Curso Geost Final

Er i c G onzal ez
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
Intro. Pg. 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
Intro. Pg. 3
Maptek Sudamrica
Estadstica inductiva (inferencia estadstica):

Si la muestra es representativa, a menudo pueden inferirse
conclusiones acerca de la poblacin.
Tales inferencias no puede ser absolutamente seguras, el len-guaje de
probabilidades se usa para enunciar las conclusiones.
Estadstica descriptiva:
Una fase de la estadstica que describe o analiza una muestra dada sin
inferencia acerca de la poblacin.
Evento de un espacio muestral:
Un grupo de resultados del espacio muestral cuyos miembros tienen
alguna caracterstica comn.
Definiciones Bsicas
Er i c G onzal ez
Julio 2003
Intro. Pg. 4
Maptek Sudamrica
Eventos estadsticamente independientes:

La ocurrencia de un evento no depende de la ocurrencia de otros
eventos.
Variable aleatoria:
Una forma de presentar cualquier valor z no muestreado (o
desconocido), la distribucin de probabilidad que modela la
incertidumbre respecto a z. La Variable puede ser continua o discreta.
Variable continua:
Una variable que puede asumir cualquier valor entre dos valores dados:
porosidad, permeabilidad, precio.
Variable discreta o categrica:
No continua, P. Ej. litologas
Funcin de probabilidad de una variable aleatoria Z:
Funcin matemtica que asigna una probabilidad a cada ejecucin z de
la variable aleatoria Z: P(Z=z)
Definiciones Bsicas
Er i c G onzal ez
Julio 2003
Intro. Pg. 5
Maptek Sudamrica
Anlisis estadstico de los datos

DH Prof. X Y Au Ag Capa
10100 7158.9 672.7 2886.0 7.00 54.000 1
10100 7160.4 672.8 2886.0 8.60 60.000 1
10100 7160.7 672.8 2886.0 0.70 91.000 1
10100 7161.0 672.8 2886.0 8.40 60.000 1
10100 7161.9 672.9 2886.0 1.00 62.500 1
10100 7162.3 672.9 2886.0 2.40 35.500 1
Objetivos del anlisis exploratorio de los datos

Entender la informacin: poblaciones estadsticas versus geolgicas
Asegurar calidad de la informacin.
Resumir informacin
Er i c G onzal ez
Julio 2003
Intro. Pg. 6
Maptek Sudamrica
Estadsticas - modelo de funcin aleatoria

No se interesa en estadsticas de muestras necesita acceder a los
parmetros subyacentes de la poblacin.
Se requiere un modelo para ir mas all de los datos conocidos
Debido a que los fenmenos de las ciencias de la tierra involucran procesos
complejos, ellos parecen aleatorios. Es importante mantener en mente que
los datos verdaderos no son resultado de un proceso aleatorio.
Identificacin de poblacin estadstica.
Por histograma: El histograma tiene diferentes modos
Por grficos Q- Q compara dos distribuciones
Por prueba de hiptesis para ver si dos poblaciones tienen o no la
misma media, varianza...(prueba t, prueba F...)
Er i c G onzal ez
Julio 2003
Intro. Pg. 7
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
Intro. Pg. 8
Maptek Sudamrica
Los histogramas de muestras y grficos de dispersin tienden a ser errticos

cuando hay pocos datos.
Fluctuaciones tipo diente de sierra usualmente no son representativas de la
poblacin y desaparecen a medida que el tamao de la muestra aumenta
El suavizamiento de la distribucin no solamente remueve tales
fluctuaciones, adems permite aumentar la resolucin de clase y extender la
(s) distribucin (es) mas all de los valores mnimo y mximo de la muestra
Tcnicas de suavizamiento ms flexibles (programacin cuadrtica o
estrategia de templado) se han aplicado para suavizar histogramas y
grficos de dispersin: mantienen las estadsticas de la muestra.
Suavizamiento de distribucin
Er i c G onzal ez
Julio 2003
Intro. Pg. 9
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
Intro. Pg. 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
Intro. Pg. 11
Maptek Sudamrica
La funcin de distribucin acumulativa o acumulada fda se define como:

Esta frmula entrega el rea bajo la fdp (funcin de densidad de
probabilidad) de la VA (Variable aleatoria) Z, y es la probabilidad de
que la VA Z sea menor o igual a un valor limite z.
La probabilidad de superar cualquier de los valores limite z se puede
escribir:
Propiedades de la fda:
F(z) es no decreciente
F(z) [0,1]
F(-) = 0 y F() = 1
Funcin de distribucin acumulativa: FDA
] 1 , 0 [ } { Prob ) ( = z Z z F
) ( 1 } { Prob z F z Z = >
Er i c G onzal ez
Julio 2003
Intro. Pg. 12
Maptek Sudamrica
La probabilidad de ocurrencia de Z en un intervalo de a a b (donde b>a) es

la diferencia en los valores de la fda evaluada en los puntos b y a :
La funcin de densidad de probabilidad (pdf) es la derivada de la fda, si es
derivable:
La fda puede obtenerse integrando la fdp:
FDA y FDP
) ( ) ( ]} , [ { Prob a F b F b a Z =
dz
z F dz z F
z F z f
dz
) ( ) (
lim ) ( ' ) (
0
+
= =

=
z
dz z f z F ) ( ) (
Er i c G onzal ez
Julio 2003
Intro. Pg. 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
Intro. Pg. 14
Maptek Sudamrica
Grfico de probabilidad acumulativo

til para ver todo de los datos en un grfico
til para aislar poblaciones estadsticas
Puede usarse para verificar modelos de distribucin:
Lnea recta en escala aritmtica adistribucin normal
Lnea recta en escala logartmica adistribucin lognormal
Pequeas divergencias pueden ser importantes
Es posible transformar los datos para reproducir perfectamente
cualquier distribucin univariable
Opcin VULCAN: Analyse DISTRIBUTION.
0.01 0.10 1.00 10.0
Variable
P
r
o
b
a
b
i
l
i
d
a
d

a
c
u
m
u
l
a
d
a
Er i c G onzal ez
Julio 2003
Intro. Pg. 15
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
Intro. Pg. 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
Intro. Pg. 17
Maptek Sudamrica
El cuantil p de la distribucin F(z

p
) es el valor z
p
para el que:
As, el cuantil puede expresarse en una forma
inversa de la fda: q(p) = F
-1
(p)
Cuantiles
] 1 , 0 [ } { Prob ) ( = = p z Z z F
p p
Usado en simulacin
de Monte Carlo
Er i c G onzal ez
Julio 2003
Intro. Pg. 18
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
Intro. Pg. 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
Intro. Pg. 20
Maptek Sudamrica
Grficos Q-Q / P-P

Comparan dos distribuciones univariable
Q-Q es un grfico de cuantiles iguales; una lnea recta implica que las dos
distribuciones tienen la misma forma .
P-P es un grafico de iguales probabilidades acumuladas auna lnea recta
implica que las dos distribuciones tienen la misma forma.
El grafico Q-Q tiene unidades de los datos, los grficos P-P son siempre
escalados entre 0 y 1
Opcin VULCAN Analyse Distribution PP plot y QQ plot
Q-Q Plot: Equal Weighted
P-P Plot: Equal Weighted
T
r
u
e
V
a
l
u
e
T
r
u
e
V
a
l
u
e
Clustered Data
Clustered Data
20.0 10.0
0.5
20.0
10.0
0.0
0.0
0.5
1.0
1.0
Er i c G onzal ez
Julio 2003
Intro. Pg. 21
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
Intro. Pg. 22
Maptek Sudamrica
Construccin de un grfico Q-Q

Histogramas de ley DDH y ley por RC
Muestreo preferencial explica la diferencia; No son muestras pareadas por
lo que no podemos detectar sesgo en las muestras.
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
Ley RC Ley DDH
Er i c G onzal ez
Julio 2003
Intro. Pg. 23
Maptek Sudamrica
Leer los cuantiles correspondientes de los grficos de DFA en la pgina

anterior.
Trazar esos cuantiles en el grfico
Ley RC
L
e
y

D
D
H
Construccin de un grfico Q-Q
Er i c G onzal ez
Julio 2003
Intro. Pg. 24
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
Intro. Pg. 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
Intro. Pg. 26
Maptek Sudamrica
El valor esperado es la suma ponderada por la probabilidad de todas las

ocurrencias posibles de la VA Z
donde: E{Z} = valor esperado de Z
w
i
= Ponderador del dato i
simo
n = nmero de puntos de dato
m= media
En el caso continuo:
La varianza de la VA Z se define como la desviacin al cuadrado esperada
de Z respecto de su media:
Momentos
=
=
= =
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
Intro. Pg. 27
Maptek Sudamrica
En una forma discreta, la varianza puede definirse como

