You are on page 1of 78

VARIOGRAMA

El variograma se puede construir experimentalmente con los datos de las muestras o sondeos
disponibles, una serie de puntos. El variograma, refleja muchas propiedades de la variable en
estudio. Entre otras los siguientes:
a) Proporciona informacin de orden estructural de la variable estudiada (la continuidad de la
mineralizacin).
b) El alcance traduce la existencia de un rea de influencia, la meseta indica una ausencia de
correlaciones.
c) Grado de continuidad entre leyes. Est dado en funcin de su pendiente al origen del
variograma. Puede ser dbil, moderado, fuerte.
d) Da una idea de la dimensin del cuerpo mineralizado y ayuda incluso a la interpretacin
gentica de un depsito mineral.
PROPIEDADES DEL SEMIVARIOGRAMA

Funcin simtrica : (h) = (-h)


positiva : (h) 0 (0) = 0

- (h) es una funcin de tipo positivo condicional (condicin para obtener varianzas
positivas); no se elegir entonces un modelo arbitrario (por ejemplo; se demuestra que la
funciones | h| , real, solo pueden jugar el papel de un semivariograma de una FA
intrnseca en el caso en que 0 < h < 20
El variograma experimental, debe ser ajustado a uno de los esquemas de transicin o
llamados MODELOS TEORICOS DE VARIOGRAMA.

REPRESENTACION GRAFICA DE UN VARIOGRAMA Y SUS ELEMENTOS

(h)
(h) = funcin
semivariograma
h = paso entre las muestras
GEO ESTADISTICA C +C0 = meseta
C0 = efecto pepita
a = alcance
C
ELEMENTOS

1.- alcance, rea de influencia


(a)
C0 2.- efecto pepita (C0)
3.- meseta (C + C0)
a h
dependencia independencia
estructura aleatoria
1.- Alcance (a).- Es una distancia a la cual el variograma se hace constante e indica la distancia hasta la
cual hay influencia entre las muestras. O sea, dentro de esta distancia el fenmeno es totalmente
estructurado; es decir, depende o est controlado por la funcin (h). Fuera de a el fenmeno es
aleatorio, o sea independientemente de la funcin variograma.
2.- Meseta.- Meseta, es el valor constante que toma el variograma para valores mayores que el alcance.
(h) (h)

C
C
C0

h h
meseta = C meseta = C + C0
C0 = 0

3.- Efecto Pepita (C0).- Es el valor que toma el variograma en las proximidades del origen o para
distancias prximas a cero. El C0 nos da cuenta cambios bruscos de los valores a pequea escala, lo cual
generalmente sucede cuando se sobrepasa una subestructura por debajo de la escala de abajo. Tambin:
VARIOGRAMA = Error cuadrtico medio de estimacin de Y(x+h) partiendo de Y(x)

CARACTERISTICAS ESTRUCTURALES QUE REFLEJAN LOS VARIOGRAMAS


FORMAS DE VARIOGRAMAS
previamente veamos los siguientes conceptos:
CONTINUIDAD Y REGULARIDAD
La continuidad y la regularidad en el espacio de una FA Y(x) y por ende, de la Variable Regionalizada
que representa; est relacionada al comportamiento de su (h) en la vecindad al origen.
CONTINUIDAD Y DERIVACION EN MEDIA CUADRATICA
Se dir que la FA Y(x) es continua en media cuadrtica si se tiene:

E([Y(x+h) Y(x)]2) 0 cuando | h | 0


se dice que una FA Y(x) es derivable en media cuadrtica y que Yi(x) es su derivada si:

Lim E{ Y(x+h) Y(x) - Yi(x)}2 =0


|h|0 h
Las principales caractersticas estructurales de un yacimiento, reflejados por los variogramas, que son
de mucha utilidad en los trabajos de interpretacin del yacimiento; podemos citar los siguientes:
I.- COMPORTAMIENTO DEL VARIOGRAMA CERCA AL ORIGEN : TIPOS DE VARIOGRAMA
1.- Continuidad
El comportamiento del variograma al origen nos proporciona una idea de continuidad de lavariable
en el espacio se pueden presentar los siguientes casos:
1.1.- Comportamiento Parablico.- (h)
cuando las variables son muy continuas
el aspecto del variograma cerca al origen
ser el de una curva parablica
Ejm. potencia de una manto o estrato
(yacimiento de carbn)

h
fenmeno de alta continuidad
1.2.- Comportamiento Lineal.-
(h) . (h)
. . .
. . .
. . . .
. .
. . .
. . . .
. . .
0 h 0 h
fenmeno con continuidad media fenmeno de continuidad lineal
Un comportamiento lineal cerca al origen indica una continuidad mediana o en promedio. Es
caracterizado por una tangente oblicua al origen. Este variograma es frecuente para yacimientos
metlicos, cuya variable regionalizada es la ley.
1.3.- Discontinuidad al Origen.-

(h) C0 + C = meseta
C0 = efecto pepita La ecuacin:

nh

Y ( x h) Y ( xi
2
i
2 ( h) i 1

( n h)
C

tericamente debe cumplir:


C0
(0) = 0
a h
Sin embargo, con frecuencia se tiene VARIOGRAMAS que presentan discontinuidad al origen, lo cual
por lo general nos indica la presencia de una subestructura a escala inferior a la escala de trabajo; tal
discontinuidad refleja la existencia de un efecto de PEPITA, trmino que proviene de los yacimientos
sedimentarios de oro en los que la presencia de una pepita puede hacer variar de manera considerable las
leyes de dos sondajes vecinos.
DH-1 DH- DH-1 DH-2

. . .. . . . . . . . .. .
. . .. . . . . . .. . . .
. . . . . . . . . .. . ..
. . .. .. . . . . ..
. .

solo clastico con pepita de oro

1.4.- Efecto de Pepita Puro


Si el variograma no depende de h, esto significa que hay independencia entre las
variables, por tanto: (h) = C0 constante
Esto significa:
- que en promedio la deferencia [Y(x+h) Y(x)] no depende de las ubicaciones relativas de x ni de
x+h
- En este nico caso la estadstica encontrar los mismos resultados que la geoestadstica.
- En la figura se observa, no presenta la parte estructurada, lo cual indica la total ausencia de
autocorrelacin de la variable estudiada. Lo cual nos confirma el hecho de que en geologa no
tratamos con distribuciones al azar (como se supone en estadstica), sino que estamos tratando con
variables que siguen cierto patrn de distribucin del cual podemos obtener cierta informacin a
travs del variograma. Solo en casos muy excepcionales es vlida la hiptesis de distribucin al azar.
Tal es el caso de algunos yacimientos de oro tipo aluvial, donde los procesos geolgicos de seleccin
natural no tienen el tiempo suficiente para imprimir un patrn de distribucin, lo que hace que el oro
se encuentre diseminado prcticamente al azar, esto ocurre cuando:
(h)

(h) no depende de h = constante


. . . . .
. . . . .
C0=C

h
fenmeno de independencia entre valores (aleatoriedad pura)
2.- Area o zona de influencia (carcter estructural del yacimiento)

(h) F.E fenmeno aleatorio F.E: fenmeno estructurado

A
C .1 .2

galera

a zona de
a=h influencia en
a: alcance direccin A
c: meseta 1 y 2 posicin de las muestra
En el caso estacionario de orden 2, el alcance a(A) en la direccin A es el valor de la distancia ms all
de la cual, en esa direccin Y(x) e Y(x+h) no estn correlacionadas o su correlacin es insignificante o
sea, el fenmeno hasta una distancia a es totalmente estructurado, ms all de a, el fenmeno es
aleatorio. Es decir, ms all de a, las variables son independientes y la estadstica encontrar los
mismos resultados que la geoestadstica, hasta a=h.
Esta parmetro a nos brinda una informacin importante: la rezn de influencia de un punto, canal o
sondaje de muestreo, concepto que se emplea en el dimensionamiento ptimo de redes de muestreo, de
paneles de cubicacin o de explotacin, etc. El fenmeno, hasta una distancia a es totalmente
estructurado, ms all de a, el fenmeno es aleatorio.
De acuerdo a ello: debemos distinguir, la existencia de VARIOGRAMAS con mesetas y sin mesetas.
Los variogramas con mestas, comienzan a crecer (la discrepancia media entre dos valores cualesquiera
aumenta) hasta alcanzar un punto h = a en que esa discrepancia media (que es una medida del grado de
dependencia entre esos valores) llega a ser independiente de la distancia h que los separa a esos valores
(alcanza la meseta): el alcance a determina la zona o rea de influencia de una muestra cualquiera
ubicada en el punto x del depsito.
Si la muestra tiene un alcance a, en la direccin en que se determin el variograma, la zona de
influencia de una muestra en esa direccin ser de 2.
El rea de influencia de un taladro, es la zona dentro de la cual cualquier sondaje es correlacionado
con l, si dos muestras son cercanos, (h) es pequeo. (h) crece con h hasta que se llegue en h = a.
3.- Efecto Pepita
Esta terminologa proviene de los yacimientos de oro, donde la presencia de una o varias pepitas hacen
variar de manera considerable las leyes de las muestras vecinas.
En este caso el variograma presentar una discontinuidad cerca al origen. Es importante sealar que tal
discontinuidad puede tener como causa, no solamente una o varias pepitas, sino tambin errores de
medida. Slo el estudio a pequea escala permitir dilucidar cual es el origen del efecto pepita.
4.- Anisotropas del Yacimiento
Como se comprender, la continuidad de la mineralizacin y por lo tanto la funcin (h) varan de
acuerdo a la direccin en que aquella se estudie; de este modo el (h) es una funcin de tipo vectorial. El
concepto de anisotropa est asociado al concepto de tendencia (trend).
D e acuerdo a esto se distinguirn los siguientes tipos de yacimientos:
1.- Yacimientos Istropos.- tienen variogramas iguales en todas las direcciones.
2.- Yacimientos Anistropos.- variogramas diferentes.
2.1.- Yac. con Anisotropa Geomtrica.- los variogramas difieren slo en el alcance, manteniendo
igual meseta.
(h)

h
a
ai
2.2.- Yac. con anisotropa zonal.- Los variogramas presentan mesetas diferentes. En este caso, la
continuidad presenta variaciones importantes en una direccin determinada.

(h)

Ci
C

a h
Ejemplo 1.- Tenemos el caso de un yacimiento estratiforme, donde la variable regionalizada es la ley de
mineral
a) Si se construye el variograma en la direccin A , perpendicular a los estratos, crecer rpidamente,
pues las discrepancias entre las leyes son muy fuertes.
b) En cambio en la direccin B, paralela a los estratos, habr ms homogeneidad y el variograma
crecer menos.
A (chimenea) (h) A

estril

mineral
B galeras
B

estril

h
por tanto: La variacin del variograma en las diferentes direcciones del espacio nos evidencia
anisotropas.
Ejemplo 2.- En caso de cuerpos irregulares, los sondajes dispuestos en diversa direcciones nos darn una
idea ms o menos precisa de la variacin en cada una de esas direcciones, es decir, la variacin de (h)
en distintas direcciones del espacio anisotropitos.

DH-1
DH-2

DH-3

3
2
1
5.- Fenmenos de Transicin.-
En general, al aumentar h, tiende a incrementar tambin la desviacin cuadrtica entre dos variables
Y(x) e Y(x+h). Es por que la funcin (h) aumenta sucesivamente a partir de su valor inicial con
frecuencia, tal incremento cesa a una determinada distancia del origen y se hace paulatinamente +/-
estable conforme se acerca al valor lmite, llamado meseta, el cual es simplemente la varianza a priori de
la funcin aleatoria. Estos variogramas estn caracterizados por el valor de meseta y alcance.
(h)

a h
II.- COMPORTAMIENTO DEL VARIOGRAMA EN EL INFINITO
Se puede demostrar que en el infinito, el variograma se incrementa necesariamente ms lento que el
valor | h |2 :
Lim (h) = 0 ; cuando | h | =
| h |2

Si se observa lo contrario, el variograma es incompatible con la hiptesis intrnseca. Un incremento


ms rpido del variograma nos indica con frecuencia la presencia de una tendencia o drift; es decir, una
esperanza matemtica no estacionaria:

E[Y(x)] = m(x)
II.- LA CORREGIONALIZACION
Parte del estudio estructural es el anlisis de CORREGIONALIZACIONES. Hasta aqu solo hemos
definido el variograma y la varianza para la regionalizacin de una sola variable; sin embargo, estos
conceptos pueden ser ampliados a CORREGIONALIZACIONES de varias variable.
Ejemplo: caso de un .. de Cu-Mo, la regionalizacin de las leyes de Cu: Y1(x) y la de Mo: Y2(x),
estarn caracterizados por sus respectivos variogramas 21(h) y 2 2(h); adems, por los estudios
mineralgicos y geoqumicas, sabemos que esta dos variables no son independientes una de otra y que
podemos definir lo que se llama un VARIOGRAMA CRUZADO para el Cu y Mo:
212(h) = E[(Y1(x) Y1(x+h) (Y2(x) Y2(x+h))]
Una vez calculado el variograma cruzado, podemos formar una matriz de la forma:
1 12

12 2
llamado matriz de corregionalizacin, que se aplica para:
- Estima el valor desconocido de una ley de Cu en un punto x: Y1(x), a partir de los valores
de Pb y Zn adyacentes.
- El tratamiento selectivo de poblaciones de datos diferentes caractersticas.
Ejemplo.- supongamos que se tiene dos colecciones diferentes de leyes de un mismo metal, con las
cuales debemos estimar la ley de un panel.
coleccin 1: consta de datos precisos ensayados en testigos de perforacin
coleccin 2: consta de datos imprecisos de muestras de canales y labores
Un estudio de CORREGIONALIZACION de estos dos tipos de datos, nos determinar los pesos
apropiados con los que cada dato intervendr durante la evaluacin de la ley del panel.
DIRECCION DE EVALUACION

Horizontal o Longitudinal 2(h) (h)

vertical diagonal
profundidad 2 (h) (h)

2 (h) (h)

PROBLEMAS APLICATIVOS: CONSTRUCCION DE VARIOGRAS


I.- MUESTREO EQUIDISTANTE (H = constante)
1) Se han efectuado el muestreo de dos tajos A y B; cuyos valores se tienen:

Zona A: Ley Cu Zona B: Ley Cu


tajeo A tajeo B

6% 3% 8% 5% 9% 4% 7% 3% 8% 5% 6% 4% 7%
9%

d d
d = distancia entre muestras (4m)
Solucin:
1) Mtodo Estadstico: clculo de la media y la varianza
Tajeo A
Ley media x = 6+3+8+5+9+4+7 = 6% Cu
7

varianza 2 = (6-6)2 + (3-6)2 + (8-6)2 + (5-6)2 + (9-6)2 + (4-6)2 + (7-6)2 = 4.0


7
Tajeo B
Ley media x = 3+8+5+6+4+7+9 = 6% Cu
7

varianza 2 = (3-6)2 + (8-6)2 + (5-6)2 + (6-6)2 +(4-6)2 + (7-6)2 + (9-6)2 = 4.0


7
Es decir, que obtenemos los mismos resultados estadsticos, lo cual nos permite
distinguir dos fenmenos diferentes al pasar por alto la posicin relativa de las muestras
en el espacio.
2) Mtodo Geoestadstico
(h) = [Y(x) Y(x+h)]2
2(n-h)
Tajeo A h = 4m
n-h = 6 pares
6% 3% 8% 5% 9% 4% 7%

(4) = (6-3)2 + (3-8)2 + (8-5)2 + (5-9)2 + (9-4)2 + (4-7)2 = 7.75


2(6)
h = 8m
n-h = 5 pares

6% 3% 8% 5% 9% 4% 7%

(8) = (6-8)2 + (3-5)2 + (8-9)2 + (5-4)2 + (9-7)2 = 1.4


2(5) h = 12 m
n-h = 4
pares

6% 3% 8% 5% 9% 4% 7%

(12) = (6-5)2 + (3-9)2 + (8-4)2 + (5-7)2 = 7.125


2(4)

6% 3% 8% 5% 9% 4% 7%

(16) = (6-9)2 + (3-4)2 + (8-7)2 = 1.83


2(3)
h = 20 m
n-h = 2
pares

6% 3% 8% 5% 9% 4% 7%

(20) = (6-4)2 + (3-7)2 = 5.0


2(2)

h = 24 m
n-h = 1
par
6% 3% 8% 5% 9% 4% 7%

(24) = (6-7)2 = 0.5


2(1)
Variograma Zona A

(h)

8 .
7 .

