Professional Documents
Culture Documents
~~ NACIONAL
DE COLOMBIA
"~~=~ S E D E
P A L M 1R A
FACULTAD DE INGENIERA
Y ADMINISTRACIN
CALI, JULIO DE
2007
SPSS
A
Diana y David, mis hijos
A
Diana y David, mis hijos
Agradecimientos
La autora expresa sus ms sinceros agradecimientos a las diversas personas e
instituciones que han colaborado en la elaboracin de este libro, entre las que se
destacan las siguientes:
Instituciones
Instituto Cinara de la Universidad del Valle. Santiago de Cali
Departamento Administrativo de Gestin del Medio Ambiente de Cali-DAGMA.
Corporacin Autnoma Regional del Valle del Cauca-CVC.
Universidad Nacional de Colombia - Sede Palmira
Agradecimientos
La autora expresa sus ms sinceros agradecimientos a las diversas personas e
instituciones que han colaborado en la elaboracin de este libro, entre las que se
destacan las siguientes:
Instituciones
Instituto Cinara de la Universidad del Valle. Santiago de Cali
Departamento Administrativo de Gestin del Medio Ambiente de Cali-DAGMA.
Corporacin Autnoma Regional del Valle del Cauca-CVC.
Universidad Nacional de Colombia - Sede Palmira
Contenido
Pg.
Introduccin ....................................................................................................
Captulo 1
Fundamentos de los mtodos estadsticos
1.1
1.2
1.3
1.4
1.5
1.6
1. 7
4
5
8
9
11
13
14
14
15
17
17
18
20
Captulo 2
Medidas descriptivas
2.1
2.2
SPSS
23
24
36
38
41
41
42
44
46
48
IX
Captulo 3
Distribucin de frecuencias
3.1
3.2.
53
54
61
89
89
93
Captulo 4
Medidas y grficas de posicin
4.1
4.2
4.3
4.4
4.5
Cuartiles................................................................................................
Deciles ..................................................................................................
Percentiles.............................................................................................
Medidas de dispersin para indicadores de posicin............................
Representacin grfica de las medidas de posicin ..............................
4.5.1 Diagramas de cajas y alambres ..................................................
4.5.2 Diagrama de tallos y hojas .........................................................
98
103
106
11 O
11 O
110
120
Captulo 5
Modelos de regresin
5.1
5.2
5.3
5.4
5.5
5.6
127
131
132
136
147
155
Captulo 6
Planeacin estadstica en un proyecto de investigacin
6.1
6.2
6.3
6.4
6.5
159
159
161
162
164
SPss
6.6
6.7
165
167
Captulo 7
Evaluacin de sistemas para tratamiento de agua potable
7.1
7.2
7.3
7.4
7.5
7.6
7.7
7.8
171
173
180
182
185
186
190
193
Captulo 8
Calidad de aire
8.l
8.2
8.3
8.4
8.5
8.6
204
211
214
217
220
224
Captulo 9
Calidad de agua en una fuente superficial
9.l
9.2
9.3
9.4
9.5
9.6
237
239
245
248
251
252
Captulo 10
Instrucciones en SPSS
10.1 Ingresando los datos a SPSS ..................................................................
10.2 Importando archivos de Excel ....................... ................................. ....... .
10.3 Estadsticas descriptivas................................................... ... ..... ...............
257
259
263
XI
10.4 Histograma .... ... ..... ............ .............. ....... ..... ........ ... .......... .. ..... .. .... ..........
10.5 Grfico de frecuencias acumuladas.........................................................
10.6 Grficos en tres dimensiones ...... ....... ............................................ .. .......
10.7 Grficos de barras en tres dimensiones ...................................................
10.8 Grfico de tallos y hojas. ............................ .... ................................. ..... ...
10.9 Grfico de cajas y alambres .......................................................... ..........
10.10 Percentiles....................................... ......................... ............ .... .............
10.11 Tablas cruzadas o distribucin de frecuencias con dos variables..........
268
270
271
273
274
276
277
280
Captulo 11
Grficas en Excel
11.1 Grfico para la media, desviacin estndar y el mximo.... ........ ......... ...
11.2 Grfico para media, mximo y mnimo .... .... ....... .... ... .......... .. ......... ...... .
11.3 Grfico de series de tiempo ............................................................... ......
283
288
291
XII
SPSS
Introduccin
SPss
CAPTULO
1
Fundamentos
de los mtodos estadsticos
SPSS
CAPTULO
1-
Muestreo probabilstico
MlIestra representativa
XIV'
X/ .
Xl'"
X4
X k +/
XJ
Xk+1" ....... X n
Teora de probabilidad
SPSS
SPSS
CAPTULO
PREGUNTAS DE
INVESTIGACIN
Definir:
Antecedentes
Justificacin
Preguntas a
resolver
1-
OBJETIVOS
Definir:
Objetivo general
Objetivos
especficos
HIPTESIS
Definir los posibles resultados de las preguntas de investigacin.
t
NUEVAS
PREGUNTAS DE
INVESTIGACIN
t
CONCLUSIONES y
RECOMENDACIONES
Generar en relacin con las
preguntas de investigacin
y anlisis de datos.
MARCO TERICO
Describir teoras y conceptos aplicados en la investigacin .
PROCESAMIENTO Y
ANLISIS DE DATOS
Aplicar:
Instrumentos de
recoleccin de datos.
Sistemas de informacin.
Teora de muestreo.
Estadstica descriptiva.
Inferencia estadstica.
Modelos matemticos.
.......
t
~
METODOLOGA
Describir el diseo experimental, materiales y
mtodos para desarrollar
los objetivos de la investigacin.
SPss
SPSS
CAPiTULO
1-
Definicin de
tcnicas de
recoleccin de
datos
Procesamiento y
anlisis de datos con
mtodos estadsticos
y matemticos
Aplicacin de
tcnicas de
recoleccin de
datos
+
DATOS
Organizacin y
digitalizacin en
bases de datos
y sistemas de
infonnacin
INFORMACIN
Teoras y conceptos
del fenmeno de
estudio
SPss
Improvisacin
Instrumentos de medicin utilizados en diferentes contextos y sin adaptacin
Falta de validacin de los instrumentos de medicin
Instrumentos inadecuados para las variables seleccionadas
Condiciones inadecuadas en las que se aplica el instrumento
Capacitacin deficiente al personal de apoyo
Instrucciones deficientes
Fuentes de error. Algunas fuentes de error en las mediciones son: error aleatorio,
error sistemtico, normalidad y anormalidad.
Error aleatorio. Es el producido por el sistema de mediciones, es un error constante
que est presente en cada una de las mediciones que se efectan. Su valor no afecta
10
CAPTULO
1-
Normalidad y anormalidad. Se dice que los datos son normales si el patrn sigue
la forma de una curva normal o en forma de campana, en caso contrario se habla de
datos con anormalidad. En el caso de datos normales, se pueden estimar intervalos
de confianza alrededor de indicadores estadsticos de inters; en caso de anormalidad
se pueden estimar niveles percentiles, que pueden estar alrededor del 95% y 97,5%,
que depende del estudio que se est realizando.
Poblacin. Se define de acuerdo con los objetivos del estudio, y est determinada
por condiciones ambientales, de tiempo y espacio, entre otras. La poblacin se define
como la totalidad de los elementos o individuos que tienen caractersticas similares y
sobre los cuales se desean realizar inferencias o generalizaciones. Se deben definir
claramente quines y qu caractersticas deben tener los objetos o sujetos del estudio,
es decir, la poblacin.
11
12
SPSS
Estadistica descriptiva o
estadlstica deductiva
Inferencia estadlstica o
estadlstica Inductiva
Univariada o
multivariada
Unlvariada o
multivariada
1
(
TEoRA DE LA PROBABILIDAD
Intervalos de confianza.
Pruebas de hiptesis.
Modelos de regresin.
Modelos de diseo de experimentos.
Modelos de series de tiempo.
Anlisis multivariado.
Geoestadstica.
Meta-anlisis.
SPSS
13
1.7.1
14
SPSS
CAPITULO
1-
( CLASlFICACIN DE VARIABLES)
CUALITATIVAS
CUANTITATIVAS
Escala de medicin
INTERVALO
RAZN
1.7.2
Variables cuantitativas
15
Variables discretas, los valores de estas variables son enumerables y toman slo
valores enteros. Ejemplos: nmero de hijos, nmero de carros, nmero de personas,
nmero de productos y nmero de pacientes atendidos, entre otras. La escala de
medicin es de intervalo.
Variables continuas, son aquellas que pueden tomar infinitos valores dentro
de un intervalo dado. Los valores de estas variables estn relacionados con los
nmeros reales. Ejemplos: peso, estatura, salario y temperatura, entre otros.
Las variables continuas presentan dos escalas de medicin: de intervalo y de
razn.
16
CAPfTUlO
1.7.3
Otras clasificaciones
Variables dependientes (1'): Reciben este nombre las variables a explicar, o sea, el
objeto de una investigacin que se trata de explicar en funcin de otros elementos.
Variables independientes (X): Son las variables explicativas, es decir, los factores o
elementos susceptibles de explicar las variables dependientes (Y); en una investigacin
de tipo experimental son las variables que se manipulan.
Variables intermedias o intervinientes: En algunos casos de anlisis de relacin
causa-efecto, se introducen una o ms variables de enlace interpretativo entre las
variables dependientes e independientes.
Variables explicatorias: Son las propiedades que interesan directamente al
investigador en trminos de su modelo.
Variables externas: Son las que estn fuera del inters terico inmediato y pueden
afectar los resultados de la investigacin emprica.
La clasificacin de las variables depende de cada investigacin en particular.
SPSS
17
los supuestos estadsticos requeridos para las diferentes pruebas, se utilizan los
mtodos no paramtricos.
Los mtodos utilizados para las variables de tipo cuantitativo (intervalo o razn)
son los mtodos paramtricos, los cuales presentan buenos niveles de confiabilidad
en la prediccin. En las escalas cualitativas (nominales u ordinales) se utilizan los
mtodos estadsticos no paramtricos, que no son tan precisos en su prediccin. En
la Tabla 1.1 se presentan las principales caractersticas de los mtodos paramtricos
y no paramtricos.
Tabla 1.1
Mtodos paramtricos
Mtodos no paramtricos
Se requieren conocimientos de teora de Se requieren conocimientos elementales
la probabilidad, pruebas de hiptesis y
a nivel matemtico. Son fciles de usar y
funciones de distribucin, entre otros.
entender.
Se deben cumplir varios supuestos sobre los Se tienen pocos supuestos, los datos puedatos de la poblacin: distribucin normal,
den o no tener distribucin, es decir, libre
varianzas iguales, entre otros.
distribucin.
Las variables deben ser cuantitativas, Se pueden utilizar con variables de tipo
con escala de medicin de intervalo o de
cualitativo con escalas de medicin ordinal
razn.
o nominal. Tambin se pueden utilizar en
variables cuantitativas.
Se pueden realizar anlisis multivariados.
18
SPSS
Tabla 1.2
Tipo de variable
nominal
Cualitativa
ordinal
discreta
Cuantitativa
continua
Estadistica
descriptiva
M6todo a utilizar
Estadistica inferencial
paramtrica
Estadistica infarancial
no param6trica
Anlisis de
Tabulacin cruzacorrespondencias.
da: Chi-cuadrado,
Anlisis de correlacin
Mcnemar, Cochran,
cannica no lineal.
moda
Coeficiente
de continfrecuencias
Anlisis de
gencia, Phi, Cramer's
homogeneidad.
V, Lambda
Modelos de regresin de
Rachas.
eleccin discreta.
Anlisis de
correspondencias.
Tabulacin cruzada:
Anlisis de correlacin Chi-cuadrado,
Gamma,
cannica no lineal.
Somer's
d,
Kendall's,
Anlisis de
Taub, Kendall's tauc.
moda
homogeneidad.
Kruskal-Wallis.
frecuencias Anlisis de componentes Prueba
de la mediana.
mediana
principales
Friedman.
categrico.
Mann-Whitney.
Regresin categrica.
Wilcoxon.
Modelos de regresin de
Rachas.
eleccin discretaordenados.
Anlisis de
correspondencias.
Tabulacin cruzada:
Anlisis de correlacin Chi-cuadrado,
Gamma,
cannica no lineal.
Somer's
d,
Kendall's,
Anlisis de
Tau-b, Kendall's tau-c.
homogeneidad.
moda
Kruskal-Wallis.
frecuencias Anlisis de componentes Prueba
de la mediana.
mediana
principales
Friedman.
categrico.
Mann-Whitney.
Regresin categrica.
Wilcoxon.
Modelos de regresin de
Rachas.
eleccin discretaordenados.
Todas
Kruskal-Wallis.
Prueba de la mediana.
Mann-Whitney.
Wilcoxon.
Signo.
Rachas.
Chi-cuadrado.
19
El sistema. Definicin del sistema y los diversos componentes del sistema, de acuerdo
con el problema, su delimitacin, los diversos componentes y sus relaciones.
Justificacin. Se debe definir el porqu y el para qu de la investigacin y del
estudio del sistema, aclarando los elementos tericos sobre el problema y sus
fuentes, realizando una revisin del estado del arte. Se deben definir el tipo
de parmetros, variables y supuestos sobre sus relaciones; de causalidad o de
correlacin. As mismo, se deben definir variables de respuesta, variables de estado,
variables endgenas y/o exgenas y la caracterizacin de informacin disponible,
en inventario y tamao.
Definicin de objetivos e hiptesis
Se deben plantear los objetivos e hiptesis generales en relacin con el problema
objeto de la investigacin. Las hiptesis deben basarse principalmente en la
naturaleza misma del fenmeno o sistema, apoyadas en teoras, experiencias y
criterios de personas que conozcan la problemtica estudiada. Se deben definir
alternativas de modelos y su aplicacin.
Marco terico
De acuerdo con las hiptesis, se deben exponer los elementos tericos fundamentales
de la investigacin y de carcter estadstico que permitirn la construccin, el
desarrollo y aplicacin de los modelos estadsticos.
20
CAPrTULO
1-
SPSS
21
CAPrTULO
1-
SPSS
21
CAPTULO
2
Medidas descriptivas
23
armnica
cuadrtica
rango medio
ponderada
Mediana
Moda
2.1.1
Media
2.1.1.1
Meda aritmtica
O O O!
n
X
. (se lee
_~Xi LX
---=--
. (2.1)
"X barra" o "X trazo ''): media de un conjunto de datos provenientes de una muestra
I :(es la letra griega mayscula sigma): signo de suma/aria (se lee "suma de'')
Cuando los datos representan el total de la poblacin, la notacin de la media es
diferente de la media de los datos muestrales.
24
SPSS
CAPITULO
2-
MEDIDAS DESCRIPTIVAS
Si XI' X]' X J,............, X N _ l ' X N representan los valores de una variable en una
poblacin, entonces la media aritmtica se calcula por medio de la ecuacin 2.2.
N
p=
XI+X]+XJ+'" +XN
N
,..LIx
~X
~
=--=-N
N
(2.2)
f.l
: (es la letra griega minscula mu): media de un conj unto de datos p rovenientes de una poblacin
N : nmero de datos de una poblacin
SPSS
25
Tabla 2.1
Ventajas
Limitaciones
X;
Datos primer muestreo: 5; 4; 5; 4; 8; 10,' 9 (UNT) -+ X = ~ = 6,4 (UNT)
7
8
X;
Con una muestra adicional: 12 (UNT)
-+
8
9
X;
Con otra muestra adicional: 150 (UNT)
-+
X=~= 23(UNT)
9
10
x;
Con otra muestra adicional: 320 (UNT)
-+
26
SPss
CAPfTULO
2-
MEDIDAS DESCRIPTIVAS
e = ne
;=/
n
eX;=eX;
;=/
;=/
11
X=nX
;=/
n
(aX;bYj=aX;bY;
;=/
;= /
;=/
"x.
"
11
- . /
X=~X.=nX
n
2.1.1.3
;=/
Propiedades de la media
(X-X)= 0
(2.3)
;=/
27
= 1
= 1
=1
(X-xy
es mnima.
Si cada uno de los datos de una variable toma valores constantes (k) , la media
ser igual al valor de la constante. En trminos algebraicos:
28
SPSS
CAPiTULO
2 - MEDIDAS
DESCRIPTIVAS
Media geomtrica
Esta es una medida de centralidad que se utiliza generalmente cuando los valores
dependen del tiempo; varan de manera no lineal o cuando existe un alto grado de
heterogeneidad en el conjunto de datos.
_1
- -log ( XI' Xl' XII)
n
_1
+ log XII)
Llog(X/)
/
.
:
l og X g= . .---=1'---_ _
(2.5)
n
Entonces para hallar la media geomtrica se aplica la foncin exponencial en
base 10, a ambos lados de la igualdad, generando:
SPSS
29
Il g
(2.6)
Tabla 2.2
Ventajas
Limitaciones
30
SPSS
CAPTULO
2-
MEDIDAS DESCRIPTIVAS
x =~x.x"x
5; 4; 5; 4; 8; 10; 9 (UNT)
= 6 (UNT'/
Xg = ~ XI
-+
Xl Xa
6,6 (UNT)
~ = ~ Xl Xl X 9 = 9,3 (UNT)
-+
-+
Xg
~ol
La media geomtrica para los datos del primer muestreo es 6 UNTya medida que
se incorporan datos extremos la media geomtrica se incrementa levemente en
comparacin con la alteracin que presentan las medias aritmticas calculadas
en el ejemplo 2.1 .
El valor de la media geomtrica es considerablemente menos afectado por valores
extremos en comparacin con los valores de la media aritmtica, generando una
medida ms cercana a la centralidad del conjunto de datos cuando el conjunto
de datos es heterogneo.
2.1.1.5
Media armnica
n
1
IX
11
=I
(2.7)
Siempre que X :; O
31
N
1
#"=7f~)
L...x.
;=1
t
Siempre que X
Ix.
;-1
(2.8)
'* O
X" :5 X g :5 X
5; 4; 5; 4; 8; 10; 9 (UNT)
-+
x=
"
7
1
I-
5,7 (UNT)
/_/ X
-+
X=
"
8
1
I-
6,1 (UNT)
~/ X
-+
X=
h
9
9
I-
6,8 (UNT)
_/ Xi
32
SPSS
CAPfTULO
2-
MEDIDAS DESCRIPTIVAS
7,5 (UNT)
320 (UNT)
Media cuadrtica
Es otra medida de tendencia central, que consiste en elevar al cuadrado los valores y
generar la raz cuadrada de la media aritmtica de estos nuevos valores, es poco afectada
por valores extremos, pero presenta pocas ventajas algebraicas y de distribucin.
-2
X=
r;Zx/
n
(2.10)
p.
~~X/
N
(2.11)
SPSS
33
5; 4; 5; 4; 8; 10; 9 (UNT)
-+
12 (UNT)
-+
~
X/
[f;
X/
X2 =
;=17
= 6,8 (UNT)
;=18
7,7 (UNT)
150 (UNT)
-+
~
X/
~
X/
X =
2
;=19
= 50,5 (UNT)
320 (UNT)
-+
= 112 (UNT)
10
El valor de la media cuadrtica para turbiedad en el primer muestreo es 6,8
UNT, pero a medida que se adicionan valores extremos el valor de la media
cuadrtica aumenta significativamente.
X2
;=1
El rango medio se define como la media aritmtica del valor mximo y el valor
mnimo de un conjunto de datos y se calcula como se presenta en la ecuacin
2.12.
X mn +Xmx
(2.12)
RM = ~~--.:.=2
Donde X mn es el valor mnimo y X mx es el valor mximo del conjunto de
datos.
34
SPSS
CAPfTULO
2-
MEDIDAS DESCRIPTIVAS
5; 4; 5; 4; 8; 10; 9 (UNT)
RM=
X min +Xm6x
= 7 (UNT)
RM=
RM=
RM=
X min + X m6x
=8 (UNT)
X mn +Xm6x
= 77 (UNT)
X min +Xm6x
=162 (UNT)
Media ponderada
(2.13)
SPSS
35
Mes 1
Mes 2
Mes 3
Mes 4
9,8
13
11,4
18
7,5
10,5
15
20
Xp
13 + 18 + 20 + 15
X p = 9,7 mg/l
2.1.2 A4ediana
Es la segunda medida ms utilizada despus de la media aritmtica para estimar
el centro de un conjunto de datos. Para hallar la mediana de un conjunto de datos
estos deben ser inicialmente puestos en orden de magnitud, de manera creciente o
decreciente. La mediana es el elemento central del conjunto de datos, es una medida
de posicin; hay el mismo nmero de observaciones a la derecha y a la izquierda
del valor de la mediana.
La mediana divide la distribucin de los datos en el punto medio; el 50% de los datos
est por encima de la mediana y el otro 50% est por debajo de la mediana, es decir,
es el valor que divide el conjunto de datos en dos grupos iguales.
X n+l
si n es impar
Me =ixn+xn
2
- +1
2
36
(2.14)
si n es par
CAPITULO
2-
MEDIDAS DESCRIPTIVAS
si N es impar
(2.15)
M=
e
XN+XN
-+1
2
si N espar
Ventajas
Limitaciones
SPSS
37
5; 4; 5; 4; 8; 10; 9 (UNT)
-+
-+
M=
e
Xi +
'"
X~
+ /=
X 4 : X s = 6,5 (UNT)
-+
Me
= X 9 +/
=Xs = 8 (UNT)
-+
X IO + X/o
Me
-+/
2
X s + X6
= 8,5 (UNT)
2.1.3
Moda
38
CAPrTULO
Tabla 2.4
2-
MEDIDAS DESCRIPTIVAS
Limitaciones
5; 4; 5; 4; 8; 10; 9 (UNT)
-+
Mol
= 4 (UNT) Y
Mol
= 5 (UNT)
-+
Mol
= 4 (UNT) y
Mol
= 5 (UNT)
-+
MOl
= 4 (UNT) y
Mol
= 5 (UNT)
-+
Mol
= 4 (UNT) y
Mol
= 5 (UNT)
Los datos del primer muestreo presentan dos modas, es decir, es un conjunto de
datos bimodal; los valores que mayor frecuencia presentan en turbiedad son 4
UNT y 5 UNT A medida que se incorporan datos extremos al conjunto de datos
las modas se mantienen constantes, en este caso especfico.
Si se obtienen diferentes muestras de una poblacin en forma aleatoria, la media
varia en cada una de ellas, lo mismo sucede con la mediana y la moda. Sin embargo,
la media vara menos que la mediana y la moda, lo cual es muy importante en la
estadstica inferencial y es una de las principales razones del uso de la media en
SPSS
39
esta rama de la estadstica. Una media muestral con seguridad est ms cerca de la
media poblacional que la mediana o la moda de la muestra.
La media, la mediana y la moda proporcionan una parte de la descripcin del conjunto
de datos. Sin embargo, es necesario definir indicadores que permitan estimar el grado
de variacin o dispersin de los datos con relacin a las medidas de tendencia central
y del conjunto de datos en general. Estas medidas por s solas no son suficientes
para analizar y tomar decisiones en relacin con un fenmeno en estudio, como se
ilustra en el siguiente ejemplo.
Ejemplo 2.9 Se evala el efluente de dos reactores en paralelo para tratamiento
de agua potable, en la variable color real medida en Unidades de Platino Cobalto
(UPC), generando las siguientes medias:
Reactor 1:
Xl =10 UPC
Reactor 2:
Xl =10UPC
Como se puede apreciar, los datos arrojados por los dos reactores en color real
difieren significativamente, factor que no se puede evidenciar slo a travs del
valor de la media. Por lo tanto, a pesar de ser la media una de las medidas ms
utilizadas para resumir y analizar un conjunto de datos, es necesario acompaar
esta medida con otras medidas de centralidad y dispersin, las cuales permitan
estimar el grado de variacin del conjunto de datos.
40
SPSS
CAPiTULO
Tabla 2.5
2-
MEDIDAS DESCRIPTIVAS
Reactor 2
Media
10
10
Mediana
10
Media geomtrica
9,9
2
3,2
Moda
10
2.2.1 Rango
Es la diferencia entre el valor mximo y el valor mnimo del conjunto de datos.
Mide la longitud en la cual se encuentran los datos, en general a mayor longitud
mayor dispersin de los datos; sin embargo, es necesario analizar la variable y las
unidades en las cuales se est midiendo, con el fin de hacer un anlisis adecuado de
esta medida de dispersin.
SPSS
41
Tabla 2.6
Ventajas
Limitaciones
5; 4; 5; 4; 8; 10; 9 (UNT)
Con un dato adicional:
12 (UNT)
-+ R = X mx - X min = 6 (UNT)
-+ R =Xmx-Xmn = 8 (UNT)
-+ R =Xmx-Xmln = 146 (UNT)
-+ R =Xmx-Xmn = 316 (UNT)
2.2.2
Desviacin media
42
SPSS
CAPfTULO
2-
MEDIDAS DESCRIPTIVAS
Si Xl' Xl' X 3 , ............ , X,, _I' X" representan los valores de una variable en
una muestra, entonces la desviacin media se calcula por medio de la ecuacin
2.17.
dm
"
Ix;-xl
(2.17)
=.:..;=.-:1'----_ _
n
Si los datos son el total de la poblacin, la notacin de la desviacin media se presenta
a continuacin:
IX;-pl
(2.18)
DM = .:. ;=.-:1'-----N
5; 4; 5; 4; 8; 10; 9 (UNT)
-+
lx;-xl
dm=
;= I
=2,2 (UNT)
12 (UNT)-+
lx;-xl
;=/
dm=
=2,6 (UNT)
-+
1x;-xl
dm=
;= /
=28,2 (UNT)
10
Ix;-xl
dm=
;=1
10
= 72,9 (UNT)
La desviacin media para el primer conjunto de datos toma el valor de 2,2 UNT,
que indica el nivel de dispersin de los datos con relacin al valor medio, que es
6,4 UNT Cuando se introducen datos extremos al muestreo, la desviacin media
aumenta evidenciando el grado de dispersin del conjunto de datos.
SPSS
43
2.2.3
Varianza
S2
n-l
n-l
(2.19)
(J
0":
44
~ (x- f.l/
N
+ (XN- f.l/
N
(2.20)
SPSS
CAPITULO
2-
MEDIDAS DESCRIPTIVAS
limitaciones
Ventajas
Es de las medidas de variacin, la ms utili Las unidades de esta medida son las uni
dades de la variable al cuadrado.
zada.
No es fcil su interpretacin debido a sus
unidades.
Se pueden realizar clculos algebraicos.
Se debe acompaar de otras medidas de
Se incluyen todos los datos en su clculo.
dispersin para su anlisis.
Ejemplo 2.12 Considerando la situacin del ejemplo 2.1 se puede calcular el
valor de la varianza:
Datos del primer muestreo:
7
5; 4; 5; 4; 8; 10; 9 (UNT)
(Xi-Xl
S=
;gl
7-1
= 6,3 (UNTl
12 (UNT)
(X/-Xl
= 9,3 (UNTl
S=
;~1
s=
(X-Xl
8-1
150 (UNT)
1_ _ __
c...;--0
9-1
2276,3 (UNTl
10
320 (UNT)
(X;-Xl
S =
;-1
10-1
= 10844,3 (UNTl
Como se puede apreciar la varianza genera una idea significativa del grado
de variabilidad de un conjunto de datos, pues a medida que aumenta el grado
de heterogeneidad esta medida aumenta sustancialmente, aunque sus unidades
elevadas al cuadrado limitan fuertemente su interpretacin.
~ O,para
45
= O.
S: S: .
=
Si cada uno de los datos en anlisis se multiplica por una constante, la varianza
resultar multiplicada por la constante al cuadrado. Algebraicamente:
Si 1'; = kXi , para todo i = 1, 2, ..... n, entonces
S:= S:.
k
Si se divide por un mismo nmero a cada uno de los datos en anlisis, la varianza
quedar multiplicada por el cuadrado de dicho divisor. En este caso la constante
debe ser diferente de cero. Algebraicamente:
Si Y i = : Xi ' para todo i = 1,2, ..... n, entonces S: =
/2 S: ;
k,* O
IX;
S2=~-X2
I"
S=-Vs2=
(Xi-Xl
/-1
(2.21)
n-1
I
u={Gi=
, 46
(Xi-P.)]
(2.22)
i-l
SPSS
CAPITULO
2-
MEDIDAS DESCRIPTIVAS
Ventajas
Limitaciones
Es, junto con la varianza, una de las medidas Se debe acompaar de otras medidas de
de variacin ms utilizadas.
dispersin para su anlisis.
Tiene las mismas unidades de la variable
analizada.
Para su clculo primero debe calcularse la
Se pueden realizar clculos algebraicos.
varianza.
Se incluyen todos los datos en su clculo.
5; 4; 5; 4; 8; 10; 9 (UNT) ~ S
= ...JS2 =
...JS2 =
~ S =
...JS2 =
;- 1
~ S = ...JS2 =
i='
12 (UNT) ~ S
_ia_,_ _ _
=3 (UNT)
8-1
150 (UNT)
9-1
=47,7 (UNT)
320 (UNT)
SPSS
10-1
=104,1 (UNT)
47
Para los datos del primer muestreo la desviacin estndar es 2,5 UNT, que
indica poca variacin entre los datos, es decir, los datos se alejan de la media
(6,4 UNT) en una desviacin estndar en 2,5 UNT hacia adelante yen 2,5 UNT
hacia atrs de la media. A medida que el conjunto de datos se vuelve heterogneo,
la desviacin estndar toma valores bastante grandes. Por ejemplo, con todo
el conjunto de datos analizados, el valor de la desviacin estndar es 104,1
UNT, lo que significa que los datos se alejan en promedio 104,1 UNT del valor
medio (6,4 UNT).
sta es una buena medida del grado de dispersin del conjunto de datos; a
medida que aumenta el grado de variacin de los datos esta medida aumenta,
en las mismas unidades de la variable de origen.
2.2.5
Coeficiente de variacin
CV= X x 100%
Siempre que
(2.23)
X"# O
CV=-x 100%
Siempre que JI.
(2.24)
"# O
Esta medida es adimensional, sus unidades estn dadas en porcentaje, por lo tanto
es un buen indicador de comparacin entre dos o ms diferentes variables o dos o
ms diferentes poblaciones.
48
SPSS
CAPiTULO
2 - MEDIDAS
DESCRIPTIVAS
0%
70%
30%
Datos poco variables
u homogneos
Datos variables
o heterogneos
100%
Datos muy variables ---.
o muy heterogneos
De otra forma:
Si
S~
O.3X
Si O.3X < S
Si S>0.7X
O. 7X
150 (UNT) -+
= 2,07 X
Para el primer conjunto de datos el CV = 39%, indica que los datos presentan
variacin con relacin a la media. A medida que se consideran datos extremos en
el muestreo, el CV toma valores de 207% y 197%, que indica una gran variacin
de los mismos con relacin a la media.
El coeficiente de variacin aumenta considerablemente a medida que la distancia
entre la media y la desviacin estndar crecen.
49
Medidas
descriptivas
Media
Mediana
Media geomtrica
Moda
Rango
Varianza
Desviacin estndar
Coeficiente de variacin
Smbolo
matemtico
X
Me
Xg
Mo
R
SZ
S
e.v.
Reactor 1
Reactor 2
10 UPC
10 UPC
9,9 UPC
10 UPC
4 UPC
2,7 UPC 2
1,6 UPC
16,3 %
10 UPC
2 UPC
3,2 UPC
2 UPC
56 UPC
448 UPC 2
21,2 UPC
211,7 %
A pesar de tener los mismos promedios en color real, los dos reactores presentan
eficiencias bastante diferentes, tal como se puede evidenciar en las medidas de
dispersin. El rango para el primer reactor es 4 UPC Y para el segundo es 56 UPC,
10 cual evidencia que en los datos del segundo reactor la distancia entre el valor
mnimo y el valor mximo es mucho mayor que la del reactor 1.
La desviacin estndar, esto es, el promedio de la distancia de los datos con respecto
a la media, es 1,6 UPC para el primer reactor y 21,2 UPC para el segundo reactor. Es
decir, los datos se alejan de la media en 1,6 UPC para el primer reactor y se alejan
21,2 UPC para el segundo reactor, lo cual permite concluir que existe una mayor
variacin en el reactor 2.
El coeficiente de variacin es tambin un buen indicador del grado de variacin de
los datos en relacin con la media; para el reactor 1 es 16,3% y para el reactor 2 es
211,7%. Un CV=16,3% significa que el conjunto de datos es homogneo para el caso
50
SPSS
CAPITULO
2-
MEDIDAS DESCRIPTIVAS
del reactor 1; sin embargo, un CV= 211,7% significa gran variacin o heterogeneidad
en el conjunto de datos, para el caso del reactor 2.
Tambin, las medidas de centralidad, como la mediana, la media geomtrica y la
moda, indican el grado de variacin de un conjunto de datos, pues en el reactor 1
estas medidas toman valores similares, contrario a lo que sucede en el reactor 2.
En general las medidas descriptivas permiten resumir adecuadamente un conjunto de
datos en medidas de centralidad y medidas de dispersin que permiten caracterizar
el fenmeno en estudio. Adicionalmente es necesario estudiar la distribucin del
conjunto de datos, tal como se desarrolla en el prximo captulo.
