Sei sulla pagina 1di 120
UNIVERSIDAD NACIONAL DE INGENIERÍA Centro de Investigación y Estudios en Medio Ambiente CIEMA-UNI Evaluación de

UNIVERSIDAD NACIONAL DE INGENIERÍA Centro de Investigación y Estudios en Medio Ambiente

CIEMA-UNI

Evaluación de la Calidad de Datos en el muestreo hidroquímico de los pozos perforados de la ciudad de Managua (1993 – 2002)

Tesis sometida a la consideración del Centro de Investigación y Estudios en Medio Ambiente para optar al título de Maestro en Ingeniería Ambiental

AUTOR

Ing. Germán Padilla Díaz

TUTOR

M. Sc. Ing. Sergio Gámez Guerrero

Managua, Nicaragua, Julio 2005

DEDICATORIA

Dedico este trabajo con mucho cariño a mis padres Doña Enriqueta Díaz G. y Dn. Elen Padilla

Rivas por su inestimable apoyo a través de todos los períodos de mi vida, por su comprensión 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 tenían presente.

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

II

AGRADECIMIENTO A INSTITUCIONES

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

través de todos estos años ha apoyado los esfuerzos por garantizar un ambiente más saludable y mejores

oportunidades para resolver los acuciantes problemas de salud de la población nicaragüense. Esto es extensivo

a todos los funcionarios que he tenido el gusto de conocer a lo largo de estos años como el Ing. Carlos Morales

y el Ing. Miguel Balladares.

Extiendo mi agradecimiento a la Empresa Nicaragüense 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.

III

AGRADECIMIENTOS PERSONALES

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

Al Ing. Jorge Hayn Vogl le debo la posibilidad de haber ingresado al Programa de Maestría en Ingeniería Ambiental en la Universidad Nacional de Ingeniería cuando fungía como vice ministro de ENACAL.

Al Personal del laboratorio central de la Empresa Nicaragüense de Acueductos y Alcantarillados les debo haberme inspirado en la concepción de esta tesis, por haber mantenido una rutina de análisis durante estos largos doce años desde que empezamos a recopilar y almacenar la información de análisis físico químicos en las base de datos.

Al Licenciado Moisés Estrada Betancourt le agradezco el acicate de penetrar en los derroteros de la ingeniería ambiental y haberme motivado a seguir estudiando en un período en que no estaba dentro de mis planes o metas el continuar estudiando.

Debo también externar mi agradecimiento al Ing. Mario Gutiérrez Soto quien en el momento de iniciar esta carrera fungía como Director del Departamento de Calidad del Agua de ENACAL, y apoyó mi participación en el programa de maestría.

Al Sr. Ramón 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 su opinión sobre este documento cuando estaba en pañales. Asimismo, expreso mi gratitud al Ing. Sergio Gámez, director del CIEMA UNI por su ayuda invaluable al revisar esta tesis en todas sus fases y hacer las correcciones precisas.

IV

CARTAS

VI

VI

VII
VII
VIII

VIII

IX

IX

RESUMEN DE LA INVESTIGACION

El presente trabajo es un enfoque para el análisis de la calidad de los datos generados por el laboratorio Físico Químico de la Empresa de Acueductos y Alcantarillados Sanitarios (ENACAL) en el período 1993 - 2002. Se demuestra que los registros de calidad hidroquímica de los pozos perforados de Managua, tienen utilidad para establecer mejores criterios de decisión que apoyen los planes de muestreo y reducir los costos por análisis, haciendo más óptimo la selección de los puntos de muestreo.

Este trabajo es una validación a posteriori de los resultados obtenidos por el laboratorio en el que se hacen uso fundamentalmente de pruebas estadísticas no paramétricas. Se establecen los criterios por los que se decidió abordar el análisis de los datos mediante este tipo de pruebas no convencionales.

Se recopilaron los registros de análisis en los años ya mencionados y fueron trasladados para análisis a programas estadísticos como el SPSS. Debido a que era muy complejo analizar el comportamiento de alrededor de 20 variables, el análisis estadístico se concentró en 3 analitos de interés como indicadores de contaminación 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 aplicó el mismo procedimiento el cual incluyó además de la estadística descriptiva, pruebas de hipótesis mediante ensayos como el de la Prueba de Rango con signo de Wilcoxon.

Los resultados finales del trabajo incluyen el estudio de correlación entre variables, análisis de tendencias, cantidades de muestras a colectar en base a los niveles de acción propuestos y los límites de errores de decisión.

Existen buena justificación para avalar un estudio que revise la idoneidad de las normas CAPRE respecto a las características hidroquímicas del acuífero de Managua, así como para iniciar estudios de calidad del agua utilizando técnicas de muestreo que tomen como punto de partida los hallazgos del presente trabajo.

Se hacen recomendaciones para ejecutar un monitoreo más profundo en la zona de Ciudad Sandino en relación a cloruros, efectuar revisiones a la norma nacional de calidad del agua potable y se recomienda establecer un muestreo estratificado en las seis zonas en que fue dividido el área de estudio.

X

INDICE

No Página

DEDICATORIA

 

II

AGRADECIMIENTO A INSTITUCIONES

III

AGRADECIMIENTOS PERSONALES

IV

CARTAS

 

V

RESUMEN DE LA INVESTIGACION

X

INDICE

 

XI

ACRONIMOS

XV

Definiciones

XVI

1 Introducción

1

2 Justificación

2

3 Antecedentes del Area de Estudio

3

 

3.1

Clima

3

4 Objetivos

 

5

5

Marco Teórico

6

5.1

Qué es la Definición de Objetivos de Calidad de Datos (DOCD)?

6

5.1.1 Establecer el Problema:

6

5.1.2 Identificar

la

Decisión:

6

5.1.3 Identificar las variables de entrada para la decisión:

7

5.1.4 Definir los límites del estudio

7

5.1.5 Desarrollar una Regla de Decisión:

7

5.1.6 Especificar los límites tolerables en los Errores de Decisión

7

5.1.7 Optimizar el Diseño para Obtener Datos

7

5.2

Objetivos de Calidad de Datos

7

5.2.1 Especificar los límites tolerables en los Errores de Decisión

8

5.2.2 Fuentes de error

 

9

5.3 Uso de datos existentes para fundamentar la toma de decisiones

10

5.4 Diseño de los muestreos ambientales

11

5.4.1 La representatividad

 

11

5.4.2 Objetivos de los diseños de muestreo

11

XI

5.4.3

Tipos de diseño de muestreo

12

5.5

Proceso de Evaluación de la Calidad de los Datos

17

5.5.1

El proceso de evaluación

18

5.6

Fundamento de las Pruebas Estadísticas en la presente Investigación

19

5.6.1 La hipótesis de nulidad

20

5.6.2 La elección de la prueba estadística

20

5.6.3 El nivel de significancia y el tamaño de la muestra

22

5.6.4 La Distribución Muestral

24

5.6.5 La Región de Rechazo

24

5.6.6 La Decisión

25

5.7

Fundamento hidroquímico de la calidad de las aguas subterráneas

25

5.7.1 Características químicas de los iones y sustancias disueltas más importantes

26

5.7.2 Cationes y sustancias catiónicas

29

5.7.3 Principales gases disueltos

31

5.7.4 Aniones y sustancias aniónicas menores más importantes

32

5.7.5 Cationes y sustancias catiónicas menores más importantes

33

5.7.6 Procedencia de los iones disueltos en el agua subterránea

35

5.8 Justificación para el uso de ciertos compuestos inorgánicos como indicadores de contaminación

36

 

5.8.1 Vías de contaminación de las fuentes subterráneas

36

5.8.2 Cloruros

36

5.8.3 Nitratos

38

5.8.4 Potasio

39

6

Hipótesis

41

7 Metodología

 

42

7.1 Resumen

42

 

7.2 Obtención de los Datos del Estudio

42

7.2.1 Estructura de la base de datos

42

7.2.2 Traslado de los datos al SPSS

44

7.3

Formación de las Areas Geográficas de Análisis

45

7.3.1 Subsistema por zonas hidráulicas

45

7.3.2 Subsistema por Campos de Pozos o Grupos de Pozos Asociados:

46

7.3.3 Subsistema por Cortes Transversales:

47

7.4

Selección de las Areas Geográficas de Estudio

48

7.4.1 Zona 1: Es la zona Baja tal como ha quedado definida por ENACAL

49

7.4.2 Zona 2: Es la zona Alta

49

7.4.3 Zona 3: Es la zona Alta

49

7.4.4 Zona 4: abarca todos los pozos del Proyecto Managua II (Sabanagrande)

49

7.4.5 Zona 5: agrupa todos los pozos de la zona de Ciudad

49

7.4.6 Zona 6: agrupa todos los pozos del Proyecto Managua I (Municipio de Ticuantepe) y Valle Gothel.

49

7.5 El Plan de Evaluación de la Calidad de los Datos

7.6 Procedimiento para utilizar la Prueba de Rango con Signo de Wilcoxon para la prueba de medianas

49

50

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

52

8 Resultados

55

XII

8.1

Revisión de los Objetivos del Estudio

55

 

8.1.1 Definición del Problema

55

8.1.2 Datos faltantes

56

8.1.3 Escala de decisión

56

8.1.4 Traducción de los Objetivos en Hipótesis Estadísticas

56

8.1.5 Estimación de los Límites de Errores de Decisión

58

8.1.6 Diseño del muestreo

58

8.2

Revisión Preliminar de los Datos

58

8.2.1 Aseguramiento de calidad a través del período en estudio

59

8.2.2 Estadísticos básicos

59

8.2.3 Representación gráfica de los datos

62

8.3 Selección del ensayo estadístico

64

8.4 Verificación de los supuestos del ensayo estadístico

64

 

8.4.1 Supuestos sobre normalidad de la distribución

64

8.4.2 Resultados de análisis de tendencias

67

8.4.3 Ensayo para detección de datos aberrantes (outliers)

67

8.5

Conclusiones de los datos

68

8.5.1 Zona 1

69

8.5.2 Zona 2

69

8.5.3 Zona 3

70

8.5.4 Zona 4

71

8.5.5 Zona 5

71

8.5.6 Zona 6

72

8.6 Valores de alfa (α) y el Número de muestras a colectar

72

8.7 Resultados de Análisis del Pozo Perforado más antiguo del acueducto de Managua

74

8.8 Utilización del software Decision Error Feasibility Trials (DEFT)

76

8.9 Mapa de isovalores de nitratos

78

8.10 Mapa de Isovalores de Potasio

79

8.11 Mapa de Isovalores de Cloruros

80

9 Discusión de Resultados

 

82

9.1 Análisis de Percentiles

82

9.2 Estudio de Correlaciones entre variables

83

9.3 Análisis de Tendencias

83

9.4 Ensayos de pruebas de hipótesis

83

9.5 Cantidad de muestras a colectar

84

9.6 Situación

de

los Nitratos

88

9.7 Situación del Potasio

92

9.8 Situación de los Cloruros

93

10 Conclusiones

 

95

11 Recomendaciones

98

XIII

12

Referencias

99

Anexo - Uso del software DEFT para el cálculo estimado del tamaño de muestra

104

ILUSTRACIONES

Ilustración 1: Managua y su vecindad

4

Ilustración 2 Muestreo sistemático de cuadrícula

14

Ilustración 3: muestreo adaptivo

16

Ilustración 4: Muestreo compuesto

16

Ilustración 5: Estructura de la tabla de trabajo

43

Ilustración 6: Formato tabular de los datos

43

Ilustración 7: primera pantalla de captura del SPSS

44

Ilustración 8: Segunda pantalla de captura del SPSS

44

Ilustración 9: Pantalla de presentación y edición de datos del SPSS

45

Ilustración 10: Curvas de isovalores de Nitratos

79

Ilustración 11: Curva de Isovalores de Potasio

80

Ilustración 12: Curva de Isovalores de Cloruros

81

Ilustración 13: Zona Gris para Nitratos en la Zona 1 (Baja)

85

Ilustración 14: Zona Gris para Cloruros en la Zona 5 (Ciudad Sandino)

87

Ilustración 15: Zona Gris para Potasio en la Zona 4

88

Ilustración 16: Comportamiento Histórico del PP M. Oriental

89

Ilustración 17: Comportamiento Histórico del PP San Antonio

90

Ilustración 18: Comportamiento Histórico de PP Olof Palme

90

Ilustración 19: Comportamiento promedio anual de nitratos en base a todos los pozos

91

Ilustración 20: Datos promedio anuales con un solo dato promedio para el pozo Mercado Oriental de 54 ppm.

91

Ilustración 21: Comportamiento estacional de Nitratos en el PP Mercado Oriental durante 1998

92

Ilustración 22: Comportamiento del Potasio en base a Promedios Anuales

93

Ilustración 23: Comportamiento histórico de Cloruros

94

TABLAS

Tabla 1: Narrativo de Hipótesis Estadística

57

Tabla 2: Medidas de Tendencia Central y Percentiles

60

Tabla 3: datos para el análisis del ensayo de rangos estudentizado

65

Tabla 4: Estadística general del Pozo Las Mercedes 4

74

Tabla 5 : % de Muestras a colectar por zona por año (Nitratos)

76

Tabla 6: % de Muestras a colectar por zona por año (cloruros)

77

Tabla 7: % de Muestras a colectar por zona por año (potasio)

78

APENDICES

Apéndice 1 : Límites de Errores de Decisión

101

MAPAS

Mapa 1: Distribución de las Zonas Geográficas de Estudio

103

XIV

ACRONIMOS

GPM

galones por minuto

C.E.

Conductividad Eléctrica en uS/cm

S.D.

