MARCO TEORICO

Geoestadística en minería
la geoestadística es una ciencia que utiliza la información recogida de la superficie
terrestre, expresada en cifras, para conocer la mayor o menor probabilidad de existencia
y distribución de yacimientos mineros. Ello permite, a la vez, estimar el mejor modo de
llevar a cabo los sucesivos procedimientos extractivos.
la geoestadística alcanzó un brillo especial durante la década de los 90s. Tiene cinco
grupos de técnicas principales: la geoestadística lineal, no lineal, no estacionaria,
multivariada y las simulaciones.
Su herramienta básica se denomina “variograma”. Se emplea para medir la relación
entre muestras espacialmente diferentes y para proyectar estimadores de los puntos que
no participaron en el muestreo.
Función de la geoestadística
Una vez recogida la información que va a utilizarse, se decide qué modelos de
estimación se usarán. Existen dos grandes modelos actualmente utilizados:
el kriging (o krigeaje), que se subdivide en ordinario, simple y de indicadores, y
el kriging puntual y de bloques. Esto en honor al ingeniero sudafricano Danie Krige,
que comenzó a desarrollar la geoestadística durante su trabajo en las minas de oro de
Witwatersrand.
Además, existen otros modelos de kriging como el universal, el IRFk, el disyuntivo y el
log-normal. El kriging no sólo se usa en minería; tiene aplicaciones hidrogeológicas, en
las ciencias de la tierra, medioambientales, en el procesamiento de imágenes satelitales
e incluso en el diseño de aparatos que utilizan microondas, entre otros.
En el campo de la minería, lo que busca el kriging en términos generales es interpolar
un valor (como la elevación, porosidades o presencia de contaminantes, por ejemplo) de
un lugar que aún no ha sido observado en base a observaciones realizadas en
ubicaciones cercanas.
Así, la geoestadística puede realizar evaluaciones de reservas mineras, es decir, la
estimación de parámetros a partir de un número relativamente pequeño de perforaciones
y muestras diversas.
Íntimamente relacionadas a los modelos de estimación están los modelos de simulación.
Esto debido a la necesidad de una mayor precisión de la información obtenida del
kriging.
 Modelo De Simulación y Estimación
Son diferentes y cada uno tiene sus ventajas y desventajas.
Por ejemplo, los modelos de estimación dependen mucho del número de muestras y de
cómo están distribuidos, cosa que no sucede en los modelos de simulación.
Por el contrario, los modelos de estimación no requieren de muchos recursos
informáticos, lo que sí es altamente demandante en el caso de los modelos de
simulación.
Al igual que en el caso de los modelos de estimación, aunque existen varios modelos de
simulación hay unos pocos que son más ampliamente conocidos y utilizados. Entre esto
se encuentran la simulación condicional, la gaussiana y la de indicadores.
Como puede verse, la geoestadística es un campo en pleno desarrollo y alto en
complejidad. Justamente por estas causas los profesionales especializados en esta área
son altamente demandados y constituyen un pilar muy fuerte en cualquier empresa
minera.
¿Te gustaría aumentar tu nivel de empleabilidad o mejorar la capacidad de desempeño
de tu equipo o la tuya propia? Dale una mirada a nuestro curso de Geoestadística y da el
paso al siguiente nivel en tu carrera.
Los Métodos Tradicionales de Estimación de Recursos Mineros
La estimación de recursos mineros se puede dividir en dos partes:
a) Estimación global: interesa estimar la ley media y el tonelaje de todo el yacimiento (o de
una zona grande S dentro del depósito o yacimiento).

b) Estimación local: Interesa estimar la ley media de unidades o bloques dentro de S, con el
fin de localizar las zonas ricas y pobres dentro de esta zona S.
La media aritmética
Para estimar la ley media de un conjunto S se promedian las leyes de los datos que están dentro
de S.
Los polígonos.
Asignar a cada punto del espacio la ley del dato más próximo. Para estimar una zona S se
ponderan las leyes de los datos por el área (o volumen) de influencia Si.
El método del inverso de la distancia
Asignar mayor peso a las muestras cercanas y menor peso a las muestras alejadas a S. Esto se
consigue al ponderar las leyes por 1/ i dα, (α = 1, 2, . . .; di = distancia entre la muestra i y el
centro de gravedad de S).
Análisis estructural
Una primera tarea a realizar como parte de cualquier análisis geoestadístico consiste en buscar
la estructura de los datos que se estudian, esto implica analizar los atributos distintivos de la
regionalización, de ahí el nombre de análisis estructural. El semivariograma es la herramienta
principal que permite describir el comportamiento de la variación espacial de un fenómeno. A
través de un análisis exploratorio y con base en el modelado del variograma se busca estructura
en el comportamiento del fenómeno. Posteriormente, el modelado del variograma se ajusta a un
modelo teórico que será utilizado en el modelo de interpolación de la variable.
El semivariograma
La hipótesis intrínseca para las variables regionalizadas establece que la varianza de las
diferencias entre los valores de una variable es una función que depende de la distancia de
separación h entre las ubicaciones.

Var [Z (x +h)– Z( x)]=2 γ (h)

γ (h)=(1/2) E[ Z( x+ h) – Z ( X )]2
Es común utilizar indistintamente el término variograma o semivariograma para referirse a la
función γ(h), aunque estrictamente hablando la función γ(h) es el semivariograma.
El semivariograma γ(h) es una característica de disimilitud entre dos lugares dada una distancia
de separación (h), y también es una medida que permite caracterizar la autocorrelación espacial
en el proceso.
El variograma experimental es un promedio de diferencias al cuadrado por clase de distancia h,
en donde N(h) es el número de pares de puntos que se encuentran a una distancia h.

Ejercicio aplicado
Para el tema en el ámbito minero se tiene varios problemas reales con estadísticas reales
y complejos por lo cual se opto por un ejercicio de variograma para la estimación de
recursos mineros.
Determinar Gamma(h) en las direcciones 0°, 90°,135° y 225° azimut, nos pide generar
las conclusiones en cuanto a la relación de los datos y la zona de influencia en la futura
estimación
Se tiene la información que la Concentración de hierro (%) en un nivel de mina. Malla
10x10

Resolución del Problema en Excel

VARIOGRAMA
14

12

10

0
0 5 10 15 20 25 30 35 40 45

Resultados en el Semivariograma
 16
SEMIVARIOGRAMA
14

12

10
ganma

0
0 5 10 15 20 25 30 35 40 45

DIRECCION 0° DIRECCION 90° h