Está en la página 1de 155

UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE INGENIERIA DEPARTAMENTO DE INGENIERIA GEOGRAFICA

MODELO MATEMATICO LOCAL PARA LA ESTIMACION DE COTA ORTOMETRICA

ELEAZAR QUIIMIL VASQUEZ MAURICIO JAVIER ABUSLEME OJEDA 2008

UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE INGENIERIA DEPARTAMENTO DE INGENIERIA GEOGRAFICA

MODELO MATEMATICO LOCAL PARA LA ESTIMACION DE COTA ORTOMETRICA


TRABAJO DE TITULACION PRESENTADO EN CONFORMIDAD A LOS REQUISITOS PARA OBTENER EL TITULO DE INGENIERO DE EJECUCION EN GEOMENSURA

Profesor Gua: Hctor Patricio Contreras vila

ELEAZAR QUIIMIL VASQUEZ MAURICIO JAVIER ABUSLEME OJEDA 2008

AGRADECIMIENTOS.

Si me pongo a pensar en este proceso de 4 aos, siento que he tenido que superar varias dificultades, que sin la ayuda de Dios y de ciertos conos de mi vida, hubiera sido imposible de lograr. Gracias a mi hermano Aurelio, por confiar en mi, por tener la visin necesaria, para darme la oportunidad que yo llegue lejos. A mi madre, por el apoyo incondicional, porque nunca me falto nada, por inculcarme tu espritu de lucha y porque eres mi ejemplo a seguir. A mi hermano Csar y su familia, que aunque estn lejos siempre estuvieron dndome apoyo.

Agradezco a todos mis amigos que me acompaaron en este proceso, ellos saben personalmente lo mucho que los quiero y que nunca olvidare todo lo que pasamos juntos. A mi compaero de tesis, por apoyarme siempre y por dar todo para sacar la tesis adelante. A ti por simplemente estar ah y hacerme feliz. A todos los profesores que me acompaaron en este proceso...

En fin, a todos ellos y a los que se sientan identificados con la causa......gracias.

Mauricio Abusleme.

Siempre se cometen injusticias en los agradecimientos, pues la memoria es a menudo traicionera.

Agradezco en primer lugar a Blanca Vsquez (ta Olga), que me trajo al mundo y que nos hemos acompaado y amado por tanto tiempo, en el mismo orden agradezco a mi hermana Doris la Quiimil que me va quedando, y que aunque hemos pasado malos momentos se que estar en las buenas y las malas por siempre. Con todo lo anterior agradezco a mi pequea, pero amada familia, y mientras todo esto pasa doy un vistazo al cielo, porque si veo a mi padre orgulloso entonces entiendo que las cosas van bien.

Agradezco a cada uno, a cada dos, y cada todos los que han estado presentes durante este trabajo de titulacin, esta etapa, y como no toda mi vida (en especial a ti que te has interesado, y me has acompaado este tiempo). Hablando netamente de nuestro trabajo de titulacin, agradezco al profesor Hctor Contreras que nos acompa tantos viernes en la tarde y que nos ayud en todo momento. En este sentido quiero dar un merecido gracias y un enorme abrazo a ti Mauricio (Busleme) sin tu persona esto no hubiera sido lo mismo, discutimos, remos, nos cansamos, nos frustramos, nos ayudamos, y nos conocimos un poco ms. Gracias tambin a tu familia que siempre se preocupo en todo sentido. Fue un agrado trabajar con un amigo, no nos sacamos los ojos, si tuvimos diferencias, pero el trabajo esta hecho, y muy bien hecho.

Eleazar Quiimil Vsquez

RESUMEN. La utilizacin del sistema de posicionamiento global (GPS) es cada vez ms frecuente y necesaria. Esto, debido en gran parte, a sus resultados rpidos y precisos. Pero, pese a todas sus ventajas, en ingeniera esta tecnologa es utilizada a nivel planimtrico. Dejando muchas veces la componente altimtrica, entregada por el receptor, de lado y sin utilizacin alguna. Esta memoria estudia un mtodo matemtico que sea capaz de estimar altura ortomtrica, aprovechando la precisin de la altura elipsoidal que entrega el receptor GPS. Para esto se realizaron modelos de regresin mltiple en dos aplicaciones. La primera en una zona de la Regin Metropolitana, y la segunda en una lnea de nivelacin en la cuesta Lo Prado. Se compara ambos modelos con la calibracin vertical realizada por el software Trimble Geomatics Office (TGO) de donde se concluy que, dentro de una zona o lnea de nivelacin estudiada, el modelo de regresin mltiple entrega mejores resultados que el software TGO. Finalmente se realiz, en el software Arcview GIS, una automatizacin para el clculo de los modelos, esperando que a futuro los software comerciales integren este tipo de aplicaciones, para as, aumentar las precisiones, y reducir costos y tiempo en los trabajos de ingeniera. Queda invitado el lector a profundizar en las herramientas que entrega la ciencia en pro de la solucin de problemas atingentes a la rama de Geomensura, siendo esta memoria solo un paso en este constante aprendizaje. Palabras clave Inferencia Estadstica. Altimetra. Regresin mltiple. Arcview.

ABSTRACT. The use of Global Positioning System (GPS) is becoming more frequent and necessary. This is due largely, to its quick and precise results. But in spite of all its advantages, this technology is used at a planimetric level in engineering, leaving the altimetric component, given by the receiver, without any use. This thesis studies a mathematical method capable of estimating orthometric height, taking advantage of the precision of the ellipsoid height given by a GPS receiver. To achieve this, multiple regression models were made in two applications. The first one is placed in an area of the Region Metropolitana, and the second one in a leveling line in Cuesta Lo Prado. Comparing both models with the vertical calibration made by Trimble Geomatics Office (TGO) software. Where, it concluded, that within a studied area or leveled line, the multiple regression model gives better results than the TGO software. Finally, an automation to calculate the models in ArcView GIS software was made. Hoping that future commercial software integrate this type of applications. Then, it will be possible to increase precisions, and reduce costs and time in engineering works. The reader is invited to go deeper on the tools given by science in favour of the solution of problems related to Surveying. This thesis is only a step in this constant learning. Key words: Statistical Inference Altimetry Multiple Regression Arcview

INDICE GENERAL. CAPITULO I INTRODUCCION. 1.1 Antecedentes. 1.2 Estado actual del problema. 1.3 Hiptesis. 1.4 Objetivos. 1.4.1 Objetivo general. 1.4.2 Objetivos especficos. 1.5 Metodologa de trabajo. 1 1 3 3 3 3 4

CAPITULO II CONCEPTOS Y METODOLOGIA DE TRABAJO. 2.1 Introduccin. 2.2 Conceptos previos geodsicos. 2.2.1 El elipsoide. 2.2.2 El geoide. 2.2.3 Datum geodsico. 2.2.4 Altura elipsoidal. 2.2.5 Altura ortomtrica. 2.3 Sistemas de coordenadas. 2.3.1 Coordenadas cartesianas. 2.3.2 Coordenadas geodsicas. 2.3.3 Relacin matemtica entre coordenadas cartesianas y Geodsicas. 2.4 Sistemas de referencia geodsicos. 2.4.1 Sistemas locales de referencia. 2.4.2 Sistemas globales de referencia. 2.4.3 International Terrestrial Reference Frame (ITRF) 2.4.4 Sistema WGS-84. 2.4.5 Sistema de referencia para las Amricas (SIRGAS) 13 14 15 16 16 18 19 6 6 7 8 9 10 10 11 11 12

2.5 Sistema de posicionamiento global (GPS) 2.5.1 Seal GPS. 2.5.2 Fuentes de error GPS. 2.6 Transformacin bidimensional de coordenadas. 2.6.1 Tipos de transformaciones bidimensionales. 2.6.2 Modelo de ajuste. 2.6.3 Precisin del mtodo de ajuste. 2.7 Inferencia estadstica. 2.7.1 Introduccin. 2.7.2 Conceptos bsicos de inferencia estadstica. 2.7.3 Regresin Mltiple. 2.7.4 Estimacin de los parmetros del modelo. 2.7.5 Propiedades de los estimadores. 2.7.6 Anlisis de la varianza. 2.7.7 Correlacin.

20 21 22 23 23 26 29 31 31 32 35 37 39 44 49

CAPITULO III DESARROLLO. 3.1 Introduccin. 3.2 Aplicacion1: Uso de regresin mltiple en una zona de la Regin Metropolitana. 3.2.1 Obtencin de los coeficientes del modelo. 3.2.2 Intervalos de confianza. 3.2.3 Contrastes individuales de la t para los coeficientes del Modelo de regresin. 3.2.4 Tabla ANOVA (contraste conjunto de la F) 3.2.5 Coeficientes de determinacin y de correlacin del Conjunto. 3.2.6 Coeficientes de determinacin y correlacin Individuales. 65 64 60 63 54 56 58 53

3.2.7 Aplicacin del Modelo. 3.2.8 Calibracin Local GPS de la zona de estudio Regin Metropolitana con Software Trimble Geomatics Office (TGO) 3.3 Aplicacin 2: Lnea de nivelacin Cuesta lo Prado. 3.3.1 Introduccin. 3.3.2 Calculo y ajuste de Alturas ortomtricas Cuesta lo Prado. 3.3.3 Ajuste de los desniveles a travs de modelo de ecuaciones de condicin. 3.3.4 Aplicacin 2: Uso de regresin mltiple en la lnea de Nivelacin Cuesta lo prado. 3.3.5 Aplicacin de ajuste TGO a la lnea de nivelacin cuesta lo Prado. 3.4 Automatizacin en software Arcview Gis 3.3 3.4.1 Automatizacin coordenadas planimtricas. 3.4.2 Automatizacin de parmetros verticales. 3.4.3 Datos desplegables a la vista.

66

73 76 76

78

83

88

96 97 97 100 108

CAPITULO IV ANALISIS DE RESULTADOS. 4.1 Antecedentes. 4.2 Anlisis aplicacin 1: Zona estudio Regin Metropolitana. 4.2.1 Contraste residuos TGO y Modelo de regresin mltiple. 4.2.2 Validacin parmetros de estimacin Altura ortomtrica aplicacin 1. 4.2.3 Intervalos de confianza y de prediccin. 4.3 Anlisis aplicacin 2: Lnea de nivelacin cuesta lo Prado. 4.3.1 Contraste residuos TGO y Modelo de regresin mltiple 113 117 119 119 111 111 111

4.3.2 Validacin parmetros de estimacin Altura ortomtrica.

120

CAPITULO V CONCLUSIONES Y RECOMENDACIONES. 5.1 Conclusiones. 5.2 Recomendaciones. 122 126

ANEXOS. BIBLIOGRAFIA.

128 139

INDICE DE FIGURAS.

2.1 El Elipsoide 2.2 Relacin Elipsoide-geoide 2.3 Altura Ortomtrica 2.4 Relacin Geomtrica entre coordenadas cartesianas y geodsicas 2.5 Estaciones ITRF2005 2.6. Movimiento de las placas terrestres obtenido por ITRF2005 (1 cm/ao) 2.7. Parmetros WGS 84

7 8 10 13 17

18 19

2.8. Representacin grafica de ejes XY girados, trasladados y escalados 25 3.1. Relacin entre variables 3.2. Puntos dispuestos geogrficamente aplicacin 1 3.3. Propiedades del proyecto en software TGO 3.4. Datos importados TGO (aplicacin 1) 3.5. Calibracin local vertical TGO 3.6. Trimble R8 y Leica serie TPS400 3.7. Correccin a la lnea 3.8. Calculo de distancias horizontales 3.9. Mediciones reciprocas y simultaneas 3.10. Pasos ajuste por mnimos cuadrados 3.11. Disposicin geogrfica de puntos cuesta lo prado 3.12. Parmetros de transformacin bidimensional 3.13. Transformacin bidimensional de coordenadas 3.14. Tabla de datos exportados 3.15. Estimacin parmetros verticales Arcview 3.16. Caja de dialogo estimacin vertical 3.17. Centroide automatizado, obtenido de datos insertados para realizar Regresin 101 53 55 73 74 75 78 79 79 77 84 89 98 99 99 100 101

3.18. Mdulos de utilizacin de Multiple Regression - Free Statistics Software (Calculator) 3.19. Valores a insertar en calculadora 3.20. Resultados entregados por Multiple Regression - Free Statistics Software (Calculador) 3.21. Tabla de validacin 3.22. Caja transformacin vertical 3.23. Resultado transformacin vertical en arcview 3.24. Add Event Theme 3.25. Vista de puntos importados a las capas 4.1. Subzonas establecidas por distancia a su centro 4.2. Distribucin espacial de residuos aplicacin 1 aplicada a los 56 puntos 4.3. Distribucin espacial de residuos TGO aplicada a los 56 puntos 4.4. Distribucin espacial de residuos en valor absoluto de la aplicacin 1, en los 100 km2 de la zona de estudio 4.5. Distribucin espacial de residuos en valor absoluto del software TGO, en los 100 km2 de la zona de estudio 4.6. Puntos de control cuesta lo prado 116 120 116 115 115 105 106 107 108 110 110 114 103 104

INDICE DE TABLAS.

2.1. Parmetros PSAD56, SAD69 e Hito XVIII 2.2. Tabla ANOVA del modelo de regresin mltiple 3.1. Puntos del Set de datos a utilizar aplicacin 1 3.2. Coordenadas Centroide aplicacin 1 3.3. Tabla ANOVA del contraste conjunto de la F(aplicacin 1) 3.4. Tabla ANOVA de variable Este respecto variable Altura ortometrica 3.5. Coeficientes de correlacin y determinacin individuales 3.6. Alturas Ortometricas obtenidas con regresin mltiple 3.7. Residuos simples, estandarizados y estudentizados Aplicacin 1 3.8. Parmetros de Ajuste Vertical TGO (Aplicacin 1) 3.9. Resumen errores TGO (Aplicacin 1) 3.10. Alturas ortomtricas entregadas por TGO (Aplicacin 1) 3.11. Resultados poligonal 1 3.12. Resultados poligonal 2 3.13. Resultados alturas ortomtricas ajustadas, poligonal 1 3.14. Resultados alturas ortomtricas ajustadas, poligonal 2 3.15. Puntos para confeccin modelo regresin mltiple cuesta lo prado 3.16. Parmetros modelo regresin mltiple Cuesta Lo Prado 3.17. Contraste conjunto de la F cuesta lo prado 3.18. Residuos simples, estandarizados y estudentizados, cuesta lo prado 3.19. Parmetros y centroide modelo, nueva regresin mltiple 5 parmetros 3.20. Tabla ANOVA nueva regresin mltiple 5 parmetros 3.21. Residuos simples, estandarizados y estudentizados, modificacin modelo cuesta lo prado

16 45 54 55 63

65 66 66 69 75 75 76 82 83 87 88 89 90 91

91

93 94

94

3.22. Parmetros ajuste vertical TGO cuesta lo prado 3.23. Alturas ortomtricas entregadas por TGO, cuesta lo prado 4.1. Tolerancias altimtricas dependiendo de la escala 4.2. Precisiones modelo aplicacin 1 v/s TGO, por subzonas 4.3. Altura ortomtrica de puntos mustrales 4.4. Estimacin y prediccin para muestras 4.5. Intervalos de confianza e intervalos de prediccin 4.6. Puntos de control cuesta lo prado, aplicando modelo de regresin

96 96 112 114 117 118 118 121

INDICE DE GRAFICOS.

3.1. Histograma de residuos (Aplicacin 1) 3.2. Probabilstico de normalidad (p-p y q-q) y simetra 3.3. Residuos estandarizados v/s Predicciones (aplicacin 1) 3.4. Predicciones v/s Variable respuesta (aplicacin 1) 3.5. Predicciones v/s Variable respuesta cuesta lo prado 3.6. Residuos estandarizados v/s Predicciones cuesta lo prado 3.7. Predicciones v/s Variable respuesta, modificacin modelo cuesta lo prado 3.8. Residuos estandarizados v/s Predicciones, modificacin modelo cuesta lo prado 4.1. Comparacin Residuos Modelo de regresin v/s Residuos TGO (aplicacin 1) 4.2. Comparacin Residuos Modelo de regresin aplicacin 2 v/s Residuos TGO

70 70 72 72 92 92

95

95

112

119

CAPITULO I INTRODUCCION 1.1 ANTECEDENTES. Como se sabe actualmente, el Sistema de Posicionamiento Global (GPS) nos entrega alturas referidas a un elipsoide de referencia y no al geoide, siendo este ltimo el utilizado como datum vertical actualmente en Amrica Latina. Ahora, la altura geodsica h, obtenida desde los receptores GPS es altamente precisa, aunque no todava con una utilizacin practica en ingeniera. Por esto, es de inters utilizar esta altura geodsica y transformarla a una altura ortomtrica, la cual s se utiliza para referenciar todo tipo de proyectos ingenieriles. Hoy en da existen formas de llevar a cabo este traspaso de alturas, tanto por modelos geoidales o por la utilizacin de programas computacionales que calibren mediciones GPS. Lo que hace que el usuario pueda conocer la altura ortomtrica de un lugar, slo con mediciones GPS, pero que generalmente es de una baja precisin. En estos casos es necesario, para la obtencin de una altura ortomtrica precisa, llevar hasta el lugar una lnea de nivelacin geomtrica, la que suele ser costosa y consumidora de tiempo. 1.2 ESTADO ACTUAL DEL PROBLEMA. En Chile, la obtencin de altura ortomtrica a partir de GPS se realiza de dos maneras. Por normativa descrita en el manual de carreteras Volumen II, y por programas computacionales que calibren mediciones GPS.

Segn la normativa descrita en el manual de carreteras Volumen II, en la seccin 2.312 Transporte de coordenadas mediante GPS, captulo 2.312.6 Altimetra, seala que se pueden adoptar diversos criterios para realizar la reduccin al geoide: Aceptar que el rea del levantamiento es suficientemente pequea, considerando el geoide plano o paralelo al elipsoide, omitiendo la ondulacin del geoide(N) en extensiones que varan entre 0 y 3 kilmetros. Se debe determinar el valor de N de al menos uno de los puntos GPS, comparando la altura nivelada de dicho punto y aplicando esa correccin a todos los dems puntos GPS del rea. Aceptar que el geoide es plano y no paralelo al elipsoide. Este caso es ms preciso que lo anterior y se puede determinar con la utilizacin de un mnimo de 3 puntos GPS con altura ortomtrica conocida en la periferia del rea considerada. Las diferencias entre las alturas referidas al elipsoide y ortomtricas en esos puntos determinan un plano considerado como un geoide local plano. Las reducciones a ese plano se aplican proporcionalmente de acuerdo a la posicin de cada punto GPS restante. Uso directo del modelo geoidal global EGM 96, en donde para cada punto tomado con GPS, se extrae la ondulacin geoidal (N). Determinacin de un geoide local. Igualmente como en el caso del segundo criterio, pero con un mayor nmero de puntos GPS uniformemente distribuidos con altura elipsoidal y ortomtrica conocida. En este caso se genera una superficie tridimensional que refleje ms fielmente el comportamiento del geoide en la zona levantada.

Con respecto a la utilizacin de programas computacionales, estos lo que hacen, en simples palabras, es ajustar un conjunto de mediciones GPS a travs de puntos de altura ortomtrica conocida, a un plano de referencia. 1.3 HIPOTESIS. Se puede realizar un modelo matemtico local que logre determinar altura ortomtrica, en la zona analizada, sin la necesidad de ejecutar una nueva nivelacin para ello, obteniendo resultados ms precisos que los mtodos actuales utilizados en Chile. 1.4 OBJETIVOS 1.4.1 OBJETIVO GENERAL. Lograr un modelo matemtico local que reduzca, en tiempo y dinero, la densificacin de puntos en una zona especfica, obteniendo as alturas ortomtricas precisas, sin necesidad de medir nuevos puntos. 1.4.2 OBJETIVOS ESPECIFICOS. Automatizar la transformacin de coordenadas planimtricas locales a distintas proyecciones (o viceversa) a travs de una transformacin bidimensional de semejanza. Automatizar, y/o dar a conocer una forma de automatizar, el calculo de un modelo matemtico de regresin mltiple para la obtencin de altura ortomtrica.