SPSS
51
CAPITULO
2-
MEDIDAS DESCRIPTIVAS
del reactor 1; sin embargo, un CV= 211,7% significa gran variacin o heterogeneidad
en el conjunto de datos, para el caso del reactor 2.
Tambin, las medidas de centralidad, como la mediana, la media geomtrica y la
moda, indican el grado de variacin de un conjunto de datos, pues en el reactor 1
estas medidas toman valores similares, contrario a lo que sucede en el reactor 2.
En general las medidas descriptivas permiten resumir adecuadamente un conjunto de
datos en medidas de centralidad y medidas de dispersin que permiten caracterizar
el fenmeno en estudio. Adicionalmente es necesario estudiar la distribucin del
conjunto de datos, tal como se desarrolla en el prximo captulo.
SPSS
51
CAPTULO
3
Distribucin de frecuencias
SPSS
53
3.1.1
Para generar la distribucin de frecuencias en una variable discreta se deben seguir los
pasos que se describen a continuacin, los cuales permiten organizar la distribucin
de los datos en una tabla de cinco columnas:
Paso 1: Identificar los valores diferentes que toma la variable y escribirlos en la
primera columna de la tabla, en orden ascendente. Se denotar por k el nmero
de valores diferentes que se encuentran en el conjunto de datos y se denotarn por
Xl' X]' X 3 , .... , X k_ 1' X k. En esta columna no deben haber valores repetidos.
Paso 2: La segunda columna consiste en calcular la frecuencia absoluta, ni' que es
el nmero de veces que se repite el valor Xi en el conjunto de datos. La suma de
los ni es igual al nmero total de datos en anlisis. Por ejemplo, el valor de n 3 es el
nmero de veces que se repite la observacin X 3 en el conjunto de datos.
Paso 3: El clculo de la frecuencia absoluta acumulada, Ni' consiste en diligenciar
la tercera columna y es equivalente a sumar los valores menores o iguales de las
frecuencias absolutas, ni' de cada valor Xi' como se presenta a continuacin.
N =n
N]
= NI + n} = nI + n]
N3
= N 2 + n 3 = nI + n 2 + n 3
:
:
N k_ =Nk _] + n k _
= n + n] + n 3 + ..... + n k _] + n k _1
N k =Nk _ + n k = nI + n] + n 3 + ..... + n k _ 1 + n k = n
Por ejemplo, el valor N 4 es el nmero de datos que tienen valores menores o iguales
aX4
En este caso se debe cumplir la desigualdad de la ecuacin 3.1.
nI =N ~N2 ~N3""'" ~Nk_ ~Nk= n
(3.1)
54
SPSS
CAPfTULO
3-
DISTRIBUCiN DE FRECUENCIAS
n,
h,=-lOO%
n
:
n
hk _ ]=~lOO%
n
= Hz + h3 = h + h 2 + h3
55
Siguiendo los pasos del 1 al5 se construye la Tabla 3.1, que representa la distribucin
de frecuencias para una variable cuantitativa discreta, presentando un buen resumen
del conjunto de datos de la muestra o poblacin estudiada.
Tabla 3.1
Valores
de la
variable
X;
Frecuencia
absoluta
n;
Xl
Frecuencia
absoluta
acumulada
;
Frecuencia
relativa
Frecuencia
relativa
acumulada 1%1
;
N;=n
;= I
n;
h;=-100%
n
H;=h;
nI
NI
hl
Hl
Xz
nz
Nz
hz
Hz
Xl
n]
N]
h]
H]
X k_l
nk_l
N k_l
h k_l
H k_1
Xk
nk
k
n;=n
Nk=n
hk
k
h;=100%
H k= 100%
Totales
;~1
--
;=1
;-1
--
Cuando se tiene una tabla de frecuencias para una variable discreta, es posible estimar
a partir de la informacin de la distribucin, algunas medidas descriptivas tales como:
media, varianza, desviacin estndar y coeficiente de variacin.
La media se puede calcular utilizando la distribucin de frecuencias de la Tabla 3.1,
a travs de la ecuacin 3.3.
56
SPSS
CAPiTULO
XII'
3-
DISTRIBUCiN DE FRECUENCIAS
(3.3)
n-l
;-/
El valor de h; debe utilizarse sin porcentaje (%), tanto para el clculo de la media
como de la varianza.
A partir de estas dos medidas se pueden estimar la desviacin estndar y el coeficiente
de variacin; su conceptualizacin, interpretacin y unidades son similares a las
presentadas en el Captulo 2.
3.1.1.2
57
Y
hJ%)
Y
ni
nj
h3
n3
h2
n2
hk
hk _ 1
X X
X2
XI
k_1
nk
t nk _ 1
Xk
Variable X
Figura 3.1 Grfica de frecuencias absoluta y relativa para una variable discreta.
hK =100%
Y,
H K_ I
o---e
o---e
o---e
H K _]
H4
H3
H]
o---e
o---e
o---e
o---e
XI
X]
X3
X4
Nk=n
Nk_1
Nk _]
N4
N3
N]
N
X k _] X k _ 1
Xk
Variable X
58
SPSS
CAPiTULO
3 - DISTRIBUCiN
DE FRECUENCIAS
Tabla 3.2
Coliformes
totales
XI
Datos
acumulados de colifor
mes totales
;
N I = ni
1- 1
%de datos de
coliformes
totales
ni
hl =-100%
n
HI=h (%)
1- 1
10
8,3
8,3
23
16,7
25,0
47
33,3
58,3
99
16,7
75,0
156
11
16,7
91,7
232
12
8,3
100%
Totales
n=12
--
100%
--
SPSS
59
h(%)
ni
33,3
16,7
2
~
8,3
10
23
47
99
156
232
J
)
Ni
100
91,7
75,0
58,3
0----0
25,0
o
o
o
o
9
7
0-----0
8,3~
10
12
11
23
47
99
150
232
60
SPSS
CAPITULO
3-
DISTRIBUCiN DE FRECUENCIAS
n ( ) ( -
82,2/
a l
= ----11----
S ag
Sa~
= I
CV=82,8%
La media de coliformes totales es 82,2% (UFC/m 3) , con desviacin estndar
de 68 ,1 (UFC/m 3) y coeficiente de variacin de 82,8%, lo que indica gran
dispersin del conjunto de datos con relacin a la media. Aunque generalmente
debido a la gran variacin de la variable coliformes se sugiere el uso de la media
geomtrica.
3.1.2
SPSS
61
= 1 + 3,3 Ig( n )
(3.5)
rn.
L=JL
Donde R es el rango; R
= X mx -
(3.6)
Paso 3: Definir los lmites de cada intervalo, se inicia con el valor inicial X o, que
puede ser definido como el valor mnimo del conjunto de datos, o como el menor
valor entero al valor mnimo, con el fin de que los lmites de los intervalos tengan
valores enteros y esto facilite la interpretacin de la distribucin de frecuencias.
Los intervalos deben definirse con la notacin matemtica de conjuntos, pues esto
evitar ambigedades en la ubicacin de cada dato en particular, tal como se presenta
a continuacin:
62
SPSS
CAPiTULO
primer intervalo
[Xo, XI]
segundo intervalo
(XI, Xzl
tercer intervalo
(X2 , Xl]
2,
3 - DISTRIBUCiN
DE FRECUENCIAS
X k -)
k-simo intervalo
Cada lmite se calcula sumndole la longitud del intervalo al lmite anterior:
XI
= X o + L;
X 2 = Xl
+ L; :::::; X k- I = X k- 2 + L; X k = X k- I + L
Paso 4: Calcular la marca de clase, que se define como el punto medio de cada
intervalo, y se calcula mediante la ecuacin 3.7.
X'I
(3.7)
63
Nmero
del
intervalo
Intervalo
(X;-J,XJ
Marca
de
clase
Frecuencia
absoluta
Frecuencia
relativa
X' I.
Frecuencia
absoluta acu
mulada
N=n
Frecuencia
relativa
acumulada
= /
{Xo,Xti
x',
n,
N,
h,
H,
:z
(X"Xz]
X'z
nz
Nz
hz
Hz
(Xz' X,]
X'J
nj
Nj
hj
Hj
k-l
(X. _l , X. _ti
X'. _,
nk _ 1
N. _,
h. _,
H. _,
(X. _"X.]
x'.
n.
N.=n
h.
H.=IOO%
--
Totales
--
--
100%
--
X ag =
n;X/
n;X/
;=1
;-1
ni
=h;X/
; =1
(3.8)
;=1
IEagl = X-X
X ag I100%
(3.9)
64
SPSS
CAPITULO
3-
nJX/-X"gl nJX:"'X"gl
Sl=
"11
.....:/:.....-...:..'-----
(fn,)-l
/- 1
n-l
-::::.'Lh/(x/-x.l
/-/
(3.10)
/- /
(3.11)
Siempre que S #: O
Desviacin estndar, para datos agrupados de una variable continua se calcula
utilizando la frmula de la ecuacin 3.12.
(3.12)
(3.13)
Siempre que S #: O
En general, se puede decir que los datos estn bien agrupados si el error de agrupacin
presenta valores menores al 30%, medianamente bien agrupados si ste se encuentra
entre 30% y 70% Yun deficiente agrupamiento para errores mayores a 70%, tal como
se ilustra a continuacin:
65
70%
30%
0%
Datos bien
agrupados
Datos medianamente
bien agrupados
100%
Agrupacin
deficiente
-2- N1-1
1(L)
(3.14)
(3.15)
Me:: X I _ 1 +
M :::: X
,-
I-J
n ni
h1
.' '/
Donde:
X;-J
X; -1
ni
H-l
66
SPSS
.!J
CAPfTULO
3.
DISTRIBUCiN DE FRECUENCIAS
(3.16)
Donde:
X; -
dI =Ini - ni-! I
d] = Ini - nj+ 1I
3.1.2.2
SPSS
67
h,f")
",
hJ
"J
h,
"1
h,
"1
hk
nk
Xo
X,
XJ
Xl
Xk _ 1 X k
Variable X
Figura 3.5. Histograma, grfica de los intervalos de clase vs. las frecuencias
absoluta y relativa.
n/
h,(%)
hJ
h1
h'l
"
hk _ 1
X'3
ni
nk _ 1
..
hk t
X/ x/
n
n1
X/_
I
t nk
x'
k
Variable X
Figura 3.6. Polgono de frecuencias , grfica de las marcas de clase vs. las
frecuencias relativas y absolutas.
68
SPSS
CAPITULO
3 - DISTRIBUCiN
DE FRECUENCIAS
H(%)
Variable X
H(%)
Ni
NJ=n
H J=100%
H1
N1
HJ
NJ
H4
N4
------e
Xk _ J
Variable X
Figura 3.7 Ojiva, grfica de los intervalos y las frecuencias relativa y absoluta
acumuladas.
SPSS
69
HJ%)
NI
Nk=n
Nk _ J
100%
HK_J
HJ
50%
NJ
H2
N2
HJ
NJ
Xo
XJ
X2
Xk _ J
XJ
Me =
Xk
valor de la mediana
Variable X
70
SPSS
CAPITULO
Tabla 3.4
DISTRIBUCiN DE FRECUENCIAS
N' dI estlci6n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
3 -
LPD(dB)
LPN(dB)
63,7
66,9
66,8
75,3
70,8
75,0
76,3
75,0
71,4
77,4
71,6
70,5
73,7
71,0
56,1
69,0
72,1
74,1
76,5
57,3
71,6
67,2
62,3
69,4
60,5
56,6
60,2
26
27
56,0
72,3
67,2
68,3
67,3
69,4
72,3
70,7
65,7
65,1
65,9
64,7
54,1
63,1
68,5
71,0
71,0
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
N dllStlci6n
55,4
67,4
63,5
55,5
64,5
60,7
LPD(dB)
LPN(dB)
65,1
55,3
71,3
72,3
64,6
57,6
47,1
61,7
72,8
54,6
55,8
70,7
60,0
68,3
69,9
59,8
44,2
52,7
56,6
70,0
49,6
57,7
63,0
42,0
44,6
52,7
54,4
50,6
62,7
49,1
59,6
70,6
65,3
74,0
74,9
64,1
53,3
62,5
62,3
75,4
61,1
65,9
62,6
50,2
50,9
62,0
64,0
58,7
68,2
61,6
7'
SPSS
71
Esto es, la longitud de cada intervalo ser de 4 dB. Considerando que el valor mnimo
es de 50,2 dB, se selecciona el menor entero al valor mnimo como el valor de X o,
es decir:
X o=50dB
A partir del valor mnimo se generan los lmites superiores de los intervalos:
Xl = X o + L = 50 + 4 = 54 dB
X 2 = X + L = 54 + 4 = 58 dB
X 3 = X 2 + L = 58 + 4 = 62 dB
X 4 = X3 + L = 62 + 4 = 66 dB
X s = X 4 + L = 66 + 4 = 70 dB
X = X s + L = 70 + 4 = 74 dB
X;
50+54
Xo+X
=52dB
=
2
2
X'=
2
X+X2
2
54+58
2
=56dB
X;
X +X7
2
74 + 78 = 76dB
2
72
CAPfTULO
Tabla 3.5.
3 - DISTRIBUCiN
DE FRECUENCIAS
Nmero
del
intarvalo
Intervalos de
ruido
Marca
(X_oX)
clasa
(dB)
x.',
de
Nmero de
datos por
intervalo
da ruido
Nmero de
datos
acumulados
por intervalo de
ruido
ni
N=n;
Porcentaje de
datos por
intervalo de ruido
h=nln(%)
Porcentaje
acumulado de
datos por
intervalo
de ruido
;
H=h l (%)
;=1
1-1
[50,54]
52
(54,58]
56
12
(58,62]
60
12
12
24
(62,66]
64
11
23
22
46
(66,70]
68
29
12
58
(70,74]
72
12
41
24
82
(74, 78]
76
50
18
100
--
Totales
---
50
---
100%
---
SPSS
73
25
~
20
~
.~
ji 15
~
.~
"';:s"
'"
"~
lt.,
r----1
10
5
O
50-54
54-58
58-62
62-66
66-70
70-74
74-78
~ 100
i5
90
80
70
60
..s;:s
.~ 50
Ji
40
30
20
<\)
.~
<ll
~
~
la
O~I~~-:~~~--~--~~--~-54
58
62
66
70
78
74
Figura 3.10 Ojiva para los niveles de ruido en el da para la ciudad de Cali.
LP=101og
74
[1n
~
O,I.LP]
~10
(3.17)
SPSS
CAPfTULO
3 - DISTRIBUCiN
DE FRECUENCIAS
Donde:
LP
Nmero de mediciones.
LP
Nivel de presin.
-IEagl%
7
':;,;,9
= 0,3%
1159,9159,9
-162,11 %= 1,3%
-1 Eag 1%=112,71~,1/,61 %=0,7%
Sag
=12,6dB
Me""'67.3dB
,
-lEag
1%=167,05-67,31
%=04%
,
67,05
SPSS
75
Intervalos
de
ruido
(X_/J X}
(dB)
Marca
de
clase
Datos por
intervalo
de ruido
x.'
Datos
acumulados por
intervalo de ruido
/
N=n
Porcentaje de
datos por interva
lo de ruido
h=nln (%)
Porcentaje acumulado
de datos por intervalo
de ruido
/
H=h/(%)
/- 1
/- 1
[42,47}
44,5
(47, 52}
49,5
14
(52, 57}
54,5
11
18
22
36
(57,62)
59,5
25
14
50
(62,67)
64,5
34
18
68
(67,72)
69,5
13
47
26
94
(72, n)
74,5
50
100
--
Totales
--
50
--
100%
--
76
SPSS
CAPITULO
3 - DISTRIBUCiN
DE FRECUENCIAS
30
~
~
25
.~ 20
.
~
.~
"s:::
<Il
;os
"~
~
15
10
5
O
42-4 7
4 7-52
52-5 7
57-62
62-67
67- 72
72- 77
Figura 3.11 Histograma del nivel de presin sonora, ruido, medido en la noche en
la ciudad de Cali.
En la Figura 3.12 se presenta la ojiva, que representa la grfica de los lmites
superiores de clase versus los valores de frecuencia relativa acumulada. Donde se
puede analizar que el 50% de los datos tienen niveles de ruido menores o iguales a
62dB y el 94% niveles menores o iguales a 72dB.
.----.
100
~
~
90
~
-S!;:s
80
;;
70
"<:s
60
;:s
.~
50
40
-S!
.~
t.J
30
;:s
20
s:::
<\)
t.J
c..:;
la
O
.----/
54
58
62
66
70
74
78
Figura 3.12 Ojiva para los niveles de ruido en la noche para la ciudad de Cali.
SPSS
77
_1 Eag 1% = 166,166,1
- 66, 7
I = 0,9%
Sag= 12,4dB
153,3
La desviacin estndar del nivel de ruido durante la noche en la ciudad de Cali es 12,4
dB. La distribucin de frecuencias representa muy bien la variacin del conjunto de
datos, con un error de agrupamiento del 0,8 %, para este estadstico.
Mo~
68,4dB
Me~62dB
_1 Eag 1%=156,;;;8,4
1%= 20%
-IEagl %= 162,2 - 62
62,2
% =0,3%
Los valores de la moda y la mediana son menores en las horas de la noche que en las
horas del da. El error de agrupamiento de la moda, en este caso, es mucho mayor
que el presentado para el nivel de ruido en las horas del da.
Ejemplo 3.3 La produccin de basura diaria por vivienda y por habitante en el
municipio de Talaigua, departamento de Bolvar, se presenta en la Tabla 3.7.
78
SPSS
CAPiTULO
Tabla 3.7
Vivienda
No.
3 - DISTRIBUCiN
DE FRECUENCIAS
Basura
por vivien
da
(kg/dial
Basura por
habitante
(kg/dial
Vivienda
No.
No. de
habitantas
Basura
por vivien
da
(kg/dial
Basura por
habitante
(kg/dial
1.70
0,57
20
3,93
0,65
4,51
0,90
21
4,06
0,51
5,14
1,03
22
4,29
0,86
0,95
0,24
23
10
4.71
0,47
1.73
0,29
24
2,59
0,43
1,08
0,22
25
3,87
1,29
10
8,55
0,86
26
6.75
1,35
3.73
0,47
27
5,83
0.73
8,87
1,11
28
11
10,65
0,97
10
2,72
1,36
29
3,72
0,62
11
1,01
0,14
30
2,18
0,54
12
1,80
0,36
31
1,97
0,49
13
2,26
1,13
32
2,09
1,04
14
6,39
1,28
33
10
5,00
0,50
15
5,43
0.78
34
6,44
1,29
16
3.71
0,53
35
1,14
0,57
17
7,86
1.12
36
3,39
0,38
18
6,67
1,11
37
4,12
0,69
19
4,44
0.74
SPSS
79
Nmero
del
intervalo
k
Intervalos de
basura por
vivienda
Marca
de
clase
(X./1Xj
(kg/da)
X.',
(kg/da)
Datos por
intervalo
de basura
ni
Datos
acumulados
por intervalo de
basura
;
N;=Ln;
;=1
Porcentaje de
datos por
intervalo de
basura
h;=n;ln(%)
Porcentaje
acumulado de
datos por intervalo de
basura
;
H;=Lh(%)
= I
rO,2]
21,6
21.6
(2,4]
11
19
29,7
51,3
(4,6]
10
29
27,0
78,3
(6,8]
34
13,5
91.8
(8,IO]
36
5A
97,2
(lO,12]
11
37
2,7
99,9
--
Totales
--
37
--
100%
--
80
3-
CAPfTULO
DISTRIBUCiN DE FRECUENCIAS
35
30
25
.~
.....!:! 20
~
.S! 15
u
~
;:
u
~
10
t:.;
I
I
0-2
2-4
4-6
6-8
8 -10
I
10 - 12
La ojiva se muestra en la Figura 3.14, donde se puede analizar que el 51,3% de los
datos son menores o iguales a 4 kg/da por vivienda y el 91,8% de los datos son
menores o iguales a 8 kg/da por vivienda.
100
90
~
~
80
~
-Sl;:
70
t:
;:
<.>
~
60
50
40
30
.9
<.>
s.::
1\)
;:
<.>
J:
20
10
la
12
81
X Qg = 4,2 (kg/da)
-IEQgl % = 0%
-IEQgl % = 12,3%
EQg % = 4,2%
-1 1
Me ~ 3,9 (kg/da)
-1 EQg 1% =
Mo ~ 3,5 (kg/da)
0%
El valor medio de produccin de basura por vivienda es 4,2 kg/da, con una
desviacin de 2,5 kglda. La mediana y la moda toman valores de 3,9 kglda y 3,5
kglda, respectivamente. En general, las distribuciones de frecuencias presentan una
buena agrupacin del conjunto de datos, pues se obtuvieron errores de agrupamiento
relativamente pequeos. El error de agrupamiento de la moda no existe, debido a que
en el conjunto de datos no existe moda, a pesar de que este valor se puede estimar
con la tabla de frecuencias.
Anlisis para produccin de basura diaria por habitante
82
SPSS
CAPITULO
Tabla 3.9
intervalo
DISTRIBUCiN DE FRECUENCIAS
Intervalos de Marca
de
basur por
clase
habitente
(X./JX,j
X'1
(kg/dl)
(kg/dI)
Nmero
del
3-
Datos por
intervalo
de basura
ni
Datos
acunwlados
por intervalo
de basura
1
Porcentaje de
datos por
intervalo de
basura
Porcentaje
acumulado
de datos por inter
valo de
basura
N=Ln hl=nln(%)
H1=Lh l (%)
1- /
i- l
[0-0,2}
0,1
2,7
2,7
(0,2-0,4)
0,3
13,5
16,2
(O, 4-0, 6}
0,5
10
16
27,0
43,2
(O, 6-0, 8}
0,7
22
16,2
59,4
(O,8-l)
0,9
26
10,8
70,2
(J-l,2)
1,1
32
16,2
86,4
(J ,2-l,4)
1,3
37
13,5
99,9
--
Totales
--
37
--
100%
--
30
~
~
25
~ 20
15
10
O +------+------r-----~----~r_----~----~----~
1-1,2
1,2 -1,4
83
100
~
~
.g
-Sl;:s
E::
;:s
<.;
(]
(]
90
80
70
60
.;:
50
~
~
40
.S!<.;
30
;:s
20
s::
~
"~
~
10
O
0,2
0,4
0,6
0,8
1,2
1,4
Figura 3.16 Ojiva de produccin de basura diaria por habitante para el municipio
de Talaigua (Bolvar) .
-IEagl%=O%
-IEagl%=O%
-IEagl%=O%
-IEagl%=O%
0
-lEag 1%=1
,6-0,51=167%
Q
0,6
'
El valor medio de la produccin de basura por habitante es 0,7 kg/da, con una
desviacin de 0,3 kg/da. La mediana y la moda toman valores de 0,7 kg/da y 0,5
kg/da, respectivamente. En general, la distribucin de frecuencias presenta una
buena agrupacin del conjunto de datos, pues se obtuvieron errores de agrupamiento
iguales a cero, excepto para el valor de la moda.
84
SPSS
CAPTULO
3.1.2.3
3 - DISTRIBUCiN
DE FRECUENCIAS
a) Simtrica o normal
b) Sesgada a la derecha
(sesgo positivo)
c) Sesgada a la izquierda
(sesgo Negativo)
v
d) En forma de J
e) En forma de J
invertida
j) En forma de U
g) Bimodal
h) M ultimodal
i) Rectangular o uniforme
SPSS
85
(3.18)
86
SPSS
CAPITULO
3 - DISTRIBUCiN
DE FRECUENCIAS
M o =M =X
As=O
(a)
M o <M <X
As>O
(b)
X<M<M
o
As <O
(e)
87
"
(X-Xl
curtosis =k
1-/
(3.19)
ns4
~
k=0,263
(a) Mesoertiea:
distribucin normal
Figura 3.19
k < 0,263
(b) Platiertiea:
distribucin achatada
k> 0,263
(e) Leptoertiea:
distribucin apuntada
88
SPSS
CAPrTULO
3 - OISTRIBUCIN
OE FRECUENCIAS
I
I
I
I
I
I
I
I
._0-;
.L-3O
.L-20
.L-o
\.
.L
.L
.L+20
.L+3O
Y
68%
\.
Y
95%
\.
Y
99%
3.2.1
En este caso se considera que las dos variables en anlisis son de carcter discreto.
La distribucin de frecuencias consiste en elaborar una tabla de dos entradas, donde se
SPSS
89
~
VIfiBbII x
X,
X2
X3
Xp"
Xp
Frecuencias
margina/es de Y
Y,
y]
Y3
..
Yk-/
Y,
nll
hll
n21
hZI
n,z
h/2
n2Z
hzz
n'3
h'3
..
n/,k _1
hlk _ 1
nZ3
hZ3
..
nZ,k- 1
hU _1
n"k
h"k
nz,'
hu
n31
h31
n3Z
h3Z
n33
h33
..
n3,k_1
hU _1
nu
hu
np_u
h._u
npl
hnl
n,
h,
np _I,z
h. _1.2
npz
hoz
nz
h.z
np_I,3
h. _I,3
np3
h3
n3
h3
..
np _/,k - I
h. _lk _1
np,k_1
h.,k_1
n,k_1
h,k_1
np _I,k
h. _u
npk
h.k
n.k
hk
..
..
Frecuencias
margina/es de X
n,.
h,.
nz.
hz.
n3.
h3.
np_l"
h. _l .
np.
h.
n-n
h . 100"
En este caso cada frecuencia absoluta, nij' es el nmero de datos que presentan los
valores Xi y lj, simultneamente.
Por ejemplo, n]3 es el nmero de datos que toman los valores X] y Y3' simultneamente.
n 34 es el nmero de datos que tienen los valores de X3 y Y4, simultneamente.
As mismo se pueden hallar las frecuencias absolutas marginales, que son equivalentes
al anlisis de las variables unidimensionales o de una variable independiente de la
otra y se denota por ni. para la variable X y nj . para la variable Y.
Por ejemplo, n 3. es el nmero de datos que toman el valor de X3 para cualquier valor
de la variable Y y es equivalente a la expresin:
k
Ln
3j
j =/
n.4 es el nmero de datos que toma el valor de Y4 para cualquier valor de la variable
X y es equivalente a la expresin:
90
SPSS
CAPfTULO
n. 4+ n 14 + nu+ ...... + n p4 =
3 - DISTRIBUCiN
DE FRECUENCIAS
nu
;=1
. =n
n./+n.l +n.3+ ...... +n.k = ~n
~ .J
j =/
p
~n
. =n
~ l.
i= /
De forma similar:
hu
i= /
/
ESTADfsTICA DESCRIPTIVA PARA INGENIERfA AMBIENTAL CON
SPSS
91
h l. + h z. + h3. + ......
+ hp. =
h L = 1 100%
;=1
De forma similar:
h ll + h 12 + h13+ ...
II
1( I A,A
1/
/
/
X,/
/
/
11
'.
y,
y, /
y,
x ..
x, Ix:
Y,
/
/
92
SPSS
CAPITULO
3 - DISTRIBUCiN
DE FRECUENCIAS
3.2.2
Para el caso de dos variables continuas se deben realizar intervalos tanto para la
variable X como para la variable Y. En este sentido los intervalos se pueden definir
por experiencia de los investigadores o se pueden construir siguiendo los pasos
recomendados para la definicin de intervalos de una variable continua del caso
unidimensional.
En la Tabla 3.11 se presenta la distribucin de frecuencias bivariadas para dos
variables continuas ( X Y Y). En la primera columna se colocan los intervalos
de la variable X y en la primera fila se colocan los intervalos de la variable Y,
o viceversa.
Tabla 3.11 Frecuencia bidimensional para dos variables continuas.
[Yo. V,I
IY,.Y 21
IY 2.Y31
..
(YK.,.YKI
Frecuencias
marginales de X
n11
h11
n21
h21
n31
h31
n12
h12
n22
h22
..
..
n32
h32
n13
h13
n23
h23
n33
h33
n1K
h1K
n2K
h2k
n3K
h3K
n1.
h1.
n2.
h2.
n3.
h3.
IXp.1 Xpl
np1
hp1
np2
hp2
np3
hp3
..
npK
hpK
Frecuencias
marginales de V
n' l
h' l
n'2
h'2
n'3
h'3
..
n'K
h'K
np.
hp.
n.. -n
h.. -100%
Variable X
[X Xd
IX 1 X21
IX 2 X31
..
SPSS
93
n 3 = n 31 + nn+ ...... + n 3k =
3j
j=/
. =n
n.l = n.] + n. 3 + ...... + n.k = ~n
~ ./
j=1
p
nI. + n].
+.
n 3 + ...... + np. = ~
~ n = n
L
i=1
De forma similar:
f f nij = n
n 11 + n J] + n /3 + ...... + n p / + n p ] + .... + n pk =
i=1 j = 1
94
SPSS
CAPiTULO
3-
DISTRIBUCiN DE FRECUENCIAS
Por ejemplo, h3' es el porcentaje de datos que toman valores entre ( X 2, X 3] para
cualquier valor de la variable Y. Es equivalente a la siguiente expresin:
k
h.4 es el porcentaje de datos que toman valores entre (Y3' y J para cualquier valor de
la variable X. Es equivalente a la expresin:
hu
;=/
h.j = 1 100%
j =/
= 1 100%
;=/
De forma similar:
P
= hij = 1 100%
i=l j =l
SPSS
95
n(h)
:. f-
/
/
/
1/
/
/
.~
1/
Xl ....
1/ ,.
1/
/
/
1/
YJ
1/
/
,/
XJ
Xl
"XI
/
YI
/ V
/
/
96
SPSS
CAPTULO
4
Medidas y grficas
de posicion
Deciles:
Percentiles: Existen 99 percentiles que dividen una distribucin en 100 partes iguales:
primero al noventa y nueve percentil, tambin se llaman centiles.
A continuacin se describe la forma de estimar cada una de estas medidas, las cuales
se pueden calcular para datos agrupados y datos sin agrupar. Tambin es posible
estimarlos a partir de la ojiva
97
4.1 Cuartiles
Los cuartiles son los valores que dividen un conjunto de datos que previamente han
sido ordenados en forma creciente, en cuatro partes iguales. Existen tres cuartiles
que se denominan Q/ , Q2 y Q3 y presentan las siguientes caractersticas:
Q/ : Es el valor de la variable donde el 25% de los datos es menor que este valor
y el 75% de los datos es mayor que l.
Q2: Es el valor de la variable donde el 50% de los datos es menor y el 50% de
los datos es mayor que este valor. Coincide con el valor de la mediana.
Q3: Es el valor de la variable donde el 75% de los datos es menor que l y el 25%
de los datos es mayor que este valor.
Entre los valores Q/ y Q3 se encuentra el 50% de los datos.
Entre dos cuartiles consecutivos se encuentra un 25% de los datos, tal como se
observa en la Figura 4.1.
25%
mn.
25%
Q2
Ql
25%
25%
Q3
mx.
..
Xn+Xn
uno, Q, se puede calcular como X n + / SI n es Impar o 4 4+ / SI n es par y que
.
.
X 3n +X3n
.
el cuartll tres, Q3' se puede calcular como X 3 (n +/) SI n es par o 7
7+ / SI n
4
es impar, pero estas frmulas no funcionan en todos los casos. (El lector puede
verificarlo con los ejemplos que se muestran en este captulo).
98
CAPITULO
4-
~1
Para el clculo de los cuartiles los datos deben estar ordenados en forma ascendente,
los valores repetidos deben considerarse en el conjunto de datos. Las diferentes
opciones para el clculo de cuartiles se presentan en las siguientes ecuaciones:
Si n es impar:
(4.1)
Q;Z=X"+I
;z
. n+l
S1 --2- es par:
(4.2)
(4.3)
Si n + 1 es impar: QI =X"+3
(4.4)
Q3 = X3" +J
(4.5)
Si n es par:
Q1=
Si !!. es par:
2
X"+X,,
-+1
1
(4.6)
2
3X"
-+1 +X"
-
QI=
O, 75X" + 0,25X"
-
-+I
(4.7)
(4.8)
Si n es impar:
O, 75X" + 1 + 0,25X" + 6
4
2
3XJ"
+1
(4.9)
+ X3"-1
4
SPSS
99
Q/ =
X S +X6
2
Es decir, el 25% de los datos son menores que 153,5 mg/l y el 75% de los datos
superan este valor en el efluente de DQO en la planta UASB.
Q2=X/ o =191 mg/I
Donde el 50% de los datos son menores que 191 mg/I y el 50% de los datos
supera este valor. Es el valor de la mediana.
Q3 =
X U +X/5
2
= 0,5Xu + 0,5X/5 = 0,5( 257) + 0,5( 260) = 258,5 mg / I
Significa que el 75% de los datos es menor que 258,5 mg/l y e125% de los datos
supera este valor en el efluente de DQO en la planta UASB.
Cuartiles para datos agrupados: En este caso se considera que los datos estn
agrupados en una tabla de frecuencias y se debe ubicar el intervalo donde se encuentre
cada uno de los cuartiles. Los cuartiles se pueden calcular a travs de la ecuacin
4.11 si se utilizan las frecuencias relativas, o con la ecuacin 4.12 si se utilizan las
frecuencias absolutas.
