You are on page 1of 64

NOCIONES

FUNDAMENTALES

Yacimientos Minerales
El yacimiento se ve
como una reunión de
bloques, que serán
estimados a partir de
datos
cercanos
(muestras
de
sondajes o de pozos
de tronadura).

muestra

límite de zona mineralizada
bloque

En las muestras han
sido
medidos
los
atributos de interés:
leyes
(cobre,
oro,

límite de zona mineralizada

¿PARA QUÉ SIRVE EVALUAR LOS
RECURSOS Y RESERVAS?

 reporte de recursos / reservas
 estudio de factibilidad
 diseño de la explotación
 planificación
 control de leyes: mejorar la selección entre
mineral y estéril

.. en oposición a estéril Esta definición depende de varios factores: • temporales (precio del metal.... ambientales.) • ubicación (infraestructura disponible) • tasa de descuento.MINERAL Material que tiene un interés económico. tecnología.) • legales (normas de seguridad...

subproducto o contaminante) POTENCIA. ACUMULACIÓN LEY DE CORTE Se trata de un valor de ley que separa categorías distintas de material.LEY Es la concentración de un elemento en el subsuelo (elemento principal. por ejemplo mineral y estéril .

Puede deberse a varios factores: • dilución interna geométrica: debido al contacto entre mineral y estéril inherente (selectividad debida al tamaño de bloque) • dilución externa o de operación .DILUCIÓN La dilución se refiere al hecho de mezclar (no separar) el mineral del estéril.

pero si al valor asociado. Los depósitos de caolín en el Devon (UK) . .Se formaron 300 millones de años atrás.Hoy esos depósitos garantizan la mayoría de la producción inglesa de caolines. . Ej. (sucesivamente. . Cookworthy descubre el uso cerámico para producir porcelanas.RECURSO Y RESERVA MINERAL El concepto de recurso no está conectado a un objeto o a un material. W. será identificado la utilización para papel).La historia del hombre los ignora. .En 1745.

DEFINICION DE RECURSO Y
RESERVA
-En 200 años (periodo breve) vuelven a ser
un recurso importante.
- El adelanto tecnológico modifica el status
de una substancia (ej. U. Th., en los últimos
80 años).
- La evaluación puede ser restringida a un
conjunto limitado de individuos, pero
homogéneo culturalmente y viceversa.

DEFINICION DE RECURSO Y
RESERVA
Los depósitos de silex de Grimes Groves
(UK)
-Centro de producción de 2500 hasta 1400
AC. (110 años, Neolítico).
- La llegada de las edades del bronce, del
Cobre, y del Hierro, anulan el interés.
- Desde entonces el área se quedó
deshabitada.

RECURSO GEOLÓGICO
Concentración u ocurrencia de material de interés
económico intrínseco en o sobre la corteza de la Tierra en
forma y cantidad en que haya probabilidades razonables
de una eventual extracción económica
Se habla indistintamente
minerales o in situ

de

recursos

geológicos,

Contempla la consideración de y modificación por factores razonablemente asumidos de extracción. Incluye dilución de materiales y tolerancias por pérdidas que se puedan producir cuando se extraiga el material. metalúrgicos. ambientales. económicos.RESERVA MINERA Es la parte económicamente explotable de un recurso mineral. de mercados. . sociales y gubernamentales. legales.

.CATEGORIZACIÓN DE RECURSOS Y RESERVAS Existen varios códigos internacionales para guiar la categorización de recursos y reservas: JORC (Australia).. CIM (Canadá). SME (Estados Unidos). IMM (Europa). . SAMREC (Sudáfrica).

La mayoría de las clasificaciones adoptan los mismos criterios. -Estudio y viabilidad del proyecto (F). . La UNCF hace el cuadro de referencia para la armonización de las clasificaciones existentes.CLASIFICACION DE RESERVAS MINERALES Y ENERGIAS FOSILES Criterios Generales según (UNCF) -Viabilidad Económica y comercial (E). implícitamente o explícitamente. -Conocimiento Geológico (G).

