Facultad de Ciencias e Ingeniera

Especialidad: Ingeniera Geolgica

Curso: GEM322 Geoestadstica
Semestre 2015-2

M. Sc. Samuel Canchaya Moya

scanchaya@pucp.pe

Facultad de Ciencias e Ingeniera

Especialidad: Ingeniera Geolgica
Curso: GEM322 Geoestadstica
Semestre 2015-2

Introduccin a la Geoestadstica

M. Sc. Samuel Canchaya Moya

2

52 aos de
Geoestadstica

1963

George F. P. M. Matheron
Fuente: en.wikipedia.org
3

Curso Internacional de Geoestadstica

2008-2009
MODULO I: 5 al 8 de Noviembre 2008. Miguel Zulueta (Consultor
en Geoestadstica) Introduccin a la Geoestadstica. Las variables
regionalizadas. El variograma. Varianzas: de extensin, estimacin
y dispersin. El krigeage: puntual y de bloques. La varianza de
krigeage. Introduccin a la estimacin de recursos. Entregables en
una estimacin de recursos.
MODULO II: 8 al 10 de Diciembre 2008. Daniel Guibal (Director
Tcnico de SRK Consulting-Australia) Muestreo y base de datos.
Modelamiento geolgico 3D. Variografa avanzada. Anisotropa a
travs de mapas de variogramas, variogramas de indicadores.
Optimizacin del muestreo. Optimizacin del krigeage.
Introduccin a mtodos no-lineales. El efecto del soporte.
Clasificacin de recursos: cdigos internacionales.

Miguel Zulueta

Daniel Guibal

MODULO III: 16 al 17 de Marzo del 2009. Andr Journel

(Catedrtico de la Univ. de Stanford USA) Simulacin Condicionada
aplicada a Minera. Simulacin de variables continuas: simulacin
gaussiana secuencial, simulacin por bandas rotantes. Simulacin
de variables categricas. Aplicaciones prcticas.

Andr Journel

Daniel Guibal
Grado de Ing. Civil de Minas Escuela Nacional Superior de Minas
de Nancy-Francia y Master en Ciencias, en Matemticas y Geoestadstica en Centro de Geoestadstica de Fontainebleau-Francia.
25 aos experiencia, especialista en: Geoestadstica, Estimacin
de Reservas y Simulacin; Geoestadstica No-Lineal, Optimizacin de Tajos Abiertos,
Simulacin Condicional. Ha trabajado en: Centro de Geoestadstica de Fontainebleau Francia (1972-1982), Empresa Estatal Minero Per (1974-1976) y como consultor en
Australia desde 1983 (Siromines y Geoval); actualmente es Director Tcnico de SRK
Consulting Australia.
Ha realizado diversos trabajos y estudios para empresas y consorcios mineros en:
Australia, Sudamrica, Europa y Japn. Sus ms recientes trabajos incluyen: Simulacin
multivariable del yacimiento de Fe Pilbara (Hamersley); Revisin de los Recursos de Cu
en la Divisin Norte de Codelco (Chile); Revisin detallada de la prctica de la
Geoestadstica en Olimpic Dam (Australia); Evaluacin y Due diligences de: Inco,
Newcrest, Worsley Alumina, Alcoa, etc.
Miembro activo de la Aus. I. M. M. y de la Asociacin de Geoestadstica de Australasia.
5

