Herramientas

exploratorias
 Objetivos

Estudiar la cantidad, calidad y ubicacin de los datos disponibles

para realizar la estimacin de recursos y reservas

Comprobar la homogeneidad de las leyes en cada unidad geolgica,

y la pertinencia de las unidades geolgicas propuestas. Definir la

zona de estudio.
Anticipar dificultades o problemas que puedan surgir en la fase de
estimacin de recursos y reservas
 Presentacin de los datos

Sondajes de exploracin en un yacimiento tipo prfido cuprfero

obtencin de 2376 datos compositados con sus leyes de
cobre total (en %), oro total (en ppm) y el tipo de roca.
Cdigo Tipo de roca
4 Granodiorta cascada
54 Diorta
20 Brecha de turmalina
31 Brecha de polvo de roca
34 Brecha de polvo de roca y turmalina

28 Brecha monolito
29 Brecha de turmalina - monolito
 Despliegue de atributos (mapas) (1)

Permite visualizar la ubicacin de los datos en el espacio y

darse una idea preliminar de la continuidad espacial de la
variable regionalizada en estudio:
litologa
mineralizacin definicin de unidades geolgicas
alteracin
leyes, densidad, potencia, etc.

Tipos de despliegue: secciones; plantas; vistas 3D; mapas con

escala de colores, codificados por indicador, por smbolos, etc.
 Despliegue de atributos (mapas) (2)

Nos interesamos por la ley de cobre total

 Distribucin de leyes (1)

Histograma estndar

Visualiza la frecuencia de ocurrencia en funcin del valor

 Distribucin de leyes (2)

Desagrupamiento

Cuando la malla de muestreo es irregular, es preferible no

atribuir el mismo peso estadstico a todos los datos. La
operacin de desagrupamiento consiste en ponderar los
datos en funcin de su grado de aislamiento: mientras ms
aislado, ms peso.

Principales mtodos:
polgonos de influencia
mtodo de las celdas
 Distribucin de leyes (3)

Desagrupamiento: mtodo de los polgonos de influencia

Se pondera cada dato proporcionalmente a su volumen de
influencia en el campo.
 Distribucin de leyes (4)

Desagrupamiento: mtodo de las celdas

Se divide la zona muestreada en celdas de mismo volumen.
Cada celda tiene el mismo peso, el cual se reparte entre los
datos contenidos en esta celda.
 Distribucin de leyes (5)
Factores que especificar para ejecutar el mtodo de las celdas:
origen de la red de celdas
orientacin de las celdas
tamao de las celdas: tomar el tamao que minimiza el valor
promedio desagrupado?
 Distribucin de leyes (6)

Los algoritmos de desagrupamiento presentados

consideran criterios geomtricos al ponderar los datos en

funcin de su grado de aislamiento: mientras ms aislado,
ms peso

no toman en cuenta la continuidad espacial de los datos,

aunque idealmente este factor tambin debera ser tomado
en
consideracin.
 Distribucin de leyes (7)

Histograma desagrupado por los pesos obtenidos por el mtodo

de las celdas, con celdas de tamao 48m 48m 12m
 Distribucin de leyes (8)

Estadstica bsica
medidas de posicin
media, mediana, moda, mnimo, mximo, rango, deciles,
cuartiles, cuantiles
medidas de dispersin
varianza, desviacin estndar, coeficiente de variacin,
rango intercuartil
medidas de forma
coeficiente de asimetra, coeficiente de aplanamiento
 Distribucin de leyes (9)

Herramientas alternativas al histograma estndar

histograma acumulado

grficos de probabilidad

curvas tonelaje-ley

El clculo de estas herramientas debe tomar en cuenta los

ponderadores de desagrupamiento.
 Distribucin de leyes (10)

Histograma acumulado

Para cada ley de corte, se visualiza la frecuencia de los valores

menores que dicha ley de corte.
 Distribucin de leyes (11)

Grficos de probabilidad

Estos grficos comparan una distribucin emprica con una

distribucin de referencia normal o lognormal.

El grfico de probabilidad normal distorsiona el eje de las

ordenadas del histograma acumulado, de modo que el grfico
dibujara una recta en caso de tener una distribucin normal
o Gaussiana.

