TŸmsel rezerv kestiriminde gÿven sýnýrlarýnýn blok bootstrap ile belirlenmesi

Transkript

1 Yerbilimleri, 26 (2002), Hacettepe niversitesi Yerbilimleri Uygulama ve AraßtÝrma Merkezi BŸlteni Bulletin of Earth Sciences Application and Research Centre of Hacettepe University TŸmsel rezerv kestiriminde gÿven sýnýrlarýnýn blok bootstrap ile belirlenmesi Construction of confidence limits for global reserve estimates by means of block bootstrap A. Erhan TERCAN Hacettepe niversitesi, MŸhendislik FakŸltesi, Maden MŸhendisliÛi BšlŸmŸ, Beytepe, ANKARA Z TŸmsel kestirim ißlemi, bir maden yataûýný deûerlendirmenin ilk ve en šnemli adýmýdýr. Kestirimlere ilißkin gÿven sýnýrlarýnýn belirlenmesi, bu ißlemin en zor aßamasýný olußturmaktadýr. Bu alýßmada, gÿvenilirliûi deûerlendirmek amacýyla blok bootstrap yšntemi esas alýnmýßtýr. Yšntem, Kangal (Kalbur ayýrý) linyit yataûý kalýnlýk ve kalite de- Ûißkenlerine (ÝsÝl deûer, kÿl) uygulanmýßtýr. Bu ama la, 5 farklý blok bÿyÿklÿûÿ dikkate alýnmýß ve Ÿ deûißkenin tÿmsel ortalamalarýna ilißkin %95 gÿven sýnýrlarý, her bir blok bÿyÿklÿûÿ i in belirlenmißtir. Sonu lar, uzaklýûa baûlý ilißki yÿksek olduûunda, gÿven aralýklarýnýn artan blok bÿyÿklÿûÿ ile genißlediûini gšstermektedir. Bununla birlikte, uzaklýûa baûlý ilißki dÿßÿk olduûunda aralýklarýn genißliûi blok bÿyÿklÿûÿndeki artýßtan etkilenmemektedir. okgen yaklaßýmýnýn, bootstrap yšntemlerinden daha kýsa aralýklar ŸrettiÛi gšzlenmißtir. Anahtar kelimeler: Bootstrap, gÿven aralýklarý, jeoistatistik, kestirim varyansý. ABSTRACT Global estimation is the first and most important step of evaluating a mineral deposit. Construction of confidence limits for estimates constitutes the most difficult stage of this procedure. In this study, block bootstrap method is considered in estimating the confidence limits. The method was applied to coal quality variables (calorific value and ash) and thickness of the Kalbur ayýrý lignite deposit at Kangal. For this purpose, 5 block sizes were considered. The 95 % confidence limits for the global averages of the three variables were constructed by block bootstrap for each block size. The results indicate that when spatial correlation is high, as block size increases the intervals get wider while they do not change when the spatial correlation is low. It is observed that polygonal method produces shorter intervals than the bootstrap methods do. Key words: Bootstrap, confidence intervals, geostatistics, estimation variance. GÜRÜÞ TŸmsel rezerv kestirimi, bÿtÿn bir maden yataûý i in cevher miktarý ve ortalama tenšrÿn hesaplanýp, bunlarýn doûruluk derecesinin belirlendiûi ißlemlerdir. Bu tÿr alýßmalardan elde edilen sonu lar, bir maden yataûýný ißletmeye a mak, ya da Ÿretimin devam ettiûi bir maden ißletmesine ilißkin yeni yatýrýmlara yšn vermek amacýyla kullanýlýr. Bu a Ýdan tÿmsel kestirimlerin, bir maden yataûýný deûerlendirmenin ilk ve en šnemli adýmý olduûu sšylenebilir. Ger ekte doûru hesaplanmayan rezervler, maden yataûýnýn hatalý bir ßekilde ißletmeye alýnmasýna, sermaye kaybýna, ya da ekonomik olduûu halde ißletilmemesi gibi bir karara varýlmasýna yol a abilir. A.E. Tercan erhan@hacettepe.edu.tr

