Professional Documents
Culture Documents
por
Marco Antonio Alfaro Sironvalle
Doctor en Geoestadstica, Escuela de Minas de Pars
Profesor de Estimacin de Recursos Mineros, USACH
Profesor de Probabilidades y Procesos Estocsticos, U. de Chile
Profesor de Estadstica Aplicada, U. de Los Andes.
Mayo, 2005
- 1 -
Captulo I
Los Mtodos Tradicionales de Estimacin de Recursos Mineros
Estimacin global:
Se tiene un conjunto de leyes z1, z2, . . . , zN de mineral localizadas en los puntos x1,
x2, . . . , xN
b)
S, con el fin de localizar las zonas ricas y pobres dentro de esta zona S.
- 2 -
Figura I.2: estimacin local con bloque unitario o unidad bsica de clculo.
I.1
La media aritmtica
zS =
1 + 1 + 1 + 3 + 2 + 2 + 1 11
= = 1.57
7
7
- 3 -
1
zS =
N
z
i =1
- 4 -
Figura I.4: una planta en el depsito de MM. En rojo la interseccin de los sondajes.
I.2
Los polgonos.
El mtodo de los polgonos se basa en lo siguiente: asignar a cada punto del espacio
la ley del dato ms prximo. Para estimar una zona S se ponderan las leyes de los
datos por el rea (o volumen) de influencia Si.
- 5 -
z S = 1 .3 6
La frmula general es:
1 N
zS = Si zi
S i =1
(S = S1 + S 2 + ... + S N )
Comentarios:
- 6 -
Figura I.6: Salar de Atacama (litio, potasio, sulfatos). Puntos de muestreo y de bombeo. Observar la
agrupacin (cluster) de los puntos.
- 7 -
I.3
El mtodo del inverso de la distancia se basa en lo siguiente: asignar mayor peso a las
muestras cercanas y menor peso a las muestras aejadas a S. Esto se consigue al
ponderar las leyes por 1/di , ( = 1, 2, . . . ; di = distancia entre la muestra i y el centro
de gravedad de S).
Si = 1
Si = 2
- 8 -
zS =
zi
i =1
N
( > 0)
i =1 d i
Comentarios:
A veces, para evitar el problema de las agrupaciones de datos, se utiliza una bsqueda
octogonal:
- 9 -
I.4
Son empricos...
Demasiado geomtricos.
i)
la continuidad de las leyes: existen casos desfavorables en los cuales las leyes
son errticas y otros ms favorables en los cuales las leyes son regulares.
- 10 -
ii)
Figura I.9: anisotropas de las leyes de cobre en una planta del depsito RT. dimensiones en metros.
Ejemplo: en el caso de la figura I.10, las leyes z1 = 1.25 y z2 = 1.75 son simtricas con
respecto al bloque (se observan cuatro isoleyes):
Figura I.10: bloque e isoleyes anisotrpicas. En Chuquicamata la situacin es similar, las leyes decrecen
sistemticamente de oeste a este.
- 11 -
z = ( z1 + z 2 ) / 2 = 1.5
al bloque S. Sin embargo, la ley media de S es inferior a 1.5%!
zS = z error
La magnitud del error nos cuantificara la calidad de la estimacin y nos indicara
l
- 12 -
Debido a que los sondajes caen en el centro del bloque, no se puede aplicar inverso de
la distancia. El mtodo de los polgonos estima la ley de un bloque por la ley del
sondaje central. En este caso se puede calcular la ley media real del bloque (valor
superior).
Observamos que el promedio de las leyes verdaderas es 0.55 y que el promedio de las
leyes estimadas es 24 / 42 = 0.57. Se dice que no hay sesgo global.
Sin embargo, existe el sesgo condicional: para leyes altas ocurre que siempre la ley
estimada es superior a la ley real, y para leyes bajas, la ley estimada es siempre inferior a la ley real.
Al aplicar una ley de corte sobre las estimaciones, ocurre entonces que la ley mina es
siempre superior a la ley de la planta.
