teoria de muestreo pierre gy (1)

Upload: sari-matus

Post on 06-Jul-2018

261 views

Category:

Documents


3 download

TRANSCRIPT

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    1/28

    La Teoría de MuestreoLa Teoría de Muestreo

    de Pierre Gyde Pierre Gy

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    2/28

    Fundamentos –Fundamentos –

    Descomposición de losDescomposición de loserroreserrores

    La Teoría de Muestreo de P. Gy se basa en laLa Teoría de Muestreo de P. Gy se basa en ladescomposición del error totaldescomposición del error total considerando que elconsiderando que elmuestreo se realiza en diversas etapas ymuestreo se realiza en diversas etapas yseparando el error en las etapas de muestreo delseparando el error en las etapas de muestreo delerror de anlisis!error de anlisis!

    "# $overall error% error total"# $overall error% error total  T# $total samplin& error% error total en las etapas de T# $total samplin& error% error total en las etapas de

    muestreomuestreo '# $analytical error% error analítico'# $analytical error% error analítico

     AE TE OE    +=

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    3/28

    Fundamentos –Fundamentos –Descomposición de losDescomposición de los

    erroreserrores (omo el muestreo involucra diversas etapas) el error(omo el muestreo involucra diversas etapas) el error

    total en las etapas de muestreo puede dividirse entotal en las etapas de muestreo puede dividirse enuna suma de los errores parciales) cada uno de ellosuna suma de los errores parciales) cada uno de elloscompuesto por uncompuesto por un error de preparaciónerror de preparación y uno dey uno deselecciónselección!!

    P#P#ii error de preparación $p.e*. c+ancado%error de preparación $p.e*. c+ancado%

    ,#,#ii error de selección $p.e*. división de la muestra%error de selección $p.e*. división de la muestra%

    ∑   +=i

    i   AE TE OE 

    iii   SE  PE TE    +=

    ∑   ++= iii   AE SE  PE OE    )(

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    4/28

    Fundamentos –Fundamentos –Descomposición de losDescomposición de los

    erroreserrores La teoría se construye considerando dos modelos!La teoría se construye considerando dos modelos! Modelo de selección continuoModelo de selección continuo Modelo de selección discretoModelo de selección discreto

    #l#l modelo de selección continuomodelo de selección continuo considera elconsidera elmuestreo de material como si -uera un u*omuestreo de material como si -uera un u*o

    unidimensional continuounidimensional continuo #l material se caracteriza por!#l material se caracteriza por!

    #l#l contenido críticocontenido crítico en un tiempo dadoen un tiempo dado #l#l u*ou*o de material en un tiempo dadode material en un tiempo dado

    #n este modelo se de/ne el error como la suma de#n este modelo se de/ne el error como la suma de

    una componente que mide el contenido crítico yuna componente que mide el contenido crítico yotra que mide el u*o!otra que mide el u*o!

    (# error de selección continua(# error de selección continua 0# error en contenido crítico0# error en contenido crítico

    1# error en medición del u*o $2ei&+tin& error%1# error en medición del u*o $2ei&+tin& error%

    )(t a

    )(t  µ 

    WE QE CE    +=

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    5/28

    Fundamentos –Fundamentos –Descomposición de losDescomposición de los

    erroreserrores 'l pasar al modelo discreto se encuentra'l pasar al modelo discreto se encuentraadems que el muestreo se ve a-ectado poradems que el muestreo se ve a-ectado porun error de materialización!un error de materialización!

    #ste error de materialización se compone#ste error de materialización se componede un error de delimitación y otro dede un error de delimitación y otro dee3tracción del incremento. 'sí!e3tracción del incremento. 'sí!

     ME CE SE    +=

    SE QE WE DE EE= + + +

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    6/28

    Fundamentos –Fundamentos –Descomposición de losDescomposición de los

    erroreserrores

    Finalmente) el modelo de selección discreto identi/ca el lote LFinalmente) el modelo de selección discreto identi/ca el lote Lcon un &rupo discreto de unidades $pueden ser partículascon un &rupo discreto de unidades $pueden ser partículasindividuales o &rupos de partículas%.individuales o &rupos de partículas%.

