You are on page 1of 347

OBJETIVO DE LA GEOQUIMICA

1. ESTUDIA LA DISTRIBUCION CUANTITATIVA DE LOS ELEMENTOS QUIMICOS EN LA CORTEZA
TERRESTRE, SU DISPOSICION Y CONCENTRACION LOCAL.

2. ESTUDIA LA COMIBINACIONES DE LOS DIVERSOS ELEMENTOS, EN LA CORTEZA TERRESTRE Y
SU DISTRIBUCION EN EL ESPACIO Y EN EL TIEMPO POR ACCION DE LOS AGENTES
METEORICOS.

3. ESTUDIA LA MIGRACION DE LOS ELEMENTOS Y SUS LEYES DETERMINADAS POR LOS
DIFERENTES CONDICIONES TERMODINAMICAS DEL MEDIO AMBIENTE.

4. ESTUDIA EL COMPORTAMIENTO DE LOS LEMENTOS QUIMICOS EN EL INTERIOR DE LA
CORTEZA TERRESTRE, FORMA DE COMPUESTO PARTICULARMENTE EN CRISTALES.

FINALIDAD DE PROSPECCION GEOQUIMICA

1. LA PROSPECCION GEOQUIMICA TIENE LA FINALIDAD DE DETECTAR LAS
ANOMALIAS, ASI COMO EVALUAR SU PROBABLE RELACION CON
YACIMIENTOS DESCONOCIDOS SITUADOS DEBAJO O LATERALMENTE
RESPECTOA ELLAS.

2. LAS MEDICONES SE HACEN EN SUSTANCIAS DE FACIL RECOLECCION, TALES
COMO, ROCAS, SEDIMENTOS DE QUEBRADAS, SUELOS, AGUA, VEGETACION O
GASES

3. LA FINALIDAD ES DISMINUIR PROGRESIVAMENTE EL TAMAÑO DEL AREA
INVESTIGADA DE MENOS DE 5 Km CUADRADO.

4. LA PROSPECCION GEOQUIMICA ES DIVIDIDA EN VARIAS FASES:

A. A NIVEL REGIONAL ARAEA MAYOR A 5000 Km CUADRADO
B. A NIVEL DE DISTRITO ENTRE 500 A 5000 Km CUADRADO
C. MNEORES A 5 Km CUADRADO A NIVEL LOCAL

FASES DE LOS TRABAJOS DE LA PROSPECCION GEOQUIMICA

1. CONOCER LA GEOLOGIA REGIONAL Y LOCAL.

2. OBSERVACIONES GEOLOGICAS EN EL CAMPO CON AYUDA DE IMÁGENES SATELITALES, MAPAS
TOPOGRAFICOS, GEOLOGICOS.

3. ESTUDIO PILOTO DEL AREA y/o AREAS REPRESENTATIVAS DE LA ZONA DE INTERES PARA DETERMINAR LA
DISPERSION GEOQUIMICA DE LOS ELEMENTOS Y EL MEJOR TIPO DE MUESTREO A SER USADO.

4. COLECCIÓN Y DESCRIPCION DE LAS MUESTRAS, DESCRIPCION GEOLOGICA, GEOMORFOLOGICA DE
CADA LUGAR DE MUESTREO.

5. ANALISIS CUANTITATIVO Y SEMICUANTITATIVO EN EL CAMPO DE ZONAS DE DIFICIL ACCESO

6. ANALISIS CUANTITATIVO EN EL LABORATORIO DE ACUERDO AL MENOR COSTO DE ANALISIS Y EL FACTOR
TIEMPO.

7. DETERMINACION ESTADISTICA DE LOS VALORES BACKGROUND REGIONAL Y LOCAL, Y LAS LLAMADAS
“ANOMALIAS”.

8. PRESENTACION DE LOS RESULTADOS EN MAPAS

9. INTERPRETACION DE LOS DATOS

LA INTERPRETACION DE LOS RESULTADOS DE LAS MUESTRAS SE REALIZA SOBRE EL
ELEMENTO GUIA
“PATHFINDER”. Y NO CON RESPECTO AL LEMENTO PRINCIPAL, PORQUE EL ELEMENTO
GUIA TIENE DISPERSION MAS AMPLIA, PUEDE ANALIZARSE MAS FACILMENTE Y CON
PRECISION.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

Es un estadístico muy conocido y de fácil comprensión.Media aritmética La media de un conjunto de datos es el promedio de las mediciones. Se calcula para variables cuantitativas discretas y continuas. . La mayor desventaja es que se ve afectada por valores extremos.

 Para un número par de datos la mediana es el promedio aritmético de los dos valores que ocupan las posiciones centrales. Mediana  La mediana es el valor que ocupa la posición central en un conjunto de datos ordenados. .  Es una medida robusta ya que no se ve afectada por valores extremos. la mediana es el valor que ocupa la posición central.  Para un número impar de datos.

Se puede obtener la moda para variables cuantitativas y cualitativas. Es la medida de tendencia central de menor popularidad. Moda La moda es el valor del dato que se repite con mayor frecuencia. Su valor no siempre es único pudiendo inclusive no existir. .

Media ponderada  La media ponderada es también llamada media pesada.  Se usa cuando las observaciones no tienen el mismo peso o la misma importancia sobre el total. k x j 1 j wj xp  k w j 1 j .

¿Cuál de las obras tiene un mayor promedio de salario por hora? Tipo de Salario por Número de horas trabajadas trabajador hora Obra 1 Obra 2 Operario 3 50 40 Maestro 6 20 35 Capataz 10 10 25 . Ejemplo Una empresa de construcción utiliza tres tipos de trabajadores. en las que los trabajadores participan de acuerdo a la siguiente tabla. La empresa tiene a su cargo dos obras.

 La media geométrica de un conjunto de observaciones diferentes de cero se define por: Valor final x g  n 1 Valor inicial . Media geométrica  La media geométrica se usa para calcular una tasa promedio de crecimiento.

5 2008 16.1 2009 14.3 2010 15.1  Halle la tasa de promedio de crecimiento. . Ejemplo  La empresa Alpha obtuvo los siguientes niveles de ingreso (en millones de nuevos soles) por la venta de sus productos en los últimos 4 años: Año Ingreso 2007 15.

Media armónica  La media armónica se usa para promediar razones cuando la unidad constante es la del numerador.  La media armónica de un conjunto de observaciones diferentes de cero se define por: 1 n xa  n  n 1 1 1  n j 1 x j  j 1 x j .

18. . Ejemplo  Un empresario industrial compró petróleo para una caldera a 16. • Cada año gasta igual cantidad de dinero. 21 y 25 nuevos soles por galón ¿Cuál es el costo promedio por galón si: • Se compra igual cantidad de petróleo por año.

Percentiles El percentil k.. Q2 y Q3 respectivamente. Pk. Se denomina cuartil a cada uno de los tres percentiles: P25. Se denomina decil a cada uno de los nueve percentiles: P10. D9 respectivamente.. P50. P75 y se les denota como Q1. . es el valor numérico tal que aproximadamente el k% de los datos ordenados está por debajo de este valor y el (100-k)% de los datos restantes está por encima del mencionado valor. .. . .. . P20. P90 y se les denota por D1. D2.

Pk.d x E 1  x E   .d) entonces:  Pk  x E   0. se debe hallar su posición:  n 1    k  100  Si la posición es un número entero E entonces: Pk  x E  Si la posición es un número decimal (E. Percentiles Para calcular el valor del percentil k.

.

.

.

.

.

.

.

.

.