2 46 Yerbilimleri TŸmsel rezerv kestirimi, rezerv ve ortalama tenšr hesabýna ilißkin bir yšntemin (kestiricinin) belirlenmesi, bu yšnteme gšre tÿmsel deûerin hesaplanmasý (kestirimi) ve hesaplanan (kestirim) deûerin ne kadar gÿvenilir olduûunun belirlenmesi adýmlarýndan olußur. GŸvenilirlik, kestirim deûerinin standard hatasýný hesaplayarak, ya da bilinmeyen tÿmsel deûere ilißkin gÿven aralýklarý olußturarak incelenir. GŸvenilirliÛi de- Ûerlendirme, tÿmsel deûeri kestirmekten daha zor bir ißlem olup, bu alýßmanýn ana konusunu olußturmaktadýr. LiteratŸrde tÿmsel kestirimlerin ger eûe yakýnlýk derecesinin belirlenmesine yšnelik alýßmalar incelendiûinde, daha ok jeoistatistiksel tekniklerin kullanýldýûý gšrÿlmektedir. rneûin, okgen yaklaßýmý yšntemi (Journel ve Huijbregts, 1981; Buxton, 1989; Tercan, 1998), tÿmsel krigleme (Journel ve Huijbregts, 1981; Isaaks ve Srivastava, 1989) ve blok krigleme yaklaßýmý (Crozel ve David; 1985) bunlar arasýnda sayýlabilir. Bu yaklaßýmlarýn hepsi, gÿvenilirliûin bir šl ŸtŸ olarak kestirim hata varyansýný kullanmaktadýr. Bununla birlikte, hata varyansý (eûer kestirim yšntemi olarak krigleme kullanýlýyorsa krigleme varyansý) veri deûerlerine baûlý deûildir ve ayný zamanda hatalarýn daûýlýmýna ilißkin pratikte mÿmkÿn gšzÿkmeyen ok sayýda varsayýmýn doûrulanmasýný gerektirir. Bu sakýncalarýn giderilmesi yšnÿnde bir alýßma Adisoma ve Hester (1996) tarafýnda yapýlmýßtýr. Bu araßtýrmacýlar, jackknife (Tukey, 1958) ile blok krigleme yšntemlerini birleßtiren bir yšntem šnermißlerdir. Ancak, yšntem karmaßýk ve kullandýûý bazý varsayýmlarýn doûruluûu a ÝsÝndan kußkular i ermektedir. rneûin, yaklaßým, blok krigleme ile elde edilen ortalama kestirim deûerlerinin normal bir daûýlým izlediûini varsaymaktadýr. Ancak, veriler arpýk bir daûýlým sergilediûinde kestirim deûerlerinin daûýlýmý normallikten sapma gšsterebilir. Blok bootstrap (Politis ve Romano, 1994; Lahiri, 1999), veriler uzaklýûa baûlý bir ilißki gšsterdi- Ûinde, kestirim deûerinin doûruluk derecesini deûerlendirmede kullanýlan veri temelli bir benzetim yšntemidir. Bu alýßmada ise, šnceki yaklaßýmlara gšre anlaßýlmasý daha kolay olan ve verilerin daûýlýmý ile ilgili hi bir varsayým gerektirmeyen blok bootstrap yšntemi gšz šnÿne alýnmýßtýr. alýßmanýn ilk aßamasýnda bootstrap ve blok bootstrap yšntemlerine deûinilmiß, daha sonra yšntem Sivas-Kangal linyit yataûýna uygulanmýßtýr. TŸmsel deûißkenler olarak kalýnlýk, ÝsÝl deûer ve kÿl dikkate alýnmýßtýr. Bootstrap ile elde edilen sonu lar, okgen yaklaßýmý ile karßýlaßtýrýlmýßtýr. Sonu lar, tÿmsel kestirime ilißkin