Sólidos disueltos en mg/L

Cl

Cloruros en mg/L como Cl

NO3

Nitratos en mg/L como NO3

K

Potasio en mg/L como K

Valid N (listwise)

Registros en los que todos los campos poseen datos

ECD

Evaluación de Calidad del Dato

PRSW

P. de Rango con Signo de Wilcoxon

ppm

partes por millón

mg/L

miligramos por litro

Definiciones

Desviación Estándar

Una medida de la dispersión alrededor de la media. En una distribución normal, 68% de los

(St)

casos caen dentro de una desviación estándar de la media y un 95% de los casos caen dentro

Error Estándar

de 2 SD. Una medida de cuánto el valor de un estadístico de prueba varía de muestra a muestra. Es la

(Standard Error)

desviación estándar de la distribución de muestreo para un estadístico. Por ejemplo, el error

Estadístico

estándar de la media es la desviación estándar de las medias de muestra. Medidas resumen usadas para describir la muestra.

Kurtosis

Una medida del grado en que las observaciones se agrupan alrededor de un valor central.

Población objetivo

Para una distribución normal, el valor del estadístico Kurtosis es cero ( Ø ). Kurtosis positiva indica que las observaciones se agrupan más y tienen colas más largas que las de la distribución Normal y la Kurtosis Negativa indica que las observaciones se agrupan menos y tienen colas más cortas. Es el conjunto de todas las unidades que involucran los items de interés en un estudio

Población muestral

científico, que es la población acerca de la cual el tomador de decisiones quiere estar apto para llegar a conclusiones. Es la parte de la población blanco que es accesible y disponible para muestreo.

Sesgamiento

Una medida de la asimetría de una distribución. La distribución normal es simétrica y tiene una

Unidad de muestreo

Sesgamiento de cero (Ø). Una distribución con un valor positivo significativo tiene una larga cola derecha. Una distribución con un Sesgamiento negativo tiene una larga cola hacia la izquierda. Un valor de sesgamiento mayor que 1, generalmente indica una distribución que difiere significativamente de una distribución normal. Es un miembro de la población que puede seleccionarse para muestreo, por ejemplo, un árbol

Gerente

individual, un volumen específico de aire o agua. Es muy importante para los planificadores del estudio ser muy específico cuando se definen las características de las unidades de muestreo con respecto al espacio y tiempo. Una unidad de muestreo debe detallar los componentes específicos de un medio ambiental. Autoridad formal de una organización que tiene la responsabilidad de la toma de decisiones

Usuario del Dato Aseguramiento de Calidad

basadas en juicios científicos o basados en el juicio experto. Es la entidad u organización propietaria de los datos generados, en este caso, es ENACAL. Es el conjunto de principios operativos que si se siguen estrictamente durante la colecta de muestra y el análisis, producirán datos de calidad conocidos y defendible. La veracidad de un resultado analítico puede establecerse con un alto nivel de confianza. El aseguramiento de calidad incluye el control de calidad y la evaluación de calidad.

XVI

1

Introducción

El estudio de la calidad de las aguas subterráneas es de especial relevancia porque éstas se consideran las fuentes de consumo de agua de menor riesgo en comparación con las fuentes superficiales. La ciudad de Managua está abastecida por 125 pozos perforados a todo lo largo de la zona urbana. En esta área se aprecia que la actividad humana ha intervenido de manera aún no cuantificada, ejerciendo un impacto el cual puede medirse a través de los posibles cambios históricos en compuestos inorgánicos que se encuentran presentes en el agua subterránea.

Desde 1993 los datos de análisis físico químicos se han registrado en varios tipos de software de base de datos con el fin de preservar y almacenar la información. Inicialmente los registros fueron almacenados utilizando DBASE III, luego se utilizó FoxPro y finalmente se mantiene en la actualidad el almacenamiento en Microsoft ACCESS (habiéndose empleado conforme avanzaba la modernización de los software, las versión #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 electrónicamente.

Uno de los riesgos a los que se expone todo conjunto de datos es que pueden pasar inadvertidos, y con ello, también no se establezca el esfuerzo que se ha desplegado durante la última década en las labores de muestreo y en las tareas analíticas. Una cantidad ingente de recursos se han vertido para lograr que un número se convierta en un diagnóstico de garantía que las normas de calidad de agua se cumplen. Para complementar esta serie de actividades, el tesista recurrirá a una serie de instrumentos de análisis, apoyándose principalmente en el manejo de varios paquetes informáticos como ACCESS, como administrador de la Base de Datos, SPSS, para el manejo estadístico de los datos, DEFT (Decisión Error Feasibility Trials) para la factibilidad de los muestreos ambientales mediante la definición adecuada del número de muestras y el costo, y EXCEL.

Un aspecto importante será la de dar forma a la abundancia de datos que están almacenados en las base de datos del Laboratorio Central de ENACAL, a la cual se tuvo acceso con la debida autorización de las autoridades a cargo de la custodia de la información (Gerencia Ambiental y Dpto. Calidad del Agua).

1

2

Justificación

Aparte que casi el 90% de la población que vive en Managua consume agua procedente de las aguas subterráneas, la densidad de pozos perforados existentes en el área es alta. Se estima que la cifra es de aproximadamente 1 pozo por kilómetro cuadrado (Km 2 ).

La cantidad de agua dulce en el planeta Tierra es de aproximadamente el 0.1% de la disponibilidad global, además, 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 acuíferos están sometidos a los riesgos de la polución 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, así como seguridad física, química y bacteriológica. En este sentido, los datos unificados con el debido criterio pueden maximizar la toma de decisiones y la buena interpretación de los resultados a través del tiempo.

Con el objeto de establecer la situación actual de la calidad hidroquimica de todos los pozos perforados de la ciudad de Managua, esclareciendo y ofreciendo alternativas para optimizar los recursos (identificación del número adecuado de muestras desde un punto de vista estadístico 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 características hidroquímicas de los acuíferos de Nicaragua y en especial de la zona de Managua.

Adicionalmente, el dato que se genere debe estar amparado bajo un correcto Diseño 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 subterránea es el recurso invisible, tanto es así, que muy pocas veces se advierten los cambios que podrían servirnos como campanada de alerta para iniciar cuanto antes medidas de protección cuyos beneficiarios seríamos nosotros, nuestras futuras generaciones y nuestros acuíferos.

2

3

Antecedentes del Area de Estudio

La ciudad de Managua, capital de la República de Nicaragua, tiene una extensión de 200 Km 2 y una población total aproximada de 1,2 millones de habitantes. En 1991 tenía una producción de agua de 268 000 m 3 /día (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 área depende en gran medida del agua subterránea (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 está recargada principalmente por aguas subterráneas.

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 extraída solamente se le aplica cloración como medida de protección contra alguna posible recontaminación en las redes.

3.1

Clima

De acuerdo con la Enciclopedia de Nicaragua, Tomo I, el clima en Managua puede describirse así: “ La temperatura en los meses de abril y mayo, y, después, entre agosto y septiembre, alcanza los promedios máximos anuales (32 o C a la sombra, en Managua); en cambio, entre los meses de diciembre y febrero se presentan los promedios mínimos anuales (25 o C para la misma localidad). Desde luego, las variaciones anuales extremas marcan mínimos absolutos en ciertas madrugadas de enero, cuando la temperatura en Managua baja excepcionalmente a 19 o C, así como máximos absolutos en ciertas tardes de abril y mayo, cuando el termómetro marca 36 o C a la sombra. A esto habría que añadir que Managua se encuentra entre los 40 y 200 m sobre el nivel del mar.”

El clima del área de estudio es clasificado como clima tropical de sabana, la temperatura promedio es de 25,6°C durante el mes de diciembre y de 28,6°C en abril. La estación lluviosa (invierno) comienza en mayo y termina en octubre o noviembre, mientras que la estación seca (verano) comienza en noviembre y termina en abril. La precipitación media anual varía entre 1100 mm y 1500 mm dependiendo de la elevación. El valor más bajo se observa en la costa sur del lago de Managua y el más

3

alto en el área montañosa. La evaporación anual varía de 1800 mm a 2700 mm casi en correspondencia con la elevación y la evapotranspiración potencial se considera alta.

Ilustración 1: Managua y su vecindad 1

se considera alta. Ilustración 1: Managua y su vecindad 1 1 Tomado de la Enciclopedia de

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

4

4

Objetivos

El objetivo general de 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 siguientes objetivos específicos :

1. Establecer los parámetros estadísticos descriptivos en base a los registros existentes para los iones nitratos, potasio y cloruros.

2. Determinar la variación histórica de los principales cationes y aniones en las aguas de los pozos de abastecimiento, haciendo especial énfasis en nitratos, potasio y cloruros.

3. Fijar las bases para la creación de un Diseño de Muestreo sobre el acueducto de Managua, en base a la información existente.

4. Comparar los valores registrados con los valores de las Normas CAPRE y recomendar pautas para la redefinición de criterios de calidad siempre y cuando esto no conlleve un riesgo a la salud humana.

5

5

Marco Teórico

5.1 Qué es la Definición de Objetivos de Calidad de Datos (DOCD)?

El marco referencial de todo diseño de muestreo ambiental, es la definición de los Objetivos de Calidad de Datos. Para analizar los resultados obtenidos a través de un horizonte de tiempo y en un área geográfica determinada, la base fundamental es el Proceso de identificación de los objetivos de calidad.

Es un análisis de siete etapas recomendado por la Agencia de Protección Ambiental de los Estados Unidos (EPA) para desarrollar diseños de muestreo para las actividades de colecta de datos que soportan la toma de decisiones. Este proceso utiliza la planificación sistemática y los ensayos de hipótesis estadística para diferenciar entre dos o más alternativas claramente definidas.

La planificación sistemática es el proceso basado en el método científico lo que incluye conceptos tales como objetividad de análisis y aceptabilidad de los resultados. Este proceso se basa en el sentido común, examen a escala de la situación para garantizar que el nivel de detalle en la planificación es equiparable con la importancia y el uso pretendido del trabajo y los recursos disponibles. Este esquema promueve la comunicación entre todos los individuos involucrados en un programa ambiental. A través de un proceso sistemático de planificación, el equipo puede desarrollar los criterios de aceptación o desempeño para la calidad de los datos colectados y para la calidad de la decisión. Cuando estos datos están 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 Definición de los Objetivos de Calidad de los Datos.

Los siete pasos antes mencionados son los siguientes:

5.1.1 Establecer el Problema:

Definir

calendarizar.

el

problema,

identificar

el

equipo

5.1.2 Identificar la Decisión:

de

planificación,

examinar

el

presupuesto,

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

6

5.1.3

Identificar las variables de entrada para la decisión:

Identificar la información necesaria para la decisión (fuentes de información, bases para el Nivel de Acción, métodos de muestreo y análisis).

5.1.4

Definir los límites del estudio

Especificar las características de la muestra, definir los límites tiempo-espacio, unidades de toma de decisiones.

5.1.5

Desarrollar una Regla de Decisión:

Definir los parámetros estadísticos (media, mediana, etc.), especificar el Nivel de Acción, desarrollar una lógica para la Acción.

5.1.6

Especificar los límites tolerables en los Errores de Decisión

Fijar los límites aceptables para los errores de decisión relativos a las consecuencias (efectos en la salud, costos).

5.1.7

Optimizar el Diseño para Obtener Datos

Seleccionar el muestreo efectivo en recursos y el plan de análisis que cumpla los criterios de desempeño.

5.2

Objetivos de Calidad de Datos

Son las normativas cuantitativas y cualitativas que se desarrollan utilizando el proceso mencionado anteriormente a través de las siete etapas, que clarifican los objetivos de estudio, definen el tipo apropiado de dato, y especifican los límites tolerables de posibles errores de decisión que serán 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 desempeño que limitan las probabilidades de errores al tomar decisiones mediante la consideración del propósito de la colecta de datos, definiendo el tipo apropiado de datos requerido y especificando las probabilidades tolerables de los errores de decisión.

Los primeros cinco pasos o etapas del proceso se enfocan principalmente en la identificación de criterios cualitativos como son:

7

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 geográficos, medio ambiente, el período de colecta de datos, etc), y La regla de decisión que define cómo se usará el dato para escoger entre las acciones alternativas. La definición de las fronteras tiempo / espacio de la decisión. El establecimiento de los miembros del equipo de planificación y los que tomarán las decisiones.

5.2.1 Especificar los límites tolerables en los Errores de Decisión

Esta es la sexta etapa y una de la más crucial dentro del proceso de definición de los Objetivos de Calidad de Datos. Esta fase involucra a la vez los siguientes componentes:

Determinar el rango del parámetro de interés Escoger la hipótesis nula Examinar las consecuencias de hacer una decisión incorrecta Especificar un rango de valores donde las consecuencias son menos impactantes (región gris). Asignar valores de probabilidad a los puntos arriba y debajo del Nivel de Acción que refleja la probabilidad tolerable para errores de decisión potenciales.

puntos arriba y debajo del Nivel de Acción que refleja la probabilidad tolerable para errores de
puntos arriba y debajo del Nivel de Acción que refleja la probabilidad tolerable para errores de
puntos arriba y debajo del Nivel de Acción que refleja la probabilidad tolerable para errores de
puntos arriba y debajo del Nivel de Acción que refleja la probabilidad tolerable para errores de

Se considera que esta es una de las fases más importantes porque aquí ya no es posible imaginarse que se dispone de la información 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 información perfecta sobre la cual basar las decisiones. En vez de eso, las decisiones se basarán en un conjunto de datos muestrales sujetos a diversos errores que son parte de una población de interés mucho más 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 definición de los objetivos de calidad de datos, los valores numéricos serán examinados en un intento de mantener la posibilidad de un error de decisión a un mínimo.