600°C. depósitos formados por substitución o como rellenos de diques. en rocas sedimentarias y rocas magmáticas.Epitermal: Cerca de la superficie hasta 1500m. rellenos de vetas o substituciones.15000m. adentro o cerca de intrusiones magmáticas.4500m. diques. Mesotermal : Profundidad entre 1200 . temperatura entre 200 . acompañados por impregnaciones . temperatura entre 300 . transiciones de menas macizas a stockwork.200°C.300°C. Hipotermal: Profundidad entre 3000 . adentro o cerca de cuerpos plutónicos profundos. temperatura entre 50 . stockwork.

PASOS PARA LA TOMA DE MUESTRA DE SEDIMENTOS (Luis E. abarcando 50 m de escorrentía (ver Fotografía). La recolección de los sedimentos debe ser en varios lugares alrededor del punto de muestreo (3 o más). VARGAS RODRIGUEZ) Tomar la muestra de sedimentos que pasen por la malla 30. A continuación se detalla como obtener las muestras de sedimento: . en ningún caso la muestra debe tomarse en un solo punto de muestreo.

1970). . contaminaciones superficiales. ii. Además que las relaciones de los elementos traza varían si se muestrean bancos de sedimentos con materiales coluviales (Armour-Brown & Nichol. puesto que esta cobertura puede contener altas concentraciones de óxidos de Fe y Mn.i. utilizando instrumentos de polietileno o madera. El operador deberá usar durante el proceso de muestreo guantes de goma resistentes para proteger sus manos y prevenir cualquier tipo de contaminación. Además no deberá portar objeto alguno que pueda contaminar el sedimento (Fotografía ). Se debe retirar la capa superior de sedimento (10-20 cm).

.

.

evitando que se introduzca material grueso al recipiente que se encuentra debajo del tamiz. lo suficiente como para facilitar el paso de los sedimentos. siempre evitando que el material grueso ingrese en el recipiente. Para el caso de material seco se procede de la misma forma. El recipiente deberá ser de plástico.5 a 4. es recomendable para estos casos. luego este se deja reposar para que decanten los sedimentos finos. v. durante este proceso se puede frotar el sedimento con los guantes. . El tamizado termina cuando se obtenga entre 3. aplicar una solución floculante para acelerar el proceso de decantación. iv. de sedimento en el recipiente.5 kg. Previamente al tamizado debemos retirar cuidadosamente (a mano) los clastos gruesos.iii. durante el tamizado se recomienda emplear cantidades mínimas de agua.

El sedimento es colocado en una bolsa microporosa o de polietileno para el caso de muestras húmedas o secas respectivamente (Fotografía 4).vi. .

Al terminar el muestreo. g) Rotular la muestra indicando el código. Para el caso de muestras duplicadas. . donde la primera cantidad de sedimento que pase a través de los tamices debe ser desechado. estas se deben recolectar de la misma forma que las originales (en los mismos puntos). viii. todo el equipo debe ser lavado en la corriente antes de ser embalado y transportado hacia otro lugar. según la “Matriz de control” preparada previamente. el equipo es cepillado con una escobilla de cerdas de plástico. Para quebradas secas.vii.

tipo litológico. presencia de alteración y mineralización en rodados y sedimentos finos. X) Acondicionar las muestras. agruparlas y colocarlas en los respectivos sacos. flujo de corriente. forma.IX) Completar los campos restantes de la “Ficha de muestreo de Sedimentos” con información referida a pH. Conductividad Eléctrica. porcentaje. óxidos de hierro. TDS. entorno geológico. óxidos de manganeso. ancho del cauce. contenido de materia orgánica. estructuras y algún otro dato adicional que se considere importante señalar en la parte de comentarios. .

.

.

.

entonces se rechaza la hipótesis de la distribución normal) (Dickinson. Una vez comprobada la normalidad de los elementos estudiados. 2003). mediante la estadística descriptiva se calculó la media geométrica y la desviación estándar para poder determinar los parámetros geoquímicos como el background que es igual a la media geométrica del conjunto de datos procesados.PARÁMETROS GEOQUÍMICOS Aplicando la prueba de normalidad de Kolmorogov-Smirnov-Lilliefors (donde se verifica la hipótesis de distribución normal de la variable y para un nivel de confianza del 95 %.05. . si la significación es menor que 0.

se obtiene sumando el valor del “background” más dos veces la desviación estándar (Sinclair. donde además se deben incorporar los valores atípicos extremos (los que superen el bigote superior del diagrama boxplot). En la tabla 18 se presentan los parámetros estadísticos- geoquímicos de cada elemento estudiado. 1974).El cálculo del threshold. . Los valores que superen el threshold o umbral geoquímico corresponden al de las anomalías geoquímicas.

.

3 y 0. al momento de realizar el proceso de correlación tanto a escala natural como a escala logarítmica.6 (Plá. si bien es cierto las distribuciones de las concentraciones de los elementos lantánidos presentaron un carácter normal (sin tener la necesidad de transformarlos a una escala logarítmica). . en esta última los coeficientes de Pearson mostraron un mejor contraste estadístico.6 y débil para aquellos entre 0.ÍNDICES DE CORRELACIÓN BIVARIAL Para evaluar las relaciones estadísticas existentes entre variables se calcularon los coeficientes de correlación a escala logarítmica. Se ha considerado como correlación fuerte a los valores superiores a 0. 2003). evidenciando mejor los grados de correspondencia entre las variables.

.

genera una gran cantidad de datos que conforman una matriz de n muestras por p variables. encontrar una estructura o vínculo latente en los datos. asignar muestras a grupos ya establecidos o en general. . es explicar la mayor parte de la variabilidad total observada en un conjunto de variables con el menor número de componentes posibles (Uriel. El objetivo específico de un análisis de componentes principales.ANÁLISIS DE COMPONENTES PRINCIPALES (ACP) La aplicación de técnicas analíticas multielementales para la caracterización geoquímica de muestras. 1995). La caracterización multielemental de las muestras puede utilizarse para diferentes propósitos tales como formar grupos estadísticamente significativos de muestras similares. sumada a la determinación de otros parámetros.

.

.

.

.

Varianza y Desviación Típica (muestral y poblacional).4. Amplitud. Introducción. . 2. Otras medias.2. cálculo y principales características. Moda. Representación gráfica: diagramas de caja y barras de error. Concepto.3.1.4. Definición. Concepto.1. 5. Asimetría: Introducción y principales medidas. Curtosis: Introducción y medidas 6. 3. 3. Criterios de uso. Tendencia central.3. Variabilidad.2. Otras medidas: Amplitud intercuartílica y Coeficiente de Variación. Criterios de uso. 2. 2. 3. mediana y media aritmética.Tema 3: Caracterización de grupos 1. 4. 3. 2. 3. 2.

4. Veremos primero los 3 índices de tendencia central más comunes (moda.4. Tendencia central Nos indican un valor representativo del grueso de los datos.5.6. es claro que (a ojo) están en torno a cinco.7.4. .5.5.5. 2. de la referencia de los mismos –un valor central.6. Después veremos otros índices que han sido propuestos.5. media y mediana). Ejemplo: con las calificaciones 4. que podría ser tomado como índice de tendencia central.5.

7 La media será (4+6+5+3+7)/5=4 Nota: se pueden emplear medias aritméticas ponderadas.6. Pensemos que hay 2 datos. la media será (5*0’6+6*0’4)/(0’6+0’4)=5’4 . uno (5) pesa 0’6 y el otro (6) pesa 0’4.5. Media aritmética Fórmula: X  X i n Simplemente se trata de sumar todos los valores y dicha cantidad se divide por el número de valores que tengamos.3. Si tenemos los datos: 4. Entonces.

la nueva media aritmética resultante será la original más la constante. la nueva media aritmética será la original por la constante. . -Minimiza la suma de diferencias en términos cuadráticos. Propiedades de la Media aritmética -La suma de diferencias (de todos los valores) respecto a la media es siempre 0 -Si sumamos una constante a cada uno de los valores. -Si multiplicamos cada uno de los valores por una constante.

