Universidad nacional de ingeniera

Escuela profesional de ingeniera de minas

ESTADISTICA APLICADA A PROBLEMAS MINEROS

(Prcticas 1,2,3,4)

Docente:
M.Sc. Ing. Carmen Rosalia Matos Avalos
Presentado por:
Asencios Pimentel Edwin
Gamarra Corilloclla Diego
Guerra Loyola Aaron
Huerta Espinoza Peter
Neyra Rodrguez Jean Carlos
ROSALES LUNA JULIO

JULIO-PER
2017
 ESTADISTICA APLICADA A PROBLEMAS MINEROS

1. A quantitative estimation of the factors affecting pH changes using simple

geochemical data from acid mine drainage. (Paper 1)

1. Identificar la variable principal

Se pudo identificar que la variable principal son los flujos afectados por la AMD
experimentan los cambios en pH. Que es afectada por los siguientes factores.

La dilucin aumenta los valores de pH, pero comparada con el factor de precipitacin,
la contribucin del factor de dilucin al pH es relativamente pequea. La alcalinidad es
el principal factor que amortigua el hidrgeno, que se libera por precipitacin. Los
cambios redox, que se calcularon a partir de los valores de pH y Eh, tambin afectan
el pH en cada sitio de muestreo.

2. Calcular los parmetros estadsticos

pH bajos (4,04-5,96)

concentracin de sulfato (680 - 854 ppm).

Muestra SO4
Muestra Ph
3 854
3 5.93
4 794
4 5.03
5 815
5 4.9
6 757
6 4.24
7 789
7 4.11
8 728
8 4
9 692
9 4.04
10 680
10 4.04

Desviacin tpica: =
(xx)2 =
N 3.4526
8
=0.66

Varianza: 2 =0.432

3. Determinar el estimador para el ajuste de curva

Como se puede observar valores observados utilizaremos el estimador Chi-
Cuadrado.

4. Establecer las hiptesis

H 0 : No existe diferencia del pH entre la parte alta y baja de la corriente
H 1 : Si existe diferencia del pH entre la parte alta y baja de la corriente
 5. Asignar nivel de significancia
= 0.05
6. Modelo representativo de la data

Muestr A3 A4 A5 A6 A7 A8 A9 A10
a
pH 5.96 5.03 4.90 4.24 4.11 4.00 4.04 4.04
4.54 4.54 4.54 4.54 4.54 4.54 4.54 4.54
1.42 0.49 0.36 0.3 0.43 0.54 0.5 0.5
2
( x x )
x
(x x ) = 1.42 + 0.49 + 0.36 + 0.32 + 0.432 + 0.54 2 + 0.52 + 0.52
2 2 2 2

x 4.54 4.54 4.54 4.54 4.54 4.54 4.54 4.54

2
X C =0.760

2
X 0.05,7 =14.0671

Como se puede observar el valor crtico es menor al valor calculado, entonces se

acepta la hiptesis nula.

En conclusin no existe diferencia de pH entre la parte alta y baja de la corriente.

Prctica 2: Multi-element association analysis of stream

sediment geochemistry data for predicting gold deposits in
Barramiya gold mine, Eastern desert, Egypt (Paper 2)
1. Identificacin de la variable principal:
La variable principal es la dispersin de las leyes de oro en
proximidades a zonas con vetas de Au-Cz para determinar targets de
exploracin, as como la correlacin entre los elementos traza y la
presencia de oro para seleccionar zonas potenciales de exploracin.
2. Parmetros estadsticos

Los parmetros estadsticos usados son los siguientes:

Media muestral (ppm)

Desviacin muestral (ppm)

las leyes de oro varan de acuerdo con la geologa predominante,

obtenindose la siguiente tabla.
 Tipo de Media Desviacin
Poblaci
Roca/Parmetro muestral muestral
n
s (ppm) (ppm)
Serpentina 0.23 0.48 173
Meta
0.21 0.43 204
sedimentos
Granito 0.16 0.24 48

Los parmetros que calcular corresponden a simulaciones de datos con

distribucin log normal, que es la distribucin asumida para los datos de
las leyes de Oro. La simulacin se realiz para cada estrato con sus
respectivas medias y desviaciones, y la cantidad de datos simulados
corresponde a la poblacin de cada estrato.
La siguiente tabla muestra los parmetros estadsticos obtenidos de la
simulacin.