8

El propósito de la fase 6 es la de especificar las metas de desempeño cuantitativas para escoger entre dos alternativas de acción para la regla de decisión. Las metas se expresan como probabilidades de cometer errores en la decisión en los valores verdaderos seleccionados del parámetro de interés especificado en la etapa 5. Estas probabilidades de metas de desempeño en la decisión son una definición de la cantidad de incertidumbre que se está dispuesto a tolerar en las decisiones en unos pocos valores verdaderos críticos que son específicos del parámetro de interés.

5.2.2 Fuentes de error

Un error de decisión ocurre cuando un conjunto de datos de muestras conducen erróneamente a hacer decisiones erradas y a tomar acciones respuesta igualmente equivocadas. La posibilidad de un error de decisión existe porque la decisión está basada precisamente en datos de muestra que son incompletas o imperfectas. Aún cuando el método de colecta y el método de análisis puede no estar sesgado, los datos de la muestra están sujetos a los errores sistemáticos y aleatorios en diferentes etapas de su adquisición, desde la colecta en campo hasta el análisis de laboratorio. La combinación de todos estos errores se llama error total del estudio. Pueden haber muchos contribuyentes al error total del estudio, pero hay típicamente dos componentes:

1. Error del diseño de muestreo – Este error está influenciado por la variabilidad inherente de la población en el espacio y el tiempo, el diseño de colecta de muestra y el número de muestras. Usualmente es impráctico medir la unidad de decisión entera, y un muestreo limitado puede dejar a un lado aspectos de la variación natural de la medición de interés. El error de diseño de muestreo ocurre cuando el diseño de colecta de datos no captura la variabilidad completa dentro de la unidad de decisión en tal grado para la decisión de interés. Este error puede producir error aleatorio (variabilidad o imprecisión) y error sistemático (sesgo) en las estimaciones de los parámetros poblacionales.

2. Error de medición – Este error (variabilidad) está influenciado por imperfecciones en la medición y el sistema de análisis. Los errores de medición sistemáticos y aleatorios son introducidos en el proceso de medición durante la colecta física de la muestra, la manipulación de la muestra, la preparación de la muestra, el análisis de la muestra, la reducción de datos, transmisión y almacenamiento.

9

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 diseño de muestreo y sistema de medición. Esto hará posible controlar la posibilidad de cometer errores de decisión y llevarlos a niveles aceptables.

5.3 Uso de datos existentes para fundamentar la toma de decisiones

El dato existente es útil, 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 evaluación preliminar de la variabilidad. En estos casos, los datos existentes pueden ser una base invaluable para ayudar a desarrollar un diseño para captar datos. Es crítico examinar el dato existente para asegurarse que la 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 límite 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 desempeño analítico de los métodos para el dato existente (precisión, exactitud, límites de detección) y compararlo con las especificaciones del Paso 3 del Proceso de Definición 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 operación muy compleja y se debe hace con mucho cuidado. En muchos casos, se necesita de experticia estadística para evaluar ambos conjuntos de datos y combinarlos con confianza.

No siempre se necesita desarrollar diseños de muestreo estadístico probabilístico para el registro de datos si se utiliza el proceso de las siete etapas. No todos los problemas de muestreo pueden resolverse con diseños probabilísticos. Sin embargo , el proceso OCD debería utilizarse como una herramienta de planificación para los estudios aún si el diseño de registro de datos estadístico no se emplea. En estos casos el equipo de planificación deberá buscar un experto en cómo desarrollar un

10

diseño de toma de datos no estadístico y cómo evaluar los resultados. Cuando se emplean métodos de muestreo no probabilístico, de juicio, se necesita verificar que los requisitos de aseguramiento de calidad se han cumplido.

5.4

Diseño de los muestreos ambientales

5.4.1

La representatividad

La representatividad del muestreo se logra a través del diseño de muestreo. Puede considerarse como una medida del grado en que el dato representa de manera exacta y precisa, una característica de la población, las variaciones del parámetro en un punto de muestreo, una condición del proceso o una condición ambiental. El desarrollo de un diseño 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 diseños de muestreo

Un diseño de muestreo completo indica el número de muestras e identifica las muestras particulares, por ejemplo, las posiciones geográficas en donde se captarán las muestras o los puntos en el tiempo en que tomarán las muestras. Además de esta información, el diseño completo incluirá una explicación y justificación del número y las posiciones/tiempo de las muestras.

Los objetivos típicos de un diseño de muestreo es la colecta de datos ambientales con el propósito de:

1. Soportar o justificar una decisión acerca de si los niveles de contaminación exceden un techo de riesgo inaceptable.

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

3. Estimar las características medias de una población o la proporción de una población que tiene ciertas características de interés.

4. Identificar los lugares manchas-negras (áreas con altos niveles de contaminación) o delineación de la pluma de contaminación.

5. Caracterizar la naturaleza y extensión de la contaminación en el sitio, o

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

11

El diseño de muestreo especifica el Número, Tipo y Ubicación espacial y temporal de las unidades de muestreo seleccionados para medición. Otro concepto inherente es el del Modelo Conceptual del Peligro Potencial el cual debe incluirse en los protocolos de diseño de muestreo.

Se hace la observación que muchas veces las investigaciones no van acompañadas de un Diseño de muestreo sustentado con las herramientas estadísticas.

5.4.3 Tipos de diseño de muestreo 2

Están definidos seis tipos de diseños de muestreo y un protocolo de muestreo (por ejemplo, el muestreo compuesto). La mayoría de estos se ajustan a los monitoreos ambientales.

5.4.3.1 Muestreo Razonado

La selección de las unidades de muestreo (por ejemplo el número y ubicación y / o el período de colecta de muestras), está basado en el conocimiento del aspecto o la condición que se investiga y en el juicio profesional. El muestreo razonado se distingue del muestreo basado en probabilidades estadísticas en que las inferencias se basan en el juicio experto y no en la teoría científica. Por lo tanto, las conclusiones basadas en la población blanco son limitadas y dependen enteramente en la validez y exactitud del razonamiento profesional. Las definiciones probabilísticas acerca de los parámetros no son posibles. Este tipo de diseño se utiliza en conjunto con otro tipo de diseños 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 números aleatorios, y todas las posibles selecciones de un número dado de unidades son igualmente probables. Por ejemplo, una simple muestra aleatoria de un conjunto de pozos pueden tomarse mediante la numeración de todos los pozos y luego seleccionando aleatoriamente de la lista o por el muestreo de un área mediante el uso de pares aleatorios de

2 Hay diseños de muestreos que pueden utilizarse en la colecta de datos ambientales que no están considerados, como el doble muestreo, el muestreo secuencial, el muestreo cuota o el muestreo en multietapas.

12

coordenadas. Este método es fácil de entender, y las ecuaciones para determinar el tamaño de muestra son relativamente sencillas.

El muestreo aleatorio simple es muy útil cuando la población de interés es relativamente homogénea, y no se esperan patrones de contaminación o áreas con datos fuera de la norma. La principal ventaja de este diseño son:

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

2. Es fácil de entender y fácil de implementar.

3. Los cálculos de tamaño de muestra y análisis de datos son muy sencillos.

En algunos casos, la implementación del muestreo simple aleatorio puede ser más difícil que los otros tipos de diseño (por ejemplo, las muestras en nodo) debido a la dificultad de identificar precisamente lugares geográficos de manera aleatoria. Adicionalmente, el muestreo simple aleatorio puede ser más 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 población blanco se separa en estratos que no se traslapan, o en subpoblaciones que se saben que son más homogéneas (relativo al medio ambiente o al contaminante), de manera que haya menos variación 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 información preexistente o juicio profesional acerca del sitio o el proceso.

Este diseño es útil para estimar un parámetro cuando la población blanco es heterogénea y el área puede ser subdividida basado en niveles de contaminación esperados. La ventaja de este diseño de muestreo es que tiene potencial para lograr mayor precisión en estimados de media y varianza, y que permite el cálculo de estimados confiables de los subgrupos de interés especial. Mayor precisión puede obtenerse si la medición de la medición de interés está fuertemente correlacionada con la variable usada para hacer el estrato.

13

5.4.3.4

Muestreo sistemático o de celdas

En el muestreo sistemático 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 están en intervalos regulares sobre un área (celda) o tiempo (sistemático).

En el muestreo sistemático 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 patrón regular, por ejemplo en los puntos de intersección de cada línea en las celdas. El muestreo de celda-sistemático se utiliza para investigar áreas sensibles de contaminación y para inferir medias, percentiles u otros parámetros y es también útil para estimar patrones espaciales o tendencias en el tiempo. Este diseño provee un método práctico y fácil para lugares de muestreo y asegurar una cobertura uniforme del sitio, unidad, o proceso.

una cobertura uniforme del sitio, unidad, o proceso. Ilustración 2 Muestreo sistemático de cuadrícula 5.4.3.5

Ilustración 2 Muestreo sistemático de cuadrícula

5.4.3.5 Muestreo en conjunto de rangos

Es un diseño innovativo que puede ser muy útil y eficiente en costo al obtener mejores estimados de los niveles de concentración promedio en suelo y otros medios ambientales al incorporar explícitamente el juicio profesional de un investigador de campo o de un método de sondeo de campo para escoger los lugares específicos de muestreo en el campo. El muestreo en conjunto de rangos utiliza un diseño 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.

14

En el muestreo de rangos, m conjuntos ( cada uno de tamaño 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, rápidas. Una unidad de muestreo de cada conjunto se selecciona entonces (basado en los rangos observados) para medición subsecuente, utilizando un método más preciso y confiable ( y por ende más caro) del parámetro de interés. En relación al muestreo aleatorio simple, este diseño resulta en muestras más representativas y conduce a estimados más precisos de los parámetros poblacionales.

El muestreo en rangos es útil cuando el costo de localizar y ranguear sitios en el campo es bajo comparado a las mediciones de laboratorio. Es también apropiado cuando una variable barata auxiliar ( basada en el conocimiento experto o en la medición), está disponible para ranguear las unidades de población con respecto a la variable de interés. Para emplear este diseño efectivamente, es importante que el método de rangueo y el método analítico estén 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 algún valor límite o guía. Varios ensayos de muestreo y análisis se requieren en algunas situaciones. El muestreo de grupo registra las probabilidades de selección para fases posteriores de muestreo de manera que un estimado no sesgado de la población promedio se pueda calcular a pesar del sobremuestreo de ciertas áreas. Un ejemplo de aplicación del muestreo en grupo es el delinear los bordes de una pluma de contaminación.

En la Ilustración 2, se muestran formas iniciales y finales del muestreo en grupo adaptativo. Las mediciones iniciales se hacen a partir de unidades de muestreo seleccionadas según el diseño de muestreo simple aleatorio. Si una unidad de muestreo se encuentra con características de interés, por ejemplo, concentración alta de un contaminante de interés, efecto ecológico, entonces se seleccionan las unidades de muestreo adyacentes a la unidad original seleccionada, y se hacen las mediciones.

El muestreo adaptativo en grupo es útil para estimar o investigar características extrañas en una población y es apropiado para mediciones baratas y rápidas. Esto hace factible delinear los contornos de las áreas sensibles, a la vez que se utiliza el dato colectado con ponderación apropiada para dar estimados no sesgados de la población promedio.

15

Ilustración 3: muestreo adaptivo 5.4.3.7 Muestreo Compuesto En el muestreo compuesto, los volúmenes de material

Ilustración 3: muestreo adaptivo

5.4.3.7 Muestreo Compuesto

En el muestreo compuesto, los volúmenes de material de distintos unidades de muestreo seleccionados, son físicamente combinados y mezclados en un esfuerzo para formar una sola muestra homogénea, que es luego analizada. El composteo puede ser efectivo en costo porque reduce el número de análisis químicos. Es más costo efectivo cuando los costos de análisis son grandes en relación de los costos de muestreo, sin embargo, demanda que no haya riesgos a la salud o sesgos potenciales, como por ejemplo pérdida de compuestos orgánicos, asociados con el proceso de composteo. Ver Ilustración 3.

de compuestos orgánicos, asociados con el proceso de composteo. Ver Ilustración 3. Ilustración 4: Muestreo compuesto

Ilustración 4: Muestreo compuesto

16

5.5

Proceso de Evaluación de la Calidad de los Datos

La evaluación de la Calidad de los datos es el procedimiento científico y estadístico 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 realizó el monitoreo. Para la evaluación de la calidad del dato es necesario acudir a herramientas gráficas y estadísticas para ejecutar este proceso.

La Evaluación 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 vacío, se debe conocer el contexto en que el conjunto de datos será utilizado para establecer el criterio si el dato es adecuado.

Con la evaluación se pretende conocer dos aspectos:

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

2. Qué tan bien se espera que funcione el diseño muestral sobre un amplio rango de posibles obstáculos o interferencias? Puede utilizarse el mismo diseño de muestreo en otros casos con el deseado nivel de confianza, particularmente si los resultados resultan más altos o más 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 acción sobre otro, entonces el tomador de decisiones puede proceder sabiendo que la decisión será fundamentada en datos no ambiguos. Por el contrario, si el dato no aporta evidencia fuerte a favor de una alternativa, entonces el análisis del dato alerta al tomador de decisiones sobre la incertidumbre. En este momento, el gerente está en una posición de tomar otras medidas como colectar más 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 diseño de muestreo en un lugar diferente al sitio en que

17

fue utilizado originalmente, ellos deberían determinar lo bien que el diseño puede desempeñarse dadas las interferencias en las nuevas condiciones ambientales. Lo adecuado o apropiado de un diseño de muestreo debe examinarse sobre una base amplia de posibles obstáculos o interferencias.

