ANALISIS ESTRUCTURAL

O
VARIOGRAFIA
ETAPAS DE UN ANALISIS GEOESTADISTICO
 ESTRUCTURA DEL TEMA
1 INTRODUCCIÓN
2 OBJETIVOS

3 ANALISIS ESTRUTURAL
4 PARTES DE UN VARIOGRAMA

5 TIPOS DE VARIOGRAMA

6 MODELOS DE VARIOGRAMAS

7 CARACTERISTICAS DEL VARIOGRAMA

8 INFORMACIÓN QUE APORTA EL VARIOGRAMA

9 CALCULO DE VARIOGRAMAS DE UNO, DOS Y TES

DIMENSIONES

10 VARIOGRAMA CRUZADO

11 ERROR DE ESTIMACION
 1. INTRODUCCION
La variografia es uno de los tópicos
importantes de la geoestadistica puesto que
se encarga de la caracterización de la
estructura espacial de una propiedad o
fenómeno regionalizado en pocas palabras
podemos decir que el análisis estructural
consiste en estimar y modelar una función
que refleje la correlación espacial de la
variable regionalizada a partir de la adopción
razonada de la hipótesis mas adecuada a
cerca de su variabilidad.
 2. OBJETIVOS

• El objetivo principal es definir: ¿Cuánto?, ¿Dónde? y

¿Cómo? están distribuidos los valores del mineral útil
dentro de la mineralización, con límites de confianza
que permitan tomar decisiones técnicas que tendrán
una connotación económica.

• Obtener los elementos prácticos de los principales

métodos de la geoestadística aplicada a la minería.

• Obtener herramientas básicas para

caracterizar yacimientos metálicos usando información
de registros de sondajes de exploración.
3. ANALISIS ESTRUCTURAL
O
VARIOGRAMA
 ¿De donde surgió?

• Antes de que Matheron, introdujera la geoestadística

los cálculos referidos a la predicción de valores para las
variables regionalizadas se hacían por métodos tales
como el inverso a la distancia y la poligonación.
• Estos métodos eran inexactos y no satisfacía los
requerimientos para dicha predicción.
• Pues su modo de operar era el siguiente:

Poligonal
Promedio
Inverso a la distancia o IVOR
• Poligonal: El método se basa en “asignar a cada punto
del espacio la ley del dato más próximo. Para estimar
una zona se ponderan las leyes de los datos por el área
de influencia ”.

• Promedio: Se basa en lo siguiente “para estimar la ley

media de un conjunto se promedian las leyes de los
datos que están dentro del conjunto”.

• Inverso a la distancia o IVOR: Se basa en “asignar

mayor peso a las muestras cercanas y menor peso a las
muestras alejadas ”.
 ¿Cuál era la dificultad?

• Lo que Matheron observo fue que si bien se hacia bien

dándole mayor peso a los puntos que estaban mas
cerca, no se tenia en cuenta la dirección de estos.

• Esto es de mucha importancia ya que las

mineralizaciones siempre tienen una dirección de mayor
eficiencia.

• Entonces podemos decir que la dificultad era que no

tomaban en cuenta las direcciones del yacimiento,
siendo estas de mucha importancia.
 3. VARIOGRAMA

• Es una herramienta que permite analizar el comportamiento

espacial de una propiedad o variable sobre una zona dada.

• El variograma es la representación matemática de un

yacimiento, de acuerdo a una VR, la cual puede ser leyes,
espesores, RQD, anisotropía, etc.

• La FUNSION variograma expresa cuantitativamente

aspectos geológicos importantes tales como la
CONTINUIDAD, TAMAÑO Y FORMA de la zona de
influencia en las direcciones que se haya aplicado.
 Variograma en diferentes direcciones

0° 90°

DIRECCIONES DEL
ANÁLISIS
ESTRUCTURAL
45° 135°

Variogramas en dos direcciones

4. PARTES DE UN VARIOGRAMA
 CONSTRUCCION DEL VARIOGRAMA
EXPERIMENTAL
 Por ejemplo para el caso de cálculo del
variograma en una dirección se tiene en el
 siguiente ejemplo, Fig. 1, leyes
distanciadas cada dos metros. En la Fig. 2
se describe
FIGURA 1
 el cálculo de cada punto del variograma
para distancias h=2m, h=4m, h=6m, etc.

