SlideShare una empresa de Scribd logo
1 de 20
GEOESTADISTICA I 1
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
“Año de la consolidación del Mar de Grau”
UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica
Minera y Metalúrgica
Geoestadistica aplicada a 10000 números
aleatorios
CURSO: Geoestadistica
PROFESOR: Dr. Marin Suarez Valeriano
Ing. Tevez Rojas Augusto
ALUMNO: HuapayaHurtado Abel
11 de abril de 2017
GEOESTADISTICA I 2
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
OBJETIVOS
o Calcular el Variograma e Histograma de los 1000 datos obtenidos en forma
aleatoria.
o Observar tanto el histograma y el Variograma al realizarlo con los valores
tomados sin orden, y cuando se toman teniendo en cuenta un orden
decreciente.
o Comparar los resultados obtenidos de las graficas en ambos casos (datos sin
orden y datos ordenados de manera decreciente).
ALCANCES
En este informe se investigara y analizara la creación de números aleatorios, la media,
varianza, desviación estándar, coeficiente de variabilidad, cálculo de histogramas y
Variogramas de los 1000 datos generados.
No se verán el estudio de la Covarianza, del teorema del límite central, no se agrupara
en grupos para un análisis mayor (Compositar), no se verán el uso de Variograma
relativo, Variograma cruzado ni de Nube de Correlación, tampoco se verán los modelos
teóricos de distribución.
GEOESTADISTICA I 3
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
INTRODUCCION
En el campo de las ciencias de la tierra es muy común encontrar variables distribuidas
espacialmente, para el estudio de estas variables son usados diversos procedimientos
geoestadísticos.
Lageoestadísticasurge en la década del 50 a partir de estudios realizados con el objetivo
de obtener una mayor precisión en la estimación de recursos y reservas minerales. Su
punto de partida es el análisis de los fenómenos distribuidos en el espacio (por ejemplo
la mineralización).
Hoy por hoy, los dominios de aplicación de la geoestadística son amplios ya que a partir
del estudio de la variabilidad de sus variables, se obtienen elementos para predecir sus
características. Además de la minería que es el campo que le dio origen se pueden
mencionar otras áreas de estudio tales como: el petróleo, pesca,lasalud,ingenieríacivil,
finanzas, cartografía, el medio ambiente, entre otros. En el surgimiento y desarrollo hay
tres elementos importantes que destacar: la consolidación de la geoestadística con los
trabajos de G. Matheron en 1965, el establecimiento de la escuela de Fontainebleau y
finalmente el desarrollo de la Geoestadística asociada con la informática.
En este informe se encontrara el inicio de la geoestadística y aplicación de la misma en
el cálculo de estimación de recursos y reservas. En la primera parte se dará el marco
teórico necesario para el claro entendimiento de lo planteado en el informe.
Posteriormente se dará a conocer el planteamiento y desarrollo del mismo, en el cual
severá cómo secalculanlos números aleatorios,serealizara elcálculo de los parámetros
estadísticos, se describirá el procedimiento empleado para el cálculo del histograma y
Variograma.
GEOESTADISTICA I 4
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
MARCO TEORICO
Función Variograma
El Variograma se define como la media aritmética de todos los cuadrados de las
diferencias entre pares de valores experimentales separados una distancia h, o lo que
es lo mismo, la varianza de los incrementos de la variable regionalizada en las
localizaciones separadas una distancia h.
Var {Z(x + h) - Z(x)} = 2 γ(h)
La función γ(h) se denomina Variograma, la cual puede ser obtenida por la expresión.
Np(h): Es el número de pares a la distancia h.
h: Es el incremento.
Z(xi): Son los valores experimentales.
xi: Localizaciones donde son medidos los valores z(xi).
Estaexpresión de γ(h) representa el útil más importante en todo estudio geoestadístico.
Su cálculo no consiste en una simple evaluación de su expresión, esta operación está
relacionada con los elementos siguientes:

 La dirección en la que será calculado el Variograma, uno o dos ángulos que
definen una dirección en el espacio a y/o b con tolerancias angulares. El
Variograma calculado usando tolerancia angular de 90º se denomina
"Variograma medio", "global" u "omnidireccional".
 El incremento o paso en el cálculo del Variograma h y su tolerancia lineal dh, se
recomienda que el valor de dh sea la mitad del incremento inicial.
 Una distancia, que representa la distancia máxima a que pueden estar alejados
los segundos puntos del par con respecto a la línea que define la dirección de
cálculo, conocido como ancho de banda.
 La distancia Lmax hasta la cual será calculado del Variograma. Se recomienda que
ésta sea la mitad de la distancia entre las muestras más alejadas, aunque
dependiendo de la geometría del fenómeno regionalizado en algunos casos
puede ser calculado hasta una distancia superior.
GEOESTADISTICA I 5
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
FORMULACIÓN DEL PROBLEMA
En la presente, se tomaran 10000 datos aleatorios en un rango de ]0,1[, para luego
agrupar los datos de 1 en 1, 5 en 5, 10 en 10, 20 en 20 y 50 en 50. Finalmente hallaremos
los Variogramas de las diferentes agrupaciones de datos.
Estos datos se les realizaran un estudio estadístico (descriptivo) y geoestadístico
(función variograma).
Estos datos generados se agruparan de la siguiente manera:
La figura muestra el esquema a estudiar
Compositar: es el promedio aritmético de un determinado grupo de valores, cuyo
número de elementos es un múltiplo del número de elementos total. Por ejemplo de
2000 datos, se composita de 10 en 10, obteniendo 1 nuevo dato por cadagrupo, en total
se obtendría 200 datos.
GEOESTADISTICA I 6
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
DEFINICION DEL PROBLEMA
El problema consiste en generar 10000 datos aleatoriamente, para luego ser agrupados
de 5 en 5, 10 en 10, 20 en 20 y 50 en 50. Se analizaran los histogramas y Variogramas
de los datos generados, de ahí se compararan en todos los casos.
CALCULO DE NÚMEROS ALEATORIOS
Generaremos Números Aleatorios que se encuentren en el intervalo de (0,1) mediante
la ayuda de Excel.
0,7798463702
0,9550586939
0,3810208440
0,6858370304
0,7107805610
0,7552736998
0,4513230920
0,3120884895
0,5705515742
0,2103844881
0,2327192426
0,7777144909
0,9942302108
0,7276786566
0,5658465028
0,3733034134
0,6725513339
0,5474516153
0,7923186421
0,8865139484
0,8050388694
0,3836315870
0,8328509927
0,3677000999
0,8031308055
0,3144046068
0,5153854489
0,1455361843
0,2433041930
0,9228395224
0,1532154679
0,0926418304
0,0702001452
0,6875129938
0,3731110692
0,1412069798
0,0497488379
0,6231344938
0,1934438348
0,0486168861
0,4722945094
0,1711713076
0,3523119092
0,4130771160
0,1057204604
0,3404735327
0,8856649995
0,9392385483
0,3985740542
0,0978990793
0,9554293752
0,9538223743
0,9331917167
0,0089386702
0,9276328683
0,1712450981
0,1288239360
0,1283408403
0,7005298734
0,7092435360
0,1947602630
0,1407369375
0,2827263474
0,3544998169
0,3334543109
0,7512661219
0,6213048100
0,0782663822
0,1936487556
0,3262003660
0,6799493432
0,8019909859
0,5735003352
0,7835694551
0,7670705914
0,4129416943
0,3737048507
0,7337859869
0,1139307618
0,0298318863
0,8006221652
0,8702703714
0,7027686238
0,5184452534
0,8194012046
0,6100758314
0,3449245095
0,2572607994
0,8571049571
0,9845134020
0,0089653134
0,1530778408
0,7558354735
0,7797769308
0,3988094926
0,9066410065
0,9758588672
0,9275680780
0,7818520665
0,5282652378
0,0487303138
0,1457213163
0,0670896173
0,1034607887
0,2804190516
0,8288289309
0,1332452893
0,8085582256
.
.
.
10000 DATOS
GEOESTADISTICA I 7
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
Columna1
Media 0,499637484
Error típico 0,002902182
Mediana 0,497481465
Coeficiente de variación 0,58085748
Desviación estándar 0,29021817
Varianza de la muestra 0,084226586
Curtosis
-
1,200508315
Coeficiente de asimetría 0,001846357
Rango 0,999576569
Mínimo 0,000304937
Máximo 0,999881506
Suma 4996,374839
Cuenta 10000
0
20
40
60
80
100
120
140
0,000304937
0,050283766
0,100262594
0,150241423
0,200220251
0,25019908
0,300177908
0,350156736
0,400135565
0,450114393
0,500093222
0,55007205
0,600050879
0,650029707
0,700008535
0,749987364
0,799966192
0,849945021
0,899923849
0,949902678
ymayor...
Frecuencia
Clase
Histograma
Frecuencia
GEOESTADISTICA I 8
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
Clase Frecuencia
0,00030494 1
0,0103007 116
0,02029647 104
0,03029223 103
0,040288 106
0,05028377 91
0,06027953 94
0,0702753 113
0,08027106 98
0,09026683 95
0,10026259 107
0,11025836 114
0,12025413 105
0,13024989 102
0,14024566 101
0,15024142 96
0,16023719 89
0,17023295 91
0,18022872 107
0,19022449 96
0,20022025 94
0,21021602 98
0,22021178 99
0,23020755 98
0,24020331 83
0,25019908 106
0,26019485 102
0,27019061 90
0,28018638 104
0,29018214 106
0,30017791 102
0,31017367 96
0,32016944 106
0,33016521 85
0,34016097 103
0,35015674 102
0,3601525 107
0,37014827 95
0,38014403 100
0,3901398 100
0,40013556 103
0,41013133 101
0,4201271 104
0,43012286 105
0,44011863 96
0,45011439 116
0,46011016 106
0,47010592 103
0,48010169 81
0,49009746 98
0,50009322 98
0,51008899 94
0,52008475 99
0,53008052 106
0,54007628 87
0,55007205 92
0,56006782 103
0,57006358 98
0,58005935 95
0,59005511 111
0,60005088 114
0,61004664 81
0,62004241 100
0,63003818 93
0,64003394 98
0,65002971 113
0,66002547 90
0,67002124 104
0,680017 110
0,69001277 91
0,70000854 108
0,7100043 115
0,72000007 107
0,72999583 113
0,7399916 70
0,74998736 85
0,75998313 90
0,7699789 91
0,77997466 106
0,78997043 99
0,79996619 90
0,80996196 108
0,81995772 108
0,82995349 96
0,83994925 104
0,84994502 96
0,85994079 91
0,86993655 88
0,87993232 111
0,88992808 99
0,89992385 103
0,90991961 108
0,91991538 84
0,92991115 108
0,93990691 108
0,94990268 98
0,95989844 96
0,96989421 91
0,97988997 113
0,98988574 109
y mayor... 112
10000
GEOESTADISTICA I 9
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
De la misma forma se realizara para los grupos tomados de 10 en 10, de 20 en 20 y 50
en 50:
DATOS TOMADOS DE 5 EN 5:
0,7025086880
0,4599243164
0,6596378326
0,6544278145
0,6384704590
0,4282939911
0,2753363132
0,2112302065
0,3029150486
0,5323700905
0,7558030128
0,3676366568
0,2612355232
0,3941373110
0,7212161541
0,3328390121
0,7423015118
0,6107759476
0,4192930222
0,8240370750
0,1290842175
0,5327863693
0,4409149647
0,3695631981
0,4992813587
0,4921145439
0,4857523918
0,4620079041
0,6159423351
0,4802763939
0,5778897762
0,3613441944
0,3680928707
0,2764834881
0,5314506531
0,3480530262
0,2613605499
0,2257675171
0,4662226200
0,4262483120
0,3585993290
0,4671055794
0,3732823372
0,4768014431
0,4705147743
0,4115448952
0,5306205273
0,6604669571
0,3962890148
0,4703283310
0,3687669754
0,4710070133
0,6142057419
0,4330186844
0,3864155293
0,4383166313
0,4222752094
0,2956243992
0,5160490990
0,4815486908
0,7288592339
0,3387240410
0,5395646572
0,7122386932
0,4932961941
0,4555915833
0,5538982391
0,4874302387
0,6165260315
0,5303211212
0,4866499424
0,5127995491
0,4817152500
0,6659523964
0,2617089272
0,5957807064
0,7448819160
0,4625950813
0,6148784161
0,4486906052
0,5755206585
0,5455545425
0,3595006943
0,5418539524
0,3472276688
0,5434560776
0,3020821095
0,6067283154
0,3783257008
0,3163706303
0,4079180717
0,3890288830
0,5224890709
0,4339392662
0,6167180538
0,6518539429
0,4093686581
0,7034984589
0,7082305908
0,4288094521
0,5352169037
0,5482048035
0,6178682804
0,3271340609
0,2035128117
0,6351605415
0,4023327827
0,6808244705
0,3155869484
0,3535378695
0,4552398205
0,5537599564
0,4112464428
0,5427045822
0,5727441788
0,3928278685
.
.
.
2000 DATOS
GEOESTADISTICA I 10
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
Columna1
Media 0,49963749
Error típico 0,002906768
Mediana 0,497026849
Coeficiente de variación 0,260177825
Desviación estándar 0,129994595
Varianza de la muestra 0,016898595
Curtosis -0,179142652
Coeficiente de asimetría 0,011595465
Rango 0,788184381
Mínimo 0,106426311
Máximo 0,894610691
Suma 999,2749798
Cuenta 2000
Clase Frecuencia
0,10642631 1
0,12433959 0
0,14225287 5
0,16016615 4
0,17807944 3
0,19599272 7
0,213906 6
0,23181928 9
0,24973256 15
0,26764584 20
0,28555912 26
0,30347241 33
0,32138569 42
0,33929897 60
0,35721225 48
0,37512553 66
0,39303881 71
0,41095209 81
0,42886538 92
0,44677866 106
0,46469194 92
0,48260522 126
0,5005185 106
0,51843178 87
0,53634506 122
0,55425834 116
0,57217163 73
0,59008491 90
0,60799819 79
0,62591147 69
0,64382475 64
0,66173803 53
0,67965131 51
0,6975646 39
0,71547788 35
0,73339116 38
0,75130444 21
0,76921772 13
0,787131 8
0,80504428 6
0,82295757 6
0,84087085 3
0,85878413 3
0,87669741 1
y mayor... 4
2000
GEOESTADISTICA I 11
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
DATOS TOMADOS DE 10 EN 10:
0,5812164307
0,6570327759
0,5333822727
0,2432832718
0,4176425457
0,5617197990
0,3276864052
0,5270276070
0,6765386581
0,6216650963
0,3309352875
0,4052391052
0,4956979275
0,4738801956
0,5481093884
0,4696169853
0,3222881794
0,4397518635
0,2435640335
0,4462354660
0,4128524303
0,4250419140
0,4410298347
0,5955437660
0,4333086014
0,4198870182
0,5236122608
0,4123661041
0,3589498043
0,4987989426