Ambientar en una plataforma SIG la transformacin planimtrica y de altura ortomtrica con parmetros ya conocidos.

1.5 METODOLOGIA DE TRABAJO Para llevar a cabo los objetivos es necesario realizar una descripcin de los procedimientos escogidos, con el fin de cumplir la verificacin de la hiptesis, la metodologa escogida para este proyecto cuenta con: Recopilacin de material y antecedentes relacionados con el tema. Definicin de forma clara y precisa de la hiptesis. Definicin de objetivos generales y especficos, los cuales deben enmarcarse dentro de los lmites del tema. Planificacin y recopilacin de datos de una zona de la Regin Metropolitana. Planificacin y recopilacin de datos tomados en la tesis Metodologa y desarrollo para la georreferenciacin de un proyecto vial cuesta Lo Prado Mara Jos Herrera, Jos Salas. Ordenamiento y obtencin de alturas ortomtricas para las dos aplicaciones. Realizacin de los modelos, a travs de regresin mltiple, para la estimacin de altura ortomtrica.

Contraste de resultados obtenidos a travs de regresin mltiple, para las dos aplicaciones, con los resultados entregados por el software de procesamiento GPS Trimble Geomatics Office.

Aplicacin de los modelos obtenidos para la estimacin de altura ortomtrica. Entregando su precisin en las distintas zona de estudio.

Automatizacin Avenue.

del

clculo

de

transformacin

bidimensional,

de

coordenadas planimtricas, a travs de lenguaje de programacin

Automatizacin del clculo de alturas ortomtrica, con parmetros de regresin mltiple conocidos, a travs de lenguaje de programacin Avenue.

Integracin de capas geogrficas de Chile, y clculos automatizados en plataforma Arcview GIS 3.3

Anlisis y Conclusiones.

CAPITULO II: CONCEPTOS Y METODOLOGIA DE TRABAJO. 2.1 INTRODUCCIN. La geodesia estudia la forma, dimensiones y campo gravitatorio de la tierra en territorios extensos. Como se sabe, esta es su principal diferencia con la topografa, la cual basa sus trabajos en superficies de extensin reducida en las cuales se puede considerar despreciable la esfericidad terrestre. En esencia, la Geodesia comienza sus trabajos all donde termina la topografa. De todas formas, no debe considerarse el estudio de estas ciencias por separado, pues estn ntimamente relacionadas, de tal manera que la topografa necesitar apoyarse en la geodesia para una gran cantidad de aplicaciones prcticas. En este trabajo se aplicarn conceptos de la geodesia fsica, que segn P.S Zakatov en su libro Curso de Geodesia Superior, la define como la parte de la geodesia superior que analiza los mtodos de estudio de la figura de la tierra como cuerpo fsico y geomtrico en base a las leyes de la mecnica y a datos experimentales, o sea, como resultado de las mediciones geodsicas, gravimtricas y astronmicas y conceptos de la geodesia matemtica que formula los mtodos y las tcnicas para la construccin y el calculo de las redes de coordenadas de referencia. 2.2 CONCEPTOS PREVIOS GEODSICOS. A continuacin se definirn conceptos para el buen entendimiento de este trabajo, tanto en las reas de la geodesia fsica, como la geodesia matemtica.

2.2.1 El elipsoide. Como se sabe la tierra no es redonda, y su figura se asemeja a una esfera achatada en los polos, no existiendo una figura geomtrica que la represente a cabalidad, debido fundamentalmente a las irregularidades existentes. Estas irregularidades de la tierra son detectables y no extrapolables a todos los puntos simtricos de la tierra, ya que no existe un nico modelo matemtico que represente toda la superficie terrestre, debido a que cada continente, nacin o pas, emplea un modelo matemtico distinto de forma que se adapte mejor a la forma de la tierra en la zona a cartografiar. (Ignacio Alonso Fernndez-Coppel, El datum) Esta representacin matemtica se le denomina Elipsoide, que es un slido generado por la rotacin de una elipse sobre su eje menor (Figura2.1). Est definida por los siguientes parmetros: Semieje mayor(a), Semieje menor (b), achatamiento () y la primera y segunda excentricidad ( e y e respectivamente) y las relaciones entre ellos son las siguientes:

ab a

e=

a2 + b2 a

e' =

a2 + b2 b

Figura 2.1 El Elipsoide. Fuente: La tierra, por Dagoberto Salazar. http://nacc.upc.es/tierra/node25.html

2.2.2 El geoide. Se define al geoide como la superficie terica de la tierra que une todos los puntos que presenten igual potencial de gravedad. La forma as creada supone la continuacin por debajo de la superficie de los continentes, de la superficie de los ocanos en calma y mares suponiendo la ausencia de mareas, adems de la ausencia de perturbaciones exteriores (atraccin de la luna y las interacciones de todo el sistema solar), siendo as coincidente con el Nivel medio del mar (NMM). Lejos de lo que se podra imaginar, esta superficie no es uniforme, sino que presenta una serie de irregularidades, causadas por la distinta composicin mineral del interior de la tierra y de sus distintas densidades, lo que implica que para cada punto de la superficie terrestre exista una distancia distinta desde el centro de la tierra al punto del geoide. (Ignacio Alonso
Fernndez-Coppel, El datum)

El geoide se extiende por los continentes sin interrupciones, sin embargo se hundir por debajo del elipsoide debido a la deficiencia de masa (ocanos), por otro lado , donde existan concentraciones de masa el geoide se levantar sobre el elipsoide. A esta separacin entre elipsoide y geoide se llama ondulacin geoidal (N) como se muestra en la figura 2.2.

Figura 2.2 Relacin Elipsoide-geoide. Fuente: El geoide para el rea mexicana y sus aplicaciones por David valos Naranjo.

Pero se debe tener cuidado de no confundir al geoide con el nivel medio del mar, ya que este ultimo vendra siendo en estricto rigor un cuasi-geoide debido a que vara constantemente y no es el mismo conforme uno se mueve a lo largo de una costa, mucho menos entre ocanos distintos. 2.2.3 Datum geodsico. El datum geodsico es la superficie de referencia para el clculo y determinacin de coordenadas, establecindose datos iniciales de los cuales se deriva el resto. Est compuesto por:

Una superficie de referencia con definicin geomtrica exacta, generalmente un elipsoide de revolucin. Un punto fundamental, en el que coinciden las verticales al geoide y al elipsoide.

En geodesia se emplean dos tipos de datum, el horizontal y el vertical:

Datum Horizontal: Permite la determinacin de la latitud y longitud. Se elige un punto en el cual las superficies del elipsoide de referencia y del geoide sean tangentes. De esta forma la vertical del geoide (astronmica) y la vertical del elipsoide (geodsica) coincidirn, as tambin, sus respectivas coordenadas.

Datum Vertical: Es independiente del datum horizontal y es la superficie que permite el clculo de las alturas. Lo ms usual es que esta superficie sea el geoide o referida al nivel medio del mar.

10

2.2.4 Altura elipsoidal. Las alturas elipsoidales (h) representan la separacin entre la superficie topogrfica terrestre y el elipsoide, calculada sobre la lnea perpendicular a este ltimo. Las alturas elipsoidales son obtenidas a partir de las coordenadas geocntricas cartesianas (X, Y, Z) definidas sobre un elipsoide de referencia (por ejemplo el modelo Geodetic Reference System 1980, GRS80, o el World Geodetic System 1984, WGS84, los cuales, en la prctica, son iguales), y determinadas a partir del posicionamiento satelital de los puntos de inters. (Grupo de Trabajo III SIRGAS).

2.2.5 Altura ortomtrica.

Figura 2.3 Altura Ortomtrica. Fuente: Grupo de Trabajo IIISIRGAS

Los nmeros geopotenciales son divididos por el valor medio de la gravedad verdadera (g') entre el punto evaluado y el geoide. (Figura 2.3)

H ( ortom ) =

C g'

11

Debido a que no es posible determinar directamente el valor de g, es necesario introducir hiptesis sobre distribucin de masas internas terrestres. Tambin las alturas ortomtricas pueden obtenerse a partir de las alturas elipsoidales mediante la sustraccin de las ondulaciones geoidales (N): H ( ortom ) = h N

2.3 SISTEMAS DE COORDENADAS. Cuando es necesario identificar la posicin de un punto sobre el espacio se utilizan los sistemas terrestres o geodsicos de referencia. stos alternadamente, son asociados a una superficie que ms se aproxime a la forma de la tierra (elipsoide), en la cual se desarrollan todos los clculos para obtener sus coordenadas. Las coordenadas se pueden presentar en diversas formas: referidas a un elipsoide determinado, denominadas coordenadas geodsicas y en una superficie plana, que se denominar dependiendo de la proyeccin que se ocupe, como por ejemplo, coordenadas UTM. Las coordenadas referidas a los sistemas de referencia geodsicos son presentadas principalmente como: Cartesianas, Geodsicas o Elipsoidales y planas. 2.3.1 Coordenadas cartesianas. Es un sistema dextrgiro en donde el elipsoide est asociado a un sistema cartesiano ortogonal formado por los ejes XYZ. El eje X est contenido en el plano ecuatorial, orientado al meridiano cero (Greenwich), Z coincide con el eje de rotacin terrestre y est orientado en la direccin del polo norte, el eje Y completa el sistema dextrgiro siendo perpendicular a los dos anteriores.

12

2.3.2 Coordenadas geodsicas. Las coordenadas geodsicas determinan la posicin espacial de un punto cualquiera sobre un elipsoide determinado, que represente de mejor manera a la tierra o una zona particular. Quedan determinadas por: Latitud (): ngulo formado por la normal al punto a definir y su proyeccin sobre el ecuador, varia de +90 a -90 y toma valores negativos al sur del ecuador. Longitud (): ngulo entre la seccin meridiana que contiene al punto y el meridiano de Greenwich, su graduacin va de 0 a 180, siendo negativas al oeste del meridiano 0 y positivas al este. Altura Elipsoidal (h): Corresponde a la distancia del punto a la superficie del elipsoide, medida sobre su normal.

13

Figura 2.4 Relacin Geomtrica entre coordenadas cartesianas y geodsicas. Fuente: Conceptos geodsicos bsicos. http://www.colegiochubut.org.ar/agrimensores

2.3.3 Relacin matemtica entre coordenadas cartesianas y geodsicas. Como se ve en la figura 2.4, un punto sobre la superficie terrestre, tiene coordenadas cartesianas (X,Y,Z) geocntricas, que pueden ser expresadas en coordenadas geodsicas (,,h), o viceversa, de acuerdo con las siguientes relaciones matemticas: a- Transformacin de coordenadas geodsicas a cartesianas. (,,h) (X,Y,Z).

X 1 = ( N + h) cos cos Y1 = ( N + h) cos sen Z 1 = [ N (1 e 2 ) + h] sen


Donde: -1 excentricidad (e):

e2 =

a2 b2 a2

14

-Gran normal (N):

N=

a 1 e 2 sen 2

a y b: semiejes del elipsoide. b- Transformacin de coordenadas cartesianas geodsicas, (X,Y,Z) (,,h):

Z 1 + b e' 2 sen 3 = arctan 2 3 d a e cos Y = arctan 1 X1 h= d N cos

Donde: -2da excentricidad (e):

e' 2 =

a2 b2 b2

Y las variables auxiliares son:


Z1 a d b

d=

X 1 + Y1
2

= arctan

2.4 SISTEMAS DE REFERENCIA GEODSICOS. Un sistema de referencia geodsico es un recurso matemtico que permite asignar coordenadas a puntos sobre la superficie terrestre. Deben distinguirse los llamados sistemas locales que utilizan, para su definicin, un elipsoide

15

determinado y un punto datum, y los sistemas globales cuyos parmetros estn dados por una terna rectangular (X, Y, Z) cuyo origen se encuentra en el geocentro del planeta. Para definir las coordenadas geodsicas (latitud, longitud y altura elipsoidal) cuentan con un elipsoide de revolucin asociado. Esta es una definicin rigurosa pero abstracta, pues tanto el centro como los ejes son inaccesibles en la prctica. 2.4.1 Sistemas locales de referencia. Los sistemas locales de referencia son aquellos que adaptan el geoide a una zona especfica de la tierra, gracias a la utilizacin de un elipsoide determinado, sobre este se realizan todos los clculos geodsicos, con el previo conocimiento de la posicin geomtrica del punto origen (datum) Adems los sistemas locales de referencia no son geocntricos. En las dcadas de los aos cincuenta y sesenta, para fines geodsicos y cartogrficos se definieron los sistemas de referencia sudamericanos, datum Provisorio Sudamericano 1956 (PSAD56), con su vrtice de origen en La Canoa, Venezuela y datum Sudamericano 1969 (SAD69), con su origen en Chua, Brasil. Nuestro pas ha adoptado como sistema de referencia oficial para el territorio nacional, desde el extremo norte hasta la latitud 43 30 Sur, PSAD56, lo que coincide aproximadamente con el lmite entre las regiones X y XI. En el extremo sur se utiliza el sistema SAD69 como referencia cartogrfica, como tambin el datum HitoXVIII en el extremo sur de la XII regin. En la tabla 2.1 se muestran los parmetros que definen a cada datum. La cartografa sistemtica escala 1/50000 editada por el IGM est referida a los

16

datums PSAD56, SAD69 e Hito XVIII, en las regiones correspondientes. Las cartas IGM 1/25000 estn referidas al SAD69. (Manual de carreteras Volumen II)

Tabla 2.1 Parmetros PSAD56, SAD69 e Hito XVIII.

Datum PSAD56 SAD69 Hito XVIII

Elipsoide Internacional (Hayford) South American 1969 (UGGI-67) Internacional (Hayford)

Semieje-mayor 6.378.388 m 6.378.160 m 6.378.388 m

Achatamiento 1/297
1/298,25

1/297

2.4.2 Sistemas globales de referencia. A diferencia de los sistemas geodsicos locales, los sistemas geocntricos son tridimensionales y de alcance global. El concepto de punto datum desaparece, y es reemplazado por el origen y orientacin de la terna de referencia. Esta terna consiste en los ejes ortogonales cartesianos X, Y, Z centrados en el centro de masas de la tierra. Estos sistemas terrestres (fijados a la Tierra) tienen el eje X solidario al meridiano origen de las longitudes y el eje Z prximo al eje de rotacin, por lo tanto este sistema gira juntamente con la tierra. Estos sistemas resultan imprescindibles para ubicar puntos ligados al planeta Tierra.
Geodsicos. Comit Nacional de la Unin Geodsica y Geofsica Internacional .1era edicin 1999) (Sistemas

2.4.3 International Terrestrial Reference Frame (ITRF). El organismo encargado de determinar y entregar informacin cientfica sobre los parmetros de orientacin de la tierra, para la realizacin de distintos organismos (astronmicos, geodsicos y geofsicos), es el IERS (Internacional Earth Rotation Service). ITRF fue establecido por IERS y constituye el marco de

17

referencia del ITRS (Internacional Earth Reference System). Existe alguna confusin entre los conceptos de sistemas y marcos de referencia. Los sistemas de referencia se definen a partir de consideraciones matemticas y fsicas e involucran la especificacin de parmetros, puntos origen, planos, ejes, etc. Los marcos de referencia estn constituidos por puntos materializados en el terreno, ubicados con gran exactitud y precisin, segn alguno de los sistemas de referencia. La constitucin del ITRF corresponde a un conjunto de estaciones de las cuales se conocen sus coordenadas y su variacin respecto al tiempo, a las cuales se les denomina Set of Station Coordinates (SSC). Para ello se emplean tcnicas como VLBI (Very Long Baseline Interferometry), SLR (Satelite Laser Ranging), LLR (Lunar Laser Ranging), GPS, DORIS (Doppler Orbitography and Radiopositoning Integrated by Satellite)

Figura 2.5 Estaciones ITRF2005. Fuente: http://itrf.ensg.ign.fr/

18

Figura 2.6. Movimiento de las placas terrestres obtenido por ITRF2005 (1 cm/ao). Fuente: http://itrf.ensg.ign.fr/

2.4.4 Sistema WGS-84. El sistema Geodsico Mundial 1984, es actualmente el sistema de referencia para GPS y es compatible con el ITRF, bsicamente bajo los siguientes aspectos:

Posicin: geocntrico, con origen en el centro de masa de la tierra, incluyendo ocanos y atmsfera. Orientacin: eje Z en direccin del Polo de Referencia definido por IERS, eje X en la interseccin del meridiano de Referencia (IERS) y el plano ecuatorial, eje Y completa el sistema ortogonal dextrgiro.

Al sistema cartesiano se asigna un elipsoide tambin denominado WGS-84, que es compatible con el sistema de referencia 1980 (Elipsoide GRS80).

19

Figura 2.7. Parmetros WGS 84. Fuente: Manual de carreteras Volumen II

2.4.5 Sistema de referencia para las Amricas (SIRGAS). El sistema de referencia geocntrico para las Amricas (SIRGAS) es la densificacin regional del marco global de referencia terrestre del IERS (ITRF). Las coordenadas SIRGAS estn asociadas a una poca especfica de referencia y su variacin con el tiempo es tomada en cuenta ya sea por las velocidades individuales de las estaciones SIRGAS o mediante un modelo continuo de velocidades que cubre todo el continente. Adems del sistema de referencia geomtrico, se ocupa de la definicin y realizacin de un sistema vertical de referencia basado en alturas elipsoidales como componente geomtrica y en nmeros geopotenciales (referidos a un valor W0 global convencional) como componente fsica. Las realizaciones o densificaciones de SIRGAS asociadas a diferentes pocas materializan el mismo sistema de referencia y sus coordenadas, reducidas a la misma poca, son compatibles en el nivel milimtrico. La primera realizacin de SIRGAS (SIRGAS95) corresponde al ITRF94, poca 1995.4 y est dada por una red GPS de alta precisin con 58 estaciones distribuidas sobre Amrica del Sur. Esta red fue reocupada en el ao 2000, extendindose a los pases del Caribe y de Centro y Norte Amrica. Por esta razn, el significado original del acrnimo SIRGAS (Sistema de Referencia Geocntrico para Amrica del Sur) cambi a Sistema de Referencia Geocntrico para las Amricas. La nueva realizacin de SIRGAS (SIRGAS2000) incluye 184 estaciones y corresponde al ITRF2000, poca

20

2000.4. La precisin de las coordenadas de estas dos realizaciones est entre 3 y 6mm (Grupo II de Trabajo SIRGAS) La tercera realizacin de SIRGAS es la red SIRGAS de Observacin Continua (SIRGAS-CON). Actualmente est compuesta por aproximadamente 130 estaciones GNSS de funcionamiento permanente, de las cuales aproximadamente 50 pertenecen la red global del IGS (International GNSS Service). 2.5 SISTEMA DE POSICIONAMIENTO GLOBAL (GPS) El GPS (Global Positioning System, o sistema de posicionamiento Global) fue desarrollado por el Departamento de Defensa de los Estados Unidos (DoD) como un sistema de navegacin de precisin, con fines militares. A partir de 1973 se comenz a desarrollar la constelacin NAVSTAR (Navigation Satellite Timing and Ranging o Navegacin por satlite con medicin de tiempo y distancia), la cual qued operativa en 1995, conformada por 27 satlites (24 operativos y 3 de reserva), dando un alto grado de disponibilidad al sistema GPS en todo momento del da y en cualquier lugar. El sistema GPS esta referido al datum WGS-84 y tiene por objetivo calcular la posicin de un punto cualquiera en un espacio de coordenadas (X,Y,Z), partiendo del clculo de las distancias del punto a un mnimo de tres satlites cuya localizacin es conocida. La distancia entre el usuario (receptor GPS) y un satlite se mide multiplicando el tiempo de vuelo de la seal emitida desde el satlite por su velocidad de propagacin. Para medir el tiempo de vuelo de la seal de radio es necesario que los relojes de los satlites y de los receptores estn sincronizados, pues deben generar simultneamente el mismo cdigo. Ahora bien, mientras los relojes de los satlites son muy precisos los de los receptores son osciladores de cuarzo de bajo coste y por tanto imprecisos. Las distancias con errores debidos al sincronismo se denominan pseudodistancias.