gÿven aralýklarýnýn incelenen deûißkenin uzaklý- Ûa baûlý deûißimlerine ve se ilen blok bÿyÿklÿ- ÛŸne baûlý olduûunu ve ayrýca bootstrap yšnteminin okgen yaklaßýmýndan daha geniß aralýklar ŸrettiÛini gšstermißtir. BOOTSTRAP SšzlŸk anlamý Òkendi ißini kendi gšrmekó olan bootstrap terimi Òkendi kendini kurtarmakó deyiminden gelmektedir (Efron ve Tibshirani, 1993). Bootstrap, ilk kez Efron (1979) tarafýndan ortaya atýlmýßtýr. Temel ama, kestirim deûerinin šrneklem daûýlýmýný elde edip, bu daûýlým esas alýnarak bilinmeyen tÿmsel deûerin belirsizliûini incelemektir. Bootstrap ile ortalamanýn šrneklem daûýlýmýnýn nasýl elde edildiûi en iyi, bir šrnek ile a Ýklanabilir. izelge 1, bu ama la tasarlanmýßtýr. [ 2, 5, 8, 9, 7, 6, 3, 10 ve 4]Õden ibaret 9 adet deûer, mevcut verileri olußturmaktadýr. Ülk olarak bu veri setinden yerine koymak suretiyle ve rastgele bir ßekilde mevcut veri sayýsý kadar veri ekilir. izelge 1Õdeki ikinci kolon e- kilen 9 adet veriyi gšstermektedir. Bu veriler, birinci bootstrap šrneklemini olußturmaktadýr. Daha sonra bu šrneklemin ortalamasý hesaplanýr. izelge 1Õdeki son satýr hesaplanan ortalama deûerleri gšstermektedir. Sonraki adýmda yine yerine koymak suretiyle (9 adet veriden ibaret) ikinci bir bootstrap šrneklemi ekilir ve bu šrneklemin ortalama deûeri hesaplanýr. izelge 2Õdeki Ÿ ŸncŸ kolon, ikinci bootstrap šrneklemini gšstermektedir. rneklem ekme ve bu šrnek- izelge 1. Bootstrap ile šrnekleme. Table 1. Sampling by bootstrap. Mevcut Bootstrap šrneklemleri veriler # 1 # 2 # Ortalama

3 Tercan 47 izelge 2. Blok bootstrap ile šrnekleme. Table 2. Sampling by block bootstrap. Mevcut Bootstrap šrneklemleri veriler # 1 # 2 # Ortalama lemden ortalama hesaplama ißlemi n kez tekrarlanýr. izelge 1Õde bu ißlem Ÿ kez tekrarlanmýßtýr. Bootstrap šrneklemlerinden hesaplanan n adet ortalama, ortalamanýn šrneklem daûýlýmýný olußturur. Bootstrap šrnekleminden hesaplanan ortalama deûer, bootstrap yinelenmesi olarak adlandýrýlýr. rnekleme ißlemi, yerine koyma suretiyle ve rastgele yapýldýûýndan her bir bootstrap šrneklemi, mevcut verilerin farklý bir kombinasyonundan olußur. DolayÝsÝyla bir bootstrap šrneklemi bir veri deûerini hi i ermezken, di- Ûerleri bir, iki ya da daha ok kez i erebilir. izelge 1Õde verilen šrnekte birinci bootstrap šrnekleminde 5 deûeri hi i erilmezken, ikincisinde Ÿ, Ÿ ŸncŸde ise bir defa yeralmýßtýr. rneklem daûýlýmý bilindiûinde, ortalamanýn standart hatasý, ya da ortalamaya ilißkin gÿven aralýklarý hesaplanabilir. rneûin z α, šrneklem daûýlýmýnýn 100.