En forma continua, puede escribirse como
La varianza es una medida de la dispersin de los datos en torno a la media.
La desviacin estndar (DE), que es la raz cuadrada de la varianza, tambin
es una medida de la variabilidad de los datos respecto a la media.
El coeficiente de varianza (CV), que es adimensional, es la razn entre la
DE y la media (DE/m).
Varianza
=
=
=
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
Intro. Pg. 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
Intro. Pg. 29
Maptek Sudamrica
Podramos transformar 20000 valores de ley tipo2 de acuerdo a las 853

muestras pareadas que tenemos?
Bajo qu circunstancias consideraramos hacer esto?
Qu problemas podran encontrarse?
Log Porosity Core Porosity
10.0
15.0
20.0
25.0
30.0
7
10
18
26
29
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

a
c
u
m
u
l
a
d
a Ley tipo1
Ley tipo2
Usar los grficos de frecuencia acumulativa de la pgina anterior para
completar la siguiente tabla
Transformacin de datos
Er i c G onzal ez
Julio 2003
Intro. Pg. 30
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
Intro. Pg. 31
Maptek Sudamrica
Simulacin de Monte Carlo

Simulacin de Monte Carlo / Simulacin estocstica / Obtencin aleatoria
provienen de la lectura de cuantiles de una distribucin acumulativa
El procedimiento:
Generacin de un nmero aleatorio entre 0 y 1 (calculadora, tabla,
programa, ...
Leer el cuantil asociado a dicho nmero aleatorio
Por Ejemplo:
Nmero aleatorio Nmero simulado
0.7807
0.1562
0.6587
0.8934
28.83 ...
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
Ley RC
Ley DDH
0.7807
28.83
Er i c G onzal ez
Julio 2003
Intro. Pg. 32
Maptek Sudamrica
Extensin a distribuciones bivariables y de ms alto orden:

Sean X e Y VAs. La DFA de X e Y, F
XY
(x,y), se define como:
La fdp de una distribucin bivariable, f
XY
es:
El momento de segundo orden de una distribucin bivariable es la
covarianza. La covarianza entre las dos variables se define como:
Estadsticas Bivariable
} and , { Prob ) , ( y Y x X y x F
XY
=
y x
y x F
y x f
XY
XY

=
) , (
) , (
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
Intro. Pg. 33
Maptek Sudamrica
La covarianza entre la misma variable es su varianza:

Cov{X,X} = Var{X}; Cov{Y,Y} = Var{Y}
El coeficiente de correlacin es una medida de la dependencia lineal entre
las dos variables
Una correlacin de |
XY
| = 1 implica que X e Y estn perfectamente
correlacionadas.
La independencia entre las dos variables significa que el coeficiente de
correlacin es cero:
XY
= 0. Sin embargo, la aseveracin inversa no siempre
es el caso. Correlacin cero no implica independencia entre las dos
variables.
Correlacin
] 1 , 1 [
} { } {
} , {
+ =
Y Var X Var
Y X Cov
XY
Er i c G onzal ez
Julio 2003
Intro. Pg. 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
Intro. Pg. 35
Maptek Sudamrica
Ver resmenes bivariables

Histogramas marginales
Grficos de dispersin
Er i c G onzal ez
Julio 2003
Intro. Pg. 36
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
Intro. Pg. 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
Intro. Pg. 38
Maptek Sudamrica
El primer momento es la media, el segundo momento alrededor de la media

es la varianza, el tercer momento es la curtosis,
El momento de orden n de una VA Z alrededor de la media m, tambin
llamado el momento central de orden n, se define como
donde n = 0, 1, 2, .
El momento de orden n de Z alrededor del origen se define como
Esos son momentos no centrados.
Momentos de orden alto
} ) {(
n
n
m Z E m =
} { '
n
n
Z E m =
Er i c G onzal ez
Julio 2003
Intro. Pg. 39
Maptek Sudamrica
Anlisis exploratorio de datos

Desplegar los datos en diferentes formas. Nuestros ojos son buenos
detectando patrones
Escoger poblaciones geolgicas/estadsticas para anlisis detallado:
La poblaciones deben ser identificables en pozos sin testigo
Tiene que poderse mapear esas poblaciones (categoras)
No puede tratar con demasiadas, sino hay muy pocos datos para
estadsticas confiables
A menudo se debe tomar una decisin para combinar ciertos tipos de dato
La estacionareidad es una propiedad de los modelos estadsticos y no una
realidad
Importante y muy especfica a campo/datos/objetivos
Efectuar anlisis estadsticos en cada poblacin:
Asegurar calidad de los datos
Buscar tendencias/derivas
Entender la fisica lo ms posible
Desagrupar datos para modelamiento geoestadstico
Las herramientas estadsticas son usadas durante el estudio de caracterizacin
de un deposito
Er i c G onzal ez
Julio 2003
Intro. Pg. 40
Maptek Sudamrica
Una medida de la incertidumbre local, no es especifica a un intervalo

particular [a,b]
La entropa de la funcin de probabilidad local se define como
donde es una fdp condicional, y todos los valores cero de la pdf se
excluyen de la integral
Si la entropa disminuye, la incertidumbre disminuye ya que la distribucin
de probabilidad tiende a un solo valor (o unos pocos valores).
Entropa

= dz n z u f n z u f u H )) ( ; ( ))]. ( ; ( [ln ) (
)) ( ; ( n z u f
Er i c G onzal ez
Julio 2003
Intro. Pg. 41
Maptek Sudamrica
Un modelo de distribucin paramtrica es una expresin analtica para la

probabilidad dado el valor de la variable, P. Ej. El modelo de distribucin
normal o Gaussiano:
con parmetros my que controlan el centro y dispersin de la distribucin
normal con forma de campana.
Los modelos paramtricos a veces se relacionan con una teora implcita
P.Ej., la distribucin normal es la distribucin lmite del teorema del
lmite central
En general no se requiere asumir un modelo de distribucin paramtrico; a
menudo hay suficiente informacin para inferir la forma de la distribucin
en forma no paramtrica
Se puede transformar cualquier distribucin univariable en cualquier otra
distribucin univariable
Se puede suavizar cualquier distribucin que no tenga buena resolucin con
los datos disponibles
Distribucin paramtrica
2
2
2
) (
2
1

m Z
e p

=
Er i c G onzal ez
Julio 2003
Intro. Pg. 42
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
Intro. Pg. 43
Maptek Sudamrica
z = a (constante, sin incertidumbre)

fda
fdp
Momentos:
E{Z} = m = a
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
Intro. Pg. 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
Intro. Pg. 45
Maptek Sudamrica
La distribucin gaussiana esta completamente caracterizada por sus dos

parmetros, la media y la varianza, my :
La fdp normal estndar tiene una media de cero y una desviacin estndar
de uno:
Distribucin Normal (Gaussiana)
(
(
|
.
|
\
|

=
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
Intro. Pg. 46
Maptek Sudamrica
La fda de la distribucin gaussiana G(z) no tiene una expresin analtica

simplificada, pero la fda normal estndar G
o
(z) est bien tabulada en la
literatura:
La distribucin gaussiana tiene simetra caracterstica:
Es simtrica alrededor de la media, por lo tanto, la media y mediana son
iguales, y
La fdp g(m+z) = g(m-z)

=
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
Intro. Pg. 47
Maptek Sudamrica
Una VA positiva, Y > 0, se dice que esta distribuida en forma lognormal si

X = ln(Y) se distribuye en forma normal
Las VAs que se distribuyen en forma lognormal son caractersticamente
distribuciones asimtricas.
Distribucin Lognormal
) , ( ln si ), , ( log 0
2 2
N Y X m N Y = >
Er i c G onzal ez
Julio 2003
Intro. Pg. 48
Maptek Sudamrica
Las distribuciones lognormales tambin se caracterizan por dos parmetros:

una media y una varianza. Sin embargo, pueden caracterizarse ya sea por los
parmetros aritmticos (my
2
) o por los parmetros logartmicos ( o
2
).
La fda y fdp lognormal se expresan mas fcilmente en funcin de sus
parmetros logartmicos:
Las relaciones entre los parmetros aritmticos y logartmicos son:
0 y todo para
ln
)} { Prob ) ( >
|
|
.
|
\
|
= =
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
Intro. Pg. 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
Intro. Pg. 50
Maptek Sudamrica
De la combinacin de distribuciones resulta una nueva distribucin.

