Tesis Optar Titulo Maestro Ing Amb German Padilla

8/14/2019 Tesis Optar Titulo Maestro Ing Amb German Padilla

1/133

UNIVERSIDAD NACIONAL DE INGENIERACentro de Investigacin y Estudios en Medio Ambiente

CIEMA-UNI

Evaluacin de la Calidad de Datos en el muestreo hidroqumico delos pozos perforados de la ciudad de Managua (19932002)

Tesis sometida a la consideracin del Centro de Investigacin y Estudios en MedioAmbiente para optar al ttulo de Maestro en Ingeniera Ambiental

AUTORIng. Germn Padilla Daz

TUTORM. Sc. Ing. Sergio Gmez Guerrero

Managua, Nicaragua, Julio 2005


2/133

II

DEDICATORIA

Dedico este trabajo con mucho cario a mis padres Doa Enriqueta Daz G. y Dn.

Elen Padilla Rivas por su inestimable apoyo a travs de todos los perodos de mi vida,

por su comprensin y ser la voz prodigiosa que entrega consejos y sanas advertencias.

A mi esposa e hijos por su paciencia en los momentos en que no me tenan presente.

A mi hermana Carolina le dedico este trabajo porque ha sido el estandarte de la

familia.


3/133

III

AGRADECIMIENTO A INSTITUCIONES

Deseo expresar mi profundo agradecimiento a la Organizacin Panamericana de la Salud (O.P.S), la

cual a travs de todos estos aos ha apoyado los esfuerzos por garantizar un ambiente ms saludable

y mejores oportunidades para resolver los acuciantes problemas de salud de la poblacin

nicaragense. Esto es extensivo a todos los funcionarios que he tenido el gusto de conocer a lo largo

de estos aos como el Ing. Carlos Morales y el Ing. Miguel Balladares.

Extiendo mi agradecimiento a la Empresa Nicaragense de Acueductos y Alcantarillados

(ENACAL), en especial a todos los funcionarios que en el diario quehacer, me han apoyado en las

iniciativas de desarrollo del presente trabajo investigativo.


4/133

IV

AGRADECIMIENTOS PERSONALES

Debo agradecer a una cantidad enorme de personas que de una u otra forma han hecho posible larealizacin de este trabajo.

Al Ing. Jorge Hayn Vogl le debo la posibilidad de haber ingresado al Programa de Maestra enIngeniera Ambiental en la Universidad Nacional de Ingeniera cuando funga como vice ministro deENACAL.

Al Personal del laboratorio central de la Empresa Nicaragense de Acueductos y Alcantarillados lesdebo haberme inspirado en la concepcin de esta tesis, por haber mantenido una rutina de anlisisdurante estos largos doce aos desde que empezamos a recopilar y almacenar la informacin de

anlisis fsico qumicos en las base de datos.

Al Licenciado Moiss Estrada Betancourt le agradezco el acicate de penetrar en los derroteros de laingeniera ambiental y haberme motivado a seguir estudiando en un perodo en que no estaba dentrode mis planes o metas el continuar estudiando.

Debo tambin externar mi agradecimiento al Ing. Mario Gutirrez Soto quien en el momento deiniciar esta carrera funga como Director del Departamento de Calidad del Agua de ENACAL, yapoy mi participacin en el programa de maestra.

Al Sr. Ramn Aravena (PhD) de la Universidad de Waterloo tengo en mente al agradecerle sus

observaciones al enrumbar el marco conceptual de este trabajo y tuvo la amabilidad de expresar suopinin sobre este documento cuando estaba en paales. Asimismo, expreso mi gratitud al Ing.Sergio Gmez, director del CIEMA UNI por su ayuda invaluable al revisar esta tesis en todas susfases y hacer las correcciones precisas.


5/133

V

CARTAS


6/133

VI


7/133

VII


8/133

VIII


9/133

IX


10/133

X

RESUMEN DE LA INVESTIGACION

El presente trabajo es un enfoque para el anlisis de la calidad de los datos generados por ellaboratorio Fsico Qumico de la Empresa de Acueductos y Alcantarillados Sanitarios (ENACAL) enel perodo 1993 - 2002. Se demuestra que los registros de calidad hidroqumica de los pozosperforados de Managua, tienen utilidad para establecer mejores criterios de decisin que apoyen losplanes de muestreo y reducir los costos por anlisis, haciendo ms ptimo la seleccin de los puntosde muestreo.

Este trabajo es una validacin a posteriori de los resultados obtenidos por el laboratorio en el que sehacen uso fundamentalmente de pruebas estadsticas no paramtricas. Se establecen los criterios porlos que se decidi abordar el anlisis de los datos mediante este tipo de pruebas no convencionales.

Se recopilaron los registros de anlisis en los aos ya mencionados y fueron trasladados para anlisisa programas estadsticos como el SPSS. Debido a que era muy complejo analizar el comportamientode alrededor de 20 variables, el anlisis estadstico se concentr en 3 analitos de inters comoindicadores de contaminacin debido a las actividades humanas (nitratos, potasio y cloruros).

Para efectos de estudio, Managua fue dividida en 6 zonas, a cada una de las zonas se les aplic elmismo procedimiento el cual incluy adems de la estadstica descriptiva, pruebas de hiptesismediante ensayos como el de la Prueba de Rango con signo de Wilcoxon.

Los resultados finales del trabajo incluyen el estudio de correlacin entre variables, anlisis de

tendencias, cantidades de muestras a colectar en base a los niveles de accin propuestos y los lmitesde errores de decisin.

Existen buena justificacin para avalar un estudio que revise la idoneidad de las normas CAPRErespecto a las caractersticas hidroqumicas del acufero de Managua, as como para iniciar estudiosde calidad del agua utilizando tcnicas de muestreo que tomen como punto de partida los hallazgosdel presente trabajo.

Se hacen recomendaciones para ejecutar un monitoreo ms profundo en la zona de Ciudad Sandinoen relacin a cloruros, efectuar revisiones a la norma nacional de calidad del agua potable y serecomienda establecer un muestreo estratificado en las seis zonas en que fue dividido el rea de

estudio.


11/133

XI

INDICE

No Pgina

DEDICATORIA ......................................................................................................................................... II

AGRADECIMIENTO A INSTITUCIONES .......................................................................................... III

AGRADECIMIENTOS PERSONALES ................................................................................................. IV

CARTAS ...................................................................................................................................................... V

RESUMEN DE LA INVESTIGACION .................................................................................................... X

INDICE ...................................................................................................................................................... XI

ACRONIMOS .......................................................................................................................................... XV

Definiciones ............................................................................................................................................. XVI

1 Introduccin ..........................................................................................................................................1

2 Justificacin ..........................................................................................................................................2

3 Antecedentes del Area de Estudio .......................................................................................................4

3.1 Clima ..............................................................................................................................................4

4 Objetivos ...............................................................................................................................................6

5 Marco Terico ......................................................................................................................................7

5.1 Qu es la Definicin de Objetivos de Calidad de Datos (DOCD)? ...............................................75.1.1 Establecer el Problema: ..........................................................................................................85.1.2 Identificar la Decisin: ...........................................................................................................85.1.3 Identificar las variables de entrada para la decisin: ..............................................................8

5.1.4 Definir los lmites del estudio ................................................................................................85.1.5 Desarrollar una Regla de Decisin: ........................................................................................85.1.6 Especificar los lmites tolerables en los Errores de Decisin .................................................85.1.7 Optimizar el Diseo para Obtener Datos................................................................................8

5.2 Objetivos de Calidad de Datos .......................................................................................................85.2.1 Especificar los lmites tolerables en los Errores de Decisin .................................................95.2.2 Fuentes de error ....................................................................................................................10


12/133

XII

5.3 Uso de datos existentes para fundamentar la toma de decisiones ...............................................11

5.4 Diseo de los muestreos ambientales ...........................................................................................125.4.1 La representatividad .............................................................................................................125.4.2 Objetivos de los diseos de muestreo ...................................................................................13

5.4.3 Tipos de diseo de muestreo ................................................................................................145.5 Proceso de Evaluacin de la Calidad de los Datos .....................................................................19

5.5.1 El proceso de evaluacin ......................................................................................................20

5.6 Fundamento de las Pruebas Estadsticas en la presente Investigacin .......................................225.6.1 La hiptesis de nulidad .........................................................................................................235.6.2 La eleccin de la prueba estadstica .....................................................................................235.6.3 El nivel de significancia y el tamao de la muestra .............................................................26 5.6.4 La Distribucin Muestral......................................................................................................275.6.5 La Regin de Rechazo ..........................................................................................................285.6.6 La Decisin ..........................................................................................................................28

5.7 Fundamento hidroqumico de la calidad de las aguas subterrneas ...........................................28

5.7.1 Caractersticas qumicas de los iones y sustancias disueltas ms importantes .....................305.7.2 Cationes y sustancias catinicas ...........................................................................................335.7.3 Principales gases disueltos ...................................................................................................355.7.4 Aniones y sustancias aninicas menores ms importantes ...................................................365.7.5 Cationes y sustancias catinicas menores ms importantes .................................................385.7.6 Procedencia de los iones disueltos en el agua subterrnea ...................................................40