α ÝncÝ deûerini gšsteriyorsa, ortalamaya ilißkin bakýßýmlý gÿven aralýûý (z α ve z α-1 ) ile verilir. GŸven aralýklarý olußturulurken bootstrap yinelemelerinin sayýsý 1000, standard hata hesaplanýrken 100 veya 200 olarak alýnýr (Efron ve Tibshirani, 1993). Bootstrap, mevcut veriler i indeki bir deûerin di- Ûeri Ÿzerinde hi bir etkisi olmadýûýný, diûer bir deyißle ilißkisiz olduûunu varsayar. Bununla birlikte, maden yataklarýnýn deûerlendirilmesinde kullanýlan deûißkenler, uzaklýûa baûlý bir ilißki gšsterebilir. rneûin, yakýn šrneklerin deûerleri birbirine benzerken, uzaklýk arttýk a šrnek de- Ûerleri arasýndaki benzerlik azalabilir. rnek de- Ûerleri arasýndaki farkýn uzaklýkla deûißimi uzaklýûa baûlý ilißki olarak adlandýrýlýr (Tercan ve Sara, 1998). Veriler uzaklýûa baûlý bir ilißki gšsterdiûinde bunu dikkate alan bir yšntemin kullanýlmasý gerekir. BLOK BOOTSTRAP Blok bootstrap (Lahiri,1999), veriler uzaklýûa baûlý bir ilißki gšsterdiûinde kullanýlan bir yšntemdir. Bootstrap ile blok bootstrap yšntemlerini birbirinden ayýran tek fark blok bootstrapta šrnekleme ißleminin, tek tek verilerden deûil, veri i eren bloklar Ÿzerinden yapýlmasýdýr. Bundaki ama, veriler arasýndaki uzaklýûa baûlý ilißkiyi kýsmende olsa blok i inde saûlamaktýr. Bootstrap yšnteminde olduûu gibi, blok bootstrap ile ortalamaya ilißkin šrneklem daûýlýmýnýn elde edilme ßekli bir šrnekle a ÝklanmÝß ve bu ama - la izelge 2 dÿzenlenmißtir. Mevcut veri olarak izelge 1Õ deki 9 deûer kullanýlmýßtýr. Yšntem ilk olarak bir blok uzunluûunun belirlenmesini gerektirir. Daha sonra veriler, bu uzunlu- Ûa gšre bloklara ayrýlýr. Verilen šrnekte blok uzunluûu Ÿ olarak se ilmißtir. Bu noktada blok uzunluûu ile blok boyutunun ayný ßeyler olmadý- ÛÝnÝn belirtilmesi gerekir. Bootstrap terminolojisinde blok uzunluûu, blok i ine dÿßen veri sayýsý olarak alýnýr. Daha sonra mevcut bloklardan yerine koymak suretiyle rastgele bir ßekilde bloklar ekilir. ekilen blok sayýsý, mevcut veri sayýsýný blok uzunluûuna bšlerek hesaplanýr. rnekte veri sayýsý 9 ve her bir blokta Ÿ adet veri olduûundan 3 adet blok ekilmißtir. Birinci blok bootstrap šrneklemi bu bloklardaki deûerlerin arka arkaya eklenmesiyle Ÿretilir ve daha sonra bu šrneklemin ortalamasý hesaplanýr. izelge 2Õdeki ikinci kolon, birinci blok bootstrap šrneklemini ve bundan hesaplanan ortalamayý gšstermektedir. DiÛer blok bootstrap šrneklemleri, benzer ßekilde olußturulur. izelge 2Õde yalnýzca Ÿ adet blok bootstrap šrneklemi ekilmißtir. Birinci blok veriler (2 5 8), ilk bootstrap šrnekleminde 2 kez, ikinci ve Ÿ ŸncŸ bootstrap šrneklemlerinde birer kez yeralmýßtýr. Ükinci blok veri (9 7 6) ise, Ÿ ŸncŸ bootstrap šrnekleminde hi yeralmamýßtýr. Son satýr, blok bootstrap šrneklemlerinin ortalamalarýný, diûer bir ifade ile blok bootstrap yinelemelerini gšstermektedir. Blok bootstrap, zaman dizilerindeki belirsizlik problemlerinin šzÿmÿne yšnelik olarak gelißtirilmißtir. Bu nedenle, izelge 2Õdeki šrnek bir boyutlu olarak verilmißtir. Bununla birlikte, maden yataklarýnýn deûerlendirilmesinde kullanýlan veriler (sondaj verileri), oûu zaman iki boyutta eßit olmayan aralýklarda alýndýûýndan blok bootstrap yšnteminin iki boyutu dikkate alacak ßekilde rezerv kestirimine uyarlanmasý gerekir.

