UNIVERSIDAD NACIONAL DE INGENIERÍA

Centro de Investigación y Estudios en Medio Ambiente

CIEMA-UNI

Evaluación de la Calidad de Datos en el muestreo hidroquímico de

los pozos perforados de la ciudad de Managua (1993 – 2002)

Tesis sometida a la consideración del Centro de Investigación y Estudios en Medio

Ambiente para optar al título de Maestro en Ingeniería Ambiental

AUTOR
Ing. Germán Padilla Díaz

TUTOR
M. Sc. Ing. Sergio Gámez Guerrero

Managua, Nicaragua, Julio 2005

 DEDICATORIA

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

Elen Padilla Rivas por su inestimable apoyo a través de todos los períodos de mi vida,

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

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

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

familia.

II
 AGRADECIMIENTO A INSTITUCIONES

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

cual a través de todos estos años ha apoyado los esfuerzos por garantizar un ambiente más saludable

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

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

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

Extiendo mi agradecimiento a la Empresa Nicaragüense de Acueductos y Alcantarillados

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

iniciativas de desarrollo del presente trabajo investigativo.

III
 AGRADECIMIENTOS PERSONALES

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

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

Al Personal del laboratorio central de la Empresa Nicaragüense de Acueductos y Alcantarillados les

debo haberme inspirado en la concepción de esta tesis, por haber mantenido una rutina de análisis
durante estos largos doce años desde que empezamos a recopilar y almacenar la información de
análisis físico químicos en las base de datos.

Al Licenciado Moisés Estrada Betancourt le agradezco el acicate de penetrar en los derroteros de la

ingeniería ambiental y haberme motivado a seguir estudiando en un período en que no estaba dentro
de mis planes o metas el continuar estudiando.

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

Al Sr. Ramón Aravena (PhD) de la Universidad de Waterloo tengo en mente al agradecerle sus
observaciones al enrumbar el marco conceptual de este trabajo y tuvo la amabilidad de expresar su
opinión sobre este documento cuando estaba en pañales. Asimismo, expreso mi gratitud al Ing.
Sergio Gámez, director del CIEMA UNI por su ayuda invaluable al revisar esta tesis en todas sus
fases y hacer las correcciones precisas.

IV
CARTAS

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

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

Se recopilaron los registros de análisis en los años ya mencionados y fueron trasladados para análisis
a programas estadísticos como el SPSS. Debido a que era muy complejo analizar el comportamiento
de alrededor de 20 variables, el análisis estadístico se concentró en 3 analitos de interés como
indicadores de contaminación debido a las actividades humanas (nitratos, potasio y cloruros).

Para efectos de estudio, Managua fue dividida en 6 zonas, a cada una de las zonas se les aplicó el
mismo procedimiento el cual incluyó además de la estadística descriptiva, pruebas de hipótesis
mediante ensayos como el de la Prueba de Rango con signo de Wilcoxon.

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

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

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

X
 INDICE
No Página

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

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

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

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

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

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

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

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

1 Introducción..........................................................................................................................................1

2 Justificación ..........................................................................................................................................2

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

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

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

5 Marco Teórico ......................................................................................................................................7

5.1 Qué es la Definición de Objetivos de Calidad de Datos (DOCD)? ...............................................7

5.1.1 Establecer el Problema: ..........................................................................................................8
5.1.2 Identificar la Decisión: ...........................................................................................................8
5.1.3 Identificar las variables de entrada para la decisión: ..............................................................8
5.1.4 Definir los límites del estudio ................................................................................................8
5.1.5 Desarrollar una Regla de Decisión: ........................................................................................8
5.1.6 Especificar los límites tolerables en los Errores de Decisión .................................................8
5.1.7 Optimizar el Diseño para Obtener Datos................................................................................8
5.2 Objetivos de Calidad de Datos.......................................................................................................8
5.2.1 Especificar los límites tolerables en los Errores de Decisión .................................................9
5.2.2 Fuentes de error ....................................................................................................................10

XI
 5.3 Uso de datos existentes para fundamentar la toma de decisiones ...............................................11
5.4 Diseño de los muestreos ambientales ...........................................................................................12
5.4.1 La representatividad .............................................................................................................12
5.4.2 Objetivos de los diseños de muestreo...................................................................................13
5.4.3 Tipos de diseño de muestreo ................................................................................................14
5.5 Proceso de Evaluación de la Calidad de los Datos .....................................................................19
5.5.1 El proceso de evaluación ......................................................................................................20
5.6 Fundamento de las Pruebas Estadísticas en la presente Investigación .......................................22
5.6.1 La hipótesis de nulidad .........................................................................................................23
5.6.2 La elección de la prueba estadística .....................................................................................23
5.6.3 El nivel de significancia y el tamaño de la muestra .............................................................26
5.6.4 La Distribución Muestral......................................................................................................27
5.6.5 La Región de Rechazo..........................................................................................................28
5.6.6 La Decisión ..........................................................................................................................28
5.7 Fundamento hidroquímico de la calidad de las aguas subterráneas...........................................28
5.7.1 Características químicas de los iones y sustancias disueltas más importantes .....................30
5.7.2 Cationes y sustancias catiónicas ...........................................................................................33
5.7.3 Principales gases disueltos ...................................................................................................35
5.7.4 Aniones y sustancias aniónicas menores más importantes...................................................36
5.7.5 Cationes y sustancias catiónicas menores más importantes .................................................38
5.7.6 Procedencia de los iones disueltos en el agua subterránea ...................................................40
5.8 Justificación para el uso de ciertos compuestos inorgánicos como indicadores de contaminación
40
5.8.1 Vías de contaminación de las fuentes subterráneas ..............................................................40
5.8.2 Cloruros ................................................................................................................................41
5.8.3 Nitratos .................................................................................................................................42
5.8.4 Potasio ..................................................................................................................................44