El grfico de probabilidad lognormal consiste en usar una

escala logartmica en el eje de las abscisas: si la distribucin
de los valores fuera lognormal, se obtendra una recta.
 Distribucin de leyes (12)

La presencia de varias poblaciones entre los datos puede

traducirse en un quiebre de pendiente en estos grficos. Sin
embargo no es una condicin necesaria ni suficiente, por lo
que se debe complementar el anlisis con otra informacin.
 Distribucin de leyes (13)
Curvas tonelaje-ley
El tonelaje asociado a una ley de corte es la cantidad de valores
que superan esta ley de corte. La media de estos valores provee
la ley promedio sobre la ley de corte. El tonelaje tambin puede
expresarse como fraccin del total (entre 0 y 1).
 Distribucin de leyes (14)

Cuando aumenta la ley de corte, el tonelaje decrece y la ley media

crece. El producto del tonelaje por la ley media define la cantidad
de metal (funcin decreciente de la ley de corte).

Hay que tener cuidado que las curvas tonelaje ley dependen del
soporte de los valores medidos, en particular las curvas asociadas
a los datos (soporte puntual) no coinciden con las curvas de las
unidades selectivas de explotacin (bloques). Para estimar estas
ltimas, ser necesario construir un modelo de cambio de soporte.
 Comportamiento direccional (1)

Nubes direccionales

Visualizan el comportamiento de los valores a lo largo de los

ejes de coordenada. Esta herramienta permite detectar valores
atpicos e identificar tendencias o cambios en la continuidad
espacial de los valores.
Comportamiento direccional (2)

media desv. estndar

rango [m]
[% Cu] [% Cu]
0 50 0.55 0.27
50 100 0.96 0.46
100 150 1.23 0.81
150 200 1.13 0.57
200 250 1.15 0.82
250 300 0.94 0.52
300 350 0.82 0.42
350 400 0.73 0.47
Comportamiento direccional (3)
media desv. estndar
rango [m]
[% Cu] [% Cu]
0 50 0.93 0.83
50 100 1.39 1.08
100 150 1.18 0.74
150 200 0.96 0.48
200 250 0.90 0.48
250 300 0.97 0.41
300 350 1.04 0.39
350 400 1.04 0.50
400 450 1.09 0.53
450 500 1.16 0.69
500 550 0.55 0.28
550 600 0.52 0.23
Comportamiento direccional (4)

media desv. estndar

rango [m]
[% Cu] [% Cu]
0 25 0.91 0.48
25 50 0.95 0.45
50 75 0.95 0.51
75 100 1.00 0.65
100 125 1.03 0.73
 Herramientas bivariables (1)

Grfico cuantiles contra cuantiles

Visualiza los cuantiles de una variable en funcin de los

cuantiles de otra variable.
 Herramientas bivariables (2)

Nube de dispersin
ver la relacin par a par de ambas variables o correlacin
detectar valores aberrantes
 Herramientas bivariables (3)

Coeficiente de correlacin lineal

Resume la relacin existente entre dos variables por un valor

comprendido entre 1 y 1. Cuidado con las interpretaciones
rpidas de este coeficiente, ya que es sensible a relaciones no
lineales entre variables y a los valores extremos.
 Comportamiento espacial (1)

Nube de correlacin diferida

Se trata de la nube de correlacin entre los valores de dos datos

ubicados a cierta distancia uno de otro

Al hacer variar esta distancia de separacin, se tiene una imagen

de la continuidad de la variable regionalizada en el espacio:
nube dispersa para distancia pequea: variable errtica
nube muy aplastada: variable regular en el espacio
 Comportamiento espacial (2)
Ejemplo: nubes para las distancias 20m y 100m
Problemas prcticos
 Estacionaridad (1)

La estacionaridad se refiere a una homogeneidad en el

espacio de las caractersticas de la variable en estudio:
media, dispersin, continuidad, etc. Implica que las
propiedades estadsticas de los datos son representativas del
total del campo.