FIGURA 2 13
VARIOGRAMA RESULTANTE

14
 Rango o Alcance y Sill:

2,5
Rango:
Distancia a la cual el
2 variograma se
estabiliza.
Variograma

1,5

1 SILL O MESETA Sill :

Valor constante que toma
0,5
el variograma en distancias
RANGO mayores al rango.
0
12
15
18
21
24
27
30
33
36
39
42
0
3
6
9

Distancia
 El efecto pepita o nugget.
❑ O discontinuidad de origen, da cuenta de cambio bruscos de los valores a
pequeña escala, lo cual generalmente sucede cuando se sobrepasa
subestructuras por debajo de la escala de trabajo. Este valor también
puede aparecer debido a errores sistemáticos: En el muestreo o
durante el proceso de análisis químico.

❑ Es cuando ocurre que para distancias pequeñas el valor del variograma no

se aproxima a cero.
0 p2
EFECTO PEPITA PURO
 ¿Qué mide el variograma?

Mide la semejanza o diferencia que puede existir

entre 2 puntos separados por una distancia “h”; es
decir mide la correlación espacial de estos puntos.
APLICACIONES:

▪ Leyes de Au, Ag, Cu, Fe, As, etc.

▪ Potencia de una veta o manto
▪ La variación del precio de Au en el tiempo
▪ Humedad
▪ Porosidad y permeabilidad
▪ Toneladas procesadas en Molinos
▪ Contenido mineralógico.
▪ % de elementos u óxidos (Si, Ti, K, CaO, MgO, Fe2O3, etc.)
▪ Recuperación de Au
▪ Densidad de fracturamiento
▪ Consumo de ácido (Kg/TM), etc.
 5. TIPOS DE VARIOGRAMA
Se tienen dos grupos de variogramas:

1. Variogramas teóricos: los cuales tienen fórmulas

ya establecidas.

2. Variogramas experimentales: este tipo de

variogramas se obtiene al hacer el cálculo a partir
de los datos y a partir de este lo ajustaremos a un
modelo de variograma teórico.
 ¿Por que existen modelos de
variogramas?
6
El variograma experimental no se puede
variograma experimental

4
evaluar en distancias o direcciones
3 Variograma
intermedias
experimental
2

1
Una interpolación entre los puntos del
0 variograma experimental no garantiza la
0
0.
4
0.
8
1.
2
1.
6 2
2.
4
2.
8
3.
2
3.
6 4
existencia y unicidad de la solución del
sistema de kriging
Distancia

La interpolación no satisface las

6 condiciones que todo variograma debe
5
satisfacer
4
Variograma
3 experimental

2 Modelo de
El variograma experimental no satisface
1
variograma
las condiciones que todo variograma debe
0 satisfacer
0

4
0.4
0.8
1.2
1.6

2.4
2.8
3.2
3.6

Distancia
 6. MODELOS DE VARIOGRAMAS

Modelos de variograma más comunes:

1. Modelos con meseta

• Modelo Lineal
• Modelo Efecto Pepita Puro
• Modelo Esférico
• Modelo Exponencial
• Modelo Gaussiano
• Modelo Cúbico
• Modelo Efecto Agujero

2. Modelo sin meseta

• Modelo Potencia
 6.1. MODELOS CON MESETA

• Modelo lineal

Y(h) = p.h .+ k

Donde:
▪ p es la pendiente de la recta.
▪ h el lag .
▪ k la intersección en el eje X (y*(n)).

Este modelo suele estar presente en algunos yacimientos de hierro

 • Modelo Efecto Pepita Puro

0 si h = 0
  h  = 

  s si h  0


Este modelo representa a un S

fenómeno completamente

Variograma
aleatorio, en el cual no hay
correlación espacial

Distancia

No importa cuán cerca se

encuentren los valores de
las variables, siempre serán
no correlacionados
• Modelo Esférico O modelo de Matheron

• Rango s y sill a
• Comportamiento lineal en el origen
• Representa fenómenos continuos pero no diferenciables
• Es uno de los modelos de variograma más utilizados

Este modelo suele estar presente en algunos yacimientos COBRE

 • Modelo Exponencial

Sill s que alcanza asintóticamente

Rango aparente igual a a

Rango experimental igual a 3a

Comportamiento lineal en el origen

Pendiente igual a 3s/a

Representa fenómenos
continuos pero no diferenciables

Crece más lentamente que el esférico

• Modelo Gaussiano

• Sill s que alcanza asintóticamente

• Rango aparente igual a a: 3 a
•Representa fenómenos continuos.