    ,e de/nen por esta razón) la +etero&eneidad de constitución y,e de/nen por esta razón) la +etero&eneidad de constitución yde distribución del lote!de distribución del lote! (4(4LL +etero&eneidad de constitución+etero&eneidad de constitución del lote! se debe a lasdel lote! se debe a las

    propiedades intrínsecas de la población de partículas individualespropiedades intrínsecas de la población de partículas individuales D4D4LL +etero&eneidad de distribución+etero&eneidad de distribución del lote! se debe a ladel lote! se debe a la

    distribución espacial de las partículas $y &rupos de partículas% en eldistribución espacial de las partículas $y &rupos de partículas% en ellotelote

    #l modelo de selección discreto puede relacionarse con el#l modelo de selección discreto puede relacionarse con el

    modelo continuo al nivel del error de uctuación de peque5omodelo continuo al nivel del error de uctuación de peque5oalcance!alcance!

    F# error -undamentalF# error -undamental

    G# error de a&rupamiento y se&re&aciónG# error de a&rupamiento y se&re&ación

    GE  FE QE    +=1

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    7/28

    Fundamentos –Fundamentos –Descomposición de losDescomposición de los

    erroreserrores #n resumen) el error total se obtiene como!#n resumen) el error total se obtiene como!

    P# error de preparaciónP# error de preparación 0# error de contenido0# error de contenido 1# error en medición del u*o $2ei&+tin& error%1# error en medición del u*o $2ei&+tin& error% D#D# error de delimitación del incrementoerror de delimitación del incremento

    #### error de e3tracción del incrementoerror de e3tracción del incremento F# error -undamental de la etapaF# error -undamental de la etapa G# error de a&rupamiento y se&re&ación de la etapaG# error de a&rupamiento y se&re&ación de la etapa '# error analítico'# error analítico

    i

    OE (PE SE) AE

    OE (PE QE WE DE EE) AE

    OE (PE FE GE WE DE EE) AE

    = + +

    = + + + + +

    = + + + + + +

    ∑∑

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    8/28

    #l #rror Fundamental#l #rror Fundamental

    $F#%$F#%De/nición matemticaDe/nición matemtica

    (uanti/cación(uanti/cación

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    9/28

    Error fundamental, FEError fundamental, FE 

    (orresponde al(orresponde al mínimo error de muestreomínimo error de muestreo que seque setendría si se seleccionara cada -ra&mento otendría si se seleccionara cada -ra&mento opartícula aleatoriamente) una a la vez.partícula aleatoriamente) una a la vez.

    Para un determinado peso de muestra) el F# es elPara un determinado peso de muestra) el F# es elmínimo error de muestreo que e3istiría si elmínimo error de muestreo que e3istiría si el

    protocolo de muestreo -uera implementado deprotocolo de muestreo -uera implementado demanera per-ecta. Por lo tanto) para un estado dadomanera per-ecta. Por lo tanto) para un estado dadode conminución y un determinado peso de lade conminución y un determinado peso de lamuestra) el F# es el menor error posible.muestra) el F# es el menor error posible.

    ' peque5a escala) la +etero&eneidad de' peque5a escala) la +etero&eneidad de

    constitución es responsable del error -undamental.constitución es responsable del error -undamental. #l F# puede ser peque5o para constituyentes#l F# puede ser peque5o para constituyentesmayores y materiales /nos) pero puede sermayores y materiales /nos) pero puede serabrumador para constituyentes menores.abrumador para constituyentes menores.

    Mezclando y +omo&eneizando el lote no reducirMezclando y +omo&eneizando el lote no reducir

    el F#.el F#.

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    10/28

    HeterogeneidadHeterogeneidad 

    (orresponde a la variabilidad encontrada en(orresponde a la variabilidad encontrada enuna población y puede dividirse en!una población y puede dividirse en! Heterogeneidad de constituciónHeterogeneidad de constitución $(4%! (ada$(4%! (ada

    partícula del lote tiene un contenido críticopartícula del lote tiene un contenido crítico

    di-erente.di-erente. Heterogeneidad de distribuciónHeterogeneidad de distribución $D4%! (onsiste$D4%! (onsiste

    en las di-erencias observadas de un &rupo deen las di-erencias observadas de un &rupo de-ra&mentos o partículas $incremento% a otro.-ra&mentos o partículas $incremento% a otro.

