Universidad Andrés Bello

Facultad de Ingeniería
Ingeniería Civil en Minas
Sede Concepción

Guía de estudio: La teoría de muestreo de Pierre Gy

Dr. Pierre Maurice Gy, Dr. En Física y Matemáticas además de Ingeniero Químico,
nació en Francia el 1924 y Falleció en París en noviembre del 2015. Trabajó como
Ingeniero Químico en la Compagnie Miniere Du Congo Francais, Congo, antes de
volver a París como Ingeniero de investigación para la minería y el procesamiento
de organización comercial Minerais et Metaux. Fue en este periodo donde Gy
comenzó el estudio profundo del muestreo, especialmente con la caracterización
de productos químicos a granel industrial, agregados y procesos químicos. Gy se
convirtió en jefe de los laboratorios de procesamiento de minerales y en la década
del 60 fue nombrado director técnico, mientras tanto continuó desarrollando los
inicios de su teoría de muestreo.

Según cuenta la historia, fue en la mina del Congo cuando Gy comienza su

investigación y estudio sobre el muestreo de minerales, cuando su jefe le solicitó
calcular la ley y el tonelaje de un stock de mineral de plomo, recomendándole ir a
la biblioteca para encontrar el método recomendado. Pero en la biblioteca de la
mina, no había información sobre el muestreo de minerales. Ante esto, el jefe le
dio la libertad de hacer lo que él considerara adecuado. Utilizando su buen sentido
de Ingeniero, Pierre tomó muestras y estimó la ley y el tonelaje, pero le quedó
una gran inquietud y una tarea a futuro que fue desarrollar una teoría para el
muestreo de minerales, consiguiéndolo en investigaciones posteriores, donde
algunas de ellas las costeo de su propio bolsillo. (Fuente: IIMCH)

1. Descomposición de errores
La teoría del muestreo de Gy se basa en la descomposición del error total
considerando que el muestreo se realiza en diversas etapas y separándolo del error
de análisis. En base a esto, que se identifican tres notaciones para los errores:
• OE (Overall error) correspondiente al error total
• TE (Total sampling error) que corresponde al error cometido en las etapas
del muestreo.

IMET415 – 2019 – 1 FGV 1

Universidad Andrés Bello
Facultad de Ingeniería
Ingeniería Civil en Minas
Sede Concepción

• AE (Analytical error) que es el error del análisis o del método de análisis

Estos errores se relacionan mediante la siguiente ecuación

𝑂𝐸 = 𝑇𝐸 + 𝐴𝐸
Ahora, como el muestreo involucra diversas etapas, el error total en las etapas de
muestreo puede dividirse en una suma de los errores parciales, cada uno de ellos
compuesto por un error de preparación (PEi) y un error de selección (SEi),
donde un PEi puede ejemplificarse en errores cometidos dentro de un proceso de
conminución y un SEi se puede ejemplificar con la mala reducción de la muestra.
La matemática detrás de estos errores, se muestra a continuación.

OE =  TE i + AE
i

TEi = PEi + SEi

OE =  ( PEi + SEi ) + AE
i

Pierre Gy construye su teoría basándose en dos modelos, el modelo de selección

continuo y el modelo de selección discreto.
El modelo de selección continuo considera un muestreo de material como si este
fuera un flujo unidimensional continuo y permite resolver el problema de forma
simple, caracterizando el flujo por el error de contenido critico en un tiempo dado
(QE) y el error de medición de flujo de material en un tiempo determinado (WE)
El error para este modelo, se define como:

CE = QE + WE
Donde el error de contenido critico puede descomponerse en la suma de tres
errores:

QE = QE1 + QE2 + QE3

Donde,
• QE1 error de fluctuación de corto alcance
• QE2 error de fluctuación de largo alcance no periódica
• QE3 error de fluctuación periódica

IMET415 – 2019 – 1 FGV 2

Universidad Andrés Bello
Facultad de Ingeniería
Ingeniería Civil en Minas
Sede Concepción

Hay que recordar que el modelo de selección continuo considera el problema de

seleccionar puntos en el eje temporal, lo que es necesario relacionarlo con la
realidad, donde se cuenta con fragmentos o grupos de fragmentos (selección
discreta).
Con respecto al modelo de selección discreta, se ve afectado por el modelo de
selección continua y por un error de materialización, relacionándose como:

SE = CE + ME
Este error de materialización se compone de un error de delimitación y otro de
extracción del incremento, de forma que:

SE = QE1 + QE2 + QE3 + WE + DE + EE

Donde,
• QE1 error de fluctuación de corto alcance
• QE2 error de fluctuación de largo alcance no periódica
• QE3 error de fluctuación periódica
• WE error en medición del flujo (weighting error)
• DE error de delimitación del incremento
• EE error de extracción del incremento
Finalmente, el modelo de selección discreto identifica el lote L con un grupo
discreto de unidades (pueden ser partículas individuales o grupos de partículas).
Por eso es que se define la heterogeneidad de constitución y de distribución del
lote.
• CHL la heterogeneidad de constitución del lote se refiere a las propiedades
intrínsecas de la población de partículas individuales.
• DHL la heterogeneidad de distribución del lote se refiere a la distribución
espacial de las partículas (y grupo de partículas) en el lote

IMET415 – 2019 – 1 FGV 3

Universidad Andrés Bello
Facultad de Ingeniería
Ingeniería Civil en Minas
Sede Concepción

En resumen, el error total se obtiene mediante:

OE =  ( PEi + SEi ) + AE
i

OE =  ( PEi + QE1i + QE 2i + QE3i + WEi + DEi + EEi ) + AE

i

OE =  ( PEi + FEi + GEi + QE 2i + QE3i + WEi + DEi + EEi ) + AE

i

Donde,
• PEi error de preparación de la etapa i
• QE1i error de fluctuación de corto alcance
• QE2i error de fluctuación de largo alcance no periódica
• QE3i error de fluctuación periódica
• WEi error en medición del flujo (weighting error)
• DEi error de delimitación del incremento
• EEi error de extracción del incremento
• FEi error fundamental de la etapa i
• GEi error de agrupamiento y segregación de la etapa i
• AE error analítico

2. El error fundamental
El error fundamental corresponde al mínimo error de muestreo (FE) que se
tendría si se seleccionara cada fragmento o partícula aleatoriamente, una a la vez.
Para un determinado peso de muestra, el FE es el mínimo error de muestreo que
existiría si el protocolo de muestreo fuera implementado de manera perfecta. Por
lo tanto, para un estado dado de conminución y un determinado peso de la
muestra, el FE es el menor error posible. A pequeña escala, la heterogeneidad de
constitución de la muestra es la principal responsable del error fundamental, por
lo que el FE puede ser pequeño para constituyentes mayores y materiales finos,
pero puede ser abrumador para constituyentes menores. Si bien la heterogeneidad
es responsable de este fenómeno, mezclando y homogeneizando el lote no
necesariamente va a reducir el FE.

IMET415 – 2019 – 1 FGV 4

Universidad Andrés Bello
Facultad de Ingeniería
Ingeniería Civil en Minas
Sede Concepción

El concepto de heterogeneidad hace referencia a la variabilidad encontrada en una

población estadística (lote) y que puede dividirse en heterogeneidad de
constitución (CH) y la heterogeneidad de distribución (DH). El CH hace
referencia a que cada partícula del lote tiene un contenido critico diferente y el DH
consiste en las diferencias observadas de un grupo de fragmentos o partículas
(incremento) a otro. La variabilidad de la población se debe a tres factores que
son la heterogeneidad de constitución, La distribución espacial de los
constituyentes o estado de segregación y La forma del lote que junto a la presencia
de la gravedad es responsable de la segregación.

• CH = Diferencia
composicional entre los
fragmentos.
• DH = Diferencias de
distribución de los tamaños
entre los fragmentos.
• Si todos los fragmentos
fueran iguales en forma y
contenido (CH=0),
entonces no habría DH:
cualquier grupo de
fragmentos de igual tamaño
sería idéntico.
Figura 1 Imagen representativa para CH y DH

2.1. La varianza del error fundamental

La varianza del error fundamental propuesto por Pierre Gy, se puede estimar a
partir de la formula general de la teoría de muestreo de Gy.

IMET415 – 2019 – 1 FGV 5

Universidad Andrés Bello
Facultad de Ingeniería
Ingeniería Civil en Minas
Sede Concepción

2
1 1
𝜎𝐹𝐸 =( − ) ∙ 𝐶 ∙ 𝑑 3 ; 𝑐𝑜𝑛 𝐶 = 𝑓 ∙ 𝑔 ∙ 𝑙 ∙ 𝑚
𝑀𝑆 𝑀𝐿
Donde,
• MS = masa de la muestra en gramos
• ML= masa del lote en gramos
• d = diámetro (d95) de partículas en cm
• C = constante de muestreo en g/cm3, depende de d
• f = Factor de forma
• g = Factor de distribución de tamaño de partículas
• l = Factor de liberación
• m = Factor de composición mineralógica
Un caso muy particular dentro de la ley general de Gy, es cuando la masa del lote
mineral es mucho más grande que la masa de la muestra necesaria a extraer. Esto
genera que el termino inverso a la masa del lote tienda a cero, por lo que mediante
con simples arreglos matemáticos, es posible calcular la masa de una muestra
representativa de forma mucho más simple.