Q. =x1-/ + (0,25k-H
2 1- / ) (L)
(4.11)
1
Q. =X-/ + (knl4 -N
n _/) (L)
(4.12)
100
CAPiTULO
4 -
Donde:
k
= 1, 2 3)_
: Nmero de observaciones.
(sin porcentaje).
h
porcentaje).
N - 1: Frecuencia absoluta acumulada del intervalo anterior al que contiene el
cuartiL
n
Nmero
del
intervalo
Intervalos de
ruido
(X,-" X,}
(dB)
Marca
de
clase
X'
(dB)
ni
N/=n
/- 1
1
2
3
4
5
6
7
[50,54J
(54,58J
52
56
(58,62J
60
(62,66J
11
(74,78J
64
68
72
76
....
Tota/es
.....
50
(66,70J
(70,74J
3
3
6
6
12
9
3
6
12
23
29
41
50
.....
SPSS
Porcentaje de
datos
por
intervalo de ruido
h=n;ln (%)
6
6
12
22
12
24
18
100%
Porcentaje
acumulado
de datos
por
intervalo
de ruido
/
H=h(%)
- I
6
12
24
46
58
82
100
.....
101
Primer cuartil
Se encuentra en el cuarto intervalo, considerando que los datos hasta all son menores
o iguales que 46% y el tercer intervalo contiene el 24% de los datos, segn la columna
de frecuencia relativa acumulada. El primer cuartil es el valor que genera el 25% de
los datos menores que l. Por lo tanto, se generan los siguientes valores:
n
Entonces:
Q = 62 +
Significa que e125% de los datos es menor que 62.2 dB Yel 75% de los datos supera
este valor.
Segundo cuartil
Se encuentra en el quinto intervalo, considerando que los datos hasta all son menores
o iguales que 58% y en el cuarto intervalo los datos son menores o iguales al 46%,
segn la columna de frecuencia relativa acumulada, presentndose los siguientes
valores:
= 66 +
Es decir, el 50% de los datos es menor que 67,3 dB Y el 50% de los datos supera
este valor. Coincide con el valor de la mediana.
Tercer cuartil
Se encuentra en el sexto intervalo, pues los datos hasta all son menores o iguales al
82%, segn la columna de frecuencia relativa acumulada. Por lo tanto, se generan
los siguientes valores:
102
= 70 +
CAPITULO
4 -
Significa que el 75% de los datos es menor que 72,8 dB Y e125% de los datos supera
este valor.
4.2 Deciles
Los deciles son los valores que dividen el conjunto de datos, ordenados en forma
creciente, en diez partes iguales. Existen nueve deciles que se denominan DI' D2J ,
D9' Cada decil representa el! 0% del total de los datos y entre dos deciles consecutivos
se encuentra un 10% de los datos, tal como se presenta en la Figura 4.2. El clculo
de los deciles se puede realizar para variables no agrupadas y variables agrupadas.
D=
k
si n es par
10
(4.13)
Xk(It+I)
10
si n es impar
10
SPSS
103
= 145 mg / I
lO
D s = X s (fI + 1) = X IO = 191 mg / I
10
D 6 = X 6 (fI + 1)
= X 12 = 208 mg / I
10
El decil 3, D J , significa que el 30% de los valores es menor que 155 mg/l y el
70% de los datos supera este valor.
El decil5, D s , significa que el 50% de los datos es menor que 191 mg/l y el 50%
de los datos supera este valor.
El decil 9, D 9 , significa que el 90% de los datos es menor que 320 mg/l y el1 0%
de los datos supera este valor.
Deciles para datos agrupados: En este caso se considera que los datos estn agrupados
en una tabla de frecuencias y se debe ubicar el intervalo donde se encuentre cada
uno de los deciles a estimar. Los deciles se pueden calcular a travs de la ecuacin
4.14, si se utilizan las frecuencias relativas, o con la ecuacin 4.15, si se utilizan las
frecuencias absolutas.
=x.
D
k
104
1- /
(4.14)
+ (knll0-N _/ ) (L)
D =X
k
+ (O,lk-HI _ I ) (L)
,-1
(4.15)
ni
SPSS
CAPITULO
4 -
Donde:
: Valor del k-simo decil a ser calculado. (k
= 1,2, 3, 4, .... , 9)
porcentaje).
N_ I : Frecuencia absoluta acumulada del intervalo anterior al que contiene el decil.
n
Ejemplo 4.4 Considerando los datos del ejemplo 3.2 y la tabla de distribucin
de frecuencias 4.1, donde se presentan las frecuencias de la variable nivel de
presin sonora de ruido medido en decibeles (dB), para diferentes estaciones
de la ciudad Santiago de Cali, en el da. Se calculan a continuacin los deciles
D, DsY D", utilizando la ecuacin 4.14.
Primer decil
Se encuentra en el segundo intervalo, debido a que los datos hasta all son menores o
iguales al 12%, segn la columna de frecuencia relativa acumulada y el primer decil
es el valor que genera el 10% de los datos menores que l. Por lo tanto, se generan
los siguientes valores:
n
Entonces:
D =X + [0,1(l)-HJ (L)
I
I
h
1
= 54 + [ 0,1 -
D
1
0,06 J
0,12
= 553 dB
'
Es decir, el 10% de los datos es menor que 55,3 dB Y el 90% de los datos supera
este valor.
SPSS
105
Quinto decil
Se encuentra en el quinto intervalo, debido a que los datos hasta all son menores
o iguales al 58%, segn la columna de frecuencia relativa acumulada y el quinto
decil es el valor que genera el 50% de los datos menores que l. De esta manera se
generan los siguientes valores:
n
Entonces:
D =66+ (0,50-0,46) (4)=6~3dB
0,12
'
Es decir, el 50% de los datos es menor que 67,3 dB Y el 50% de los datos supera
este valor. Coincide con el valor de la mediana.
Noveno decil
Se encuentra en el sptimo intervalo, pues los datos hasta all son menores o iguales
al 100%, segn la columna de frecuencia relativa acumulada, y el noveno decil es
el valor que genera el 90% de los datos menores que l. Por lo tanto, se generan los
siguientes valores:
n
Entonces:
D
9
0,18
'
Significa que el 90% de los datos es menor que 75,8 dB Yel 10% de los datos supera
este valor.
4.3 Percentiles
Los percentiles son aquellos valores que dividen los datos ordenados de forma
creciente, en cien partes iguales. Existen noventa y nueve percentiles que se denotan
por P, P 2 , . . . . . . . oo. , P 99 , donde cada percentil representa el 1% del total de los
datos.
El percentil 1, PI> supera el uno por ciento de los valores y es superado por el 99%
de los datos restantes. El percentil 95, P 95 , supera el 95% de los datos y es superado
por el 5% de los datos. P k : Percentil k-simo, es aquel valor de la variable que deja
a su izquierda el k% de la distribucin.
106
SPSS
Percentiles para datos sin agrupar, en este caso se deben ordenar los
datos en forma creciente. Si se considera el conjunto de datos ordenados
XI' X 2 , X 3 , X n _ l' X n , los percentiles se pueden calcular a travs de la
ecuacin 4.16.
x ...
P=
Ir
si n espar
lOO
(4.16)
XIr(If+J)
110
si n es impar
= 160 mg /1
100
El percentil 35, P35 , significa que el 35% de los valores es menor que 160 mg/l
y el 65% de los datos es mayor que este valor.
El percentil 80, Pao, significa que el 80% de los datos es menor que 312 mg/l y
el 20% es mayor que este valor.
El percentil95, P 95 , significa que el 95% de los datos es menor que 320 mg/l y
el 5% es mayor que este valor.
Percentiles para datos agrupados. En este caso, se considera que los datos estn
agrupados en una tabla de frecuencias y se debe ubicar el intervalo donde se encuentre
cada uno de los percentiles a estimar. Los percentiles se pueden calcular a travs de
la ecuacin 4.17, si se utilizan las frecuencias relativas, o con la ecuacin 4.18, si
se utilizan las frecuencias absolutas.
SPSS
107
=x. +
P
k
,-1
(0,01k-Hi _ l ) (L)
h ,.
P =X _ + (kn/100-N 1) (L)
k
ni
(4.17)
(4.18)
Donde:
Xi -
J :
: Nmero de observaciones.
Ejemplo 4.6 Considerando los datos del ejemplo 3.2 y la tabla de distribucin
de frecuencias 4.1, donde se presentan las frecuencias de la variable nivel de
presin sonora de ruido medido en decibeles (dE), para diferentes estaciones
de la ciudad de Santiago de Cali, en el da. Se calculan a continuacin los
percentiles 25, 80 Y 95, utilizando la ecuacin 4.17.
Percentil 25
Se encuentra en el cuarto intervalo, debido a que los datos hasta all son menores
o iguales al 46%, segn la columna de frecuencia relativa acumulada y el percentil
25 es el valor que genera el 25% de los datos menores que l, lo cual genera los
siguientes valores:
n
108
SPSS
CAPrTULO
4-
Entonces:
P 15 = 62 +
( 0,25 - 0,24 )
0,22
( 4 ) = 62,2 dB
Es decir, el 25% de los datos es menor que 62,2 dB Y el 75% de los datos supera
este valor.
Percentil 80
Se encuentra en el sexto intervalo, debido a que los datos hasta all son menores o
iguales al 82%, segn la columna de frecuencia relativa acumulada. De esta manera
se generan los siguientes valores:
Pao = 70 +
( 0,80 - 0,58 )
0,24
( 4) = 73,7 dB
Es decir, el 80% de los datos es menor que 73,7 dB Y el 20% supera este valor.
Percentil 95
Se encuentra en el sptimo intervalo, pues los datos hasta all son menores o iguales
al 100%, segn la columna de frecuencia relativa acumulada. De esta manera se
generan los siguientes valores:
n
= 50; k = 90; X = 74 dB ;
Entonces:
P 95 =74+
( 0,95 - 0,82 )
0,18
(4)= 76,9dB
Significa que el 95% de los datos es menor que 76,9 dB Y el 5% supera este valor.
Tambin existen los quintiles que dividen el conjunto de datos en cinco partes iguales;
existen cuatro quintiles que se pueden denominar k l , k], k j Y k".
En teora, los percentiles 25%, 50% Y 75% son el primero, segundo y tercer cuartil,
respectivamente. As mismo, los percentiles P/O ' p]O ' PjO, P"o , P so , Po, P 70, Pao Y
P 90 corresponden a cada uno de los deciles DI ' D] , D j , Do Ds, D, D 7 , DaY D 9,
respectivamente. Tal como se presenta a continuacin:
SPSS
109
(4.19)
(4.20)
(4.21)
Sem;rrecorr;do ;nter-cuartil
SRa = QJ- Q
(4.22)
4.5.1
110
SPSS
CAPfTULO
4-
Diagrama general. Se basa en el valor mnimo, los cuartiles (Q/> Q2 y Q3) y el valor
mximo. Los pasos para construirlo se presentan a continuacin:
Dibujar y marcar un eje de medida horizontal o vertical.
Construir una caja (rectngulo), con ancho arbitrario (el ancho no tiene
representacin estadstica alguna), cuyo borde izquierdo (inferior) sea el valor del
primer cuartil y el borde derecho (superior) sea el valor del segundo cuartil.
Construir una segunda caja a partir del lmite derecho (superior) de la primera
caja, hasta el valor del tercer cuartil.
SPSS
111
",4x.
-Q3
M. =Qz
-Q
mn.
= M.
Qz
Q]
mx.
I
I
-mn.
(a)
(b)
Figura 4.3 Diagrama general de cajas y alambres en un eje vertical (a) y un eje
horizontal (b).
La interpretacin del diagrama de cajas se presenta a continuacin:
112
SPSS
CAPrTULO
4-
La dispersin est dada tanto por la longitud de la caja, como por la distancia
entre los extremos de los bigotes.
El sesgo se observa en la desviacin que exista entre la lnea de la mediana en
relacin con el centro de la caja, y tambin la relacin entre las longitudes de los
bigotes.
Las colas de la distribucin se pueden apreciar por la longitud de los bigotes
en cuanto a la altura de la caja, y tambin por las observaciones que se marcan
explcitamente.
Ejemplo 4. 7 Considerando el ejemplo 4.1 sobre los datos de Demanda Qumica
de Oxgeno (DQO) en mg/l, en el efluente de una planta de tratamiento anaerbico
para agua residual tipo UASB (Upflow Anaerobic Sludge Blanket):
110; 126; 135; 145; 152; 155; 160; 181; 191; 191; 200; 208; 216; 257; 260;
312; 315; 320 y 320 (mg/l).
Se desarrolla el diagrama de cajas y alambres con base en los valores de los
cuartiles:
_
!(
110
Xmn
'::lf::I~,.
:l
I
153,5
191
258,5
Qz
QJ
320
Xmx
Figura 4.4 Diagrama de cajas y alambres para los datos de DQO en una planta
de tratamiento UASB.
Considerando que en cada cuartil se encuentra e125% de los datos, se puede analizar
que la distribucin es asimtrica en relacin con la mediana, as mismo, que existe
menor dispersin en el intervalo (153,5; 191) mgll que en el intervalo (191; 258,5)
mgll. El bigote de la izquierda presenta menor longitud que el bigote de la derecha,
evidenciando que por debajo del valor de la mediana; 191 mgll, el conjunto de datos
presenta menor nivel de variacin que por encima de este valor.
SPSS
113
Diagrama con puntos extremos. En este caso se realizan las cajas como en el caso del
diagrama general, adicionando los lmites generados por cercos internos y externos,
utilizando las siguifntes expresiones:
cerco interno inferior
cerco interno superior
cerco externo inferior
cerco externo superior
~
~
~
QJ-1.5*RlC
Q3+ 1.5*RlC
QJ-3*RlC
Q3 +3*RlC
*
* --
o
o
o _
3RlC
Puntos extremos
1,5RlC
-QJ}
Ql
50 % de datos
-Q/
o
O
O
*
*
*
1,5RlC
Puntos extremos
3RIC
Puntos raros u "outliers"
114
SPSS
CAPiTULO
En.
Feb
Mlr
Abr
Jun
Jul
Al'
5.,
Oct
1994
63,5
70,4
160,5
101
89,5
92,5
100,5
115,3
158,9 99,4
97,8
1995
58,4
78,3
168,9
110
95,6
80.7
115,2
120,3
166,2
103
89.7
1996
60,2
80,1
152,3
108
102
89,6
97,3
109,4
171,3
96,5
80,4
1997
70,2
70,4
156,3
112
98,4
86,9
103,3
110,3
169,2 97,5
86,3
1998
98,2
78,2
159.7
106
90,1
90,6
105,8
114,5
160,5 89,3
94,2
1999
57,3
69,8
148,9 98.7
85,6
79,4
95,4
100,2
149.7 90,1
85,2
2000
68,2
75,6
158,9
112
98,9
88,1
108,4
109,8
168,4 86,3
79,8
2001
59,8
71.2
160,2
105
88,5
83.7
104,2
118,2
170,2 90,4
86,3
2002
68,1
73,2
156.7
110
96,8
91.7
107,9
111,8
165,9 94.7
95,8
Nov
Die
= 88,1 mm y
Q3=X7 = 90,6 mm
RlC= Q3 - Q = 6,9 mm
SPSS
115
= 8,7 mm
= 147,4 mm
Q, + 1,5* RlC= 169,2 + 13,1 = 182,3 mm
Q, - 3* RlC= 160,5 - 26,1 = 134,4 mm
=195,3 mm
116
CAPfTULO
4 -
200
195.3
182,3
169.2
166,2
160.5
150
147,4
134.4
,......,
'"
111 .3
'-'
Q
'O
' (3
.....
100
:&
101
90,6
88.1
83,7
e
p.,
73.3
63
50
Julio
Octubre
Meses
Figura 4.6 Diagramas de cajas y alambres para la precipitacin mensual del
municipio de Morales- Cauca, en los meses de julio y octubre, durante
los aos 1994 a 2002.
SPSS
117
= 11 Y
n;
1 = 6,
Q3
= 17,2 mm
68,1 73,2 91,7 94,7 95,8 96,8 110 107,9111,8 156,7 165,9
Como n
= 16,7 mm
= 68,1 mm
118
= 135 mm
CAPITULO
4 -
= 43,1 mm
50,1 = 158,3 mm
Precipitacin
(mm)
o
\ 59,8
\ 65 ,9
\ 58,3
\35
\34
\ 09,9
08,2
99,4
96,8
9\
93,2
65,2
68, \
43 ,\
39,4
1994
2002
Aos
SPSS
119
Luego se hace una lista de los valores de tallo en una columna vertical (entre 5
y 20 tallos).
Se procede a registrar la hoja por cada observacin junto al valor correspondiente
al tallo.
Finalmente se indican las unidades de tallos y hojas en algn lugar del
diagrama.
El diagrama de tallos y hojas permite visualizar:
El centro de la distribucin.
La forma general de la distribucin: simtrica si las porciones a cada lado del
centro son imgenes espejos de las otras; sesgada a la izquierda si la cola izquierda
(los valores menores) es mucho ms larga que los de la derecha (los valores
mayores) y sesgada a la derecha opuesto a la sesgada a la izquierda.
Desviaciones marcadas de la forma global de la distribucin.
La forma de comparar dos distribuciones en forma simultnea.
Ejemplo 4.10 Considerando los datos de precipitacin anual (mm) registrada en
los aos 1994 a 2002 en el municipio de Morales-Cauca, presentados en la tabla
4.2, se realiza a continuacin el diagrama de tallos y hojas para la precipitacin
del mes de enero y del mes de octubre, durante los aos 1994 a 2002.
Precipitacin en el mes de enero:
63,5 58,4 60,2 70,2 98,2 57,3 68,2 59,8 68,1 (mm)
120
SPSS
CAPITULO
4-
Hojas (n=9)
73
02
02
5
6
7
8
9
84
35
98
81
82
82
158,9166,2171,3169,2160,5149,7168,4170,2165,9(mm)
Estos datos transformados a nmeros enteros quedan como: 1589 1662 1713
16921605 1497 1684 17021659.
En este caso es conveniente escoger los dos primeros trminos como el tallo y
los dos ltimos trminos como la hoja, tal como se presenta a continuacin:
Octubre
Tallos
14
15
16
17
Hojas (n = 9)
97
89
05
02
59
13
62
84
92
121
Ao 1995
Hojas
Tal/os
84
5
6
83
9707
56
3000
52
03
8962
Hojas
10
11
82
5698
6381
89
8498
20
12
15
16
89
84
8
9
122
Modelos de regresin
SPSS
123
Altura del hijo =85 (cm) + (0,5)* altura del padre (cm)
y=a+bx
(5.1)
Por ejemplo, si el padre mide 2,0 m = 200 cm, entonces se desea estimar la estatura
media de su hijo, es decir, cunto vale y = ?, para un valor x = 200 cm, reemplazando
en la ecuacin 5.1 se obtiene:
y = 85 + 0,5( 200 )
= 185 cm
Entonces, se espera que el hijo mida 185 cm = 1,85 m, es decir alto, pero no tanto
como el padre. El valor tiende a regresar a la media.
Si el padre mide 1,2 m
estatura de su hijo:
En este caso, se espera que el hijo mida 1,45 m, es decir bajo, pero no tanto como
el padre. El valor tiende a regresar a la media.
Actualmente el trmino regresin se utiliza para predecir una variable en funcin de
otra, y no implica que se est estudiando si se produce una regresin a la media.
El aspecto estadstico de la regresin consiste en lograr una estimacin funcional
de la relacin entre dos o ms variables. En este proceso es necesario identificar
una variable independiente o de respuesta, y, la cual no es controlada en el estudio;
los valores de esta variable dependen de una o ms variables independientes o de
regresin, que se denominan x" x], x 3 , , x n. Estas variables independientes o
de regresin no son aleatorias y no tienen propiedades poblacionales.
La variable y puede ser de carcter cuantitativo o dicotmico (aquella que
slo admite dos categoras que definen opciones o caractersticas mutuamente
excluyentes: s o no). En el primer caso se habla del modelo de regresin lineal y
en el segundo caso del modelo de regresin logstica. La diferencia fundamental
entre el modelo de regresin lineal y de regresin logstica es que el primero
predice el valor medio de la variable dependiente (y) a partir de una o ms variables
independientes; mientras que el segundo permite predecir la proporcin de una
124
SPSS
CAPITULO
5-
MODELOS DE REGRESiN
I
I
I!I
Mldple
Varias variables independientes
Simple
Una variable independiente x
x"xz,,x"
Lineal
N o lineal
Lineal
No lineal
Entrada
Modelo
determinstico
nica
salida
Entrada
Modelo
estocstico
Posibles
salidas
(n respuestas)
(a)
(b)
SPSS
125
Caudales de entrada
Qv
Excesos
EMBALSE
dS
Cambio en almacenamiento
Suministro
Precipitacin
Q
Infiltracin
F
BALANCE: 1 + P
= Et + F + Qv + Q + dS
Ag Ul1
atl lente
,-
F.L.A.
-.
....
agua
arena
Agua efluente
= J30+ J3agua
Posibles valores en el
agua etluente
afluente + Error
126
SPSS
CAPfTULO
5 - MODELOS
DE REGRESiN
(5.2)
Donde:
Y : Valores de la variable de respuesta o dependiente. Genera un vector fila
}Jo
}J,
...-. y=a+bx
Modelo poblacional
Estimacin de parmetros
Modelo muestral
127
E (y / x) = E ( Y) = y = a + bx
(5.3)
y= a +bx
Variable y
Variable x
128
CAPITULO
5-
MODELOS DE REGRESiN
ft
ft
1- /
(5.4)
1- /
Para obtener los mnimos de la ecuacin 5.4 se deben encontrar primero las derivadas
parciales con respecto de a y b, tal como se presenta en las ecuaciones 5.5 y 5.6,
respectivamente.
(5.5)
(5.6)
- 2
(y - a - bxi = O
-2 x(y,-a-bx,i= O
Y -
a- b
xY- a x-b
=O
SPSS
x/=O
129
"
"
- I
na+b x=y
- 1
(5.7)
"
" x/ = xy
"
a x;+ b
;- 1
- 1
;- 1
"
n (x;y) - (
b
=;
""
LXi)
(y;)
;
"
"
(5.8)
n (x/) - ( xli
Una vez calculado b se puede despejar de alguna de las ecuaciones del sistema 5.7
el valor de a, generando la ecuacin 5.9.
"
"
y- b
a
LXi = _YI
_
---'--1
- -=----1_....:....1-....:....1_
bx1
n =y-bx
(5.9)
130
SPSS
CAPITULO
5-
MOOELOS OE REGRESiN
SPSS
131
ro
E {e}
E {el]
=
E {en]1
IO
v (e) = rl =
constante
i = 1, 2, 3, ....., n
o,rl )
132
SPSS
CAPfTULO
5 - MODELOS
DE REGRESiN
del conjunto de datos; puntos atpicos u outliers, los cuales se pueden confirmar a
travs de las grficas de cajas y alambres.
Estos diagramas se pueden realizar con relativa facilidad en diferentes programas de
computador. En la Figura 5,5 se presenta el esquema general de un diagrama de dispersin,
el cual representa una gran ayuda en la definicin de la ecuacin matemtica que permita
estimar la tendencia de los datos. Por ejemplo, en la Figura 5,6 se evidencia una tendencia
de los datos a una lnea recta, con pendiente positiva y corte en el origen.
y
Yi
~* ~
- -+-
:
Xi
133
1200
~ 1000
!.
'"
"5
800
600
::s
'"
400
200
~'"
O
O
200
400
600
800
Turbiedad (UNT)
Figura 5.6 Diagrama de dispersin entre las variables slidos suspendidos (y) y
turbiedad (x).
Nmero de
observacin
Fecha
i
1
2
3
4
5
6
7
Slidos
suspendidos
(mg/l)
Turbiedad
(UNT)
Xi
Xi
* X,
x, * y,
Yi
04Mar-91
07-Mar91
11Mar91
14-Mar91
08Abr91
11Abr91
15Abr91
14May-91
8
9
10
11
12
16May-91
20May-91
23May-91
27-May-91
13
30May-91
42
72
360
71
146
505
1764
5184
129600
35
65
120
61
136
169
190
1225
4225
14400
2135 ;
8840
20280
10000
36100
422500
19000i
51110 I
635700
52900
11025
90620
18480
9000
6831
100
190
650
230
105
269
978
394
176
75
120
5625
69
99
4761
2982
10512
181800
134
SPSS
CAPTULO
5-
MODELOS DE REGRESiN
Nmero de
observacin
Fecha
Slidos
Suspendidos
(mgfl)
y
Turbiedad
(UNT)
x
x*x
X*Yi
14
04Jun91
125
133
15625
16625
15
06Jun91
85
140
7225
11900
16
11Jun91
32
53
1024
1696
17
13Jun91
34
54
1156
1836
18
17Jun-91
85
123
7225
10455
19
24-Jun91
450
568
202500
255600
20
02Jul91
51
84
2601
4284
21
04-Jul91
37
73
1369
2701
22
11Jul-91
62
84
3844
5208
3074
4626
941878
1367595
139,727273
210,272727
21
=suma
;=/
Media
Utilizando los resultados de la Tabla 5.1 y las ecuaciones 5.8 y 5.9 se tienen los
siguientes resultados para los coeficientes de regresin a y b.
= 13,5856
=y = SS = 13,5856 + 1,40765 * TU
(5.10)
SPss
135
Nombre de la funcin
Ecuacin
Parbola o cuadrtico
Polinomio grado-n
+8
Semi logartmica
Inversa
Senoidal
logartmica
.PI
=.Po + -+8
x
Contina en la pgina siguiente
136
SPSS
CAPfTULO
5 - MODELOS
DE REGRESiN
Nombre de le funci6n
Ecuaci6n
Raz cuadrtica 1
=flo + flx'h + 8
Raz cuadrtica 2
y =flo + fllnx
+ fll( Inxl + 8
=flo + fl e-x + 8
Y = flo +fl~ + fll ln x + 8
Y
In y
eX
+8
Los modelos lineales son tiles en muchas situaciones, y aunque la relacin entre
la variable de respuesta y las variables regresoras no sea lineal, en muchos casos
la relacin es "linealizable" en el sentido de que haciendo transformaciones con
logaritmos o funciones inversas en la variable de respuesta y/o algunas variables
regresoras, la relacin se convierte en lineal. Sin embargo, existen situaciones
donde una relacin no lineal no es factible su linealizacin. En este ltimo caso se
denomina modelo de regresin no lineal (El estudio de un modelo de regresin no
lineal es muy extenso y complejo, pero existe una amplia literatura sobre el tema).
En la Tabla 5.3 se presentan ejemplos de modelos no lineales y su transformacin a
modelos lineales en los parmetros y variables de regresin.
Tabla 5.3
Modelo no lineal
Funci6n
Hiprbola 1
y=
Hiprbola 2
y=
+8
-=fl
y
o+fl X+8
x
+8
flox-fl
1
fl
y=flo--X+ 8
flo+ fl1x
SPSS
137
Exponencial 1
y =fJofJ/ +&
In y
= In fJo + x In fJ + &
Exponencial 2
=fJOeP + &
Iny
Geomtrica o
potencia
In y
= In fJo + fJ In x + &
Raz
y =fJofJ~+ &
1
Iny=lnfJo+-X Infl+&
logstica 1
1
Y = fJ fJ; + &
o
In y
logstica 2
logstica 3
In (1- to )=fJx+&
Gamma o
especial de Hoerl
y =fJOeP1XxP' + &
In y
Gauss
Especial 1
Iny=lnfJo + fJ +&
x
Especial 2
'X
~+&;fJ<O
1
Y =fJo+fJe- x +&
138
SPSS
5 - MODELOS
CAPITULO
Tabla 5.4
DE REGRESiN
y=Po+px+e poblacional
na+b xl = y
- /
- /
a xl + b
mues/ral
y=a+bx
1- /
x: = Xy
;- /
;- /
y=po+p/lnx+e poblacional
na+b Inx= y
- /
- /
y=a+blnx
mues/ral
- J
- l
;- /
;- /
In x =
Y = PoxtI'+ e
} poblacional
lny = InPo +plnx +e
n In a + b
Iny=lna+blnx
mues/ral
In a In x+ b (In x;/ =
poblacional
n In a + b x =
Iny=lnPo+px+e
y=Po+ p +e
x
b
y=a+ -x
poblacional
Y =Pop/'+ e
1
} poblacional
mues/ral
Iny
i=I
n
;- /
1- /
1- /
n 1
n
na+b -=y
Xi
_ I
y.
;_1
1_ /
xi
_ I
a-+b-=~
n In a + In b
_ I
mues/ral
In x Iny
;- /
mues/ral
;=1
1- /
/- /
Iny=ln a +bx
y =Po efl,x+ e
In y
-x1 =
n
_ /
_ /
In y
n 1
n 1
n Iny .
Ina-+b2=-'
_ / x
1_ / XI
_ /
x
n
na +b xl+c x/= y
y=Po+PX+P2r +e
poblacional
;- /
n
i- J
i=I
a x+b x/+c x; = xy
y=a+bx+d
mues/ral
;- /
- I
=/
n
a x:+ b x/+ C x/ =
;- /
;- /
- I
;=/
n
X2y
; ""' 1
SPSS
139
- 1
a ix,'h+bix,+e ix~=ix:y,
/- /
/- /
y=a+bx'h + ex
1- 1
muestral
ix,+bix~+e i x / = ix/y/
/- /
poblacional
= a + blnx + e (In x/
muestral
;- /
/- /
/- /
/- 1
na + b t}n x/ + c
/- /
- I
f (In x/l f
y/
/- /
1- /
/- 1
y/In x/
1- /
/- /
y = floefl'xxP' + e
}
lny = Inflo + flx + fllln x + e poblacional
/- /
/- /
1- 1
n In a +b fx+c f/nx
/- 1
/- /
/- /
Iny
/- /
muestral
'-1
/-/
- I
- l
In
fl2
1 +efl+fl,x
+e ;fl< O }
poblacional
(L
-1 )=flo+flx+e
y
/-
;- /
,- /
e
In ( - - 1 )
y
,.
"
,.
e
a x+b x/= xln (- -1)
- /
/- /
/- /
y
e
In(--1)=ax+b
y
muestral
n In a + b
Iny=lnflo+fl/(x-fll/ +e
poblacional
muestral
140
na + b
/- /
(x - e/ =
/- /
In y
- /
In a i(x,-e/+ b i(x-e/= i
/- /
/-
(x,-e/lny
/- /
CAPrTULO
5-
MODELOS DE REGRESiN
Ejemplo 5.2 Calcular el modelo potencial y =flo X fJ1 + e para estimar niveles
de slidos suspendidos a partir de valores de turbiedad, en una estacin de
monitoreo del ro Cauca, con los datos presentados en el ejemplo 5.1. Con el
fin de seguir los procedimientos para estimar los coeficientes de regresin de
la lnea recta, se debe linealizar la ecuacin potencial aplicando logaritmo
natural, generando la ecuacin 5.11, que es lineal en los parmetros de
regresinfloY fll '
= Inflo + fllln x + e
In y = In a + b In x
In y
ecuacin poblacional
(5.11)
ecuacin muestral
.,
:;;
.
1::
7
6
:oc 6
''""
~
:::: 5
.~
'"
~ 5
~
....
4
4
3
3
5
5
6
LN de turbiedad
=1
(5.12)
= I
Hallando las derivadas parciales con respecto a cada uno de los parmetros a estimar,
se obtienen las ecuaciones 5.13 y 5.14.
SPSS
141
(5.13)
-1
oLe:
~ =- 2
ob
In x ( In Y -In a - b In x)
(5.14)
=1
n In a + b
n
1-1
1-1
In x = In y
n
In a ~)nx+b (Inx,l=
-1
-1
(5.15)
Inx Iny,
-1
Con el fin de calcular las diversas sumas que se requieren para la estimacin de
los coeficientes, se presentan en la Tabla 5.5 los datos que permiten reemplazar las
ecuaciones normales del modelo potencial, para el ejemplo 5.2.
Tabla 5.5.