6 Hipótesis ..............................................................................................................................................46

7 Metodología.........................................................................................................................................47

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

7.2 Obtención de los Datos del Estudio .............................................................................................47
7.2.1 Estructura de la base de datos...............................................................................................47
7.2.2 Traslado de los datos al SPSS ..............................................................................................49
7.3 Formación de las Areas Geográficas de Análisis ........................................................................51
7.3.1 Subsistema por zonas hidráulicas .........................................................................................51
7.3.2 Subsistema por Campos de Pozos o Grupos de Pozos Asociados: ......................................52
7.3.3 Subsistema por Cortes Transversales: ..................................................................................53
7.4 Selección de las Areas Geográficas de Estudio ...........................................................................54
7.4.1 Zona 1: Es la zona Baja tal como ha quedado definida por ENACAL. ...............................54
7.4.2 Zona 2: Es la zona Alta. .......................................................................................................54
7.4.3 Zona 3: Es la zona Alta Superior..........................................................................................55
7.4.4 Zona 4: abarca todos los pozos del Proyecto Managua II (Sabanagrande). .........................55

XII
 7.4.5 Zona 5: agrupa todos los pozos de la zona de Ciudad Sandino. ...........................................55
7.4.6 Zona 6: agrupa todos los pozos del Proyecto Managua I (Municipio de Ticuantepe) y Valle
Gothel. 55
7.5 El Plan de Evaluación de la Calidad de los Datos ......................................................................55
7.6 Procedimiento para utilizar la Prueba de Rango con Signo de Wilcoxon para la prueba de
medianas ..................................................................................................................................................56
7.7 Procedimiento para utilizar el Ensayo de Proporciones para la prueba de medianas ...............59

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

8.1 Revisión de los Objetivos del Estudio ..........................................................................................61

8.1.1 Definición del Problema .......................................................................................................61
8.1.2 Datos faltantes ......................................................................................................................62
8.1.3 Escala de decisión ................................................................................................................63
8.1.4 Traducción de los Objetivos en Hipótesis Estadísticas ........................................................63
8.1.5 Estimación de los Límites de Errores de Decisión ...............................................................65
8.1.6 Diseño del muestreo .............................................................................................................65
8.2 Revisión Preliminar de los Datos .................................................................................................65
8.2.1 Aseguramiento de calidad a través del período en estudio...................................................66
8.2.2 Estadísticos básicos ..............................................................................................................66
8.2.3 Representación gráfica de los datos .....................................................................................69
8.3 Selección del ensayo estadístico...................................................................................................71
8.4 Verificación de los supuestos del ensayo estadístico ...................................................................72
8.4.1 Supuestos sobre normalidad de la distribución ....................................................................72
8.4.2 Resultados de análisis de tendencias ....................................................................................75
8.4.3 Ensayo para detección de datos aberrantes (outliers) ...........................................................75
8.5 Conclusiones de los datos ............................................................................................................76
8.5.1 Zona 1 ...................................................................................................................................77
8.5.2 Zona 2 ...................................................................................................................................78
8.5.3 Zona 3 ...................................................................................................................................78
8.5.4 Zona 4 ...................................................................................................................................79
8.5.5 Zona 5 ...................................................................................................................................80
8.5.6 Zona 6 ...................................................................................................................................80
8.6 Valores de alfa () y el Número de muestras a colectar..............................................................81
8.7 Resultados de Análisis del Pozo Perforado más antiguo del acueducto de Managua .................83
8.8 Utilización del software Decision Error Feasibility Trials (DEFT) ............................................86
8.9 Mapa de isovalores de nitratos ....................................................................................................88
8.10 Mapa de Isovalores de Potasio ....................................................................................................89
8.11 Mapa de Isovalores de Cloruros ..................................................................................................90

9 Discusión de Resultados .....................................................................................................................92

9.1 Análisis de Percentiles .................................................................................................................92

XIII
 9.2 Estudio de Correlaciones entre variables ....................................................................................93
9.3 Análisis de Tendencias .................................................................................................................93
9.4 Ensayos de pruebas de hipótesis .................................................................................................94
9.5 Cantidad de muestras a colectar .................................................................................................94
9.6 Situación de los Nitratos ..............................................................................................................98
9.7 Situación del Potasio ..................................................................................................................103
9.8 Situación de los Cloruros ...........................................................................................................104

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

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

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

Anexo - Uso del software DEFT para el cálculo estimado del tamaño de muestra..............................117

ILUSTRACIONES

Ilustración 1: Managua y su vecindad ............................................................................................................................5