5.8 Justificacin para el uso de ciertos compuestos inorgnicos como indicadores de contaminacin40

5.8.1 Vas de contaminacin de las fuentes subterrneas ..............................................................405.8.2 Cloruros ................................................................................................................................415.8.3 Nitratos .................................................................................................................................425.8.4 Potasio ..................................................................................................................................44

6 Hiptesis ..............................................................................................................................................46

7 Metodologa.........................................................................................................................................47

7.1 Resumen .......................................................................................................................................47

7.2 Obtencin de los Datos del Estudio .............................................................................................477.2.1 Estructura de la base de datos ...............................................................................................477.2.2 Traslado de los datos al SPSS ..............................................................................................49

7.3 Formacin de las Areas Geogrficas de Anlisis ........................................................................51

7.3.1 Subsistema por zonas hidrulicas .........................................................................................517.3.2 Subsistema por Campos de Pozos o Grupos de Pozos Asociados: ......................................527.3.3 Subsistema por Cortes Transversales: ..................................................................................53

7.4 Seleccin de las Areas Geogrficas de Estudio ...........................................................................547.4.1 Zona 1: Es la zona Baja tal como ha quedado definida por ENACAL. ...............................547.4.2 Zona 2: Es la zona Alta. .......................................................................................................547.4.3 Zona 3: Es la zona Alta Superior. .........................................................................................557.4.4 Zona 4: abarca todos los pozos del Proyecto Managua II (Sabanagrande). .........................55


13/133

XIII

7.4.5 Zona 5: agrupa todos los pozos de la zona de Ciudad Sandino. ...........................................557.4.6 Zona 6: agrupa todos los pozos del Proyecto Managua I (Municipio de Ticuantepe) y ValleGothel. 55

7.5 El Plan de Evaluacin de la Calidad de los Datos ......................................................................55

7.6 Procedimiento para utilizar la Prueba de Rango con Signo de Wilcoxon para la prueba demedianas ..................................................................................................................................................56

7.7 Procedimiento para utilizar el Ensayo de Proporciones para la prueba de medianas ...............59

8 Resultados ...........................................................................................................................................61

8.1 Revisin de los Objetivos del Estudio ..........................................................................................618.1.1 Definicin del Problema .......................................................................................................618.1.2 Datos faltantes ......................................................................................................................628.1.3 Escala de decisin ................................................................................................................638.1.4 Traduccin de los Objetivos en Hiptesis Estadsticas ........................................................638.1.5 Estimacin de los Lmites de Errores de Decisin ...............................................................658.1.6 Diseo del muestreo .............................................................................................................65

8.2 Revisin Preliminar de los Datos .................................................................................................658.2.1 Aseguramiento de calidad a travs del perodo en estudio ...................................................668.2.2 Estadsticos bsicos ..............................................................................................................668.2.3 Representacin grfica de los datos .....................................................................................69

8.3 Seleccin del ensayo estadstico...................................................................................................71

8.4 Verificacin de los supuestos del ensayo estadstico ...................................................................728.4.1 Supuestos sobre normalidad de la distribucin ....................................................................728.4.2 Resultados de anlisis de tendencias ....................................................................................758.4.3 Ensayo para deteccin de datos aberrantes (outliers) ...........................................................75

8.5 Conclusiones de los datos ............................................................................................................768.5.1 Zona 1 ...................................................................................................................................778.5.2 Zona 2 ...................................................................................................................................788.5.3 Zona 3 ...................................................................................................................................788.5.4 Zona 4 ...................................................................................................................................798.5.5 Zona 5 ...................................................................................................................................808.5.6 Zona 6 ...................................................................................................................................80

8.6 Valores de alfa () y el Nmero de muestras a colectar..............................................................81

8.7 Resultados de Anlisis del Pozo Perforado ms antiguo del acueducto de Managua .................83

8.8 Utilizacin del software Decision Error Feasibility Trials (DEFT) ............................................86

8.9 Mapa de isovalores de nitratos ....................................................................................................88

8.10 Mapa de Isovalores de Potasio ....................................................................................................89

8.11 Mapa de Isovalores de Cloruros ..................................................................................................90

9 Discusin de Resultados .....................................................................................................................92

9.1 Anlisis de Percentiles .................................................................................................................92


14/133

XIV

9.2 Estudio de Correlaciones entre variables ....................................................................................93

9.3 Anlisis de Tendencias .................................................................................................................93

9.4 Ensayos de pruebas de hiptesis .................................................................................................94

9.5 Cantidad de muestras a colectar .................................................................................................949.6 Situacin de los Nitratos ..............................................................................................................98

9.7 Situacin del Potasio ..................................................................................................................103

9.8 Situacin de los Cloruros ...........................................................................................................104

10 Conclusiones .................................................................................................................................106

11 Recomendaciones .........................................................................................................................109

12 Referencias ....................................................................................................................................111

Anexo - Uso del software DEFT para el clculo estimado del tamao de muestra ..............................117

ILUSTRACIONES

Ilustracin 1: Managua y su vecindad ............................................................................................................................ 5Ilustracin 2 Muestreo sistemtico de cuadrcula ................................................................................................. 16Ilustracin 3: muestreo adaptivo.............................................................................................................................. 18Ilustracin 4: Muestreo compuesto ......................................................................................................................... 19Ilustracin 5: Estructura de la tabla de trabajo ...................................................................................................... 48Ilustracin 6: Formato tabular de los datos ............................................................................................................ 48Ilustracin 7: primera pantalla de captura del SPSS............................................................................................. 49

Ilustracin 8: Segunda pantalla de captura del SPSS ........................................................................................... 50Ilustracin 9: Pantalla de presentacin y edicin de datos del SPSS ................................................................. 50Ilustracin 10: Curvas de isovalores de Nitratos................................................................................................... 89Ilustracin 11: Curva de Isovalores de Potasio ............................................................................................................. 90Ilustracin 12: Curva de Isovalores de Cloruros ........................................................................................................... 91Ilustracin 13: Zona Gris para Nitratos en la Zona 1 (Baja) .......................................................................................... 96Ilustracin 14: Zona Gris para Cloruros en la Zona 5 (Ciudad Sandino) ...................................................................... 97Ilustracin 15: Zona Gris para Potasio en la Zona 4 ..................................................................................................... 98Ilustracin 16: Comportamiento Histrico del PP M. Oriental ........................................................................... 99Ilustracin 17: Comportamiento Histrico del PP San Antonio ....................................................................... 100Ilustracin 18: Comportamiento Histrico de PP Olof Palme .......................................................................... 100Ilustracin 19: Comportamiento promedio anual de nitratos en base a todos los pozos ............................... 101Ilustracin 20: Datos promedio anuales con un solo dato promedio para el pozo Mercado Oriental de 54 ppm.

........................................................................................................................................................................... 102Ilustracin 21: Comportamiento estacional de Nitratos en el PP Mercado Oriental durante 1998.............. 103Ilustracin 22: Comportamiento del Potasio en base a Promedios Anuales ................................................... 104Ilustracin 23: Comportamiento histrico de Cloruros ...................................................................................... 105

TABLAS


15/133

XV

Tabla 1: Narrativo de Hiptesis Estadstica ...................................................................................................... 64Tabla 2: Medidas de Tendencia Central y Percentiles ...................................................................................... 67Tabla 3: datos para el anlisis del ensayo de rangos estudentizado ................................................................ 73Tabla 4: Estadstica general del Pozo Las Mercedes 4 .................................................................................... 83

Tabla 5 : % de Muestras a colectar por zona por ao (Nitratos) ....................................................................... 86Tabla 6: % de Muestras a colectar por zona por ao (cloruros) ....................................................................... 87Tabla 7: % de Muestras a colectar por zona por ao (potasio) ......................................................................... 87

APENDICES

Apndice 1 : Lmites de Errores de Decisin ........................................................................................... 112

MAPAS

Mapa 1: Distribucin de las Zonas Geogrficas de Estudio ........................................................................................ 116

ACRONIMOS

GPM galones por minutoC.E. Conductividad Elctrica en uS/cmS.D. Slidos disueltos en mg/L

Cl Cloruros en mg/L como ClNO3 Nitratos en mg/L como NO3K Potasio en mg/L como KValid N (listwise) Registros en los que todos los campos poseen datosECD Evaluacin de Calidad del DatoPRSW P. de Rango con Signo de Wilcoxonppm partes por millnmg/L miligramos por litro


16/133

XVI

DefinicionesDesviacin Estndar(St)

Una medida de la dispersin alrededor de la media. En una distribucin normal, 68% de loscasos caen dentro de una desviacin estndar de la media y un 95% de los casos caen dentrode 2 SD.

Error Estndar(Standard Error)

Una medida de cunto el valor de un estadstico de prueba vara de muestra a muestra. Es ladesviacin estndar de la distribucin de muestreo para un estadstico. Por ejemplo, el errorestndar de la media es la desviacin estndar de las medias de muestra.

Estadstico Medidas resumen usadas para describir la muestra.Kurtosis Una medida del grado en que las observaciones se agrupan alrededor de un valor central.