El sesgo condicional se puede comprobar en una mina a cielo abierto, al comparar las
leyes estimadas de los bloques (modelo de largo plazo) con el promedio de los pozos
de tronadura de los bloques (informacin de corto plazo).
- 13 -
Figura I.12: pozos de tronadura en mina Lomas Bayas. Leyes de cobre. Dimensiones en metros. Se
observa un bloque de 25mx25mx15m.
La figura I.13 muestra la informacin de largo plazo y de corto plazo en la mina Los
Bronces.
- 14 -
Figura I.13: Informacin de largo plazo (sondajes, en negro) y de corto plazo (pozos de tronadura, en
color). Los sondajes estn agrupados en las zonas de alta ley.
- 15 -
Captulo II
Geoestadstica y Teora de las Variables Regionalizadas
Una variable
II.1
Notacin condensada
z(x)
z(x1, x2)
- 16 -
II.2
- 17 -
Ejemplo 2:
Figura II.4: depsito de nitratos-yodo: la zona mineralizada, de color rojo en la figura, se llama caliche.
- 18 -
Figura II.5: ispacas en Oficina Sur Lagunas (depsito de yodo). Las potencias estn en metros. Los
lmites corresponden a propiedad minera.
Ejemplo 3: En el espacio de tres dimensiones, sea z(x1, x2, x3) = z(x) = Ley de Cu en
el punto x dentro de un depsito masivo:
Figura II.6: caso tpico de depsito de xidos-sulfuros. La capa superior corresponde a grava o coluvio.
- 19 -
Figura II.7. planta en mina RT. Leyes de bloques de 25mx25mx15m. Zona de xidos.
Ejemplo 4: En el espacio de dos dimensiones, sea z(x1, x2)= z(x) = nmero de rboles
por hectrea en la parcela localizada en el punto x.
- 20 -
- 21 -
Ejemplo 6: en el espacio de tres dimensiones sea z(x1, x2, x3)= z(x) = ley de arsnico
en un depsito de cobre. Esta variable regionalizada corresponde a una impureza
(figura III.10)
- 22 -
Figura III.10: leyes de arsnico en un banco de mina Los Pelambres. Los datos corresponden a pozos
de tronadura. Se trata de una variable muy irregular.
Observacin:
Los ejemplos anteriores nos muestran que una variable regionalizada es simplemente
una funcin z(x) del punto x. Sin embargo, esta funcin no se comporta como las
funciones que se estudian en Matemticas: en general z(x) es muy desordenada en su
variacin espacial y no se podr expresar, en particular, z(x) como un polinomio (ver
figuras II.3 II.5, II.7, II.9 y II.10).
II.3
Campo y soporte
- 23 -
- 24 -
Figura II.12: regularizacin de un sondaje a un largo constante b. Esta operacin produce errores.
II.4
Objetivos de la teora
Ejemplo: la figura siguiente representa el caso de una variable regionalizada z(x) = ley
de cobre definida en un soporte cuadrado de lado axa:
La ley de corte es c = 0.5
- 25 -
- 26 -
- 27 -
II.5
- 28 -
Figura II.14: leyes de litio en el Salar de Atacama. Se observan los puntos de bombeo y el decrecimiento
de las leyes en el tiempo. No se indican las escalas de las leyes.
- 29 -
Captulo III
El variograma
El variograma es una funcin que constituye la herramienta fundamental de la
geoestadstica.
Sean x y x + h dos puntos en el espacio:
( h) =
G
2
1
E Z ( x + h ) Z ( x)
2
que estn a la distancia h
- 30 -
Esta ecuacin es la que hay que adaptar en cada situacin prctica (mallas regulares e
irregulares en el espacio de n dimensiones, n = 1, 2, 3).