Ilustración 2 Muestreo sistemático de cuadrícula .................................................................................................16
Ilustración 3: muestreo adaptivo..............................................................................................................................18
Ilustración 4: Muestreo compuesto .........................................................................................................................19
Ilustración 5: Estructura de la tabla de trabajo ......................................................................................................48
Ilustración 6: Formato tabular de los datos ............................................................................................................48
Ilustración 7: primera pantalla de captura del SPSS .............................................................................................49
Ilustración 8: Segunda pantalla de captura del SPSS ...........................................................................................50
Ilustración 9: Pantalla de presentación y edición de datos del SPSS .................................................................50
Ilustración 10: Curvas de isovalores de Nitratos ...................................................................................................89
Ilustración 11: Curva de Isovalores de Potasio .............................................................................................................90
Ilustración 12: Curva de Isovalores de Cloruros ...........................................................................................................91
Ilustración 13: Zona Gris para Nitratos en la Zona 1 (Baja) ..........................................................................................96
Ilustración 14: Zona Gris para Cloruros en la Zona 5 (Ciudad Sandino) ......................................................................97
Ilustración 15: Zona Gris para Potasio en la Zona 4 .....................................................................................................98
Ilustración 16: Comportamiento Histórico del PP M. Oriental ...........................................................................99
Ilustración 17: Comportamiento Histórico del PP San Antonio .......................................................................100
Ilustración 18: Comportamiento Histórico de PP Olof Palme ..........................................................................100
Ilustración 19: Comportamiento promedio anual de nitratos en base a todos los pozos ...............................101
Ilustración 20: Datos promedio anuales con un solo dato promedio para el pozo Mercado Oriental de 54 ppm.
...........................................................................................................................................................................102
Ilustración 21: Comportamiento estacional de Nitratos en el PP Mercado Oriental durante 1998..............103
Ilustración 22: Comportamiento del Potasio en base a Promedios Anuales ...................................................104
Ilustración 23: Comportamiento histórico de Cloruros ......................................................................................105

TABLAS

XIV
Tabla 1: Narrativo de Hipótesis Estadística ...................................................................................................... 64
Tabla 2: Medidas de Tendencia Central y Percentiles ...................................................................................... 67
Tabla 3: datos para el análisis del ensayo de rangos estudentizado ................................................................ 73
Tabla 4: Estadística general del Pozo Las Mercedes 4 .................................................................................... 83
Tabla 5 : % de Muestras a colectar por zona por año (Nitratos) ....................................................................... 86
Tabla 6: % de Muestras a colectar por zona por año (cloruros) ....................................................................... 87
Tabla 7: % de Muestras a colectar por zona por año (potasio)......................................................................... 87

APENDICES

Apéndice 1 : Límites de Errores de Decisión ........................................................................................... 112

MAPAS

Mapa 1: Distribución de las Zonas Geográficas de Estudio........................................................................................116

ACRONIMOS

GPM galones por minuto

C.E. Conductividad Eléctrica en uS/cm
S.D. Sólidos disueltos en mg/L
Cl Cloruros en mg/L como Cl
NO3 Nitratos en mg/L como NO3
K Potasio en mg/L como K
Valid N (listwise) Registros en los que todos los campos poseen datos
ECD Evaluación de Calidad del Dato
PRSW P. de Rango con Signo de Wilcoxon
ppm partes por millón
mg/L miligramos por litro

XV
 Definiciones
Desviación Estándar Una medida de la dispersión alrededor de la media. En una distribución normal, 68% de los
(St) casos caen dentro de una desviación estándar de la media y un 95% de los casos caen dentro
de 2 SD.
Error Estándar Una medida de cuánto el valor de un estadístico de prueba varía de muestra a muestra. Es la
(Standard Error) desviación estándar de la distribución de muestreo para un estadístico. Por ejemplo, el error
estándar de la media es la desviación estándar de las medias de muestra.
Estadístico Medidas resumen usadas para describir la muestra.
Kurtosis Una medida del grado en que las observaciones se agrupan alrededor de un valor central.
Para una distribución normal, el valor del estadístico Kurtosis es cero ( Ø ). Kurtosis positiva
indica que las observaciones se agrupan más y tienen colas más largas que las de la
distribución Normal y la Kurtosis Negativa indica que las observaciones se agrupan menos y
tienen colas más cortas.
Población objetivo Es el conjunto de todas las unidades que involucran los items de interés en un estudio
científico, que es la población acerca de la cual el tomador de decisiones quiere estar apto
para llegar a conclusiones.
Población muestral Es la parte de la población blanco que es accesible y disponible para muestreo.
Sesgamiento Una medida de la asimetría de una distribución. La distribución normal es simétrica y tiene una
Sesgamiento de cero (Ø). Una distribución con un valor positivo significativo tiene una larga
cola derecha. Una distribución con un Sesgamiento negativo tiene una larga cola hacia la
izquierda. Un valor de sesgamiento mayor que 1, generalmente indica una distribución que
difiere significativamente de una distribución normal.
Unidad de muestreo Es un miembro de la población que puede seleccionarse para muestreo, por ejemplo, un árbol
individual, un volumen específico de aire o agua. Es muy importante para los planificadores del
estudio ser muy específico cuando se definen las características de las unidades de muestreo
con respecto al espacio y tiempo. Una unidad de muestreo debe detallar los componentes
específicos de un medio ambiental.
Gerente Autoridad formal de una organización que tiene la responsabilidad de la toma de decisiones
basadas en juicios científicos o basados en el juicio experto.
Usuario del Dato Es la entidad u organización propietaria de los datos generados, en este caso, es ENACAL.
Aseguramiento de Es el conjunto de principios operativos que si se siguen estrictamente durante la colecta de
Calidad muestra y el análisis, producirán datos de calidad conocidos y defendible. La veracidad de un
resultado analítico puede establecerse con un alto nivel de confianza. El aseguramiento de
calidad incluye el control de calidad y la evaluación de calidad.