21

La desviacin en los relojes de los receptores aade una incgnita ms que hace necesario un mnimo de cuatro satlites para estimar correctamente las posiciones. 2.5.1 Seal GPS. Los satlites que utiliza GPS contienen varios osciladores de alta precisin, entregando medidas de tiempo del orden de 10 14 segundos. Los osciladores de alta precisin del satlite tiene una frecuencia fundamental 0 = 10.23 MHz, la cual genera dos frecuencias portadoras de la banda L, las cuales sirven para transmitir informacin a travs de los satlites. Las dos frecuencias generadas a partir de 0 son:

L1 = 1575.42 MHz, con longitud de onda =19 cm. L2 = 1227.60 MHz, con longitud de onda =24 cm.

Sobre estas dos frecuencias transportadoras se transmiten, a su vez, dos cdigos, que son secuencias binarias (combinacin de ceros y unos) de formacin seudo aleatoria, llamados Ruidos Seudo Aleatorio-PRN (pseudos Random Noise), estos cdigos son:

Cdigo binario de adquisicin Bruta o Grosera C/A (Coarse Adquisition): modulado slo en L1 y es el de menor frecuencia a 1.023 MHz, su longitud de onda es de 300 m. Es de uso civil.

22

Cdigo binario preciso P ( Y): modulado en ambas portadoras (L1 y L2) a una frecuencia de 10.23 MHz, tiene una longitud de onda de slo 30 m. y es de uso Restringido.

Junto con estos dos cdigos, se enva un mensaje de navegacin (NAVDATA) modulado en ambas portadoras, el cual suministra la siguiente informacin:

Efemrides de los satlites: informacin que refleja el movimiento del satlite en su orbita y permite calcular la posicin de este al instante de medicin.

Almanaque: informacin sobre la posicin de todos los satlites de la constelacin.

Tiempo del sistema. Correcciones a los relojes de los satlites. Nmero de identificacin del satlite Estado (salud) del satlite

2.5.2 Fuentes de error GPS Igualmente que en todos los equipos que se utilizan, una observacin GPS est sometida a varias fuentes de error, que se pueden minimizar dependiendo del equipo y metodologa que se utilice. Estas fuentes de error son las siguientes:

23

Satlites:

-Variaciones Orbitales -Errores en el oscilador

DoD:

-S/A (Disponibilidad Selectiva) -Error del oscilador receptor -Error en las coordenadas de referencia -Retraso Ionosfrico. -Retraso Troposfrico. -Prdidas de ciclos -Errores de medida de fase con el receptor en movimiento. -Multipath (Ondas reflejadas) -Errores en el estacionamiento -Errores en la manipulacin del equipo.

Punto de Referencia: Observaciones:

2.6 TRANSFORMACION BIDIMENSIONAL DE COORDENADAS. 2.6.1 Tipos de transformaciones bidimensionales. Las transformaciones bidimensionales se dividen en:

Proyectiva. Afn. De Semejanza o conforme.

24

a- Transformacin proyectiva bidimensional. Las ecuaciones de la transformacin bidimensional proyectiva posibilitan el clculo analtico de coordenadas de puntos del sistema de referencia sobre un plano (X, Y) a partir de las coordenadas de sus puntos homlogos en el sistema arbitrario (x,y) En estas ecuaciones se supone que la coordenada Z del sistema de referencia es conocida al estar situados los puntos sobre un mismo plano. En el caso de considerar puntos que no estn contenidos en dicho plano, los valores de las coordenadas planimtricas (X, Y) que se obtengan, tendrn un error proporcional al error de la Z considerada. Esta transformacin suele emplearse en aquellos casos en los que se suponen pequeas variaciones de relieve. b- Transformacin afn bidimensional. La transformacin de coordenadas afn bidimensional, es slo una pequea modificacin de la transformacin de semejanza (2-D) a la cual se le incluyen diferentes factores de escala, direccin eje de abscisas y ordenadas, y falta de ortogonalidad entre sus ejes. c- Transformacin bidimensional conforme o de semejanza. Una transformacin de semejanza aplicada sobre una figura, es aquella que no vara su verdadera forma despus de la transformacin. Para aplicar una transformacin bidimensional de semejanza es necesario conocer como mnimo las coordenadas de dos puntos en ambos sistemas. Se mejora la precisin en la transformacin, si los puntos se eligen lo ms alejados posibles. Debido a que son 4 incgnitas y cada punto entrega 2 ecuaciones, son necesarios al

25

menos 3 puntos para haber redundancia y hacer posible el ajuste con 2 grados de libertad.

Figura 2.8. Representacin grafica de ejes XY girados, trasladados y escalados. Fuente: Ajuste Geodsico Rene Zepeda.

La expresin general de una transformacin conforme bidimensional, considerando el caso ms general, es decir, ejes girados, trasladados y con diferentes unidades de medida, se tendr:
x' = ( x Cos ( ) + y Sen( )) + Tx y ' = ( y Cos ( ) x Sen( )) + T y

Expresado en forma matricial la expresin anterior se tiene:


x' Cos ( ) Sen( ) x Tx y ' = Sen( ) Cos ( ) y + T y

Pudiendo expresar la relacin anterior de la siguiente forma:

26

x' a b x Tx y ' = b a y + T y

Esta transformacin es conocida con el nombre de Transformacin de Helmert. Donde los parmetros de la transformacin a calcular son respectivamente a, b, Tx, Ty. Conocidos los parmetros a y b puede determinarse el giro y el factor de escala.

a = Cos ( ) b = Sen( )

Con lo que:

= a2 + b2 = A tan( )
b a

2.6.2 Modelo de ajuste. El modelo aplicable para este caso es uno paramtrico con lo que: La = F(Xa) Modelo linealizado: AX + L = V Partiendo de la forma general, las ecuaciones de observacin para n puntos sern:

27

P1 P2 M

x'1 = a x1 + b y1 + Tx x ' 2 = a x 2 + b y 2 + Tx M

y '1 = a y1 b x1 + T y y'2 = a y 2 b x2 + Ty M

Pn x' n = a x n + b y n + Tx

y'n = a y n b xn + Ty

De esto se obtiene:
x'1 y '1 x' 2 L = y'2 M x' n y'n

F |X A= X a

b X = Tx Ty

Donde A se ira conformando de la siguiente manera:

x' x' x' x' =x =y =1 =0 T y a b Tx y ' y ' y ' y ' =y = x =0 =1 a b Tx T y


El modelo de Helmert se resolver por:

28

x1 ' a y1 ' a x 2 ' a y ' 2 a M x ' n a y n ' a

x1 ' x1 ' x1 ' b Tx T y y1 ' y1 ' y1 ' x'1 Vx'1 b Tx T y y '1 Vy '1 x 2 ' x 2 ' x 2 ' a b Tx T y b x' 2 Vx' 2 y ' 2 = Vy ' 2 y 2 ' x 2 ' y 2 ' Tx M M b Tx T y
M x n ' b y n ' b M x n ' Tx x n ' Tx T M y x n ' Ty y n ' T y x' n y'n Vx' n Vy ' n

[A]

[X ] [L]

[V ]

Donde [A] [X] - [L] = [V] representa la forma general de las ecuaciones de observacin indirecta. Aplicando la condicin de mnimo al sistema de ecuaciones se tiene:

= Vi = [V ] [P ] [V ]
2 t

= ([A] [X ] [L ]) [P ] ([ A] [X ] [L ]) t t = [X] [A] [P] [A] [X] - [L]t [P] [A] [X] - [X] t [A]t [P] [L] + [L]t [P] [L]
t

i =1

2 y 3 trmino son iguales, por propiedad de matrices, por lo que resulta.


= [X] t [A]t [P] [A] [X] - 2 [L]t [P] [A] [X] + [L]t [P] [L]

Para minimizar la funcin , habr que calcular su derivada parcial con respecto a X:

29

= 2 [X] t [A]t [P] [A] - 2 [L]t [P] [A] = 0 X


[X] = ( [A]t [P] [A]) -1 [A]t [P] [L]

= 0( Minimo) X

2.6.3 Precisin del mtodo de ajuste. Lo primero es encontrar la precisin a posteriori del modelo (
0 2 2

) El parmetro

normalmente es desconocido y es necesario estimarlo. El estimador de este

parmetro es la varianza residual, definida como el coeficiente entre la suma de residuos al cuadrado y el nmero de grados de libertad del modelo.

s R =
2

n 1 2 vi n u i =1

Donde: n: Nmero de observaciones. En este caso particular cada observacin que entra en el modelo debe ser considerada dos veces es decir habr 2n observaciones debido a que cada punto de observacin entrega dos educaciones al modelo. u: Nmero de parmetros n u: Grados de libertad del modelo.

v
i =1

2 i

: Suma de los cuadrados de los residuos.

30

En forma matricial se podr estimar a travs de.


Lt P L - X t A t P L nu

s R =
2

Asumiendo que s R 0 entonces es posible estimar las matrices de varianza2 2

covarianza de:

Parmetros ajustados:

X a = 0 At P A
2

De los valores observados ajustados:

La = 0 A A t P A
2

At

De los residuos:

V = 0 ( A At P A
2

A t P 1 )

31

2.7 INFERENCIA ESTADSTICA 2.7.1 Introduccin. En el campo de la estadstica se distinguen dos partes, la descriptiva y la inferencial. La descriptiva intenta resumir en forma concisa, un conjunto de datos en un solo valor, ndice o coeficiente. Por su parte la inferencial trata de llegar a conclusiones que sobrepasan el alcance de los datos analizados, es decir se trata de tcnicas que tienden a deducir caractersticas desconocidas a partir de un conjunto de datos. (Dr. Jos Luis Borcosque, Mtodos de cuantificacin en geografa). La inferencia estadstica est formada por los mtodos utilizados para tomar decisiones o para obtener conclusiones sobre una poblacin, utilizando la informacin contenida en una muestra. Se puede dividir en dos grandes reas: estimacin de parmetros y prueba de hiptesis. Como la inferencia estadstica nos permite trabajar con una variable a nivel de intervalo o razn, as tambin se puede comprender la relacin de dos o ms variables y nos permitir relacionar mediante ecuaciones, una variable en relacin de la otra variable llamndose Regresin Lineal y una variable en relacin a otras variables llamndose Regresin mltiple, siendo a esta ultima a la cual se referir en este trabajo . Con regresin mltiple se puede determinar si existe o no relacin de dependencia entre dos o ms variables. Es decir, conociendo los valores de una variable independiente, se trata de estimar los valores de dos o ms variables dependientes, consiguiendo de mejor manera, una funcin con parmetros que realmente son influyentes en los resultados.

32

2.7.2 Conceptos bsicos de inferencia estadstica. Para que un mtodo de inferencia estadstica proporcione buenos resultados debe:

Basarse en una tcnica estadstico-matemtica adecuada al problema y suficientemente validada.

Utilizar una muestra que realmente sea representativa de la poblacin y de un tamao suficiente.

A continuacin se definirn conceptos bsicos, para un mejor entendimiento de la materia, donde algunas posteriormente se mencionarn o explicarn con mayor profundidad:

Poblacin: es un conjunto homogneo de individuos sobre los que se estudia una o varias caractersticas que son, de alguna forma, observables.

Muestra: es un subconjunto de la poblacin. El nmero de elementos de la muestra se denomina tamao muestral.

Muestreo aleatorio simple: es aquel en el que todos los individuos de la poblacin tienen la misma probabilidad de ser elegidos.

Muestra aleatoria simple: de una variable aleatoria x , con distribucin

F y de tamao n , es un conjunto de n variables aleatorias x1 , x 2 ,..., x n ,


independientes e igualmente distribuidas (con distribucin F ).

33

Espacio muestral: es el conjunto de muestras posibles que pueden obtenerse al seleccionar una muestra aleatoria, de tamao n , de una cierta poblacin.

Parmetro: es cualquier caracterstica medible de la funcin de distribucin de la variable en estudio (media, varianza,etc.).

Estadstico: es una funcin de la muestra T ( x1 , x 2 ,..., x n ). Por tanto, es una variable aleatoria que tiene una funcin de distribucin que se denomina distribucin en el muestreo de T.

Distribuciones mustrales de una estadstica: es la distribucin de probabilidad que puede obtenerse como resultado de un nmero infinito de muestras aleatorias independientes, cada una de tamao n provenientes de la poblacin de inters.

Estimador de la media poblacional: se utiliza la media muestral definida por:

X =

1 n xi n i =1

Si X sigue una distribucin normal (obedece campana de Gauss)


N ( , 2 ) , se verifica que:

2 X ~ N , n

X / n ~ N (0,1)

34

Estimador de la varianza poblacional: se utiliza la cuasivarianza muestral definida por

2 = s

1 n ( X i X )2 i n 1 =1

Si X sigue una distribucin normal N ( , 2 ) , se verifica que:

2 (n 1) s

2 ~ n 1

Dado que normalmente la varianza poblacional se desconoce y es necesario estimarla, cuando ocurre esto se utiliza la distribucin de la t (t - Student), que corresponde a una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo (n<30), es de inters, para la aplicacin de este trabajo, el siguiente resultado:

/ n

~ t n 1

No s profundizar en todos los tipos de distribucin mustrales existentes en estadstica, debido que no es el fin de este trabajo de tesis, slo se adjuntarn en anexos, las tablas normalizadas de cada distribucin, de manera que el lector pueda saber, y a la vez, interpretar de donde se obtienen los valores normalizados de distribucin.

35

2.7.3 Regresin mltiple. Los Modelos de Regresin estudian la relacin estocstica (sistema que funciona por el azar) cuantitativa entre una variable de inters y un conjunto de variables explicativas. Sea Y la variable de inters, variable respuesta o dependiente y sean x1 , x 2 ,...x k las variables explicativas o regresoras. La formulacin matemtica de estos modelos es la siguiente: Y = m( x1 , x 2 ,...x k ) + Donde: = es el error de observacin debido a variables no controladas. En estricto rigor el modelo de regresin es lineal. Por lo tanto la expresin matemtica general del modelo es: Y = 0 + 1 x1 + 2 + ... + k x k + Donde como primer objetivo de este modelo es estimar los parmetros

0 , 1 , 2 ,..., k y la funcin de distribucin del error F a partir de una muestra


de n observaciones, que tendr la forma:
n r {(x ((xi1 , xi 2 ,..., xik ); yi )}in=1 i ; y i )}i =1 = {

De la expresin matemtica general del modelo se deduce que para i = 1,2,...,n se verifica la siguiente igualdad:

36

y i = 0 + 1 xi1 + 2 xi 2 + ... + k xik + i

Que si se escribe de forma matricial queda:


y1 = 0 1 + 1 x11 + 2 x12 + K + k x1k + 1 y = 1+ x + x +K + x + r r r 2 0 1 21 2 22 2 k 2k Y = X + M M M M M M M y n = 0 1 + 1 x n1 + 2 x n 2 + K + k x nk + n

Desarrollando y resumiendo las matrices del modelo de regresin mltiple son:

y1 r y2 Y = , M y n
Donde:

1 x11 x12 K x1k 0 r 1 1 x 21 x 22 K x 2 k , = , X = M M M M M M 1 x x K x nk n1 n 2 k

0 r 1 = M n

r Y : es un vector n-dimensional (matriz n x 1) de la variable respuesta o

dependiente.

X : es la matriz del diseo de las variables regresoras (matriz n (k + 1)), la


primera columna de esta matriz est formada por unos, a la columna que se le asociada con el parmetro 0 ; la columna j + 1 contiene la informacin relativa a la variable xj, con j = 1,2...,k, asocindola al parmetro j

: es el vector (k + 1)-dimensional (matriz (k+1) 1) de los parmetros del


modelo.

37

: es el vector n-dimensional (matriz n x 1) de las perturbaciones aleatorias.


En el estudio del modelo de regresin lineal general se asume que se verifican las siguientes hiptesis: 1- La funcin de regresin es lineal. r r m( xi ) = m( xi1 , xi 2 ,..., xik ) = E (Y / xi1 , xi 2 ,..., xik ) = E (Y / xi )

= 0 + 1 x11 + 2 x12 + ... + k x1k , con i = 1,,n.


2- La varianza es constante. r Var (Y / xi ) = Var (Y / xi1 , xi 2 ,..., xik ) = 2 , con i = 1,,n. 3- La distribucin es normal. r Y / xi = Y / xi1 , xi 2 ,..., xik ~ N( 0 + 1 xi1 + 2 xi 2 + ... + k x1k , 2

4- Las observaciones Yi

son independientes (bajo normalidad, esto

equivale a que la Cov (Yi , Y j ) = 0 , si ij).

5- n > k + 1. En caso contrario no se dispone de informacin suficiente para estimar los parmetros del modelo. 6- Las variables regresoras x1,x2,...,xk son linealmente independientes. 2.7.4 Estimacin de los parmetros del modelo.
r Sea un estimador del vector de parmetros . Se define el vector de

predicciones como:

38

El vector de residuos se obtiene como:


r r e = r El estimador por mnimo cuadrados de se obtiene minimizando la suma de

los residuos al cuadrado. Esto significa, que se minimiza la siguiente funcin de k + 1 variables:
n r r r r ) t ( ) ) = ei2 = e t e = ( ( i =1

r r r r ) t ( ) = ( t t t )( ) = ( r r r r t t + t t = t t

e igualando a cero, se obtiene las ecuaciones de Derivando respecto a


regresin:
r , t = t

De donde se deduce el siguiente estimador por mnimos cuadrados:

= ( t ) 1 t

La matriz t es una matriz (k +1)x(k+1) cuya expresin es la siguiente:

39

in=11 in=1 xi1 in=1 xi 2 K in=1 xik n n K in=1 xi1 xik i =1 xi1 in=1 xi2 1 i =1 x i1 x i 2 t = in=1 xi 2 in=1 xi1 xi 2 in=1 xi2 K in=1 xi 2 xik 1 M M M M M n n n n 2 i =1 xik i =1 xik xi1 i =1 xik xi 2 K i =1 xik

r La matriz t es una matriz (k+1)x1 que viene dada por:


in=1 y i in=1 xi1 y i r t = in=1 xi 2 y i M n x y i =1 ik i

2.7.5 Propiedades de los estimadores a- Estimador de los coeficientes del modelo lineal. En el

r estimador del vector , por el mtodo de mnimos cuadrados, se

verifican las siguientes propiedades:

r ) = . El termino insesgado es insesgado o centrado: E ( El estimador


o centrado viene de la definicin de sesgo, que es la diferencia entre el valor esperado y el valor verdadero del parmetro a estimar. Por lo tanto, es deseable que un estimador sea insesgado o que su sesgo sea nulo.

es : La matriz de varianzas-covarianzas del estimador

40

2 k ) = E (( E ( ))( E ( )) t ) = 2 ( t ) 1 = ( ij Var ( ) i , j =0 . De donde se

i y j (ij) no son independientes ya que deduce que los estimadores


2 i , j ) 0 , con i,j=0,1,,k. En particular, la varianza del ij = Cov (

i viene dada por: estimador


2 i , i ) = Var = ( i ) = i2 = 2 qii , con i=0,1,,k, siendo qii el ii = Cov(

elemento i-simo de la matriz ( t ) 1 .