Observacin
(x}
(UNT)
Slidos
suspendidos
(y}
(mgll)
04Mar91
42
71
07Mar-91
ll -Mar-91
72
360
14-Mar-91
35
5
6
08-Abr-91
ll-Abr-91
65
120
136
169
In
(turbiedad)
( lnx}
In
(slidos
suspendidos)
( lny,)
Un tur)x
(lntur)
(lnx;/
Un tur)x
Un slidos)
(lnx,lny)
4,26
13,97
15,93
146
3.74
4,28
4,98
505
5,89
6,22
18,29
34,65
21,31
36,64
61
3,56
4,17
4,11
12,64
14,62
4.79
4,91
5,13
17,43
22,92
20,51
24,56
15-Abr-91
100
190
4,61
5,25
21,21
24,16
14-May-91
190
269
5,25
5,59
27,53
29,36
142
SPSS
CAPITULO
5 - MODELOS
DE REGRESiN
Observaci6n
turbiedad
fecha
(x)
(UNT)
Slidos
suspendidos
(y)
(mgll)
In
In
(turbiedad)
( Inx)
(slidos
suspendidosl
( Iny)
(In tur}x
(Inturl
(In xi
(In tur}x
(In slidosl
(lnxlny)
16May91
650
978
6,48
6,89
41,95
44,60
10
20May91
230
394
5,44
5,98
29,57
32,50
11
23May91
105
176
4,65
5,17
21,66
24,06
12
27-May91
75
120
4,32
4,79
18,64
20,67
13
30May91
69
99
4,23
4,60
17,93
19,46
14
04Jun91
125
133
4,83
4,89
23,31
23,61
15
06Jun91
85
140
4,44
4,94
19,74
21,95
16
11Jun91
32
53
3,47
3,97
12,01
13,76
17
13Jun91
34
54
3,53
3,99
12,44
14,07
18
17Jun91
85
123
4,44
4,81
19,74
21,38
19
24Jun91
450
568
6,11
6,34
37,32
38,75
20
02Jul91
51
84
3,93
4,43
15,46
17,42
21
04Jul91
37
73
3,61
4,29
13,04
15,49
22
11Jul91
62
84
4,13
4,43
17,03
18,29
3074
4626
99,88
109,98
468,47
513,09
22
L=suma
I- l
b = 0,917814 Y In a = 0,8322
Por lo tanto el modelo de regresin queda definido por la ecuacin 5.16 5.17.
SPSS
143
In SS
= 0,8322 + 0,9178 In TU
(5.16)
o
SS
(5.17)
144
SPSS
CAPfTULO
I
I
I
~
It
MODELOS DE REGRESiN
I
I
1-....
5-
t
c-;.",....
v.
-.----------------------------I
I
I
I
I
1M
Jl
tic
61.
7
6>'
116
116
/1
y=ax 6
x
--_-:y=ax
/1
b>O
b<O
y =a +blnx
y=a +blnx
X
X
SPSS
145
b<'
,-u""
l:
,-_""
"1------------------------
" t------::;---------------
y
1
l/a
(a + be-X)
1- - - - 1- - - - - - - - :.::.;:..::.::- - - - -
,
,,
,,
,,
,,
,,
y=a + be-x
a--r---------------------+
= a + be-x
,
"
, , , , ,
146
SPSS
CAPITULO
5-
MODELOS DE REGRESiN
(x-x)(y-y)
r=
- /
n
(xi-xl
=b
-/
n
(xi-xl (y-il
(y-il
-/
-1
-/
(5.18)
(5.19)
SPSS
147
analizadas.
El valor del coeficiente r se encuentra entre: -1 ~ r
-100% ~ r ~ 100%.
1, en trminos porcentuales
r<'
6<'
a)
b)
'Z
r -:: :, O
-=----.x
t
a)
148
b)
CAPITULO
5-
MODELOS DE REGRESiN
y
r=:.1
y
r =:. -1
149
y.
r=-1
a)
b)
r=-1
Correlacin
negati va
moderada
r=- 0.7
r=-0.4
150
r=O
Correlacin
positiva
moderada
r=0.4
Correlacin
positiva
fuerte
r=0.7
r=1
j
No hay
correlacin
Correlacin
negati va
perfecta
Correlacin
positiva
dbil
Correlacin
negativa
dbil
Correlacin negativa
Correlacin
positi va
perfecta
Correlacin positiva
SPSS
CAPITULO
5-
MODELOS DE REGRESiN
Qu no mide r?
El coeficiente de correlacin muestral, r, no mide la magnitud de la pendiente,
es decir, la fuerza de la asociacin lineal entre las dos variables en estudio, como
se presenta en seguida:
Igual valor de r
...
Igual valor de r
SPSS
151
* TU
(xi-xl
r=b
= 1,40765*
;=1
n
512356,36
1035004,36
= 0,99 o r = 99%
~:rY;-YY
;=1
Observacin
i
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Slidos
suspendidos Irng/ll
Xi
Yi
42
72
360
35
65
120
100
190
650
230
105
75
69
125
85
71
146
505
61
136
169
190
269
978
394
176
120
99
133
140
(xi-xl
9549,20
4586,00
48523,28
10966,28
5583.08
388,88
1577,68
2528,08
260385.68
8150.48
1205.48
4188.68
5001.32
216.68
2994,28
(Y/-yi
19396,13
4130,63
86865.77
22281,53
5516,03
1703.21
410.87
3449,21
589409,35
33756.71
1174.43
8148,67
12381.01
5970.65
4937.87
152
SPSS
CAPITULO
5 - MODELOS
DE REGRESiN
Turbiedad
(UNT)
Slidos
suspendidos (mg/l)
XI
YI
16
17
18
19
20
21
22
32
34
85
450
51
37
62
53
54
123
568
84
73
84
11603,60
11176,72
2994,28
96273.68
7871.24
10551,40
6040,40
24733.85
24420.31
7616.05
127970,75
15944,11
18843,05
15944.11
=suma
3074
4626
512356.36
1035004.36
Observecin
(x-xl
(Y-yl
22
- 1
139.72
Media
210.27
ss = 2,2984 *
TUO,91 7814
"
(
In x-In xl
r=b
- I
- - - - - - - =0,917814 *
n
15,06
- - - = 0,98 o r = 98%
13,11
(lny-Inyl
- I
SPSS
153
Tabla 5.7
Observacin
S6lidos
suspendidos
In Turbiedad
In Slidos
(rng/I)
Iny
Inx
42
71
3,74
4,26
0,64
0,54
72
146
4,28
4,98
0,07
0,00
360
505
5,89
6,22
1,81
1,50
35
61
3,56
4,11
0,97
0,79
65
136
4,17
4,91
0,13
0,01
120
169
4,79
5,13
0,06
0,02
100
190
4,61
5,25
0,00
0,06
190
269
5,25
5,59
0,50
0,35
650
978
6.48
6,89
3,75
3,56
10
230
394
5,44
5,98
0,81
0,96
11
105
176
4,65
5,17
0,01
0,03
12
75
120
4,32
4,79
0,05
0,04
13
69
99
4,23
4,60
0,09
0,16
14
125
133
4,83
4,89
0,08
0,01
15
85
140
4,44
4,94
0,01
0,00
16
32
53
3.47
3,97
1,15
1.06
17
34
54
3,53
3,99
1,03
1,02
18
85
123
4,44
4,81
0,01
0,03
19
450
568
6,11
6,34
2.46
1,80
20
51
84
3,93
4.43
0,37
0,32
21
37
73
3,61
4,29
0,86
0,50
22
62
84
4,13
4.43
0,17
0,32
3074
4626
99,88
109,98
15,06
13,11
139,72
210,27
4,54
5,00
12
=suma
;=1
Media
154
SPSS
CAPITULO
5-
MODELOS DE REGRESiN
(5.20)
KS,,2
ss
= 13,5856 + 1,40765 * TU
SS = 2,2984 * TUO,917814
Tipo
Lineal
0,99039
0,98087
Potencial
0,98380
0,96786
SPSS
155
Coeficiente de no determinacin
A partir del coeficiente de determinacin, se puede definir el coeficiente de no
determinacin, el cual mide la proporcin de la variacin total de y, que no es
explicada por la variacin de x y se calcula como 1 - R 2 . Por ejemplo, para un valor
de r = 0.8, el valor del coeficiente de determinacin es R 2 = 0,64 o 64%, el coeficiente
de no determinacin es 1- R 2 = 0,36 o 36%, es decir, e136% de la variacin de y no
se debe a la variacin de la variable x.
Z=
156
SPSS
CAPTULO
6
Planeacin estadstica
en un proyecto
de investigacin
SPSS
157
158
SPSS
CAPfTUlO
6-
Etapas de filtracin
Desinfeccin terminal
,~--------------------------~,
Filtro grueso
Filtro lento
(FG)
en arena
,,-----------\
(FLA)
Figura 6.1 Esquema general de una planta de tratamiento con tecnologa FiME.
(Galvis, 1999).
SPSS
159
Filtro Grueso Dinmico (FGDi). Consiste en una estructura que consta de una capa
de grava fina del orden de 0,2m-0,3m de profundidad. El agua que entra en la unidad
fluye sobre la capa fina de grava y parte de ella drena, a travs del lecho, hacia una
tubera perforada y continua hacia la siguiente etapa en el sistema de tratamiento. La
velocidad de operacin de estas unidades puede estar entre 1,0 m/h y 9,0 m/h.
Filtro Grueso Ascendente en Serie (FGAS). Consiste en tres estructuras, de 1,2 m a
1,5 m de altura, encontrndose en cada una determinado tamao de grava. La grava
se coloca de gruesa a fina. El agua atraviesa las tres estructuras, desde la grava gruesa
hasta la grava ms fina, con flujo ascendente. La velocidad de operacin es del orden
de 0,3 m/h a 3,0 m/h.
FLA 1
-t.4 ~
FLA2
-2.2 ~
~uenteO.1
deagua
~~[B~:]uP~~~~~
FLA3
3.4 ~
FLA4
-4.4 ~
FLA 5
-5.4 ~
Filtro Grueso Ascendente en Capas (FGAC). Consiste en una sola estructura, de 1,2 m
a 1,5 m de altura, en la cual la grava se encuentra instalada por capas, quedando en
el fondo el material grueso y en la superficie el material fino. La grava se coloca de
gruesa a fina. El agua atraviesa la estructura desde la grava gruesa hasta la grava
ms fina, con flujo ascendente. La velocidad de operacin es del orden de 0,3 m/h
a 3,0 m/h.
Filtro Grueso Horizontal (FGH). Consiste en una estructura rectangular, compuesta
de tres capas de grava las cuales van de gruesa a fina. El flujo del agua va en sentido
horizontal. La velocidad de operacin es del orden de 0,3 m/h a 3,0 m/h.
160
CAPfTULO
6 - PLANEACIN
Filtro Lento en Arena (FLA)~ Es una estructura que consiste en un lecho de arena
fina, de dimetro efectivo entre 0,2 mm y 0,3 mm, con una profundidad de 0,5 m
a 0,8 m, colocada sobre una camada de grava de medio de soporte y una tubera
como sistema de drenaje en el fondo. La altura total del filtro, desde el fondo hasta
la corona de los muros, puede variar de 1,90 m a 2,50 m y se puede construir en
hormign reforzado, ferrocemento, piedra o mampostera.
Tabla 6.1
Etapas de mulltreo
0.1
Cruda
Acondicionadores
0.2 FGDiA:
0.3 FGDiB:
0.4 FGDiC:
FGAS1:
1.2 FGAS2:
1.3 FGAS3:
1.4 HA1:
2.1
1.1
Lnea 1
Lnea 2
I
Cruda
FGAC:
2.2 FlA2:
SPSS
161
Etapas de muestreo
Codificaci6n
3.1
lnea 3
lnea 4
lnea 5
3.4 FLA3:
4.1
FGH1:
4.2 FGH2:
4.3
FGH3:
4.4 FLA4:
5.1
FGDS1:
5.2 FGDS2:
5.3 FGDS3:
5.4 FlA5:
Variables
Fsicas
Qumicas
Tipo
Cuantitativas
continuas
Turbiedad (UNT)
Color real (UPC)
Slidos sedimentables (mg/llh)
Slidos suspendidos (mg/l)
Slidos voltiles (mg/l)
Slidos totales (mg/l)
Temperatura (OC)
Cuantitativas
continuas
pH (unidades)
Alcalinidad total (mgJl Ca C0 3)
Dureza total (mg/l Ca C0 3)
Oxgeno disuelto (mg/l)
Hierro total (mg/l)
Manganeso total (mgtl)
--- - - - - -- -
162
SPSS
CAPfTULO
6-
Variables
Tipo
Biolgicas
Cuantitativas
discretas
Hidrulicas
Cuantitativas
continuas
Tabla 6.3
1.2
5.2
1.3
2.1
3.3
4.3
5.3
1.4
2.2
3.4
4.4
5.4
Total de
muestra por
variable
2s
2s
2s
2s
2s
4d/44s
3d
3d
3d
3d
3d
90d
2s
2s
2s
2s
2s
2s
1d/44s
23m
23m
Temperatura (OC)
4d
01
03
04
05
06
4d
Turbiedad (UNT)
24d
1.1
Variable
4d
3s
10q
3s
3s
3s
3s
57s
19s
lOd
SPSS
163
Punto de muestreo
03
01
04
06
05
1.1
5.1
1.2
5.2
Variable
1.3
2.1
3.3
4.3
5.3
1.4
2.2
3.4
4.4
5.4
Total de
muestra por
variable
pH lunidadesl
12q
12m
12m
12q
23m
2s
2s
2s
2s
2s
2s
2s
46s
23q
d - diaria
s - semanal
q - quincenal
m - mensual
164
SPSS
CAPITULO
6-
Laboratorio
flsico-gulmico
Toma de
muestras
Anlisis de
muestras y
reporte de
datos
1-----
Comit de
seguimiento y
control de
proyectos Cinara
rea de in:enierla
Responsable del
proyecto
Laboratorio
microbiol:ico
Anlisis de
muestras y
reporte de datos
rea de
informacin
sistemas
Informacin
tcnica y socio
econmica
~
Base de datos
Anlisis estadstico
SPSS
165
O>
O>
Tabla 6.4
<
<:
'i>
<
~
:Il
G)
Fecha:
m
(j)
-i
(j)
()
:Il
~
~
:Il
~
Z
G)
m
Z
;Ti
:Il
Variable
Hora
Turbiedad (UNTl
Color real (UPC)
pH (Unidades)
Alcalinidad
(l11li/1 CaCo3)
Dureza total (mgJI CaCo3)
Oxgeno disuelto (l11li/11
Slidos suspendidos (l11li/11
Estabilidad en suspensin
(an/h)
Slidos sedimentables
(mI/h)
000 (l11li/11
!!1
m
Z
Caudal II/s)
Filtrabilidad (mI/3nin)
r....,(dias)
()
O
Z
- - - - - ----
Ul
"tl
Ul
Ul
LINEA 4
LINEA 3
Observaciones:
(j)
LINEAS
FGASl
FGAS2
FGAS3
FLAl
FGAC
FLA2
FGHMl
FGHM2
FGHM3
FLA3
FGHl
FGH2
FGH3
FLA4
FGDSl
FGDS2
FGDS3
FLAS
1.1
1.2
1.3
1.4
2.1
2.2
3.1
3.2
3.3
3.4
4.1
4.2
4.3
4.4
5.1
5.2
5.3
5.4
Estreptococos fecales
(UFC/lOOmI)
CoIiformes fecales
(UFC/1OOmI)
;::
LINEA 2
~atura(OC)
i>
LINEA 1
--
- ---
---
"TI
:Il
~
()
CAPrTULO
6 - PLANEACIN
SPSS
167
CAPiTULO
l. CRUDA
2. ACONDICIONADA
6-
L-J:I
l
FGD-A
FGD-B
FGD -C
---J
[ FGAS 1
3. INTEGRADA
FGAS2
FGAS3
FGHM 1
~(
FGHM
4. FILTROS GRUESOS
FGHM2
FGHM3
FGHI
~~
=-ti
[
5. FILTROS LENTOS
EN ARENA
Figura 6.4
168
H-.[
FLA I
FLA2
FLA3
FLA4
FLA5
FGH2
FGH3
FGDSI
F0002
FGDS 3
l
l
l
l
CAPTULO
7
Evaluacin de sistemas para
tratamiento de agua potable
SPSS
169
170
SPSS
CAPITULO
7-
Rem
afluente - efluente
afluente
xl 00%
Turbiedad
La siguiente tabla presenta los resultados del programa estadstico SPSS en el clculo
de algunas estadsticas descriptivas.
Estadsticas descriptivas para turbiedad (UNT)
Integrad
FGAS3
FGAC
FGHM3
FGH3
FGDS
Media
73,6
12,4
21.7
21,2
13,3
16,5
Mediana
48,0
8,0
18,0
17,0
9,5
14,0
Moda
26,0
14,0
17,0
17,0
18,0
18,0
5790,1
139,7
342,2
256,6
100,0
228,3
Varianza
Desviacin tpica
Rango ordinal
N total
76,1
11,8
18,5
16,0
10,0
15,1
563,0
113,0
166,2
126,1
78,2
137,4
294
294
294
294
294
294
SPSS
171
Los filtros con menores efluentes promedios son el FGAS3 y el FGH3, estos
presentan un menor valor en la desviacin estndar y el rango, que significa una
mayor concentracin de los datos alrededor del valor medio, seguidos del FGDS.
Por el contrario, los filtros que presentan mayores valores en los efluentes son el
FGHM3 y el FGAC, con valores de dispersin y rango ms elevados, mostrando
una mayor dispersin en relacin con el valor medio efluente.
Las estadsticas descriptivas para la remocin de turbiedad se observan en la siguiente
tabla:
Estadsticas descriptivas para remocin de turbiedad (%)
REMFAGS3
REMFGAC
REMFGHM3
REMFGH3
REMFGDS
Media
80,3
66,2
65,1
77,5
73,6
Mediana
80,8
66,6
65,3
78,6
74,3
Moda
80,0
70,0
50,0
80,0
60,0
Varianza
82,5
127,0
194,6
103,0
124,9
9,1
11,3
13,9
10,1
11,2
Rango ordinal
45.4
59.4
82,1
50,8
71,5
N total
294
294
294
294
294
Desviacin tpica
Se puede analizar que los filtros con mayor eficiencia en la remocin de turbiedad son
el FGAS3 y el FGH3, los de menor eficiencia son el FGAC y el FGHM3, generando
los dos primeros menor variacin en cuanto al valor medio que los dos ltimos. En
la remocin de turbiedad la distribucin del FGAS es muy simtrica, considerando
que los valores de la media, la mediana y la moda son muy similares. El filtro que
presenta menor simetra es el FGHM3.
Coliformes fecales
FGAS3
FGAC
FGHM3
FGH3
FGDS
Media
24758
65
369
929
182
147
Mediana
13200
35
260
867
141
80
Moda
12900
12
10
1600
110
50
992226516
8287
150381
525016
18199
26053
31500
91
388
725
135
161
155000
389
1790
3807
618
760
31
31
31
31
31
31
Varianza
Desviacin tpica
Rango ordinal
N total
172
Al igual que en turbiedad, los filtros con menores efluentes son el FGAS3, el FGDS
y el FGH3, similarmente con los menores valores de dispersin. Los filtros con
mayores efluentes en coliformes fecales son el FGAC y el FGHM3, as mismo, con
los mayores valores de dispersin.
A continuacin se presentan las estadsticas descriptivas para la remocin de
coliformes fecales.
Estadsticas descriptivas para remocin de coliformes fecales(%)
Media
Mediana
Moda
Varianza
Desviacin tpica
Rango ordinal
N total
REMFGAS3
REMFGAC
REMFGHM3
REMFGH3
REMFGDS
99
100
100
1
1
6
31
98
98
99
3
93
96
76
39
6
99
99
99
3
99
99
91
24
9
31
9
31
8
31
31
Turbiedad
La siguiente grfica muestra los valores medios de los efluentes de los filtros gruesos,
la desviacin estndar y el valor mximo.
173
so
.ID
.-._--........ '.
'10
'00
60
i:1; ,o
i
.1
80
20
40
,o
,GAS,
'GAC
fGHM3
Medi.
FGH3
FGDS3
_ _ _ Mlimo
'.
1111
1'. :
'00
ID
:i l60
~
~
40
.'"
1
20
>201
ro
!
60
I
~
1l
~
40
20
):
'GAS,
'GAC
'OHM'
'OH'
FGOS3
Media _ _ _ Mximo
174
CAPITULO
7-
1+-----~--~~--~----~----_r----~----~~
70
1 lO
130
150
170
190
50
90
Da de operacin
- - - FGAC
---FGAS3
30 +-----~----r_----r_----r_--~~--~----~~
50
70
90
110
130
150
170
190
Da de operacin
---FGAS3
- - - FGAC
SPSS
175
110
roo
150
lZ0
J-e
~
-i""
90
r-'
60
30
~
O
FGAS3
FGAC
FGHM3
FGH3
FGDS3
FGH3
FGDS3
+ M edia
,to
~100
1""
J 80
60
~
,~
40
20
.~
=c:
'-
o
FGAS3
FGAC
FGHM3
+ Media
Grfica de mnimos, media y mximos en turbiedad (UNT) y remocin
de turbiedad (%)
176
CAPiTULO
7-
Co/iformes fecales
El siguiente grfico muestra los valores: medio, desviacin estndar y valor mximo
del efluente de los filtros gruesos en coliformes fecales.
_.... --_.....__
10000
,
I
.~-_._--._--
.......
_------~._---~_._-
...-----1
1~
1000
100
...
lO
FGAS3
FGHM3
FGAC
FGH3
FGDS3
120
--1f-
f--
--
-=-
--
r-
f- - -
1------
i-
f--
~.
r--
1-
r--
t-
---......
_. ~
100
80
f--
f-- 40
t-
1- 20
60
1
..
.i
~
o
FGAS3
FGAC
FGHM3
c:=::::J Media
FGH3
FGDS3
____ Mximo
El FGAS3 tiene el menor valor medio y valor mximo, seguidos del FGH3 y el
FGDS3. El filtro grueso con el mayor valor medio y el mayor valor mximo es
el FGHM3, seguido del FGAC. En la remocin, los menores valores se dan en el
FGHM3 y el FGAC. Las mayores remociones suceden en los filtros FGAS3, FGH3
y FGDS3, pero en ninguno de los filtros se evidencian grandes diferencias en sus
valores medios y mximos.
SPSS
177
10000
1
~
e.
1000
100
10
SO
70
90
110
130
150
170
190
Da de operacin
- - - FGAS3
---FGAC
- - - FGHM3
110~i--~~~~~~~--~------~---------------'
:;.
~1001
tI
t~
i
~
90 I
80 I
~.
'1
............... ;;j'*'f'
cc::::::::
::;::w
\}
---~,L\t------------------------~
____
\1
70+1----~----~----r_--~__--~----~----~~
SO
70
90
110
130
150
170
190
Dla de operacin
- - - FGAS3
---FGAC
- - - FGHM3
178
SPSS
CAPiTULO
7 -
El siguiente grfico ilustra los valores mnimo, mximo y media de los efluentes de
los filtros gruesos en coliformes fecales.
10VV'
....
:-
000
...
;;.;.;~:-
L....
100
~
L....
10
1
FGAS3
FGAC
FGHM3
FGH3
FGDS3
+ Media
110
FGAS3
FGAC
.~
70
FGHM3
FGH3
FGDS3
+ Media
Grfica de mnimos, media y mximos en coliformes fecales (UFC/
100ml) y remocin de coliformes fecales (%)
Se puede analizar que los menores valores medios se encuentran en los filtros gruesos:
FGAS3 y FGDS3 y las mayores medias en el FGHM3 y el FGAC. Los mayores
rangos suceden en el FGAS3 y el FGAC y los menores rangos en el FGHM3 y el
FGH3. Las mayores remociones se observan en los filtros FGAS3, FGH3 Y FGDS3
y la menor remocin se da en el FGHM3.
179
7.3 Histogramas
Las grficas de histograma penniten visualizar la fonna de la distribucin del conjunto
de datos, la cual se puede comparar con distribuciones tericas establecidas. Para
variables discretas las distribuciones a comparar pueden ser binomial, poisson,
geomtrica e hipergeomtrica, entre otras. En una variable continua las distribuciones
a comparar pueden ser unifonne, t-student, nonnal, chi-cuadrado, entre otras.
A continuacin, se presentan, para algunos filtros gruesos, los histogramas de turbiedad y
remocin de turbiedad, comparado con la distribucin nonnal. Las grficas corresponden
al procesamiento realizado en el software estadstico SSPS (las instrucciones se presentan
en el captulo 10). En cada grfico se observa la desviacin estndar (Desv. tip.), el valor
de la media (Media) y el nmero de datos analizados (N).
Turbiedad
loor,- - - - - - - - - - - - ,
70 T'-----------------------,
60
80
50
'r
.~ 40
~
~
.::
.:: 30
40
20
20
D~sv.
tlp. - 18,50
Media - 21
10
N-2 94,OO
UlIII,~ J~~;".
47.g.~n~u~M~~a~~
38g~n~~~a~~~~~nn~~
60,'---------,
50
40
'g
~
.::
30
20
10
4 9 1318n
28~37
N - 194,OO
424752 5761
180
7-
CAPfTULO
El grfico de frecuencias del FGAC muestra valores hasta 88 UNT, con frecuencias
significativas hasta 53 UNT Yfrecuencias mximas entre 3 UNT Y28 UNT. El FGH3
tiene valores hasta 49 UNT, con frecuencias significativas hasta 28 UNT Yfrecuencias
mximas entre 4 UNT Y 19 UNT. El FGHM3 presenta valores hasta 57 UNT, con
frecuencias significativas hasta 42 UNT Y frecuencias mximas entre 9 UNT Y 18
UNT. Las distribuciones evidencian cierto grado de asimetra con relacin al valor
medio, con sesgo a la derecha, es decir, las mayores frecuencias se presentan en los
valores menores de turbiedad, disminuyendo la frecuencia a medida que aumentan
los valores de turbiedad.
Analizando la distribucin de frecuencias, el mejor filtro en turbiedad es el FGH3,
pues tiene sus mayores frecuencias entre 4 UNT y 7 UNT, superando ms de 120
datos en este rango, mientras que el FGAC tiene ms de 120 datos en el rango de
8 UNT a 18 UNT.
Remocin de turbiedad
30. - - - - - - - - - ,
40 ~-------'
30
20
10
1\
n
10
I L
~ Mtm - u
lD111
0J;!
35 :I,J
40 ..!,J"U,
50U,
,,U,
eo.J.65,J..!,,J..!
O,"""
5 eo
"""85
J,.U,.1.
90 J,J'
95 N-1U,H
ni
rlAf1
Dtn.tip.- n ,17
I~
Dtn.tp..- JI.IJ
MtdM 11
O~
46 ""
52 ..!,J
56..!,J
eoU,
64U,
eaU,
'2U,'6.J.eo,J..!84,J..!8,8u92
,u96
L,LJ N -1f4,1IJ
60
50
40
';
_
30
20
,\
.\
/
10
h-
.~
N-194.00
U~~503540"50"9085roU908590~
SPSS
181
182
SPSS
CAPfTULO
7-
[0-201
[20401
[40501
[501001
>100
Total
Recuento
%de Integrada
%de FGAS3
Recuento
%de Integrada
%de FGAS3
Recuento
%de Integrada
%de FGAS3
Recuento
%de Integrada
%de FGAS3
Recuento
%de Integrada
%de FGAS3
Recuento
%de Integrada
%de FGAS3
(lO-20)
(5-lOl
(O-S)
9
100,0%
12,2%
48
45.7
64,9%
6
14,6%
8,1%
7
9,2%
9,5
4
6,3%
5.4%
74
25,2%
100,0%
FGAS3
(20-301
>30
Total
,0%
,0%
54
51.4
56,8%
19
46,3%
20,0%
14
18.4%
14.7%
8
12.7%
,0%
,0%
3
2,9
3,8%
15
36,6%
19,2%
42
55,3%
53,8%
18
28,6%
23,1%
78
26,5
100,0%
,0%
,0%
O
,0%
,0%
1
2.4%
3.4%
,0%
,0%
O
,0%
,0%
O
,0%
,0%
2
2,6%
11,1%
16
25.4%
88,9
18
6,1%
100,0%
8.4
95
32,3%
100,0%
11
14,5%
37,9%
17
27,0%
58,6
29
9,9%
100,0%
9
100,0%
3,1%
105
100,0%
35.7%
41
100,0%
13,9%
76
100,0%
25,9%
63
100,0%
21.4%
294
100,0%
100,0%
De la tabla se pueden analizar diversos aspectos: El 35,7% de los valores del afluente
estuvieron entre 20 UNT Y40 UNT yen este caso los valores efluentes se presentaron
entre OUNT Y 10 UNT con un porcentaje representativo del 97 ,1 %. Se obtiene que el
25,2% de los datos del FGAS3, se encuentran entre OUNT Y 5 UNT Y el 32,3% entre
5 UNT Y 10 UNT. Tambin se puede analizar que el 84% de los datos del FGAS3
son menores que 20 UNT Y el 57,5% de los datos son menores que 10 UNT.
Tabla para FGH3
Tabla de contingencia Integrada * FGH3
Integrada
[0201
[20-401
[40501
[501001
> 100
Total
Recuento
%de Integrada
%de FGH3
Recuento
%de Integrada
%de FGH3
Recuento
%de Integrada
%de FGH3
Recuento
%de Integrada
%de FGH3
Recuento
%de Integrada
%de FGH3
Recuento
%de Integrada
%de FGH3
(05)
(s-lO)
7
77,8%
20,0%
23
21,9%
65.7%
3
7,3%
8,6%
2
2,6%
5.7%
O
,0%
,0%
35
11,9%
100,0%
2
22,2%
1.7%
74
70,5%
61.7%
18
43,9%
15,0%
17
22.4%
14,2%
9
14,3%
7,5%
120
40,8%
100,0%
SPSS
FGH3
(10-20)
(20-30)
O
O
,0%
,0%
,0%
,0%
7
1
1,0%
6.7%
8,5%
2,3%
17
3
41,5%
7,3%
7,0%
20.7%
35
20
46,1
26,3%
46,5%
42.7%
23
19
36,5%
30,2%
28,0%
44,2%
43
82
27,9%
14,6%
100,0%
100,0%
>30
Total
O
,0%
,0%
O
,0%
,0%
O
,0%
,0%
2
2,6%
14,3%
12
19,0%
85.7%
14
4,8%
100,0%
9
100,0%
3,1%
105
100,0%
35.7%
41
100,0%
13,9%
76
100,0%
25,9%
63
100,0%
21.4%
294
100,0%
100,0%
183
Se puede analizar que el 35,7% de los datos del agua integrada se encuentran entre
20 UNT Y 40 UNT Y para este rango los valores efluentes al FGH3 se tienen entre O
UNT Y 5 UNT Y 5 UNT Y 10 UNT en porcentajes de 21 ,9 Y 70,5 respectivamente.
Se visualiza que el 11,9% de los datos del FGH3 se dan entre O UNT Y 5 UNT Y
el 40,8% entre 5 UNT Y 10 UNT. Tambin se puede analizar que el 80,6% de los
efluentes del FGH3 son menores que 20 UNT Y el 52,7% de los datos son menores
que 10 UNT.
Tabla para FGAC
Tabla de contingencia Integrada FGAC
FGAC
(510)
(05)
Integrada
(020)
(2040)
(4050)
(50100)
> 100
Total
- -
Recuento
%de Integrada
%de fGAC
Recuento
%de Integrada
%de fGAC
Recuento
%de Integrada
%de fGAC
Recuento
%de Integrada
%de fGAC
Recuento
%de Integrada
%de fGAC
Recuento
%de Integrada
%de fGAC
7
77,8%
50,0%
7
6.7%
50,0%
O
,0%
,0%
O
,0%
,0%
,0%
,0%
14
4,8%
100,0%
(1020)
2
22,2%
3,1%
58
55,2%
89,2%
3
7,3%
4.6%
2
2,6%
3,1%
O
,0%
,0%
65
22,1%
100,0%
O
,0%
,0%
40
38,1%
44,0%
26
63.4%
28,6%
20
26,3%
22,0%
5
7,9%
5,5%
91
31,0%
100,0%
(2030)
Total
>30
O
,0%
,0%
O
,0%
,0%
12
29,3%
18,5%
41
53,9%
63,1
12
19,0%
18,5%
65
22,1%
100,0%
O
,0%
,0%
O
,0%
,0%
O
,0%
,0%
13
17,1%
22,0%
46
73,0%
78,0%
59
20,1%
100,0%
9
100,0%
3,1%
105
100,0%
35,7%
41
100,0%
13,9%
76
100,0%
25,9%
63
100.0%
21.4%
294
100,0%
100,0%
184
SPSS
CAPITULO
7-
'''''
75
.~
lO:
!O\
.:
""
'"
25.0
""O
FGAS3
75,0
'"
100,0
25,0
""O
15.0
100,0
125,0
FGDS
'''''
'"
.~
lO:
!O\
.:
""
25,0
50,0
75,0
100,0
125.0
FGHM3
En el FGAS3 alrededor del 88% de los datos son menores que 25 UNT Y alrededor
del 98% de los datos son menores que 50 UNT. En el FGDS alrededor del 80% de
los datos son menores que 25 UNT Y alrededor del 98% de los datos son menores
que 50 UNT. En el FGHM3 alrededor del 70% de los datos son menores que 25
UNTy alrededor del 95% de los datos son menores que 50 UNT. De estos tres filtros,
SPSS
185
En este caso las mximas frecuencias se dan en los valores menores o iguales a
9 UNT Y las mnimas frecuencias se tienen en los valores mayores o iguales a 20
UNT. Se puede analizar en el diagrama de tallos y hojas que 33 datos de turbiedad
tomaron valores entre 2 UNT y 3 UNT; 63 datos tomaron valores entre 4 UNT y 5
UNT; 46 datos entre 6 UNT y 7 UNT y 27 datos entre 8 UNT y 9 UNT, siendo estas
las mayores frecuencias.