7. en el ejemplo de arriba era impar) . observad que n es par.8. en la secuencia (ordenada) 3.6.3.6. Mediana La Mediana (Mdn o Md) se define como el valor que tiene la propiedad de que el número de observaciones menores que él es igual al número de observaciones mayores que él.7.5.4.4. Por ejemplo.9 la mediana será 5 (la media aritmética entre los dos valores centrales.9 la mediana será 6 En la secuencia (ordenada) 2.

Propiedades de la mediana -No utiliza todos los elementos -Se puede calcular con datos ordinales -Se ve menos afectada por datos atípicos que la media aritmética. -Minimiza la suma de diferencias en valor absoluto (recordad que la media aritmética minimizaba la suma de diferencias en términos cuadráticos) .

¿en qué lugar pondrías la empresa para minimizar tal coste? . 3 2 1 2 1 Km 1 4 5 6 26 Dado que todos viajan en coche. Emp. Ejemplo uso de la mediana Los 9 empleados de una nueva empresa viven al lado de la Nacional 340 en diferentes kilómetros: Núm. y sabiendo que quieres minimizar el coste en gasolina.

6.6. La moda Se define como Moda (Mo) aquel valor de la variable al que corresponde mayor frecuencia.6.5.4.5 la Mo=6 Propiedades: -No es necesariamente única (puede haber varias modas) -Se puede calcular con datos en escala nominal -En su cálculo no intervienen todos los elementos .3. En el conjunto de datos: 4.

¿Cuál elegir? Moda Media Mediana .

Evidentemente. Resistencia y robustez Estadísticos resistentes: Son aquellos que no se ven influidos (o solo ligeramente) por pequeños cambios en los datos. La mediana. la media es un estadístico muy poco resistente a cambios en los datos. en cambio. es un estadístico altamente resistente. dado que se ve influida por todos y cada uno de ellos. .

. Es decir. Estadísticos (Estimadores) robustos (ESTADÍSTICA INFERENCIAL): Son aquellos estadísticos (estimadores) que funcionan bien para varios tipos distintos de distribuciones teóricas. son el “mejor compromiso”. La media no es un estimador robusto. La mediana es un estimador más robusto que la media. si bien hay otros estimadores más robustos que veremos en el punto siguiente del temario. aunque pueden no ser el mejor estimador para ningún tipo concreto de distribución.

Medias Recortadas Consiste en calcular la media aritmética sobre un subconjunto central del conjunto de datos. no considerándose una determinada proporción p por cada extremo. . A la media recortada al 25% se la denomina centrimedia. una media recortada al 40% en una secuencia de 10 datos implica no tener en cuenta ni los 4 valores menores ni los 4 valores mayores. Observar que la media recortada al 0% es la media aritmética. (p se expresa normalmente como porcentaje).Medidas robustas de tendencia central 1. Por ejemplo.

8) . Medias Recortadas (cont) Calcula la media recortada al 5% de los siguientes datos: 3. 4. 5. 4. 5. 7. 9.Medidas robustas de tendencia central 1. 8. 6.11 Calcula la media recortada al 10% de los datos anteriores (da 6) Calcula la centrimedia (da 5. 11 El valor debe ser 6.

7. 5. Media Winsorizada Es análogo a las medias recortadas excepto en que las puntuaciones eliminadas. 4. 7. los datos 3 y 4 (los dos menores) y el 9 y 11 (los dos mayores) se sustituyen por 4 y 8 respectivamente. 4. 5. que será la media winsorizada a nivel 2 (debe de dar 5. 7. 9. 6. en la media recortada a nivel 2 implicaría eliminar las dos puntuaciones mayores y las 2 menores: 3. 5. 4. Así. ya no lo son sino que se sustituyen por los valores menor y mayor que quedan para el cómputo de la media winsorizada. 5. 4. 8 y se calcula la media de los mismos En la media winsorizada.Medidas robustas de tendencia central 2. 8. 6. 8.9) . 5. 11 Y quedan los datos: 4. 5. 8. 6. 8 y se calcula la media de los mismos. 4. Es decir.

Medidas robustas de tendencia central 3. si todos los datos están en el rango 200-1500 ms no se elimina ningún dato .) De esta manera. más de 1500 ms es demasiado lento. (Menos de 200 ms es demasiado rápido. Por ejemplo. en experimentos de tiempo de reacción para discriminar palabras/pseudopalabras se pueden eliminar datos menores de 200 ms y mayores de 1500 ms. Otros tipos de media en la que se recortan datos En muchas ocasiones lo que se hace es emplear un valor mínimo y uno máximo más allá del cual se eliminan los datos que sobrepasen tales valores.

la Mediana (con peso doble) y el primer y tercer cuartil. Pensemos que en un conjunto de datos.Medidas robustas de tendencia central 4. el primer cuartil es 51. la mediana es 55 y el tercer cuartil es 63. Trimedia Es un índice de tendencia central que consiste en calcular una media aritmética ponderada de tres medidas. La trimedia es: .

Otras medidas robustas El estimador-M de Huber. . el estimador biponderado de Tukey. reciben un peso de 1.Medidas robustas de tendencia central 5. Cálculo: lo da el SPSS. Estos estimadores se diferencian entre sí por el tipo de ponderación aplicada sobre los datos. La constante es 1. el estimador M- redescendente de Hampel y el estimador en onda de Andrew. Por ejemplo.339. en el Estimador-M de Huber (Estimador M de posición): Las puntuaciones típicas que sean menores que una constante. Los casos que tienen los mayores valores absolutos tienen pesos tanto más pequeños cuanto mayor es su distancia respecto a cero.

3. Variabilidad

En el punto anterior vimos las medidas de tendencia central
(media, mediana, etc). Claramente, para saber cuán
representativo es el valor de tal medida de tendencia
central es necesario tener una medida de variabilidad.

Por ejemplo, alguien puede tener una media de 5 con los
siguientes datos (5, 4, 6, 5, 5) y otro tener una media de 5
con los datos (10, 0, 5, 9, 1). Evidentemente el primer sujeto
es mucho más consistente, muestra menos variabilidad.

¿Cómo podemos medir la variabilidad?
Una primera estrategia sería emplear la fórmula

n

 X
i 1
i X
n

El problema es que siempre vale cero....  X
i 1
i X0

Una segunda estrategia es emplear valores absolutos
n

X
i 1
i X

Esta es la llamada “Desviación Media”, cuyo problema es que lo
problemático del uso de valores absolutos.

¿qué nos queda, pues? Emplear la suma de diferencias al cuadrado....Es el
primer paso para la varianza

Varianza

Fórmula
n 2

 X i X
s2  i 1

n

Como veremos en el segundo semestre (Estadística inferencial), la varianza es
un estimador sesgado de la varianza poblacional; por ello se prefiere el uso de
la “cuasivarianza” que es igual que la varianza excepto en que se divide por n-
1; la cuasivarianza es un estimador insesgado de la varianza poblacional¨:

n 2

 X i X
s%2  i 1

n 1

Desviación típica y cuasidesviación típica

Fórmulas n 2 2

 X X
n

i  X i X
s i 1
s% i 1
n n 1

Una ventaja obvia de la desviación típica sobre la varianza es que la desviación
típica viene dada en las mismas unidades de medida que los datos originales
(en la varianza las unidades están al cuadrado).

Por eso, en estadística descriptiva se suele dar la media acompañada de la
(cuasi)desv.típica, más que con la (cuasi)varianza.