XVI
1 Introducción

El estudio de la calidad de las aguas subterráneas es de especial relevancia porque éstas se

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

Desde 1993 los datos de análisis físico químicos se han registrado en varios tipos de software de base
de datos con el fin de preservar y almacenar la información. Inicialmente los registros fueron
almacenados utilizando DBASE III, luego se utilizó FoxPro y finalmente se mantiene en la
actualidad el almacenamiento en Microsoft ACCESS (habiéndose empleado conforme avanzaba la
modernización de los software, las versión #2 bajo Windows 95, luego Windows 98 y Windows
2000). De esta manera, los registros de monitoreos de calidad del agua que ha impulsado la Empresa
de Acueductos y Alcantarillados (ENACAL) han sido almacenados electrónicamente.

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

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

1
2 Justificación

Aparte que casi el 90% de la población que vive en Managua consume agua procedente de las aguas
subterráneas, la densidad de pozos perforados existentes en el área es alta. Se estima que la cifra es
de aproximadamente 1 pozo por kilómetro cuadrado (Km2).

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

global, además, el acceso a este recurso es muy desigual, existen zonas del planeta con una
disponibilidad de agua muy escasa, si esto se agrega, que en muchos casos los mantos acuíferos
están sometidos a los riesgos de la polución urbana e industrial, la pertinencia de evaluar las fuentes
de agua potable de la ciudad capital se hace una prioridad permanente.

El suministro de agua potable debe cumplir el requisito de cantidad y calidad, así como seguridad
física, química y bacteriológica. En este sentido, los datos unificados con el debido criterio pueden
maximizar la toma de decisiones y la buena interpretación de los resultados a través del tiempo.

Con el objeto de establecer la situación actual de la calidad hidroquimica de todos los pozos
perforados de la ciudad de Managua, esclareciendo y ofreciendo alternativas para optimizar los
recursos (identificación del número adecuado de muestras desde un punto de vista estadístico que sea
defendible), es que se aborda el desarrollo del presente trabajo investigativo.

Sin embargo, se hace perentorio saber acerca de la calidad del dato generado, si puede dar respaldo
satisfactorio a las recomendaciones en torno a la factibilidad de la norma nacional de calidad del
agua conforme la realidad de las características hidroquímicas de los acuíferos de Nicaragua y en
especial de la zona de Managua.

2
Adicionalmente, el dato que se genere debe estar amparado bajo un correcto Diseño de Muestreo el
cual debe ser el marco referencial para iniciar los muestreos que definan con certeza la calidad del
agua en la zona de estudio.

El agua subterránea es el recurso invisible, tanto es así, que muy pocas veces se advierten los
cambios que podrían servirnos como campanada de alerta para iniciar cuanto antes medidas de
protección cuyos beneficiarios seríamos nosotros, nuestras futuras generaciones y nuestros acuíferos.

3
3 Antecedentes del Area de Estudio

La ciudad de Managua, capital de la República de Nicaragua, tiene una extensión de 200 Km 2 y una
población total aproximada de 1,2 millones de habitantes. En 1991 tenía una producción de agua de
268 000 m3/día (71 MGD). El suministro medio por habitante y la tasa de consumo media fueron
aproximadamente de 230 l/c/d (61 g/c/d) y 170 l/c/d (44,6 g/c/d), respectivamente.

El área depende en gran medida del agua subterránea (en casi un 90%) como fuente de suministro de
agua, esto representa la cantidad de 125 pozos. Un 10% se obtiene de la laguna de Asososca la cual
está recargada principalmente por aguas subterráneas.

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

Asososca, por lo que el agua extraída solamente se le aplica cloración como medida de protección
contra alguna posible recontaminación en las redes.

3.1 Clima

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

El clima del área de estudio es clasificado como clima tropical de sabana, la temperatura promedio
es de 25,6°C durante el mes de diciembre y de 28,6°C en abril. La estación lluviosa (invierno)

4
comienza en mayo y termina en octubre o noviembre, mientras que la estación seca (verano)
comienza en noviembre y termina en abril. La precipitación media anual varía entre 1100 mm y
1500 mm dependiendo de la elevación. El valor más bajo se observa en la costa sur del lago de
Managua y el más alto en el área montañosa. La evaporación anual varía de 1800 mm a 2700 mm
casi en correspondencia con la elevación y la evapotranspiración potencial se considera alta.
1
Ilustración 1: Managua y su vecindad

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

5
4 Objetivos

El objetivo general de la tesis es el siguiente:

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

Para llevar a cabo este objetivo general se plantean los siguientes objetivos específicos :

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

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

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

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

6
5 Marco Teórico

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

El marco referencial de todo diseño de muestreo ambiental, es la definición de los Objetivos de

Calidad de Datos. Para analizar los resultados obtenidos a través de un horizonte de tiempo y en un
área geográfica determinada, la base fundamental es el Proceso de identificación de los objetivos de
calidad.

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

La planificación sistemática es el proceso basado en el método científico lo que incluye conceptos

tales como objetividad de análisis y aceptabilidad de los resultados. Este proceso se basa en el
sentido común, examen a escala de la situación para garantizar que el nivel de detalle en la
planificación es equiparable con la importancia y el uso pretendido del trabajo y los recursos
disponibles. Este esquema promueve la comunicación entre todos los individuos involucrados en un
programa ambiental. A través de un proceso sistemático de planificación, el equipo puede
desarrollar los criterios de aceptación o desempeño para la calidad de los datos colectados y para la
calidad de la decisión. Cuando estos datos están siendo utilizados al tomar decisiones al seleccionar
entre dos condiciones alternas bien claras, por ejemplo, cumplimiento o no cumplimiento de una
normativa de calidad del agua, la herramienta de trabajo se denomina Proceso de Definición de los
Objetivos de Calidad de los Datos.

