INDICE

INDICE............................................................................................................. 1
RESUMEN........................................................................................................ 2
ABSTRACT....................................................................................................... 3
1

INTRODUCCION......................................................................................... 4

OBJETIVOS................................................................................................ 5

FUNDAMENTO TEORICO............................................................................6
3.1

Geoestadistica....................................................................................6

3.2

Conceptos Requeridos........................................................................8

3.2.1. KRIGE............................................................................................... 8
4

CLCULOS Y ANALISIS DEL PROBLEMA.....................................................9

4.1

Formulacin del problema..................................................................9

4.2

Desarrollo del problema...................................................................10

4.3

Desarrollo de la varianza de un punto dentro de un deposito..........11

4.4

Desarrollo de la varianza de un bloque respecto al depsito...........12

4.5

Desarrollo de la varianza de un punto respecto a un bloque............13

4.6

Comparacin de resultados..............................................................14

CONCLUSIONES...................................................................................... 15

BIBLIOGRAFIA......................................................................................... 15

RESUMEN

En este informe corroboraremos la relacin de krige la cual se centra en una

relacin de varianzas en un depsito respecto a una muestra y a un bloque,
en la cual se cumple una igualdad que detallaremos ms adelante.
Es utilizada principalmente en minera para la evaluacin de yacimientos
minerales.
Nace como una ciencia a partir de los trabajos de H. Sichel [Sic52] y D. G.
Krige [Kri51] en los aos 50 y es formalizada por G. Matheron, durante los
aos 60. Durante la evaluacin de un yacimiento, el principal objetivo es la
determinacin de la calidad y cantidad de recursos, esto es, de la ley y el
tonelaje esperable. Para este propsito son
obtenidas muestras georeferenciadas (testigos) mediante sondajes.

ABSTRACT

In this report we will check Krige's relationship which focuses on a

relationship of variances in a tank for a sample and a block in which
equality m {as what will detail below is met.
It is used primarily in mining for evaluation of mineral deposits.
Born as a science from the work of H. Sichel [Sic52] and DG Krige
[Kri51] in the 50s and is formalized by G. Matheron, during the 60 ~
During the evaluation of a reservoir, the main objective it is the
determination of the quality and quantity of resources, that is, of the
law and expected tonnage. For this purpose samples are obtained
geo-referenced (witnesses) by drilling.

1 INTRODUCCION

La relacin de krige puede ser entendido como una prediccin lineal o

una forma de inferencia bayesiana. Parte del principio: puntos
prximos en el espacio tienden a tener valores ms parecidos que los
puntos ms distantes. La tcnica de kriging asume que los datos
recogidos
de
una
determinada
poblacin
se
encuentran
correlacionados en el espacio. Esto es, si en un vertedero de residuos
txicos y peligrosos la concentracin de zinc en un punto p es x, ser
muy probable que se encuentren resultados muy prximos a x cuanto
ms prximos se est del punto p (principio de geoestadstica). Sin
embargo, desde una cierta distancia de p, ciertamente no se
encontrarn valores prximos a x porque la correlacin espacial puede
dejar de existir.
Se considera al mtodo de kriging del tipo MELI (Mejor Estimador
Lineal Insesgado) o ELIO (Estimador Lineal Insesgado ptimo): es
lineal porque sus estimaciones son combinaciones lineales
ponderadas de los datos existentes; y es insesgado porque procura
que la media de los errores (desviaciones entre el valor real y el valor
estimado) sea nula; es el mejor (ptimo) porque los errores de
estimacin tienen una variancia (variancia de estimacin) mnima.

2 OBJETIVOS

Con las condiciones dadas por el Dr. Marn , comprobar la Relacin

de Krige
Ver los alcances de Relacin de Krige
Comprender al detalle dicha relacin, para poder generar el algoritmo
correcto para la generacin del programa.