6
5 .
4
3

2 .
1 .
.

4 8 12 16 20 24 h
Tajeo B

3% 8% 5% 6% 4% 7% 9%

(4) = (3-8)2 + (8-5)2 + (5-6)2 + (6-4)2 + (4-7)2 + (7-9)2 = 4.33


2(6)

(8) = (3-5)2 + (8-6)2 + (5-4)2 + (6-7)2 + (4-9)2 = 3.50


2(5)

(12) = (3-6)2 + (8-4)2 + (5-7)2 + (6-9)2 = 4.75


2(4)

(16) = (3-4)2 + (8-7)2 + (5-9)2 = 3


2(3)
(20) = (3-7)2 + (8-9)2 = 4.25
2(2)
(24) = (3-9)2 = 18
2(1)

(h)
8 como vemos, la
geoestadstica
da cuenta de la
estructura de la
7 informacin
6

5 .
.
4 . .
3 .
2

4 8 12 16 20 24 h

2.-En una galera sobre veta se ha efectuado el muestreo sistemtico , cuyos resultados
aparecen en el siguiente cuadro y figura:
datos experimentales
Nmuestra 1 2 3 4 5 6 7 8 9 10 11 12
LeyOz/TcAg 3.2 4.0 2.8 3.2 3.0 3.6 2.0 4.5 2.5 3.2 2.3 2.8

13 14 15 16 17 18 19 20 21 22 23 24 25
2.2 4.1 5.2 8.3 6.1 4.0 2.6 1.8 1.0 0.8 1.3 1.7 1.3

x1 x1+h x2 x2+h x3 x3+h x4 x4+h x5 x5+h xn


xn+h
1 2 3 4 5 6 7 8 9 10

galera
Graficar el variograma par: h = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Solucin:
Datos: n = 25 n(h) = (n-h) = numero de muestras

h N(h) n-h (h) = | Y(xi + h) (xi)|2 = 2h


1 24 25 1 2(n-h) 2(n-h)
2 23 25 2 h = 1 n-h = 25-1 = 24 pares
3 22 25 3 h = 2 n-h = 25-2 = 23 pares
4 21 25 4 h = 3 n-h = 25-3 = 22 pares
5 20 25 5 .
6 19 25 6
7 18 25 7
8 17 25 8
9 16 25 9
10 15 25 - 10
.
.
.
.
.
h = 10 n-h = 25-10 = 15 pares
3.2

4.0

2.8

3.2

3.0

3.6

2.0

4.5

2.5

3.2

2.3

2.8

2.2

4.1

5.2

8.3

6.1

4.0

2.6

1.8

1.0

0.8

1.3

1.7

1.3
CUADRO N 1: clculos de incrementos

h 1 2 3 4 5 6 7 8 9 10
2h 21 22 23 24 25 26 27 28 29 210
0.64 0.16 0.00 0.04 0.16 1.44 1.69 0.49 0.00 0.81
1.44 0.64 1.00 0.16 4.00 0.25 2.25 0.64 2.89 1.44
0.16 0.04 0.64 0.64 2.89 0.09 0.16 0.25 0.00 0.36
0.04 0.16 1.44 1.69 0.49 0.00 0.81 0.16 1.00 0.81
0.36 1.00 2.25 0.25 0.04 0.49 0.04 0.64 1.21 4.84
2.56 0.81 1.21 0.16 1.69 0.64 1.96 0.25 2.56 22.09
6.25 0.25 1.44 0.09 0.64 0.04 4.41 10.24 39.69 16.81
4.00 1.69 4.84 2.89 5.29 0.16 0.49 14.44 2.56 0.25
0.49 0.04 0.09 0.09 2.56 7.29 33.64 12.96 2.25 0.01
0.81 0.16 1.00 0.81 4.00 26.01 8.41 0.64 0.36 1.96
0.25 0.01 3.24 8.41 36.00 14.44 2.89 0.09 0.25 1.69
0.36 1.69 5.76 30.25 10.89 1.44 0.04 1.00 3.24 4.00
3.61 9.00 37.21 15.21 3.24 0.16 0.16 1.44 1.96 0.81
1.21 17.64 4.00 0.01 2.25 5.29 9.61 10.89 7.84 5.76
9.61 0.81 1.44 6.76 11.56 17.64 19.36 15.21 12.25 15.21
4.84 18.49 32.49 42.25 53.29 56.25 49.00 43.56 49.00
4.41 12.25 18.49 26.01 28.09 23.04 19.36 23.04
1.96 4.84 9.00 10.24 7.29 5.29 7.29
0.64 2.56 3.24 1.69 0.81 1.69
0.64 1.00 0.25 0.01 0.25
0.04 0.09 0.49 0.09
0.25 0.81 0.25
0.16 0.00
0.16
44.89 74.14 129.80 147.80 175.43 161.65 161.57 135.94 127.06 76.85
2h

CUADRO N: clculo del semivariograma

h 1 2 3 4 5 6 7 8 9 10
n(h) 24 23 22 21 20 19 18 17 16 15
2n(h) 48 46 44 42 40 38 36 34 32 30
2
h 44.89 74.14 129.80 147.80 175.43 161.65 161.57 135.94 127.06 76.85
(h) 0.94 1.61 2.95 3.52 4.39 4.26 4.49 4.00 3.97 2.56

h=1 h=4 (h) = | Zx+h Zx|2


h=2 h=5 2(n h) h = Zx+h - Zx n = 25
h=3
| 1| 21 22 23 24 25 26 27 28 29
0.8 0.64 0.16 0.0 0.04 0.16 1.44 1.69 0.49 0.00
1.2 1.44 0.64 1.0 0.16 4.00 0.25 2.25 0.64 2.89
0.4 0.16 0.04 0.64 0.64 2.89 0.09 0.16 0.25 0.00
0.2 0.04 0.16 1.44 1.69 0.49 0.00 0.81 0.16 1.00
0.6 0.36 1.00 2.25 0.25 0.04 0.49 0.04 0.64 1.21
1.6 2.56 0.81 1.21 0.16 1.69 0.64 1.96 0.25 2.56
2.5 0.25 0.25 1.44 0.09 0.64 0.04 4.41 10.24 39.69
2.0 4.00 1.69 4.84 2.89 5.29 0.16 0.49 14.44 2.56
0.7 0.49 0.04 0.09 0.09 2.56 7.29 33.64 12.96 2.25
0.9 0.81 0.16 1.00 0.81 4.00 26.01 8.41 0.64 0.36
0.5 0.25 0.01 3.24 8.41 36.00 14.44 2.89 0.09 0.25
0.6 0.36 1.69 5.76 30.25 10.89 1.44 0.04 1.00 3.24
1.9 3.61 9.00 37.21 15.21 3.24 0.16 0.16 1.44 1.96
1.1 1.21 17.64 4.00 0.01 2.25 5.29 9.61 10.89 7.84
3.1 9.61 0.81 1.44 6.76 11.56 17.64 19.36 15.21 12.25
2.2 4.84 18.49 32.49 42.25 53.29 56.25 49.00 43.56 49.00
2.1 4.41 12.25 18.49 26.01 28.09 23.04 19.36 23.04
1.4 1.96 4.84 9.00 10.24 7.29 5.29 7.29
0.8 0.64 2.56 3.24 1.69 0.81 1.69
0.8 0.64 1.00 0.25 0.01 0.25
0.2 0.04 0.09 0.49 0.09
0.5 0.25 0.81 0.25
0.4 0.16 0.00
0.4 0.16
2h 44.89 74.14 129.8 147.8 175.43 161.65 161.57 135.94 127.06
2(n- 48 46 44 42 40 38 36 34 32
h)
h 0.94 1.61 2.95 3.52 4.39 4.26 4.49 4.00 3.94

W E

(h)

4 .

3
NW SE
2 NE - SW

1 ajuste

C0=0.5

1 2 3 4 5 6 7 8 9 h
a = 420 m
3.2

4.0

2.8

3.2

3.0

3.6

2.0

4.5

2.5

3.2

2.3

2.8

2.2

4.1

5.2

8.3

6.1

4.0

2.6

1.8

1.0

0.8

1.3

1.7

1.3
APLICACIN DE VARIOGRAMA

1) Un yacimiento argentfero, ha sido muestreado con fines de evaluacin. Para tal efecto
se han extrado muestras sistemticamente con un espaciamiento de 5m. en cada galera,
cuyos valores son:

1 2 3 4 5 6 7 8 9 10

NM 1 2 3 4 5 6 7 8 9 10
Oz/TcAg 3 5 8 12 20 16 10 7 4 2
% Pb 10 8 5 3 6 10 12 14 16 20

Determinar: El semivariograma, en el sentido del muestreo


Para plata
h 5 10 15 20 25 30 35 40 45
2 2 2 2 2 2
h 5 10 15 20 25 230 235 240 245
4.0 25.0 81.0 289.0 169.0 49.0 16.0 1.0 1.0
4.0 49.0 225.0 121.0 225.0 4.0 1.0 9.0
16.0 144.0 64.0 4.0 1.0 16.0 36.0
64.0 16.0 4.0 25.0 64.0 100.0
16.0 100.0 169.0 256.0 324.0
36.0 81.0 144.0 196.0
9.0 36.0 64.0
9.0 25.0
4.0
2h 162.0 476 751 891 783 169 53 10 1
N 9 8 7 6 5 4 3 2 1
2N 18 16 14 12 10 8 6 4 2
(h) 9.00 29.75 53.64 74.25 78.3 21.13 8.83 2.50 0.50
Nota: igual procedimiento para el plomo
(h)

80
70

60 C0 = 0
50 C = 78.3
40 a = 25m

30
20
10
0 5 10 15 20 25 30 35 40 45 h
2) Un yacimiento aluvial es evaluado para conocer el comportamiento del oro; para tal
efecto se han muestreado equidistantemente. Por razones que se desconoce algunas
muestras no poseen valores. Determinar el semivariograma para h = 1, 2, 3, 4, 5, 6, 7, 8
m.

.1 .2 .9 .11
.4 .6 .7
.
.12
3 .8 ..
. 10
5
NM 1 2 3 4 5 6 7 8 9 10 11 12
GrAu/m3 0.5 0.9 1.2 - 3.5 5 6.5 8 10 - 16 20
Solucin
h 1 2 3 4 5 6 7 8
2h 21 22 23 24 25 26 27 28
0.16 0.49 6.76 9.0 20.25 36.0 56.25 90.25
0.09 5.29 14.44 16.81 31.36 50.41 82.81 219.04
2.25 9.0 20.25 28.09 46.24 77.44 272.25
2.25 9.0 25.0 42.25 121.0 156.25
2.25 12.25 64.0 90.25 182.25 225.0
4.0 36 100.0 144.0
16.0
2h 27.0 72.03 230.45 330.40 401.10 545.10 411.45 309.29
(n-h) 7 6 6 6 5 5 3 2
2(n-h) 14 12 12 12 10 10 6 4
(h) 1.93 6.0 19.20 27.53 40.11 54.51 68.55 77.32

(h)

80

70
C0 = 0
60 C = 77.32
a = 8m.
50

40

30

20

10

0 1 2 3 4 5 6 7 8 9 h
3) En una mina de Zinc, se han extrado muestras desde el nivel 4000 hasta el nivel 4160,
con la finalidad de confirmar el comportamiento de la ley de Zinc (hallar el variograma).
Para h = 5, 10, 15 ,20, 20, 25
NM 1 2 3 4 5 6 7 8 9 10
% Zn 18 15 12 20 10 8 12 6 5 2

4160 1 2 3 4 5 6 7 8 9
10

10 18 15 12 20 10 8 12 6 5
2
9
8
80m 7 h= 5 10 15 20 25
6
4080 5 n(h) 9 8 7 6 5

4 (h) = [Y(xi ) Y(xi + h)]2


3 2n(h)
80 2
1 2h = [Y(xi) Y(xi + h)]2
4000

h 5 10 15 20 25
2h 25 210 215 220 225
9 36 4 64 100
9 25 25 49 9
64 4 16 00 36
100 144 64 196 225
4 4 16 25 64
16 4 9 36
36 49 100
1 16
9
2h 248 282 234 370 434
n(h) 9 8 7 6 5
2n(h) 18 16 14 12 10
(h) 13.78 17.63 16.71 30.83 43.4
(h)
.
40
35
.
30
25
20
.
15
10
5

0 5 10 15 20 25 30 h
4) En la galera que se muestra, se han extraido 10 muestras, por razones que se desconoce, se han
extraviado dos de ellas. Sus valores son para h = 3, 6, 9, 12, 15 y 18. Determinar el variograma.

1 2 3 4 5 6 7 8 9 10

NM 1 2 3 4 5 6 7 8 9 10
Oz/TcAg 5 8 12 - 20 25 30 - 4 2
Solucin:

1 2 3 4 5 6 7 8 9 10

5 8 12 20 25 30 4 2

h 3 6 9 12 15 18
n(h) 5 4 4 5 3 2

H 3 6 9 12 15 18
2h 23 26 29 212 215 218
9 49 144 225 400 625
16 64 169 289 484 144
25 100 441 324 324
25 676 784 256
4 529
2h 79 889 1538 1653 1208 769
n(h) 5 4 4 5 3 2
2n(h) 10 8 8 10 6 4
(h) 7.90 111.13 192.25 165.30 201.33 192.25

(h)

210 .
. .
170 .