Los siete pasos antes mencionados son los siguientes:

7
5.1.1 Establecer el Problema:
Definir el problema, identificar el equipo de planificación, examinar el presupuesto,
calendarizar.

5.1.2 Identificar la Decisión:

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

5.1.3 Identificar las variables de entrada para la decisión:

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

5.1.4 Definir los límites del estudio

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

5.1.5 Desarrollar una Regla de Decisión:

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

5.1.6 Especificar los límites tolerables en los Errores de Decisión

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

5.1.7 Optimizar el Diseño para Obtener Datos

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

5.2 Objetivos de Calidad de Datos

Son las normativas cuantitativas y cualitativas que se desarrollan utilizando el proceso mencionado
anteriormente a través de las siete etapas, que clarifican los objetivos de estudio, definen el tipo
apropiado de dato, y especifican los límites tolerables de posibles errores de decisión que serán

8
utilizados como base para establecer la calidad y cantidad de dato necesario para justificar las
decisiones. Los OCD (Objetivos de Calidad de Datos) definen los criterios de desempeño que limitan
las probabilidades de errores al tomar decisiones mediante la consideración del propósito de la
colecta de datos, definiendo el tipo apropiado de datos requerido y especificando las probabilidades
tolerables de los errores de decisión.

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

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

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

5.2.1 Especificar los límites tolerables en los Errores de Decisión

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

 Determinar el rango del parámetro de interés

 Escoger la hipótesis nula
 Examinar las consecuencias de hacer una decisión incorrecta
 Especificar un rango de valores donde las consecuencias son menos impactantes (región
gris).

9
  Asignar valores de probabilidad a los puntos arriba y debajo del Nivel de Acción que refleja
la probabilidad tolerable para errores de decisión potenciales.

Se considera que esta es una de las fases más importantes porque aquí ya no es posible imaginarse
que se dispone de la información perfecta ni que se posee los datos ilimitados para hacer las
decisiones. En este momento se hace frente a la realidad que no es posible tener la información
perfecta sobre la cual basar las decisiones. En vez de eso, las decisiones se basarán en un conjunto
de datos muestrales sujetos a diversos errores que son parte de una población de interés mucho más
grande. Inherente en el uso de datos de muestra para la toma decisiones es el hecho que esas
decisiones pueden ser ocasionalmente, erradas. En esta etapa del proceso de definición de los
objetivos de calidad de datos, los valores numéricos serán examinados en un intento de mantener la
posibilidad de un error de decisión a un mínimo.

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

5.2.2 Fuentes de error

Un error de decisión ocurre cuando un conjunto de datos de muestras conducen erróneamente a hacer
decisiones erradas y a tomar acciones respuesta igualmente equivocadas. La posibilidad de un error
de decisión existe porque la decisión está basada precisamente en datos de muestra que son
incompletas o imperfectas. Aún cuando el método de colecta y el método de análisis puede no estar
sesgado, los datos de la muestra están sujetos a los errores sistemáticos y aleatorios en diferentes
etapas de su adquisición, desde la colecta en campo hasta el análisis de laboratorio. La combinación

10
de todos estos errores se llama error total del estudio. Pueden haber muchos contribuyentes al error
total del estudio, pero hay típicamente dos componentes:

1. Error del diseño de muestreo – Este error está influenciado por la variabilidad inherente de la
población en el espacio y el tiempo, el diseño de colecta de muestra y el número de muestras.
Usualmente es impráctico medir la unidad de decisión entera, y un muestreo limitado puede
dejar a un lado aspectos de la variación natural de la medición de interés. El error de diseño
de muestreo ocurre cuando el diseño de colecta de datos no captura la variabilidad completa
dentro de la unidad de decisión en tal grado para la decisión de interés. Este error puede
producir error aleatorio (variabilidad o imprecisión) y error sistemático (sesgo) en las
estimaciones de los parámetros poblacionales.
2. Error de medición – Este error (variabilidad) está influenciado por imperfecciones en la
medición y el sistema de análisis. Los errores de medición sistemáticos y aleatorios son
introducidos en el proceso de medición durante la colecta física de la muestra, la
manipulación de la muestra, la preparación de la muestra, el análisis de la muestra, la
reducción de datos, transmisión y almacenamiento.

El error total del estudio afecta la probabilidad de cometer errores decisionales. Por lo que es
esencial conocer el error total para administrar el error total del estudio en las alternativas de diseño
de muestreo y sistema de medición. Esto hará posible controlar la posibilidad de cometer errores de
decisión y llevarlos a niveles aceptables.

5.3 Uso de datos existentes para fundamentar la toma de decisiones

El dato existente es útil, y puede echarse mano de estudios piloto o de las bases de datos de los
monitoreos de control de calidad del agua. Estos datos pueden ofrecer una evaluación preliminar de
la variabilidad. En estos casos, los datos existentes pueden ser una base invaluable para ayudar a
desarrollar un diseño para captar datos. Es crítico examinar el dato existente para asegurarse que la

11
calidad es aceptable para uso, o para integrarse en un nuevo conjunto de datos. Algunas
consideraciones incluyen lo siguiente:

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

tiempo/espacio que el nuevo dato;
2. examinar el dato existente para determinar si este conjunto de datos incluye los mismos
analitos;
3. examinar el desempeño analítico de los métodos para el dato existente (precisión, exactitud,
límites de detección) y compararlo con las especificaciones del Paso 3 del Proceso de
Definición de los Objetivos de Calidad de Daos para el nuevo dato a colectarse; y
4. examinar la variabilidad entre muestras en los datos nuevos y los existentes.

