o
inversin de matrices y un algoritmo para graficar la superficie de
tendencia. El programa TREND, (Programa 7.1) realiza un ajuste
polinomial de una superficie, del grado especificado, por mnimos
cuadrados a los datos ingresados como una matriz de 165 filas por 3
columnas que corresponden a las coordenadas arbitrarias X y Y; Z
est representado por los valores reportados de los ensayes de las
muestras del Prospecto "Cuarzo". Una vez que la ecuacin matricial
es creada, los coeficientes desconocidos son calculados por el
programa SLE (Simultaneous Ecuations), Programa 7.4. Luego la
ecuacin de mnimos cuadrados es usada para generar los valores de
la malla (el valor Z estimado) que corresponden a la superficie de
tendencia. Las desviaciones, que resultan de restar Z (las leyes de oro
147
en ppb) de los valores Z estimados (tendencia), pertenecen a la
superficie ajustada de los planos de residuos. Los datos iniciales, en
forma de matriz, son ledos por el programa READM (Programa 7.2);
los resultados son escritos, tambin como una matriz, por el
programa PRINTM (Programa 7.3). Los listados de todos estos
programas se incluyen al final de este captulo.
Como ejemplo, los valores estimados y las desviaciones para el
ajuste de una superficie de tendencia de segundo grado aplicado a
los ensayes por oro del Prospecto "Cuarzo" se listan en el Anexo III.
Slo se utilizaron las dos primeras partes de este programa, ya que
su rutina de contorneo es muy primitiva, los datos obtenidos luego
fueron pasados al programa SURFER para su respectivo contorneo y
luego al CorelDRAW! para su edicin. Con los datos de Z estimada y
de las desviaciones, se elaboraron los planos de superficies de
tendencias y de residuos, respectivamente.
148
C ************************************************************************
C PROGRAMA 7.1
C
C PROGRAMA TREND
C
C PROGRAMA PARA CALCULAR UNA SUPERFICIE DE TENDENCIA
C POLINOMIAL DE GRADO IORD.
C
C EL PROGRAMA LEE PRIMERO UNA TARJ ETA DE CONTROL EN LA QUE SE
C ESPECIFICA EL GRADO DESEADO Y LOS DIVERSOS PARAMETROS DEL
C MAPA. (LEER MAS ABAJ O PARA ESPECIFICACIONES DE LOS FORMATOS).
C
C LOS DATOS SON INGRESADOS USANDO LA SUBRUTINA READM.
C LA MATRIZ QUE CONTIENE LOS DATOS INICIALES ES DE N POR 3,
C DONDE N ES EL NUMERO DE OBSERVACIONES. LA PRIMERA COLUMNA
C CONTIENE LA COORDENADA X1 (ESTE-OESTE EN EL MAPA),
C LA SEGUNDA COLUMNACONTIENE LA COORDENADA X2 DE
C (NORTE-SUR EN EL MAPA), Y LA TERCERA COLUMNA CONTIENE LA
C VARIABLE DEPENDIENTE.
C
C LAS SUBRUTINAS NECESARIAS SON READM, PRINTM, Y SLE.
C
C **********************************************************************
C
DIMENSION A(15,15),B(15),C(15),DATA(200,5)
DIMENSION ICHAR(13),IOUT(100)
DATA ICHAR/ '3',' ','2',' ','1',' ','$',' ','A',' ','B',' ','C'/
ND=200
MM=15
C(1)=1.0
C
C LEE LA TARJ ETA DE CONTROL
C
C FORMATO DE LA TARJ ETA DE CONTROL
C
C COL 1- 3 ORDEN DE LA SUPERFICIE DE TENDENCIA
C COL 4-11 ANCHO DEL MAPA EN PULGADAS
C COL 12-19...............VALOR DE LA CURVA DE REFERENCIA ($)
C COL 20-27...................................... INTERVALO DE LAS CURVAS
C COL 28-35....X1 VALOR EN EL BORDE IZQUIERDO DEL MAPA
C COL 36-43...... X1 VALOR EN EL BORDE DERECHO DEL MAPA
C COL 44-51...... X2 VALOR EN EL BORDE INFERIOR DEL MAPA
C COL 52-59...... X2 VALOR EN EL BORDE SUPERIOR DEL MAPA
C
READ (5,1001) IORD,WIDTH,REFC,CINT,X1MIN,X1MAX,X2MIN,X2MAX
C
C LEE E IMPRIME LA MATRIZ CON LOS DATOS INICIALES
C
WRITE (6,2001)
CALL READM(DATA,N,M,ND,5)
CALL PRINTM(DATA,N,M,ND,5)
C
C CALCULA EL NUMERO DE COEFICIENTES
149
C
IORD2=(IORD+1)*(IORD+2)/ 2
C
C MATRIZ SLE CERO
C
DO 100 I=1,IORD2
B(I)=0.0
DO 100 J =1,IORD2
A(I,J )=0.0
100 CONTINUE
C
C CALCULA MATRIZ SLE
C
DO 101 I=1,N
J B=1
DO 102 J =1,IORD
DO 103 K=1,J
J B=J B+1
KB=J B-J
C(J B)=C(KB)*DATA(I,1)
103 CONTINUE
J B=J B+1
102 CONTINUE
DO 104 J =1,IORD2
B(J )=B(J )+C(J )*DATA(I,3)