5.5.1 El proceso de evaluación

Consiste de cinco etapas que inicia con la revisión de la planificación original y termina con una respuesta a la pregunta de la etapa 2 de la definición de los objetivos de calidad.

Paso 1

Revisar los OCD y el Diseño de Muestreo

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 hipótesis estadísticas y se especifican los límites tolerables en los errores de decisión. Para la estimación de problemas, se definen los intervalos de probabilidad y los niveles de confianza aceptables. Se revisan los diseños de muestreo y la documentación de colecta de datos para ver si son consistentes con el OCD.

Paso 2

Ejecute una Revisión Preliminar

Se revisan los reportes de aseguramiento de calidad, se calculan las estadísticas básicas y se generan gráficos del dato. Se usa esta información para conocer la estructura del dato e identificar patrones, relaciones o anomalías potenciales.

Paso 3

Seleccione el Ensayo Estadístico

Se selecciona el procedimiento más apropiado para resumir y analizar los datos, basado en la revisión de los OCD, el diseño de muestreo y la revisión preliminar. Identifique los supuestos claves subyacentes que deben hacerse para que los procedimientos estadísticos sean válidos.

18

Paso 4

Verifique los supuestos del Ensayo Estadístico

Evalúe si los supuestos se mantienen o si se aceptan desviaciones, dados los datos actuales.

Paso 5

Obtenga conclusiones de los datos

Ejecute los cálculos requeridos por el ensayo estadístico y documente las interferencias halladas como resultado de estos cálculos. Si el diseño será utilizado nuevamente, evalúe el desempeño del diseño de muestreo.

5.6 Fundamento de las Pruebas Estadísticas en la presente Investigación

En el desarrollo de las investigaciones se busca determinar en qué medida son aceptables las hipótesis que derivan de las teorías. Después de la selección de cierta hipótesis que parece importante en una teoría determinada, se recopilan los datos empíricos que dan información directa acerca de la aceptabilidad de esa hipótesis. La decisión acerca del significado de los datos puede conducir la confirmación, revisión o rechazo de la hipótesis y, con ella, la teoría que la originó.

Para decidir con objetividad si una hipótesis particular se confirma por un conjunto de datos, se requiere un procedimiento que conduzca a un criterio objetivo para descartar o aceptar la hipótesis. El método científico necesita que las conclusiones sean obtenidas por métodos normalizados, susceptibles de repetirse por otros investigadores. Este procedimiento objetivo debe basarse tanto en la información obtenida al investigar como en el margen de error que se dispone aceptar si el criterio de decisión con respecto a la hipótesis resulta incorrecto. Los pasos que sigue el procedimiento comprenden en el orden de ejecución los siguientes:

1. Formulación de la hipótesis de nulidad (Ho).

2. Elección de una prueba estadística (con su modelo estadístico asociado) para probar Ho. De las pruebas capaces para utilizarse con un diseño de investigación dado, hay que seleccionar aquella cuyo modelo se aproxima más a las condiciones de la investigación (en términos de los

19

supuestos que califican el uso de la prueba) y cuyos requisitos de medición satisfacen las medidas usadas en la investigación.

3.

Especificación del nivel de significancia (α) y del tamaño de la muestra N.

4.

Encuentro o suposición de la distribución muestral de la prueba estadística conforme a Ho.

5.

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

6.

Cálculo del valor de la prueba estadística con los datos obtenidos de las muestras. Si el valor desciende a la región de rechazo, Ho debe rechazarse, si el valor cae fuera de la región de rechazo, Ho no puede rechazarse al nivel de significancia escogido.

5.6.1

La hipótesis de nulidad

El primer paso en el proceso de hacer decisiones es enunciar la hipótesis de nulidad (Ho). La hipótesis de nulidad es una hipótesis de diferencias nulas. Se formula generalmente con la intención expresa de ser rechazada. Si se rechaza, puede aceptarse entonces la hipótesis alterna (H1). La hipótesis alterna es la aseveración operacional de la hipótesis de investigación del experimentador. La Hipótesis de investigación es la predicción que se deriva de la teoría que se está probando.

Al efectuar una decisión acerca de diferencias, se somete a prueba a Ho frente a H1. H1 constituye la afirmación aceptada cuando Ho es rechazada.

5.6.2 La elección de la prueba estadística

El campo de la estadística se ha desarrollado hasta el grado en que actualmente se cuenta para casi todos los propósitos de investigación con pruebas estadísticas susceptibles de usarse alternativamente para tomar decisiones acerca de hipótesis. Al comparar las pruebas, se requiere de una base racional para escoger entre ellas. Uno de los aspectos cruciales en la elección de la prueba estadística es decidir si se escogerán pruebas paramétricas o no paramétricas.

5.6.2.1 Pruebas Estadísticas Paramétricas y No Paramétricas

Una prueba estadística paramétrica es aquella cuyo modelo especifica ciertas condiciones acerca de los parámetros de la población de la que se obtuvo la muestra investigada, que no se prueban ordinariamente, y se supone que se mantienen. La significación de los resultados de una prueba paramétrica depende de la validez de estas suposiciones. A medida que las suposiciones que definen

20

un modelo particular sean más escasas, o más vagas, se necesitan de menos limitaciones para llegar a una decisión lograda por la prueba estadística asociada con el modelo. Es decir, a menores o más débiles suposiciones, habrá conclusiones más generales.

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

1. Las observaciones deben ser independientes entre sí. La selección de un caso cualquiera de la población con miras de inclusión 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 deberán haberse medido por lo menos en una escala de intervalo, de manera que sea posible usar las operaciones aritméticas con los puntajes.

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

poblaciones normales y homocedásticas (iguales varianzas) deberán 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 estadística no paramétrica es aquélla cuyo modelo no especifica las condiciones de los parámetros de la población de la que se obtuvo la muestra. Hay algunas suposiciones que se asocian con la mayoría de las pruebas estadísticas no paramétricas: observaciones independientes y variable de continuidad básica; pero estas suposiciones son pocas y mucho más débiles que las asociadas con las pruebas paramétricas. Además, las no paramétricas no requieren mediciones tan fuertes; la mayoría de las pruebas no paramétricas se aplican a datos de una escala ordinal y algunas a los de una escala nominal.

5.6.2.2 Ventajas de las pruebas estadísticas no paramétricas

1. Las declaraciones de probabilidad obtenidas de la mayoría de las pruebas estadísticas no paramétricas son probabilidades exactas (excepto en el caso de muestras grandes, que proporcionan excelentes aproximaciones), independientemente de la forma de la distribución de la población de la que se tomó la muestra. La exactitud de la declaración de probabilidad no depende de la forma de la población, aunque algunas pruebas no paramétricas supongan

21

identidad de forma de dos o más distribuciones de población. En ciertos casos, las pruebas no paramétricas suponen que la distribución de base es continua, suposición que comparten las pruebas paramétricas.

2.

Si los tamaños de las muestras son tan pequeños como N = 6, no hay alternativa de elección de una prueba estadística no paramétrica a menos que se conozca exactamente la naturaleza de la distribución de la población.

3.

Hay pruebas estadísticas no paramétricas adecuadas para observaciones hechas en poblaciones diferentes. Ninguna prueba paramétrica puede manejar tales datos sin exigir suposiciones aparentemente irreales.

4.

Los métodos no paramétricos son útiles para los datos simplemente clasificatorios, medidos en una escala nominal. Ninguna técnica paramétrica se aplica a tales datos.

5.

Las pruebas estadísticas no paramétricas son típicamente mucho más fáciles de aplicar que las pruebas paramétricas.

5.6.2.3

Desventajas de las pruebas estadísticas no paramétricas

Si todos los supuestos del modelo estadístico paramétrico son satisfechos realmente por los datos y si la medida tiene la fuerza requerida, las pruebas estadísticas no paramétricas disipan los datos. El grado de desperdicio se expresa por la potencia-eficiencia de la prueba no paramétrica. Si una prueba estadística no paramétrica tiene una potencia – eficiencia de por ejemplo, el noventa por ciento, esto significa que al ser satisfecha todas las condiciones de la prueba paramétrica, el método paramétrico apropiado será tan efectivo con una muestra menor en un diez por ciento que la utilizada en el análisis no paramétrico.

Hasta el momento no hay métodos no paramétricos para probar las interacciones dentro del modelo de análisis de varianza, a menos que se hagan suposiciones especiales acerca de la aditividad.

5.6.3 El nivel de significancia y el tamaño de la muestra

Cuando se enuncian la hipótesis de nulidad (Ho) y la hipótesis alterna (H1) y cuando la prueba estadística apropiada a la investigación fue seleccionada, el paso siguiente consiste en especificar el nivel de significancia (α) y seleccionar un tamaño 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

22

conjunto se extrae un subconjunto de muestras de características tan extrema que reducen mucho la probabilidad, si Ho es verdadera, de que la muestra esté entre ellas. El procedimiento es rechazar Ho para aceptar H1 si una prueba estadística produce un valor cuya probabilidad asociada de ocurrencia bajo Ho es igual o menor que alguna pequeña probabilidad simbolizada por α. Esta pequeña

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

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

que se defina antes de colectar los datos. El nivel que el investigador escoge para α deberá

determinarse por la estimación que haga de la importancia o del posible significado práctico 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 está dada por α. Cuando mayor sea α, tanto más probable es que Ho sea rechazada equivocadamente, es decir, tanto más probable es que se cometa el error tipo I. El error tipo II se suele representar por β; α y β indican tanto el tipo de error como la probabilidad de cometerlo, esto es:

P(error tipo I) = α

P(error tipo II) = β

En condiciones ideales, los valores de α y β deberían ser especificados por el experimentador antes de iniciar la investigación. Estos valores determinarán el tamaño de la muestra (N) que deberá usarse para el cálculo de la prueba estadística. En la práctica, es común que α y N queden especificados por

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

inversa entre las probabilidades de cometer ambos tipos de errores, al decrecer α se incrementará β

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

N.

23

La potencia de una prueba se define como la probabilidad de rechazar Ho cuando es realmente falsa, esto es:

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

5.6.4 La Distribución Muestral

Cuando se ha escogido una prueba estadística para aplicarla a los datos, se debe determinar cuál es la distribución muestral del estadístico de la prueba. La distribución muestral es una distribución teórica. Se obtendría al tomar al azar todas las muestras posibles de un mismo tamaño extraídas de una misma población. Expresado de otra forma, la distribución muestral es la distribución, conforme a Ho, de todos los valores posibles que un estadístico (por ejemplo, la media muestral) puede tomar cuando se calcula con muestras de igual tamaño tomadas al azar.

La distribución muestral de un estadístico señala las probabilidades conforme a Ho que están asociadas con los diferentes valores numéricos posibles de la estadística. La probabilidad asociada con la ocurrencia de un valor particular de la estadística conforme a Ho no es la probabilidad exacta de precisamente ese valor. La expresión las probabilidades asociadas con la ocurrencia conforme a Ho se refiere a la probabilidad de un valor particular más la probabilidad de todos los valores más extremos posibles.

5.6.5 La Región de Rechazo

La región de rechazo es una región de la distribución muestral. Consiste de un conjunto de valores posibles tan extremos que, cuando Ho es verdadera, es muy pequeña la probabilidad (α) de que la muestra observada produzca un valor que esté entre ellos. La probabilidad asociada con cualquier valor de la región de rechazo es igual o menor que α.

El tamaño de la región de rechazo queda expresado por α, que es el nivel de significancia. Si α= 0.05, entonces el tamaño de la región de rechazo es del cinco por ciento del área total comprendida bajo la curva de la distribución muestral.

24

5.6.6

La Decisión

Si la prueba estadística da un valor que está en la región de rechazo, se rechaza Ho. Esto puede suceder debido a dos situaciones: suponiendo que la hipótesis de nulidad es falsa o que un evento raro e improbable ha sucedido. En este proceso de decisión, se escoge la primera explicación. La probabilidad de que la segunda explicación sea la correcta está dada por α, pues el rechazo de Ho cuando es verdadera es el error tipo I.

Cuando la probabilidad asociada con un valor observado de una prueba estadística es igual o menor que el valor previamente determinado de α, se concluye que Ho es falsa. El valor observado se llama significativo. La hipótesis 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 α.

5.7 Fundamento hidroquímico de la calidad de las aguas subterráneas

En un agua subterránea natural, la mayoría de las sustancias disueltas se encuentran en estado iónico. 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.

Estos iones fundamentales son

Aniones Cloruro Cl - Sulfato SO 4 -- Bicarbonato CO 3 H -

Cationes Sodio Na + Calcio Ca ++ Magnesio Mg ++

Es frecuente que los aniones nitrato (NO 3 - ) y carbonato (CO 3 -- ) y el catión potasio (K + ) se consideren dentro del grupo de iones fundamentales aun cuando en general su proporción es pequeña. Otras veces se incluye además el ion ferroso (Fe ++ ).

Entre los gases deben considerarse como fundamentales el anhídrido carbónico (CO 2 ) y el oxígeno disuelto (O 2 ), aunque no es frecuente que se analicen en aguas subterráneas.

25

Entre las sustancias disueltas poco ionizadas o en estado coloidal son importantes los ácidos y aniones derivados de la sílice (SiO 2 ).

El resto de iones y sustancias disueltas se encuentran por lo general en cantidades notablemente más pequeñas que los anteriores y se llaman iones menores a aquellos que se encuentran habitualmente formando menos del 1% del contenido iónico total y elementos traza a aquellos que aunque presentes están por lo general en cantidades difícilmente medibles por medios químicos usuales.