Las propiedades de (h), que se deducen fcilmente de la definicin son:
(0) = 0
(h) = 0
(-h) = (h)
La ltima relacin proviene del hecho que si dos leyes z1 y z2 estn a la distancia h,
entonces (z1 - z2)2 = (z2 - z1)2
a)
- 31 -
i)
( z2 z1 ) 2 + ( z3 z2 ) 2 + ... + ( z N z N 1 ) 2
(b) =
2( N 1)
ii)
Sea h = 2b:
( z3 z1 ) 2 + ( z4 z2 ) 2 + ... + ( z N z N 2 ) 2
(2b) =
2( N 2)
iii)
Sea h = 3b:
( z4 z1 ) 2 + ( z5 z2 ) 2 + ... + ( z N z N 3 ) 2
(3b) =
2( N 3)
iv)
- 32 -
N k
1
(kb) =
( zi + k zi ) 2
2( N k ) i =1
se llevan a un grfico:
- 33 -
Para una distancia b pequea, las dos leyes de la figura son casi iguales, lo que implica
que para h pequeo, (h) es prximo a cero; luego el grfico de (h) en una
vecindad del origen ser como en la figura:
- 34 -
Figura III.7: leyes con continuidad promedio. La variable es continua pero no es derivable.
En este caso, para una distancia pequea, la diferencia de leyes es significativa; luego
el grfico de (h) en una vecindad del origen ser:
- 35 -
Si la equidistancia entre datos b es menor que la escala de variacin d de las microestructuras, el variograma en una vecindad del origen ser:
- 36 -
- 37 -
Por muy pequea que sea la distancia b, las leyes de dos puntos a esta distancia son
prcticamente independientes. El grfico de (h) ser:
- 38 -
(0) = 0, (h) = C si h 0.
Este caso se presenta si se ponen pepitas al azar, como en la figura III.15:
- 39 -
Se dice que existe una deriva o tendencia. Al hacer el clculo se observar que (h)
siempre crece:
- 40 -
- 41 -
Se observa que a partir de una cierta distancia, del orden a = 6 unidades, la funcin
- 42 -
Esto quiere decir que da lo mismo que la distancia que separa los puntos sea 6, 7 8 o
ms unidades; en otras palabras, dos puntos cuya distancia sea superior a a = 6
unidades son prcticamente independientes en ley.
El alcance proporciona una medida de la zona de influencia de una muestra porque dos
puntos cuya distancia es mayor que el alcance son prcticamente independientes:
- 43 -
Dos muestras cuya distancia sea inferior al alcance a estn correlacionadas entre s.
En el caso de un fenmeno de transicin, la meseta C tiene una significacin
estadstica si consideramos el resultado siguiente, el cual se puede demostrar
utilizando el modelo matemtico de las funciones aleatorias:
C =2
en que 2 es la varianza estadstica de los datos utilizados en el clculo de (h). En la
prctica, esta relacin terica es slo aproximada.
Ejemplo: la figura III.24 muestra un sondaje en el depsito de carbn de Puentes de
Garca Rodrguez. Se trata de un sondaje vertical con N = 80 muestras. La
equidistancia entre las muestras es b = 5 metros. El carbn se representa en rojo y el
estril (la tosca) se representa en amarillo:
Figura III.24: sondaje vertical en una mina de carbn. Los nmeros superiores representan la potencia
real de los mantos.
- 44 -
1 si x carbn
z ( x) =
0 si x carbn
i) Clculo de la media:
1
m=
N
zi =
i =1
40
= 0.5
80
Este resultado nos indica que la mitad del sondaje es carbn y la otra mitad estril.
ii)
Clculo de la varianza:
1
=
N
2
iii)
80
i =1
N
Clculo de (h):
Se obtiene fcilmente:
(5)
0.12
(10) =
0.20
(15) =
0.24
- 45 -
iv)
(20) =
0.25
(25) =
0.25
Grfico de (h):
b)
- 46 -
- 47 -
i)
Fijemos la direccin del vector h; que sea por ejemplo = 90, es decir, la
direccin NS. El vector h slo puede ser:
(diferencias)2 posibles: (zi - zj)2 cuando ambos datos zi y zj estn definidos. La figura
muestra las diferencias que hay que calcular:
Figura III.29: parejas posibles para calcular gama de 10 metros en la direccin NS (hay 36 vectores).