F(x) =
k
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
Intro. Pg. 51
Maptek Sudamrica
Modelo no paramtrico se confunde en que puede interpretarse como

caracterstica de un modelo de FA que no tiene parmetros
Todos los modelos de FA implican una distribucin totalmente
multivariable como los caracterizados por el conjunto de distribuciones,
pero algunos modelos de FA tienen ms parmetros libres que otros
Mientras ms parmetros libres puedan ajustarse en forma segura a los
datos, ms flexible ser el modelo
Desafortunadamente, mientras ms parmetros libres tiene el modelo, ms
fcil su manipulacin (menos inferencia y menos clculo) modelos
inflexibles
La distribucin de Dirac tiene modelos de un parmetro libre
(Constante Z)
Al modelo de Poisson-exponencial es totalmente determinado por su
media
La distribucin gaussiana es un modelo de dos parmetros libres
Modelos ricos en parmetros versus modelos pobres en parmetros
Distribucin no-paramtrica
Er i c G onzal ez
Julio 2003
Intro. Pg. 52
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
Intro. Pg. 53
Maptek Sudamrica
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
Intro. Pg. 54
Maptek Sudamrica
La estacionareidad puede ser en traslaciones (homogeneidad) y/o

rotaciones (isotropa).
La estacionareidad es una propiedad del modelo de FA. No es una
caracterstica del fenmeno en estudio. La estacionareidad es una decisin
tomada por el usuario para hacer inferencias confiables.
El anlisis exploratorio de datos puede indicar la existencia de varias
poblaciones con estadsticas significativamente diferentes.
Considerar la posibilidad de subdividir el rea en sub-zonas ms
homogneas, condicionadas por:
La disponibilidad de informacin suficiente para inferir los parmetros
de cada FA
La capacidad de delinear las diferentes poblaciones tanto en los datos
como en posiciones no muestreadas (Puede necesitar informacin
cualitativa o secundaria).
Er i c G onzal ez
Julio 2003
Intro. Pg. 55
Maptek Sudamrica
Estacionareidad de orden 2: Se dice que una FA es estacionaria de orden 2

cuando:
~
~
La estacionareidad de la covarianza implica la estacionareidad de la varianza
y del variograma
Estacionareidad intrnseca: Una FA se dice que es intrnsecamente
estacionaria cuando:
~
~
Esto es, los incrementos son estacionarios, pero no as la covarianza.
Definicin de estacionareidad
x )} ( { = m x Z E
x )} ( ) ( { ) (
2
+ = m x Z h x Z E h C
x )} ( { = m x Z E
x ) ( 2 } )] ( ) ( {[ )} ( ) ( { Var
2
= + = + h x Z h x Z E x Z h x Z
Er i c G onzal ez
Julio 2003
Intro. Pg. 56
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
Intro. Pg. 57
Maptek Sudamrica
Fluctuaciones ergdicas
% 9
2
=
% 12
1
=
% 18
3
=
Promedio ergdico = 15%
Er i c G onzal ez
Julio 2003
Intro. Pg. 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
Intro. Pg. 59
Maptek Sudamrica
Una forma de corregir el muestreo preferencial consiste en la retencin de

solamente los datos regularmente espaciados. La estrategia es adecuada
cuando tenemos suficiente informacin sobre una grilla para inferencia
Cuando la escasez de datos no permite dejar los valores agrupados, las reas
ms densamente muestreadas debieran recibir menor ponderacin que las
datos en reas muestreadas en forma ms esparcida
Ponderacin de los datos
n
y
i
Er i c G onzal ez
Julio 2003
Intro. Pg. 60
Maptek Sudamrica
Mtodos de desagrupamiento poligonal y de celda:

Desagrupamiento
i i
A
c
n
i
1

Compositacin

ENVISAGE

COMPOSITACIN

(Gua de aprendizaje)

Compositacin

NDICE

Compositacin..............................................................................................................1
Creacin del archivo de parmetros .............................................................................1
RUN_LENGTH....................................................................................................1
BENCH.................................................................................................................3
INTERSECT SELECT ........................................................................................6
GEOLOGY...........................................................................................................9
STRAIGHT...........................................................................................................9
Creacin del archivo de compsitos ..........................................................................17
RUN....................................................................................................................17
SELECTION.......................................................................................................18
Visualizacin de los compsitos ................................................................................20
DISPLAY ...........................................................................................................20

1
Compositacin

COMPOSITACIN

En esta gua se indicar la forma de crear una base de datos de compsitos. Se
mostrarn, adems, las diferentes posibilidades que le ofrece VULCAN para hacerlo. Las
opciones se encuentran en el men Geology-Compositing.

CREACIN DEL ARCHIVO DE ESPECIFICACIN

Antes de efectuar la compositacin propiamente tal, es necesario crear un archivo de
especificacin que contenga los parmetros que se van a usar. Las opciones para crear este
archivo se muestran en las siguientes pginas. Si va a utilizar esta gua para hacer una
compositacin, debe seleccionar el mtodo y leer especficamente las instrucciones que se
indican para dicho mtodo.

RUN_LENGTH

Esta forma corresponde a la compositacin de largo constante. En este caso los
datos se regularizan a un mismo largo a partir del collar, excepto al final en el fondo del sondaje
y en los bordes geolgicos o de triangulaciones.

Seleccione la opcin Run Length

- Aparecer la ventana Run Length Compositing Menu:

Ingrese el nombre para New parameter identifier

- La opcin parameter to copy from es opcional y la puede usar para cargar los parmetros desde un
archivo existente.

2
Compositacin
Haga click sobre OK.

- Se desplegar la siguiente ventana:

La explicacin de los parmetros para esta ventana se encuentra en la seccin
Straight de esta misma gua. (Pgina 9)

Haga click sobre OK. cuando haya completado la ventana.

- Se mostrar la ventana Run Length Composite Menu

Ingrese el largo constante para los compsitos.

3
Compositacin

Seleccione OK.

Desde aqu en adelante el trabajo es igual al que se indica en la seccin Straight
para las siguientes ventanas. (Pgina 9.)

BENCH

Con esta opcin se pueden crear compsitos cortados en capas o banco, es decir, los
compsitos se ajustarn para que definan capas paralelas del espesor deseado.

Seleccione Bench.


archivo existente.



4
Compositacin



- Se mostrar la ventana Bench Composite Menu.

5
Compositacin

Ingrese una altura de banco y un prefijo.

Ingrese la inclinacin y el rumbo del plano inicial que definir la orientacin de
los bancos (Plunge y strike).

- Cada compsito estar delimitado por un par de planos paralelos al plano inicial que se define en esta
ventana. Dicho plano quedar definido por un rumbo, una inclinacin y un punto (pivote) por el cual el
plano debe pasar. En el caso de bancos definidos por planos horizontales, la nica componente que en
realidad afecta a la compositacin es la elevacin.

Ingrese las coordenadas de un punto por el que debe pasar el plano inicial
(Easting, Northing y RL).

Ingrese en range to bench inside, la distancia a partir del plano inicial que se
considerar como rango para la compositacin.

- Esta distancia se mide hacia abajo (la parte negativa) desde el plano inicial. La compositacin se
realizar slo para datos que se encuentren dentro de la zona definida por el plano inicial y la distancia
indicada en este punto. Ver figura siguiente.

6
Compositacin

Seleccione OK.

Desde aqu en adelante el trabajo es igual al que se indica en la seccin Straight
para las ventanas correspondientes. (Pgina 9)

INTERSECT SELECT

Con esta opcin se generan compsitos tan largos como sea posible sobre una ley de
corte. Es decir, se aumentar el tamao del compsito mientras la ley calculada se mantenga
sobre la ley de corte.

Seleccione Inter Select.

PERFIL
Range to bench
: No compositado
Height
Pivot
Plano inicio
ESQUEMA

7
Compositacin


archivo existente.





- Se mostrar la ventana Intersection/selection Compositing

8
Compositacin

Ingrese ore/waste cutoff value.