Los iones menores más importantes son, además de los ya citados NO 3 - , CO 3 -- , K + y Fe ++ , el NO 2 - , F - , NH 4 + 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 -- , PO 4 -3 , BO 3 H 2 - , NO 2 - , OH - , I - , etc. cationes: Fe +++ , Mn ++ , NH 4 + , H + , Al +++ , etc.

Los iones metálicos derivados del As, Sb, Cr, Pb, Cu, Zn, Ba, V, Hg, U, etc., a veces están en cantidades medibles, pero en general son elementos traza. El resto de posibles iones están casi siempre en cantidades menores que 0.0001 ppm.

Las aguas subterráneas llamadas dulces contienen como máximo 1,000 o quizá 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 están asociadas con frecuencia a depósitos salinos, aguas de yacimientos petrolíferos o bien aguas muy antiguas situadas a gran profundidad.

5.7.1

Características químicas de los iones y sustancias disueltas más importantes

5.7.1.1

Aniones y sustancias aniónicas

1. ION CLORURO, Cl-

26

a) Características químicas. Sales en general muy solubles. Muy estable en disolución y muy difícilmente 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 (saturación).

c) Nocividad y toxicidad. Más 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) Análisis en laboratorio. Valoración con NO3Ag usando como indicador cromato potásico (viraje de

amarillo a naranja).

e)

Análisis de campo. Igual que en laboratorio, con bureta portátil o cuentagotas.

f)

Toma de muestras. No se precisan precauciones especiales.

2.

ION SULFATO, SO 4

--

a)

Características químicas. Sales moderadamente solubles a muy solubles, excepto las de Sr (60 ppm)

y de Ba (2 ppm). Es difícilmente precipitable químicamente ya que las sales solubles de Sr y Ba son muy escasas en la naturaleza, pero puede separarse de la solución por concentración si existe un

evaporación 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 está 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 sí 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. Más de algunos centenares de ppm perjudican a la resistencia del hormigón y cemento.

d) Análisis en laboratorio. Se analiza mediante el método turbidimétrico midiendo la turbidez que

produce el precipitado de sulfato de bario a 420 nm en un espectrofotómetro o en un turbidímetro.

e)

Análisis de campo. No realizado habitualmente, excepto por turbidimetría.

f)

Toma de muestras. No se precisan precauciones especiales.

3.

IONES BICARBONATO Y CARBONATO, CO 3 H - y CO 3

--

27

a) Características químicas. Estos iones comunican alcalinidad al agua en el sentido que dan capacidad

de consumo de ácido al producir una solución tampón. Se pueden precipitar con mucha facilidad como

CO3Ca.

b) Concentraciones. El ion bicarbonato varía 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 está 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 sódicas son

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

d) Análisis en laboratorio. Se determinan en función de la alcalinidad del agua mediante una titulación

volumétrica con ácido sulfúrico al 0.02 N.

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

f) Toma de muestras. Debe realizarse con cuidado para evitar la pérdida de CO2 . Debe protegerse de

cambios de temperatura y analizar lo antes posible. Las botellas deben ir bien cerradas y llenas a tope. En general los valores de CO3H- medidos en laboratorio son algo menores que los reales.

4. ION NITRATO, NO 3

-

a) Características químicas. Sales muy solubles y por lo tanto es muy difícilmente precipitable.

b) Concentraciones. Normalmente entre 0.1 y 10 ppm pero en aguas poluidas puede llegar a 200 ppm y

en algún caso hasta 1000 ppm. El agua del mar tiene alrededor de 1 ppm o menos.

c) Nocividad y toxicidad. Concentraciones elevadas en agua de bebida puede producir cianosis en los

niños y comunican corrosividad (oxidaciones) al agua y producen interferencias en fermentaciones.

d) Análisis en laboratorio. Se determina por varios métodos entre los que se encuentran el del electrodo

ion selectivo, método colorimétrico de la brucina o el de ultravioleta.

e) Análisis de campo. No suele realizarse.

f) Toma de muestras. No se precisan precauciones especiales excepto quizás en aguas que contienen

NH4+ para evitar su oxidación y que aparezca como NO3- .

5. SILICE, SiO 2

28

a) Características químicas. La hidroquímica del silicio no está del todo aclarada pero se cree que la

mayoría de la sílice está como SiO4H4 , en parte disuelta y en parte coloidal, y sólo una pequeña parte está ionizada (SiO4H3- ) a pH normales.

b) Concentraciones. La mayoría de las aguas naturales tienen entre 1 y 40 ppm en SiO2 pudiendo

llegar hasta 100, en especial en aguas bicarbonatadas sódicas. En aguas muy básicas se puede llegar a 1000 ppm.

c) Nocividad y toxicidad. El mayor inconveniente está relacionado con su incrustabilidad en calderas y

calentadores.

d) Análisis en laboratorio. Se suele realizar por colorimetría por el método llamado del azul de

molibdeno (silicomolibdato) con un error menor del 2%. El método gravimétrico se emplea poco.

e) Análisis de campo. No realizado habitualmente.

f) Toma de muestras. Conviene evitar cambios de pH importantes, y utilizar botellas de plástico o

vidrio Pirex. Los vidrios normales pueden aportar algo de sílice soluble si no se los mantiene antes uno o dos días con agua destilada.

5.7.2 Cationes y sustancias catiónicas

1. ION SODIO, Na +

a) Características químicas. Solubilidad muy elevada y muy difícil de precipitar.

b) Concentraciones. Entre 1 y 150 ppm en aguas dulces, no siendo raro encontrar contenidos mucho

mayores, hasta varios miles de ppm. El agua del mar tiene alrededor de 10000 ppm, las salmueras naturales pueden llegar a tener 100000 ppm, siendo un límite que rara vez se sobrepasa el de 500 meq/l (= 110000 ppm).

c) Nocividad y toxicidad. Las aguas con concentraciones elevadas en sodio son perjudiciales a las

plantas al reducir la permeabilidad del suelo; son especialmente nocivas si las concentraciones de Ca y

Mg son bajas.

d) Análisis en laboratorio. Actualmente se determina habitualmente mediante un fotómetro de llama

con un error menor del 1 a 3%, pero se precisa disponer de este instrumento el cual es caro.

e) Análisis de campo. No se realiza.

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

29

2.

ION POTASIO, K +

a) Características químicas. Solubilidad muy elevada y difícil de precipitar.

b) Concentraciones. Entre 0.1 y 10 ppm en aguas dulces. Extraordinariamente se pueden tener algunos

cientos de ppm y sólo muy raramente se pueden tener algunos cientos de ppm y sólo muy raramente se

puede tener salmueras de hasta 100000 ppm. El agua del mar tiene alrededor de 400 ppm.

c) Nocividad y toxicidad. No presenta problemas especiales a las concentraciones habituales y es un

elemento vital para las plantas.

d) Análisis en laboratorio. Actualmente se la determina con cierta frecuencia por fotometría de llama

con un error menor del 3 ó 10%, o bien mediante electrodo ion selectivo.

e)

Análisis de campo. No se realiza.

f)

Toma de muestras. No se precisan precauciones especiales.

3.

ION CALCIO, Ca ++

a)

Características químicas. Sales de moderadamente solubles a muy solubles. Es muy fácil de

precipitar como CO3Ca.

b) Concentraciones. Entre 10 y 250 ppm en aguas dulces, pudiendo llegar a 600 ppm en aguas

selenitosas. El agua del mar contiene alrededor de 400 ppm. Excepcionalmente se puede tener 50000 ppm en salmueras de Cl2Ca.

c) Nocividad y toxicidad. El mayor inconveniente va asociado al aporte de dureza y producción de

incrustaciones.

d) Análisis de laboratorio. Valoración complexométrica con ácido etilendiaminotetracético (EDTA).

También puede realizarse por fotometría de llama pero es poco usual.

e) Análisis de campo. Se realiza a veces por valoración complexométrica utilizando bureta o

cuentagotas.

f) Toma de muestras. Evitar el escape de gases, llenando bien la botella y cerrándola. Evitar cambios de

temperatura.

4. ION MAGNESIO, Mg ++

a) Características químicas. Propiedades similares a las del ion calcio pero más soluble y algo más

difícil de precipitar.

30

b) Concentraciones. Entre 1 y 100 ppm en aguas dulces, pudiendo llegar a veces a algunos miles de

ppm en aguas salinas o salmueras. El agua del mar contiene 1200 ppm.

c) Nocividad y toxicidad. Propiedades laxantes y da sabor amargo al agua de bebida si hay algunos

centenares de ppm. Contribuye a la dureza del agua.

d) Análisis en laboratorio. Valoración complexométrica con EDTA indirecta (Mg = dureza - Ca), rara

vez realizada directamente.

e) Análisis de campo. Se determina como dureza menos calcio.

f) Toma de muestras. En principio las mismas precauciones indicadas para el Ca++ .

5.7.3 Principales gases disueltos

1. ANHIDRIDO CARBONICO, CO 2

a) Características químicas. Es un gas relativamente soluble y que al hidrolizarse produce ácido

carbónico parcialmente disociado.

b) Concentraciones. Frecuentemente se sitúa entre 1 y 30 ppm, correspondiendo los valores más bajos

a aguas en contacto fácil con la atmósfera.

c) Nocividad y toxicidad. Las aguas con un exceso de CO2 son agresivas y las que pierden CO2 pueden

convertirse en incrustantes. Aguas con más de 20 ppm de CO2 libre pueden ser agresivas para el

hormigón.

d) Análisis en laboratorio. Se determina la alcalinidad TAC y el pH.

e) Análisis de campo. Se realiza por cálculo si se ha determinado la alcalinidad TAC y el pH, o

directamente con sosa cáustica, utilizando una bureta o cuentagotas.

f) Toma de muestras. Evitar el escape de gases llenando bien la botella y cerrándola. Evitar cambios de

temperatura y analizar pronto.

2. OXIGENO DISUELTO, O 2

a) Características químicas. Produce un medio oxidante y juega un papel de gran importancia en la

solubilización o insolubilización de iones que cambian con facilidad de valencia así como en la actividad de los microorganismos.

31

b) Concentraciones. La concentración a saturación del oxígeno en el agua en contacto con el aire es del

orden de 10 ppm. La mayoría de las aguas subterráneas tienen entre 0 y 5 ppm, frecuentemente por debajo de 2 ppm.

c) Nocividad y toxicidad. El mayor problema que presenta el oxígeno disuelto en el empleo del agua es

que produce corrosividad. Su ausencia puede ser origen de malos gustos.

d) Análisis de laboratorio. Se determina por el método de Winkler o mediante electrodo de membrana.

e) Análisis de campo. No se realiza habitualmente por ser engorroso excepto si se dispone de un

medidor electrométrico.

f) Toma de muestras. Es preciso utilizar botellas especiales que permiten cerrar sin dejar gas en su

interior (botella Winkler) y la muestra no debe agitarse en la toma. Analizar lo antes posible pues puede

consumirse durante el almacenamiento, en especial si la iluminación es suficiente.

5.7.4 Aniones y sustancias aniónicas menores más importantes

1. FLUORURO, F -

a) Características químicas. Solubilidad en general limitada y al parecer contribuye ligeramente a la

alcalinidad del agua pues se hidroliza ligeramente.

b) Concentraciones. Frecuentemente entre 0.1 y 1 ppm, pudiendo llegar a veces hasta 10 y raramente a

50 en aguas muy sódicas con muy poco Ca. El agua del mar tiene entre 0.6 y 0.7 ppm. Las aguas de zonas áridas pueden tener cantidades elevadas.

c) Nocividad y toxicidad. Parece jugar un papel muy importante en la conservación de la dentadura,

creando problemas cuando está tanto por exceso como por defecto.

d) Análisis. Sólo se determina algunas veces. Se utilizan los métodos colorimétricos del SPADNS o el

del Electrodo Ion Selectivo.

2. BROMURO, Br -

a) Características químicas. Su comportamiento es similar al del ion Cl- .

b) Concentraciones. En general menos de 0.01 ppm en aguas dulces. El agua del mar tiene 65 ppm.

c) Nocividad y toxicidad. En las concentraciones usuales no ocasiona ningún problema.

d) Análisis. Rara vez se analiza.

32

3.

IONES DERIVADOS DEL BORO

a) Características químicas. Contribuye algo a la alcalinidad.

b) Concentraciones. En general menos de 0.1 ppm pero a veces puede llegar a 10 y excepcionalmente a

30. El agua del mar contiene 4.6 ppm en B. Puede ser elevado en aguas antiguas y termales.

c) Nocividad y toxicidad. En pequeñas cantidades ya es nocivo para las plantas pero no en el agua de

bebida.

d) Análisis. Se determina raras veces, excepto en aguas para riegos, sospechosas de tener cantidades

nocivas, en especial en zonas áridas.

4. SULFURO Y GAS SULFHIDRICO, S -- y SH 2

a) Características químicas. El S-- se hidroliza con facilidad a SH- y SH2 , estando en equilibrio con

fase gas y el SH2 se hidroliza a SH- y S-- .

b) Concentraciones. Generalmente muy por debajo de 1 ppm, aunque en aguas de medios muy reductores con reducción de sulfato, se puede llegar a veces hasta a 100 ppm. Extraordinariamente el contenido en SH2 puede llegar a 1000 ppm en aguas relacionadas con yacimientos de petróleo.

c) Nocividad y toxicidad. Comunica muy mal olor, fácilmente detectable incluso a 1 ppm o menos. Es

corrosivo, en especial para aleaciones de Cu.

d)

Análisis. Se determina oxidando con un exceso de iodo que pasa a I- .

5.