130

90

50
10

0 3 6 9 12 15 18 h

5) En un yacimiento de cobre, sistema de vetas, de una de las vetas se han obtenido 20


muestras equidistantes a 1m. de W E, cuyos valores son las siguientes:
NM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
%Cu 3 1.9 2 1.5 - 4.5 3.5 2.5 - 5 4 3 - 1.5 2.0 1.8 - - 2.5 1.8

De los cuales 5 valores de las muestras no se tiene. Determinar el variograma cuando:


h = 1, 2, 3, 4, 5, 6
Solucin:
W
3 1.9 2 1.5 4.5 3.5 2.5 5 4 3 1.5 2 1.8
2.5 1.8

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
19 20

1) N pares de muestras
h (n-h)
1 10
2 8
3 8
4 11
5 9
6 7
h 1 2 3 4 5 6
2
h 21 22 23 24 25 26
1.21 1.00 2.25 6.76 2.25 0.25
0.01 0.16 6.25 2.25 2.56 0.36
0.25 9.00 4.00 1.00 0.25 12.25
1.00 4.00 2.25 0.25 0.25 2.25
1.00 6.25 2.25 0.25 0.25 1.00
1.00 4.00 6.25 0.25 9.00 10.24
1.00 2.25 1.00 12.25 4.84 0.09
0.25 0.09 0.49 4.00 1.00
0.04 1.44 0.04
0.49 0.25
0.00
2h 6.25 26.75 24.74 28.70 20.44 26.44
(n-h) 10 8 8 11 9 7
2(n-h) 20 16 16 22 18 14
(h) 0.31 1.67 1.55 1.30 1.14 1.89

(h) .
1.8

1.5 .
.
1.2
.
0.9

0.6

0.3

0 1 2 3 4 5 6 h

6) En un yacimiento aluvial se ha realizado un muestreo por el mtodo de triangulacin a


lo largo de un rio en una longitud de 1Km. x 0.5Km. cuyos resultados se indican a
continuacin:
NM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
GrAu/m3 0.8 0.9 1.3 0.5 1.5 2.5 2 1.8 1.4 0.6 0.5 0.9 1.5 2.6 3 2.1 1.5 1.7

Determinar el semivariograma experimental correspondiente para H = 2, 4, 6, 8, 10

.2 . 10 . 12 .
18
.4 .8 . 14 . 16
.6
500m

. . . .
.
1 .3 . . 9 11 13 15 .
17
5 7
1000m
h 2 4 6 8 10 0.8
2h 22 24 26 28 210 0.9
0.25 0.49 1.44 0.36 0.09 1.3
0.16 2.56 0.81 0.09 0.00 0.5
0.04 0.49 0.01 0.64 1.21 1.5
4.00 1.69 0.01 0.16 4.41 2.5
0.25 0.01 1.00 0.00 2.25 2.0
0.49 3.61 2.56 0.01 0.16 1.8
0.36 2.25 0.25 1.00 0.25 1.4
1.44 0.81 0.64 0.09 0.01 0.6
0.81 0.01 2.56 0.01 0.5
0.09 4.00 2.25 1.21 (h) .
1.00 6.25 1.00 0.9
2.89 1.44 0.64
2.25 0.00 1.5
0.25 0.81 0.8
2.25 2.6
0.16
2h 16.69 24.42 13.17 3.57 8.38 3.0
n(h) 16 14 12 10 8 0.6
2n(h) 32 28 24 20 16 2.1
(h) 0.52 0.87 0.55 0.18 0.52 . .
. 1.5
1.7
0.4
C0 n = 18

0.2 .

0 2 4 6 8 10 h

7) En una chimenea de 60m. de longitud, se ha muestreado por sistema de canales en forma


equidistantes, cuyo resultado se tiene:

Gal3 CH3
NM Oz/TcAg h n-h NPares
1 1 18.5 1 11 1 10
2 2 17.0 2 11 2 9
3 3 13.0 3 11 3 8
4 4 15.5 4 11 4 7
5 10.6 5 11 5 6
5 6 14.5 6 11 ---6 5
60m 6 Block 20 7 12.0 7 11 7 4
7 8 10.5 8 11 -- 8 3
8 9 8.5
10 7.0
9 11 7.5
10
11

Gal4 CH4

Elaborar el variograma correspondiente para h = 1, 2, 3, 4, 5, 6, 7, 8 en la direccin


CH3CH4

Cuadro nmero 2: clculo de incrementos


h 1 2 3 4 5 6 7 8
2h 21 22 23 24 25 26 27 28
2.25 30.25 9.00 62.41 16.00 42.25 64.00 100.00
16.00 2.25 40.96 6.25 25.00 42.25 72.25 100.00
6.25 5.76 2.25 1.00 6.25 20.25 36.00 30.25
24.01 1.0 12.25 25.00 49.00 12.96 64.00
15.21 1.96 0.01 4.41 12.96 49.00
6.25 16.00 36.00 56.25 49.00
2.25 12.25 25.00 20.25
4.00 12.25 9.00
2.25 1.00
0.25
2h 78.72 82.72 134.47 175.57 158.21 166.71 238.25 230.25

Cuadro N 3: clculo del semivariograma


h 1 2 3 4 5 6 7 8
n(h) 10 9 8 7 6 5 4 3
2n(h) 20 18 16 14 12 10 8 6
2h 78.72 82.72 134.47 175.57 158.21 166.71 238.25 230.25
(h) 3.94 4.60 8.40 12.54 13.18 16.67 29.78 38.38

(h)
40
.
36

32

28 .

24

20

16 .
. .
12
.
8
.
4 .

0 1 2 3 4 5 6 7 8 9 h
8) En un yacimiento diseminado de Cu, se a efectuado la evaluacin geolgica a travs de sondajes
segn una malla regula-cuadrada de muestreo; cuyos resultados se tiene.
Elaborar el variograma en las direcciones sealadas; para h = 1, 2, 3, 5, 6
NW E
2 1.5 0.9 1.2 0.7 2.0 2.3
1.8

1
S 0.9 1.8 0.8 1.9 2.2 1.5
1

WE 1.8 2.5 3 1.8 3.5 2


2.2
N-S
N1
2S
1.5 1 1.4 0.8 1.7 2
2.6

n = 35
nii = n (nf 1)
nii = n (nc 1) 1.4 1.2 1.6 2.5 1.9 2.2
1.5
nii h = Npares
nf: N de filas del muestreo
nc: N de columnas del muestreo
nii: N de muestras deducido
Datos: 1) Direccin W-E
Cuadro 1: N de pares de muestras

NTALAD PROF(m) LEY%Cu h nii = n (nf 1) (nii h)


1 40 1.5
2 60 0.9 1 31 30
3 20 1.2 2 27 25
4 75 0.7 3 23 20
5 35 2.0 4 19 15
6 20 2.3 Cuadro 5 15 10 2:
7 75 1.8 clculo 6 11 5 de
8 60 0.9
9 45 1.8 incrementos
10 50
h 1 0.8 2 3 4 5 6
11 25
2
h 2
1 1.9 2
2
23 24 25 26
12 48 0.36 2.20.09 0.64 0.25 0.64 0.09
13 36 0.09 1.50.04 1.21 1.96 0.81 0.01
14 55 0.25 1.00.64 1.21 0.36 0.36 0.16
15 66 1.69 1.82.56 1.21 1.69 0.64 1.21
16 75 0.09 2.50.04 1.00 0.09 0.04 0.01
17 70 0.25 3.00.01 0.16 0.04 0.09
18 56 0.81 1.80.01 0.49 2.89 0.25
19 32 1.00 3.51.96 0.81 0.25 2.56
20 64 1.21 2.00.16 0.00 0.64 0.64
21 22 0.09 2.21.44 1.00 0.04 0.09
22 18 0.49 1.51.44 1.00 1.00
23 35 0.25 1.00.49 0.16 1.44
24 24 0.49 1.40.25 0.49 0.25
25 30 0.25 0.80.04 0.49 1.00
26 25 1.44 1.71.69 0.36 0.01
27 32 2.89 2.00.01 3.24
28 46 2.25 2.60.04 1.21
29 50 0.04 1.40.09 0.49
30 45 0.25 1.21.44 0.36
31 30 0.16 1.60.81 1.00
32 65 0.36 2.50.04
33 58 0.81 1.91.69
34 64 0.09 2.20.09
35 45 0.36 1.50.09
0.04 0.16
0.16
0.81
0.36
0.09
0.49
2
h 17.92 15.32 16.53 11.91 6.12 1.48
n(h) 30 25 20 15 10 5
2n(h) 60 50 40 30 20 10
(h) 0.30 0.31 0.41 0.40 0.31 0.15
(h)
0.6
N-1
. . 2-S
0.4
.
. .
N-S W-E
0.2
.

0 1 2 3 4 5 6 7 8 h

2) Direccin N-S Cuadro 2: clculo de incrementos y semivariograma


h nii = n(nc1) (nii h)
1 29 28 h 1 2 3 4 5 6
2 23 21 2h 21 22 23 24 25 26
3 17 14 0.36 0.09 0.00 0.01
4 11 7 0.81 0.36 0.25 0.09
5 5 0 0.09 0.16 0.01 0.16
6 0 0 0.01 2.56 0.36 3.24
0.81 0.64 0.04 0.01
0.49 1.69 0.64 0.01
2.25 3.24 0.01 0.09
0.04 0.36 0.36
0.16 1.96 0.09
4.84 1.21 0.09
2.56 1.21 0.09
0.04 0.49 0.49
1.44 2.25 0.64
0.01 0.25 0.25
1.00 2.56
2.89 0.09
0.04 0.25
1.69 0.04
3.24 0.16
0.04 2.56
0.64 0.49
0.25
0.00
0.04
0.64
1.44
0.16
1.21
n(h) 28 21 14 7 0 0
2n(h) 56 42 28 14 0 0
2h 27.19 22.62 3.32 3.61 0 0
(h) 0.49 0.54 0.12 0.26 0 0
3) Direccin N-1

Cuadro 1: Clculo de N pares Cuadro 2: Clculo de s


h 1 2 3 4 5 6
2 2 2
h h h 2h h h 2h
2 2
h (n-h)
0.00 0.36 0.64 0.36 00 00
1 24 0.36 3.24 1.00 1.21
2 15 0.00 0.49 0.25 0.04
3 8 0.01 1.00 0.81
4 3 2.89 0.81 1.00
5 0 1.00 2.56 1.00
6 0 0.01 0.25 0.01
1.21 0.64 2.25
4.00 0.36
0.16 2.89
0.01 0.49
0.16 3.61
0.16 0.49
0.04 0.25
0.09 0.09
4.00
7.29
0.64
h 1 2 3 4 5 6 1.00
2h 12
22
23 4 25
2
26 0.09
1.69 0.04 3.61 0.09 0.64
0.25 1.69 0.64 1.69 0.04
0.49 0.36 0.16 0.16 0.01
2.25 5.29 0.64 0.16
0.04 0.01 1.96 n(h) 24 15 8 3 0 0
0.36 4.00 0.49 2n(h) 48 30 16 6 0 0
0.49 0.81 0.01 2h 23.97 17.53 6.96 1.61 0 0
2.56 0.81 2.56 (h) 0.50 0.58 0.44 0.27 0 0
2.25 0.16
0.25 2.25 4) Direccin 2-S
0.01 1.00
1.00 1.21
h
0.01 (n-h)
0.25
1 h 0.00
0.25 24 1 2 3 4 5 6
2Direc 0.04
0.09 15n(h) (h) n(h (h) n(h) (h) n(h) (h) n(h (h) n(h (h)
3
1.44 8 ) ) )
4W-E 3 30 0.31
4.84 25 0.31 20 0.4 15 0.40 10 0.31 5 0.15
5
1.21 0 1
6N-S 0 28 0.49
2.56 21 0.54 14 0.1 7 0.26 0 0 0 0
1.21 2
1.21
N-1 24 0.50 15 0.58 8 0.4 3 0.27 0 0 0 0
0.64 4
0.36
2-S 24 0.53 15 0.60 8 0.6 3 0.32 0 0 0 0
0.09
n(h) 24 15 8 3 0 0
2n(h) 48 30 16 6 0 0
2h 25.55 17.92 10.07 1.94 0 0
(h) 0.53 0.60 0.63 0.32 0 0
3
Clculos (base taladro N 1) (Bidimensional)
h=1
N W 1 E 30
n(h) = 30 + 28 = 58 h = 1
n(h) = 24 + 24 = 48 h = 2
1 2 2
(1) = (30*0.31)+(28*0.49) = 0.40
30+28
24 24 ( 2 ) = (24*0.5)+(24*0.53) =
0.51
24+24
S 28
h=2
2 25

n(h) = 25 + 21 = 46 h = 2
2 2 2 2 2 n(h) = 15 + 15 = 30 h = 2 2
(2) = (25*0.31) + (21*0.54) = 0.42
15 15 25 + 21
(2 2 ) = (15*0.58)+ (15*0.6) = 0.59
21 15 + 15
h=3
3 20 n(h) = 20 + 14 = 34 h=3
n(h) = 8 + 8 = 16 h=3 2
3 2 (3) = (20*0.41) + (14*0.12) = 0.29
3 20 + 14
3 2 8 (3 2 ) = (8*0.44) + (8*0.63) = 0.54
8 8+8
14
h=4
4 15
n(h) = 15 + 7 = 22 ..h = 4
4 2 n(h) = 3 + 3 = 6 h = 4 2
4 (4) = (15*0.4) + (7*0.26) = 0.36
4 2 3 15 + 7
3 (4 2 ) = (3*0.27) + (3*0.32) = 0.30
7 3+3
h=5
5 10
n(h) = 10 + 0 = 10 h = 5
5 2 n(h) = 0 + 0 = 0 h = 5 2
5 (5) = (10*0.31) + (0*0) = 0.31
5 2 0 10 + 0
0 (5 2 ) = (0*0) + (0*0) = 0
0 0+0
h=6
6 5
n(h) = 5 + 0 = 5 ..h = 6
n(h) = 0 + 0 = 0 ..h = 6 2
6 6 2 (6) = (5*0.15) + (0*0) = 0.15
5+0
0 0 (6 2 ) = (0*0) + (0*0) = 0
0 0+0
Clculo del semivariograma promedio
h 1 2 2 2 3 3 4 4 5 5 6 6
2 2 2 2 2
n(h) 58 48 46 30 34 16 22 6 10 0 5 0
(h) 0.40 0.51 0.42 0.59 0.29 0.54 0.36 0.30 0.31 0 0.15 0

9) En el siguiente grfico se muestra el procedimiento de muestreo efectuado en una


galera, a partir del punto topogrfico P10. Determinar el semivariograma experimental

