Este trabalho discute o impacto de métodos de amostragem na reprodução da textura geológica (pelo histograma e variograma) com base em três diferentes distribuições estatísticas, quais sejam: distribuições assimétricas, positiva e negativa, e distribuição simétrica. Os três métodos de amostragem testados foram: aleatória simples, aleatória estratificada e sistemática. Utilizou-se a simulação estocástica geoestatística para gerar os três modelos de distribuição. Uma única realização, de cada modelo de distribuição, foi escolhida, ao acaso, para ser a base de dados de referência. Os modelos de distribuição simulam distribuições de teores de ouro (lognormal). 'P IND.2''O IND.5' (simétrica) e Fe (distribuição assimétrica negativa). Estas bases de dados foram amostradas, gerando amostras de diferentes tamanhos. Foram realizadas a análise estatística e geoestatística e a análise de superfícies de tendência, para todas as amostras. Os resultados, da análise geoestatística, permitiram o cálculo dos recursos geológicos, por meio da krigagem ordinária. Os resultados foram cruzados com os dados de referência e, por meio desta comparação, concluiu-se que a amostragem aleatória estratificada gerou resultados melhores que os outros dois métodos. A amostragem aleatória simples e a amostragem aleatória estratificada foram métodos que apresentaram resultados muito próximos, mas a amostragem aleatória estratificada foi ligeiramente superior na reprodução da textura geológica, que pode ser considerada como a pedra fundamental em uma avaliação segura de recursos minerais. A amostragem sistemática poderia ser o melhor método se não apresentasse um revés. Um número muito grande de unidades amostrais precisa ser coletado para que a abertura da malha regular seja inferior à amplitude do modelo de variograma subjacente.

This work discusses the impact of sampling methods for reproduction of the geological texture (by histogram and variogram). This study was based on three different statistical distributions: positively and negatively skewed distributions and symmetric distribution. The three sampling methods that were tested were: simple random sampling, stratified random sampling and systematic sampling. Stochastic simulation was used to generate these three distribution models. One single simulation, of each distribution model, was randomly chosen to be the reference data set. The distribution models simulate grade distributions of gold (lognormal distribution), 'P IND. 2' 'O IND. 5' (symmetrical) and Fe (negatively skewed distribution). These data sets were sampled drawing samples of different sizes. Statistical and geostatistical analysis and trend surfaces analysis were done for all samples. Results of geostatistical analysis allowed a geological resource computation through ordinary kriging. The results were then checked with the reference data sets, and from this comparison it was concluded that stratified random sampling leads to better results than the other two sampling methods. Simple random sampling and stratified random sampling are considered methods where the results are close together, but stratified random sampling is slightly better for reproducing the geological texture, which can be considered the cornerstone of a reliable mineral resource evaluation. Systematic sampling would be the best method if it did not have a drawback. A very large number of sample units need to be drawn in order to produce a grid spacing less than the range of the underlying variogram model.