FOSFATO, PO 4 -3

a)

Características químicas. Aunque presente sales solubles, la mayoría lo son muy poco. Se hidroliza

con facilidad y contribuye a la alcalinidad del agua.

b) Concentraciones. En general entre 0.01 y 1 ppm pudiendo llegar a 10 ppm y excepcionalmente a 50.

c) Nocividad y toxicidad. En las concentraciones usuales, no origina problemas.

d) Análisis. No es frecuente determinarlo. Se determina colorimétricamente, con buena precisión,

mediante el método del Acido Ascórbico o el del ácido Vanadomolibdofosfórico.

5.7.5 Cationes y sustancias catiónicas menores más importantes

1. ION MANGANESO, Mn ++

33

a) Características químicas. El manganeso tiene un comportamiento similar al Fe.

b) Concentraciones. En general por debajo de 0.2 ppm, rara vez por encima de 1 ppm. Es más

abundante en aguas ácidas.

c) Nocividad y toxicidad. Al oxidarse forma manchas negruzcas y favorece el crecimiento de ciertas

bacterias.

d)

Análisis. Se le determina sólo cuando se sospecha su existencia.

2.

ION AMONIO Y AMONIACO DISUELTO, NH 4 + y NH 3

a)

Características químicas. Son oxidados con gran facilidad y son fácilmente retenidos por el terreno

por cambio de bases.

b) Concentraciones. En general menos de 0.1 ppm pero en casos muy excepcionales puede llegar a 400

ppm. El agua del mar tiene entre 0.005 y 0.05 ppm, a veces hasta 0.35

c) Nocividad y toxicidad. En las concentraciones usuales no es origen de problemas pero a concentraciones mayores puede llegar a dar olor amoniacal. Suele ser índice de contaminación.

d)

Análisis. Se determina por el método de Nessler.

3.

ION ESTRONCIO, Sr ++

a)

Características químicas. Es similar al Ca pero sus sales son menos solubles.

b)

Concentraciones. En general entre 0.01 y 1 ppm, a veces hasta 20. El agua marina tiene 13 ppm.

Algunas salmueras pueden llegar a tener, extraordinariamente 1000 ppm.

c)

Nocividad y toxicidad. En las bajas concentraciones normales no es nocivo ni molesto.

d)

Análisis. Se le determina por fotometría de llama, pero se hace pocas veces.

4.

ION LITIO, Li +

a)

Características químicas. Sales muy solubles y es poco retenido por el terreno.

b)

Concentraciones. Entre 0.001 y 0.5 ppm, a veces hasta 1 ppm pudiendo llegar en algunas salmueras

hasta 10 ppm.

c) Nocividad y toxicidad. En las bajas concentraciones usuales no es nocivo ni crea problemas.

34

d)

Análisis. Se le determina por espectrometría de absorción atómica y con menos precisión por

fotometría de llama, pero se hace pocas veces.

5. IONES DERIVADOS DEL ALUMINIO (ALUMINA, Al 2 O 3 )

a) Características químicas. El aluminio es muy difícil de poner en solución y queda fuertemente

retenido en las arcillas.

b) Concentraciones. En general entre 0.005 y 0.3 ppm pudiendo llegar muy extraordinariamente a 100

ppm en aguas muy ácidas.

c) Nocividad y toxicidad. No presenta problemas especiales.

d) Análisis. Por lo general se asocia con efluentes de plantas de potabilización. El análisis es mediante

el método colorimétrico del Eriocromo Cianina R.

5.7.6 Procedencia de los iones disueltos en el agua subterránea

La procedencia de los iones disueltos en las aguas subterráneas puede definirse mediante dos vías:

1. Provienen de la disolución de las sales de los estratos geológicos en que se encuentra el acuífero, y

2. Los que se originan por la intervención del hombre sobre la naturaleza.

De las dos vías, interesa para fines de la presente investigación, la última, porque los iones asociados con la infiltración de vertidos contaminantes pueden ser un parámetro de seguimiento y control en la calidad de las aguas subterráneas.

De los iones que se identifican con la contaminación ya sea como consecuencia de las actividades domésticas, industriales o agrícolas, se encuentran principalmente tres:

1)

Cloruros (Cl),

2)

Nitratos (NO3) y

3)

Potasio (K)

Los tres iones pasan a formar parte de la tríada de indicadores inorgánicos de contaminación.

35

5.8

Justificación para el uso de ciertos compuestos inorgánicos como indicadores de contaminación

5.8.1 Vías de contaminación de las fuentes subterráneas

Los factores que tienen mayor incidencia actualmente desde el punto de vista ambiental son los siguientes:

Actividades domésticas: en este factor se incluye la contaminación orgánica y biológica que se origina en letrinas, fosas sépticas, erosión de las tuberías del sistema de alcantarillado y basureros espontáneos que se localizan en cualquier predio baldío más cercano a zonas de comercio.

Vertidos industriales:

el hecho más importante es la descarga de efluentes de plantas industriales

que no le dan un tratamiento adecuado a sus residuos líquidos.

Contaminación por ganadería: es también del tipo orgánico y biológico, el fenómeno es similar al de las actividades domésticas, pero su efecto es más concentrado e intenso, sobre todo en los sitios de crianza y matanza de ganado vacuno y porcino.

La polución nitrogenada es alta en zonas con agricultura intensiva. El agregado de fertilizantes más el nitrógeno de los residuos de los cultivos que yacen sobre las extensiones de tierra, son frecuentemente más grandes que el nitrógeno que se remueve durante la cosecha. El exceso de nitrógeno se disuelve en el agua subterránea y la concentración se incremente año con año (3).

La concentración de poblaciones en zonas urbanas densamente pobladas y la mejora en las condiciones de higiene han conducido a la instalación de sistemas de alcantarillado sanitario en que el vehículo de colecta de los desechos es el agua. Este desecho es rico en carbono y nitrógeno, se descarga en puntos específicos por lo que su cuantificación es más precisa y el comportamiento es menos difuso que la polución de origen agrícola.

5.8.2

Cloruros

5.8.2.1

Origen de los Cloruros

36

El aporte debido a las rocas es muy escaso, debiéndose la presencia masiva de este ión a fenómenos como intrusión salina, sobre todo en pozos cercanos a litorales marinos. El ataque de ciertos minerales asociados a rocas ígneas y metamórficas puede originar cloruros en el agua subterránea. Raramente los cloruros proceden de emanaciones líquidas o gaseosas debido al vulcanismo.

Sin embargo, los vertidos urbanos e industriales pueden aportar cantidades importantes como en el caso de la zona industrial de la ciudad capital en donde se han registrado concentraciones de hasta 500 mg/litro en pozos industriales (no de consumo humano) cercanos a la antigua empresa Pennwalt.

Los cloruros están ampliamente distribuidos en la naturaleza como sales de sodio (NaCl), potasio (KCl) y calcio (CaCl).

Propiedades organolépticas: el umbral de sabor del anión cloruro en agua es dependiente del catión asociado. Los umbrales de sabor para el cloruro de sodio y cloruro de calcio en agua están en los rangos de 200 a 300 mg/litro. El sabor del café se afecta si está hecho con agua que contiene concentración de cloruros de 400 mg/litro como cloruro de sodio.

El promedio de concentración de cloruros en varios ríos en Gran Bretaña ha estado en el rango de 11 a 42 mg/litro durante 1974-81. Evidencia de un incremento general en cloruros en agua subterránea y el agua potable se ha encontrado pero las excepciones también se han reportado. En los Estados Unidos, los acuíferos susceptibles de intrusión salina han sido hallados con concentraciones de cloruros desde 5 hasta 460 mg/litro, mientras que pozos contaminados en las Filipinas se han reportado en concentraciones promedio de 141 mg/litro. Los niveles de cloruros en aguas no contaminadas son frecuentemente menores a 10 mg/litro.

Los cloruros en agua pueden incrementarse considerablemente por los procesos de tratamiento en los que el cloro o cloruro se utiliza. Por ejemplo, el tratamiento con 40 gramos de cloro por metro cúbico y 0.6 mol de cloruro de hierro por litro, requerido para la purificación del agua subterránea que contiene grandes cantidades de hierro (II), o agua superficial contaminada con coloides, se han reportado concentraciones de cloruros de 40 y 63 mg/litro, respectivamente, en el agua tratada.

37

5.8.3

Nitratos

5.8.3.1 Procedencia antropogénica de los Nitratos

Los procesos de nitrificación naturales como es el caso de la captación de nitrógeno atmosférico por las plantas del tipo de las leguminosas, pueden propiciar un aumento de nitrógeno en el subsuelo.

Asimismo, la descomposición de la materia orgánica y la contaminación urbana, industrial y ganadera son agentes que inciden en la infiltración de nitratos hacia el acuífero.

Este anión se ha identificado como un indicador clave en la intervención del hombre sobre la calidad de las aguas. Puede estratificarse dominando las concentraciones más altas en las partes altas del acuífero libre (1). Concentraciones inferiores a 10 ppm se consideran bajas para aguas de origen subterráneo.

Las concentraciones de Nitratos no están relacionadas con la composición geológica de las rocas o el suelo (2), por este motivo, es un indicador casi perfecto para la evaluación de la contaminación antropogénica.

5.8.3.2 El origen de los Nitratos

Desde 1955, las mediciones hechas en todos los países industrializados muestran un incremento universal en el contenido de Nitratos tanto en fuentes superficiales como subterráneas. Las únicas excepciones a esta regla son las aguas a grandes altitudes como las que se originan en las montañas y glaciares y las aguas de las regiones cubiertas por bosques naturales.

Los nitratos y nitritos en agua potable pueden ser de origen natural o pueden infiltrarse de tanques sépticos, granjas porcinas y establos de ganado. El uso de fertilizantes (demasiado y en la época equivocada del año) puede también resultar en polución de nitratos.

Altas concentraciones de nitratos y especialmente nitritos en agua potable, puede causar metahemoglobinemia. Los grupos especialmente susceptibles a la formación de metahemoglobina son los infantes, niños y mujeres embarazadas. Los estudios epidemiológicos indican que niveles de nitratos menores a 50 mg/litro (como nitrato) no parecen ser problema con la metahemoglobinemia. Hay mucha incertidumbre sobre los niveles de nitritos que pueden provocar tales efectos clínicos. En la

38

presunción que los nitritos fueran 10 veces más potentes que los nitratos (en una base molar) con respecto a la formación de metahemoglobina, las Guías de la OMS recomiendan un valor provisional de 3 mg/litro (como nitritos). Además, puesto que los nitritos y nitratos ejercen efectos toxicológicos similares y pueden ocurrir simultáneamente, se ha especificado también la siguiente condición:

5.8.4

Potasio

5.8.4.1

Origen del Potasio

Cnitrito

+

Cnitrato

1

VGnitrito

VGnitrato

donde C = concentracion en agua potable

VG

=

valor guía

Normalmente el potasio proviene del ataque de la ortosa y otros silicatos (micas, arcillas, etc.). El agua de lluvia puede aportar pequeñas cantidades de potasio.

Este ion también se ha identificado como indicador de contaminación aunque en menor medida. Puede ser fijado irreversiblemente por el terreno durante la formación de arcillas . La relación hidrogeoquímica rK/rNa es mucho menor que 1. El rango más frecuente varía entre 0.004 y 0.3, de acuerdo con Schoeller.

Estudios realizados en la isla volcánica de Lanzalote (Custodio, 1974) indican que la relación rK/rNa tiende a decrecer conforme aumenta la salinidad de las aguas.

5.8.4.2 Implicancias en la fisiología humana

La ingesta de potasio en la dieta diaria tiene implicaciones fisiológicas. El potasio presenta cualidades positivas para el bienestar humano como condiciones adversas.

El potasio es necesario para regular el balance de agua, los niveles de acidez, la presión arterial y la función neuromuscular del cuerpo humano, incluyendo un rol crítico en la transmisión de impulsos eléctricos en el corazón. Como resultado, bajos niveles de potasio en sangre en personas que se

39

aproximan a una cirugía cardíaca, deja a estas personas en alto riesgo de sufrir arritmias y un aumento en la necesidad de una resucitación cardiopulmonar.

El potasio se encuentra en las frutas, sin embargo la leche y los vegetales contienen cantidades significativas de potasio.

Ingestas altas de potasio, de varios centenas de miligramos en una sola dosis, puede producir irritación estomacal. Tanto el potasio y el sodio trabajan juntos en el mantenimiento del tono muscular, la presión arterial y otras funciones. Muchos investigadores creen que parte del problema de presión arterial causado por un exceso de sal, que contiene igualmente altas cantidades de sodio, se empeora por una dieta muy baja en potasio.

40

6

Hipótesis

La principal hipótesis es que el estudio de las tendencias históricas de las concentraciones de ciertos iones (nitratos, cloruros y potasio) puede ser un indicador eficiente en la determinación de los puntos más vulnerables de contaminación debida a las actividades humanas, tanto de tipo doméstico, industrial como comercial.

Junto a esta hipótesis central, cabe hacerse varias preguntas que pueden servir como soporte para la definición de una estrategia de estudio.

Las preguntas que se plantean son las siguientes:

En qué medida el factor ambiental ha influido en las características hidroquímicas de las aguas de consumo humano de la ciudad capital?

Se puede cuantificar el cambio en calidad mediante el monitoreo de los principales iones que se encuentran disueltos en el agua?

Qué tipo de diseño de muestreo es el más adecuado para detectar variaciones en la composición química de las aguas subterráneas?

Pueden percibirse cambios significativos en la calidad del agua en las diferentes áreas de abastecimiento de agua potable?

41

7

Metodología

7.1 Resumen

La metodología empleada dará información acerca de cómo se arribó a una Evaluación de los Objetivos de Calidad de los Datos emanados por el laboratorio central de ENACAL.