Dr. Dominique Franois Boungaron

1974 Grado de Ing. Civil de Minas Escuela Nacional Superior de Minas
de Nancy-Francia
1978 Doctor en Mining Science and Techniques en la Escuela de Minas de Paris y la
Universidad de Nancy.
1976: Inici sus actividades profesionales en MINERO PERU, como experto extranjero
voluntario.
1978 a 1984 Investigador en el Centro de Geoestadstica de Fontainebleau-Francia
Famoso por las correcciones que realiz a la famosa frmula de Pierre Gy:
Solucionando sus dificultades de aplicacin, sobre todo para el caso del oro. Ha
publicado con Pierre Gy las modificaciones propuestas. Se dice que Gy lo ha designado
pblicamente como su sucesor cientfico.
Consultor Internacional de Geoestadstica, con notables trabajos en INCO Ltd. Copper
Cliff Ontario Canad. Vicepresidente de Geoestadstica de Mineral Resource
Development Inc. San Mateo-California por 7 aos.
Actualmente es Presidente de AGORATEK INTERNATIONAL
Vicepresidente de la 6ta. Conferencia Mundial de Muestreo y Mezclas que se realiz en
Lima-Per, 19 al 22 de Noviembre del 2013; Hotel Marriot.
6

Prof. Andr Journel

Ingeniero de Minas (1967) en la Escuela Nacional Superior de Minas
de Nancy Francia y Dr. Ing. (1974) y Dr. en Cienc. Mats. Aplicadas
(1977) en Univ de Geoestadstica de Nancy Francia. Ing. de Proys.
mineros en el Centro de Morfologa Matemtica de Francia
(1969-1973); Centro de Geoestadstica de la Escuela de Minas de
Paris (1973-1978). Univ. de Stanford - USA: Prof. Asociado (1978-1972): Prof. Principal (19922010) del Departamento de Ciencias de la Tierra de Ing. de Petrleo e Investigador y Director
(1986-2010) del Centro Stanford de Prediccin de Reservorios del Centro Stanford.
Entre 1998 y 2010 recibi ms de 30 disertaciones de Ph. D. y M.Sc.. Desde 1980 a la fecha:
miembro del Comit Cientfico del Congreso Mundial de Geoestadstica. Ha dictado decenas
de cursos y seminarios especializados sobre Geoestadstica y temas afines.
35 aos de experiencia profesional: Especialista en Planeamiento, Simulacin y Evaluacin de
Recursos Mineros; Modelamiento de Reservorios de Petrleo; Control y remediacin de la
Polucin; Prediccin Bayesiana: Anlisis de riesgo, Modelos de incertidumbre, etc; Estadstica
no-paramtrica y espacial Gaussiana. Co-autor del famoso libro: Mining Geostatistics. Mas de
80 publicaciones especializadas. Premios: 1989: Medalla de Krumbein, 1995: Teaching
Award (Esc. de Cienc. de la Tierra, Stanford), 1998: Medalla de Oro Lucas (AIME/SPE), etc.
7

Dos tendencias de la Geoestadstica actual

Francia, Europa,
Australia,
Univ. de Chile,
etc.

La Geoestadstica acadmica:
Bsicamente Estacionaria
Xavier Emery

La Geoestadstica Aplicada:
Bsicamente No-Estacionaria
Univ. Stanford USA
Univ. Alberta Canad
CAIG - Per
Andr Journel

Clayton Deutch

Daniel Guibal
8

Universidad Nacional de Ingeniera

Facultad de Ingeniera Geolgica y Metalrgica
Escuela de Geologa

AIG

MISIN:
Promover la Investigacin y Enseanza de las
Matemticas Aplicadas a la Geologa.
VISIN:
Ser Lderes en Matemtica Aplicada a la Geologa

CAIG: Principales Lneas de Investigacin

Anlisis de Riesgo con Simulacin Condicional - Abel Puerta

Efecto Proporcional (y Geoestadstica No Lineal) - S. Canchaya
Fractales Miguel Zulueta
Clasificacin de Recursos con Varianzas Heller Bernab
Training Images y Estadstica Multipoint (?)
Etc.

