ING.

HENRY CHURA TORRES

LA ESTIMACION DE RECURSOS MINEROS CON LA ESTADISTICA

1.1. INTRODUCCION:
La estimacin de los recursos mineros ha tenido comienzos con tcnicas empricas, o lo que
conocemos hoy por mtodos clsicos, que se utiliza para estimar la cantidad de mineral
(tonelaje) existente en el yacimiento, y tambin ha utilizado la estadstica como soporte
para estimar la ley promedio y describir el comportamiento de las leyes (Distribucin de
leyes).

Figura 1.1.: Arriba, histograma de leyes de oro del proyecto Haruka. Abajo, CPP de las
leyes de oro por tipo de roca.
Posteriormente se ha implementado el modelo de bloques y la geoestadstica. Dos
herramientas que han desplazado a las tcnicas anteriores, pues estos infieren una

M&I CONSULTORES S.A.C.

1|Pgina

ING. HENRY CHURA TORRES

estimacin de la cantidad de mineral (tonelaje) existente en el yacimiento muchos ms

sistemtica y una representacin de la ley promedio con el menor error posible.

Figura 1.2.: Arriba, Modelo de bloques con su variograma. Abajo, grfica del diagrama de
rosas.
Con la estadstica, a travs de los aos se han desarrollado varios modelos matemticos con
la finalidad de representar la distribucin de los valores en depsitos de minerales. Los ms
simples se basan en el supuesto de que los valores se distribuyen en forma aleatoria (al
azar). Sin embargo en estos modelos basados en la estadstica, se ignora la posicin relativa
de las muestras y se asume que todos los valores tienen la misma probabilidad de ser
seleccionados. La probable presencia de tendencias o zonas de enriquecimiento en la

M&I CONSULTORES S.A.C.

2|Pgina

ING. HENRY CHURA TORRES

mineralizacin e continuidad (EFM) son igualmente ignorados. El hecho de que dos

muestras tomadas una muy prxima a la otra guarden cierta correlacin, tampoco es
considerado.
En la prctica, la estadstica

puede utilizarse solamente en etapas preliminares de

exploracin, cuando el nmero de muestras disponibles es relativamente pequeo y las

distancias entre muestras son muy grandes. Solamente bajo estas circunstancias se justifica
el uso de los mtodos estadsticos a describirse.

1.2. LA LEY MEDIA Y SU IMPORTANCIA:

La ley media es la representacin promedio de un conjunto de leyes de un yacimiento de
mineral. Es de mucha relevancia estimar la ley promedio, ya que de este se deriva, la
viabilidad y rentabilidad del depsito de mineral.

1.3. DETERMINACION DE LA LEY MEDIA:

En las etapas preliminares de exploracin resulta importante la estimacin del valor medio
(ley, ancho, acumulacin, etc.) de un depsito.
El estimador a utilizarse para este depsito variara de acuerdo a la distribucin
probabilstica que se asuma para la poblacin. Existe dos tipos de distribucin
probabilstica: La distribucin normal y la distribucin lognormal.
Ahora, el clculo de la ley media por mtodos estadsticos se realiza con un conjunto de
datos que puede tener una distribucin normal o gaussiana o una distribucin lognormal.
Por lo general los yacimientos no ferrosos y ferrosos poseen una distribucin normal,
mientras que los yacimientos de metales preciosos poseen una distribucin lognormal.
En la distribucin normal, la ley media se estima con tcnicas estadsticas ordinarias, pero
la distribucin lognormal se caracteriza por tener una distribucin normal logartmica, es
decir que primero debe calcularse los logaritmos de los diferentes valores, que al volverlos
a analizar recin presentan una distribucin normal.
Existen, en general, tres mtodos a la hora de investigar si una distribucin es normal o
lognormal, que son: Histogramas, la recta de Henri y el Ji-cuadrado. Los dos primeros son

M&I CONSULTORES S.A.C.

3|Pgina

ING. HENRY CHURA TORRES

visuales, es decir no existe ningn control matemtico que permita definir el carcter
normal o lognormal de la distribucin. Sin embargo el Ji-cuadrado establece dicho carcter
segn un anlisis estadstico y en funcin de un determinado nivel de significancia.

1.3.1. DIAGRAMA DE CAJA:

Permite identificar grficamente la mediana, los cuartiles 1 y 3 (percentiles 25 y
75), mnimo y mximo de una variable.
Slo es til para variables cuantitativas.
El eje x permite identificar la poblacin en estudio.
El eje y representa los valores de la variable en estudio.

Edad de las personas que se realizaron

angioplasta entre 1980 y 2000

Figura 1.3.: Diagrama de Caja.

