Modelamiento en mineral

Slides:



Advertisements
Presentaciones similares
Tema 6: Regresión lineal.
Advertisements

Tema.9.Predicción y estimación. Concepto. Cálculo de la ecuación de regresión lineal. Modelo general lineal. Evaluación del modelo. Diagnóstico del modelo.
Modelos ARMA.
KRIGING CON TENDENCIA.
Master en Recursos Humanos
DERIVADA DE UNA FUNCION REAL
Curso intensivo de Krigeado
Tipos de funciones Por: Carlos Alberto García Acosta
KRIGING.
GEOESTADISTICA MULTIVARIADA
La transformada de Fourier.
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES
Geoestadística El Término Geoestadística surge de la combinación del carácter aleatorio de una Variable con el carácter geológico que indudablemente poseen.
Aplicaciones del Modelo de Variograma
Diseño de Experimentos
Tema V Sistemas no Lineales de Ecuaciones Diferenciales - Estabilidad de Sistemas de EDO Ecuaciones Diferenciales.
Regresión Lineal y Regresión Polinomial
Econometria 2. Modelo de Regresión Lineal Simple
Mario Bidegain (FC) – Alvaro Diaz (FI) – Marcelo Barreiro (FC)
Aplicaciones de la derivada Resuelve problemas de optimización aplicando las ideas básicas relacionadas con extremos de funciones de una variable Bloque.
VARIOGRAMA.
Vectores en el plano. Producto escalar.
Estadística Descriptiva: 4. Correlación y Regresión Lineal
Tema 1- Regresión lineal simple.
Estadística Descriptiva: 4. Correlación y Regresión Lineal Ricardo Ñanculef Alegría Universidad Técnica Federico Santa María.
Curso de Estadística Básica
Estadística bidimensional
Facultad: Turismo Y Hotelería
FUNCIONES DE DENSIDAD DE PROBABILIDAD
Exponentes y Logaritmos.
Estadística 2010 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri.
PROYECCIONES DE LA DEMANDA
La Derivada. Ya vimos: los conceptos, métodos ó instrumentos necesarios para establecer el “comportamiento” de una función.  en un entorno de x o [ 
PROBLEMAS ECONOMETRICOS
Prueba para la Bondad de ajuste Validación de Modelo
Introducción a Funciones de una variable
1 Asignatura: Autor: Análisis Numérico César Menéndez Titulación: Planificación: Materiales: Conocimientos previos: Aproximación Ingeniero Técnico Informático.
Pronósticos, Series de Tiempo y Regresión
Sesión 6: Campos de Markov
Curso de Geoestadística 3. Análisis Estructural
Tema 7: Regresión Simple y Múltiple. EJEMPLO: Aproxima bien el número de préstamos que efectúa una biblioteca a lo largo de su primer año de vida. Nos.
Errores e Incertidumbre
1 M. en C. Gal Vargas Neri. 2 Planeación del curso TEMACAP.TITULODÍASSEMFEC FIN TEMA 00MOTIVACION Y PLANEACION1111/01 TEMA I1-2ESTADISTICA Y MEDICION2115/01.
Conceptos y práctica del análisis geoestadístico
Estimación Sea una característica, un parámetro poblacional cuyo valor se desea conocer a partir de una muestra. Sea un estadístico ( función.
La Física La Física es la ciencia que estudia la naturaleza en su aspecto más amplio. Se consideran fenómenos físicos aquellos que están asociados a los.
Elaboración de gráficas
Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.
ESTADISTICA I CSH M. en C. Gal Vargas Neri.
Universidad Nacional de Colombia
Introducción a la Inferencia Estadística
Límites y Continuidad.
Capítulo 1. Conceptos básicos de la Estadística
1 Condiciones de extremo Proceso para derivar las condiciones De problema más simple a más complejo Progresión de problemas: Problema sin restricciones.
OPERATORIA DE LOS NÚMEROS RACIONALES
Variables estadísticas bidimensionales
Correlación Decimos que dos variables, X e Y, están correlacionadas cuando hay una relación cuantitativa entre ellas. X suele ser la variable independiente.
MUESTREO : Generalidades
Medidas de dispersión IIIº Medio 2015.
TEMA : ANALISIS DE REGRESION
FUNCIÓN DE PROBABILIDADES. ENTRE PROBABILIDADES Y FUNCIÓN HAY UNA ESTRECHA RELACIÓN…
UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA UNIDAD DE ADMISION CURSO PROPEDEUTICO ASIGNATURA FISICA Prof. Juan Retamal G.
VARIOGRAMA.
Números y Fracciones 1.Los números naturales y los enterosLos números naturales y los enteros 2.Números primosNúmeros primos 3.Máximo común divisor y mínimo.
ESTADÍSTICA BIDIMENSIONAL
VARIOGRAMA EXPERIMENTAL Es una herramienta que permite analizar el comportamiento espacial de una propiedad o variable sobre una zona dada. Ejemplo: Detectar.
Kriging Consideremos información de determinada propiedad en el yacimiento y puntos en los cuales se tiene la estimación dea partir de los puntos.
Contenido VARIOGRAMA EXPERIMENTAL VARIOGRAMA TEÓRICO Propiedades básicas Definición Estudio de modelos de variograma Cálculo a partir de los datos Características.
Contenido VARIOGRAMA EXPERIMENTAL VARIOGRAMA TEÓRICO Propiedades básicas Definición Estudio de modelos de variograma Cálculo a partir de los datos Características.
Transcripción de la presentación:

