Professional Documents
Culture Documents
Desagrupamiento (1)
Representatividad de la muestra
La representatividad de la muestra debiera cuestionarse siempre que los datos no estn dispersos uniformemente sobre el rea (sesgo espacial), el cual desafortunadamente es a menudo el caso en aplicaciones de ciencias de la tierra:
rea a explotar en los primeros aos rea de ms alta ley (anomala)
Desagrupamiento (2)
El muestreo puede ser preferencial si la ubicacin de los datos no es regular ni est uniformemente distribuida sobre el rea. Hay que tener cuidado en el estudio geoestadstico de tales muestreos, pues las estadsticas experimentales ya no son representativas del campo entero.
Condiciones de accesibilidad Valores esperados del atributo: el muestreo 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
Desagrupamiento (3)
Desagrupamiento (4)
Principio del desagrupamiento Cuando la malla de muestreo es irregular, es preferible no atribuir el mismo peso estadstico a todos los datos. La operacin de desagrupamiento (declustering) consiste en ponderar los datos en funcin de su grado de aislamiento: los datos ubicados en las reas ms densamente muestreadas deben recibir menor ponderacin que las datos en reas menos muestreadas
Desagrupamiento (5)
Slo aplicado para corregir la distribucin se ponderan las frecuencias de los datos los valores de los datos no cambian
Desagrupamiento (6)
Existen varios mtodos de desagrupamiento: Mtodos geomtricos mtodo de los polgonos mtodo de las celdas Mtodos geoestadsticos ponderadores de kriging ordinario
Desagrupamiento (7)
Desagrupamiento: mtodo de los polgonos de influencia
Desagrupamiento (8)
Desagrupamiento: mtodo de las celdas
Se divide la zona muestreada en celdas de mismo volumen. Cada celda tiene el mismo peso, el cual se reparte entre los datos contenidos en esta celda.
Desagrupamiento (9)
Influencia del origen de la red de celdas
Desagrupamiento (10)
Influencia del tamao de las celdas
Desagrupamiento (11)
Se recomienda utilizar el tamao que se deduce de la malla de sondajes, no el tamao que minimiza la media desagrupada
Desagrupamiento (12)
Los algoritmos de desagrupamiento de polgonos y celdas consideran criterios geomtricos al ponderar los datos en funcin de su grado de aislamiento: mientras ms aislado, ms peso no toman en cuenta la continuidad espacial de los datos, aunque idealmente este factor tambin debera ser tomado en consideracin.
Desagrupamiento (13)
Histograma desagrupado por los pesos obtenidos por el mtodo de las celdas, con celdas de tamao 48m 48m 12m
Estacionaridad (1)
La estacionaridad se refiere a que, en el modelo geoestadstico, las propiedades de la variable en estudio (media, dispersin, continuidad) son homogneas, o sea, invariantes en el espacio.
El considerar la hiptesis de estacionaridad facilita la elaboracin de los modelos (inferencia de sus parmetros), en especial en lo que se refiere al anlisis variogrfico.
Estacionaridad (2)
Motivacin
Si se conoce varias realizaciones y asume cierta homogeneidad espacial, se puede inferir su distribucin
Estacionaridad (3)
En general, se tiende a considerar que la variable regionalizada no tiene un comportamiento estacionario, porque la media o la dispersin de los valores cambia localmente segn el sector que uno considera (por ejemplo, sectores de altas leyes y de bajas leyes; o sectores con leyes ms dispersas que otros).
Ahora bien, el concepto de estacionaridad es una propiedad del modelo geoestadstico, no de la variable regionalizada misma. Por ende, es una decisin del usuario considerar si se cumple o no la hiptesis de estacionaridad (ni verdadera ni falsa, pero juiciosa o no).
Estacionaridad (4)
Ejemplos: realizaciones de modelos estacionarios e istropos
Estacionaridad (5)
Variaciones locales en la ley media A menudo se aprecia un cambio en el valor promedio de las leyes al desplazarse en el espacio (tendencia o deriva), por ejemplo leyes que decrecen fuertemente con la profundidad. En este caso, se puede considerar las siguientes alternativas:
modelo estacionario: la ley esperada es constante y la tendencia slo se debe a fluctuaciones estadsticas locales modelo localmente estacionario
modelo estacionario por partes: subdividir la zona de estudio en varios dominios, cada uno con una ley media constante
Estacionaridad (6)
Ejemplo: realizaciones de un modelo estacionario de media 0
derivas aparentes
Estacionaridad (7)
Variaciones locales en la dispersin de leyes Tambin es frecuente observar cambios en la variabilidad de las leyes en el espacio: esta variabilidad suele ser mayor en las zonas de altas leyes que en las zonas de bajas leyes (efecto proporcional). Se puede enfrentar de varias formas:
Estacionaridad (8)
Ejemplo: perfil de leyes a lo largo de una direccin del espacio
Frontera 2
500
500
450
450
100
200
300
400
500
600
550
550
500
500
450
450
100
200
300
400
500
600
el mtodo es auto-justificativo genera fronteras duras artificiales entre rangos de leyes los resultados son sensibles a los rangos de leyes escogidos
El mtodo de isoleyes puede usarse para definir la geometra de la zona de estudio, que contiene a la zona mineralizada
Compsitos (1)
Dado que la variabilidad de las leyes depende del soporte de la medicin, un mismo conjunto de datos no debe contener muestras de soporte distinto. Por ende, es necesario llevar las muestras a compsitos de la misma longitud. La longitud de los compsitos se escoge generalmente en base a la altura de los bloques usados para modelar el depsito. Esta longitud se toma igual a la altura del bloque o a un sub-mltiplo de esta altura.
Compsitos (2)
Al compositar, se supone que las leyes son constantes en cada muestra, para poder reconstituir el perfil de leyes a lo largo del sondaje.
Compsitos (3)
Los compsitos no deben cruzar fronteras duras entre unidades geolgicas distintas. Es frecuente que se pierdan algunos segmentos de la informacin inicial al compositar (en la frontera entre unidades geolgicas o al final del sondaje).
Para variables categricas (ej: cdigo de litologa o mineraloga), se puede asignar al compsito el cdigo que ms se repite entre las muestras del compsito o el cdigo de la muestra ubicada en su centro.
Compsitos (4)
Aumentar la longitud de los compsitos tiene varios efectos: reduce el nmero de datos puede dificultar la inferencia de los parmetros del modelo disminuye la dispersin de las leyes (efecto de soporte): menos valores extremos, facilita el anlisis variogrfico
contaminacin ambiental: la ocurrencia de concentraciones extremas de elementos txicos requiere medidas de remediacin / mitigacin
Nunca se debe eliminar un valor atpico sin razn (falla en el protocolo de medicin, en la transcripcin del dato, valor ausente codificado como -99, etc.). Adems, ningn test estadstico puede indicar si un valor es aberrante o no.