NOTA: El SPSS cuando indica varianzas o desviaciones típicas, en realidad
calcula cuasivarianzas y cuasidesviaciones típicas

Algunas propiedades de la varianza y
desviación típica

1. La varianza y la desv. Típica son valores esencialmente
positivos.
(Observad que las diferencias sobre la media están al
cuadrado)
2. Ni la varianza ni la desv.típica se alteran cuando a los
datos se les añade una constante a.
Yi  a  X i Entonces, sabemos que Y a X

Yi  a  X i Entonces, sabemos que Y a X

n 2 n 2 n 2

 Y  Y 
i   (a  X )  (a  X ) 
i  X i  X )
s y2  i 1
 i 1
 i 1
 sx2
n n n

Claro está que lo mismo se aplica a la desv.típica (y a la cuasivarianza y la
cuasidesv.típica

típica queda multiplicada por el valor absoluto de dicha constante. la desv. Si los datos se multiplican por una constante a cualquiera. 3. y la varianza por el cuadrado de dicha constante Yi  aX i Y  aX n 2 n 2 n 2  Y  Y  i   aX i  aX  a2   X i  X ) s y2  i 1  i 1  i 1  a 2 sx2 n n n s y  a sx .

el problema es que es únicamente sensible a los valores extremos (e insensible a los intermedios). 2. Amplitud total (AT) Es la diferencia entre los valores extremos AT  X max  X min Su ventaja es la sencillez de cálculo.Otras medidas de variabilidad 1. . Desviación media (DM) n X i X DM  i 1 n El problema del empleo de la DM es la dificultad que tiene trabajar con valores absolutos. La DM es poco frecuente encontrarla en la práctica.

lo que la hace un estadístico resistente Q3  Q1 Q 2 Se emplea relativamente en alguna áreas de la psicología. . típica c Al no tener unidades permite la comparación entre variables diferentes. 4. Otras medidas de variabilidad 3. Coeficiente de variación (CV) Observa: Escala de razón… Indica el número de veces que la desviación ontiene a la media: cuanto mayor es el CV CV mayor es la variabilidad y menor la representatividad de la media. se suele emplear cuando la mediana sea el índice de tendencia central. Amplitud semi-intercuartil (Q) Está basada en el primer y tercer cuartil.

9. 1’5.4.5) MEDA=1.6. 5’5 . 2’5.11 (Md=5. 0’5.4.5. 0’5. 1’5.8. 2’5.5. 3’5.Medidas robustas de variabilidad 1. 1’5.7. La MEDA (Mediana de las diferencias absolutas frente a la mediana) MEDA  mediana X i  Md Ejemplo de cálculo: 3.5 Es la Mediana de 0’5.

como también ocurre con la media aritmética) que cabría esperar de la muestra si ésta perteneciera a una población en el que la distribución subyacente sea la normal. . Medidas robustas de variabilidad 2. La desviación pseudotípica Es un índice de variabilidad que permite estimar la desviación típica (que como sabemos es muy susceptible a la influencia de puntuaciones atípicas.

Si bien la obtención de tales medidas es clave para describir una muestra y efectuar inferencias sobre la población de origen. es también fundamental saber la forma de una distribución para obtener una caracterización adecuada de los datos. 4. Asimetría En los dos puntos anteriores hemos visto las medidas de tendencia central y las medidas de variabilidad. .

e. las distribuciones de los Tiempos de Reacción en casi cualquier tarea es asimétrica positivo).. es importante cuantificar la posible asimetría de una distribución.. la mediana y la moda coinciden. la media. en muchos casos la distribución que encontramos es asimétrica (v. . Recordemos que cuando la distribución de los datos es simétrica. (Y la distribución tiene la misma forma a la izquierda y la derecha del centro) Si bien muchas distribuciones psicológicas se asume que tienden a ser simétricas y unimodales.g. Asimetría Si bien es fácil tener una idea de si la distribución es simétrica o no tras ver la representación gráfica (p. un histograma o un diagrama de caja y bigotes).

Asimetría positiva Examen difícil Salarios Tiempos de Reacción Moda Media Mediana Examen fácil Asimetría negativa Media Moda Mediana .

Índices de asimetría 1. Está basado en la relación entre la media y la moda en distribuciones simétricas y asimétricas (ver transparencia anterior): X  Mo As  sx Si la distribución es simétrica As será 0 Si la distribución es asimétrica positiva. Índice de asimetría de Pearson Muy sencillo de calcular. As será mayor que 0 Si la distribución es asimétrica negativa. As será menor que 0 .

si bien esta vez se elevan los coeficientes al cubo n  i ( X  X ) 3 n As  i 1 sx3 Si la distribución es simétrica As será 0 Si la distribución es asimétrica positiva. As será mayor que 0 Si la distribución es asimétrica negativa. Índice de asimetría de Fisher Está basado en la diferencia de los datos sobre la media. Índices de asimetría 2. As será menor que 0 Desventaja: Muy influida por puntuaciones atípicas- . como la varianza.

que es la distribución normal. Si la distribución es más apuntada que la distribución normal tenemos una distribución leptocúrtica. Este estándar es la distribución normal: distribución mesocúrtica. 5. . Si la distribución es más achatada que la distribución normal tenemos una distribución platicúrtica. Curtosis o apuntamiento Hace referencia al apuntamiento de la distribución en relación a un estándar.

Curtosis o apuntamiento IMPORTANTE: Curtosis es independiente de la variabilidad (en el sentido de “varianza”). Eso quiere decir que una distribución leptocúrtica es más probable que ofrezca más valores extremos que la distribución normal. Una distribución leptocúrtica es muy apuntada en el centro (más que la normal). no es que una distribución leptocúrtica tenga menos varianza y por eso es más apuntada. . Es decir. pero en los extremos es algo más alta que la distribución normal. decae muy rápidamente en un primer momento.

Mesocúrtica) 1200 1000 800 600 400 200 Desv.75 . = 1.25 1 1 2 2 3 3 5 5 5 5 5 5 NORMAL . .00 -3 -3 -2 -2 -1 -1 -.75 4.01 Media = -.7 .7 .00 0 N = 10000.2 75 25 25 75 .75 .Ejemplo de curtosis (dist.25 .2 . . típ.7 .25 .25 . -. .2 .

el índice vale 0 Si la distribución es leptocúrtica. el índice es superior a 0 Si la distribución es platicúrtica. el índice es inferior a 0 .Índice de curtosis (veremos un solo índice) Para una distribución normal (mesocúrtica) sabemos que n (X i  X )4 n i 1 4 3 s x Y esta va a ser la referencia para el índice de curtosis que vamos a emplear n  i ( X  X ) 4 n C r i 1 4 3 s x Si la distribución es normal (mesocúrtica).

Más ejemplos de curtosis .

3) un índice correspondiente a la calidad de información (“drift rate) . Cómo ver la tendencia. Colangelo y Buchanan. se mide el Tiempo de Reacción) con un grupo de controles y un grupo de personas con daño cerebral (afásicos). La caja viene definida por el primer cuartil y el tercer cuartil. es interesante el uso de los diagramas de caja y bigotes. Perea. asimetría. etc). Lo que se medía era 1) un índice de cuán conservador eran las personas en la tarea (“boundary separation”) 2) un índice correspondiente a procesos “no-decisionales” (“non-decision component”). en el que se examinan ciertas características en una tarea de decisión léxica (decidir si un estímulo era palabra o no. Brain & Cognition). con la mediana también indicada. 6. 2004. Pero mejor veamos un ejemplo (Ratcliff. variabilidad y asimetría en un gráfico Si bien es posible emplear diferentes gráficos para evaluar la variabilidad (y tendencia central. Esto lo veremos en detalle en las prácticas.

Observad que los controles son claramente diferentes a los pacientes en “boundary separation” y en el “non-decision component”. Las puntuaciones “atípicas” están presentadas individualmente (ver que hay dos tipos de datos atípicos).Cómo ver la variabilidad en un gráfico La Mediana es el trazo grueso dentro de las cajas (entre los cuartiles primero y tercero). . mientras que hay bastante más solapamiento en la “calidad de información”.