7.2 Obtención de los Datos del Estudio

Los datos fueron obtenidos a través de la Base de Datos BD –1 002.mdb. Este archivo electrónico contenía las tablas con los resultados de análisis físico químicos divididos en cuatro partes:

1. Datos del año 1993

2. Datos de los años 1994 y 1995

3. Datos de 1996

4. Datos desde 1997 a 2001

Adicionalmente se encontraba la Tabla NUM_COD, en la que se detallaban los códigos asignados a los puntos de muestreo, Ver Ilustración 1. Las tablas de datos Físico Químicos estaban relacionadas con la tabla NUM_COD a través del campo CODIGO.

7.2.1 Estructura de la base de datos

Se procedió a uniformar u homogenizar las características de los campos de las cuatro tablas porque existían campos de igual significado con diferentes cifras de longitudes de caracteres, diferentes cantidades de números decimales, etc. La estructura final de la tabla con la que se desarrolló el trabajo se visualiza en el gráfico de abajo.

42

Ilustración 5: Estructura de la tabla de trabajo La Ilustración 6 presenta el aspecto de

Ilustración 5: Estructura de la tabla de trabajo

La Ilustración 6 presenta el aspecto de los datos que presentaba la tabla de datos, conforme a la estructura de la Ilustración 5.

Ilustración 6: Formato tabular de los datos

la tabla de datos, conforme a la estructura de la Ilustración 5 . Ilustración 6: Formato

43

7.2.2

Traslado de los datos al SPSS

El trabajo de análisis estadístico se realizó mediante el software SPSS. La tabla de trabajo (ver Ilustración 5) fue capturada en SPSS. Las tres ilustraciones siguientes (7-9) visualizan los pasos para trasladar los datos desde Access hasta SPSS para su posterior procesamiento y análisis.

hasta SPSS para su posterior procesamiento y análisis. Ilustración 7: primera pantalla de captura del SPSS

Ilustración 7: primera pantalla de captura del SPSS

y análisis. Ilustración 7: primera pantalla de captura del SPSS Ilustración 8: Segunda pantalla de captura

Ilustración 8: Segunda pantalla de captura del SPSS

44

Ilustración 9: Pantalla de presentación y edición de datos del SPSS 7.3 Formación de las

Ilustración 9: Pantalla de presentación y edición de datos del SPSS

7.3 Formación de las Areas Geográficas de Análisis

Una vez creada la estructura de la base de datos, se procedió a conformar el área de estudio en varios subsistemas para efectuar el análisis respectivo desde diversos ángulos o flujos direccionales de las aguas subterráneas. De las varias áreas de estudio que surgieron, se escogió un esquema de definición de las zonas de estudio, para proceder al análisis estadístico estratificado.

El gran acueducto de Managua está formado por un total de 125 pozos perforados de acuerdo con el Sistema de Información Geográfica (Noviembre 2002). El estudio se abordó mediante la separación de las áreas en tres subsistemas:

7.3.1 Subsistema por zonas hidráulicas

Están definidas como: Zona Baja (1), Zona Alta (2), Zona Alta Superior (3).

45

Este subsistema se denomina en esta tesis como Corte Longitudinal. No se definió, cuando fue concebido este esquema, el punto de finalización de las zonas hidráulicas ni se sabe cómo fueron establecidas las áreas o las cotas.

7.3.1.1 Zona Baja:

Esta zona la forman 27 pozos con una oferta de agua de 24 898 galones por minuto. Los tres pozos con mayor caudal son: Las Mercedes 4 ( 2 230 gpm), Las Mercedes 3 ( 2 200 gpm ) y Monseñor Lezcano ( 1 200 gpm ), ver Anexo 1. De los 27 pozos, el Pozo El Estadio fue clausurado en 1997.

7.3.1.2 Zona Alta:

El caudal total de esa zona es de 12 131 galones por minuto. Consta de 19 pozos, de éstos el de mayor caudal es el Sabanagrande 5 con 1 200 gpm. Ver Anexo 2.

7.3.1.3 Zona Alta Superior:

Esta zona está formado por 38 pozos con un caudal total de 19 041,6 galones por minuto. El pozo más productivo es el Eduardo Contreras 3, ver Anexo 3. En esta zona no están considerados los pozos de los campos Managua-I ni Managua-II los cuales suman 32.

7.3.2 Subsistema por Campos de Pozos o Grupos de Pozos Asociados:

Se identificaron al menos 5 grupos.

7.3.2.1 Batería de pozos de Las Mercedes:

Está compuesto de acuerdo con el Sistema de Información por 12 pozos aunque los datos de análisis de la base de datos, indican que existen análisis de 17 pozos. Se encuentran en el área próxima al Aeropuerto de la ciudad capital. El pozo más antiguo que se tiene registro es el Pozo Las Mercedes No 4 el cual entró en operación el año de 1954.

7.3.2.2 Campo de pozos Sabana grande:

46

Está compuesto por 5 pozos. Están ubicados más al Sur del campo de pozos de Las Mercedes.

7.3.2.3 Campo de pozos Managua I:

Cuentan con un total de 16 pozos alineados a ambos lados de la carretera Managua – Masaya a la altura del kilómetro 15.

7.3.2.4 Campo de pozos Managua II: son los pozos más recientemente perforados.

El número total es 16 y también se identifican como Sabanagrande más el número consecutivo de perforación.

7.3.2.5 Campo de Pozos Valle Gothel:

La cantidad es de 6, están ubicados al Sur del área del campo de pozos Managua II.

7.3.3 Subsistema por Cortes Transversales:

El subsistema por cortes transversales sigue el criterio o el razonamiento de las líneas de flujo de las aguas subterráneas. Los pozos se asociaron de acuerdo con la trayectoria de líneas atravesando a Managua de Sur a Norte. Se identificaron cinco grupos de Pozos:

7.3.3.1 Los pozos más al occidente de Managua lo forman:

Montefresco (km 17 CS)

Km 14.5 CS

Km 11.5 CS

Km 9.5 CS

Km 8.5 CS

Hospital Vélez Páiz

Monseñor Lezcano / Las Brisas

San Antonio

47

7.3.3.2

Los pozos de la segunda línea de corte transversal (o transecto) están formados por:

Pochocuape (La Bolsa)

Torres Molina

Sierra Maestra

San Judas 1,2,3

Julio Martínez – Hospital Berta Calderón

Parque Las Madres – Los Gauchos

Mercado Oriental – Olof Palme

7.3.3.3 Los pozos de la tercera línea de corte transversal están formados por:

Los Alpes 1,2,3

San Isidro de la Cruz Verde

Villa Panamá

Centroamérica 3,4

Hospital Manolo Morales

San Cristóbal 3

Tenderí – Bello Horizonte

7.3.3.4 Los pozos de la cuarta línea de corte transversal están formados por:

Campo de Pozos Managua I

Villa Libertad

Sabana Grande #1

Villa Fraternidad – Buenos Aires

7.3.3.5 Los pozos de la quinta línea de corte transversal están formados por:

Campo de Pozos Managua II Campo de Pozos Las Mercedes

Campo de Pozos Managua II Campo de Pozos Las Mercedes

7.4 Selección de las Areas Geográficas de Estudio

48

Las zonas de estudio como finalmente fueron seleccionadas, a fin de crear los conglomerados de pozos y hacer los análisis, son las siguientes:

7.4.1 Zona 1: Es la zona Baja tal como ha quedado definida por ENACAL.

Número de Pozos = 30

7.4.2 Zona 2: Es la zona Alta.

Número de Pozos = 18

7.4.3 Zona 3: Es la zona Alta Superior.

Número de Pozos = 46

7.4.4 Zona 4: abarca todos los pozos del Proyecto Managua II (Sabanagrande).

Número de Pozos = 27.

7.4.5 Zona 5: agrupa todos los pozos de la zona de Ciudad Sandino.

Número de Pozos = 6.

7.4.6 Zona 6: agrupa todos los pozos del Proyecto Managua I (Municipio de Ticuantepe) y Valle Gothel.

Número de Pozos = 20.

7.5 El Plan de Evaluación de la Calidad de los Datos

Se estableció como metodología de trabajo el siguiente esquema:

1)

Revisión de los OCD y el Diseño de muestreo

1. Revisión de los objetivos del estudio

2. Traducir los objetivos del usuario del dato en una definición de la hipótesis estadística primaria.

3. Traducir los objetivos del usuario del dato en límites del tipo de errores de decisión Tipo I y tipo II.

4. Revisar el diseño de muestreo

49

2)

Efectuar una Revisión Preliminar de los Datos

1. Revisar los reportes de aseguramiento de calidad

2. Calcular las cantidades estadísticas. Se recomienda calcular Percentiles, medidas de tendencia central y coeficientes de correlación entre variables.

3. Desplegar los datos usando representaciones gráficas.

4. Utilizar una variedad de gráficos para examinar diferentes aspectos del conjunto.

3)

Seleccionar el Ensayo Estadístico

1. Seleccionar el ensayo de hipótesis estadística basado en los objetivos de calidad del usuario y los resultados de la revisión preliminar.

2. Identifique los supuestos que subyacen en el ensayo estadístico.

4)

Verificar los supuestos

1. Determine la forma de verificar los supuestos, identificar las evidencias de la revisión de datos preliminar, revisar el modelo estadístico del dato.

2. Ejecutar ensayos de supuestos

3. Si es necesario, determinar acciones correctivas.

5)

Derivar conclusiones a partir de los datos

1. Efectuar los cálculos para el ensayo de hipótesis estadístico. Si hay anomalías o valores fuera de lo normal, ejecutar los cálculos con y sin los valores fuera de rango.

2. Evaluar los resultados del ensayo estadístico y sacar conclusiones.

7.6 Procedimiento para utilizar la Prueba de Rango con Signo de Wilcoxon para la prueba de medianas

Este ensayo puede utilizarse para probar la hipótesis concerniente a la media poblacional o la

Este ensayo asume que los datos

mediana poblacional de la cual la muestra fue seleccionada.

50

constituyen una muestra aleatoria de una población simétrica continua. Simetría significa que la

curva de frecuencia es simétrica alrededor de la media o la mediana. Simetría es un supuesto

menos estricto que la normalidad. La media y la mediana son iguales para distribuciones

simétricas de manera que la hipótesis nula puede establecerse en términos de ambos parámetros.

Dados X1, X2,

se aplican en el Ensayo P. de Rango con Signo de Wilcoxon para un número grande de muestras,

mayor o igual que 20. El Caso 1 es Ho: u <= C, Caso 2 Ho: u>=C en { }

que representan n puntos de datos. A continuación se describe los pasos que

,Xn

Paso 1:

Si es posible, asignar valores a cualquier medición debajo del límite de detección. Si no es

posible, asignar el valor Límite de Detección dividido entre 2, a cada valor. Entonces sustraiga

cada observación Xi del valor C para obtener las desviaciones di = C – Xi. Si cualquiera de las

desviaciones son cero, se eliminan y se reduce el tamaño de muestra n.

Paso 2:

Asignar rangos desde 1 hasta n basado en el orden de las desviaciones absolutas |di| desde la más

pequeña hasta la más grande. El rango 1 se asigna al valor más pequeño, el rango 2 al segundo

valor, y así sucesivamente. Si hay elementos con el mismo valor, se asigna el promedio de los

rangos que se hubiese asignado a las observaciones iguales.

Paso 3:

Asignar el signo para cada observación para crear el rango con signo. El signo es positivo si la

desviación di es positiva, el signo es negativo si la desviación di es negativa.

Paso 4:

Calcule la suma R de los rangos con signo positivo.

Paso 5:

Calcular

w =

(

n n +

1)

4

+ Zp

( n n + 1)(2 n + 1) / 24

(

n n

+

1)(2

n

+

1) / 24

Donde p= 1 - α { p = α } y Zp es el percentil p de la distribución normal estándar (Tabla A –1)

51

Paso 6:

Si R < W { R > W } la hipótesis nula puede rechazarse. Ir al Paso 8. De otra manera si no hay evidencia suficiente para rechazar la hipótesis nula, y el cociente de error de falsa aceptación necesitará que se verifique. Ir a Paso 7.

Paso 7:

Si la hipótesis nula (Ho) no se rechaza, calcule tanto la potencia del ensayo o el tamaño de muestra necesario para lograr los cocientes de error de falso rechazo y falsa aceptación usando un software como el DEFT.

Para muestras de tamaño grande, calcular:

m =

s

2

(

Z

1

α

+

Z

1

β

)

2

(

µ

1

C

)

2

+

(0.5) Z

2

1

α

donde Zp es el pth percentil de la distribución normal (Tabla A-1 el Apéndice A). Si 1.16m<= n, la tasa de error de falsa aceptación se ha satisfecho.

Paso 8:

Los resultados del ensayo pueden ser:

1. La hipótesis nula fue rechazada y parece que la verdadera media es mayor {menor} que

C,

2. La hipótesis nula no fue rechazada y el error de falsa aceptación fue satisfecho y parece que la verdadera media es menor que C {mayor que C}, o

3. La hipótesis nula no fue rechazada y el cociente de error de falsa aceptación no fue satisfecho y parece que la verdadera media es mayor que C {menor que C} pero las conclusiones son inciertas dado que el tamaño de muestra es muy pequeño.

Reportar los resultados del ensayo, el tamaño de muestra, R y w.

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

52

El ensayo de proporciones de una muestra, puede usarse para probar la hipótesis concerniente a la

proporción poblacional o al percentil poblacional para una distribución de la cual los datos fueron extraídos.

El único supuesto requerido para el ensayo de proporción de una muestra es asumirla como una

muestra aleatoria. Para verificar este supuesto, se revisan los procedimientos y documentación usados para seleccionar los puntos de muestreo y garantizar que se utilizó un proceso aleatorio de escogencia de las muestras.