Para una distribucin normal, el valor del estadstico Kurtosis es cero ( ). Kurtosis positivaindica que las observaciones se agrupan ms y tienen colas ms largas que las de ladistribucin Normal y la Kurtosis Negativa indica que las observaciones se agrupan menos ytienen colas ms cortas.

Poblacin objetivo Es el conjunto de todas las unidades que involucran los items de inters en un estudiocientfico, que es la poblacin acerca de la cual el tomador de decisiones quiere estar aptopara llegar a conclusiones.

Poblacin muestral Es la parte de la poblacin blanco que es accesible y disponible para muestreo.

Sesgamiento Una medida de la asimetra de una distribucin. La distribucin normal es simtrica y tiene unaSesgamiento de cero (). Una distribucin con un valor positivo significativo tiene una largacola derecha. Una distribucin con un Sesgamiento negativo tiene una larga cola hacia laizquierda. Un valor de sesgamiento mayor que 1, generalmente indica una distribucin quedifiere significativamente de una distribucin normal.

Unidad de muestreo Es un miembro de la poblacin que puede seleccionarse para muestreo, por ejemplo, un rbolindividual, un volumen especfico de aire o agua. Es muy importante para los planificadores delestudio ser muy especfico cuando se definen las caractersticas de las unidades de muestreocon respecto al espacio y tiempo. Una unidad de muestreo debe detallar los componentesespecficos de un medio ambiental.

Gerente Autoridad formal de una organizacin que tiene la responsabilidad de la toma de decisionesbasadas en juicios cientficos o basados en el juicio experto.

Usuario del Dato Es la entidad u organizacin propietaria de los datos generados, en este caso, es ENACAL.

Aseguramiento deCalidad

Es el conjunto de principios operativos que si se siguen estrictamente durante la colecta demuestra y el anlisis, producirn datos de calidad conocidos y defendible. La veracidad de unresultado analtico puede establecerse con un alto nivel de confianza. El aseguramiento decalidad incluye el control de calidad y la evaluacin de calidad.


17/133

1

1 Introduccin

El estudio de la calidad de las aguas subterrneas es de especial relevancia porque stas se

consideran las fuentes de consumo de agua de menor riesgo en comparacin con las fuentes

superficiales. La ciudad de Managua est abastecida por 125 pozos perforados a todo lo largo de la

zona urbana. En esta rea se aprecia que la actividad humana ha intervenido de manera an no

cuantificada, ejerciendo un impacto el cual puede medirse a travs de los posibles cambios histricos

en compuestos inorgnicos que se encuentran presentes en el agua subterrnea.

Desde 1993 los datos de anlisis fsico qumicos se han registrado en varios tipos de software de base

de datos con el fin de preservar y almacenar la informacin. Inicialmente los registros fueron

almacenados utilizando DBASE III, luego se utiliz FoxPro y finalmente se mantiene en la

actualidad el almacenamiento en Microsoft ACCESS (habindose empleado conforme avanzaba la

modernizacin de los software, las versin #2 bajo Windows 95, luego Windows 98 y Windows

2000). De esta manera, los registros de monitoreos de calidad del agua que ha impulsado la Empresa

de Acueductos y Alcantarillados (ENACAL) han sido almacenados electrnicamente.

Uno de los riesgos a los que se expone todo conjunto de datos es que pueden pasar inadvertidos, y

con ello, tambin no se establezca el esfuerzo que se ha desplegado durante la ltima dcada en las

labores de muestreo y en las tareas analticas. Una cantidad ingente de recursos se han vertido para

lograr que un nmero se convierta en un diagnstico de garanta que las normas de calidad de agua

se cumplen. Para complementar esta serie de actividades, el tesista recurrir a una serie de

instrumentos de anlisis, apoyndose principalmente en el manejo de varios paquetes informticos

como ACCESS, como administrador de la Base de Datos, SPSS, para el manejo estadstico de los

datos, DEFT ( Decisin Error Feasibility Trials) para la factibilidad de los muestreos ambientales

mediante la definicin adecuada del nmero de muestras y el costo, y EXCEL.

Un aspecto importante ser la de dar forma a la abundancia de datos que estn almacenados en las

base de datos del Laboratorio Central de ENACAL, a la cual se tuvo acceso con la debida

autorizacin de las autoridades a cargo de la custodia de la informacin (Gerencia Ambiental y Dpto.

Calidad del Agua).


18/133

2

2 Justificacin

Aparte que casi el 90% de la poblacin que vive en Managua consume agua procedente de las aguas

subterrneas, la densidad de pozos perforados existentes en el rea es alta. Se estima que la cifra es

de aproximadamente 1 pozo por kilmetro cuadrado (Km2).

La cantidad de agua dulce en el planeta Tierra es de aproximadamente el 0.1% de la disponibilidad

global, adems, el acceso a este recurso es muy desigual, existen zonas del planeta con una

disponibilidad de agua muy escasa, si esto se agrega, que en muchos casos los mantos acuferos

estn sometidos a los riesgos de la polucin urbana e industrial, la pertinencia de evaluar las fuentes

de agua potable de la ciudad capital se hace una prioridad permanente.

El suministro de agua potable debe cumplir el requisito de cantidad y calidad, as como seguridad

fsica, qumica y bacteriolgica. En este sentido, los datos unificados con el debido criterio pueden

maximizar la toma de decisiones y la buena interpretacin de los resultados a travs del tiempo.

Con el objeto de establecer la situacin actual de la calidad hidroquimica de todos los pozos

perforados de la ciudad de Managua, esclareciendo y ofreciendo alternativas para optimizar los

recursos (identificacin del nmero adecuado de muestras desde un punto de vista estadstico que sea

defendible), es que se aborda el desarrollo del presente trabajo investigativo.

Sin embargo, se hace perentorio saber acerca de la calidad del dato generado, si puede dar respaldo

satisfactorio a las recomendaciones en torno a la factibilidad de la norma nacional de calidad del

agua conforme la realidad de las caractersticas hidroqumicas de los acuferos de Nicaragua y en

especial de la zona de Managua.


19/133

3

Adicionalmente, el dato que se genere debe estar amparado bajo un correcto Diseo de Muestreo el

cual debe ser el marco referencial para iniciar los muestreos que definan con certeza la calidad del

agua en la zona de estudio.

El agua subterrnea es el recurso invisible, tanto es as, que muy pocas veces se advierten los

cambios que podran servirnos como campanada de alerta para iniciar cuanto antes medidas de

proteccin cuyos beneficiarios seramos nosotros, nuestras futuras generaciones y nuestros acuferos.


20/133

4

3 Antecedentes del Area de Estudio

La ciudad de Managua, capital de la Repblica de Nicaragua, tiene una extensin de 200 Km2 y una

poblacin total aproximada de 1,2 millones de habitantes. En 1991 tena una produccin de agua de

268 000 m3 /da (71 MGD). El suministro medio por habitante y la tasa de consumo media fueron

aproximadamente de 230 l/c/d (61 g/c/d) y 170 l/c/d (44,6 g/c/d), respectivamente.

El rea depende en gran medida del agua subterrnea (en casi un 90%) como fuente de suministro de

agua, esto representa la cantidad de 125 pozos. Un 10% se obtiene de la laguna de Asososca la cual

est recargada principalmente por aguas subterrneas.

Se ha considerado y evaluado como de buena calidad el agua de los pozos y el de la laguna de

Asososca, por lo que el agua extrada solamente se le aplica cloracin como medida de proteccin

contra alguna posible recontaminacin en las redes.

3.1 Clima

De acuerdo con la Enciclopedia de Nicaragua, Tomo I, el clima en Managua puede describirse as:

La temperatura en los meses de abril y mayo, y, despus, entre agosto y septiembre, alcanza los

promedios mximos anuales (32oC a la sombra, en Managua); en cambio, entre los meses de

diciembre y febrero se presentan los promedios mnimos anuales (25oC para la misma localidad).

Desde luego, las variaciones anuales extremas marcan mnimos absolutos en ciertas madrugadas de

enero, cuando la temperatura en Managua baja excepcionalmente a 19oC, as como mximos

absolutos en ciertas tardes de abril y mayo, cuando el termmetro marca 36o

C a la sombra. A esto

habra que aadir que Managua se encuentra entre los 40 y 200 m sobre el nivel del mar.

El clima del rea de estudio es clasificado como clima tropical de sabana, la temperatura promedio

es de 25,6C durante el mes de diciembre y de 28,6C en abril. La estacin lluviosa (invierno)


21/133

5

comienza en mayo y termina en octubre o noviembre, mientras que la estacin seca (verano)

comienza en noviembre y termina en abril. La precipitacin media anual vara entre 1100 mm y

1500 mm dependiendo de la elevacin. El valor ms bajo se observa en la costa sur del lago de

Managua y el ms alto en el rea montaosa. La evaporacin anual vara de 1800 mm a 2700 mm

casi en correspondencia con la elevacin y la evapotranspiracin potencial se considera alta.

Ilustracin 1: Managua y su vecindad1

1Tomado de la Enciclopedia de Nicaragua, tomo I. Editorial Ocano


22/133

6

4 Objetivos

Elobjetivo generalde la tesis es el siguiente:

Evaluar la calidad de los datos de calidad de agua de pozos generados desde 1993 a 2002.