- 48 -
Luego:
ii)
ser:
(h2) = 0.0987
(27 parejas)
(h3) = 0.1888
(21 parejas)
- 49 -
Figura III.31: parejas posibles para calcular gama de 10 metros en la direccin EW (hay 36 vectores).
Se obtiene entonces:
iii)
(h1) = 0.0146
(36 parejas)
(h2) = 0.0330
(33 parejas)
(h3) = 0.0431
(27 parejas)
La prctica demuestra que para estudiar las estructuras basta con calcular (h)
= 45 y = 135
- 50 -
Figura III.32: calculo de gama de h en la direccin de 45. La distancia entre parejas es ahora 14.41
metros.
Figura III.33: calculo de gama de h en la direccin de 135. La distancia entre parejas es 14.41 metros.
Grfico de (h):
- 51 -
Figura III.34: variograma anistropo. La variacin de las leyes es ms regular en la direccin EW que en
la NS.
Se observa una clara anisotropa que nos indica que el fenmeno es ms regular en la
direccin EW que en la NS. (Esto se puede comprobar al mirar como varan las leyes
en esas direcciones: ver la figura III.26)
Ejemplo: Los datos que se dan a continuacin provienen de un banco en una mina de
fierro:
- 52 -
- 53 -
- 54 -
Observamos que (h) es casi el mismo segn las direcciones: podemos concluir que el
fenmeno es istropo.
En este caso se justifica calcular el variograma promedio, llamado variograma
omnidireccional, el cual se puede obtener, en este caso, mediante un promedio
ponderado de los valores del variograma (ponderacin por el nmero de parejas N'):
(h)
10.00
14.41
20.00
28.28
30.00
4.17
5.73
8.31
11.60
11.94
- 55 -
- 56 -
1
z ( x) =
0
si x granos (negro)
si x granos (blanco)
- 57 -
- 58 -
Figura III.48: fallas. La figura se obtuvo dibujando rectas al azar, se obtienen as polgonos. Cada
polgono se pinta de negro si al tirar una moneda sale cara, en caso contrario se deja igual..
- 59 -
"Un variograma
Figura III.49: compsitos en una planta de la extensin norte de Mina Sur. El ancho del cuerpo es del
orden de 400 metros en la direccin EW.
- 60 -
Ejercicio:
Los datos de la figura corresponden a una zona dentro del yacimiento de nitratos-yodo
de Lagunas. Encontrar la funcin (h) hasta h = 250 m. segn las direcciones:
= 0, 45, 90, 135.
Figura III.50: leyes de NaNO3 Oficina Lagunas. Profundidad del sondaje = 2 metros.
- 61 -
c)
La situacin es la siguiente:
- 62 -
Lo ms probable es que no encontremos ningn o muy pocos pares de datos que estn
exactamente a la distancia h1. Es necesario entonces introducir aproximaciones para
el clculo de (h).
Aproximacin : Mtodo de los sectores. Se basa en la aproximacin siguiente:
dos puntos estn aproximadamente a la distancia h si una vez fijado el primero, el
segundo cae en la zona de la figura:
diferencias en el clculo.
Algunos paquetes computacionales definen otro tipo de zona para evitar este problema
(mtodo del lpiz):
- 64 -
Figura III.56: compsitos en el espacio de tres dimensiones, con leyes de cobre en mina Chuquicamata.
Comparar con la figura II.9.
- 65 -
ii)
- 66 -
- 67 -
Figura III.59: modelo tridimensional de bloques. Existen tres unidades geolgicas (a bloque completo)
Figura III.60: vecindad de estimacin: para estimar el bloque de la figura solo se utilizan los compsitos
que estn dentro del crculo de radio R.
- 68 -
- 69 -
(0)
(h)
(- h)
(h)
Sin embargo, la teora demuestra que estas condiciones no son suficientes: En efecto,
se puede probar que (h) pertenece a una familia de funciones (llamadas funciones
de tipo negativo condicional) y la eleccin del modelo debe quedar restringida a esta
familia . Elegir un modelo en la familia garantiza la coherencia de los clculos (no se
obtienen, por ejemplo, varianzas negativas).
