M. Sc.

Samuel Canchaya Moya

EPIG
FIGMM

M. Sc. Samuel Canchaya

[email protected]

Distribución promedio de tiempo en las tareas

asociadas a aplicaciones geomatemáticas

• Validación de la Data
• Tratamiento de valores bajos
no significativos
• Identificación y tratamiento
35% 25%
de altos erráticos
• Compatibilización de datas
10% distintas
• Promedio, Desv.estándar,
15% 15% Varianza, Sesgo, Kurtosis, etc.
• Histograma
• Curva de acumulación de
Data frecuencias
C.Estad • Cálculo y ploteo de Variogramas
C. Geoestad • Anisotropias geométricas y zonales
• Análisis estructural geoestadístico
Process
• Interpretación de variogramas
Interpret • Etc.

1
 3
Intervalos de Confianza 99.7 % Área bajo
95.0 % la curva
Distribución normal 68.0 %

de los errores:
Si no existe sesgo, en general los errores siguen una
distribución normal como la mostrada en el gráfico
P [-2s < e < +2s] = 0.95
donde: e es error y s2 su varianza
Lo cual significa que:
el error e caerá dentro del área comprendida entre
-2s y + 2s con un intervalo de confianza de 0.95

Dicho de otra manera:

el riesgo a equivocarnos será de 5%

e = +/- s intervalo de confianza de 68%

e = +/- 1.645 s intervalo de confz. de 90%

e = +/- 2s intervalo de confianza de 95%

A medida que aumenta la confianza el error aumenta;
e = +/- 3s intervalo de confianza de 99.7% mientras que el riesgo de equivocarnos disminuye .

Fundamento teórico: Teorema del límite central.

ss Es como plantearse un intervalo de

El concepto de s
confianza de : 99.99966 %

ss
Lo cual significa que se aspira a tener un
six sigma porcentaje de 99.99966 libre de defectos;
s o sólo 3.4 DPMO.

VARIAS DENOMINACIONES:
Six sigma
6s
6 sigma
6s
DPMO: Defectos por millón de oportunidades

Si fuéramos menos exigentes; v.gr. sólo 99.9%; esto significaría

catástrofes como:
• 96 accidentes aéreos por cada 100,000 vuelos.
• Por lo menos 20,000 prescripciones médicas erróneas por año.
• Corte de servicio de celular por 10 minutos cada semana.
Más allá de los dígitos, six sigma es una filosofía de negocios enfocada en la MEJORA CONTINUA,
optimizando procesos a partir de las necesidades de los clientes y con el uso de indicadores.

2
 EDA: “Exploratory Data Analysis”
❑ Básicamente es el reconocimiento, esencialmente estructural y gráfico, de las
distintas características de la Data; así como el análisis general de su contenido.

❑ Un ejercicio importante del EDA es diferenciar los diferentes tipos de Data; en

función a su fecha de origen, tipo de análisis químico, diferentes laboratorios,
diferentes operadores o condiciones, con o sin QA/QC (Protocolos de
Aseguramiento y Control de la Calidad); así como, si se ha realizado ejercicios
previos de “compatibilidad” antes de juntarlas en un solo archivo.

❑ El EDA se interrelaciona y confunde con la Caracterización estadística, ya que

también usa sus herramientas gráficas y para algunos comprende también la
identificación de valores altos erráticos y bajos no significativos.

❑ El EDA también comprende la determinación de alguna estructura o modelo de la

data; así como la clasificación de la Data o la separación en sub-grupos.
5

Caracterización estadística

❑ Se entiende por CARACTERIZACION ESTADÍSTICA (CE), la

determinación e interpretación de los principales parámetros y tipos de
distribución de un determinado conjunto de datos o “data”.
❑ Básicamente de cada “data” se calcula: media, valor máximo, valor
mínimo, mediana, moda, varianza, desviación estándar, sesgo y
kurtosis.
❑ Estos datos se pueden entregar en forma de cuadros o gráficamente por
medio del denominado “box plot”
❑ También se plotea el respectivo histograma y curva de acumulación de
frecuencias.
❑ La interpretación de toda esta información constituye la CE
❑ Cualquier aplicación geomatemática o geoestadística debe estar siempre
precedida de una CE.
6

3
 7

Mediana Moda
Promedio
Estadísticos
principales
Mediana
Promedio
Estadístico Valor
Moda.- El intervalo de clase con la mayor frecuencia Promedio 1.966