Para llevar a cabo este objetivo general se plantean los siguientesobjetivos especficos :

1. Establecer los parmetros estadsticos descriptivos en base a los registros existentes para los

iones nitratos, potasio y cloruros.

2. Determinar la variacin histrica de los principales cationes y aniones en las aguas de los pozos

de abastecimiento, haciendo especial nfasis en nitratos, potasio y cloruros.

3. Fijar las bases para la creacin de un Diseo de Muestreo sobre el acueducto de Managua, en

base a la informacin existente.

4. Comparar los valores registrados con los valores de las Normas CAPRE y recomendar pautas

para la redefinicin de criterios de calidad siempre y cuando esto no conlleve un riesgo a la

salud humana.


23/133

7

5 Marco Terico

5.1 Qu es la Definicin de Objetivos de Calidad de Datos (DOCD)?

El marco referencial de todo diseo de muestreo ambiental, es la definicin de los Objetivos de

Calidad de Datos. Para analizar los resultados obtenidos a travs de un horizonte de tiempo y en un

rea geogrfica determinada, la base fundamental es el Proceso de identificacin de los objetivos de

calidad.

Es un anlisis de siete etapas recomendado por la Agencia de Proteccin Ambiental de los Estados

Unidos (EPA) para desarrollar diseos de muestreo para las actividades de colecta de datos quesoportan la toma de decisiones. Este proceso utiliza la planificacin sistemtica y los ensayos de

hiptesis estadstica para diferenciar entre dos o ms alternativas claramente definidas.

La planificacin sistemtica es el proceso basado en el mtodo cientfico lo que incluye conceptos

tales como objetividad de anlisis y aceptabilidad de los resultados. Este proceso se basa en el

sentido comn, examen a escala de la situacin para garantizar que el nivel de detalle en la

planificacin es equiparable con la importancia y el uso pretendido del trabajo y los recursos

disponibles. Este esquema promueve la comunicacin entre todos los individuos involucrados en un

programa ambiental. A travs de un proceso sistemtico de planificacin, el equipo puede

desarrollar los criterios de aceptacin o desempeo para la calidad de los datos colectados y para la

calidad de la decisin. Cuando estos datos estn siendo utilizados al tomar decisiones al seleccionar

entre dos condiciones alternas bien claras, por ejemplo, cumplimiento o no cumplimiento de una

normativa de calidad del agua, la herramienta de trabajo se denomina Proceso de Definicin de los

Objetivos de Calidad de los Datos.

Los siete pasos antes mencionados son los siguientes:


24/133

8

5.1.1 Establecer el Problema:

Definir el problema, identificar el equipo de planificacin, examinar el presupuesto,

calendarizar.

5.1.2 Identificar la Decisin:

Establecer la decisin, identificar la pregunta de estudio, definir las acciones alternativas.

5.1.3 Identificar las variables de entrada para la decisin:

Identificar la informacin necesaria para la decisin (fuentes de informacin, bases para el

Nivel de Accin, mtodos de muestreo y anlisis).

5.1.4 Definir los lmites del estudio

Especificar las caractersticas de la muestra, definir los lmites tiempo-espacio, unidades de

toma de decisiones.

5.1.5 Desarrollar una Regla de Decisin:

Definir los parmetros estadsticos (media, mediana, etc.), especificar el Nivel de Accin,

desarrollar una lgica para la Accin.

5.1.6 Especificar los lmites tolerables en los Errores de Decisin

Fijar los lmites aceptables para los errores de decisin relativos a las consecuencias (efectos

en la salud, costos).

5.1.7 Optimizar el Diseo para Obtener Datos

Seleccionar el muestreo efectivo en recursos y el plan de anlisis que cumpla los criterios de

desempeo.

5.2 Objetivos de Calidad de Datos

Son las normativas cuantitativas y cualitativas que se desarrollan utilizando el proceso mencionado

anteriormente a travs de las siete etapas, que clarifican los objetivos de estudio, definen el tipo

apropiado de dato, y especifican los lmites tolerables de posibles errores de decisin que sern


25/133

9

utilizados como base para establecer la calidad y cantidad de dato necesario para justificar las

decisiones. Los OCD (Objetivos de Calidad de Datos) definen los criterios de desempeo que limitan

las probabilidades de errores al tomar decisiones mediante la consideracin del propsito de la

colecta de datos, definiendo el tipo apropiado de datos requerido y especificando las probabilidades

tolerables de los errores de decisin.

Los primeros cinco pasos o etapas del proceso se enfocan principalmente en la identificacin de

criterios cualitativos como son:

La naturaleza del problema que ha iniciado el estudio y el modelo conceptual de la amenaza

ambiental que se investiga.

Las decisiones que se necesitan hacer.

El tipo de dato necesario (datos geogrficos, medio ambiente, el perodo de colecta de datos,

etc), y

La regla de decisin que define cmo se usar el dato para escoger entre las acciones

alternativas.

La definicin de las fronteras tiempo / espacio de la decisin.

El establecimiento de los miembros del equipo de planificacin y los que tomarn las

decisiones.

5.2.1 Especificar los lmites tolerables en los Errores de Decisin

Esta es la sexta etapa y una de la ms crucial dentro del proceso de definicin de los Objetivos de

Calidad de Datos. Esta fase involucra a la vez los siguientes componentes:

Determinar el rango del parmetro de inters

Escoger la hiptesis nula

Examinar las consecuencias de hacer una decisin incorrecta

Especificar un rango de valores donde las consecuencias son menos impactantes (regin

gris).


26/133

10

Asignar valores de probabilidad a los puntos arriba y debajo del Nivel de Accin que refleja

la probabilidad tolerable para errores de decisin potenciales.

Se considera que esta es una de las fases ms importantes porque aqu ya no es posible imaginarse

que se dispone de la informacin perfecta ni que se posee los datos ilimitados para hacer las

decisiones. En este momento se hace frente a la realidad que no es posible tener la informacin

perfecta sobre la cual basar las decisiones. En vez de eso, las decisiones se basarn en un conjunto

de datos muestrales sujetos a diversos errores que son parte de una poblacin de inters mucho ms

grande. Inherente en el uso de datos de muestra para la toma decisiones es el hecho que esas

decisiones pueden ser ocasionalmente, erradas. En esta etapa del proceso de definicin de los

objetivos de calidad de datos, los valores numricos sern examinados en un intento de mantener la

posibilidad de un error de decisin a un mnimo.

El propsito de la fase 6 es la de especificar las metas de desempeo cuantitativas para escoger entre

dos alternativas de accin para la regla de decisin. Las metas se expresan como probabilidades de

cometer errores en la decisin en los valores verdaderos seleccionados del parmetro de inters

especificado en la etapa 5. Estas probabilidades de metas de desempeo en la decisin son una

definicin de la cantidad de incertidumbre que se est dispuesto a tolerar en las decisiones en unos

pocos valores verdaderos crticos que son especficos del parmetro de inters.

5.2.2 Fuentes de error

Un error de decisin ocurre cuando un conjunto de datos de muestras conducen errneamente a hacer

decisiones erradas y a tomar acciones respuesta igualmente equivocadas. La posibilidad de un error

de decisin existe porque la decisin est basada precisamente en datos de muestra que son

incompletas o imperfectas. An cuando el mtodo de colecta y el mtodo de anlisis puede no estar

sesgado, los datos de la muestra estn sujetos a los errores sistemticos y aleatorios en diferentes

etapas de su adquisicin, desde la colecta en campo hasta el anlisis de laboratorio. La combinacin


27/133

11

de todos estos errores se llama error total del estudio. Pueden haber muchos contribuyentes al error

total del estudio, pero hay tpicamente dos componentes:

1. Error del diseo de muestreoEste error est influenciado por la variabilidad inherente de la

poblacin en el espacio y el tiempo, el diseo de colecta de muestra y el nmero de muestras.

Usualmente es imprctico medir la unidad de decisin entera, y un muestreo limitado puede

dejar a un lado aspectos de la variacin natural de la medicin de inters. El error de diseo

de muestreo ocurre cuando el diseo de colecta de datos no captura la variabilidad completa

dentro de la unidad de decisin en tal grado para la decisin de inters. Este error puede

producir error aleatorio (variabilidad o imprecisin) y error sistemtico (sesgo) en las

estimaciones de los parmetros poblacionales.

2. Error de medicin Este error (variabilidad) est influenciado por imperfecciones en la

medicin y el sistema de anlisis. Los errores de medicin sistemticos y aleatorios son

introducidos en el proceso de medicin durante la colecta fsica de la muestra, la

manipulacin de la muestra, la preparacin de la muestra, el anlisis de la muestra, la

reduccin de datos, transmisin y almacenamiento.

El error total del estudio afecta la probabilidad de cometer errores decisionales. Por lo que es

esencial conocer el error total para administrar el error total del estudio en las alternativas de diseo

de muestreo y sistema de medicin. Esto har posible controlar la posibilidad de cometer errores de

decisin y llevarlos a niveles aceptables.

