GEOSTADÍSTICA

CAPÍTULO 3
El Semivariograma
Teórico

Ing. Luis E. Vargas R.

2018
 CAPÍTULO 3
EL SEMIVARIOGRAMA TEÓRICO

Geoestadística - Ing. Luis E. Vargas

3.1 Modelos de semivariogramas
Sabemos que un semivariograma se define como:
γ(h) = ½ E[Z(x+h) – Z(x)]2

Experimentalmente, para una malla regular, se tiene

que:
nj
γ(jh) = 1 ∑ [z(xi +jh) – z(xi)]2
2nj

Geoestadística - Ing. Luis E. Vargas

A partir de un variograma experimental trataremos de
encontrar una ecuación (variograma teórico) que
corresponda a esta expresión.
¿Por qué determinar tal ecuación?
Porque, en las diversas aplicaciones geoestadísticas,
por ejemplo, la estimación de la variable en un punto a
través del “krigeaje” necesita de la utilización del
semivariograma que contenga información en todos
los puntos de análisis y este dato lo puede
proporcionar sólo el semivariograma teórico.

Geoestadística - Ing. Luis E. Vargas

Además es evidente que el trabajo se tornará más
confiable, óptimo y cómodo si se considera una
ecuación formal que con datos “brutos”.
De la serie de semivariogramas teóricos, se tiene que
escoger aquel que se ajuste mejor a nuestro
semivariograma experimental, sobre todo en las
proximidades del origen porque es la zona más
confiable del variograma.
A continuación describiremos los modelos teóricos
existentes.

Geoestadística - Ing. Luis E. Vargas

3.1.1 Semivariograma con efecto de "pepita":
El nombre de efecto de pepita, está de alguna manera
relacionado con la aparición, más o menos errática, de
pepitas de oro en algunos yacimientos auríferos. Las
posibles causas de la presencia de este efecto las
detallaremos más adelante.
γ(h)

C0 γ(h) = C0, para h≠0

Es el caso de la aleatoriedad pura

0 h

Geoestadística - Ing. Luis E. Vargas

El semivariograma muestra fluctuaciones aleatorias
alrededor de una línea horizontal.
Los modelos pueden agruparse en dos grandes
categorías: los que alcanzan una meseta (modelos de
transición) y los que no presentan meseta.

Geoestadística - Ing. Luis E. Vargas

3.1.2 Semivariograma con meseta:
γ(h) Este semivariograma es
Meseta
C muy frecuente, “a” es el
alcance y para “h”
superior al valor de “a”:

γ(h)Máx = constante = C
0 a h

Hablaremos de dos tipos de semivariogramas según

“a” sea infinito o finito.
Geoestadística - Ing. Luis E. Vargas
• Para a = ∞, el modelo correspondiente es el
exponencial. Existen dos tipos:
a) Modelo de Formery

En este modelo la tangente en el origen, intercepta a

la meseta a un valor de a/3.
Geoestadística - Ing. Luis E. Vargas
b) Modelo Gaussiano

En este modelo la tangente en el origen, intercepta a la

meseta en un valor de a/√3.

Geoestadística - Ing. Luis E. Vargas

 • Para a finito, le corresponde el Modelo Esférico o
Modelo de Matheron.
La ecuación de este modelo, se define como:

γ(h) T

0 2/3 a a h

Geoestadística - Ing. Luis E. Vargas

En este modelo, la intersección de la tangente en el
origen, h=0, con la meseta se sitúa a 2/3 del alcance.
Demostraremos la validez de esta relación:
La ecuación de la tangente T, en h = 0.
Derivando con respecto a (h) se obtiene:

h = 2/3 a

Geoestadística - Ing. Luis E. Vargas

3.1.3 Semivariograma sin meseta:
Si α = 1, al modelo se conoce como lineal de
ecuación: γ* (h) = ph + k, donde p es la pendiente, h el
lag y k el intercepto. Este modelo, según Annels, 1991
suele presentarse en yacimientos de hierro.

Geoestadística - Ing. Luis E. Vargas

Existe otro tipo de variograma: El Modelo Logarítmico,
de la forma: γ(h) = C ln│h│, con │h│≥1.
El inconveniente de este modelo es el de no pasar por el
origen.
Este modelo se usó al inicio de la geoestadística,
actualmente ha quedado descartado.