DO 104 K=1,IORD2
A(J ,K)=A(J ,K)+C(J )*C(K)
104 CONTINUE
101 CONTINUE
C
C RESUELVE SLE
C
CALL SLE(A,B,IORD2,MM,1.0E-08)
C
C CALCULA VALOR ESTIMADO Y LA DESVIACION PARA CADA
C OBSERVACION
C
DO 105 I=1,N
J B=1
DO 106 J =1,IORD
DO 107 K=1,J
J B=J B+1
KB=J B-J
107 CONTINUE
J B=J B+1
106 CONTINUE
DATA(I,4)=0.0
DO 108 J =1,IORD2
DATA(I,4)=DATA(I,4)+B(J )*C(J )
108 CONTINUE
150
DATA(I,5)=DATA(I,3)-DATA(I,4)
105 CONTINUE
C
C IMPRIME X1, X2, Y, Y ESTIMADO, Y DESVIACION
C
ALL PRINTM(DATA,N,5,ND,5)
WRITE (6,2002)
C
C IMPRIME COEFICIENTES DE TENDENCIAS SUPERFICIALES
C
WRITE (6,2003)
CALL PRINTM(B,IORD2,1,MM,1)
C
C CALCULA LAS MEDIDAS DEL ERROR
C
SY=0.0
SYY=0.0
SYC=0.0
SYYC=0.0
DO 111 I=1,N
SY=SY+DATA(I,3)
SYY=SYY+DATA(I,3)**2
SYC=SYC+DATA(I,4)
SYYC=SYYC+DATA(I,4)**2
111 CONTINUE
SST=SYY-SY*SY/ FLOAT(N)
SSR=SYYC-SYC*SYC/ FLOAT(N)
SSD=SST-SSR
NDF1=IORD2-1
AMSR=SSR/ FLOAT(NDF1)
NDF2=N-IORD2
AMSD=SSD/ FLOAT(NDF2)
R2=SSR/ SST
R=SQRT(R2)
F=AMSR/ AMSD
NDF3=N-1
C
C IMPRIME LAS MEDIDAS DEL ERROR
C
WRITE (6,2004)
WRITE (6,2005) SSR,NDF1,AMSR,F
WRITE (6,2006) SSD,NDF2,AMSD
WRITE (6,2007) SST,NDF3
WRITE (6,2008) R2,R
C
C CALCULA EL TAMAO DEL MAPA Y LOS PARAMETROS DE LA ESCALA
C
IW=WIDTH*10.0
IH=WIDTH*6.0*(X2MAX-X2MIN)/ (X1MAX-X1MIN)
DX1=(X1MAX-X1MIN)/ FLOAT(IW-1)
DX2=(X2MAX-X2MIN)/ FLOAT(IH-1)
C
C CALCULA E IMPRIME EL MAPA UNA LINEA A LA VEZ
151
C
WRITE(6,2009)
X2=X2MAX
DO 121 I=1,IH
X1=X1MIN
DO 122 J =1,IW
J B=1
DO 124 K=1,IORD
DO 125 L=1,K
J B=J B+1
KB=J B-K
C(J B)=C(KB)*X1
125 CONTINUE
J B=J B+1
C(J B)=C(KB)*X2
124 CONTINUE
Y=0.0
DO 126 K=1,IORD2
Y=Y+B(K)*C(K)
126 CONTINUE
IY=((Y-REFC)/ CINT)+7.005
IF (IY .LT. 1) IY=2
IF (IY .GT. 13) IY=2
IOUT(J )=ICHAR(IY)
X1=X1+DX1
122 CONTINUE
WRITE (6,2010) (IOUT(J ),J =1,IW)
X2=X2-DX2
121 CONTINUE
WRITE (6,2012) REFC,CINT
WRITE (6,2011) IORD
1001 FORMAT (I3,7F8.4)
2001 FORMAT (/ / ,4X,'MATRIZ CON LOS DATOS INICIALES-',1X,
1 'COLUMNAS = VARIABLES FILAS = OBSERVACONES')
2002 FORMAT (/ / ,4X,'COLUMNA 1 =X1, COLUMNA 2 =X2,',1X,
2 'COLUMNA 3 =Y, COLUMNA 4 =Y ESTIMADA, COLUMN 5 =DEVIACION')
2003 FORMAT (/ / ,4X,'COEFICIENTES DE LA SUPERFICIE DE TENDENCIA',3X,
1 '1 =TERMMINO CONSTANTE')
2004 FORMAT (/ / ,4X,'FUENTE DE ',13X, 'SUMA DE GRADOS DE MEDIA AL',/ / ,
1 4X VARIACION,13X,'CUADRADOS LIBERTAD CUADRADO PRUEBA-F',/ ,
2 4X,64(1H-))
2005 FORMAT (4X,'REGRESION',11X,F10.2,I8,2X,F10.2,/ ,51X,F10.4)
2006 FORMAT (4X'DEVIACION',11X,F10.2,I8,2X,F10.2)
2007 FORMAT (4X,'VARIAION TOTAL',5X,F10.2,I8)
2008 FORMAT (4X'BONDAD DE AJ USTE = ',F10.4,/ ,
1 4X,'COEFICIENTE DE CORRELACION =',F10.4)
2009 FORMAT (1H1)
2010 FORMAT (4X,100A1)
2011 FORMAT (/ ,4X,'MAPA DE UNS SUPERFICIE DE TENDENCIA DE GRADO',I2)
2012 FORMAT (/ ,4X,'CURVA DE REFERENCIA =',F10.4,3X,
1 'INTERVALO ENTRE CURVAS' =',F10.4)
END
C
152
C ************************************************************************
C
C PROGRAMA 7.2
C
C SUBRUTINA PARA LEER UNA MATRIZ
C DE N FILAS POR M COLUMNAS
SUBROUTINE READM(DATA,N,M,N1,M1)
DIMENSION DATA(N1,M1)
C LEER EL TAMAO DE LA MATRIZ
READ (5,1000) N,M
C LEE EN LA MATRIZ UNA FILA A LA VEZ
DO 100 I=1,N
READ (5,1001) (DATA(I,J ),J =1,M)
100 CONTINUE
RETURN
1000 FORMAT (2I4)
1001 FORMAT (165(3F8.0)
END
C
C ************************************************************************
C PROGRAMA 7.3
C
C SUBRUTINA PARA IMPRIMIR UNA MATRIZ
C DE N FILAS POR M COLUMNAS
C
SUBROUTINE PRINTM(A,N,M,N1,M1)
DIMENSION A(N1,M1)
C IMPRIME LA MATRIZ EN TIRAS DE 10 COLUMNAS.
DO 100 IB=1,M,10
IE=IB+9
IF (IE-M) 2,2,1
1 IE=M
C IMPRIME EL ENCABEZADO
2 WRITE (6,2000) (I,I=IB,IE)
DO 101 J =1,N
C IMPRIME FILAS DE LA MATRIZ
WRITE (6,2001) J ,(A(J ,K),K=IB,IE)
101 CONTINUE
100 CONTINUE
RETURN
2000 FORMAT (1H1,1X,10I12)
2001 FORMAT (1H0,I5,10F12.4)
END
C
C ************************************************************************
C
C PROGRAMA 7.4
C
C SUBRUTINA PARA LA SOLUCION DE N ECUACIONES SIMULTANEAS.