5.3 Uso de datos existentes para fundamentar la toma de decisiones

El dato existente es til, y puede echarse mano de estudios piloto o de las bases de datos de los

monitoreos de control de calidad del agua. Estos datos pueden ofrecer una evaluacin preliminar de

la variabilidad. En estos casos, los datos existentes pueden ser una base invaluable para ayudar a

desarrollar un diseo para captar datos. Es crtico examinar el dato existente para asegurarse que la


28/133

12

calidad es aceptable para uso, o para integrarse en un nuevo conjunto de datos. Algunas

consideraciones incluyen lo siguiente:

1. determinar si el dato existente fue colectado dentro de aproximadamente el mismo lmite

tiempo/espacio que el nuevo dato;

2. examinar el dato existente para determinar si este conjunto de datos incluye los mismos

analitos;

3. examinar el desempeo analtico de los mtodos para el dato existente (precisin, exactitud,

lmites de deteccin) y compararlo con las especificaciones del Paso 3 del Proceso de

Definicin de los Objetivos de Calidad de Daos para el nuevo dato a colectarse; y

4. examinar la variabilidad entre muestras en los datos nuevos y los existentes.

El combinar datos existentes y nuevos datos puede ser un operacin muy compleja y se debe

hace con mucho cuidado. En muchos casos, se necesita de experticia estadstica para evaluar

ambos conjuntos de datos y combinarlos con confianza.

No siempre se necesita desarrollar diseos de muestreo estadstico probabilstico para el registro

de datos si se utiliza el proceso de las siete etapas. No todos los problemas de muestreo pueden

resolverse con diseos probabilsticos. Sin embargo , el proceso OCD debera utilizarse como

una herramienta de planificacin para los estudios an si el diseo de registro de datos estadstico

no se emplea. En estos casos el equipo de planificacin deber buscar un experto en cmo

desarrollar un diseo de toma de datos no estadstico y cmo evaluar los resultados. Cuando se

emplean mtodos de muestreo no probabilstico, de juicio, se necesita verificar que los requisitos

de aseguramiento de calidad se han cumplido.

5.4 Diseo de los muestreos ambientales

5.4.1 La representatividad


29/133

13

La representatividad del muestreo se logra a travs del diseo de muestreo. Puede considerarse como

una medida del grado en que el dato representa de manera exacta y precisa, una caracterstica de la

poblacin, las variaciones del parmetro en un punto de muestreo, una condicin del proceso o una

condicin ambiental. El desarrollo de un diseo de muestreo es un paso crucial en colectar datos

defendibles y apropiados que representen en forma exacta el problema que se investiga.

5.4.2 Objetivos de los diseos de muestreo

Un diseo de muestreo completo indica el nmero de muestras e identifica las muestras particulares,

por ejemplo, las posiciones geogrficas en donde se captarn las muestras o los puntos en el tiempo

en que tomarn las muestras. Adems de esta informacin, el diseo completo incluir una

explicacin y justificacin del nmero y las posiciones/tiempo de las muestras.

Los objetivos tpicos de un diseo de muestreo es la colecta de datos ambientales con el propsito

de:

1. Soportar o justificar una decisin acerca de si los niveles de contaminacin exceden un techo

de riesgo inaceptable.

2. Determinar si ciertas caractersticas de dos poblaciones difieren en alguna cantidad.

3. Estimar las caractersticas medias de una poblacin o la proporcin de una poblacin que

tiene ciertas caractersticas de inters.

4. Identificar los lugares manchas-negras (reas con altos niveles de contaminacin) o

delineacin de la pluma de contaminacin.

5. Caracterizar la naturaleza y extensin de la contaminacin en el sitio, o

6. Para monitorear tendencias en condiciones ambientales o indicadores de salud.

El diseo de muestreo especifica el Nmero, Tipo y Ubicacin espacial y temporal de las unidades

de muestreo seleccionados para medicin. Otro concepto inherente es el del Modelo Conceptual del

Peligro Potencial el cual debe incluirse en los protocolos de diseo de muestreo.


30/133

14

Se hace la observacin que muchas veces las investigaciones no van acompaadas de un Diseo de

muestreo sustentado con las herramientas estadsticas.

5.4.3 Tipos de diseo de muestreo2

Estn definidos seis tipos de diseos de muestreo y un protocolo de muestreo (por ejemplo, el

muestreo compuesto). La mayora de estos se ajustan a los monitoreos ambientales.

5.4.3.1 Muestreo Razonado

La seleccin de las unidades de muestreo (por ejemplo el nmero y ubicacin y / o el perodo de

colecta de muestras), est basado en el conocimiento del aspecto o la condicin que se investiga y en

el juicio profesional. El muestreo razonado se distingue del muestreo basado en probabilidades

estadsticas en que las inferencias se basan en el juicio experto y no en la teora cientfica. Por lo

tanto, las conclusiones basadas en la poblacin blanco son limitadas y dependen enteramente en la

validez y exactitud del razonamiento profesional. Las definiciones probabilsticas acerca de los

parmetros no son posibles. Este tipo de diseo se utiliza en conjunto con otro tipo de diseos

muestrales para producir decisiones defendibles y un muestreo efectivo.

5.4.3.2 Muestreo simple aleatorio

En este tipo de muestreo aleatorio, las unidades de muestreo particulares (por ejemplo, lugares y / o

frecuencias) son seleccionadas usando nmeros aleatorios, y todas las posibles selecciones de un

nmero dado de unidades son igualmente probables. Por ejemplo, una simple muestra aleatoria de un

conjunto de pozos pueden tomarse mediante la numeracin de todos los pozos y luego seleccionando

aleatoriamente de la lista o por el muestreo de un rea mediante el uso de pares aleatorios de

2Hay diseos de muestreos que pueden utilizarse en la colecta de datos ambientales que no estn considerados, como

el doble muestreo, el muestreo secuencial, el muestreo cuota o el muestreo en multietapas.


31/133

15

coordenadas. Este mtodo es fcil de entender, y las ecuaciones para determinar el tamao de

muestra son relativamente sencillas.

El muestreo aleatorio simple es muy til cuando la poblacin de inters es relativamente homognea,

y no se esperan patrones de contaminacin o reas con datos fuera de la norma. La principal ventaja

de este diseo son:

1. Provee estimados estadsticamente no sesgados de la media, proporciones y variabilidad.

2. Es fcil de entender y fcil de implementar.

3. Los clculos de tamao de muestra y anlisis de datos son muy sencillos.

En algunos casos, la implementacin del muestreo simple aleatorio puede ser ms difcil que los

otros tipos de diseo (por ejemplo, las muestras en nodo) debido a la dificultad de identificar

precisamente lugares geogrficos de manera aleatoria. Adicionalmente, el muestreo simple aleatorio

puede ser ms costoso que otros planes si las dificultades en obtener muestras debido a los lugares

causan un gasto extra.

5.4.3.3 Muestreo Estratificado

En el muestreo estratificado, la poblacin blanco se separa en estratos que no se traslapan, o en

subpoblaciones que se saben que son ms homogneas (relativo al medio ambiente o al

contaminante), de manera que haya menos variacin entre las unidades de muestreo en el mismo

estrato que entre las unidades de muestreo en diferentes estratos. Los estratos pueden escogerse sobre

la base de proximidad espacial o temporal de las unidades, o sobre la base de informacin

preexistente o juicio profesional acerca del sitio o el proceso.

Este diseo es til para estimar un parmetro cuando la poblacin blanco es heterognea y el rea

puede ser subdividida basado en niveles de contaminacin esperados. La ventaja de este diseo de

muestreo es que tiene potencial para lograr mayor precisin en estimados de media y varianza, y que

permite el clculo de estimados confiables de los subgrupos de inters especial. Mayor precisin


32/133

16

puede obtenerse si la medicin de la medicin de inters est fuertemente correlacionada con la

variable usada para hacer el estrato.

5.4.3.4 Muestreo sistemtico o de celdas

En el muestreo sistemtico o de celda, las muestras se toman en intervalos regulares espaciados sobre

un espacio o tiempo. El lugar inicial y el tiempo se escoge de manera aleatoria, y luego los lugares

de muestreo remanentes son definidos de manera que todos los lugares estn en intervalos regulares

sobre un rea (celda) o tiempo (sistemtico).

En el muestreo sistemtico aleatorio, se escoge un lugar inicial de muestreo de manera aleatoria y los

restantes sitios se especifican de manera que se localizan de acuerdo a un patrn regular, por ejemplo

en los puntos de interseccin de cada lnea en las celdas. El muestreo de celda-sistemtico se utiliza

para investigar reas sensibles de contaminacin y para inferir medias, percentiles u otros parmetros

y es tambin til para estimar patrones espaciales o tendencias en el tiempo. Este diseo provee un

mtodo prctico y fcil para lugares de muestreo y asegurar una cobertura uniforme del sitio, unidad,

o proceso.

Ilustracin 2 Muestreo sistemtico de cuadrcula

5.4.3.5 Muestreo en conjunto de rangos

Es un diseo innovativo que puede ser muy til y eficiente en costo al obtener mejores estimados de

los niveles de concentracin promedio en suelo y otros medios ambientales al incorporar


33/133

17

explcitamente el juicio profesional de un investigador de campo o de un mtodo de sondeo de

campo para escoger los lugares especficos de muestreo en el campo. El muestreo en conjunto de

rangos utiliza un diseo de muestreo en dos fases que identifica conjuntos de lugares de campo,

utiliza mediciones baratas para ranguear lugares dentro de cada conjunto, y entonces se selecciona

un lugar de cada conjunto de muestreo.