M1 M2 M3 M4 M5 M6 M7 M8
Oz/Tc 8 6.5 10.5 13 9 7.8 14.5 13
Ag
CH-10 4 1.5 3.8 2 3 4.2 2.8 3.5 CH-11
HV4000 GALERIA

Solucin:
a)
2 = [Y(xi + h) Y(xi)]2 h
(8.0-6.5)2 = 2.25 1.5
(8.0-10.5)2 = 6.25 1.5 + 3.8 = 5.3
(8.0-13.0)2 = 25 1.5+3.8+2. = 7.3
(8.0-9.0)2 = 1.00 1.5+3.8+2+3 = 10.3
(8.0-7.8)2 = 0.04 1.5+3.8+2+3+4.2 = 14.5
(8.0-4.5)2 = 42.25 1.5+3.8+2+3+4.2+2.8 = 17.3
8.0-13.0)2 = 25 1.5+3.8+2+3+4.2+2.8+3.5 = 20.8
(6.5-10.5)2 = 16.00 3.8
(6.5-13.0)2 = 42.25 3.8+2 = 5.8
(6.5-9.0)2 = 6.25 3.8+2+3 = 8.8
(6.5-7.8)2 = 1.69 3.8+2+3+4.2 = 13.0
(6.5-14.5)2 = 64.00 3.8+2+3+4.2+2.8 = 15.8
(6.5-13.0)2 = 42.25 3.8+2+3+4.2+2.8+3.5 = 19.3
(10.5-13.0)2 = 6.25 2.0
(10.5-9.0)2 = 2.25 2+3 =5
(10.5-7.8)2 = 7.29 2+3+4.2 = 9.2
(10.5-14.5)2 = 16.00 2+3+4.2+2.8 = 12
(10.5-13.0)2 = 6.25 2+3+4.2+2.8+3.5 = 15.5
(13.0-9.0)2 = 16.00 3
(13.0-7.8)2 = 27.04 3+4.2 =7.2
(13.0-14.5)2 = 2.25 3+4.2+2.8 = 10
(13.0-13.0)2 = 0.00 3+4.2+2.8+3.5 = 13.5
(9.0-7.8)2 = 1.44 4.2
(9.0-14.5)2 = 30.25 4.2+2.8 = 7.0
(9.0-13.0)2 = 16.00 4.2+2.8+3.5 = 10.5
(7.8-14.5)2 = 44.89 2.8
(7.8-13.0)2 = 27.04 2.8+3.5 = 6.3
(14.5-13.0)2 = 2.25 3.5

b) Clculo del intervalo de clase (para distancias)


N INTERVALOS K = 1 + 3.3Logn = 1 + 3.3Log7 = 3.79 4
AMPLITUD C = rango = [20.8 1.5] = 4.82 5
K 4
Intervalo de clase [Y(xi + h) Y(xi)]2 = (h) Distancia Pares de
2n(h) Promedio (h) Muestras
1.5 6.5 7.585 3.93 11
6.5 11.5 7.193 8.79 8
11.5 16.5 7.332 14.05 6
16.5 21.5 18.250 19.13 3

(h)1.5-6.5 = 2.25+6.25+16+42.25+6.25+2.25+16+1.44+44.89+27.04+2.25 = 7.585


2*11
hpromedio = 1.5+5.3+3.8+5.8+2+5+3+4.2+2.8+6.3+3.5 = 3.93
11
(h)6.5-11.5 = 25+1+6.25+7.29+27.04+2.25+30.25+16 = 7.193
2*8
hpromedio = 7.3+10.3+8.8+9.2+7.2+10+7+10.5 = 8.79
8
(h)11.5-16.5 = 0.04+1.69+64+16+6.25+0 = 7.332
2*6
hpromedio = 14.5+13+15.8+12+15.5+13.5 = 14.05
6
(h)16.5-21.5 = 42.25+25+42.25 = 18.25
2*3
hpromedio = 17.3 + 20.8 + 19.3 = 19.13
3
Ejercicio (cuando h constante)
1) En la evaluacin de un yacimiento aluvial, se han efectuado 9 sondeos de muestreo, tal
como se muestra en el grfico

.9
.1 .5
7
.3
2 6 8

4
20m 60m 100m 40 10m 40m 30m 15
GrAu 30 20 18 15 10 8 5 3
2
m3
Solucin
1 2 3 4 5 6 7 8
9
20 60 100 40 10 40 30 15

30 20 18 15 10 8 5 3
2

2 = [Y(xi + h)Y(xi)]2 h 2 = [Y(xi + h) Y(xi)]2 h


(30-20)2 = 100 20 (15-10)2 = 25 40
(30-18)2 = 144 20+60 = 80 (15-8)2 = 49 40+10 = 50
(30-15)2 = 225 20+60+100 =180 (15-5)2 = 100 50+40 = 90
(30-10)2 = 400 180+40 = 220 (15-3)2 = 144 90+30 = 120
(30-8)2 = 484 220+ 10 = 230 (15-2)2 = 169 120+15 = 135
(30-5)2 = 625 230 + 40 = 270
(30-3)2 = 729 270 + 30 = 300
(30-2)2 = 784 300 + 15 = 315
(20-18)2 = 4 60 (10-8)2 = 4 10
(20-15)2 = 25 60+100 = 160 (10-5)2 = 25 10+40 = 50
(20-10)2 = 100 160+40 = 200 (10-3)2 = 49 50+30 = 80
(20-8)2 = 144 200+10 = 210 (10-2)2 = 64 80+15 = 95
(20-5)2 = 225 210+40 = 250 (8-5)2 = 9 40
(20-3)2 = 289 250+30 = 280 (8-3)2 = 25 40+30 =70
(20-2)2 = 324 280+15 = 295 (8-2)2 = 36 70+15 = 85
(18-15)2 = 9 100 (5-3)2 = 4 30
(18-10)2 = 64 100+40 = 140 (5-2)2 = 9 30+15 = 45
(18-8)2 = 100 140+10 = 150
(18-5)2 = 169 150+40 = 190 (3-2)2 = 1 15
(18-3)2 = 225 190+30 = 220
(18-2)2 = 256 220+15 = 235

INTERV [Y(xi + h) Y(xi)]2 = (h) Dist. Promedio N PARES


2n(h) hp n(h)
10 86 17.29 48 14
87 163 42.19 124 08
164 240 125.19 211 08
240 -- 317 219.20 279 05

Clculos
(h)10-86 = 100+144+4+25+49+4+25+49+9+25+36+4+9+1 = 17.29
2*14
hp = 20+80+60+40+50+10+50+80+40+70+85+30+45+15 = 48m
14
(h)87-163 = 25+9+64+100+100+144+169+64 = 42.19
2*8
hp = 160+100+140+150+90+120+135+95 = 124m
8
(h)164-240 = 225+400+484+100+144+169+225+256 = 125.19
2*8
hp = 160+220+230+200+210+190+220+235 = 211m
8
(h)241-317 = 625+729+225+289+324 = 219.2
2*5
hp = 270+300+250+280+295 = 279m
5
(h)
220 .

200

180

160

140
.
120

100
80

60

40 .
.

0 50 100 150 200 250 300 hp

2) En una galera , teniendo la referencia la CH-10,se efectuado un muestreo con malla


irregular, cuyos valores son los siguientes:

%Zn 2 6 10 13 16 18 22 25 18 14 9
7
M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11
M12
5 10 8 14 20 15 10 6 8 12
16m
CH-10 GALERIA

2 16 64 121 196 256 400 529 256 144 49 25


dist 5 15 23 37 57 72 82 88 96 108 124
2 16 49 100 144 256 361 144 64 9 1
dist 10 18 32 52 67 77 83 91 103 119
2 9 36 64 144 225 64 16 1 9 9 25 81 144 25 1 16 36
dist 8 22 42 57 67 73 81 93 109 14 34 49 59 65 73 85 101
2 4 36 81 4 4 49 81 16 49 0 16 81 121
dist 20 35 45 51 59 71 87 15 25 31 39 51 67
2 9 16 64 169 225 49 121 261 324 16 81 121 25 49 4
dist 10 16 24 36 52 6 14 26 42 8 20 36 12 28 16

NINTERV. K = 1 + 3.3Logn = 1 + 3.3Log11 = 4.44 5


AMPLITUD C = 124 5 = 23.8
5
INTERVALO 2 = (h) DIST: PROM PARES DE
2n(h) h(m) MUESTRA n(h)
5 --- 28.8 24.52 16.14 22
28.8 --- 52.6 52.09 41.50 16
52.6 --- 76.4 70.38 65.58 12
76.4 --- 100.2 75.18 87.64 11
100.2 --- 124 9.30 112.60 5

(h)5-28.8 = 16+64+121+16+49+9+36+9+4+16+49+9+16+64+49+121+256+16+81+25+49+4 = 24.52


2(22)
hp = 5+15+23+10+18+8+22+14+20+15+25+10+16+24+6+14+26+8+20+12+28+16 =16.14m
22
(h)28.8-52.6 = 196+100+144+64+25+81+36+81+4+0+16+81+169+225+324+121 = 52.09
2(16)
hp = 37+32+52+42+34+49+35+45+51+31+39+51+36+52+42+36 = 41.50m
16
(h)52.6-76.4 = 256+400+256+144+225+64+144+25+1+4+49+121 = 70.38
2(12)
hp = 57+72+67+57+67+73+59+65+73+59+71+67 = 65.58m
12
(h)76.4-100.2 = 529+256+144+361+144+64+16+1+16+36+87 = 75.18
2(11)
hp = 82+88+96+77+83+91+81+93+85+101+87 = 87.64m
11
(h)100.2-124 = 49+25+9+1+9 = 9.3 hp = 108+124+103+119+109 = 112.60m
2(5) 5
(h)
80
.
70
.
60
.
50

40
30
.
20

10 C0

0 15 30 45 60 75 90 105 120 135 h


(Dos dimensiones = bidimensional)
En un yacimiento tipo diseminado de cobre, se ha realizado un muestreo mediante una malla regular.
Un total de 31 muestras han sido tomadas (otros se extraviaron) cuyos valores estn dadas en la figura.
Determinar el semivariograma en las 4 direcciones principales que se indican y para intervalos de
longitud de 1 a 3 unidades.(Nota: si los valores de las muestras disponibles estn localizadas en un plano
o volumen, es importante calcular el semivariograma (o el covariograma) en ms de una direccin para
detectar cualquier anisotropa en las propiedades estadsticas de los valores]

10 8 7 6 6 4

5 6 7

1 3 7 11 4 4

1 5 11 8

13 9 8 7 7

10 12 1

13 3

4 11
1
para: h: 1..n(h) = 14 pares
h: 2..n(h) = 14 pares
2 3 4 h: 3..n(h) = 9 pares
Solucin:
a).- Direccin 1:

10 8 7 6 6 4

5 6 7

1 3 7 11 4
4

1 5 11
8

13 9 8 7 7

10 12
1

13
3

4 11

para h = 1

1 n( h)
Y1 Y ( xi ) = [10+8+7+6+6+5+1+3+7+11+13+9+8+7]/14 = 7.21
n(h) i 1
1 n(h)
Y2 Y ( xi h) = [8+7+6+6+4+6+3+7+11+4+9+8+7+7]/14 = 6.64
n(h) i 1
1 n( h)
h Y ( xi ) Y ( xi h) 2 =[(10-8)2+(8-7)2+(7-6)2+(6-6)2+(6-4)2+(5-6)2+(1-
2n(h) i 1
3)2+
(3-7)2+(7-11)2+(11-4)2+(13-9)2+(9-8)2+(8-7)2+(7-7)2]/(2*14) = 4.07
para h = 2

Y = 1 [10+8+7+6+6+1+3+7+1+5+13+9+8+10] = 671
1
14
Y 2 = 1 [7+6+6+4+7+7+11+4+5+11+8+7+7+12] = 7.29
14
(h) = 1 [9+4+1+4+1+36+64+9+16+36+25+4+1+4] = 7.64
2*14

para h = 3

Y 1 = 1 [10+8+7+5+1+3+13+9+13] = 7.67
9
Y 2 = 1 [6+6+4+7+11+4+7+7+3] = 6.11
9
(h) = 1 [16+4+9+4+100+1+36+4+100] = 15.22
2*9

b) Direccin 2:
h = 1 n(h) = 1
h = 2 n(h) = 12
h = 3 n(h) = 8
para h= 1

Y 1= 1 [5+10+6+3+7+7+11+11+13+4+1] = 7.09
11
Y 2 = 1 [1+6+3+5+7+11+11+13+12+8+3] = 7.27
11
(h) = 1 [16+16+9+4+0+16+0+4+1+16+4] = 3.91
2*11
para h = 2

Y 1= 1 [10+6+5+8+7+7+11+11+6+4+8+8] = 7.58
12
Y 2 = 1 [3+5+10+7+11+11+13+12+4+9+13+1] = 8.25
12
(h) = 1 [49+1+25+1+16+16+4+1+4+25+25+49] = 9.00
2*12
para h = 3

Y 1= 1 [10+3+7+7+11+7+4+8] = 7.13
8
Y 2 = 1 [5+10+11+13+12+11+1+3] = 8.38
8
(h) = 1 [25+49+16+36+1+16+9+25] = 11.06
2*8
c) Direccin 3
h = 1 ... n(h) = 9
h = 2 n(h) = 12
h = 3 n(h) = 6
para h = 1

Y 1= 1 [1+5+13+6+7+11+8+7+7] = 7.22
9
Y 2 = 1 [5+3+11+7+11+9+7+4+1] = 6.44
9
(h) = 1 [16+4+4+1+16+4+1+9+36] = 5.06
2*9
para h = 2

Y 1= 1 [1+5+3+13+6+7+10+11+8+4+7+4] = 7.42
12
Y 2 = 1 [10+12+13+13+11+9+11+8+4+7+3+4] = 8.75
12
(h) = 1 [81+49+100+0+25+4+1+9+16+9+16+0] = 12.92
2*12
para h = 3

Y 1= 1 [1+5+13+6+7+6] = 6.33
6
Y 2 = 1 [12+13+11+9+7+8] = 10.0
6
(h) = 1 [121+64+4+9+0+4] = 16.83
2*6
d) Direccin 4
h = 1 .. n(h) = 10
h = 2 .. n(h) = 11
h = 3 .. n(h) = 6
para h = 1

Y 1= 1 [5+1+1+6+5+7+7+11+12+7] = 6.2
10
Y 2 = 1 [10+1+6+8+7+7+6+4+9+8] = 6.6
10
(h) = 1 [25+0+25+4+4+0+1+49+9+1] = 5.9
2*10
para h = 2

Y 1= 1 [1+1+3+5+7+11+10+4+13+7+11] = 6.64
11
Y 2 = 1 [6+8+7+7+6+6+11+4+7+4+1] = 6.09
11
(h) = 1 [25+49+16+4+1+25+1+0+36+9+100] = 12.09
1*11
para h = 3

Y 1 = 1 [1+5+10+11+4+13] = 7.33
6
Y 2= 1 [8+6+4+4+13+8] = 7.17
6
(h) = 1 [49+1+36+49+81+25] = 20.08
2*6
Cuadro N 1: Resumen
Direccin Dist. 1 Dist. 2 Dist. 3
n(h) (h) n(h) (h) n(h) (h)
1 14 4.07 14 7.64 9 15.22
2 11 3.91 12 9.00 8 11.06
3 9 5.06 12 12.92 6 16.83
4 10 5.90 11 12.09 6 20.08

No existe indicacin de anisotropas y la media del semivariograma puede ser calculada


(tabla 2) y graficada.
Los resultados obtenidos indican un semivariograma lineal sin el efecto pepita.
Clculo de la media del semivariograma
Base: Tabla N 1
para h = 1
1 14

1 2 9

11
n(h) = 14+11 = 25 .para h = 1
n(h) = 8+10 = 19 h= 2
(h) = (14 * 4.07) + (11 * 3.91) = 4
(14 + 11)
(h) = (9 * 5.06) + (10 * 5.90) = 5.50
(9 + 10)
para h = 2
2 14

2 2 2 12

12 11

n(h) = 14 + 12 = 26 para h=2


n(h) = 12 + 11 = 23 h=2 2
(h) = (14 * 7.64) + (12 * 9) = 8.27
(14 + 12)
(h) = (12 * 12.92) + (11 * 12.09) = 12.52
(12 + 11)
para h = 3
3 9

6
3 3 2

8 6
n(h) = 9 + 8 = 17 para h = 3
n(h) = 6 + 6 = 12 h=3 2
(h) = (9 * 15.22) + (8 * 11.06) = 13.26
(9 + 8)
(h) = (6 * 16.83) + (6 * 20.08) = 18.46
(6 + 6)
Cuadro N 2: Clculo de la media del samivariograma
h 1 2 2 2 2 3 3 2
n(h) 25 19 26 23 17 12
(h) 4.00 5.50 8.27 12.57 13.26 18.46

(h)
.
18

15 .
.
12

9 .

