MANEJO DE DATOS

AMBIENTALES

Orlando Zúñiga Escobar Ph.D

Profesor titular - Universidad del Valle

Director :

Grupo de Investigación en Ciencias Ambientales y de

la Tierra – ILAMA
CATEGORIA B – COLCIENCIAS
 FÍSICA EXPERIMENTAL

Requiere una visión complementaria de por

lo menos tres ejes temáticos:

Manejo conceptual Análisis de datos y

Manejo de equipos
de términos físicos toma de decisiones
FUNDAMENTOS DEL ANÁLISIS DE
DATOS EXPERIMENTALES

Cuando se obtiene una serie de datos

experimentales, se debe tener presente:

 La información incluye datos.

 Los datos no necesariamente incluyen

información.
INTRODUCCIÓN A LA TEORÍA DE
LAS MEDICIONES

Dato: Aquello que se puede medir.

Parámetro: Aquellos que se deben calcular a partir de

datos medidos.
2,1 m
Datos Parámetro

Parcela A = (2,1 m) x (8,7 m) = 18,3 m2

8,7 m destinada
a frutales
 Ejemplo: Método del molinete
𝑄 = 𝐴𝑇 ∗ 𝑉
Determinación
del caudal
ecológico

𝐷𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝐴 − 𝐵
𝑉=
𝑡𝑖𝑒𝑚𝑝𝑜

Parámetro Datos
Método del
flotador
 PRECISIÓN O INCERTIDUMBRE DE UN DATO

Sea X un dato o un parámetro, con precisión se puede

escribir así:

X  X  X
Donde:

𝑥: media.
∆x: Precisión o incertidumbre de un dato o parámetro.

Por ejemplo: el caudal de un río (Q), se puede escribir:

Q  Q  Q
 COMO APROXIMAR DATOS ?
Si el resultado que se obtuvo en una operación matemática
tiene mas cifras significativas que las que se presentan en la
tabla de datos, se debe hacer una aproximación para poder
garantizar que los parámetros queden bien expresados,
ejemplo:

# Caudal Este parámetro no esta bien

repeticiones (m3/S) expresado, se debe redondear
1 1,27 a dos decimales:
2 2,37
3 2,05 1,8 4 5 como el numero que
4 1,69 sigue antes del 5 es menor (<)
1,845
que 5 el valor no se aproxima y
X
se escribe así 1,84
 COMO APROXIMAR DATOS ?
En otro ejemplo tenemos que los datos son:
# Caudal
repeticiones (m3/S)
Se observa que este parámetro
1 1,28
no esta bien expresado, por lo
que se debe redondear a dos
2 2,37
decimales:
3 2,05
4 1,69
1,8 5 5 como el numero que
X 1,855 esta antes del 5 es mayor o
igual (≥) 5 el valor se aproxima
a 1,86
MANEJO DE DATOS EXPERIMENTALES
CON PRECISIÓN
En la Adición y Sustracción, la respuesta no debe tener
más decimales que cualquiera de los datos.

Ejemplo:

23,6 m → Exactitud de décimas de metro.

2,53 m → Exactitud de centésimas de metro.

23,6
+ 2,53 → Se debe redondear
-------------------
26,1 m
En la Multiplicación y la División, la precisión
del resultado final, esta determinado por el dato
medido con menor precisión.

Ejemplo:

3,546 m * 2,45x103 m = 8,69x103 m2

La precisión del resultado es

igual a la del dato de menor
Precisión en Precisión en precisión: precisión en
milésimas centésimas centésimas
¿COMO EXPRESAR UN RESULTADO?

Una medición se puede expresar de dos

maneras:

1. Error absoluto o incertidumbre o

precisión.

2. Error relativo o precisión relativa.

1. ERROR ABSOLUTO O INCERTIDUMBRE O
PRECISIÓN.

X  X  X
Depende de:

- Tipo de aparato utilizado para realizar la medición: La

incertidumbre no es la misma si se utiliza un metro de
costura, un metro escolar o un vernier.

- El tipo y el número de mediciones realizadas: siempre

habrá incertidumbre al realizar varias repeticiones de
cualquier parámetro medido.

- El método empleado por el investigador: no es lo mismo

determinar el caudal del río Meléndez por el método del
flotador que por el método del vertedero.
 Incertidumbres propias de los
equipos de medición

A B C
1. ERROR ABSOLUTO O INCERTIDUMBRE O
PRECISIÓN.
1 cm

Ejemplo 1.1: metro de costura.

5 6
1 2 3 4 5 6
cm
Precisión: ___1 cm___
2 (divisiones)

𝑃𝑟𝑒𝑐𝑖𝑠𝑖ó𝑛 = 0,5 𝑐𝑚

La longitud aproximada de la tela oscila entre:

2,5 - 0,5 cm ≤ 2,5 + 0,5 cm
Debe ser reportado como:
L    
 2,5  0,5cm Precisión
1. ERROR ABSOLUTO O INCERTIDUMBRE O
PRECISIÓN.
1 cm

Ejemplo 1.2: metro escolar.

6 7

Precisión: ___1 cm___

1 2 3 4 5 6 7 10 (divisiones)

𝑃𝑟𝑒𝑐𝑖𝑠𝑖ó𝑛 = 0,1 𝑐𝑚

La longitud aproximada del lápiz oscila entre:

6,3 - 0,1 cm ≤ 6,3 + 0,1 cm
Debe ser reportado como:

L    
 6,3  0,1cm Precisión
1. ERROR ABSOLUTO O INCERTIDUMBRE O
PRECISIÓN.

Ejemplo 1.3: Vernier.