Geoestadística - Ing. Luis E. Vargas

3.1.4. Efectos que se manifiestan en los
semivariogramas:
Algunos semivariogramas experimentales no se
pueden ajustar exactamente a los modelos comunes,
sin embargo no hay razones para rechazar la
posibilidad de buscar una continuidad espacial.
Annels y otros autores han puesto de manifiesto
ciertas particularidades y características en los
modelos, a saber: semivariogramas con tendencia,
efecto de agujero, efecto proporcional y
semivariogramas compuestos.
Geoestadística - Ing. Luis E. Vargas
a) Semivariogramas con tendencia
Un semivariograma como el de la figura adjunta,
muestra cambios en la tendencia de la meseta,
denominado "ruptura“.

Geoestadística - Ing. Luis E. Vargas

Se produce a una distancia mayor al alcance, por lo
que no tiene mayor incidencia en la estimación local de
los bloques definidos para el yacimiento, puesto que
las dimensiones del área de búsqueda (alcance) son
menores que la distancia representada por el punto
donde se produce la ruptura.
Cuando un semivariograma presenta esta tendencia,
es decir, la ruptura se produce a distancias próximas al
alcance, el concepto de estacionariedad ya no se
cumple.

Geoestadística - Ing. Luis E. Vargas

En tales casos es necesario utilizar el krigeaje
universal (Journel y Huijbregts, 1978), en vez del
krigeaje ordinario que es aplicable a casos de
estacionariedad.

Geoestadística - Ing. Luis E. Vargas

b) Efecto de agujero (“trou”)
Un semivariograma presenta un efecto de agujero, si
su crecimiento no es monótono , este efecto puede
presentarse en esquemas con o sin meseta.

Geoestadística - Ing. Luis E. Vargas

El efecto de agujero es muy frecuente, pero no siempre
es perceptible en el variograma experimental.
El modelo correspondiente es:
γ(r) = 1- senr C(r) = senr
r r

Si el semivariograma presenta un comportamiento

parabólico en el origen, con efecto de agujero y
alcance entonces se verifica que:
γ(r) = r2 , cuando r 0
6
Geoestadística - Ing. Luis E. Vargas
Interpretación
Una componente pseudo periódica de la
regionalización puede provocar un efecto de agujero
en un semivariograma experimental.
Así la sucesión estacionaria en un yacimiento de dos
tipos de mineralización claramente diferenciados, si
esta sucesión no es isótropa (en general no hay razón
para que lo sea), el efecto de agujero se observará sólo
en ciertas direcciones.

Geoestadística - Ing. Luis E. Vargas

 c) Efecto Proporcional
En algunos casos, es frecuente observar que la
variabilidad de los datos evoluciona con su media
aritmética. Por ejemplo, consideremos “n” sondajes para
reconocer la misma mineralización con las siguientes
características:
 m*A : promedio de los datos del sondaje A.
 D2A (0/L ): varianza de dispersión del sondaje A.
 Se supone que los “n” sondajes tienen la misma
longitud L.
 γ*A(h): variograma experimental calculado en el
sondaje A.
Geoestadística - Ing. Luis E. Vargas
Se dice que existe "efecto proporcional” si los
distintos variogramas elementales γ*A(h): son afines,
o se corresponden, de tal manera que el módulo
depende del cociente de los promedios
experimentales (véase la siguiente figura).
γ*(h) m*B ≠ m*A

m*A
afinidad

0 alcance h
Geoestadística - Ing. Luis E. Vargas
La presencia de un efecto proporcional en los
variogramas experimentales no implica
necesariamente la no estacionariedad de un fenómeno
subyacente.
γ*A(h) ≈ f m*A γ*B(h)
m*B
Implica que: para todo A, B =
desde 1 hasta n
D2A (0/L ) ≈ f m*A D2B(0/L )
m*B

