2020

Al aplicar las matemáticas en ciencias de la tierra, hacemos suposiciones tentativas que sabemos que no son ciertas pero que creemos que pueden ser útiles. Por ejemplo, en la naturaleza nunca hubo una distribución normal, nunca hubo una línea recta, pero con suposiciones normales y lineales, que se sabe que son falsas, a menudo podemos obtener resultados que coinciden, a una aproximación útil a través de métodos paramétricos.

En el desafío de interpretar el comportamiento de una variable espacial, en lugares donde esta no ha sido medida, recurrimos a estudiar distintos modelos de interpolación, que logren a partir de información fragmentaria (muestra), estimar lo mejor posible la realidad de dicha variable.

En esta oportunidad presentamos un simple código preparado con la biblioteca Pandas de Python, que cubica recursos minerales sobre un modelo de bloques (53,271 bloques) denominado Marvin Test Mine (http://mansci-web.uai.cl/minelib/marvin.xhtml). El código es resultado del contenido visto en la primera unidad del curso “Modelado de Datos Espaciales en Python”, en la cual específicamente se trata la importación, manipulación y exportación de tablas de datos.

En este articulo se expone la implementación de un modelo de regresión lineal múltiple, sobre contaminantes del aire, medidos desde …

Esta ultima década el mercado de software minero en latinoamérica ha tenido una explosión significativa, incorporando nuevos competidores desde empresas …