-Cuatro categorías para describir el nivel de reconocimiento Geológico (G). . Una clase de cantidad. 111) o a un conjunto de cubos. Los recursos totales son una clase que incluye todos los cubos.CLASIFICACION DE RESERVAS MINERALES Y ENERGIAS FOSILES Las Clases y las Categorias -Tres categorías principales para la viabilidad económica y comercial. corresponde a un cubo (ej. -Tres categorías para describir el estado y la viabilidad del proyecto.

CLASIFICACION DE RESERVAS MINERALES Y ENERGIAS FOSILES Categoría de las Reservas .G1 Prospección de detalle. . .E2 Potencialmente Económicas.G3 Prospección . . .F3 Estudio Geológico.G2 Prospección general.F2 Estudio de Pre-Viabilidad .E3 Intrínsicamente Económicas. .F1 Estudio de viabilidad. .G4 Estudio de reconocimiento.E1 Económicas. . .

Las Reservas Mineras Demostradas 111 Probables 121 + 122 -Los Recursos Mineros . Con viabilidad 211 . Indicados 332 . Previstos 333 . Pre-viabilidad 221 + 222 .CLASIFICACION DE RESERVAS MINERALES Y ENERGIAS FOSILES Cantidad de los Recursos Reservas . Medidos 331 . Reconocidos 334 y .

interviene directamente o indirectamente en todos los tres ejes del sistema de clasificación: -En el cálculo objetivo de la confianza de las estimaciones y en la optimización de ellas. .En suministrar los elementos para soportar las diferentes elecciones del proyecto.¿DONDE INTERVIENE LA GEOESTADISTICA? La Geoestadística.En contribuir a un cuadro probabilístico del cashflow y al cálculo de los índices asociados (NPV.. . . IRR.En el control de proceso de selección.) .

restringir o ampliar la extensión de la zona de interés • Campaña de exploración  evaluar y categorizar los recursos in situ (evaluación global)  justificar la producción de largo plazo .¿DONDE INTERVIENE LA GEOESTADISTICA? El análisis geoestadístico de datos interviene en todas las etapas de un proyecto minero: • Estudio geológico (largo plazo)  puede indicar direcciones de continuidad.

clasificar cada bloque como mineral o estéril  reporte (inventario) de los recursos y reservas. planificar la producción de mediano y corto plazo. detallando su cantidad y su confiabilidad  auditoria para comprobar la evaluación .¿DONDE INTERVIENE LA GEOESTADISTICA? • Estudio de factibilidad y operación  campaña de sondajes en malla densa  modelamiento geológico  estimación local de recursos para determinar reservas mineras.

.¿DONDE INTERVIENE LA GEOESTADISTICA? • Explotación  mediciones en pozos de tronadura  control de leyes: definir qué bloques mandar a planta o botadero  reconciliación mina .planta A medida que avanza el proyecto minero. se tiene un conocimiento más completo del depósito y se actualiza los modelos geológicos y de recursos / reservas para incorporar la información nueva.

Ejemplo: pórfido cuprífero en el cual se mide la ley de cobre La densidad del muestreo influye en el conocimiento de la continuidad espacial de los valores (regularidad.) ... anisotropía.

arsénico.VARIABLE REGIONALIZADA Una variable regionalizada es una función que representa el desplazamiento en el espacio de un atributo asociado a un fenómeno natural (mineralización) Ejemplos: • leyes en cobre. molibdeno • densidad de la roca • potencia y acumulación de una veta • código de litología .

VARIABLES REGIONALIZADAS (2) En términos mineros se define la geoestadística como la aplicación de la teoría de las variables regionalizadas a la estimación de los recursos mineros. Sea x un punto del espacio. . Una variable regionalizada es una función que representa la variación en el espacio de una cierta magnitud asociada a un fenómeno natural. Se designa la variable regionalizada por la notación z(x).

