Evaluacion 2 Miguel

Universidad Nacional Experimental de los Llanos Occidentales “Ezequiel Zamora”
Vicerrectorado de Infraestructura y Procesos Industriales

Programa de Ciencias Básicas Aplicadas
Programa de Formación de Grado Ingeniería en Minas
Variogramas
Profesor (a): Alumno (a):

Antonio Tirado Br. Miguel Avendaño
C.I.N: 29.803.254
¿Qué es un Variograma?
Se define como la media aritmética de todos lo cuadrados, de las diferencias entre pares
de valores experimentados, separados una distancia (h). Siendo una función intrínseca
aleatoria donde la Función variograma γ (h) es la esperanza matemática como en la
siguiente fórmula:
La variografía es un componente esencial para la estimación de recursos, permite a los

geólogos tener un gran entendimiento de la correlación espacial de la información
geológica, además de tener control del proceso de interpolación que es usado para el
modelamiento de bloques. También nos permiten estudiar el comportamiento de La
anisotropía y la isotropía de la variable de estudio.
Interpretación de un variograma
En esta explicación nos vamos a enfoca en la interpretación propia del variograma, como
parte práctica para poder definir el modelo que se usara para la interpolación de los datos.
Ahora bien en nuestra imagen Nro.1 tenemos nuestro variogra experimental modelo
(Omnidireccional), con la semivarianza en diferentes distancias, donde el primer paso
consiste en ubicar la varianza de nuestro datos.
Varianza de datos (sill) S: 0.018

Nro.1
Esta varianza nos puede dar una idea de donde se ubica la meseta, la cual no siempre será
igual debido a factores que influyen en el cálculo de semivarianza de un análisis
geoestadistico.
El segundo paso es el cálculo del efecto pepita que consiste en realizar un ajuste a la
pendiente de nuestro sermivariograma como se muestra en la imagen Nro.2 y detectar en
comportamiento de origen.
Nro.2
Efecto pepita: Co 0.005
Con un comportamiento: Lineal
El tercer paso se lleva a cabo si ya tenemos nuestra varianza de nuestros datos y si hay o
no hay efecto pepita, podemos sacar la meseta parcial o contribución que sería la varianza
menos el efecto pepita (S Co).
Maseta parcial: (S Co) = (0.018 0.005) = C1 (0.013)
Este resultado que nos da la maseta parcial es el resultado de la diferencia entre la

varianza y la intersección en Y del efecto pepita.
El último paso es el cálculo del rango que sería la distancia de la cual se tiene correlación
a partir del punto donde nuestros datos no presentan una relación espacial, en la gráfica
Nro.3 podemos identificar que si se ajusta la línea roja un poco más la línea roja esta sigue
creciendo un poco más hasta el punto donde esta varianza se mantiene de manera
horizontal.
Nro.3
Como se puede apreciar en la sección señalada podemos notar un leve crecimiento de la

línea roja donde se determina que el punto donde el comportamiento de la varianza se
empieza a comportar de manera horizontal es donde se establece en rango identificado con
la línea azul.
Rango= a 10
Modelos de Variogramas
3.
Debido a que el variograma experimental no puede utilizarse directamente. Por una

parte, sólo está definido para ciertas distancias y direcciones, por lo que es incompleto. Por
otra parte, está sujeto a ciertas aproximaciones, debido al número limitado de datos y a los
parámetros de tolerancia utilizado en el cálculo. Para subsanar esta situación, la idea es
ajustar un modelo teórico de variograma en torno al variograma experimental. Esta etapa es
la fase esencial de todo estudio geoestadistico, pues aquí es donde uno interpreta la
continuidad espacial de la variable en estudio.
¿Por qué ajustar?
El objetivo de ajustar un modelo teórico es disponer de una ecuación, la cual se utilizará

en los cálculos posteriores. En general, los paquetes computacionales trabajan
exclusivamente con el modelo teórico.
Después del análisis variográfico disponemos de una interpretación de los variogramas

experimentales, de sus características (anisotropías, alcances, mesetas, efectos de pepita).
¿Por qué no trabajar directamente con el variograma experimental, haciendo