0,5337916851
0,6259016991
0,4744438648
0,5206643105
0,5734235764
0,4997247696
0,5738337517
0,4287448406
0,6037385464
0,5317845345
0,5605375290
0,4506773949
0,4453418732
0,4544052124
0,3473481655
0,3984735012
0,4782141685
0,6342860222
0,5564334869
0,5685199738
0,5417108536
0,4725011826
0,4193366528
0,5415786743
0,3345623970
0,5044999123
0,4769754410
0,4827860832
0,5148742676
0,6001064301
0,5796429634
0,7416539192
0,5001269341
0,4635199547
0,5870071411
0,4520691872
0,5671759129
0,5333147049
0,5681109428
0,3322932720
0,5522515297
0,3824398994
0,4013723850
0,3849630833
0,4509593964
0,6182197571
0,3745843410
0,5970903397
0,3182799339
0,6823534966
0,4849147797
0,4400616169
0,3685686111
0,5509153366
0,3389068127
0,3696387768
0,3755558968
0,4343544960
0,4524782181
0,6259584427
0,3723472595
0,3774951935
0,5509221077
0,4335324764
0,5514231682
0,5595366478
0,6689064503
0,5012474060
0,4646390915
0,3940530777
0
20
40
60
80
100
120
140
0,106426311
0,142252873
0,178079436
0,213905999
0,249732562
0,285559124
0,321385687
0,35721225
0,393038813
0,428865375
0,464691938
0,500518501
0,536345064
0,572171626
0,607998189
0,643824752
0,679651315
0,715477877
0,75130444
0,787131003
0,822957566
0,858784128
ymayor...
Frecuencia
Clase
Histograma
Frecuencia
GEOESTADISTICA I 12
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
0,5504740715
0,5223651886
0,5232254982
0,4289937019
0,5490430832
0,5745223045
0,4977878571
0,4466827393
0,6274064064
0,6197304726
0,4183066368
0,5638194084
0,7577320099
0,4043766499
0,5741373539
0,4314779282
.
.
.
1000 DATOS
Columna1
Media 0,499637488
Error típico 0,002937977
Mediana 0,500188494
Coeficiente de variación 0,185948774
Desviación estándar 0,092906978
Varianza de la muestra 0,008631707
Curtosis -0,253181728
Coeficiente de asimetría 0,012570216
Rango 0,534367228
Mínimo 0,242199373
Máximo 0,776566601
Suma 499,6374884
Cuenta 1000
Clase Frecuencia
0,24219937 1
0,25943703 4
0,27667468 3
0,29391233 2
0,31114998 6
0,32838764 12
0,34562529 18
0,36286294 27
0,38010059 37
0,39733825 31
0,4145759 44
0,43181355 54
0,4490512 61
0,46628886 70
0,48352651 60
0,50076416 73
0,51800181 71
0,53523947 72
0,55247712 70
0,56971477 54
0,58695242 51
0,60419008 42
0,62142773 34
0,63866538 33
0,65590303 25
0,67314069 13
0,69037834 15
0,70761599 8
0,72485364 3
0,7420913 2
0,75932895 2
y mayor... 2
1000
GEOESTADISTICA I 13
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
0
10
20
30
40
50
60
70
80
Frecuencia
Clase
Histograma
Frecuencia
DATOS TOMADOS DE 20 EN 20:
0,6191246033
0,3883327723
0,4896812439
0,4273569584
0,6491018295
0,3680871725
0,4847890377
0,5088631630
0,3810200214
0,3448997736
0,4189471722
0,5182867527
0,4265978336
0,4679891586
0,4288743496
0,5798466682
0,4975540638
0,5365741730
0,5012893200
0,5677615166
0,5056074619
0,4498735428
0,3729108334
0,5562500477
0,5624767303
0,5071060181
0,4804576397
0,4195311546
0,4798807621
0,5574903488
0,6606485367
0,4818233967
0,5195381165
0,5502452850
0,4502021313
0,4673456669
0,3931677341
0,5345895767
0,4858373165
0,5003166676
0,4624881744
0,4597419739
0,3542727947
0,4049551964
0,5392183781
0,3749212027
0,4922273636
0,5554798603
0,5850769043
0,4293460846
0,5364196777
0,4761095524
0,5617826939
0,4722352982
0,6235685349
0,4910629749
0,5810543060
0,5028076172
0,3903926373
0,4745588779
0,5046106815
0,4702817917
0,5736108780
0,4508160114
0,5941703796
0,6238765717
0,4599418163
0,4440531731
0,5114523411
0,5128107071
0,5861043930
0,5284889698
0,6181751251
0,5863029480
0,4888171673
0,5283423424
0,4760576725
0,4435720444
0,5547990799
0,4678318501
0,5468185902
0,4838367462
0,4707686901
0,5711764336
.
.
.
500 DATOS
GEOESTADISTICA I 14
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
Columna1
Media 0,499637485
Error típico 0,002990625
Mediana 0,496135998
Coeficiente de
variación 0,133841844
Desviación estándar 0,066872402
Varianza de la muestra 0,004471918
Curtosis
-
0,348509952
Coeficiente de asimetría 0,11687356
Rango 0,348725247
Mínimo 0,330619121
Máximo 0,679344368
Suma 249,8187426
Cuenta 500
Clase Frecuencia
0,33061912 1
0,34647027 2
0,36232142 2
0,37817256 10
0,39402371 15
0,40987486 16
0,42572601 25
0,44157715 21
0,4574283 44
0,47327945 46
0,4891306 50
0,50498174 40
0,52083289 42
0,53668404 39
0,55253519 37
0,56838633 32
0,58423748 24
0,60008863 16
0,61593978 8
0,63179093 18
0,64764207 5
0,66349322 4
y mayor... 3
500
GEOESTADISTICA I 15
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
DATOS TOMADOS DE 50 EN 50:
0,486511421
2
0,542927513
1
0,450772323
6
0,384291305
5
0,461555328
4
0,442722778
3
0,545645065
3
0,527565231
3
0,451662063
6
0,527185478
2
0,461937980
7
0,515848426
8
0,574390220
6
0,490592765
8
0,434397201
5
0,518105545
0
0,436673393
2
0,451597213
7
0,457144012
5
0,517676544
2
0,514820327
8
0,553225936
9
0,543674392
7
0,432276153
6
0,514514465
3
0,522881431
6
0,526859474
2
0,493994407
7
0,570814399
7
0,552341117
9
0,478945198
1
0,509295959
5
0,488153801
0
0,517757072
4
0,531552810
7
0,539020767
2
0,560341186
5
0,499656829
8
0,515678405
8
0,518383636
5
0,470560226
4
0,422942771
9
0,501693077
1
0,496974372
9
0,511369400
0
0,476892128
0
0,559342765
8
0,458757896
4
0,564702415
5
0,435157241
8
0,497748718
3
0,582074012
8
0,481867904
7
0,495765457
2
0,445407104
5
0,499637527
5
0
10
20
30
40
50
60
0,330619121
0,346470268
0,362321416
0,378172563
0,394023711
0,409874859
0,425726006
0,441577154
0,457428301
0,473279449
0,489130597
0,504981744
0,520832892
0,53668404
0,552535187
0,568386335
0,584237482
0,60008863
0,615939778
0,631790925
0,647642073
0,66349322
ymayor...
Frecuencia
Clase
Histograma
Frecuencia
GEOESTADISTICA I 16
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
0,563549346
9
0,481119194
0
0,510188789
4
0,458538322
4
0,519805336
0
0,497995872
5
0,499339904
8
0,500241241
5
0,550069465
6
0,537547569
3
0,539481735
2
0,560586204
5
0,483150482
2
0,495301818
8
0,516610260
0
0,549787826
5
0,517231826
8
0,511161003
1
0,516096611
0
0,572436256
4
0,479872055
1
0,509402351
4
0,482686691
3
0,567496109
0
0,448004951
5
0,498678169
3
0,540501861
6
0,488307342
5
0,467938919
1
0,452015914
9
0,393038139
3
0,442584686
3
0,475357666
0
0,526817894
0
0,483166503
9
0,572418174
7
0,475319671
6
0,484861488
3
0,493133087
2
0,434272499
1
.
.
.
200 DATOS
Columna1
Media 0,499637486
Error típico 0,003058596
Mediana 0,499798126
Coeficiente de variación 0,08657292
Desviación estándar 0,043255076
Varianza de la muestra 0,001871002
Curtosis
-
0,267112929
Coeficiente de asimetría
-
0,111077106
Rango 0,218741608
Mínimo 0,384291306
Máximo 0,603032913
Suma 99,92749714
Cuenta 200
GEOESTADISTICA I 17
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
Clase Frecuencia
0,38429131 1
0,39991571 2
0,41554011 2
0,43116451 6
0,44678891 14
0,46241331 16
0,47803771 18
0,49366211 26
0,50928651 29
0,52491091 32
0,54053531 17
0,55615971 17
0,57178411 9
0,58740851 8
y mayor... 3
200
0
5
10
15
20
25
30
35
Frecuencia
Clase
Histograma
Frecuencia
GEOESTADISTICA I 18
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
A continuacion se presenta la grafica donde se encuentran los variogramas en mismo
cuadro para asi poder compararlos:
GEOESTADISTICA I 19
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
CONCLUSIONES
Bien lo dijo Matheron que la Geoestadística es una mezcla de matemática, estadística y
computación. Este informe afirma esta frase ya que nos basamos en matemática para la
parte operativa, estadística para calcular parámetros estadísticos de estudio y
computación para la ayuda de grafica de histograma y Variograma por medio de
algoritmos.
 Vemos que el Variograma del trabajo expuesto tomando 10000 datos aleatorios
no nos muestra una gráfica conocida esto es debido a que son datos aleatorios.
 Además vemos que al agrupar datos de 1, 5, 10, 20 y 50 el histograma cambia,
tiende a ser la campana de gauss esto es debido al teorema del límite central.
 Notamos que al agrupar los datos de cada vez mayores el rango de sus
Variogramas disminuye.
 Como el Variograma tomo en cuenta la variabilidad de los espacios es por ello
que las gráficas son distintas y ambas varían en rangos diferentes.
 El Variograma es demasiado sensible a valores extremos es por ello el cambio en
la gráfica.
 Nos damos cuenta de un comportamiento lineal del Variograma para distancias
pequeñas.
GEOESTADISTICA I 20
UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3
RECOMENDACIONES
Debemos tener en cuenta que todos los datos que son tomados en el campo deben ser
trabajados en el orden en que se tomaron ya que alguna variación alteraría los
resultados que se arrojan, estos se alejarían de la realidad y no sería la representación
del dominio del yacimiento o mina tomada en cuenta, además tenemos que tener en
cuenta errores de estimación y también tener en cuenta límites de confianza.
BIBLIOGRAFIA
 Las Variables Regionalizadas y su Estimacion- George Matheron.
 An Introduction to Multivariate Statistical Analysis-John Wiley & Sons.
 Estadistica Descriptiva e Inferencial – Manuel Cordova Zamora.
Sitios de Internet visitados en búsqueda de información:
 http://www.geoavariances.fr
 http://escribd.com/doc/24737935/geoestadistica-aplicada