Por consiguiente. Por ejemplo la ley en el punto x se representa por z(x). mencionemos que en geoestadística se utiliza la notación condensada: Un punto del espacio se representa por la letra x. z(x) puede significar: • z(x) si el problema es unidimensional (1-D) • z(x1.Notación condensada Antes de estudiar ejemplos de variables regionalizadas. x3) si el problema es tridimensional (3-D) Se observa que existen problemas de notación: Se acostumbra a designar una variable regionalizada con la letra z. x2. . lo cual coincide con la notación utilizada para la cota o elevación. x2) si el problema es bidimensional (2-D) • z(x1.

Figura 2: Galería reconocida entre los puntos A y A’ . Las leyes de las canaletas se pueden graficar: Figura 3: Leyes de canaletas entre A y A’.Ejemplos de variables regionalizadas Ejemplo 1: En el espacio de una dimensión. sea z(x) = Ley de Cu a lo largo de una galería: Figura 1: Canaletas en una galería.

x2) = z(x) = potencia mineralizada en un yacimiento de nitratos: . el precio de un metal p(t). Ejemplo 3: En el espacio de dos dimensiones. Fig. sea z(x1. 4: Precio del cobre (promedio mensual 1987-2005) en centavos de dólar / libra.Ejemplo 2: En la dimensión tiempo (una dimensión t).

La capa superior corresponde a grava o coluvio. x3) = z(x) = densidad de la roca en un punto x dentro de un depósito minero: . x2. Ejemplo 5: En el espacio de tres dimensiones.6: Caso típico de depósito de óxidos-sulfuros.Ejemplo 4: En el espacio de tres dimensiones. sea z(x1. dos variables regionalizadas diferentes. x2. Esto nos conduce a considerar para la ley de cobre. En un depósito de este tipo se puede comprobar que la ley de cobre se comporta de manera diferente en la zona de óxidos y en la zona de sulfuros. x3) = z(x) = Ley de Cu en el punto x dentro de un depósito masivo: Figura II. sea z(x1.

esta función no se comporta como las funciones que se estudian en Matemáticas: En general z(x) es muy desordenada en su variación espacial y no se podrá expresar. en particular. . Sin embargo. z(x) como un polinomio.Observación: Los ejemplos anteriores nos muestran que una variable regionalizada es simplemente una función z(x) del punto x.

La VR se escribe con z(x) .Observación: Los ejemplos anteriores nos muestran que una variable regionalizada es simplemente una función z(x) del punto x. Una variable regionalizada es una variable definida en cada punto de un dominio espacial (espacio 1D.El término regionalizada especifica que la función numérica depende de la localización . z(x) como un polinomio. Sin embargo. 2D. 3D). esta función no se comporta como las funciones que se estudian en Matemáticas: En general z(x) es muy desordenada en su variación espacial y no se podrá expresar. -Marcamos la coordenada con x . en particular.

que tiene consecuencia en la selectividad) .Una variable regionalizada se caracteriza por: • su naturaleza (continua / categórica) • su dominio de extensión (campo) • su soporte. por ejemplo: sondaje HQ de 1m unidad selectiva de explotación de 5m  5m  5m La distribución de los valores depende del soporte en el cual se mide la variable (efecto de soporte.

1.0 .0 .0 .0416 Notamos una marcada diferencia espacial. 1.0 .5 Diferencia de Leyes para el caso B: 3.0 .5 . 1.0 . 2. 1. 1.0 .08 Varianza = 4.5 .0416 CASO B Media = 3. puesta de manifiesto en las diferencias sucesivas entre las muestras contiguas: Diferencia de Leyes para el caso A: 1. 1.CASO A Media = 3.08 Varianza = 4. 2.

Para compensar la falta de información debida al número limitado de datos. se recurre a estimar los valores de los bloques que componen el yacimiento a partir de las muestras circundantes. Cabe recordar que las estimaciones nunca son perfectas y están afectadas por errores que pueden incidir en el cálculo de los recursos o de las reservas .ESTIMACIÓN LOCAL – MODELO DE BLOQUES Una variable regionalizada presenta variabilidad en el espacio. por lo cual existe cierta incertidumbre en sus valores en sitios no muestreados.