C LA MATRIZ A ES N POR N Y B ES LA COLUMNA VECTOR DE N
C ELEMENTOS.
C LA MATRIZ A ES COVERTIDO A UNA MATRIZ IDENTIDAD.
C LA MATRIZ B CONTIENE LA SOLUCION.
153
C
SUBROUTINE SLE(A,B,N,N1,ZERO)
DIMENSION A(N1,N1),B(N1)
DO 100 I=1,N
DIV=A(I,I)
IF (ABS(DIV)-ZERO) 99,99,1
1 DO 101 J =1,N
A(I,J )=A(I,J )/ DIV
101 CONTINUE
B(I)=B(I)/ DIV
DO 102 J =1,N
IF (I-J ) 2,102,2
2 RATIO=A(J ,I)
DO 103 K=1,N
A(J ,K)=A(J ,K)-RATIO*A(I,K)
103 CONTINUE
B(J )=B(J )-RATIO*B(I)
102 CONTINUE
100 CONTINUE
RETURN
99 CONTINUE
END
C ************************************************************************

154

CAPTULO VIII

8 INTERPRETACIN GEOQUMICA.
La finalidad bsica de una exploracin geoqumica es la bsqueda de reas
anmalas y su relacin con depsitos minerales de importancia econmica.
Los resultados geoqumicos obtenidos y su interpretacin dan una idea
muy clara acerca del rea estudiada.
En trminos generales la interpretacin de los datos geoqumicos para la
determinacin de anomalas epigenticas (de difusin e infiltracin) en
rocas, que es el caso que nos ocupa, involucran cuatro aspectos principales,
que son:
1. Estimacin de los valores del background y del threshold.
2. Distincin entre anomalas significativas y anomalas no-significativas.
3. La relacin de las anomalas con la ubicacin de la posible
mineralizacin.
4. La evaluacin de la importancia de las anomalas en trminos de su
posible mineralizacin, con miras a seleccionar aquellas que ameriten
una futura investigacin.
La interpretacin comienza con el arribo de los resultados de los anlisis
del laboratorio, con estos se preparan histogramas y grficos
probabilsticos de modo que los datos queden representados de la mejor
manera para describir la distribucin de los elementos traza sobre la
155
propiedad. Los intervalos de clase y las escalas se seleccionan para que
produzcan distribuciones normales o log-normales, luego los valores ms
altos son removidos eliminando su influencia sobre la forma del
histograma de frecuencias.
Seguidamente se preparan los planos de curvas isovalricas eligiendo una
equidistancia entre curvas de modo que pueda diferenciarse claramente las
poblaciones mltiples.
La subdivisin de los datos en "unidades geoqumicas", en base a
distintivos factores geolgicos, como la litologa o cobertura, conduce a la
interpretacin de una segunda generacin de histogramas y grficos
probabilsticos para cada sub-grupo.
Esto puede ser repetido las veces que sea necesario para eliminar los
innatos patrones regionales y concentrarnos en las caractersticas
geoqumicas locales.
Una vez que se encuentra un rea anmala, existen tres posibilidades que
deben tenerse en cuenta al evaluar la anomala, estas son:
1. Que est genticamente relacionada a un depsito mineral.
2. Que est genticamente relacionada a concentraciones subeconmicas
de minerales, por ejemplo grandes depsitos de baja ley (depsitos
porfirticos o diseminados de oro).
3. Que se deba a concentraciones de elementos que son el resultado de
una combinacin de factores tales como falsas anomalas, errores
analticos, de muestreo, contaminacin, etc.
8.2 Es t imacin d el Backgr ou n d y d el Th r es h old .
En este acpite se discuten los principios generales para el reconocimiento
de anomalas usando los valores del background y del threshold.
8.2.1 Backgr ou n d .
La abundancia normal de un elemento en terrenos no mineralizados
se conoce comnmente como background; para cualquier elemento
156
en particular, es probable que la abundancia normal de este difiera
considerablemente de un material a otro, adems la distribucin de
un elemento en cualquier material terrestre es raramente uniforme,
as que es ms realstico considerar el background como un rango y
no como un valor absoluto, con todo la naturaleza del
medioambiente por si sola, puede tener una marcada influencia
sobre la distribucin, ya que bajo ciertas condiciones algunos
elementos pueden ser enriquecidos (p. ej. el oro en ambientes
oxidantes) y otros empobrecidos, consecuentemente cualquiera que
sea el tipo de material muestreado, debe determinarse el rango de
valores del background o por lo menos reconsiderarse cuando se
estudie cualquier rea nueva.
El background es definido como el rango de concentracin normal
de un elemento en una determinada rea, excluyendo las muestras
mineralizadas. Es obvio que antes de que puedan reconocerse
condiciones anmalas dentro de esta rea, es necesario establecer
los valores del background contra los cuales puedan ser
comparados.
Los valores del background deben de ser establecidos para cada
elemento, para cada rea y para cada tipo de material sea este roca,
suelo, sedimento o agua, si es que la diferencia de sus medias o
varianzas son significativas.-
Para determinar el valor del background en cualquier rea, deben
analizarse un gran nmero muestras de los materiales que son
usados en la prospeccin geoqumica, estos pueden ser rocas,
suelos, sedimentos, aguas, etc. obviamente los materiales
mineralizados deben de ser excluidos o al menos considerados
separadamente.
157
Aunque el rango de valores obtenidos en el anlisis de un gran
nmero muestras es grande los valores que ocurren ms
frecuentemente tienden a encontrarse dentro de un rango
relativamente restringido, este rango o valor modal es generalmente
considerado como la abundancia normal o valor del background para
un elemento particular, en un especfico tipo de roca (sedimento,
suelo o agua) y dentro de un rea determinada.
El rango de valores del background para las muestras el Prospecto
"Cuarzo" fue entre 300 a 500 ppb estimado por varios mtodos,
como de detalla ms adelante en este mismo captulo bajo el ttulo
de "Principios de Interpretacin".
