Trabajo 1- Isatis

Universidad de Atacama Departamento de Minas

Curso introductorio al uso de Isatis “Tra “Traba bajo jo N°1” N°1”

Alumno: Cristian Alcano !allardo "ro#esor: $uis !on%&le% 'ec(a de entre)a: martes 1* de junio de +*1,

-esumen ejecutivo .n el presente an&lisis reali%ado sobre una muestra de datos de cobre/ obtenidos de una campa0a de sondajes/ se pretende lle)ar a la alidaci2n cru%adas de los datos/ pasando a trav3s de varios an&lisis como vario)r&4cos 5 de datos6 "ara dic(o objetivo se cont2 con el apo5o del so#t7are Isatis/ el cual #acilito bastante el proceso6 .n primer lu)ar #ue necesario eliminar los datos duplicados 5 atpicos de la muestra/ puesto 8ue nos entre)aba en un comien%o una varian%a superior a ,/ lo 8ue se consi)ui2 disminuir a un valor cercano a 1/ 8ue se ajusta a lo esperado/ 5 nos entre)a una base de datos con menor dispersi2n de los datos respecto a la media6 Un proceso bastante complejo/ 8ue a veces se lo)ra por medio de la iteraci2n/ empricamente o con complejas #2rmulas/ el cual es el modelamiento del ario)rama/ resulto bastante sencillo con el apo5o de la (erramienta “.nterin) t(e Interactive 'ittin) Mode” presente en el so#t7are6 $ue)o se reali%aron las pruebas o test de la validaci2n cru%ada/ obteniendo resultados #avorables/ dic(os resultados se muestran en ma5or de detalle en el desarrollo del in#orme6

 

Introducci2n

.l an&lisis )eoestadstico es #undamental a la (ora de evaluar econ2micamente un 5acimiento o deposito mineral/ pero dic(o an&lisis puede resultar mu5 en)orroso si no se cuenta con al)una (erramienta o so#t7are/ es por esto 8ue e9isten varios pro)ramas 8ue cumplen est& #unci2n6 .n est& ocasi2n se reali%ara parte de un an&lisis )eoestadstico con el so#t7are Isatis versi2n 616;/ los puntos a tratar ser&n el an&lisis de datos <.DA=/ desplie)ue de datos/ an&lisis vario)r&4co/ modelamiento vario)r&4co 5 por >ltimo la validaci2n cru%ada/ todo esto en base a un arc(ivo 8ue contiene los datos de una campa0a de sondaje de minerales de Cu/ 8ue adem&s contiene impure%as como As 5 ?b6

16@An&lisis de datos <.DA= .n el an&lisis de datos a trav3s del so#t7are Isatis/ nos brinda  opciones/ las cuales son: a= b= c= d= e= #= )= (= i=

.stadstica Mapa de ubicaci2n Nube de correlaci2n Bisto)rama Curvas tonelaje@le5 !r&4co cuantil con cuantil Nube de correlaci2n di#erida ario)rama e9perimental Mapa vario)r&4co $as variables estudiadas ser&n Cu/ ?b 5 As/ cabe mencionar 8ue el Cu es nuestro elemento de inter3s econ2mico/ en tanto el ?b 5 As son impure%as/ 8ue a#ecta al procesamiento del Cu/ pero en esta ocasi2n solo se utili%ara .stadstica/ Bisto)rama/ ario)rama 5 Mapa de ubicaci2n6

a= .stadstica: $a estadstica nos entre)ara los si)uientes datos:

• • • • •

Count: Conteo mero de datos=6 Minimum: $e5 mnima del elemento en los datos6 Ma9imum: $e5 m&9ima del elemento en los datos Mean: $e5 media del elemento en los datos6 ariance: arian%a/ nos indica la dispersi2n de los datos con respecto a la media6 A continuaci2n se muestran los datos obtenidos con el so#t7are6

'i) 16 .stadstica entre)ada por ?o#t7are Isatis/ para muestras de Cu/ As 5 ?b6 De los resultados entre)ados podemos in#erir/ 8ue e9isten datos atpicos o an2malos/ 5a 8ue las varian%as son mu5 altas en los  casos/ lo 8ue se ve e9presado por la )ran di#erencia 8ue e9iste entre los valores m&9imos 5 mnimos de las variables6 "ara corroborar esto veremos los (isto)ramas/ 8ue se muestran a continuaci2n6

'i)6 + Bisto)rama Cu6

'i)6  Bisto)rama

?b6

'i)6 , Bisto)rama As6 Al ver estos Bisto)ramas se con4rma la teora de 8ue e9isten datos atpicos/ 5a 8ue nos muestra 8ue e9isten valores con #recuencia 1 8ue son mu5 altos en comparaci2n al resto/ es por esto 8ue debemos buscar dic(os valores 5 eliminarlos de la muestra/ antes de se)uir con el an&lisis/ esto se (ace con el 4n de obtener una estimaci2n m&s e9acta/ disminu5endo el error6