Modelamiento en mineral Clase Auxiliar 8: Estimación Profesor: Manuel Reyes Auxiliar: Cristobal Carcamo IN – 4722 Modelamiento en mineral

Modelamiento en mineral Variograma -Es una herramienta que permite analizar el comportamiento espacial de una propiedad o variable sobre una zona dada Detectar direcciones de anisotropía Ejemplo: Zonas de influencia y su extensión (correlación espacial) Variabilidad con la distancia Clase auxiliar 4: Mina Subterranea IN – 4722 Modelamiento en mineral

Ejemplo Calculo Variograma Continuidad espacial B A 1 2 3 4 5 6 7 8 9 1 5 3 7 9 8 2 4 6 MEDIA = 5 VARIANZA=50/9 HISTOGRAMAS IGUALES

Modelamiento en mineral Variograma -Se escoge una direccion Theta -Se escoge una distancia o lag h Se calcula y* para valores de h,2h, 3h,...,nh Se grafica y* versus los valores h,2h, 3h,...,nh Clase auxiliar 4: Mina Subterranea IN – 4722 Modelamiento en mineral

h

Datos Irregularmente espaciados: Puede ocurrir que no existan valores de la variable a la distancia h Puede ocurrir que no existan valores de la variable en la dirección

Clases de distancia: Para cada lag h se define una tolerancia y se utilizan únicamente los puntos que se encuentran a una distancia mayor o igual a y menor que h 2h 3h

Modelo Efecto Pepita Puro -Este modelo representa a un fenómeno completamente aleatorio, en el cual no hay correlación espacial -No importa cuán cerca se encuentren los valores de las variables, siempre serán no correlacionados

Modelo Esférico Rango s y sill a Comportamiento lineal en el origen Pendiente igual a Representa fenómenos continuos pero no diferenciables Es uno de los modelos de variograma más utilizados

Modelo Exponencial Sill s que alcanza asintóticamente Rango aparente igual a a Rango experimental igual a 3a Comportamiento lineal en el origen Pendiente igual a Representa fenómenos continuos pero no diferenciables

Modelo Gaussiano Sill s que alcanza asintóticamente Rango aparente igual a a Rango experimental igual a Comportamiento cuadrático en el origen Representa fenómenos continuos infinitamente diferenciables (sumamente continuos)

Modelo Cúbico Rango a y sill s Comportamiento cuadrático en el origen Representa fenómenos bastante continuos

Modelo Seno Cardinal Sill s que alcanza asintóticamente Rango aparente igual a a Rango experimental igual a 3a Comportamiento cuadrático en el origen Se utiliza para representar fenómenos continuos con periodicidades

s se denomina factor de escala Modelo Potencia s se denomina factor de escala El comportamiento en el origen depende del valor de p Representa fenómenos no estacionarios

Kriging: Planteamiento básico de la estimación por Kriging: Considerar la estimación de como una combinación lineal de las observaciones disponibles y escoger los pesos bajo un criterio en el cual se considera que dicha estimación es óptima. Este es que el estimador sea insesgado y que sea mínima

Se debe resolver el siguiente sistema: Kriging Simple KRIGING SIMPLE El caso más simple se denomina kriging simple y la hipótesis básica es la estacionaridad junto con el hecho de que se asume que la media de la función aleatoria es conocida. Esto es, Se debe resolver el siguiente sistema:

Relación de las observaciones con el punto a estimar Kriging Simple Relación entre las observaciones Relación de las observaciones con el punto a estimar o equivalentemente

Ejercicio Un Ingeniero recien egresado, ahora trabajador de la empresa “Anglo African”, , a propuesto un plan de sondaje que consta de obtener datos en el contorno de la zona a estimar para luego estimar los valores de las leyes en el resto de ella. Los valores de estos sondajes ahora los tiene usted y se le pide a partir de ellos y mediante vecino mas cercano, inverso de la distancia y kriging definir el modelo de bloques en 2D de la zona. Comente además la efectividad del plan de sondaje del ingeniero Junior.

Modelamiento en mineral Fin de presentación Clase auxiliar 8: Geoestadistica IN – 4722 Modelamiento en mineral 20