8.2.2 Th r es h old.
El threshold es la concentracin de un elemento indicador arriba de
la cual una muestra es considerada anmala; en el caso ms simple,
el threshold es el lmite superior de las fluctuaciones normales del
background, en casos ms complejos pueden ser reconocidos dos o
ms tipos de valores threshold.
El reconocimiento de los threshold locales y regionales puede ser
extremadamente importante en la prospeccin ya que puede ser
posible limitar la bsqueda detallada de anomalas pico a los planos
de valores altos, definidos por muestreos regionales preliminares
ampliamente espaciados.
En cualquier caso, el threshold es establecido a un nivel que es el
ms conveniente y eficiente para detectar y delimitar una zona
mineralizada.
Los valores mayores que el threshold son considerados anmalos y
merecedores de un cuidadoso escrutinio; un anlisis estadstico de
todos los datos muestreados permite que el threshold sea definido
con mayor precisin.
158
En las reas mineralizadas aparentemente existen dos valores para el
background y por lo tanto tambin dos valores para el threshold, que
son:
1 El t h r es h old r egion al, el cual se basa en el background normal o
regional y
2 El t h r es h old local, el cual est relacionado con el background
local.
Los background locales dan altos valores y generalmente estn en la
vecindad de los halos de dispersin primaria de los cuerpos
mineralizados (los background locales negativos generalmente no
son considerados en la exploracin geoqumica).
La definicin de thresholds locales y la distincin entre thresholds
regionales y locales son de gran importancia en el planeamiento e
interpretacin de prospecciones geoqumicas; las prospecciones
orientadas son las ms convenientes para la determinacin de estos
valores.
Para los valores reportados del Prospecto "Cuarzo" se consideran
anmalos las leyes arriba de 500 ppb de Au, que es el threshold
establecido por los procedimientos descritos ms adelante.
8.3 Plan os Geoq u micos .
Los datos obtenidos en una exploracin geoqumica son generalmente
presentados como mapas o diagramas; estos mtodos ayudan al
geoqumico en la interpretacin de los datos y al mismo tiempo
proporcionan un medio de representacin grfica visual y rpida de las
reas de inters.
Las curvas de igual contenido metlico son llamadas is ov alr icas . Es usual
que la primera curva isovalrica del plano tenga el mismo valor que el
threshold o como en nuestro caso el lmite inferior del background, las
siguientes curvas se establecern a equidistancias conveniente para
159
apreciar mejor las zonas anmalas dentro de la propiedad, luego los
valores por debajo del background o del threshold se blanquean, Figura
8.2.
Este mismo procedimiento se ha aplicado a los planos de residuos, solo que
en este caso se ha tomado como primera curva isovalrica a la curva del "0"
y nicamente se han contorneado los residuos positivos, Figuras 8.6, 8.9,
8.12 y 8.15.
De modo general, las curvas isovalricas slo debern emplearse en donde
las anomalas sean homogneas y donde exista la adecuada cantidad de
datos para asegurar la validez de las curvas; es especialmente importante
evitar curvas cerradas en los bordes del rea muestreada, ya que
importantes extensiones de las anomalas pueden ser omitidas de este
modo.
Estos mapas pueden ser convenientemente preparados por mtodos
computarizados como los descritos en el Captulo VII "Aplicacin de los
Mtodos Computarizados.
Es provechoso para facilitar la interpretacin la preparacin de otros
planos, en la misma escala, como son el geolgico (Figura 3.2), topogrfico
(Figura 2.1) y de muestreo (Figura 8,1), estos deben de ser trasparentes para
que puedan superponerse y apreciar as todas sus caractersticas en
conjunto de modo que ayuden en la interpretacin.
Los datos tambin pueden ser graficados como perfiles, los cuales tienen la
ventaja de mostrar la distribucin del elemento a lo largo de simples lneas
siguiendo una direccin, que luego pueden ser comparados con perfiles
topogrfico-geolgicos, que siguen la misma direccin, este procedimiento
tambin ayuda a la interpretacin. Figuras 8.21 a 8.24.
La naturaleza errtica de los contenidos de oro en las rocas hace necesaria
el uso de tcnicas de suavizamiento en la elaboracin de planos por
computadora, tales como las superficies de tendencias de 1er, 2do, 3er,
160
4to, etc. Si las muestras estn lo suficientemente cerca unas de otras, las
tendencias y anomalas reconocibles en los datos suavizados son ms
confiables que en los datos originales sin suavizar. Figuras 8.5, 8.8, 8.11 y
8.14, para las superficies de tendencia de primer, segundo, tercer y cuarto
orden, respectivamente.
Dos clases de planos se preparan comnmente en el curso del registro e
interpretacin de los datos de una prospeccin geoqumica, uno de ellos es
el plano de datos o de muestreo (Figura 8.1), el cual es simplemente un
vehculo para los datos qumicos, el otro es un plano de interpretacin
(Figura 8.2) el cual implica algn grado de generalizacin grfica de los
datos.
El propsito del plano de muestreo es registrar las observaciones reales y
mostrar su relacin con las caractersticas geolgicas, topogrficas, de
drenaje y con las posibles fuentes de contaminacin, donde esto no pueda
ser hecho en una simple hoja sin causar congestin, deben prepararse una
serie de planos trasparentes y superponibles, puesto que los planos deben
presentar los datos objetivamente y por completo, todos los puntos
muestreados y los valores analticos reales obtenidos debern darse junto
con los otros datos de la Tabla 8.1.

Tabla 8.1--Lista con la informacin que deben contener los mapas geoqumicos.
(A.W. Rose et al., 1979).
Esencial
1) Elemento analizado y unidades (ppm, ppb, %).
2) Mtodo analtico (al fuego, descomposicin, AA, EE).
3) Tipo de muestras (roca, suelo, sedimento).
4) Ubicacin de las muestras, con puntos u otros smbolos.
5) Resultados analticos, graficados numricamente en cada punto con la
ubicacin de la muestra.
6) Escala grfica o numrica y flecha indicando el norte.
7) Ubicacin de la prospeccin (paraje, distrito, provincia, departamento).
8) Fecha.

Deseable (pueden estar en hojas separadas a la misma
escala).
1) Topografa o forma de las lneas para facilitar la interpretacin.
2) Drenaje, ros, lagos, pantanos, etc.
161

3) Geologa.
4) Posibles fuentes de contaminacin.