4 48 Yerbilimleri Sondajlar genellikle dÿzensiz aralýklarda yapýldýûý i in, ekilecek bloklardaki veri sayýsý sabit olmayýp, bir bloktan diûerine deûißim gšsterecektir. Dikkate alýnmasý gereken diûer bir konu, bloklarýn ekilme ßeklidir. Bloklar, ayrýk ya da birbiri Ÿzerine akýßacak ßekilde ekilebilir. akýßmalý ekmenin ayrýk ekmeden daha iyi sonu lar verdiûi Hall (1985) ve Davison ve Hinkley (1997) tarafýndan gšsterilmißtir. Bu nedenle bu alýßmada deûißken uzunluklu ve akýßmalý blok ekme yšntemi kullanýlacaktýr. Bu yšntem, Politis ve Romano (1994) tarafýndan šnerilen blok bootstrap yšntemine benzerlik gšstermektedir. Þekil 1, šnerilen yšntemin bir maden yata- ÛÝndaki uygulamasýný gšstermektedir. Bloklar, maden yataûýnda rastgele konumlarda bulunmaktadýr. BloklarÝn boyutu ayný olmasýna karßýn, blok uzunluklarý (blok i ine dÿßen veri sayýsý) deûißmektedir. AyrÝca bloklar ayrýk konumda deûil, birbiri ŸstŸne akýßmaktadýr. Maden yata- ÛÝnda 45 adet cevher kesen sondaj vardýr. Blok bootstrap šrnekleminde yerine koymak suretiyle 11 adet blok ekilmißtir. Bu bloklar i inde toplam veri sayýsý 45Õ dir. DiÛer blok bootstrap šrneklemleri de benzer ßekilde olußturulur. BloklarÝ ekme ißlemi, bloklar i indeki toplam veri sayýsý mevcut veri sayýsýna eßit olduûunda býrakýlýr. SÜVAS-KANGAL (KALBUR AYIRI) LÜNYÜT SEKT R NDE RNEK BÜR UYGULAMA Kangal (Sivas) Kalbur ayýrý linyit sektšrÿnÿn tÿmsel rezervi daha šnce Tercan (1998) tarafýndan okgen yaklaßýmý ile kestirilmißtir. Yatak, iki adet kšmÿr damarý i ermekte olup, halen ißletilmektedir. Arama ve gelißtirme amacý ile sahada MTA, TKÜ ve Demir Export A.Þ. tarafýndan toplam 224 sondaj yapýlmýß, bu sondajlardan 170 tanesi kšmÿr kesmißtir (Þekil 2). st damara ilißkin kšmÿr kalýnlýûý, ÝsÝl deûer ve kÿl i eriûi bu alýßmada kullanýlan deûißkenlerdir. Blok bootstrap yšntemi, šnceden optimum bir blok uzunluûunun se imini gerektirir. Bu uzunluk, veriler arasýndaki uzaklýûa baûlý ilißkinin ve ayrýca veri sayýsýnýn bir fonksiyonudur. Verilerin ilißkili bulunduûu uzaklýk arttýk a blok uzunluûunu da arttýrmak gerekir. Optimum blok uzunlu- Ûunun belirlenmesi, yoûun araßtýrmalarýn yapýldýûý bir konudur ve henÿz herkesin benimsediûi bir yšntem gelißtirilememißtir. Bu alýßmada 5 farklý blok bÿyÿklÿûÿ (300 x 300m, 600 x 600m, 1200 x 1200m, 1800 x 1800m ve 2100 x 2100m) belirlenmißtir. 300 m blok bÿyÿklÿûÿ, sondajlar arasýndaki ortalama uzaklýûa karßýlýk gelmektedir. DiÛer blok bÿyÿklÿkleri keyfi olarak belirlenmißtir. Bu bÿyÿklÿkteki bloklar i in kšmÿr kalýnlýûý, ÝsÝl deûer ve kÿle ilißkin blok bootstrap šrneklemleri elde edilmißtir. Her bir šrneklem, incelenen deûißkene ilißkin veri sayýsý kadar ve- Þekil 1. Bir maden yataûýnýn blok bootstrap ile šrneklenmesi (Ò+Ó cevher kesen sondaj). Figure 1. Sampling of a mineral deposit by block bootstrap (Ò+Ó borehole intersecting the ore). Þekil 2. Kangal (Kalbur ayýrý) linyit sektšrÿ sondaj lokasyonlarý (Ò+Ó kšmÿr kesen sondaj, ÒoÓ kšmÿr kesmeyen sondaj). Figure 2. Borehole locations of the lignite deposit at Kangal (Kalbur ayýrý) (Ò+Ó borehole intersecting the lignite, ÒoÓ borehole which does not intesect the lignite).