Media Desviacin
Tipo de Roca / Poblaci
simulada simulada
Parmetros n
(ppm) (ppm)
Serpentina 0.259716 0.64919 173
Meta sedimentos 0.257867 0.620329 204
Granito 0.187679 0.394204 48

3. Determinar el estimador para el ajuste de curva

Dado que no se cuenta con las frecuencias observadas, ni con el rango

de clases para cada estrato elegido; la prueba de ajuste para la curva de
distribucin log normal se realizar usando estadsticos de prueba tanto
para la media como para la varianza en cada estrato.

Para la media:

Dada la cantidad de datos en cada estrato, el estadstico de prueba es:

x
Z=

Para la varianza:

Dada la cantidad de datos en cada estrato, el estadstico de prueba es:

n S2
2= 2

4. Establecer las hiptesis

Las hiptesis son formuladas tanto para la media y para la varianza, y

sern evaluadas para cada estrato.

Estrato: Serpentinas:

Media muestral = 0.23 ppm

Desviacin muestral = 0.48 ppm

Para la media:

H0: usimulada =umuestral

H1: usimulada umuestral

Para la varianza:
2 2
H0: simulada= muestral
2 2
H1: simulada muestral

Estrato: Meta sedimentos:

Media muestral = 0.21 ppm

Desviacin muestral = 0.43 ppm

Para la media:

H0: usimulada =umuestral

H1: usimulada umuestral

Para la varianza:
2 2
H0: simulada= muestral
H1: 2 simulada 2muestral

Estrato: Granito:

Media muestral = 0.16 ppm

Desviacin muestral = 0.24 ppm

Para la media:

H0: usimulada =umuestral

H1: usimulada umuestral

Para la varianza:
 2 2
H0: simulada= muestral
H1: 2 simulada 2muestral

5. Asignar nivel de significancia()

Dado que se realiz 46 muestras duplicadas para estimar la variabilidad
del error cometido en la toma de datos, el nivel significancia se
elegir de acuerdo con el porcentaje obtenido como coeficiente de
variacin para los elementos traza.

Ag, Cu, Li, Mo, Pb, W, Zn CV= +-7%

Au, Co, Cr, Ni, Sn CV=+-12%
As CV=+-20%

Cmo la variable principal analizada es Oro, y se aprecia que existe un

12% de error en el muestreo. El nivel de significancia: =0.10

6. Modelo representativo de la data

Con los datos, se procede a realizar la prueba de hiptesis en cada
estrato.
La siguiente tabla muestra todos los datos necesarios para realizar la
prueba de hiptesis.

Serpentin Meta Granit

Estrato / Parmetros
a sedimentos o
Poblacin / Nmero de datos
173 204 48
simulados
Media muestral (ppm) 0.23 0.21 0.16

Desviacin muestral (ppm) 0.48 0.43 0.24

Varianza muestral (ppm^2) 0.230 0.184 0.057

Media simulada (ppm) 0.259 0.257 0.189

Desviacin simulada (ppm) 0.649 0.620 0.275

Alpha 0.1 0.1 0.1
Z1 tablas -1.64 -1.64 -1.64
Z2 tablas 1.66 1.66 1.66
 X2,1 tablas 142.68 171.04 32.27
X2,2 tabulado 204.58 237.22 63.99
Z calculado 0.81 1.58 0.84
X2 calculado 316.45 424.55 63.11

El criterio para aceptar o rechazar la hiptesis nula, es el siguiente:

Dado que se requiere igualdad en los parmetros principales de

la distribucin, el estadstico de prueba se convierte en uno de
dos colas, tanto para la prueba normal como para la prueba de
Chi-Cuadrado.

Conclusin
El nico estrato que cumple con los criterios de aceptar las hiptesis nulas es el
perteneciente a la roca Granito, concluyendo que dentro de este tipo de roca se
puede asumir que las leyes de Oro siguen una distribucin Log normal, con un
nivel de confianza del 90%
Prctica 3: Role of fluid mixing and wallrock sulfidation in gold
mineralization at the Semnan mine area, central Eastern Desert
of Egypt: Evidence from hydrothermal alteration, fluid
inclusions and stable isotope data (Paper 3)

1. Identificar la variable principal

La variable principal es la temperatura de formacin del depsito mineral de oro
(en el rea de mina Sema), dentro de la cual se tomarn consideraciones de
inclusiones
2. Parmetros estadsticos
Se consideraron parmetros estadsticos de inclusiones acuosas carbnicas
(aqueous-carbonic inclusions)
Temperatura de fusin de dixido de carbono.
Temperatura de Homogenizacin del Dixido de Carbono (CO2)
 T de Homogenizacin de CO2 VS Frecuenciaa
14
12
12 11
10
8
8
6 6 6
Frecuencia

