ANALISIS GEOESTADISTICO PARA DETERMINACION DE LA

PROBABILIDAD DE ASENTAMIENTO DE LAS UNIDADES LITOLOGICAS EN

LA COMUNA 8 DEL MUNICIPIO DE SANJOSE DE CUCUTA

WILFRIDO MENESES GELVIS, LUIS RUEDA PEREZ

Universidad Francisco de Paula Santander, Facultad de Ingenieras,
Departamento de Geotecnia y minera,
Programa de: Ingeniera Civil
Ccuta, Norte de Santander, Colombia
Noviembre-2016

Resumen
La investigacin se realiz con datos obtenidos de la tesis Mapa de caracterizacin mecnica de las unidades
litolgica de San Jos de Ccuta (Bueno Y, 2010) donde se obtuvieron valores para los diferentes parmetros
Que caracterizan las unidades litolgicas en la comuna 8 de san Jos de Ccuta, por medio de mtodos numricos
de regresin lineal se imputaron los datos faltantes mediante mnimos cuadrados para posteriormente definir el
tipo de distribucin y aplicar el mtodo de Montecarlo para obtener la probabilidad de asentamiento.

Palabras clave: mtodo de Montecarlo, asentamientos, capacidad admisible, mdulo de poisson, modulo
elstico.

Abstract
The research was carried out with data obtained from the thesis "Map of mechanical characterization of the
lithological units of San Jos de Ccuta" (Bueno Y, 2010) where values were obtained for the different
parameters Characterizing lithological units in commune 8 of San Jos de Ccuta, using numerical linear
regression methods, the missing data were allocated using least squares to later define the type of distribution
and to apply the Monte Carlo method to obtain the probability of settlement.

Keywords: Monte Carlo method, settlements, permissible capacity, poisson module, elastic module.

Introduccin Los Almendros, Nia Ceci, Carlos Ramrez Paris,

La Comuna N 8 de san Jos de Ccuta
comprende el Sector Occidental de la ciudad, la
integran los siguientes barrios: Atalaya, El
Progreso, Antonia Santos, Cerro Pico, Palmeras,
Belisario, Atalaya I, II, Y III Etapas, Ccuta 75,
Doa Nidia, La Victoria, 6 De Enero, El Rodeo,
La Coralina, El Minuto De Dios, Nuevo
Horizonte, Los Olivos, El Desierto, 7 De Agosto,
Juana Rangel, Valles Del Rodeo y los futuros
barrios que se localicen dentro de la comuna.
Cementerio Los Olivos (Bueno Y 2010).

En la ciudad de Ccuta es muy difcil encontrar
estudios geotcnicos reales los cuales son de vital
importancia a la hora de hacer edificaciones, esta
falta de informacin no nos permite aplicar
correctamente la norma sismo resistente (NSR
2010), por lo que se puede decir que la ciudad de
Ccuta no se encuentra preparada para afrontar un
evento ssmico como el sufrido en el ao 1875.
Ante la falta de datos aparece como alternativa
mtodos geo estadsticos los cuales son ms
econmicos y nos permiten hacer estimaciones
aproximadas.
mecnica de las unidades litolgica de San Jos de
Ccuta (Bueno Y, 2010) con los cuales se
procedi a aplicar el mtodo de mnimos cuadrados
para imputar los datos faltantes.
-de Primero se elimin los datos faltantes y se
empez a calcular la funcin para determinar los
datos faltantes
-Se hall el coeficiente correlacin dando un valor
muy cercano a uno.