.Cómo ver la asimetría en un gráfico En el caso del “drift rate” (pacientes). P25 P50 P75 En el caso del “non-decision component” (pacientes). lo que sugiere que hay asimetría positiva. lo que sugiere que hay asimetría negativa. la distancia entre el P75 y P50 es mucho menor que ente el P50 y el P25. la distancia entre el P75 y P50 es mucho menor que ente el P50 y el P25.

.

DIFRACTOMETRIA DE RX .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

186 Introducción a la espectroscopía
vibracional
1. .Conceptos básicos  Espectroscopía Raman
 Estados vibracionales y energía  Dispersión inelástica de
 Modos normales de vibración fotones (Stokes y anti-Stokes)
 Reglas de selección
 frecuencia de vibraciones  Ventajas sobre el IR
 Resonanacia Raman
2. .Técnicas
 Espectroscopía infrarroja 3. .Aplicaciones a proteínas
 Regiones del IR  Análisis de estructura
 Grupos funcionales secundaria
 "Huellas digitales"  Cálculos
 Número de ondas e intensidad  Asignaciones
 Reglas de selección  Uso de isótopos
 FTIR y sus ventajas  Grupos laterales

187 Bibliografía

 Campbell, I.D. and Dwek, R.A.; Biological Spectroscopy; Benjamin
Cummings (1984)
 Cantor, C.R. and Schimmel, P.R.; Biophysical Chemistry; Vol 2,
(1984).
 Krimm, S and Jagdeesh Bandekar, Vibrational Spectroscopy and
Conformation of Peptides, Polypeptides and Proteins; Adv. Prot Chem.
38; (1986), p. 180
 Susi, H and Byler, D.M.; Resolution Enhanced Fourier Transform
Infrared Spectroscopy of Enzymes; Methods in Enzymology; 130, p
290
 Williams, R.W.; Protein Secondary Structure Analysis Using Raman
Amide I and Amide III Spectra; Methods in Enzymology; 130, p 311

188 Introducción a la espectroscopía
vibracional

Espectro electromagnético

Longitud de onda Tipo de radiación Tipos de transición
Frecuencia (Hz)
1020 - 1024 10-12 - 10-16 m Rayos gamma Nuclear
1017 - 1020 1 nm - 1 pm Rayos X Electrones internos
1015 - 1017 400 - 1 nm Ultravioleta Electrones externos
4.3x1014 - 7.5x1014 700 - 400 nm Visible Electrones externos
1012-1014 2.5 µm - 700 nm Infrarrojo Vibraciones
108 - 1012 1 mm - 2.5 µm Microondas Rotaciones
100 - 108 108 - 1 m Radiofrecuencia Inversión de spin

E Estados vibracionales y energía
189

Distancia internuclear

4
3
2
1
1 k

0
Frecuencia de la vibración
2 
k = constante de fuerza del enlace F = -kx

µ = masa reducida, para un sistema diatómico
m1m2

m1  m2

5) 190 cm-1 IR RAMAN estiramiento O C O 1340 . + (sim) estiramiento O C O 2349 + - (asim) deformación O C O 667 + - deformación O C O 667 + - . Modos normales de vibración (3N .

191 Técnicas: INFRARROJO Reglas de selección: No todas las vibraciones serán “activas” en IR Sólo aquellas en las que cambie el momento dipolar permanente durante la vibración .

192 INFRARROJO .

O NH CH3 INFRARROJO 193 N-H C-H C=O .

Puede tener una resolución de menos de 0. Mejor relación señal/ruido ya que la luz no debe pasar por un monocromador. Se miden todas las frecuencias a la vez lo que da mucha mayor rapidez 3.01 cm-1 4. 2.194 FTIR Espectrometría IR con Transformada de Fourier 1. Los espectros pasan necesariamente por una computadora lo que facilita el análisis y manejo espectral .

Modos normales de vibración del grupo amida (valores para metilacetamida) 195 C H C H C H C H C N C N C N C N O C O C O C O C estiramiento NH (3236 F) amida I (1653 F) amida II (1567 F) amida III (1299 M) C H C N C H C H C H C N C N C N O C O C O C O C amida IV (627 D) amida V (725 F) amida VI (600 M) amida VII (206 M) C H C H C H C H C N C N C N C N O C O C O C O C estiramiento NC estiramiento CN y CC deformación CCN deformación CNC (1096 D) (881 D) (436 D) (289 D) .

196 .

H. S and Stevens. L. Timasheff. 5460-5466 .. J Biol Chem (1967) 242. Estructura secundaria 197 ovillo estadístico hélice a transición a  b b antiparalela Susi.

and Raussens. J. V Biophysical Journal Volume 90 April 2006 2946–2957 . Ruysschaert. E. M. Estructura secundaria Estructura a 198 Estructura b Goormaghtigh.

Porcentajes de hélice y cadena 199 extendida obtenidas por rayos X y FTIR Proteína % Hélice % Cadena extendida FTIR RX FTIR RX Carboxipeptidasa 40 39 33 30 α-Quimotripsina 12 10 50 49 Concanavalina A 4 2 60 60 Lisozima 41 45 21 19 Papaína 27 29 32 29 Ribonucleasa A 21 22 50 46 .

200 .

Chem. Biol. 1H O Uso de isótopos 2 201 C H C N O C 2H O 2 Efecto de la deuteración de la proteína sobre la posición de la banda amida I J. (1998) 273: 771- 777 .

6 1547 1547 d N-H amida II 2 1516–1517 1516–1517  OH anillo Tyr 1443 1455 d N-2H amida II y 2HOH . pH 6. Uso de 202 isótopos BIAP (A) apo BIAP (B) Asignación tentativa 1682 C=O amida I (hoja b) Asignación tentativa 1660 C=O amida I (giro) de las diferentes 1651–1652 1652 C=O amida I (hélice a) bandas en el 1633 1633 C=O amida I (hoja b) espectro FTIR de 1586–1577 1586–1571 C=O COO– Asp o Glu BIAP y apoBIAP en 2H O.

Biochem.1 Eur. J. Uso de 203 isótopos C H C N 1 = 27 min O C 2 = 63 min 3 = 180 min 4 = 21 h Efecto del tiempo en la deuteración de tripsina en 2H2O a 25º C. 339-344 (1974) . 48. pD = 3.

Referencia: Pinakoulaki.. and Varotsis. 277:32867. Soulimane. Isótopos y posición de las bandas 204 FTIR de monóxido de carbono unido a citocromo c aa3 de T. C. (2002) J. Chem. termophilus. E. . Biol. T.

Unión de ligandos 205 .

Tamil Nadu -7/11/1888 Bangalore. Karnataka .21/11/1970 Premio Nobel de Física 1930 .206 Técnicas: Raman Dispersión inelástica de fotones estados electrónicos virtuales Sir Chandrasekhara Venkata Raman. (சந்திரசசகர வெங்கடராமன்) Tiruchirapalli.

cambio en la polarizabilidad de la molécula. Se mide en el visible o el UV donde los detectores son mucho más sensibles 2. luz monocromática 207 Regla de selección: Para que la vibración sea activa en Raman debe provocar un Monocromador. La resonancia Raman permite sondear grupos asociados a cromóforos con una sensibilidad 102. espectrógrafo Ventajas de Raman con respecto a IR 1. El agua produce una dispersión Raman muy débil 3.104 veces mayor . muestra Láser.

208 N N .

209 .

210 .

Resonancia Raman 211 estado electrónico excitado estado energético virtual Resonancia Raman Raman estado electrónico basal La resonancia Raman es más intensa que la dispersión Raman. pero necesita que exista un cromóforo y sólo se intensifican las bandas debidas al cromóforo .

7 nm 212 Das. Mitra (1998). T. l = 406. K. Mazumdar and S. Eur J Biochem 254(3): 662-70 .. S.