El considerar la hiptesis de estacionaridad facilita la

elaboracin de modelos geoestadsticos, en especial en lo
que se refiere al anlisis variogrfico.
 Estacionaridad (2)

En general, se tiende a considerar que la variable regionalizada

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 geoestadstico, no de la variable regionalizada misma.
Por ende, es una decisin del usuario considerar si se cumple o
no la hiptesis de estacionaridad (ni verdadera ni falsa, pero
juiciosa o no).
 Tendencias y derivas (1)

Definicin

Se habla de tendencia o deriva cuando se aprecia un cambio en el

valor promedio local de los datos al desplazarse en el espacio.

Ejemplo: ley que decrece fuertemente con la profundidad

El concepto de deriva se refiere al modelo probabilstico (el valor

esperado vara en el espacio), mientras que el trmino tendencia
se refiere ms bien a la observacin experimental (ms subjetivo)
 Tendencias y derivas (2)

El considerar un modelo con deriva choca contra la hiptesis

de estacionaridad y complica el anlisis variogrfico.

Alternativas
considerar una hiptesis de estacionaridad local: el valor
promedio es localmente constante y vara lentamente en
el
espacio
remover la deriva de los datos

subdividir la zona de estudio en varios dominios

 Efecto proporcional (1)

La dispersin 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 asimtrico (por ejemplo, lognormal)
no es incompatible con la hiptesis de estacionaridad
planteada en el formalismo geoestadstico
se puede tomar en cuenta este efecto de dos maneras:
meseta del variograma que vara en el espacio
transformacin logartmica de los datos
 Efecto proporcional (2)

Ilustracin: perfil de leyes a lo largo de una direccin del espacio

 Muestreo preferencial

Un muestreo es preferencial si privilegia las zonas de alta

ley. Hay que tener cuidado en el estudio geoestadstico de
tales muestreos, pues las estadsticas experimentales ya no
son representativas del campo entero

desagrupar los datos

el tener un muestreo preferencial dificulta el anlisis
variogrfico de los datos (por ejemplo, en presencia de
un efecto proporcional) y las posteriores estimaciones
de recursos y reservas.
 Informacin geolgica (1)

La caracterizacin del depsito y la evaluacin de sus recursos

dependen en gran parte del conocimiento de la geologa.

Mapas geolgicos

Se basan en observaciones de superficie, trincheras, sondajes,

labores subterrneas. Sin embargo, lo esencial de estos mapas
corresponde a una interpretacin. Por lo tanto, es necesario
revisar peridicamente estos mapas.

Se localizan los tipos de roca, fallas, pliegues, densidades y

orientacin de fracturas o de vetas, y se determina sus edades
(anterior o posterior a la mineralizacin).
 Informacin geolgica (2)

Geometra de la zona mineralizada (contacto mineral - estril)

Modelamiento en plantas y secciones de superficies y volmenes

por interpolacin / extrapolacin a partir de la informacin de
sondajes; modelamiento tridimensional.

A menudo, las fronteras modeladas son ms suaves (o sea, menos

errticas) que las fronteras verdaderas; los errores geomtricos
pueden ser localmente muy importantes e implican incertidumbre
en los tonelajes de mineral.
 Informacin geolgica (3)

Definicin de unidades geolgicas

Se suele dividir el depsito en varias zonas o unidades

geolgicas (UG), segn la litologa, la mineraloga y/o la
alteracin existente. Tambin se puede incluir criterios
metalrgicos y condiciones estructurales (fallamiento) en la
definicin de dichas unidades
Verificar la pertinencia de la divisin; si es necesario, agrupar
varias unidades de propiedades similares

Cada unidad debera presentar caractersticas homogneas

 Informacin geolgica (4)

Problemas asociados con la definicin de unidades geolgicas

Transicin entre una unidad y otra:

frontera dura o blanda? (examinar los perfiles de leyes

que cruzan la frontera)

Extensin espacial de las unidades en el yacimiento

modelo determinstico o probabilstico? (las interpolaciones

estn sujetas a errores, lo que implica una incertidumbre en los
volmenes y tonelajes interpretados)
 Informacin geolgica (5)

Unidades geolgicas definidas por rangos de leyes

Una prctica comn es definir unidades geolgicas por referencia

a rangos de leyes. Este enfoque (mtodo de isoleyes) tambin
se usa en combinacin con criterios geolgicos.