Tiene un comportamiento parabólico en el origen

 6.1. MODELOS SIN MESETA

• Modelo Potencia

 (h ) = s h
p

Variograma
s se denomina factor de escala: s=2.5, p=0.4

0 p2
s=0.4, p=1.8
s=1.15, p=1
El comportamiento en el origen depende
del valor de p.
Representa fenómenos no
estacionarios.

Distancia
 7. CARACTERISTICAS DEL VARIOGRAMA

7.1. CONTINUIDAD:
Esta estrechamente ligada al comportamiento del variograma en las
vecindades de origen.

7.1.1. Comportamiento del variograma para pequeñas distancias

Permite estudiar cuán rápido puede variar la variable en estudio a
pequeñas distancias, se puede distinguir 4 tipos:

A. Continuidad media o lineal.

B. Continuidad Estricta o cuadrático.
C. Efecto Pepita o Tangente vertical al origen.
D. Variable Aleatoria o Efecto Pepita Puro.

7.1.2. Comportamiento del variograma para grandes distancias

 A. Continuidad Estricta o cuadrático.

Para una distancia b pequeña las dos leyes

de la figura son casi iguales, lo que implica
que para h pequeño Ɣ(h) es próximo a cero.
b

Leyes muy regulares y continuas

Luego el gráfico del Ɣ(h), será como las

siguientes figuras

Indica que para distancias pequeñas, el

3,5
variograma tiene un comportamiento 3

parabólico en el origen. 2,5

Variograma

Representa variables sumamente continuas e 1,5

1
infinitamente diferenciables. Así, la
0,5
propiedad NO puede cambiar rápidamente de 0
10

13

16

19

22

25

28

31

34

37
1

un punto a otro. Distancia

 B. Continuidad media o lineal.
La Variable es continua pero no es derivable.

En este caso, para una distancia pequeña, la

Diferencia de leyes es significativa.

Luego el gráfico del Ɣ(h), será como las

siguientes figuras.

Representa variables continuas pero no

diferenciables. Así, la propiedad puede cambiar
rápidamente de un punto a otro.
3,5
3
3
La variabilidad de la propiedad 2,5
2,5
dependerá de la pendiente de la

Variograma
2
Variograma

2
recta en el origen. 1,5
1,5

1 1

A mayor pendiente, mayor variabilidad 0,5 0,5

0
0

9
1,5

4,5

7,5

5
A menor pendiente, menor variabilidad. 0 1 2 3 4 5 6 7 8 9 10 11

10,
Distancia Distancia
 C. Efecto pepita o tangente vertical al origen
Existencia de micro variaciones; presencia de una estructura a menor escala.
La variable es mas continua.

Si la equidistancia entre datos b es menor que la

escala de variación d de las microestructuras, el
variograma en una vecindad de origen será:

Si existiese un crecimiento rápido hasta I h I = d

(debido a la micro regionalización) y luego un
crecimiento mas moderado (debido a la variación a
gran escala): se dice que existe efecto pepita. Co se
llama de pepita.

Es decir existe una discontinuidad aparente en el

origen.
 D. Variable aleatoria o Efecto Pepita Puro

Caso en el cual la irregularidad de las leyes es total, la variable es caótica

Por muy pequeña que sea la distancia b,

las leyes de dos puntos a esta distancia
son prácticamente independientes.
Luego el gráfico del Ɣ(h), será:
Se dice que Ɣ(h) presenta un efecto de
pepita puro
 Comportamiento del variograma para pequeñas distancias

Continuidad Estricta Continuidad Media Efecto Pepita o Variable Aleatoria

o o Tangente Vertical o
Cuadrático Lineal Origen Efecto Pepita Puro

b
 7. CARACTERISTICAS DEL VARIOGRAMA

7.2. COMPORTAMIENTO A GRANDES DISTANCIAS

NO TODOS LOS
VARIOGRAMAS POSEEN UN

Variograma
RANGO Y UN SILL FINITO

INDICA LA PRESENCIA
DE UNA DERIVA O DRIFT

VARIABLE NO ESTACIONARIA
Distancia
 Comportamiento-grandes distancias

Drift

E (Z ( x )) = m( x )

 (h ) = EZ (x + h ) − Z (x ) − m(x + h ) − m(x )

1 2 1 2

2 2

Sesgo

Estimación del variograma

Variograma Teórico
 Anisotropías

Generalmente cuando el variograma experimental

es calculado en distintas direcciones presenta
distintos comportamientos con la variación de la
distancia.

