Desagrupamiento de datos

Evaluación de Yacimientos
Universidad de Santiago
Septiembre 2017
 Contenidos
• Bibliografía
• Introducción
• Métodos de desagrupamiento de datos
• Ejemplos
• Resumen
 Bibliografía
• Isaaks E. and Srivastava R., An Introduction to
applied geostatistics, Oxford University Press,
New York, 1989.
• Rossi. M and Deutsch C., Mineral Resource
Estimation, Springer, New York, 2014.
• Sinclair A.J. and Blackwell G.H., Applied
Mineral Inventory Estimation, Cambridge
University Press, Cambridge, 2002.
• Guillermo Oléa, Clases EYM DIMIN U. de Chile
INTRODUCCIÓN
 Introducción
• El desagrupamiento o “declustering” se emplea
para calcular el histograma y las estadísticas
generales corrigiendo los efectos provocados por
las irregularidades de la malla de muestreo

• La idea central consiste en que las muestras

espacialmente cercanas deben ser ponderadas en
menor medida que aquellas más aisladas
Causas del agrupamiento de datos
• La representatividad de las muestras
comúnmente poseen sesgo espacial  Datos
dispersos

• El muestreo es preferencial (sesgado) si la

ubicación de los datos es irregular o tiene una
distribución espacial aleatoria
– Restricciones técnicas y económicas
– Delineación de zonas de interés económico
– Accesibilidad
MÉTODOS DE DESAGRUPAMIENTO
Métodos de desagrupamiento

POLÍGONOS DE INFLUENCIA
Método de los polígonos
 Método de los polígonos
• Pondera el valor de cada muestra en función a
la influencia de su volumen
• Implementación en 3D mediante vecino más
cercano
• No considera:
– Valores de los datos
– Correlación espacial
– Derivas o tendencias
Métodos de desagrupamiento

DESAGRUPAMIENTO POR CELDAS

 Método de las celdas
• Método de fácil implementación

• Divide el campo en celdas rectangulares idénticas,

asignando en cada una de ellas un ponderador
inversamente proporcional al número de muestras que
se ubican dentro de ellas

• No considera:
– Correlación espacial
– Derivas o tentencias
Método de las celdas
Método de las celdas
Métodos de desagrupamiento

DESAGRUPAMIENTO POR PESOS DE

KRIGING
 Acumulación de pesos de cada
muestra
• Kriging en vecindad móvil que registra el peso
de cada muestra en la estimación de bloques

• La suma o acumulación de pesos reflejan la

participación de las muestras

• Se obtiene una métrica de la importancia

relativa de cada muestra en la estimación
 Acumulación de pesos de cada
muestra
• Considera
– Variograma  Correlación espacial de los datos

• No considera
– El valor de las muestras
– La deriva y/o tendencia espacial
Láminas tomadas desde apuntes de Ricardo Olea (U. Chile)

EJEMPLOS
Leyes de CuT
Desagrupamiento por celdas
Datos brutos
Datos desagrupados por celdas
OTROS EJEMPLOS
 Muestras

Muestras
Leyes de CuT
Desagrupamiento polígonos (NN)
Pesos de cada muestra
Desagrupamiento por celdas
Pesos de cada muestra
Desagrupamiento por pesos de kriging
Pesos de cada muestra
CuT bruto
CuT desagrupado por polígonos
CuT desagrupado por celdas
CuT desagrupado por pesos de Kriging
Comparación CuT por método
 Resumen
• La elección de un método modifica la distribución
completa, llevando a distintos resultados
– Modifican nuestra apreciación del fenómeno

• Tradicionalmente, se utiliza el método de la

celdas y se desagrupa por dominio de estimación

• La idea central consiste en reducir la influencia de

los datos agrupados, que generalmente poseen
mayor ley