Más contenido relacionado

La actualidad más candente

Campos, Diego Andrés Organizacion de los datos estadisticos
Campos, Diego Andrés Organizacion de los datos estadisticosCampos, Diego Andrés Organizacion de los datos estadisticos
Campos, Diego Andrés Organizacion de los datos estadisticosDiegoAndrs43
 
APLICACIONES GEOESTADISTICA II - VICTORIA HERRERA
APLICACIONES GEOESTADISTICA II -  VICTORIA HERRERAAPLICACIONES GEOESTADISTICA II -  VICTORIA HERRERA
APLICACIONES GEOESTADISTICA II - VICTORIA HERRERAEduardo Mera
 
Guia de laboratorio No.2:
Guia de laboratorio No.2: Guia de laboratorio No.2:
Guia de laboratorio No.2: CARMEN CHARRIS
 
Geoestadistica sistemas acuaticos
Geoestadistica sistemas acuaticosGeoestadistica sistemas acuaticos
Geoestadistica sistemas acuaticosEduardo Mera
 
Analisis de datos experimentales y graficos
Analisis de datos experimentales y graficosAnalisis de datos experimentales y graficos
Analisis de datos experimentales y graficosDarwin Mendoza
 
Taller regresion lineal 2014 a
Taller regresion lineal 2014 aTaller regresion lineal 2014 a
Taller regresion lineal 2014 ainggaitan
 
Tablas de probabilidad
Tablas de probabilidadTablas de probabilidad
Tablas de probabilidadrserrato7
 
Representación de datos experimentales
Representación de datos experimentalesRepresentación de datos experimentales
Representación de datos experimentalessvibora
 
Estadistica ii correlacion y regresion
Estadistica ii    correlacion y regresionEstadistica ii    correlacion y regresion
Estadistica ii correlacion y regresionEdgar Sanchez
 

La actualidad más candente (20)

Campos, Diego Andrés Organizacion de los datos estadisticos
Campos, Diego Andrés Organizacion de los datos estadisticosCampos, Diego Andrés Organizacion de los datos estadisticos
Campos, Diego Andrés Organizacion de los datos estadisticos
 
Examen ing. civil unsch
Examen ing. civil unschExamen ing. civil unsch
Examen ing. civil unsch
 
Simulación de leyes y Calculo de Variograma
Simulación de leyes y Calculo de VariogramaSimulación de leyes y Calculo de Variograma
Simulación de leyes y Calculo de Variograma
 
APLICACIONES GEOESTADISTICA II - VICTORIA HERRERA
APLICACIONES GEOESTADISTICA II -  VICTORIA HERRERAAPLICACIONES GEOESTADISTICA II -  VICTORIA HERRERA
APLICACIONES GEOESTADISTICA II - VICTORIA HERRERA
 
ESTADISTICA II
ESTADISTICA IIESTADISTICA II
ESTADISTICA II
 
Guia de laboratorio No.2:
Guia de laboratorio No.2: Guia de laboratorio No.2:
Guia de laboratorio No.2:
 
E02 tratamiento de_datos_experimentales
E02 tratamiento de_datos_experimentalesE02 tratamiento de_datos_experimentales
E02 tratamiento de_datos_experimentales
 
Expo estadisticas
Expo estadisticasExpo estadisticas
Expo estadisticas
 
Aprendiendo a graficar
Aprendiendo a graficarAprendiendo a graficar
Aprendiendo a graficar
 
Geoestadistica sistemas acuaticos
Geoestadistica sistemas acuaticosGeoestadistica sistemas acuaticos
Geoestadistica sistemas acuaticos
 
Expo 06 dos_variables
Expo 06 dos_variablesExpo 06 dos_variables
Expo 06 dos_variables
 
Analisis de datos experimentales y graficos
Analisis de datos experimentales y graficosAnalisis de datos experimentales y graficos
Analisis de datos experimentales y graficos
 
SERIES DE TIEMPO
SERIES DE TIEMPOSERIES DE TIEMPO
SERIES DE TIEMPO
 
Normal
NormalNormal
Normal
 
Taller regresion lineal 2014 a
Taller regresion lineal 2014 aTaller regresion lineal 2014 a
Taller regresion lineal 2014 a
 
Comparacion y combinacion predicciones
Comparacion y combinacion prediccionesComparacion y combinacion predicciones
Comparacion y combinacion predicciones
 
Tablas de probabilidad
Tablas de probabilidadTablas de probabilidad
Tablas de probabilidad
 
Representación de datos experimentales
Representación de datos experimentalesRepresentación de datos experimentales
Representación de datos experimentales
 
Estadistica ii correlacion y regresion
Estadistica ii    correlacion y regresionEstadistica ii    correlacion y regresion
Estadistica ii correlacion y regresion
 
Regresión por Mínimos Cuadrados
Regresión por Mínimos CuadradosRegresión por Mínimos Cuadrados
Regresión por Mínimos Cuadrados
 

Similar a geoestadistica plicada a 1000 numeros aleatorios

Probabilidad y estadística descriptiva
Probabilidad y estadística descriptivaProbabilidad y estadística descriptiva
Probabilidad y estadística descriptivaBlanca Parra Campos
 
8 Dos Variables REGRESION IC MODELO LINEAL.pptx
8 Dos Variables  REGRESION IC MODELO LINEAL.pptx8 Dos Variables  REGRESION IC MODELO LINEAL.pptx
8 Dos Variables REGRESION IC MODELO LINEAL.pptxJuan Estevez
 
1 calses de 1 mer metrologia
1 calses de 1 mer metrologia 1 calses de 1 mer metrologia
1 calses de 1 mer metrologia Jose ballter
 
Estadística Medidas descriptivas de la distribución... 008
Estadística Medidas descriptivas de la distribución... 008Estadística Medidas descriptivas de la distribución... 008
Estadística Medidas descriptivas de la distribución... 008CESAR A. RUIZ C
 
T02 bidimensional 03
T02 bidimensional 03T02 bidimensional 03
T02 bidimensional 03Universidad
 
Curso de-econometria-basica
Curso de-econometria-basicaCurso de-econometria-basica
Curso de-econometria-basicavestaoriginal
 
Tratamiento de datos_analisis de consistencia-matlab
Tratamiento de datos_analisis de consistencia-matlabTratamiento de datos_analisis de consistencia-matlab
Tratamiento de datos_analisis de consistencia-matlabEdwin Torres C
 
estadistica inferencial actividad 1
estadistica inferencial actividad 1 estadistica inferencial actividad 1
estadistica inferencial actividad 1 ArielMartnez22
 
ALFARO_Cours_00606.pdf
ALFARO_Cours_00606.pdfALFARO_Cours_00606.pdf
ALFARO_Cours_00606.pdfMatiasMerchan1
 
Medidas de dispersión empleando excel
Medidas de dispersión empleando excelMedidas de dispersión empleando excel
Medidas de dispersión empleando excelvictor rojas rojas
 
Medidas de tendencia central con excel para administración y economía.
Medidas de tendencia central con excel para administración y economía.Medidas de tendencia central con excel para administración y economía.
Medidas de tendencia central con excel para administración y economía.Edwin Alberto Moreno Molina
 

Similar a geoestadistica plicada a 1000 numeros aleatorios (20)

Probabilidad y estadística descriptiva
Probabilidad y estadística descriptivaProbabilidad y estadística descriptiva
Probabilidad y estadística descriptiva
 
8 Dos Variables REGRESION IC MODELO LINEAL.pptx
8 Dos Variables  REGRESION IC MODELO LINEAL.pptx8 Dos Variables  REGRESION IC MODELO LINEAL.pptx
8 Dos Variables REGRESION IC MODELO LINEAL.pptx
 
Doc medidas
Doc medidasDoc medidas
Doc medidas
 
Estadística
EstadísticaEstadística
Estadística
 
211 209-1-pb
211 209-1-pb211 209-1-pb
211 209-1-pb
 
1 calses de 1 mer metrologia
1 calses de 1 mer metrologia 1 calses de 1 mer metrologia
1 calses de 1 mer metrologia
 
Hidroesta
HidroestaHidroesta
Hidroesta
 
Estadística Medidas descriptivas de la distribución... 008
Estadística Medidas descriptivas de la distribución... 008Estadística Medidas descriptivas de la distribución... 008
Estadística Medidas descriptivas de la distribución... 008
 
Determinantes y Estadística.
Determinantes y Estadística.Determinantes y Estadística.
Determinantes y Estadística.
 
T02 bidimensional 03
T02 bidimensional 03T02 bidimensional 03
T02 bidimensional 03
 
Muestreo canchaya
Muestreo canchayaMuestreo canchaya
Muestreo canchaya
 
Curso de-econometria-basica
Curso de-econometria-basicaCurso de-econometria-basica
Curso de-econometria-basica
 
Alfaro cours 2006
Alfaro cours 2006Alfaro cours 2006
Alfaro cours 2006
 
Tratamiento de datos_analisis de consistencia-matlab
Tratamiento de datos_analisis de consistencia-matlabTratamiento de datos_analisis de consistencia-matlab
Tratamiento de datos_analisis de consistencia-matlab
 
estadistica inferencial actividad 1
estadistica inferencial actividad 1 estadistica inferencial actividad 1
estadistica inferencial actividad 1
 
ALFARO_Cours_00606.pdf
ALFARO_Cours_00606.pdfALFARO_Cours_00606.pdf
ALFARO_Cours_00606.pdf
 
Pendulo.docx
Pendulo.docxPendulo.docx
Pendulo.docx
 
Medidas de dispersión empleando excel
Medidas de dispersión empleando excelMedidas de dispersión empleando excel
Medidas de dispersión empleando excel
 
Distribución normal y t de student
Distribución normal y t de studentDistribución normal y t de student
Distribución normal y t de student
 
Medidas de tendencia central con excel para administración y economía.
Medidas de tendencia central con excel para administración y economía.Medidas de tendencia central con excel para administración y economía.
Medidas de tendencia central con excel para administración y economía.
 