Por consiguiente, slo hay que utilizar los modelos que describiremos a continuacin (o
bien combinaciones que consisten en sumar dos o ms modelos). No es conveniente
crear nuevos modelos, salvo el caso en que se demuestre matemticamente que el
modelo pertenece a . La condicin para que una funcin g(h) pertenezca a la familia
requiere conceptos avanzados de Matemticas y queda fuera del alcance de este
curso.
- 70 -
a)
El modelo potencia
(h) = h
b)
- 71 -
si h a
si h > a
(h) =
(h = h)
El alcance es a y la meseta es C.
- 72 -
Figura II.65: a la izquierda la base de datos (75000 pozos de tronadura), a la derecha el variograma
esfrico (en azul) y el experimental (puntos rojos). El alcance es del orden de 100 metros.
c)
si h a
si h > a
(h) =
- 73 -
d)
(h) = C (1 - exp(- h / ) )
La meseta es C; el alcance en teora es infinito pero en la prctica: si h>3, entonces
Figura III.67: modelo exponencial o modelo de Formery. Este modelo se presenta a veces en leyes que
estn asociadas a fallas (ver la figura III.48, ver tambin la figura III.25).
e)
- 74 -
f)
El modelo gaussiano:
ecuacin es:
g)
- 75 -
si ha
si h>a
(h) =
- 76 -
2(h), . . .
a)
Caso istropo:
(h) = omni(h)
En esta notacin:
h = (hx, hy)
- 77 -
h = hx2 + hy2
Ejemplo: En el caso estudiado en las figura III.34, el modelo istropo ajustado es:
(h) = 0.417 h
o bien, con otra notacin:
b)
Caso anistropo:
- 78 -
Las frmulas de
(h) = 1(h')
- 79 -
(h) = ()h
NS:
Anisotropa zonal
En este caso la anisotropa no puede ser reducida por una transformacin lineal simple
de las coordenadas.
- 80 -
- 81 -
- 82 -
Captulo IV
El error de estimacin
z(xi)
ley en el punto xi
N = N de datos
No se conoce la ley media de V: zV
En la prctica, se estima la ley media desconocida por una frmula lineal del tipo:
zV = 1 z ( x1 ) + 2 z ( x2 ) + ... + N z ( xN )
- 83 -
1 + 2 + ... + N = 1
Los pesos i dependen del mtodo de estimacin utilizado:
i = 1 / N
media aritmtica
i = Si / S
polgonos
i = (1 / di) / ( 1/di)
inverso distancia
= zV zV
en que
= zV zV
Debido a que zv es desconocido, entonces es desconocido. Renunciamos entonces
a conocer el error en signo y magnitud.
- 84 -
Asumimos entonces que es una magnitud aleatoria; es decir, una variable aleatoria.
Esta magnitud aleatoria tiene una cierta ley de probabilidad caracterizada por una
esperanza matemtica mE y una varianza E2. Entonces:
La ley de probabilidad del error es la ley normal o de Gauss (en Geoestadstica esta
aproximacin es razonable).
- 85 -
Figura IV.4: ley normal, regla de los dos sigma. Es el caso ms utilizado en la prctica.
0.68
P(m - 2 m + 2)
0.95
- 86 -
P(m - 3 m + )
0.997
Estudio de mE:
En trminos tericos:
mE = E()
Este valor es nulo porque los errores se compensan (siempre que el mtodo de
estimacin verifique la condicin = 1).
Luego:
mE = 0.
Estudio de E2
En trminos tericos:
E2 = E[ ( - mE)2] = E[2]
E2 = E[2]
La Geoestadstica demuestra que se puede calcular numricamente el valor de E2.
Luego, el problema est resuelto.