+6@Desplie)ue de datos .n el desplie)ue de datos buscaremos datos duplicados 5 atpicos o an2malos 5 los eliminares de la muestra/ para esto usaremos el mapa de ubicaci2n6 a= Mapa de ubicaci2n Cu6

 'i)6  Mapa de ubicaci2n Cu6

b= >s8ueda de datos atpicos $os datos de color rojo en el mapa de ubicaci2n representan a los datos atpicos/ los valores de dic(os datos se muestran a continuaci2n:

'i)6 E Datos atpicos6 Dic(os datos #ueron eliminados
sin datos atpicos 5 se podreci2 a calcular la estadstica/ lo 8ue entre)o los si)uientes resultados:

'i)6 F .stadstica datos de Cu/ sin atpicos6 .l resultado obtenido es #avorable en relaci2n al obtenido con datos atpicos/ 5a 8ue/ el m&9imo disminu5o de /** G a 1*/,1 G de Cu/ 5 la varian%a bajo de ,/*F1/ a 1/1,/ lo 8ue nos indica 8ue estos valores tienen menos dispersi2n respecto a la media6 c= >s8ueda de datos duplicados uscamos los datos duplicados/ con la (erramienta “$ooH #or duplicates”6

'i)6 ; $ooH #or duplicates6

.l resultado entre)ado por el so#t7are es el si)uiente:

'i)6  -esultado entre)ado con la (erramienta $ooH #or Duplicates6 .l resultado obtenido nos indica 8ue e9isten F datos duplicados/ lo cuales #ueron eliminados
'i)6  Bisto)rama variable Cu/ datos sin atpicos ni duplicados6 .n este resultado podemos apreciar 8ue la curva se comporta de una #orma ses)ada a la derec(a 5 los valores distribu5en de mejor manera/ adem&s nos entre)a un valor de desviaci2n est&ndar de 1/*F*,/ lo 8ue indica 8ue e9iste una menor dispersi2n de los datos6

6@ An&lisis vario)r&4co

a= Mapa vario)r&4co: .l mapa vario)r&4co nos entre)ara las direcciones de anisotropa/ pero primero debemos ajustar nuestra escala de colores/ respecto de nuestros datos6  .scala de colores: ?e #ue evaluando el valor adecuado/ de acuerdo a los resultados entre)ados por el mapa vario)r&4co/ se determin2 8ue el valor m&9imo deba ser 6 5 el mnimo */ la in#ormaci2n entre)ada por la estadstica tambi3n a5udo para tomar esta decisi2n6

'i)6 1* $imites escala de colores6

$ue)o de de4nir la escala de colores/ se reali%a el mapa vario)r&4co6

'i)6 11 Mapa vario)r&4co Cu/ datos sin atpicos ni duplicados6 $as direcciones principales de anisotropa est&n representadas por una lnea sobre los mapas vario)r&4cos/ 5 los valores se ven en el )r&4co/ los valores son N1* 5 N +F*/ pero lo 8ue se puede interpretar viendo el plano J@v/ es 8ue e9iste una inclinaci2n de 1° 5 en el @ de *°6

b= ario)rama e9perimental

'i)6 1+ ario)rama e9perimental de Cu6 c= ario)rama direcciones re)ulares: Con direcci2n 1°6

'i)6 1 ario)rama e9perimental direcciones re)ulares6

,6@Modelamiento ario)rama

.l modelamiento del ario)rama se reali%2 con la opci2n “ .nterin) t(e Interactive 'ittin) Mode”6 $os resultados obtenidos son los si)uientes:

'i)6 1, ario)rama modelado6

6@ alidaci2n cru%ada a= In)resamos los datos

'i)6 1 "ar&metros validaci2n Cru%ada6

b= Creando la vecindad de Kri)in): ?e utili%an los datos su)eridos en los apuntes del pro#esor6

'i)6 1E "ar&metros vecindad de Kri)in)6

c= alidaci2n: Test: -eali%aci2n un test de validaci2n/ para determinar 8ue los datos in)resados est3n correctos/ esto se con4rma si es 8ue la pendiente de re)resi2n entre L │L se apro9ima a 16

'i)6 1E Mapa test de validaci2n6

'i)6 1F -esultados del test de validaci2n6

.l valor del par&metro 8ue se buscaba
 

Conclusi2n

.l so#t7are isatis #acilito en )ran medida los c&lculos 5 dise0os de )r&4cos/ sin embar)o e9istieron pasos 8ue se tuvieron 8ue (acer de manera semiautom&tica/ como lo es buscar los datos atpicos/ est& #ue una labor bastante tediosa 5 se reali%2 en  ocasiones (asta 8ue se obtuvo un resultado estadstico/ tanto en (isto)rama como en valores num3ricos 8ue #ueron aceptables/ la le5 m&9ima de cobre se lo)r2 disminuir de G a 1*/,1G/ con un total de E* datos eliminados