• Anisotropía Geométrica

• Anisotropía Zonal

• Anisotropía Híbrida
 • Anisotropía Geométrica

Es aquella en la que el variograma 2,5

en distintas direcciones presenta
el mismo sill pero rangos
2
distintos

Variograma
1,5 N-S
E-O
Mayor continuidad espacial en la
1
dirección de mayor rango

0,5

Menor continuidad espacial en la

dirección de menor rango 0
0,0 0,9 2,0 3,0 4,1 5,1 6,2 7,2 8,3 9,3 10,4 11,4

Distancia
 • Anisotropía Zonal

3,5

Es aquella en la que el 3
variograma en distintas
direcciones presenta el 2,5

mismo rango pero diferente 2

Variograma
sill.
1,5

1
Presencia de diferentes
estructuras. 0,5

0
0 0,94 1,99 3,04 4,09 5,14 6,19 7,24 8,29 9,34 10,4 11,4

Distancia
 • Anisotropía Híbrida

4,5
Es aquella en la que el 4
variograma en distintas
3,5
direcciones presenta rangos

Variograma
diferentes y distintos sill. 3
2,5
2
Presencia de diferentes
estructuras 1,5
1
0,5
Característico de variogramas 0
verticales 0 0,6 1,2 1,8 2,4 3 3,6 4,2 4,8 5,4 6 6,6 7,2
Distancia
8. INFORMACIÓN ESTRUCTURAL QUE APORTA
EL VARIOGRAMA

1. Continuidad espacial

2. Zona de influencia

3. Las anisotropía

4. Las estructuras anidadas

5. La no estacionalidad ( derivas tendencias

El variograma describe la continuidad
espacial del fenómeno:

42
9. CALCULO DE VARIOGRAMAS DE UNO, DOS
Y TRES DIMENSIONES
 [d 1]2 [d 2]2 [d 3]2 [d 4]2 [d 5]2 [d 6]2 [d 7]2 [d 8]2
3.2
2
 (h) =  Z2x(+nh−−hZ) x
4 0.64
2.8 1.44 0.16
3.2 0.16 0.64 0.00
3 0.04 0.04 1.00 0.04
3.6 0.36 0.16 0.64 0.16 0.16
2 2.56 1.00 1.44 0.64 4.00 1.44
4.5 6.25 0.81 2.25 1.69 2.89 0.25 1.44
2.5 4.00 0.25 1.21 0.25 0.49 0.09 0.25 1.69
5.2 7.29 0.49 10.24 2.56 4.84 4 0.09 2.25
2.3 8.41 0.04 4.84 0.09 1.69 0.49 4.00 5.76
2.8 0.25 5.76 0.09 2.89 0.64 0.64 0.49 0.81
2.2 0.36 0.01 9.00 0.09 5.29 0.04 0.64 0.04
4.1 3.61 1.69 3.24 1.21 2.56 0.16 0.04 1.96
5.2 1.21 9.00 5.76 8.41 0.00 7.29 0.16 4.41
8.3 9.61 17.64 37.21 30.25 36.00 9.61 7.29 0.49
6.1 4.84 0.81 4.00 15.21 10.89 14.4 9.61 33.64
4 4.41 18.49 1.44 0.01 3.24 1.44 14.44 0.81
2.6 1.96 12.25 32.49 6.76 2.25 0.16 1.44 2.89
3.5 0.81 0.25 6.76 23.04 2.89 0.36 0.16 0.49

2
S[d h] 58 69 122 93 78 40 40 55
n-h 19.00 18.00 17.00 16.00 15.00 14.00 13.00 12.00
2(n-h) 38 36 34 32 30 28 26 24
Y(h) 1.53 1.93 3.58 2.92 2.59 1.44 1.54 2.30
 VARIOGRAMA RESULTANTE

g(h)
5

2
experimental

1
ajuste
h

0
0 1 2 3 4 5 6 7 8
a = 12 m
 CALCULO DE VARIOGRAMAS A UNA, DOS Y TRES
DIMENSIONES

VARIOGRAMA A 1 DIMENSION
Por ejemplo para el caso de cálculo del variograma en una dirección se tiene en el
siguiente ejemplo, Fig. 1, leyes distanciadas cada dos metros. En la Fig. 2 se describe
el cálculo de cada punto del variograma para distancias h=2m, h=4m, h=6m, etc.