PRINCIPALES ACTIVIDADES RELACIONADAS:

o Intercambio Acadmico y Cientfico con Referentes mundiales relacionados
con los temas de investigacin.
o Promover cursos, talleres, conferencias y congresos relacionados con los
temas de investigacin.
o Ser semillero de nuevos especialistas y cientficos en Matemtica Aplicada
a Geologa.
o Promocin y Asesora de Tesis de Grado, Postgrado, etc.
o Publicaciones cientficas, edicin de manuales, textos, etc.
10

Facultad de Ciencias e Ingeniera

Especialidad: Ingeniera Geolgica
Curso: GEM322 Geoestadstica
Semestre 2015-2

Introduccin a la Teora de las

Variables Regionalizadas

M. Sc. Samuel Canchaya Moya

11

El concepto de autocorrelacin
Es de esperar que dos valores contiguos Z(xi) y Z(xi+h),
separados una distancia (o vector) h, estn relacionados
entre s: a esto se denomina: Autocorrelacin.
Lo cual quiere decir que sus valores sern dependientes
el uno del otro; esto debido a que casi siempre toda
variable tiene un patrn de distribucin (o estructura,
como se le llama en geoestadstica), ya que nada es al
azar en la naturaleza.
La herramienta geoestadstica para reconocer este patrn
de distribucin es el VARIOGRAMA
12

COMPARACIN ENTRE UNA DATA ESTRUCTURADA

(Tramo A) Y OTRA AL AZAR (Tramo B)

x
1
2
3
4
5
6
5
4
3
2
1
1

TRAMO A

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

TRAMO B

s2

HISTOGRAMA

VARIOGRAMA

(h)

f(x)
3.08

2.75

(h)

f(x)
3.08

2.75

Diagrama de variacin de leyes

Ley

Gran variabilidad local:

diente de sierra

x+h

Tendencia

Profundidad
14

3.5
3

Variable Regionalizada: (V.R.)

Variograma

2.5
2
1.5
1

0.5

Toda variable que flucta en:

0
el espacio (coordenadas) y/o en el tiempo.
1 3 5 7 9 11 13 15 17 19 21 23 25 27
Distancia
Tiene dos caractersticas fundamentales:

Gran variabilidad local.- Dientes de sierra

Presenta una estructura o tendencia a mayor escala

Ejemplos tpicos:

Leyes de Au, Ag, Cu (CuT, CuSAc, CuSCN), Fe, As, etc.

Potencia de una veta o manto

Densidad, Humedad, Porosidad y Permeabilidad

Toneladas procesadas en Molinos o Chancadoras (Throughput)

Contenido mineralgico (% qz, ser, ARCs, cac, bt, calcopirita, pirita, etc.)

% de elementos u xidos mayores (SiO2, TiO2, K2O, CaO, MgO, Fe2O3, etc.)

Recuperacin de Au, de Cu, etc.

Densidad de fracturamiento

BWI, RQD, Resistencia Mecnica (MPa), etc.

Consumo de cido (Kg/TM), etc.

29 31 33 35 37

15

M. Sc. Samuel Canchaya Moya

El Variograma:
Definicin, estimacin, ploteo y ajuste a
funciones tericas.
16

Las tres hiptesis plausibles de la Geoestadstica:

La Hiptesis de Estacionariedad.- Dominios donde la media y la varianza son

probabilsticamente similares; as como la varianza y la covarianza slo dependen
de la separacin entre datos.

La Hiptesis Intrnseca.- En aplicaciones prcticas necesitamos introducir la

denominada hiptesis intrnseca, la cual establece que la function variograma
2(x,h) depende slo del vector de separacin h y no de la ubicacin x. Entonces

es posible estimar el variogram 2(x,h) a partir de la data disponible usando el

estimator 2*(h) que se define como:

1
2 (h)
n( h)
*

n(h)

[ Z ( x ) Z ( x h)]

i 1

La Hiptesis del Kriging Universal.- Asume que las funciones aleatorias se

pueden descomponer en una combinacin lineal de funciones determinsticas y un
componente aleatorio residual. Por lo tanto es la menos resttrictiva de las
hiptesis.