213 [hemo] = 0. (1973) JACS 96: 338 . T. C. and Strekas.34 mM [SO42-] = 400 mM SO42- Spiro. G. T.

Uso de isótopos 214 Unión de óxido nítrico a superóxido reductasa de Pyrococcus furiosus l = 476 nm .

215 Espectro IR de BSA sólida (azul) y espectro Raman de BSA en solución en amortiguador de fosfato (rojo). .

216 Infrarrojo y Raman  El fenómeno de  Se mide en el visible o UV absorción es más intenso donde los detectores son por lo que se requieren mucho más sensibles muestras menores  El agua produce una dispersión Raman muy  El equipamiento es más débil sencillo y de uso más flexible  El Raman resonante permite sondear grupos  No presenta asociados a cromóforos interferencias con otros con una sensibilidad fenómenos físicos (p. ej. varios órdenes de magnitud mayor fluorescencia) .

.Aplicaciones a proteínas  Regiones del IR  Análisis de estructura  Grupos funcionales secundaria  "Huellas digitales"  Cálculos  Número de ondas e intensidad  Asignaciones  Reglas de selección  Uso de isótopos  FTIR y sus ventajas  Grupos laterales .Técnicas  Espectroscopía infrarroja 3.Conceptos básicos  Espectroscopía Raman  Estados vibracionales y energía  Dispersión inelástica de  Modos normales de vibración fotones (Stokes y anti-Stokes)  Reglas de selección  frecuencia de vibraciones  Ventajas sobre el IR  Resonanacia Raman 2.217 Introducción a la espectroscopía vibracional 1. . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

Mineral Mapping Theory .

Mineral Mapping Theory .

Mineral Mapping Theory .

Hectorite – Si(OH): 2240 nm (broad) •Opaline silica . Saponite. Epidote. Kaolinite. Antigorite. Talc.2400 nm •Chlorite.Mineral Mapping Theory • Diagnostic absorption features of hydroxyl mineral groups in the SWIR – Al(OH): 2170 . Amphibole. Montmorillonite. Pyrophyllite. Illite – “Mg(OH)”: 2300 . Biotite. Phlogopite – “Fe(OH)”: 2250 .2210 nm •Topaz. Nontronite.2300 nm •Jarosite. Muscovite.

Fe)oct Sitet = Aloct Al tet interlayer K. Al Muscovite octahedral Al. Na. 1997 .Composition of Minerals • white mica composition • crystallinity of white micas or clay minerals • Mg# of chlorites • carbonate composition • … mineralminers.stm (Mg.com/html/musmins. V Phengite From Scott and Yang. Cr. Ca tetrahedral Si. Fe. Mg.

mica. Resolution pyroxene.25 Landsat TM ARGUS Ground Reflectance (offset for clarity) Ground Emissivity (offset for clarity) / AVIRIS 90 90 1.9 2. feldspars.85 limestone green vegetation ASTER limestone 39 39 0.35 10.Wavelength in Micrometer From Peter Hausknecht .65 sulphates vegetation carbonates carbonates Visible Near VNIRInfrared Short Wave SWIRInfrared Thermal Infrared 1.5 Wavelength (micrometer) => -12 -12 0.85 2.45 green vegetation 1.5 sandstone 0. chlorite.3 2.35 7.35 11.Spectral-Mineral Wavelength Regions OH-bearing hydroxyls Non-OH-bearing silicates iron oxides (kaolin.35 12.35 8.35 Electro-Magnetic Spectrum .65 dark soil Landsat TM dark soil 13.1 2. amphibole) Spectral (quartz.5 115.45 Laboratory ARGUS Hymap 115.35 1.5 64.35 9.05 dry vegetation dry vegetation sandstone HYMAP 64.85 1. garnet) REEs sulphates 1.35 0.5 Aster 1.5 13.5 0.

g.Available Technologies (examples) • Field spectral devices: • PIMA • Fieldspec Pro • TERRASPEC • microFTIR • Hylogger system: • HyLogger™ • HyChips™ • TIR-Logger™ • Remote sensing devices: • airborne (e.g. ASTER) .HyMap) • satellite (e.

intspec. http://www. http://www.com) • PIMA (Portable Infrared Mineral Analyser) • 1300-2500 nm • 8 nm resolution TERRASPEC • contact • ~AUD$40K .com) • Fieldspec Pro • 350-2500 nm • 10 nm spectral resolution @ SWIR • ~AUD$100K • TERRASPEC • More robust fibre • contact Fieldspec Pro Integrated Spectronics (ISPL.Field Spectral Devices Anayltical spectral devices (ASD.asdi.

4-2.Hylogging Suite • HyLogger™ • 0.5 -20 m • FTIR (D&P) • Diamond drill (and Chips) • ~700m / day • 1 cm line-profile footprint .5 m • ASD based • RAB/RC drill chip tray logging • 45 trays / hour (up to 3000 * 1 m samples p/d) • TIR-Logger™ • 2.4-2.5 m • FTIR (D&P) • diamond drill core logging • ~700m / day • 1 cm line-profile footprint • HyChips™ • 0.

Remote Sensing Spectral Devices .

4-2.35 um 15 – 16 nm 15 nm SWIR1 1.95 – 2.45 – 0.80 um 15 – 16 nm 13 nm SWIR2 1.89 um 15 – 16 nm 15 nm NIR 0.5 m • 3-30 m pixel • 512 pixel swath • whiskbroom • fully calibrated www.40 – 1.89 – 1.hyvista.48 um 18 – 20 nm 17 nm .Airborne HyMap • Australian sensor • Sydney-based • NASA-approved • high SNR • 126 bands • 0.com Spectral Configuration – 128 channels Module Spectral range Bandwidth Average spectral across module sampling interval VIS 0.

• Ferrous iron and MgOH. • Ferric iron and MgOH.au/NGMM/): • Natural colour basemap.Airborne HyMap false colour white mica composition HyMap products delivered for the Qld Next Generation Mineral Mapping Project (excerpt) (http://www.em. • Opaques. • Al-smectite composition. • Kaolin crystallinity. • Iron oxide content. • Epidote content. • Chlorite-Epidote content. • MgOH (cc/dol/chl/ep/amph) composition. • Dry vegetation content. • Hematite/Goethite ratio.csiro. • Al-smectite content. • White mica (paragonite-muscovite-phengite) content. • White mica composition. • Ferrous iron content. • False colour basemap. 2190 2215 • Hydrated silica Block H 5km nm Al-rich Al-poor nm . • MgOH (cc/dol/chl/ep/amph) content. • Kaolin content. • Green vegetation content. • White mica crystallinity.

or. SWIR X-talk.science.ersdac.nasa.asterweb.gov www.jp . TES www.ASTER (Advanced Spaceborne Thermal Emission and Reflective Radiometer) • “Next generation” geology-tuned satellite sensor: • 14 spectral bands including 6 SWIR and 5 TIR geological bands (+ DEM) • 15 m VNIR • 30 m SWIR • 90 m TIR • Pushbroom for VNIR and SWIR • Whiskbroom for TIR • Significant Instrument/Data Issues • atmospheric correction.jpl.aster.

ermapper.com) • ENVI (Environment for Visualising Images) (www.ittvis.com) – ASTER wizard • CSIRO/HyVista Suite – ASTER and hyperspectral multi-scene processing • C-HyperMAP • C-SatMAP – IDL based .Software • TSG (the Spectral Geologist) – Field and core spectra • TSA (the Spectral Assistant) • TSG-Core Distributed through Ausspec (www.com) – Hyperspectral images – Field spectra • ERMapper (www.ausspec.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

William M. Espinoza Medina .

así como en la transición del depósito de alta sulfuración “Maqui Maqui” a un pórfido utilizando el Terra Spec .Objetivos  Determinar los ensambles de alteración y su zonamiento en el depósito de alta sulfuración “Quecher”.