Diagrama de tallos y hojas para el FGAS3
FGAS3
Plot
Stem-and-Lea~
Frequency
,00
33,00
63,00
46,00
27,00
2,00
13,00
27,00
18,00
18,00
8,00
6,00
4,00
7,00
4,00
6,00
2,00
10,00
Stem
o
o
o
o
o
1
1
1
1
1
2
2
2
2
2
3
3
Extr~m~~
&
Leaf
2222222333333333
4444444444444444444455555555555
66666666667777777777777
8888888889999
,\;
223333
4444444555555
66666777
88889999
0111
233
5&
677
9&
011
2
(>=33)
Stem widch:
10,0
Each leaf:
2 case(s)
& denotes fractional leaves.
186
CAPiTULO
7 - EVALUACiN
FGAC
5tem-and-Lea~
Frequency
Plot
Stem o;
14,00
o
65,00
O
27,00
1
64,00
1
3 9,00
2
26,00
2
17,00
3
12,00
3
8,00
4
6,00
4
1,00
5
15,00 Extremes
5tem tJidth:
Each lea:f:
Lea:f
334444.q
55566666677777888888888999999999
223333.q444.q40;
5555556666777777777788888889999
000111223333444444
55666678889
001134.q&
5678&
023&
6&
&
( > =51)
10,0
2 case (s)
leaves.
Aqu, las mximas frecuencias se encuentran entre los valores de 4UNT y 9 UNT
y las menores frecuencias entre los valores de 20 UNT a 32 UNT. Del diagrama de
tallos y hojas se puede evidenciar que 16 datos tomaron el valor de 3 UNT, 40 datos
se encuentran entre 4 UNT y 5 UNT; 71 datos se dan entre 6 UNT y 7 UNT y 28
datos entre 8 UNT y 9 UNT, siendo estas las mayores frecuencias.
SPSS
187
Stem &
16,00
o
40,00
o
71,00
o
28,00
o
1,00
1
8,00
1
26,00
1
25,00
1
22,00
1
17,00
2
9,00
2
6,00
2
2
6,00
5,00
2
1,00
3
5,00
3
2,00
3
6,00 Extreme!!!
Leaf
3333333&
4444444445555555555
66666666666666666666677777777777777
88888888999999
&
2333
4444455555555
666677777777
88888888899
00000111
2233
445
77&
99&
&
22&
&
(>~38)
Stem width:
10,0
Each leaf:
2 case(s)
& denotes fractional leaves.
De los diagramas de tallos y hojas, para los tres filtros analizados, el FGAS3 tiene la
mejor distribucin, debido a que 169 datos tienen valores de turbiedad en el rango
de 2 UNT a 9 UNT, seguido del FGH3 con 155 datos en el mismo rango y luego se
encuentra el FGAC con slo 79 datos en este rango.
Comparaciones de diagramas de tallos y hojas
La distribucin del filtro FGAS muestra las mayores frecuencias en los valores hasta
9 UNT, mientras que en la distribucin del FGAC, la concentracin de las frecuencias
se encuentra entre 8 UNT y 9 UNT y entre 16 UNT y 17 UNT. As mismo, el FGAS
presenta pocos datos mayores a 20 UNT, contrario al FGAC.
188
CAPiTULO
7-
....
fGAC
1
1
33 Ir
Ir
44444555
66666677777 I
888888888999999999
Ii
I1
223333
444444555555
66667777777777
88888889999
000111
223333
44444455
66667
8889
0011
3&
445
67
Ii
I1
11
11
11
11
11
11
I1
I1
11
11
11
8& 11
o
I
I
1
23& 11
6&
&
11
51 11
....
JGAI
'l'al.1o
o
o
o
o
1
1
1
1
1
I
2
I
2
2
J
J
1
J
J
1
1I
1I
1I
1I
li
1
1
66666666667777777777777
8888888889999
223333
4444444555555
66666777
88889999
0111
I
I
I
I
I
I
233
I
I
I
I
1I
I
I
1I
I
1I
I
1I
bt-.
(>-)
2222222333333333
1 4444444444444444444455555555555
5.
677
9&
011
2.
33
1
El diagrama de tallos y hojas para comparar las distribuciones del FGAC y el FGHM
permite analizar que las distribuciones de frecuencias de estos dos filtros son muy
similares, con mayores frecuencias en los valores de 8 UNT Y 9 UNT de turbiedad
y entre 16 UNT y 17 UNT. Las menores frecuencias se dan a partir de 22 UNT en
las dos distribuciones (ver diagrama en la pgina siguiente).
SPSS
189
I
I
[
...
JGAC
ftllo
.....
I'GIIIII
1
1
1
1
1
1
1
o
o
o
o
11
11 H555555
11 666117777777
11 88888888888999999999
11
223333 1I
444444555555 1I
66667777777777 11
88888889999
1
1
1
11 2333
11 444445555555
11 66666677777177
11
88 888 888999
11
11
11
11
11
11
00011111
22233
I
I
I
45
666671777
33
44444555
66666671771
888888888999999999
000111
223333
44444455
66667
8889
0011
3&
445
00
88999
01
333
4H5
67 11
8& 11
o 11
23& 11
6& 11
11
11
51 11
8.
0001
3.
6&
I
I
--
3&
54
l>el
7.7 Percentiles
Los percentiles son valores que permiten analizar de forma detallada las frecuencias,
en general los percentiles ms utilizados son el percentil 95 y el percentil 99.
Tabla de valores percentiles en los filtros gruesos en turbiedad
Percentil 05
Integrad
21,0
FGAS3
3,2
FGAC
5,0
FGH3
3,8
FGHM3
5,7
FGDS
3,9
Percentil 25
30,0
3,9
9,6
9,2
7,5
Mediana
48,0
8,0
18,0
6.4
9,5
17,0
14,0
Percentil 75
Percentil 95
84,0
16,0
26,0
18,0
27,0
20,0
220,0
31,0
51,0
29,0
48,0
39,0
Percentil 99
450,0
68,0
110,0
50,0
100,0
105,0
De la tabla se puede analizar que el 50%, es decir, la mediana de los datos, toman
valores menores a 48 UNT en la integrada; 8 UNT en el FGAS3; 18 en el FGAC;
9,5 en el FGH3 ; 17 en el FGHM3 y 14 en el FGDS.
190
SPSS
CAPrTULO
7-
SPSS
191
192
CAPiTULO
7-
En el diagrama de cajas general (a) se puede evidenciar que los filtros ms homogneos
en su distribucin son el FGAS3 , FGH3 y el FGDS, con mayor homogeneidad en la
distribucin del FGDS, en relacin con el valor de la mediana.
Considerando el diagrama con valores extremos y "outliers" (b) se puede evidenciar
que en los efluentes de los filtros existen valores extremos, denotados por "o" y valores
atpicos u "outliers" denotados por "*" (el nmero indica la posicin de la observacin
en la base de datos). Los valores atpicos se deben analizar cuidadosamente, con el
fin de definir el grado de validez de los mismos .
~----------------------~
...
*t..
1
...
100
*to.
-,..
20
50
...
FGAS3
... ...
FGAC
FGHM3
... ...
FGH3
FGDS
....
too
110
FGAS3
....
.........
*t..
*tAO
*t..
*to,
....
.....
.....
...
FGAC
FGHM3
FGH3
FGDS
(b)
(a)
SPSS
193
~rl-----------------------------'
*"
=-1500
f500
~
2,;
2-
u.
u.
J
8
,;
~ 1000
~1ooo
500
01
N-
"
FGAS3
"
FGAC
"
FGHM3
(a)
"
FGH3
"
FGDS
....
-w,
Q,
500
N_
"
FGAS3
"
FGAC
31
FGHM3
"
FGH3
B'
"
FGDS
(b)
En general, se puede analizar que los mejores filtros gruesos evaluados en cuanto
a turbiedad ycoliformes fecales fueron el FGAS y el FGH, seguido del FGDS; por
ltimo se encuentran el FGAC y el FGHM. En el porcentaje de remocin los mejores
filtros fueron el FGAS, FGDS y FGH, seguidos del FGAC y el FGHM.
Sin embargo, para una adecuada seleccin de un filtro grueso es necesario
analizar otros parmetros de calidad de agua y considerar factores de operacin y
mantenimiento, as como los costos de inversin inicial, administracin, operacin
y mantenimiento de cada una de las unidades.
194
SPSS
CAPTULO
8
Calidad de aire
SPSS
195
Alrededor del mundo se ha encontrado que en los centros urbanos las fuentes mviles
son las mayores contribuyentes de emisiones contaminantes a la atmsfera, siendo
siempre ms significativas, comparadas con las emisiones de fuentes fijas. Un menor
aporte de emisiones es ocasionado por fenmenos asociados a las actividades de
urbanizacin, tales como: deforestacin, tala de rboles, apertura de vas, erosin de
cerros, disposicin de escombros, disposicin de desechos slidos y almacenamiento
de combustibles, entre otros. A continuacin se describen algunos parmetros de
calidad de aire.
Dixido de Azufre (S02)
196
CAPITULO
8 - CALIDAD
DE AIRE
Partculas sedimenta bies (> 10/-1m ). Son partculas que por su peso tienden a
precipitarse con facilidad, razn por la cual permanecen suspendidas en el aire en
perodos cortos. Por lo general no representan riesgos significativos para la salud.
Partculas menores a 10 micrmetros (~ 10/-1m ) (PMlO)' Son partculas de
dimetro aerodinmico equivalente o menor a lOllm. Se consideran perjudiciales
para la salud debido a que no son retenidas por el sistema de limpieza natural del
tracto respiratorio.
Partculas menores a 2,5 micrmetros (~ 2,5/-1m). Son partculas de dimetro
aerodinmico equivalente o menor que 2,5 .tm. Representan un mayor riesgo para
la salud humana, pueden ser un factor de muerte prematura en la poblacin.
El material particulado puede tener efectos negativos en la salud y bienestar del
hombre, ya que puede contribuir a aumentar las enfermedades respiratorias como
la bronquitis y agudizar los efectos de otras enfermedades cardiovasculares. As
mismo, afecta la visibilidad y velocidad de deterioro de muchos materiales hechos
por el hombre.
El riesgo a la salud por partculas lo constituye su concentracin y el tiempo de
exposicin en el aire, sin embargo, el tamao es la caracterstica fsica ms importante
SPSS
197
El ozono es un gas altamente reactivo, de color azul plido, constituido por tres
tomos de oxgeno en su estructura molecular. Este se puede clasificar en dos grandes
grupos: ozono estratosfrico y ozono troposfrico.
198
SPSS
CAPITULO
8 - CALIDAD
DE AIRE
SPSS
199
y aire se oxidan para fonnar xido ntrico y algo de dixido de nitrgeno. Los xidos
ntricos emitidos en el aire se convierten en dixido de nitrgeno mediante reacciones
fotoqumicas condicionadas por la luz solar. El dixido de nitrgeno daa el sistema
respiratorio porque es capaz de penetrar las regiones ms profundas de los pulmones.
As mismo, contribuye a la fonnacin de la lluvia cida.
legislacin ambiental
El gobierno nacional, a travs del Ministerio de Transporte y mediante nonnas como el
Estatuto del Transporte para el transporte masivo (No. 3109 de 1997), ha contribuido
a definir lineamientos necesarios para la correcta planificacin, ejecucin y control
de dichos proyectos, centrando su atencin en las grandes ciudades que integran
polos de desarrollo industrial y comercial. Para el anlisis del comportamiento de
la contaminacin es preciso realizar una comparacin de los valores registrados de
cada contaminante con la nonna nacional vigente para emisiones atmosfricas (D.L.
02/82). Para poder aplicar esta nonna deben calcularse los valores especficos de
acuerdo con la temperatura promedio y la presin atmosfrica de cada ciudad. Los
valores para Cali se muestran en la Tabla 8.1.
Tabla 8.1
Pmmetro
Partlculas
menores
de 10
micrmetros
Dixido
de azufre
Nonna
Nonnapare
Condicin
lIICionaI o
candici6n
local 121
13150pg/m3
100pg}m3
34.22 ppb
400pg}m 3
136.61 ppb
EPAnl
PMIO
80 2
512.29 ppb
200
CAPITULO
8 - CALIDAD
DE AIRE
Norma
Par6metro
Monxido
de carbono
nacional O
15000.g/mJ
EPAI11
Nonnapara
condicin
1ocaI 12l
11.72 ppm
CO
39.06 ppm
Dixido de
nitrgeno
N02
100.g/mJ
47.61ppb
Ozono
03
170.g/mJ
77.57 ppb
121
2S' Cy 1 atmsfera
2S.2' Cy 0.89 atmsfera
131
Norma EPA
111
CandiI:i4n
SInmoIo
- ..:-- -- J
M.CAUII. . . _ . . . . . . . .
M &un6N
IJU"'iUfAIWfQ . . . . . .TUtwo
. . . . . . . . .--:NR . ........
SPSS
201
Tabla 8.2
Par"'tros medidos
Meteoro
logia
CO
NO.
PMIl
S02
t
Centro Diagnstico
Automotor del Valle
(CDAVI
,.:
,'.... 1.';-,
."
. (",' . )",'"
03
: >~ ~'i
.'
.", t'''~~
~':';'''.:
'.,
~~-,y.;
,;
:" U-."
/"
''l'- '~
::', -'
1", ,
~;
,,:'~:' ,,;
l ~~ ",L~
.:1:' ,);;"(
.,":'1.
,-~.
,;
'~',:
'..:1
",,:'.:'
Polideportivo El Diamante
(PPD)
CVC Pance
.....
!,-":
l,'.
~.
..' t-,-
"'-~:"
r:~>:
',,,:,
'*,;:.
,{~
Calle 15
'.
./
t'~
""
,,{:.'t'!:';;
l.:
'~ ~.:
,.'
,,! 1:+:..:"
..
""';'~'.
,:>,.,'~
;,
.... ...
..
""',
,:j;, ,e,""l
lo;
La Tabla 8.3 presenta diversos indicadores descriptivos, utilizados para analizar los
parmetros evaluados por el SIMAT, Sistema de Monitoreo Atmosfrico de Ciudad
de Mxico, y presentados en su pgina de intemet (www.sma.df.gob.mxIsimatl
pnindicadores.htm). Por la importancia que tienen los indicadores de calidad del
aire y meteorologa, estos se elaboraron con criterios de suficiencia de informacin,
que consideran el tipo de dato y el desempeo de las estaciones de monitoreo en
Ciudad de Mxico.
202
SPSS
CAPITULO
Tabla 8.3
8 - CALIDAD
DE AIRE
Indicador
Mximo
Descripcin
Tipo de dato
Par6metro
Mximo diario
Colecta de 24 horas
Mximo diario
03
TOP 30
Percentil
Percentil 90
Percentil 75
Percentil 50 (mediana)
Promedio
Promedio horario
Mximo diario
Promedio diario
Colecta de 24 horas
Promedio diario
Colecta de 24 horas
S02. PST.
PM 1o. pH.
NOj. S04
Colecta semanal
Promedio trimestral
Colecta de 24 horas
Pb
Promedio horario
03. PMlO
Colecta de 24 horas
Promedio horario
Intervalos
Promedio mvil
Colecta de 24 horas
Colecta semanal
SPSS
Promedio horario
203
60,00
50,00
i.
~9
40,00
g
.
....
<.>
30,00
20,00
10,00
0,00
COAV
BA
POO
Es/acin
Promedio anual
ERA
CALLE 15
Intervalo
< 50 pg/m
CDAV
BA
85 (19.5%1
PDD
ERA
87 (35.7%1
85 (36.6%1
181 (43.5%1
51.100 pg/m3
132 (30.3%1
34(13.9%1
30 (12.9%1
27 (6.5%1
1 (0.2%1
1 (0.4%1
1 (0.4%1
0(0.0%1
Total
218 (50.0%1
122 (50.0%1
116 (50.0%1
208 (50.0%)
204
SPSS
CAPiTULO
8 - CALIDAD
DE AIRE
i
i
zso
ZOO
150
100 -
<:l 50 -
CDA V
-poo
~ ERA
~- BA
- - Nor",lIdillf';tI
205
80
60
I __
::-
f.
-3 40
';..
20
o l' , -
'i
COAV
BA
Domingo
POD
C Lunl!s
Martes
ERA
O Mircoles
CVC
Jueves
Viernes
CALLE 15
Sdbado
1~r.1======================================~~
140
120
::- 100
-3
80
60
40
20
o I-~,~1
7 8
\.J
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Dias (t)
- - CDAV - + - BA - - PDD
---..-CVC ~ ERA
- + - CA LLE/5 - - - NormadiariaI50pg!m3
206
SPSS
CAPfTULO
8 - CALIDAD
DE AIRE
Se pueden apreciar concentraciones bajas y poco variables durante los primeros diez
das del mes en las estaciones graficadas y un comportamiento variable que alcanza
concentraciones mayores en la estacin Calle 15 y CDAV, a partir del da 8 (www.
dagmacali.gov.co). La estacin que evidencia los menores valores de PMIO es la
estacin CVC, seguida por las estaciones PDD y ERA.
En la siguiente grfica se muestran las mximas concentraciones horarias en algunas
de las estaciones monitoreadas. Se puede ver que, a excepcin de la estacin CVC
- Pance, ubicada en la zona rural, las mximas concentraciones ocurren entre las
10 Y 12 horas, con un incremento de las concentraciones a partir de las 18: 00 horas,
excepto para la estacin PDD que mostr una disminucin progresiva a partir de las
18 horas (www.dagmacali.gov.co).
100
........
80
~.,
60
'-
....
~
~
40
20
o
o
10 11
12 13 14 15 16 17 18 19 20 2122 23
horas (1)
ERA
-+-- CALLE 1 5
SPSS
207
40
130
~
120
,
1
~
l
10
+1_.1..-.........
BA
CDAV
PDD
ERA
Estacin
Concentracin promedio anual
~~-7--~-C~~~~--~~--~-C~--~~--~~--~~~--~~--~
1
!{
t
J
100
~~ :
10
'TT:'"
<.l
-~~---~~~~
~CDAV
~- BA
-7"
PDD
. .
.
:...... l . ., .
..
~~~~~--~~~
~ ERA
208
SPSS
CAPiTULO
8 - CALIDAD
DE AIRE
Se puede apreciar que en general las estaciones graficadas estn por debajo de la
norma diaria establecida que es de 136,61 ppb, excepto la estacin CDAV con un
valor superior a la norma en noviembre. De marzo a julio la estacin PDD evidenci
en general las menores concentraciones mximas de S02. De octubre a diciembre
la estacin que mostr los valores ms altos fue la CDAV y la estacin que dio los
valores ms bajos fue ERA.
La siguiente grfica muestra los valores promedios horarios de concentracin de
S02
t~
liS ..................
... _.*.
20
.. 10 . --: .............
/(~
:* .. \
..................... - ....... .
~ ~ :-~;- .~:~ ~
. . ..... ..... .
..
..
*
*
s ~ ~. ~. :.~ .: ...~... : .. : ~:.: Jo:.::::1"-'* ~ ..:a .. ii..:.:_-~ .. ~ ~7~ .. _. :. . :;.
:tE
~( JK - )k '.:+:
~
)I(- - ) K
~( )j( )K )K )K
::+:
o
: ...
..
* ..
..
-l!(.
JI(
JI(
)K
10 1 1 12 13 14 1 S 16 17 18 19 20 21 22 23
horas (1)
COA V
-*- BA
.. -. --_.
POI) _
ERA
SPSS
209
20.---------------------------------------------~
15
1
10
~'
5
o
o
Do",ingo
PDD
BA
CDAV
CJ Lunes
Martes
ERA
O MUrcoles Jueves
Viernes
Sbado
aeJJO
84.00
82.00
80.00
-5
c" 78.00
76.00
74.00
72.00 +1------~----~~------~----~--------~----~
O/e
PDD
Mximo J hora
210
SPSS
CAPITULO
8 - CALIDAD
DE AIRE
Polideportivo El Diamante
CVCPance
60
60
50
50
>- .
1 2 3 4 5 8 7 8 9 101112 13 14 15 18 17 181920 21 22 23
Domingo
Mi6rcoIes ........-
J\M'ItI ____
En la grfica se observa que la tendencia del valor del ozono es similar en cada uno
de los das analizados en las estaciones PDD y CVC-Pance. El comportamiento
horario de 0 3 en enero de 2004 muestra que las mayores concentraciones promedio
de este contaminante se dan a las 13:00 horas en la estacin PDD y a las 15:00
horas en la estacin CVC- Pance (www.dagmacali.gov.co). Los menores valores de
03 se evidencian en las primeras hod s; desde las O hasta las 8 horas, a partir de lo
cual se observa un incremento signifibativo hasta alcanzar el valor mximo de 03
y disminuye nuevamente hasta alcanzar niveles bajos a partir de las 18 horas en la
estacin PDD y de las 20 horas para la estacin CVC-Pance.
8.2 Histogramas
Material particulado, PM,o
A continuacin se observan los histogramas del material particulado, PMO, en
las estaciones CDAV, PDD y ERA, los cuales se comparan con la distribucin
normal.
SPSS
211
Estacin:
J CDAV
Estacin:
800
400
600
300
4 PDD
'~
~
400
'1200
'"
200
100
_"'J2.'1
_ . - 2lJf
Mtfif-j7
..........u,u.........1,I-I,Ju,u,J-li"'i"'i''''''
M... "
Nl121."
NUfl."
42031152 6884100116132148164111196
W~JIIQ~II~I~1151!m
PMII
PM"
Es/acin:
6 ERA
700
600
500
_.'14.14
II...
'J
N'u;~"
3 15 n ! 51
u
PM"
~ ~
mlDl! 147
212
SPSS
CAPITULO
8 - CALIDAD
DE AIRE
En la estacin ERAse observan frecuencias hasta 147 ..tglm3, con su mxima concentracin
en el rango de 15 ..tglm3 a 63 ..tglm3, evidencindose un buen ajuste a la curva normal.
El valor promedio es de 43 ..tglm3 con una desviacin de 24,94 ..tglm3 .
En general, las estaciones PDD y ERA evidencian la misma tendencia sin diferencias
significativas en los valores promedios de PM 1O. Tambin se puede evidenciar que
de las estaciones graficadas solo la CDAV muestra frecuencias por encima de la
norma anual de PM JO, pero con pocas frecuencias en estos valores.
Dixido de azufre (SD2)
Est.cin:
4 PDD
500 . - - - - - - - ,
800
200
J,I,I,l,J,l,l,l,LM1IL,I,1,I,l.w;t_ N-'JIf,H
I~u~~~~w~m~~~
J~U~UU~u~~u.u
SO,
SO,
6 ERA
E,"cin:
7011 . - - - - - - - - - ,
6011
500
-..
200
1011
""
M" ~, I
J,U,LJ,LI,IJI,U,U,u,u.,u,u,IJ;I:I;J
J 1) 1 11 il 1)11 1111
N-11"'"
".I1lJl11~1
SO,
SPSS
213
10,4 ppb; con un valor medio de 9,7 ppb Y una desviacin estndar de 9,06 ppb. La
forma de la distribucin se concentra en los valores menores a 13,6 ppb. A partir de
este valor las frecuencias disminuyen sustancialmente, la grfica de la distribucin
presenta sesgo hacia el lado izquierdo.
En la estacin PDD se observan frecuencias hasta 13,7 ppb; con una concentracin
mxima de frecuencias en el rango entre 0,3 ppb y 4,8 ppb; con un valor medio de 3,3
ppb y una desviacin estndar de 2,51 ppb. La forma de la distribucin es asimtrica,
concentrndose la mayora de valores hacia la franja izquierda de la grfica y muy
pocos valores mayores a 7,0 ppb.
En la estacin ERA se dan valores en la distribucin hasta 14,7 ppb, con concentracin
de frecuencias en el rango entre 0,3 ppb y 3,9 ppb; con un valor medio de 4,1 ppb
y una desviacin estndar de 4,58 ppb. La forma de la distribucin es asimtrica en
cuanto al valor medio, con sesgo alIado izquierdo.
De las estaciones graficadas slo la CDAV evidencia valores por encima de la norma
anual de S02, con bajas frecuencias.
(50100J
PMlO
(100150)
>150
Total
Recuento
%de PM lO
%de 502
Recuento
%de PMlO
%de 502
Recuento
%de PMlO
%de 502
Recuento
%de PM,o
%de 502
Recuento
%de PMlO
%de 502
2266
97,0%
49,8%
1904
87.4%
41,9%
316
74.4%
6,9%
61
72,6%
1,3%
4547
90,5%
100,0%
(20-40)
[40-60)
63
2.7
15.4%
245
11,2%
60,0%
85
20,0%
20,8%
15
17,9%
3.7%
408
8,1%
100,0%
Total
>60
6
,3%
11,8%
21
1,0%
41,2%
17
4,0%
33,3%
,0%
,0%
8
.4%
50,0%
7
1.6%
43,8%
2335
100.0%
46,5%
2178
100.0%
43.4%
425
100,0%
8,5%
7
8,3%
13.7%
51
1,0%
100,0%
1
1,2%
6,3%
16
,3%
100,0%
100,0%
1.7%
5022
100,0%
100,0%
84
a. Estacin - CDAV
214
CAPITULO
8-
CALIDAD DE AIRE
En esta estacin el 46,5% de los datos muestreados del material particulado PM 1O, da
concentraciones menores a 50 glm 3 y el 43,4% se encuentra entre 50 glm3 y lOO
3
glm , es decir, en estos dos intervalos se halla el 89,9% de los datos de PM\O.
Para dixido de azufre, S02, se observa que 90,5% de los datos se encuentran en el
rango de Oppb a 20 ppb Y el 8, I % en el rango de 20 ppb a 40 ppb, es decir, en estos
dos rangos se encuentra el 98,6% de los datos de S02.
Cuando el PM lOse encuentra entre O glm 3 y 50 glm 3, el 97% de los datos de S02
se da entre O ppb Y 20 ppb Y el 2,7% entre 20 ppb Y 40 ppb.
Cuando el S02 se encuentra entre Opbb Y 20 ppb, el 49,8% de los datos de PMIO se
encuentra entre O glm 3 y 50 glm 3 y eI41,9% entre 50glm 3 y lOO g/m 3 .
Del total de datos analizados, el 45,1% se encuentra entre O ppb Y 20 ppb de S02
3
y entre O glm y 50 glm 3 de PM 10, simultneamente. El 37,9% de los datos
toman valores entre O ppb Y 20 ppb de S02 y entre 50 glm 3 y 100 glm 3 de PM 10,
simultneamente.
Estacin POO
S02
(20-40)
[020)
PMlO
Total
<50
Recuento
%de PMlO
%de S02
2214
99,9%
65,6%
2
,1%
50,0%
2216
100,0%
65,6%
(50100)
Recuento
%de PMlO
%de S02
1065
99,9%
31,6%
2
,2%
50,0%
1067
100,0%
31,6%
(100150)
Recuento
%de PMlO
%de S02
86
100,0%
2,5%
O
,0%
,0%
86
100,0%
2,5%
>150
Recuento
%de PMlO
%de S02
10
100,0%
,3%
O
,0%
,0%
10
100,0%
,3%
Recuento
%de PMlO
%de S02
3375
99,9%
100,0%
4
,1%
100,0%
3379
100,0%
100,0%
a. Estacin - POO
215
En esta estacin el 65,6% de los datos muestreados del material particulado PMIO
presenta concentraciones menores a 50 .tg/m3 y el 31 ,6% se encuentra entre 50
.tg/m3 y 100 .tg/m 3, es decir, en estos dos intervalos se encuentra el 97,2% de los
datos de PM 1O.
Para dixido de azufre, S02, se presenta que 99,9% de los datos se encuentran en
el rango de O ppb a 20 ppb.
Cuando el PMIO se halla entre O .tg/m3 y 50 .tg/m 3 , el 99,9% de los datos S02 se
encuentra entre O ppb Y 20 ppb.
Cuando el S02 se da entre Oppb Y20 ppb, el 65,6% de los datos de PM 10 se encuentra
entre O .tg/m3 y 50 .tg/m3 y el 31 ,6% se encuentra entre 50 .tg/m3 y 100 .tg/m3 .
Del total de datos analizados el 65,5% se encuentra entre O ppb Y 20 ppb de S02
y entre O .tg/m 3 y 50 .tg/m3 de PM 10, simultneamente. El 31 ,5% de los datos
toman valores entre O ppb Y 20 ppb de S02 y entre 50 .tg/m3 y 100 .tg/m3 de PM 10,
simultneamente.
Estacin ERA
A continuacin se presenta la tabla de contingencia para la estacin ERA.
Tabla de contingencia PMIO SOz'
80 2
[0201
[40601
Total
>60
<50
Recuento
%de PMIl
%de 802
2406
99,7%
65,6%
5
,2%
14.7%
1
,0%
20,0%
2
,1%
50,0%
2414
100,0%
65,1%
(50-1001
Recuento
%de PMlO
%de 502
1167
98,1%
31,8%
18
1.5%
52,9%
2
,2%
40,0%
2
,2%
50,0%
1189
100,0%
32,1%
(100-1501
Recuento
%de PMlO
%de 502
88
87,1%
2.4%
11
10,9%
32,4%
1
2,0%
40,0%
O
,0%
,0%
101
100,0%
2.7%
>150
Recuento
%de PMIl
%de 502
4
100,0%
,1%
O
,0%
,0%
O
,0%
,0%
O
,0%
,0%
4
100,0%
,1%
Recuento
%de PMIl
%de 502
3665
98,8%
100,0%
34
,9%
100,0%
5
,1%
100.0%
4
,1%
100.0%
3708
100,0%
100,0%
PMlO
Total
(20-401
a_Estacin - ERA
En esta estacin e165 ,1% de los datos muestreados del material particulado PMIO
evidencia concentraciones menores de 50 .tg/m 3 y el 32,1% entre 50 .tg/m3 y
216
SPSS
CAPITULO
8 - CALIDAD
DE AIRE
100 Ilg/m3, es decir, en estos dos intervalos se encuentra el 97,2% de los datos
de PM1o.
Para dixido de azufre, S02, se observa que 98,8% de los datos se encuentra en el
rango de Oppb a 20 ppb Y el 0,9% en el rango de 20 a 40 ppb, es decir, en estos dos
rangos se da el 99,7% de los datos de S02.
Cuando el PMIO se da entre O Ilg/m3 y 50 llg/m3, el 99,7% de los datos S02 se
encuentran entre O ppb Y 20 ppb.
Cuando el S02 se halla entre O ppb Y 20 ppb, el 65,6% de los datos de PMIO se
encuentran entre O Ilg/m3 y 50 Ilg/m3 y el 31,8% entre 50 Ilg/m3 y 100 llg/m3.
Del total de datos analizados, el 64,9% se observa entre O ppb Y 20 ppb de S02
y entre O Ilg/m3 y 50 Ilg/m3 de PM 10, simultneamente. El 31,5% de los datos
toman valores entre O ppb Y 20 ppb de S02 y entre 50Ilg/m3 y 100 llg/m3 de PMIO,
simultneamente.
PDD
100'II
100'II
15%
15%
.~
"-
~
el; "'"
~
el;
"
,,%
~~
0,00
"'"
25%
50,00
100,00
150,00
200,00
0,00
PMII
50,00
100,00
150,00
200,00
PM"
SPSS
217
ERA
1(lO'"
15%'
.~
~ 50%
<>':
""
.~
0,00
50,00
100,00
150,00
200,00
PM"
En la estacin CDAV alrededor del 50% de los datos toman valores menores o iguales
a 50 Ilglm 3 de material particulado, PM 10 Y aproximadamente el 88% de los datos
son menores o iguales que 100 Ilg/m 3 .
En la estacin PDD cerca del 75% de los datos toman valores menores o iguales
que 50 Ilglm 3 y aproximadamente el 98% de los datos son menores o iguales que
lOOllglm3.
En la estacin ERA alrededor del 65% de los datos son menores o iguales que 50 Ilglm3
y aproximadamente el 98% de los datos son menores o iguales que 100 Ilglm 3.
De las estaciones graficadas la nica que muestra frecuencias por encima de la norma
es la CDAV, con bajas frecuencias.
Dixido de azufre, S02
218
SPSS
CAPfTULO
CDAV
"i~~
&:
8 - CALIDAD
DE AIRE
PDD
100%
100%
75"
75"
.~
~
"'"
&:
""
"'"
""
10,00
20,00
30,00
40,00
'"
50,00
0,00
10,00
SO,
20,00
JO,OO
SO]
ERA
75"
.~
l!
c:
&:
"'"
""
"',~~~~uw~~~~ww~
0.00
20,00
10,00
JO,OO
SO]
En la estacin CDAV alrededor del 75% de los datos son menores o iguales que 10
ppb Y aproximadamente el 90% de los datos son menores o iguales que 20 ppb de
dixido de azufre.
En la estacin PDD alrededor del 97% de los datos son menores o iguales que 10
ppb Y aproximadamente el 99% de los datos son menores que 20 ppb de dixido
de azufre.
En la estacin ERA alrededor del 95% de los datos son menores o iguales que 10
ppb Y aproximadamente el 99% de los datos son menores o iguales que 20 ppb de
dixido de azufre.