3 FUNDAMENTO TEORICO
3.1 Geoestadistica
La geoestadstica es un conjunto de tcnicas usadas para analizar y predecir
valores de una propiedad distribuida en espacio o tiempo. En contraposicin
con la estadstica clsica o convencional, tales valores no se consideran
independientes, por el contrario se suponen de manera implcita que estn
correlacionados unos con otros, es decir que existe una dependencia
espacial. Intuitivamente esto indica que mientras ms cercanos estn
situados dos puntos estn ms correlacionados y mientras ms separados
hay menos relacin entre estos.
El proceso de estimacin y modelacin de la funcin que describe la
correlacin espacial es conocido como anlisis estructural. Una vez
realizado el anlisis estructural, la

prediccin de valores en puntos no

muestrales se puede hacer aplicando la tcnica de interpolacin "kriging" o

simulndolos a travs de simulaciones condicionales.
En resumen, a grosso modo un anlisis geoestadstico est compuesto por
tres etapas: (a) el anlisis exploratorio de los datos, (b) el anlisis estructural
y (c) las predicciones (kriging o simulaciones)
La primera etapa, conocida como anlisis exploratorio de datos, est basada
en tcnicas estadsticas convencionales que nos permiten obtener todo un
conjunto de informacin, desconocida a priori sobre la muestra bajo estudio,

que es imprescindible para realizar

correctamente cualquier anlisis

estadstico y en particular un anlisis geoestadstico.

Muchos de las ideas de las geoestadstica han sido inspiradas en su hermana
menor: las series cronolgicas o series de tiempo. Se puede advertir que los
objetivos del Anlisis de Series de Tiempo son similares a los de la
Geoestadstica. Mientras que el Anlisis de Series Temporales est orientado
al

estudio

de

procesos

unidimensionales

con

datos

muestrales

uniformemente distribuidos, la Geoestadstica se ocupa del estudio de

fenmenos con datos distribuidos de forma arbitraria en el espacio y tiempo,
por lo que la metodologa de sta ltima tiene un carcter mucho ms
general. En un marco ms amplio, la geoestadstica es una disciplina que
pertenece a la estadstica espacial.
La geoestadstica ha sido ampliamente aplicada en diversas ramas de las
ciencias aplicadas y en las ingenieras, entre otras tenemos: petrleo,
minera, pesca, geofsica marina, hidrogeologa, medio ambiente, estudios
forestales, salud pblica, ingeniera civil, procesamiento de imgenes,
cartografa, finanzas, ciencias de materiales, meteorologa, edafologa, etc.

3.2 Conceptos Requeridos

3.2.1. KRIGE
El krigeaje o krige (del francs krige)
es
un
mtodo geoestadstico de
estimacin de puntos que utiliza un modelo de variograma para la obtencin
de datos. Calcula los pesos que se darn a cada punto de referencias usados
en la valoracin. Esta tcnica de interpolacin se basa en la premisa de que
la variacin espacial contina con el mismo patrn. Fue desarrollada
inicialmente por Danie G. Krige a partir del anlisis de regresin entre
muestras y bloques de mena, las cuales fijaron la base de la geoestadstica
lineal.

3.2.1. VARIANZA
En teora de probabilidad, la varianza (que suele representarse como

) de una variable

aleatoria es una medida de dispersin definida como la esperanza del cuadrado de la

desviacin de dicha variable respecto a su media.
Est medida en unidades distintas de las de la variable. Por ejemplo, si la variable mide
una distancia en metros, la varianza se expresa en metros al cuadrado. La desviacin
estndar es la raz cuadrada de la varianza, es una medida de dispersin alternativa
expresada en las mismas unidades de los datos de la variable objeto de estudio. La
varianza tiene como valor mnimo 0.
Hay que tener en cuenta que la varianza puede verse muy influida por los valores atpicos y
no se aconseja su uso cuando las distribuciones de las variables aleatorias tienen colas
pesadas. En tales casos se recomienda el uso de otras medidas de dispersin
ms robustas.

4
C

LCULOS Y ANALISIS DEL PROBLEMA

4.1 Formulacin del problema
El ejercicio solicitado por el Dr. Alfredo Marn consiste en crear mil datos
aleatorios, cada uno de estos datos tiene una coordenada norte (y), una
coordenada este (x) y una ley de mineral (% de cobre), para simular esto se
utiliz nmeros randn en los tres casos. Las coordenadas norte y este
tiene valores que van desde 0 hasta 1000 y los valores de ley mineral van
desde 0 hasta 1%.La distribucin geogrfica del depsito de muestra en la
siguiente tabla.