Fuentes de errores • variabilidad “inherente” de las leyes • errores en el modelo geológico • errores de muestreo (variabilidad “introducida”) .

Etapas en la Evaluación de Yacimientos • Modelamiento geológico: determinación de “unidades geológicas” en base a la litología. mineralogía. cada unidad se estudia y se estima por separado. alteración. • Evaluación de la calidad de los datos (muestras) • Modelamiento geoestadístico de los datos • Estimación global y local de los recursos geológicos • Definición y reporte de las reservas mineras . etc. En general.

CAPITULO I ESTUDIO EXPLORATORIO DE DATOS REGIONALIZADOS .

Código Tipo de roca 4 Granodioríta cascada 54 Dioríta 20 Brecha de turmalina 31 Brecha de polvo de roca 34 Brecha de polvo de roca y turmalina 28 Brecha monolito 29 Brecha de turmalina . oro total (en ppm) y el tipo de roca.monolito .PRESENTACION DE LOS DATOS Sondajes de exploración en un yacimiento tipo pórfido cuprífero  obtención de 2376 datos compositados con sus leyes de cobre total (en %).

etc. densidad. . por símbolos. potencia. TIPOS de MAPAS: vistas 3D. codificados por indicador. etc.PRESENTACION CON MAPAS Permite visualizar la ubicación de los datos en el espacio y darse una idea preliminar de la continuidad espacial de la variable regionalizada en estudio:  litología  mineralización geológicas” definición de “unidades  alteración  leyes. mapas con escala de colores. plantas.secciones.

PRESENTACION CON MAPAS Nos interesamos por la ley de cobre total .

DISTRIBUCION DE LEYES HISTOGRAMA ESTÁNDAR Visualiza la frecuencia de ocurrencia en función del valor .

mínimo. cuantiles • medidas de dispersión varianza. cuartiles. deciles. rango intercuartil • medidas de forma coeficiente de asimetría.DISTRIBUCION DE LEYES ESTADÍSTICA BÁSICA • medidas de posición media. rango. moda. mediana. coeficiente de variación. coeficiente de aplanamiento . máximo. desviación estándar.

EJEMPLO DISTRIBUCION DE LEYES Ubicación de 100 muestras de Zn (ppm) .

Se ha optado por L = 15 para construir la tabla de frecuencias y el histograma. El Ancho de Clase = (Vmax – Vmin)/L = (143 – 0) / 15 = 9.5333 ≈ 10 .64 (Sturges) L = 20 (Dixon and Kronwell) L = 20 (Velleman).En estadística no existe una regla general para el cálculo del intervalo de clase. existen técnicas que permiten determinarlo para n observaciones: Sturges: L = 1 + 3. sin embargo.32 log (n) Dixon and Kronwell: Velleman: L = 10 log (n) L=2 n Utilizando las técnicas correspondientes. para el ejemplo se tiene que: n = 100 L = 7.

03 0.16 0.06 0.64 0.23 0.11 0.02 0. RELATIVA FREC.05 0.14 0.MARCAS CLASE DE CLASE (INTERVALO) Xi ( 0 – 10 ] ( 10 – 20 ] ( 20 – 30 ] ( 30 – 40 ] ( 40 – 50 ] ( 50 – 60 ] ( 60 – 70 ] ( 70 – 80 ] ( 80 – 90 ] ( 90 – 100 ] ( 100 – 110 ] ( 110 – 120 ] ( 120 – 130 ] ( 130 – 140 ] ( 140 – 150 ] 5 15 25 35 45 55 65 75 85 95 105 115 125 135 145 FREC.07 0.99 1 . FREC.39 0.5 0.01 0 0 0.93 0.03 0.13 0. ACUM.03 0.01 0. ACUM fi Fi hi Hi 2 1 0 0 2 2 3 13 16 11 14 18 11 6 1 2 3 3 3 5 7 10 23 39 50 64 82 93 99 100 0.18 0. REL.11 0.02 0.1 0.02 0. ABSOLUTA FREC.82 0.02 0.03 0.