5) Evidencias de mineralizacin, incluidos afloramientos, cateos,
bocaminas, huecos de perforacin y anomalas geofsicas.
6) Plano de curvas isovalricas de los datos geoqumicos o plano de
smbolos en los que se distingan los diferentes rangos de
concentracin.
7) Nombres de los muestreros, analistas y del supervisor.
8) En reas glaciales direccin del movimiento del hielo y la direccin
prevaleciente del viento en climas ridos.
Si el muestreo fue satisfactorio y no es una fuente mayor de variabilidad,
los mapas geoqumicos son examinados en busca de evidencias de
controles regionales sobre los niveles de contenido metlico ejercidos por
la geologa subyacente o por distintos tipos de cobertura, la asociacin con
esta ltima debe ser evidente si comparamos los resultados geoqumicos
con la informacin topogrfica y las notas de campo.
Del proceso de seleccin de un adecuado intervalo entre las curvas
isovalricas, puede resultar un patrn de pequeas zonas con valores altos
y bajos, dispersas por toda el rea prospectada, esto puede ser indicativo
de:
1. Falta de condiciones anmalas en los datos.
2. Que el intervalo elegido no es el apropiado para la distribucin de los
datos.
3. Mtodos deficientes en la recoleccin de las muestras.
8.4 Pr in cipios de In t er p r et acin .
La efectiva interpretacin de datos geoqumicos implica la consideracin de
que los datos recolectados en una prospeccin constituyan poblaciones
mltiples.
La poblacin de muestras que constituyen el background y que tengan una
distribucin log-normal, pueden constituir una poblacin.
Las muestras cercanas a la mineralizacin y afectadas por la dispersin que
envuelve a la mena pueden ser consideradas como una segunda poblacin.
162
Las muestras relacionadas a ciertos tipos de rocas o aspectos inusuales del
medioambiente pueden definir poblaciones adicionales.
Las muestras relacionadas con la mineralizacin frecuentemente tienen
una distribucin de frecuencias log-normal pero con una media ms alta y
diferente desviacin estndar que las muestras que conforman el
background.
Las poblaciones del background y de la mineralizacin comnmente se
superponen (traslapan), de modo que es imposible una discriminacin
completamente satisfactoria entre las muestras del background y las
relacionadas con la mineralizacin, como puede verse en el Histograma de
Frecuencias (Figura 6.4) preparado para las muestras del Prospecto
"Cuarzo", donde estn sealadas dos posibles poblaciones, con una lnea de
color gris ajustada a mano, que representaran a la poblacin del
background y a la poblacin asociada a la mineralizacin.
Si se quiere que la prospeccin sea exitosa, por lo menos algunas de las
muestras cercanas a la mena deben contener valores anmalos que puedan
ser distinguidos de la poblacin del background con moderada a alta
probabilidad.
Si se elige un valor demasiado alto para el threshold algunos cuerpos
mineralizados sern omitidos, por el contrario si se toma un valor
demasiado bajo, se gastar tiempo y dinero en reconocer anomalas no
significativas. Cuanto ms se superpongan y cuanto ms numerosas sean
las poblaciones individuales dentro de las muestras, mayor ser la
dificultad en seleccionar un threshold efectivo.
Pueden usarse varios mtodos para separar las muestras anmalas de las
del background, estos mtodos dependen de la cantidad de datos,
propsito de la exploracin, conocimiento cabal del rea explorada y
consecuencias econmicas de la seleccin.
Los mtodos para la seleccin de un threshold incluyen:
163
1. Comparacin con los datos de la literatura.
2. Discriminacin grfica de los muchos valores del background a partir de
porciones ms pequeas de valores anmalos, eligiendo un intervalo
alto o el segundo pico del histograma de frecuencias.
3. Calculando el threshold a partir de la media ms 1, 2 3 desviaciones
estndar.
4. Graficando la curva de frecuencia acumulada sobre papel probabilstico
- logartmico y dividindolo en poblaciones anmala y background.
5. Reconociendo grupos de muestras anmalas cuando los datos son
graficados sobre un mapa.
6. Comparando con los resultados de una exploracin orientada.
Adems pueden utilizarse combinaciones de estos mtodos y versiones
ms complejas que involucran el tratamiento estadstico o el uso de
variables mltiples. A continuacin se desarrolla cada uno de estos
mtodos.
8.4.1 Compar acin con los Dat os de la Lit er at u r a.
El mtodo ms simple, til solo si se dispone de pocos anlisis en
una nueva rea, es la simple comparacin con los datos existentes en
la literatura del contenido del elemento indicador en materiales
similares.
Las muestras consideradas anmalas sobre la base de este criterio,
pueden resultar valiosas en estudios posteriores, en muestreos y en
las etapas subsiguientes a la exploracin, sin embargo debe tenerse
en cuenta las caractersticas inusuales del medioambiente
geoqumico o geolgico. Las conclusiones de este procedimiento tan
simple deben considerarse como preliminares y muy tentativas.
El contenido promedio de Au en rocas gneas de composicin
intermedia es de 7.5 ppb, si se compara este valor con la media de
las 165 muestras analizadas del Prospecto "Cuarzo", que es de 333
164
ppb se observa que este ltimo valor es 44 veces mayor, por lo que
toda el rea prospectada sera considerada como anmala frente a
este valor.
Las concentraciones anormales de oro en estas rocas pueden tener
un doble origen, los valores ms bajos en el rango de 50 a 500 ppb
tienen un probable origen primario o singentico y las leyes mayores
a 500 ppb son de naturaleza secundaria o epigentica, generadas por
fenmenos de difusin y dispersin de soluciones hidrotermales en
las rocas encajonantes, controladas por el fracturamiento y
porosidad de estas, as mismo las soluciones hidrotermales pueden
haberse enriquecido en oro singentico al ser removilizado de las
rocas husped y dar origen a estructuras mineralizadas.
8.4.2 Us o del His t ogr ama de Fr ecu en cias .
Si se dispone de un nmero de anlisis limitado para un rea, el
primer paso es graficar un histograma (Tabla 6.3, Figura 6.4), que
muestre la frecuencia de los valores en clases sucesivas (pequeos
rangos de concentracin), los intervalos de clase deben de ser
seleccionados de modo que den de 10 a 20 clases (Lepeltier, 1969),
de preferencia con un mnimo de 5 muestras en la mayora de las
clases para minimizar las fluctuaciones estadsticas.