6 .
.
3

0 1 2 2 2 2 3 3 2 h

AJUSTE DE UN VARIOGRAMA (O MODELAMIENTO)


Inicialmente el semivariograma se construye con los datos obtenidos de campo (muestreo), se tiene
VARIOGRAMA EXPERIMENTAL y ste ser ajustado o aproximado a un modelo TEORICO
(VARIOGRAMA TEORICO).
Para hacer manejable los datos del semivariograma experimental hay que ajustarlos a uno de los
esquemas de TRANSICION existentes, en funcin de los cuales estn tabulados los parmetros que nos
sern necesarios para las estimaciones y clculo de errores. No se utiliza el variograma experimental por
las siguientes razones:
1) El variograma que intervendr en los clculos posteriores no es una funcin cualquiera, sino debe
tener propiedades particulares. Por ejemplo, las varianzas que se calcularn con (h) debern ser
siempre positivas y no es seguro sin embargo que el polinomio pasando por todos los puntos
experimentales tenga esas propiedades.
2) Se sabe que a partir del mismo conjunto de datos es imposible dar a la vez un estimador y la
precisin de aquellos, lo que nos prohbe utilizar el variograma experimental para el clculo de las
varianzas.
COMO AJUSTAR
Regla prctica:
a) El ajustamiento debe ser lo mejor posible para los primeros puntos del variograma, ms conocidos y
que tiene el peso ms fuerte en la estimacin.
b) No es siempre necesario ajustar todo el variograma, sino ms bien una parte, sobre una distancia que
ser la distancia de trabajo (eso permite eliminar una tendencia que se manifestara despus de una
cierta distancia).
c) Es difcil determinar la bondad del ajuste, dado que para ello sera preciso utilizar funciones de la
V.A que es imposible estimar.
d) Se ajusta el efecto de pepita por prolongamiento de los primeros puntos del variograma
experimental.
e) El ALCANCE se puede estimar al ojo y un estimador de la meseta (si ella existe) en la varianza
experimental de las muestras. Luego se procede por aproximaciones sucesivas.
f) No hay una solucin nica al problema del ajuste, y para los problemas de estimacin, eso no tiene
ninguna importancia: las varianzas calculadas con varios modelos no difieren mucho entre s.
A continuacin damos algunos modelos ms usados en la prctica.

MODELOS DE SEMIVARIOGRAMAS
Datos De muestreo
Modelos
Semivariograma de Semivariogramas
Experimental Ajuste Tericos

1) Los que alcanzan una meseta (modelos de transicin)


Clasificacin Entre estos: Modelo Exponencial y Modelo Esfrico o de
MATHERON
de 2) Los que no alcanzan una meseta (no tienen meseta)
Modelos Entre estos: Modelo Lineal y Modelo de Wijsian

Los modelos esfricos o de MATHERON son los de mayor aplicacin.

1) MODELO EXPONENCIAL
Este modelo va ascendiendo lentamente hasta alcanzar la meseta a un valor constante. Existe dos
posibles esquemas: FORMERY Y GAUSSIANO
1.1) ESQUEMA DE FORMERY.- Caracterizado por un crecimiento lento a partir del origen.
Est dado por la expresin (h) = C[1 - exp(-[h/a])] + C0

Tambin se expresa (h) = C [1- e-h/a ] + C0


(h) donde: C: valor comprendido entre el efecto pepita y la
meseta
C0: efecto pepita
esfrico h: distancia entre muestras
a: alcance o rango
exponencial

C a
H

En este esquema la tangente en el origen intercepta la meseta a un valor de a/3. Su pendiente en el


origen es < que aquella del esquema esfrico.
1.2) ESUQMA GAUSSIANO .- Representado por la expresin

(h) = C [1 exp(-[h2/a2])] + C0 (h) = [1 e-(h/a)2 ] + C0


en este caso, la tangente en el origen intercepta la meseta a un valor de a/3
(h)
(h)
Gaussiano
0.96
1

h
0.25 Fig. modelos de
semivariograma
Formery FORMERY Y
GAUSSIANO
3

1 2 3 h/a

2) MODELO ESFERICO O MATHERON

Este modelo es el que mejor se puede ajustar cuando se trata de variables mineras (ley,
potencia, etc.) El modelo esfrico presenta una curva del semivariograma que aumenta
rpidamente para bajos valores, para posteriormente ascender ms lentamente hasta
alcanzar una zona plana a valores altos.

(h)
Tangente en el Fig.- Modelo de
Semivariograma
covarianza origen Esfrico o de Matheron
meseta
Ms all de a, la covarianza
es cero
y por lo tanto no hay relacin
entre
C las muestras
Semivariograma Para yacimientos
- Estratoligados
C0 - Depsitos de Bauxita
- Au en vetas de cuarzo
- Segregacin magntica
2a/3 a h

El modelo matemtico as definido tiene la siguiente expresin:

a) (h) = C0 + C [1.5(h/a) 0.5(h/a)3] para h < a (h) = C (h/a)


b) (h) = C0 + C para h > a (h) = C
donde C0: efecto pepita
C0 + C mesta
a alcance o rango
h distancia entre muestras
a) b)
(h) (h)

C C

h h

a) Este esquema se caracteriza por un crecimiento rpido a partir del origen hasta
alcanzar una meseta o una distancia a (alcance).

(h) Fig.- semivariograma con efecto


pepita puro
. . . Si el semivariograma muestra
fluctuaciones
. . . aleatorias alrededor de una nica
horizontal
entonces se tiene lo que se
denomina:
EFCTO PEPITA PURO
C0 C=0

3) MODELO LINEAL
Este modelo se presenta cuando, al representar (h) , se obtiene una lnea recta. El
modelo presenta la ecuacin:

(h) = p.h + K (h)


(h) = C.h (h) = 1 h
con 0 < < 1
donde:
p es la pendiente de la recta
h distancia entre muestras
K la interseccin en el eje Y K

1/3 h
Fig. Modelo de semivariograma
lineal
Este modelo suele estar presente en algunos yacimientos de Fe

4) MODELO DE WIJSIAN O LOGARITMICO


Para yacimientos hidrotermales. Tiene la siguiente expresin:
(h) = 3 [Ln(h/L) + 3/2] : coeficiente de dispersin absoluta, una medida de la variacin espacial
(h) = logh = 3Logh L: espesor equivalente
Este tipo de modelo tiene una aplicacin restringida aunque es lineal, estando presente
nicamente en algunos yacimientos hidrotermales (estao) y utilizando como variable la
potencia o espesor del cuerpo mineralizado. Tambien
(h) = ALn(h) + B

ALGUNAS PARTICULARIDADES RESPECTO A LOS MODELOS DE SEMIVARIOGRAMA


OTROS MODELOS DE SEMIVARIOGRAMA.-
Existen situaciones en las que si bien no es posible el ajuste inmediato de un tipo concreto de modelo,
no hay razones para rechazar la posibilidad de buscar una continuidad espacial. Entre las muchas
posibilidades existentes (Anneles 1991), pone de manifiesto algunas caractersticas como:
a) Semivariogramas con tendencia
b) Semivariogramas con efecto agujero
c) Anisotropismo direccional
d) Semivariogramas compuesto
e) Semivariogramas en dos estadios
a) SEMIVARIOGRAMAS CON TENDENCIAS
En la figura se observa una ruptura en una distancia claramente superior al alcance. Cuando este tipo
de comportamientos dominan el semivariograma, es decir, la ruptura se produce a distancias prximas al
alcance, con lo que se rompe el concepto de estacionariedad, es necesario utilizar una tcnica que se
denomina KRIGEAJE UNIVERSAL, en lugar del KRIGEAJE ORDINARIO que se aplica en las
situaciones de ESTACIONARIEDAD.

(h)

FIG.- Ruptura de la meseta Comportamiento


(presencia de tendencias) parablico
en un semivariograma
esfrico

Dimensiones mximas
de los bloques a evaluar

a h
b) SEMIVARIOGRAMAS CON EFECTO AGUJERO

Esta condicin , se encontrar cuando alternan reas con alta ley y reas con baja ley. El resultado es
una pseudo periodicidad reflejada en una oscilacin del semivariograma alrededor de una aparente
meseta.

(h)

Fig.- Efecto agujero en un semivariograma


esfrico

c) ANISOTROPA DIRECCIONAL

Esta situacin aparece cuando se obtienen diferentes semivariogramas a lo largo de diferentes


direcciones del yacimiento. Esto significa que en lugar de tener un rea de bsqueda isotrpica circulo o
esfera), se posee una zona elptica o elipsoidal. Para precisar exactamente la direccin de aniso tropismo,
conviene realizar varios semivariogramas a lo largo de diferentes direcciones.

(h)
Ro
A travs del yacimiento

A lo largo del
Yacimiento

Igual
C0 y C
a2 >> a1

a1 a2 h

El aniso tropismo direccional suele ser muy evidente en yacimientos aluviales, donde se obtiene un
alcance, en direccin perpendicular al yacimiento, mucho ms pequeo que el que se calcula a lo largo
de la direccin principal del depsito.
d) SEMIVARIOGRAMAS COMPUESTAS
Este tipo de estructuras pueden ser causadas, por ejemplo, por la presencia de zonas mineralizadas ms
ricas dentro de una matriz de mineralizacin dispersa. Tambien son comunes en yac. aluviales de oro.

(h)

2.55
C2
1.95

C1

C0

0 13 50 h
a1 a2
Fig.- Semivariograma compuesto para la variable Ley
La figura muestra dos semivariogramas esfricas:
Uno con meseta = 1.95, a = 13m
otro con meseta = 2.55, a = 50 m.
El modelo compuesto tendra pues, la siguientes formas:
(h) = C0 + C1 [ 3h - (h/a1)3] + C2 [ 3h - (h/a2)3] para h < a1
2a1 2 2a2 2

(h) = C0 + C1 + C2 [ 3h - (h/a2)3 ] para h entre a1 y a2

(h) = C0 + C1 + C2 para h > a2


e) SEMIVARIOGRAMAS EN DOS ESTADIOS
Esta situacin es relativamente frecuente cuando se combinan conjunto de datos no relacionados
( ejemplo: dos fases de mineralizacin con diferentes caractersticas )

(h)

C2

C1

C0

a1 a2 a3 h
Fig.- Semivariograma en dos estadios
REAJUSTE DE SEMIVARIOGRAMAS
1) Realizar reajuste necesario de un semivariograma experimental de modelo esfrico con
C0 = 8 C = 119 y a = 700 m. para h = 100, 200, 300, 400, 500, 600, 700, 800m.
Datos Frmulas
C0 = 8 (h) = C0 + C [1.5(h/a) 0.5(h/a)3] para h < a
C = 119 (h) = C0 + para h > a
a = 700 m.
h = 100 (h) = 8 + 119 [1.5(100/700) 0.5(100/700)3] = 33.23

h = 200 (h) = 8 + 119 [1.5(200/700) 0.5(200/700)3] = 40.61

h = 300 (h) = 8 + 119 [1.5(300/700) 0.5(300/700)3] = 79.88

h = 400 (h) = 8 + 119 [1.5(400/700) 0.5(400/700)3] = 98.92

h = 500 (h) = 8 + 119 [1.5(500/700) 0.5(500/700)3] = 113.79

h = 600 (h) = 8 + 119 [1.5(600/700) 0.5(600/700)3] = 123.55

h = 700 (h) = 8 + 119 [1.5(700/700) 0.5(700/700)3] = 127.00


h = 800 (h) = C0 + C = 8 + 119 = 127.00
(h)
130
.
120
.
110

100 .

90

80 .

70
C0 = 8
60 C = 127
a = 700m
50
.
40
.
30

20

10

0 100 200 300 400 500 600 700 800 900 h


2) Para la evaluacin del comportamiento de la mineralizacin de Zinc en una veta, se
han extrado muestras equidistantes a 5m; cuyos valores son:
NM 1 2 3 4 5 6 7 8 9 10
% Zn 10 8 12 15 6 4 10 12 16 9
Para h = 5, 10, 15, 20, 25, 30, 35 y 40 m.; determinar:
a) El semivariograma experimental
b) El semivariograma reajustado para los diferentes
Solucin:
1 2 3 4 5 6 7 8 9 10

10 8 12 15 6 4 10 12 16 9

Clculo
h 5 10 15 20 25 30 35 40
2h 52 2
10 2
15 20 25 30 35 240
2 2 2 2

4 4 25 16 36 0 4 36
16 49 4 16 4 16 64 1
9 36 64 4 0 16 9
81 121 25 9 1 36
4 16 36 100 9
36 64 144 25
4 36 1
16 9
49
2h 219 335 299 170 50 68 77 37
n(h) 9 8 7 6 5 4 3 2
2n(h) 18 16 14 12 10 8 6 4
(h) 12.17 20.94 21.36 14.17 5.00 8.50 12.83 9.25

(h)

25
C0 = 7.8
. . C 0 4.7
20 a = 12.7

15 .
. .
10 .
.