En el muestreo de rangos, m conjuntos ( cada uno de tamao r) de sitios de campo se identifican

usando el muestreo simple aleatorio. Los lugares o sitios se ranguean independientemente dentro de

cada conjunto utilizando el juicio razonado o profesional o en base a mediciones baratas, rpidas.

Una unidad de muestreo de cada conjunto se selecciona entonces (basado en los rangos observados)

para medicin subsecuente, utilizando un mtodo ms preciso y confiable ( y por ende ms caro) del

parmetro de inters. En relacin al muestreo aleatorio simple, este diseo resulta en muestras ms

representativas y conduce a estimados ms precisos de los parmetros poblacionales.

El muestreo en rangos es til cuando el costo de localizar y ranguear sitios en el campo es bajo

comparado a las mediciones de laboratorio. Es tambin apropiado cuando una variable barata

auxiliar ( basada en el conocimiento experto o en la medicin), est disponible para ranguear las

unidades de poblacin con respecto a la variable de inters. Para emplear este diseo efectivamente,

es importante que el mtodo de rangueo y el mtodo analtico estn fuertemente correlacionados.

5.4.3.6 Muestreo en Grupo Adaptativo

En el muestreo en grupo, n muestras se seleccionan utilizando el muestreo simple aleatorio, y las

muestras adicionales se toman en lugares donde las mediciones exceden algn valor lmite o gua.

Varios ensayos de muestreo y anlisis se requieren en algunas situaciones. El muestreo de grupo

registra las probabilidades de seleccin para fases posteriores de muestreo de manera que un

estimado no sesgado de la poblacin promedio se pueda calcular a pesar del sobremuestreo de ciertas

reas. Un ejemplo de aplicacin del muestreo en grupo es el delinear los bordes de una pluma de

contaminacin.


34/133

18

En la Ilustracin 2, se muestran formas iniciales y finales del muestreo en grupo adaptativo. Las

mediciones iniciales se hacen a partir de unidades de muestreo seleccionadas segn el diseo de

muestreo simple aleatorio. Si una unidad de muestreo se encuentra con caractersticas de inters, por

ejemplo, concentracin alta de un contaminante de inters, efecto ecolgico, entonces se seleccionan

las unidades de muestreo adyacentes a la unidad original seleccionada, y se hacen las mediciones.

El muestreo adaptativo en grupo es til para estimar o investigar caractersticas extraas en una

poblacin y es apropiado para mediciones baratas y rpidas. Esto hace factible delinear los contornos

de las reas sensibles, a la vez que se utiliza el dato colectado con ponderacin apropiada para dar

estimados no sesgados de la poblacin promedio.

Ilustracin 3: muestreo adaptivo

5.4.3.7 Muestreo Compuesto

En el muestreo compuesto, los volmenes de material de distintos unidades de muestreo

seleccionados, son fsicamente combinados y mezclados en un esfuerzo para formar una sola muestra

homognea, que es luego analizada. El composteo puede ser efectivo en costo porque reduce el

nmero de anlisis qumicos. Es ms costo efectivo cuando los costos de anlisis son grandes en

relacin de los costos de muestreo, sin embargo, demanda que no haya riesgos a la salud o sesgos


35/133

19

potenciales, como por ejemplo prdida de compuestos orgnicos, asociados con el proceso de

composteo. Ver Ilustracin 3.

Ilustracin 4: Muestreo compuesto

5.5 Proceso de Evaluacin de la Calidad de los Datos

La evaluacin de la Calidad de los datos es el procedimiento cientfico y estadstico para determinar

si el dato obtenido de las operaciones de monitoreo de los planes de Control de Calidad, son del tipo

correcto en calidad y cantidad para justificar o fundamentar el uso para el cual se realiz el

monitoreo. Para la evaluacin de la calidad del dato es necesario acudir a herramientas grficas y

estadsticas para ejecutar este proceso.

La Evaluacin de Calidad del Dato (ECD) se fundamenta en la premisa siguiente:

La calidad del dato, como concepto, tiene significado solamente cuando se relaciona con el uso

pretendido del dato. La calidad del dato no existe en un vaco, se debe conocer el contexto en que el

conjunto de datos ser utilizado para establecer el criterio si el dato es adecuado.

Con la evaluacin se pretende conocer dos aspectos:


36/133

20

1. Puede hacerse una decisin con el deseado nivel de confianza dada la calidad del conjunto de

datos?

2. Qu tan bien se espera que funcione el diseo muestral sobre un amplio rango de posibles

obstculos o interferencias? Puede utilizarse el mismo diseo de muestreo en otros casos con

el deseado nivel de confianza, particularmente si los resultados resultan ms altos o ms bajos

que los observados en el estudio base?.

La primera pregunta examina las necesidades inmediatas del usuario del dato. Por ejemplo, si el dato

provee evidencia fuerte a favor de un curso de accin sobre otro, entonces el tomador de decisiones

puede proceder sabiendo que la decisin ser fundamentada en datos no ambiguos. Por el contrario,

si el dato no aporta evidencia fuerte a favor de una alternativa, entonces el anlisis del dato alerta al

tomador de decisiones sobre la incertidumbre. En este momento,el gerenteest en una posicin de

tomar otras medidas como colectar ms datos u otro tipo de datos, o bien, proceder de cualquier

manera, sin considerar la probabilidad de llegar a conclusiones erradas.

La segunda pregunta responde a las necesidades futuras del usuario del dato. Por ejemplo, si los

investigadores deciden usar un cierto tipo de diseo de muestreo en un lugar diferente al sitio en que

fue utilizado originalmente, ellos deberan determinar lo bien que el diseo puede desempearse

dadas las interferencias en las nuevas condiciones ambientales. Lo adecuado o apropiado de un

diseo de muestreo debe examinarse sobre una base amplia de posibles obstculos o interferencias.

5.5.1 El proceso de evaluacin

Consiste de cinco etapas que inicia con la revisin de la planificacin original y termina con una

respuesta a la pregunta de laetapa 2de la definicin de los objetivos de calidad.

Paso 1 Revisar los OCD y el Diseo de Muestreo


37/133

21

Se revisan las salidas del OCD para verificar que son aplicables. Si no se han

desarrollado, se deben especificar antes de evaluar los datos. Para decisiones

ambientales, se definen las hiptesis estadsticas y se especifican los lmites

tolerables en los errores de decisin. Para la estimacin de problemas, se definen

los intervalos de probabilidad y los niveles de confianza aceptables. Se revisan los

diseos de muestreo y la documentacin de colecta de datos para ver si son

consistentes con el OCD.

Paso 2 Ejecute una Revisin Preliminar

Se revisan los reportes de aseguramiento de calidad, se calculan las estadsticas

bsicas y se generan grficos del dato. Se usa esta informacin para conocer la

estructura del dato e identificar patrones, relaciones o anomalas potenciales.

Paso 3 Seleccione el Ensayo Estadstico

Se selecciona el procedimiento ms apropiado para resumir y analizar los datos,

basado en la revisin de los OCD, el diseo de muestreo y la revisin preliminar.

Identifique los supuestos claves subyacentes que deben hacerse para que los

procedimientos estadsticos sean vlidos.

Paso 4 Verifique los supuestos del Ensayo Estadstico

Evale si los supuestos se mantienen o si se aceptan desviaciones, dados los datos

actuales.

Paso 5 Obtenga conclusiones de los datos


38/133

22

Ejecute los clculos requeridos por el ensayo estadstico y documente las

interferencias halladas como resultado de estos clculos. Si el diseo ser utilizado

nuevamente, evale el desempeo del diseo de muestreo.

5.6 Fundamento de las Pruebas Estadsticas en la presente Investigacin

En el desarrollo de las investigaciones se busca determinar en qu medida son aceptables las

hiptesis que derivan de las teoras. Despus de la seleccin de cierta hiptesis que parece importante

en una teora determinada, se recopilan los datos empricos que dan informacin directa acerca de la

aceptabilidad de esa hiptesis. La decisin acerca del significado de los datos puede conducir la

confirmacin, revisin o rechazo de la hiptesis y, con ella, la teora que la origin.

Para decidir con objetividad si una hiptesis particular se confirma por un conjunto de datos, se

requiere un procedimiento que conduzca a un criterio objetivo para descartar o aceptar la hiptesis.

El mtodo cientfico necesita que las conclusiones sean obtenidas por mtodos normalizados,

susceptibles de repetirse por otros investigadores. Este procedimiento objetivo debe basarse tanto en

la informacin obtenida al investigar como en el margen de error que se dispone aceptar si el criterio

de decisin con respecto a la hiptesis resulta incorrecto. Los pasos que sigue el procedimiento

comprenden en el orden de ejecucin los siguientes:

1. Formulacin de la hiptesis de nulidad (Ho).

2. Eleccin de una prueba estadstica (con su modelo estadstico asociado) para probar Ho. De

las pruebas capaces para utilizarse con un diseo de investigacin dado, hay que seleccionar

aquella cuyo modelo se aproxima ms a las condiciones de la investigacin (en trminos de

los supuestos que califican el uso de la prueba) y cuyos requisitos de medicin satisfacen las

medidas usadas en la investigacin.