El combinar datos existentes y nuevos datos puede ser un operación muy compleja y se debe
hace con mucho cuidado. En muchos casos, se necesita de experticia estadística para evaluar
ambos conjuntos de datos y combinarlos con confianza.

No siempre se necesita desarrollar diseños de muestreo estadístico probabilístico para el registro

de datos si se utiliza el proceso de las siete etapas. No todos los problemas de muestreo pueden
resolverse con diseños probabilísticos. Sin embargo , el proceso OCD debería utilizarse como
una herramienta de planificación para los estudios aún si el diseño de registro de datos estadístico
no se emplea. En estos casos el equipo de planificación deberá buscar un experto en cómo
desarrollar un diseño de toma de datos no estadístico y cómo evaluar los resultados. Cuando se
emplean métodos de muestreo no probabilístico, de juicio, se necesita verificar que los requisitos
de aseguramiento de calidad se han cumplido.

5.4 Diseño de los muestreos ambientales

5.4.1 La representatividad

12
La representatividad del muestreo se logra a través del diseño de muestreo. Puede considerarse como
una medida del grado en que el dato representa de manera exacta y precisa, una característica de la
población, las variaciones del parámetro en un punto de muestreo, una condición del proceso o una
condición ambiental. El desarrollo de un diseño de muestreo es un paso crucial en colectar datos
defendibles y apropiados que representen en forma exacta el problema que se investiga.

5.4.2 Objetivos de los diseños de muestreo

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

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

1. Soportar o justificar una decisión acerca de si los niveles de contaminación exceden un techo
de riesgo inaceptable.
2. Determinar si ciertas características de dos poblaciones difieren en alguna cantidad.
3. Estimar las características medias de una población o la proporción de una población que
tiene ciertas características de interés.
4. Identificar los lugares manchas-negras (áreas con altos niveles de contaminación) o
delineación de la pluma de contaminación.
5. Caracterizar la naturaleza y extensión de la contaminación en el sitio, o
6. Para monitorear tendencias en condiciones ambientales o indicadores de salud.

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

13
Se hace la observación que muchas veces las investigaciones no van acompañadas de un Diseño de
muestreo sustentado con las herramientas estadísticas.

5.4.3 Tipos de diseño de muestreo2

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

5.4.3.1 Muestreo Razonado

La selección de las unidades de muestreo (por ejemplo el número y ubicación y / o el período de

colecta de muestras), está basado en el conocimiento del aspecto o la condición que se investiga y en
el juicio profesional. El muestreo razonado se distingue del muestreo basado en probabilidades
estadísticas en que las inferencias se basan en el juicio experto y no en la teoría científica. Por lo
tanto, las conclusiones basadas en la población blanco son limitadas y dependen enteramente en la
validez y exactitud del razonamiento profesional. Las definiciones probabilísticas acerca de los
parámetros no son posibles. Este tipo de diseño se utiliza en conjunto con otro tipo de diseños
muestrales para producir decisiones defendibles y un muestreo efectivo.

5.4.3.2 Muestreo simple aleatorio

En este tipo de muestreo aleatorio, las unidades de muestreo particulares (por ejemplo, lugares y / o
frecuencias) son seleccionadas usando números aleatorios, y todas las posibles selecciones de un
número dado de unidades son igualmente probables. Por ejemplo, una simple muestra aleatoria de un
conjunto de pozos pueden tomarse mediante la numeración de todos los pozos y luego seleccionando
aleatoriamente de la lista o por el muestreo de un área mediante el uso de pares aleatorios de

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

14
coordenadas. Este método es fácil de entender, y las ecuaciones para determinar el tamaño de
muestra son relativamente sencillas.

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

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

2. Es fácil de entender y fácil de implementar.
3. Los cálculos de tamaño de muestra y análisis de datos son muy sencillos.

En algunos casos, la implementación del muestreo simple aleatorio puede ser más difícil que los
otros tipos de diseño (por ejemplo, las muestras en nodo) debido a la dificultad de identificar
precisamente lugares geográficos de manera aleatoria. Adicionalmente, el muestreo simple aleatorio
puede ser más costoso que otros planes si las dificultades en obtener muestras debido a los lugares
causan un gasto extra.

5.4.3.3 Muestreo Estratificado

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

subpoblaciones que se saben que son más homogéneas (relativo al medio ambiente o al
contaminante), de manera que haya menos variación entre las unidades de muestreo en el mismo
estrato que entre las unidades de muestreo en diferentes estratos. Los estratos pueden escogerse sobre
la base de proximidad espacial o temporal de las unidades, o sobre la base de información
preexistente o juicio profesional acerca del sitio o el proceso.

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

15
puede obtenerse si la medición de la medición de interés está fuertemente correlacionada con la
variable usada para hacer el estrato.

5.4.3.4 Muestreo sistemático o de celdas

En el muestreo sistemático o de celda, las muestras se toman en intervalos regulares espaciados sobre
un espacio o tiempo. El lugar inicial y el tiempo se escoge de manera aleatoria, y luego los lugares
de muestreo remanentes son definidos de manera que todos los lugares están en intervalos regulares
sobre un área (celda) o tiempo (sistemático).

