Professional Documents
Culture Documents
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 1
Intro Intro. Pg. . Pg. 1 1
Maptek Sudamrica
(h)
1
(h)
0
(h)
2
(h)
Curs o de
Curs o de
Ge oe s t ads t ic a
Ge oe s t ads t ic a
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 2
Intro Intro. Pg. . Pg. 2 2
Maptek Sudamrica
Estadsticas:
Mtodos matemticos para recolectar, organizar e interpretar
informacin, as como tambin, sacar conclusiones y tomar
decisiones razonables con base en dichos anlisis.
Poblacin:
Coleccin de un nmero finito de mediciones o una coleccin
infinitamente grande de datos acerca de algo de inters.
Muestra:
Subconjunto representativo seleccionado de la poblacin. Una
buena muestra tiene que reflejar las caractersticas esenciales de la
poblacin de la cual se sac.
Muestra aleatoria:
Una muestra en la que cada miembro de la poblacin tiene una
oportunidad igual de ser incluida en la muestra.
Espacio muestral:
Un conjunto de todos los posibles resultados de un experimento o
ensayo.
Definiciones Bsicas
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 3
Intro Intro. Pg. . Pg. 3 3
Maptek Sudamrica
Estadsticas experimentales
Histograma:
Un cuenteo de muestras en clases
A veces se necesitan dos escalas para mostrar los detalles (usar
limites de corte)
Escala logartmica puede ser til
Estadstica de muestras
La media es sensible a valores extremos
La mediana es sensible a saltos en la mitad de la distribucin
Encuentra distribucin por cuantiles seleccionados (P.Ej.
Cuartiles)
Dispersin medida por la desviacin estndar (Muy sensible a
valores extremos)
Histograma Acumulado:
til para ver todo de los datos en un grfico
til para aislar poblaciones estadsticas
Pude usarse para verificar modelos de distribucin:
Lnea recta en escala aritmtica adistribucin normal
Lnea recta en escala logartmica adistribucin log normal
Posible transformar datos para reproducir perfectamente
cualquier distribucin univariante
F
r
e
c
u
e
n
c
i
a
F
r
e
c
u
e
n
c
i
a
A
c
u
m
u
l
a
d
a
1
0
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 8
Intro Intro. Pg. . Pg. 8 8
Maptek Sudamrica
Valores extremos: unos pocos valores muy altos o muy pequeos pueden
afectar muy fuertemente a las estadsticas resumen como la media o
varianza de los datos, el coeficiente de correlacin lineal o medidas de
continuidad espacial
Tales valores extremos se pueden manejar como:
1. Declarar los valores extremos como errneos y eliminarlos
2. Clasificarlos en poblaciones estadsticas separadas
3. Usar estadsticas robustas, que son menos sensibles a los valores
extremos: mediana, coeficiente de correlacin jerrquico
4. Transformar los datos para reducir la influencia de valores extremos
Outliers: Observaciones que tienen valores fuera de lnea con el resto de la
informacin
Los outliers pueden crear una situacin difcil en una ecuacin de regresin
debido a que tienen un efecto desproporcionado sobre los valores estimados
de los coeficientes de la regresin
La observacin de outliers puede slo removerse con extremo cuidado
debido a que pueden en realidad entregar informacin nica acerca de la
respuesta.
Valores extremos-Outliers
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 10
Intro Intro. Pg. . Pg. 10 10
Maptek Sudamrica
Definicin de Clase
Escoger intervalos de igual probabilidad ms que intervalos iguales de Au o
Ag.
Verificar sesgo en el histograma puede haber mas datos de baja ley en una
fuente de datos que en otra.
Debido al sesgo en datos de testigos, podemos necesitar definir cortes en ley
basados ms en un igual espaciamiento de la ley que en igual probabilidad
Au
A
g
5.0
100.0
0.0
0.0
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 11
Intro Intro. Pg. . Pg. 11 11
Maptek Sudamrica
=
z
dz z f z F ) ( ) (
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 13
Intro Intro. Pg. . Pg. 13 13
Maptek Sudamrica
Propiedades de la fdp:
f(z) 0
1 ) ( =
+
dz z f
F
(
x
)
1.0
0.0
x
0.25
FDA y FDP
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 14
Intro Intro. Pg. . Pg. 14 14
Maptek Sudamrica
Histogramas acumulativos
La frecuencia acumulada es el total o la fraccin acumulada de muestras
menores que un lmite dado
F
r
e
q
u
e
n
c
i
a
F
r
e
c
u
e
n
c
i
a
a
c
u
m
u
l
a
d
a
1
0
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 16
Intro Intro. Pg. . Pg. 16 16
Maptek Sudamrica
Histogramas acumulativos
Los grficos de frecuencias acumulativas no dependen del ancho; pueden crearse a la
resolucin de los datos
Una valiosa herramienta descriptiva y usada para inferencia
Un cuantil es el valor-variable que corresponde a una frecuencia acumulada fija
primer cuartil = cuantil 0.25
segundo cuartil = mediana = cuantil 0.5
tercer cuartil = cuantil 0.75
se puede leer cualquier cuantil del grfico de frecuencia acumulativa
Puede tambin leer los intervalos de probabilidad desde el grafico de frecuencia
acumulativa. (digamos, el 90% de intervalo de probabilidad)
Vnculo directo con la frecuencia
F
r
e
c
u
e
n
c
i
a
a
c
u
m
u
l
a
d
a
1.0
0.0
Valor
Primer Cuartil
0.25
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 17
Intro Intro. Pg. . Pg. 17 17
Maptek Sudamrica
Los valores del cuartil inferior q(0.25), la mediana (M) q(0.5), y el cuartil
superior q(0.75) son comnmente utilizados
EL rango intercuartil (RI) es la diferencia entre los cuartiles superior e
inferior: RI = q(0.75) q(0.25)
Signo del sesgo (Skewness): signo de la diferencia entre la media y la
mediana (m-M): sesgo positivo (a), sesgo negativo (b), simtrica (c)
Cuantiles
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 19
Intro Intro. Pg. . Pg. 19 19
Maptek Sudamrica
Cuantiles
Grfico Q-Q: para comparar dos
distribuciones F
1
y F
2
Escoger una serie de valores de
probabilidad
p
k
, k = 1, 2, , K
Graficar q
1
(p
k
) versus q
2
(p
k
), k =
1, 2, , K
Si todos los puntos caen en una lnea de
45
o
, las dos distribuciones son
exactamente iguales
Si la lnea esta desplazada de los 45
o
, las
dos distribuciones tienen la misma forma
pero diferentes medias
Si la inclinacin de la lnea no es 45
o
, las
dos distribuciones tienen diferentes
varianzas
Si hay un carcter no lineal en el grafico
Q-Q, las distribuciones tienen diferentes
formas en el histograma
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 20
Intro Intro. Pg. . Pg. 20 20
Maptek Sudamrica
Grficos Q-Q
Conjunto de datos uno Conjunto de datos dos
valor fda valor fda
0.010 0.0002 0.060 0.0036
0.020 0.0014 0.090 0.0250
0.020 0.0018 0.090 0.0321
0.020 0.0022
0.030 0.0034
0.030 0.0038
0.960 0.4998 2.170 0.4964
0.960 0.5002 2.220 0.5036
38.610 0.9962
40.570 0.9966
42.960 0.9978
43.500 0.9982 19.440 0.9679
46.530 0.9986 20.350 0.9750
102.700 0.9998 58.320 0.9964
Ordenar los valores en cada conjunto de datos
Calcular la funcin de distribucin acumulada (FDA) para cada uno
Igualar de acuerdo a los valores (FDA)
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 22
Intro Intro. Pg. . Pg. 22 22
Maptek Sudamrica
Valor esperado
Linealidad de E{}
Tambin
Independencia
Si X e Y son independientes
Valores Esperados
+
= = dz z f z m Z E ) ( } {
} { ) ( ) ( ) ( ) ( } { x bE a dx x f x b dx x f a dx x f bx a bx a E + = + = + = +
+
+
+
} { } { } { y bE x aE by ax E + = +
} { } { } { Y E X E XY E =
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 25
Intro Intro. Pg. . Pg. 25 25
Maptek Sudamrica
Si Z
1
, Z
2
, , Z
n
son los N valores de la variable Z,
se define la cantidad
Como momento de orden r y la cantidad
como el momento de orden r de
Z con respecto a la media m
z
.
Momentos
N
Z
N
Z Z Z
Z
N
j
r
j
r
N
r r
r
=
=
+ + +
=
1
2 1
...