coincidir por ejemplo, un polinomio de grado suficiente elevado con la curva
experimental?
Las respuestas provienen de dos consideraciones estadísticas.
•El variograma y(h) que intervendrá en los cálculos posteriores no es una función
cualquiera, sino debe tener propiedades particulares.
Así por ejemplo, las varianzas que se calculan con y(h) deberán ser siempre positivas y
no está garantizado, sin embargo que el polinomio pasando por todos los puntos
experimentales cumpla con esa condición.
•Por otra parte, se sabe que a partir del mismo conjunto de datos es imposible proporcionar
a la vez una estimación y la precisión asociada. Esta imposibilidad no permite utilizar el
variograma experimental para el cálculo de las varianzas. Estas dos razones nos obligan
entonces a escoger un modelo de variograma y ajustarlo al variograma experimental.
El variograma teórico
Corresponde a una ecuación que se ajusta al variograma experimental, dentro de los

variogramas teóricos entran:
Variograma esférico:
Donde “A” es el rango y “c” es la meseta o varianza. Este modelo tiene un

comportamiento lineal en el origen y alcanza la meseta a una distancia igual al rango
“A”. Si se asume estacionalidad de segundo orden la relación entre el variograma
estandarizado y el correlograma tiene la forma que se muestra en la figura.
Modelo Exponencial:
Donde “C” es la meseta o varianza y “a” es prácticamente el rango, esto es, la distancia en
la que el valor del variograma alcanza el 95% del valor de la meseta.
El modelo es asintótico y tiene un comportamiento lineal en el origen.
Modelo Gausiano
Donde “C” es la meseta o varianza y a es prácticamente el rango (valor al 95% de la

meseta). Este modelo también alcanza asintóticamente la meseta y tiene la Forma típica de
la curva Gaussiana.
Modelo de potencia:
El variograma potencia de pendiente y exponente se define como:

γ ( h )=ω h
Este variograma no posee ni meseta ni alcance, sino que crece en forma indefinida. El
exponente puede variar entre 0 (variograma pepitico) y 2 (variograma parabólico). El
modelo se llama lineal cuando el exponente vale 1.
REGLAS DE AJUSTE.
Consideremos el siguiente ejemplo de variograma experimental, calculado a lo largo de las

direcciones principales de anisotropía en el espacio de tres dimensiones.
Antes de ajustar un modelo, empecemos con determinar (visualmente) las principales
características del variograma experimental.
*El variograma tiene un efecto pepita de meseta 0.1 aproximadamente.
*En la primera dirección (D1), el variograma tiene un alcance cercano a 200m y una meseta
cercana a 1.0.
*En la segunda dirección (D2), el variograma tiene un alcance cercano a 120m y una
meseta cercana a 1.3.
•En la tercera dirección (D3), el variograma tiene un alcance cercano a 50m y una meseta
cercana a 1.5.
*En cada dirección, aparte del efecto pepita, el comportamiento en el origen es lineal, lo
que sugiere utilizar modelos anidados de tipo es esférico o exponencial.
Dado que el modelo será la suma de modelos básicos (variograma anidado), se va a ir
sumando contribuciones positivas a medida que se agregan los modelos anidados. Por esta
razón, el modelamiento se realizará yendo "desde abajo” hacia arriba en el eje de ordenada
correspondiente al variograma.

Evaluacion 2 Miguel

Cargado por

Copyright:

Formatos disponibles

Evaluacion 2 Miguel

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Evaluacion 2 Miguel

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Experimental de los Llanos Occidentales “Ezequiel Zamora”

Vicerrectorado de Infraestructura y Procesos Industriales

Profesor (a): Alumno (a):

La variografía es un componente esencial para la estimación de recursos, permite a los

Varianza de datos (sill) S: 0.018

Con un comportamiento: Lineal

Maseta parcial: (S Co) = (0.018 0.005) = C1 (0.013)

Este resultado que nos da la maseta parcial es el resultado de la diferencia entre la

Como se puede apreciar en la sección señalada podemos notar un leve crecimiento de la

Debido a que el variograma experimental no puede utilizarse directamente. Por una

¿Por qué ajustar?

El objetivo de ajustar un modelo teórico es disponer de una ecuación, la cual se utilizará

Después del análisis variográfico disponemos de una interpretación de los variogramas

¿Por qué no trabajar directamente con el variograma experimental, haciendo

Las respuestas provienen de dos consideraciones estadísticas.

Corresponde a una ecuación que se ajusta al variograma experimental, dentro de los

Donde “A” es el rango y “c” es la meseta o varianza. Este modelo tiene un

Donde “C” es la meseta o varianza y a es prácticamente el rango (valor al 95% de la

El variograma potencia de pendiente y exponente se define como:

Consideremos el siguiente ejemplo de variograma experimental, calculado a lo largo de las

*El variograma tiene un efecto pepita de meseta 0.1 aproximadamente.

También podría gustarte