2.2. Calculo de masa para muestra representativa

El arreglo matemático a la ecuación general de Gy permite obtener la siguiente

ecuación:

𝐶 ∙ 𝑑3
𝑀=
𝑆2

Donde,
 M = Peso mínimo de la muestra requerida.
 C = Constante de muestreo.
 d = Tamaño máximo del material muestreado.
 S = Medida de error estadístico que puede ser tolerado, o el error cometido
por muestreo.

IMET415 – 2019 – 1 FGV 6

Universidad Andrés Bello
Facultad de Ingeniería
Ingeniería Civil en Minas
Sede Concepción

Es importante considerar que C está compuesto por el producto de factores de

forma (f), mineralógicos (m), de granulometría (g) y de liberación (l), tal como se
especifica a continuación.

𝐶 =𝑓∙𝑔∙𝑙∙𝑚
El factor de liberación se determina mediante la tabla de Gy, para saber el valor
del factor correspondiente es importante saber la relación que existe entre el d y
el tamaño de liberación del mineral (dL). La Tabla 1, muestra los valores del factor,
según la relación de los diámetros.
Tabla 1 Valores para el factor de liberación

𝑑/𝑑𝐿 <1 1-4 4-10 10-40 40-100 100-400 >400

l 1 0.8 0.4 0.2 0.1 0.05 0.02

El factor de forma (Tabla 2) se obtiene mediante la tabulación de datos obtenidos

de forma matemática y experimental.
Tabla 2 Factor de forma para cada tipo de material a procesar

Carbón f = 0.45
Mineral de hierro f = 0.5
Pirita f = 0.47
Cuarzo f = 0.47
Roca Común f = 0.5
Biotita, muscovita, schelita f = 0.1
Oro liberado f = 0.2
Minerales aciculares f>1

Para el caso del factor de distribución granulométrica, Pierre Gy experimentó

con distintos minerales, y concluyó que la sumatoria del factor podía ajustarse
bien utilizando el d95 y un factor g = 0.25 por lo que generalmente se utiliza este
valor de forma constante. Aunque en la realidad, el factor g depende de cuan
calibrado se encuentre un material (Tabla 3).

IMET415 – 2019 – 1 FGV 7

Universidad Andrés Bello
Facultad de Ingeniería
Ingeniería Civil en Minas
Sede Concepción

Tabla 3 Valores para el factor granulométrico

Material no calibrado g = 0.25 Ej. Material chancado

Material Calibrado g = 0.55 Ej. Material entre dos mallas
Material naturalmente Ej. Material de tamaños determinados
g = 0.75
calibrado naturalmente

Por último, el factor de composición mineralógica utilizado en la teoría de

Pierre Gy, se obtiene de forma matemática tal como sigue:
1−𝐴
𝑚= ∙ [(1 − 𝐴) ∙ ̅̅̅̅
𝜌𝑚 + 𝐴 ∙ ̅̅̅]
𝜌𝑔
𝐴
Donde A corresponde al promedio fraccional del contenido mineralógico, 𝜌𝑚
̅̅̅̅
corresponde a la densidad media de la mena, 𝜌𝑔
̅̅̅ corresponde a la densidad

media de la ganga.
Es importante definir matemáticamente la variable A, por lo que
𝐷𝑎𝑡𝑜 𝑎𝑛𝑎𝑙í𝑡𝑖𝑐𝑜 (𝑙𝑒𝑦 𝑑𝑒𝑙 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜)
𝐴=
𝐷𝑎𝑡𝑜 𝑓𝑟𝑎𝑐𝑐𝑖𝑜𝑛𝑎𝑙 (% 𝑑𝑒𝑙 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑒𝑛 𝑒𝑙 𝑚𝑖𝑛𝑒𝑟𝑎𝑙)

Por último, es importante mencionar que la medida de error analítico del muestreo
corresponde a:
𝐸𝑟𝑟𝑜𝑟 𝑎𝑛𝑎𝑙í𝑡𝑖𝑐𝑜
2𝑆 =
𝐷𝑎𝑡𝑜 𝑎𝑛𝑎𝑙í𝑡𝑖𝑐𝑜

IMET415 – 2019 – 1 FGV 8

Universidad Andrés Bello
Facultad de Ingeniería
Ingeniería Civil en Minas
Sede Concepción

Ejemplo de cálculo:

Un mineral de cabeza que tiene cerca del 5% de plomo asociado a la galena, será
muestreado con un error de muestreo del 10% para el plomo. La galena es liberada
de la ganga (cuarzo), a un tamaño de 150 µm.
Si el muestreo se realiza durante la trituración, en que el tamaño mayor del
mineral es de 25 mm.
Determine el tamaño de la muestra representativa. Recomendación,
intente resolver el ejercicio antes de ver la solución.