5 Tercan 49 ri i ermektedir. rneûin; kalýnlýk i in bu deûer 170 iken, ÝsÝl deûerde 164 ve kÿlde ise 124Õ dÿr. Her bir durumda 1000 adet blok bootstrap šrneklemi ekilmiß ve bu šrneklemlerden ortalamalar hesaplanmýßtýr. IsÝl deûer ve kÿl gibi kalite deûißkenleri, deûißik uzunluktaki karotlar Ÿzerinde tanýmlandýûýndan hesaplamalarda doûrudan kullanýlmamýßtýr. Bunun yerine ÒkalÝnlÝk x ÝsÝl deûeró ve ÒkalÝnlÝk x kÿló gibi kalýnlýûý esas alan deûißkenler dikkate alýnmýßtýr. Bu durumda herhangi bir kalite deûißkeninin ortalamasý, kalýnlýûý esas alan kalite deûißkeninin ortalamasýnýn, ortalama kalýnlýûa bšlÿnmesiyle elde edilmißtir. KalÝnlÝk i in blok bÿyÿklÿûÿne baûlý olarak ortalama blok uzunluûu ve toplam blok sayýsýndaki deûißim, Þekil 3Õde gšsterilmißtir. Ortalama blok uzunluûu ve toplam blok sayýlarý diûer deûißkenler i in de belirlenmiß, ancak kalýnlýktan pek farklý bir davranýß sergilemedikleri i in Þekil 3Õ de verilmemißtir. Blok boyutunun artmasýyla toplam blok sayýsý azalýrken ortalama blok uzunluûu artmaktadýr. Üncelenen deûißkenlere ilißkin tÿmsel ortalama deûerler, mevcut verilerin ortalamalarýndan kestirilmißtir. Kestirilen ortalamalar kalýnlýk i in 7.05 Þekil 3. Blok bÿyÿklÿûÿ ile toplam blok sayýsý ve ortalama blok uzunluûu arasýndaki ilißki. Figure 3. Relationship between block size and the total number of blocks and average block length. m, ÝsÝl deûer i in 1306 kcal/kg ve kÿl i in % 21.12Õ dir. Bu deûerlerin ne kadar gÿvenilir oldu- Ûu sorusu, tÿmsel ortalamalarýn, blok bootstrap ile elde edilen šrneklem daûýlýmý incelenerek cevaplandýrýlabilir. Þekil 4, Ÿ deûißkenin her biri i in blok bootstrap ile tÿretilen birikimli daûýlým fonksiyonlarýný gšstermektedir. DaÛÝlÝm fonksiyonlarý, 5 farklý blok bÿyÿklÿûÿ i in hesaplanmýßtýr. Klasik bootstrap ile birikimli daûýlým fonksiyonlarý ayrýca kestirilmiß ve karßýlaßtýrma amacý ile Þekil 4Õ de gšsterilmißtir. Bu ßekilde Ò 0 Ó ile gšsterilen eûriler klasik bootstrap verilerine karßýlýk gelmektedir. Þekil 4, kalýnlýk ve ÝsÝl deûer deûißkenleri i in blok bÿyÿklÿûÿnÿn birikimli daûýlým fonksiyonlarý Ÿzerinde šnemli bir etkisinin olduûunu gšstermektedir. Bloklar bÿyÿdÿk e daûýlýmýn deûißkenliûi (varyansý) artmakta ve buna baûlý olarak birikimli daûýlým fonksiyonu daha yatýk bir ßekil almaktadýr. Bununla birlikte, kÿle ilißkin daûýlým fonksiyonu eûrileri, kalýnlýk ve ÝsÝl deûer kadar belirgin bir farklýlýk gšstermemektedir. Bunun nedeni, deûißkenlerin kýsa mesafede gšsterdiûi deûißkenlik derecesi ile ilißkilidir. KŸl kýsa mesafede ÝsÝl deûer ve kalýnlýûa gšre daha fazla de- Ûißim gšsterdiûinden, šrneklem daûýlýmlarý blok bÿyÿklÿûÿndeki artýßtan daha az etkilenmektedir. Tercan (1998), kýsa mesafedeki deûißkenli- Ûin