El uso de rangos de leyes no tiene sentido geolgico. Del punto

de vista geoestadstico, puede llevar a interpretaciones errneas:
el mtodo es auto-justificativo

las fronteras entre rangos de leyes suelen ser blandas

los resultados son sensibles a los rangos de leyes escogidos

 Variables categricas

Codifican una propiedad del yacimiento (tipo de roca, unidad

geolgica...) no confundir con una variable regionalizada
tradicional.

Se distingue tres grandes zonas:

brecha de turmalina (centro)
diorta y granodiorta (este)
otras brechas (oeste)
 Compsitos (1)

Un mismo conjunto de datos no debe contener muestras de

soporte distinto. Por ende, es necesario llevar las muestras a
compsitos de la misma longitud (generalmente, igual a la
altura del bloque de seleccin minera o a un sub-mltiplo
de esta altura).
Mientras ms largo el compsito, menos dispersos y menos
errticos los valores.

Si existen soportes muy distintos, se puede considerar el

atributo medido en cada soporte como una variable distinta.
 Compsitos (2)

Los compsitos no deben cruzar fronteras duras entre unidades

geolgicas distintas. Es frecuente que se pierdan segmentos de la
informacin inicial al compositar (en la frontera de una unidad
geolgica o al final del sondaje).

Para variables categricas (ej: cdigo de litologa o mineraloga),

se puede asignar al compsito el cdigo que ms se repite entre
las muestras del compsito o el cdigo de la muestra ubicada en
su centro.
 Compsitos (3)

Al compositar, se supone que las leyes son uniformes en cada

testigo inicial, para poder reconstituir el perfil de leyes de cada
sondaje.

Aumentar la longitud de los compsitos tiene varios efectos.

reduce el nmero de datos
disminuye la dispersin de los valores (efecto de soporte):
menos valores extremos, facilita el anlisis variogrfico

La longitud de los compsitos se escoge generalmente en base a

la altura de los bloques usados para modelar el depsito.
 Valores atpicos / aberrantes (1)

Es posible detectar valores atpicos por medio de varias

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

Nunca se debe eliminar un valor atpico sin razn (falla en

el protocolo de medicin, en la transcripcin del dato, etc.).
Adems, ningn test estadstico puede indicar si un valor
es aberrante o no.
 Valores atpicos / aberrantes (2)

La presencia de valores atpicos puede plantear problema para

la evaluacin de recursos y reservas:
introduce variabilidad y complica el estudio variogrfico
puede conducir a zonas amplias con leyes estimadas muy altas

Alternativas:
mtodos geoestadsticos avanzados (transforman los datos)
capping o cutting
cambiar el tamao de los compsitos
identificar varias poblaciones de datos
 Datos imprecisos (1)

Es frecuente que todo o parte de las mediciones contengan

imprecisiones, debido al protocolo de muestreo o de anlisis
qumico
las tcnicas geoestadsticas permiten tomar en cuenta
estas imprecisiones, siempre que hayan sido previamente
cuantificadas
la evaluacin de recursos pierde precisin en presencia
de
errores de medicin
es recomendable estudiar la calidad de las mediciones,
sobre todo si provienen de fuentes distintas.
 Datos imprecisos (2)

Ejemplo: comparacin de las mediciones procedentes de dos

campaas de sondaje distintas

Aqu se puede agrupar las mediciones de ambas campaas

 Datos imprecisos (3)

La comparacin estadstica de poblaciones debe hacerse con

cuidado
diferencias naturales por tratarse de muestras diferentes,
aun
si estn tomadas en la misma zona (fluctuaciones estadsticas

diferencias
que puedenesperables cuando
ser importantes en las
las poblaciones estn en zonas
colas de las distribuciones)
distintas, debido a la evolucin en los valores de la variable
regionalizada: cambio en las leyes y en su dispersin (efecto
proporcional)
La regresin de D. Krige
 Regresin lineal (1)

Se considera la nube de dispersin entre dos variables X e Y

(ejemplos: leyes de cobre total vs. cobre soluble; leyes estimadas
vs. reales; acumulacin de oro vs. potencia; ley vs. coordenada)

La regresin lineal consiste en determinar la recta que mejor

represente la nube de puntos. Su ecuacin es:

aX b
Y

cov (X, Y)
con: a
var ( X)
b mY a mX
 Regresin lineal (2)

Ilustracin: valores reales vs. valores estimados de leyes

 La regresin de Krige (1)

Problemtica

A principios de los aos 1950, en los yacimientos de oro

sudafricanos, se sola estimar la ley de un panel por la media
de las leyes de las muestras contenidas en dicho panel.

