Teoria Del Soporte

CAMBIO DE SOPORTE
Efecto del soporte en el variograma y el histograma

Modelos de cambio de soporte
Curvas de selectividad
Efecto de información
DEFINICIÓN
• SOPORTE: El soporte es el volumen sobre el cual se mide o se considera

la variable en estudio (testigo, compósito, pozo de tronadura, unidad
selectiva de explotación o “bloque”).
• CAMBIO DE SOPORTE o REGULARIZACIÓN: La variable regularizada

sobre el bloque V, denotada como Z(V), se define como el promedio de los
valores puntuales en V:
1
Z(V)   Z(u)du
V V
en donde |V| representa el volumen del bloque V
• Requisito: que la variable sea aditiva

EJEMPLO: COMPOSITACIÓN
• Los datos con los cuales uno trabaja

pueden tener soportes distintos:
• El muestreo y los análisis
químicos son operaciones
caras…
• Mientras se perfora un sondaje,
se atraviesan zonas
considerables de lastre  no
interesa analizar leyes = 0!
• Así, se genera la siguiente
situación:
• El cálculo de estadísticas supone una cierta homogeneidad de lo que

estamos analizando
• ¿Podemos calcular la media de dos muestras si una mide 40 m (baja ley) y
la otra sólo 2m (alta ley)?
• Este problema se soluciona generando compósitos, que reemplazan los
datos originales (testigos) en el estudio de evaluación de recursos y
reservas.
• En general, cada unidad geológica se estima a partir de la información de
los compósitos pertenecientes a dicha unidad.
• Los compósitos no deben cruzar fronteras “duras” entre unidades
geológicas distintas.
• Es frecuente que se pierda segmentos de la información inicial al
compositar (en la frontera de una unidad geológica o al final del sondaje)
• 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 compósitos tiene varios efectos:

• reduce el número de datos
• disminuye la dispersión de los valores: menos valores extremos, facilita el
análisis variográfico
• La longitud de los compósitos se escoge generalmente en base a la altura

de los bloques usados para modelar el depósito.
• Para variables categóricas (ej: código de litología o mineralogía) no

aditivas, se puede asignar al compósito el código que más se repite entre
las muestras del compósito o el código de la muestra ubicada en su centro.
EFECTO DE SOPORTE
• Banco de una faena a rajo abierto conocido completamente, con altura de banco
12m. La variable considerada es la ley de cobre.
soporte 1m × 1m soporte 5m × 5m soporte 25m × 25m

EFECTO DE SOPORTE
• Tanto la distribución estadística de los valores (histograma) como su correlación en el

espacio (variograma) dependen del soporte considerado
• Este efecto de soporte tiene importantes consecuencias en la evaluación de

yacimientos, pues los datos disponibles (sondajes, pozos de tronadura) no tienen el
mismo soporte que las unidades a estimar
EFECTO DE SOPORTE EN EL
VARIOGRAMA
• Cambio en el variograma: El paso de un soporte pequeño a un soporte mayor es una
operación reguladora ( “suavizamiento” de los mapas).
VARIOGRAMA
• El variograma regularizado gV(h) se relaciona con el variograma
puntual g(h). Para distancias grandes, el primero difiere del segundo
por una constante g(V,V)
1
g ( V, V ) 
V
2 
V V
g (u  u)du du
caso estacionario caso intrínseco