M&I CONSULTORES S.A.C.

4|Pgina

ING. HENRY CHURA TORRES

Figura 1.4.: Diagrama de caja de las leyes de oro del proyecto Haruka.
1.3.2. HISTOGRAMAS:
Permite la representacin de la frecuencia de una variable Cuantitativa.
El eje x se refiere a la variable.
El eje y se refiere a la frecuencia (N, %).
Cada barra representa la frecuencia de la variable en la poblacin en estudio (o la
muestra).
El histograma se puede construir desde los datos de la tabla de frecuencia de la
variable en estudio.

M&I CONSULTORES S.A.C.

5|Pgina

ING. HENRY CHURA TORRES

Figura 1.5.: Histograma.

Figura 1.6.: Histograma de leyes del proyecto Haruka.

1.3.3. RECTA DE HENRI:
Describe grficamente la acumulacin de una variable Cuantitativa con respecto a
nmero total de muestras.
El eje x al % de acumulacin.
El eje y se refiere a la variable.
La grafica se conoce como curva de frecuencia acumulada.

M&I CONSULTORES S.A.C.

6|Pgina

ING. HENRY CHURA TORRES

Figura 1.7.: Grafica de frecuencia de probabilidad acumulada de las leyes de oro del
proyecto Haruka.

1.4. DISTRIBUCION NORMAL:

Es el modelo Probabilstico ms utilizado en estadstica. Su funcin de densidad
probabilstica es:
( )

La distribucin normal queda completamente definida por su media y su varianza

. La

siguiente figura muestra la forma de la distribucin normal.

M&I CONSULTORES S.A.C.

7|Pgina

ING. HENRY CHURA TORRES

La distribucin normal tiene una campana y es simtrica con respecto a un eje vertical que
pasa por su media.
Ntese de las figuras que 68% de los valores que una variable sigue una distribucin
normal se encuentran entre - y + y 95% de los valores entre - 2 y + 2.
Dicho de otra manera:

Grficamente la distribucin normal se distingue:

M&I CONSULTORES S.A.C.

8|Pgina

ING. HENRY CHURA TORRES

Figura 1.8.: Distribucin normal de leyes de cobre del proyecto Claudia.

Figura 1.9.: Distribucin lognormal de leyes de oro del proyecto Haruka.

M&I CONSULTORES S.A.C.

9|Pgina

ING. HENRY CHURA TORRES

1.5. DISTRIBUCION LOGNORMAL:

La distribucin lognormal es una distribucin continua caracterizada por la propiedad que
los logaritmos de las observaciones siguen una distribucin normal.

()

()

Interesa la distribucin lognormal porque bastantes conjuntos de observaciones geolgicas

siguen muy cerca esta distribucin especialmente los elementos preciosos que estn
caracterizados por el hecho que, comparados con su valor medio, la mayora de las
observaciones muestran bajos valores y muy pocas muestras valores altos.
La funcin de densidad probabilstica de la distribucin lognormal viene dada por la
expresin:

( )

La media y la varianza de la distribucin lognormal vienen dadas por:

M&I CONSULTORES S.A.C.

10 | P g i n a

ING. HENRY CHURA TORRES

La distribucin lognormal es siempre sesgada a la derecha. La magnitud del sesgo depende

de la varianza de los logaritmos naturales de las observaciones. Si el valor de

es

pequeo, el sesgo tambin es pequeo y la distribucin de frecuencias es casi normal.

Grficamente la distribucin lognormal se distingue:

Figura 2.0.: Distribucin normal de leyes de cobre del proyecto Claudia con frecuencia de
probabilidad acumulada.

M&I CONSULTORES S.A.C.

11 | P g i n a

ING. HENRY CHURA TORRES

Figura 2.1.: Distribucin lognormal de leyes de oro del proyecto Haruka con frecuencia de
probabilidad acumulada.

1.6. PRACTICA CALIFICADA:

Determine qu tipo de distribucin de leyes tiene el yacimiento Pokomarka, que tiene como
meta principal el zinc. Adems grafique el histograma y la curva de frecuencia acumulada
segn la siguiente tabla:
Valores de Muestreo
Li
Ls
5
10
10
15
15
20
20
25
25
30
30
35
35
40
40
45
45
50

M&I CONSULTORES S.A.C.

Frecuencia N
de Muestras
1
3
2
5
6
9
11
10
7

Frecuencia Frecuencia Frecuencia

relativa (%) Acumulada Acum. Rela.

12 | P g i n a

ING. HENRY CHURA TORRES

50
55
60
65
70
75

M&I CONSULTORES S.A.C.

55
60
65
70
75
80

8
5
3
0
1
1

13 | P g i n a