los procedimientos de imputacin de datos deben

aplicarse en forma intensiva, pero es altamente
qa qu x2 x3 x4
(Kg/cm) (Kg/cm)
probable que en la prctica no se satisfagan los
supuestos en que se fundamenta su metodologa, ya 2 6 4 8 16 12 24 36 6
que es comn que el patrn de datos omitidos est 2 6,27 4 8 16 12,54 25,08 39,3129 6,27
asociado a las caractersticas de la poblacin de 3 9 9 27 81 27 81 81 9
referencia, lo cual invalida el supuesto de 2 6,07 4 8 16 12,14 24,28 36,8449 6,07
aleatoriedad en el que se sustenta la tcnica (Rubn 2,5 4 6,25 15,625 39,0625 10 25 16 4
1987). 2 6,168 4 8 16 12,336 24,672 38,04422 6,168
4,1 12,33 16,81 68,921 282,5761 50,553 207,2673 152,0289 12,33
Entre los estadsticos existe consenso de que la
mejor forma de enfrentar la falta de respuesta es 1,8 5,55 3,24 5,832 10,4976 9,99 17,982 30,8025 5,55
evitndola. No obstante, se reconoce que eliminarla 2,6 7,8 6,76 17,576 45,6976 20,28 52,728 60,84 7,8
es imposible, por lo que toda vez que esta se 4,1 12,33 16,81 68,921 282,5761 50,553 207,2673 152,0289 12,33
presenta existen procedimientos para sustituir 2,1 6,29 4,41 9,261 19,4481 13,209 27,7389 39,5641 6,29
informacin, pero bajo ninguna circunstancia es 28,2 81,808 79,28 245,136 824,858 230,601 717,0155 682,4664 81,808
adecuado afirmar que una cifra imputada es mejor
que el dato observado (Medina F, Galvn M 2007).
4,5448889
En este trabajo, se aplica los conceptos de los datos 1,5666667
faltantes para la estimacin de la informacin
inconclusa y poder predecir dichos valores. Es - Se hall los coefientes del polinomio de
importante la aplicacin de esta metodologa a la segundo grado, resolviendo un sistema lineal de
geo estadstica porque nos permite parametrizar
ecuaciones:
datos que en ocasiones los geotecnistas no calculan
en los estudios de suelos, lo cual desde el punto de
ingeniera causa preocupacin al momento de
predecir asentamientos o capacidad de carga, que
genera accidentes en edificaciones y estructuras de
gran importancia.

Con los datos obtenidos atravez de imputacin se

proceder al clculo de la probabilidad de
asentamiento generando una nueva funcin
mediante la simulacin de Montecarlo. -Sistema de ecuaciones a partir de mnimos
cuadrados:

Materiales y Mtodos

Para la investigacin se tomo como base los datos

obtenidos en la tesis Mapa de caracterizacin -
Aplicando Gauss Jordn se resuelve el sistema y = 7,832 2,9209 + 0,98542
da como resultando los siguientes valores:
Los dems parmetros fueron imputados de la
a0= 7,8232 misma forma.
a1= -2,920890644 Ya con los datos completos se procedi a realizar
a2= 9,8539E-01 un funcin de densidad de probabilidad para las
variables que se van a utilizar (qa, , E) realizando
su respectiva tabla de frecuencias y calculando su
distribucin normal mediante la funcin de Excel
-Se halla la desviacin para la muestra: (DISTR.NORM.N), con nuestra distribucin
calculada se realizaron los respectivos grficos
para verificar que las funciones se ajustaran a un
modelo gaussiano.
N=11
El siguiente paso fue ajustar los parmetros para
M=2 aplicar el mtodo de Montecarlo, se generaron
1000 datos aleatorios comprendidos entre los
limites superior e inferior de las variables en
S(y/x)= 3,197811752 estudio y con mi nueva muestra realizar de nuevo
las funciones de densidad de probabilidad,
realizando sus respectivas tablas de frecuencia y
calculando sus distribuciones para graficarlas
-Coeficiente de correlacin: contra los parmetros y verificar que cumplan el
modelo gaussiano.
R= 0,99531
ya estableciendo mis nuevas funciones para las
Al observar la correlacin se concluye que los variables en estudio se procede al clculo de
resultados esperados son buenos porque nuestra asentamientos, al trabajar con 1000 datos para cada
correlacin esta prxima a la unidad. variable se obtuvo como resultado 1000
asentamientos posibles para los cuales se calcul su
La ecuacin a partir de esta regresin para probabilidad y se definio su funcin .
capacidad admisible quedara:

Resultados
Tabla 1 datos completos de la comuna 8
Tabla 2 distribucin de

Grafico 1 funcin de

vs Distribucin
0.0013244
0.0013244
0.0013244
0.0013244
0.0013244
0.0013244
0.0013244
0.0013244
0.0013244
0.0013244
0.0013244
0.0013244
0.310 0.335 0.365 0.395 0.43
Tabla 3 distribucion de qa

