Resumen Ejecutivo

El anlisis estadstico bsico de un conjunto de datos nos permite determinar un sinfn de

parmetros y tener nocin de algunos aspectos de las muestras y poblaciones en estudio. La
utilizacin de Software para este cometido, cada vez simplifica ms las cosas y a la vez realiza
estadsticas ms complejas.

El objetivo de la experiencia es adquirir conocimientos y destrezas bsicas de un software y

aplicarlas para el estudio estadstico de una base de datos, mediante la realizacin de una
estadstica Bsica y EDA que busca la estacionalidad de los datos.

Se realiza el anlisis estadstico de una variable en particular, el Au, antes de realizar la estadstica
es necesario realizar un Composito y un Declustering, de manera de establecer un solo soporte de
la base de datos y asignar una ponderacin a cada dato dependiendo de si esta agrupado (menor
ponderacin) a si se encuentra aislado en la malla de muestreo.

Se realiza una comparacin estadstica de la variable a la base de compositos Decluster vs la base

sin aplicar Declustering realizando histogramas que permiten apreciar la distribucin de la
muestra, ProbaPlot que permite visualizar un posible contacto entre la unidades geolgicas
adems de los datos atpicos, Derivas que permiten ver la distribucin de las leyes segn las
coordenadas cartesianas y la unidad geologica, Crossgam que permite tambin visualizar un
posible contacto entre las unidades geolgicas y la relacin de sus datos.

Con el anlisis estadstico de observo que es mucho ms representativa de la muestra la

estadstica de la base de datos la cual fue previamente compositada y se aplic adems
Declustering, se observa que la media de las leyes baja considerablemente y se tiene una menor
desviacin esandar.

Se determin con la estadstica bsica que el comportamiento de la variable Au presenta un

comportamiento Log Normal con gran cantidad de datos de baja ley agrupados a la izquierda, que
mientras aumentan de valor disminuye su frecuencia. Adems se observ la tendencia al alza de
las leyes con la profundidad, siendo la zona de mayor ley la transicin de la zona mixta a la de
sulfuros , por otra parte se verifico la correcta divisin de las zonas geologicas, ya que presentan
datos de distintas zonas geologicas.

1
ndice
Introduccin, objetivos, alcances..3

Metodologa..4

Presentacin de Datos...5

Desarrollo y Resultados.6

Conclusiones y Recomendaciones.8

Bibliografia9

Anexos 9

Tablas
estadstica Au ProbPlot........................................................................................................5

Imgenes
Flujo desarrollo de la Experiencia.........................................................................................5
Grficos ProbPlot...................................................................................................................6
Visualizacin de Sondajes......................................................................................................9
Visualizacin de Compositos...............................................................................................10
Visualizacin de Scatterplot de ProbPlot............................................................................10

2
Introduccin
La estimacin de recursos, la evaluacin de yacimientos es parte fundamental de un proyecto
minero, establece las bases para pasar a una evaluacin tcnico econmica. Es imperativo
determinar las variables y conocer el comportamiento del yacimiento, conocer las reservas y
realizar un modelo del yacimiento.

La aplicacin de software ayuda a implementar y modelar las variables, pudiendo estimar el

yacimiento, estimando su comportamiento para poder genera el modelo.

El anlisis estadstico de una base de datos es la piedra angualar del modelo, sin base de datos, no
podra realizarse la estimacin, andes de aplicar las herramientas necesarias para modelar, es
necesario conocer las caractersticas de los datos, su comportamiento, la similitud entre ellos
como se relacionas, y a q sector pertenecen, para asi realizar un correcto trabajo.

Lo inicial es realizar un anlisis estadstico de la base de datos, un anlisis EDA, que es lo que se
realiza en esta experiencia aplicando diversas herramientas.

Objetivos

Lograr alcanzar conocimiento y metodologa de trabajo con el Sofware.

Trabajar con el Software en torno a una base de datos, visualizar esta y sus contenidos.
Compositar y Declustering.
Aplicar herramientas de anlisis estadstico bsicas (EDA)

Alcances
El anlisis realizado a la base de datos, se limita a una sola variable econmica de estudio,
por tanto se excluy del anlisis el Cobre soluble, Cobre Total y Molibdeno.
No se elimin ningn valor de la base de datos, considerando la posible presencia de
valores atpicos (Outliers) y la variable en estudio.
Se tiene solo una base de datos para el estudio.
La informacin de la base de datos es limitada.
El nivel de experiencia, conocimiento y utilizacin del software es limitado.

3
Metodologa

Diagrama de Flujo Experiencia.

-Derivas
-Anlisis de
Estadistica
Contacto
Basica

Visualizar
Compositos

Compositar
Revision Base
de Datos,
Visualizacion
Sondajes.
Cargar
Base de
Datos en
Sofware

Cargar
Base de
Datos en
Sofware
Compositar
Revision Base Visualizar
de Datos, Compositos
Visualizacion
Sondajes. Decluster
Estadistica
Basica
-Derivas
-Anlisis de
Contacto

Diagrama n 1: Flujo desarrollo de la Experiencia

4
 Presentacin de los Datos
El anlisis realizado a la base de datos, se limita a una sola variable econmica de estudio, por
tanto se excluy del anlisis el Cobre soluble, Cobre Total y Molibdeno.

Se tiene como base los datos de una campaa de sondajes (Anexo: ver figura n : visualizacin
sondajes) realizada que posee 54 sondajes y 11192 datos, donde se tiene informacin acerca de
las leyes (tabla Assay), coordenadas de los sondajes en superficie (Collar), los desvos de cada uno
(Survey) y la unidad Geolgica a la que pertenecen (Geocod) estableciendo parmetros de
identificacin como, 10 indica unidad geolgica de xidos, 20 unidad mixta, 30 unidad de sulfuros
y -99 valor de convencin como target de informacin nula o estril.

Es necesario regularizar la base de datos a un mismo soporte, de manera de facilitar el anlisis, por
lo tanto se realiza Compositacin cambiando el tamao de Soporte de acuerdo al tamao modal
de los datos. La Compositacin se realiza mediante el mtodo de Run Length, aplicando un valor
de 2m (Anexo:ver figura n : visualizacin sondajes compositados).

Para que el anlisis sea adecuado es necesario realizar un Declusterin, es decir desagrupar los
datos de manera de obtener una estadstica ms representativa, se realiza por el mtodo de las
celdas y luego aplicando la herramientas para generar Histogramas, ProbPlot, Derivas, Crossgam y
estadstica bsica tanto a la base de compositos con Declustering y la q no posee esa ponderacin.

Se presentan tablas comparativas entre la estadstica con declustering y sin este:

Unidad mnimo mximo media varianza datos desv_stand coef_vari

10 0.005 3.74 0.0707573 0.027 1279 0.165 2.334

20 0.01 12.742 0.175822 0.174 1235 0.417 2.373

30 0.005 6.034 0.103251 0.016 3041 0.126 1.224

Tabla n1: estadstica Au ProbPlot datos Decluster

Unidad minimo maximo media varianza datos desv_stand coef_vari

10 0.005 6.034 0.172525 0.105 2421 0.324 1.879

20 0.01 0.176 0.0862672 0.002 696 0.041 0.47

30 0.01 0.258 0.076412 0.003 2427 0.057 0.744

Tabla n2: estadstica Au ProbPlot datos sin Decluster

5
El Grafico de ProbPlot :

Imagen n 1: Graficos ProbPlot con Decluster (izquierda) y sin Decluster (derecha).

Desarrollo y Resultados
A modo de simplificar la visualizacin de la base de datos y mejorar el eventual anlisis,
compositor considera un cambio del tamao de soporte de acuerdo al tamao modal de los datos,
donde se considera el 50% de la moda determinada mediante anlisis estadstico, con el uso del
mtodo Run Length.

La aplicacin de un Declustering nos entrega una variable de ponderacin o desagrupamiento de

modo de corregir posibles errores en la malla de sondajes. La idea es asignar a los datos
espacialmente agrupados en partes redundantes, un ponderador ms pequeo que a los datos
aislados. para asignar la variable de ponderacin se utiliz el mtodo de las celdas.

Al analizar el histograma de la variable de estudio, se observa que el AU presenta una distribucin

Log Normal, con gran cantidad de datos agrupados a la izquierda y de bajas leyes, las cuales al
aumentar disminuyen considerablemente la frecuencia de datos, llegando incluso a tener datos
escapados. Independiente de la segregacin del anlisis el resultado fue el mismo tanto al analizar
todos los dominios geolgicos juntos como cada uno por separado, con y sin desagrupar la base de
datos (declustering).

El anlisis del Crossgam nos ayuda a visualizar el tipo de contacto entre las muestras, como
tenemos las unidades geolgicas determinadas por cdigos 10 (xidos), 20 (Mixto) y 30 (sulfuros),

6
al analizar las tendencias de por cada unidad geolgica versus la otra, se puede apreciar si existe
cierta tendencia en los datos, lo que permite inferir el contacto entre estas. Se analiz:

10 vs 20 se observa una tendencia, lo que implica que el contacto es transicional.

20 vs 30 se observa una leve tendencia, pero mucho menos notoria q en el contacto
anterior, por lo tanto podra tratar de un contacto transicional.
10 vs 30 no se observa una tendencia, por lo tanto el contacto es Duro, y los elementos
estn separados.

El anlisis estadstico ProbaPlot tambin nos permite inferir sobre un posible contacto, si tenemos
las tres tendencias juntas (como superpuestas), esto indicara un posible contacto, pero es
necesario el estudio de ms variables para cerciorarlo. En este caso los grficos no se superponen
lo que indica que los datos no son de una sola unidad, adems este anlisis permite determinar los
datos escapados mediante un Scatterplot que grafica los Outliers que suelen plantear problemas
en el estudio estadstico o geoestadstico, introducen variabilidad y complican el estudio
variografico, conducen a zonas amplias con valores estimados muy altos.

El anlisis de Derivas Permite evaluar el comportamiento espacial de una variable de Inters,

detectar tendencias al alza o a la baja de leyes segn coordenadas (x,y,z)

Unidad 10 xidos

X se observa una tendencia de alzas y bajas variable cada 100 m aprox, que el ltimo
tramo tiende al alza.
Y tiene una tendencia al alza en el centro peo luego tiende a la baja.
Z presenta una considerable alza con el aumento de la cota, pero luego vuelve a bajar la
ley.

Unidad 20 mixto

se presenta un un comportamiento similar de las leyes, con ciclos variables, pero con
leyes ms altas que la unidad geolgica anterior.

Unidad 30 Sulfuros

El comportamiento es similar con ciclos de lazas y bajas, pero en la coordenada y se

mantiene el alza de leyes, mientras q en las dems la ley vuelve a caer.

Entonces se tiene que la unidad con ms altas leyes es la mixta en la transicin hacia la parte de
sulfuros.

7
Conclusiones y Recomendaciones
Se realiz correctamente el anlisis estadstico de la base de datos de sondajes, aplicando
metodolgicamente conocimientos aprendidos sobre el software.
Se realiz estadstica bsica y EDA.
El anlisis estadstico bsico arroja como resultado que el comportamiento de los datos de
las leyes de Au es un comportamiento Log Normal, donde se tienen muy bajas leyes
agrupadas a la izquierda de la distribucin, y que a medida que ocurre un incremento de
las leyes, la frecuencia de estas disminuye.
Compositar y realizar un Declustering permiten tener un anlisis estadstico ms
representativo de las muestras, al tener un soporte igual para todos los sondajes y asignar
una ponderacin a cada variable dependiendo si esta agrupada o aislada, lo que me
permite aumentar la seguridad de que las leyes se aproximen ms a la realidad.
El contacto entre los bloques fue bien definido, pues en el anlisis no se observ que estos
datos debiesen haber pertenecido a una sola unidad geolgica, sino que se observa que se
hizo lo correcto al dividirlo ya que representas muestras diferentes.
Las mayores leyes de Au se encuentran en la zona mixta y la transicin a la zona de
sulfuros.
Se recomienda realizar el anlisis estadstico de las dems variables econmicas de los
sondajes para conocer su comportamiento, y tener una nocin general del yacimiento,
para posteriormente realizar un posible modelo.
Se recomienda realizar una validacin de la base de datos antes de utilizar el softwer,
donde pueden filtrarse datos que no tendrn influencia en la estadstica, como algunas
leyes negativas, y tratar de generar algn modelo donde los datos atpicos o escapados no
generen variabilidad
Se recomienda realizar un desagrupamiento con otros mtodos, com por ejemplo el de los
polgonos donde la asignacin de la ponderacin depende del rea o volumen de
influencia de este.
Redefinir las zonas de estudio, creando subcategoras, permitiendo un anlisis ms
detallado
Realizar el anlisis estadstico y un contra anlisis con el mismo u otro software y con la
misma u otra base de datos, adems de invertir en mas investigacin sobre la geologa del
yacimiento

8
Bibliografa
Emery, Xavier; Ctedras MI4040-2Anlisis estadstico y geoestadstico de datos, Semestre
Alfaro Marco -2007 Estimacin de Recursos Mineros.
Emery Xavier., 2011 Geoestadstica. Universidad de Chile

Anexos

Imagen n 2: Visualizacin de Sondajes coloreados segn ley.

9
 Imagen n3 : Visualizacin de Compositos.

Imagen n4 : Visualizacin de Scatterplot de ProbPlot datos atipicos o escapados

10