Mediana.- La mitad de toda la distribución de frecuencias Mediana 1.94

Moda 1.92
Varianza Desviación Desviac. estándar 0.192
estándar Varianza 0.03698
Coef. Variación CV 0.098
Coeficiente de variación.- Desv. estándar/promedio
Kurtosis -0.45
Sesgo.- Mide el grado de asimetría de una distribución. Cola Sesgo 0.28
más larga a la derecha: sesgo positivo; al revés negativo. Rango 0.86

Kurtosis.- Es el grado de “espigamiento” de una distribución. Mínimo 1.57

Leptocúrtica si es muy apuntada; Planocúrtica si es muy aplanada; Máximo 2.43
y Mesocúrtica si se trata de una situación intermedia. n 124

Quartiles

Q1 Q2 Q3

4
Presentación sumaria de estadísticos:
“Box-plot” (Diagrama de caja)
Boxplot of Swelling clays
3.2

Tercer 3.0 Valor

Quartil máximo
2.8

2.6
Swelling clays

2.4

2.2 Mediana
2.0
Primer
1.8
Quartil
1.6

Valor mínimo

Presentación sumaria de la
Caracterización Estadística
Summary for Cu_ppm
A nderson-D arling N ormality Test
A -S quared 41.60
P -V alue < 0.005
M ean 44.132
S tD ev 46.065
V ariance 2122.025
S kew ness 4.6149
Kurtosis 42.6063
N 724
M inimum 3.000
1st Q uartile 15.200
M edian 31.450
3rd Q uartile 57.625
0 100 200 300 400 500 600 M aximum 632.000
95% C onfidence Interv al for M ean
40.771 47.493
95% C onfidence Interv al for M edian
29.070 34.000
95% C onfidence Interv al for S tD ev
9 5 % C onfidence Inter vals
43.809 48.569
Mean

Median

30 35 40 45 50
10

5
Verificación de la “normalidad”
p > a → Distribuc. normal
de una distribución
Summary for Cu gpl
A nderson-Darling N ormality Test
A -S quared 0.29
P -V alue 0.600
M ean 39.059
S tDev 1.003
V ariance 1.005
S kew ness 0.152379
Kurtosis -0.253495
N 180
M inimum 36.600
1st Q uartile 38.300
M edian 39.100
3rd Q uartile 39.700
37 38 39 40 41 42 M aximum 41.900
95% C onfidence Interv al for M ean
38.911 39.206
95% C onfidence Interv al for M edian
38.800 39.200
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
0.909 1.118
Mean

Median

38.8 38.9 39.0 39.1 39.2

11

Buen ajuste a recta

Test de normalidad p > a → Distribuc. normal

Probability Plot of Cu gpl

Normal
99.9
Mean 39.06
StDev 1.003
99 N 180
AD 0.293
95 P-Value 0.600
90
80
70
Percent

60
50
40
30
20
10
5

0.1
36 37 38 39 40 41 42 43
Cu gpl

12

6
 Identificación y Tratamiento de
Valores Bajos No significativos

M. Sc. Samuel Canchaya Moya

13

Valores bajos y/o No significativos

❑ Se consideran valores bajos y/o No significativos:

❑ Aquellos por debajo de los límites de detección de los análisis químicos o mineralógicos
cuantitativos.
❑ Aquellos que a pesar de ser mayores a los límites de detección, son valores aún muy bajos,
que pueden ser considerados como el fondo o el “ruido” de la data.
❑ El concepto de “valor bajo” o “no significativo” es muy relativo y dependerá del tipo de
aplicación que se le dará a la data.
❑ La mejor forma de definir valores bajos y/o no significativos es a partir del análisis de percentiles
en la Curva de Acumulación de Frecuencias.
❑ Hay que tener mucho cuidado con las distribuciones extremadamente sesgadas, especialmente
las log-normales; en estos casos es recomendable plotear distribuciones a escala log-normal para
poder analizarlas adecuadamente.
❑ Es una práctica habitual, válida sólo para algunas aplicaciones, reemplazar los valores por debajo
del límite de detección por la mitad de su valor.
❑ Es recomendable “eliminar” las columnas de variables (v. gr. elementos químicos) que presentan
muchos valores por debajo de sus límites de detección; especialmente si se va a realizar Análisis
Estadístico Multivariable.

14

7
 Identificación y Tratamiento de
Valores Altos Erráticos

M. Sc. Samuel Canchaya Moya

15

Definición de
valores altos
erráticos
❑ La ocurrencia aislada de
valores altos merece atención y
un tratamiento especial.

❑ Lo más crítico es definir si se

trata de valores altos
ERRATICOS.