El examen de un histograma generalmente muestra un gran pico que
representa el background ms un residuo o segundo pico de valores
altos (Figura 6.4); se pueden realizar figuras ms simtricas si los
datos son convertidos a logaritmos (Figura 6.7).
Como una primera aproximacin al valor del threshold, puede
utilizarse un valor cercano al lmite superior del gran pico del
background, pero debe de comprobarse con alguno de los mtodos
que a continuacin se describen, antes de establecer este valor.
165
El histograma preparado para las muestras del Denuncio "Cuarzo"
muestra la frecuencia de los valores en 10 intervalos de clases
sucesivos, el examen de este muestra tres grandes picos, que
corresponden a su vez a tres poblaciones de datos, la primera con
valores inferiores al background, la segunda poblacin corresponde a
los valores del background y la tercera a la poblacin mineral.
El intervalo de clase para este histograma fue de 77 ppb,
considerando valores aproximados a los picos altos, el rango del
background estara entre 300 y 500 ppb; la poblacin anmala la
conforman los valores mayores de 500 ppb el que sera el valor del
threshold, las leyes inferiores a 300 ppb se consideran como la
poblacin singentica.
8.4.3 Us o de la Media y de la Des v iacin Es t n d ar .
Una modificacin de este procedimiento es asumir un threshold a un
nmero especfico de desviaciones estndar arriba de la media, este
procedimiento es til en las etapas iniciales de grandes
exploraciones para grupos de datos que tienen aproximadamente,
una distribucin normal y que parecen contener muy pocas
anomalas significativas, como ocurre en muchos reconocimientos
geoqumicos.
Para una poblacin de este tipo, normalmente distribuida, el 2.5%de
las muestras con concentraciones mayores que la media ms 2
desviaciones estndar, incluyen a la mayora de las anomalas
significativas y slo una pequea proporcin de la poblacin
background. Sin embargo, como lo seala Cachau-Herreillat (1975),
ya que slo se consideran las caractersticas de la poblacin
background, la seleccin de 2 o 3 desviaciones estndar es arbitraria
y no tiene una aplicacin general; este mtodo no es apropiado para
exploraciones detalladas, en las cuales es probable que una
166
apreciable proporcin de las muestras est relacionada con la
mineralizacin, como es el caso de las muestras recolectadas en el
Prospecto "Cuarzo", en el que el valor del background es
aproximado a la media de todas las muestras, que es de 333 ppb y el
valor del threshold sera igual a la media ms una desviacin
estndar (x + ) 333 + 212 = 545 ppb, esta ltima estimacin estara
corroborando la eleccin de estos valores para el background y el
threshold.
8.4.4 Us o d el Pap el Pr obabils t ico.
Un cuarto mtodo para la determinacin del threshold utiliza un
grfico de la distribucin de frecuencia acumulada sobre papel
probabilstico, como lo indican Tennant y White (1959), el grfico
resultante es dividido en dos o ms poblaciones que representan el
background, las anomalas y otros efectos geoqumicos, tal como lo
describe Sinclair (1974, 1976, 1986).
De preferencia los porcentajes en cada clase son acumulados
sucesivamente de la clase ms alta a la ms baja para dar ms
nfasis a los valores altos (Lepertier, 1969). La escala del porcentaje
acumulado sobre el papel probabilstico est graduada de modo que
el grfico de la distribucin sea una lnea recta.
Un grfico de la mezcla de las dos poblaciones mostrar segmentos
lineales cercanos separados por una curva que contiene un punto de
inflexin, las distribuciones log-normal producen un grfico similar
si se usa una escala logartmica para la concentracin o si los datos
son transformados a logaritmos antes de que sean graficados sobre
una escala aritmtica; el resultado de la combinacin de dos
poblaciones log-normales es una curva en forma de z alargada
(Figura 6.12), el punto de inflexin da un estimado de la proporcin
de cada una de las poblaciones en la mezcla, por ejemplo en la
167
Figura 6.12 se muestran proporciones de 40%y 60%sealadas por el
punto de inflexin, luego la curva puede ser dividida en dos curvas
siguiendo el procedimiento descrito en la Tabla 6.6 (Sinclair, 1974,
1976).
Si se asume que la divisin de la distribucin de frecuencias en
poblaciones background y anmala es correcta, pueden evaluarse las
consecuencias de elegir varios valores para el threshold, por ejemplo
seleccionando un valor para el threshold de 500 ppb (2.67 log ppb),
el 85% de las muestras relacionadas con la mineralizacin son
correctamente identificadas como anmalas significativas y slo se
excluye el 15% de las mismas. El proceso de separacin de dos
poblaciones que se cruzan, como en la muestras del Prospecto
"Cuarzo", es ms laborioso ya que esto se interpreta como que una
poblacin est totalmente incluida dentro de la otra.
Ya que los costos de un trabajo posterior de exploracin detallado
son relativamente pequeos comparados con el valor de un depsito
mineral, el threshold en los trabajos geoqumicos generalmente se
coloca de modo que todas las anomalas cercanas relacionadas con la
mineralizacin, sean reconocidas correctamente, sin embargo las
consecuencias econmicas y otras que pueda tener esta decisin
deben ser cuidadosamente consideradas en cada caso especfico.
8.4.5 Us o de Plan os Geoq u micos .
Un quinto mtodo para seleccionar el valor del threshold consiste en
graficar los datos sobre un plano y trazar curvas isovalricas o de lo
contrario separar los valores altos de los valores bajos
Ya que los agrupamientos de valores altos tienen escasa
probabilidad de presentarse al azar estos pueden reflejar un rea
mineralizada; aumentando y disminuyendo el valor del threshold,
frecuentemente puede encontrarse un estrecho margen en el cual
168
las reas anmalas pasan de uno o pocos grupos de muestras a una
gran dispersin de valores anmalos aislados, por esto el valor del
threshold debe establecerse de modo que seale el mayor nmero
posible de grupos sin producir gran nmero de picos aislados, este
mtodo debe ser complementado con cuidadosas consideraciones
sobre la distribucin de las ocurrencias de mineral conocidas, tipos
de rocas y ambientes geoqumicos; el mtodo es ms aplicable a
prospecciones de moderado detalle ms no as a la mayora de
reconocimientos preliminares.