Este proceder resultaba en un fuerte sesgo condicional: si las

muestras tienen una alta ley, el panel tiende a tener una ley
ms baja, y viceversa, a causa del efecto de soporte. Luego,
cuando el estimador proporcionaba una ley muy alta, lo ms
probable es que la ley verdadera del panel fuera ms baja.
 La regresin de Krige (2)

Propuesta de D. Krige

Para corregir los sesgos, Krige aplic la siguiente regresin:

ley estimada del panel a mi (1 a ) m

con
mi: ley promedio de las muestras al interior del panel
m: ley promedio de todas las muestras
a: coeficiente inferior a 1
 La regresin de Krige (3)

Propuesta de G. Matheron

En la regresin de D. Krige, todas las muestras dentro del panel

tienen el mismo peso; asimismo las muestras fuera del panel
tambin tienen un peso igual entre s, se siten o no prximos a
l.

G. Matheron mejor la ponderacin al atribuir a cada dato el

ponderador que se merece realmente, segn su alejamiento al
centro del panel y la continuidad espacial de los valores; as
formaliz el mtodo llamado kriging (1963).
 Bibliografa (1)
Chils J.P. and Delfiner P., Geostatistics: Modeling Spatial Uncertainty, Wiley, New York, 1999,
696 p.
Deutsch C.V. and Journel A.G., GSLIB: Geostatistical Software Library and Users Guide,
Second edition, Oxford University Press, New York, 1998, 369 p.
Emery X., Geoestadstica lineal, Departamento de Ingeniera de Minas, Universidad de Chile,
2000, 411 p.
Goovaerts P., Geostatistics for natural resources evaluation, Oxford University Press, New York,
1997, 480 p.
Isaaks E. and Srivastava R., An Introduction to applied geostatistics, Oxford University Press,
New York, 1989, 561 p.
Journel A. G. and Huijbregts C. J., Mining geostatistics, Academic Press, London, 1978, 600 p.
Matheron G., The theory of regionalized variables and its applications, Les cahiers du centre de
morphologie mathmatique de Fontainebleau, Fascicule 5, Ecole des Mines de Paris, 1971, 212 p.

Sinclair A.J. and Blackwell G.H., Applied Mineral Inventory Estimation, Cambridge University
Press, Cambridge, 2002, 381 p.
Wackernagel H., Multivariate geostatistics: an introduction with applications, Springer-Verlag,
Berlin, 1998, 291 p.
 Bibliografa (2)
Sobre categorizacin de recursos y reservas

CIM, CIM Standards on Mineral Resources and Reserves - Definitions and Guidelines. Prepared
by the CIM Standing Committee on Reserve Definitions: CIM Bulletin, v. 93, no. 1044, 2000, p.
53-61
CSA, Standards of disclosure for mineral projects: National Instrument 43-101, Canadian
Securities Administration, 2001, 22 p.

EURO, Code for reporting of mineral exploration results, mineral resources and mineral reserves
(the European code). Report prepared by the Institution of Mining and Metallurgy Working Group
on Resources and Reserves in conjunction with the European Federation of Geologists and the
Institute of Geologists of Ireland, 2002, 34 p.

JORC, Australasian Code for reporting of exploration results, mineral resources and ore reserves
(the JORC Code, 2004 Edition). Report prepared by the Joint Ore Reserve Committee of the
Australasian Institute of Mining and Metallurgy, Australian Institute of Geoscientists and Minerals
Council of Australia, 2004, 21 p.

SAMREC, South African Code for Reporting of Mineral Resources and Mineral Reserves (The
SAMREC Code). Report prepared by the South African Mineral Resource Committee SAMREC
under the auspices of the South African Institute of Mining and Metallurgy, 2000, 38 p.