El histograma del acumulado es una función entre 0 y .En estimación de reservas mineras es importante observar la frecuencia acumulada sobre un límite inferior (Cut Off). registramos el total de muestras inferiores a ciertos cut offs. se muestra la frecuencia acumulada. observamos que en lugar de registrar las muestras de una clase. En la tabla de frecuencias.

se suman los números y se dividen entre el número de ellos. 1 n X   xi n i 1 En el ejemplo.ESTADÍSTICA BÁSICA MEDIDAS DE POSICIÓN LA MEDIA La media aritmética o simplemente media de un grupo de datos.01 n i 1 Cuando los datos están agrupados formando tablas de frecuencia se utiliza la fórmula: 1 n X   fixi  96. la media de la variable Zn (ppm) para n = 100 es: 1 n X   Zn   97.70 n i 1 . Cuando los datos no están agrupados. caracteriza a los grupos de datos cuyo polígono de frecuencias presenta simetría y poca dispersión.

Dicho de otro modo la mediana.ESTADÍSTICA BÁSICA LA MEDIANA La mediana es el punto que divide la distribución de los datos en dos partes iguales. M. Debajo y encima de la mediana existe aproximadamente el 50% de los datos. es el valor de la muestra central cuando éstos se encuentran dispuestos en orden creciente o decreciente: x 1 ≤ x2 ≤ … ≤ xn La mediana se calcula por: .

etc. la moda. Mo. se calcula por la fórmula siguiente: . dos modas. respectivamente.ESTADÍSTICA BÁSICA Es valor que ocurre con mayor frecuencia. bimodal. dentro de esta clase. el valor 111 ppm es el de mayor ocurrencia. etc. unimodal. En tales casos la distribución se llama. la barra de mayor LAelMODA altura en un histograma nos dará una idea de la posición de la moda. formando una distribución de frecuencias.   Un grupo de datos puede tener una moda.   Cuando los datos están agrupados. En el histograma de la variable Zn observamos que la clase 110-120 ppm es la de mayor frecuencia.

DECILES Y PERCENTILES Los cuartiles son medidas de posición que dividen en cuatro partes iguales al conjunto de valores ordenados de una distribución de frecuencias. . luego Q2 = Me. el segundo Cuartil Q2 coincide con la mediana Me. Estas medidas son: el primer Cuartil Q 1. el segundo Cuartil Q2 y el tercer Cuartil Q3.ESTADÍSTICA BÁSICA CUARTILES.

ESTADÍSTICA BÁSICA MEDIDAS DE DISPERSION LA VARIANZA Es uno de los principales estadígrafos que cuantifica el grado de variabilidad de las muestras.59 . Está determinada por la relación:  2  2 2 1 n  (x  m ) x n i 1 i 2 1 n  ( x  m )  i x n  1 i 1 Se utiliza cuando los argumentos representan la población total Cuando los datos representan una muestra de la población. La varianza es el promedio de las diferencias cuadráticas entre los valores y su media. siempre será positiva y altamente sensible a los valores erráticos. Para nuestro ejemplo utilizando la segunda fórmula obtenemos que la varianza es igual a 705.

   2  26. Cu y Fe). es la de permitir la comparación del grado de variabilidad entre variables cuyas magnitudes son sensiblemente diferentes (ejemplos. A diferencia de la varianza. la desviación estándar conserva el mismo orden de magnitud. Otro uso no menos importante del CV.27 Está definido por la relación x El coeficiente de variación da un indicio del grado de dificultad en las inferencias estadísticas: un coeficiente de variación mayor de 1 indica la presencia de valores erráticos disminuyendo la calidad del estimador. .56 EL COEFICIENTE DE VARIACIONCV    0.ESTADÍSTICA BÁSICA LA DESVIACION ESTANDAR Es la raíz cuadrada de la varianza .