N
m Z
N
j
r
z j
=
1
) (
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 26
Intro Intro. Pg. . Pg. 26 26
Maptek Sudamrica
=
=
= =
n
i
i
i
n
i
i
w
z w
m Z E
1
1
} {
+
+
= = = dz z zf z zdF m Z E ) ( ) ( } {
0 } { } ] {[ } {
2 2 2 2
= = = m Z E m Z E Z Var
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 27
Intro Intro. Pg. . Pg. 27 27
Maptek Sudamrica
=
=
=
n
i
i
n
i
i i
w
m z w
Z Var
1
1
2
) (
} {
dz z f m z z dF m z Z Var ) ( ) ( ) ( ) ( } {
2 2
+
+
= =
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 28
Intro Intro. Pg. . Pg. 28 28
Maptek Sudamrica
Transformacin de datos
Histogramas de ley tipo1 y ley tipo2
Esas son muestras pareadas por lo que podemos querer transformar los
valores de ley tipo2 a valores de ley tipo1
F
r
e
c
u
e
n
c
i
a
F
r
e
c
u
e
n
c
i
a
a
c
u
m
u
l
a
t
i
v
a
F
r
e
c
u
e
n
c
i
a
a
c
u
m
u
l
a
t
i
v
a
Ley tipo1 Ley tipo1
Ley tipo2
Ley tipo2
F
r
e
c
u
e
n
c
i
a
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 29
Intro Intro. Pg. . Pg. 29 29
Maptek Sudamrica
Transformacin Univariable
La transformacin de valores para que sigan otro histograma puede hacerse
igualando cuantiles
Muchas tcnicas geoestadsticas requieren la transformacin de los datos a
una distribucin Gaussiana o Normal
F
r
e
c
u
e
n
c
i
a
F
r
e
c
u
e
n
c
i
a
a
c
u
m
u
l
a
d
a
F
r
e
c
u
e
n
c
i
a
F
r
e
c
u
e
n
c
i
a
a
c
u
m
u
l
a
d
a
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 31
Intro Intro. Pg. . Pg. 31 31
Maptek Sudamrica
=
) , (
) , (
2
dy y x f m y m x dx E
m m XY E m Y m X E Y X Cov
XY Y X
Y X Y X
) , ( ) )( (
} { ]} ][ {[ } , {
=
= =
+
+
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 33
Intro Intro. Pg. . Pg. 33 33
Maptek Sudamrica
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 34
Intro Intro. Pg. . Pg. 34 34
Maptek Sudamrica
rango
>
rango
<
Grficos de dispersin
Despliegue bivariable, estimado-verdadero, dos covariables, o la misma variable
separada por algn vector distancia
El coeficiente de correlacin lineal oscila entre -1 y +1 y es sensible a valores extremos
(puntos fuera de la nube principal)
El coeficiente de correlacin de rangos es un complemento til:
si
rango
> entonces unos pocos outliers daan la que en otro caso seria una buena
correlacin
if
rango
< entonces unos pocos outliers mejoran la que en otro caso seria una pobre
correlacin
if
rango
= 1entonces una tranformacion no lineal de una covariable puede hacer = 1
Opcin VULCAN Analyse Statistics II Scatter
Verdadero versus Estimado
V
a
l
o
r
v
e
r
d
a
d
e
r
o
Estimado
16.0 0.0
16.0
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 35
Intro Intro. Pg. . Pg. 35 35
Maptek Sudamrica
Distribuciones Bivariable
Histograma bivariable
a)
Funcin de distribucin
acumulativa Bivariable
b)
Funcin de distribucin
acumulativa Condicional
c)
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 37
Intro Intro. Pg. . Pg. 37 37
Maptek Sudamrica
Distribuciones Condicionales
La prediccin de distribuciones condicionales est en el corazn de los
algoritmos geoestadsticos
Grfico de dispersin de calibracin
v
a
l
o
r
e
s
z
Valor primario conocido
P
e
r
m
e
a
b
i
l
i
d
a
d
(
m
d
)
Distribucin de los valores
posibles de la variable 1 a
un valor de la variable 2
conocido
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 38
Intro Intro. Pg. . Pg. 38 38
Maptek Sudamrica
= dz n z u f n z u f u H )) ( ; ( ))]. ( ; ( [ln ) (
)) ( ; ( n z u f
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 41
Intro Intro. Pg. . Pg. 41 41
Maptek Sudamrica
fdp:
fda:
Momentos:
La distribucin uniforme entre [0,1] es la distribucin de nmeros
aleatorios que tienen una media de 0.5, varianza de 1/12, y la fda F(z) = z
Distribucin Uniforme
=
caso otro en ,
[a,b] z
a b
z f
0
1
) (
= =
b z ,
[a,b] z
b-z
z-a
a z ,
dz z f z F
z
1
0
) ( ) (
mediana m
b a
Z E = =
+
=
2
} {
12
) (
} { } {
2
2 2 2
a b
m Z E Z Var
= = =
) (
3
1 1
} {
2 2 2 2
b ab a dz z
a b
Z E
b
a
+ + =
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 43
Intro Intro. Pg. . Pg. 43 43
Maptek Sudamrica
2
= 0
Distribucin Dirac
=
no si 0,
a x si , 1
) (z F
=
=
a en x indefinida
a x , 0
) (z f
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 44
Intro Intro. Pg. . Pg. 44 44
Maptek Sudamrica
fda
a = 1/A
fdp
Momentos:
Media = a
Varianza = a
2
Mediana = 0.69a
Distribucin Exponencial
0 z ,
1
) (
/
=
a z
e
a
z f
a e z F
a z
=
z , 1 ) (
/
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 45
Intro Intro. Pg. . Pg. 45 45
Maptek Sudamrica
|
.
|
\
|
=
2
2
1
exp
2
1
) (
m z
z g
(
=
2
2
exp
2
1
) (
z
z g
o
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 46
Intro Intro. Pg. . Pg. 46 46
Maptek Sudamrica
=
z
o o
dz z g z G ) ( ) (
|
.
|
\
|
= =
m z
G dz z g z G
o
) ( ) (
Distribucin Normal (Gaussiana)
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 47
Intro Intro. Pg. . Pg. 47 47
Maptek Sudamrica
\
|
= =
y
G y Y y F
o Y
|
|
.
|
\
|
= =
y
g
y
y F y f
o Y Y
ln 1
) ( ' ) (
|
|
.
|
\
|
+ = =
= =
+
2
2
2 2
2 2 2 /
1 ln 2 / ln
] 1 [
2 2
m
m
e m e m
Distribucin Lognormal
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 49
Intro Intro. Pg. . Pg. 49 49
Maptek Sudamrica
Teorema:
La suma de un gran numero de variables aleatorias estandarizadas
independientes igualmente distribuidas (no necesariamente gaussianas)
tiende a distribuirse en forma normal, es decir, si n VAs Z
i
tienen la
misma fda y medias cero, la VA tiende hacia una fda normal, a medida
que n tiende a infinito.
Corolario:
El producto de un gran nmero de VAs independientes e idnticamente
distribuidas tiende a distribuirse en forma lognormal
Teorema del Lmite Central
= =
= =
=
=
n
X Var
n
m Var
m E{X} } m E{
x
n
m
n
i
i
2
1
} {
1
} {
Normal
1
= =
= =
=
=
n
X Var
n
Var
X} E{ } E{
x
n
n
i
i
2
1
} {log
1
} {
log
Normal log
1
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 50
Intro Intro. Pg. . Pg. 50 50
Maptek Sudamrica
k
F'
k
(x) es un modelo de distribucion si F'
k
(x)s son funciones de
distribucin, y
k
k
= 1,
k
0, k.
Por ejemplo F(x) = pD
0
(x) + (1-p)F
1
(x) es una mezcla de una punta en cero y
una distribucin positiva
Codificacin disyuntiva de un histograma experimental : Dados los datos x
1
,
x
2
, , x
n
y los datos ordenados por rango x
(1)
, x
(2)
, , x
(n)
.
Distribucin experimental acumulativa:
Combinacin de distribuciones
) (
1
) (
) (
x
n
x F
i
x
=
Una suma de n
distribuciones Dirac
de parmetros x
(i)
e
igual amplitud 1/n
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 51
Intro Intro. Pg. . Pg. 51 51
Maptek Sudamrica
Imposible inferir la funcin aleatoria Z(x) con slo una observacin z(x)
(los datos).
Qu significa F(z) si solamente tenemos un dato
por ubicacin (espacio o tiempo)?
Asumiendo que la misma funcin aleatoria se aplica a todas las coordenadas
(ubicaciones o tiempo) x, podemos usar la informacin z(x) para inferir la
funcin aleatoria implcita Z(x).
Estacionareidad
La estacionareidad funciona como una licencia de exportacin de usar
un conjunto de datos para inferir los parmetros de la poblacin: media,
covarianza,
La decisin de estacionareidad
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 53
Intro Intro. Pg. . Pg. 53 53
Maptek Sudamrica
La decisin de estacionareidad
La combinacin de datos en un histograma asume que ellos provienen de la
misma poblacin (Asumimos estacionareidad, aun cuando no sepamos lo
que eso significa!!)
Ejemplo evidente:
Estimara los parmetros de la
poblacin usando este
histograma?
Es claro que hay dos poblaciones:
Debemos inferir los parmetros de la
poblacin en forma separada!
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 54
Intro Intro. Pg. . Pg. 54 54
Maptek Sudamrica
Fluctuaciones ergdicas
Dado que los modelos estadsticos se infieren de la estadstica de las
muestras que son inciertas debido al tamao limitado de la muestra, la
especificacin exacta de las estadsticas del modelo no es posible con datos
limitados.
La FA estacionaria se dice que es ergdica en el parmetro , si la
estadstica correspondiente ejecutada tiende hacia a medida que el
tamao del campo aumenta.
Las fluctuaciones ergdicas permiten considerar indirectamente la
incertidumbre en las estadsticas de las muestras.
La eliminacin de fluctuaciones ergdicas puede llevar a un falso sentido de
certeza.
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 57
Intro Intro. Pg. . Pg. 57 57
Maptek Sudamrica
Fluctuaciones ergdicas
% 9
2
=
% 12
1
=
% 18
3
=
Promedio ergdico = 15%
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 58
Intro Intro. Pg. . Pg. 58 58
Maptek Sudamrica
Coordenadas espaciales
Implicancia de las coordenadas:
La muestra debe ser representativa del rea o poblacin
La representatividad de la muestra debiera cuestionarse siempre que
los datos no estn dispersos uniformemente sobre el rea (sesgo), el
cual desafortunadamente es a menudo el caso en aplicaciones de
ciencias de la tierra.
Se dice que el muestreo es preferencial (sesgado) siempre que la
ubicacin de los datos no est ni regular ni aleatoriamente distribuida
sobre el rea.
Condiciones de accesibilidad
Valores esperados del atributo: el muestro es a menudo ms denso
en reas que son consideradas crticas
Estrategia de muestreo: Ubicaciones agrupadas pueden haberse
muestreado para caracterizar la variabilidad de pequea escala
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 59
Intro Intro. Pg. . Pg. 59 59
Maptek Sudamrica
Er i c G onzal ez
Julio 2003
Julio 2003 Julio 2003
Intro. Pg. 60
Intro Intro. Pg. . Pg. 60 60
Maptek Sudamrica
(h)
1
(h)
0
(h)
2
(h)
Variografa
2
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 2
Variografa Pg. Variografa Pg. 2 2
Maptek Sudamrica
Momento de orden 2
Cov {X, Y} = E {[X - m
X
][(Y - m
Y
]} = E{XY} - m
X
m
Y
Repaso estadsticas bivariable
[ ] 1 , 1
} { } {
} , {
+
=
Y Var X Var
Y X Cov
XY
+
+
dxdy m y m x
y x
) )( (
Varianzas
Var {X} = Cov {(X ,X) } ; Var {Y} = Cov {(Y ,Y) }
Coeficiente de correlacin
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 3
Variografa Pg. Variografa Pg. 3 3
Maptek Sudamrica
=
2
) (
1
2
i i XY
y x
N
Variograma
Covarianza, Correlacin y Variograma
} )] ( ) ( {[ ) ( 2
2
h u Z u Z E h + =
} ) ( ) ( ) ( 2 ) ( {
2 2
h u Z h u Z u Z u Z E + + + =
2
)} ( ) ( { ) ( m h u Z u Z E h C + =
2 2 2 2 2
2 } ) ( { )} ( ) ( { 2 } ) ( { m m m h u Z E h u Z u Z E u Z E + + + + =
2 2 2 2 2
2 )} ( ) ( { 2 } ) ( { } ) ( { m h u Z u Z E m h u Z E m u Z E + + + + =
) ( 2 ) 0 ( ) 0 ( h C C C + =
)] ( ) 0 ( [ 2 ) ( 2 h C C h =
C(0)=
2
0
(h)
C(h)
Nota: (0) = C(0) - C(0) = 0
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 5
Variografa Pg. Variografa Pg. 5 5
Maptek Sudamrica
+ =
) (
2
) ( ) (
) (
1
) ( 2
h N
h u z u z
h N
h
O en notacin probabilstica
} ) ( ) ( {( ) ( 2
2
h u Z u Z E h + =
.
z(u)
z
(
u
+
h
)
) ( ) (
2
1
h u z u z +
0
.5
0
.4
0
.4
5
0
.6
0
.6
5
1
.0
h
=
l
h
=
2
l
h
=
3
l
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 6
Variografa Pg. Variografa Pg. 6 6
Maptek Sudamrica
Problema 1: (h) debe entregar las diferencias cuadrticas en todos los vectores h
que puedan definirse en el espacio. Con datos limitados, es imposible obtenerla, por
lo que hay que construir una expresin matemtica basada en valores del
variograma que puedan obtenerse de los datos. Aun as, hay que discretizar.