(con meseta) (sin meseta)
VARIOGRAMA
Ejemplo de aplicación: efecto de cambiar el soporte de los
datos al compositarlos:
• Mientras mayor sea el tamaño de los compósitos, más

regular será su variograma cerca del origen y más
pequeña será su meseta
• La teoría predice que la amplitud del efecto pepita es

inversamente proporcional al volumen del dato. Por
ejemplo, al pasar de compósitos de 1m de largo a
compósitos de 2m de largo, el efecto pepita debería
disminuir a la mitad. La proporción del efecto pepa (en
relación a la meseta total) debería disminuir también
HISTOGRAMA
• Cambio en el histograma:
soporte 1m × 1m soporte 5m × 5m soporte 25m × 25m
mínimo: 0.013 mínimo : 0.082 mínimo: 0.178

máximo: 12.77 máximo: 6.319 máximo: 3.181
media: 0.941 media: 0.941 media: 0.941
varianza: 0.497 varianza: 0.336 varianza: 0.260
HISTOGRAMA
• Cambio en el
histograma:
• Misma media que la
variable puntual
• Varianza menor (efecto
de soporte)
• Forma de la distribución
cambia (se simetriza)
HISTOGRAMA
• Al conocer el variograma g(h) (o la función de covarianza C(h)) de la variable de
soporte “puntual”, se puede calcular la varianza de la variable a un soporte mayor:
1
2 V V
var [ Z(V)]  C (V,V)  C(u  u)dudu
|V|
1
 g ()  g (V,V)  g ()  2   g (u  u)dudu
|V| V V
• Se define el factor de reducción de varianza
var [ Z(V)]  2V g (V,V)

f  2  1
var [ Z(u)] u g ( )
HISTOGRAMA
• Existen distintos modelos para tratar de estimar el
histograma regularizado a partir del histograma
puntual, de modo de poder evaluar los recursos
recuperables sobre determinadas leyes de corte al
soporte de las unidades de selección mineras:
• Corrección afín
• Corrección lognormal directa
• Corrección lognormal indirecta
• Corrección Gaussiana discreta
• …
CORRECCIÓN AFÍN
• Histograma de [Z(V) – m] / V = histograma de [Z(u) – m] / u
• Este modelo mantiene la forma del histograma puntual, por ende no toma en
cuenta la simetrización que acompaña el cambio de soporte
CORRECCIÓN LOGNORMAL DIRECTA
• histograma puntual = lognormal de media m y varianza u2

• histograma regularizado = lognormal de media m y varianza V2
• La transformación matemática es:
histograma
Z(V)  a Z(u)b
con a = m1-b [1 + V2 / m2]-1/2 [1 + V2 / m2]b/2
b = [ln(1 + V2 / m2) / ln(1 + u2 / m2)]1/2.
CORRECCIÓN LOGNORMAL
INDIRECTA
• Aplica la corrección lognormal
(aunque el histograma puntual
no lo es), luego ajusta el
parámetro a de modo que la
transformación no altera la
media:
histograma
Z(V)  a Z(u)b
con el mismo b que para la

corrección lognormal directa
EJEMPLO
• Dos modelos de distribución de leyes de bloques 25m × 25m, obtenidos a

partir de la distribución puntual por corrección afín y corrección lognormal
 es importante escoger un modelo de cambio de soporte adecuado

ASPECTOS PRÁCTICOS
• Determinar el histograma de las leyes puntuales (media,

varianza, forma)
• irregularidades de muestreo: desagrupamiento
• cuidado con el modelamiento de los valores extremos
• Determinar la varianza de las leyes de bloques

• mediante el variograma modelado de las leyes puntuales
• Escoger un modelo de cambio de soporte (por ejemplo, la

corrección afín) y deducir el histograma de los bloques. Esta
decisión va más allá del modelamiento del variograma
CURVAS DE SELECTIVIDAD
• Las curvas de selectividad son herramientas alternativas al histograma para

visualizar la distribución de los valores de una variable. Entre ellas, las más
importantes son:
• tonelaje - ley de corte: indica la proporción de valores (fracción del tonelaje

total) que supera una ley de corte
• ley promedio - ley de corte: indica la media de los valores que superan una ley
de corte
• ley promedio - tonelaje
• cantidad de metal - ley de corte: la cantidad de metal se define como el
producto de la ley promedio por el tonelaje
• cantidad de metal - tonelaje
• Curvas tonelaje-ley para distintos soportes:

• Curvas ley promedio - ley de corte para distintos soportes:

• Curvas ley promedio - tonelaje para distintos soportes. La

jerarquía entre las curvas indica la pérdida de selectividad al
aumentar el soporte.
• Curvas metal - tonelaje para distintos soportes. También se

aprecia una jerarquía en función del soporte.
• Las curvas de selectividad cuantifican los recursos recuperables en

un yacimiento (tonelaje, cantidad de metal, etc.). Dependen de
cuatro factores:
• el efecto de soporte: mientras más voluminoso el soporte,
menos selectividad
• el efecto de información: algunos bloques de mineral son
subestimados y enviados equivocadamente a botadero; otros
bloques estériles son sobreestimados y enviados a planta
• las restricciones geométricas: algunos bloques de alta ley
pueden ser abandonados si los costos para alcanzarlos son
demasiado altos
• la dilución operativa
EFECTO DE INFORMACIÓN
• La decisión de enviar un bloque a

planta o botadero se efectúa en
base a la ley estimada del bloque
en lugar de la ley verdadera
(desconocida).
• Con respecto al efecto de soporte, el efecto de información provoca una

pérdida adicional de selectividad
• Ilustración: efecto de información producido al estimar la ley de cada bloque
por la ley de su pozo de tronadura central
Para minimizar el efecto de información, se buscará un estimador preciso e

insesgado (global y condicionalmente)

Teoria Del Soporte

Cargado por

Copyright:

Formatos disponibles

Teoria Del Soporte

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teoria Del Soporte

Cargado por

Copyright:

Formatos disponibles

CAMBIO DE SOPORTE

Efecto del soporte en el variograma y el histograma

• SOPORTE: El soporte es el volumen sobre el cual se mide o se considera

• CAMBIO DE SOPORTE o REGULARIZACIÓN: La variable regularizada

• Requisito: que la variable sea aditiva

• Los datos con los cuales uno trabaja

• El cálculo de estadísticas supone una cierta homogeneidad de lo que

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

• Aumentar la longitud de los compósitos tiene varios efectos:

• La longitud de los compósitos se escoge generalmente en base a la altura

• Para variables categóricas (ej: código de litología o mineralogía) no

soporte 1m × 1m soporte 5m × 5m soporte 25m × 25m

• Tanto la distribución estadística de los valores (histograma) como su correlación en el

• Este efecto de soporte tiene importantes consecuencias en la evaluación de

caso estacionario caso intrínseco

• Mientras mayor sea el tamaño de los compósitos, más

• La teoría predice que la amplitud del efecto pepita es

soporte 1m × 1m soporte 5m × 5m soporte 25m × 25m

mínimo: 0.013 mínimo : 0.082 mínimo: 0.178

var [ Z(V)]  2V g (V,V)

• Histograma de [Z(V) – m] / V = histograma de [Z(u) – m] / u

• histograma puntual = lognormal de media m y varianza u2

con el mismo b que para la

• Dos modelos de distribución de leyes de bloques 25m × 25m, obtenidos a

 es importante escoger un modelo de cambio de soporte adecuado

• Determinar el histograma de las leyes puntuales (media,

• Determinar la varianza de las leyes de bloques

• Escoger un modelo de cambio de soporte (por ejemplo, la

• Las curvas de selectividad son herramientas alternativas al histograma para

• tonelaje - ley de corte: indica la proporción de valores (fracción del tonelaje

• Curvas tonelaje-ley para distintos soportes:

• Curvas ley promedio - ley de corte para distintos soportes:

• Curvas ley promedio - tonelaje para distintos soportes. La

• Curvas metal - tonelaje para distintos soportes. También se

• Las curvas de selectividad cuantifican los recursos recuperables en

• La decisión de enviar un bloque a

• Con respecto al efecto de soporte, el efecto de información provoca una

Para minimizar el efecto de información, se buscará un estimador preciso e

También podría gustarte