como se muestra en la siguiente tabla: . por lo que: Cuanto mayor es el coeficiente. menor debe ser la distancia de muestreo. ya que es una medida de la dispersión de los datos. 1978). también se utiliza para hallar la densidad de muestreo (establecer la distancia de muestreo) y la cantidad de muestra a tomar. Basándose en el valor de coeficiente de variación se entra en una tabla. por tanto. establecida según la experiencia (Kuzvart y Bohmer. que nos establece la distancia a fijar entre muestras. más separados están los datos y.ESTADÍSTICA BÁSICA EL COEFICIENTE DE VARIACION El coeficiente variación.

pizarras bituminosas.5 Muchos yacimientos de tierras raras.ESPACIADO ENTRE MUESTRAS EN FUNCIÓN DEL COEFICIENTE DE VARIACIÓN Distribución de CV Tipos de Yacimiento Espaciado los elementos de las analizados muestras (metros) Regular 0. metasomáticos de contacto.5 – 2 . muy pocos de Au Muy irregular 1. algunos yacimientos de Fe y Mn Irregular 0.4 – 1. materiales para la construcción y cementos.0 – 1.05 – 0. algunos de W y Mo.5 2. e irregular Au y Pt 50 – 60 6–4 4 – 2. W y Mo. fosfatos.5 La mayor parte de los yacimientos de Sn.0 Yacimientos hidrotermales.4 Yacimientos sencillos de carbón. sales. la mayor parte de los polimetálicos y de Cu. muchos yacimientos de Au Extremadament > 1.

40 – 0. ) 3.CANTIDAD DE MUESTRA A TOMAR EN FUNCIÓN DEL COEFICIENTE DE VARIACIÓN Distribución de los elementos analizados Coeficiente de Variación Peso de la muestra Muy regular Regular Irregular Muy irregular Extraordinariamente irregular Hasta 0. X .5 > 1.8 Kg.20 0. X 6.5 X = (0.40 0.6 – 0. X 12.20 – 0.8 0.8 – 1. X 9.

7 ≤ ti ≤ 2. Un valor posible errático.ERRÁTICOS aquellas observaciones POSIBLES VALORES que se muestran inconsistentes con el resto de los valores de las (OUTLIERS) muestras. siempre es mejor remuestrear o volver un El 99.   El error de medición es causada por inadecuada medición o un mal registro de valores. mientras que los errores de metodología son causadas por un muestreo sesgado o una definición inadecuada de la población. de un error de metodología de muestreo o puede ser propio de la variabilidad inherente al fenómeno. Los criterios de detección de outliers que a continuación se detallan deben ser tomados con bastante Estarán comprendidos entreaelanalizar valor critico prudencia.7 amuestra antes de eliminarla.SeDETECCION define comoDE posibles valores erráticos. Los outliers tienen un gran impacto en las inferencias estadísticas y antes de eliminarlas es preciso evaluarlas porque pueden ser fuente de importante información (caso típico en prospección geoquímica). puede ser el resultado de un error de medición. valores . Los outliers producto de la variabilidad de un fenómeno son raros pero no imposibles de presentarse.3% de los   ±-2.7 2.

análisis que ayudará a una mejor comprensión del fenómeno en estudio. es preciso por consiguiente disponer de herramientas de análisis que permitan cuantificar la relación y la dependencia entre variables. 89 88 94 110 118 108 73 107 118 + + + + + + + + + 125 + 11 12 22 25 30 28 21 20 35 27 88 70 103 111 122 64 84 105 113 120 + + + + + + + + + + 14 9 32 29 29 8 9 18 18 20 87 100 47 111 124 109 0 98 134 125 + + + + + + + + + + 16 12 5 32 28 21 0 13 23 22 82 81 110 121 119 77 52 111 117 123 + + + + + + + + + + 15 14 15 30 30 22 13 16 21 23 82 74 97 105 112 91 73 115 118 127 + + + + + + + + + + 21 9 19 31 32 18 17 18 22 25 81 77 103 112 123 19 10 111 114 121 + + + + + + + + + + 20 17 21 29 30 8 2 15 24 24 77 82 86 101 109 113 70 102 120 120 + + + + + + + + + + 17 12 13 31 32 30 18 14 28 21 77 + 84 + 74 + 108 + 121 + 143 + 91 + 52 + 136 + 140 + 14 15 15 15 17 33 10 9 35 34 75 80 83 87 94 99 95 48 139 138 + + + + + + + + + + 16 17 11 28 24 21 25 16 33 35 74 80 85 90 97 101 96 72 128 131 + + + + + + + + + + 22 28 10 31 30 29 22 20 33 34 .ESTADÍSTICA BÁSICA ANALISIS ESTADISTICO PARA DOS VARIABLES Los datos (ANALISIS provenientes de la BIVARIABLE) corteza terrestre es a menudo de carácter multivariable.