3. Especificacin del nivel de significancia () y del tamao de la muestra N.

4. Encuentro o suposicin de la distribucin muestral de la prueba estadstica conforme a Ho.

5. Sobre la base de los incisos 2, 3 y 4, se define la zona de rechazo.


39/133

23

6. Clculo del valor de la prueba estadstica con los datos obtenidos de las muestras. Si el valor

desciende a la regin de rechazo, Ho debe rechazarse, si el valor cae fuera de la regin de

rechazo, Ho no puede rechazarse al nivel de significancia escogido.

5.6.1 La hiptesis de nulidad

El primer paso en el proceso de hacer decisiones es enunciar la hiptesis de nulidad (Ho). La

hiptesis de nulidades una hiptesis de diferencias nulas. Se formula generalmente con la intencin

expresa de ser rechazada. Si se rechaza, puede aceptarse entonces la hiptesis alterna (H1). La

hiptesis alterna es la aseveracin operacional de la hiptesis de investigacin del experimentador.

La Hiptesis de investigacin es la prediccin que se deriva de la teora que se est probando.

Al efectuar una decisin acerca de diferencias, se somete a prueba a Ho frente a H1. H1 constituye la

afirmacin aceptada cuando Ho es rechazada.

5.6.2 La eleccin de la prueba estadstica

El campo de la estadstica se ha desarrollado hasta el grado en que actualmente se cuenta para casi

todos los propsitos de investigacin con pruebas estadsticas susceptibles de usarse alternativamente

para tomar decisiones acerca de hiptesis. Al comparar las pruebas, se requiere de una base racionalpara escoger entre ellas. Uno de los aspectos cruciales en la eleccin de la prueba estadstica es

decidir si se escogern pruebas paramtricas o no paramtricas.

5.6.2.1 Pruebas Estadsticas Paramtricas y No Paramtricas

Una prueba estadstica paramtrica es aquella cuyo modelo especifica ciertas condiciones acerca de

los parmetros de la poblacin de la que se obtuvo la muestra investigada, que no se prueban

ordinariamente, y se supone que se mantienen. La significacin de los resultados de una prueba

paramtrica depende de la validez de estas suposiciones. A medida que las suposiciones que definen

un modelo particular sean ms escasas, o ms vagas, se necesitan de menos limitaciones para llegar a


40/133

24

una decisin lograda por la prueba estadstica asociada con el modelo. Es decir, a menores o ms

dbiles suposiciones, habr conclusiones ms generales.

Las condiciones de las pruebas paramtricas son, de manera general, las siguientes:

1. Las observaciones deben ser independientes entre s. La seleccin de un caso cualquiera de la

poblacin con miras de inclusin en la muestra no debe afectar las posibilidades de incluir

cualquier otro, y el puntaje que se asigne a un caso cualquiera no debe influir en el puntaje

que se asigne a cualquier otro.

2. Las observaciones deben hacerse en poblaciones distribuidas normalmente.

3. Estas poblaciones deben tener la misma varianza.

4. Las variables correspondientes debern haberse medido por lo menos en una escala de

intervalo, de manera que sea posible usar las operaciones aritmticas con los puntajes.

5. Para el caso de anlisis de varianza (prueba F), se agrega la siguiente: Las medias de estas

poblaciones normales y homocedsticas (iguales varianzas) debern ser combinaciones

lineales de efectos debidos a las columnas y a los renglones o a ambos. Por tanto, los efectos

deben ser aditivos.

Una prueba estadstica no paramtrica es aqulla cuyo modelo no especifica las condiciones de los

parmetros de la poblacin de la que se obtuvo la muestra. Hay algunas suposiciones que se asocian

con la mayora de las pruebas estadsticas no paramtricas: observaciones independientes y variable

de continuidad bsica; pero estas suposiciones son pocas y mucho ms dbiles que las asociadas con

las pruebas paramtricas. Adems, las no paramtricas no requieren mediciones tan fuertes; la

mayora de las pruebas no paramtricas se aplican a datos de una escala ordinal y algunas a los de

una escala nominal.

5.6.2.2 Ventajas de las pruebas estadsticas no paramtricas

1. Las declaraciones de probabilidad obtenidas de la mayora de las pruebas estadsticas no

paramtricas son probabilidades exactas (excepto en el caso de muestras grandes, que

proporcionan excelentes aproximaciones), independientemente de la forma de la distribucin


41/133

25

de la poblacin de la que se tom la muestra. La exactitud de la declaracin de probabilidad

no depende de la forma de la poblacin, aunque algunas pruebas no paramtricas supongan

identidad de forma de dos o ms distribuciones de poblacin. En ciertos casos, las pruebas

no paramtricas suponen que la distribucin de base es continua, suposicin que comparten

las pruebas paramtricas.

2. Si los tamaos de las muestras son tan pequeos como N = 6, no hay alternativa de eleccin

de una prueba estadstica no paramtrica a menos que se conozca exactamente la naturaleza

de la distribucin de la poblacin.

3. Hay pruebas estadsticas no paramtricas adecuadas para observaciones hechas en

poblaciones diferentes. Ninguna prueba paramtrica puede manejar tales datos sin exigir

suposiciones aparentemente irreales.

4. Los mtodos no paramtricos son tiles para los datos simplemente clasificatorios, medidos

en una escala nominal. Ninguna tcnica paramtrica se aplica a tales datos.

5. Las pruebas estadsticas no paramtricas son tpicamente mucho ms fciles de aplicar que

las pruebas paramtricas.

5.6.2.3 Desventajas de las pruebas estadsticas no paramtricas

Si todos los supuestos del modelo estadstico paramtrico son satisfechos realmente por los datos y si

la medida tiene la fuerza requerida, las pruebas estadsticas no paramtricas disipan los datos. El

grado de desperdicio se expresa por la potencia-eficiencia de la prueba no paramtrica. Si una

prueba estadstica no paramtrica tiene una potencia eficiencia de por ejemplo, el noventa por

ciento, esto significa que al ser satisfecha todas las condiciones de la prueba paramtrica, el mtodo

paramtrico apropiado ser tan efectivo con una muestra menor en un diez por ciento que la utilizada

en el anlisis no paramtrico.

Hasta el momento no hay mtodos no paramtricos para probar las interacciones dentro del modelo

de anlisis de varianza, a menos que se hagan suposiciones especiales acerca de la aditividad.


42/133

26

5.6.3 El nivel de significancia y el tamao de la muestra

Cuando se enuncian la hiptesis de nulidad (Ho) y la hiptesis alterna (H1) y cuando la prueba

estadstica apropiada a la investigacin fue seleccionada, el paso siguiente consiste en especificar el

nivel de significancia () y seleccionar un tamao de muestra (N).

En general el procedimiento para tomar decisiones es el siguiente: antes de recopilar datos, se

especifica el conjunto de todas las posibles muestras que se encuentran si Ho es verdadera. De este

conjunto se extrae un subconjunto de muestras de caractersticas tan extrema que reducen mucho la

probabilidad, si Ho es verdadera, de que la muestra est entre ellas. El procedimiento es rechazar

Ho para aceptar H1 si una prueba estadstica produce un valor cuya probabilidad asociada de

ocurrencia bajo Ho es igual o menor que alguna pequea probabilidad simbolizada por. Esta

pequea probabilidad se llama nivel de significancia. Valores comunes de son 0.05 y 0.01.

Puesto que el valor de juega un papel para determinar el rechazo de Ho o su aceptacin, se

requiere que se defina antes de colectar los datos. El nivel que el investigador escoge para deber

determinarse por la estimacin que haga de la importancia o del posible significado prctico de sus

descubrimientos.

5.6.3.1 Tipos de errores

Hay dos tipos de errores que pueden cometerse al decidir acerca de Ho. El primero, el error Tipo I,

es rechazar Ho siendo verdadera. El segundo, el error tipo II, es aceptar Ho siendo falsa.

La probabilidad de cometer el error tipo I est dada por . Cuando mayor sea , tanto ms probable

es que Ho sea rechazada equivocadamente, es decir, tanto ms probable es que se cometa el error

tipo I. El error tipo II se suele representar por ; y indican tanto el tipo de error como la

probabilidad de cometerlo, esto es:

P(error tipo I) =


43/133

27

P(error tipo II) =

En condiciones ideales, los valores de y deberan ser especificados por el experimentador antes

de iniciar la investigacin. Estos valores determinarn el tamao de la muestra (N) que deber usarse

para el clculo de la prueba estadstica. En la prctica, es comn que y N queden especificados por

adelantado. Una vez que y N se han especificado, queda determinada . Como existe una relacin

inversa entre las probabilidades de cometer ambos tipos de errores, al decrecer se incrementar

para cualquier N dada. Si se desea reducir la posibilidad de ambos tipos de errores, se debe

incrementar N.

Lapotencia de una prueba se define como la probabilidad de rechazar Ho cuando es realmente falsa,

esto es:

Potencia = 1probabilidad del error tipo II = 1 - .