(i)
P[ - 2E 2E ] = 0.95
(ii)
P[ - 3E 3E ] = 0.997
(iii)
- 87 -
zV = zV 2 E
- 88 -
Clculo de E2 :
Sabemos que:
E2 = E ( 2 ) = E ( zV zV ) 2
Por otra parte:
zV =
zV =
1
V
i =1
z ( xi )
z ( x)dx
(La ley real desconocida se calcula, en el caso de ser posible, por el promedio de las
leyes de todos los puntos x dentro de V). La integral anterior puede ser simple, doble o
triple. Luego el error es la diferencia entre una sumatoria y una integral:
= i z ( xi )
i =1
1
z ( x)dx
V V
- 89 -
E2 = 2 i
i =1
1
V
( xi , x ) d x
1
V2
( x, y )dxdy
V V
i =1 i =1
( xi , x j )
Figura IV.6
Antes de explicar cmo se calculan los trminos en forma numrica, observamos que
E2 depende de:
xi
(h)
- 90 -
Trmino (xi, xj): Representa el valor de (h) siendo h el vector que une los
puntos xi y xj:
Figura IV.7.
i)
1
Trmino V ( xi , x) dx : Representa el valor medio de la funcin (h) (h es el
V
vector que une xi con x), siendo x un punto variable dentro de V:
- 91 -
Figura IV.8
G
1
1 k
( xi , x)dx (h j )
VV
k j =1
Esta aproximacin es mejor cuando el nmero k de puntos dentro de V es ms grande.
La prctica recomienda un nmero mnimo de puntos dentro de V de manera de
obtener una precisin aceptable:
i)
Si V es bidimensional:
k 36 ptos.
ii)
Si V es tridimensional:
k 64 ptos.
- 92 -
iii)
Trmino
1
V2
( x, y)dxdy
VV
Figura IV.9
1
V2
1
(
,
)
x
y
dxdy
V V
k2
G
(hij )
k
i =1 j =1
- 93 -
Figura IV.10
a)
proporciona: 2 E = 3.02
Luego:
zV = 38 3.02
(con 95% de confianza)
b)
Luego:
zV = 35 2.84
En este caso se utiliz un solo dato (contra 2 del caso anterior) y sin embargo se
obtuvo un error menor. La razn de esta aparente paradoja es que en el caso a) se
utiliz mal la informacin de los sondajes, atribuyndoles a ambos el mismo peso 0.5.
Es evidente que el dato z(x1) debe tener mayor peso que el dato z(x2).
c)
- 94 -
Luego:
zV = 36.5 2.38
Como este error (con confianza del 95%) es menor que los dos anteriores, se elimina la
paradoja. Este ejemplo nos lleva a la conclusin que no basta con tener datos sino que
hay que utilizarlos bien (es decir, ponderarlos en forma adecuada). Sin embargo, nos
queda una inquietud: existe otra ponderacin de los datos que nos proporcione un
error menor?....
Observaciones:
1.
E2 = 2 i
i =1
1
V
( xi , x ) d x
1
V2
( x , y ) d xd y
V V
i =1 i =1
( xi , x j )
- 95 -
Captulo V
El Krigeado
V.1. Introduccin
En trminos mineros, el krigeado consiste en encontrar la mejor estimacin lineal
insesgada de un bloque o zona V considerando la informacin disponible; es decir, las
muestras interiores y exteriores a V.
- 96 -
El nombre krigeado proviene de los trabajos de Daniel Krige en las minas de oro
sudafricanas de la Rand Corporation, en los aos 50. La teora fue formalizada una
dcada ms tarde por el geomatemtico francs Georges Matheron.
De acuerdo a lo anterior, el krigeado define el estimador:
z K = 1 z ( x1 ) + 2 z ( x 2 ) + ... + N z ( x N )
con la condicin de insesgado (llamada tambin condicin de universalidad):
1 + 2 + ... + N = 1
Los pesos
- 97 -
1 i
(i = 2, 3, . . . , 8)
2, 3 i
(i = 4, 5, . . . , 8)
6 0
Se dice que la muestra S5 hace pantalla a la muestra S6.
iv)
4 5 + 6 + 7 + 8
Se dice que hay una transferencia de influencia; es decir, la influencia de la
muestra S4 se reparte entre las muestras S5, S6, S7 y S8. Se puede afirmar que
el krigeado desagrupa la informacin.