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

Ilustración 2 Muestreo sistemático de cuadrícula

5.4.3.5 Muestreo en conjunto de rangos

Es un diseño innovativo que puede ser muy útil y eficiente en costo al obtener mejores estimados de
los niveles de concentración promedio en suelo y otros medios ambientales al incorporar

16
explícitamente el juicio profesional de un investigador de campo o de un método de sondeo de
campo para escoger los lugares específicos de muestreo en el campo. El muestreo en conjunto de
rangos utiliza un diseño de muestreo en dos fases que identifica conjuntos de lugares de campo,
utiliza mediciones baratas para „ranguear‟ lugares dentro de cada conjunto, y entonces se selecciona
un lugar de cada conjunto de muestreo.

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

usando el muestreo simple aleatorio. Los lugares o sitios se ranguean independientemente dentro de
cada conjunto utilizando el juicio razonado o profesional o en base a mediciones baratas, rápidas.
Una unidad de muestreo de cada conjunto se selecciona entonces (basado en los rangos observados)
para medición subsecuente, utilizando un método más preciso y confiable ( y por ende más caro) del
parámetro de interés. En relación al muestreo aleatorio simple, este diseño resulta en muestras más
representativas y conduce a estimados más precisos de los parámetros poblacionales.

El muestreo en rangos es útil cuando el costo de localizar y ranguear sitios en el campo es bajo
comparado a las mediciones de laboratorio. Es también apropiado cuando una variable barata
auxiliar ( basada en el conocimiento experto o en la medición), está disponible para ranguear las
unidades de población con respecto a la variable de interés. Para emplear este diseño efectivamente,
es importante que el método de rangueo y el método analítico estén fuertemente correlacionados.

5.4.3.6 Muestreo en Grupo Adaptativo

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

muestras adicionales se toman en lugares donde las mediciones exceden algún valor límite o guía.
Varios ensayos de muestreo y análisis se requieren en algunas situaciones. El muestreo de grupo
registra las probabilidades de selección para fases posteriores de muestreo de manera que un
estimado no sesgado de la población promedio se pueda calcular a pesar del sobremuestreo de ciertas
áreas. Un ejemplo de aplicación del muestreo en grupo es el delinear los bordes de una pluma de
contaminación.

17
En la Ilustración 2, se muestran formas iniciales y finales del muestreo en grupo adaptativo. Las
mediciones iniciales se hacen a partir de unidades de muestreo seleccionadas según el diseño de
muestreo simple aleatorio. Si una unidad de muestreo se encuentra con características de interés, por
ejemplo, concentración alta de un contaminante de interés, efecto ecológico, entonces se seleccionan
las unidades de muestreo adyacentes a la unidad original seleccionada, y se hacen las mediciones.

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

Ilustración 3: muestreo adaptivo

5.4.3.7 Muestreo Compuesto

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

seleccionados, son físicamente combinados y mezclados en un esfuerzo para formar una sola muestra
homogénea, que es luego analizada. El composteo puede ser efectivo en costo porque reduce el
número de análisis químicos. Es más costo efectivo cuando los costos de análisis son grandes en
relación de los costos de muestreo, sin embargo, demanda que no haya riesgos a la salud o sesgos

18
potenciales, como por ejemplo pérdida de compuestos orgánicos, asociados con el proceso de
composteo. Ver Ilustración 3.

Ilustración 4: Muestreo compuesto

5.5 Proceso de Evaluación de la Calidad de los Datos

La evaluación de la Calidad de los datos es el procedimiento científico y estadístico para determinar

si el dato obtenido de las operaciones de monitoreo de los planes de Control de Calidad, son del tipo
correcto en calidad y cantidad para justificar o fundamentar el uso para el cual se realizó el
monitoreo. Para la evaluación de la calidad del dato es necesario acudir a herramientas gráficas y
estadísticas para ejecutar este proceso.

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

La calidad del dato, como concepto, tiene significado solamente cuando se relaciona con el uso
pretendido del dato. La calidad del dato no existe en un vacío, se debe conocer el contexto en que el
conjunto de datos será utilizado para establecer el criterio si el dato es adecuado.

Con la evaluación se pretende conocer dos aspectos:

19
 1. Puede hacerse una decisión con el deseado nivel de confianza dada la calidad del conjunto de
datos?
2. Qué tan bien se espera que funcione el diseño muestral sobre un amplio rango de posibles
obstáculos o interferencias? Puede utilizarse el mismo diseño de muestreo en otros casos con
el deseado nivel de confianza, particularmente si los resultados resultan más altos o más bajos
que los observados en el estudio base?.

La primera pregunta examina las necesidades inmediatas del usuario del dato. Por ejemplo, si el dato
provee evidencia fuerte a favor de un curso de acción sobre otro, entonces el tomador de decisiones
puede proceder sabiendo que la decisión será fundamentada en datos no ambiguos. Por el contrario,
si el dato no aporta evidencia fuerte a favor de una alternativa, entonces el análisis del dato alerta al
tomador de decisiones sobre la incertidumbre. En este momento, el gerente está en una posición de
tomar otras medidas como colectar más datos u otro tipo de datos, o bien, proceder de cualquier
manera, sin considerar la probabilidad de llegar a conclusiones erradas.

La segunda pregunta responde a las necesidades futuras del usuario del dato. Por ejemplo, si los
investigadores deciden usar un cierto tipo de diseño de muestreo en un lugar diferente al sitio en que
fue utilizado originalmente, ellos deberían determinar lo bien que el diseño puede desempeñarse
dadas las interferencias en las nuevas condiciones ambientales. Lo adecuado o apropiado de un
diseño de muestreo debe examinarse sobre una base amplia de posibles obstáculos o interferencias.

