UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

1 INFORME: ANLISIS UNIDIMENSIONAL DE DATOS

1. OBJETIVOS: Conocer y entender el concepto de estadstica y su importancia en la aplicacin de datos mineros. Realizar a partir del programa Excel el anlisis unidimensional con los datos proporcionados por el ingeniero. Utilizacin de algunas medidas de posicin como frecuencia, media, desviacin estndar, covarianza y su aplicacin en Excel comparando los resultados con el programa geoeas. Analizar los resultados obtenidos a partir del diseo TABLA DE FRECUENCIAS, DATAGEOSIS. HISTOGRAMA, GRAFICO ACUMULADO y

Pgina 1

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

2. FUNDAMENTO TEORICO: 2.1. Estadstica: Es la ciencia cuyo objetivo es reunir una informacin cuantitativa concerniente a individuos, grupos, series de hechos, etc. y deducir de ello gracias al anlisis de estos datos unos significados precisos o unas previsiones para el futuro. estadstica, en general, trata de la recopilacin, organizacin La

presentacin,

anlisis e interpretacin de datos numricos con el fin de realizar una toma de decisin ms efectiva. Minguez, define la Estadstica como La ciencia que tiene por objeto aplicar las leyes de la cantidad a los hechos sociales para medir su intensidad, deducir las leyes que los rigen y hacer su prediccin prxima. Los estudiantes confunden comnmente los dems trminos asociados con las Estadsticas, una confusin que es conveniente aclarar debido a que esta palabra tiene tres significados: la palabra estadstica, en primer trmino se usa para referirse a la informacin

estadstica; tambin se utiliza para referirse al conjunto de tcnicas y mtodos que se utilizan para analizar la informacin estadstica; y el trmino estadstico, en singular y en masculino, se refiere a una medida derivada de una muestra. 2.2. Importancia de la Estadstica: Los mtodos estadsticos tradicionalmente se utilizan para propsitos descriptivos, para organizar y resumir datos numricos. La estadstica

descriptiva, por ejemplo trata de la tabulacin de datos, su presentacin en forma grfica o ilustrativa y el clculo de medidas descriptivas.

Pgina 2

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Ahora bien, las tcnicas estadsticas se aplican de manera amplia en mercadotecnia, contabilidad, control de calidad y en otras actividades; estudios de consumidores; anlisis de resultados en deportes;

administradores de instituciones; en la educacin; organismos polticos; mdicos; y por otras personas que intervienen en la toma de decisiones. 2.3. Divisin de la Estadstica: La Estadstica para su mejor estudio se ha dividido en dos grandes ramas: la Estadstica Descriptiva y la Inferencial. Estadstica Descriptiva: consiste sobre todo en la presentacin de datos en forma de tablas y grficas. Esta comprende cualquier actividad relacionada con los datos y est diseada para resumir o describir los mismos sin factores pertinentes adicionales; esto es, sin intentar inferir nada que vaya ms all de los datos, como tales. Estadstica Inferencial: se deriva de muestras, de observaciones hechas slo acerca de una parte de un conjunto numeroso de elementos y esto implica que su anlisis requiere de generalizaciones que van ms all de los datos. Como consecuencia, la caracterstica ms importante del reciente crecimiento de la estadstica ha sido un cambio en el nfasis de los mtodos que describen a mtodos que sirven para hacer generalizaciones. La Estadstica Inferencial investiga o analiza una poblacin partiendo de una muestra tomada. 2.4. Errores Estadsticos Comunes: Al momento de recopilar los datos que sern procesados se es susceptible de cometer errores as como durante los cmputos de los mismos. No obstante, hay otros errores que no tienen nada que ver con la digitacin y que no son tan fcilmente identificables. Algunos de estos errores son:

Pgina 3

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Sesgo: Es imposible ser completamente objetivo o no tener ideas preconcebidas antes de comenzar a estudiar un problema, y existen muchas maneras en que una perspectiva o estado mental pueda influir en la recopilacin y en el anlisis de la informacin. En estos casos se dice que hay un sesgo cuando el individuo da mayor peso a los datos que apoyan su opinin que a aquellos que la contradicen. Un caso extremo de sesgo sera la situacin donde primero se toma una decisin y despus se utiliza el anlisis estadstico para justificar la decisin ya tomada. Datos no comparables: el establecer comparaciones es una de las partes ms importantes del anlisis estadstico, pero es extremadamente importante que tales comparaciones se hagan entre datos que sean comparables. Proyeccin descuidada de tendencias: la proyeccin simplista de tendencias pasadas hacia el futuro es uno de los errores que ms ha desacreditado el uso del anlisis estadstico. Muestreo Incorrecto: en la mayora de los estudios sucede que el volumen de informacin disponible es tan inmenso que se hace necesario estudiar muestras, para derivar conclusiones acerca de la poblacin a que pertenece la muestra. Si la muestra se selecciona correctamente, tendr bsicamente las mismas propiedades que la poblacin de la cual fue extrada; pero si el muestreo se realiza incorrectamente, entonces puede suceder que los resultados no signifiquen nada.

Pgina 4

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

2.5. MEDIDAS DE POSICIN: Son aquellas medidas que nos ayudan a saber donde estn los datos pero sin indicar como se distribuyen. a) Media Aritmtica (X): La media aritmtica o simplemente media, que denotaremos por X , es el nmero obtenido al dividir la suma de todos los valores de la variable entre el numero total de observaciones, y se define por la siguiente expresin:

Ejemplo: Si tenemos la siguiente distribucin, se pide hallar la media aritmtica, de los siguientes datos expresados en kg.

Pgina 5

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Si los datos estn agrupados en intervalos, la expresin de la media aritmtica, es la misma, pero utilizando la marca de clase (Xi). Ejemplo:

Propiedades: Si sometemos a una variable estadstica X, a un cambio de origen y escala Y = a + b X, la media aritmtica de dicha variable X, vara en la misma proporcin.

La suma de las desviaciones de los valores o datos de una variable X, respecto a su media aritmtica es cero.

Pgina 6

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

b)

Media Geomtrica: Sea una distribucin de frecuencias la media geomtrica, que

denotaremos por G. se define como la raz N-sima del producto de los N valores de la distribucin.

Si los datos estn agrupados en intervalos, la expresin de la media geomtrica, es la misma, pero utilizando la marca de clase (Xi). El empleo ms frecuente de la media geomtrica es el de promediar variables tales como porcentajes, tasas, nmeros ndices. etc., es decir, en los casos en los que se supone que la variable presenta variaciones acumulativas. c) Mediana (Me): Dada una distribucin de frecuencias con los valores ordenados de menor a mayor, llamamos mediana y la representamos por Me, al valor de la variable, que deja a su izquierda el mismo nmero de frecuencias que a su derecha. d) Moda (Mo): La moda es el valor de la variable que ms veces se repite, y en consecuencia, en una distribucin de frecuencias, es el valor de la variable que viene afectada por la mxima frecuencia de la distribucin. En distribuciones no agrupadas en intervalos se observa la columna de las frecuencias absolutas, y el valor de la distribuci6n al que corresponde la mayor frecuencia ser la moda.

Pgina 7

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

A veces aparecen distribuciones de variables con ms de una moda (bimodales, trimodales, etc), e incluso una distribucin de frecuencias que presente una moda absoluta y una relativa. En el caso de estar la variable agrupada en intervalos de distinta amplitud, se define el intervalo modal, y se denota por

como aquel que posee mayor densidad de frecuencia ( hi ); la densidad de frecuencia se define como:

Una vez identificado el intervalo modal procederemos al clculo de la moda, a travs de la frmula:

En el caso de tener todos los intervalos la misma amplitud, el intervalo modal ser el que posea una mayor frecuencia absoluta ( ni) y una vez identificado este, empleando la frmula:

e) Varianza: La varianza mide la mayor o menor dispersin de los valores de la variable respecto a la media aritmtica. Cuanto mayor sea la varianza mayor dispersin existir y por tanto menor representatividad tendr la media aritmtica.

Pgina 8

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

La varianza se expresa en las mismas unidades que la variable analizada, pero elevadas al cuadrado.

Propiedades: o La varianza siempre es mayor o igual que cero y menor que infinito

Si a una variable X la sometemos a un cambio de origen a y un cambio de escala b , la varianza de la nueva variable Y= a + bX, ser:

f)

Desviacin Tpica Estndar:

Se define como la raz cuadrada con signo positivo de la varianza.

Pgina 9

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

g) Coeficiente de Variacin de Pearson Cvx:

Al dividir la desviacin tpica por la media se convierte en un valor exento de unidad de medida. Si comparamos la dispersin en varios conjuntos de observaciones tendr menor dispersin aquella que tenga menor coeficiente de variacin. Al ser un coeficiente inversamente proporcional a la media aritmtica, cuando est tome valores cercanos a cero, el coeficiente tender a infinito.

3. PROCEDIMIENTO EXPERIMENTAL EN LABORATORIO:

3.1. Anlisis Unidimensional datos tomados del cuaderno:

gr/tn 0.3 0.2 0.5 1 1.2 2.1 2.5 3 5.1 10 0.6 1.4

clculos previos

variable n Amin Bmax L(A) k w

valor 30 0.2 10 10 5.907 1.7

Pgina 10

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Variable promedio R media mediana Q1 Q2 Q3 2 CV SK C Curtosis

Valor 3.28333333 10 2.88 2.25 1.05 2.25 4.275 5.63426667 2.37366103 0.72294244 1.12421801 1.14029189

# DE INTERVALOS 1 2 3 4 5 6 7 8 9

INTERVALOS [ 0 ; 0.170 [ 0.170 ; 0.340 [ 0.340 ; 0.510 [ 0.510 ; 0.680 [ [ [ [ [ 0.680 0.850 1.020 1.190 1.360 ; ; ; ; ; 0.850 1.020 1.190 1.360 1.530 ) ) ) ) ) ) ) ) )

Xi 0.085 0.255 0.425 0.595 0.765 0.935 1.105 1.275 1.445

fi 20 33 30 46

hi

Hi

FRP

FRAP 9 24 37 57
% % % %

0.089 20 0.147 53 0.133 83 0.204 129 60 0.267 189 28 0.124 217 3 0.013 220 3 0.013 223 2 0.009 225 225 1.00

0.089 9 % 0.236 15 % 0.369 13 % 0.573 20 % 0.840 27 % 0.964 12 % 0.978 1 % 0.991 1 % 1.000 1 %

84 % 96 %
97.78

99 100

Pgina 11

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Histograma
14 13 12 10 Frecuencia 8 7 6 4 2 0 1.9 3.6 5.3 Intervalos 7.0 8.7 10.4 2 1 1 6

GRAFICO ACUMULADO
120 100 80 67 43 40 20 0 1.9 3.6 5.3 7.0 8.7 10.4 87 93 97 100

FRAP

60

Intervalos

Pgina 12

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Pgina 13

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

3.2. Este 4 9 10 9 9 235 232 32

Anlisis Unidimensional de los Alcalinos: Norte 5 3 13 26 34 22 38 66 Alcalinos 0 0 0 0.8 0.78 0.7 0.72 0.87 Clculos Previos variable n Hmin Hmax L(A) K An. De clase

valor 225 0 1.51 1.51 8.814 0.168

9 0.170

Variable promedio R media mediana Q1 Q2 Q3 2 CV SK C Curtosis

Valor 0.59467949 1.51 0.58786667 0.64 0.37 0.64 0.79 0.08463545 0.29092172 0.4892076 0.01156508 -0.1377769

Pgina II

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Valor First input row Last input row Number of values Sum Minimum Maximum Range Mean Median First quartile Third quartile Standard error 95% confidence interval 99% confidence interval Variance Average deviation Standard deviation Coefficient of variation Skew Kurtosis Kolmogorov-Smirnov stat

Alcalinos 2 226 225 132.27 0 1.51 1.51 0.58786667 0.64 0.37 0.7925 0.01943803 0.03832246 0.05052798 0.08501329 0.23808474 0.29157038 0.49598 -0.012 -0.138 0.082

Number of missing values 0

#DE INTERVALOS 1 2 3 4 5 6 7 8 9

INTERVALOS [ 0 ; 0.170 [ 0.170 ; 0.340 [ 0.340 ; 0.510 [ 0.510 ; 0.680 [ [ [ [ [ 0.680 0.850 1.020 1.190 1.360 ; ; ; ; ; 0.850 1.020 1.190 1.360 1.530 ) ) ) ) ) ) ) ) )

Xi 0.085 0.255 0.425 0.595 0.765 0.935 1.105 1.275 1.445

fi 20 33 30 46 60 28 3 3 2 225

hi

Hi

FRP

FRAP 9 24 37 57
% % % %

0.089 20 0.147 53 0.133 83 0.204 129 0.267 189 0.124 0.013 0.013 0.009 1.00 217 220 223 225

0.089 9 % 0.236 15 % 0.369 13 % 0.573 20 %

0.840 27 % 84 % 0.964 12 % 96 % 0.978 1 % 97.78 0.991 1 % 99 1.000 1 % 100

Pgina 3

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

HISTOGRAMA
70 60 50 40 30 20 10 0 0.170 0.340 0.510 0.680 0.850 Intervalos 1.020 1.190 1.360 1.530

Frecuencia Absoluta

Histograma Acummulado
250 Frecuencia Acumulada 200 150 100 50 0 0.170 0.340 0.510 0.680 0.850 Intervalos 1.020 1.190 1.360 1.530

Pgina 4

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Mapa de Ubicacin:

Post Map:

Pgina 5

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Classed Post Map:

Pgina 6

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Utilizando del programa Geoeas:

Pgina 7

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Pgina 8

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Pgina 9

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Pgina 10

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Pgina 11

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Pgina 12

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

4. INTERPRETACION:

La media de las valores de Excel es 0.91 mientras que la del programa Geoeas es de 1.45 lo que quiere decir que los valores son pocos precisos, a diferencia de la varianza, que son precisos como 0.74 en Excel y 0.72 en Geoeas; en cambio el coeficiente de varianza tiene mucha diferencia, en Excel tenemos 90% mientras que en el programa tenemos 18% , a diferencia de kurtosis; en Excel es 1.3 y en Geoeas es 1.8 lo que quiere dar a conocer que los valores son algo precisos; mientras que los percentiles estn de la siguiente forma: Percentil 25 en Excel es 0.29 y Percentil 25 en Geoeas es 1.22 Percentil 75 en Excel es 1.31 y Percentil 75 en Geoeas es 1.68

Pgina 13

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Se puede decir que la data esta homogenizada, ya que sus valores no estn dispersos y la mayora de ellos engloban cierta precisin entre si, se puede decir que la mayor parte de los valores de la data se concentra en la parte central de la grfica, mientras que en sus extremos estn algo dispersos.

5. CONCLUSIONES:

La estadstica es mtodo prctico para realizar y evaluar datos de gran informacin ya que con ello podemos analizar fcil el proceso productivo de un trabajo como en mina. Con la expresin grfica podemos deducir muchas incgnitas y valores necesarios, siendo esta un medio de aviso ya que nos informa cmo va la produccin si est bien balanceada o no. Para estos clculos estadsticos realizamos una serie de clculos en programas efectivos tanto como el Excel, geoeas y otros.

Pgina 14

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN ANALISIS ESTADISTICO DE DATOS MINEROS

Al elaborar nuestra tabla de frecuencias y grafica hacemos empleo de unos clculos conocidos como la Media, Mediana y Moda, datos esenciales para nuestro estudio.

Pero tambin es importante conocer si los valores en general estn cerca o alejados de estos valores centrales, es por lo que surge la necesidad de estudiar medidas de dispersin.

Las grficas de dispersin, de frecuencia, de acumulacin entre otras nos ayudan a interpretar como estn relacionados entre si los valores que se estn evaluando, llegando a la conclusin si que estas estn homogenizadas, o estn muy dispersas, etc.

Pgina 15