4 3 3 3
2 2
2

0
0 00> 0 0> 0 0> 00]
0> 0> 0> 0> 0> 0> 0> 0> 0> 0> 0> 0>
1 5. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30.
, , , , , , , , , , , , , , , ,
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. [29.
[1 [ [ [ [ [ [ [ [ [ [ [ [ [ [

T de Homogenizacin d CO2

Determinndose los siguientes parmetros: d

Media:
n

f i x Xi
= i=1 n
fi
i=1

temp .fusin CO2 =56.84 C

temp .homogenizacin CO 2=22.31 C

Varianza
n

(X i X )2 . f i
2 = i=1
n

2
temp . fusinCO 2 =4.47 C

2temp . Homogenizacin CO2 =5.21 C

2. Determinar el estimador para el ajuste de curva

Segn el anlisis de la data se observ que la prueba de ajuste para la curva
de distribucin usaba ser el Ji-cuadrado.
 2
2 ( f o f e )
=
fe

x . ex
p (x )=
x!

3. Establecer las hiptesis

La hiptesis se formula para la media de la temperatura de fusin CO2.
Para que el depsito de ore con ciertas inclusiones se forme, el rango de
temperatura debe estar entre < 226C; 267 C>

Hiptesis Nula ( H 0 )=> 226 C

Hiptesis Alterna ( H a )=<226 C
Por lo cual, para la hiptesis nula la temperatura de formacin ser mayor a
226C.

4. Asignar nivel de significancia()

El nivel de confianza alpha se analizar en base a la variabilidad de los
errores, por lo cual segn el paper se escogi un nivel razonable igual a 0.10
=0.10

5. Modelo representativo de la data

Modelo representativo de la data.

Analizaremos si la data de temperatura de fusin se puede ajustar a una curva

de distribucin normal.

PUNTO LIMIT Z=(media- AREA AREA F. F.

MEDIO E L)/s BAJO BAJO LA ESPERAD OBSERVAD
LA CURVA A A
CURVA PARA
CADA
CLASE
-60 2.1823128 0.49846
2
-59.75 0.04396 2.68156 5
-59.5 1.6901831 0.4545
3
-59.25 0.06995 4.26695 5
 -59 1.1980534 0.38455
4
-58.75 0.12467 7.60487 6
-58.5 0.7059237 0.25988
4
-58.25 0.175234 10.689274 8
-58 0.2137940 0.08464
5 6
-57.75 0.194266 11.850226 6
-57.5 - 0.10962
0.2783356
5
-57.25 0.16987 10.36207 11
-57 - 0.27949
0.7704653
4
-56.75 0.23428 17.149296 20
-56.5 - 0.39663
1.2625950
3

1. Ho: curva= D. Normal

H1: curva D. Normal
2. alfa=0.10
2 ( EO )2
3. X c = =6.54697521743501
E
2
X =7.7794
4. X 2c < X 2

5. Concluimos que la temperatura de fusin sigue una curva del modelo de

distribucin normal con un parmetro de estimacin de 0.1.

Prctica 4: Use of the AN/AQS-20A tactical mine-hunting

system for on-scene bathymetry data (Paper 4)

1. Identificacin de la variable principal:

La variable principal del problema es la calidad de la batimetra multihaz
obtenido de la AQS-20A durante estas manifestaciones y determinar las
correcciones necesarias para el uso operacional.
2. Parmetros estadsticos
La incertidumbre estadstica es el total propaga desviacin estndar de los
datos AQS-20A y terreno la verdad dentro de la de fi crculo Ned (es decir, la
 raz cuadrada de la suma de las varianzas de los datos AQS-20A y los datos de
verdad del suelo).

Para cada elemento, se calcul la incertidumbre estndar utilizando los

lmites declarados por IUPAC con una distribucin rectangular (se
dividen entre raz de 3)

El sesgo general de esta

estimacin es - 2.2
0,3 m si solo se
considera mediciones
velocidad del
sonido

a=0.3, u1=-2.2,
=0.173

El sesgo general de la estimacin con los 5 vuelos es

-2.1 0.4 m

a=0.4, u2=-2.1, =0.231

3. Determinar el estimador para el ajuste de curva

Debido a que, el problema presente, se va a comparar si las medias son
iguales para ambos casos, se utilizara el estimador T-student

4. Establecer las hiptesis

Hiptesis nula: u1=u2 (Que no es necesario considerar las 5
variables)
Hiptesis alterna: u1 u2 (Se debe considerar las 5 variables)