❑ Estos valores son fácilmente

identificables en los
histogramas y gráficos de ❑ Por lo general representan menos del 5% del total de la
frecuencia acumulada. población, y por ende del tonelaje; sin embargo, debido
a su alto valor, aportan sensiblemente en el valor
❑ Estos casos son especialmente metálico global, en proporciones entre 20 y 40%.
frecuentes en los yacimientos
de baja ley y/o de minerales ❑ Por lo tanto, influyen y juegan un rol crucial en la
preciosos. economía del yacimiento.
16

8
 Summary for Cu_ppm
A nderson-Darling N ormality Test
A -S quared 41.60
P -V alue < 0.005
M ean 44.132
S tDev 46.065
Con todos los datos V ariance 2122.025
S kew ness 4.6149
Kurtosis 42.6063
N 724
M inimum 3.000
1st Q uartile 15.200
Identificación de valores M edian
3rd Q uartile
31.450
57.625
0 100 200 300 400 500 600
altos erráticos M aximum 632.000
95% C onfidence Interv al for M ean
40.771 47.493
95% C onfidence Interv al for M edian
29.070 34.000
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
43.809 48.569
Mean

Summary for Cu_ppm Median

30
A nderson-Darling 35 Test
N ormality 40 45 50

A -S quared 27.43
P -V alue < 0.005
Eliminando los altos erráticos: M ean 41.560
> 200 ppm Cu S tDev 34.626
V ariance 1198.994
S kew ness 1.45774
Kurtosis 2.12815
N 718
M inimum 3.000
1st Q uartile 15.175
M edian 31.200

0 30 60 90 120 150 180

3rd Q uartile 56.825 En ambos casos se rechaza la
M aximum 187.000
95% C onfidence Interv al for M ean hipótesis de normalidad porque:
p<a
39.023 44.097
95% C onfidence Interv al for M edian
29.000 33.675
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
32.923 36.517
Mean

Median

30.0 32.5 35.0 37.5 40.0 42.5 45.0

Diagramas de caja para visualizar

valores erráticos
FILOSILICATOS COMPÓSITOS DIARIOS CHANCADORA TERCIARIA

9 9.03

8
7.18
7 6.94

6
5.52
5.23
5.17
5
Data

4 4.15
4

3 3.12
2.94
2.9

0 0.12

prf mmt kao

18

9
 Monitoreo de la data para definir Estadísticos de kao:
x = 2.88
verdaderos altos ERRATICOS s = 1.18

Día kao Día kao

27 2.84 27 2.84
28 3.39 28 3.39
29 3.54 ALTO “ERRÁTICO” 29 3.54
30 3.58 30 3.58
31 2.67 31 2.67
32 9.03 x + 2s = 2.88 + 2.36 32 5.24
33 2.77 33 2.77
34 2.27 34 2.27
35 2.63 35 2.63
36 3.43 36 3.43
37 3.54 37 3.54

Día kao Día kao

116 2.58 116 2.58
117 2.40 117 2.40
118 3.54 118 3.54
119 5.17 119 5.17
120 4.28 120 4.28
121
122
7.18
5.52
121 7.18 ALTO “NO ERRÁTICO”
122 5.52
123 2.80 123 2.80
124 2.75 124 2.75
125 1.47 125 1.47
126 1.79 126 1.79

19

Scatterplot of kao vs prf

Comparación de nubes de 9

8
correlación con y sin altos 7

erráticos r = 0.54
6

5
kao

prf = 0.134 + 0.452 kao 3

0
0 1 2 3 4 5
prf
Scatterplot of kao vs prf
8

7
r = 0.61
6

5
prf = - 0.022 + 0.506 kao
kao

1
0 1 2 3 4 20
prf

10
 Nube de correlación prf vs mmt

3.50
3.00
Efecto de altos erráticos
2.50
2.00
en el coeficiente de
prf

1.50
y = 0.069x + 1.204
regresión lineal
1.00 r² = 0.182
0.50 r = 0.427

0.00
0.00 5.00 10.00 15.00 20.00
mmt

prf vs mmt sin altos erráticos

2.50

2.00

1.50
prf

1.00
y = -0.646x + 2.687
r² = 0.769
0.50 r = - 0.877

0.00
0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50
mmt

Nube de correlación mmt vs prf

2.50

2.00 Efecto de altos erráticos

1.50 en el coeficiente de
prf

1.00 y = 0.073x + 1.013

r² = 0.716
regresión lineal
0.50 r = 0.846

0.00
0.00 5.00 10.00 15.00 20.00
mmt

mmt vs. prf sin altos erráticos

1.60
1.40
1.20
1.00
prf

0.80
0.60 y = -0.017x + 1.199
0.40 r² = 0.006
r = 0.077
0.20
0.00
0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50
mmt