GRAFICA DE 1000 LEYES DE COBRE DISPERSAS DISPERSOS

1200
1000
800

CORDENADA NORTE

600
400
200
0
0

200

400

600

800

1000

1200

CORDENADA ESTE

Tabla 4.1 distribucin geogrfica de leyes de cobre dispersas

El problema dejado por el Doctor Alfredo Marn consiste en demostrar
experimentalmente la relacin de Krige:
2(v/ V )= 2(o /V ) 2(o / v)

Dnde:

=varinza de un bloque respectoa un deposito

(v/ V )

2(o/ V ) =varianza de un punto muestral respecto al deposito

2 o =varianza de un punto muestral respecto aun bloque

(v)

Para poder realizar esta prueba experimentalmente se utiliz el

software de programacin Visual Basic y una hoja de clculo de Excel.
El desarrollo del ejercicio se muestra a continuacin.
4.2 Desarrollo del problema.
Para desarrollar el problema planteado se program en Visual Basic tres
frmulas diferentes, una para cada trmino de la relacin de Krige y se iz
que el resultado de cada una de estas frmulas se muestre en la hoja de
clculo de Excel.

Figura 4.2: Desarrollo del problema en

4.3 Desarrollo de la varianza de un punto dentro de un

deposito
Para desarrollar este trmino de la relacin de Krige se utiliz la
siguiente sentencia en visual Basic

Figura 4.1: Histograma de datos

iniciales

Figura 4.3: Sentencia usada para calcular

Esta sentencia lo que hace es hallar primero la media de los 1000

datos y despus hallar la varianza de estos 1000 puntos para
finalmente mostrar el resultado en la celda (6,I) .

4.4 Desarrollo de la varianza de un bloque respecto al

depsito
De manera anloga la anterior se cre en Visual Basic una
sentencia capaz de desarrollar este trmino de la relacin de
Krige.
Figura 4.4: Ecuacin de simulacin
Figura 4.5: Programa creado en Visual

Figura 4.6: Histograma de datos

acumulados

La sentencia muestra el resultado en la celda (6,K)

Figura
Sentencia
usada para
calcular
La sentencia lo que hace
es 4.4:
dividir
todo el deposito
(1000
x 1000) en
bloques de menor rea (100 x 100) , para luego calcular la media de las
muestras que se encuentre dentro de cada bloque .como resultado de esto
se tiene la media de 100 bloques .Finalmente la sentencia halla la varianza
de las medias de los bloques y muestra el resultado en la celda (6,K).

4.5 Desarrollo de la varianza de un punto respecto a un

bloque
Para desarrollar este factor de la relacin de Krige se us la siguiente
sentencia:

Figura
4.5:hace
Sentencia
usada
para topo
calcular
La sentencia
lo que
primero
es dividir
el depsito en
bloques de 100 x 100, para luego hallar la varianza de los puntos que
se encuentran dentro de cada bloque. Como resultado de esto de

obtiene 100 varianzas, una por cada bloque. Finalmente se promedia

estas 100 varianzas y se muestra el resultado en la celda (6, J).

4.6 Comparacin de resultados

Los resultados obtenidos en cada caso son los siguientes:

2(v/ V )=0.196

2
(o/ V )

=2.081

2 o =1.865

(v)

Usando la relacin de Krige se obtiene lo siguiente:

2(v/ V )= 2(o /V ) 2(o / v)

0.196 2.0811.865

0.196 0.216

Como se muestra la relacin de KRIGE se cumple

aproximadamente en este caso, lo cual demuestra lo pedido por
el Doctor Marin en clase.

5 CONCLUSIONES
1. La relacin de krige se cumple con una buena aproximacin, con un
error de 0.02.
2. Es una base prctica como corroboracin de mi data tomada de un
determinado deposito, mediante las varianzas.
3. Mediante otras iteraciones realizadas , observe que la RELACION DE
KRIGE es ms aproximada mientras ms pequea es la malla y ms
leyes del mineral tomo , eso se debe

que mientras ms confinado

estn las leyes tienen comportamiento similares .

6 BIBLIOGRAFIA

DIAZ VIERA, MARTIN (Julio, 2012) ,Geo estadstica Aplicada.

http://mmc2.geofisica.unam.mx/cursos/geoest/GeoEstadistica.pdf

GARAY SAICO, GUILLERMO RAIMONDI (Enero 2009).Introduccin a la

Geoestadistica.

http://mmc2.geofisica.unam.mx/cursos/geoest/Presentaciones/CG6_20
09.pdf

Clases dictadas por el PhD. Alfredo Marn Suarez y el Ingeniero

Augusto Tevs Rojas.