A continuación se describen los pasos que se aplican para seguir este ensayo. Caso 1 es Ho:

P<=Po, Caso 2 es Ho : P >= Po (las modificaciones se encierran en { }) Paso 1

de mediciones de una población, sea p la proporción

de X’s que no exceden C, por ejemplo p es el número K de puntos de muestreo que son menores

o iguales a C, dividido entre el tamaño de muestra n.

Dada una muestra aleatoria X1, X2,

,Xn

Paso 2 Calcular np, y n(1-p). Si ambos np y n(1-p) son mayores o iguales que 5, use pasos 3 y 4. De otra manera, se debe consultar con un Estadístico para un análisis más complejo.

Paso 3

Calcular p − 0.5/ n − Po z = Po (1 − Po )/ n
Calcular
p −
0.5/
n
Po
z
=
Po
(1
− Po
)/
n
p +
0.5/
n
Po
z
=
Po
(1
− Po
) /
n

para el Caso1; o

para el Caso 2

Use la Tabla A-1 para encontrar el valor Crítico Z 1-α de manera que 100(1 - α)% de la

distribución normal esté por debajo de Z 1-α . Por ejemplo, si α = 0.05 entonces Z 1-α = 1.645.

53

Si Z> Z 1-α { Z < - Z 1-α } la hipótesis nula puede rechazarse. Ir al Paso 6.

Si Z /> 3 Z 1-α { Z /< 4 - Z 1-α } no hay suficiente evidencia para rechazar la hipótesis nula. Por lo tanto el cociente de error por falsa aceptación necesitará verificación. Ir a Paso 5.

Paso 5 Para calcular la potencia del ensayo, asumir que los valores verdaderos para la media y la desviación estándar son los obtenidos en la muestra y usar el software DEFT para generar la curva de potencia del ensayo.

Si solamente un cociente de error de falsa aceptación se especificó (β) a P1, es posible calcular el tamaño de muestra que logra los objetivos de calidad de datos (OCD). Para hacer esto se calcula m:

Z m = 

1

α

Po (1 − Po )
Po
(1
Po
)

+

Z

1

β

P (1 − P 1 1
P
(1
P
1
1

)

P

1

Po

2

Si m <= n, el cociente de error por falsa aceptación se ha satisfecho. De otra manera, el error de falsa aceptación no se satisface.

Paso 6 Los resultados del ensayo pueden ser:

1. La hipótesis nula se rechaza y parece que la proporción es mayor que {menor que} Po;

2. La hipótesis nula no se rechaza, el cociente de error por falsa aceptación fue satisfecho y parece que la proporción es menor que {mayor que} Po, o

3 Léase ‘no es mayor que’

4 Léase ‘no es menor que’

54

3.

la hipótesis nula no fue rechazada, el error de falsa aceptación no fue satisfecho, y pareciera que la proporción fue menor que {mayor que} Po, pero las conclusiones son inciertas porque el tamaño de muestra fue muy pequeño.

8

Resultados

8.1

Revisión de los Objetivos del Estudio

8.1.1

Definición del Problema

ENACAL ha establecido un programa de monitoreo a los pozos perforados que abastecen de agua potable a la ciudad capital. Los parámetros analizados incluyen alrededor de 22 diferentes determinaciones analíticas. Se posee información almacenada en un archivo de base de datos desde alrededor de 1993 hasta 2002. El objetivo de este programa es controlar la calidad físico química de las aguas mediante parámetros inorgánicos, es decir en base a iones macroconstituyentes. Los análisis fueron realizados en el laboratorio físico químico y los métodos empleados se hicieron siguiendo las recomendaciones de los Métodos Estándar para el Examen del Agua Potable y el Agua Residual, Ediciones 18 a la 20.

Aún cuando se han determinado concentraciones altas de algunos parámetros en ciertos pozos, no se conoce a ciencia cierta si la tendencia es a desmejorar en la calidad, o bien a mantenerse estable. Cada pozo monitoreado puede considerarse una estación de muestreo, por lo que tampoco se sabe si existen algunos pozos que posean una tendencia más pronunciada a desmejorar que otros así como no se sabe acerca de los grupos de pozos que exhiben características hidroquímicas similares. Tampoco se ha establecido cuántos cumplen con los valores recomendados en la norma regional para el agua de consumo humano (Norma CAPRE).

El problema puede definirse en relación a determinar si el agua extraída de los pozos perforados de Managua cumplen con las normas de calidad para tres parámetros que tienen connotación como indicadores de contaminación de origen antropogénico.

55

Sin embargo, es necesario determinar si los datos que se han acumulado, brindan confianza para emitir juicios acerca de las tendencias históricas de la calidad hidroquímica del agua (proceso de evaluación de calidad de datos).

8.1.2 Datos faltantes

La información acerca de controles de calidad analíticos parecen no estar disponibles en los años de 1993 a 1995. Tampoco se sabe acerca de indicadores de calidad como precisión, exactitud y representatividad del dato en ese mismo período.

No existe un antecedente de diseño de muestreo, o no se ha podido verificar la existencia de un diseño de muestreo, que siga los fundamentos de algunos de los esquemas señalados en la sección de Metodología, acápite 5.4.3.

8.1.3 Escala de decisión

La escala de decisión puede circunscribirse a medidas de análisis o de implementación de futuras investigaciones en el área geográfica de Managua. La metodología que se propone puede extrapolarse a otras zonas urbanas con grandes concentraciones de pozos perforados abasteciendo a la población.

8.1.4 Traducción de los Objetivos en Hipótesis Estadísticas

Se ha establecido como parámetros de interés las concentraciones de nitratos, potasio y cloruros, debido a la relación directa en la determinación de tendencias a la degradación de los acuíferos debido a la intervención de las actividades humanas sobre el subsuelo:

En el caso de Nitratos se utiliza como valor numérico para establecer un nivel de acción, el valor recomendado por la norma CAPRE que es 25 mg/L, o bien el valor máximo admisible de 50 mg/L de nitrógeno como nitratos (NO3). Debido al riesgo toxicológico en infantes, es conveniente considerar como hipótesis nula la siguiente afirmación ‘los pozos poseen concentraciones de nitratos menores que 25 mg/L’, que es el valor recomendado o 50 mg/L, según sea el caso de la zona en estudio. De hecho, la afirmación ‘los pozos poseen concentraciones mayores que 25 mg/L’ es la condición más severa, puesto que indicaría que hay serios riesgos de contaminación, y es la que se consideraría como la hipótesis alterna.

56

En el caso de Potasio puede utilizarse como valor numérico con el cual se compara el parámetro, el valor máximo admisible en la Norma CAPRE (10 mg/L). De igual manera como el caso de nitratos, la hipótesis alterna será la condición más probable que ocurra. De acuerdo a los registros históricos, es muy probable que en los pozos de Managua, se encuentren concentraciones de potasio arriba de 10 mg/L, por lo la afirmación ‘los pozos de Managua poseen concentraciones > 10 mg/L’, será la condición alterna, siendo la hipótesis nula la afirmación que ‘ los pozos de Managua tienen valores < que 10 mg/L’.

Para el caso de cloruros, se utiliza como valor numérico de comparación, la concentración de 25 mg/L, que es el valor recomendado de la norma CAPRE. La hipótesis nula es que ‘ la concentración de cloruros en los pozos de Managua es < 25 mg/L’, y la hipótesis alterna y la más probable, de acuerdo con los registros históricos, es que ‘la concentración de cloruros es > 25 mg/L’.

Tabla 1: Narrativo de Hipótesis Estadística

Parámetro

Narrativo de la Hipótesis

Notación Estándar

Nitratos

Hipótesis Nula Los pozos de Managua tienen concentraciones de nitratos 25 mg/L

Ho : µ Versus

C;

Hipótesis Alterna La concentración media de nitratos en los pozos de Managua es >25 mg/L

Ha : µ

> C

Potasio

Hipótesis Nula Los pozos de Managua tienen concentraciones 10 mg/L

Ho : µ Versus

C;

Hipótesis Alterna La concentración media de potasio en los pozos de Managua es > 10 mg/L

Ha : µ

> C

57

Cloruros

Hipótesis Nula Los pozos de Managua tienen concentraciones 25 mg/L

Ho : µ Versus

C;

Hipótesis Alterna La concentración media de nitratos en los pozos de Managua es > 25 mg/L

Ha : µ

> C

8.1.5 Estimación de los Límites de Errores de Decisión

Utilizando el software DEFT (Ver Anexo – Uso del software Decision Error Feasibility Trial), se estimaron los Errores del Tipo I denominado también Nivel de Significancia o Error por Falso Rechazo, y el Tipo II, llamado complemento de la potencia de la hipótesis ( p ) o Falsa Aceptación. La desviación estándar fue tomada de los resultados generales de la estadística descriptiva para cada zona. Los valores mínimos y máximos de cada parámetro fueron tomados igualmente de las tablas de resultados como se establece en el acápite 8.2.2.

Los resultados de los Límites de Errores de Decisión pueden observarse en el Apéndice 1.

8.1.6 Diseño del muestreo

Se utilizaron tres diseños de muestreo:

Aleatorio simple

Estratificado

Compuesto

8.2 Revisión Preliminar de los Datos

El propósito de la fase preliminar es revisar los reportes de aseguramiento de calidad, detectar problemas o anomalías en la implementación de la colecta de datos y en los procedimientos de análisis, además de generar las resultados estadísticos y la representación gráfica de los datos, para lo cual se utilizó el software SPSS versión 9.

58

8.2.1

Aseguramiento de calidad a través del período en estudio

Las principales medidas de aseguramiento de calidad incluyen los registros de cadena de custodia, elaboración de cartas de control de precisión, ejecución de curvas de calibración cada vez que se reponen los reactivos y la preservación de muestras en refrigeración en el caso de nitratos.

8.2.2

Estadísticos básicos

8.2.2.1

Resultados de Estadísticos Básicos

Se corrieron varios estadísticos utilizando el software SPSS. Los estadísticos que se calcularon se

detallan a continuación:

Número de registros

Máximo

Mínimo

Mediana

Media

Desviación estándar

Error estándar de la media

Kurtosis

Sesgamiento

En el Documento Estadísticas de las Zonas de Estudio se pueden analizar los parámetros estadísticos generales que se obtuvieron al correr el programa SPSS.

8.2.2.2 Medidas de Tendencia Central y Percentiles

Se calcularon las medidas de tendencia central como el promedio y la mediana para todos los datos registrados para los pozos, así como los percentiles 80%, 90%, 95% y 99%. Los resultados para todas las zonas de estudio, se observan en la tabla de abajo.

59

Tabla 2: Medidas de Tendencia Central y Percentiles

Medidas de Tendencia Central y Percentiles

 

NITRATOS

CLORUROS

POTASIO

N

Válidos

992

955

510

Faltantes

82

119

564

Promedio

9,69

36,91

11,19

Mediana

6,60

34,44

10,90

Percentiles

80

13,00

45,10

13,80

90

20,79

51,00

16,19

95

30,81

57,00

18,74

99

53,07

71,44

30,82

De lo anterior puede afirmarse que los resultados se interpretan de la siguiente manera:

Nitratos

5% de las veces los resultados son mayores que 30.81 mg/L.

1% de las veces los resultados son mayores que 53.07 mg/L. 50% de las veces los resultados son mayores que 6.60 mg/L. (Nota: el valor máximo permisible de acuerdo con la norma CAPRE es 50 mg/L)

Cloruros

5% de las veces los resultados son mayores que 57 mg/L.

1% de las veces los resultados son mayores que 71.44 mg/L. 50 % de las veces los resultados son mayores que 34.44 mg/L. (Nota: el valor recomendado de acuerdo con la Norma CAPRE es 25 mg/L).

Potasio

5% de las veces los resultados son mayores que 18.74 mg/L. 1% de las veces los resultados son mayores que 30.82 mg/L. 50% de las veces los resultados son mayores que 10.90 mg/L (Nota: el valor máximo recomendado por la Norma CAPRE es 10 mg/L).

Nota: la mediana es el percentil 50%.

50% de las veces los resultados son mayores que 10.90 mg/L.

Los resultados de evaluaciones de las medidas de tendencia central (promedio y mediana) y los percentiles 80, 90, 95 y 99 pueden apreciarse en el documento adjunto. Gráficamente puede observarse el Diagrama de Distribución de Frecuencia acumulada para Nitratos en datos de todas las zonas de Managua.

60

Diagrama de % Frecuencia Acumulada - Nitratos 100 80 60 40 77.00 46.00 35.00 20
Diagrama de % Frecuencia Acumulada - Nitratos
100
80
60
40
77.00
46.00
35.00
20
27.00
21.20
18.10
0
15.80
13.30
11.60
NITRATOS
1.80 3.00 4.20 5.40 6.60 7.70 9.00 10.40
Missing
Cumulative Percent

8.2.2.3 Resultados del análisis de Sesgamiento

Del análisis de los estadísticos básicos se obtuvo los siguientes resultados acerca de la distribución de Normalidad en los tres parámetros en estudio:

Zona

parámetro

Sesgamiento

Distribución Normal?

Cuántas

zonas

cumplen

con

Distribución

Normal?

 

1

 

0.505

Si

 

2

1.18

No

3

Cloruros

1.10

No

2

de 6

4

1.65

No

 

5

2.40

No

6

1.07

No

1

 

2.4

No

 

2

1.88

No

3

Nitratos

2.04

No

0

de 6

4

2.53

No

 

5

1.68

No

6

2.15

No

1

Potasio

0.068

Si

4

de 6

2

0.123

Si

 

3

0.018