Variograma
Lag Size
Lag tolerance
Lag distance
Angle
tolerance
Distance
tolerance
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 7
Variografa Pg. Variografa Pg. 7 7
Maptek Sudamrica
Ciclicidad
Variograma
A menudo vinculada con periodicidad geolgica.
Puede deberse a escasez de datos
Se sugiere poner nfasis en una buena estimacin del efecto pepa y una estimacin
razonable del alcance.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 9
Variografa Pg. Variografa Pg. 9 9
Maptek Sudamrica
Deriva / Tendencia
Variograma
En la mayora de las aplicaciones geoestadsticas se modela hasta
la meseta terica. Los datos harn que la deriva quede
representada en el modelo resultante
En aplicaciones como simulacin se puede requerir modelar
explcitamente la deriva.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 10
Variografa Pg. Variografa Pg. 10 10
Maptek Sudamrica
Anisotropa zonal
Variograma
0
0.2
0.4
0.6
0.8
1
1.2
1.4
0 5 10 15 20 25 30
La meseta aparente debe compararse con la varianza para observarla.
Cuando en una direccin el variograma no alcanza la varianza, se puede deber a que
hay continuidad mas all del horizonte de los datos en esa direccin. La variabilidad
es capturada en otra de las direcciones.
Estratificacin horizontal
Variaciones areales con alta continuidad vertical.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 11
Variografa Pg. Variografa Pg. 11 11
Maptek Sudamrica
Variograma de indicadores.
La transformacin de indicadores se define como:
Variograma
La varianza de una variable de indicador es
2
=p(1-p).
El variograma de una variable indicador:
=
pertenece no si 0
k categoria la a pertenece si 1
) ; ( k u i
=
caso otro en 0
Z(u) si 1
) ; (
k
z
z u i
k
El promedio de un indicador es la proporcin global:
n
k u i
k u I E k de prop
=
= =
n
1
) ; (
)} ; ( { .
} )] ; ( ) ; ( {[ ) ( 2
2
k h u I k u I E h
I
+ =
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 12
Variografa Pg. Variografa Pg. 12 12
Maptek Sudamrica
\
| +
=
+ h h
GR
m m
h
h
|
.
|
\
| + +
+
=
) (
2
2
2
) ( ) (
)) ( ) ( (
) ( 2
1
) (
h NP
RP
h u z u z
h u z u z
h N
h
)] ( ) ( [ )] ( ) ( [
) ( 2
1
) (
) (
h u y u y h u z u z
h N
h
h N
Cruz
+ + =
+
+ =
h h
h N
m m h u z u z
h N
h C
) (
)] ( ) ( [
) ( 2
1
) (
+
=
h h
h C
h
) (
) (
+ =
) (
) ( ) (
) ( 2
1
) (
h NP
R
h u z u z
h N
h
+ =
) (
) ( ) (
) ( 2
1
) (
h NP
R
h u z u z
h N
h
[ ]
+ =
) (
2
)) ( ln( )) ( ln(
) ( 2
1
) (
h NP
R
h u z u z
h N
h
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 13
Variografa Pg. Variografa Pg. 13 13
Maptek Sudamrica
Se requiere el valor del variograma para todos los vectores distancia dentro
de la vecindad de bsqueda. Para esto se define una funcin matemtica
con dominio en el espacio tridimensional y basada en la hiptesis de
estacionareidad.
La medida del variograma debe tener la propiedad matemtica de ser
definida positiva. Esto asegura que el sistema de kriging pueda resolverse y
que la varianza sea positiva.
El Modelo Lineal de Regionalizacin permite obtener modelos vlidos a
partir de una combinacin lineal de variogramas elementales vlidos.
Variograma
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 14
Variografa Pg. Variografa Pg. 14 14
Maptek Sudamrica
Variograma
Restriccin por condiciones en campos
Aqu se pueden restringir usando hasta
15 campos diferentes.
Ejemplos
ROCA TQ1,TQ2,TQ3
Selecciona muestras de la roca TQ1,
TQ2 o TQ3
TIPOS 1.0&10.0
Selecciona muestras donde la variable
tipo est en el rango del 1 al 10.
No hay que usar espacios
ROCA TQ1,TQ2,TQ3
TIPOS 1&10
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 20
Variografa Pg. Variografa Pg. 20 20
Maptek Sudamrica
Variograma
El proceso de validacin de condiciones es aditivo, es decir, existe un
operador tipo Y (And) entre los grupos de condiciones. Sin embargo,
dentro de un panel las condiciones son de tipo O (Or), excepto en el panel
de Fields Restrictions.
Es decir, si se selecciona la variable numrica categ y se usa los valores
especficos 1 y 2, y luego se usa una condicin sobre la variable
alfanumrica ug y se usan valores especficos TQ1 y TQ2, entonces se
seleccionaran las muestras de acuerdo al esquema siguiente:
Si TQ2 1
No TQ3 1
No TQ3 3
No TQ1 3
Si TQ2 2
Si TQ1 1
Seleccionada? UG CATEG
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 21
Variografa Pg. Variografa Pg. 21 21
Maptek Sudamrica
.
Variograma
En el panel de Lag Setup se hace la configuracin de
las dimensiones de las unidades de bsqueda, de
acuerdo al esquema explicado anteriormente. El
tamao del lag se usar en todas las direcciones.
Luego se selecciona el tipo de diferencia que
se desea calcular. El semivariograma es el
que tericamente permite al sistema de
kriging obtener las covarianzas necesarias
para la construccin de la matriz de kriging,
sin embargo, existen diferentes medidas que
pueden ser tiles cuando el semivariograma
tradicional es muy errtico. Hasta cinco tipos
simultneos pueden seleccionarse.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 22
Variografa Pg. Variografa Pg. 22 22
Maptek Sudamrica
.
Variograma
Direcciones de bsqueda
Las bsquedas son de tipo masiva, se hace por
pasos en la horizontal y en la vertical. Con eso se
define un conjunto de direcciones que permiten
estudiar el valor del variograma experimental en el
espacio 3D.
Pueden restringirse las bsquedas para buscar un
diferentes direcciones en la horizontal o en
diferentes inclinaciones para un azimut fijo, etc.
Existe la opcin para utilizar un modelo de
tetrahedros para desdoblar los a un sistema de
coordenadas antes de que se haya producido la
deformacin.
Al pinchar en finish se calcularn los variogramas
en las direcciones solicitadas. Los resultados se
almacenan en un archivo con el mismo nombre
que el de parmetros pero con extensin .vrs.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 23
Variografa Pg. Variografa Pg. 23 23
Maptek Sudamrica
Despliegue
Variograma
Para desplegar los variogramas
experimentales, se utiliza la opcin Display,
bajo el men Block-> Variography.
Despus de seleccionar el Identificador, se
debe completar este panel.
En variography mode se selecciona el tipo de
diferencias que quiere desplegar.
Activando y desactivando display graphs in
an underlay, se desplegarn los
variogramas como una entidad grfica no
editable o como layer.
En las siguientes casillas de verificacin se
definen los elementos que se quieren
desplegar.
Luego se indica el numero de grficos o
variogramas direccionales que se quieren
desplegar en una pantalla/pgina.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 25
Variografa Pg. Variografa Pg. 25 25
Maptek Sudamrica
Despliegue cont.
Variograma
Display variogram model permite seleccionar
el despliegue o no del modelo que se haya
ajustado a los datos del variograma
experimental. Solamente se desplegar si es
que el modelo existe.
Display sill points, permite desplegar los
puntos de control de las estructuras del
modelo.
Display pair counts permite desplegar el
numero de pares con que fue calculado el
variograma para cada punto del grafico.
Display horizontal labels permite alternan
entre el despliegue horizaontal y vertical del
numero de pares.
Conect points, genera un segmento de lnea
entre valores consecutivos del variograma
experimental.
Display variance line, permite desplegar la
lnea de la varianza, fundamental para crear un
modelo consistente.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 26
Variografa Pg. Variografa Pg. 26 26
Maptek Sudamrica
Despliegue
Variograma
El botn Graph Params. Permite ajustar los
parmetros de despliegue, como los colores de
los diferentes elementos del grfico y los
tamaos de las diferentes etiquetas y rtulos.
Al pinchar en Next aparecen las mismas
opciones que para los elementos grficos
descritos en el modulo Statistics II
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 27
Variografa Pg. Variografa Pg. 27 27
Maptek Sudamrica
Despliegue
Variograma
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 28
Variografa Pg. Variografa Pg. 28 28
Maptek Sudamrica
=
=
nst
i
i i
h C h
0
) ( ) (
2
2
2
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
.
|
\
|
=
men h
men h
may h
may h
vert
vert
a
h
a
h
a
h
h
>
=
=
0 si 1
0 si 0
) (
0
h
h
h
= =
1 si 1
1 si ] 5 . 0 5 . 1 [
) ( ) (
3
h
h h h
h Sph h
0
0.2
0.4
0.6
0.8
1
0
0.2
0.4
0.6
0.8
1
Variograma - Modelamiento
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 29
Variografa Pg. Variografa Pg. 29 29
Maptek Sudamrica
>
=
=
0 si 1
0 si 0
) (
h
h
h
Efecto Pepa
Se debe a errores de
medicin y a estructuras
geolgicas que ocurren a
una escala menor que la
menor separacin de los
datos.
Variograma
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 30
Variografa Pg. Variografa Pg. 30 30
Maptek Sudamrica
Modelo Esfrico
0
0.2
0.4
0.6
0.8
1
=
1 si 1
1 si ], 5 . 0 5 . 1 [
) (
3
h
h h h
h
Esfrico
Esta es una forma
comnmente encontrada.
La curva crece en una
forma lineal para luego
curvarse hasta la meseta
de 1
Variograma
Modelos elementales ms conocidos
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 31
Variografa Pg. Variografa Pg. 31 31
Maptek Sudamrica
Modelo Exponencial
0
0.2
0.4
0.6
0.8
1
h
e h
= 1 ) (
Exponencial
Esta forma es muy
parecida al variograma
esfrico. La principal
diferencia es que asciende
en forma ms rpida al
comienzo y que alcanza la
meseta en forma
asinttica.
Variograma
Modelos elementales ms conocidos
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 32
Variografa Pg. Variografa Pg. 32 32
Maptek Sudamrica
Modelo Gaussiano
0
0.2
0.4
0.6
0.8
1
2
1 ) (
h
e h
=
Gaussiano
Este modelo tiene una
forma parablica a
distancias cortas debido al
trmino cuadrtico en el
exponencial. Hay una
continuidad implcita a
distancias cortas.