Objetivos Determinar guías o vectores de mineralización que permitan el descubrimiento de yacimientos tipo alta sulfuración y pórfido en el distrito minero Yanacocha y alrededores .

Hedenquist & Lowenstern. 1994) . 1983. Relación entre pórfidos y sistemas de alta y baja sulfuración (Henley & Ellis.

2004 . Cajamarca General Geology of Peru Ubicación del Distrito Minero Yanacocha Base de datos Geología MYSRL.

Antecedentes: Alteraciones Hidrotermales del Distrito Minero Yanacocha Base de datos Geología MYSRL (2004) .

2005) . Terra Spec (Hauff.

1979 & Goetz et al. 1982) . 1977.(Hunt..

1996) (nm) . Componentes del Espectro Hull Depth % FWHM Position (Hauff.

Inc.Longitudes de onda de los ensambles de alteración determinados con el Terra Spec Spectral Internacional. .

1996) .Características de Absorción de las Arcillas (Hauff.

textural y química de las rocas a cambios fisicoquímicos y termodinámicos de los fluidos hidrotermales .Alteración Hidrotermal Respuesta mineralógica.

. 1971) . Reacciones de hidrólisis l (Hemley et al.

5 pH = 76 pH (Sillitoe. 1995) . Halos de alteración en pórfidos de Cu – Au Aguas Meteóricas Y Lithocap Subterráneas 100 < Tº < 300 250 350 ºC 180 ºC 400 ºC < Tº 154<<<pH pH <<<3.5 6.

Alteraciones Hidrotermales en Depósitos de Alta Sulfuración Propilítica Sílica Argílica Avanzada Argílica  Parte adistal Primera Rodea etapa la del sistema alteración de alteración Sílica Rodea a la alteración Argílica Avanzada  pH  pH+1-2 Al 5. (K + Dik + Hal)  Ch 1-3.5 pH + Ep + sílice Resultado  Cb oquerosa o “vuggy” (SV) pH 4.5-6.5-6.5 Nal + Pyr + Dik + K + Zun + Dp pH 4-5. (I + Sm + Mon)  Generalmente Puede Alberga ser la mayor tiene coetánea Py de con parte la mineralización Generalmente tiene sulfuros  .

Ensambles de Alteración Grupo de minerales que se han formado contemporáneamente bajo condiciones de equilibrio termodinámico Son geoquímicamente significantes por que pueden ser usados para determinar condiciones de formación .

Calcedonia <y5. I marco +entre Pyr alteración argílica   Se Puede Zona de Cristobalita 400relaciona encontrarse transición < Tºy<paragénesis profundidades geológico 450conºC.5 argílica avanzada pHKm.5 pueden ºC.5 << pH 3 <grano 350 de pH pH Tº = < 43.pH <Andalusita < 4 entre por hidrotermales Muscovita la   Zona Cristales Opalina Se transición seudo cúbicosa encuentra 220cristalinidad.Dik .5ºC. mineralización. ºC acicularSm a  100 200 Las < Tº1<condiciones Pobremente subhedrales.5 (Si Si (SO AlO1-1.  “lithocap” 1 4a < 1. 4 ºC sulfuros. 320 alteraciones ºC. 2 ºC266 4 “Steam Heated” 200  100 150<< Hábito 200 180 Cristales <Tºseudo Tº Tº < 220 < 250 < euhedrales 150 250 ºC ºC. I y  Es 3. <Tº 200 pH <<cristalino. la  las pHalteraciones argílica avanzada hasta =4profundidades 3. 2.5 <<fino 400 4. 3.  jarosita. (matriz Zona las < Tº ode < cemento). < 250 H2S hematita 3.5 Caliente (OH) ) O(OH) 20(OH)) KAl4 Al  Fluidos 150 Oxidación 100 3 3<(SO < Si 2 Tº 2 Tº O< 4 de 4 5 4) (OH) (OH) 200 <102200 magmáticos.5. < pH alteraciones Tridimita alunita avanzada y argílica < Corindón 6 o de argílica variables. mineralógica.5 I+ºCSm de  4 < pH pH < < 1 5  Oxidación Se 200 3asocia formación Rellena << pH Tº del < a fracturas.5 inferirse Brechas  250 ºCde <Tº. Kaolinita Alunita Alunita SíliceDickita Kaolinita Tipo + Supérgena + Alunita Illita Illita Vapor Dickita (SiO Alunita Alunita Magmática + Kaolinita Pirofilita 2) KAlKAl Al27-6.argílica eeeeeeeeeeeeeeeeeeee K . 350 ºC.

DEPÓSITO DE ALTA SULFURACIÓN “QUECHER” .

n.s.44 Km2 3700 – 4200 m.m. 9226660 N – 777800 E . Plano de 9228400 N – 779200 E Ubicación 2.

Vista panorámica de los depósitos Quecher y pórfido Maqui Maqui mirando hacia el Norte .

Reyes & Gutiérrez. 2003 jjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjj .

Brecha Freática: 0.054 g/t Au Dique de Fluidización o Tufisita .

Brecha Hidrotermal: 0.028 g/t Au Alunita Magmática .

354 g/t Au .Tufo de Cristales y Brecha Freática 0.

Quécher Corredor Estructural NW Yanacocha – Carachugo (Reyes & Gutierrez. Geología Corredor Estructural NE Estructural San José – Carachugo . 2003) .

2003) ddddddddddddddddd ddddddddddddddddd dddddd .Alteraciones Hidrotermales ddddddddddddddddd ddddddddddddddddd (Reyes & Gutierrez.

PROYECTO PÓRFIDO “MAQUI MAQUI” .

n.m. 9229000N – 779000 E . Plano de Ubicación 9231500 N – 781000 E 5 Km2 3700 – 4200 m.s.

Sección Litológica Generalizada Mirando Hacia el Noroeste (Price. 2004) .

Brecha Hidrotermal Monolítica (Alunita) Cerro Pachanes .

Tufo de cristales Natroalunita + Pirofilita .Cº Sugares .

Transición del Sistema de Alta Sulfuración al Pórfido Maqui Maqui .

597 g/t Au. 0.015 % Cu Textura Wormy o venillas seudo “A” (350–350.15 % Cu Venilla tipo “A” (453.8 – 454 m) K . Textura Patchy (314 – 314. 0.01 % Cu Venillas tipo “D” (422 – 422.2 m) K 0.2 m) Pyr 0.035 g/t Au. 0.061 g/t Au.15 m) Al + Pyr 0.

0. Venilla Tipo Venilla tipo “A” “A” cortada Venilla Tipo “D” y desplazada por una del tipo “D” Venilla Tipo “A” 0.42 g/t Au.23 % Cu .

Venillas tipo “B” cortadas por las del tipo “D” 0.21 % Cu Venillas Tipo “B” Venilla Tipo “D” .838 g/t Au. 0.

Ensambles de Alteración del Depósito “Quecher” Alta Sulfuración .

.

.

.

.

.

.

.

.

.

Au (g/t) .

Quecher Principal Au (g/t) .

Quecher Norte Au (g/t) .

Conexión Quecher Au (g/t) .

Ensambles de Alteración del Depósito “Maqui Maqui” Alta Sulfuración en Transición a un Pórfido .

1492 nm 1478 nm .

.

.

.

Cu Au(g/t) (g/t) Fallas .

CONCLUSIONES Utilizando el Terra Spec podemos determinar vectores de mineralización para luego diseñar blancos de perforación. .

en brechas hidrotermales. . y en grado moderado por alunita y kaolinita. Quecher presenta ensambles de alunita y natroalunita. en brechas hidrotermales y tufos respectivamente. CONCLUSIONES En Quecher la mineralización de alta ley está controlada por ensambles de sílice. siendo la primera la relacionada con la mineralización de oro.

no se relaciona con la mineralización de oro y generalmente está junto con alunita de potasio. En Quecher se ha determinado alunita de Ca. . CONCLUSIONES En Quecher podemos considerar los ensambles de sílice. alunita + kaolinita y kaolinita como vectores de mineralización. alunita. en pequeñas cantidades.