El estimador tiene distribucin normal multivariante de orden k+1, esto quiere decir :
2 t 1 ~ N (k +1) ( , ( ) )

El estimador i del parmetro i tiene la siguiente distribucin normal :

i ~ N( i , 2 qii ) , con i =0,1,,k.


El parmetro i indica la influencia de la variable regresora xi en la variable respuesta Y , adems del incremento que se produce en sta por el crecimiento unitario en la variable regresora xi . Se debe tener en cuenta que el valor de i est condicionado al modelo de regresin mltiple con el que se est trabajando y si se cambia el modelo (se eliminan o introducen variables) el coeficiente i , asociado a la variable regresora xi , tambin cambia. Por otro lado aceptar que el valor i es cero, equivale a aceptar que la variable xi , no est relacionada linealmente con la variable Y . Si se conoce la varianza del modelo 2 , utilizando las distribuciones mencionadas anteriormente, se pueden calcular intervalos de confianza de

41

los parmetros i , individuales o conjuntos (regiones de confianza del vector parametrito ( j1 , j 2 ,..., jh ) , con

j1 , j 2 ,..., j h {0,1,2,..., h} o hacer

contrastes de simplificacin sobre parmetros. En la prctica casi nunca se conoce 2 debido a que es la varianza de la poblacin y siempre se hacen modelos a partir de muestras de la poblacin, por lo tanto la varianza 2 es necesario estimarla. b- El estimador de la varianza. Una hiptesis bsica del modelo es que los errores son normales y homocedsticos, por tanto, Var ( i ) = 2 , con i = 1,,n, el parmetro 2 normalmente es desconocido y es necesario estimarlo. El estimador de este parmetro es la varianza residual, definida como:

2 s R =

n 1 ei2 n (k + 1) i =1

2 El estimador s R es distinto del estimador que se obtiene por mxima 2 verosimilitud, que se denota como MV y que se define como:

2 MV =

1 n 2 ei n i =1

La relacin entre ambos estimadores que dada de la siguiente forma:

2 s R =

n 2 MV n (k + 1)

42

2 2 El estimador s R tiene la ventaja, respecto a MV , de ser insesgado.

Utilizando la hiptesis de normalidad se obtiene la siguiente relacin que


2 permite conocer la distribucin de s R :

2 (n (k + 1)) s R

2 ~ n -(k +1)

De la relacin anterior se obtiene un intervalo de confianza de 2 con un nivel de confianza 1 - , que queda expresado como:
2 2 (n (k + 1)) s (n (k + 1)) s R R 2 2 n ( k +1) 1 n ( k +1) 2 2

2 2 Donde n ( k +1) ( ) el nmero que verifica que P ( n ( k +1) ( )) = , siendo 2 Una variable aleatoria con distribucin n ( k +1) .

c- Inferencia sobre los parmetros del modelo.

i , se deduce: De la distribucin de

i ~ N( i , 2 qii )

i i ~ N(0,1) , con i = 0,1,,k qii

2 2 De s R y del intervalo de la distribucin de i es t n ( k +1) , o sea:

43

i =

i i ~ t n ( k +1) , i=0,1,,k qii

Utilizando i se obtiene que un intervalo de confianza para i a un nivel de confianza 1- es:

i s R qii t n ( k +1) 1 i

, con i =0,1,,k 2

2 Donde t n ( k +1) ( ) es el nmero que verifica que P ( n ( k +1) ( )) = , siendo

una variable aleatoria con distribucin t n ( k +1) . El estadstico i tambin se puede utilizar para realizar contrastes de hiptesis acerca de si la variable explicativa xi influye individualmente o no en la variable respuesta Y (contraste de simplificacin). Aceptar que i = 0 equivale a aceptar que la variable xi no est relacionada linealmente con la variable Y , por tanto no debe estar en el modelo.

d- Contraste individual de la t. Se desea hacer el siguiente contraste ( Ci ) que verifique el contraste individual de la t:

H 0 i = 0 Ci con i =0,1,,k H 1 i 0

44

Si H 0 es cierto, se obtiene que:

i H = ti =
0

i R qii s

~ t n ( k +1) , con i=0,1,,k.

i representa la discrepancia entre la informacin que proporciona la muestra y t


la informacin que proporciona la hiptesis nula ( H 0 ). Se deduce que el p valor de este contraste bilateral es:

i i = p valor = 2 P t n ( k +1) > t R qii s

La regin de aceptacin del contraste a un nivel de significacin es:


R qii t n ( k +1) 1 s i s R q ii t n ( k +1) 1 2 2

2.7.6 Anlisis de la varianza En el siguiente apartado se va a explicar como descomponer la variable de inters Y , cuando se ajusta un modelo de regresin mltiple. a- Tabla ANOVA. Para todos los datos muestrales se hace la siguiente descomposicin:
i ) + ( y i y) ( yi y ) = ( yi y

45

Elevando al cuadrado y sumando se obtiene:

i =1

i )2 + ( y i y ) 2 + 2 ( yi y i )( y i y) ( yi y ) 2 = ( yi y
i =1 i =1 i =1

En base a la ortogonalidad de los vectores se obtiene que los productos cruzados sean cero, de donde se sigue la siguiente igualdad (Teorema de Pitgoras) que permite descomponer la variabilidad de la variable respuesta
i y ) 2 ), ( ( yi y ) 2 ) en la variabilidad explicada por la recta de regresin ( ( y
i =1 i =1 n n

i ) 2 ). ms la variabilidad residual o no explicada por el modelo ajustado ( ( yi y


i =1

De esta igualdad se construye la siguiente tabla ANOVA:

Tabla 2.2. Tabla ANOVA del modelo de regresin mltiple

Tabla ANOVA del modelo de regresin mltiple


Fuente de variacin Por la recta Suma de cuadrados Grados de libertad Varianzas

i y ) scE= ( y
i =1 n

k
2

e2 = s e2 = s

scE k

Residual

i ) scR= ( y i y
i =1 n

n-(k+1)

scR n (k + 1) scG n 1

Global

scG= ( y i y )
i =1

n-1

e2 = s

De esta tabla ANOVA se deduce el siguiente contraste acerca de la influencia conjunta del modelo de regresin en la variable respuesta.

46

b- El contraste conjunto de la F. El contraste se denomina C M y al igual que el contraste de la t, se desea resolver lo siguiente:
H 0 1 = 2 = ... = k = 0 CM , para algn i H 1 i 0

Si H 0 es cierto, ninguna de las variables regresoras influye en la variable respuesta. En este supuesto se verifica que:
i y scE 0 , y

Por ser sta una medida absoluta se compara con la varianza residual, lo que lleva a utilizar el siguiente estadstico de contraste:

e2 =s F M 2 R s Bajo la hiptesis nula y por la hiptesis de independencia se sigue que F M

sigue una distribucin F (contraste de la F) con k y n-(k+1) grados de libertad.


e2 s FM H 0 = 2 ~ Fk ,n ( k +1) R s

p valor del contraste es:

M ) , p valor = P ( Fk ,n ( k +1) F

47

Donde Fk ,n ( k +1) denota una variable aleatoria que sigue una distribucin F con k y n (k + 1) . Si el valor critico p valor del contraste es grande (mayor que el nivel de significacin ) se acepta H 0 , esto quiere decir, que el modelo de regresin no es influyente y debe buscarse un modelo alternativo. c- Contrastes individuales de la F Al igual que el contraste individual de la t, pero con la diferencia que se utilizar la tabla ANOVA, se estudiar el incremento que se produce en el modelo al introducir la variable regresora xi .

Para ello, si se desea contrastar la influencia de la variable xi , primeramente se ajusta el modelo de regresin completo, con las k variables regresoras, calculando as, la suma de cuadrados explicada por el modelo (scE(k)). A continuacin, se ajusta el modelo de regresin con k-1 variables, todas excepto la variable xi . Nuevamente, se calcula la suma de cuadrados explicada por el este modelo (scE(k- xi )), obteniendo as la suma al cuadrado incremental debido a xi , como se muestra a continuacin:
scE ( xi ) = scE (k ) scE (k xi ) 0

Este valor indica el aumento de la variabilidad explicada por el modelo al introducir la variable xi . Para contrastar la influencia individual o no de xi , se realiza el siguiente contraste:
H 0 i = 0 Ci con i=0,1,,k. H 1 i 0

48

Como estadstico del contraste se utiliza:

scE ( xi ) 1 i = , con i=0,1,,k. F 2 s R (k )

i sigue una distribucin F (contraste Bajo la hiptesis nula se verifica que F


individual de la F) con 1 y n (k+1) grados de libertad.

i H F

~ F 1 , n ( k + 1 ) , con i=0,1,,k.

i tomar valores pequeos. Por Evidentemente, si H 0 es cierto, scE ( xi ) 0 y F


lo tanto este contraste unilateral siendo el p valor del contraste:

i , con i=0,1,,k. p valor = P ( F1,n ( k +1) F

Este contraste proporciona exactamente el mismo resultado que el contraste individual de la t. Sin embargo, este mtodo presenta la ventaja adicional de poder utilizarse para contrastar la influencia de un subconjunto de l variables explicativas, con l k , {x j , x j 2 ,..., x jl }. En este caso el estadstico del contraste utilizado es:

scE (l ) l = 2 l F ~ Fl ,n ( k +l ) s R (k )
De esta manera en el modelo de regresin mltiple al hacer el contraste entre la influencia individual de cada una de las variables regresoras y el contraste

49

sobre la influencia conjunta del modelo de regresin ajustado, se dan diversos resultados significativos o no, pudiendo eliminar variables o agregar otras, para as obtener un resultado ms ptimo. 2.7.7 Correlacin. Al ajustar un modelo de regresin mltiple a una nube de observaciones es importante disponer de alguna medida que permita medir la bondad del ajuste. Esto se consigue con los coeficientes de correlacin mltiple. a- Coeficiente de correlacin mltiple. Se define el coeficiente de correlacin lineal simple (o de Pearson) entre dos variables X e Y , como:

r( X ,Y ) =

s ( x, y ) sx s y

Donde:

s ( x, y ) : Covarianza muestral entre las variables X e Y .


s x : Desviacin tpica muestral X .

s y : Desviacin tpica muestral Y .

El coeficiente de correlacin lineal simple es una medida de la relacin lineal existente entre las variables X e Y . En general, cuando se ajusta un modelo estadstico a una nube de puntos, existe una medida de la bondad del ajuste, la que se denomina coeficiente de determinacin. Est definido por:

50

2 (y i y) scE i 2 =1 = n R = scG ( yi y ) 2 i =1

El coeficiente de correlacin mltiple queda definido de igual forma que el coeficiente de correlacin lineal ( R ), representando as, el porcentaje de variabilidad de la Y que explica el modelo de regresin. Como scE scG , se verifica que 0 R 2 1 . Si R 2 = 1, la relacin lineal es exacta y si R 2 =0, no existe relacin lineal entre la variable respuesta y las variables regresoras. El coeficiente de correlacin mltiple presenta el inconveniente de aumentar siempre que aumenta el nmero de variables regresoras, ya que al aumentar k (nmero de variables regresoras) disminuye la variabilidad no explicada, algunas veces de forma artificial, lo que puede ocasionar problemas de multicolinealidad. Si el nmero de observaciones n es pequeo, el coeficiente R 2 es muy sensible a los valores de n y k. En particular, si n = k + 1 el modelo se ajusta exactamente a las observaciones. Por ello y con el fin de penalizar el nmero de variables regresoras que se incluyen en el modelo de regresin, es conveniente utilizar el coeficiente de determinacin corregido por el nmero de grados de libertad ( R 2 ). Este coeficiente es similar al anterior, pero utiliza el cociente de varianzas en lugar del cociente de sumas de cuadrados. Para su definicin se tiene en cuenta que:

R2 =

scE scR = 1 scG scG

51

Cambiando las sumas de cuadrados por varianzas se obtiene el coeficiente de determinacin corregido por el nmero de grados de libertad, R 2 , definido como sigue:

n 1 ei2 2 1 = i s n (k + 1) R 2 = 1 R = 1 2 1 n s Y ( yi y ) 2 i n 1 =1

Se deduce la relacin entre los dos coeficientes de correlacin, quedando:

R 2 = 1 (1 R 2 )

n 1 R 2 R2 n (k + 1)

Tambin se puede relacionar el estadstico del contraste de regresin mltiple (de la F) con el coeficiente de determinacin, obteniendo:

s 2 R 2 [n (k + 1)] M 2 = e F = 2 s 1 R 2 [k ] R
b- Correlacin parcial. Sea {X 1 , X 2 ,..., X k } un conjunto de variables aleatorias, se define el coeficiente de correlacin parcial entre xi y x j , como la medida de la relacin lineal entre las variables xi y x j una vez que se ha eliminado en ambas variables los efectos debidos al resto de las variables del conjunto

{X 1 , X 2 ,..., X k } .

Al

coeficiente de correlacin parcial, entre x1 y x 2 se le denotar como r123...k .

52

En el modelo de regresin mltiple:

Y = 0 + 1 X 1 + 2 X 2 + ... + k X k +
Se calcula el coeficiente de correlacin parcial entre la variable respuesta Y y una variable regresora xi , controlado por el resto de variables. Para ello se utiliza el estadstico del contraste individual de la t, respecto a la variable xi y que se defini anteriormente como:

ti =

i i = , con i=1,2,, k. i ) s ( R qii

Obtenindose la siguiente relacin:

2 rYi C =

i2 t i2 + n (k + 1) t

Donde C= { 1,2,..., i 1, i + 1,..., k } es el conjunto de ndices de todas las variables regresoras excepto el ndice i .

53

CAPITULO III DESARROLLO. 3.1 INTRODUCCION. En este captulo se desarrollarn dos aplicaciones de regresin mltiple. En la primera se analizar un rea determinada en la Regin Metropolitana y en la segunda, una lnea de nivelacin en la cuesta Lo Prado. En ambos casos se verificar el comportamiento de cada modelo, de tal manera que estos entreguen resultados ptimos. Los datos utilizados para las dos aplicaciones que se desarrollarn estn en el datum WGS84, con proyeccin cartogrfica UTM huso 19. Las alturas ortomtricas utilizadas estn referidas al nivel medio del mar. Antes de comenzar con los respectivos desarrollos, es de utilidad tener una idea del tipo de relacin, ya sea lineal o de otro tipo entre las variables que se van a utilizar (figura 3.1).

Figura 3.1. Relacin entre variables. Fuente: Elaboracin propia.

54

3.2 APLICACION1: USO DE REGRESIN MLTIPLE EN UNA ZONA DE LA REGIN METROPOLITANA. Se dispone un set de datos de una zona dentro de la regin metropolitana de aproximadamente 100km 2 , abarcando parcialmente comunas como La Reina, Pealoln, San Joaqun, Macul, uoa y Santiago. El set de datos contiene 9 puntos, en donde a cada punto se le conoce su coordenada Norte, Este, Atura ortomtrica (H), y, ondulacin geoidal (N) obtenida del modelo geoidal global EGM96. Se procede al clculo de la altura elipsoidal (h) para cada punto del set de datos, mediante la siguiente expresin:

h=H+N
Obteniendo las alturas elipsoidales, los datos que se utilizarn para realizar el modelo matemtico, son los siguientes:
Tabla 3.1. Puntos del Set de datos a utilizar aplicacin 1.

Punto A B C D 1 6 7 8 9

Este 348469.940 358468.010 358473.370 348472.120 353485.610 350475.920 356542.850 356553.000 350472.620

Norte 6299282.800 6299297.100 6289284.640 6289282.720 6294669.190 6297045.920 6297045.210 6291499.060 6291512.080

h 621.98 826.774 977.703 615.877 628.314 607.102 687.588 760.546 609.048

H 595.000 799.000 950.000 589.000 601.000 580.000 660.000 733.000 582.000

55

Los puntos del set de datos estn dispuestos geogrficamente segn muestra la figura 3.2. La construccin de las matrices, que se utilizarn para la confeccin del modelo de regresin mltiple, ser en base a la reduccin de cada una de las variables a un centroide, que se obtiene mediante la media de las variables Norte, Este y altura elipsoidal (h)

Figura 3.2. Puntos dispuestos geogrficamente aplicacin 1. Fuente: Elaboracin propia.

La media de la variable H nos permite comprobar si el modelo est correctamente realizado. El significado del trmino libre (o constante) que se introduce dentro de los clculos matriciales del modelo de regresin, es entregar, el valor de la variable respuesta en el punto de origen.
Tabla 3.2. Coordenadas Centroide aplicacin 1.

Punto

Este

Norte

Centroide 353490.382 6294324.302 703.8813 676.556

56

3.2.1 Obtencin de los coeficientes del modelo. La funcin de regresin tendr la siguiente forma:
H = 0 + 1 (E E ) + 2 (N N ) + 3 (h h ) m m m

Las matrices que se desarrollan, para la obtencin del modelo de regresin, quedan de la siguiente forma:

595 799 950 589 r Y= 601 580 660 733 582


Donde:

1 1 1 1 X = 1 1 1 1 1

- 5020.442 4977.628 4982.988 - 4.772 - 3014.462 3052.468 3062.618

4958.498 4972.798

- 81.901 122.893

- 5039.662 273.822 344.888 2721.618 2720.908 - 2825.242 - 75.567 - 96.779 - 16.293 56.665

- 5018.262 - 5041.582 - 88.004

- 3017.762 - 2812.222 - 94.833

r Y : corresponde a la matriz de la variable respuesta o dependiente, que en este

caso es la de alturas ortomtricas.

X : es la matriz de diseo de las variables regresoras (matriz n (k + 1)).


La obtencin de los estimadores o coeficientes del modelo se realiza a travs de:

57

0 r r 1 = = ( t ) 1 t 2 3

r Con la multiplicacin matricial para obtener , se obtienen los estimadores del


modelo, quedando de la siguiente forma:
H = 676.556 + -7.673E - 05(E E ) + -9.890E - 06(N N ) + 9.998E 01(h h ) m m m

La varianza residual se obtiene de:

2 s R =

n 1 (0.0001) ei2 = = 3.548E - 05 s R = 0.004 n (k + 1) i =1 9 - (3 + 1)

Como se muestra a continuacin, de la matriz de varianza-covarianza del modelo, se obtienen las correspondientes varianzas para cada estimador:
0.111 2.218E - 19 - 4.950E - 20 - 6.767E - 18 2.218E - 19 2.688E - 08 - 5.551E - 09 - 7.590E - 07 ) = 0.000016 Var ( - 4.950E - 20 - 5.551E - 09 9.211E - 09 2.152E - 07 - 6.767E - 18 - 7.590E - 07 2.152E - 07 2.942E - 05

q00 = 0.111 q11 = 2.688 E 08 q22 = 9.211E 09 q33 = 2.942 E 05

58

Donde la varianza de cada estimador queda definida por:


2 2 s R ( i ) = s R qii

Resultando la siguientes varianzas para cada estimador:


2 s R ( 0 ) = 1.774E - 06 s R ( 0 ) = 0.001 2 s R ( 1 ) = 4.293E - 13 s R ( 1 ) = 6.552E - 07 2 s R ( 2 ) = 1.471E - 13 s R ( 2 ) = 3.835E - 07 2 s R ( 3 ) = 4.699E - 10 s R ( 3 ) = 2.168E - 05

3.2.2 Intervalos de confianza. Se procede al clculo de los intervalos de confianza a un 90% para cada estimador, incluyendo el de 2 , ya que este ultimo obedece a la varianza residual de una poblacin total, cuestin que en la practica nunca se tiene, debido a que siempre se trabaja con muestras en donde se hace referencia a la
2 varianza residual s R , pero que sin lugar a dudas, es necesario tener en cuenta.