Variograma
Modelos elementales ms conocidos
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 33
Variografa Pg. Variografa Pg. 33 33
Maptek Sudamrica
Modelo de potencia
0
0.2
0.4
0.6
0.8
1
2 0 , ) ( < = w h h
w
Potencia
Este modelo es ms
caracterstico para
comportamiento con
derivas. No es adecuado
para simulacin Gaussiana
ya que no alcanza la
meseta.
w < 1
w > 1
Variograma
Modelos elementales ms conocidos
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 34
Variografa Pg. Variografa Pg. 34 34
Maptek Sudamrica
Modelo peridico
0
0.2
0.4
0.6
0.8
1
) * ( sen 1 ) (
2
h h =
Peridico
Este modelo debe actuar
solamente en una
direccin, por lo que los
alcances en otras
direcciones deben
ajustarse a
Variograma
Modelos elementales ms conocidos
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 35
Variografa Pg. Variografa Pg. 35 35
Maptek Sudamrica
Modelo lineal
0
0.2
0.4
0.6
0.8
1
) ( ) (
1
h h h =
Lineal
Este modelo permite
modelar derivas. Debe
notarse que nunca se
alcanza una meseta. Es
equivalente al modelo de
potencia con parmetro 1.
Variograma
Modelos elementales ms conocidos
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 36
Variografa Pg. Variografa Pg. 36 36
Maptek Sudamrica
Ejemplo
Variograma
110
200
X
A
3
6.0
7.5
10
4.5
5.5
5.0
Modelamiento
Variograma
Para construir el modelo, se debe seleccionar la
opcin Edit en el menu Block -> Variography.
Si ya tiene cargado su variograma es
recomendable activar la opcin display
variogram model, para poder observar los
cambios en los parmetros del modelo.
En Vulcan tiene las tres opciones para el
modelamiento, 1-D, 3-D y automtica. Para el
caso de este curso se utilizarn las tres
metodologas, sin embargo se recomienda
utilizar el mtodo tridimensional.
El modelo prctico ms ampliamente utilizado
es el MLR, en cuyas restricciones y condiciones
se basa el mdulo de modelamiento de Vulcan.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 42
Variografa Pg. Variografa Pg. 42 42
Maptek Sudamrica
Modelamiento
Variograma
Si de todas formas quiere modelar en 1-D, debe
ajustar los ngulos para cada direccin que
quiera modelar de manera que el eje principal
quede en esa direccin. Debe tener cuidado de
seguir las restricciones del MLR. Luego debe
usar un procedimiento para anidacin como el
descrito anteriormente.
Debe modelar en el variograma direccional
correspondiente a la direccin seleccionada.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 43
Variografa Pg. Variografa Pg. 43 43
Maptek Sudamrica
Modelamiento
Variograma
Para modelar en 3D, debe determinar la
definicin de ngulos para la elipsoide o
seleccionar las direcciones ortogonales mayor y
menor con los botones Major y Minor. La
tercera direccin ortogonal queda
automticamente definida. Los ngulos
Bearing Plunge y Dip son actualizados segn la
seleccin de las direcciones mayor y menor.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 44
Variografa Pg. Variografa Pg. 44 44
Maptek Sudamrica
Opciones de modelamiento
Variograma
Avanza y retrocede
En las estructuras
Opciones
para el
despliegue
Actualiza el
grfico de
acuerdo al
cambio de
los
parmetros.
Determinacin
automtica del
modelo usando
todas las
direcciones
Seleccin de
grficos para
las direcciones
de mayor y
menor
continuidad
Avanza al
modo de
modelamiento
interactivo
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 45
Variografa Pg. Variografa Pg. 45 45
Maptek Sudamrica
Opcin zonal
En esta opcin se puede
hacer el anidamiento de
modelos que se hayan
construido con
diferentes mesetas en
diferentes direcciones. El
modelo resultante es un
MLR vlido que puede
usarse en estimacin.
Hasta dos estructuras
pueden usarse.
Variograma
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 48
Variografa Pg. Variografa Pg. 48 48
Maptek Sudamrica
3D Variography
Variograma
El clculo del variograma experimental debe intentar capturar la mayor
cantidad de informacin posible, para eso, el tamao del lag debe ser
aproximadamente igual al espaciamiento de las muestras. Sin embargo, el
espaciamiento es diferente en diferentes direcciones.
Por ejemplo, si se usan sondajes verticales separados en una malla
aproximada de 100x100 m. pero compsitos de 15m. Un tamao
aproximado del lag en la horizontal, dependiendo de la direccin, debe ser
de 100m. Mientras que en la vertical un buen tamao de lag es de 15 m.
Para resolver ese problema y para facilitar el modelamiento 3D se usa la
herramienta 3D variography. 3D viene del hecho que permite calcular el
variograma en tres direcciones en forma independiente. Idealmente estas
tres direcciones sern las direcciones mutuamente ortogonales que definen
la anisotropia/continuidad de la variable bajo estudio.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 49
Variografa Pg. Variografa Pg. 49 49
Maptek Sudamrica
3D Variography
Variograma
Se puede seleccionar solamente
efectuar el clculo del variograma
experimental, solamente obtener un
modelo, en cuyo caso los
variogramas experimentales ya
deben haber sido calculados y
adems tienen que ser mutuamente
ortogonales, o hacer ambas cosas
(calcular y ajustar el modelo)
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 50
Variografa Pg. Variografa Pg. 50 50
Maptek Sudamrica
Seleccin de muestras
Existen varias formas para restringir los
datos por un campo numrico
o alfanumrico.
Variograma
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 53
Variografa Pg. Variografa Pg. 53 53
Maptek Sudamrica
Es posible restringir
muestras utilizando
slidos
O pueden definirse
condiciones para
restringir en forma de
una operacin lgica
Seleccin de muestras
Variograma
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 54
Variografa Pg. Variografa Pg. 54 54
Maptek Sudamrica
Variogramas
Puede calcularse ms de un
tipo de variograma
experimental. Al igual que
la opcin tradicional de
Vulcan, hasta cinco tipos
simultneos son permitidos.
Variograma
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 55
Variografa Pg. Variografa Pg. 55 55
Maptek Sudamrica
Variograma
En el panel de definicin se
especifican los parmetros
independientes de bsqueda para
cada una de las direcciones
ortogonales. Con esto pude
considerarse la diferencia de la
densidad de las muestras. El
archivo de resultados contendr la
informacin para modelar en
pantalla las tres direcciones
principales.
Variogramas
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 56
Variografa Pg. Variografa Pg. 56 56
Maptek Sudamrica
Kriging
Estimadores lineales
Estos estimadores se usan para determinar el valor de un atributo, por
ejemplo una ley, en posiciones en el espacio donde el valore real es
desconocido.
=
=
n
i
i i
u Z u Z
1
*
) ( ) (
u
i
son posiciones, Z
*
(u) es un valor
estimado en la posicin u y
i
son
ponderadores,
Qu factores consideramos en la asignacin de los ponderadores?
Cercana a la posicin que se est estimando
Redundancia de la informacin
Anisotropa/continuidad (direcciones preferenciales)
Magnitud de la continuidad/variabilidad
3
1
2
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 59
Variografa Pg. Variografa Pg. 59 59
Maptek Sudamrica
Kriging
Sistema de Kriging
(Kriging simple)
) ( ) (
1
*
=
=
n
u Y u Y
[ ] { } { } [ ] { }
2
*
2
*
) ( ) ( ) ( 2 ) ( u Y E u Y u Y E u Y E + =
[ ] { }
2
* 2
) ( ) ( ) ( u Y u Y E u
E
=
{ } { } ) 0 ( ) ( ) ( 2 ) ( ) (
1 1 1
C u Y u Y E u Y u Y E
n n n
+ =
= = =
[ ]
) ( 2 ) ( 2
) (
1
2
u u C u u C
u
n
E
=
=
) ( ) (
1
u u C u u C
n
=
=
C(h)?
) ( ) ( ) ( u m u Z u Y =
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 60
Variografa Pg. Variografa Pg. 60 60
Maptek Sudamrica
Repaso
[ ] { }
2
) ( ) ( ) ( 2 h u Y u Y E h + =
{ } ) ( ) ( ) ( h u Y u Y E h C + =
{ } { } { } ) ( ) ( 2 ) ( ) (
2 2
h u Y u Y E h u Y E u Y E + + + =
[ ] { }
2
) ( ) ( ) ( 2 h u Y u Y E h + =
{ } { }
[ ] ) ( ) 0 ( 2
) ( 2 ) ( ) (
h C C
h C h u Y Var u Y Var
=
+ + =
Variograma
Covarianza
) ( ) 0 ( ) ( h C h C =
{ } { }
2
) ( ) 0 ( ) ( ) 0 ( u Y E u Y u Y E C = + =
Kriging
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 61
Variografa Pg. Variografa Pg. 61 61
Maptek Sudamrica
En forma matricial
n u u C u u C
n
K 1 : ) ( ) (
1
=
(
(
(
(
(
=
(
(
(
(
(
(
(
(
0 ,
0 , 2
0 , 1
2
1
, 2 , 1 ,
2 , 1 1 , 2
, 1 2 , 1 1 , 1
...
n
n
n n n n
n
C
C
C
C C C
C C
C C C
M
M
L
M O N M
N O
) (
, j i j i
u u C C =
Kriging
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 62
Variografa Pg. Variografa Pg. 62 62
Maptek Sudamrica
Detalles
Kriging simple.
3
1
2
1
,
2
3
,0
2
,
0
1
,
0
2,3
1,3
0 , 3 3 3 , 3 2 2 , 3 1 1 , 3
0 , 2 3 3 , 2 2 2 , 2 1 1 , 2
0 , 1 3 3 , 1 2 2 , 1 1 1 , 1
C C C C
C C C C
C C C C
= + +
= + +
= + +
(
(
(
=
(
(
(
(
(
(
0 , 3
0 , 2
0 , 1
3
2
1
3 , 3 2 , 3 1 , 3
3 , 2 2 , 2 1 , 2
3 , 1 2 , 1 1 , 1
C
C
C
C C C
C C C
C C C
0 1 2 3 4 5
Kriging
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 64
Variografa Pg. Variografa Pg. 64 64
Maptek Sudamrica
1
Alcance
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 65
Variografa Pg. Variografa Pg. 65 65
Maptek Sudamrica
1
Ef. pepa
0 2 4 6 8 10 12
distancia
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 66
Variografa Pg. Variografa Pg. 66 66
Maptek Sudamrica
1
Anisotropa
2
:
1
5
:
1
2
0
:
1
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 67
Variografa Pg. Variografa Pg. 67 67
Maptek Sudamrica
2
es la varianza completa
2
KS
es nula en la posicin de los datos (sin suavizamiento)
2
KS
es la varianza total en ubicaciones distantes (Total suavizamiento).