Grafico 2 funcion de qa

qa vs Distribucin
0.0022613

0.0022613

0.0022613

0.0022613

0.0022612

0.0022612

0.0022612

0.0022612

0.0022612

0.0022612

0.0022612
1.395 1.990 2.590 3.190 3.80
Tabla 5 distribucion de E

Grafico 4 funcion de E

0.0012000
Es vs Distribucin
0.0010000

0.0008000

0.0006000

0.0004000

0.0002000

0.0000000
339.995 819.990 1299.990 1779.990 2260.00
Tabla 6 distribucion de los asentamientos

Grafico 5 funcion de los asentamientos

Asentamiento vs Distribucion
0.00000 0.00500 0.01000 0.01500 0.02000 0.02500 0.03000 0.03500 0.04000
35 35

30 30

25 25

20 20

15 15

10 10

5 5

0 0
0.00485 0.01252 0.02018 0.02785 0.03602
Conclusiones y recomendaciones
Agradecimientos
Referencias
Medina F, Galvn M (2007). Imputacin de datos:
teora y prctica. Unidad de Estadsticas Sociales
de la Divisin de Estadstica y Proyecciones
Econmicas de la Comisin Econmica para
Amrica Latina y el Caribe (CEPAL). .
Garcia W (2008). Anlisis geo estadstico y
probabilstico de la compresibilidad de un
deposito lacustre. Universidad Nacional de
Colombia.
Bueno Y (2010). Mapa de caracterizacin
mecnica de las unidades litolgica de San Jos de
Ccuta. Tesis de Ingeniera civil. UFPS.
Sarmiento M (2007). Metodologa para la
microzonificacin ssmica de la ciudad de San
Jos de Ccuta, Colombia. Tesis de Ingeniera
civil. UFPS.
Lozano C (2008). Anlisis y tratamiento de
seales de fuentes sismo gnicas de campo
cercano a San Jos de Ccuta, Colombia. Tesis de
Ingeniera civil. UFPS.
Torres C (2007). Valoracin del riesgo en
deslizamientos. Tesis ingeniera civil. Universidad
Ricardo Palma. Lima, Per.
Gordon A (1997). Probabilistic Methods in
Geotechnical Engineering. Workshop presented at
ASCE GeoLogan97 Conference, Logan, Utah.
Gomez F , Rodriguez G, Ledezma F simulacin
de montecarlo en ingeniera geotcnica, y su
aplicacin en el anlisis de riesgos. Departamento
de ingeniera civil, facultad de ciencias y
tecnologa, universidad mayor de san simn.
Medina F, Galvan M (2007) Imputacin de datos,
teora y practica, CEPAL divisin de estadstica y
proyecciones econmicas
Faulin J, Juan A. Simulacin de Montecarlo con
Excel
Raychaudhuri S. Introduccin to Montecarlo
simulation
Moreno A,(s.f) Distribucion normal, recuperado
de
http://www.monografias.com/trabajos10/dino/din
o.shtml
Torres W, (2016) Control de asentamientos en
construcciones y edificaciones. Trabajo de Grado.
Universidad Catlica de Colombia. Facultad de
Ingeniera. Programa de Ingeniera Civil. Bogot,
Colombia.
Ibarra L (2014) Anlisis del asentamiento de
pilotes individuales mediante el uso de
modelacin numrica. Trabajo de Grado.
Universidad Catlica de Colombia. Facultad de
Ingeniera. Programa de Ingeniera Civil. Bogot,
Colombia.
Largo C, (2014) Balance de asentamientos
diferenciales presentes en edificacin con
cimentaciones sobre pilotes. Trabajo de grado
Universidad de Cartagena. Facultad de ingeniera.
Programa de ingeniera civil. Cartagena Colombia
Rivera J, Brizuela L, Oviedo M, Das Neves, G
(2015) Probabilidades de beneficio en la
cotizacin del suministro de mezcla asfltica
mediante simulacin de Monte Carlo. Revista
cubana de ingeniera.
Azofeifa C, (2002) Aplicacin de la simulacin
Monte Carlo en la administracin de proyectos
utilizando Excel y @Crystal Ball. Escuela de
matemticas Universidad Nacional de Heredia
Costa Rica.
Aparicio A, (2007) Mtodo Montecarlo de
simulacin recuperado de
http://www.excelavanzado.com/2007/05/mtodo-
monte-carlo-de-simulacin.html.
Regresion por minimos cuadrados: lineal y
cuadrtica, (s.f)
https://sites.google.com/site/numerictron/unidad-
4/4-3-regresion-por-minimos-cuadrados-lineal-y-
cuadratica