- Este es el valor de la ley de corte, es decir es el valor que delimitar lo que se considere estril de lo que
se considere mineral.

Ingrese Waste absorbtion max length.

- Esta es la mxima distancia de un segmento de estril que se agregar entre dos trozos de mineral
mientras la ley del compsito se mantenga sobre la ley de corte. Cualquier longitud mayor producir un
quiebre en el compsito.

Ingrese Minimum ore length

- Este valor indica que cualquier segmento de menor longitud ser considerado automticamente como
estril.

Ingrese Upper waste dilution length.

- Este valor indica el mayor tamao de un segmento de estril que se agregar al comienzo del compsito
antes de un segmento de mineral, esto si el compsito puede mantenerse sobre la ley de corte.

Ingrese Lower waste dilution length.

- Esta longitud tiene la misma interpretacin que la anterior, pero en este caso es con respecto al final de
un segmento de mineral.

Marque dilute only if ore length < minimum.

9
Compositacin

- Con esta opcin activada se podrn utilizar las mximas longitudes definidas anteriormente para el
comienzo y fin del segmento de mineral de tal manera de lograr el mnimo tamao de compsito para
mineral.

Active Minimise dilution length

- Esto hace que se que se produzca dilucin hasta que el intervalo tenga el largo mnimo y no hasta que la
ley llegue a la ley de estril. El campo Ore contendr un nmero 0, 1 o 2
0 - el compsito es estril.
1 - el compsito es mineral y cumple todas las restricciones, como largo mnimo de mineral, mnimo largo
de estril, etc.
2 - el compsito es mineral segn la ley, pero falla en alguna de las otras restricciones

Seleccione Next.

- Las opciones que aparecern a continuacin son las mismas que para la opcin Straight.(Pg. 9).

GEOLOGY

Las opciones para este mtodo son las mismas que para straight, pero se generarn compsitos,
como el nombre lo dice, separados por Geologa nicamente. En el caso de straight, se
composita de acuerdo a los tramos del registro ASSAY y por lo tanto el resultado (Archivo de
compsitos) es diferente.

STRAIGHT

Con esta opcin, se pueden extraer las muestras de la base de datos de sondajes (o
channel sampling si se han definido sinnimos adecuados) y guardarlas como compsitos, ya sea
en un archivo ASCII o en una base de datos ISIS (VULCAN). Esta opcin es ms til como una
forma de exportar los datos a un archivo ASCII.

NOTA: Despus de la ventana Composite Creation Menu, las ventanas son comunes para todas
las alternativas de compositacin indicadas en las pginas anteriores.

Seleccionando Compositing-Straight, aparecer la ventana siguiente:

10
Compositacin

Seleccione Next cuando haya completado esta ventana.

- La ventana anterior es similar a las vistas anteriormente: Debe ingresar el nombre del nuevo archivo de
parmetros y ,si existe alguno y desea usarlo, el nombre de un archivo de parmetros existente desde
donde se copiar la especificacin. Aparecer la siguiente ventana

Ingrese el nombre del ODI y del datasheet que identifican a la base de datos de
muestras.

- El nombre de su base de datos de sondajes es <nombre proyecto><ODI>.<nombre datasheet>.

Active Breakdown by geology si desea crear compsitos separados por tipos
litolgicos.

11
Compositacin

- En el caso de usar esta ventana a partir de un mtodo diferente a Straight, el activar esta opcin significa
que los compsitos se crearn de las longitudes indicadas en la definicin previa siempre que no haya un
cambio en el valor de la variable que define el tipo de roca.

Seleccione Record majority geology codes si desea guardar la informacin del
porcentaje de litologa que contiene un compsito.

- En este caso se crearn dos nuevos campos en la base de datos por cada campo que contenga cdigos
geolgicos: Uno para almacenar el porcentaje del cdigo geolgico que se encuentra en mayor cantidad
y otro para guardar el cdigo mismo.

En missing data y en Non-sampled data ingrese el cdigo utilizado en tales
casos.

- Utilice esta opcin si en la base de datos de sondajes existe algn valor utilizado como cdigo para
tramos sin datos o no muestreados para el registro assay. En general estas opciones le dan la posibilidad
de cambiar algn cdigo dentro de la base de datos de sondajes que est siendo usado para indicar
alguna situacin especial. Esta opcin se usa en combinacin con Ignore-Value

Seleccione Ignore o value.

Si se elige ignore se est diciendo que cuando aparezca el valor a que se refiere el prrafo anterior, el
tramo no debe considerarse. Si se elige value (no ignore), se debe ingresar un valor para que sea
asignado a dicho tramo.

Active assign a value to data not logged

- Esto permite asignar valores a tramos en los que no se haya hecho el muestreo, es decir, ni siquiera
existen los cdigos de missing data o Non-sampled data. Si no desea asignar valores o no tiene tramos
no muestreados en su base de datos, no active esta opcin.

Active use selection file para utilizar un archivo en que se listen los sondajes
que desee compositar.

- Este es un archivo en formato ASCII en el que se encuentra un listado con los sondajes que desea utilizar
para hacer la compositacin. Si desea utilizar todos los sondajes, no active esta opcin.

Active Abort compositing for holes with errors.

- Esto har que se verifiquen sondajes invertidos y/o traslapados.

Seleccione Next.

12
Compositacin

En esta ventana ingrese el nombre de los registros para Assay y para Geology.

- El registro geology slo aparecer si seleccion Breakdown by geology o Record majority geology codes

Haga click sobre Next.

- Si activ Breakdown by geology aparecer la siguiente ventana:

- Si activ record majority geology codes aparecer la siguiente ventana:

13
Compositacin

Ingrese el nombre del Depth Field

- Este es el campo que indica la profundidad del tramo del sondaje en el registro en que se encuentra la
informacin de la geologa. Generalmente corresponde a TO (O al que tenga asignado Bott depth como sinnimo).

Active (;) Use from or thickness Field y seleccione Use from o Use thickness.

- Debe indicar el campo que corresponde a From (inicio del treamo) o a Thickness (espesor) de acuerdo a
su seleccin.

Ingrese el nombre del campo en donde se encuentra el cdigo que desea
utilizar para cortar los sondajes por litologa.

- Debe ingresar este nombre si seleccion breakdown by geology. Si no lo hizo, no es necesario ingresar
ningn nombre.

Ingrese el (los) nombre(s) del (los) campo(s) que contienen la informacin
geolgica que quiere usar para calcular el porcentaje de los cdigos geolgicos
presentes en mayor cantidad en cada compsito.

- Se crearn dos nuevos campos en la base de datos de compsitos (uno con el cdigo presente en mayor
cantidad y otro con el porcentaje de dicho cdigo en el compsito) por cada campo ingresado en majority

14
Compositacin
field (1,2,..10). Debe hacer esto si seleccion la opcin correspondiente en la ventana Composite
Creation Menu.

Seleccione Next.

- Aparecer:

Ingrese Depth Field y seleccione entre Use from or thickness field.

- Esto es similar al caso de Geology. Si seleccion Assign a value to data not logged, debe usar From
Field.

Active Composite Density si tiene un campo con la densidad y desea
regularizarlo.

En data fields ingrese los nombres de los campos con los valores a compositar
(Cu, Au, Pb, etc.)

Haga click sobre Next.

- Aparecer:

15
Compositacin

Ingrese el valor de corte para los diferentes campos que va a compositar.

- Si a un compsito se le calcula un valor para el campo mayor que el ingresado en este panel, se le
asignar este valor de corte al campo correspondiente en la base de compsitos. Si no quiere modificar
el valor calculado, ingrese un nmero muy grande.

NOTA: A partir de esta ventana ya no podr retroceder utilizando el botn back.

Seleccione OK. Cuando haya completado el panel

- Se mostrar la ventana siguiente:

16
Compositacin

- En esta ventana se puede definir un borde para colocar un marcador (Definido por un valor en el campo
Bound de la base de datos de compsitos) que indique la posicin relativa del compsito con respecto al
borde. Este borde puede ser una triangulacin slida o bidimensiona, es decir, la informacin en el
campo bound servir para saber si un compsito est dentro, fuera, bajo o sobre una traiangulacin.

Si no desea incluir ninguna triangulacin haga click sobre Cancel.

- Seleccionando Cancel el archivo de definicin se crea con las especificaciones que Ud. ha seleccionado y
puede crear ahora su base de datos de compsitos utilizando la opcin Run.