2
KS
es en los diferente lugares del espacio dependen del espaciamiento
de los datos y del variograma.
La varianza perdida o el monto en que el kriging suaviza es igual a la
varianza del kriging simple.
Kriging
{ } ) ( ) (
2 2 *
u u Y Var
KS
=
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 68
Variografa Pg. Variografa Pg. 68 68
Maptek Sudamrica
Kriging ordinario
En este caso se asume que la media es constante y desconocida
Para prescindir de la media solamente es necesario que los
ponderadores sumen 1. Con esta restriccin, el estimador se conoce
como kriging ordinario.
Kriging
=
= =
n
i
i i
m u z m u z u Y
1
* *
] ) ( [ ] ) ( [ ) (
] 1 [ ) ( ) (
1 1
*
= =
+ =
n
i
i
n
i
i i
m u z u z
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 69
Variografa Pg. Variografa Pg. 69 69
Maptek Sudamrica
Kriging
Sistema de KO
=
= = +
=
=
1
1 ), , ( ) , (
1
1
n
n
,...,n u u C u u C
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
1
0 1 1 1 1
1
1
1
1 ...
0 ,
0 , 2
0 , 1
2
1
, 2 , 1 ,
2 , 1 1 , 2
, 1 2 , 1 1 , 1
n
n n n n n
n
C
C
C
C C C
C C
C C C
M
M
L
M O N M
N O
En forma matricial
) (
, j i j i
u u C C =
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 70
Variografa Pg. Variografa Pg. 70 70
Maptek Sudamrica
Kriging
Comentarios sobre kriging
Los valores entregados por kriging no deben ponerse en un mapa (Journel
1984)
La variabilidad conjunta es incorrecta
Kriging reproduce los datos (Interpolador exacto)
Los ponderadores obtenidos son independientes de la ley
Las derivas se extrapolan mediante ponderadores negativos
La varianza tampoco depende de las leyes
Kriging suaviza
A ms variabilidad de corta escala ms suavizamiento
A mayor espaciamiento de los datos ms suavizamiento
El kriging de bloques suaviza an ms.
Los valores de la ley para diferentes tamaos de bloques son similares, lo
cual no es realista.
Julio 2003
Julio 2003 Julio 2003
Er i c G onzal ez
Variografa Pg. 71
Variografa Pg. Variografa Pg. 71 71
Maptek Sudamrica
Kriging
Kriging de Indicadores
Repaso:
El proceso del KI consiste en discretizar el intervalo de variabilidad de
la ley z con una serie de valores de corte z
k
, k=1,,K. Luego se
construye una funcion de distribucion acumulativa condicional a partir
de los K valores estimados usando kriging con los indicadores.
=
caso otro en 0
Z(u) si 1
) ; (
k
z
z u i
k
[ ] { } ) ; ( ) ; ( n z u I E z u i
k k
=
{ } n z u Z prob
k
= ) (
*
Estimacin de leyes
ENVISAGE
ESTIMACIN DE LEYES
(Grade estimation)
(Gua de aprendizaje)
Estimacin de leyes
NDICE
ESTIMACIN DE LEYES ..................................................................................................... 1
OPEN ................................................................................................................................ 1
CREACIN DEL ARCHIVO DE PARMETROS ............................................................... 1
INVERSE................................................................................................................................. 3
ORDINARY............................................................................................................................. 7
INDICATOR................................................................................................................... 11
SELECCIN DE MUESTRAS Y BLOQUES............................................................... 16
ESTIMACIN DE LEYES ................................................................................................... 22
RUN
22
1
Estimacin de leyes
ESTIMACIN DE LEYES
En esta gua se mostrar paso a paso la forma de hacer una estimacin de leyes
usando el mtodo del inverso de la distancia y krigging usando las rutinas de estimacion de leyes
de Vulcan basadas en GSLIB.
Como existen ventanas en comn para los diferentes mtodos, en cada seccin se
mostrarn las ventanas especficas de cada uno y luego las comunes. A continuacin un conjunto
de ventanas iniciales en comn destinadas a preparar y definir los archivos que se van a usar en la
estimacin, tanto el modelo de bloques como el archivo de parmetros.
OPEN
Lo primero es abrir un archivo con el modelo de bloques que desee utilizar para hacer la
asignacin de las leyes estimadas. Este paso es alternativo, pues seleccionando alguno de los
mtodos se verificar si hay algn modelo de bloques abierto para la estimacin y en caso de no
encontrarse ninguno, el sistema pedir la informacin necesaria mediante las mismas ventanas
que se mostrarn a continuacin.
Seleccione Block
Seleccione Open.
- Aparecer la ventana Block Model Open:
Ingrese el nombre del modelo de bloques que desea usar para hacer la
estimacin de leyes.
- Este modelo es el que Ud. cre en Block Modelling Create Puede usar la flecha en el extremo de la casilla
para el nombre del modelo para listar los archivos .bmf del directorio actual o pinchar el botn Browse para
navegar por un archivo.
CREACIN DEL ARCHIVO DE PARMETROS
2
Estimacin de leyes
Seleccione Inverse, Ordinary o Indicator de acuerdo al tipo de estimacin que
desee realizar.
- En esta ventana Ud. debe indicar el nombre del archivo en que almacenar los parmetros de
estimacin. El nombre del archivo en el disco ser <project><nombre ingresado en esta ventana>.bef.
En este archivo puede haber diferentes conjuntos de parmetros de estimacin. Para esto se ingresa un
identificador adicional en la siguiente ventana.
Ingrese un nombre para New estimation ID.
- Puede usar Old estimation ID si tiene un ID antiguo desde el que quiere copiar o modificar los
parmetros para la estimacin.
Haga click sobre OK.
A continuacin Ud. debe dirigirse a la seccin de la gua que corresponda al mtodo
de estimacin que haya seleccionado: Para Inverse, Pg. 3; para Ordinary, Pg. 11 y para
Indicator, Pg. 19.
3
Estimacin de leyes
INVERSE
- Se desplegar la siguiente ventana:
Puede seleccionar entre Block model estimation o Cross validation. En este caso
seleccione Block model estimation.
- La validacin cruzada estima el valor estimado en la ubicacin de una muestra, sin usar la muestra
que se encuentra en esa posicin.
Ingrese, en el recuadro Grade variable, la variable del modelo de bloques en la
que almacenar la estimacin.
- Esta es una variable de las que Ud. defini en su modelo de bloques. En esta variable se
almacenar la estimacin de Ley para algn material (Cu, Au, etc.)
Ingrese en Default, el valor por defecto de la variable.
- Es el valor que se le asignar a los bloques que no puedan estimarse y que hayan sido
seleccionados en la estimacin.
Active Store number of samples si quiere almacenar, para cada bloque, el
nmero de muestras utilizadas en la estimacin. Debe indicar en el recuadro el
nombre de la variable del modelo de bloques que va a usar.
4
Estimacin de leyes
- El nombre de la variable puede seleccionarlo de la lista (haciendo click sobre el tringulo de la derecha)
o escribirlo. Dicha variable la debi crear cuando defini su modelo de bloques. Default tiene el mismo
significado que para la variable principal.
Active Store number of holes si quiere almacenar, para cada bloque, el
nmero de sondajes utilizados en la estimacin de cada bloque. Debe indicar
en el recuadro el nombre de la variable del modelo de bloques que va a usar.
- El nombre de la variable puede seleccionarlo de la lista (haciendo click sobre el tringulo de la derecha)
o escribirlo. Dicha variable la debi crear cuando defini su modelo de bloques.
Active Store flag when estimated si quiere marcar los bloques que pudieron
estimarse en esta corrida. Debe indicar en el recuadro el nombre de la variable
del modelo de bloques que va a usar y el valor que se asignar a la variable
cuando un bloque es estimado.
- La variable no se modifica para bloques no estimados. .
Active Assign parent block value to subblock si quiere que las subceldas se
estimen al soporte del bloque parent.
- Esto permite nombre de la variable puede seleccionarlo de la lista (haciendo click sobre el tringulo de
la derecha) o escribirlo. Dicha variable la debi crear cuando defini su modelo de bloques. Default
tiene el mismo significado que para la variable principal.
Active Store average distances si quiere almacenar, para cada bloque, la
distancia promedio ponderada. Debe indicar en el recuadro el nombre de la
variable del modelo de bloques que va a usar.
Choose parent block size, permite utilizar un tamao parent definido por el
usuario que se debe definir en los siguientes recuadros.
Parent block X,Y,Z size, permite especificar el tamao del bloque parent
definido por el usuario.
Haga clic sobre Next para pasar al siguiente panel.
- Se desplegar el panel Distance to Samples.
5
Estimacin de leyes
- Este panel permite guardar la distancia promedio entre el bloque y las muestras usadas en su estimacin.
Seleccione la(s) variable(s) del modelo de bloques para almacenar el(los) tipo(s)
de distancia(s) deseado(s).
- Este panel permite guardar la distancia promedio entre el bloque y las muestras usadas en su estimacin.
Hay varias formas de calcular la distancia promedio: Distancias cartesiana, anisotrpica segn el
elipsoide o anisotrpica segn los ponderadores calculados por el mtodo de interpolacin. Puede
consultar la ayuda en lnea de Vulcan para una detallada explicacin de la forma del clculo de cada una
de estas distancias.
d x x y y z z
a b a b a b
= + + ( ) ( ) ( )
2 2 2
d W x x W x x W z z
x a b y a b z a b
= + + ( ) ( ) ( )
2 2 2
En Defaul distance when no estimate is made, se ingresa el valor que asignar a
las variables del modelo de bloques indicadas en este panel cuando no pueda
efectuarse la estimacin.
Haga clic sobre Next para pasar el siguiente panel.
6
Estimacin de leyes
Bearing, Plunge y Dip son las rotaciones de los ejes del elipsoide o caja para la
bsqueda de las muestras.
- Para una detallada explicacin de las convenciones y funcionamiento de las rotaciones consulte la ayuda
en lnea de Vulcan. Adicionalmente puede usar la opcin Display Ellipsoid para visualizar la orientacin
del elipsoide.
Major, Semi-Major y Minor axis son las dimensiones de los ejes del elipsoide o
caja de bsqueda.
- Esto tambin se refleja al desplegar el elipsoide con la opcin Display Ellipsoid.
Seleccione entre Use search Ellipsoid / Use search box, dependiendo de la forma
geomtrica que quiere usar para buscar las muestras.
- Tenga en cuenta que el volumen de un elipsoide de radios a, b, c es cerca de la mitad (/6 veces) del
volumen de una caja de lados 2a, 2b, 2c, por lo que el nmero de muestras para estimar un bloque puede
ser muy diferente y por lo tanto los tiempos que toman los clculos tambin.
7
Estimacin de leyes
Active la opcin Unfold by tetrahedral model si tiene un modelo para
transformar coordenadas estratigrficas.
- Este tipo de modelos es tiles para depsitos formados por estratos deformados. Estos modelos se
generan con el mdulo tetramodeling. Debe seleccionar el modelo en el recuadro.