La menor o mayor intensidad de los efectos anteriores depende, evidentemente,
del variograma (efecto de pepita, meseta, alcance).
- 98 -
2
E
1
= 2 i
V
i =1
1
(
,
)
x
x
dx
i
V2
V
( x , y ) dxdy ( x , x
V V
i =1 i =1
i =1
i = 1
- 99 -
A' / x = 2x - 2 = 0
A' / y = 2y - 2 = 0
A' / = -2(x + y - 1) = 0
Es fcil de ver que la solucin de este sistema es:
x = 0.5
y = 0.5
= 0.5
Luego el mnimo de A' de A es:
Ao = (0.5)2 + (0.5)2 = 0.5
Por lo general el parmetro carece de significacin fsica.
En el caso del krigeado hay que considerar la expresin:
A' = E2 + 2(1 + 2 + . . . + N - 1)
Se demuestra que al realizar N + 1 derivaciones se obtiene el sistema de ecuaciones
siguiente:
- 100 -
... +
N, )
Se demuestra que el sistema siempre tiene solucin (se supone que el modelo de (h)
es autorizado), salvo el caso en el cual existen dos (o ms) muestras diferentes con las
mismas coordenadas: Este caso no debera presentarse en la prctica pero a veces
ocurre, lo cual hace necesario una revisin previa de la base de datos.
2
E
i =1
1
V
( x i , x ) dx
1
V2
( x , y ) dxdy +
V V
Ejemplo 1:
En el caso del yacimiento istropo de la figura IV.10, estudiado anteriormente:
- 101 -
Figura: V.3: bloque a krigear, en negro la ley de la muestra, en azul el nmero de la muestra.
ZV = 1z(x1) + 2z(x2)
se obtiene:
1 = 0.77
2 = 0.23
Ejemplo 2:
En el caso del yacimiento anistropo estudiado anteriormente en la figura III.26, se
tiene el bloque siguiente :
- 102 -
zV = 1 z ( x1 ) + 2 z ( x 2 ) + 3 z ( x3 ) + 4 z ( x 4 ) + 5 z ( x5 )
1 = 0.47
2 = 0.20
3 = 0.20
5 = 0.08
4 = 0.08
2E = 0.12
zV = 0.61
zV = 0.61 0.12
- 103 -
Krigeado Puntual
En algunas ocasiones, en vez de estimar la ley media de un bloque V, interesa estimar
la ley en un punto x0 (problema de interpolacin).
Corresponde al caso particular en que el volumen V tiende a cero. Se obtiene el
sistema siguiente:
(x1, x0)
(x2, x0)
con la varianza:
2
E
(x , x
i =1
- 104 -
)+
(xN, x0)
1
Figura V.4: krigeado del punto x0. Se puede generar una grilla de valores interpolados al hacer variar x0.
a.
Propiedad de simetra
Si (h) es istropo, entonces datos que son simtricos respecto de V y con respecto a
los otros datos tienen pesos iguales.
- 105 -
Figura V.5
En el ejemplo de la figura:
1 = 1
2 = 4 = 6 = 8
3 = 5 = 7 = 9
b.
Composicin de krigeados
- 106 -
z=
V1 z1 + V2 z2
V1 + V2
- 107 -
muy largos; por otra parte, las muestras alejadas tendran un peso casi nulo. Por esta
razn la prctica recomienda restringirse a una vecindad de estimacin que puede ser
una esfera o crculo, o bien un elipsoide o elipse (3D y 2D). Como recomendacin
prctica, el radio de bsqueda en una cierta direccin no debe ser inferior al alcance en
esa direccin.
La prctica ha demostrado que, en el espacio de dos dimensiones, con una vecindad
que contenga un promedio del orden de 8 muestras, los resultados son buenos. En el
espacio de tres dimensiones la situacin es ms compleja y debe ser analizada en
cada caso particular.
- 108 -