8.4.6 Us o d e Th r es h old s Hallad os en r eas Similar es
Un sexto mtodo para determinar el threshold es slo aplicable si
una prospeccin orientada se realiza sobre ocurrencias de mineral
conocidas en un ambiente geolgico y geoqumico similar, as como
para cualquier rea o tipo nuevo de prospeccin, en esta caso el
threshold se establecer a un valor inferior al del contenido del
elemento indicador en la mayora o en todas las muestras asociadas
con la mineralizacin.
El mejor medio para la confeccin de planos geoqumicos es la
computadora, ya que esta produce estimaciones libres de la
subjetividad humana, en la Figura 8.2 se ve el Plano de Anomalas
Geoqumicas para los ensayes del Denuncio "Cuarzo", es evidente
que la curva de 300 ppb separa dos reas bien definidas y que las
podemos considerar como dos poblaciones, una relacionada a la
mineralizacin y otra al contenido normal de Au en estas rocas esto
mismo es confirmado por los planos de residuos que sealan reas
muy similares como residuos positivos y residuos negativos.
8.4.7 Not as Fin ales .
En una gran prospeccin geoqumica tpica, todos los mtodos
descritos aqu debern utilizarse o al menos ser considerados, as
169
por ejemplo, un threshold derivado de un histograma deber ser
probado mapeando las anomalas (mtodo 8.2.5) y ajustndolo hacia
arriba o hacia abajo de acuerdo con el agrupamiento de valores y los
resultados de estudios orientados.
El valor del threshold estimado en 500 ppb, para los valores de las
165 muestras provenientes del Prospecto "Cuarzo", ha sido
comprobado por varios de los mtodos anteriormente descritos
Aunque las tcnicas computarizadas pueden ayudar en la
presentacin y anlisis de los datos geoqumicos, estas no
proporcionan la interpretacin.
Una interpretacin confiable requiere de una combinacin de la
experiencia geolgica y geoqumica ms una apreciacin de los
aspectos econmicos para futuras exploraciones, es por esto que es
muy improbable que el anlisis matemtico puro reemplace el
subjetivo talento interpretativo del gelogo de exploracin,....al
menos por algn tiempo.
8.5 Plan os d e Su p er ficies d e Ten d en cia .
El anlisis de tendencias es una tcnica de suavizamiento aplicada a los
planos geoqumicos para separar los datos en dos componentes, los de
naturaleza regional de las fluctuaciones locales.
Los mtodos matemticos de suavizamiento por superficies de tendencias,
involucran la aproximacin de los datos por una ecuacin en la cual la
concentracin de un elemento est dada como funcin de las coordenadas
X y Y del punto de control, los valores numricos son elegidos de manera
que minimicen las diferencias al cuadrado entre las concentraciones
metlicas observadas y los valores calculados derivados de la ecuacin.
Al plano geoqumico del Prospecto "Cuarzo" se le han aplicado superficies
de tendencia de primer, segundo, tercer y cuarto grado; las ecuaciones de
primer grado conducen a una superficie de tendencia plana, el incremento
170
en el nmero de trminos llevan a superficies curvadas que incrementan en
complejidad. Figuras 8.4, 8.7, 8.10 y 8.13.
Si se examinan los coeficientes de correlacin para las superficies de
tendencias utilizadas veremos que estas incrementan con el orden de la
ecuacin aplicada, 0.28, 0.30, 0.35 y 0.48 respectivamente; este coeficiente
tericamente llegara a 1 con lo que no habr ninguna diferencia entre la
superficie de tendencia y plano con los datos originales, perdiendo todo
sentido el anlisis.
Examinando el relieve geoqumico tridimencional de las leyes de denuncio
estudiado (Figura 8.16), se aprecia un patrn complejo de picos altos y
bajos, "ruidosos"; estos picos pueden ser suavizados si se aplican
superficies de tendencia de primer, segundo, tercer y cuarto para extraer la
parte aleatoria de los datos y as poder realizar una interpretacin ms
realstica de los planos de tendencias y de residuos.
Los planos de residuos resultan de restar las superficies de tendencia del
plano geoqumico. Para una mejor interpretacin, se han preparado block
diagramas de los relieves con los datos originales y las superficies de
residuos, que pueden apreciarse al final de este captulo, Figuras 8.16 a
8.20 en los que se aprecia un suavizamiento progresivo conforma aumente
el grado de la polinomial.
Si la anomala ocupa una gran parte del rea del mapa, esta es expresada en
la tendencia; por el contrario si la anomala slo ocupa una parte pequea
del rea del mapa, esta se expresa mejor en los residuos (desviaciones a
partir de la tendencia).
La pregunta clave es si los patrones de los residuos alrededor de "0"
cambian o sealan reas diferentes que las encontradas con el plano
geoqumico. Al observar en conjunto todos estos planos vemos que
sealan como residuos positivos reas muy semejante, con una gran
anomala en la parte central del denuncio, la examinacin de los planos de
171
tendencia revela un incremento de los valores hacia el SE del rea estudiada
por lo que futuras exploraciones ms detalladas, deben orientarse a estas
reas.
8.6 In t er p r et acin d e los Res u lt ad os Es t ad s t icos .
Las 165 muestras ensayadas tienen una media de 333 ppb Au, con una
mediana de 285 ppb, de estas 153 muestras son de rocas y corresponden al
92.8%del total con una media de 335 ppb y 12 muestras de suelos que
hacen el 7.2%del total y tienen una media de 328 ppb.
De las pruebas estadsticas realizadas se concluye que las muestras de
suelos provienen de la misma poblacin original que las muestras de rocas,
por lo que no tienen ninguna influencia en las consideraciones geoqumicas
de la prospeccin, ni ameritan que se les trate como una poblacin aparte.
Las pruebas F y t han demostrado que las varianzas y medias de suelos y
rocas no tienen diferencias significantes que ameriten se les trate como
una poblacin aparte, esto puede deberse al poco transporte de los
sedimentos que no han dado lugar a procesos de dispersin y a la escasa
movilidad del oro.
La media de las muestras coincide con el valor elegido como lmite inferior
del rango del background.