Si desea marcar (Flagging) el compsito siga las siguientes instrucciones:

Ingrese el nombre de la triangulacin o seleccinelo de la lista

Ingrese el valor para la prioridad.

- Esto sirve para compsitos que se encuentran a la vez bajo la influencia de dos triangulaciones. Si a una
triangulacin se le asigna una prioridad 6 y a otra una prioridad 3, el valor almacenado en el campo
Bound ser aquel que define la triangulacin con prioridad 6.

Indique el eje para la proyeccin.

- Esta opcin se aplica slo a triangulaciones bidimensionales. En general esta proyeccin se hace en la
direccin del eje Z (Es decir el rea de influencia es arriba o abajo).

Seleccione el tipo de inversin.

- Esto se usa para cambiar la zona de influencia que por defecto define una triangulacin. Por ejemplo, en
una triangulacin slida sin inversin, se le asignar el valor indicado en Value a los compsitos que se
encuentren al interior de la triangulacin. Si se selecciona complete (inversion), el valor se le asignar a
los compsitos que se encuentren al exterior de la triangulacin.

Cosa similar ocurre para triangulaciones bidimensionales. Una explicacin detallada la puede encontrar
en el manual ENVISAGE-MODELLING. En todo caso, el seleccionar No inversion (None) cubre la
mayora de los casos comunes.

Ingrese el valor que se asignar en la base de datos al campo Bound
(Boundary), a los compsitos dentro de la zona de influencia de la
triangulacin.

Haga Click sobre OK. cuando termine.

- Aparecer nuevamente la ventana Boundary Definition Menu.

17
Compositacin

Repita hasta que haya ingresado todos los bordes. En ese momento seleccione
Cancel.

- En este momento ha terminado de de crear el archivo de definicin con las especificaciones que Ud. ha
seleccionado. Puede crear ahora su base de datos de compsitos utilizando la opcin Run.

CREACIN DEL ARCHIVO DE COMPSITO

RUN

La opcin Run permite generar el archivo de compsitos (Ya sea base de datos ISIS
o ASCII) de acuerdo a los parmetros y mtodo indicado en el archivo de especificacin.

Seleccione Run

Ingrese el nombre del archivo de compositacin que Ud. cre

- Este es el nombre que Ud. ingres en el recuadro New parameter identifier.

Seleccione Create Composite Database o Create Composite Map file si desea una
base de datos ISIS o un archivo ASCII respectivamente.

Ingrese un nombre para el datasheet y si lo desea un Optional Database
Identifier (odi) para la base de datos de compsitos

- Esto es vlido si Ud. seleccion la opcin Create composite Database.

18
Compositacin

- El nombre del datasheet y el identificador opcional, definirn el nombre de la base de datos de
compsitos. Se crear un Datasheet (o se usar uno existente) con el nombre que ingrese en el recuadro y
una base de datos con el nombre <proyecto><odi>.<datasheet>.

Ingrese un nombre opcional para el archivo ASCII

- Esto debe usarlo si seleccion Use Map File.

Ingrese un nombre para este grupo de compsitos

- Pueden haber en la misma base de datos diferentes grupos de compsitos generados por diferentes
mtodos o especificaciones. Tiene la opcin de agregar los nuevos compsitos a un grupo de compsitos

existentes, sobreescribir el grupo existente o crear un nuevo grupo dentro de la misma base de datos
(Estas posibilidades no existen si se usa un archivo ASCII).

Ingrese un comentario o descripcin para los compsitos que se obtendrn.

- Esto es opcional.

Active (;) Append to existing compositing group si quiere que los datos se
agreguen una database existente.

- Como ya se coment, puede agregar los compsitos a un grupo con el mismo nombre que el indicado en
Compositing Group, sobrescribirlo o crear uno nuevo. Activando la opcin e indicando un nombre de
grupo igual a uno existente en la base de datos, los nuevos compsitos se agregarn como miembros del
mismo grupo anterior; si no existe dicho grupo se crear uno nuevo. Si no activa la opcin y existe un
grupo con el mismo nombre, dicho grupo ser sobrescrito por el nuevo mientras que si no existe el grupo,
se crear un nuevo.

Seleccione OK.

- Seleccionando OK, se crea la base de datos o archivo ASCII de compsitos.

SELECTION

Con esta opcin puede generar compsitos utilizando dos archivos de
especificacin aplicndolos a diferentes sondajes de acuerdo a su inclinacin. Esto puede ser
til, por ejemplo, cuando desee hacer una compositacin por banco (Bench) teniendo sondajes
con muy poca inclinacin (sub-horizontales). En tal caso los compsitos podran ser demasiado
largos, siendo Run length una opcin ms conveniente.

Seleccione Compositing-selection

- Aparecer la nica ventana de esta opcin:

19
Compositacin

Active Use selection file si tiene un archivo de seleccin

En Only accept holes that match ingrese una condicin para seleccionar los
sondajes.

- Puede usar el comodn (*) combinado con otras letras para especificar mltiples sondajes (Por ejemplo
especificando DDH* se compositarn aquellos sondajes cuyo nombre comience con DDH). Para
considerar todos los sondajes debe usar *.

Ingrese la inclinacin con que desea delimitar los grupos de sondajes.

Ingrese el nombre del archivo de parmetros para los sondajes con inclinacin
menor a la definida como lmite.

20
Compositacin
- Para aquellos sondajes que tengan una inclinacin menor al lmite, se usarn los parmetros y mtodo
indicados en dicho archivo.

Ingrese el nombre del archivo de parmetros para el otro grupo de sondajes

- Los dos tems anteriores son opcionales, en caso de no especificar un nombre de archivo, no se har la
compositacin para esos pozos. En otras palabras, este mtodo tambin es til para descartar sondajes
de acuerdo a su inclinacin.

En los siguientes casilleros, las opciones son las similares a las utilizadas en la
opcin RUN.

Active verbose si quiere generar un reporte de las menores inclinaciones
consideradas para cada sondaje.

Seleccione OK cuando complete el panel.

Comenzar a crearse la base de datos (o archivo ASCII) de compsitos. Una vez
generado puede desplegarlos en pantalla.

VISUALIZACIN DE LOS COMPSITOS

DISPLAY

Esta opcin permite cargar los compsitos generados con alguna de las opciones
anteriores. El despliegue en pantalla puede ser mediante puntos o lneas y puede restringir los
datos que desea cargar de acuerdo a alguna condicin.

Seleccione Compositing-Display.

- Aparecer la siguiente ventana:

21
Compositacin

Seleccione Use database, ingrese el nombre del datasheet y del ODI, si desea ver
una base de datos ISIS.

Seleccione Use Map File e ingrese el Identificador del Map File. Si los datos
provienen de una versin de VULCAN anterior a la 3.0, seleccione Use Fortran
Format.

Seleccione la forma en que quiere cargar los compsitos (Puntos o lneas), y el
espesor de la lnea si selecciona esta opcin.

Si est usando un archivo ASCII, ingrese el orden en que aparecen las
coordenadas para que los compsitos se desplieguen en el lugar adecuado.

22
Compositacin

Si seleccion load as point, ingrese un espesor para la lnea.

Active Restrict data, si desea agregar alguna restriccin a los datos que desea
considerar para la compositacin.

- Las restricciones pueden ser hasta cinco y se escriben utilizando los operadores lgicos descritos en el
Appendix E de la seccin Core Appendixes de la ayuda en lnea de Vulcan.

Haga click sobre OK. cuando haya terminado.

Si seleccion Use Database:

- Si seleccion Load as Points se mostrar la siguiente ventana:

- Si seleccion Load as Lines aparecer:

23
Compositacin

Ingrese el grupo de compsitos que desea desplegar (Puede usar
comodines).

En MIDX, MIDY y MIDZ, (TOP o BOT, en el segundo caso) ingrese el
campo que contiene el punto correspondiente del compsito (Puede
seleccionarlo de una lista ).

Ingrese el CAMPO en que se encuentra la variable que desea mostrar de
la base de datos de compsitos.

Seleccione OK. cuando termine.

Si seleccion Use Map File aparecer la siguiente ventana:

24
Compositacin

En el casillero debe indicar el formato (tipo fortran) de los datos en el
archivo ASCII.

- Estos formatos deben coincidir con el orden de los datos ingresados en Variable order

Seleccione OK.