Solución:
Datos
Dato analítico del Pb 5% de Pb
Mineral de mena y ganga PbS y SiO2
Densidad de mena 7,6 t/m3
Densidad de ganga 2,65 t/m3
Tamaño de liberación 150 µm
Tamaño máximo de mineral 25 mm
Error de muestreo 10%

Para realizar el cálculo de la masa de muestra representativa se debe ocupar las

𝐶∙𝑑 3
ecuaciones que se presentaron anteriormente: 𝑀= y 𝐶 =𝑓∙𝑔∙𝑙∙𝑚
𝑆2
Primero, es mejor obtener el valor de la constante y para esto vamos paso a paso
El factor de liberación se calcula obteniendo la razón de radio mayor sobre radio
de liberación entonces d/dL = 25/0.150 = 166.66, ubicando este valor en la tabla
obtenemos un l = 0.05.
El factor de forma f = 0.5, dado que la galena no posee un valor especifico con
respecto a la tabla ni es un mineral de tipo acicular.
El factor granulométrico g = 0.25, debido a que es un mineral a granel y no
tamizado, ni dentro de la roca caja o roca madre.

IMET415 – 2019 – 1 FGV 9

Universidad Andrés Bello
Facultad de Ingeniería
Ingeniería Civil en Minas
Sede Concepción

Por último, el factor mineralógico es necesario calcularlo a partir de las ecuaciones

1−𝐴
𝑚= ∙ [(1 − 𝐴) ∙ ̅̅̅̅
𝜌𝑚 + 𝐴 ∙ ̅̅̅]
𝜌𝑔
𝐴
𝐷𝑎𝑡𝑜 𝑎𝑛𝑎𝑙í𝑡𝑖𝑐𝑜 (𝑙𝑒𝑦 𝑑𝑒𝑙 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜)
𝐴=
𝐷𝑎𝑡𝑜 𝑓𝑟𝑎𝑐𝑐𝑖𝑜𝑛𝑎𝑙 (% 𝑑𝑒𝑙 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑒𝑛 𝑒𝑙 𝑚𝑖𝑛𝑒𝑟𝑎𝑙)
Sabiendo que la ley de cabeza del plomo en el mineral a muestrear es del 5%, el
peso molecular del plomo es de 207.2 g/mol, el del azufre es 32.06 g/mol y la
formula química de la galena es PbS, podemos obtener A.
𝑃𝑀𝑃𝑏
𝐷𝑎𝑡𝑜 𝑓𝑟𝑎𝑐𝑐𝑖𝑜𝑛𝑎𝑙 (% 𝑑𝑒𝑙 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑒𝑛 𝑒𝑙 𝑚𝑖𝑛𝑒𝑟𝑎𝑙) = × 100
𝑃𝑀𝑃𝑏𝑆

𝑃𝑀𝑃𝑏 207.2 207.2

⇒ × 100 = × 100 = × 100 = 86.6%
𝑃𝑀𝑃𝑏𝑆 (207.2 + 32.06) 239.26
5%
⇒𝐴= = 0.058
86.6%
1−𝐴 1 − 0.058
⇒𝑚= ∙ [(1 − 𝐴) ∙ ̅̅̅
𝜌𝑚 + 𝐴 ∙ 𝜌̅𝑔 ] = ∙ [(1 − 0.058) ∙ 7.6 + 0.058 ∙ 2.65]
𝐴 0.058
⇒ 𝐴 = 7.3
Luego,

𝐶 = 𝑓 ∙ 𝑔 ∙ 𝑙 ∙ 𝑚 ⟹ 𝐶 = 0.5 ∙ 0.25 ∙ 0.05 ∙ 7.3 = 0.046 𝑔/𝑐𝑚3

𝐶 ∙ 𝑑 3 0.046 ∙ 2.53
∴𝑀= = = 287.5 𝑔
𝑆2 0.052
En conclusión, para este mineral de galena, con una ley del 5% de Pb, cometiendo
un 10% de error en el muestreo, se necesita extraer una muestra representativa
de 287.5 g.

IMET415 – 2019 – 1 FGV 10