De las estaciones graficadas la nica que evidencia frecuencias por encima de la
norma es la CDAV, con bajas frecuencias.
SPSS
219
8.5 Percentiles
Este tem ilustra el anlisis de los valores percentiles para material particulado, PM 1O
Y dixido de azufre S02
PMlO
BA
PDD
ERA
Percentil 05
13.66
3,98
9,25
9.00
Percentil 25
33,96
16,80
25,88
25,00
Mediana
51,54
36.68
41,15
40.20
Percentil 75
73.93
56.49
57,13
56.80
Percentil 95
116.30
89,05
89.12
89.00
Percentil 99
158.16
122,15
127,37
119.70
En la estacin CDAV el 50% de los datos son valores menores o iguales que
51,5 Jlg/m3 ; el 75% menores o iguales que 73,9 Jlglm 3 ; el 95% menores o iguales
que 116,3 Jlglm 3 y el 99% menores o iguales que 158,1 Jlglm 3 . Evidenciando que
existen datos por encima de la norma anual de PM lO, en esta estacin.
En la estacin BA el 50% de los datos toma valores menores o iguales que
36,7 Jlg/m 3 ; el 75% menores o iguales que 56,5 Jlg/m 3 ; el 95% menores o iguales
que 89,1 Jlglm3 y el 122,2% menores o iguales que 158,1 Jlg/m 3 Es decir, en esta
estacin se cumple la norma anual de PM 10 en el periodo analizado.
En la estacin PDD el 50% de los datos toma valores menores o iguales
que 41,2 Jlg /m 3 ; el 75% valores menores o iguales que 57,1 Jlg /m 3 ; el
95% menores o iguales que 89,1 Jlg/m 3 y el 99% menores o iguales que
127,4 Jlg/m 3 . Lo cual indica que esta estacin cumple la norma anual de
PMIO en el periodo analizado.
En la estacin ERA el 50% de los datos toma valores menores o iguales que
40,2 Jlg/m 3 ; el 75% valores menores o iguales que 56,8 Jlg /m 3 ; el 95% de
los datos toma valores menores o iguales que 89,0 Jlg/m 3 y el 99% menores
o iguales que 119,7 Jlg /m 3 . As, en esta estacin se cumple la norma anual
de PMIO en el periodo analizado.
220
CAPfTUlO
8 - CALIDAD
DE AIRE
Mes
Parcantil 25
Mediana
Parcantil75
Parcentil 95
Parcantil 99
Abril
6.40
21,40
42,05
67,30
111,40
146.42
Mayo
12,32
29,32
45,50
64,66
110,46
153.70
Junio
5,02
17,55
36,90
61,52
111,82
160,00
Julio
5,87
24,90
42,91
63,55
102,13
143,29
Agosto
3,94
10,59
27,10
46,52
80,00
113,07
Septiembre
11 ,80
28,20
43,49
59,55
95,44
138,33
Octubre
8,88
26,12
42 .. 21
61 ,62
95,00
127,59
Noviembre
14,19
31 ,51
44,33
59,82
90,40
121.01
Diciembre
18,92
34,99
49,87
67,00
98,29
126,26
En mayo el 50% de los datos fueron menores o iguales que 45,5 llg/m3; 75% de
los datos son menores o iguales que 64,7 llg/m3 y 95% de los datos son menores o
iguales que 110;5 llg/m3.
En agosto se observ que el 50% de los datos son menores o iguales que 27,1 llg/m3;
el 75% son menores o iguales que 46,5 Ilg/m3 y el 95% menores o iguales que 80
Ilg/m3.
Para el mes de diciembre el 50% de los datos son menores o iguales que 49,9%
llg/m3; el 75% son menores o iguales que 67,0 Ilg/m3 y el 95% de los datos son
menores o iguales que 98,3 llg/m3.
En general, en el percentil 95 , los meses con los valores ms altos de material
particulado se encuentran entre abril a julio, 10 mismo sucede con el percentil 99.
La siguiente grfica presenta los valores percentiles de material particulado, PMIO
a travs de los meses en la estacin CDAY.
SPSS
221
180
160
.:;--. 140"
120
~ 10
~~ 80
Q.; 60
40
20
O
~.
.)(.
lE
-*
*. ~ .
)~(
)(
)(
.~ _~,.~=:~~=_~<;=-~_:m=:=.~.~:._~'.':_-~~
ABR.
MAY.
JUN.
JUL.
SEP.
AGO.
NOV.
OCT.
DIC.
Mes
--+-- Perc. S __ Perc. 25 --4- Perc. SO ~Perc. 75 --*- Perc. 95 - - Perc. 99
CDAV
S02
BA
PDD
ERA
Percentil 05
1.63
1,13
.31
Percentil 25
3.96
2,59
1.53
.53
1,64
Mediana
7.41
4,71
2.90
2,87
Percentil 75
12.48
8.06
4.36
5.16
Percentil 95
24.79
15.78
7.90
11.08
Percentil 99
42.82
26.19
11.96
21.38
En la estacin CDAV el 50% de los datos son valores menores o iguales que 7,4 ppb;
el 75% menores o iguales que 12,5 ppb; el 95% de los datos toma valores menores
o iguales que 24,8 ppb Y el 99% menores o iguales que 42,9 ppb. Por lo cual, esta
estacin cumple la norma anual de S02 en el perodo analizado.
En la estacin BA el 50% de los datos toma valores menores o iguales que 4,7 ppb;
e175% valores menores o iguales que 8,1 ppb; e195% valores menores o iguales que
222
CAPiTULO
8 - CALIDAD
DE AIRE
15,8 ppb Y el 99% menores o iguales que 26,2 ppb. De este modo, en esta estacin
se cumple la norma anual de S02 en el periodo analizado.
En la estacin PDD el 50% de los datos toma valores menores o iguales que 2,9 ppb;
el 75% valores menores o iguales que 4,4 ppb; el 95% de los datos toma valores
menores o iguales que 7,9 ppb Y el 99% menores o iguales que 11 ,9 ppb. As, esta
estacin cumple la norma anual de S02 en el periodo analizado.
En la estacin ERA el 50% de los datos toma valores menores o iguales que
2,9 ppb; el 75% de los datos toma valores menores o iguales que 5,2 ppb; el 95%
de los datos toma valores menores o iguales que 11,1 ppb Y el 99% son menores o
iguales que 21,4 ppb. Es decir, en esta estacin se cumple la norma anual de S02
en el periodo analizado.
En general, se puede observar un comportamiento similar en las estaciones ERA
y PDD, con valores bajos de dixido de azufre, seguidas de la estacin BA, y por
ltimo con los valores ms elevados la estacin CDAY. Pero las estaciones cumplen
la norma anual de S02.
En la siguiente tabla se observan los valores percentiles mensuales de dixido de
azufre, S02, en la estacin CDAY.
Tabla de valores percentiles mensuales para
dixido de azufre. S02. en la estacin CDAV.
S02
Percentil 05
Mes
Percentil 25
Mediana
Percentil 75
Percentil 95
Percentil 99
Abril
,15
,93
1,67
2,75
6,05
9,44
Mayo
,47
1,94
3,34
5,65
11 ,34
18,73
Junio
1,34
2,39
3,96
7,50
15,17
27,12
Julio
1,91
3,60
5,94
8,95
17,11
24,21
,33
2,73
4,17
6,24
11,37
16,20
Septiembre
1,89
4,37
7,50
10,60
18,07
26,00
Octubre
1,36
3.44
5,62
8,89
15,80
26,46
Noviembre
,90
2,60
5,08
9,84
21,95
39,42
Diciembre
1,08
2,98
5,73
12,18
26,26
46,93
Agosto
En mayo, el 50% de los datos son menores o iguales que 3,3 ppb, el 75% son menores
o iguales que 5,7 ppb y el 95% son menores o iguales que 11 ,3 ppb de dixido de
azufre. En agosto, el 50% de los datos son menores o iguales que 4,2 ppb, el 75%
son menores o iguales que 6,2 ppb y el 95% son menores o iguales que 11 ,4 ppb de
dixido de azufre.
SPSS
223
Para diciembre, el 50% de los datos son menores o iguales que 5,7 ppb, el 75% son
menores o iguales que 12,2 ppb Y el 95% son menores o iguales que 26,3 ppb de
dixido de azufre.
En general, en el percentil 95 se observa que los meses con los valores ms altos de
dixido de azufre se encuentran entre septiembre y diciembre.
En la siguiente grfica se muestran los valores percentiles de dixido de azufre a
travs de los meses, en la estacin CDAY.
!~ r - - :---:--::-----.--.-.--.~------:--~~--:-------'------------:--- ~.--~-------.--.---:--.-.-/~-j
40
35
30
,s; 25
~ 20
;
. >~
~ .,.~
~ -~ ... ! ~ ~~ ....
....
15]
10
5
t_----- _______
F;:~- -':- -!=- ~j-~
a....:..:_
ABR.
MAY.
JUN.
.AA.
~ Pere.
AGO.
SEP.
.. ; .". ~
~
.
--_'a_n
___
OCT.
NOV.
DIC.
Mes
50 ---Pere. 75 - - Pere. 95 --- Pere. 99
224
SPSS
CAPfTULO
8 -
CALIDAD DE AIRE
Material particulado, PM 10
1995
1996
1997
1996
1999
2000
2001
2002
2003
2004
2005
Ano
Percentil 90
Se puede observar que el nmero mximo de das por encima del lmite de PM 10 se
present en 1996; entre 1995 a 1998 se dieron los valores ms elevados del nmero
de das por encima de la norma. Sin embargo, a partir de 1998, estos valores bajan
considerablemente encontrndose valores bajos en los aos de 1998 y 2005.
A continuacin se muestra la grfica de los valores promedios diarios de partculas
menores a 10 micrmetros (PM 10), monitoreada de 1995 a 2005 (fuente: www.sma.
df.gob.mxIsimatlpnindicadores.htm).
En el diagrama de cajas se observan los valores mnimos y mximos, as como los
valores percentiles 25, 50, 75 Y 90.
1995
1996
1997
::K P~entil7S
1998
_ Mblmo
1999
Percentlt 90
2000
2001
t::JPercentll so
2002
~ Mlnlmo
200]
2004
2005
+ Pertentll25
SPSS
225
Se puede analizar que la mayor dispersin de los valores promedios diarios de PM 1O,
se dan entre 1997 y 2003. En el percentil 90 se puede observar que entre 1995 y
1998 se evidencian las mayores concentraciones promedio de PM 10, mientras que
entre 1999 y 2005 estos valores son menores.
A continuacin se observa la grfica del comportamiento tpico diario de partculas
menores de 10 micrmetros (PMIO), monitoreada de 1995 a 2005, donde se
evidencia la tendencia anual cada 24 horas (fuente: www.sma.df.gob.mxlsimat/
pnindicadores.htm).
120
-lOO
~
80-
60
i...
~
t..l
40
20
0+1-'--r-.-'-'--r-r~~r-r-.-'--r-r~~--r-r-.-'-'--r~~
9 10 11 12 13 14 1 S 16 17 18 19 20 21 22 23 24
Hora
-+- 1995
1001
1996
-+- 1001
-+--
Julio 1005
226
SPSS
CAPiTULO
1400
8 - CALIDAD
DE AIRE
1233
')' 1200
's:
~1000
"~
600
400
1:
7+4
721
800
763
......
670
.. ..
200
..
o
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
Ao
'" lO
'0
..... 0
1: 50
~ .0
SI
51
. 1$
60
57
5'
30
~ 20
a
1:
lO
O
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
Ao
SPSS
227
0,500
0,400
i'
~
0,300
:~
"~
a
0200
'
0,100
0,000
1~1~1~1~1~~
1~1~1~1~1~1_1~1~~~1~=~~
Ano
)K P~rcenlil
7S -
Mximo _ Perunlll 90
Percenta SO
MI"I",o
Percentlllj
380
0,300
i'
~
"
240
0,200
0,150
300
0,250
0,100
0,050
0,000
IL.iIII,L..II,L.., ,.....,,,i',i
1,'-
,I
1,1
1,1.....01,1
j,l
J,I
1,1
180
120
~
-lI
e
80
1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
~
Puc.",iI 90
Mo
228
8 - CALIDAD
CAPITULO
DE AIRE
1986 Yentre 1990 a 1993 . A partir de 1993 los valores inician un descenso paulatino
hasta e12005 (valor estimado).
A continuacin se expone la grfica del comportamiento tpico diario de ozono, por aos,
durante las horas del da (fuente: www.sma.df.gob.mxJsimatlpnindicadores.htm).
..
0,150
,19",
-.-""
-+-,--m,
____ '989
0,120
- -1"1
1993
0090
m,
~
~
... 40
1995
/996
_ _ _ 1997
~ 0.060
_ _ _ 1998
/999
-+-1000
0,030
lOO'
_ _ _ 1001
...... - . _ ........... .
--+- 100J
--1004
Jul. 1005
1
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Grfica del comportamiento tpico diario del ozono (Oj), 1986 -julio 2005
Se puede observar que a travs de los aos el comportamiento tpico diario de ozono
sigue la misma tendencia, es decir, valores relativamente bajos hasta las primeras
diez horas, altos entre las 11 horas y las 16 horas y nuevamente disminucin a partir
de las 18 horas, aproximadamente.
A continuacin se muestra la grfica de los valores maXlmo maximorum de
concentraciones horarias de ozono, monitoreada de 1995 a 2005 (fuente: www.sma.
df.gob.mxJsimatlpnindicadores.htm).
0 ,000
O,soo
,j''''
0,500
i'
:~
a~.'
0,400
----
"-
D,U1
..
" 0,475
..
e," ,0
0,40<4
0,300
O,H9
~18
0,323
0 .312
jfZl
0,307
0,282
. ..
0,2804
'
0 ,226
-.---.
0,271
0 ,200
0,222
,~
,~
_ _-
,~
,~
_ _,~
_ _- _ -_ _~
,~
,-
,~
_ _~
__
= -
_ _-
o ,OOO-l-_ -_ _-
0,100
Mo
229
0.200
25
i'
O.lSO
e
:~
20
0.100
15
e
~
<3
O.OSO
0,000
-,
Ir
1~
lW
"
J. I
"
~~~
r:J
1m
~~~
l~lm
Wllor lI"u'u
-e
l~
lm
.
v
~~
=~
10
~
~
.1
~
Ano
Peru ntll 90
O.2!lO
1
""
0.200 ; T
] ::: lATJI Tl AT
0,000
----,.--r-....,...--...-r---~
1969 1900
1991
"na,,'"
1992
7J
r
---r---r--- - . , . - - , - - - r
1993 1994
MbJ_
1995
~tU H
1996 1997
hr,,1IJ
s,
.-'-
'---,.~
-r-
- Mtl_
hrft,.tI/ U
No
230
SPSS
CAPITULO
8 -
CALIDAD DE AIRE
Se puede analizar que la mayor dispersin de los valores promedios diarios de SOz se
dan entre 1986 y 1992. A partir del ao 1993 , los valores medio, mximo y mnimo
de los valores promedio de S02 empiezan a descender, excepto para el ao 2001 ,
cuando se observa la mayor dispersin de la base de datos analizada.
A continuacin se muestra la grfica de los valores promedios diarios de dixido de
azufre (S02), monitoreado entre 1995 y 2005 (fuente: www.sma.df.gob.mx/simat/
pnindicadores.htm).
-~ ~ ,..
,""
,...
...
~
-:r- IHI
--.. - '''1
- -,""
...
I PlJ
''''
m,
,,,,
."'-
'06',.... ,
~,,,,
~ ,
O,!XXl
+--~~~~~~~~~~_~
..
10
11
_ _
12
13
~~~
'4
15
16
__
17
18
~_~
19
20
21
_ _
22
- t " - l00J
- - J()(U
--I
23
-JllI.lfJO$
24
Hora
Grfica del comportamiento tpico diario del dix ido de azufre (SO]),
1986 - julio 2005
Se puede observar que a travs de los aos el comportamiento tpico diario del
dixido de azufre sigue la misma tendencia, es decir, valores relativamente bajos hasta
las primeras ocho horas, valores altos entre las 9 horas y las 11 horas y nuevamente
disminucin a partir de las 14 horas, aproximadamente.
A continuacin se muestra la grfica de los valores mximo maximorum de
concentracin horaria de dixido de azufre (S02), monitoreado de 1995 a 2005.
(fuente: www.sma.df.gob.mxJsimat/pnindicadores.htrn).
CI.IIIII
o,lIIO
ICI.IIIII
t
i
0,110
o,..z
0.0
0,4'1
0,412
~
o.. . . .
0,41
0,33 1
~ 0.300
..
0,340
, " '.
0.325.
-.
~ .276 '6
0,286
~ 0,200
0,283
-0,250
0,100
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
Mo
SPSS
231
o,~"
0,052
0,050
0,0..6
l'
~
0,047
0,030
0,020
13
0,056
.....
0,052
, 0,045
0,040
Q,i
.-~
,..,.-
0,020
......
---
0,017
0,010
O,CXXl
. --
0,016
0,014
0,Q1.
0,0'4
0,016
......
--- ....
0,012
0,0 12
0,011
0,012
-~-~--r-~-~--r--'--~--r--'--"'---r--'--"'---r-~-~--r--,-----l
1986 1967 1968 1969 1990 1991 1992 1993 1994 1995 1996 1997 1996 1999 200l 2001 2002 2003 2004 2005
+-1
Mo
232
CAPTULO
9
Calidad de agua en una
fuente superficial
233
ESTACICN
1. Ante. Suarez
2. Ante. Ovejas
3. Antes TITTlt>.
I
AbKlsa(Km)
1.8
3.1
24.1
""-"'"
27."
78.9
113.5
127.7
139.3
1.....6
155.5
170.8
181 .8
211 .8
220.9
284.8
347.0
369.6
18. An.calO
19. Puente La VrginJa
418.5
.....7
Front....
d ... Cuenea
25
50
km
234
SPSS
CAPiTULO
9 -
CALIDAD DE AGUA
En los desechos lquidos el oxgeno disuelto es el factor que determina si los cambios
biolgicos son efectuados por organismos aerbicos o anaerbicos. Los primeros
usan el oxgeno para la oxidacin de la materia orgnica e inorgnica y originan
productos finales inocuos, mientras que los ltimos efectan tales oxidaciones a
travs de la reduccin de ciertas sales inorgnicas y los productos finales son a
menudo perjudiciales.
La concentracin de oxgeno en el agua es vital, tanto para organismos animales como
para los vegetales. Influye particularmente en el metabolismo de los microorganismos
235
Parmetro
Unidad
Norma
Rango Admisible
Unidades
oC
Ac. 14 de la CVC/1976
69
Ac. 14 de la CVC/1976
::s 30
Oxgeno disuelto
mg/l
Ac. 14 de la CVC/1976
>4
DBO
mgtl
RAS/199B
::s 6
000
mgtl
RASl199B
::s 6
pH
Temperatura
Color
(UPC)
RAS/199B
::s 75
Turbiedad
(UNT)
RAS/199B
::s 150
Slidos Totales
mgtl
Dec,4751199B
::s 1000
Dureza
mg/l
Dec.475/199B
::s 160
Nitratos
mg/l
Dec.4751199B
::s 10
Nitritos
mg/l
Dec,4 751199B
::sI
Sulfatos
mg/l
Dec.1594/19B4
::s 400
::s 0,01
Cadmio
mg/l
Dec.1594/19B4
Nquel
mgtl
Dec.1594119B4
::s 0,2
Plomo
mgtl
Dec.1594/19B4
::s 5,0
Zinc
mgtl
Dec.1594/19B4
::s 2,0
Cobre
mgtl
Dec.1594/19B4
::s 0,2
Cromo
mg/l
Ac. 14 de la CVC/1976
::s 0,05
Cloruros
mg/l
Dec.1594/19B4
::s 250
Hierro
mg/l
Dec.1594/1984
::s 5
Manganeso
mg/l
Dec.1594119B4
::s 0,2
Coliformes Totales
NMP/100 mi
Dec.1594119B4
::s 4000
Coliformes Fecales
NMP/100 mi
Dec.1594/19B4
::s 2000
Diversos Usos
Tratabilidad Convencional
para Agua Potable
Agrcola
Diversos Usos
Agrcola
Tratabilidad Convencional
para Agua Potable
236
SPSS
CAPiTULO
9 - CALIDAD
DE AGUA
Minino
Img/I)
MIdiI
1. A. Surez
Medidas de dispersin
MIdiI
llImtricI
DmiIci6n
EstindIr
Coef. di
Vllilci6n1'lo1
Rango
Img/I)
'llrilnzl
1.38
7,70
2.28
1.51
80.5%
1.20
1.11
6.90
1.39
1.18
78.2%
0,70
1.15
1.19
4.60
0.83
0.91
62.4%
4.80
0.90
1.30
1.25
4.60
1.04
1.02
65.7%
1.94
5.30
1.90
1.90
1.49
5.20
1.54
1.24
63.8%
0.20
2.18
6.30
2.50
2.00
1,78
6.10
1.64
1.28
58,7%
7. A. Navarro
0.60
2.64
13.50
2.10
2.30
2.27
12.90
3.23
1.80
68.1%
8. Juanchito
0.30
2.48
5.70
2.20
2.25
2.20
5.40
1.32
1.15
46.2%
9. P. Comercio
0.60
4.61
18.40
4.20
3.80
3.93
17.80
8.76
2.96
64.2%
1.30
4.44
16,70
2.80
3.72
3.96
15.40
6.29
2.51
56.6%
11. P. La Torre
0.77
5.05
14.80
3.00
4.48
4.43
14.03
7.42
2.72
53.9%
12. Vijes
0.86
6.40
18.50
5.30
5.15
5.33
17.64
16.64
4.08
63,7%
13. Votoco
0.80
5.08
16.50
2.80
4.10
4.15
15,70
11.58
3.40
66.9%
14. Mediacanoa
1.20
4.77
13.20
2.00
3.95
4.04
12.00
8.23
2.87
60.1%
0.68
4,79
14.60
1.90
3.80
3,75
13.92
11.42
3.38
70.5%
0.85
4.16
13.20
3.80
3,71
3.45
12.35
7.10
2.66
64.0%
17. La Victoria
0.50
3.53
11.60
2.50
3.05
2.99
11.10
4.56
2.14
60.4%
18. Anacaro
0.70
3.85
13.90
1.80
2.64
3.06
13.20
8.10
2.85
74.0%
1.12
3.36
10.80
2.40
2.60
2.94
9.68
4.07
2.02
60.0%
ImII/II
Milimo
Img/I)
ImgIIl
ImII/II
0.10
1.88
7.80
0.60
1.40
2. A. Ovejas
0.10
1.51
7.00
1.20
3. A. Timba
0.10
1.46
4,70
4. P. Balsa
0.20
1.55
5. P. Bolsa
0.10
6. Hormiguero
EstICin
Madi
MedIIII
ImgIIl
SPSS
lmgII2
ImgII)
237
238
CAPiTULO
9 - CALIDAD
DE AGUA
~
Estacin
....
lq.4)
....
....
....
...
.... .... .... .... ...
lIbiIIII
s.itricI
.....
Medida de dispersin
...
"-"
VIriIIII
..,;
...
E.-..
CIII.
VIridt
111
1. A. Surez
0.70
4.64
8.00
4.80
4,70
4.20
7.30
3.19
1,79
38%
2. A. Ovejas
0.90
5.09
8.00
6.20
5.30
4.74
7.10
2.57
1.60
32%
3. A. Timba
0,70
6.23
7.91
7.20
6.45
5.92
7.21
1.80
1.34
22%
4. P. Balsa
1.80
6.28
8.00
7.20
6.60
6. "
6.40
1.43
1.19
19%
5. P. Bolsa
0.40
5.95
7.27
6.40
6.30
5.71
6.87
1.38
1.17
20%
6. Hormiguero
1.60
5,76
7.80
6.10
5.96
5.60
6.20
1.19
1.09
19%
7. A. Navarro
0.80
5.52
7.50
5.90
5.90
5.31
6,70
1.38
1.17
21%
8. Juanchito
3.10
5.19
8.20
5.30
5.30
5.12
5.10
0,76
0.87
17%
9. P. Comercio
1.20
4.50
8.10
4.20
4.60
4.30
6.90
1.47
1.21
27%
0.50
3.55
5.80
3.00
3,70
3.26
5.30
1.55
1.24
35%
". P. La Torre
0.10
2.14
6.30
0.20
2.12
1.49
6.20
2.14
1.46
69%
12. Viies
0.20
1,71
4.60
0,70
1.60
1.29
4.40
1.44
1.20
70%
13. Voloco
0.20
1.51
4.30
1.20
1.35
1.22
4.10
0.92
0.96
64%
14. Mediacanoa
0.10
1.65
4.10
1.30
1.50
1.39
4.00
0.81
0.90
54%
0.60
2.21
4.30
2.10
2.15
2.05
3.70
0.67
0.82
37%
0.30
2.40
4.60
2.40
2.40
2.23
4.30
0.66
0.81
34%
17. La Victoria
0,70
2.75
5.00
3.10
2.80
2.65
4.30
0.49
0.70
25%
18. Anacaro
1.20
2.92
6.40
3.20
2.85
2.84
5.20
0.51
0,71
24%
2.20
3.55
6.00
3.80
3.60
3.48
3.80
0.49
0,70
20%
239
mnimos y medios de DBO, excepto en la estacin Vijes. Sin embargo, los valores
mximos superan el valor admisible en los siguientes tramos: Antes Surez a Antes
Ovejas, Hormiguero a Antes Navarro, Paso del Comercio a Puente La Virginia, es
decir, cerca del 85% de las estaciones evaluadas no cumplen la norma de DBO en
los valores mximos, aunque el 95% s la cumple en el valor medio.
34.0
100
r-
18,0
eoo
r-
HIlo, AbrJsib/~
500
:!
12,0
T
~.~lII -t 4 ~.
~
-r .
6.0
0,0
l:!oc
..,~
...:
. .,
...:
;:
...:
.,~
'" '"
~;:
-i.
:::
~~ ~ ~
.., 8 ~
::
~
..
e
O
'"
D80
I~
11.
1>
::;
..
tl
lo
l:l
'"
Estacin
~
le
<:)1
~.
200
_.~ I 1'-.
~
~
~
..
..
e
...
ili
~
;:
1>
.
~
.. U.
~
~;:
~
..,
lOO
~
~
CAUDA L
240
SPSS
CAPITULO
9 - CALIDAD
DE AGUA
11
~----------------------------------------------------------~
1 ..
. -.
12
.' . ............... ..
10
,,- .......,.Oo ..
1964
1985
1986
1987
"'lo
1988
- - P. Balsa
1989
1990
- - JMandilo
1991
1992
1993
1994
P. de La Torre
1995
1996
- - Pte. Riofrlo
1997
1998
1999
2000
2001
2002
- - Pte. Lu Virginia
241
Se puede evidenciar que en las primeras estaciones, desde Antes Surez hasta
Juanchito, los valores de DBO son menores al valor admisible de 6 mgll, en cada
uno de los meses del ao. Sin embargo, en las estaciones centrales se observan los
mayores niveles de DBO, es decir, entre Puente del Comercio y La Victoria, los
valores de DBO se incrementan considerablemente con valores mximos en los meses
de enero a marzo, disminuyendo entre los meses de abril a mayo e incrementndose
nuevamente hasta el mes de diciembre donde alcanza valores mximos.
La DBO vuelve a mostrar valores bajos en las ltimas estaciones monitoreadas, es
decir, en el tramo Anacaro a Puente La Virginia, donde la tendencia es a generar
niveles bajos de DBO. En general los meses de marzo, abril y mayo muestran
los niveles ms bajos, incrementndose hasta llegar a los valores mximos en
diciembre.
Oxgeno disuelto (00)
tU
..,
11 __
11,0
i"""Q
--
rI " 11
'1
4,0
l.
500
~II~
~- ""'
~~
11
2,0
l.
L..
0,0
:li
'..."
.,
~
...
;:
...
e~
.. ...
;:
.
e
e
::::: eus: .e
...
tl
...~ 8.. ~
~:
..
~~
1.-11--1 ~ . '"11 ::
Estacin
.
OD
~2
~
>:
U
~
:1;
111
;
::
JI
...;:
;;S
:li
::!'"
..
11
es::
:
300
200
100
..
., '~"
..::!
CAUDAL
242
SPSS
CAPfTULO
9 - CALIDAD
DE AGUA
Grficamente se evidencia una relacin inversa entre los niveles medios de OD y los
valores medios de caudal, pues en el tramo Antes Surez a Puente del Comercio los
valores medios de OD tienen tendencia hacia valores bajos y los valores medios de
caudal tienen tendencia a incrementarse, mientras que en el tramo Puerto Isaacs a
Puente La Virginias los valores medios de caudal tienden a incrementarse y los valores
medios de OD muestran fluctuacin con tendencia a tomar valores mnimos.
En la siguiente grfica se observan los valores mximos, mnimos y medios de
oxgeno disuelto por mes en cuatro estaciones.
9.00 , - - - - - - - - - - - - - - - - - - , - - - - - - - - - : - - - - - ; - - . . . . . . . . ,
8.00
7.00 1
6.001
! s.OO 1
~
4.00
3.00 ~
-~+_++=H_++--_+;;;.-.~+'_+_"".......,"..,j._=r-+.r..___iI_+_=____'lI....-++.....;+_+.=f1
+
1 -
2 .00~
1.00 !
0 .00 1-: -~--~-'--~-~--~-~-_--'--_-_-_--~-_l
ENE"O
FEIRUO
MA"ZO
AUI..
IoI"YO
JlHO
Mes
---+- A. Slldr~z ---+- Hor".g,,~ro --... -
SPSS
243
:.._.;.".,..
8
7
~ .
j:
"'
4
3
1. ,::A
Vv
).',
. \:.
Jl'
rl
_ )( _
\
y v
v
I I
.. t
'N~ .
o I
F'
1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 19971998 1999 200 2001 200
- - P . Balsa
----Jllanchilo
- -P. de La Torre
- - PIe Riofrio
- - Pte La IIirginia
6 ,00
'6
o
;
4,00
.2'
el
2,00
0,00
~ i
Grfica espacio-temporal para oxgeno disuelto
244
SPSS
CAPfTULO
9 -
CALIDAD DE AGUA
Se puede evidenciar que en las primeras estaciones, desde Antes Surez hasta Juanchito,
los valores de OD son mayores al valor admisible de 4 mg/l, en cada uno de los meses
del ao. Sin embargo, en las estaciones centrales se observan los menores niveles
de OD; entre Puente del Comercio y La Victoria los valores de OD disminuyeron
considerablemente, con valores mnimos en los meses de enero a marzo.
La OD vuelve a generar valores altos en las ltimas estaciones monitoreadas, es
decir, en el tramo Anacaro a Puente La Virginia, donde la tendencia es a evidenciar
niveles altos de OD.
9.3 Histogramas
En este tem se muestran grficas de histogramas para algunas estaciones de muestreo
sobre el ro Cauca en la variable oxgeno disuelto. A continuacin se observan
histogramas en las estaciones Antes Ovejas, Paso de la Balsa y Hormiguero.
ESTACIN: 2,00 Antes Ovejas
16 , - - - - - - - - - - ,
JO
12
20
10
1,0 1,5 O
h-L
u O 5
~O
1\
1\
/)mI. tp.
',19
Medj. - 6J
N - 61,OO
5,5 6.D
6~
7,0
7~
lO
Oxgeno disuelto
Oxigeno disuelto
20
0""/1p. /.1I8
Me. - j.7
.L.J.,__
:;...,.J.........,................,..L.,...l...J..,.J
N - 71.OII
Oxgeno disuelto
SPSS
245
246
SPSS
CAPfTULO
DE AGUA
12
9 - CALIDAD
----------,
r~ r- \ -r-
10
/,
r-
20
_1
[}/
10
--'
1- Mtdi. . 3,4
N -76,OO
Mt dill = /,6
.1-.,-..........L..,-.............................-L...,.....l-,.....l-,.-L..,~
0,0 ,5
Oxgeno disuelto
N - 71,00
Oxgeno disuelto
20
10
[7
O.... 1J!, - ,69
Mt dill = /,6
0,0 ,5
Oxgeno disuelto
SPSS
247
OBO
Total
(2.53.51
(3.5-5.51
5.58.01
11.4%
17
38,6%
70,8%
14
31,8%
66.7%
44
100,0%
69,8%
[02.51
Recuento
% de OBO
% de Oxgeno disuelto
62,5%
18,2%
80,0%
(2.03.01
Recuento
% de OBO
% de Oxgeno disuelto
1
10,0%
12,5%
2
20,0%
20,0%
2
20,0%
8,3%
5
50,0%
23.8%
10
100,0%
15,9%
(3.05.01
Recuento
% de OBO
% de Oxgeno disuelto
2
40,0%
25,0%
O
,0%
,0%
3
60,0%
12,5%
,0%
,0%
5
100,0%
7,9%
Recuento
% de OBO
% de Oxgeno disuelto
O
,0%
,0%
,0%
,0%
2
50,0%
8,3%
2
50,0%
9,5%
4
100,0%
6,3%
Recuento
% de OBO
% de Oxgeno disuelto
8
12,7%
100,0%
10
15,9%
100,0%
24
38,1%
100,0%
21
33,3%
100,0%
63
100,0%
100.0%
(02.01
>5.0
Total
248
SPSS
CAPITULO
9-
CALIDAD DE AGUA
En esta estacin se puede apreciar que el 69,8% de los datos de DBO se encuentran
en el rango O mg/l a 2,0 mg/l y el 15,9% se dan en el rango de 2,0 mg/l a 3,0 mg/l,
es decir, en estos dos rangos se halla el 85,7% de los datos de DBO.