Si activ Restrict data aparecer la siguiente ventana:

25
Compositacin

NOTA: Las siguientes alternativas son opcionales. Ud. debe escoger aquella(s) que
necesita de acuerdo a sus propias necesidades.

Seleccione filter values para indicar un valor especfico que se desea ignorar y/o
cotas mnimas o mximas entre las que deben estar los datos aceptados.

Include/Exclude Polygons permite indicar un rea de valores x e y para los
cuales se desea incluir o excluir datos de compsitos en el despliegue.

- Cuando acepte el panel aparecer en la parte baja de la pantalla : select inclusion polygon.Si desea
utilizar esta opcin indique con el mouse los polgonos que desea utilizar o presione el botn derecho del
mouse para cancelar. Aparecer el siguiente mensaje en la parte baja de la pantalla: Select exclusion
polygon, que tiene el mismo tratamiento que el anterior.

Include Triangle es similar al anterior pero en este caso se estn limitando las
coordenadas X, Y y Z de acuerdo a una triangulacin.

- En la parte baja de la pantalla aparecer el mensaje: Select triangulation. Seleccione la triangulacin o
presione Cancel.

Use Upper Cutoff Value permite cambiar el valor de un compsito cuando este
supere esta cota mxima. A cualquier dato que supere la cota mxima se le
asignar el valor de la cota mxima. El valor se ingresa en el casillero Upper
cutoff value.

Use coordinate extent permite definir manualmente la zona en que se
desplegarn los compsitos.

- Los compsitos considerados para el despliegue sern aquellos cuyas coordenadas estn dentro del rango
indicado en los recuadros siguientes.

Seleccione OK.

Aparecer la ventana con el listado de leyendas disponibles para compsitos:

Seleccione el Color Scheme con el que quiere que se desplieguen sus sondajes.

- Ud. puede usar el esquema de colores de acuerdo a la variable que quiera representar en la pantalla. Si
no tiene definido un Color Scheme aparecern las mismas ventanas descritas en el manual ENVISAGE-
CORE, en la seccin Analyse-Legend edit-Create, cuando se selecciona Drill en Schema.
Julio 2003
Er i c G onzal ez
Variografa Pg. 1
Variografa Pg. Variografa Pg. 1 1
Maptek Sudamrica
(h)
1
(h)
0
(h)
2
(h)
Variografa
2
Julio 2003
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 3
Maptek Sudamrica
Cov {Z(u), Z(u + h)} = C(h) = E {[Z(u) - m(u))][Z(u + h) - m(u + h)]}

Decisin Estacionario => E { m(u) } = E{ m(u + h)} = E{Z}
C(h) = E {(Z(u) Z(u + h)} - m
2
.
Nota:Si h=0,
C(0) = E {(Z(u)
2
} - m
2
=
2
= Var{Z}
Caso de independencia entre Z(u) y Z(u+h)
C(h) = E {(Z(u) Z(u + h)} - m
2
= E {(Z(u)} E{Z(u + h)} - m
2
= m
2
- m
2
= 0
Correlacin
Variograma
) 0 (
) ( ) (
) (
2
C
h C h C
h = =
Estacionario segundo orden

dxdy f y x Y X E
XY XY

= =
2 2
) ( } ] {[ 2
=
2
) (
1
2
i i XY
y x
N
Covarianza, Correlacin y Variograma

Julio 2003
Er i c G onzal ez
Variografa Pg. 4
Maptek Sudamrica
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
Er i c G onzal ez
Variografa Pg. 5
Maptek Sudamrica
El variograma para una variable y la misma variable separada por un vector h se

calcula como la media de las diferencias cuadradas entre los valores separados
aproximadamente ese vector h:
Variograma
[ ]
+ =
) (
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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 7
Maptek Sudamrica
Determinar si se requiere transformar la variable

Coordenadas rotadas
Desdoblar
Definir un nmero de vectores y sus direcciones.
La vertical siempre es importante
Probar el variograma omnidireccional horizontal, luego las direcciones
principales
Nmero de lags y sus dimensiones
La separacin debe coincidir con el espaciamiento de las muestras
Vlido solo hasta la mitad de la extensin de las muestras en una determinada
direccin.
Variograma
Julio 2003
Er i c G onzal ez
Variografa Pg. 8
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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 12
Maptek Sudamrica
Otras formas de clculo de diferencias.

Variograma
Semivariograma General relativo.
Semivariograma relativo por pares
Semivariograma Cruzado
Covarianza
Correlograma
Rodograma
Madograma
Semivariograma de logaritmos
2
2
) (
) (
|
.
|
\
| +
=
+ 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 14
Maptek Sudamrica
Clculo del variograma en Vulcan

En Vulcan las especificaciones para el clculo del variograma se almacenan
en un archivo de parmetros con extensin .var. El nombre del archivo
es: <Proyecto><Identificador>.var
Variograma
Completando slo la primera casilla, se puede editar el archivo.
Completando slo la segunda casilla se crea un nuevo archivo de
parmetros
Completando ambas casilla se puede crear un nuevo archivo a partir de
un archivo de parametros existentes para luego editarlo
ID existente
ID nuevo
Julio 2003
Er i c G onzal ez
Variografa Pg. 15
Maptek Sudamrica
Base de datos de donde calcular el variograma

Variograma
Puede usarse una base de datos de muestras tipo ISIS,
de Librera u ODBC. En todos los casos debe indicarse
el datasheet y el identificador opcional.
Puede usarse tambin un archivo Mapfile (ASCII).
Una vez seleccionada la base de datos se selecciona el
grupo o clave que se quiere utilizar y el nombre de los
campos de la base de datos o columnas del Mapfile que
corresponden a las coordenadas X,Y,Z y a la variable de
ley que se especifica en la casilla W field.
Hay una casilla Second W field para calcular el
variograma cruzado entre dos variables de ley.
Down hole variogrampermite calcular el variograma a
lo largo del sondaje. Para eso se requiere el nombre del
sondaje como campo de la base de datos.
Julio 2003
Er i c G onzal ez
Variografa Pg. 16
Maptek Sudamrica
Restriccin de muestras a utilizar para cada corrida

Variograma
Para restringir o seleccionar las muestras que se
quieren utilizar en el clculo existen varios
mtodos de seleccin que pueden utilizarse
simultneamente.
Hay dos opciones para restringir por dos
diferentes campos:
Un campo numrico
Un campo alfanumrico o de caracteres.
Otra opcin permite seleccionar puntos dentro de
una triangulacin slida.
Finalmente, si las opciones anteriores no son
suficientes, se pueden usar varios campos de la
base de datos con condiciones lgicas genricas
para restringir las muestras que se desean utilizar.
Julio 2003
Er i c G onzal ez
Variografa Pg. 17
Maptek Sudamrica
Restriccin por una variable numrica

Variograma
Seleccionado el nombre de un campo numrico de
la base de datos, se tiene la opcin para que se usen
la muestras donde el valor de ese campo es igual a
alguno de los valores en la lista Specific W Values
Pueden seleccionarse valores especficos de una
variable
Pueden ignorarse muestras para valores especficos
de una variable numrica
Pueden seleccionarse las muestras cuando
una variable este dentro de un rango
numrico.
Julio 2003
Er i c G onzal ez
Variografa Pg. 18
Maptek Sudamrica
Restriccin por una variable alfanumrica

Variograma
Al igual que con la variable numrica, seleccionado
el nombre de un campo alfanumrico de la base de
datos, se tiene la opcin para que se usen la
muestras donde el valor de ese campo es igual a
alguno de los valores en la lista Specific Character
Strings
De la misma forma pueden ignorarse muestras para
valores especficos de una variable numrica
Julio 2003
Er i c G onzal ez
Variografa Pg. 19
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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 23
Maptek Sudamrica
Ejemplo de archivo de resultados (*.vrs)