La hiptesis de
estacionariedad

M1

M2

D
La aplicacin de la geoestadstica
M4
M3
tradicional ser vlida, slo si se cumple con
la denominada Hiptesis de Estacionariedad.
Se dice que un dominio cumple con la Hiptesis de Estacionariedad,
cuando dentro de l la media y la varianza son las mismas cualquiera
sea la muestra que se tome para estimarlas.
En un dominio donde se cumpla la Hiptesis de Estacionariedad, el
variograma y la covarianza slo dependern de la separacin entre
datos.
Los dominios con el denominado EFECTO PROPORCIONAL son el
extremo opuesto a la condicin de estacionariedad.
Cuando no se cumple la mencionada hiptesis, hay que apelar al
Concepto de Krigeage Universal; as como a otras herramientas de la
Geoestadstica No- Estacionaria.
18

FUNCION VARIOGRAMA:
Forma de clculo
n h

Es la funcin probabilstica
que representa el patrn de
distribucin de una variable
regionalizada

2 (h)

ZX
i 1

i+h

ZX

n h

x+h
h
OMNIDIRECCIONAL

FUNCION VARIOGRAMA Representacin grfica

(h)

GEO

ESTADISTICA
meseta

s2
C
C0

a
DEPENDENCIA
ESTRUCTURA
h
C0
a
C
C + C0

:
:
:
:
:

s2

INDEPENDENCIA
ALEATORIEDAD
paso entre las muestras
efecto de pepita
alcance
sill
meseta
varianza estadstica

10

Ejemplo de clculo manual

de un variograma 1D
h=1
3.2
4.0
2.8
3.2
3.0
3.6
2.0
4.5
2.5
5.2
2.3
2.8
2.2
4.1
5.2
8.3
6.1
4.0
2.6
3.5

[d1]2
0.64
1.44
0.16
0.04
0.36
2.56
6.25
4.00
7.29
8.41
0.25
0.36
3.61
1.21
9.61
4.84
4.41
1.96
0.81
S[dh] 2 57.57
2(n-h) 36
(h) 1.60

h=2

h=3

h=4

[d2]2

[d3]2

[d4]2

h=5

(h)

meseta

h=6

[d5]2

[d6]2

[d7]2

[d8]2

experimental

0.16
0.64
0.04
0.16
1.00
0.81
0.25
0.49
0.04
5.76
0.01
1.69
9.00
17.64
0.81
18.49
12.25
0.25
69.49
32
2.17

0.00
1.00
0.64
1.44
2.25
1.21
10.24
4.84
0.09
9.00
3.24
5.76
37.21
4.00
1.44
32.49
6.76
121.6
28
4.34

0.04
0.16
0.64
1.69
0.25
2.56
0.09
2.89
0.09
1.21
8.41
30.25
15.21
0.01
6.76
23.04
93.30
26
3.59

ajuste

C0=0.25

a = alcance

0.16
4.00
2.89
0.49
4.84
1.69
0.64
5.29
2.56
0.00
36.00
10.9
3.24
2.25
2.89
77.83
22
3.54

1.44
0.25
0.09
4.00
0.49
0.64
0.04
0.16
7.29
9.61
14.4
1.44
0.16
0.36
40.41
16
2.53

1.69
2.25
5.76
0.16
0.81
0.04
1.96
4.41
33.64
0.81
2.89
0.04
1.69
56.15
10
5.62

0.49
1.44
0.25
0.16
0.64
0.25
10.24
14.44
12.96
1.44
0.09
0.49
42.89
8
5.36

(h )

Z x h Z x

2(n h )

Ajuste del Variograma Experimental

a Funciones Tericas

(h) = C

(h)

3h
2a

h3
2a3

h*a

+ Co

(h) = C + Co

h>a

( h) ph ; 1

(h) = Co + mh

(h) ph ;