5. Asignar nivel de significancia()

Dado que se obtuvieron 5 muestras para ambos casos, el grado de
libertar es 8
Nivel de Significancia = 0.1
 6. Modelo representativo de la data
Una vez identificado la hiptesis y los datos necesarios para poder
rechazar o aceptar nuestra hiptesis con un grado de significancia de
0.1, procederemos con los clculos correspondientes.

n u
A 5 -2.2 0.173
B 5 -2.1 0.231

Sp 0.0416
T -0.7752
T (8,0.95) = 1.86

-1.86 +1.86

Conclusiones
Como se puede observar en la grfica, se acepta la hiptesis nula, a un nivel
de significancia de 0.1.
Lo que se puede deducir que al tomar los datos de los 5 vuelos de manera
conjunta se realizara una estimacin de incertidumbre de manera correcta, ya
que ambas pertenecen a la misma familia.
En este trabajo se resumen los resultados de la calibracin y la cuantificacin
de la incertidumbre de batimetra multihaz utilizando un sistema AN / AQS-20A.
La calibracin del offset de batimetra se obtuvo mediante la comparacin de
los datos de batimtricos multihaz de la AQS-20A con los datos de un sistema
dedicado de vigilancia batimtrica multihaz comercial, estos datos mostraron un
promedio de -2,2 m con una incertidumbre de 0,4 si los cinco vuelos se usan
colectivamente y 0,3 m si slo se utilizan mediciones con la correspondiente
velocidad de sonido dar este ltimo mtodo elimin los errores de deriva de
nuestro procesamiento de datos. Cuando se utiliza este ltimo mtodo, los
datos estadsticos del AQS-20A pueden utilizarse para obtener una batimetra
multihaz til, dando al guerrero en escena una capacidad crtica para
caracterizar el ambiente del campo de batalla, Para minimizar la incertidumbre,
se recomienda encarecidamente que al menos una SVP sea medida a) en el
momento de la recopilacin de datos y B) bien en la parte ms profunda de la
zona de la encuesta.
Solucion 2 Problema 4
1.
 X = Sesgo entre las medidas realizadas por batimetra multihaz del AQS-
20A con los datos de un sistema dedicado de levantamiento batimtrico
multihaz comercial.

Medidas de centralizacin:
Media = -2.2
N Haz 1 2 3 4 5 6 7 8 9 10 11 12 13
Sesgo - - - - - - - - - - - - -
2.5 2.2 2.3 2.2 2.3 2.0 2.1 2.2 2.3 2.2 2.2 2.3 2.4

Medidas de dispersin

Desviacin tpica:

Varianza: 2
=0.0169
=
(xx)2 =
N 0.22
13
=0.13

2. Determinar cul es el estimador que se utilizar para el ajuste de la curva

segn corresponda el comportamiento de la data
Chi cuadrado

(x x )2
x
3. Cul es la propuesta de hiptesis NULA y la hiptesis ALTERN A.
H0: El sesgo que existe entre las medidas realizadas por batimetra
multihaz del AQS-20A con los datos de un sistema dedicado de levantamiento
batimtrico multihaz comercial.es mnimo y aceptable la incertidumbre
H1: El sesgo que existe entre las medidas realizadas por batimetra
multihaz del AQS-20A con los datos de un sistema dedicado de levantamiento
batimtrico multihaz comercial no es mnimo y la incertidumbre tambin es
mayor
Asignar un de acuerdo a la data
Nivel de confianza: 1- = 0.95
Nivel de significancia: = 0.05
A qu modelo corresponde el comportamiento de la data

N Haz 1 2 3 4 5 6 7 8 9 10 11 12 13
Sesgo . - - - - - - - - - - - - -
2.5 2.2 2.3 2.2 2.3 2.0 2.1 2.2 2.3 2.2 2.2 2.3 2.4
x = -2.2 - - - - - - - - - - - - -
2.2 2.2 2.2 2.2 2.2 2.2 2.2 2.2 2.2 2.2 2.2 2.2 2.2
- - - - - -
0.3 0 0.1 0 0.1 0.2 0.1 0 0.1 0 0 0.1 0.2

( x x )2
x
 X 2C = (x x )2 = (0.3)2 + ( 0)2 + (0.1)2 + (0)2 + (0.1)2 ++ (0.2)2
x 2.2 2.2 2.2 2.2 2.2 2.2
2 0.22
X = C =0.1
2.2
2
X 0.05,13=22.36
Observamos que X 20.05,13 >X 2C por lo tanto se acepta la hiptesis nula, en
donde El sesgo que existe entre las medidas realizadas por batimetra multihaz
del AQS-20A con los datos de un sistema dedicado de levantamiento
batimtrico multihaz comercial.es mnimo y tambin la incertidumbre es
aceptable