5 .
----- a ------

0 5 10 15 20 25 30 35 40 m h
Reajuste
a) MODELO DE FORMERY: (h) = C [1 e-h/a ] + C0
(5) = 4.7 [1 e-5/12.7 ] + 7.8 = 9.33
(10) = 4.7 [1 e-10/12.7 ] + 7.8 = 10.36
(15) = 4.7 [1 e-15/12.7 ] + 7.8 = 11.06
(20) = 4.7 [1 e-20/12.7 ] + 7.8 = 11.53
(25) = 4.7 [1 e-25/12.7 ] + 7.8 = 11.84
(30) = 4.7 [1 e-30/12.7 ] + 7.8 = 12.06
(35) = 4.7 [1 e-35/12.7 ] + 7.8 = 12.20
(40) = 4.7 [1 e-40/12.7 ] + 7.8 = 12.30

(h)
15

12 C = 4.55
. C0 = 6.75
9 . a = 25m

0 5 10 15 20 25 30 35 40 h

a) CON MODELO DE MATHERON: (h) = C0 + C [1.5(h/a) 0.5(h/a)3] para h < a


(h) = C + C0 para h > a
3
(5) = 7.8 + 4.7 [1.5(5/12.7) 0.5(5/12.7) ] = 10.43
(10) = 7.8 + 4.7 [1.5(10/12.7) 0.5(10/12.7)3] = 12.22
(15) = 4.7 + 7.8 = 12.5
(20) = 4.7 + 7.8 = 12.5
(25) = 4.7 + 7.8 = 12.5
(30) = 4.7 + 7.8 = 12.5
(35) = 4.7 + 7.8 = 12.5
(40) = 4.7 + 7.8 = 12.5
(h)

16
. . . . . .
12 .
.

8 C = 8.0
C0 = 5
a = 15.0
4

0 5 10 15 20 25 30 35 40 h
c) MODELO LINEAL

(h) = C.h (h)


(5) = 4.7 * 5 = 23.5
(10) = 4.7 * 10 = 47.0
(15) = 4.7 * 15 = 70.5 160
(20) = 4.7 * 20 = 94.0 .
(25) = 4.7 * 25 = 117.5 140
(30) = 4.7 * 30 = 141.0
(35) = 4.7 * 35 = 164.5 120
(40) = 4.7 * 40 = 188.0 .
100 .
C=
80 C0 = 5.0
. a=
60
.
40
.
20

0 5 10 15 20 25 30 h
Un yacimiento diseminado de cobre est siendo evaluado, para tal efecto se han extrado
muestras, cuyos valores son los siguientes:
NM 1 2 3 4 5 6 7 8 9 10 11 12 13
% Cu 1 3 5 7 8 10 12 9 5 3 6 2 4
para h = 100, 200, 300, 400, 500, 600, 700, 800m.
Determinar:
a) Semivariograma experimental
b) Reajustar el semivariograma encontrado para los modelos conocidos
Solucin
h 100 200 300 400 500 600 700 800
h 100 200 300 400 500 600 700 2800
2 2 2 2 2 2 2 2

4 16 36 49 81 121 64 16
4 16 25 49 81 64 4 0
4 9 25 49 16 0 4 1
1 9 25 4 4 16 1 25
4 16 1 9 25 4 36 16
4 1 25 49 16 64 36
9 49 81 36 100 64
16 36 9 49 25
4 1 9 1
9 1 1
16 4
4
2h 79 158 237 295 348 333 145 58
N 12 11 10 9 8 7 6 5
2N 24 22 20 18 16 14 12 10
(h) 3.29 7.18 11.85 16.39 21.75 23.79 12.08 5.80

(h)

32 Modelo exponencial FORMERY

28

24

20 C0 = 0
C = 24
16 a = 602

12

0 100 200 300 400 500 600 700 800 h


Reajuste:
1 ESQUEMA DE FORMERY

(10) = C [1 e-h/a ] + C0 = 24 [1 e-100/602 ] + 0 =


(200) = 24 [1 e-200/602 ] + 0 =

EVALUACION DE YACIMIENTOS MEDIANTE COVARIOGRAMA Y


CORRELOGRAMA

Covarianza ( en estadstica) Covariograma (en Geoestadstica)

Y(x) valor de la variable regionalizada Y en un punto x en el cuerpo mineralizado


D
Y(x + h) valor de Y en el punto (x + h) a una distancia h del punto x, tambin en D

h
x x+h Cuerpo D

La autocovarianza entre Y(x) e Y(x + h):


(h) = E[Y(x)] E[Y(x).Y(x + h)] E[Y(x+ h)]
La funcin (h) AUTOCOVARIANZA de la V.R Y en el cuerpo mineralizado D
21 la varianza de Y(xi) 1 desviacin estndar
22 la varianza de Y(xi + ) 2 desviacin estndar

El coeficiente de correlacin entre Y(x) e Y(x + h) es:

(h) = (h) 21 = E[{Y(xi) E[Y(xi)]}2]


1 2 22 = E[{Y(xi + h) E[Y(xi + h)]}2]

La funcin (h) es el AUTOCORRELOGRAMA de la V.R Y en el cuerpo mineralizado


D
2 la varianza de Y en D ; para h = 0 ; tenemos
(h) = 2
21 = 22 = 2 ; de esta forma
(0) = 1
Esto indica, que si fuera posible tomar dos muestras idnticas, exactamente en el mismo lugar, y si no
existiese erre de muestreo, las muestras tendrn el mismo valor.
En la prctica, sin embargo, no es posible tomar dos muestras en el mismo lugar, si valuamos la misma
muestra dos veces, no obtenemos el mismo resultado debido a los errores de valuacin. Si tomamos dos
muestras prximas una de la otra, obtenemos diferentes valores ; no solamente a los errores de muestreo,
sino tambin a causa de la variacin de la mineralizacin a una microescala, o a causa de
microfracturas, las cuales no pueden ser detectadas en la prctica. En consecuencia, se observa
generalmente una discontinuidad en el covariograma y en el correlograma cerca del origen, lo cual es
conocido como el efecto pepita o efecto NUGGET (N)

N = 2 - Lim [(h)]
h0
Clculos .- ESTIMACION

Sean n(h) N de pares de muestras a la distancia h entre ellas, tomadas en el yacimiento


o cuerpo mineralizado D.
(xi) y (xi + h) las posiciones de dos muestras en el psima par.
Y(xi) e Y(xi + h) los valores correspondientes a Y
Se puede calcular:
1 n( h)
Y Y ( xi )
n(h) i 1
1 n(h)
Y2 Y ( xi h)
n(h) i 1
n(h)
1
12 y( xi ) Y1 2
n( h) 1 i 1
n(h)
1
22 Y ( xi h) Y2 2
n( h) 1 i 1
n(h)
1
( h) Y ( xi ) yi Y ( xi h) y2
n(h) 1 i 1
( h)
( h)
1 2

(h) es el covariograma observado o experimental de Y


(h) es el correlograma observado o experimental de Y

(h (h)

2.0
15

1.5
10 Covariograma Correlograma
1.0

5
0.5

0 1 2 3 h 0 1 2 3
h
-5 -0.5

RELACION ENTRE SEMIVARIOGRAMA Y COVARIOGRAMA


Si las condiciones estacionarias de 2 orden son satisfechas, el variograma y el
covariograma estn relacionadas como sigue:
2(h) = 2[2 (h)]
De esta forma, la relacin entre el semivariograma y el covariograma estar dada por:
(h) = 2 (h)
Grficamente:
2
Fig.- Relacin terica
semivariograma (h)
covariograma (h)
2
N

2-N (h)

N (h)
N

0 h
Ntese que a partir de la definicin de semivariograma el valor de (h) para h= 0 es (0)
= 0. En la prctica, tal cual se ilustra en la figura, el semivariograma a menudo presenta
una discontinuidad en el origen, la cual es igual al efecto NUGGET (N).
N = 2 - Lim [(h)]
h0
El estimador h del semivariograma (h) es:
n(h)
1
( h) n( h) Y ( xi ) Y ( xi h) 2
2 i 1
PROBLEMAS
En la chimenea 4W-N.V.4850, de 40 m de long. se ha realizado el muestreo correspondiente a 5m
equidistantes, cuyos datos estadst. se dan en el sgte cuadro. Determ. el covariograma y el correlograma.

h n(h)
0 07
4.5 7 5 06
6.0 6 10 05
15 04
7.0 5 20 03

5.0 4 40m

4.0 3

3.5 2

6.5 1

N.V 4850 CH4W


h n(h) n(h) - 1 Y1 Y2 21 22 (h) (h)
0 7 6 5.21 5.21 1.74 1.74 1.74 1.00
5 6 5 5.33 5.00 1.97 1.70 0.15 0.08
10 5 4 5.20 5.30 2.33 1.45 -1.20 -0.65
15 4 3 4.75 5.63 1.75 1.23 -1.12 -0.76
20 3 2 4.67 5.83 2.59 1.59 1.42 0.70

b) El covariograma y el Correlograma

1 n( h)
Y Y ( xi )
n(h) i 1
1 n(h)
Y2 Y ( xi h)
n(h) i 1
n(h)
1
2
1 y( xi ) Y1 2
n( h) 1 i 1
n(h)
1
22 Y ( xi h) Y2 2
n(h) 1 i 1
n(h)
1
( h) Y ( xi ) yi Y ( xi h) y2
n(h) 1 i 1
( h)
( h)
1 2

6.5 3.5 4 5 7 6 4.5

1 2 3 4 5 6 7
x1 x2 x3 x4 x5 x6 x7
x1+h x2+h x3+h x4+h x5+h x6+h x7+h
h =0

Y1 = 1 [6.5 + 3.5 + 4 + 5 + 7 + 6 + 4.5] = 5.21


7
Y2 = 1 [6.5 + 3.5 + 4 + 5 + 7 + 6 + 4.5] = 5.21
7
21 = 1 [(6.5-5.21)2+(3.5-5.21)2+(4-5.21)2+(5-5.21)2+(7-5.21)2+(6-5.21)2+(4.5-5.21)2]=1.74
7-1
22 = 1 [(6.5-5.21)2+(3.5-5.21)2+(4-5.21)2+(5-5.21)2+(7-5.21)2+(6-5.21)2+(4.5-5.21)2]=1.74
7-1
(h) = 1 [ 1.664 + 2.924 + 1.464 + 0.044 + 3.204 + 0.624 + 0.504 ]=1.74
7-1
(h) = 1.74 = 1.00
1.319*1.319
h = 5
Y1 = 1 [6.5 + 3.5 + 4 + 5 + 7 + 6] = 5.33
6
Y2 = 1 [3.5 + 4 + 5 + 7+ 6 + 4.5] = 5.00
6
1 = 1 [(6.5-5.33)2+(3.5-5.33)2+(4-5.33)2+(5-5.33)2+(7-5.33)2+(6-5.33)2]= 1.97
2

6-1
1 = 1 [(3.5-5)2+(4-5)2+(5-5)2+(7-5)2+(6-5)2+(4.5-5)2]= 1.70
2

6-1
(h) = 1 [-1.755 + 1.83 + 0 0.66 + 1.67 0.335]= 0.15
6-1
(h) = 0.15 = 0.08
1.97 * 1.7

h = 10
Y1 = 1 [6.5 + 3.5 + 4 + 5 + 7 ] = 5.20
5
Y2 = 1 [ 4 + 5 + 7 + 6 + 4.5] = 5.30
5
21 = 1 [(3.5-5)2+(4-5)2+(5-5)2+(7-5)2+(6-5)2+(4.5-5)2]= 2.33
5-1
21 = 1 [(3.5-5)2+(4-5)2+(5-5)2+(7-5)2+(6-5)2+(4.5-5)2]= 1.45
5-1
(h) = 1 [-1.69 + 0.51 2.04 0.14 1.44]= -1.20
5-1
(h) = -1.20 = -0.65
2.33*1.45

h = 15
Y1 = 1 [6.5 + 3.5 + 4 + 5 ] = 4.75
4
Y2 = 1 [ 5 + 7 + 6 + 4.5] = 5.63
4
1 = 1 [(6.5-4.75)2+(3.5-4.75)2+(4-4.75)2+(5-4.75)2]= 1.75
2

4-1
2 = 1 [(5-5.65)2+(7-5.65)2+(6-5.65)2+(4.5-5.65)2]= 1.23
2

4-1
21 = 1 [ - 1.103 1.713 0.278 0.282]= -1.12
4-1
(h) = -1.12 = -0.76
1.75*1.23

h = 20
Y1 = 1 [6.5 + 3.5 + 4 ] = 4.67
3
Y2 = 1 [7 + 6 + 4.5] = 5.83
3
21 = 1 [(6.5-4.67)2+(3.5-4.67)2+(4-4.67)2]= 2.59
3-1
22 = 1 [(7-5.83)2+(6-5.83)2+(4.5-5.83)2]= 1.59
3-1
(h) = 1 [ 2.14 0.20 + 0.89]= 1.42
3-1
(h) = 1.42 = 0.70
2.59*1.54
(h) (h)

1.5 1.5

1.0 1.0

0.5 0.5

5 10 15 20 25 h 5 10 15 20 25 h
-0.5 -0.5

-1.0 -1.0

En un yacimiento de Cu, sistema de vetas, en una de estas vetas se han obtenido 15


muestras equidistantes a 1m de W E, cuyos valores son los siguientes:
% Cu: 3, 2, 1.5, 4.5, 3.5, 2.5, 5, 4, 1.5, 4.5, 2.5, 3.5, y 4.5
de los cuales los valores de las muestras 5 y 10 no se conocen. Determinar el
covariograma y el correlograma para h = 0, 1, 2, 3, y 4.