Variograma
* DEFINITION
* HEADER_VARIABLES 1
* COMPID C 16 0 key
* VARIABLES 9
* AZIMUTH F 12 3
* PLUNGE F 12 3
* LAG F 12 0
* RANGE F 12 3
* SEMI F 12 3
* SEMIHM F 12 3
* SEMITM F 12 3
* SEMINP F 12 3
* SEMIDIS F 12 3
* HEADER: VARIOGRAPHY
45.000 0.000 0. 0.000 0.000 0.000 0.000 3373. 0.000
45.000 0.000 1. 0.000 0.356 0.018 0.336 29. 10.142
.....
45.000 0.000 15. 420.000 0.910 0.165 0.421 700. 417.539
45.000 0.000 16. 450.000 1.509 0.218 0.321 413. 448.471
45.000 -90.000 0. 0.000 0.000 0.000 0.000 3373. 0.000
45.000 -90.000 1. 0.000 0.000 -0.118 -0.116 75. 4.763
.....
45.000 -90.000 19. 270.000 0.081 -0.327 -0.225 460. 269.616
45.000 -90.000 20. 285.000 0.086 -0.342 -0.236 416. 284.647
135.000 0.000 0. 0.000 0.000 0.000 0.000 3373. 0.000
135.000 0.000 1. 0.000 0.782 0.441 0.778 16. 10.619
.....
135.000 0.000 15. 420.000 1.279 0.006 0.057 595. 417.582
135.000 0.000 16. 450.000 1.325 -0.177 -0.212 460. 449.348
Julio 2003
Er i c G onzal ez
Variografa Pg. 24
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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 27
Maptek Sudamrica
Despliegue
Variograma
Julio 2003
Er i c G onzal ez
Variografa Pg. 28
Maptek Sudamrica
Definicin del modelo lineal de regionalizacin (MLR)
=
=
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
Er i c G onzal ez
Variografa Pg. 29
Maptek Sudamrica
Modelos elementales ms conocidos

Modelo Efecto Pepa
0
0.2
0.4
0.6
0.8
1
>
=
=
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
Er i c G onzal ez
Variografa Pg. 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
Julio 2003
Er i c G onzal ez
Variografa Pg. 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
Julio 2003
Er i c G onzal ez
Variografa Pg. 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
Julio 2003
Er i c G onzal ez
Variografa Pg. 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
Julio 2003
Er i c G onzal ez
Variografa Pg. 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
Julio 2003
Er i c G onzal ez
Variografa Pg. 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
Julio 2003
Er i c G onzal ez
Variografa Pg. 36
Maptek Sudamrica
Reglas para la adicin de estructuras (MLR)

Cada modelo elemental tiene su componente en 3D, por lo que su efecto
debe considerarse en todas las direcciones. El problema se torna ms
complejo cuando se quieren usar modelos elementales rotados uno
respecto de otro.
Si se modela en 1D debe considerarse que cualquier estructura o modelo
elemental va a estar presente con el mismo aporte de varianza en las otras
direcciones. Para lograr un ajuste adecuado ser necesario descomponer
un modelo elemental distribuyendo los aportes de varianza.
Al modelar en 1D, los modelos elementales en cada direccin deben ser del
mismo tipo.
Variograma
Julio 2003
Er i c G onzal ez
Variografa Pg. 37
Maptek Sudamrica
Modelamiento tradicional en pantalla 1-D

Variograma
El nmero de modelos bsicos puede ser diferente
en cada direccin para lograr un buen ajuste.
Los aportes de varianza para cada direccin de
cada modelo no estn controlados por las otras
direcciones.
Deben post procesarse esos modelos para lograr
una combinacin vlida.
Julio 2003
Er i c G onzal ez
Variografa Pg. 38
Maptek Sudamrica
Ejemplo
Variograma
110
200
X
A
3
6.0
7.5
10
4.5
5.5
5.0
10 2.5 150 2.0 70 3.5 2 Semi

Menor
Mayor
Direc.
9.5 3.5 80 1.5 30 2.5 2
X X 250 5.0 55 3.0 2
C
3
A
2
C
2
A
1
C
1
C
0
200 250 0. 5 10
110 200 250 2.0 9.5
110 150 250 1.5 7.5
80 150 250 0. 5 6.0
80 70 250 0. 5 5.5
80 70 55 0. 5 5.0
30 70 55 2.5 4.5
R
3
R
2
R
1
C
i
C
i
(h)=Sph
r1,r2,r3
(h)
C
0
= 2
Sph Sph Sph Sph Sph Sph Sph pepa
h

+ + + + + + + =
250,200, 0 250,200,11 0 250,150,11 250,150,80 250,70,80 55,70,80 55,70,30
5 . 0 2 5 . 1 5 . 0 5 . 0 5 . 0 2.5 2 ) (
Sph Sph Sph Sph Sph Sph Sph pepa
h
250, 250 250 250 250 55 55
5 . 0 2 5 . 1 5 . 0 5 . 0 5 . 0 2.5 2 ) 0 , 0 , (
1
+ + + + + + + =
Sph Sph pepa
h
250 55
5 3 2 ) 0 , 0 , (
1
+ + =
Procedimiento y validacin
para el modelamiento 1D y
descomposicin de estructuras
en forma manual
Julio 2003
Er i c G onzal ez
Variografa Pg. 39
Maptek Sudamrica
Modelamiento tradicional 3D en pantalla

Variograma
El nmero de modelos elementales es el mismo en cada direccin.
Los aportes de varianza para cada direccin de cada modelo estn mutuamente
controlados con las otras direcciones, por lo que el modelo resultante ser
inmediatamente vlido.
La seleccin de un tamao de lag adecuado para el clculo del variograma que
se ajuste a todas las direcciones normalmente es dificultosa ya que las distancias
entre muestras en la direccin preferente de perforacin es diferente a las
direcciones de las cuadrculas de perforacin en el caso de sondajes.
La capacidad de desplegar el modelo sobre un conjunto grande de direcciones
diferentes permite su validacin en un espectro ms grande, sin embargo esto
dificulta el modelamiento prctico en las direcciones principales.
Julio 2003
Er i c G onzal ez
Variografa Pg. 40
Maptek Sudamrica
Modelamiento por algoritmos automatizados

Variograma
Existe un nmero de diferentes algoritmos para determinar un modelo en forma
matemtica a partir de los resultados de los variogramas experimentales.
Existen algunos que analizan el resultado de todo el espectro 3D almacenado en
los variogramas experimentales y otros donde se utilizan las direcciones
principales de continuidad.
En Vulcan existen las dos alternativas, sin embargo existen varias
consideraciones a tener en cuenta para su aplicacin y posterior aceptacin y
utilizacin de los modelos.
De todas formas e independientemente del mtodo de modelamiento utilizado,
siempre debe tener en cuenta que los resultados pueden estar muy
influenciados por la informacin disponible. El conocimiento de la geologa del
yacimiento y el uso de un buen criterio son fundamentales, especialmente al
utilizar mtodos automatizados.
Julio 2003
Er i c G onzal ez
Variografa Pg. 41
Maptek Sudamrica
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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 45
Maptek Sudamrica
Mapa Variogrfico (Block-> Variography -> CUBE)

Esta opcin permite estudiar el valor del variograma en 3D. El espacio se
discretiza en distancias incrementales en diferentes direcciones. Estas
direcciones se representan a travs de bloques en un modelo de bloques.
Variograma
Mapa Variogrfico (CUBE)
Esta opcin permite estudiar el valor del
variograma en 3D. El espacio se discretiza en
distancias incrementales en diferentes direcciones.
Estas direcciones se representan a travs de
bloques en un modelo de bloques. Este modelo
queda orientado NS, mientras que las direcciones
de continuidad deben leerse del modelo.
El tamao de los bloques en cada eje ser el indicado en Lag size y debe
concordar con el espaciamiento de las muestras. El alcance o rango del
modelo debe ser de a lo mas la mitad de la extensin de los datos en cada
direccin, para que el clculo del variograma tenga sentido.
Julio 2003
Er i c G onzal ez
Variografa Pg. 46
Maptek Sudamrica
Despliegue del mapa variogrfico

Variograma
El modelo de bloques que almacena los
resultados esta centrado en el origen. El
tamao del modelo corresponde al doble
del rango, pues el clculo incluye las
direcciones negativas. Para visualizar la
continuidad se sugiere utilizar una
leyenda que permita identificar los valores
menores a la meseta del variograma (la
varianza en el caso del semivariograma).
Direcciones donde el valor del variograma
se mantenga por distancias mayores con
valores menores a la varianza se
interpretan como direcciones de mayor
continuidad.
Julio 2003
Er i c G onzal ez
Variografa Pg. 47
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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 50
Maptek Sudamrica
En el caso de un modelo de bloques se despliega un panel que permite

seleccionar la variable y restringir los bloques que se usarn en el clculo.
Variable
Restriccin de
bloques
Variograma
Julio 2003
Er i c G onzal ez
Variografa Pg. 51
Maptek Sudamrica
En el caso de usar una base de datos, primero se debe seleccionar la base

de datos mientras que la restriccin se har en paneles posteriores
Grupo de
compsitos,
coordenadas
y variables
Base de datos
Con este botn
lgico se pueden
evitar los paneles
de seleccin de
muestras
Variograma
Julio 2003
Er i c G onzal ez
Variografa Pg. 52
Maptek Sudamrica
Seleccin de muestras
Existen varias formas para restringir los
datos por un campo numrico
o alfanumrico.
Variograma
Julio 2003
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 56
Maptek Sudamrica
Auto ajuste en las direcciones principales