El diámetro aproximado del cilindro oscila entre:

25,00 - 0,05 mm ≤ 25,00 + 0,05 mm

Precisión: ___1 mm___

Debe ser reportado como: 20 (divisiones)

L    
𝑃𝑟𝑒𝑐𝑖𝑠𝑖ó𝑛 = 0,05 𝑚𝑚
 25,00  0,05mm Precisión
 2. ERROR RELATIVO O PRECISIÓN
RELATIVA.

Relación del error absoluto al valor real.

Ejemplo:

L      92,0  0,1 cm

 0,1 0,1
Error relativo     0,001
 92,0 100

Error relativo porcentual  *100  0,001*100  0,1%

Incertidumbre en la toma de datos
IMPLEMENTACIÓN DE LA
ESTADÍSTICA EN EL
MANEJO DE DATOS
AMBIENTALES
 CONCEPTOS BÁSICOS DEL ANÁLISIS
ESTADÍSTICO

PROMEDIO ( 𝑿 ): es la suma de todos los datos

individuales dividido entre el número total de datos.
n

X i
X i
n
Ejemplo: Determine la altura promedio del siguiente
cultivo de maíz.

212,0 + 185,0 + 227,0 + 162,0

ℎ= = 196,5 𝑐𝑚
4
DESVIACIÓN ESTÁNDAR (S): estimador de la
dispersión de los datos.

A B
Presenta mayor Presenta menor
desviación estándar desviación estándar
Datos más dispersos Datos más homogéneos
 PRINCIPALES CARACTERÍSTICAS DE LA
DESVIACIÓN ESTÁNDAR

1. Una desviación estándar (Sx) alrededor de la media

corresponde al 68,27% del total de los datos.

2. Dos Sx alrededor de la media corresponden al

95,45% del total de los datos.

3. Tres Sx alrededor de la media corresponde al 99,73%

del total de los datos.
 Porcentaje de confianza desviación estándar

Fórmulas para su determinación:

 X   X 
2 2
X X
S i
S i

n 1 n
n ≤ 30 Datos n > 30 Datos
INTERVALO DE CONFIANZA: es un rango de valores
(calculado en una muestra) en el cual se encuentra el
verdadero valor del parámetro, con una probabilidad
determinada (nivel de confianza).

Se puede definir intervalos de confianza del 68%, 95%

y 99%.

𝐼. 𝐶 = 𝑥 − 𝜎; 𝑥 + 𝜎 → Confianza del 68%

𝐼. 𝐶 = 𝑥 − 2𝜎; 𝑥 + 2𝜎 → Confianza del 95%

𝐼. 𝐶 = 𝑥 − 3𝜎; 𝑥 + 3𝜎 → Confianza del 99%

Donde:
T  T 
f

𝑇 𝑇
𝑇−𝜎 𝑇+𝜎

Dato que esté por fuera

del intervalo es
considerado dudoso
 ¿CÓMO DESCARTAR DATOS DUDOSOS?

¿Por qué si medimos varias veces el caudal del río

Meléndez en un mismo muestreo y bajo las mismas
condiciones, obtenemos diferentes valores en cada
repetición que hacemos?

Ejemplo: Determinación del caudal del río Meléndez.

Caudal
Repetición
(m3/s)
1 1,25
2 2,36
3 2,04
Siempre vamos a tener errores de medición.

¿Qué podemos hacer?

Solución:
 1, 25  1,88 2
 2,36  1,88 2
 2, 04  1,88 2

S
3 1
# Caudal
repeticiones
1
(m3/S)
1,25 Dudoso
S  0,57
2 2,36
3 2,04 𝐼. 𝐶 = 𝑥 − 𝜎; 𝑥 + 𝜎
𝑻 1,88
𝝈 0,57 𝐼. 𝐶 = 1,88 − 0,57 ; 1,88 + 0,57
𝑻′ 2,20

𝐼. 𝐶 = 1,31 ; 2,45
 Concepto del descarte de datos dudosos:
# Caudal
repeticiones (m3/S) 𝐼. 𝐶 = 1,31 ; 2,45
1 1,25 Dudoso
2 2,36
3 2,04
𝑻 1,88
𝝈 0,57
𝑻′ 2,20

1,25 1,31 𝑇 = 1,88 2,45

Comprobación de datos confiables:
# Caudal
repeticiones (m3/S)
2 2,36
𝐼. 𝐶 = 2,20 − 0,23 ; 2,20 + 0,23
3 2,04
𝑻′ 2,20
𝐼. 𝐶 = 1,97 ; 2,43
𝝈’ 0,23
COEFICIENTE DE VARIACIÓN (C.V): es otra medida
de la dispersión y es independiente de la unidad de
medida.

Es el estimador del error relativo porcentual.

Útil cuando se pretende comparar la variabilidad de dos

o más conjuntos de datos.

S 
C.V    *100
X 
 ANÁLISIS DE DISPERSIÓN

Ejemplo: precipitación media multianual en el sur de

Cali, barrio Meléndez.

PRECIPITACIÓN MEDIA
AÑO
ANUAL(mm)
2001 44,7
2002 76,4
2003 85,6
2004 65,0
2005 62,5
2006 106,4
2007 97,3
2008 127,0
2009 76,3
 PRECIPITACIÓN MEDIA ANUAL
140,0
127,0
120,0 y = 5,7215x - 11389
106,4
R² = 0,3937
Precipitación efectiva

100,0 R= 0,6274
85,6
76,4 97,3
80,0
(mm)

76,3 PRECIPITACIÓN MEDIA ANUAL

60,0 62,5
65,0
Lineal (PRECIPITACIÓN MEDIA
44,7 ANUAL)
40,0

20,0

0,0
2000 2002 2004 2006 2008 2010
Año

MANEJO ESTADÍSTICO DE LOS DATOS

Promedio 82,4
Desviación Estándar 25,0
C.V 30,3