    6ariabilidad se debe a tres -actores!6ariabilidad se debe a tres -actores! La +etero&eneidad de constituciónLa +etero&eneidad de constitución La distribución espacial de los constituyentes o estado deLa distribución espacial de los constituyentes o estado de

    se&re&aciónse&re&ación La -orma del lote que *unto a la presencia de la &ravedadLa -orma del lote que *unto a la presencia de la &ravedad

    es responsable de la se&re&ación.es responsable de la se&re&ación.

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    11/28

    HeterogeneidadHeterogeneidad

    (4! Di-erencias entre(4! Di-erencias entre-ra&mentos-ra&mentos

    D4! Di-erencias entreD4! Di-erencias entre&rupos de -ra&mentos&rupos de -ra&mentos

    ,i todos los -ra&mentos,i todos los -ra&mentos-ueran i&uales en -orma y-ueran i&uales en -orma ycontenido $(478%)contenido $(478%)entonces no +abría D4!entonces no +abría D4!cualquier &rupo decualquier &rupo de

    -ra&mentos de i&ual-ra&mentos de i&ualtama5o sería id9ntico.tama5o sería id9ntico.

    CH

    DH

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    12/28

    Cálculo del errorCálculo del errorfundamentalfundamental

    DeniciónDenición

    matemática de la CHmatemática de la CH

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    13/28

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    14/28

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    15/28

    6alor esperado de es cero.6alor esperado de es cero. 6arianza!6arianza!

    Di-ícil de calcular.Di-ícil de calcular.

    ih

     L

     N 

    i   L

    i

     L

     Li F 

     N 

    i   L

    i

     L

     Li F 

     F 

    ii

    CH  M 

     M 

    a

    aa N 

     M 

     M 

    a

    aa N 

     N 

    h E h E hVAR

     F 

     F 

    i

    =   

      

     ⋅

    −⋅=

        

       ⋅−⋅⋅=

    −=

    =

    =

    1

    2

    1

    2

    22

    )(

    )(1

    }){(}{)(

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    16/28

    4etero&eneidad intrínseca4etero&eneidad intrínsecadel lotedel lote

    De/nición!De/nición! Heterogeneidad intr(nsecaHeterogeneidad intr(nsecadel lotedel lote  !! L IH 

    ∑=

    ⋅−

    =⋅=  F  N 

    i   L

    i

     L

     Li

     F 

     L L L

     M 

     M 

    a

    aa

     N 

     M CH  IH 

    1

    2

    2

    2)(

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    17/28

    (onsiderando el lote como un con*unto de particulas(onsiderando el lote como un con*unto de particulasseparadas por ran&os de tama5os y densidades) inde3adosseparadas por ran&os de tama5os y densidades) inde3adosrespectivamente porrespectivamente por yy !!

    De/niendoDe/niendo

    el -ra&mento medio de una -racción $o lote%el -ra&mento medio de una -racción $o lote% yy

      su volumen $sólo depende del tama5o%su volumen $sólo depende del tama5o%

      su densidadsu densidad

      su masa $depende del tama5o y de la densidad%su masa $depende del tama5o y de la densidad%   su contenido críticosu contenido crítico

      es el n:mero de -ra&mentos en la -racciónes el n:mero de -ra&mentos en la -racción

      es la masa de la -racciónes la masa de la -racción

    α β 

    ∑∑∑   ⋅−

    ⋅=⋅−

    ==   α β 

    αβ 

    αβ αβ 

     L

     F 

     L

     L N 

    i   L

    i

     L

     Li L

     M 

     M 

    a

    aa N 

     M 

     M 

    a

    aa IH 

     F 

    2

    2

    2

    1

    2

    2

    2 )()(

    α V 

    β λ 

    αβ  F  αβ  L

    β α   λ 

    αβ 

    ⋅=V  M 

     F 

    αβ a

    αβ  N 

    αβ  L M 

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    18/28

    #quivalentemente!#quivalentemente!