bir šl ŸsŸ olarak nugget (kÿl e) varyansýnýn (C 0 ), sill deûerine (C 0 +C) olan oranýný dikkate almýß ve kalýnlýk, ÝsÝl deûer ve kÿl i in bu oranýn sýrasýyla 0.3, 0.32 ve 0.5 Ôe eßit olduûunu belirlemißtir. Verilerin tamamýyla baûýmsýz olmasý halinde, daûýlým fonksiyonlarýnýn blok bÿyÿklÿ- ÛŸndeki artýßtan hi bir ßekilde etkilenmemesi ve ayný kalmasý beklenirdi. Birikimli daûýlým fonksiyonu bilindiûinde, tÿmsel ortalamaya ilißkin %95 gÿven sýnýrlarý, fonksiyonun %2.5 ve %97.5Õnci deûerlerinden doûrudan elde edilebilir. Ancak, kestirimdeki hata ve ayrýca standard hatadaki deûißim dikkate alýnarak bu sýnýrlarýn dÿzeltilmesi gerekir. Bu ißleme ilißkin ayrýntýlar BC a ( dÿzeltilmiß ve hýzlandýrýlmýß hata) yaklaßýmý adý altýnda Efron ve Tibshirani (1993) tarafýndan verilmißtir. Her Ÿ deûißkenin tÿmsel ortalamalarýna ilißkin %95 gÿven sýnýrlarý, BC a yaklaßýmý altýnda birikimli daûýlým fonksiyonlarýndan 5 farklý blok bÿyÿklÿûÿ i in elde edilmißtir. Bu sýnýrlar, okgen yaklaßýmý ile hesaplanan sýnýrlarla birlikte izelge 3Õde gšsterilmißtir. okgen yaklaßýmý ile hesaplanan %95

6 50 Yerbilimleri izelge 3. TŸmsel ortalamalara ilißkin %95 gÿven sýnýrlarý. Table % confidence limits for global averages. Blok Boyutu KalÝnlÝk IsÝl DeÛer KŸl (m) (kcal/kg) (%) 0 x x x x x x 2100 okgen 6.50 (1) (2) (1) Alt sýnýr, (2) st sýnýr SONU LAR Þekil 4. Birikimli daûýlým fonksiyonlarý: a) kalýnlýk, b) ÝsÝl deûer ve c) kÿl. Figure 4. Cumulative distribution functions: a) thickness, b) calorific value and c) ash content. gÿven sýnýrlarý, Tercan (1998) tarafýndan yapýlan alýßmadan yÿzey kestirim hatasý ÝkarÝlarak alýnmýßtýr. Kangal (Kalbur ayýrý) linyit sektšrÿnde yapýlan alýßma, blok bootstrap yšnteminin tabakalý yataklara baßarýlý bir ßekilde uygulanabileceûini gšstermektedir. AyrÝca uzaklýûa baûlý ilißkinin yÿksek olduûu kalýnlýk ve ÝsÝl deûer deûißkenleri i in, blok bÿyÿklÿûÿ arttýk a aralýklarýn alt sýnýrý azalýp, Ÿst sýnýrý artmaktadýr. Blok bÿyÿklÿ- ÛŸ arttýk a aralýklarýn genißlemesi, šrneklem daûýlýmlarýn artan deûißkenliûi ile ilgilidir. Bununla birlikte, uzaklýûa baûlý ilißkinin gšrece daha dÿßÿk olduûu kÿl deûißkeni i in aralýklarýn alt ve Ÿst sýnýrý blok bÿyÿklÿûÿndeki artýßtan etkilenmemektedir. okgen yaklaßýmý, bootstrap yšntemlerinden daha kýsa aralýklar Ÿretmißtir. Bunun en šnemli nedeni, bu yšntemin veri de- Ûerlerine baûlý olmamasýdýr. AralÝklarÝn kestirim deûeri evresindeki simetrisi, okgen yaklaßýmý ile bootstrap yšntemlerini birbirinden ayýran di- Ûer šnemli bir šzelliktir. okgen yaklaßýmý, kestirim deûeri evresinde simetrik aralýklar Ÿretirken, bootstrap ile elde edilen aralýklar asimetriktir. Bununla birlikte, okgen yaklaßýmý ile elde edilen aralýklar, klasik bootstrap (blok boyutunun 0 olduûu) aralýklarýna yakýn ÝkmÝßtÝr. Her iki yšntemde, bir blok i inde ayný sayýda veri kullanýlmasý bunun en šnemli nedenidir. Gerekten, okgen yaklaßýmýnda okgen (blok) ortalamasý, blok i indeki tek bir veriden hesaplanmakta benzer ßekilde klasik bootstrapta bir blok