(h) C 1 exp ah C0

11

DIRECCION
E-W

(2-2)2 + (2-4)2 + (4-5)2

2

(3-1)2 + (1-2)2 + (2-3)2 + (3-4)2

(4-7)2 + (7-3)2 + (3-2)2 + (2-5)2

(1-1)2 + (1-1)2 + (1-1)2 + (1-6)2

(2-2)2 + (2-1)2 + (1-3)2 + (3-6)2

(5-2)2 + (2-3)2 + (3-4)2

(2-5)2

Z x Z x h 2

97

(1-6)2
(2-3)2 + (2-6)2

(2-6)2

(3-3)2 + (1-4)2

(3-4)2

(4-2)2 + (7-5)2

(4-5)2

(1200 )

69
2 9

3.83

( 400)

97

2.20

44

(2-4)2 + (2-5)2

(1600 )

11
2 3

(1-1)2 + (1-6)2
1.83

(2-1)2 + (2-3)2 + (1-6)2

( 400) 2 8222 1.86

(1600) 2 49 7 3.50

(3-2)2 + (1-3)2 + (2-4)2

(800) 2 78
2.29
17

(2000) 217 3 2.83

(5-3)2 + (2-4)2

(1200) 2 7112 2.29

(4-3)2 + (7-2)2 + (3-5)2

( 800 )

112
2 15

3.73

DIRECCION: N - S

Ajuste del Variograma

experimental a funciones
tericas

Parmetro

Lineal

Exponencial

C0

0.783

0.673

C0 + C

1.281

1.347

345.9

193.4

r2

0.845

0.900

RSS

0.061

0.040

C/[C0+C]

0.389

0.500

12

25

Combinacin lineal de variogramas: h i ih

i 1

Para modelar y/o ajustar estructuras imbricadas (nested structures)

2.5

2.5

1.5

1.5

0.5

0.5

1.2 2.4 3.6 4.8

7.2 8.4 9.6 10.8 12 13.2 14.4 15.6 16.8

1.3 2.6 3.9 5.2 6.5 7.8 9.1 10.4 11.7 13 14.3 15.6 16.9

4.5
4
3.5

Permite modelar la
anisotropa zonal

3
2.5
2
1.5
1
0.5
0
0

1.2 2.4 3.6 4.8

7.2 8.4 9.6 10.8 12 13.2 14.4 15.6 16.8

Ejemplo de Variogramas

(h) Au (gr/TM)

Yacimiento epitermal de
Au de alta sulfuracin

30

(h)

15

0
25

(h)

50

75

Cu (%) 2

20

10

Potencia (m)2

1.6
80
1.2

160

Prfido de Cu-Au
Veta polimetlica

0.8
0.4

Variograma
experimental

0
100

200

Ajuste terico

13

Ejemplo de variogramas de gangas y

minerales de alteracin:

27

28

Ejemplo de variogramas de Gangas

14

M. Sc. Samuel Canchaya Moya

El clculo automatizado
de los variogramas

29

Parmetros para el
clculo automatizado de
variogramas 2D

puntos aceptados
puntos descartados

Para cada direccin

se define una tolerancia

y se utilizan nicamente los puntos que se

encuentran entre las direcciones:

15

31

Combinacin de sector con banda

puntos aceptados

puntos descartados
b = ancho de banda

Aplicacin de los pasos h

clase de distancia h
clase de distancia 2h
clase de distancia 3h

16

Aplicacin de la configuracin de clculo

en el dominio establecido

Clculo de Variogramas 3D:

Bsqueda cnica de pares

Seccin transversal del

cono debe ser elptica para
involucrar anisotropa

h = ngulo horizontal
v = ngulo vertical
t = ngulo de tolerancia

34

17

Clculo Variogramas 3D:

Bsqueda cilndrica de pares

Seccin transversal del

cilindro debe ser elptica
para involucrar anisotropa

h = ngulo horizontal
v = ngulo vertical
t = ngulo de tolerancia

35

Clculo de Variogramas 3D:

Bsqueda de pares por capas

h = Tolerancia en direccin Z
36

18