Haga clic sobre Next para continuar en el siguiente panel.
En discretisation steps in X, Y, Z ingrese el nmero de puntos en que desea
dividir en cada eje para hacer la estimacin del bloque.
- Se dividir el bloque en X*Y*Z puntos que sern estimados con las mismas muestras para despus
calcular un promedio para el bloque. En el ejemplo siguiente el bloque se ha discretizado en 3*3*3 = 27
puntos para luego calcular el promedio de las estimaciones de dichos puntos.
3
3
3
Ellipsoid
a a
c b
2a
2b 2c
2a
Box
8
Estimacin de leyes
Haga clic sobre Next para continuar en el siguiente panel.
Debe ingresar en Minimum number of samples per estimate y en Maximum
samples per estimate, el mnimo numero de muestras para que un bloque se
pueda estimar y el mximo numero de muestras que efectivamente se usarn
en la estimacin.
- Las muestras ms cercanas tendrn prioridad sobre las que estn ms alejadas.
Seleccione Use an octant based search para restringir las muestras por octante.
- Esto facilita la utilizacin de muestras en diferentes orientaciones dividiendo el espacio en octantes.
En Maximum samples per octant indique el mximo nmero de muestras que se
permitirn por cada octante.
- Debe tener en cuenta el mnimo numero de muestras indicados para estimar un bloque..
9
Estimacin de leyes
Seleccione Additional restrictions si quiere hacer una bsqueda por octante
avanzada.
- Las opciones avanzadas se describen a continuacin.
Minimum octants with samples fuerza a que exista al menos el nmero de
octantes indicado en el casillero aportando muestras para la estimacin.
Minimum samples per octant fuerza a que exista al menos el nmero de
muestras indicado en el casillero por cada octante que aporte muestras para la
estimacin.
Select octant rotation type permite seleccionar entre tres diferentes rotaciones
para definir los octantes a los que refiere este panel. Para cada rotacin se
indican los ngulos Bearing, Plunge y Dip.
- Las dos ltimas rotaciones corresponden a los ejes cartesianos y a la orientacin de la bsqueda.
La distancia utilizada para determinar las muestras que estn ms prximas la
puede seleccionar con las opciones Select by anisotropic distance y Select by
cartesian distance.
- La distancia anisotrpica corresponde a la determinada segn la anisotropa de la bsqueda. La
bsqueda cartesiana se determina con la orientacin de los ejes cartesianos X,Y,Z. Esta se recomienda
slo en casos muy especiales.
En la opcin Distance to check duplicate samples, se permite indicar una
tolerancia para muestras que se consideran localizadas en el mismo punto.
- Las muestras duplicadas o muy cercanas pueden desestabilizar el sistema de kriging. Para ignorar las
muestras duplicadas ingrese -1 en el casillero. Para utilizar duplicidad de coordenadas exacta ingrese 0.
Haga clic sobre Next para continuar en el siguiente panel.
10
Estimacin de leyes
En X, Y, Z, ingrese los ponderadores que desea asignar a cada eje.
- Estos ponderadores permiten transformar las distancias cartesianas en anisotrpicas para calcular los
ponderadores. Las distancias cartesianas y anisotrpicas se muestran en las siguientes expresiones:
d x x y y z z
a b a b a b
= + + ( ) ( ) ( )
2 2 2
d W x x W x x W z z
x a b y a b z a b
= + + ( ) ( ) ( )
2 2 2
Active Normalise radii to search radii si desea que dichos ponderadores sean
calculados automticamente.
- Se calcular un ponderador para cada eje. Este ponderador ser el cuociente entre el eje mayor y cada
radio de bsqueda. Es decir, en el eje X ser uno; el valor en el eje Y ser: eje mayor/semi-mayor, en
el eje Z: eje mayor/eje menor. Estos ponderadores se usarn para determinar una distancia estadstica a
partir del vector distancia de la muestra al bloque. Los valores calculados podrn modificarse en la
siguiente ventana.
En Power indique la potencia al cual se elevar la distancia antes de invertirla
(1/d
n
).
Haga clic sobre Next para continuar en el siguiente panel.
Las ventanas siguientes son comunes para los diferentes mtodos de estimacin y las
puede encontrar en la seccin Seleccin de muestras y bloques (Pg. 31) de esta misma gua.
11
Estimacin de leyes
ORDINARY
- Despus de identificar los parmetros, se desplegar la siguiente ventana:
Puede seleccionar entre Block model estimation o Cross validation. En este caso
seleccione Block model estimation.
- La validacin cruzada estima el valor estimado en la ubicacin de una muestra, sin usar la muestra
que se encuentra en esa posicin.
Ingrese, en el recuadro Grade variable, la variable del modelo de bloques en la
que almacenar la estimacin.
- Esta es una variable de las que Ud. defini en su modelo de bloques. En esta variable se
almacenar la estimacin de Ley para algn material (Cu, Au, etc.)
Ingrese en Default, el valor por defecto de la variable.
- Es el valor que se le asignar a los bloques que no puedan estimarse y que hayan sido
seleccionados en la estimacin.
12
Estimacin de leyes
Active Store number of samples si quiere almacenar, para cada bloque, el
nmero de muestras utilizadas en la estimacin. Debe indicar en el recuadro el
nombre de la variable del modelo de bloques que va a usar.
- El nombre de la variable puede seleccionarlo de la lista (haciendo click sobre el tringulo de la derecha)
o escribirlo. Dicha variable la debi crear cuando defini su modelo de bloques. Default tiene el mismo
significado que para la variable principal.
Active Store number of holes si quiere almacenar, para cada bloque, el
nmero de sondajes utilizados en la estimacin de cada bloque. Debe indicar
en el recuadro el nombre de la variable del modelo de bloques que va a usar.
- El nombre de la variable puede seleccionarlo de la lista (haciendo click sobre el tringulo de la derecha)
o escribirlo. Dicha variable la debi crear cuando defini su modelo de bloques.
Active Store flag when estimated si quiere marcar los bloques que pudieron
estimarse en esta corrida. Debe indicar en el recuadro el nombre de la variable
del modelo de bloques que va a usar y el valor que se asignar a la variable
cuando un bloque es estimado.
- La variable no se modifica para bloques no estimados .
Active Store kriging variance si quiere guardar en una variable la varianza del
error de estimacin por kriging ordinario.
Active Assign parent block value to subblock si quiere que las subceldas se
estimen al soporte del bloque parent.
- Esto permite nombre de la variable puede seleccionarlo de la lista (haciendo click sobre el tringulo de
la derecha) o escribirlo. Dicha variable la debi crear cuando defini su modelo de bloques. Default
tiene el mismo significado que para la variable principal.
Active Store average distances si quiere almacenar, para cada bloque, la
distancia promedio ponderada. Debe indicar en el recuadro el nombre de la
variable del modelo de bloques que va a usar.
Choose parent block size, permite utilizar un tamao parent definido por el
usuario que se debe definir en los siguientes recuadros.
Parent block X,Y,Z size, permite especificar el tamao del bloque parent
definido por el usuario.
Haga clic sobre Next para pasar al siguiente panel.
- Se desplegar el panel Distance to Samples.
13
Estimacin de leyes
- Este panel permite guardar la distancia promedio entre el bloque y las muestras usadas en su estimacin.
Seleccione la(s) variable(s) del modelo de bloques para almacenar el(los) tipo(s)
de distancia(s) deseado(s).
- Este panel permite guardar la distancia promedio entre el bloque y las muestras usadas en su estimacin.
Hay dos formas de calcular la distancia promedio: Distancias cartesiana y anisotrpica segn el
elipsoide. Puede consultar la ayuda en lnea de Vulcan para una detallada explicacin de la forma del
clculo de cada una de estas distancias.
En Defaul distance when no estimate is made, se ingresa el valor que asignar a
las variables del modelo de bloques indicadas en este panel cuando no pueda
efectuarse la estimacin.
Haga clic sobre Next para pasar el siguiente panel.
14
Estimacin de leyes
Bearing, Plunge y Dip son las rotaciones de los ejes del elipsoide o caja para la
bsqueda de las muestras.
- Para una detallada explicacin de las convenciones y funcionamiento de las rotaciones consulte la ayuda
en lnea de Vulcan. Adicionalmente puede usar la opcin Display Ellipsoid para visualizar la orientacin
del elipsoide.
Major, Semi-Major y Minor axis son las dimensiones de los ejes del elipsoide o
caja de bsqueda.
- Esto tambin se refleja al desplegar el elipsoide con la opcin Display Ellipsoid.
Seleccione entre Use search Ellipsoid / Use search box, dependiendo de la forma
geomtrica que quiere usar para buscar las muestras.
- Tenga en cuenta que el volumen de un elipsoide de radios a, b, c es cerca de la mitad (/6 veces) del
volumen de una caja de lados 2a, 2b, 2c, por lo que el nmero de muestras para estimar un bloque puede
ser muy diferente y por lo tanto los tiempos que toman los clculos tambin.
15
Estimacin de leyes
Active la opcin Unfold by tetrahedral model si tiene un modelo para
transformar coordenadas estratigrficas.
- Este tipo de modelos es tiles para depsitos formados por estratos deformados. Estos modelos se
generan con el mdulo tetramodeling. Debe seleccionar el modelo en el recuadro.
Haga clic sobre Next para continuar en el siguiente panel.
En discretisation steps in X, Y, Z ingrese el nmero de puntos en que desea
dividir en cada eje para hacer la estimacin del bloque.
- Se dividir el bloque en X*Y*Z puntos que sern estimados con las mismas muestras para despus
calcular un promedio para el bloque. En el ejemplo siguiente el bloque se ha discretizado en 3*3*3 = 27
puntos para luego calcular el promedio de las estimaciones de dichos puntos.
3
3
3
Ellipsoid
a a
c b
2a
2b 2c
2a
Box
16
Estimacin de leyes
Haga clic sobre Next para continuar en el siguiente panel.
Debe ingresar en Minimum number of samples per estimate y en Maximum
samples per estimate, el mnimo numero de muestras para que un bloque se
pueda estimar y el mximo numero de muestras que efectivamente se usarn
en la estimacin.
- Las muestras ms cercanas tendrn prioridad sobre las que estn ms alejadas.
Seleccione Use an octant based search para restringir las muestras por octante.
- Esto facilita la utilizacin de muestras en diferentes orientaciones dividiendo el espacio en octantes.
En Maximum samples per octant indique el mximo nmero de muestras que se
permitirn por cada octante.
- Debe tener en cuenta el mnimo numero de muestras indicados para estimar un bloque.
17
Estimacin de leyes
Seleccione Additional restrictions si quiere hacer una bsqueda por octante
avanzada.
- Las opciones avanzadas se describen a continuacin.
Minimum octants with samples fuerza a que exista al menos el nmero de
octantes indicado en el casillero aportando muestras para la estimacin.