7 Tercan 51 i inde yalnýzca bir veri ekilmektedir. Optimum blok bÿyÿklÿûÿnÿn se imi, blok bootstrap yšnteminin henÿz šzÿlmemiß bir problemidir. VariogramÝn yapýsal uzaklýk parametresi burada dikkate alýnmasý gereken bir faktšrdÿr. ŸnkŸ yapýsal uzaklýk, šrneklerin birbiri ile (uzaklýûa baûlý) ilißki i inde olduûu en bÿyÿk uzaklýûý verir. Bu nedenle, yapýsal uzaklýk uygun bir blok boyutu olarak alýnabilir. Ancak bu se imin optimum olup olmadýûý araßtýrýlmalýdýr. Kalbur ayýrý linyit sahasýnda yapýsal uzaklýk 1100 m civarýndadýr. DiÛer šnemli bir yaklaßým, verileri šnce ilißkisiz hale getirip daha sonra dšnÿßtÿrÿlmÿß veriler Ÿzerinde bootstrap yšnteminin uygulanmasýdýr. KATKI BELÜRTME Yazar, yapýcý eleßtirilerinden dolayý hakemlere ve editšre teßekkÿr eder. Bu alýßma, Hacettepe niversitesi AraßtÝrma Fonu no.lu proje kapsamýnda desteklenmißtir. KAYNAKLAR Adisoma, G.S., and Hester, M.G., Grade estimation and its precision in mineral resources: the jackknife approach. Mining Engineering, 10 (2), Buxton, B.E., An application of the construction of confidence intervals for global reserve estimates. Geostatistics, 2, Crozel, D., and David, M., Global estimation variance: formulas and calculations. Mathematical Geology, 17 (8), Davison, A.C., and Hinkley, D.V., Bootstrap Methods and Their Application. Cambridge University Press, 582 pp. Efron, B., Bootstrap methods: another look at the jackknife. The Annals of Statistics, 7, Efron, B., and Tibshirani, R.J., An Introduction to Bootstrap. Chapmann & Hall, New York, 436 pp. Hall, P., Resampling a coverage pattern. Stochastic Processes and Their Applications, 20, Isaaks, E.H., and Srivastava, R.M., An Introduction to Applied Geostatistics. Oxford University Press, New York, 561 pp. Journel, A.G., and Huijbregts, C.J., Mining Geostatistics. Academic Press, New York, 600 pp. Lahiri, S.N., Theoretical comparisons of block bootstrap methods. The Annals of Statistics, 27 (1), Politis, D., and Romano, J.P., The stationary bootstrap. Journal of American Statistical Association, 89, Tercan, A.E., KšmŸr yataklarý rezervinin jeoistatistiksel yšntemle global kestirimi. Madencilik, 37 (1), Tercan, A.E. ve Sara, C., Maden YataklarÝnÝn DeÛerlendirilmesinde Jeoistatistiksel Yšntemler. Jeoloji MŸhendisleri OdasÝ YayÝnlarÝ:48, 137 s. Tukey, J.W., Bias and confidence in not Ðquite large samples, abstract. Annals of Mathematical Statistics, 29, 614.