El clculo de intervalos de confianza se hace a travs de tablas de distribucin estadstica (Tablas presentes en tem Anexos) en el caso de 2 , se utilizar
2 n ( k +1) (tambin denominada ji-cuadrado) y para el caso de cada uno de los

estimadores se utilizar la distribucin de t n ( k +1) (t-student).

Para 2 se tiene que:

59

2 2 (n (k + 1)) s (n (k + 1)) s R R 2 2 n n( k +1) 1 ( k +1) 2 2

(9 (3 + 1))1.597E - 05

(25)

(0.95)

(9 (3 + 1))1.597E - 05

(25) (0.05)

Por lo tanto:
7.210E - 06 2 6.973E - 05 0.003 0.008

Para cada estimador se tiene que:


i i S R qii

i =

~ t n ( k +1)

Por lo tanto, los intervalos de confianza de cada estimador, quedarn de la siguiente manera:

Para 0:
676.556 o 0.004 0.111

~ t5

676.553 o 676.558

Para 1( Este) :

60

- 7.673E - 05 1 0.004 2.688E - 08

~ t5

7.810E - 05 1 -7.541E - 05

Para 2( Norte) :
- 9.890E - 06 2 0.004 9.211E - 09

~ t5

1.066E - 05 2 -9.117E - 06

Para 3(h) :
9.998E - 01 3 0.004 2.942E - 05

~ t5

9.997E - 01 2 9.998E - 01

3.2.3 Contrastes individuales de la t para los coeficientes del modelo de regresin. A partir de los valores resultantes de los correspondientes contrastes individuales de la t, para cada coeficiente, se obtiene que:

Para 0:

61

H 0 0 = 0 i C0 ~ t n ( k +1) S H 0 es cierto, ti = s R qii H 1 0 0

En donde:
0 R q 00 s

t0 =

0 = ~ t (5) t

676.556 0.004 0.111

=507912.714

Por lo tanto para 0:

p valor = 0

Para 1:
H 0 1 = 0 i C1 ~ t n ( k +1) Si H 0 es cierto, ti = s R qii H1 1 0

En donde:
1 R q11 s

t1 =

1 = ~ t ( 5) t

- 7.673E - 05 0.004 2.688E - 08

= -1.171E+02

Por lo tanto para 1:

p valor = 0

La

variable

Este

influye

explica

el

comportamiento de la variable respuesta Altura Ortomtrica.

62

Para 2:
H 0 2 = 0 i ~ t n ( k +1) C2 Si H 0 es cierto, ti = s R qii H1 2 0

En donde:

t2 =

2
s R q 22

~ t (5) t2 =

- 9.890E - 06 = -2.579E+01 0.004 9.211E - 09

Por lo tanto para 2:

p valor = 0

La

variable

Norte

influye

explica

el

comportamiento de la variable respuesta Altura Ortomtrica.

Para 3:
H 0 3 = 0 i ~ t n ( k +1) C3 si H 0 es cierto, ti = s R qii H1 3 0

En donde:

t3 =

3
s R q33

~ t (5) t3 =

9.998E - 01 = 4.613E+04 0.004 2.942E - 05

Por lo tanto para 3:

63

p valor = 0 La variable Altura elipsoidal (h) influye y explica


el comportamiento e la variable respuesta Altura Ortomtrica. En otras palabras, el valor que se obtiene de p valor es una probabilidad de influencia de la variable regresora en la variable respuesta. Por lo tanto se tiene, en los 4 coeficientes, un 0% de probabilidad de que la variable regresora no influya ni explique, el comportamiento de la variable respuesta Altura Ortomtrica. 3.2.4 Tabla ANOVA (contraste conjunto de la F) Se construye una tabla de anlisis de varianza (ANOVA) utilizando la distribucin de probabilidad de Fisher (F) ya que esta analiza simultneamente varias medias poblacionales. Todo esto para verificar la influencia, o no, del modelo en la variable respuesta, esta tabla queda de la siguiente forma:
Tabla 3.3 .Tabla ANOVA del contraste conjunto de la F aplicacin 1.

TABLA ANOVA Fuentes de variacin Por el modelo Residual Global Suma de cuadrados 131514,222 7,984E-05 131514,222 Grados de libertad 3 5 8 Varianzas 43838,074 1,597E-05 16439,278

Con estos datos se obtiene el siguiente estadstico del contraste conjunto de la F:

e2 =s = 43838.074 = 2745239225.676 ~ F F ~ Fk ,n ( k +1) F M M 3, 5 2 R 1.597E - 05 s

64

Por lo tanto:

p valor = 0 Se rechaza la NO influencia del modelo en la variable respuesta.


En base a los resultados de los contrastes individuales de la t y el contraste conjunto de la F se deduce la influencia de cada una de las tres variables regresoras y la influencia conjunta del modelo de regresin en la variable de inters (Altura ortomtrica). 3.2.5 Coeficientes de determinacin y de correlacin del conjunto. Una vez ajustada la recta de regresin a la nube de observaciones es importante disponer de una medida que mida la bondad del ajuste realizado y que permita decidir si el ajuste lineal es suficiente o se deben buscar modelos alternativos. Como medida de bondad del ajuste se utiliza el coeficiente de determinacin, definido como sigue:

R2 =

scE 131514.2221 = = 0.9999 scG 131514.2222

El modelo ajustado explica el 99.99% de la variabilidad de la respuesta. El coeficiente de correlacin mltiple: R = 1 El coeficiente de determinacin corregido por los grados de libertad:

R 2 = 1

2 R s 1.597E - 05 = 1 R 2 = 0.9999 2 Y 16439.278 s

65

Por lo tanto el coeficiente de correlacin corregido por los grados de libertad, es:
R =1

3.2.6 Coeficientes de determinacin y correlacin individuales. Se determinan los coeficientes de correlacin y por ende los de determinacin, mediante la siguiente expresin:

R( X , Y ) =

Cov( x, y ) sx s y

A modo de ejemplo, slo se determinar el coeficiente de correlacin y determinacin individual de la variable Este respecto a la variable dependiente Altura ortomtrica, a travs de la tabla ANOVA, como un mtodo opcional para determinar dichos coeficientes.

Se calcula la regresin de Este respecto al Altura Ortomtrica y se obtiene la siguiente tabla ANOVA :
Tabla 3.4. Tabla ANOVA de variable Este respecto variable Altura ortomtrica

Tabla ANOVA Fuentes de variacin Por el modelo Residual Global Suma de cuadrados 90515.139 40999.083 131514.222 Grados de libertad 1 7 8 90515.139 5857.012 16439.278 Varianzas

R 2 = 0.688

R = 0.830

66

Tabla 3.5. Coeficientes de correlacin y determinacin individuales.

Coeficientes de determinacin y correlacin. variable variable 1 Este Norte helip Este Este Norte 2 Hort Hort Hort Norte helip helip Desv. 3899.940 3814.464 121.143 3899.940 3899.940 3814.464 Desv. Cov. 391108.574 -106622.258 14644.066 -2233,834783 392340,418 -106496,121 (variable1) (variable2) 120.883 120.883 120.883 3814.464 121.143 121.143

R
0.830 -0.231 1.000 0.000 0.830 -0.230

R2
0.688 0.053 1.000 0.000 0.690 0.053

3.2.7 Aplicacin del Modelo. A continuacin se aplicar el modelo desarrollado anteriormente a los mismos puntos con los cuales se realiz la regresin mltiple, obteniendo los siguientes resultados:
Tabla 3.6. Alturas Ortometricas obtenidas con regresin mltiple.

Punto A B C D 1 6 7 8 9

H(regre) 595.004 798.997 949.999 589.001 600.998 579.997 660.004 733.004 581.997

El vector de los residuos, matricialmente, se obtiene de la siguiente forma:

r r r r r = Y X ( X t X ) 1 X t Y e = Y Y = Y X

67

r = HY , siendo H = X ( X t X ) 1 X t la matriz de proyeccin ortogonal. Como Y

En base a esto:

r r r r r r r e = Y Y = Y HY = ( I H )Y = ( I H )( X + ) r r r r r r e = X + HX H = ( I H )

Se calcula la matriz de varianzas de los residuos,

rr r Var (e ) = ( I H ) E ( t )( I H ) t = 2 ( I H )( I H ) t = 2 ( I H )

Por tanto, ei es una variable aleatoria con distribucin.

ei ~ N(0, 2 (1 hii ),

con i=1,,n.

r r Donde hii es el valor de influencia de xi que mide la distancia estadstica de xi


a x . Un residuo grande indica que la observacin est lejos del modelo estimado, por lo heterogneas. Como los residuos tienen varianza variable y son dimensionados (tienen las unidades de la variable respuesta H), normalmente se tipifican de la siguiente manera: tanto, la prediccin de esta observacin es mala. Las observaciones con residuos grandes se denominan observaciones atpicas o

ei

1 hii

, con i=1,,n.

68

Los residuos tipificados siguen una distribucin normal estndar, pero como
2 2 es desconocido, se sustituye por su estimador la varianza residual s R

obteniendo as, los residuos estandarizados definidos como:

ri =

ei R 1 vii s

, con

i=1,,n.

Los residuos estandarizados tienen media cero y varianza prxima a 1, esto permite distinguir a los residuos grandes. Por la hiptesis de normalidad los residuos estandarizados siguen una distribucin t con n (k + 1) grados de libertad. Se obtienen del calculo del
R (i ) para cada i, i = 1,...,n, la varianza residual del modelo de estimador s

regresin obtenido a partir de la muestra en la que se ha eliminado la r observacin ( xi , Yi ) . Ahora se definen los residuos estudentizados como

ti =

ei R (i ) 1 vii s

~ t ( n 1) ( k +1) con i = 1,,n.

Los residuos estudentizados siguen una distribucin t con (n 1) (k + 1) grados de libertad. Si el tamao muestral (n) es grande, los residuos estandarizados y los estudentizados son casi iguales y muy informativos, pudindose considerar grandes los residuos estandarizados tales que ri > 2.

69

En la tabla 3.7, se encuentran los residuos obtenidos por el modelo.


Tabla 3.7. Residuos simples, estandarizados y estudentizados Aplicacin 1.

Residual Punto A B C D 1 6 7 8 9 simple 0.004 -0.003 -0.001 0.001 -0.002 -0.003 0.003 0.004 -0.003

Residuos estandarizados 1.769 -1.144 -0.321 0.239 -0.684 -0.973 1.225 1.134 -0.808 Promedio=0.049 Varianza=1.050

Residuos estudentizados 1.971 -1.225 -0.321 0.239 -0.709 -1.052 1.352 1.253 -0.849

Con los residuos estandarizados o estudentizados se pueden construir los siguientes grficos de inters que sirven para verificar si los resultados del modelo son favorables:

El histograma de los residuos, que sirve para observar la existencia de normalidad, simetra y detectar observaciones atpicas

70

2.000

1.500

Residuos estandarizados

1.000

0.500

0.000
A B C D 1 6 7 8 9

-0.500

-1.000

-1.500

Grfico 3.1.Histograma de residuos (Aplicacin 1). Fuente: Elaboracin propia

El grfico probabilstico de normalidad (p-p y q-q) y simetra, que permite contrastar la normalidad (simetra) de la distribucin de los residuos.

5 4

2 1

0 -1 0 1

Residuos estandarizados

Grfico 3.2. Probabilstico de normalidad (p-p y q-q) y simetra. Fuente: Elaboracin propia

71

i ), que permite El grfico de residuos ( ei ) frente a las predicciones ( y

detectar diferentes problemas: 1. Heterocedasticidad: significa que la varianza no es constante, tenindose que transformar los datos (de la variable dependiente) o aplicar mnimos cuadrados ponderados. 2. Error en el anlisis: se ha realizado mal el ajuste y se verifica que los residuos negativos se corresponden con los valores
i y los errores positivos se corresponden con los pequeos y i , o al revs. valores grandes de y

3. El modelo es inadecuado: por falta de linealidad y se deben de transformar los datos o introducir nuevas variables que pueden ser cuadrados de las existentes o productos de las mismas. O bien se deben introducir nuevas variables explicativas. 4. Existencia de observaciones atpicas o puntos extremos. Tener en cuenta que se debe utilizar el grfico de residuos
i ) en lugar del grfico de residuos ( ei ) frente a las predicciones ( y r ( ei ) frente a las observaciones ( yi ) porque las variables e e r r no lo Y estn correlacionadas, mientras que las variables e e Y

estn.

72

Residuos estandarizados

-1

-2 500 600 700 800 900 1000

Predicciones

Grafico 3.3. Residuos estandarizados v/s Predicciones (aplicacin 1) Fuente: Elaboracin propia

1000

900

Predicciones

800

700

600

500 500 600 700 800 900 1000

Variable respuesta

Grafico 3.4. Predicciones v/s Variable respuesta (aplicacin 1) Fuente: Elaboracin propia

Del grafico 3.4 se infiere un ajuste razonable, debido a que las predicciones estn prximas a los valores observados y en el grafico 3.3 el comportamiento de los residuos es el adecuado, no tendiendo a ninguna funcin matemtica. Con estos resultados, ms los obtenidos en los contrastes individuales de la t, Contraste conjunto de la F, coeficientes de determinacin y correlacin, se determina que no es necesario incluir ni quitar ninguna variable para el modelo de regresin mltiple realizado para la aplicacin 1.

73

3.2.8 Calibracin Local GPS de la zona de estudio Regin Metropolitana con Software Trimble Geomatics Office (TGO) Con el fin de analizar los resultados del modelo de regresin mltiple, se realizar un ajuste vertical, mediante el software TGO. Ingresando al software, antes de importar los datos GPS de la zona en estudio, se configuran las propiedades del proyecto. De esta manera, el programa queda preparado para recibir la informacin segn el datum y proyeccin correspondiente a los datos a importar.

Figura 3.3. Propiedades del proyecto en software TGO Fuente: TGO

Los datos fueron importados en formato .csv con las siguientes caractersticas Nombre, Latitud, Longitud, Altura, Cdigo (WGS84)

74

Figura 3.4. Datos importados TGO (aplicacin 1) Fuente: TGO

Luego se procede a realizar una calibracin local vertical para la interpolacin de ondulaciones geoidales a travs de un plano que se ajuste a los datos importados. TGO aplica la siguiente relacin para el clculo de ondulaciones geoidales.
N = a1 + a 2 ( m ) + a3 cos m ( m )

Con lo que idealmente se esta aplicando sobre el punto medio de la zona de ajuste (m, m), un desplazamiento constante sobre la vertical y dos giros en las direcciones de los ejes coordenados, uno en la direccin S-N y otro en la direccin W-E, con lo que se ajustar la ondulacin del modelo a la observada.

75

Figura 3.5. Calibracin local vertical TGO Fuente: Elaboracin Propia

Luego de realizado el ajuste se lee el informe de calculo para as percatar cualquier anomala.
Tabla 3.8. Parmetros de Ajuste Vertical TGO (Aplicacin 1).

Coordenada Norte del punto de origen Coordenada Este del punto de origen Separacin vertical en el origen Pendiente Norte Pendiente Este

6299297.100m 358468.010m -27.772m -8.682ppm -80.993ppm

Tabla 3.9. Resumen errores TGO (Aplicacin 1)

Resumen Error mximo Vertical 0.018m Error medio cuadrtico 0.011 Punto A

En la siguiente tabla se entregan los valores obtenidos de altura ortomtrica con la calibracin vertical GPS hecha en el software TGO:

76

Tabla 3.10. Alturas Ortomtricas entregadas por TGO (Aplicacin 1)

Punto A B C D 1 6 7 8 9

Htgo 595.018 799.002 950.017 589.001 600.986 579.997 659.991 732.997 581.991

3.3 APLICACIN 2: LNEA DE NIVELACIN CUESTA LO PRADO 3.3.1 Introduccin. Para realizar un anlisis del comportamiento de la regresin mltiple en una lnea de nivelacin en la que se requiera interpolar alturas ortomtricas, se utilizaron datos de la memoria realizada por Mara Jos Herrera Gatica y Jos Salas Silva en el ao 2007. El ttulo de la memoria es Metodologa y desarrollo para la georreferenciacin de un proyecto vial cuesta Lo Prado. En est memoria se realizaron poligonales electrnicas y mediciones GPS, siguiendo las siguientes normativas del Manual de carreteras Volumen II:

El orden de control del trabajo y la planificacin de los procedimientos GPS de la cantidad de lneas establecidas, sern segn el captulo 2.300 Ingeniera bsica Aspectos Geodsicos y topogrficos, seccin 2.301 Aspectos generales y referenciacin de los estudios, captulo 2.301.403 Referenciacin de un Sistema de transporte de coordenadas secundario.

77

La medicin de las lneas bases tomadas con GPS, se realizaron con el mtodo esttico rpido, tomando en consideracin los tiempos establecidos en el captulo 2.300 Ingeniera bsica Aspectos Geodsicos y topogrficos, seccin 2.312 Transporte de coordenadas mediante GPS, captulo 2.312.5 Mtodos estticos.

Las Poligonales desarrolladas se hicieron de acuerdo al captulo 2.300 Ingeniera bsica Aspectos Geodsicos y topogrficos, seccin 2.310 Poligonales, captulo 2.310.4 Poligonales Secundarias.

Las mediciones de las poligonales sern de acuerdo al captulo 2.300 Ingeniera bsica Aspectos Geodsicos y topogrficos, seccin 2.310 Poligonales, captulo 2.310.404 Tolerancias Admisibles, especficamente Mtodo de medida de ngulos horizontales y Mtodo de medida de distancias (2.310.404(4) y 2.310.104(5) respectivamente).

Respecto a las precisiones (de un sistema de referenciacin de segundo orden y coordenadas lneas base) y tolerancias (ngulos horizontales, medida de distancias y en la determinacin de desniveles entre vrtices) obtenidas en est memoria, todas se ajustan a lo estipulado en los captulos 2.301.403 y 2.310.404 respectivamente.

Las mediciones GPS fueron realizadas con 3 receptores proporcionados por la Divisin de Ingeniera de Vialidad del Ministerio de Obras Publicas. La marca del receptor geodsico utilizado es Trimble Modelo R8, cuyas precisiones en Horizontal son de 0.005 m + 0.5 PPM y en vertical es de 0.005 m + 1 PPM. Estas mediciones GPS tienen la finalidad de ligar coordenadas obtenidas en terreno a un sistema de referencia conocido. Las coordenadas de terreno

78

obtenidas para esta referenciacin, son obtenidas mediante las poligonales medidas a lo largo del camino emplazado en la cuesta Lo Prado, que consta de 26 estaciones. Para la medicin de estas poligonales se utilizo la estacin total Leica serie TPS400, con precisin en distancias de 5 mm + 2 ppm, y lectura angular de 5 CC .

Figura 3.6. Trimble R8 y Leica serie TPS400. Fuente: Elaboracin propia.

3.3.2 Calculo y ajuste de Alturas ortomtricas cuesta Lo Prado. Con los registros de terreno de las mediciones de poligonales electrnicas realizados en la memoria metodologa y desarrollo de un proyecto vial cuesta Lo Prado se procede al calculo y ajuste de Altura ortomtrica para los puntos a utilizar en el modelo de regresin mltiple. Lo primero es corregir a la lnea los cenitales medidos en terreno (pertenecientes a las poligonales)

79

Figura 3.7. Correccin a la lnea. Fuente: Geodesia Geomtrica Ren Zepeda.

Deduciendo de la figura se puede establecer una relacin para la correccin de los cenitales a travs del teorema del seno, con lo que se tiene.
mi s (m i ) Sen( Z ' ) Como c es pequeo Z Z c = Asen = Di Sen(c) Sen( Z ) Z = Z '+c

Luego se procede a calcular las distancias horizontales de cada tramo de las dos poligonales, para esto se hace uso de los cenitales ya corregidos a la lnea y la expresin que se deduce de la siguiente figura.