en orden de magnitud. se observa que. . la variable Zn es aproximadamente 5 veces mayor que Pb.De la comparación de las medias de la tabla anterior. de la comparación de los Cv se deduce que los valores de Zn son menos fluctuantes que Pb.

11x + 33.86323738 %P b 1 3 6 10 9 12 15 %Z n 30 33 28 18 25 25 15 Diagrama de Correlacion de Zn vs Pb 35 30 f(x) = .1.ESTADÍSTICA BÁSICA P = -0.78 25 20 %Zn Desviación standard de la 15 10 5 0 0 2 4 6 8 %Pb 10 12 14 16 .

.

DIAGRAMAS DE CORRELACIÓN (SCATTERPLOTS) Es la forma más común de visualizar la relación entre dos variables. En la fase inicial del análisis de datos es necesario una adecuada revisión y eliminación de valores sospechosos puesto que la calidad de una estimación dependerá de la confiabilidad de los datos. . Del mismo modo permite detectar los outliers (valores que salen de la tendencia general de los datos).

existe una asociación entre los valores bajos. muestra que hay una relación entre las variables Zn y Pb: los alores altos de Zn están asociados con los valores altos de Pb. CORRELACION La relación entre dos variables puede presentarse de tres maneras: correlación positiva. La correlación nula nos indica la ausencia de toda asociación en estudio. es decir el incremento o disminución de los valores de una variable no afecta la otra. una manera de predecir un valor conociendo el valor de una de las variables. análogamente. Al observar la tendencia general del diagrama de correlación se deduce que para Zn = 50 ppm corresponderá una valor de Pb comprendido entre 5 y 15 ppm aproximadamente.El diagrama de correlación de la figura. correlación negativa o correlación nula. .

COEFICIENTE DE CORRELACIÓN Entre dos variables puede existir una relación más o menos estrecha que se llama correlación. y se puede medir mediante el coeficiente de correlación. ρ. que es un número. . asociado a los valores de las dos variables.

Tanto más ρ se acerque a cero.73. indicando el grado de difusión del diagrama de correlación Cuando ρ = +1 existe una relación funcional entre las dos variables de modo que el valor de cada variable se puede obtener a partir de la otra. . Si ρ = -1 el diagrama de correlación estará contenido en una línea recta de pendiente negativa. tenemos que el coeficiente de correlación entre el Zn y el Pb es 0. El coeficiente de correlación puede valer entonces entre -1 y +1.Para nuestro ejemplo. tanto más el diagrama de correlación se presentará difusa. Los puntos de la nube están todos situados sobre una recta de pendiente positiva.

. La ecuación de recta así hallada es la más óptima relación lineal entre las variables X e Y. La predicción más simple es la obtenida por regresión lineal definida por: Donde m y σ son las medias y la desviación estándar de las variables x e y respectivamente.REGRESION LINEAL La recta de regresión lineal entre dos variables mejora la calidad de predicción de una variable a partir de la otra.

35 y b = 47.13. consecuentemente.35(Pb) + 47.13 De igual modo para la figura siguiente podemos interesarnos en predecir Zn si la variable Pb es conocida. la ecuación para predecir Pb a partir de los valores conocidos de Zn será de la forma: Pb = 0. resultando la expresión: Zn = 2.23(Zn) – 1.Para la el diagrama de correlación de la siguiente figura.23 y b = 1. se obtiene a = 0. en este caso las constantes halladas son a = 2.97 .97.