    Puede calcularse en laboratorio o apro3imarse!Puede calcularse en laboratorio o apro3imarse!

      varía ms entre -racciones de densidad quevaría ms entre -racciones de densidad queentre -racciones de tama5oentre -racciones de tama5o contenido crítico mediocontenido crítico medio

    de la -racción de densidadde la -racción de densidad

      varía poco de una -racción de densidad a otra!varía poco de una -racción de densidad a otra!

    valor medio en una -racción de tama5ovalor medio en una -racción de tama5o

    #n consecuencia!#n consecuencia!

    ∑ ∑∑∑   ⋅−

    ⋅=⋅

    ⋅−

    =α β 

    αβ 

    β α α β 

    αβ    αβ αβ αβ  λ  L

     L

     L

     L

     L

     L F 

     L

     L

     L M 

     M 

    a

    aaV 

     M 

     M  M 

    a

    aa IH 

    2

    2

    2

    2 )()(

    αβ a

    β αβ    aa   =⇒

    β  L

    β αβ    L L  M  M    /

     L

     L

     L

     L

     M 

     M 

     M 

     M α 

    β 

    αβ 

    =⇒ α 

     L

     L L

     L M 

     M  M  M    β α 

    αβ 

    ⋅=⇒

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    19/28

    4etero&eneidad intrínseca queda!4etero&eneidad intrínseca queda!

    Para simpli/car esta e3presión se de/nenPara simpli/car esta e3presión se de/nen

    una serie de -actores.una serie de -actores.

    Y  X  M 

     M 

    a

    aa

     M 

     M V  IH 

     L

     L

     L

     L

     X 

     L

     L

     L   ⋅=   

      

     ⋅

    −⋅⋅  

     

      

        ⋅=   ∑∑

      β 

    β 

    β 

    α 

    α    β α  λ 2

    2)(

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    20/28

    Factor de forma,Factor de forma, 

    ,e de/ne!,e de/ne!

    ,e supone que la partícula es es-9rica,e supone que la partícula es es-9rica

    entoncesentonces

     f  

    3

    α α α    d  f  V    ⋅=

    f 0.5=

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    21/28

    Factor granulom)trico,Factor granulom)trico, 

    Mide la distribución &ranulom9trica de lasMide la distribución &ranulom9trica de laspartículas.partículas. Material no tamizado $c+ancado%!Material no tamizado $c+ancado%!

    Material tamizado $entre dos mallas%!Material tamizado $entre dos mallas%!

    Material naturalmente calibrado!Material naturalmente calibrado!

    ,e escribe!,e escribe!

     g 

    25.0= g 

    55.0= g 

    75.0= g 

    ∑   ⋅⋅=⋅

    ⋅= α α  α    3

    3

    d  g  f   M 

     M d 

     f   X   L

     L

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    22/28

    Factor mineralógico,Factor mineralógico, c

    c

    LL 1 L 2

    L

    L

    1

    2

    (1 a )c *[(1 a )g a g ]

    a

    D!"# $

    a $ %&%&ci! #! %# "# a #!a

    g $ %# #%#cific "# a #!a

    g $ %# #%#cific "# a ga!ga

    −= − +

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    23/28

    Factor mineralógico,Factor mineralógico,

    Mineral liberado) !Mineral liberado) ! Densidad!Densidad! (ontenido crítico!(ontenido crítico! Masa!Masa!

    Gan&a)Gan&a) ! ! Densidad!Densidad! (ontenido crítico!(ontenido crítico! Masa!Masa!

     L

     M 

     g  M 

     M  L

     M 

     M 

     M  M 

     M a   =

    +

    =

     M  L

     M λ 

    1= M a

     M  M 

     g  L

     g λ 

    0= g a

     g  M 

    c

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    24/28

    Factor mineralógico,Factor mineralógico,

      se escribe!se escribe!