Para el oxgeno disuelto, el 33,3% de los datos se encuentra en el rango 5,5 mg/l a
8,0 mg/l y e138,1 % en el rango 3,5 mg/l a 5,5 mg/l, es decir, en estos dos rangos se
encuentra el 71,4% de los datos de OD.
Cuando el oxgeno disuelto se encuentra entre 5,5 mg/l y 8,0 mg/l; la DBO toma
valores entre O mg/l y 2,0 mg/l; el 66,7% de las veces y entre 2,0 y 3,0 mg/l el
23,8%.
Cuando la DBO se halla en el rango Omg/l a 2,0 mg/l; el 11,4% de los datos de OD
se encuentra entre O mg/l y 2,5 mg/l y el 18,2% de los datos se da entre 2,5 mg/l y
3,5 mg/l.
Del total de datos analizados, el 22% se hallan entre 5,5 mg/l a 8,0 mg/l de OD y entre
Omg/l y 2,0 mg/l de DBO, simultneamente. El 27% de los datos se encuentra entre
3,5 mg/l y 5,5 mg/l de OD y entre Omg/l y 2,0 mg/l de DBO, simultneamente.
En esta tabla se puede evidenciar que valores menores de DBO estn asociados a valores
altos de OD, valores altos de DBO repercuten en una disminucin de la OD.
La siguiente tabla muestra el cruce entre oxgeno disuelto y DBO, en la estacin
Juanchito.
Tabla de contingencia oBO * Oxigeno disuelto 8
Oxigeno disuelto
Total
OBO
(2.53.51
(3.55.51
(5.58.01
[02.01
Recuento
%de OBO
%de Oxigeno disuelto
O
,0%
,0%
20
64,5%
39,2%
11
35,5%
44,0%
31
100,0%
39,2%
(2.03.01
Recuento
%de OBO
%de Oxgeno disuelto
1
4,2%
33,3%
17
70,8%
33,3%
6
25,0%
24,0%
24
100,0%
30.4%
(3.05.01
Recuento
%de OBO
%de Oxigeno disuelto
2
8.7%
66.7%
13
56,5%
25,5%
8
34,8%
32,0%
23
100,0%
29,1%
>5.0
Recuento
%de OBO
%de Oxigeno disuelto
O
,0%
,0%
1
100,0%
2,0%
O
,0%
,0%
1
100,0%
1,3%
Recuento
%de OBO
%de Oxgeno disuelto
3
3,8%
100,0%
51
64,6%
100,0%
Total
25
31,6%
100,0%
79
100,0%
100,0%
a. Estacin - Juanchito
SPSS
249
[02.51
oBo
(2.5-3.51
(3.55.51
Total
[02.01
Recuento
%de OBo
%de Oxigeno disuelto
2
66.7%
3,6%
1
33,3%
10,0%
O
,0%
,0%
3
100,0%
4,2%
(2.03.01
Recuento
%de OBO
%de Oxgeno disuelto
5
50,0%
9,1%
2
20,0%
20,0%
3
30,0%
42,9%
10
100,0%
13,9%
Recuento
%de OBO
%de Oxgeno disuelto
11
61.1%
20,0%
5
27,8%
50,0%
2
11,1%
28,6%
18
100,0%
25,0%
Recuento
%de OBO
%de Oxgeno disuelto
37
90,2%
67,3%
2
4,9%
20.0%
2
4,9%
28,6%
41
100,0%
56,9%
Recuento
%de OBo
%de Oxgeno disuelto
55
76.4%
100,0%
10
13,9%
100,0%
7
9.7%
100,0%
100,0%
100,0%
(3.05.0%1
>5.0
Total
72
a. Estacin - Vijes
En esta estacin el 4,2% de los datos de DBO se dan entre O mg/l y 2,0 mg/l, el
13,9% entre 2,0 mg/l y 3,0 mg/I y el 25,0% entre 3,0 mg/l y 5,0 mg/l, es decir, en
estos tres intervalos se halla e143,1 % de los datos de DBO.
250
SPSS
CAPTULO
9 - CALIDAD
DE AGUA
En OD, el 76,4% de los datos se encuentra en el rango mgll a 2,5 mg/l, el 13,9%
entre 2,5 mgll y 3,5 mgll y el 9,7% entre 3,5 mgll y 5,5 mgll.
Cuando el OD se halla entre 2,5 mgll y 3,5 mg/l; el 10% de los datos de DBO est
en el rango de mg/l a 2,0 mgll; el 20% entre 2,0 mg/l y 3,0 mg/l y el 50% entre
3,0 mg/l a 5,0 mgll.
Cuando la DBO se da entre 3,0 mg/l y 5,0 mgll; el OD se halla entre mg/l y 2,5
mgll e161, 1% de las veces; entre 2,5 mgll y 3,5 mg/l el 27,8% Y el 11,1 % entre 3,5
y 5,5 mg/l de OD.
Del total de datos analizados, el 51,4 % de los datos se da entre mg/l y 2,5
mg/l de OD y > 5,0 mg/l de DBO, simultneamente. El 15,3% de los datos
se ubica entre mg/l y 2,5 mg/l de OD y entre 3,0 mg/l y 5,0 mg/l de DBO,
simultneamente.
,.,.
,.,.
J",ndita
,.,.
7i-'
V
~
4,0
00
1/
dI
0,0
/
V
'"
1/
~
lO
'"
A
0,0
l,O
40
1,0
00
'"
0,0
l,O
..o
1,0
00
De la grfica se puede analizar que en la estacin Antes Surez alrededor del 43% de
los datos toma valores menores a 4,0 mgll, es decir, el 57% cumpli el valor admisible.
En la estacin Paso de la Balsa alrededor del 5% de los datos son menores a 4 mg/l,
y el 95% de los datos cumple el valor admisible. En la estacin Juanchito alrededor
del 12% muestra valores menores a 4 mgll y el 88% toma valores admisibles. Lo
251
..
M t djfl(llffHI
- - - - - - -_.-
''''''
10'"'
"
,,.
t.
..
,.
,,'
".
..
!!" ".
,,.
,,.
oSE
,.
"
20
00
00
."
PUtnl, GII.)'ab.J
','
,.
"
00
"
00
"
"
00
"
En las estaciones Antes Surez, Paso de la Balsa y Juanchito se dan sus mayores
frecuencias en valores menores a 4,0 mg/l, pues cerca del 98% de los datos toman
valores menores a 4 mg/l, considerndose esta situacin bastante crtica en el ro.
9.6 Percentiles
Este tem muestra el anlisis de los valores percentiles para oxgeno disuelto y
demanda bioqumica de oxgeno.
Oxgeno disuelto
En la siguiente tabla se muestran los valores percentiles de OD en las diversas
estaciones monitoreadas sobre el ro Cauca en el Valle del Cauca.
252
SPSS
CAPiTULO
9 - CALIDAD
DE AGUA
Estacin
Antes Suraz
Parcantil
05
ParcantM
25
1,3
3,5
Parcantil
75
Parcantil
95
P8rcantil
99
4,7
5,8
7,5
8,0
Mediana
Antes Ovejas
1.8
4,1
5,3
6,1
7,5
8,0
Antes Timba
4,3
6,0
6,5
7,1
7.4
7,9
Paso de la Balsa
4,1
5,7
6,6
7,1
7,6
8,0
Paso de la Bolsa
3,8
5,7
6,3
6,7
7,1
7,3
6,7
7,8
Hormiguero
3,3
5,5
6,0
6.4
Antes Navarro
1.7
5,2
5,9
6,2
6,5
7,5
Juanchito
3,7
4,7
5,3
5,7
6,3
8,0
1,9
3,6
4,6
5,3
5,9
8,0
Puerto Isaacs
,8
2.7
3,7
4,6
5,3
5,8
Paso de la Torra
,1
,7
2,0
3,0
4,6
6,3
Vijes
,2
,6
1.4
2.4
4,0
4,6
Yotoco
,2
,8
1,3
1.8
3,5
4,3
Mediacanoa
,3
1,0
1.5
2,0
3,7
4,1
,9
1,6
2,2
2.7
3,6
4,3
Puente Guayabal
1,0
1.8
2.4
2,8
3,6
4,6
Puente La Victoria
1,7
2,3
2,8
3,1
3,8
5,0
Anacaro
2,1
2,5
2,8
3,2
3,9
6.4
Puente La Virginia
2.4
3,1
3,6
3,9
4,5
6,0
Puente Riofrlo
De la tabla se puede analizar que en la estacin Antes Surez el 50% de los datos son
menores o iguales que 4,7 mg/l; el 75% son menores o iguales a 5,8 mg/l; el 95%
son menores o iguales a 7,5 mg/l y el 99% son menores o iguales a 8 mg/l.
En la estacin Paso de la Bolsa el 50% de los datos son menores o iguales a 6,3 mg/l;
el 75% son menores o iguales a 6,7 mg/l; el 95% menores o iguales a 7,1 mg/l y el
99% son menores o iguales a 7,3 mg/l.
En la estacin Paso de la Torre el 50% de los datos son menores o iguales a 2,0 mg/l;
el 75% son menores o iguales a 3,0 mg/l; el 95% son menores o iguales a 4,6 mg/l
y el 99% son menores o iguales a 6,3 mg/l.
En la estacin Yotoco el 50% de los datos son menores o iguales a 1,3 mg/l; el 75%
menores o iguales a 1,8 mg/l; e195% menores o iguales a 3,5 mg/l y el 99% menores
o iguales a 4,3 mg/l.
Los percentiles en forma grfica se observan a continuacin.
SPSS
253
, OI
.=......
.... .r ....
Valdr Gd",i;ible
~
.~
4~ jJ~~
'l- .: .. , ... ~.
. . =::.:=::::.
.
.
.. ... ,.~~. ~. I
t3
tl
.
~ ~ ~ .~ . ... :;: :: ~ ~
~ "u
u .~
::!i
:
::!i
~
~
...'" ...'" ... '" '" "~ ... ...::!i
~
~ "~
~
.I:!
'"
'"
.
t;j
oc
e
<:;
::;J
\,)
-~~
:_~:
~
...,
s::
;:s
ESTACIN
--+-- Pe re. 5
- P e T e. 25
--"--Perc. SO
- - * - Perc . 7 5
PeTe. 95
----- PeTe . 99
Analizando en general los valores percentiles se tiene que las estaciones con mejor
reporte de datos en OD son Antes Timba y Paso de la Balsa, pues slo e15% (percentil
05) de sus datos son menores o iguales a 4,3 mg/l y 4,1 mg/l, respectivamente. Le
siguen las estaciones Antes Ovejas y Juanchito, pues e125% de los datos son menores
a 4.1 mg/l y 4,7 mg/l, respectivamente.
Las estaciones con valores crticos se encuentran en el tramo Vijes a Puente Guayabal,
pues el 99% de los datos (percentil 99) son menores o iguales a 4,6 mg/l. Otras
estaciones con datos crticos son Paso de la Torre, considerando que el 95% de los
datos son menores a 4,6 mg/l y la estacin Puerto Isaacs, pues el 75% de los datos
son menores a 4,6 mg/l, similarmente la estacin Paso del Comercio, con el 50%
de los datos menores de 4,6 mg/l.
A continuacin se observa la tabla de valores percentiles de DBO en las estaciones
monitoreadas sobre el ro Cauca. De la tabla se puede deducir que en la estacin
Antes Timba se observa que el 50% de los datos toman valores menores o iguales
a 1,2 mg/l; el 75% son menores o iguales a 2,0 mg/l; e195% son menores o iguales
a 2,9 mg/l y el 99% datos menores o iguales a 4,7 mg/l.
254
CAPITULO
9 - CALIDAD
DE AGUA
Estacin
Percentil
Percentil
05
.4
,2
,3
,3
,3
,3
1,0
,8
1,5
1,9
1,9
2,5
1,6
1,5
1,3
25
,9
,8
,8
,9
Antes Surez
Antes Ovejas
Antes Timba
Paso de la Balsa
Paso de la Bolsa
Hormiguero
Antes Navarro
Juanchito
Paso del Comercio
Puerto Isaacs
Paso de la Torre
Vijes
Yotoco
Mediacanoa
Puente Riofro
Puente Guayabal
Puente La Victoria
Anacaro
Puente La Virginia
Mediana
1.1
2.7
2.7
2,0
2,3
2,2
1,8
2,2
1.1
1,3
1,5
Percentil
Percentil
75
2.4
2,1
2,0
1,9
2,5
2,8
3,1
3,2
5.4
5.4
6,6
9,0
6,8
5.7
6,3
5,2
4,6
5,5
4,2
95
5,1
3.7
2,9
3,6
4,9
4,8
6,0
4.4
9,0
10,1
10,9
15.7
10,5
10,8
11,2
9,3
9,8
10,1
99
7,8
7,0
4.7
4,8
5,3
6,3
15,1
5.7
15,9
16.7
14,8
18,5
16,5
13,2
14,6
13,2
11,6
13,9
10,8
1.4
1,2
1,2
1.3
1,9
2,0
2,3
2,3
3,8
3,9
4,6
5,2
4,1
4,1
3,8
1,3
1,8
1.6
2,8
3,0
3,2
3.4
1.2
Percentil
3.7
3,1
2.7
2,6
B.4
En la estacin Hormiguero el 50% de los datos son menores o iguales a 2,0 mgll;
el 75% son menores o iguales a 2,8 mg/l; el 95% menores o iguales a 4,8 mg/l y el
99% son menores o iguales a 6,3 mg/1. En la estacin Vijes el 50% de los datos
son menores o iguales a 5,2 mgll; el 75% son menores o iguales a 9 mgll; el 95%
son menores o iguales a 15,7 mgll y el 99% son menores o iguales a 18,5 mg/1. Los
percentiles en forma grfica se muestran a continuacin.
4
2
....
!:!
;:'"
'"
..;
;:
"..;
Q
~Perc.
..;
~
;:
'"
.~
Q
'"
!:l'"
"
-----Perc. 25
:::
:lO
~
..;
~...
tJ
::l
~
<.;;
'"
:!
':::"
::
::
s: ~ ~iJ'"
~
'1
'"
ESTACIN
--+-Perc. 50
. ...
- - Pe re. 75
....
::::
Q
:::
"
;:
;:
-+-Perc. 95
'1
;;:
::
'"
iJ
~
"
'1
l!!
"~
- - - Pe re. 99
255
Analizando en general los valores percentiles para DBO, se da que las estaciones con
mejor desempeo son: Antes Timba, Paso de la Balsa, Paso de la Bolsa, Hormiguero
y Juanchito, pues el 99% de los datos son menores o iguales a 4,7, 4,8, 5,3 , 6,3 Y
5,7 mg/l, respectivamente.
Le siguen las estaciones Antes Surez, Antes Ovejas y Antes Navarro, debido a que
el 95% de los datos son menores o iguales a 5,1, 3,7 Y 6,0 mg/l, respectivamente.
Las estaciones con valores crticos en DBO son Paso de la Torre, Vijes y Yotoco, debido
a que el 50% de los datos son menores a 4,6, 5,2 Y 4,1 mg/l, respectivamente.
De los resultados descriptivos desarrollados en este captulo, la presentacin grfica
de los datos y consideraciones de carcter tcnico se pueden generar los siguientes
anlisis generales:
En el tramo Antes Surez a ro Ovejas se dan aumentos leves en la concentracin
de oxgeno disuelto y una disminucin leve de la demanda bioqumica de oxgeno;
el ro en este tramo inicia un proceso de recuperacin, recibiendo una reaireacin
que es utilizada para la degradacin de la materia orgnica.
En el tramo Antes ro Ovejas a Hormiguero el ro recibe aguas de tres ros afluentes :
ro Ovejas, ro Timba y ro Palo, aumentando considerablemente los niveles de
caudal del ro Cauca, lo cual permite una estabilizacin de la demanda bioqumica
de oxgeno y el incremento en la concentracin de oxgeno disuelto, considerando
que los ros Timba y Ovejas aportan un caudal importante con altas concentraciones
de oxgeno disuelto y valores bajos de demanda bioqumica de oxgeno.
En el tramo Hormiguero a Vijes se observa la mayor contaminacin del ro por
materia orgnica, debido a que en este tramo recibe las descargas de la ciudad de
Cali, Palmira y el corredor industrial Cali-Yumbo, donde se encuentra gran parte
de los ingenios azucareros, la mayora de las industrias de produccin de pulpa de
papel, industrias productoras de qumicos y la principal destilera del departamento
del Valle del Cauca. En este tramo se dan constantemente valores bajos de oxgeno
disuelto y un incremento progresivo de la demanda bioqumica de oxgeno.
En el tramo Vijes a Mediacanoa se tiene la condicin ms crtica a nivel de
concentracin de oxgeno disuelto, pues en general se encuentra entre 1 mg/l y 2 mg/l.
En este sector hay una fuerte exigencia en la demanda bioqumica de oxgeno. La
contaminacin en este sector es aportada por los municipios de El Cerrito, Guacar
y Yotoco. (Vlez, 2003).
En el tramo Mediacanoa a La Virginia el ro muestra una marcada recuperacin, pues
la carga contaminante es menor y esto posibilita la auto-recuperacin de la calidad de
agua. En este sector se observan descargas de aguas residuales e industriales, debido a
los ingenios, beneficiaderos de caf e industrias alimenticias, as como de los municipios
de Buga, Tulu, Riofro, Bugalagrande, Cartago y Caicedonia. (Vlez, 2003).
256
SPSS
CAPTULO
10
Instrucciones en SPSS
En este captulo se presentan los procesos bsicos para el uso del programa estadstico
SPSS (Statistical Package for the Social Sciences), en su versin 11.5, para el
sistema operacional Windows (Las nuevas versiones tienen los mismos procesos
para la estadstica descriptiva que los presentados en este libro). SPSS es uno de los
programas ms comnmente utilizados para el anlisis estadstico de datos. Entre sus
ventajas se encuentran: cubre un amplio rango de los anlisis ms comunes y grficos
estadsticos, los datos pueden ser grabados en SPSS o pueden ser importados de
otros programas, como Excel. Los resultados del anlisis de datos estn claramente
estructurados en un archivo de salida, en el cual se pueden realizar modificaciones
y pueden ser editados en el procesador de texto Word (Microsoft).
'
Para ingresar al programa SPSS en el men de inicio se debe seleccionar:
Programas>SPSS for Windows>SPSS 11 .5 para Windows, o simplemente d
doble clic en el icono de SPSS si este se encuentra instalado en el escritorio, SPSS
automticamente abrir una hoja vaca: "Sin titulo - SPSS para Windows Editor
de datos". Para finalizar el programa SPSS se debe seleccionar Archivo>Salir, de
la barra del men o clic en el botn X, en la parte superior de la esquina derecha
de Windows.
257
258
SPSS
CAPiTULO
10 -
INSTRUCCIONES EN
SPSS
s...
101 ..
v....
VlrilbleeclUlt
J""bo<-j,
EIiquM
NiYeldemecida
"'JE-IC-ala--iJ~
s.... " T~
V"'Iin~
r--
CeIIiMID
r
r
r
JNl.IIlbia:iJ [
Ancho:r- oea.n..: r
R,,~v
1
2
Jn.biedICl
........
........
r
5
6
e
9
v...
1
1
1
1
1
1
1
1
1
. ---A
-o-Ir.-v=-d
[~;.:::'-
Pega!
AcepW
I ~;I
EIIIp
35.00
42.00
65.00
72,00
75,00
100,00
105.00
120,00
190.00
R~
,
I
c==-:u
~,
CenceIIr
I .. I
.............
o .~:.~=
...
1
f'KM
04-......... ,
07 ...,.... '
..
-....-_- .....
A_a _
_...,5...
...
i
.1l,.,Jll.'
........
12..
71 00
'''00
_ .00
,.o.
".00
'''00
100.0
,to.O
MO
>0.
,oe.
_........
.. 10
... "
.......
, "
c .... .... . . ..
te
.......
ti
o f ":1
c:::::J
8UlO
'0000
.... 00
.7100
.....00
'2000
.,.2..
37.0
1_ GII._
17800
70.
12&0
32.
1t00
'3)00
'''00
OlOO
..00
123.00
. . . 00
" .00
7>00
"00
_..... . . ,___...-.___....l..._....l..._.-...._.I___
.. UO Otllrll . . ... .
a. . . .. a .lil .
SPSS
...L..._~_~_~
I
.tfl
259
Seale los datos de las variables que se van a procesar y d clic en el icono de
copiar, en este caso turbiedad y slidos suspendidos,
.. 1<4
... I
!.-!I
.~
I
~
-
1-
+-
'Ir
-+
,
~
l-
-+----1--+ ---i
-r-
L
1-
+
j
r
f
.tj
j
- 1-'
.~
-t-. --i-- t
f" 1-1
t
-~
~-
j:
.
I
-~
t -
j-
t
tt
-t--- "'.-
f
t
-.
'.l
tt
-..j:
..
-:
-+.
_.
--+-.
r
-;
.
f. t
~
.t
1"
- ++
1 1t.___ t
l-
.---t" -, -
.ffI
Los datos de las variables turbiedad y slidos se copiarn en el editor de datos
de SPSS. Para cambiar el nombre de las variables se debe habilitar la "pestaa";
260
SPSS
CAPfTULO
10 -
INSTRUCCIONES EN
SPSS
_..
\CIt_
.00
"08
ItSOi!!
1100
).l.
.....
.....
.......
""
'''00
U).ao
14000
...
"00
.00
Inoo
'
__
11000
114(1)
:::!
"
.....
,
i
.
t
rt
j
t t f
t
t
~;;;;;!'r-~:::::::::----~=:l:'
--
+
+
,.
1-
.
~
i-
..
.~
Vista de variables
Campos que deben ser diligenciados de acuerdo con el contexto del estudio.
SPSS
261
I
I
,.,
,.
""*-
,'" ,",
~1 ~I.S ..II~I.f!I
'*lliIlaJ!!J
~ -.....
lIIdOe
n
- 3IlO
~
~
35
\W
\46
SII5
121
1CX)
1901
978 1
!!l
6SO
Dl
105
1$
\10
~
lA
\6
R
I
I
\
I
~
2t
- I ----;;;- I ~ ~ I ~
I
I
I
I
t-----
te
\20
99 t
125
\33
85
UO
,.-85 e
51
11
...
~ r ----;;;- ,.!
1
!...
I
I
--
f---._-.-
-,
54
129 ,
1M
...
......
....+--
-_ - --u-r--
53
73
---;;;---
---+-_.
..
I
1
_.
.-- -- -
* 1
32
- m""'---2Ii81
~_
__
iliJ\-.-~ .:--...1
-_._262
{lrol.E!J_lrtI ~
-'!l
IliOi
136
65
-..... _ _ ,
7~r
~I
t:j
.--_.- ':42
,..-
- .. ~.
" -_~_I
_. __ .
-t,
1
~
.:r
SPSS
CAPfTULO
10 -
INSTRUCCIONES EN
SPSS
c~.. mecIas
Modelo lneaI generlll
Modelos mixtos
Coneledones
R~
lOQlnNl
CIesflc..
RldJcdn de datos
Esealas
PruIbas no perllll6b1ces
Series teqIorlles
~
RespJeStes ~
AnilsIs de valores penIcIos
Seleccione del lado izquierdo del cuadro de dilogo las variables a las cuales desea
calcularles estadsticas descriptivas y pselas alIado derecho (Variables) mediante
el botn que se encuentra en el medio de las dos subventanas. Para seleccionar
las estadsticas descriptivas que desea calcular, d un dic en Opciones.
_.
- - - ---- .._------- _. ---~I ~ ~I
-~
--~
Acepte!
~feche
$llIInIgas3
F>.\lII
1lIInI~
Ctn:ei
I
I
Rttttbletll!
.leII\IghnJ
""",gh3
$""",gcb
I
I
~SJ>
SPSS
263
'~~P~-Pki;~~"::,
..",.__..,_ ~
{anna}
~ SI.IlIa
~ Mea
Dispersin
~ Oesv. tpica
~ Minino
~ Varaanza
~ Mmoo
~ An1*ud
~=
~I
AjWa
E.T. mea
~ Asineb a
Orden de "'-Iz1IICi6n
(O LAta de vllrietlles
r
r
r
AlabIico
MediIIIs IICendenIes
Meas d.cendrri1llS
Una vez haya hecho clic en Aceptar se abrir una nueva ventana, la cual contendr
el resultado de los procedimientos realizados en la sesin de trabajo. Esta nueva
ventana, que se visualiza, es independiente del editor de datos de SPSS y se llama
Visor SPSS, donde se presentan los resultados de los procesos estadsticos. Los
resultados presentados en la ventana Visor de SPSS se pueden trasladar a un
editor de texto, como Word, mediante el proceso de sealar, copiar y pegar.
1:..tC!~I I~S l _Vl ~L~!!>.>. _ _ _ _~
____________ ......_
._~
... ~ .......
~.,:...,JII'
264
SPSS
CAPITULO
10 -
INSTRUCCIONES EN
SPSS
os
r_booc.... .
r_
.....
Corn0iecJ0005
~
..... ..
Tata;do , ~~ .. .
Tata; do freo..oerOas.
LoghNI
00sl1Ul'
Rll<UxJOO do datos
PruIIbas no paramblc.as
..
boIrpJraIos
SuperviYenda
~
_......
r~
_".. .
~:' ...
~
~ I I_I
' frJwU._
,:~==.
............
,
fuh3 111ti11
~ ~~
f---
" -' S _
SPSS
265
Una vez que ha pasado las variables, d clic en el lado derecho del mouse y en
el men que se despliega elija Seleccionar todas las variables de columna.
~.;~-------
rat:la
--
.-_. --
---_.._.-
~~:
VCli"bIes
[fIiiI
. ,~
No'l11Ii I!I
,cIo lclol
,
,.
--
lOe-
Cqp&"
cw.,..,.,
lecho {l ..
'nteg,od .
EJtacktoos de r~ ...
'.
'flo3 11g."
, Igac Ilgac)
,ttm3IL
'g,:!{lgh3)
, Igds 1Idol
' ,emlguJ. .
',emlgac .
' _Ig""'-
OeshacerAf\adr ",anlJbMs
No so puede rt;)ebr
Cat.,gol iu
Cort.
Copiar
.-
'lo
Je<,;It~
. _ A>
r~-{vtJIWIe do
~
etn+x
ctrI+C
l'<9flI'
etn+_
Eimin.
5..-
----~:~~ ~~:!"~~:.~::~_._--_._~;.....
D~nr -------------.
E~"li<osde,.......nl -------------~
Nl ~,tMliWcQl: de ,~me. ..
PoIIcOl. CoIurmas
~ ~eQo , a ~ YlQtale.
.,..
~I
P01iein de cete{)Off."
Oeu.
Una vez que se han seleccionado las variables en el rea de diseo de la tabla,
vaya al cuadro Definir (parte inferior izquierda) y localice el cursor sobre
Estadsticos de resumen y d un clic; inmediatamente se desplegar la ventana
donde podr seleccionar las diferentes estadsticas que desea calcular. Slo debe
buscar y seleccionar de la lista Estadsticos la estadstica de preferencia, luego
pasarla al cuadro Visualizacin mediante la flecha que se encuentra en medio
de las dos subventanas. Cuando haya terminado de seleccionar las estadsticas,
d un clic en Aplicar a seleccin, entonces volver a la ventana de diseo de la
tabla personalizada.
~blC'~ d.:- C''X I
~,....~~~, ~. I
Vtluahzacin;
e-tadi,licos;
Pe,C<II"II199
.:
Eno'lpicode lamea
.z.
Detv. tpica
Suma
N total
I~'~"
I ~~
A.
I AplicO! eleccin I
266
I'''''''''''''ICO
ApliC<ll ~ lodo
Cenor
J~..J
10 - INSTRUCCIONES
CAPiTULO
EN
SPSS
TaIJia
lIa_
'
---~
do{dol
IIiI
I
'' nle!ilod
lecho!"'...
' 1ga<311g..
!fTnl{f.
tg\l{lgh3)
'
ip(lgijo]
'ICITlIgo.1..
'-'goc ...
~'~~':' .
I!I e_ .,
I 14M
<+........
1IIIo"ld
r.."!I''W'VY'I
Mido
Mldono
Modo
Mioimo
Mlnmo
'fooc~gocl
"
'
NOIft\II
190t3
I~
IIIIC
Iv
I'N'ln....n
IIm'I M
""mM
nnnn..nn
r,'l1'lJ'1'l
N HY\.ftl
rlflmm
rI'lI\I\.nn
fYTl'\/Wl
mm.m
ro
"""V1f\
r.",vY'
rrtrln,nn
flf'n1 '"'
r.nfY\.tYl
no
~ nnr,
....,..,J'JfI
tYlt'l'\.ff'l
"
(1'111'1)'1'",
M
~
Cgoff.:
F
~
M:4I4I""
Oefol
Ettadl*ot da M.WHn
~ j;1I1d1111C01 d........... ,
PtJoian:
. r O....
AcOlIta
I~
..
Ptr defecto
Rec\otNc. l
CoraIa
I~
Aparecer la ventana del Visor SPSS con los resultados de la tabla personalizada
disefiada, tal como se presenta a continuacin.
+ Tablas personallzactas
".dl.
M.atana
.oo,
.......
.Ini~
Vartanza
Desvl.clnlipltl
Rango otdlnol
",",GRIIO
13,50
48,00
.......
12,4!i
',00
" .00
14.00
5'0,00
17,00
115,00
5190,08
16.(}g
139,66
11 .82
56:J,oo
11:J,OO
2,00
,.......
"'"
11 ,14
18,00
" ,00
170,00
3,80
342,18
18.50
186,20
SPSS
21 ,19
11,00
17.00
130,00
'.90
256,57
'6.02
'26,10
'GHl
13,20
'ODa
10,!;1
9,45
'8.00
18.00
",00
140,00
>,"
2,"
228,31
15."
1:J7,40
100,02
10.00
70,2iI
14,00
267
10.4 Histograma
Para realizar el histograma en SPSS se deben seguir los siguientes pasos:
En la pantalla de Editor de datos de SPSS vaya a Grficos y seleccione
Histograma .
'!
'lislogrilITla
[!]
~ oo
~ Iecha
~ iga13
~,
~~
<t> 1gm.1
... ~ PInia - - _ . - - f
l' r lJlalal~~bde: :
<i> gu
<i> i!Ps
~ 1fJIOlI3
~~
~ oet#A3
268
Vm:
1. .
j -=:J
~ IiMosil.amraNi
.1
~
Ret!#m l
a~
I
w
D
('..miv l
~\
~.;<t."'i\'~~';;:''i,"
T...
SPSS
CAPITULO
10 - INSTRUCCIONES
EN
SPSS
Para editar el grfico d doble clic sobre el grfico, aparecer una ventana de
edicin llamada Editor de grficos de SPSS; en esta ventana podr editar el
nombre de los ejes, el tamao de la fuente y el nmero de decimales de los
ejes.
ArthJvo EdId6n
v.
~rie
DINIIo Series
AnIb. GrMlcol ?
BO
60
40
20
INTEGRAD
Para editar cualquier elemento del grfico d doble clic sobre el componente que
desea modificar, aparecer el cuadro de dilogo correspondiente. Por ejemplo, si
se desea modificar el eje X, el cuadro de dilogo que aparecer es llamado Eje
de intervalo, como se muestra en la figura; en este cuadro se puede modificar
el ttulo del eje, los intervalos y el formato de las etiquetas. Si da un clic en
Etiquetas aparecer un nuevo cuadro de dilogo donde se puede modificar el
nmero de etiquetas, el tipo, el nmero de decimales, el factor de escala del eje
y la orientacin de las etiquetas.
,-
fje Ge;~leIVa,
~_
Mcnb. --
--
r~
c..do
dirJJOIat
M..oao _ _
",p.~_
~T~~----------------~
~ P.no..... ('" fWngo
eir... decIn*..
Ic..a-I
c:..c.r. 1
...... 1
rS _ _ d e _
Eomc>Io
_____123f~
Fottorde 0rie!Uc6rc
r-
1 _ :::J
269
aarr.,....
.......
-".......,
",
!'ooao",
LheM~ .,
"'.....
Dlet;J'nas.c......
ISarrasde.-ror .. ,
{ I cal
1"~hH~' <tnlr1
~ R~o[Scow>
C_2.o . '
'[eIol
p.e"'1
,
,
FGAC[lgaccatl
FGAS3 [1_3cat1
[lgos3J
,
,
,
FGOS (lgc:I>caIl
(lgdal
FGH3 [lgI>3caIl
[Id'll
,
FGHM3 (lgIwn3c:.
