Conceptos Basicos de Estimaciones

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 17

CONCEPTOS BASICOS ESTIMACION

• Ley espacial
• Esperanza matemática (Probabilidades) o momento
de primer orden
E (Z ( x 0 ) ) = m ( x 0 )

• Momentos de segundo orden:



 2 ( x ) = E Z ( x ) − m ( x )  2 
• Varianza
C ( x1 , x 2 ) = E  Z ( x1 ) − m ( x1 ) Z ( x 2 ) − m ( x 2 )  
• Covarianza = E Z ( x1 ) Z ( x 2 ) − m ( x1 ) m ( x 2 )
1
• Variograma  *( h ) =
2 N (h )
 ( z ( xi ) − z ( x j ))2
xi − x j = h

• Correlograma
C ( x1 , x 2 )
 ( x1 , x 2 ) =
 2 ( x1 )   2 ( x 2 )
TÉCNICAS DE ESTIMACIÓN

PRINCIPIOS DE ESTIMACIÓN

• Controles e ingresos geológicos fundamentales (‘GEO’ en


GEOestadística)

• Proporcionar estimados precisos e insesgados: globales y


locales. Estimados para estudios de factibilidad confiables
y para diversos requerimientos de planificación minera (a
corto, mediano y largo plazo)

• Impacto directo sobre $$$$


Compósitos

Un mismo conjunto de datos no debe contener muestras de


soporte distinto. Por ende, es necesario llevar las muestras a
compósitos de la misma longitud (generalmente, igual a la altura
del bloque de selección minera o a un sub-múltiplo de esta
altura).
Mientras más largo el compósito, menos dispersos y menos
erráticos los valores.

Si existen soportes muy distintos, se puede considerar el atributo


medido en cada soporte como una variable distinta.
Estacionaridad (1)

La estacionaridad se refiere a una “homogeneidad” en el espacio


de las características de la variable en estudio: media, dispersión,
continuidad, etc. Implica que las propiedades estadísticas de los
datos son representativas del total del campo.

El considerar la hipótesis de estacionaridad facilita la elaboración


de modelos geoestadísticos, en especial en lo que se refiere al
análisis variográfico.
Estacionaridad (2)

En general, se tiende a considerar que la regionalización no tiene


un comportamiento estacionario, por la presencia de zonas de
altas leyes y otras de muy bajas leyes.

Ahora bien, el concepto de estacionaridad es una propiedad del


modelo geoestadístico, no de la variable regionalizada misma. Por
ende, es una decisión del usuario considerar si se cumple o no la
hipótesis de estacionaridad (ni verdadera ni falsa, pero juiciosa o
no).
Efecto proporcional

La dispersión de los valores es mayor en las zonas de altas leyes


que en las zonas de bajas leyes
→ este efecto es frecuente cuando el histograma de los datos
es asimétrico (por ejemplo, lognormal)
→ no es incompatible con la hipótesis de estacionaridad
planteada en el formalismo geoestadístico
→ se puede tomar en cuenta este efecto de dos maneras:
• meseta del variograma que varía en el espacio
• transformación logarítmica de los datos
Muestreo preferencial

Un muestreo es preferencial si privilegia las zonas de alta ley.


Hay que tener cuidado en el estudio geoestadístico de tales
muestreos, pues los estadísticos experimentales ya no son
representativos del campo entero

→ desagrupar las muestras


→ el tener un muestreo preferencial dificulta el análisis
variográfico de los datos (por ejemplo, en presencia de
un efecto proporcional) y las posteriores estimaciones
de recursos y reservas.
Unidades geológicas

Se suele dividir el yacimiento en varias zonas o “unidades


geológicas” (UG), según la litología, la mineralización y/o la
alteración existente. También se puede incluir criterios
metalúrgicos en la definición de dichas unidades
→ verificar estadísticamente la pertinencia de la división;
si es necesario, agrupar varias unidades de propiedades
similares
→ modelar la extensión de las unidades geológicas en el
yacimiento: ¿modelo determinístico o probabilístico?
Variables categóricas

Codifican una propiedad del yacimiento (tipo de roca, unidad


geológica...) → no confundir con una variable regionalizada
tradicional.
Valores atípicos

Es posible detectar valores “atípicos” por medio de varias


herramientas, en especial: histograma, nubes de correlación entre
variables, nubes direccionales...

Nunca se debe eliminar un valor “atípico” sin razón (falla en el


protocolo de medición, en la transcripción del dato, etc.). Además,
ningún test estadístico puede indicar si un valor es
“aberrante” o no.
Datos imprecisos (1)

Es frecuente que todo o parte de las mediciones contengan


imprecisiones, debido al protocolo de muestreo o de análisis
químico
→ las técnicas geoestadísticas permiten tomar en cuenta
estas imprecisiones, siempre que hayan sido previamente
cuantificadas
→ la evaluación de recursos pierde precisión en presencia de
errores de medición
→ es recomendable estudiar la calidad de las mediciones,
sobre todo si provienen de fuentes distintas.
Datos imprecisos (2)

Ejemplo: comparación de las mediciones procedentes de dos


campañas de sondaje distintas

Aquí se puede agrupar las mediciones de ambas campañas


Los modelos probabilísticos (1)

¿Por qué recurrir a modelos probabilísticos?

Gran complejidad de las variables regionalizadas, en especial en


las ciencias de la tierra
 una descripción determinística es inconcebible
Los modelos probabilísticos (2)

Límites de la estadística clásica

Se considera las observaciones como resultados (realizaciones)


independientes de una misma variable aleatoria.
Los modelos probabilísticos (3)

La independencia entre valores impide una previsión precisa de un


valor no muestreado.

 la interpretación clásica carece de realismo


Los modelos probabilísticos (4)

El modelo geoestadístico

Se considera “interacciones” entre las observaciones, de modo de


tomar en cuenta sus dependencias espaciales.

Se podrá estimar el valor en un sitio no muestreado gracias a su


interacción con los sitios circundantes.
Los modelos probabilísticos (5)

La interpretación geoestadística es satisfactoria, puesto que las


variables regionalizadas presentan dos aspectos complementarios

• un aspecto “aleatorio” causante de las irregularidades locales

• un aspecto estructural que refleja las características globales


del fenómeno (continuidad, anisotropía, etc.)

La interacción entre dos valores (= resorte) se cuantifica por una


herramienta estadística llamada variograma.

También podría gustarte