11
 Tratamiento de valores altos erráticos

❑ CORTES (“CUTTINGS”) EMPÍRICOS.-

❑ “Cut off” alto fijo.- V. gr. todos los “outliers” se reducen a 1 oz/t Au
❑ “Cut off alto variable”: regla del 1/3 – 1/3.- V. gr. 1.5 oz/t Au se reduce a:
0.33 + 0.33*(1.5 - 0.33) = 0.72 oz/t Au

❑ CORTES ESTADÍSTICOS.-
❑ Utilizando gráficos probabilísticos de frecuencia acumulada, donde los altos
erráticos se
discriminan fácilmente, para luego ser reducidos a un valor determinado.
❑ Usando “Control charts” (ver diapositivas siguientes)

❑ CORRECCIÓN LOGNORMAL O DE SICHEL (1952); Se reemplaza el alto errático por

el exponencial de la media de los logaritmos de los valores adyacentes multiplicados por
un factor de corrección que se obtiene en las tablas de Sichel, el cual es una función del
log de la varianza y del número de muestras; ver también DAVID (1977).
(Ejemplo en las diapositivas sub-siguientes).

23

Caracterizac. estadística kao (%)

Anderson-Darling Normality Test

Valores erráticos en A-Squared

P-Value <
5.43
0.005

“Control Charts” Mean

StDev
Variance
2.8756
1.1795
1.3913
Skewness 2.12283
Kurtosis 7.40478
1.5 3.0 4.5 6.0 7.5 9.0
N 144

Minimum 1.0700
1st Quartile 2.2550
Median 2.6500
Típico alto errático 95% Confidence Intervals
3rd Quartile 3.2450
Mean
Maximum 9.0300
Median

2.6 2.7 2.8 2.9 3.0 3.1

95% Confidence Interval for Mean
% kao
2.6813 3.0699

Control Chart of kao (%)

9
1 x s x + s x+2s x+3s
1 2.876 1.18 4.055 5.235 6.414
8
1
7
6.414 ALTERNATIVAS MAS USADAS:
Individual Value

6 1 1
1 1 1 1
5 5.235 ❑ Eliminar el alto errático
UCL=4.730
4 4.055 ❑ Reemplazarlo por la media más 1s, o
_ 2s o 3s
3 X=2.876
2
❑ Reducción por la regla del tercio
menos tercio.
1 LCL=1.021
0
1 15 29 43 57 71 85 99 113 127 141
24
Observation

12
 Ejemplo de tratamiento log-normal o de Sichel

❑ Alto errático: 35.3

❑ Selección de dos valores contiguos
Prof. Au
m g/t log Au
a ambos lados
321.29 1.02 ❑ n=5
325.18 2.40 ❑ Media aritmética = 8.96
327.89 1.54
329.90 1.00 0.00 ❑ Cálculo del log de los n valores
331.35 1.50 0.18 ❑ Media de los logs = 0.56
333.15 35.3 1.55 ❑ e media logs = 1.747
335.12 2.70 0.43
337.66 4.30 0.63 ❑ Log de la varianza = 2.34
339.26 1.05
341.18 1.47
343.29 1.08
media 8.96 0.56
var. 218.4 2.34

25

Tabla para la estimación del factor de Sichel (fcS)

V n

2.34 2.727

26

Tomado de Sichel (1966)

13
Ejemplo de tratamiento log-normal o de Sichel

❑ Alto errático: 35.3

❑ Selección de dos valores contiguos
Au
Prof. m g/t Log Au Au g/t
a ambos lados
321.29 1.02 1.02 ❑ n=5
325.18 2.40 2.40 ❑ Media aritmética = 8.96
327.89 1.54 1.54
329.90 1.00 0.00 1.00 ❑ Cálculo del log de los n valores
331.35 1.50 0.18 1.50 ❑ Media de los logs = 0.56
333.15 35.3 1.55 4.76 ❑ e media logs = 1.747
335.12 2.70 0.43 2.70
337.66 4.30 0.63 4.30 ❑ Log de la varianza = 2.34
339.26 1.05 1.05 ❑ Factor de corrección (fcS)
341.18 1.47 1.47
343.29 1.08 1.08
de la tabla de Sichel = 2.727
media 8.96 0.56
❑ Media de Sichel = fcS * e media logs = 4.763
var. 218.4 2.34

27

Correlación lineal entre dos

variables

M. Sc. Samuel Canchaya Moya

28

14
Correlación entre dos variables

La correlación entre dos variables es el tipo de asociación que existe entre ambas;
la misma que es cuantificada por el denominado Coeficiente de Correlación “r”:

Donde: n

 ( xi − x)( yi − y)
Cov( x, y )
r= • Cov es la covarianza: Cov( x, y ) = (1 / n)
Sx * Sy
i =1

• Sx y Sy son las desviaciones estándar

de x y y respectivamente
r [−1, + 1]

También se usa “r2” que se relaciona con la varianza total de x y y.