Geoestadística - Ing. Luis E. Vargas

Observaciones:
1. Un efecto proporcional se dice que es directo si el
variograma crece con el promedio experimental.
Este efecto se espera cuando los datos presentan
una distribución lognormal, por ejemplo las leyes
en Cu, Au de pequeño soporte, la mayoría de los
datos corresponden a leyes bajas.
2. Un efecto proporcional es inverso si el variograma
decrece cuando el promedio crece. Este fenómeno
es menos frecuente que el anterior, es de esperarlo
cuando los datos presentan una distribución
lognormal inversa, por ejemplo leyes de
yacimiento: en Fe-hematita, en fosfatos tricálcicos,
Geoestadística - Ing. Luis E. Vargas
Observaciones:
y en general cuando las leyes de mineralización
presentan fuertes concentraciones. A mayores valores
del promedio, menor es la dispersión.
3. En la práctica el efecto proporcional observado es
del tipo m2:
f m*A ≈ m2A
m*B m2B

γ*A(h)
El variograma relativo m*2
y las distintas varianzas relativas son independientes
del promedio local.
Geoestadística - Ing. Luis E. Vargas
4. Después de corregir el efecto proporcional, se remite
a un modelo de cuasi-estacionariedad local, es decir a
un modelo de regionalización donde se puede conocer,
para cada punto (x,y) por las distancias “h” limitadas a
una vecindad V(x) , los dos primeros momentos:
 La esperanza E(Z(x)) = m(x), estimada por m* sobre V(x).
 El variograma E[(Z(x+h)-Z(X))2] = 2γ(x,h), estimado por
f(m*).2γ0(h)
5. El efecto proporcional afecta sólo a la varianza, no
altera en nada las características geométricas (por
ejemplo a las mesetas) de los variogramas,
contrariamente a la anisotropía geométrica.
Geoestadística - Ing. Luis E. Vargas
6. En estructuras superpuestas, el efecto proporcional
puede jugar roles diferentes en cada una de las
estructuras constituyentes. Así por ejemplo en la figura
adyacente, el efecto proporcional en m2 afecta sólo al
efecto de pepita C0.

Geoestadística - Ing. Luis E. Vargas

7. Cuando se gráfica los promedios al cuadrado versus
las respectivas varianzas, es posible poner en
evidencia el efecto proporcional. Este efecto sirve
para determinar las áreas ricas, intermedias y
estériles en un yacimiento y determinar la
variabilidad en cada uno de los sectores
estudiados.
El yacimiento de plata de Uchucchacua presenta este
efecto: ciertas labores de las zonas ricas e intermedias
manifiestan alta variabilidad, en cambio las zonas más
pobres en plata tienen menor variabilidad y por tanto
los costos de explotación son menores.
Geoestadística - Ing. Luis E. Vargas
c) Semivariogramas compuestos
Es frecuente encontrar variogramas con
configuraciones como el de la figura adjunta, llamadas
estructuras superpuestas.

Geoestadística - Ing. Luis E. Vargas

Una estructura de esta forma, puede explicarse de la
siguiente manera:
La existencia del efecto de pepita (C0 ) puede deberse:
1. A la taza de recuperación,
2. A la presencia de micro estructuras o,
3. A errores de muestreo.
 El primer alcance (a1) explicaría las características
petrográficas.
 El segundo alcance (a2) puede caracterizar la
mineralización.
 El tercer alcance (a3) nos indicaría diferencias a nivel
regional del yacimiento (matalogénesis).
Geoestadística - Ing. Luis E. Vargas
γ(h) se escribirá entonces de la siguiente manera:
γ(h)= C0 + γ1(h) + γ2(h) + γ3(h)

C1; a1 C2; a2 C3; a3

Concretamente, estamos frente a un efecto de pepita

con dos estructuras superpuestas (modelos de
variogramas esféricos).

Geoestadística - Ing. Luis E. Vargas

Este tipo de estructuras, también se presenta en zonas
mineralizadas de mena dentro de una matriz de
mineralización dispersa.
Así mismo son comunes en yacimientos aluviales de
oro, donde el menor alcance rinde cuenta de los
canales individuales y el mayor alcance se podría
interpretar como el espesor total de la zona de
interés económico.