% Cu 3 2 1.5 4.5 3.5 2.5 5 4 1.5 4.5 2.5 3.5 4.5


1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

1m
h =0 n(h) = 13
Y1 = 1 [3+2+1.5+4.5+3.5+2.5+5+4+1.5+4.5+2.5+3.5+4.5 ] = 3.27
13
Y2 = 1 [3+2+1.5+4.5+3.5+2.5+5+4+1.5+4.5+2.5+3.5+4.5 ] = 3.27
13
21 = 1 [(3-3.27)2+(2-3.27)2+(1.5-3.27)2+(4.5-3.27)2 +(4.5+3.27)2]= 1.44
13-1
22 = 1 [(3-3.27)2+(2-.27)2+(1.5-3.27)2+(4.5-3.27)2 +(4.5+3.27)2]= 1.44
13-1
(h) = 1 [(3-3.27) (3-3.27)+(2-.27) (2-.27)+..(4.5+3.27) (4.5+3.27)]= 1.44
13-1
(h) = (h) = 1.44 = 1.00
1.44*1.44

h =1 n(h) = 10
Y1 = 1 [3+2+1.5+3.5+2.5+5+1.5+4.5+2.5+3.5] = 2.95
10
Y2 = 1 [2+1.5+4.5+2.5+5+4+4.5+2.5+3.5+4.5 ] = 3.45
10
1 = 1 [(3-2.95)2+(2-2.95)2+(1.5-2.95)2+(3.5-2.95)2 +(3.5+2.95)2]= 1.41
2

10-1
2 = 1 [(2-3.45)2+(1.5-3.45)2+(4.5-3.45)2+(2.5-3.45)2 +(4.5+3.45)2]= 1.52
2

10-1
(h) = 1 [-0.07 + 1.95 1.52 0.52 0.70 + 1.13 1.52 1.47 -0.02 + 1.10]= -0.19
10-1
(h) = (1) = -0.19 = -0.13
1.41*1.52

h = 2 n(h) = 9
Y1 = 1 [3+2+4.5+3.5+2.5+4+1.5+4.5+2.5 ] = 3.11
9
Y2 = 1 [1.5+4.5+3.5+5+4+1.5+2.5+3.5+4.5 ] = 3.39
9
21 = 1 [(3-3.11)2+(2-3.11)2+(4.5-3.11)2+(3.5-3.11)2 +(2.5+3.11)2]= 1.17
9-1
22 = 1 [(1.5-3.39)2+(4.5-3.39)2+(3.5-3.39)2+(5-3.39)2 +(4.5-3.39)2]= 1.67
9-1
(h) = 1 [0.21 - 1.23 + 0.15 + 0.63 0.37 - 1.68 + 1.43 + 0.15 0.68]= -0.17
9-1
(h) = (2) = -0.17 = -0.12
1.17*1.67

h = 3 n(h) = 8
Y1 = 1 [3+1.5+4.5+3.5+5+4+1.5+4.5 ] = 3.44
8
Y2 = 1 [4.5+3.5+2.5+4+1.5+4.5+3.5+4.5 ] = 3.56
8
21 = 1 [(3-3.44)2+(1.5-3.44)2+(4.5-3.44)2+(3.5-3.44)2 +(4.5-3.44)2]= 1.81
8-1
2 = 1 [(4.5-3.56)2+(3.5-3.56)2+(2.5-3.56)2+(4-3.56)2 +(4.5-3.56)2]= 1.17
2

8-1
(h) = 1 [-0.41 + 0.12 1.12 + 0.03 3.21 + 0.53 + 0.12 + 1.00]= -0.42
8-1
(h) = (3) = -0.42 = -0.30
1.17*1.81

h = 4 n(h) = 7
Y1 = 1 [2+1.5+4.5+2.5+5+4+1.5 ] = 3.00
7
Y2 = 1 [3.5+2.5+5+1.5+4.5+2.5+4.5 ] = 3.43
7
21 = 1 [(2-3)2+(1.5-3)2+(4.5-3)2+(2.5-3)2 +(1.5+3)2]= 2.17
7-1
22 = 1 [(3.5-3.43)2+(2.5-3.43)2+(5-3.43)2+(1.5-3.43)2 +(4.5-3.43)2]= 1.70
7-1
(h) = 1 [-0.07 + 1.40 + 2.36 + 0.96 + 2.14 0.93 1.6]= 0.71
7-1
(h) = (4) = 0.71 = 0.37
2.17*1.70

CALCULO DEL COVARIOGRAMA

n(h) h Y1 Y2 21 22 (h) (h)


13 0 3.27 3.27 1.44 1.44 1.44 1.0
10 1 2.95 3.45 1.41 1.52 -0.19 -0.13
(h) 9 2 3.11 3.39 1.17 1.67 -0.17 -0.12
8 3 3.44 3.56 1.81 1.17 -0.42 -0.30
1.50 7 4 3.00 3.43 2.17 1.70 0.71 0.37
(h)
1.25
1.25
1.00
1.00
0.75
0.75
0.50
0.50
0.25
0.25

0 0
1 2 3 4 h 1 2 3 4
h
-0.25 -0.25

-0.50 -0.50

-0.75 Covariograma -0.75 Correlograma

- 1.00 -1.00
En un cuerpo mineralizado se han realizado perforaciones con el objetivo de evaluar el
yacimiento en la direccin WE tal como se muestra en la figura. Para h = 0, 10, 20, 30,
40, 50

M1 M2 M3 M4 M5 M6 M7 M8
M9
2 8 15 % Zn 20 26 28 18
6

Solucin
CALCULOS

h n(h) n(h) -1 Y1 Y2 21 22 (h) (h)


0 8 7 15 15 89 89 89 1.0
10 6 5 15 16 84 57 31 0.45
20 5 4 16 19 126 79 -6 -0.06
30 4 3 14 23 120 23 -4 -0.08
40 4 3 16 20 104 100 -80 -0.78
50 3 2 14 17 37 122 -66 -0.98

(h) (h)
1.00
100

80 0.75

60 0.50

40
0.25
20

0 0
10 20 30 40 50 60 70 80 h 10 20 30 40
50 60
-20 -0.25

-40
-0.50
-60
-0.75
-80

-100 -1.00
Suponiendo que las muestras han sido tomadas a intervalos iguales (H = 1, 2, 3, 4, y 5), a
lo largo de una galera. Algunas muestras han desaparecido, y los valores obtenidos estn
en la siguiente figura. Determinar:
a) Semivariograma
b) Covariograma y Correlograma
3 3 2 7 8 11 12 7 5 5
%Pb

1 2 3 4 5 6 7 8 9 10 11 12
Solucin
a) Semivariograma
3 3 2 7 8 11 12 7 5 5

1 2 3 4 5 6 7 8 9 10 11 12

(h) h 0 1 2 3 4 5
2h 20 21 22 23 24 25
18 0 0 4 1 16 25
16 0 25 4 16 25 64
00 1 4 81 100 0
14 0 9 4 25 1 9
12 0 1 4 16 36 36
0 4 4 49 49
10 0 0
0
8 0
20 0 40 24 188 227 134
6 2n(h) 20 14 12 12 12 10
(h) 0 2.86 2.0 15.67 18.92 13.4
4

0 1 2 3 4 5 6 h
b) Covariograma y Correlograma
3 3 2 7 8 11 12 7 5 5

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12


x1+h x12+h

h = 0 n(h) = 10
Y1 = 1 [3+3+2+7+8+11+12+7+5+5 ] = 6.30
10
Y2 = 1 [3+3+2+7+8+11+12+7+5+5 ] = 6.30
10
21 = 1 [10.89+10.89+18.49+0.49+2.89+22.09+32.49+0.49+1.69+1.69]= 11.34
10-1
2
2 = 1 [10.89+10.89+18.49+0.49+2.89+22.09+32.49+0.49+1.69+1.69]= 11.34
10-1
(h) = 1 [10.89+10.89+18.49+0.49+2.89+22.09+32.49+0.49+1.69+1.69]= 11.34
10-1
(h) = (0) = 11.34 = 0.37
11.34*11.34

h = 1 n(h) = 7
Y1 = 1 [3+2+7+8+11+7+5 ] = 6.14
7
Y2 = 1 [3+7+8+11+12+5+5 ] = 7.29
7
21 = 1 [9.86+17.14+0.74+3.46+23.62+0.74+1.30]= 9.48
7-1
22 = 1 [18.40+.89+10.89+18.49+0.49+2.89+22.09+32.49+0.49+1.69+1.69]= 11.34
10-1
(h) = 1 [18.40+0.08+0.5+13.76+22.18+5.24+5.24]= 10.20
7-1
(h) = (1) = 7.62 = 0.75
9.48*10.9

h = 2 n(h) = 6
Y1 = 1 [3+2+7+8+12+7 ] = 6.50
6
Y2 = 1 [2+8+11+12+7+5 ] = 7.50
6
1 = 1 [(3-6.5)2+(2-6.5)2+(7-6.5)2+.(7-6.5)2]= 13.10
2

6-1
2 = 1 [(2-7.5)2+(8-7.5)2+(11-7.5)2+..(5-7.5)2]= 13.90
2

6-1
(h) = 1 [19.25 2.25 + 1.75 + 6.75 2.75 1.25]= 4.30
6-1
(h) = (2) = 4.30 = 0.32
3.62*3.73
h = 3 n(h) = 6
Y1 = 1 [3+3+2+7+11+12 ] = 6.33
6
Y2 = 1 [2+7+11+12+7+5 ] = 7.33
6
1 = 1 [(3-6.33)2+(3-6.33)2+(2-6.33)2+.(12-6.33)2]= 19.07
2

6-1
2 = 1 [(2-7.33)2+(7-7.33)2+(11-7.33)2+.(5-7.33)2]= 13.87
2

6-1
(h) = 1 [(-3.33)(-5.33)+ (-3.33)(-0.33)+(-4.33)(3.67)+..(5.67)(-2.33)]= -1.73
6-1
(h) = (3) = -1.73 = - 0.11
4.37 * 3.72

h = 4 n(h) = 6
Y1 = 1 [3+3+2+8+11+12 ] = 6.53
6
Y2 = 1 [7+8+12+7+5+5 ] = 7.33
6
21 = 1 [(3-6.5)2+(3-6.5)2+(2-6.5)2+.(12-6.5)2]= 19.50
6-1
22 = 1 [(7-7.33)2+(8-7.33)2+(12-7.33)2+.(5-7.33)2]= 6.67
6-1
(h) = 1 [1.16 2.34 21.01 0.5 10.49 12.82]= -9.20
6-1
(h) = (4) = -9.20 = - 0.80
4.42*2.58

h = 5 n(h) = 5
Y1 = 1 [3+3+7+8+11 ] = 6.40
5
Y2 = 1 [8+11+7+5+5 ] = 7.20
5
1 = 1 [(3-6.4)2+(3-6.4)2+(7-6.4)2+.(11-6.4)2]= 11.80
2

5-1
2 = 1 [(8-7.2)2+(11-7.2)2+(7-7.2)2+.(5-7.2)2]= 6.20
2

5-1
(h) = 1 [-2.72 12.92 0.12 3.52 10.12]= -7.35
6-1
(h) = (5) = -7.35 = - 0.86
3.43*2.49
h (h) (h)
0 11.34 1.0
1 7.62 0.75
2 4.30 0.32
3 -1.73 -0.11
4 -9.20 -0.80
5 -7.35 -0.86
(h) (h)

12 1.5

1.0
6

0.5
3

0 1 2 3 4 5 h 0 1 2 3 4
5 h

-3
-0.5
-6

1) En una galera sobre mineral, se ha muestreado por canales en forma sistemtica en


una longitud de 145m. solamente se cuenta con los datos de las muestras impares, cuyos
valores son:
% Zn : 4, 6, 3, 10, 8, 13, 4, 10, 5, 7, 11, 8, 6, 4, 7.
Determinar el covariograma y el Correlograma de WE para h = 5, 10, 15, 20
2) En un yacimiento metasomtico de contacto, se ha muestreado con la malla que se
muestra, cada lado mide 100m. Determinar el semivariograma para las direcciones que se
indica
1.5 % Cu 2.5 2.0

1
1.0 1.8

2.0 1.8 1.5 100m 2

2.5 1.5 1.0

2.5 1.0 1.8


3) En un yacimiento diseminado de Cu, se han realizado perforaciones diamantinas, con
la malla que se indica. Determinar el semivariograma y el covariograma en las
direcciones que se indican.

3000m
3.0 2.0 1.5 1.0 2.5

1500m 2.0 1.5 1.0 2.5

60

4.0 3.0 1.5 2.5


3.0

2 1

REGULARIZACION

Una de las carctersticas de las variables regionalizadas es su soporte GEOMETRICO,


es decir el volumen sobre el cual el valor de la V.R es definido o calculado.
Hasta ahora no se ha tomado en cuenta, el hecho de que las caractersticas
geoestadistcas de la V.R Y(x) son afectadas por el tamao del soporte W.
Por lo tanto una variable cualquiera estudiado sobre un determinado soporte (muestra de
1m. de longitud, po ejemplo) otorga resultados diferentes de los obtenidos al estudiarla
sobre otro tipo de soporte (bloque de 50m * 30m * 10m, por ejemplo).

1 2 3 4 5 1 2 3 4

muestras puntuales = variables P.


soporte

soporte

muestras puntuales = variables


puntuales
soporte soporte

1m 10m

1m 30m

1m 50m
Variable regularizado Variable regularizado

Fig N 1
Variables Puntuales

1m 1m 1m 1m 1m 1m 1m 1m

VARIABLE REGULARIZADO

Supongamos tener un sondaje muestreado 1m a 1m, tal como lo indica la Fig. N1 .


Cada muestra es puntual y por lo tanto la VARIABLE en estudio puede ser definido como
una VARIABLE PUNTUAL. Sin embargo, ciertas veces se requiere no hacer un estudio
sobre cada punto del sondaje, sino sobre un conjunto de estos puntos,. Con la nueva
variable es ms regular que la variable puntual, aquella recibe el nombre de VARIABLE
REGULARIZADA.

M1 M2

(x) h (x+h)
Y(x) Y(x+h)

Para medir el valor de Y en un punto x, debemos tomar una muestra de tamao W


centrada en x. Si queremos determinar la ley del punto x, W ser el volumen de la
muestra centrad en x; si deseamos calcular la acumulacin metlica en el punto x, W
ser el rea de la seccin transversal de la muestra centrada en x. Entonces, la propiedad
medida es una variable regularizada y de esta manera, el semivariograma ( o
covariograma) calculado de los valores obtenidos es tambin regularizado. Es decir el
semivariograma y el covariograma regularizados, se obtiene regularizando (ponderando)
el semivariograma y el covariograma puntuales, respectivamente.
1 2 3

Var. puntual Y(x1) Y(x2) Y(x3) Var. regularizada Yp(x)


Semivariog. 1(h) 2(h) 3(h) Semivariograma w(h)=p(h)
Covariograma 1(h) 2(h) 3(h) Covariograma w(h)=p(h)
En la mayora de los problemas mineros, los cuales pueden ser resueltos por mtodos
Geoestadsticos, es necesario determinar las propiedades de bloques de mineral y de
muestras con un soporte finito no puntual . Consiguientemente, se demostrar, ms
adelante que estos problemas pueden ser resueltos calculando el valor promedio del
semivariograma puntual en volmenes o reas de dimensin finita, o entre tales
volmenes o reas. Estos clculos sern simples si consideramos el semivariograma
puntual. Esto significa que el semivariograma puntual tiene que ser estimado de los
semivariogramas regularizados observados.
Cuando el nuevo soporte constituye tan solo un conjunto de soportes primitivos de
modo que la nueva V.R (y regularizado) equivale a un promedio de las variables
primitivas, aquella puede expresarse como:

w
Yp ( x) P ( x i )Y ( x x i )dx i Y P
w

P(xi) es un factor de ponderacin de la variable Y en el punto x i ; x es el origen sobre el


cual la variable es estudiada.
La covarianza regularizada es:
w
p (h) E | Yp ( x )Yp ( x h) | (a y ) P ( y )dy P

donde P ( y ) P( x y ) P ( x ) dx se define como el covariograma transitivo de la


i i i

funcin de ponderacin P(x).


Al variograma regularizado se calcula segn:

p(h) = p(0) - p(h)


p(h) = (h+y)P(y)dy - (y)P(y)dy

1.- REGULARIZACION POR UNA SUPERFICIE O UN VOLUMEN

Asumamos que se ha investigado un cuerpo mineralizado D a travs de muestras de


igual tamao W.

xi D xii x x+
h

x x+h o h o
. .
. .
xi
xii

Y(x) Y(x+h) x x+h


W(x) W(x+h) . .
xi xii

El semivariograma o covariograma calculados sern regularizados por el volumen o rea W


Sean: Y(x) valor de la variable puntual regularizada Y en el punto x
valor promedio de Y en D
(h) covariograma puntual, por ejemplo covariograma de Y(x)
(h) semivariograma puntual, por ejemplo semivariograma de Y(x)
2 varianza de Y en D
W(x) muestra de tamao W centrada en el punto x
w(x) valor promedio de Y en W(x)
w(h) semivariograma regularizado, por ejm. semivariograma de w(x)
w(h) covariograma regularizado, por ejm. covariograma de w(x)
w2 varianza de w(x) en D
(w,w+h) valor promedio del semivariograma puntual (xixii)
donde: xi w(x) xixii = h
xii w(x+h)

dx dx x x
1
se tiene: ( w; w h) i ii i ii

w2 xi x ii
Esta integral es una funcin de la forma de la muestra w y de la distancia h entre las
muestras w(x) y w(x+h). Es independiente de la posicin de las muestras en D y de los
valores de las muestras w(x) y w(x+h).