Por ejemplo: para r = 0.88; entonces r 2 = 0.77; lo cual significa que el 77 % de la
varianza total se puede explicar por una relación lineal.
29

30

Ejemplos de nubes de r [−1, + 1]

correlación
x
x

r = 0.94 r = 0.54

y
y
x x

r = - 0.94

r = 0.09

y y

15
 Ejemplo de nubes de correlación entre filosilicatos

Scatterplot of kao vs prf

8

7
prf = -0.022 + 0.506 kao
6

5
r = 0.61
kao

1
0 1 2 3 4
prf

31

Residuales en la regresión lineal

Y
y=b+mx

residual 6

residual 1

X
32

16
 33

Análisis de “residuales”

Residual Plots for prf

Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99.9
99 1
90

Residual
Percent

0
50

10 -1
1
0.1 -2
-2 -1 0 1 1 2 3 4
Residual Fitted Value

Histogram of the Residuals Residuals Versus the Order of the Data

80
1
60
Frequency

Residual
0
40
-1
20

0 -2
-1.5 -1.0 -0.5 0.0 0.5 1.0 1 1 0 2 0 30 40 5 0 6 0 7 0 80 90 10 0 11 0 1 2 0 1 30 1 40
Residual
Observation Order

Distribuciones sesgadas, Log-normales

y el Efecto Proporcional

M. Sc. Samuel Canchaya Moya

34

17
 Típica distribución LOG-NORMAL del Au
en un yacimiento epitermal de HS
Valores bajos no
significativos Moda

Mediana

Altos erráticos
Media

Au ppb 35
Tomado de Canchaya (2004)

Summary Statistics for Cu ppm

Verificación Anderson-Darling Normality Test
A-Squared 14.69
práctica de la P-Value < 0.005

Mean 2473.2

log-normalidad StDev
Variance
3225.6
10404234.4
Skewness 2.68188
Kurtosis 8.95936
0 3000 6000 9000 12000 15000 18000
Obviamente se rechaza la hipótesis N 169

de normalidad: p-value << a Minimum 118.0

1st Quartile 440.0
Median 1130.0
95% Confidence Intervals 3rd Quartile 3562.0
Mean Maximum 19342.0
Median 95% Confidence Interval for Mean
1000 1500 2000 2500 3000
1983.4 2963.0
95% Confidence Interval for Median
Probability Plot of Cu ppm
Lognormal - 95% CI
99.9

99
95 Los logs de los valores de Cu
90
80 trazados en un gráfico de
70
Percent

60
50
40
Loc 7.115 acumulación ploteado en un
30 Scale 1.219
20 N 169
gráfico probabilístico se ajustan a
10
5 AD 1.159 una recta.
P-Value <0.005
1

0.1
10 100 1000 10000 100000 36
Cu ppm

18
 Comprobación gráfica del
Efecto Proporcional
1500

1250
Ley media del oro (ppb)

1000

750

500

250

0
0 250 500 750 1000 1250 1500 1750 2000 2250 2500

Desviación estándar
37
Tomado de Canchaya (2004)

Referencias bibliográficas
❑ Canchaya S. (2004) Log-normalidad y efecto proporcional. Características frecuentes en los yacimientos de
oro.- XII Congr. Peruano Geol.; 4p.

❑ Canchaya S. (2013) Efecto proporcional: Característica frecuente en variables de exploración geoquímica.-

Pro-Explo 2013; Lima, 19 a 23 de Mayo.

❑ Canchaya S. (2013) Sampling of Variables with Proportional Effect.- GEOMET 2012; Sgo. de Chile Dic.
2012 y GEOMIN 2013; Sgo. de Chile Jul. 2013.

❑ David M. (1977) Geostatistical Ore Reserve Estimation.- Elsevier New York; 364 p.

❑ Rendu J. M. (1981) An Introduction to Geostatistical Methods of Mineral Evaluation.- South Afr. Inst. Min.
Metall.; Johannesburg; 84 p.

❑ Sichel H. S. (1952) New methods in the statistical evaluation of mine sampling data.- Trans. I. M. M.,
London; 61: 261-288.

❑ Sichel H. S. (1966) The estimation of means and associated confidence limits for smalls samples from
lognormal populations.- Symposium on Mathematical Statistics and Computer Applications in Ore Valuation:
106-122; South Afr. Inst. Min. Metall.; Johannesburg. Citado por Rendu (1981).

38

19