Si seleccion la opcin para hacer un
ajuste automtico, aparecen las
opciones para controlar el modelo. Por
ejemplo, se puede especificar
anisotropa zonal en alguna de las
direcciones, ciclicidad, se pueden
forzar la meseta, el efecto pepa y el
nmero de estructuras.
Por ejemplo, si hay presencia de deriva
en los datos, se puede forzar para que
el modelo no sobrepase la varianza.
Las configuracin del elipsoide debe representar las tres direcciones
indicadas en el panel anterior.
Variograma
Julio 2003
Er i c G onzal ez
Variografa Pg. 57
Maptek Sudamrica
Auto ajuste en las direcciones principales

En este panel se puede forzar
anisotropa geomtrica para los ejes
semi mayor y menor.
Puede buscarse un resultado
ponderando por el inverso de la
distancia y/o por el numero de pares,
as los puntos mas cercanos o con mas
informacin de respaldo tendrn ms
influencia.
Las configuracin del elipsoide debe representar las tres direcciones
indicadas en el panel anterior.
Variograma
Julio 2003
Er i c G onzal ez
Variografa Pg. 58
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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 62
Maptek Sudamrica
Propiedades del Kriging

La solucin del sistema existe y es nica si la matriz [C
ij
] es definida positiva.
Kriging es un estimador insesgado E{[Z
v
-Z
*
k
]} = 0
Es el estimador lineal que entrega la menor varianza del error
Es un interpolador exacto si u=u
j
,
j
=1,
i
=0,V ij
La varianza puede calcularse sin necesidad del valor de las muestras.
Kriging toma en consideracin:
Geometra del volumen que se est estimando
Distancia de la informacin
Configuracin de los datos
Continuidad estructural
Kriging tiene un efecto suavizante que se puede predecir.
Kriging
Julio 2003
Er i c G onzal ez
Variografa Pg. 63
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
Er i c G onzal ez
Variografa Pg. 64
Maptek Sudamrica
Kriging con diferentes alcances para variograma esfrico isotrpico.

Kriging
3
1
2
0 2 4 6 8 10 12
distancia
0 1 2 3 4 5
0.00 0.00 0.00 1
0.01 -0.02 0.65 5
0.07 0.01 0.78 10
1
Alcance
Julio 2003
Er i c G onzal ez
Variografa Pg. 65
Maptek Sudamrica
Kriging con diferentes efectos pepa y alcance isotrpico de 10.

Kriging
3
1
2
0 1 2 3 4 5
0.06 0.01 0.78 0%
0.00 0.00 0.00 100%
0.05 0.13 0.17 75%
0.06 0.20 0.47 25%
1
Ef. pepa
0 2 4 6 8 10 12
distancia
Julio 2003
Er i c G onzal ez
Variografa Pg. 66
Maptek Sudamrica
Kriging con diferentes efectos pepa y alcance isotrpico de 10.

Kriging
3
1
2
0 1 2 3 4 5
0.06 0.20 0.47 1:1
0.24 0.00 0.00 20:1
0.23 -0.06 0.15 5:1
0.14 0.09 0.40 2:1
1
Anisotropa
2
:
1
5
:
1
2
0
:
1
Julio 2003
Er i c G onzal ez
Variografa Pg. 67
Maptek Sudamrica
Efecto suavizante del kriging

La varianza de los valores estimados por kriging es muy pequea.
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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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
Er i c G onzal ez
Variografa Pg. 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.


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


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.

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).

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

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.


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
).


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





- 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.








13
Estimacin de leyes



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.



14
Estimacin de leyes


del elipsoide.

caja de bsqueda.




15
Estimacin de leyes




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

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.





- Debe tener en cuenta el mnimo numero de muestras indicados para estimar un bloque.

17
Estimacin de leyes
avanzada.



estimacin.



cartesian distance.





- 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:






- 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.










22
Estimacin de leyes
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.




del elipsoide.

caja de bsqueda.


23
Estimacin de leyes





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


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.



1
1
1

25
Estimacin de leyes


- Debe tener en cuenta el mnimo numero de muestras indicados para estimar un bloque..

avanzada.



estimacin.



cartesian distance.





- 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.

Curso Geost Final

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Curso Geost Final

Uploaded by

Copyright:

Available Formats

Er i c G onzal ez

Estadstica inductiva (inferencia estadstica):

Eventos estadsticamente independientes:

Anlisis estadstico de los datos

Objetivos del anlisis exploratorio de los datos

Estadsticas - modelo de funcin aleatoria

Los histogramas de muestras y grficos de dispersin tienden a ser errticos

La funcin de distribucin acumulativa o acumulada fda se define como:

La probabilidad de ocurrencia de Z en un intervalo de a a b (donde b>a) es

Grfico de probabilidad acumulativo

El cuantil p de la distribucin F(z

Grficos Q-Q / P-P

Construccin de un grfico Q-Q

Leer los cuantiles correspondientes de los grficos de DFA en la pgina

El valor esperado es la suma ponderada por la probabilidad de todas las

En una forma discreta, la varianza puede definirse como

Podramos transformar 20000 valores de ley tipo2 de acuerdo a las 853

Simulacin de Monte Carlo

Extensin a distribuciones bivariables y de ms alto orden:

La covarianza entre la misma variable es su varianza:

Ver resmenes bivariables

El primer momento es la media, el segundo momento alrededor de la media

Anlisis exploratorio de datos

Una medida de la incertidumbre local, no es especifica a un intervalo

Un modelo de distribucin paramtrica es una expresin analtica para la

z = a (constante, sin incertidumbre)

La distribucin gaussiana esta completamente caracterizada por sus dos

La fda de la distribucin gaussiana G(z) no tiene una expresin analtica

Una VA positiva, Y > 0, se dice que esta distribuida en forma lognormal si

Las distribuciones lognormales tambin se caracterizan por dos parmetros:

De la combinacin de distribuciones resulta una nueva distribucin.

Modelo no paramtrico se confunde en que puede interpretarse como

La estacionareidad puede ser en traslaciones (homogeneidad) y/o

Estacionareidad de orden 2: Se dice que una FA es estacionaria de orden 2

Una forma de corregir el muestreo preferencial consiste en la retencin de

Mtodos de desagrupamiento poligonal y de celda:

Cov {Z(u), Z(u + h)} = C(h) = E {[Z(u) - m(u))][Z(u + h) - m(u + h)]}

Estacionario segundo orden

Covarianza, Correlacin y Variograma

El variograma para una variable y la misma variable separada por un vector h se

Determinar si se requiere transformar la variable

Otras formas de clculo de diferencias.

Clculo del variograma en Vulcan

Base de datos de donde calcular el variograma

Restriccin de muestras a utilizar para cada corrida

Restriccin por una variable numrica

Restriccin por una variable alfanumrica

Ejemplo de archivo de resultados (*.vrs)

Definicin del modelo lineal de regionalizacin (MLR)

Modelos elementales ms conocidos

Reglas para la adicin de estructuras (MLR)

Modelamiento tradicional en pantalla 1-D

10 2.5 150 2.0 70 3.5 2 Semi

Modelamiento tradicional 3D en pantalla

Modelamiento por algoritmos automatizados

Mapa Variogrfico (Block-> Variography -> CUBE)

Despliegue del mapa variogrfico

En el caso de un modelo de bloques se despliega un panel que permite

En el caso de usar una base de datos, primero se debe seleccionar la base

Auto ajuste en las direcciones principales

Auto ajuste en las direcciones principales

Propiedades del Kriging

Kriging con diferentes alcances para variograma esfrico isotrpico.

Kriging con diferentes efectos pepa y alcance isotrpico de 10.