Figura 3.8. Calculo de distancias horizontales. Fuente: Geodesia Geomtrica Ren Zepeda.

80

Dh = Di Cos( ) ; = 100 Z Dh = Di Cos (100 Z )


Donde: : ngulo vertical respecto al horizonte. Z: ngulo cenital corregido a la lnea. La precisin del calculo de las distancias horizontales puede ser establecido por propagacin del error a travs de.

Dh

Dh = Di

Dh 2 2 Z Di + Z

Donde:

Di y Z Son las presiones de las mediciones de distancia y angulares,


respectivamente, entregadas por el instrumento utilizado. Derivadas parciales.

Dh = Cos (100 Z ) ; Dh = Di Sen(100 Z ) Di Z


La diferencia de nivel se calcula a travs de mediciones recprocas y simultaneas.

81

Figura 3.9. Mediciones recprocas y simultaneas. Fuente: Geodesia Geomtrica Ren Zepeda.

En los puntos A y B se miden los ngulos cenitales ZA y ZB; sus alturas son HA y HB; e y r son los efectos de esfericidad y refraccin. De la figura anterior se deduce la expresin para el calculo de desniveles a travs de mediciones reciprocas y simultaneas, la obtencin de esta frmula queda aclarada en el texto Geodesia Geomtrica de Rene Zepeda Pg. 70.

1 H = Dh Tan ( Z B Z A ) Con Z 2

y ZA corregidos a la lnea.

La precisin del calculo de desniveles puede ser establecido, por propagacin del error, a travs de.

H = Dh

H 2 Dh + ZB

H 2 ZB + ZA

2 ZA

82

Donde:

Dh Es la precisin de la distancia horizontal. ZA y ZB Son las presiones de los cenitales corregidos a la lnea.
Derivadas parciales.
2 H H 1 1 = Tan ( Z B Z A ) ; = Dh + Tan Z Z ( ) 1 B A 2 ; 2 Dh ZB 2 2 H 1 = Dh + ( ) 1 Tan Z Z B A 2 2 ZA

Para la Poligonal 1 los resultados son:

Tabla 3.11. Resultados poligonal 1.

Tramo GPS2 GPS2 - E3 E3 - E4 E4 - E5 E5 - E6 E6 - E7 E7 - E8 E8 - GPS4 GPS4

Dhz (m) 203.880 587.297 460.550 299.079 65.258 28.508 731.758

Dh (m) 0.005 0.006 0.006 0.006 0.005 0.005 0.006

H (m) 14.167 74.459 67.537 30.296 4.334 1.474 83.512

H (m) 551.315 565.482 639.940 707.478 737.774 742.107 743.581 827.094 827.358

H (m) 0.004 0.013 0.010 0.006 0.001 0.001 0.015

83

Para la poligonal 2 los resultados obtenidos son:


Tabla 3.12. Resultados poligonal 2.

Tramo GPS4 GPS4 - E11 E11 - E12 E12 - E13 E13 - E14 E14 - E15 E15 - E16 E16 - E17 E17 - E18 E18 - E19 E19 - E20 E20 - E21 E21 - E22 E22 - E23 E23 - E24 E24 - GPS5 GPS5

Dhz (m) 681.807 1052.614 142.924 229.925 525.805 1083.594 474.590 561.269 754.267 470.892 348.370 303.925 984.254 292.568 433.388

Dh (m) 0.006 0.007 0.005 0.005 0.006 0.007 0.006 0.006 0.007 0.006 0.006 0.006 0.007 0.006 0.006

H (m) -172.367 -295.367 -10.584 -20.165 -33.984 -44.106 -14.355 -14.397 -14.647 -6.699 -2.701 -4.253 -6.801 -0.598 -2.982

H (m) 827.358 654.991 359.624 349.040 328.875 294.891 250.785 236.430 222.032 207.386 200.687 197.985 193.733 186.931 186.334 183.352 182.503

H (m) 0.016 0.025 0.003 0.005 0.010 0.020 0.009 0.010 0.013 0.008 0.006 0.005 0.017 0.005 0.007

Una vez obtenidos los desniveles se procede a obtener un error de cierre, para luego ajustar dichos desniveles a travs de un modelo de condicin. 3.3.3 Ajuste de los desniveles a travs de modelo de ecuaciones de condicin. El ajuste por mnimos cuadrados, mediante el modelo de ecuacin de condicin en forma matricial, se calcula por los siguientes pasos.

84

Figura 3.10. Pasos ajuste por mnimos cuadrados. Fuente: Memoria Estudio y aplicacin de Modelos Geoidales como marco de referencia vertical para Chile.

Solucin: Modelo: F (La) = 0 Las ecuaciones de condicin que se forman son. Para la poligonal 1. LGPS2-E3b + VGPS2-E3 + LE3-E4b + VE3-E4 + LE4-E5b + VE4-E5 + LE5-E6b + VE5-E6 + LE6-E7b + VE6-E7+ LE7-E8b + VE7-E8+ LE8-GPS4b + VE8-GPS4 (HGPS4 HGPS2) = 0 Para la poligonal 2: LGPS4-E11b + VGPS4-E11 + LE11-E12b + VE11-E12 + LE12-E13b + VE12-E13 + LE13-E14b + VE13E14

+ LE14-E15b + VE14-E15+ LE15-E16b + VE15-E16 + LE16-E17b + VE16-E17 +

LE17-E18b +

VE17-E18 + LE17-E18b + VE18-E19+ LE19-E20b + VE19-E20+ LE20-E21b +

VE20-E21+ LE21-E22b

85

+ VE21-E22+ LE22-E23b + VE22-E23+ LE23-E24b + VE23-E24 + (HGPS5 HGPS4) = 0

LE24-GPS5b + VE24-GPS5

La matriz B, corresponde a la matriz de funciones que liga los valores observados a la funcin de ajuste, es decir, a la derivada para cada valor con respecto a su recorrido. La matriz de los coeficientes B, para la poligonal 1, queda de la siguiente forma:
B = [1 1 1 1 1 1 1 1 1]

Mientras que para la poligonal 2:


B = [1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]

La matriz de error de cierre W para la poligonal 1 viene dada por.


W = [0.264]

Mientras que para la poligonal 2.


W = [ 0.849]

La matriz Lb corresponde a las observaciones, en este caso desniveles.

86

14.167 74.459 67.537 Lb poli.1 = 30.296 4.334 1.474 83.512

172.367 295.367 10.584 20.165 33.984 44.106 14.355 Lb poli.2 = 14.397 14.647 6.699 2.701 4.253 6.801 0.598 2.982

La matriz P corresponde al inverso de las precisiones al cuadrado de cada medicin. Para este caso dicha precisin viene dada por las distancias
2 utilizada es 1. horizontales de cada tramo. La varianza a priori 0

1 2 1 2 P = 0

2 2

O 1 2 n

1 Dh 2 1 P = 1

1 2 Dh2

O 1 Dhn2

Obtenidas estas matrices slo basta aplicar el mtodo de ecuacin de condicin para as obtener los desniveles ajustados por mnimos cuadrados, de cada una de las observaciones.

87

Cabe destacar que este mtodo de ajuste, utilizado en un conjunto de observaciones que presenten tan slo una ecuacin de condicin, y, en la que los pesos son establecidos en relacin a la distancia (tal como el ejemplo anterior) la solucin de este modelo viene definida por:

compH =

errorcierre dist. parcial dist.acumulada

La frmula anterior es conocida en topografa como compensacin proporcional a la distancia. Adems si se da el caso en que slo existe una ecuacin de condicin y la matriz de peso es considerada igual a 1 la solucin de este modelo es:

compH =

errorcierre n tramos

La frmula anterior es conocida en topografa como compensacin en partes iguales.


Tabla 3.13. Resultados alturas ortomtricas ajustadas, poligonal 1.

Tramo GPS2 GPS2 - E3 E3 - E4 E4 - E5 E5 - E6 E6 - E7 E7 - E8 E8 - GPS4 GPS4

H ajustado (m) 14.189 74.524 67.588 30.330 4.341 1.477 83.594

H ajustado (m) 551.315 565.504 640.028 707.617 737.946 742.287 743.764 827.358 827.358

88

Tabla 3.14. Resultados alturas ortomtricas ajustadas, poligonal 2

Tramo GPS4 GPS4 - E11 E11 - E12 E12 - E13 E13 - E14 E14 - E15 E15 - E16 E16 - E17 E17 - E18 E18 - E19 E19 - E20 E20 - E21 E21 - E22 E22 - E23 E23 - E24 E24 - GPS5 GPS5

H ajustado (m) -172.436 -295.474 -10.599 -20.188 -34.038 -44.216 -14.403 -14.454 -14.723 -6.747 -2.737 -4.283 -6.902 -0.627 -3.026

H ajustado (m) 827.358 654.922 359.447 348.848 328.660 294.623 250.406 236.003 221.549 206.825 200.078 197.341 193.058 186.156 185.529 182.503 182.503

Finalmente con los desniveles ajustados y las alturas ortomtricas calculadas se obtienen los datos que se utilizarn en el modelo de regresin mltiple para la obtencin de altura ortomtrica en cuesta Lo Prado 3.3.4 Aplicacin 2: Uso de regresin mltiple en la lnea de nivelacin cuesta Lo Prado. En cuesta Lo Prado se realiz un modelo para la obtencin de altura ortomtrica con separacin de 1km entre los puntos de control, interviniendo las siguientes estaciones:

89

Tabla 3.15. Puntos para confeccin modelo regresin mltiple cuesta Lo Prado.

Punto GPS1 GPS2 GPS3 E4 E8 E 11 E 12 E 15 E 16 E 18 E 20 E 22 E 24

Este (m) 321785.062 320853.898 320088.809 320383.506 320381.777 319811.766 319077.853 318216.841 317133.541 316098.133 314880.064 314403.491 313172.949

Norte (m) 6295856.052 6295814.300 6294297.629 6295217.800 6294719.835 6293979.630 6293225.225 6292970.246 6292948.752 6292976.667 6293107.545 6292700.978 6292360.944

h (m) 535.403 576.334 822.237 664.971 768.699 679.807 384.269 319.371 275.047 246.087 224.527 217.483 209.932

H (m) 510.292 551.315 797.330 640.028 743.764 654.922 359.447 294.623 250.406 221.549 200.078 193.058 185.529

Figura 3.11. Disposicin geogrfica de puntos cuesta Lo Prado. Fuente: Google Earth.

90

Se realiz un modelo de 4 parmetros tal como se dedujo en la zona de estudio Regin metropolitana (aplicacin 1) Al igual que en la aplicacin 1 se impuso el valor de la unidad para la matriz Peso, si bien, se podran haber establecido los pesos de las mediciones, en relacin, a la precisin con que fue observada o calculada las altura ortomtrica de cada punto. Se decidi desechar esto, debido a que no se dispona de las presiones de medicin de las estaciones GPS1, GPS2 Y GPS3. Adems las mediciones de los puntos anteriormente nombrados y los de las poligonales antes expuestas fueron realizadas en pocas y condiciones; y con tcnicas e instrumental totalmente diferente una de la otra con lo que dotar de pesos individualizados a cada punto sera algo irresponsable. Del captulo 2.9.3 se tiene que la ecuacin general est dada por:
H = 0 + 1 (E E ) + 2 (N N ) + 3 (h h ) m m m

Aplicando el clculo matricial, explicado en el captulo 3.1.1, se obtienen los siguientes resultados:
Tabla 3.16. Parmetros modelo regresin mltiple cuesta Lo Prado.

Parmetros 0 1 2 3 Centroide Este (m) Norte (m) h (m)

Valor 430.949 -7.619E-05 -2.801E-05 1.000 318175.976 6293859.662 455.705

Desv. Est. 8.869E-03 7.904E-06 1.533E-05 7.329E-05

t 39672.31536 -7.870594355 -1.491749255 11141.13203

p-valor 0.000 0.000 0.213 0.000

91

Donde el contraste conjunto viene dado por la tabla 3.17 y el resumen de los resultados obtenidos, aplicando el modelo a los mismos puntos que se utilizaron para realizar la regresin mltiple, se encuentra en la tabla 3.18:
Tabla 3.17. Contraste conjunto de la F cuesta Lo Prado.

Tabla ANOVA Modelo Residual Global

Suma de cuadrados 617015.942 0.0092 617015.952 g.l. 3 9 12 varianza 205671.981 1.023E-03 51417.996 F 2.011E+08 p-valor 0.000

R2 = 1

2 =1 R

= 0.0321 S R

Tabla 3.18. Residuos simples, estandarizados y estudentizados, cuesta Lo Prado.

Hregre. Punto GPS1 GPS2 GPS3 E4 E8 E 11 E 12 E 15 E 16 E 18 E 20 E 22 E 24 (m) 510.317 551.321 797.329 640.012 743.755 654.926 359.461 294.635 250.393 221.511 200.040 193.044 185.596

Residuos simples -0.025 -0.006 0.001 0.017 0.009 -0.004 -0.014 -0.013 0.013 0.037 0.038 0.014 -0.068

Residuos estandarizados -1.089 -0.240 0.056 0.586 0.322 -0.156 -0.542 -0.490 0.456 1.269 1.377 0.512 -2.773 Prom. = -0.055 Var. = 1.071

Residuos estudentizados -1.128 -0.240 0.056 0.595 0.324 -0.157 -0.547 -0.494 .460 1.378 1.501 0.518 -3.912

92

900

800

700

Predicciones

600

500

400

300

200

100 100 200 300 400 500 600 700 800 900

Variables respuesta
Grafico 3.5. Predicciones v/s Variable respuesta cuesta Lo Prado. Fuente: Elaboracin propia

2 1.5

Residuos estandarizados

1 0.5 0 -0.5 -1 -1.5 -2 -2.5 -3 100 200 300 400 500 600 700 800 900

Predicciones
Polinmica

Grafico 3.6. Residuos estandarizados v/s Predicciones cuesta Lo Prado. Fuente: Elaboracin propia

Del grafico 3.6 se desprende que es necesario introducir un trmino cuadrtico debido a que el comportamiento de los residuos no es adecuado. Esto, ya que los puntos parecen seguir una parbola, es as como basndose en la figura 3.1

93

se decide introducir el termino dist3d y dist3d al cuadrado. Adems debido al resultado del contraste de la t se concluye la no influencia de la variable Norte en la variable respuesta altura ortomtrica, por lo que se decide descartarla del modelo. Con todo lo anterior se construye un nuevo modelo que sigue la siguiente expresin:
H = a 0 + a1 ( E E m ) + a 2 (h hm ) + a 3 (dist 3d dist 3d m ) + a 4 (dist 3d 2 dist 3d 2 m )

Los resultados que entrega el nuevo modelo son:

Tabla 3.19. Parmetros y centroide modelo, nueva regresin mltiple 5 parmetros

Parmetros 0 1 2 3 4 Centroide Este (m) Norte (m) h (m) Dist3d media (m)

Valor 430.949 -9.224E-05 4.959E-05 1.000 -1.251E-08 318175.976 6293859.662 455.705 2640.213

Desv. Est. (m) 2.229E-03 1.587E-06 9.051E-06 1.902E-05 1.553E-09

t 193320.052 -58.127 5.479 52571.957 -8.051

p-valor 0.000 0.000 0.000 0.000 0.000

Dist3d media cuadrada 8522052.103

94

Tabla 3.20. Tabla ANOVA nueva regresin mltiple 5 parmetros.

Tabla ANOVA Modelo Residual Global

Suma de cuadrados 617015.951 0.0005 617015.952 g.l. 4 8 12 Varianza 154253.988 6.460E-05 51417.996 F 2.388E+09 p-valor 0.000

R2 = 1

2 =1 R

= 0.008 S R

Tabla 3.21. Residuos simples, estandarizados y estudentizados, modificacin modelo cuesta Lo Prado.

Hregre. Punto GPS1 GPS2 GPS3 E4 E8 E 11 E 12 E 15 E 16 E 18 E 20 E 22 E 24 (m) 510.281 551.333 797.328 640.030 743.760 654.922 359.446 294.623 250.409 221.548 200.077 193.053 185.533

Residuos Simples 0.011 -0.018 0.002 -0.002 0.004 0.000 0.002 0.000 -0.002 0.001 0.001 0.005 -0.004

Residuos 2.4906548 -2.6282145 0.4024259 -0.2261110 0.5487285 -0.0502900 0.2691117 -0.0294420 -0.3408733 0.1088128 0.2334229 0.7591222 -1.5749783 Prom. = -0,003 Var. = 1,303

Residuos 3.03047239 -4.47866819 0.35585305 -0.24241319 0.56562111 -0.04948223 0.29634225 -0.02734138 -0.35111426 0.11441399 0.23880563 0.76519272 -0.53887304

Estandarizados Estudentizados

95

900

800

700

Predicciones

600

500

400

300

200

100 100

200

300

400

500

600

700

800

900

Variable respuesta
Grafico 3.7. Predicciones v/s Variable respuesta, modificacin modelo cuesta Lo Prado. Fuente: Elaboracin propia

Residuos estandarizados

-1

-2

-3

100

200

300

400

500

600

700

800

900

Predicciones
Grafico 3.8. Residuos estandarizados v/s Predicciones, modificacin modelo cuesta Lo Prado. Fuente: Elaboracin propia

96

3.3.5 Aplicacin de ajuste TGO a la lnea de nivelacin cuesta Lo Prado. Los resultados obtenidos en la calibracin GPS altimtrica en el TGO son:
Tabla 3.22. Parmetros ajuste vertical TGO cuesta Lo Prado

Coordenada Norte del punto de origen Coordenada Este del punto de origen Separacin vertical en el origen Pendiente Norte Pendiente Este

6295856.052m 321785.063m -25.083m -27.742ppm -75.393ppm

Y los resultados para cada punto son:


Tabla 3.23. Alturas Ortomtricas entregadas por TGO, cuesta Lo Prado.

Punto GPS1 GPS2 GPS3 E4 E8 E11 E12 E15 E16 E18 E20 E22 E24

H TGO (m) 510.320 551.322 797.325 640.011 743.753 654.925 359.463 294.637 250.395 221.512 200.041 193.044 185.595

97

3.4 AUTOMATIZACIN EN SOFTWARE ARCVIEW 3.3. Se procede a automatizar los procedimientos expuestos en esta memoria mediante lenguaje Avenue. Se consider la explicacin detallada slo de la estimacin y transformacin de parmetros, tanto en horizontal y vertical. 3.4.1 Automatizacin coordenadas planimtricas. a- Estimacin de parmetros para transformacin bidimensional de coordenadas. Una ves en el software Arcview se debe seleccionar el tem Estimacin parmetros Parmetros Horizontales. A travs del paso anterior se ingresa en la rutina para el clculo de parmetros de una transformacin bidimensional de Helmert. Se debe seleccionar una tabla en formato .dbf con los campos Punto, E1, N1, E2, N2. Luego de esto la rutina calcular los parmetros Tx, Ty, ngulo de rotacin y factor de escala, adems del punto de origen (X0, Y0) residuo mayor en X e Y (indicando el nombre de los puntos en los que estos residuos mximos estn ocurriendo) y el error medio cuadrtico de la transformacin. Estos resultados se desplegarn en pantalla (figura 3.12) para poder ser copiados por el usuario, as como tambin se dar la posibilidad de ser guardados automticamente a un archivo de extensin escogida por el mismo.