Último

CAP4-TEORIA EVALUACION DE CAUDALES - HIDROGRAMAS.pdf
CAP4-TEORIA EVALUACION DE CAUDALES - HIDROGRAMAS.pdfCAP4-TEORIA EVALUACION DE CAUDALES - HIDROGRAMAS.pdf
CAP4-TEORIA EVALUACION DE CAUDALES - HIDROGRAMAS.pdfReneBellido1
 
SOUDAL: Soluciones de sellado, pegado y hermeticidad
SOUDAL: Soluciones de sellado, pegado y hermeticidadSOUDAL: Soluciones de sellado, pegado y hermeticidad
SOUDAL: Soluciones de sellado, pegado y hermeticidadANDECE
 
Cadenas de Markov investigación de operaciones
Cadenas de Markov investigación de operacionesCadenas de Markov investigación de operaciones
Cadenas de Markov investigación de operacionesal21510263
 
Linealización de sistemas no lineales.pdf
Linealización de sistemas no lineales.pdfLinealización de sistemas no lineales.pdf
Linealización de sistemas no lineales.pdfrolandolazartep
 
LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdf
LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdfLEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdf
LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdfAdelaHerrera9
 
Topografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la IngenieríasTopografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la IngenieríasSegundo Silva Maguiña
 
VIRUS FITOPATÓGENOS (GENERALIDADES EN PLANTAS)
VIRUS FITOPATÓGENOS (GENERALIDADES EN PLANTAS)VIRUS FITOPATÓGENOS (GENERALIDADES EN PLANTAS)
VIRUS FITOPATÓGENOS (GENERALIDADES EN PLANTAS)ssuser6958b11
 
Flujo multifásico en tuberias de ex.pptx
Flujo multifásico en tuberias de ex.pptxFlujo multifásico en tuberias de ex.pptx
Flujo multifásico en tuberias de ex.pptxEduardoSnchezHernnde5
 
Historia de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdfHistoria de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdfIsbelRodrguez
 
Proyecto de iluminación "guia" para proyectos de ingeniería eléctrica
Proyecto de iluminación "guia" para proyectos de ingeniería eléctricaProyecto de iluminación "guia" para proyectos de ingeniería eléctrica
Proyecto de iluminación "guia" para proyectos de ingeniería eléctricaXjoseantonio01jossed
 
Conservatorio de danza Kina Jiménez de Almería
Conservatorio de danza Kina Jiménez de AlmeríaConservatorio de danza Kina Jiménez de Almería
Conservatorio de danza Kina Jiménez de AlmeríaANDECE
 
Una estrategia de seguridad en la nube alineada al NIST
Una estrategia de seguridad en la nube alineada al NISTUna estrategia de seguridad en la nube alineada al NIST
Una estrategia de seguridad en la nube alineada al NISTFundación YOD YOD
 
estadisticasII Metodo-de-la-gran-M.pdf
estadisticasII   Metodo-de-la-gran-M.pdfestadisticasII   Metodo-de-la-gran-M.pdf
estadisticasII Metodo-de-la-gran-M.pdfFlorenciopeaortiz
 
TAREA 8 CORREDOR INTEROCEÁNICO DEL PAÍS.pdf
TAREA 8 CORREDOR INTEROCEÁNICO DEL PAÍS.pdfTAREA 8 CORREDOR INTEROCEÁNICO DEL PAÍS.pdf
TAREA 8 CORREDOR INTEROCEÁNICO DEL PAÍS.pdfAntonioGonzalezIzqui
 
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIP
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIPSEGURIDAD EN CONSTRUCCION PPT PARA EL CIP
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIPJosLuisFrancoCaldern
 
Edificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRCEdificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRCANDECE
 
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdfAnthonyTiclia
 
3039_ftg_01Entregable 003_Matematica.pptx
3039_ftg_01Entregable 003_Matematica.pptx3039_ftg_01Entregable 003_Matematica.pptx
3039_ftg_01Entregable 003_Matematica.pptxJhordanGonzalo
 
CE.040 DRENAJE PLUVIAL_RM 126-2021-VIVIENDA.pdf
CE.040 DRENAJE PLUVIAL_RM 126-2021-VIVIENDA.pdfCE.040 DRENAJE PLUVIAL_RM 126-2021-VIVIENDA.pdf
CE.040 DRENAJE PLUVIAL_RM 126-2021-VIVIENDA.pdfssuserc34f44
 
Uso y Manejo de Extintores Lucha contra incendios
Uso y Manejo de Extintores Lucha contra incendiosUso y Manejo de Extintores Lucha contra incendios
Uso y Manejo de Extintores Lucha contra incendioseduardochavezg1
 

Último (20)

CAP4-TEORIA EVALUACION DE CAUDALES - HIDROGRAMAS.pdf
CAP4-TEORIA EVALUACION DE CAUDALES - HIDROGRAMAS.pdfCAP4-TEORIA EVALUACION DE CAUDALES - HIDROGRAMAS.pdf
CAP4-TEORIA EVALUACION DE CAUDALES - HIDROGRAMAS.pdf
 
SOUDAL: Soluciones de sellado, pegado y hermeticidad
SOUDAL: Soluciones de sellado, pegado y hermeticidadSOUDAL: Soluciones de sellado, pegado y hermeticidad
SOUDAL: Soluciones de sellado, pegado y hermeticidad
 
Cadenas de Markov investigación de operaciones
Cadenas de Markov investigación de operacionesCadenas de Markov investigación de operaciones
Cadenas de Markov investigación de operaciones
 
Linealización de sistemas no lineales.pdf
Linealización de sistemas no lineales.pdfLinealización de sistemas no lineales.pdf
Linealización de sistemas no lineales.pdf
 
LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdf
LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdfLEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdf
LEYES DE EXPONENTES SEMANA 1 CESAR VALLEJO.pdf
 
Topografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la IngenieríasTopografía 1 Nivelación y Carretera en la Ingenierías
Topografía 1 Nivelación y Carretera en la Ingenierías
 
VIRUS FITOPATÓGENOS (GENERALIDADES EN PLANTAS)
VIRUS FITOPATÓGENOS (GENERALIDADES EN PLANTAS)VIRUS FITOPATÓGENOS (GENERALIDADES EN PLANTAS)
VIRUS FITOPATÓGENOS (GENERALIDADES EN PLANTAS)
 
Flujo multifásico en tuberias de ex.pptx
Flujo multifásico en tuberias de ex.pptxFlujo multifásico en tuberias de ex.pptx
Flujo multifásico en tuberias de ex.pptx
 
Historia de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdfHistoria de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdf
 
Proyecto de iluminación "guia" para proyectos de ingeniería eléctrica
Proyecto de iluminación "guia" para proyectos de ingeniería eléctricaProyecto de iluminación "guia" para proyectos de ingeniería eléctrica
Proyecto de iluminación "guia" para proyectos de ingeniería eléctrica
 
Conservatorio de danza Kina Jiménez de Almería
Conservatorio de danza Kina Jiménez de AlmeríaConservatorio de danza Kina Jiménez de Almería
Conservatorio de danza Kina Jiménez de Almería
 
Una estrategia de seguridad en la nube alineada al NIST
Una estrategia de seguridad en la nube alineada al NISTUna estrategia de seguridad en la nube alineada al NIST
Una estrategia de seguridad en la nube alineada al NIST
 
estadisticasII Metodo-de-la-gran-M.pdf
estadisticasII   Metodo-de-la-gran-M.pdfestadisticasII   Metodo-de-la-gran-M.pdf
estadisticasII Metodo-de-la-gran-M.pdf
 
TAREA 8 CORREDOR INTEROCEÁNICO DEL PAÍS.pdf
TAREA 8 CORREDOR INTEROCEÁNICO DEL PAÍS.pdfTAREA 8 CORREDOR INTEROCEÁNICO DEL PAÍS.pdf
TAREA 8 CORREDOR INTEROCEÁNICO DEL PAÍS.pdf
 
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIP
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIPSEGURIDAD EN CONSTRUCCION PPT PARA EL CIP
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIP
 
Edificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRCEdificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRC
 
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf
2. UPN PPT - SEMANA 02 GESTION DE PROYECTOS MG CHERYL QUEZADA(1).pdf
 
3039_ftg_01Entregable 003_Matematica.pptx
3039_ftg_01Entregable 003_Matematica.pptx3039_ftg_01Entregable 003_Matematica.pptx
3039_ftg_01Entregable 003_Matematica.pptx
 