Geoestadística - Ing. Luis E. Vargas

Ejemplo:
La tangente para los dos primeros
puntos corta al eje vertical en Co =
0.4(%)2, la intersección con la
meseta principal (2.55 (%)2) se da a
una distancia lag= 14m, indicando
que el alcance debería ser 21m.
Sin embargo, la curva principal
alcanza la meseta a un rango de
50m, por tanto se puede asumir la
presencia de dos semivariogramas 14
esféricos de parámetros:
γ1(h): C0 = 0.4(%)2
2/3a1 = 9  a1 = 13.5m
C1 = 1.55(%)2
γ2(h): C0 = 0.4(%)2 ; a2 = 50m ; C2 = 0.6(%)2
 Fórmula del modelo compuesto:

Para h < 14m  +1,55

Para h entre 14 y 50m  +1,55

Para h > 50m  =2,55

Geoestadística - Ing. Luis E. Vargas

3.2 Isotropía
Un fenómeno se dice isótropo cuando la magnitud del
vector “h” permanece constante cualquiera sea la
dirección (θ) del vector, es decir, la variabilidad es
simétrica.
En este caso es suficiente ajustar el variograma
omnidireccional γ(θomni ,│h│).

Geoestadística - Ing. Luis E. Vargas

En estas circunstancias conviene calcular el promedio
ponderado de los variogramas direccionales (γ(θi ,│h│),
conocido como variograma onmidireccional:
n
∑ Ni γ(θi ,│h│)
i =1
γ(θomni ,│h│) = n
∑ Ni
i =1

Geoestadística - Ing. Luis E. Vargas

3.3 Anisotropía
En minería, es raro encontrar un fenómeno isótropo,
en cambio son frecuentes los fenómenos anisótropos.
Existen dos grandes tipos de anisotropía: geométrica
y zonal.

γ(h)
Para las dos direcciones, se
tiene una misma meseta,
N-S
mientras que los alcances
E-W
son diferentes es la
anisotropía geométrica.

0 h
Geoestadística - Ing. Luis E. Vargas
Este tipo de fenómeno suele ser evidente en
yacimientos aluviales, donde el alcance en la dirección
vertical es mucho más pequeño que a lo largo de la
dirección principal del depósito, conservando la
variabilidad en ambos casos (misma meseta).

Geoestadística - Ing. Luis E. Vargas

γ(h)
Dirección
vertical

Las mesetas son diferentes.

Dirección Es el caso de la anisotropía
horizontal zonal

0 aH aV h

Geoestadística - Ing. Luis E. Vargas

En este caso el semivariograma puede expresarse
como la composición de 2 semivariogramas: uno
según la dirección horizontal y el otro siguiendo la
dirección vertical.

γ(h) = γH(h1) + γV(h2)

h1 Con h = h1 + h2
h2 h
h1: dirección horizontal
h2: dirección vertical

Geoestadística - Ing. Luis E. Vargas

La anisotropía direccional (geométrica o zonal)
aparece cuando los semivariogramas son diferentes en
distintas direcciones, en otras palabras, existen
direcciones privilegiadas en el yacimiento.
Para precisar la morfología del fenómeno conviene
calcular semivariogramas en distintas direcciones (p.e.
8).
Los alcances obtenidos se representan en un diagrama
polar: líneas radiales a partir de un punto central, de
esta manera obtenemos una mejor visualización de la
forma y orientación de la elipse.

Geoestadística - Ing. Luis E. Vargas

 3.3.1. Modelización de variogramas anisótropos
Con los valores de los alcances obtenidos en los
semivariogramas para distintas direcciones, cons-
truimos el diagrama de rosas de alcances.

γ*(h)
C
θ2

θ1

0 a2 a1 h

Θi: son direcciones en las cuales se ha construido el semivariograma.

Geoestadística - Ing. Luis E. Vargas
El diagrama de rosas de los alcances, de los semi-
variogramas anteriores sería:
y
y’ x’

a2
a1
x

Geoestadística - Ing. Luis E. Vargas

Esta anisotropía puede modelizarse mediante una
transformación lineal de coordenadas:
y
y

a2
a2
a1 a1
x x

Geoestadística - Ing. Luis E. Vargas

 Se hace coincidir los ejes de anisotropía con los ejes
principales, para luego corregir los ejes de la elipse con
un factor k = a1/a2 .
En definitiva se ha corregido la disimetría del
fenómeno, reduciéndolo a un variograma isótropo
(círculo). Analíticamente la transformación se logra
haciendo:
γ(h)= γ(θ1,│h│),