98

Figura 3.12. Parmetros de transformacin bidimensional. Fuente: Arcview Gis 3.3

b- Aplicacin de parmetros para transformacin bidimensional de coordenadas. Para la aplicacin de parmetros de transformacin se debe seleccionar Transformacin E1, N1 ---> E2, N2 Si se acaba de realizar una estimacin de parmetros horizontales, entonces los parmetros de dicha estimacin estarn ya ingresados en la pantalla Parmetros horizontales (figura 3.13). Si se desea realizar una aplicacin de parmetros distinta slo se deben sobrescribir dichos parmetros y punto de origen. Hecho esto slo basta con pulsar siguiente y elegir una tabla de datos en formato .dbf que contenga los campos Punto, E1, N1. Luego de esto se podrn exportar los resultados a un archivo de extensin escogida por el usuario tal como se muestra en la figura 3.14 en donde E2CALCULAD y N2CALCULAD representan las coordenadas calculadas, en base a los parmetros antes estimados, para dos puntos de control dados.

99

Figura 3.13. Transformacin bidimensional de coordenadas. Fuente: Arcview Gis 3.3

Figura 3.14.Tabla de datos exportados. Fuente: Microsoft Excel.

100

3.4.2 Automatizacin de parmetros verticales. a- Estimacin de parmetros verticales La estimacin de parmetros verticales se encuentra en el tem estimacin de parmetrosparmetros verticales, abriendo la ventana mostrada en la figura 3.15.

Figura 3.15. Estimacin parmetros verticales Arcview. Fuente: Arcview Gis 3.3.

Se encuentran programadas 4 tipos de regresiones aptas para:

Zonas en general: Cualquier extensin de terreno que se requiera estimar parmetros verticales.

Lnea de nivelacin E-O: en el caso que se requiera estimar parmetros verticales de lneas de nivelacin orientadas Este- Oeste.

Lnea de nivelacin N-S : en el caso que se requiera estimar parmetros verticales de lneas de nivelacin orientadas Norte- Sur

Lnea nivelacin general: en el

caso que se requiera estimar

parmetros verticales de lneas de nivelacin sin orientacin definida.

101

Luego de seleccionar cualquiera de las opciones y hacer clic en siguiente, se muestra una caja de dilogo en donde, indistintamente del tipo de regresin seleccionado, se requerir el archivo en el que se encuentran los datos con los cuales se quiera hacer la regresin. Estos datos deben estar formato .dbf y tener datos como Punto, Este, Norte, altura elipsoidal y altura ortomtrica (Figura 3.16).

Figura 3.16. Caja de dilogo Estimacin vertical. Fuente: Arcview Gis 3.3.

Luego de dar OK, se busca y agrega el archivo con los datos requeridos. Al realizar esta accin se despliega de inmediato, la siguiente ventana informativa:

Figura 3.17. Centroide automatizado, obtenido de datos insertados para realizar regresin. Fuente: Arcview Gis 3.3.

102

En la figura 3.17, se tiene el centroide calculado automticamente del archivo de puntos que se acaba de insertar y que obedece a la explicacin terica y de desarrollo, expuesta en secciones anteriores de esta memoria. Al hacer clic en OK en el cuadro de dilogo del centroide calculado, Arcview preguntar si se desea guardar la tabla creada con la transformacin realizada, la que se debe guardar con la misma extensin .dbf. sta luego de ser guardada, se abrir automticamente junto con la pgina. http://www.wessa.net/rwasp_multipleregression.wasp Donde se encuentra Mltiple Regression - Free Statistics Software (Calculator).

b- Utilizacin de Multiple Regression - Free Statistics Software (Calculator). Antes de explicar la utilizacin de este software libre, se debe entender que est calculadora de regresin mltiple, entrega valores muy similares a los realizados manualmente y expuestos en esta memoria. A continuacin se describirn los mdulos de utilizacin de Multiple Regression - Free Statistics Software (Calculator), combinado con la programacin hecha en Arcview GIS 3.3, para la estimacin de parmetros verticales.

103

Figura 3.18. Mdulos de utilizacin de Multiple Regression - Free Statistics Software (Calculator). Fuente: Elaboracin Propia

1- Send output to: se selecciona el formato de salida de los resultados de la regresin. 2- Data X: se insertan los valores de los deltas que entrega la tabla que se abre junto con la calculadora. Estos se encuentran separados por

104

columnas, incluyendo la variable a la que se le desea aplicar la regresin (altura ortomtrica), como muestra la siguiente figura:

Figura 3.19.Valores a insertar en calculadora. Fuente: Elaboracin Propia

En donde los parmetros encerrados, son los que se copian y pegan en el mdulo 2 de Multiple Regression - Free Statistics Software (Calculator). 3- Names of X columns: Se introduce el nombre de cada variable. 4- Sample Range: Rango de las observaciones. 5- Column Number of Endogenous: Nmero de la columna donde se encuentra la variable que se le desea aplicar la regresin 6- Fixed Seasonal Effects: Efectos predeterminados en pgina. 7- Type of equation: Se selecciona el tipo de ecuacin que desea aplicar.

105

8- Chart option: Resolucin de grficos. Luego de verificar los 8 mdulos, se procede a hacer clic en Compute, para la obtencin de los parmetros. La calculadora entrega las siguientes tablas de resultados, resumidos en la figura 3.20:

Figura 3.20. Resultados entregados por Multiple Regression - Free Statistics Software (Calculator). Fuente: Elaboracin Propia

En donde: 1. Entrega la funcin de regresin mltiple general con los correspondientes parmetros estimadores de cada variable.

106

2. Entrega los parmetros para cada variable, varianza residual para cada parmetro y contraste de la t. 3. Coeficientes de determinacin y correlacin corregida, contraste de la F y varianza residual del modelo. Adems de lo anterior, Multiple Regression - Free Statistics Software (Calculator), entrega la validacin de los mismos puntos que se utilizaron en el modelo, mediante la siguiente tabla que se muestra en la figura 3.21:

Figura 3.21. Tabla de validacin. Fuente: Elaboracin Propia

Como se menciono en el punto 1 de la figura 3.21, se pueden exportar los resultados entregados por la pgina, a diferentes formatos, como planillas Excel, en formato de textos, etc.

107

c- Aplicacin de parmetros para transformacin vertical. Con los parmetros obtenidos de la pgina, se procede a la transformacin vertical. sta transformacin es bsicamente el traspaso de altura elipsoidal a altura ortomtrica, para esto, el nico requerimiento es tener un archivo .dbf que contenga datos como nombre del Punto, Este, Norte y altura elipsoidal. Al igual que la transformacin planimtrica, al acceder a la transformacin vertical (Transformacin E,N,helipE,N,Hortometrica) se abre un cuadro en donde se encuentran los parmetros de la ltima estimacin vertical realizada. En el caso que se haya realizado cualquier otra operacin, se deber ingresar los datos del centroide de forma manual como se muestra en la figura 3.22 (primer recuadro segmentado)

Figura 3.22. Caja transformacin vertical. Fuente: Arcview Gis 3.3.

108

Tambin en la figura 3.22, el segundo recuadro segmentado es donde se deben copiar los parmetros entregados por Multiple Regression - Free Statistics Software (Calculator), los que fueron mostrados en el punto 2 de la Figura 3.18. Luego de aplicada la transformacin, se procede a guardar la nueva tabla creada, en donde bsicamente es la misma que se inserto, pero ahora con una nueva columna llamada Hort, que contiene el valor de la altura ortomtrica a travs de parmetros estimados localmente (Figura 3.23)

Figura 3.23. Resultado transformacin vertical en Arcview. Fuente: Elaboracin Propia

3.4.3 Datos desplegables a la vista. Todas las aplicaciones antes mencionadas presentan la posibilidad de traer a la vista los datos, utilizados para estimar parmetros, o calculados a travs de parmetros antes establecidos, siempre y cuando se encuentren bajo el

109

elipsoide de referencia WGS84 (o similar Ej. GRS80) y estn proyectados en UTM Zona 19 sur. Las capas geogrficas de Chile utilizadas fueron obtenidas de la pgina Web. http://berlin.dis.ufro.cl/catalogo/c01fichas/c01av_utm.html Todas las coberturas fueron elaboradas sobre la base del Mapa digital del Mundo (DCW, Digital Chart of the World), un proyecto realizado por la Empresa ESRI (Environmental Systems Research Institute, Inc.) para la Agencia de Cartografa de Defensa de los Estados Unidos (DMA, US Defence Mapping Agency) La cartografa del Mapa Digital del Mundo fue elaborada en el ao 1993 a la escala 1:1.000.000. Las coberturas de los lmites exteriores y de las costas continentales tienen su origen en el Mapa Digital del Mundo, tanto como las de los Ros, Esteros, Lagos, Salares y Quebradas. Todas las dems coberturas fueron digitalizadas en el Laboratorio SIG de La Facultad de Ingeniera, Ciencias y Administracin de La Universidad de la Frontera (Temuco Chile) Si se ha aceptado la importacin de archivos a la vista entonces se le consultar donde se encuentra el archivo que contiene las coordenadas para ser graficadas. Luego de elegir el archivo se desplegar en pantalla la ventana Add Event Theme en donde se debe seleccionar la tabla antes importada y los campos X e Y

110

Figura 3.23. Add Event Theme. Fuente: Arcview Gis 3.3

Hechos los arreglos anteriores se desplegarn en la vista los puntos importados y tabla de datos de estos.

Figura 3.23. Vista de puntos importados a las capas. Fuente: Arcview Gis 3.3.

111

CAPITULO IV ANALISIS DE RESULTADOS. 4.1 ANTECEDENTES En el desarrollo del modelo de regresin mltiple, visto en el captulo 3, se analiz la bondad de los modelos para la aplicacin 1 y aplicacin 2. Esto a travs de fundamentos estadsticos tales como: varianza residual, contrastes individuales de la t, contraste conjunto de la F y coeficientes de determinacin y de correlacin. En donde los resultados obtenidos se consideraron favorables. Por lo que en este captulo se contrastarn los resultados de los modelos de regresin mltiple con los resultados obtenidos a travs del software TGO. Adems se validarn los parmetros de los modelos con puntos de control establecidos en la misma zona. Debido a que la aplicacin 1 es un rea de estudio, mientras la aplicacin 2 es una lnea de nivelacin, se podr realizar en la primera, un anlisis nemotcnico (o de ms fcil apreciacin por parte del lector) de la distribucin espacial de los residuos obtenidos por el ajuste local GPS TGO y del modelo de regresin mltiple realizado. 4.2 ANLISIS APLICACIN 1: ZONA ESTUDIO REGIN METROPOLITANA. 4.2.1 Contraste residuos TGO y Modelo de regresin mltiple. Luego de haber desarrollado el modelo de regresin mltiple para la aplicacin 1 y despus de ajustar verticalmente los puntos con el software TGO, se obtuvo el siguiente grafico de comparacin de residuos:

112

0.02

0.015

0.01

0.005

-0.005

-0.01

-0.015

-0.02 A B C D Residuos modelo 1 6 Residuos TGO 7 8 9

Grfico 4.1. Comparacin Residuos Modelo de regresin v/s Residuos TGO. Fuente: Elaboracin Propia

Del grafico 4.1 se concluye que en todos los puntos que se utilizaron para la construccin, tanto del modelo aplicacin 1 como para el plano TGO, los residuos de aplicacin 1 son mucho menores y tienden a 0. Adems es imprescindible analizar la magnitud de estos residuos (o discrepancias) y compararlos con valores de tolerancia propuestos para un determinado proyecto de ingeniera. Un buen estimador para esto es el que considera que la tolerancia en la obtencin de alturas a diferentes escalas es 1/8 de la equidistancia entre curvas de nivel. Como muestra la siguiente tabla:
Tabla 4.1. Tolerancias altimtricas dependiendo de la escala.

Escala Plano 1:10000 1:5000 1:2000 1:1000 1:500

Equidistancia(m) 10 5 2 1 0.5

Tolerancia(m) 1.250 0.625 0.250 0.125 0.063

113

En base a las discrepancias obtenidas, tanto en el modelo de la aplicacin 1 como el modelo TGO, y las tolerancias expuestas en la tabla 4.1 se concluye que los dos ajustes son validos de ser utilizados en proyectos de ingeniera de escalas menores a 1:500. 4.2.2 Validacin parmetros de estimacin Altura ortomtrica aplicacin 1. Los parmetros de estimacin de altura ortomtrica obtenidos en el modelo aplicacin 1 tienen validez dentro de la zona de estudio y se espera que los valores que se extrapolen fuera de la zona no sean, en magnitud, tan favorables. Para comprobar lo anterior se establecieron 56 puntos de control, de estos 26 estn ubicados fuera de la zona de estudio. Estos 56 puntos estn distanciados desde 1.2km hasta 11.5km desde el centro del rea estudiada y se encuentran distribuidos homogneamente evitando as zonas sin informacin. Aplicando el modelo los residuos oscilan entre 0m y 0.23m. Encontrndose los mayores residuos en los puntos ubicados a ms de 7km de la media, es decir, los que se ubican fuera de la zona de estudio. De esta forma queda demostrado que la aplicacin de los parmetros fuera del permetro de 7km entregar discrepancias fuera de las tolerancias impuestas en 4.1.1 Adems, con estos 56 puntos, se establecieron 8 subzonas (figura 26) determinadas por la distancia al centro, en donde se compar y determin la precisin del modelo obtenido, para la aplicacin 1 versus el ajuste vertical el software TGO.

114

Figura 4.1. Subzonas establecidas por distancia a su centro. Fuente: Elaboracin Propia

En la tabla 4.2 se muestran las precisiones y en donde se infiere que dentro de la zona de 100 km2, el modelo de la aplicacin 1 entrega mejores resultados, no obstante en los resultados fuera de l, el software TGO se comporta de mejor forma.
Tabla 4.2. Precisiones modelo aplicacin 1 v/s TGO, por subzonas.

Intervalo (m) 0-1500 1501-3000 3001-4500 4501-6000 6001-7500 7501-9000 9001-10500 10501-12000

RMS Modelo 0,002 0,002 0,004 0,004 0,008 0,083 0,065 0,120

RMS TGO 0,013 0,012 0,008 0,004 0,010 0,022 0,034 0,032

115

Figura 4.2. Distribucin espacial de residuos aplicacin 1 aplicada a los 56 puntos. Fuente: Elaboracin Propia

Figura 4.3. Distribucin espacial de residuos TGO aplicada a los 56 puntos. Fuente: Elaboracin Propia

116

A continuacin se mostrar en las figuras 4.4 y 4.5 la distribucin espacial de los residuos para el modelo aplicacin 1 y para el plano TGO, respectivamente.

Figura 4.4. Distribucin espacial de residuos en valor absoluto de la aplicacin 1, en los 100 km2 de la zona de estudio. Fuente: Elaboracin Propia

Figura 4.5. Distribucin espacial de residuos en valor absoluto del software TGO, en los 100 km2 de la zona de estudio. Fuente: Elaboracin Propia

117

4.2.3 Intervalos de confianza y de prediccin. A la hora de interpolar un valor a travs de un modelo de regresin mltiple es necesario razonar que es lo que se busca, es as como nacen dos posibles situaciones estimar o predecir.
r r Estimar la media de la distribucin condicionada de Y / X = xt . Esto es, se r r r quiere estimar el parmetro m( xt ) = E (Y / X = xt ) y poder establecer cual es la

Altura ortomtrica media de un punto de coordenadas Estei, Nortei, hi. Esta estimacin es entregada a travs de un intervalo de confianza a un tanto por ciento. Predecir el valor de la variable respuesta en un individuo del que se conoce que r r X = x h . Esto es, se quiere predecir un valor de la variable condicionada r r Y / X = x h .Con lo que se quiere establecer cual es la altura ortomtrica que se predice para un punto de coordenadas Estei, Nortei, hi. Esta prediccin es entregada a travs de un intervalo de prediccin a un tanto por ciento. A continuacin se sacaron muestras de cada subzona, desarrollada en 4.1.2, de manera de ver con que intervalo de confianza y prediccin se esta comportando el modelo. Para esto se tiene los siguientes valores de altura ortomtrica para cada punto de muestra:
Tabla 4.3. Altura ortomtrica de puntos mustrales.

Punto 1.5kmE 3kmE 8(4.5KM) 6kmE 7.5kmN 9kmN 10.5kmS 12kmN

H 631 669 700 775 702 632 589 1060

118

En donde la estimacin de la media de la distribucin condicionada y la prediccin del valor de altura ortomtrica, para cada muestra, viene dada en la tabla 4.4 con su correspondiente varianza:
Tabla 4.4. Estimacin y prediccin para muestras.

SR med. Punto 1.5kmE 3kmE 8(4.5KM) 6kmE 7.5kmN 9kmN 10.5kmS 12kmN Xt = Xh (354980.146,6294733.2915,658.437) (356035.1795,6294476.2539,696.522) (356150.01,6292285.25,727.516) (358352.4284,6297120.2144,802.74) (356463.7346,6300349.7043,729.621) (350675.1759,6302415.9201,659.195) (346872.1471,6287438.4586,615.744) yt 631.000 669.001 700.002 774.997 702.003 632.013 589.009 Cond.(m) 0.002 0.002 0.002 0.002 0.003 0.004 0.004 0.007

SR predi.(m) 0.005 0.005 0.005 0.005 0.005 0.005 0.005 0.008

(360987.9625,6302875.7012,1088.031) 1059.982

Obtenindose as los siguientes intervalos de confianza con su correspondiente amplitud (longitud):


Tabla 4.5.Intervalos de confianza e intervalos de prediccin.

Intervalo de Punto 1.5kmE 3kmE 8(4.5KM) 6kmE 7.5kmN 9kmN 10.5kmS 12kmN confianza 630.998 668.998 700.000 774.994 702.000 632.005 589.002 1059.958 631.003 669.003 700.005 775.000 702.007 632.020 589.015 1060.006 longitud 0.005 0.005 0.005 0.006 0.007 0.014 0.013 0.048 intervalo de prediccin 630.990 668.990 699.992 774.986 701.992 631.997 588.994 1059.950 631.011 669.011 700.013 775.008 702.015 632.028 589.023 1060.014 longitud 0.021 0.021 0.021 0.022 0.023 0.030 0.029 0.064

119

4.3 ANLISIS APLICACIN 2: LNEA DE NIVELACIN CUESTA LO PRADO. 4.3.1 Contraste residuos TGO y Modelo de regresin mltiple. A continuacin se procede a comparar los residuos entregados por el modelo de regresin mltiple realizado para la aplicacin 2 y el ajuste vertical hecho por el software TGO (Grfico 10).

0.04

0.02

-0.02

-0.04

-0.06

-0.08 GPS1 GPS2 GPS3 E4 E8 E 11 E 12 E 15 E 16 E 18 E 20 E 22 E 24

Residuos modelo

Residuos TGO

Grfico 4.2. Comparacin Residuos Modelo de regresin aplicacin 2 v/s Residuos TGO. Fuente: Elaboracin Propia

En base al grfico 4.2 se concluye que los residuos entregados por el modelo de regresin mltiple realizado para la aplicacin 2, correspondiente a la cuesta Lo Prado, son mucho menores que los entregados por el ajuste vertical realizado con el software TGO. Adems, la varianza residual obtenida por el modelo de regresin es menor a la obtenida por el software TGO. Sin embargo ambos ajustes estn dentro de las tolerancias altimtricas segn lo explicado en 4.1.1.

120

4.3.2 Validacin parmetros de estimacin Altura ortomtrica. Para realizar la validacin de parmetros de alturas ortomtrica obtenidas por regresin mltiple en la lnea de nivelacin cuesta Lo Prado, se dispuso puntos dentro y fuera de ella. En total son 13 puntos de control, como se aprecia en la figura 4.6.

Figura 4.6. Puntos de control cuesta Lo Prado. Fuente: Google Earth.

Aplicando el modelo realizado a los puntos de control, los residuos oscilan entre 0 y 0.013m. Como se muestra en la siguiente tabla:

121

Tabla 4.6. Puntos de control cuesta Lo Prado, aplicando modelo de regresin.