CE.040 DRENAJE PLUVIAL_RM 126-2021-VIVIENDA.pdf
CE.040 DRENAJE PLUVIAL_RM 126-2021-VIVIENDA.pdfCE.040 DRENAJE PLUVIAL_RM 126-2021-VIVIENDA.pdf
CE.040 DRENAJE PLUVIAL_RM 126-2021-VIVIENDA.pdf
 
Uso y Manejo de Extintores Lucha contra incendios
Uso y Manejo de Extintores Lucha contra incendiosUso y Manejo de Extintores Lucha contra incendios
Uso y Manejo de Extintores Lucha contra incendios
 

geoestadistica plicada a 1000 numeros aleatorios

  • 1. GEOESTADISTICA I 1 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 “Año de la consolidación del Mar de Grau” UNIVERSIDAD NACIONAL DE INGENIERÍA Facultad de Ingeniería Geológica Minera y Metalúrgica Geoestadistica aplicada a 10000 números aleatorios CURSO: Geoestadistica PROFESOR: Dr. Marin Suarez Valeriano Ing. Tevez Rojas Augusto ALUMNO: HuapayaHurtado Abel 11 de abril de 2017
  • 2. GEOESTADISTICA I 2 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 OBJETIVOS o Calcular el Variograma e Histograma de los 1000 datos obtenidos en forma aleatoria. o Observar tanto el histograma y el Variograma al realizarlo con los valores tomados sin orden, y cuando se toman teniendo en cuenta un orden decreciente. o Comparar los resultados obtenidos de las graficas en ambos casos (datos sin orden y datos ordenados de manera decreciente). ALCANCES En este informe se investigara y analizara la creación de números aleatorios, la media, varianza, desviación estándar, coeficiente de variabilidad, cálculo de histogramas y Variogramas de los 1000 datos generados. No se verán el estudio de la Covarianza, del teorema del límite central, no se agrupara en grupos para un análisis mayor (Compositar), no se verán el uso de Variograma relativo, Variograma cruzado ni de Nube de Correlación, tampoco se verán los modelos teóricos de distribución.
  • 3. GEOESTADISTICA I 3 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 INTRODUCCION En el campo de las ciencias de la tierra es muy común encontrar variables distribuidas espacialmente, para el estudio de estas variables son usados diversos procedimientos geoestadísticos. Lageoestadísticasurge en la década del 50 a partir de estudios realizados con el objetivo de obtener una mayor precisión en la estimación de recursos y reservas minerales. Su punto de partida es el análisis de los fenómenos distribuidos en el espacio (por ejemplo la mineralización). Hoy por hoy, los dominios de aplicación de la geoestadística son amplios ya que a partir del estudio de la variabilidad de sus variables, se obtienen elementos para predecir sus características. Además de la minería que es el campo que le dio origen se pueden mencionar otras áreas de estudio tales como: el petróleo, pesca,lasalud,ingenieríacivil, finanzas, cartografía, el medio ambiente, entre otros. En el surgimiento y desarrollo hay tres elementos importantes que destacar: la consolidación de la geoestadística con los trabajos de G. Matheron en 1965, el establecimiento de la escuela de Fontainebleau y finalmente el desarrollo de la Geoestadística asociada con la informática. En este informe se encontrara el inicio de la geoestadística y aplicación de la misma en el cálculo de estimación de recursos y reservas. En la primera parte se dará el marco teórico necesario para el claro entendimiento de lo planteado en el informe. Posteriormente se dará a conocer el planteamiento y desarrollo del mismo, en el cual severá cómo secalculanlos números aleatorios,serealizara elcálculo de los parámetros estadísticos, se describirá el procedimiento empleado para el cálculo del histograma y Variograma.
  • 4. GEOESTADISTICA I 4 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 MARCO TEORICO Función Variograma El Variograma se define como la media aritmética de todos los cuadrados de las diferencias entre pares de valores experimentales separados una distancia h, o lo que es lo mismo, la varianza de los incrementos de la variable regionalizada en las localizaciones separadas una distancia h. Var {Z(x + h) - Z(x)} = 2 γ(h) La función γ(h) se denomina Variograma, la cual puede ser obtenida por la expresión. Np(h): Es el número de pares a la distancia h. h: Es el incremento. Z(xi): Son los valores experimentales. xi: Localizaciones donde son medidos los valores z(xi). Estaexpresión de γ(h) representa el útil más importante en todo estudio geoestadístico. Su cálculo no consiste en una simple evaluación de su expresión, esta operación está relacionada con los elementos siguientes:   La dirección en la que será calculado el Variograma, uno o dos ángulos que definen una dirección en el espacio a y/o b con tolerancias angulares. El Variograma calculado usando tolerancia angular de 90º se denomina "Variograma medio", "global" u "omnidireccional".  El incremento o paso en el cálculo del Variograma h y su tolerancia lineal dh, se recomienda que el valor de dh sea la mitad del incremento inicial.  Una distancia, que representa la distancia máxima a que pueden estar alejados los segundos puntos del par con respecto a la línea que define la dirección de cálculo, conocido como ancho de banda.  La distancia Lmax hasta la cual será calculado del Variograma. Se recomienda que ésta sea la mitad de la distancia entre las muestras más alejadas, aunque dependiendo de la geometría del fenómeno regionalizado en algunos casos puede ser calculado hasta una distancia superior.
  • 5. GEOESTADISTICA I 5 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 FORMULACIÓN DEL PROBLEMA En la presente, se tomaran 10000 datos aleatorios en un rango de ]0,1[, para luego agrupar los datos de 1 en 1, 5 en 5, 10 en 10, 20 en 20 y 50 en 50. Finalmente hallaremos los Variogramas de las diferentes agrupaciones de datos. Estos datos se les realizaran un estudio estadístico (descriptivo) y geoestadístico (función variograma). Estos datos generados se agruparan de la siguiente manera: La figura muestra el esquema a estudiar Compositar: es el promedio aritmético de un determinado grupo de valores, cuyo número de elementos es un múltiplo del número de elementos total. Por ejemplo de 2000 datos, se composita de 10 en 10, obteniendo 1 nuevo dato por cadagrupo, en total se obtendría 200 datos.
  • 6. GEOESTADISTICA I 6 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 DEFINICION DEL PROBLEMA El problema consiste en generar 10000 datos aleatoriamente, para luego ser agrupados de 5 en 5, 10 en 10, 20 en 20 y 50 en 50. Se analizaran los histogramas y Variogramas de los datos generados, de ahí se compararan en todos los casos. CALCULO DE NÚMEROS ALEATORIOS Generaremos Números Aleatorios que se encuentren en el intervalo de (0,1) mediante la ayuda de Excel. 0,7798463702 0,9550586939 0,3810208440 0,6858370304 0,7107805610 0,7552736998 0,4513230920 0,3120884895 0,5705515742 0,2103844881 0,2327192426 0,7777144909 0,9942302108 0,7276786566 0,5658465028 0,3733034134 0,6725513339 0,5474516153 0,7923186421 0,8865139484 0,8050388694 0,3836315870 0,8328509927 0,3677000999 0,8031308055 0,3144046068 0,5153854489 0,1455361843 0,2433041930 0,9228395224 0,1532154679 0,0926418304 0,0702001452 0,6875129938 0,3731110692 0,1412069798 0,0497488379 0,6231344938 0,1934438348 0,0486168861 0,4722945094 0,1711713076 0,3523119092 0,4130771160 0,1057204604 0,3404735327 0,8856649995 0,9392385483 0,3985740542 0,0978990793 0,9554293752 0,9538223743 0,9331917167 0,0089386702 0,9276328683 0,1712450981 0,1288239360 0,1283408403 0,7005298734 0,7092435360 0,1947602630 0,1407369375 0,2827263474 0,3544998169 0,3334543109 0,7512661219 0,6213048100 0,0782663822 0,1936487556 0,3262003660 0,6799493432 0,8019909859 0,5735003352 0,7835694551 0,7670705914 0,4129416943 0,3737048507 0,7337859869 0,1139307618 0,0298318863 0,8006221652 0,8702703714 0,7027686238 0,5184452534 0,8194012046 0,6100758314 0,3449245095 0,2572607994 0,8571049571 0,9845134020 0,0089653134 0,1530778408 0,7558354735 0,7797769308 0,3988094926 0,9066410065 0,9758588672 0,9275680780 0,7818520665 0,5282652378 0,0487303138 0,1457213163 0,0670896173 0,1034607887 0,2804190516 0,8288289309 0,1332452893 0,8085582256 . . . 10000 DATOS