Minimum samples per octant fuerza a que exista al menos el nmero de
muestras indicado en el casillero por cada octante que aporte muestras para la
estimacin.
Select octant rotation type permite seleccionar entre tres diferentes rotaciones
para definir los octantes a los que refiere este panel. Para cada rotacin se
indican los ngulos Bearing, Plunge y Dip.
- Las dos ltimas rotaciones corresponden a los ejes cartesianos y a la orientacin de la bsqueda.
La distancia utilizada para determinar las muestras que estn ms prximas la
puede seleccionar con las opciones Select by anisotropic distance y Select by
cartesian distance.
- La distancia anisotrpica corresponde a la determinada segn la anisotropa de la bsqueda. La
bsqueda cartesiana se determina con la orientacin de los ejes cartesianos X,Y,Z. Esta se recomienda
slo en casos muy especiales.
En la opcin Distance to check duplicate samples, se permite indicar una
tolerancia para muestras que se consideran localizadas en el mismo punto.
- Las muestras duplicadas o muy cercanas pueden desestabilizar el sistema de kriging. Para ignorar las
muestras duplicadas ingrese -1 en el casillero. Para utilizar duplicidad de coordenadas exacta ingrese 0.
Haga clic sobre Next para continuar en el siguiente panel.
- Aparecer la ventana Variogram model selection
18
Estimacin de leyes
Read variogram from a file permite capturar un modelo desde un archivo. En el
recuadro debe ingresar el nombre del archivo.
- Este modelo se lee del archivo .vrg generado por las opciones de modelamiento de Vulcan.
En Nugget ingrese el efecto pepita del modelo.
Seleccione el tipo de modelo a utilizar en la especificacin del variograma.
19
Estimacin de leyes
En Sill Differential ingrese el aporte de varianza de esta estructura del
variograma..
En Major, Semi-Major y Minor axis se indican los alcances de esta estructuras
en las diferentes direcciones de anisotropa.
- Estas definen la extensin de la continuidad de los ejes mayor-semi y menor para esta estructura.
En Bearing, Plunge y Dip se indica la orientacin de la estructura que se est
ingresando.
- Estas definen la orientacin de la anisotropa de los ejes mayor-semi y menor.
Active Add another structure to this variogram si todava requiere indicar ms
estructuras anidadas para este modelo.
Seleccione Next cuando haya ingresado todos los valores
Las ventanas siguientes son comunes para los diferentes mtodos de estimacin y las
puede encontrar en la seccin Seleccin de muestras y bloques (Pg. 31) de esta misma gua.
INDICATOR
- Despus de configurar el archivo de parmetros y estimation ID, se desplegar la siguiente ventana:
20
Estimacin de leyes
- Debido a que el proceso de calculo de la ley se hace a posteriori, aqu no hay una variable de ley:
Active Store number of samples si quiere almacenar, para cada bloque, el
nmero de muestras utilizadas en la estimacin. Debe indicar en el recuadro el
nombre de la variable del modelo de bloques que va a usar.
- El nombre de la variable puede seleccionarlo de la lista (haciendo click sobre el tringulo de la derecha)
o escribirlo. Dicha variable la debi crear cuando defini su modelo de bloques. Default tiene el mismo
significado que para la variable principal.
Active Store number of holes si quiere almacenar, para cada bloque, el
nmero de sondajes utilizados en la estimacin de cada bloque. Debe indicar
en el recuadro el nombre de la variable del modelo de bloques que va a usar.
- El nombre de la variable puede seleccionarlo de la lista (haciendo click sobre el tringulo de la derecha)
o escribirlo. Dicha variable la debi crear cuando defini su modelo de bloques.
Active Store flag when estimated si quiere marcar los bloques que pudieron
estimarse en esta corrida. Debe indicar en el recuadro el nombre de la variable
del modelo de bloques que va a usar y el valor que se asignar a la variable
cuando un bloque es estimado.
- La variable no se modifica para bloques no estimados .
21
Estimacin de leyes
Active Store kriging variance si quiere guardar en una variable la varianza del
error de estimacin por kriging ordinario.
Active Assign parent block value to subblock si quiere que las subceldas se
estimen al soporte del bloque parent.
- Esto permite nombre de la variable puede seleccionarlo de la lista (haciendo click sobre el tringulo de
la derecha) o escribirlo. Dicha variable la debi crear cuando defini su modelo de bloques. Default
tiene el mismo significado que para la variable principal.
Active Store average distances si quiere almacenar, para cada bloque, la
distancia promedio ponderada. Debe indicar en el recuadro el nombre de la
variable del modelo de bloques que va a usar.
Choose parent block size, permite utilizar un tamao parent definido por el
usuario que se debe definir en los siguientes recuadros.
Parent block X,Y,Z size, permite especificar el tamao del bloque parent
definido por el usuario.
Haga clic sobre Next para pasar al siguiente panel.
- Se desplegar el panel Distance to Samples.
- Este panel permite guardar la distancia promedio entre el bloque y las muestras usadas en su estimacin.
Seleccione la(s) variable(s) del modelo de bloques para almacenar el(los) tipo(s)
de distancia(s) deseado(s).
22
Estimacin de leyes
- Este panel permite guardar la distancia promedio entre el bloque y las muestras usadas en su estimacin.
Hay dos formas de calcular la distancia promedio: Distancias cartesiana y anisotrpica segn el
elipsoide. Puede consultar la ayuda en lnea de Vulcan para una detallada explicacin de la forma del
clculo de cada una de estas distancias.
En Defaul distance when no estimate is made, se ingresa el valor que asignar a
las variables del modelo de bloques indicadas en este panel cuando no pueda
efectuarse la estimacin.
Haga clic sobre Next para pasar el siguiente panel.
Bearing, Plunge y Dip son las rotaciones de los ejes del elipsoide o caja para la
bsqueda de las muestras.
- Para una detallada explicacin de las convenciones y funcionamiento de las rotaciones consulte la ayuda
en lnea de Vulcan. Adicionalmente puede usar la opcin Display Ellipsoid para visualizar la orientacin
del elipsoide.
Major, Semi-Major y Minor axis son las dimensiones de los ejes del elipsoide o
caja de bsqueda.
- Esto tambin se refleja al desplegar el elipsoide con la opcin Display Ellipsoid.
23
Estimacin de leyes
Seleccione entre Use search Ellipsoid / Use search box, dependiendo de la forma
geomtrica que quiere usar para buscar las muestras.
- Tenga en cuenta que el volumen de un elipsoide de radios a, b, c es cerca de la mitad (/6 veces) del
volumen de una caja de lados 2a, 2b, 2c, por lo que el nmero de muestras para estimar un bloque puede
ser muy diferente y por lo tanto los tiempos que toman los clculos tambin.
Active la opcin Unfold by tetrahedral model si tiene un modelo para
transformar coordenadas estratigrficas.
- Este tipo de modelos es tiles para depsitos formados por estratos deformados. Estos modelos se
generan con el mdulo tetramodeling. Debe seleccionar el modelo en el recuadro.
Haga clic sobre Next para continuar en el siguiente panel.
En discretisation steps in X, Y, Z ingrese 1, 1 y 1 respectivamente.
- Kriging de indicadores debe hacerse al soporte de las muestras para poder ensamblar una distribucin
corregida de los bloques.
Ellipsoid
a a
c b
2a
2b 2c
2a
Box
24
Estimacin de leyes
Haga clic sobre Next para continuar en el siguiente panel.
Debe ingresar en Minimum number of samples per estimate y en Maximum
samples per estimate, el mnimo nmero de muestras para que un bloque se
pueda estimar y el mximo nmero de muestras que efectivamente se usarn
en la estimacin.
- Las muestras ms cercanas tendrn prioridad sobre las que estn ms alejadas.
Seleccione Use an octant based search para restringir las muestras por octante.
1
1
1
25
Estimacin de leyes
- Esto facilita la utilizacin de muestras en diferentes orientaciones dividiendo el espacio en octantes.
En Maximum samples per octant indique el mximo nmero de muestras que se
permitirn por cada octante.
- Debe tener en cuenta el mnimo numero de muestras indicados para estimar un bloque..
Seleccione Additional restrictions si quiere hacer una bsqueda por octante
avanzada.
- Las opciones avanzadas se describen a continuacin.
Minimum octants with samples fuerza a que exista al menos el nmero de
octantes indicado en el casillero aportando muestras para la estimacin.
Minimum samples per octant fuerza a que exista al menos el nmero de
muestras indicado en el casillero por cada octante que aporte muestras para la
estimacin.
Select octant rotation type permite seleccionar entre tres diferentes rotaciones
para definir los octantes a los que refiere este panel. Para cada rotacin se
indican los ngulos Bearing, Plunge y Dip.
- Las dos ltimas rotaciones corresponden a los ejes cartesianos y a la orientacin de la bsqueda.
La distancia utilizada para determinar las muestras que estn ms prximas la
puede seleccionar con las opciones Select by anisotropic distance y Select by
cartesian distance.
- La distancia anisotrpica corresponde a la determinada segn la anisotropa de la bsqueda. La
bsqueda cartesiana se determina con la orientacin de los ejes cartesianos X,Y,Z. Esta se recomienda
slo en casos muy especiales.
En la opcin Distance to check duplicate samples, se permite indicar una
tolerancia para muestras que se consideran localizadas en el mismo punto.
- Las muestras duplicadas o muy cercanas pueden desestabilizar el sistema de kriging. Para ignorar las
muestras duplicadas ingrese -1 en el casillero. Para utilizar duplicidad de coordenadas exacta ingrese 0.
Haga clic sobre Next para continuar en el siguiente panel.
- Se desplegar la ventana Indicator Kriging Cut Offs.
26
Estimacin de leyes
En este panel por cada lnea se ingresa la variable donde se almacenar el
resultado del kriging del indicador, la varianza de estimacin, el valor por
defecto comn para las dos variables y el valor de la ley de corte que define el
indicador.
NOTA: Puede usar hasta 20 cutoff para determinar la ley por Kriging de indicadores, para esto
debe Ud. haber creado las variables suficientes en su modelo de bloques para poder
almacenar los valores, es decir, si va a usar 5 cutoffs, debe haber definido 5 variables
para los indicadores, adems de por lo menos otra, para la ley estimada.
Para activar cada grupo de entradas de datos debe marcar con el mouse el recuadro de
activacin a la izquierda de cada fila de ingreso.
Seleccione Next. cuando haya completado la ventana anterior.
27
Estimacin de leyes
Seleccione entre especificar median indicador kriging o especificar los
variogramas para cada cutoff.
- Con median indicador kriging se especifica un variograma comn para cada cutoff, perdiendo gran parte
de la riqueza de esta herramienta..
Seleccione Next. cuando haya completado la ventana anterior.
- Aparecer la ventana Variogram model selection. Esta ventana es similar a la mostrada en la seccin
Ordinary (Pg. 18). Una vez que haya ingresado todos los valores aparecern ventanas similares a la
mencionada pero en forma mltiple para los variogramas de los diferentes Cutoff, en caso de no usar
median indicador kriging.