,[I~
,
(int_ad1
,
'",_odoI r.....,.
I
"'----
'11-_1
,
,
(,-g0s31
(,-gdol
'('~I
,
(".",.....31
R_ _
Acepo-
270
1_
V_doI"."..
C"",*-
SPSS
CAPITULO
10 .
INSTRUCCIONES EN
SPSS
.....
....
~_
Al. . ,
-..
a.r.. di.,..,.,
----1
~. . o.c""
..,..dI.-ror ...
-_
o.._docojo. .
""0.....
"
...
SPSS
271
Pase las variables que desea graficar del lado izquierdo a cada uno de los cuadros
marcados como ejes, como se muestra en la figura, luego en la pestaa ajuste
verifique que el Mtodo sea Suavizador, en la opcin Kernel que por defecto
utiliza la distribucin normal; puede elegir tambin la distribucin uniforme.
,,--- U:!fB5
,[---
"
_-\_1'_ ......1'_1_1
"c.o_
" ............
....
,~
..,
J.J
..
1.c.~)D-
1.
1-
(7oolodl
:::1
......
,~
,~,
,c.o.v-..
,c.o._.
, DeO_
,~
''000_
000 .........
'_-11_
,_
,DIOI<b>I
,,-'f......,.._
.. _ . - XI
'*
E'"
-,
'_1
_
----
~~
1_1
,."
-----
c-Io
~,tb60'
---r """",
...
:::J
JOF""
X2~
v. . . . .~~_________
~ ... (
_ - - \ ' -......IT_I_I
....
r_
I;t_~SoIW5
..
........ 1
- ---
~'
s-
'-
--
0 i0II>-
~'272
= - __
~""
_.
~~ --7'
....
..
,---
CAPITULO
10 -
INSTRUCCIONES EN
SPSS
:::: -I _ =~
. ___ .
...... ..
M6.
=~'--....
~
_
~ l -.'ii'---;;"I----,.-I
o..ar- . .....
a.r.,de fITrtII
Seale las variables que desea graficar y pselas alIado izquierdo, a cada uno de
los cuadros marcados como ejes, como se muestra en la figura.
--------------------------------------------".11',1""
(ff"U r.',l111IJ
di'
Ao9* "ariIIIIM
IX
I fP tPor--.t.," ($pct)
lJO!O
-
1,
V .......... ~
Color;
Eodo:
..........
FGH3 (fgh3cal)
I
I
Al ~
a.
pIIf
:1
1
...-------
V.w.IHcW......, - - - --
SPSS
273
-=--COn_
--
_ _ _ JI
.....,
."'-
_
_ dodotoo
deofk.
7$
!lO
!lO
65
n
n
5.t
69
75
79
E8
69
li6
65
69
!i6
51
81
274
SPSS
CAPiTULO 10 - INSTRUCCIONES EN
SPSS
--
l ltpluf<H
I
I
R_I
Cancellt
...- 11
[!]
"-
F.clofea;
. ,I:l
[!]
[!]
r_r
M08Ib. -
--
rx
N.... delot'..."'.......
leomru. l
P T.... """"
~I
Alu!al
ro
E_Ioo ..... _
E"",,_r.G'lficooj
_.- j[-
ro
ro---.......
rHto!otJ.....
C~ __
r GI_ con l>IUIboo do .......,,jod
,- 1 G,Mioot...
0_
r '"
Irr T,wI_.
'1
P"'..- JlOll""'....
norm3dor
::::J
Frequeney
,00
33,00
63,00
16,00
21,00
2,00
13 , 00
Su.,
o
o
o
o
2222222333333333
4 4 44444444444444444455555555555
66666666667777777777777
8e8e8lS8IS8i9;9
o
1
223333
1144444555S55
1
1
66666711
8e81S999i
0111
233
21,00
18,00
11S,OO
8,00
6,00
4,00
7,00
4,00
6,00
2,00
Laaf
011
2
10,00 lxeremes
( > -33)
Se"", wideh:
10,0
E.ch leaf:
2 cuel")
" 1
Al: 17
SPSS
Aii:;
275
,.
12
..
..,.
111
111
12
12
54
.,
,,
0,0
'.'
:~~
"-j
",Q ~
83,1.
~:[
"747 1
"'1
n.!
:~1'
19
-:
-
55"
..56
Ii!3s.
I
c-I
, Ooh
~--I '"-~--
;~"",........-
---
276
...~-.
lb
1,'111111'
~_od
......
~"""3
~I
~
~~
~-'913
10<03
I' [D
,11 ,,,11\
111
-1
1M
IoNI
~Iooc
~~
~fQhl
A.....' . '
c.-I
~1gcIo
I
~,*_"'1."
QJ [_100._ _ [ 5 ]
-.J
~FGAS31fooo3
<l>FGHN3_"
l. .
't
--
:::
:::
SPSS
CAPTULO
10 -
INSTRUCCIONES EN
SPSS
10.10 Percentiles
En la barra men de SPSS vaya a Analizar>Tablas>Tablas Personalizadas... ,
en este momento se despliega el cuadro de dilogo Tablas Personalizadas.
c"
Arctlyo
Ver
Etkln
Datos
l:..
Transformar
~ IiiIJ~ ~ ~~ ~ ~J r,
11:<10
Grftc:os
lJ:ldades
"'ertana 1
~J
.,
Informes
Estadstlcos deSCr1JtIvos
~2
do
9
10
11
62.00
63.00
63.00
63.00
64.00
64.00
64.00
65.00
65.00
65.00
66.00
1?
~h
1
2
3
4
5
6
7
8
nn
COrroarar medas
Modelo ..... a1 general
fecha
03-MAR91
Q4MAR91
Q4MAR91
Q4MAR91
05-MAR91
05MAR91
05-MAR91
ffi-MAR91
ffi-MAR9 1
ffi-MAR91
07MAR-91
Modelos mIXtos
CorrelacIOnes
Regre<ln
Le>;Iineal
Clad'lcar
Reduccin d. dotas
Escalas
Pruebas no pSl'IItn::-,s
5e!1.. temporole<
S4Jer""-'enda
R.spuO<t .. .rullples
An~sl s die valor.s percldas ..
O
O
O
O
1m
OO
O
5.10
5.40
6,70
17.00
16.00
15.00
12.00
2,80
3.40
4.10
9,60
7,60
6,90
4,60
8,50
6)0
8,!ll
7htl
A An
"lq('!
n7.MJl.Q.Ql
2,60
700
5,60
8,80
--I - -'"
,"ec. . ..
IHiiI
11. ...
,".."ocI.
--
Opciono.1
N~
l!l CoaPo
CaQ<OO
jOIUf"""
"ga. 3[f" ..
'fgac[f_J
' fr;r.m3 (I. ..
'frN[fr;J13J I
' fgrJ. (lgrJoJ
,
,
.mg>a3 ...
.m~
I".m<twn
--'"
,
ff
Celegorlet
r'-"
.~
[Derri'
~ ~*I.ddo:l de
lettrne
Si J;ate.gofl~ y tot'*f
I [E~r'~M '~~
PO$IC16n:
CoI~
IOMI
Oogen: i.
P~on
de calegor
Por defecto
/>.oefiOl
1..
Pegar
I ResI<SbIeceIl
SPSS
Cancel ..
A.udo
I
h
277
Una vez que ha pasado las variables, d clic en el lado derecho del mouse y en
el men que se despliega, elija Seleccionar todas las variables de columna.
~ I.!,.!:~!~cl.~
hblo
't~~""~~_""_,,_f!' ~I~
11 ..,100
~I!!ICqp.
..
,~ 00 1001
~fOCMP...
~",eg.d
~fgas311g
~fgac [facJ
~tojlm3~.
1I11
~ ~
Cokrme.
.
19<i
"ocio
_.1'"'1'1 fin I
~4to3 ~gh31
nnnn"
lrtertombio!
..
~fv:I'UgdoJ
..
~_.,.tJ
~I"""'C
'"'
~I""r/lm _
lb
I....!!!!!II
~Mo"y_s
' I~
~ Cegorf""
I
"'~
{vaIitJbIe'*'
I
~
."..
No se puede ,te! ~
u.
cort...
""o
Ctrl+v
5up<
Elri"l.
~. ~~.:TI~.-!-
Defri,------...,
Eotodlttioo,de_
~ ..d l _ ' d . _ ..
PooicOl: CciJoM..
ti
a rl+X
Orl+'
Cop ....
~oI.egcAl".,..tot.elt:~
Ongon
_.
:_
1i 3
r ~ I P""''''d.. ~''og"".,
o>or d""',o
VftlOe, de "'......
I Ac:ep'" ! ~
!",.;".~ ...
Aestobleceo! e....,.. ! ~
'X
Variable ~ fgac
E$ladralicot:
Moda
1"1 .. '
1~
,'l
; I
t""
Rango
ViaAaizaci6n;
E....tIatic:o
Percerd05
1P!ryri25
MIKianI
EIiauet.
05
f'ercentj
f'ercentj
MIKianI
...
25
....
~-
Percenti 75
D~.tr~
,. ._ ~
ApIicer a . .ci6n
278
Apiear a todo
c.n.
AIuda
SPSS
..
v_
,-,..
l1li-- 18,--..
1'"
'do(dol
..
''o*"pAL
'Igoolll!l ..
'1fIrtaJ,-._
'1dl311oJ>31
_25
_1'5
'1gdr1lgdaJ
Igool
_os
-..
Igoc Ifgocl
~c..
~~".
19tw3
ldl3
rynn
mm"
'I'mJ'
...... n
on-n,
q-rrn
fTIIJ"I..fI
lude
rftY1.n
.....,.,'"
""""
rTau1
nrror."
...., ....
'"1"1"
r<rroI.
'ftlOIIDorl.,--,.....,...
.. ... .
".
CoIogaoc
,::;
.:
..
~
N.tt-._-
~
--'01
Doh - - - - - - - -
te!P
ar,
-ilIUlollllll ~ !!I.::J ~
--
..!.I.!.J.!l.:.J d!2J ~
I!IT-::_1
_..
_. --
._-
"_.-
----
+ TIIIIIIIs persofMIIzadas
_:15
_15
<t r--l
......
~-~
fGOSJ
f~
5.1
U
-..
.~
11~
'U
71~
FGfO
)~
,.,..U
.60S
..
l.f
,~
,."
SPSS
...-..J;
279
emt... _ _ _ . .
~
T'":J
1Isignar._
...
~--a ca5D5
_;
. ....
~""""a
oeor_~
~I
~-
-.....,wIores ...........
280
CAPiTULO
... : - ,
l'
....
-......--- -);.
v. ........ v... __
r _ ...._
EN
SPSS
---,..... - . .".
.!J
--,- 1
rr _~
c-_ _
...
...
";--_oI_
, c.. I ~
. ,.
JI' .. l
- - - - C!J ....
~ "'41'1,...-H1
1""-- ~
r t.._. _ _ _
r "-P
,~n"
r ................. _
.. I ......
- -r_-
;;;;;- ....... ,
GJ
'.~
10 - INSTRUCCIONES
r T..... _ _
",-""""
1 ... '
1-
Si requiere que en la Tabla cruzada generada por SPSS aparezcan los intervalos
y no las categoras, puede ir al Editor de datos de SPSS, y en la pestaa Vista
de variables (parte inferior derecha del editor) seleccionar las nuevas variables
creadas y asignar etiquetas, como se muestra en la figura.
..
v.ort'!S
-----
Tm-~'2.OO-~r
lOO-wmr
4,OO-"!!5Il-1~
lbIMirico
l'bMnco
lIbnnco
llUnrico
I'bnrico
lbIMirico
tUMnco
8
8
B
B
8
8
8
2
2
2
2
2
2
2
MnQuno
Ningwlo
Ningwlo
Ninguno
Ningwlo
MnQuno
Ningwlo
MnQuno
NInguno
Ningwlo
MnQuno
Ningwlo
Ningwlo
Inlegrldo CatelNjUo
FGAS3 Cllleg Ninguno
FGHI/D Categ MnQuno
FGH) Categon Ningwlo
FGAC Categor MnQuno
10
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
Ninguno
__________________
8
8
8
8
8
8
8
8
8
8
8
B
8
8
8
8
Oancha
Oancha
o...ct..
o.ndwo
Oe\'tCha
o.ndwo
Oincha
o...ct..
o.ndwo
Oatac:No
~
0IIrec:ha
o.ndwo
o...ct..
o.ndwo
~
Dancha
Oincha
.1
SPSS
281
, , - - - - - - - - - - - - - - - - - - - - - - - -, r - - - - - -- -(<l "' ~
1I~
~,...
~_
r:o
~
4> ,;a
~
Ijtl"rn>,f'l"J
....
....
;;
......." - i
I
WJ ,.
~-a.)
c.. 1 0.1
:="'*""""-".
, c~1
FlecuenciMl
P e+!
; Observedas
c..-I
~
-' !~~
r-----
--.::J
~FOHl_'
Cancela
Esperadas
Ayuda
r ~&eIM
I
I
ResidJos,- - - - - - ,
Porcen.jes-
r
r
; FI.
; CokJmna
Iob".bpilicoret-. . . . . . . .
IdS
-1
;::"""""'Riiil
-#_l
::::::,
-----------~
No,,",icodos
T~icodos
ToI"
Ti:lificodos caregijo.
~'..-I~~
R'-'~ Ul1drJO~ J
V l~O(
Arctwa Edd6n Y
_ 1<" 'x
!,IJI\\
lnMrta
fa1Mto
m::-
Tablas de contingencia
- @l.........,.
b
...
"d ..
...
R..... men
,_""o
V'lIdo.
N
1nt8lJrada Ctegorlca
.. FOAS3 Coalegorlca
294
k) .. eal4)1
CatOS
PercUdas
Porc.nh',
100,Oc;l,
Total
Porcant. I
Portlntll'.
mi
,0'-
100,0'-
10-5)
htsg,ada
cm gorlca
10-20)
Recu9nto
" el; Int&g~d
'1
>
.J
[20-30)
O
100.0'-
,0'1'0
,0'1'0
,0'1'0
12,2'4s
,0'54
,0'3
,0'O
'1> 1Io&lT'ohQf'Oa
Cafegorlc.
45.1'-
51 ,4'-
2,8'1'0
,0'-
849'-
588'1'0
J,8'-
0'1'0
CaltcMca
"el; FOA83 Ca1;gOrlCa
120-'0)
(10-20)
lS-l0)
Recuento
de FGAS3 Cateaorlca
~ "'P<ii-flMY*Mb Jld'AnnwwNin
282
CAPTULO
11
Grficas en Excel
Dirjase a la ltima fila, donde termina la serie de datos, para calcular la media,
la desviacin estndar y el mximo, en cada sistema de filtracin gruesa.
Seleccione una casilla donde desee que aparezca el valor de la media, escriba
=PROMEDIO(rango); esta funcin calcular la media para la serie de datos.
SPSS
283
8,1
9~
.p
3~
~
4,1
.~
t'..
.!J
5
63
63
()4fw1lit91
63
04Ma,-91
6'
64
6'
65
05-"'ar-91
()5.M.,.9,
05-_91
06-",..91
25,0
84,0
3..9
2,6
3.4
."
6Jo O
12.0
17 P
o.-1JJl
_,_ ~,6
(6.M8f-91
(B..M.,..91
07.....-91
07-"'0<-91
07M;u91
33.0
29.0
'5,0
30,0
26,0
8.3
15JJ
8.9
16,0
ISD
'fJ
11 .0
6,1
12P
7,6
7S
6.9
',6
15
65
65
66
66
66
'fJ
6.2
3,9
4,4
16
67
(11.",,,-91
' 8,0
5.0
;!Jp
7P
3~
4,4
8.0
'.0
5,6
lB
67
67
C8-Mw-91
SO,O
13.0
(B-Mar-Sl
JEi.Q
9,6
09-"'..-91
31'p
6.9
09-_91
27,0
6.0
10-....-91
28.0
5,5
11 ....-91
12'.0
7)
11-"'..-91
240.0
7"
!J!r~~-=zt!il1~J
17.0
17,0
9.5
12.0
12.0
16.0
14,0
16,0
9~
9Jl
6,7
14))
9-
JQ..
"
12
1314
17
19
:l!L
21
22
6B
6B
69
70
70
04-",..-91
32,0
22,0
26,0
25,0
7.B
5,5
8,0
6,1
5,1
5,0
8.6
_pp
22.0
9)
8,0
4,0
6,8
3$J
2~
5,1
5,.4
6,7
17 P
6.2
6J
5 ,1
, .0
5)
6))
2~
7 JJ
51>
B~
8.5
62
8~
5,5
_
'
4p
3,4
3A
' .1
5p
14.0
8,8
5,,6
_ 57
43
62
8,1
,-
PaI<D/ll1.
E '
:BJ
291
191
192
192
192
193
193__
194
194
,292
293
294
~ 195
296
195
'B1
IIhM91
I I .Ju~91
I I .Ju~91
1 1 .Ju ~9 1
12.Ju~9 1
J 2~!,!:91
13-Ju ~9 1
13-M91
""4-PJ?;u~:-';9:;"-1-- 14-Ju~9 i
284
SPSS
""'"
~
~
Anal
:do....'!<3c296)
.....CfNTL
1
lf!l
B
2li9
200
291
292
293
294
295
296
--------------------O
E
F
G
H
DO
191
192
192
192
193
193
194
194
195
195
FECHA
INTEGRADA
FGAS3
FGAC
l().Jul-91
11.Ju1.91
11.Jul-91
11.Jul-91
12.Jul-91
12.Ju1-91
13.Jul-91
13.Ju1-91
U .Jul-91
40.0
34.0
56 .0
55 .0
66 .0
26 .0
47
26 .0
21.0
17
4.0
4.0
4p
13.0
9 .4
15 .0
17 .0
9,6
6,9
9J1
9 J1
4.'
41
736
12.4
3p
4S
4J1
4A
26.0
1 ~Jul.91
2!18
FGHM]
6.5
7p
FGosa
7.5
6.8
7 .1
62
710
7S
5p
5S
5p
6p
6.0
5p
6Jl
6.7
6
6.2
6J1
6 .2
6,9
6 Jl
7 .1
6,9
21.2
13.3
16.5
9.5
10.0
9S
7.5
9p
21.7
FGH3
6 .0
6p
=deS'lllstc3 c296)
3D
..
'( \.J:'!I..Q..
,~t! _~..,ort.
. """
PEMCDfT1L
B
FEC ......
291""'
DO
191
192
192
192
193
292
'*1--l. 1~.:-!~'91
1
7Hl
2BB
2BB
29D
10.Ju1-91
l1.J-
295
296.
~1 .....G2~
INTEGRADA
4il1l
. c',,"
dilO. ,..
;;:;t~ , ... _
..
,.:d m".,....
-iJ. -,
*....If.
47
3,6
;;g
4.8
44
40
4l!
4 .6
4 .4
41
73,6
761
12.4
11.8
21.7
18.5
45
26l!
26l!
2sl!
13-1u1-91
13-Ju1-91
l ~ul-91
1 4.Ju~91
. . . . . . . . E ..
FGAS3
FGAC
130
94
15
17
9
6
9
9.8
9.6
8 .6
:~
I :~~~~-r ~t
I
~ ""
:t&
..JI!'
"'-
-maxl'c3
ll -Ju~91
194
194
195
195
294
...
_ F
FGH\13
8.5
7 ,6
9.5
\f7:'
7:,
F~ I F~
6
5
7Ji
5
5
71
8.2
7A
6.0
6
6
5
8l!
87
8l!
6.2
21.2
16,0
13.3
10,0
8.Ii
6,9
8Jl
7.1
6.0
62
6.9
297
29B
;.
:rn
....
15.1
....-
:Hl .
=W\X(C3 C296)
()()
2!18
....
yi';lI,It.lt ,,ut.e,,1>-:l'J'A
191
192
2e9 192
~ 192
291 193
~ 193
193 194
:294 194
295 195
296 195
=.
<30296)
Esot.VMI cnort.e
".....
! n , ,Q11:J . Jl.. ~ ~ LLII, i& ""J-"1.,.,.
. (" . EiIH \ E j 1 ~ 11 f1lI lIS I!I ,..... .~
1 l N 1 1. . 1Et.J 3I ;;,
.... ,- c: .:,,: - ~ :ti: I.ID x
!
C3XJ
A
1
7fIl
~.
_.x
~6.5
fECHA
IQ.JuI91
11..w91
11JW.!I1
l1.JW.Sl
1:.,u.91
12-Ju191
lN1EGRAIlA
FGAS3
47
3.6
4.5
4 .0
44
f GAC
13l!
9.4
FGH\13
4IJl!
34 11
56l!
56l!
66 l!
fGH3
6
.;<e
8p
8 ,5
7;
9 .S
10l!
9 :'
7 .5
7.5
8 Jl
81
8 Jl
12,4
11 .8
2V
18.5
21.2
16.0
13,3
10.0
11511
170l!
1:JJl!
81l!
2611
411
1 ~1
2611
lJ..U.91
1 ~1
2611
21 11
1711
4.0
4.6
4 .4
41
-.
,O-Uc"'OII_
tol....
73,6
76 1
!BlJl
1~
'5.0
17.0
9.6
6)1
9 J1
9.0
9~
J FGIlS3
7,5
6.11
5~
S.5
Sp
6.6
611
Si>
6,2
6 .11
62
7,1
92
7 ,1
6.6
6,9
9Jl
. ~ 7,1
6,9
16.5
15.1
141lJl
:Jl1
SPSS
285
ID
en la barra de herramientas,
lJ,l (""""""91'
~. ~
l ,....,
><~ ..~ ~
"',00
I lit ros
lJ,l c"""',en~
I'I)JIO
(OOm!s y ..""
..
",00
"'
~ L..... coiaidos
n;_
~~ I_ k~
....
10,00
~ L..... sua,;UIdos
~ r.i"
40,(10
,....
....
~GP',t;DI
~ Logorbn<o
----------=--=..
-'i~e:dl"''' de<do
'CAl'
f
M
~;:::::;;:;:::;;;::;::=;::=~
, OOelHcbporelyslJ/llo
!'CAe
1-
M&xino
~ ~.br.. :
.....-biedadl$E$300: jH$300
Ci!i!:J~
. ruqacb
[.....-biedadl$f$1 :$1$1
I en""
1 ~ISI""1. > I~
L:III-'
IC.r<""I~~~
En Datos de origen seale cada una de las series y en Nombre seale la casilla
que contiene el nombre Media y el Mximo; asgnele a cada uno sus Valores
correspondientes y en Rtulos del eje de categoras (x) seale el rango donde se
encuentran los nombres de las variables (pretratamientos).
286
SPSS
C A PITULO
Nombre
11 - GRFICAS
EN EXCEL
Rtulos de eje de
Categorias (x)
Valores
---FECHA293 13-Jul91
294 14-)ul91
295 U Jul91
29.
297
299
iiif
301
iif
303
ii-
DO
INTEGRADA
194
195
195
28.00
21.00
17 .00
FGAS3
4.60
4.40
4,10
medll
m.,uma
73,56
5Ill,00
76
12,.5
115.00
11
deSVIaClon
F
FGAC
G
FGHM3
FGH3
I
FGDS3
9.ao
8.00
8,70
8.00
6.20
6.ao
6.20
8.00
7,10
6,90
21,19
130,00
1602
13,26
81,00
1000
1~,oo
9.60
8,60
1eo,00
180.00
140.00
120,00
100,00
&O,()()
305
iis
307
iia
SOllO
311
16,1;1
15,11
~
-+-,",><>no
,()()
20,00
309
31ii'
ollO
FOAS3
FO"",
FOH<l
FOH3
312
Con doble dic sobre las barras se desplegar el cuadro de dilogo Formato
de serie de datos ; d un dic en la pestaa Barras de error Y; seleccione en
el subcuadro Presentar>Por exceso y en Personalizada:+ seale el rango
donde se encuentran los valores de la desviacin estndar para las variables
(pretratamientos ).
SPSS
287
~~~~d~~~~i~ "d-~~--~t:;~---_~--"'~-~'==>::=::::::=:':' ~I
Tr_
,.f,r-e-s:entar - - -
-------=il
rn . [JO
AnIb<>s
.:
..
,cuante a. erNlf
[5
~aIar fijo,
O PQrt:Enta)e'
O t ! e S - _:
O finr tt>;co
@ Peo<notMda:+
15
[1
1- -ItD$Z! fiil
tiQ
I c:..nc..er
50 ~----------------~----------------------------~
180
150
40
120
30
90
20
60
10
30
O
FGAS3
FGAC
1-
FGHM3
Media -+-Mximo
FGH3
288
1 ____
" 1 ,.. .
1.1
JI'owI
I'IRCDITI.
EtofJ6W\1lpnsoJlU
I Ia
. '[ _
ti x
.cl~!I
. .&...
. ,i!!!I
=DDHIBl
Tilos estndar
~s personalizados
de Men:
lIi CoUmas
=: a..rrM
~~~........................~.
~ CiraJar
It:Xl'(~)
lIIfII iwas
@ AnIos
R.<IdoI
~~
~ lk6bujas
F~--~
Pr~
SPSS
-"""'' '
para VflIIlllU8Stra
289
~;;~~,, -
:i'i~l
~~
R.-o:Ict.datos I
Rangodedltos ~
~.~
Sena
1__ *...11
a...... dodoloo,
1_
Series:Wt:
..-....,..
1-""1
Ji]
oc_
,.,;,- - - - - -
.....-0_,...,..
c_
&_dolojodo_(X),
Ic"- I~~~
~~l : tH.l
1~~1 (NIr.
--
T,_
n_
., Mwoda.
o~
0.....-
0 '"'""
0-
,0 - -
- 1- - 11 , ~
g,Iar, I~.=
=:.:: ~
_.
-. I
'-o ~
I- .
r-c-i::Jt:--""
.... 1-
"P>'
Qo
[!JCh]O
<~dtti~
Olelar"'"
O~:
OQoMOn-.w,
0 __
1_ [:JI '"
0_
c:....1
E=tI
- - : + I_1_--
,"
!Si:]
290
1 .....11.:.- 1
spsS
__'"
90
60
+-~----+-~~~--~----~~
30
+--+----~--------~r_---~~
l. Medial
o ~~----~~--..~----~~~
FGAS3
FGAC
FGHM3
FGH3
FGDS3
ID
en la barra de
herramientas.
Seleccione el tipo de grfico XY (Dispersin) y el subtipo de grfico Dispersin
con puntos de datos conectados por lneas sin marcadores de datos, como se
muestra en la figura, d un clic en Siguiente; en Rango de datos seleccione el
rango correspondiente a la serie de datos; este rango debe incluir, adems, una
variable que sern los valores del eje X, que para el ejemplo es el da de operacin
(DO), los datos de turbiedad (eje Y) de las variables (pretratamientos) con sus
respectivos nombres. D un clic en Finalizar .
...........,..
,
-.........
.
\,
"",..
_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ --1
,
,~, <Jo J
11 .,.
SPSS
,.
.,.
.1 1
..
1M
...
291
111,
II
;.., Aul/\ 1:. .H
~J~~"'~
100
50
150
200
F GAS3
F GAC
F GHM
F GH3
FGDS3
250
~~dt~~tlfli2"":=::===--==-Jl~
,pe ....... ..
,~__-JA;_-=t~i--'--
JI'
TF
'"
,-~
' IlO
.:u.
W.
'"
O
fF
ir
...."
(..
~.'r
\T
4,_
~~
VI:.
''P1IM''(I'~
.........
iijj
':
..
. '--t-
~
(
: ';"..1.:
o"
' ..,
.~ t
,..
I,_:..
_"_'::::~_
:ni
llf
.tr
H
~_c;c;;;;7'iV
292
t-
Para editar el formato de los ejes d doble clic sobre el eje que necesita editar;
para el eje Yen Escala seleccione la opcin Escala logartmica. Para el eje X,
puede cambiar los valores mximo y mnimo del eje; para este ejemplo el da de
operacin mnimo es 50, por lo que podemos escribir en valor mnimo 50 para
que los valores del eje X empiecen en 50 y no en cero.
SPSS
_:
........"'.
/J M<>mo:
tridad ........ :
I.tidodnUI(J"':
1:00 .
~::::J
1'0
Mi:ono.:
~ UnldodmaJ""' :
~ li*Iod me",, :
io
g'\2OM:
I _In I
~
250
SO
lO
150
;.dodesdovisuoliz";';":
I ~".
~~i<o~"-E
IJ EsulaPlriab
.~
_ . rtUode..-.dollos
D "-"onor_~
"'......
""-o
E}6o. vafores(X)
gUli..- !
I ...rte I
~doI*de"GOI"CS()O
dt v.onas (Y)
-IrQ:
El
Aut_
~ Escol.
..... L"""'*-I_IAftocin !
~dIII ...
~~~~:.::.=:::::,-f!
ca-aIor
1I
C........
1~ .----------------------------------------100 ~------------------+-------------------
1 +-----~------~--------------r_------------~
75
50
100
125
150
175
200
FGAS3
FGAC
FGHM3
FGH3
293
_:
........"'.
/J M<>mo:
tridad ........ :
I.tidodnUI(J"':
1:00 .
~::::J
1'0
Mi:ono.:
~ UnldodmaJ""' :
~ li*Iod me",, :
io
g'\2OM:
I _In I
~
250
SO
lO
150
;.dodesdovisuoliz";';":
I ~".
~~i<o~"-E
IJ EsulaPlriab
.~
_ . rtUode..-.dollos
D "-"onor_~
"'......
""-o
E}6o. vafores(X)
gUli..- !
I ...rte I
~doI*de"GOI"CS()O
dt v.onas (Y)
-IrQ:
El
Aut_
~ Escol.
..... L"""'*-I_IAftocin !
~dIII ...
~~~~:.::.=:::::,-f!
ca-aIor
1I
C........
1~ .----------------------------------------100 ~------------------+-------------------
1 +-----~------~--------------r_------------~
75
50
100
125
150
175
200
FGAS3
FGAC
FGHM3
FGH3
293
Bibliografa
SPSS
295
Chao, L. Lincoln (1980). Estadstica para las Ciencias Administrativas. McGrawHill. Mxico.
Craun, F. Gunther (1993). Safety of Water Desinfection: Balancing Chemical &
Microbial Risks. ILSI Press. Washington D.C.
Davies, L. Owen (1995). Mtodos Estadsticos aplicados a la Investigacin y a la
Produccin. Con especial referencia a la industria qumica. Aguilar S.A. de
Ediciones. Espaa.
Freund, John E. y Walpole, Roland E. (1990). Estadstica Matemtica con Aplicaciones.
Cuarta edicin. Prentice-Hall Hispanoamericana, S.A. Mxico.
Fernndez, Humberto P. (1990). Cmo Investigar. Metodologa de la Investigacin.
Editorial Espiga Dorada. Bogot.
Galvis, C., G. (1999). Development and Evaluation ofMultistage Filtration Plants.
An Innovative, Robust and Efficient Water Treatment Technology. Thesis of
Doctor ofPhilosophy (Ph.D.). University ofSurrey, United Kingdom.
Gmez, R. Francisco (1993). Estadstica Metodolgica. Teora Completa y Ejercicios
Resueltos y Explicados. Ediciones Fragor. Venezuela.
Iversen, G.T. and Norpoth, H. (1982). Analysis ofVariance. Sage University Paper
series on Quantitative Applications in the Social Sciences. Beverly Hill.
Sage Pubns.
Kuehl, O. Robert (2001). Diseo de Experimentos. Principios estadsticos para el
diseo y anlisis de investigaciones. Thompson Learning. Mxico, D. F.
Marn, Rodrigo R. (1992). Estadsticas sobre el recurso agua en Colombia. Ministerio
de Agricultura. Instituto Colombiano de Hidrologa, Meteorologa y
Adecuacin de Tierras. Santaf de Bogot.
Mason, Robert D., Lind, A. Doglas (1995). Estadstica para Administracin y
Economa. Alfaomega Grupo Editor, S.A. Mxico. D.F.
Mendenhall, W.; Scheafer L., R.; Wackerly D., D. (1986). Estadstica Matemtica con
Aplicaciones. Grupo Editorial Iberoamrica. Mxico, D. F.
Milewski, Emil G. (1991). The Essentials of Statistics I. Research and Education
Association. Piscataway, New Yersey. USA.
Mondragn. L.A. (1996). Plan Estratgico del Sector de Agua Potable y Saneamiento
Bsico. Diagnstico y Bases Tcnicas para la orientacin del Sector.
Conferencia Internacional de Mejoramiento de la Calidad de l Agua.
CINARA. Santiago de Cali.
296
SPSS
BIBLlOOGRAFrA
297
Referencias URL
http://escuela.med.puc.cl
htpp://www.uaq.mx/matematicas/estadsticas.html
htpp://www.dagmacali.gov.co
htpp://www.sma.df.gob.mx/simatlpnindicadores.html
298
SPSS
Referencias URL
http://escuela.med.puc.cl
htpp://www.uaq.mx/matematicas/estadsticas.html
htpp://www.dagmacali.gov.co
htpp://www.sma.df.gob.mx/simatlpnindicadores.html
298
SPSS
'STrr""
9 789583 393198