FIG. 1

FIG. 2
VARIOGRAMA A 2 DIMENSIONES:

Es necesario precisar la dirección de cálculo, esta dirección se indica en base

a un rango de ángulo que deberán formar los pares de muestras. Cualquier
otro par de muestras que no cumplen con el rango de orientación no formará
parte del cálculo del variograma. Por ejemplo en el gráfico siguiente se
presentan muestras en X e Y.
 • Cálculo del variograma para una malla regular bidimensional

En este caso h es un vector (con coordenadas cartesianas o polares):

11/08/2020
i) Fijemos la dirección θ del vector h; que sea por ejemplo θ = 90º, es decir, la
dirección NS. El vector h sólo puede ser:
ii) Sea ahora la dirección θ = 0º, es decir la dirección EW. El vector h sólo
puede ser:

11/08/2020
iii) La práctica demuestra que para estudiar las estructuras basta con
calcular γ(h) en dos direcciones adicionales: θ = 45º y θ = 135º
VARIOGRAMA DE 3 DIMENSIONES

Acabamos de estudiar el ajuste de variogramas en el espacio de una

dimensión.
Sin embargo, en la práctica se
dispone de un conjunto de variogramas γ1(h), γ2(h), . . . , γk(h)
correspondientes a las direcciones α1, α2, . . . , αk.

Figura III.73: Direcciones en las cuales se ha calculado el variograma.

a) CÁLCULO DEL VARIOGRAMA PARA MALLAS
IRREGULARES.

En el caso bidimensional, la situación es la siguiente:

En la figura III.52 se observa la localización de pozos de tiro en un banco
de la mina de hierro de Marquesado, España. Supongamos que queremos
calcular γ(h1) utilizando el algoritmo general, siendo h1 el vector siguiente:

Lo más probable es que no encontremos ningún o muy pocos pares de datos

que estén exactamente a la distancia h1. Es necesario entonces introducir
aproximaciones Para el cálculo de γ(h).
Aproximación: Método de los sectores. Se basa en la aproximación siguiente:
“Dos puntos están aproximadamente a la distancia h si una vez fijado el primero,
el segundo cae en la zona de la figura”:

Si el punto P2 cae en la zona amarilla, entonces se dice que P1 y P2 están

aproximadamente a la distancia h.θ se llama tolerancia angular, ε se llama tolerancia
en distancia.
 La elección de θ y ε depende de la distribución espacial de los datos y de
la práctica. En algunos casos la práctica recomienda utilizar θ = 22.5º y ε = 0.5b,
en que b es la distancia mínima (llamada paso) para el cálculo de γ(h).
Este método de aproximación presenta problemas:
• Puede caer más de un punto en la zona. En este caso se consideran las diferencias
en el cálculo.
• Si /h/ es grande, Como el ángulo se abre, la aproximación tiende a ser grosera:

Algunos paquetes computacionales definen otro tipo de zona para evitar

este problema (método del lápiz):
En este caso hay que definir tres parámetros: θ, ε y d
(d se llama a veces ancho de banda). Hay que tener presente que es necesario
conocer bien el variograma en una vecindad de h=0
(los puntos más cercanos al origen), luego, en algunas situaciones no se
justifica este método del lápiz.
El método de los sectores se puede generalizar al espacio de tres dimensiones:
10. VARIOGRAMA CRUZADO
Comportamiento espacial en conjunto
 ZY
Este tipo de variograma se utiliza para estudiar la
relación entre dos valores.