( w; w) valor promedio de x i x ii , donde xi y xii sendos puntos cualquiera en la


misma
muestra w
( w; w h) valor promedio de (xixii), donde xi y xii son puntos cualquiera en w(x)
y
w(x+h), respectivamente
( w; w) valor promedio de (xixii) en donde xi y xii son dos puntos cualquiera en la
misma
muestra w.
Por definicin los siguientes relaciones son vlidas:

= E[ Y(x) ] x en
D..1
w(x) = E [ Y(x) ] xi en w(x)
....2
(h) = E [ (Y(x) )(Y(x+h) )] x y x+h
3
w(h) = E [ (w(x) )( w(x+h) )] w(x) y w(x+h) en
D.4
2(h) = E [ Y(x) Y(x+h) ]2 x y x+h en
D..5
2 w(h) = E [w(x) - w(x+h)]2 w(x) y w(x+h) en
D..6
w(h) = ( w; w h) - ( w; w) semivariograma
regularizado.7
w(h) = ( w; w h) covariograma
regularizado8

Las ecuaciones 7 y 8 son vlidos para todos los valores de h.


Si 2w : varianza de los valores de las muestras del tamao w en D, se obtiene:
2w = w(0) = ( w; w)
.9

Para un valor de h grande con respecto al tamao de la muestra, puede darse:

( w; w h) (h)
10
De esta manera, el covariograma regularizado y el covariograma puntual, efectivamente
son idnticos. Adems
( w; w h) (h) + ( w; w)
..11
De esta manera, el semivariograma regularizado puede a menudo ser obtenido del
semivariograma puntual por una traslacin vertical de la amplitud ( w; w) . Antes de
decidir si el semivariograma regularizado puede ser aproximado a un semivariograma
puntual uno debe determinar si ( w; w) es de valor insignificante.
Si el semivariograma puntual en una direccin dada presenta un rango a, el
semivariograma regularizado en la misma direccin presentar un un rango igual que
a , mas el dimetro de w en direccin considerada
La relacin (h) = 2 - (h) , es vlida si el soporte de la V.R es un soporte puntual o
no
en consecuencia: w(h) = w2 - w(h)
Esta relacin estn ilustradas en el siguiente grfico

(h) ( w; w)
2w w(hi)

(h) w(hi)

hi h
Fig. Efecto de la regularizacin sobre el semivariograma y el covariograma

DEMOSTRACION DE LAS ECUACIONES 7 y 8

Consideremos que la muestra w(x) est compuesta de n puntos xii (i 0 1, 2, 3, ..n) con
valores Yii = Y(xii). La muestra w(x+h) est tambin compuesta de n puntos xiij = (j = 1,
2, 3, .n), con valores Yiij = Y(xiij).
La ecuacin 2 se puede escribirse como sigue:

1 n
w ( x) Yi
n i 1 ..12
1 n
w ( x h) Y j
n j 1
...13
reemplazando en 4

1 n 1 n
w(h) = E [ ( i
n i 1
Y )( Y j )]
n j 1

E (Y ( x) )(Y ( x) ) n xx
n n n n
i 1
= i j i j
n2 i 1 j 1
2
i 1 j 1

luego:
w(h) = ( w; w h) .8 Lqqd
Similarmente
(h) = 2 - (h) w(h) = ( w; w) - ( w; w h)
2
w(h) = w - w(h) ( w; w) = 2 - ( w; w)
( w; w h) = 2 - ( w; w h)
reemplazando
w(h) = ( w; w h) - ( w; w) 7 Lqqd

2.- REGULARIZACION POR MUESTRAS AL INTERIOR DE UN TESTIGO O CORE


Se tiene un taladro de sondaje cuyo CORE ha sido dividido en muestras de igual
longitud L.
Con los valores de las muestras alo largo del CORE se puede calcular un semivariograma
Regularizado. Siempre que el dimetro del CORE sea pequeo con relacin a L, el
semivariograma regularizado puede ser calculado a partir del semivariograma puntual en
la forma siguiente:

. x L (xx)
L

h (xx)
h
x

. L ( L; L) = E[(xx)]

L(h) = ( L; L h) + ( L; L) ( L; L h) = E[(xx)]

Fig. Regularizacin por muestras al interior de un core o testigo

L (h) ( L; L h) ( L; L.1
)
1 L Lh
( L; L h)
L2
x 0 x h
( xx..2
) dx

1 L L
( L; L) 2 dx ( xx).3
dx
L x 0 x 0
Si el variograma (h) es lineal de tangente 1; estas expresiones pueden ser fcilmente
calculadas:
(h) = h .4
L(h) = h2 1 (3L h) , para h <= L...5
L2
L(h) = h - L para h => L .6
3
En la prctica se tiene acceso a L(h) para h < L y el semivariograma observado ser
lineal con un aparente efecto Nugget o de pepita negativo
Nap = - ( L; L) = - L
3
Si el variograma (h) tiene un rango a , el semivariograma regularizado L(h)
tendr un rango (L+a)

(h) (h)

L -L/3 L(h)

2L/3

0
L 2L h

-L/3
Fig. Semivariograma lineal regularizado por muestras dentro de un CORE o
TESTIGO

3.- REGULARIZACION SOBRE UN ESPESOR O POTENCIA


Consideremos taladros paralelos que intercepten un estrato de espesor constante L,
tendr una ley promedio sobre el espesor constante y el semivariograma entre los taladros
es calculado en base a estas leyes. Esta aproximacin es conocida como la regularizacin
sobre potencia o espesor constante.

D1 D2
D3

h L h
L
x

( L; L h) = E[(xx)]

L(h) = ( L; L h) + ( L; L) L : espesor o potencia

El semivariograma regularizado estimado est definido por la siguiente relacin:


L(h) = ( L; L h) + ( L; L)
donde:
( L; L h) es el valor promedio de (xx) cuando x toma todas las
posiciones
en una muestra de longitud L, y x toma todas las posiciones
posibles
en una muestra paralela de la misma longitud, a distancia h.

Si el semivariograma (h) tiene un rango a, entonces L(h) tendr un mismo rango.


An cuando el semivariograma puntual sea isotrpico, el semivariograma regularizado
calculado de las muestras de longitud constante diferirn, dependiendo si este es
calculado a lo largo de taladros individuales o entre taladros paralelos. Esta diferencia
ser significativa si la distancia h es grande con respecto al tamao de la muestra L. En el
caso de un semivariograma lineal, la diferencia no es de significancia prctica para
valores de h ms grande que L

REGULARIZACION Y EL FECTO DE PEPITA O NUGGET

OBSERVACIONES GENERALES ACERCA DEL EFECTO NUGGET


En general, como el semivariograma es estimado a partir de las muestras de tamao
finito w, el efecto Nugget (N) es definido como el lmite del Semivariograma
regularizado w(h), cuando h 0.
El semivariograma regularizado, es una funcin de tamao de la muestra; del mismo
modo, el efecto de pepita vara con el tamao de la muestra. La presencia de un N puede
ser producto de la combinacin de los siguientes factores:
a) Errores de muestreo y ensaye; el valor de la muestra medida no es necesariamente
igual al valor verdadero de la muestra.
b) La presencia de micro estructuras; si la distancia entre las muestras es > que el
rango de la micro estructuras, o si el tamao de las muestras es mucho ms grande
que este rango.
a) EFECTO NUGGET DEBIDO A ERRORES DE MUESTREO Y ENSAYE
Consideremos un semivariograma obtenido de las muestras de tamao w, el cual
presenta un efecto Nugget puro N, asumiendo al mismo tiempo que este efecto Nugget es
nicamente debido a errores de muestreo y ensaye
NM 1 2 3 4 n w
Tamao w w w w w
N puro

si se tiene una muestra o un bloque de tamao W y


se tiene n = W muestras de tamao w en W W

Si estimamos W mediante el valor promedio de todas las muestras de tamao w que


contiene, cometemos un error con la varianza inversamente proporcional al n de
muestras (n). De esta manera, el efecto Nugget del promedio del bloque ser:
N = N = N w .1 si W > w N 0
n W
Se debe tener en consideracin de que si el valor de W fue estimado por un mtodo
diferente al de la divisin de W entre n muestras de tamao w, luego se establecer un
error de muestreo y ensaye, el cual no necesariamente podra satisfacer la relacin 1.
Si se tiene diferentes tipos de muestras, tales como muestras trituradas o fragmentadas y
las de testigo, entonces se cometern diferentes tipos de error de muestreo y ensaye en
cada caso, y de esta manera, el efecto Nugget tendr que ser estimado directamente para
cada tipo de muestra, y la relacin 1 no ser aplicada.
Ntese que si el efecto Nugget se debe solamente a los errores de muestreo y ensaye, el
semivariograma de los valores verdaderos de las muestras (tan opuestos al
semivariograma de los medidos) no tiene efecto Nugget.
b) EFECTO NUGGET DEBIDO A LA PRESENCIA DE MICROESTRUCTURAS
Sea w(h) de muestras de tamao w, el cual presenta un efecto Nugget puro N.
w(h) = N (A)
Este efecto es debido a la presencia de micro estructuras y que no existe error de
muestreo y ensaye. Las micro estructuras pueden ser representadas por un
semivariograma puntual (h) con rango a y meseta K ( a y K son desconocidos).
Se tiene que:
w(h) = ( w; w h) - ( w; w) (B)

Para que las relaciones (A) y (B) sean satisfechas simultneamente, es necesario y
suficiente que
( w; w h) sea una constante para todos los valores de h 0, el cual puede ser obtenido
experimentalmente.
la relacin entre el semivariograma puntual y regularizado se v en la Fig
(h)
(h) semiv. puntual
K . .
( w; w) x
x+h
w(h) semiv.
N regularizada x. .x

w(x)
w(x+h)
se tiene dos muestras: w(x) y w(x+h)
tal que
0 a h la distancia xx entre cualquier
punto x en
Fig. Efecto Nugget puro debido a w(x) y algn otro punto x en
w(x+h) no sea
micro estructuras menor que a, luego
(xx)=K para todos los pares de
puntos
x, x, se tiene:
( w; w h) = K..(C)
Si al menos hay dos puntos: x en w(x) y x en w(x+h) tal que xx < a; entonces:
( w; w h) < K

La distancia ms corta a la cual es posible tomar dos muestras de tamao w, es h para la


cual w(x) y w(x+h) son muestras consecutivas; entonces ( w; w h) < K; y en teora, la
regularizacin de micro estructuras no puede ser representada por un efecto Nugget puro.
Sin embargo, en la prctica, un N puro podr ser observado para distancias cortas entre
las muestras, incluyendo muestras consecutivas si el tamao de la muestra w es muy
grande con respecto al rango a de las micro estructuras. Si esta condicin es satisfecha,
se tiene: (de A, B y C)
N = K - ( w; w)

Ahora se tiene una muestra de tamao W > w. El semivariograma regularizado


correspondiente w(h) presentar un N puro, el cual puede ser expresado como una
funcin del semivariograma puntual (h) como sigue:
N = K - (W ;W ) ..(D)

Si n es el nmero de muestras de tamao w en W tenemos: n = W


w
1 n n
donde:
(W ;W ) 2 ( wi w j ) n2 indica n trminos tales que i = j
n i 1 j 1
n(n-1) trminos tales que i j

para i = j se tiene: ( wi ; wi ) = ( w; w) = K - N , para i = 1, 2, 3,n (F)


para i j se tiene: ( wi ; w j ) = K ..(G)
De sta manera
(W ;W ) = 1 [n(K N) + n(n 1)K]
n2
(W ;W ) = K N .(J)
n
se obtiene: N = N = N w .............................. (K)
n W
As podemos concluir que cuando el efecto Nugget se debe solamente a la presencia de
micro estructuras, este es inversamente proporcional al tamao de la muestra.
Esta ecuacin, es muy similar al obtenido por el efecto Nugget debido a errores de
muestreo y ensayo solamente.

RELACION ENTRE EL EFECTO NUGGET Y EL TAMAO DE LA MUESTRA

Se ha indicado que siempre que la hiptesis especfica sean satisfechas, el efecto Nugget
es inversamente proporcional al tamao de la muestra. Esto es verdad, si el efecto Nugget
se debe a errores de muestreo y ensaye, o a la presencia de micro estructuras.
sea: N efecto Nugget para muestras de tamao w se tiene N = w
N efecto Nugget para muestras de tamao W W

Es una coincidencia muy importante cuando la influencia del tamao de la muestra


sobre el efecto Nugget sea la misma (N W), cualquiera sea la fuente de este efecto
Nugget. En circunstancias normales, no es posible determinar, que proporcin del efecto
Nugget se debe a errores de muestreo y ensaye, y que proporcin es debido a la presencia
se micro estructuras, a menos que se efecte un muestreo y ensaye adicional.
Cuando un w(h) presenta un N, a menudo es conveniente asumir que este corresponde a
la regularizacin de un semivariograma puntual (h), con una meseta K desconocida y de
rango a infinitamente pequeo. Esta hiptesis sera asumida cualquiera sea el posible
origen del efecto Nugget. Luego sern satisfechas las siguientes ecuaciones:
( w; w) = K N
( w; w h) = K , para h > 0
segn el covariograma (h) = K (h)
( w; w) = N
( w; w h) = 0 para h > 0

ESTIMACION DEL EFECTO NUGGET A PARTIR DE UN SEMIVARIOGRAMA


REGULARIZADO
El semivariograma regularizado w(h), cuantifica la variabilidad en los valores de las
muestras de tamao w, y a menudo es conveniente distinguir dos fuentes de variabilidad,
ellos son:
a) La variabilidad debido a micro estructuras y errores de muestreo y ensaye, lo cual
est representado por el efecto Nugget N
b) La variabilidad debido a estructuras de gran escala, lo cual est representado por:
w(h) N
Un semivariograma puntual (h), es utilizado para representar estructuras de gran
escala. Su regularizacin a travs de muestras de tamao w, debe satisfacer la siguiente
ecuacin:
(h) = w(h) N
cuando h 0, entonces (h) 0

La determinacin de (h) y N puede presentar dificultades. Consideremos el caso donde


un semivariograma L(h) sea estimado a partir de las muestras de longitud L tomadas
dentro de un simple taladro, El valor de L(h) puede ser estimado para h >= L. Entonces
se tiene:
L(h) = Nap + a2 * h para h L
2