    ,i,i

    ,i,i

     L

     M  L

     L

     L

     g  L L

     L

     M 

     L

     g 

     L

     L g 

     g 

     L

     M 

     L

     L M  M 

     L

     L

     L

     L

     M 

     M  M 

    a

    aa

    a

    a

     M 

     M 

    a

    aa

     M 

     M 

    a

    aa

     M 

     M 

    a

    aaY 

    )()0()1(

    )()()(

    2

    2

    2

    2

    2

    2

    2

    2

    2

    2

    *a+

    ⋅+⋅

    ⋅=

    ⋅−

    ⋅+⋅−⋅=⋅−

    ⋅= ∑

    λ λ 

    λ λ λ β 

    β 

    β β 

    )1()1(   2

     L g 

     L

     L M    a

    a

    ac   −⋅+

    −⋅=⇒   λ λ 

     L

     M  L

    aca

      λ =⇒<   1.0

     g  L L   aca   λ ⋅−=⇒>   )1(,.0

    c

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    25/28

    Factor de liberación,Factor de liberación, 

    Permite escribirPermite escribir ) con) con .. Mide el &rado de liberación del mineral.Mide el &rado de liberación del mineral.

    Material muy +omo&9neo!Material muy +omo&9neo!

    Material +omo&9neo!Material +omo&9neo! Material medio!Material medio!

    Material +etero&9neo!Material +etero&9neo!

    Material muy +etero&9neo!Material muy +etero&9neo!

    Dos m9todos para estimar este -actor!Dos m9todos para estimar este -actor! ;asado en tama5o de liberación del;asado en tama5o de liberación del

    componente crítico.componente crítico. ;asado en la mineralo&ía del material.;asado en la mineralo&ía del material.

    cl Y    ⋅=   10   ≤≤ l 

    05.0=l 

    1.0=l 

    2.0=l 

    -.0=l 

    .0=l 

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    26/28

    Factor de liberación,Factor de liberación, l 

     

    D $ 0a*a *a+i* "# %a&0ica

    "$ 0a*a "# i#&aci! "# a *#!a

    3#c*#!a"aci!#$

    41 i "5D

    4(D/") i "6D 7 *i!#&a# "# 8 41.2

    9aa "# G:

    D*d + -. /-0 1-.0 /1-00 11-/11

    2/11

    l < 8.= 8.> 8.? 8.< 8.8@ 8.8?

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    27/28

    ResumenResumen

    4etero&eneidad intrínseca del lote se e3presa4etero&eneidad intrínseca del lote se e3presacomo!como!

    donde!donde!

      es el -actor mineraló&ico $&rAcmB%es el -actor mineraló&ico $&rAcmB%   es el -actor de liberación $adimensional%es el -actor de liberación $adimensional%   es el -actor de -orma $adimensional%es el -actor de -orma $adimensional%   es el -actor &ranulom9trico $adimensional%es el -actor &ranulom9trico $adimensional%

      es el tama5o de -ra&mento nominal $cm%es el tama5o de -ra&mento nominal $cm%   se mide en &ramosse mide en &ramos #a 3eterogeneidad intr(nseca relaciona el#a 3eterogeneidad intr(nseca relaciona el

    error fundamental 4FE5 con la masa deerror fundamental 4FE5 con la masa de

    las muestras6las muestras6

    3d l c g  f   IH  L   ⋅⋅⋅⋅=

    c

     f  

     g 

     L IH 

  • 8/17/2019 Teoria de Muestreo Pierre Gy (1)

    28/28

    #cuación de Pierre Gy#cuación de Pierre Gy

    6arianza del error -undamental6arianza del error -undamental

    concon

    MM,, 7 masa de la muestra en &ramos7 masa de la muestra en &ramos MMLL7 masa del lote en &ramos7 masa del lote en &ramos

    d 7 dimetro $dd 7 dimetro $dC@C@% de partículas en cm% de partículas en cm

    ( 7 constante de muestreo en &Acm( 7 constante de muestreo en &AcmBB))depende de ddepende de d

    32   11d C 

     M  M   LS  FE    ⋅⋅  

     

      

     −=σ    l c g  f  C    ⋅⋅⋅=