Por ejemplo:

• Para determinar la cantidad de oro y plata que

hay en un yacimiento.
• Cobre con Molibdeno
 Variograma Cruzado

Si Z, Y son funciones aleatorias estacionarias o intrínsecas, el

variograma cruzado se define como :

1
 ZY (h) = E[(Z ( x) − Z ( x + h)) (Y ( x) − Y ( x + h))]
2

Para su estimación se utiliza el variograma cruzado experimental

1
 ( h) =
*
ZY
2 N (h)
 ( z( x ) − z( x ))( y( x ) − y( x ))
i j i j
xi − x j = h
 Variograma Cruzado-propiedades

1)  ZY (0) = 0

2)
 ZY (− h ) =  ZY (h )
3)  ZY (h ) =  YZ (h ) El variograma cruzado es una función simétrica
El modelo de variograma cruzado no puede ser escogido
independientemente de cada uno de los variogramas
individuales.
El producto de cada uno de los sill de los variogramas
individuales es mayor que el cuadrado del sill del variograma
cruzado. 2
S ZY  S Z SY
 EJEMPLOS

Ag Au
N° H
Gr/tm Gr/tm H1 H2 H3 H4
1 0 7 5
2 20 2 1 20
3 20 8 6 30 1
4 20 3 2 20 1 12
5 20 5 4 4 6 9 2
Y(h) 74 8 21 2
S[dh] 2
10
9
n-h 4 3 2 1
8
7
6 2(n-h) 8 6 4 2
5
4 Y(h) 9.25 1.33 5.25 1
3
2
1
0 Y(h)
1 2 3 4
 Ag Au
N° H
Gr/tm Gr/tm
H1 H2 H3 H4
1 0 1 5
2 20 6 1 -20
3 20 2 6 -20 1
4 20 5 2 -12 -1 -12
5 20 1 4 -8 2 -15 0

-60 2 -27 0
Y(h) S[dh] 2
1
n-h 4 3 2 1
0
-1 1 2 3 4
2(n-h) 8 6 4 2
-2
-3 Y(h) -7.5 0.33 -6.75 0
-4
-5
-6
-7
-8
Y(h)
CONSTRUCCIÓN DE VARIOGRAMAS EN
LOS DIVERSOS TIPOS DE YACIMIENTOS
Yacimientos filoneanos, diseminados de oro, pórfido de cobre,
skarn, mantos de hierro entre otros.

11/08/2020
 11. ERRORES DE ESTIMACIÓN
 Los métodos tradicionales de estimación no
proporcionan el error asociado a la estimación,
entregan un único valor, por ejemplo zs = 1.22%Cu .
 Sea zv la ley verdadera desconocida de V. Podríamos
inferir una ecuación
zv = zs ± error (ε)
ε = zv ± zs
Debemos Realizar mas
Sondajes ?
 Sesgo condicional
Sobre-estimación de las leyes altas y una
Sub-estimación de las leyes bajas.
 Devido a que zv es desconocido,
entonces ε es desconocido. Por lo que este
error (ε) se puede caracterizar
probabilísticamente al utilizar el modelo
matemático.
 Asumimos que ε es una magnitud aleatoria
(Variable aleatoria)
Sea un bloque o zona V y un conjunto de datos z(x1), z(x2), . . . , z(xN), en que:
xi = coordenada del dato z(xi)
z(xi) = ley en el punto xi
N = Numero
No se conoce la ley media de V: Zv
En la práctica, se estima la ley media desconocida
por una fórmula lineal del tipo:
zv - a1z(x1) + a2z(x2) + ... + aNz(xN)

En que los ai verifican la condición de insesgado:

ax +a2+... + aN =1
Los pesos a1 dependen del método de
estimación utilizado
 No podemos conocer
el error en Signo y
magnitud, pero
Ley Estimada podemos caracterizar
Probabilisticamente el
error

Ley Desconocida
 Asumimos entonces…

Esta magnitud aleatoria tiene una cierta ley de

probabilidad caracterizada por una esperanza
matemática mE y una varianza σ2. Respecto de
la ley de probabilidad del error, asumimos que:
La ley de probabilidad del error es la ley
normal o de Gauss . En Geoestadística esta
aproximación es razonable, pero se pueden
utilizar otras aproximaciones tales como la
desigualdad de Chebichev
 distribución NORMAL O DE
GAUSS
 Esta caracterizada por dos parámetros:
 La media µ, y la varianza (desviación típica) σ.
 Su función de densidad es: