EPIG

FIGMM

1
M. Sc. Samuel Canchaya Moya

M. Sc. Samuel Canchaya Moya

Efecto Proporcional en
Variogramas

1
 Ejemplo de distribuciones
log-normales con Efecto
Proporcional: Caso del Cu

GRAFICO MEDIA VS DESVIACION ESTANDAR CuT

6000

5000
Desv. estándar

4000

3000

2000

1000

0
0 1000 2000 3000 4000 5000 6000
3
Media

Ejemplo de distribuciones
log-normales con Efecto
Proporcional: Caso del Mo

Gráfico Media vs Desv. Estándar Mo

300

250
Desv. estándar

200

150

100

50

0
0 50 100 150 200 250 300

4
Media

2
 Ejemplo de Efecto Proporcional de la Ag
Yacimiento de Ag-Au Franja de Maricunga - Chile

0.4

0.35
y = 1.23x - 0.0014
0.3 r² = 0.88
Standard deviation

r = 0.94
0.25

0.2

0.15

0.1

0.05

0
0 0.05 0.1 0.15 0.2 0.25 0.3
Mean Ag (g/t)

Típica distribución LOG-NORMAL del Au

en un yacimiento epitermal de HS
Valores bajos no
significativos Moda

Mediana

Altos erráticos
Media

Au ppb 6
Tomado de Canchaya (2004)

3
 Comprobación gráfica del
Efecto Proporcional
1500

1250
Ley media del oro (ppb)

1000

750

500

250

0
0 250 500 750 1000 1250 1500 1750 2000 2250 2500

Desviación estándar
7
Tomado de Canchaya (2004)

Condición o hipótesis
de Estacionariedad D

 Se cumple si la media y la varianza son invariantes para cualquier

traslación dentro de un determinado dominio D.
 Se cumple si el variograma y la covarianza son invariantes para
cualquier traslación dentro de un determinado dominio D.
 En palabras sencillas: Si muestreo cualquier sub-dominio Di dentro
de D, debo obtener probabilísticamente, la misma media, varianza y
variograma.
 Vale decir: La mineralización dentro de D deberá ser
probabilísticamente HOMOGENEA.
 La CONDICION DE ESTACIONARIEDAD es el requisito que
exige la Geoestadística tradicional para su aplicación: Geostadística
estacionaria.
8

4
 Cómo se refleja el Efecto
Proporcional en los Variogramas

g 2500000
A67
2000000 A86
A22
1500000 A129

1000000

500000

0 105

120

130

145

160

175
20

35

50

60

75

90
6

Paso (h)

9
Tomado de Canchaya (2004)

Discusión
 En la bibliografía se encuentra recomendaciones controversiales para tratar este
tipo de distribuciones. Por ejemplo se recomienda dividir los valores gamma, de
cada variograma, por su respectiva media al cuadrado; así se obtiene el llamado
“variograma relativo”.
 Hay que hacer notar que al dividir los gamma por la media al cuadrado, los valores
resultantes son adimensionales. Para convertirlos en dígitos significativos
nuevamente deberán ser multiplicados por el cuadrado de la respectiva media.
 David (1977) y otros autores muestran ejemplos donde los variogramas
relativos llegan a coincidir, haciendo “desaparecer” el efecto proporcional; incluso
recomiendan reemplazar todos los variogramas por uno promedio para poder
modelar todo el depósito.
 Para Clark (1984) esta recomendación es cuestionable, ya que él comprobó que
los valores que reproduce el modelo de variograma relativo resultan erróneos.
 Canchaya (2004) mostró que con los variogramas relativos no necesariamente se
logra hacer “desaparecer” el efecto proporcional.

10

5
 Variogramas relativos en distribuciones
con Efecto Proporcional

g
1.60
1.40
A67
1.20
1.00 A86

0.80 A22
0.60 A129
0.40
0.20
0.00
Paso (h)

11
Tomado de Canchaya (2004)

… Discusión

12

6
 As ppm
Conclusiones:
 El EFECTO PROPORCIONAL (EP) es un
problema muy complicado y con
soluciones controversiales.

 Está presente en la mayor parte de las variables

comunes de la exploración geoquímica:
Pórfido Cu-Au
Au, Ag, Cu, Mo, etc. y volátiles: Hg, Sb, As, etc. Encañada-Cajamarca

 En el caso del oro, está presente en prácticamente todos los casos, en todos los
rangos y en cualquier tipo de yacimiento.

 Los dominios de variables con EP no pueden ser estudiados con la

Geoestadística tradicional.

 Se requiere más investigación para poder manejar apropiadamente las variables

con EP.

13

Recomendaciones

 Cada vez que tengamos distribuciones sesgadas o log-

normales, realizar el test de EFECTO PROPORCIONAL.

 No aplicar las herramientas comunes de la Geoestadística

tradicional, sino de la Geoestadística No estacionaria.

 La recomendación práctica es tratar de sub-dividir el dominio

total de datos en sub-dominios de alta, intermedia y baja
ley o por percentiles; y tratar cada sub-dominio por
separado.

14

7
 1500

1250

Ley media
1000

750

500

250

0
0 250 500 750 1000125015001750200022502500

Desviación estandar
?
Histograma Log-
normal

?
Cu ppm

51482
9082339
48094
44707
9082304
41319
37932
34544

Norte
9082270 31157
27769
24382
9082235 20994
17607
14219
9082200
880503 880555 880608 880660
10832
Este 7444
4057
669

Referencias bibliográficas
 Canchaya S. (2004) Log-normalidad y efecto proporcional. Características frecuentes en los
yacimientos de oro.- XII Congr. Peruano Geol.; 4p.
 Canchaya S. (2004) Log-normalidad y efecto proporcional. Características frecuentes en los
yacimientos de oro.- XII Congr. Peruano Geol.; 4p.
 Canchaya S. (2013) Sampling of Variables with Proportional Effect.- 6th World Conference on
Sampling and Blending (6WCSB); Lima, 19 al 21 de Nov. del 2013.
 Clark I. (1984) Practical Geostatistics.- Elsevier Applied Science Publishers; pp. 129.
 Chiles J-P. & Delfiner P. (2001) Geoestatistics, Modeling Spatial Uncertainty.- Wiley Series in
Probability and Statistics; John Wiley Sons Inc.; pp. 695.
 David, M. (1977) Geostatistical Ore Reserve Estimation.- Elsevier Scientific Publishing Co.; 364 p.
 Delhomme J. P. (1978) Kriging in the hydrosciences.- Advances in Resources I; pp. 251-266
 Journel, A. G. & Huijbregths Ch. J. (1978) Mining Geostatistics.- Academic Press; 600 p.
 Krige, D. G. (1981) Lognormal-de Wijsian Geostatistcs for Ore Evaluation.- South African Inst. Min.
Metall; 51 p.
 McLennan J. A. & Deutch C. V. (2008) A new approach to SGS with a trend: a non-stationary
Gaussian Transformation.- Proceedings 8th International Geostatistics Congress, Vol. 1; 1-5 Dec.
Santiago Chile, Vol. 1: pp. 419-428.
 Matheron G. (1963) Principles of Geostatistics.- Econ. Geol. Vol. 58; pp. 1246-1266.
 Matheron G. (1974) Effet proportionnel et lognormalité ou: le retour du serpent de mer. Tech. Rep.
N-374. Centre de Géostatistique, Fontainebleau, France.

8
 Referencias bibliográficas
 Canchaya S. (2004) Log-normalidad y efecto proporcional. Características
frecuentes en los yacimientos de oro.- XII Congr. Peruano Geol.; 4p.

Canchaya S. (2013) Sampling of Variables with Proportional Effect.- 6th World Conference on
Sampling and Blending (6WCSB); Lima, 19 al 21 de Nov. del 2013.

Canchaya S. & Baumgartner R. & Gaibor A. & Trueman A. (2013) Bulk Density for
Resource Estimation and Geometallurgical Purposes – Canahuire Au-Cu-Ag Deposit, Southern
Peru.; 6th World Conference on sampling and Blending (6WCSB); Lima, 19 al 21 de Nov. del
2013.

 David, M. (1977) Geostatistical Ore Reserve Estimation.- Elsevier Scientific Publishing Co.;
364 p.

 Journel, A. G. & Huijbregths Ch. J. (1978) Mining Geostatistics.- Academic Press; 600 p.

 Krige, D. G. (1981) Lognormal-de Wijsian Geostatistcs for Ore Evaluation.- South

African Inst. Min. Metall; 51.
17

M. Sc. Samuel Canchaya Moya

Otros tipos de medición de la

Autocorrelación

18

9
 Variograma estandarizado

Cuando se divide la función semivariograma por la varianza

γ(h) = ([1/2n(h)] Σ [Zi – Zi+h] 2) / s2

γ(h): Semivariograma para distancia h

Zi: Realización en punto i

Zi +h: Realización en punto h+i

n(h): número de pares

S2: varianza estadística de toda la data

Tomado de: GS+ User Guide.- GammaDesign Software

19

Madograma

Cuando se usa la diferencia absoluta entre las realizaciones separadas por un

vector h, en lugar de las diferencias cuadráticas

γM(h) = [1/2n(h)] Σ I Zi – Zi+h I

γM(h): Semivariograma para distancia h

Zi: Realización en punto i

Zi +h: Realización en punto h+i

n(h): número de pares

Tomado de: GS+ User Guide.- GammaDesign Software

20

10
 Rodograma

Cuando se usa la raiz cuadrada de las diferencias entre las realizaciones

separadas por un vector h, en lugar de las diferencias cuadráticas

γR(h) = [1/2n(h)] Σ (I Zi – Zi+h I)0.5

γR(h): Semivariograma para distancia h

Zi: Realización en punto i

Zi +h: Realización en punto h+i

n(h): número de pares

Tomado de: GS+ User Guide.- GammaDesign Software

21

Tendencia (“Drift”)

Se calcula aplicando la siguiente fórmula:

F(h) = [1/2n(h)] Σ (Zi – Zi+h)

F(h): Tendencia o “drift” para distancia h

Zi: Realización en punto i

Zi +h: Realización en punto h+i

n(h): número de pares

Tomado de: GS+ User Guide.- GammaDesign Software

22

11
 Covarianza

Es calculada usando la fórmula:

C(h) = [1/n(h)] Σ Zi Zi+h - m-h m+h

C(h): Covarianza para distancia h

Zi: Realización en punto i

Zi +h: Realización en punto h+i

m-h: Realización en punto i

m+h: Realización en punto h+i

n(h): número de pares para cada h Tomado de: GS+ User Guide.- GammaDesign Software

23

Variogramas relativos generales

Grafica las semivarianzas normalizadas por el promedio del cuadrado

de las cabezas y colas del vector h.

g GR(h) = g(h) / (m-h + m+h)2

gGR(h): Semivariograma general relativo
para distancia h
g(h): Semivariograma para distancias iterativas h
m-h: Promedio de todos los valores de cabecera
del vector h, o [1/n(h)] SZh
m-h: Promedio de todos los valores de cola
del vector h, o [1/n(h)] SZi+h
Tomado de: GS+ User Guide.- GammaDesign Software

24

12
 Variogramas relativos par a par

g PR(h) = [1 / 2n(h)] S [(zi + zi+h)2/ [0.5(Z i + Zi+h)]2]

Grafica las semivarianzas normalizadas por el

promedio del cuadrado de las cabezas y colas del
vector h.

gPR(h): Semivariograma relativo par a par

para la distancia h

Zi: Realización en el punto i

Zi+h: Realización en el punto i+h

n(h): número total de cuplas para cada h Tomado de: GS+ User Guide.- GammaDesign Software

25

Análisis Fractal
Se calcula la dimensión fractal D de la función de la pendiente de un
variograma log-log

D=2–m/2

D: El estadístico de Hausdorff-Besicovitch
m: la pendiente del variograma log-log

Tomado de: GS+ User Guide.- GammaDesign Software

26

13
Referencias bibliográficas

 Gamma Design Software (2015) Geostatistics for the Enviromental Sciencies.-

Plainwell, Michigan-USA; 176 p.

27

14