Del anlisis estadstico por sub-grupos se concluye que la litologa ms
abundante son las granodioritas con un 47%del total y que las dioritas
tienen la media ms alta en contenidos de Au con 393 ppb.
8.7 Ev alu acin d e las An omalas .
Una anomala geoqumica es una desviacin de los patrones geoqumicos
que son normales para un rea de ambiente geoqumico dado.
Estrictamente hablando, un depsito mineral, siendo un fenmeno
relativamente raro o anormal, es por si mismo una anomala geoqumica,
as mismo son tambin anomalas los patrones de dispersin geoqumica
172
reconocibles relacionados ya sea a la gnesis o a la erosin de los depsitos
minerales.
Las anomalas que estn relacionadas a la mineralizacin y que pueden ser
usadas como guas para encontrar menas son llamadas an omalas
s ign ifican t es ; estas anomalas comnmente consisten de valores que son
mayores que el background, por debajo de este valor se encuentran las
an omalas n egat iv as , que raramente son tiles en la bsqueda de mineral.
Desafortunadamente, altos contenidos del elemento indicador pueden
deberse a mineralizacin no-econmica o a procesos geolgicos o
geoqumicos no relacionados con la formacin de menas, a estas anomalas
no relacionadas con la mineralizacin se les conoce como an omalas n o
s ign ifican t es .
Las anomalas no-significativas incluyen a todas aquellas debidas a errores
analticos y de muestreo, contaminacin humana y tipos de rocas con
contenidos metlicos consistentemente anmalos; si se sospecha de errores
analticos o de muestreo, las muestras dudosas deben de volverse a
muestrear, preparar y/ o analizar.
Amplias zonas con una mineralizacin dbil y con falta de concentraciones
metlicas econmicas originan otro tipo de anomalas no-significativas,
Grigorian (1974) sugiere que tales anomalas no-significativas pueden
distinguirse de las anomalas significantes, relacionadas con la
mineralizacin, por las siguientes caractersticas:
1. Existencia de pequeos centros ampliamente dispersados en vez de una
o pocas anomalas intensas.
2. Un cociente multiplicativo del principal componente mineral
(numerador) dividido entre elementos traza asociados (denominador),
no muestra una clara tendencia hacia las posibles zonas mineralizadas.
3. Falta de un zonamiento vertical en las anomalas metlicas.
173
Las anomalas producidas por procesos hidrotermales estn fuertemente
controladas por el aspecto estructural y permeabilidad de las rocas, de
modo que la mena no est necesariamente localizada debajo de la anomala
superficial; se necesitan cuidadosos mapeos geolgicos seguidos de
comprobaciones de las anomalas con perforaciones diamantinas para
determinar la ubicacin de las menas ciegas en profundidad.
La distincin entre anomalas que se encuentran sobre las menas
(indicativo de cuerpos mineralizados ciegos o no aflorantes), anomalas
alrededor de cuerpos aflorantes y anomalas debajo de las menas (en las
races de cuerpos erosionados), es un problema importante; en muchos
depsitos de origen hidrotermal, pueden utilizarse las relaciones zonales
de sus elementos para hacer esta distincin.
Una anomala es definida como una desviacin o apartamiento de la norma;
desde el punto de vista de una exploracin geoqumica una anomala es
definida como un rea en la cual las propiedades qumicas de un material
que ocurre naturalmente indica la presencia de un depsito mineral en la
vecindad. Ya que la mayora de las anomalas son determinadas por medio
de la interpretacin de datos analticos, el concepto de una anomala como
una medida o como la abundancia que se desva de la norma est ms en
concordancia con el uso corriente en la exploracin geoqumica.
Las principales consideraciones en evaluar el posible significado econmico
de las anomalas geoqumicas son:
1 La magnitud de los valores, frecuentemente expresado como el
contraste entre los valores pico y el background.
2 El tamao y forma del rea anmala.
3 El marco geolgico y
4 La extensin para la cual el medioambiente puede haber influenciado el
contenido metlico y el patrn de la anomala.
174
Una vez estimados los valores del background y del threshold se han
reconocido como anomalas significativa, relacionadas con una posible
mineralizacin, a los valores mayores que 650 ppb, anomalas probables a
los valores en el rango de 500 a 650 ppb, los valores comprendidos entre
300 y 500 ppb son considerados como el rango del background, los valores
inferiores a 300 ppb son tomados como anomalas negativas.
Las anomalas significativas se agrupan principalmente en la parte central
del rea prospectada y hacia el SE y NE, por lo que futuros reconocimientos
deben concentrarse en estas reas.
8.8 Con t in u acin d e la Exp lor acin .
El objeto de continuar con la investigacin es proporcionar nueva
informacin, como el posible significado de las anomalas seleccionadas e
indicar los blancos para la perforacin u otros medios de exploracin
subterrnea directa.
El primer paso obvio es volver a visitar el rea con miras a confirmar la
causa y verificar si existe cualquier evidencia para un aumento local o
superposicin de valores anmalos y planificar los trabajos a realizarse. Si
se puede, es til confirmar los patrones anmalos en el lugar con pruebas
qumicas de campo.
Las secciones ms prometedoras de la anomala pueden descubrirse por
medio de trincheras, calicatas, excavaciones o pozos; los pozos sern
logeados y muestreados por medio de canales verticales; la distribucin de
los valores metlicos en la vertical, puede ser de ayuda en una ubicacin
ms exacta del cuerpo mineralizado. Las trincheras pueden ser
horizontalmente muestreadas con el mismo fin.
Donde la naturaleza del depsito responsable de las anomalas
geoqumicas suprayacentes no pueda ser fcilmente determinado puede ser
til llevar a cabo una apropiada prospeccin geofsica para tomar
decisiones respecto a si es o no conveniente realizar una campaa de
175
perforacin y la ubicacin de los taladros; puesto que la perforacin es la
etapa ms costosa en la secuencia, deben emplearse todos los medios
posibles para ubicar convenientemente los objetivos antes de que se
comience con la perforacin.

Tesis Ingeniero FLQ

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tesis Ingeniero FLQ

Uploaded by

Copyright:

Available Formats

FERNANDO LINARES QUIROA TESIS INGENIERO GELOGO

se obtiene de las tablas de distribucin-t

You might also like