  • 7. GEOESTADISTICA I 7 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 Columna1 Media 0,499637484 Error típico 0,002902182 Mediana 0,497481465 Coeficiente de variación 0,58085748 Desviación estándar 0,29021817 Varianza de la muestra 0,084226586 Curtosis - 1,200508315 Coeficiente de asimetría 0,001846357 Rango 0,999576569 Mínimo 0,000304937 Máximo 0,999881506 Suma 4996,374839 Cuenta 10000 0 20 40 60 80 100 120 140 0,000304937 0,050283766 0,100262594 0,150241423 0,200220251 0,25019908 0,300177908 0,350156736 0,400135565 0,450114393 0,500093222 0,55007205 0,600050879 0,650029707 0,700008535 0,749987364 0,799966192 0,849945021 0,899923849 0,949902678 ymayor... Frecuencia Clase Histograma Frecuencia
  • 8. GEOESTADISTICA I 8 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 Clase Frecuencia 0,00030494 1 0,0103007 116 0,02029647 104 0,03029223 103 0,040288 106 0,05028377 91 0,06027953 94 0,0702753 113 0,08027106 98 0,09026683 95 0,10026259 107 0,11025836 114 0,12025413 105 0,13024989 102 0,14024566 101 0,15024142 96 0,16023719 89 0,17023295 91 0,18022872 107 0,19022449 96 0,20022025 94 0,21021602 98 0,22021178 99 0,23020755 98 0,24020331 83 0,25019908 106 0,26019485 102 0,27019061 90 0,28018638 104 0,29018214 106 0,30017791 102 0,31017367 96 0,32016944 106 0,33016521 85 0,34016097 103 0,35015674 102 0,3601525 107 0,37014827 95 0,38014403 100 0,3901398 100 0,40013556 103 0,41013133 101 0,4201271 104 0,43012286 105 0,44011863 96 0,45011439 116 0,46011016 106 0,47010592 103 0,48010169 81 0,49009746 98 0,50009322 98 0,51008899 94 0,52008475 99 0,53008052 106 0,54007628 87 0,55007205 92 0,56006782 103 0,57006358 98 0,58005935 95 0,59005511 111 0,60005088 114 0,61004664 81 0,62004241 100 0,63003818 93 0,64003394 98 0,65002971 113 0,66002547 90 0,67002124 104 0,680017 110 0,69001277 91 0,70000854 108 0,7100043 115 0,72000007 107 0,72999583 113 0,7399916 70 0,74998736 85 0,75998313 90 0,7699789 91 0,77997466 106 0,78997043 99 0,79996619 90 0,80996196 108 0,81995772 108 0,82995349 96 0,83994925 104 0,84994502 96 0,85994079 91 0,86993655 88 0,87993232 111 0,88992808 99 0,89992385 103 0,90991961 108 0,91991538 84 0,92991115 108 0,93990691 108 0,94990268 98 0,95989844 96 0,96989421 91 0,97988997 113 0,98988574 109 y mayor... 112 10000
  • 9. GEOESTADISTICA I 9 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 De la misma forma se realizara para los grupos tomados de 10 en 10, de 20 en 20 y 50 en 50: DATOS TOMADOS DE 5 EN 5: 0,7025086880 0,4599243164 0,6596378326 0,6544278145 0,6384704590 0,4282939911 0,2753363132 0,2112302065 0,3029150486 0,5323700905 0,7558030128 0,3676366568 0,2612355232 0,3941373110 0,7212161541 0,3328390121 0,7423015118 0,6107759476 0,4192930222 0,8240370750 0,1290842175 0,5327863693 0,4409149647 0,3695631981 0,4992813587 0,4921145439 0,4857523918 0,4620079041 0,6159423351 0,4802763939 0,5778897762 0,3613441944 0,3680928707 0,2764834881 0,5314506531 0,3480530262 0,2613605499 0,2257675171 0,4662226200 0,4262483120 0,3585993290 0,4671055794 0,3732823372 0,4768014431 0,4705147743 0,4115448952 0,5306205273 0,6604669571 0,3962890148 0,4703283310 0,3687669754 0,4710070133 0,6142057419 0,4330186844 0,3864155293 0,4383166313 0,4222752094 0,2956243992 0,5160490990 0,4815486908 0,7288592339 0,3387240410 0,5395646572 0,7122386932 0,4932961941 0,4555915833 0,5538982391 0,4874302387 0,6165260315 0,5303211212 0,4866499424 0,5127995491 0,4817152500 0,6659523964 0,2617089272 0,5957807064 0,7448819160 0,4625950813 0,6148784161 0,4486906052 0,5755206585 0,5455545425 0,3595006943 0,5418539524 0,3472276688 0,5434560776 0,3020821095 0,6067283154 0,3783257008 0,3163706303 0,4079180717 0,3890288830 0,5224890709 0,4339392662 0,6167180538 0,6518539429 0,4093686581 0,7034984589 0,7082305908 0,4288094521 0,5352169037 0,5482048035 0,6178682804 0,3271340609 0,2035128117 0,6351605415 0,4023327827 0,6808244705 0,3155869484 0,3535378695 0,4552398205 0,5537599564 0,4112464428 0,5427045822 0,5727441788 0,3928278685 . . . 2000 DATOS
  • 10. GEOESTADISTICA I 10 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 Columna1 Media 0,49963749 Error típico 0,002906768 Mediana 0,497026849 Coeficiente de variación 0,260177825 Desviación estándar 0,129994595 Varianza de la muestra 0,016898595 Curtosis -0,179142652 Coeficiente de asimetría 0,011595465 Rango 0,788184381 Mínimo 0,106426311 Máximo 0,894610691 Suma 999,2749798 Cuenta 2000 Clase Frecuencia 0,10642631 1 0,12433959 0 0,14225287 5 0,16016615 4 0,17807944 3 0,19599272 7 0,213906 6 0,23181928 9 0,24973256 15 0,26764584 20 0,28555912 26 0,30347241 33 0,32138569 42 0,33929897 60 0,35721225 48 0,37512553 66 0,39303881 71 0,41095209 81 0,42886538 92 0,44677866 106 0,46469194 92 0,48260522 126 0,5005185 106 0,51843178 87 0,53634506 122 0,55425834 116 0,57217163 73 0,59008491 90 0,60799819 79 0,62591147 69 0,64382475 64 0,66173803 53 0,67965131 51 0,6975646 39 0,71547788 35 0,73339116 38 0,75130444 21 0,76921772 13 0,787131 8 0,80504428 6 0,82295757 6 0,84087085 3 0,85878413 3 0,87669741 1 y mayor... 4 2000
  • 11. GEOESTADISTICA I 11 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 DATOS TOMADOS DE 10 EN 10: 0,5812164307 0,6570327759 0,5333822727 0,2432832718 0,4176425457 0,5617197990 0,3276864052 0,5270276070 0,6765386581 0,6216650963 0,3309352875 0,4052391052 0,4956979275 0,4738801956 0,5481093884 0,4696169853 0,3222881794 0,4397518635 0,2435640335 0,4462354660 0,4128524303 0,4250419140 0,4410298347 0,5955437660 0,4333086014 0,4198870182 0,5236122608 0,4123661041 0,3589498043 0,4987989426 0,5337916851 0,6259016991 0,4744438648 0,5206643105 0,5734235764 0,4997247696 0,5738337517 0,4287448406 0,6037385464 0,5317845345 0,5605375290 0,4506773949 0,4453418732 0,4544052124 0,3473481655 0,3984735012 0,4782141685 0,6342860222 0,5564334869 0,5685199738 0,5417108536 0,4725011826 0,4193366528 0,5415786743 0,3345623970 0,5044999123 0,4769754410 0,4827860832 0,5148742676 0,6001064301 0,5796429634 0,7416539192 0,5001269341 0,4635199547 0,5870071411 0,4520691872 0,5671759129 0,5333147049 0,5681109428 0,3322932720 0,5522515297 0,3824398994 0,4013723850 0,3849630833 0,4509593964 0,6182197571 0,3745843410 0,5970903397 0,3182799339 0,6823534966 0,4849147797 0,4400616169 0,3685686111 0,5509153366 0,3389068127 0,3696387768 0,3755558968 0,4343544960 0,4524782181 0,6259584427 0,3723472595 0,3774951935 0,5509221077 0,4335324764 0,5514231682 0,5595366478 0,6689064503 0,5012474060 0,4646390915 0,3940530777 0 20 40 60 80 100 120 140 0,106426311 0,142252873 0,178079436 0,213905999 0,249732562 0,285559124 0,321385687 0,35721225 0,393038813 0,428865375 0,464691938 0,500518501 0,536345064 0,572171626 0,607998189 0,643824752 0,679651315 0,715477877 0,75130444 0,787131003 0,822957566 0,858784128 ymayor... Frecuencia Clase Histograma Frecuencia