CONCLUSIONES En Quecher podemos inferir la presencia de alunita de los tipos steam heated. característica de un ambiente de baja temperatura y poca profundidad. . ensambles y ubicación en el sistema. Quecher presenta ensamble de kaolinita de baja cristalinidad. leyes. magmática y supérgena. teniendo en cuenta el tipo de grano.

CONCLUSIONES En las perforaciones realizadas en el proyecto pórfido Maqui Maqui se aprecia la transición entre un sistema de alta sulfuración y un pórfido. .

CONCLUSIONES
El proyecto pórfido Maqui Maqui presenta
sobreimposición del sistema de alta
sulfuración, pues los ensambles de las
alteraciones fílica y potásica no se
diferencian claramente, sino por el
contrario manifiestan ensamble de
kaolinita típico del halo de alteración
sílice clay y argílico de los sistemas de
alta sulfuración.

CONCLUSIONES
En el proyecto pórfido Maqui Maqui se
han diferenciado natroalunita y
alunita; la primera en el cerro Sugares
y la segunda en el cerro Pachanes.
El proyecto pórfido Maqui Maqui
muestra ensamble de natroalunita +
pirofilita como vector de
mineralización.

CONCLUSIONES
El pórfido Maqui Maqui presenta
ensamble de kaolinita de alta
cristalinidad, lo cual indica un
ambiente de formación de alta
temperatura, cuyos fluidos han
removilizado parte de la mineralización
del pórfido hacia el sistema de alta
sulfuración.

CONCLUSIONES

No es posible diferenciar
macroscópicamente alunita y
natroalunita; pues ambas presentan
colores y texturas similares.

RECOMENDACIONES

Realizar perforaciones en Quecher
teniendo en cuenta el zonamiento de
los ensambles de sílice, alunita, alunita
+ kaolinita y kaolinita con la finalidad
de definir correctamente la zona
mineralizada.

RECOMENDACIONES

Perforar en el proyecto pórfido Maqui
Maqui teniendo en cuenta el
zonamiento del ensamble natroalunita +
pirofilita, pues como muestran algunos
taladros podemos considerar a dicho
ensamble como vector de
mineralización.

RECOMENDACIONES
Utilizar el Terra Spec en las
campañas de exploración, pues nos
permitirá definir adecuadamente
los vectores de alteración y
mineralización.

Realizar estudios isotópicos de la
alunita para definir el ambiente de
formación.

RECOMENDACIONES

Explorar por sistemas tipo pórfido
cuando tengamos ensambles de
natroalunita + pirofilita, en superficie
o taladros, como es el caso de Maqui
Maqui.

RECOMENDACIONES Estudiar y entender los depósitos epitermales de manera integral. . como sistemas tipo pórfido gradando a los de alta sulfuración. es decir.

.

.

ANOMALIAS DETECTADAS A TRAVES DE IMÁGENES SATELITALES .

en forma rápida y continua. forestación. oceanografía.) y específicamente en el campo militar. etc. . hidrología. hidrografía. con el propósito de identificarlos y deducir su significado. Los sensores remotos son útiles en una infinidad de campos (geología. etc. vegetación.) simultáneamente. morfología. estos sistemas ofrecen la posibilidad de conocer áreas determinadas.La interpretación de imágenes tiene como misión examinar los objetos contenidos en las mismas. relacionando los diversos aspectos que presenta la superficie terrestre (suelo. donde generalmente se inició el desarrollo de estas tecnologías.

 Visión panorámica.Ventajas de la observación terrestre. Antes de abordar la interpretación propiamente dicha.  Información sobre el espectro electromagnético.  Cobertura global y periódica de la Superficie Terrestre. se consideran una serie de cuestiones fundamentales como por ejemplo:  En qué banda del espectro puede ser detectado el fenómeno de interés?  Cuál es la resolución espacial requerida para observarlo?  Qué ciclo temporal precisa?  En qué plazo han de entregarse los resultados?  A qué escala? Con qué nivel de detalle? · Qué método de análisis (digital o visual) garantiza esos requerimientos .  Homogeneidad en la toma de datos.  Formato digital.

llamado firma. suelos. .Concepto de firma espectral. Los conceptos anteriormente desarrollados permiten afirmar que todo objeto de la superficie terrestre refleja o emite energía electromagnética (EEM) según una función que depende de la longitud de onda. El análisis que se hace de ellas explota esa separación espectral de los datos de la reflectancia para ayudar a la detección e identificación de objetos y rasgos. En el siguiente gráfico se pueden apreciar curvas características que muestran la reflectancia de: vegetación. etc. con un valor que será. agua. para cada longitud de onda registrada por el sensor. Si se dispone de un sensor capaz de captar y medir la energía procedente de los objetos. Las imágenes espectrales registran estas reflectancias a través del procesamiento. De ese modo. cada uno de ellos aparecerá en la pantalla o imagen con su firma correspondiente. que irán trazando una curva en función de la longitud de onda y que será específica de cada material de la superficie terrestre. De este modo se puede contar con datos espectrales numéricos. cada material u objeto tiene un comportamiento spectral que le es característico. solo suyo. proporcionan una presentación visual de las propiedades de la reflectancia.

.

Es la frecuencia de cambio en el tono dentro de la imagen. 2) Textura. La forma es la característica geométrica de los objetos. Asociación se refiere generalmente al conjunto de cosas que acompañan a un determinado objeto y conforman con él un todo.a. El sensor detecta la radiancia media de una parcela del terreno. los cursos superficiales de agua. que presentan en planta. Es la forma o modo de erosionarse de los distintos materiales o rocas que componen la superficie. 4) Patrón o diseño de drenaje. está íntimamente relacionada con la escala de la imagen. 5) Forma o asociación. Este valor medio se traduce a un valor numérico que define al pixel en cuestión denominado ND y que lo observamos como una intensidad luminosa o nivel de gris. Es una medida de la cantidad relativa de la luz reflejada por un objeto y registrada sobre la imagen como el ND (nivel digital) de los pixeles que la componen. equivalente al tamaño del pixel. Elementos diagnósticos 1) Tono. . Se refiere al dibujo o distribución espacial. tanto permanentes como temporarios. 3) Textura de erosión.

análisis de los objetos que aparecen en la imagen y la determinación de su significado. Trata de la identificación. 1) Lectura de imágenes. Es una descripción detallada de los elementos identificados en la imagen.Etapas de la interpretación. en la cual se realizan también mediciones de longitudes y superficies. 3) Interpretación de imágenes. . 2) Análisis de imágenes. Es un proceso de razonamiento deductivo-inductivo. Es una observación de los distintos elementos del terreno sin mayor detalle. identificándolos sin describirlos.

9 μm.5 y 1. mientras que por encima de 1.1 μm. El color rojo de muchos suelos está relacionado con el óxido deshidratado. La absorción del ión férrico se observa en las curvas de reflectancia en las regiones espectrales de 0.óxido de hierro parcialmente hidratado y dióxido de manganeso. los valores de reflectancia disminuyen.7 – 0. La relación entre contenido de materia orgánica y reflectancia en las longitudes de onda del visible tiene un comportamiento exponencial. Un aumento en el óxido dehierro provoca una disminución en la reflectancia.óxido de hierro. en la zona visible del espectro. como el óxido de hierro. especialmente en el rango de longitudes de onda entre 0. Se observan bandas anchas para estas longitudes de onda en suelos con alto contenido de hierro. . zona reflectiva del espectro electromagnético. al aumentar el contenido de materia orgánica.1 μm no se nota ya tanta diferencia.