Nos trabalhos de estimativa de reservas de petróleo, geralmente, assume-se que a variável aleatória porosidade do reservatório se distribui de acordo com o modelo Gaussiano. Desse modo, assume-se que o valor esperado da distribuição pode ser estimado por meio da média aritmética dos valores de porosidade obtidos a partir de análises de perfilagens e plugs em nível de poço. Isso implica que a distribuição Gaussiana é a melhor escolha para a modelagem dos dados dessa variável, mas nem sempre essa premissa é verdadeira. Nesse trabalho, ao se utilizarem dados reais de porosidade de uma camada de rocha reservatório do poço 3-NA-002-RJS da bacia de Campos, mostra-se que a distribuição logística é a que melhor se ajusta aos dados amostrais. Em tais casos, como ilustra a análise numérica, pode-se cometer erros significativos ao selecionar a média aritmética amostral como sendo o estimador da média populacional. Os resultados apontam que o uso inadequado do tipo de distribuição pode gerar impactos significativos nas estimativas das reservas recuperáveis, observando-se que a média aritmética tende a subestimar o P90 e a superavaliar o P10.

In many papers dealing with estimation of oil reserves, engineers usually assume that well porosity can be modeled as a Gaussian distribution, that is, under this assumption the expected value of porosity can be estimated from the average porosity values from well log and petrophysical data. But, other distributions can be used to model local porosity when Gaussian distribution cannot fit sample data. In this paper, using actual porosity data of a 3-NA-002-RJS well from the Campos Basin, it is shown that for a selected interval, the logistic distribution fits the data better than other distributions and its expected value should be used to estimate the well porosities of the entire population. In such cases, as numerical analysis shows, using arithmetic mean instead of expected value may give rise to errors. The data shows that using an average as porosity estimator will overestimate the P90 and underestimate the P10 estimates.

A volatilidade dos projetos de bens minerais depende do seu fluxo de caixa futuro e, por isso, deve ser estimada usando-se as suas características econômico-financeiras e operacionais intrínsecas, ao invés de séries históricas. Em muitos casos, por inexistência de informações sobre o futuro do projeto, assume-se que a sua volatilidade seja igual à dos preços dos bens minerais (preço do ouro, petróleo, etc). Mas essa abordagem pode fornecer resultados incorretos. Para contornar essas limitações, esse trabalho estima a volatilidade de projetos de mineração e petróleo com base nas projeções de seu fluxo de caixa, considerando-se que o preço do bem mineral seja uma variável incerta e se comporte, ao longo do tempo segundo dois processos estocásticos: 1) movimento geométrico Browniano e 2) movimento de reversão à média. Um dos principais resultados desse modelo é que a volatilidade do projeto é igual à do preço, somente no caso de projetos com baixos custos operacionais e/ou preços elevados.

Projecting the volatility of a mineral asset depends on its future cash-flow, and as such, should be estimated using its intrinsic economical-financial and operational characteristics instead of its past history. Because of lack of information, in many cases, it is assumed that the project and commodity (oil, gold, as well as other commodity minerals) share the same volatility. Nevertheless, this approach may give misleading results. This paper proposes a framework to estimate the volatility of oil and gold considering that commodity price evolves over time following a Geometric Brownian Motion Model or Mean-Reversion Motion Model. Main results indicate that project volatility is equal to that of its commodity only in very special cases, i.e., low operational costs and high prices, which is currently unrealistic for most industries.