5.6.4 La Distribucin Muestral

Cuando se ha escogido una prueba estadstica para aplicarla a los datos, se debe determinar cul es la

distribucin muestral del estadstico de la prueba. La distribucin muestral es una distribucin

terica. Se obtendra al tomar al azar todas las muestras posibles de un mismo tamao extradas de

una misma poblacin. Expresado de otra forma, la distribucin muestral es la distribucin, conforme

a Ho, de todos los valores posibles que un estadstico (por ejemplo, la media muestral) puede tomar

cuando se calcula con muestras de igual tamao tomadas al azar.

La distribucin muestral de un estadstico seala las probabilidades conforme a Ho que estn

asociadas con los diferentes valores numricos posibles de la estadstica. La probabilidad asociada

con la ocurrencia de un valor particular de la estadstica conforme a Ho no es la probabilidad exacta

de precisamente ese valor. La expresin las probabilidades asociadas con la ocurrencia conforme a

Ho se refiere a la probabilidad de un valor particular ms la probabilidad de todos los valores ms

extremos posibles.


44/133

28

5.6.5 La Regin de Rechazo

La regin de rechazo es una regin de la distribucin muestral. Consiste de un conjunto de valores

posibles tan extremos que, cuando Ho es verdadera, es muy pequea la probabilidad () de que la

muestra observada produzca un valor que est entre ellos. La probabilidad asociada con cualquier

valor de la regin de rechazo es igual o menor que .

El tamao de la regin de rechazo queda expresado por , que es el nivel de significancia. Si =

0.05, entonces el tamao de la regin de rechazo es del cinco por ciento del rea total comprendida

bajo la curva de la distribucin muestral.

5.6.6 La Decisin

Si la prueba estadstica da un valor que est en la regin de rechazo, se rechaza Ho. Esto puede

suceder debido a dos situaciones: suponiendo que la hiptesis de nulidad es falsa o que un evento

raro e improbable ha sucedido. En este proceso de decisin, se escoge la primera explicacin. La

probabilidad de que la segunda explicacin sea la correcta est dada por , pues el rechazo de Ho

cuando es verdadera es el error tipo I.

Cuando la probabilidad asociada con un valor observado de una prueba estadstica es igual o menor

que el valor previamente determinado de , se concluye que Ho es falsa. El valor observado se llama

significativo. La hiptesis en prueba, Ho, se rechaza siempre que ocurra un resultado significativo.

Por tanto, se llama valor significativo a aquel cuya probabilidad asociada de ocurrencia de acuerdo

con Ho, es igual o menor que .

5.7 Fundamento hidroqumico de la calidad de las aguas subterrneas

En un agua subterrnea natural, la mayora de las sustancias disueltas se encuentran en estado inico.

Unos cuantos de estos iones se encuentran presentes casi siempre y su suma representa casi la

totalidad de los iones presentes; estos son los iones fundamentales.


45/133

29

Estos iones fundamentales son

Aniones Cationes

Cloruro Cl- Sodio Na+

Sulfato SO4-- Calcio Ca++

Bicarbonato CO3H- Magnesio Mg++

Es frecuente que los aniones nitrato (NO3-) y carbonato (CO3

-- ) y el catin potasio (K+) se

consideren dentro del grupo de iones fundamentales aun cuando en general su proporcin es

pequea. Otras veces se incluye adems el ion ferroso (Fe++).

Entre los gases deben considerarse como fundamentales el anhdrido carbnico (CO2) y el oxgeno

disuelto (O2), aunque no es frecuente que se analicen en aguas subterrneas.

Entre las sustancias disueltas poco ionizadas o en estado coloidal son importantes los cidos y

aniones derivados de la slice (SiO2).

El resto de iones y sustancias disueltas se encuentran por lo general en cantidades notablemente ms

pequeas que los anteriores y se llaman iones menores a aquellos que se encuentran habitualmente

formando menos del 1% del contenido inico total y elementos traza a aquellos que aunque presentes

estn por lo general en cantidades difcilmente medibles por medios qumicos usuales.

Los iones menores ms importantes son, adems de los ya citados NO 3-, CO3

--, K+ y Fe++, el NO2-, F-

, NH4+ y Sr++. Suelen estar en concentraciones entre 0.01 y 10 ppm. En concentraciones entre 0.0001

y 0.1 ppm, suelen estar los iones menores:

aniones: Br-, S

--, PO4

-3, BO3H2

-, NO2

-, OH

-, I

-, etc.

cationes: Fe+++

, Mn++

, NH4+, H

+, Al

+++, etc.


46/133

30

Los iones metlicos derivados del As, Sb, Cr, Pb, Cu, Zn, Ba, V, Hg, U, etc., a veces estn en

cantidades medibles, pero en general son elementos traza. El resto de posibles iones estn casi

siempre en cantidades menores que 0.0001 ppm.

Las aguas subterrneas llamadas dulces contienen como mximo 1,000 o quiz 2,000 ppm de

sustancias disueltas; si el contenido es mayor, por ejemplo hasta 5000 ppm se llaman aguas salobres

y hasta 40,000 aguas saladas. No es raro encontrar aguas que superen los 40,000 ppm de sustancias

disueltas llegando a veces hasta 300,000 ppm. A estas aguas se les llama salmueras y estn asociadas

con frecuencia a depsitos salinos, aguas de yacimientos petrolferos o bien aguas muy antiguas

situadas a gran profundidad.

5.7.1 Caractersticas qumicas de los iones y sustancias disueltas ms importantes

5.7.1.1 Aniones y sustancias aninicas

1. ION CLORURO, Cl-

a) Caractersticas qumicas. Sales en general muy solubles. Muy estable en disolucin y muy

difcilmente precipitable. No se oxida ni reduce en aguas naturales.

b) Concentraciones. Entre 10 y 250 ppm en aguas dulces. El agua de mar tiene entre 18000 y 21000

ppm. Las salmueras naturales pueden llegar a tener 220000 ppm (saturacin).

c) Nocividad y toxicidad. Ms de 300 ppm comunican sabor salado al agua de bebida, pero no es

perjudicial por lo menos hasta algunos miles de ppm. Es esencial para la vida. Contenidos elevados

son perjudiciales para muchas plantas y comunican corrosividad al agua.

d)Anlisis en laboratorio. Valoracin con NO3Ag usando como indicador cromato potsico (viraje

de amarillo a naranja).

e)Anlisis de campo. Igual que en laboratorio, con bureta porttil o cuentagotas.

f) Toma de muestras. No se precisan precauciones especiales.


47/133

31

2. ION SULFATO, SO4--

a) Caractersticas qumicas. Sales moderadamente solubles a muy solubles, excepto las de Sr (60

ppm) y de Ba (2 ppm). Es difcilmente precipitable qumicamente ya que las sales solubles de Sr y

Ba son muy escasas en la naturaleza, pero puede separarse de la solucin por concentracin si existe

un evaporacin importante.

b) Concentraciones. Entre 2 y 150 ppm en aguas dulces pudiendo llegar a 5000 ppm en aguas salinas

si existe Ca y hasta 200000 si est asociado a Mg y Na en ciertas salmueras. El agua del mar

contiene alrededor de 3000 ppm.

c) Nocividad y toxicidad. Las aguas sulfatadas no quitan la sed y tienen sabor poco agradable y

amargo. Por s mismo o si va asociado a Mg o Na en cantidades importantes puede comunicar

propiedades laxantes. En cantidades elevadas puede ser perjudicial a las plantas. Ms de algunos

centenares de ppm perjudican a la resistencia del hormign y cemento.

d) Anlisis en laboratorio. Se analiza mediante el mtodo turbidimtrico midiendo la turbidez que

produce el precipitado de sulfato de bario a 420 nm en un espectrofotmetro o en un turbidmetro.

e)Anlisis de campo. No realizado habitualmente, excepto por turbidimetra.

f) Toma de muestras. No se precisan precauciones especiales.

3. IONES BICARBONATO Y CARBONATO, CO3 H- y CO3

--

a) Caractersticas qumicas. Estos iones comunican alcalinidad al agua en el sentido que dan

capacidad de consumo de cido al producir una solucin tampn. Se pueden precipitar con mucha

facilidad como CO3Ca.

b) Concentraciones. El ion bicarbonato vara entre 50 y 350 ppm en aguas dulces pudiendo llegar a

veces hasta 800 ppm. El agua del mar tiene alrededor de 100 ppm. El ion carbonato est en

concentraciones mucho menores que el ion bicarbonato y si el pH < 8.3 se le considera cero. En

aguas alcalinas con pH > 8.3 puede haber cantidades importantes, hasta 50 ppm en algunas aguas

naturales. El agua del mar tiene menos de 1 ppm.

c)Nocividad y toxicidad. No presenta problemas de toxicidad. Las aguas bicarbonatadas sdicas son

malas para riego, debido a la fijacin del Na en el terreno y creacin de un medio alcalino.


48/133

32

d) Anlisis en laboratorio. Se determinan en funcin de la alcalinidad del agua mediante una

titulacin volumtrica con cido sulfrico al 0.02 N.

e)Anlisis de campo. Se realiza a veces determinando la alcalinidad del agua.

f) Toma de muestras.

Tesis Optar Titulo Maestro Ing Amb German Padilla

Documents

Transcript of Tesis Optar Titulo Maestro Ing Amb German Padilla