Seleccione Next en la ventana Variogram model selection para la ltima ley de
corte.
28
Estimacin de leyes
Despus de estimar los valores de indicador para cada cutoff, se tiene una distribucin discreta con las relaciones
de orden corregidas. La primera parte de este panel permite construir una distribucin continua a partir de la
distribucin discreta con la varianza reducida para el tamao de los bloques. Primero se corrige la varianza:
No volume correction.
29
Estimacin de leyes
En este caso la varianza no se corrige. No se recomienda ya que las leyes obtenidas no son representativas
pare el volumen del bloque.
Affine volume correction
Se mantiene la forma de la distribucin manteniendo la media, pero ajustando la varianza. Note que los
valores extremos cambian.
Indirect lognormal volume correction
Este hace un ajuste asumiendo que se esta modificando una distribucin lognormal.
Variance reduction factor
Este es al factor de ajuste de la varianza propiamente. El ajuste se har basado en este factor. La varianza
de la nueva distribucin ser la varianza de la distribucin original multiplicada por este factor.
A continuacin viene el proceso de hacer de la distribucin discreta una distribucin continua.
Minimum of the distribution
Este es el valor mas bajo de la distribucin. Este debiera ser menor que el menor cutoff. A menudo se usa 0,
como el valor mnimo.
Maximum of the distribution
Esta es la ley ms alta de la distribucin. El aumento de este valor aumenta el valor de las leyes
producidas.
Left tail distribution parameter
Este parmetro controla la forma de la distribucin entre el valor mnimo y el menor cutoff. Si es 1, es una
linea recta. Si es menor que 1, se usa una curva sobre la recta, si es mayor que una, la curva es bajo la
recta.
Middle interval distribution parameter
Cumple la misma funcin que el parmetro anterior, pero para conectar la distribucin entre cutoffs.
Right tail distribution parameter
Cumple la misma funcin que el parmetro anterior, pero para conectar la distribucin entre el mayor
cutoff y el mximo de la distribucin.
Discretisation of the distribution
Este es el nmero de muestras que se sacan de la nueva distribucin continua. Se recomienda un nmero
como 20, para no sacrificar velocidad ni perder representatividad. Si se usa 20, la distribucin se muestrea
a intervalos de 5%, partiendo en 2.5% hasta 97.5%. .
30
Estimacin de leyes
Completado lo anterior se esta en condiciones de extraer informacin de la distribucin. Los siguientes
valores pueden obtenerse y guardarse en variables en el modelo de bloques:
Mean of the distribution
Esta es la media de la distribucin o valor estimado E-type.
Coefficient of variation of the distribution
El coeficiente de variacin obtenido de la distribucin despus de hacer la correccin de varianza
(varianza/media).
Grade value at a given probability
Este es el valor de la ley para una probabilidad dada. La probabilidad se ingresa en el recuadro
correspondiente.
Probability for grade cutoff
Este es la probabilidad para el cutoff dado. El cutoff se ingresa en el recuadro correspondiente y se usa
para las siguientes dos opciones.
Grade over cutoff
Esta es la ley media sobre el cutoff.
Grade under cutoff
Esta es la ley media bajo el cutoff.
Total grade
Si decide guardar este valor en el modelo, esta ley se calcular utilizando valores medios indicados por el
usuario para cada intervalo entre los cutoff. De esa forma la integral se calcula en forma discreta. El panel
con las medias para cada intervalo y para los extremos, se ingresa en un siguiente panel.
Seleccione Next para continuar
Se desplegar el panel de medias en el caso de usar Total Grade.
31
Estimacin de leyes
- A partir de este momento las ventanas son comunes y se muestran en la seccin siguiente: Seleccin de
muestras y bloques.
SELECCIN DE MUESTRAS Y BLOQUES
- Aparecer la ventana Samples Database
Seleccione Use Database o Use Map file de acuerdo al formato del archivo de
compsitos.
- Si los datos de los compsitos se encuentran en una base de datos ISIS (VULCAN), debe seleccionar Use
database e ingresar el nombre del Datasheet y el identificador opcional. Si los datos se encuentran en un
archivo ASCII, debe seleccionar la segunda opcin e ingresar el identificador de Map file.
Ingrese el nombre del Datasheet y el optional identifier si seleccion Use
Database o ingrese el Map file Identifier si seleccion la otra opcin.
Seleccione Next.
Ingrese en Sample groups el nombre del (los) grupo(s) de compsitos que desea
usar en la estimacin.
32
Estimacin de leyes
- Cada base de datos de compsitos ISIS puede tener diferentes grupos de compsitos efectuados usando
diferentes especificaciones (Run length, Bench, 10mt, 5mt, etc.). Si Ud. desea usar ms de un grupo de
compsitos puede utilizar comodines para especificar el nombre de los grupos de compsitos que va a
usar. Un astersco indica que se van a usar todos los grupos de compsitos de la base de datos.
Ingrese en Location X, Y, Z, los campos dentro de la base de datos de
compsitos en que se encuentran las coordenadas de las muestras.
Ingrese en Assay Field el CAMPO que contiene la informacin de las muestras
que desea utilizar para hacer la estimacin.
- Con la informacin de esta variable dentro del archivo de compsitos se generar la estimacin de la
variable de inters dentro del modelo de bloques (Por ejemplo el valor de la ley de cobre dentro del
archivo de compsitos generar la estimacin para la variable Cu del modelo de bloques)
Seleccione Next cuando haya completado la ventana.
Active Apply logarithm si desea aplicar la funcin logaritmo a las muestras
antes de estimar las leyes.
- Debe asegurarse que las leyes sean todas positivas para usar esta opcin..
El valor en Logarithm constant se agregar al valor obtenido al aplicar el
logaritmo a la ley.
Active Cut grade samples si quiere asignar un valores de corte a muestras cuyos
valores sean sean mayores o menores a los lmites por Ud. ingresados.
- Necesitar ingresar dos valores: Lower grade cut value y Upper grade cut value. Si una muestra tiene
una valor inferior al primero mencionado, se le utilizar automticamente dicho valor. Lo mismo sucede
con valores superiores a Upper grade cut value.
33
Estimacin de leyes
Seleccione Next. cuando haya completado el panel.
- Aparecer la ventana Sample Selection, que permite restringir, mediante una o mas de las condiciones
descritas en ella, las muestras que se utilizarn para la estimacin.
Seleccione Select using a Numeric tag para limitar las muestras de acuerdo al
valor de un campo numrico.
- En este caso debe ingresar el nombre del campo y seleccionar uno o ms de los criterios disponibles, es
decir: Usar cuando dicho campo tenga valores especficos ingresados por Ud., ignorar muestras cuando
el mismo campo tenga tambin valores indicados por Ud. o usar muestras cuando el valor en el campo
est dentro de un rango. Todos estos valores los puede ingresar en las ventanas Specific W values,
Ignore W values y Range of W values respectivamente. Cada una de estas ventanas aparecer slo si se
seleccion la opcin correspondiente y permiten ingresar hasta 10 valores para los primeros dos casos y
un intervalo para el tercero.
Seleccionando Select using a Character Tag puede limitar las muestras de
acuerdo al valor de un campo alfanumrico.
- En este caso debe ingresar el nombre del campo y seleccionar los mismos criterios que para Numeric tag
salvo, obviamente, para el caso del intervalo, que no est disponible.
34
Estimacin de leyes
Active Select Using solid triangulation para limitar las muestras a aquellas que
se encuentran dentro de una triangulacin de un modelo slido.
- Select Using solid triangulation debe estar acompaado de Use points inside solids. Debe indicar con el
mouse una triangulacin en la pantalla o presionar el botn derecho para seleccionarla de una lista.
Use Field restrictions permite establecer restricciones para muestras cuyos
campos cumplan las restricciones escritas en la ventana Field selection.
- Puede usar hasta 15 restricciones para los campos y se usarn las muestras cuyos campos
satisfagan las condiciones indicadas en los recuadros de la derecha de la ventana
- Cuando haya completado las opciones que Ud. indic, aparecer la siguiente ventana.
35
Estimacin de leyes
Seleccione Exclude distant, high yield samples si quiere limitar los radios de
bsqueda para muestras con elevada concentracin.
- En Threshold for high yield samples ingrese el valor a partir del cual una muestra se considerar como
de alta concentracin y para la que se restringir el radio de bsqueda. En los siguientes recuadros debe
indicar los valores para la nueva elipsoide de bsqueda.
Seleccione Limit samples per drill hole si desea no incluir demasiadas muestras
de un solo sondaje.
- Con esto evitar evaluar los bloques usando demasiadas muestras de un solo sondaje. As podr
aumentar el nmero de sondajes utilizados en la evaluacin de cada bloque. En el casillero Drill hole
field name debe indicar el campo en la base de datos en que se encuentra el identificador del sondaje.
Seleccione Next. cuando haya completado la ventana
- Se desplegar la ventana Block Selection para la seleccin de los bloques que van a estimarse. En las
ventanas anteriores fueron la muestras las que se pudieron restringir, ahora se har algo similar pero
para los bloques
36
Estimacin de leyes
Seleccione Use specific zone si desea incluir slo los bloques con un
determinado valor en una variable.
- Para esto debe indicar el nombre de la variable y el valor de la misma en Zone variable y zone value
respectivamente.
Seleccione Use condition on blocks si desea usar slo los bloques que cumplan
una determinada condicin.
- Por ejemplo estimar slo aquellos bloques que an no han sido estimados en ejecuciones anteriores.
Para esto debe indicar la condicin en el recuadro Condition que deben cumplir los bloques que van a
estimarse (Ej.: Flag eq 0)
Seleccione Use bounding box si desea estimar slo aquellos bloques que se
encuentran dentro de un rango de coordenadas.
- Si la coordenada del bloque se encuentra dentro de dichos lmites, el bloque ser estimado.
Seleccione Use bounding triangulation para estimar slo aquellos bloques que
se encuentren dentro de una triangulacin.
37
Estimacin de leyes
- Dicha triangulacin la puede anotar directamente en el recuadro o seleccionarla de una lista haciendo
click sobre el tringulo que aparece a la derecha.
Haga click sobre Next. cuando haya terminado.
En el caso de Indicador,En este momento se habrn grabado las opciones en el
archivo de parmetros de estimacin que Ud. indic cuando comenz a seguir esta
gua y volver al men Grade Estimation. En los otros mtodos aparecer la
ventana Extra estimation variables.
RUN
A continuacin se generar el modelo de bloques de acuerdo a las especificaciones
ingresadas en las pginas previas.
Seleccione RUN
- En esta ventana Ud. debe indicar el nombre del archivo en que almacen los parmetros de estimacin.
38
Estimacin de leyes
- Ingrese el nombre del identificador que utiliz al definir los parmetros de estimacin.
Seleccione OK.
- Aparecer una ventana de sistema en que se ejecuta la rutina de estimacin de leyes. Cuando sta
termine presione Enter.