  • 12. GEOESTADISTICA I 12 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 0,5504740715 0,5223651886 0,5232254982 0,4289937019 0,5490430832 0,5745223045 0,4977878571 0,4466827393 0,6274064064 0,6197304726 0,4183066368 0,5638194084 0,7577320099 0,4043766499 0,5741373539 0,4314779282 . . . 1000 DATOS Columna1 Media 0,499637488 Error típico 0,002937977 Mediana 0,500188494 Coeficiente de variación 0,185948774 Desviación estándar 0,092906978 Varianza de la muestra 0,008631707 Curtosis -0,253181728 Coeficiente de asimetría 0,012570216 Rango 0,534367228 Mínimo 0,242199373 Máximo 0,776566601 Suma 499,6374884 Cuenta 1000 Clase Frecuencia 0,24219937 1 0,25943703 4 0,27667468 3 0,29391233 2 0,31114998 6 0,32838764 12 0,34562529 18 0,36286294 27 0,38010059 37 0,39733825 31 0,4145759 44 0,43181355 54 0,4490512 61 0,46628886 70 0,48352651 60 0,50076416 73 0,51800181 71 0,53523947 72 0,55247712 70 0,56971477 54 0,58695242 51 0,60419008 42 0,62142773 34 0,63866538 33 0,65590303 25 0,67314069 13 0,69037834 15 0,70761599 8 0,72485364 3 0,7420913 2 0,75932895 2 y mayor... 2 1000
  • 13. GEOESTADISTICA I 13 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 0 10 20 30 40 50 60 70 80 Frecuencia Clase Histograma Frecuencia DATOS TOMADOS DE 20 EN 20: 0,6191246033 0,3883327723 0,4896812439 0,4273569584 0,6491018295 0,3680871725 0,4847890377 0,5088631630 0,3810200214 0,3448997736 0,4189471722 0,5182867527 0,4265978336 0,4679891586 0,4288743496 0,5798466682 0,4975540638 0,5365741730 0,5012893200 0,5677615166 0,5056074619 0,4498735428 0,3729108334 0,5562500477 0,5624767303 0,5071060181 0,4804576397 0,4195311546 0,4798807621 0,5574903488 0,6606485367 0,4818233967 0,5195381165 0,5502452850 0,4502021313 0,4673456669 0,3931677341 0,5345895767 0,4858373165 0,5003166676 0,4624881744 0,4597419739 0,3542727947 0,4049551964 0,5392183781 0,3749212027 0,4922273636 0,5554798603 0,5850769043 0,4293460846 0,5364196777 0,4761095524 0,5617826939 0,4722352982 0,6235685349 0,4910629749 0,5810543060 0,5028076172 0,3903926373 0,4745588779 0,5046106815 0,4702817917 0,5736108780 0,4508160114 0,5941703796 0,6238765717 0,4599418163 0,4440531731 0,5114523411 0,5128107071 0,5861043930 0,5284889698 0,6181751251 0,5863029480 0,4888171673 0,5283423424 0,4760576725 0,4435720444 0,5547990799 0,4678318501 0,5468185902 0,4838367462 0,4707686901 0,5711764336 . . . 500 DATOS
  • 14. GEOESTADISTICA I 14 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 Columna1 Media 0,499637485 Error típico 0,002990625 Mediana 0,496135998 Coeficiente de variación 0,133841844 Desviación estándar 0,066872402 Varianza de la muestra 0,004471918 Curtosis - 0,348509952 Coeficiente de asimetría 0,11687356 Rango 0,348725247 Mínimo 0,330619121 Máximo 0,679344368 Suma 249,8187426 Cuenta 500 Clase Frecuencia 0,33061912 1 0,34647027 2 0,36232142 2 0,37817256 10 0,39402371 15 0,40987486 16 0,42572601 25 0,44157715 21 0,4574283 44 0,47327945 46 0,4891306 50 0,50498174 40 0,52083289 42 0,53668404 39 0,55253519 37 0,56838633 32 0,58423748 24 0,60008863 16 0,61593978 8 0,63179093 18 0,64764207 5 0,66349322 4 y mayor... 3 500
  • 15. GEOESTADISTICA I 15 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 DATOS TOMADOS DE 50 EN 50: 0,486511421 2 0,542927513 1 0,450772323 6 0,384291305 5 0,461555328 4 0,442722778 3 0,545645065 3 0,527565231 3 0,451662063 6 0,527185478 2 0,461937980 7 0,515848426 8 0,574390220 6 0,490592765 8 0,434397201 5 0,518105545 0 0,436673393 2 0,451597213 7 0,457144012 5 0,517676544 2 0,514820327 8 0,553225936 9 0,543674392 7 0,432276153 6 0,514514465 3 0,522881431 6 0,526859474 2 0,493994407 7 0,570814399 7 0,552341117 9 0,478945198 1 0,509295959 5 0,488153801 0 0,517757072 4 0,531552810 7 0,539020767 2 0,560341186 5 0,499656829 8 0,515678405 8 0,518383636 5 0,470560226 4 0,422942771 9 0,501693077 1 0,496974372 9 0,511369400 0 0,476892128 0 0,559342765 8 0,458757896 4 0,564702415 5 0,435157241 8 0,497748718 3 0,582074012 8 0,481867904 7 0,495765457 2 0,445407104 5 0,499637527 5 0 10 20 30 40 50 60 0,330619121 0,346470268 0,362321416 0,378172563 0,394023711 0,409874859 0,425726006 0,441577154 0,457428301 0,473279449 0,489130597 0,504981744 0,520832892 0,53668404 0,552535187 0,568386335 0,584237482 0,60008863 0,615939778 0,631790925 0,647642073 0,66349322 ymayor... Frecuencia Clase Histograma Frecuencia
  • 16. GEOESTADISTICA I 16 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 0,563549346 9 0,481119194 0 0,510188789 4 0,458538322 4 0,519805336 0 0,497995872 5 0,499339904 8 0,500241241 5 0,550069465 6 0,537547569 3 0,539481735 2 0,560586204 5 0,483150482 2 0,495301818 8 0,516610260 0 0,549787826 5 0,517231826 8 0,511161003 1 0,516096611 0 0,572436256 4 0,479872055 1 0,509402351 4 0,482686691 3 0,567496109 0 0,448004951 5 0,498678169 3 0,540501861 6 0,488307342 5 0,467938919 1 0,452015914 9 0,393038139 3 0,442584686 3 0,475357666 0 0,526817894 0 0,483166503 9 0,572418174 7 0,475319671 6 0,484861488 3 0,493133087 2 0,434272499 1 . . . 200 DATOS Columna1 Media 0,499637486 Error típico 0,003058596 Mediana 0,499798126 Coeficiente de variación 0,08657292 Desviación estándar 0,043255076 Varianza de la muestra 0,001871002 Curtosis - 0,267112929 Coeficiente de asimetría - 0,111077106 Rango 0,218741608 Mínimo 0,384291306 Máximo 0,603032913 Suma 99,92749714 Cuenta 200
  • 17. GEOESTADISTICA I 17 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 Clase Frecuencia 0,38429131 1 0,39991571 2 0,41554011 2 0,43116451 6 0,44678891 14 0,46241331 16 0,47803771 18 0,49366211 26 0,50928651 29 0,52491091 32 0,54053531 17 0,55615971 17 0,57178411 9 0,58740851 8 y mayor... 3 200 0 5 10 15 20 25 30 35 Frecuencia Clase Histograma Frecuencia
  • 18. GEOESTADISTICA I 18 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 A continuacion se presenta la grafica donde se encuentran los variogramas en mismo cuadro para asi poder compararlos:
  • 19. GEOESTADISTICA I 19 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 CONCLUSIONES Bien lo dijo Matheron que la Geoestadística es una mezcla de matemática, estadística y computación. Este informe afirma esta frase ya que nos basamos en matemática para la parte operativa, estadística para calcular parámetros estadísticos de estudio y computación para la ayuda de grafica de histograma y Variograma por medio de algoritmos.  Vemos que el Variograma del trabajo expuesto tomando 10000 datos aleatorios no nos muestra una gráfica conocida esto es debido a que son datos aleatorios.  Además vemos que al agrupar datos de 1, 5, 10, 20 y 50 el histograma cambia, tiende a ser la campana de gauss esto es debido al teorema del límite central.  Notamos que al agrupar los datos de cada vez mayores el rango de sus Variogramas disminuye.  Como el Variograma tomo en cuenta la variabilidad de los espacios es por ello que las gráficas son distintas y ambas varían en rangos diferentes.  El Variograma es demasiado sensible a valores extremos es por ello el cambio en la gráfica.  Nos damos cuenta de un comportamiento lineal del Variograma para distancias pequeñas.
  • 20. GEOESTADISTICA I 20 UNIVERSIDAD NACIONAL DE INGENIERIA – FIGMM – G3 RECOMENDACIONES Debemos tener en cuenta que todos los datos que son tomados en el campo deben ser trabajados en el orden en que se tomaron ya que alguna variación alteraría los resultados que se arrojan, estos se alejarían de la realidad y no sería la representación del dominio del yacimiento o mina tomada en cuenta, además tenemos que tener en cuenta errores de estimación y también tener en cuenta límites de confianza. BIBLIOGRAFIA  Las Variables Regionalizadas y su Estimacion- George Matheron.  An Introduction to Multivariate Statistical Analysis-John Wiley & Sons.  Estadistica Descriptiva e Inferencial – Manuel Cordova Zamora. Sitios de Internet visitados en búsqueda de información:  http://www.geoavariances.fr  http://escribd.com/doc/24737935/geoestadistica-aplicada