Hregre (m) GPS5 GPS6 GPS4 E3 E5 E6 E7 E 13 E 14 E 17 E 19 E 21 E 23 182.514585 190.397606 827.371495 565.503694 707.608463 737.943189 742.284345 348.847937 328.659257 236.004492 206.823444 197.335724 186.156918

H (m) 182.503 190.403 827.358 565.504 707.617 737.946 742.287 348.848 328.660 236.003 206.825 197.341 186.156

residuos (m) 0.012 -0.005 0.013 -0.001 -0.008 -0.003 -0.003 0.000 -0.001 0.001 -0.002 -0.006 0.001

Los puntos GPS4, GPS5 Y GPS6, son los que tienen los residuos ms grandes, debido a que se encuentran fuera de de la lnea de nivelacin. El resto de los puntos de control se encuentran dentro de la precisin lograda por el modelo (0.008m).

122

CAPITULO V CONCLUSIONES Y RECOMENDACIONES. 5.1 CONCLUSIONES. Debido al cada vez ms masivo uso del sistema de posicionamiento global y del desarrollo de este en materia de precisin en la obtencin de datos planimtricos y altimtricos, se hace necesario y til el aprovechamiento de esta tecnologa. En este tema y centrndonos en la obtencin de altura ortomtrica, hasta que no se tenga un pleno conocimiento fsico de la superficie terrestre, los modelos matemticos de interpolacin, extrapolacin y finalmente prediccin son los que posibilitan el uso de la tecnologa GNNS en obras de ingeniera. Segn el principio de propagacin de errores, la calidad final del proceso de estimacin y residuos resultantes estar limitado por la fuente de donde son obtenidos los datos involucrados en el modelo. Para la aplicacin 1 depender directamente de la distribucin uniforme, en cada punto, de la precisin del modelo geoidal global EGM96, mientras que para la aplicacin 2 depende del mtodo de obtencin de desniveles, a travs de mediciones trigonomtricas, utilizado. Aplicados los dos modelos, Modelo de regresin mltiple y Ajuste vertical software TGO, para la obtencin de altura ortomtrica, basado en los mismos puntos, se tiene que:

El objetivo principal de este trabajo de memoria est cumplido al ser capaz de calcular la altura ortomtrica de un punto del que se conocen sus coordenadas planimtricas y su altura elipsoidal (posicionamiento GPS) y que la precisin entregada es apta para aplicaciones cartogrficas a escalas menores a 1:500.

123

Con respecto a los resultados obtenidos en trminos residuales entre el modelo de regresin mltiple y el software TGO, para puntos que se encuentren dentro de la zona de estudio (o lnea de nivelacin) Se verifica que sern ms pequeos los que entregue el modelo de regresin. Siendo ambos modelos factibles de ser mejorados a travs de una muestra mejor distribuida geogrficamente as como tambin por la incorporacin de nuevos puntos.

Fuera de la zona de estudio el modelo de regresin mltiple pierde cierto grado de confianza (la magnitud de esta prdida ser directamente explicada por el relieve de la zona) es por esto que se le recomienda al lector, para datos extrapolados, la utilizacin de un modelo que minimice esta prdida en la precisin, como por ejemplo, el ajuste vertical realizado por el software TGO.

La precisin resultante para los parmetros son acordes con los residuos obtenidos de las alturas ortomtricas estimadas.

El modelo puede ser realizado indistintamente en cualquier proyeccin cartogrfica. Quedando propuesta la hiptesis de que al utilizar una proyeccin con menor deformacin, se obtengan mejores resultados. Con respecto a la zona y lnea de nivelacin estudiada (Aplicacin 1 y Aplicacin 2) cabe sealar que estn situadas en zonas de alta variacin de relieve (Aplicacin 1 en el piedemonte del valle de Santiago, mientras que la aplicacin 2 en una cuesta montaosa) tambin es necesario mencionar que en estas dos aplicaciones se utilizaron una pequea cantidad de datos de entrada (en comparacin con la zona o lnea de nivelacin a cubrir) con lo que, aunque se distribuy de la mejor forma los datos que se disponan, no se logr evitar

124

dejar zonas sin informacin. Todo lo anterior implica que los modelos matemticos fueron puestos a prueba bajo condiciones adversas, y explica los resultados ya expuestos. Es as, como cabe esperar que en condiciones ms favorables, o de menor relieve, los modelos entreguen mejores resultados. As como tambin se lograra un resultado mas favorable, con la introduccin de mas datos de entrada, caracterstica (desventaja por lo general) de los modelos de regresin mltiple. Con respecto al modelo matemtico utilizado (regresin mltiple) cabe sealar, o mejor dicho repetir y recalcar, que es un modelo altamente efectivo en la mayora de las situaciones, pero del cual se debe tener gran cuidado en sus resultados y conclusiones. Esto se debe a que al ser un modelo que se adapta a cada dato de entrada (no realiza un plano definido) ante la presencia de errores presentes en los datos con que se construy el modelo, este se adaptar incluso a estos errores. Con lo que los resultados no sern los reales, para evitar esto es indispensable realizar los estudios estadsticos sealados en esta memoria. As por ejemplo, si se realiza una revisin de los residuos obtenidos se podr concluir que datos pueden presentar errores y as ser eliminados del modelo. Este tipo de modelo es susceptible de ser mejorado, al introducir variables nuevas o de mayor orden. Respecto a la estimacin de parmetros, precisiones y resultados en general, para los modelos de regresin mltiple (aplicacin 1 y aplicacin 2) Estos fueron calculados y aplicados en hojas de clculo de Microsoft Excel. Mientras que para la automatizacin, de estos mismo clculos, se hizo uso de la pgina Web www.wessa.net (seccin regresin mltiple) creada por el Profesor. Dr. P. Wessa. Obtenindose resultados semejantes. La aplicacin efectiva de los parmetros fue realizada en Arcview GIS 3.3 confirmando que las diferencias

125

en la altura ortomtrica, calculada, de los puntos de control se mantienen en la aplicacin en rdenes similares. Finalmente, dentro de este trabajo de ttulo, el rol del Ingeniero Geomensor se rige sobre dos grandes tems que si bien se entrelazan son necesarios separar: la componente prctica y la componente terica.

El segmento prctico es el que lleva a cabo la mayor parte del trabajo. Este segmento toma al Ingeniero Geomensor como el experto en todo tipo de medicin, topogrfica o geodsica, e interpretacin de planos, cartas y mapas. Es as como debe ir a la par con el desarrollo de las nuevas tecnologas, conocer sus aplicaciones, y participar, directamente o dando apoyo logstico, en todo el proceso de un proyecto de ingeniera. Este proceso puede ser simplificado como: Planificacin Ejecucin Anlisis Producto final.

La componente terica del Ingeniero Geomensor, en especial del perteneciente a la universidad de Santiago de Chile, le permite a este profesional, ante un problema que exija una pronta solucin, contar con ms de una tcnica estndar de resolucin, y en el caso que estas no existiesen, idear tcnicas alternativas, basadas en el conocimiento cientfico adquirido en su etapa formativa.

De forma concreta, en este trabajo de ttulo, el Ingeniero Geomensor debe poseer un conocimiento, para la ejecucin o interaccin con otros profesionales, en:

Mediciones geodsicas y post-proceso de estas.

126

Mediciones topogrficas (nivelacin geomtrica o en su defecto trigonomtrica) y post-proceso de estas.

Proyecciones

cartogrficas

para

la

adecuada

unificacin

de

mediciones geodsicas y topogrficas.

Ajustes, basados en la minimizacin de errores, para la obtencin de los datos finales provenientes de las mediciones hechas en terreno.

Inferencia estadstica, modelos alternativos, estudio probabilstico. Algn/os lenguaje/s de programacin que sea/n capaz (capaces) de automatizar y as abaratar los gastos en termino de clculo matemtico que conlleven las tcnicas alternativas elaboradas.

En el caso de contar con ms de una tcnica de solucin, el Ingeniero Geomensor debe poder tomar una decisin, basado en, calidad, rendimiento, tiempo y costos. En torno a lo anterior se presenta en la seccin de ANEXOS un estudio de tiempo y costos para una campaa en cuesta Lo Prado.

5.2 RECOMENDACIONES. Como en todo trabajo de ingeniera es preciso el reconocimiento del terreno antes de establecer las posiciones de los puntos que entrarn en el modelo, de modo de asegurar la distribucin homognea de datos, y en el caso de una zona de gran relieve, evitar as zonas sin informacin.

127

Verificar la calidad de la muestra de datos con que se realizar el modelo ya que la precisin esperada no ser mejor que la de la muestra. En el caso de una lnea de nivelacin se noto la mejora del modelo al introducir las variables distancia y distancia al cuadrado, ya que por fundamentos estadsticos explicados en esta tesis, influyen en la obtencin de altura ortomtrica. En el caso de una lnea de nivelacin se recomienda verificar la orientacin de esta ya que dependiendo de lo anterior se tienen las siguientes situaciones:

Si la lnea presenta una direccin Norte-Sur la variable Este no ser necesario introducirla al modelo.

Si la lnea presenta una direccin Este-Oeste la variable Norte no ser necesario introducirla al modelo.

Si no se da ninguno de los casos anteriores las dos variables son significativas, y ser necesario introducirlas al modelo.

128

ANEXOS. Estudio de tiempo y costos para una campaa en cuesta Lo Prado. En esta seccin se ha querido otorgar al lector una gua de los procedimientos que se llevaran a cabo en una campaa en cuesta Lo Prado. As fijado el procedimiento se establece un estudio de tiempo y costos. Para este estudio se recurri a dos fuentes, la primera un Ingeniero Geomensor titulado de la universidad de Concepcin, el que se desempea actualmente realizando este tipo de trabajos (levantamientos geodsicos, taquimtricos, y nivelaciones); y la segunda una empresa de arriendo de instrumental topogrfico/geodsico para as establecer el desglose debido a este tem. COTIZACION 1: Lnea de de nivelacin con apoyo de puntos GPS. Especificaciones de la ejecucin del trabajo:

La toma de los 13 puntos sealados en la fotografa area monumentados y medidos con GPS Geodsico Topcon de doble frecuencia, con lo cual se obtendr coordenadas y altura elipsoidal de los puntos.

Se har nivelacin geomtrica de los 13 puntos ocupando como referencia algn punto de nivelacin del IGM cercano al sector de trabajo.

La duracin del trabajo en terreno ser de 10 das y 2 das para la confeccin de plano e informe.

129

La presentacin del trabajo se entregar en tres copias de planos a la escala 1:2000 y con respaldo de los archivos digitales en Autocad 2004 y 2007.

Se har entrega de planillas en formato Excel donde estarn los descriptores, coordenadas y alturas de los puntos tomados en la lnea.

Cada punto tendr sus correspondientes monografas (coordenadas y altura)

Se dejarn a lo menos 6 PRS en terreno para efectos de inspeccin o futuros Levantamientos y replanteos topogrficos.

Honorarios: Los honorarios para la lnea de nivelacin con apoyo de puntos GPS, tiene un costo de $1.850.000 ms el 10% de impuesto. COTIZACION 2: Lnea de nivelacin geomtrica. Especificaciones de la ejecucin del trabajo:

La toma de los 13 puntos sealados en la fotografa area monumentados y medidos con nivelacin geomtrica.

Se har nivelacin geomtrica de los 13 puntos ocupando como referencia algn punto de nivelacin del IGM cercano al sector de trabajo.

130

La duracin del trabajo en terreno ser de 7 das y 2 das para la

confeccin de plano e informe.


Cada punto tendr sus correspondientes monografas (coordenadas de

precisin de navegador GPS para su futura ubicacin) Honorarios: Los honorarios para la lnea de nivelacin geomtrica, tiene un costo de $1.250.000 ms el 10% de impuesto. Presentacin: Expediente con la siguiente informacin:
Informe topogrfico. 3 copias de planos. CD que contiene archivos digitales de los planos, monografas e informe. Copia de patente municipal

Hasta el momento se dispone de dos cotizaciones, la primera indica el gasto en el que debe incurrir el mandante, para as, establecer una pequea cantidad de puntos nivelados y geodsicamente ubicados. Este proceso debe ser realizado, para que as, se disponga de datos de partida en la construccin del modelo matemtico que densificar futuros puntos. La segunda cotizacin indica el coste en el que deber incurrir el mandante en una futura densificacin de

131

puntos (nivelacin geomtrica, replanteo trigonomtrico a travs de estacin total, posicionamiento GPS de baja precisin). Es preciso aclarar que se realizar una comparacin de costos y tiempo entre la densificacin de futuros puntos a travs del modelo matemtico versus una nivelacin geomtrica, esto, debido a la informacin con que se dispone. COTIZACION INSTRUMENTAL TOPOGRAFICO/GEODESICO.
Instrumental Marca / Modelo Valor Diario $35.000 Valor Semanal $180.000 Valor Quincenal $260.000 Valor Mensual $380.000

GPS GEODESICO SIMPLE FRECUENCIA Incluye: 2 antenas colectoras, trpode, jaln o trpode, bases nivelarte, cables de comunicacin, software post proceso. Cheque Garanta por 2.500.000 o en blanco GPS DOBLE FRECUENCIA Incluye: 2 antenas colectoras, trpode, jaln o trpode, base nivelantes, cables de comunicacin, software post proceso. Cheque Garanta por 8.000.000 o en blanco Estacin Total Incluye: Cable comunicacin, batera, cargador, trpode madera, jaln 4,7m, prisma, porta prisma Documento en garanta por 2.500.000

SPECTRA PRECISIN EPOCH-10

TOPCON CGD

$72.000

$390.000

$720.000

$1.400.000

Topcon GTS-212 Topcon GTS-229 Pentax PCS1215 Nikon DTM 332 Constructor 500 Constructo 600 Geodimiter 600 Trimble 3605 Trimble 605M Topcon 3007 NEDO N-24 NEDO X-24 BERGER N-24 PENTAX AL-320

$20.000 $20.000 $17.000 $18.000 $20.000 $20.000 $22.000 $22.000 $22.000 $22.000 $3.500 $3.500 $3.500 $4.000

$125.000 $125.000 $100.000 $115.000 $125.000 $125.000 $125.000 $135.000 $135.000 $135.000 $18.000 $18.000 $18.000 $20.000

$190.000 $190.000 $150.000 $165.000 $235.000 $235.000 $235.000 $260.000 $260.000 $260.000 $26.000 $26.000 $26.000 $30.000

$280.000 $280.000 $250.000 $260.000 $300.000 $300.000 $300.000 $350.000 $350.000 $350.000 $35.000 $35.000 $35.500 $42.000

NIVEL Automtico Incluye Trpode y mira Documento en garanta por 250.000

132

Si se restan los honorarios de la cotizacin 1 con los de la cotizacin 2 se obtendrn $600.000 que corresponde al valor que se esta cobrando en un levantamiento geodsico realizado en tres das. Ahora si al resultado anterior se le resta el costo debido al arriendo del instrumental necesario ($216.000 por los tres das) se ontendrn $384.000 que corresponder al costo explicado por transporte, alarife/s, otros. Con estos datos es posible construir una nueva cotizacin para la densificacin de puntos. COTIZACION 3: Densificacin GPS y aplicacin modelo matemtico para la obtencin de altura ortomtrica. Especificaciones de la ejecucin del trabajo:

Toma de puntos sealados, monumentados y medidos con GPS Geodsico de doble frecuencia, con lo cual se obtendr coordenadas y altura elipsoidal de los puntos.

Se aplicar modelo matemtico, construido con datos entregados por el mandante, para conocer la altura ortomtrica de los puntos densificados.

La duracin del trabajo en terreno ser de 3 das y 2 das para la confeccin de plano e informe.

La presentacin del trabajo se entregar en tres copias de planos a la escala 1:2000 y con respaldo de los archivos digitales en Autocad 2004 y 2007.

Se har entrega de planillas en formato Excel donde estarn los descriptores, coordenadas y alturas de los puntos tomados en terreno.

133

Cada punto tendr sus correspondientes monografas (coordenadas y altura)

Honorarios: Los honorarios para la densificacin GPS y aplicacin modelo matemtico para la obtencin de altura ortomtrica, tiene un costo de $850.000 ms el 10% de impuesto. Presentacin: Expediente con la siguiente informacin:
Informe geodsico. 3 copias de planos. CD que contiene archivos digitales de los planos, monografas e informe.

134

Anexo: Distribucin de la . Fuente: E.S. Pearson, Tables of the Percentage Points of the Distribution, Biometrika, vol.32
2

135

Anexo: Distribucin de la t-student Fuente: E.S. Pearson, Critical values of Student's t Distribution, Biometrika, vol. 32

136

Anexo: Distribucin de la F (parte1) Fuente: E.S. Pearson, Tables of the Percentage Points of the Inverted Beta (F) Distribution, Biometrika, vol.32

137

Anexo: Distribucin de la F (parte2) Fuente: E.S. Pearson, Tables of the Percentage Points of the Inverted Beta (F) Distribution, Biometrika, vol32.

138

Anexo: Distribucin de la F (parte3) Fuente: E.S. Pearson, Tables of the Percentage Points of the Inverted Beta (F) Distribution, Biometrika, vol2.

139

BIBLIOGRAFIA. - Gunter Seeber, 2003, Satellite Geodesy, Walter de Gruyter, Berlin-New York 2003 - Zepeda Rene, 2004, Geodesia Satelital. - Memoria de ttulo, 2003, Estudio y aplicacin de modelos geoidales como marco de referencia vertical para Chile Garafulic Caviedes, Pedro Andrs. - Manual de Carreteras VOL. II, 2001, Direccin de Vialidad, Ministerio de Obras Publicas, Chile. - LEN Y ASOCIADOS Ingenieros Consultores, H. Lange y R. Zepeda, Manual de procedimiento para mejorar la precisin en las determinaciones altimtricas mediante GPS en Chile usando un modelo Geoidal. - Zakatov, P. S. Curso de Geodesia Superior, Editorial Rubios 1860 S.A. - Peter Vancek, Marcelo Santos, Robert Tenzer, Antonio Hernndez Navarro, Algunos Aspectos Sobre Alturas Ortomtricas y Normales - Ignacio alonso Fernndez-coppel, Las coordenadas geogrficas y la proyeccin UTM. El Datum, Universidad de Valladolid. - Richard L. Burden y J.Douglas Faires, Anlisis Numrico, Editorial Thomson Learning Sptima Edicin. - Donald J. Koosis, Elementos de inferencia estadstica, Editorial Limusa.

140

- Sistemas Geodsicos. Comit Nacional de la Unin Geodsica y Geofsica Internacional .1era edicin 1999. - Technical report n12 (http://www.iers.org) - Publicaciones SIRGAS (http://www.sirgas.org) -Documentos y revistas, departamento de matemticas, Universidad de Catalua, (http://dm.udc.es/mate/) - Alejandro Vasallo y Juan M. Vilar Fernndez, 2006, Bancos y Cajas de Ahorro: modelizacin del margen de beneficio por regresin mltiple. Anlisis comparativo , -Memoria de ttulo, Universidad Tcnica Metropolitana, 2006, Diagnstico del uso de proyecciones transversales de Mercator en escalas urbanas Sebastian Fuentes. -Memoria de ttulo, Universidad de Santiago de Chile, 2003, Evaluacin de la aplicacin de un huso TM para chile continental, aplicable a cartografa del ministerio de bienes nacionales Fernando Millar. -Memoria de ttulo, Universidad de Santiago de Chile, 2003, Estimacin de los parmetros de transformacin entre los sistema de referencia WGS-84 y PSAD56 para una zona de Calama Marcela Ramrez, Diego Ortiz. - Memoria de ttulo, Universidad de Santiago de Chile, 2003, Metodologa y desarrollo para la georreferenciacin de un proyecto vial cuesta Lo Prado Mara Jos Herrera, Jos Salas.