│h│= √(hx cosθ1 + hy sen θ1)2 + k2 (hy cosθ1 - hx sen θ1) 2

Geoestadística - Ing. Luis E. Vargas

3.3.2. Ejemplo de ajuste de un variograma anisótropo:
Analicemos el caso de anisotropía cuyos ejes
anisótropos coinciden con los ejes principales y en cuya
primera aproximación, los variogramas experimentales
corresponden a modelos lineales de la forma:
γ(h) = γ (θ1,|h|)  E-W: γ(h) = γ(0°, |h|) = 0,0015|h|
γ(h) = γ (θ2,|h|)  N-S : γ(h) = γ(90°, |h|) = 0,0054|h|
El factor de corrección de alcances será:
k = 0.0054/0.0015 = 3.6

Geoestadística - Ing. Luis E. Vargas

 El modelo resultante γ(h), tomando como referencia
θi= 0º, será:
γ(h) = 0.0015 √h2x + k2h2y
y
γ(h) = 0.0015 √(h2x + 12.96 h2y

En este caso una transformación lineal de a2

las coordenadas no será suficiente. Para x

a1
ajustar un modelo de esta naturaleza, se
recurre a los variogramas imbricados, en
que cada componente traduce su propia
anisotropía.
Geoestadística - Ing. Luis E. Vargas
 γ(h) Modelo 2

Modelo 1
σ2

0 d h

Ambos modelos son válidos hasta la distancia “d”, en

consecuencia si el objetivo fuera estimar las leyes de
un bloque mineralizado de dimensiones inferiores a
“d” es perfectamente válido utilizar cualquiera de los
dos modelos.
Geoestadística - Ing. Luis E. Vargas
3.4. Relaciones volumen-varianza
En el capítulo 2 en soporte y regularización se
establecen las diferencias entre variograma puntual y
regularizado, se manifestó que en la práctica, los datos
físicos se miden por volúmenes y no por puntos, salvo
que el tamaño de la muestra sea muy pequeña en
relación, por ejemplo, con el alcance.

Geoestadística - Ing. Luis E. Vargas

Sin embargo cuando las muestras proceden de
sondajes, las diferencias pueden ser notables, por lo
que resulta imprescindible trabajar con volúmenes y
hacer las correcciones pertinentes.
Es evidente que los resultados que se obtendrían
cuando las leyes en tramos de, por ejemplo 50 cm,
serían diferentes si se toman tramos de un metro, de 2
o de 3 metros.
En cada caso, la diferencia entre los valores de las leyes
y las varianzas en cada tramo serán diferentes, es fácil
deducir que los semivariogramas que se obtendrían
tampoco serán similares.
Geoestadística - Ing. Luis E. Vargas
El objetivo es definir un semivariograma puntual que
no esté influido por el soporte de la muestra.
Al aumentar el tamaño del soporte, los resultados son
cada vez más regulares (similares).
El método a seguir para obtener el variograma puntual
es el siguiente:
Se define el rango real del semivariograma puntual
como: a = a* -l, donde:
 a = alcance real del semivariograma puntual,
 a* = alcance del semivariograma experimental,
 l = longitud de la muestra en la dirección del
semivariograma.
Geoestadística - Ing. Luis E. Vargas
Los valores de C y C0 para el semivariograma puntual
se calculan a partir de las siguientes ecuaciones y con
ayuda del ábaco "Gráfico de regularización".
γ(l) = C0 + CX1
γ(∞) = C0 + CX2
Para h = l, h = ∞, en el gráfico de regularización, se
obtendrán los valores X1 y X2 , a partir de los
correspondientes valores de h/a y l/a, donde “h” es el
lag y “l” la longitud de la muestra.

Geoestadística - Ing. Luis E. Vargas

Ejemplo: En un yacimiento aluvial de diamantes, los
canales de muestreo eran de 20m de longitud por 1 m
de ancho. La V.R. para calcular las reservas fue el peso,
en quilates, de los diamantes encontrados en cada
muestra. Los valores de γ(h) obtenidos fueron:
γ1 (20m) = 0,0147
γ2 (40m) = 0,0213
γ3 (60m) = 0,0226
C = 0,0226.
Definir los valores de γ(h) para calcular el
semivariograma puntual.

Geoestadística - Ing. Luis E. Vargas

 Gráfico de Regularización

Geoestadística - Ing. Luis E. Vargas