5.5.1 El proceso de evaluación

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

Paso 1 Revisar los OCD y el Diseño de Muestreo

20
 Se revisan las salidas del OCD para verificar que son aplicables. Si no se han
desarrollado, se deben especificar antes de evaluar los datos. Para decisiones
ambientales, se definen las hipótesis estadísticas y se especifican los límites
tolerables en los errores de decisión. Para la estimación de problemas, se definen
los intervalos de probabilidad y los niveles de confianza aceptables. Se revisan los
diseños de muestreo y la documentación de colecta de datos para ver si son
consistentes con el OCD.

Paso 2 Ejecute una Revisión Preliminar

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

básicas y se generan gráficos del dato. Se usa esta información para conocer la
estructura del dato e identificar patrones, relaciones o anomalías potenciales.

Paso 3 Seleccione el Ensayo Estadístico

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

basado en la revisión de los OCD, el diseño de muestreo y la revisión preliminar.
Identifique los supuestos claves subyacentes que deben hacerse para que los
procedimientos estadísticos sean válidos.

Paso 4 Verifique los supuestos del Ensayo Estadístico

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

actuales.

Paso 5 Obtenga conclusiones de los datos

21
 Ejecute los cálculos requeridos por el ensayo estadístico y documente las
interferencias halladas como resultado de estos cálculos. Si el diseño será utilizado
nuevamente, evalúe el desempeño del diseño de muestreo.

5.6 Fundamento de las Pruebas Estadísticas en la presente Investigación

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

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

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

2. Elección de una prueba estadística (con su modelo estadístico asociado) para probar Ho. De
las pruebas capaces para utilizarse con un diseño de investigación dado, hay que seleccionar
aquella cuyo modelo se aproxima más a las condiciones de la investigación (en términos de
los supuestos que califican el uso de la prueba) y cuyos requisitos de medición satisfacen las
medidas usadas en la investigación.
3. Especificación del nivel de significancia () y del tamaño de la muestra N.
4. Encuentro o suposición de la distribución muestral de la prueba estadística conforme a Ho.
5. Sobre la base de los incisos 2, 3 y 4, se define la zona de rechazo.

22
 6. Cálculo del valor de la prueba estadística con los datos obtenidos de las muestras. Si el valor
desciende a la región de rechazo, Ho debe rechazarse, si el valor cae fuera de la región de
rechazo, Ho no puede rechazarse al nivel de significancia escogido.

5.6.1 La hipótesis de nulidad

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

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

5.6.2 La elección de la prueba estadística

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

5.6.2.1 Pruebas Estadísticas Paramétricas y No Paramétricas

Una prueba estadística paramétrica es aquella cuyo modelo especifica ciertas condiciones acerca de
los parámetros de la población de la que se obtuvo la muestra investigada, que no se prueban
ordinariamente, y se supone que se mantienen. La significación de los resultados de una prueba
paramétrica depende de la validez de estas suposiciones. A medida que las suposiciones que definen
un modelo particular sean más escasas, o más vagas, se necesitan de menos limitaciones para llegar a

23
una decisión lograda por la prueba estadística asociada con el modelo. Es decir, a menores o más
débiles suposiciones, habrá conclusiones más generales.

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

1. Las observaciones deben ser independientes entre sí. La selección de un caso cualquiera de la
población con miras de inclusión en la muestra no debe afectar las posibilidades de incluir
cualquier otro, y el puntaje que se asigne a un caso cualquiera no debe influir en el puntaje
que se asigne a cualquier otro.
2. Las observaciones deben hacerse en poblaciones distribuidas normalmente.
3. Estas poblaciones deben tener la misma varianza.
4. Las variables correspondientes deberán haberse medido por lo menos en una escala de
intervalo, de manera que sea posible usar las operaciones aritméticas con los puntajes.
5. Para el caso de análisis de varianza (prueba F), se agrega la siguiente: Las medias de estas
poblaciones normales y homocedásticas (iguales varianzas) deberán ser combinaciones
lineales de efectos debidos a las columnas y a los renglones o a ambos. Por tanto, los efectos
deben ser aditivos.
Una prueba estadística no paramétrica es aquélla cuyo modelo no especifica las condiciones de los
parámetros de la población de la que se obtuvo la muestra. Hay algunas suposiciones que se asocian
con la mayoría de las pruebas estadísticas no paramétricas: observaciones independientes y variable
de continuidad básica; pero estas suposiciones son pocas y mucho más débiles que las asociadas con
las pruebas paramétricas. Además, las no paramétricas no requieren mediciones tan fuertes; la
mayoría de las pruebas no paramétricas se aplican a datos de una escala ordinal y algunas a los de
una escala nominal.

5.6.2.2 Ventajas de las pruebas estadísticas no paramétricas

1. Las declaraciones de probabilidad obtenidas de la mayoría de las pruebas estadísticas no

paramétricas son probabilidades exactas (excepto en el caso de muestras grandes, que
proporcionan excelentes aproximaciones), independientemente de la forma de la distribución

24
 de la población de la que se tomó la muestra. La exactitud de la declaración de probabilidad
no depende de la forma de la población, aunque algunas pruebas no paramétricas supongan
identidad de forma de dos o más distribuciones de población. En ciertos casos, las pruebas
no paramétricas suponen que la distribución de base es continua, suposición que comparten
las pruebas paramétricas.
2. Si los tamaños de las muestras son tan pequeños como N = 6, no hay alternativa de elección
de una prueba estadística no paramétrica a menos que se conozca exactamente la naturaleza
de la distribución de la población.
3. Hay pruebas estadísticas no paramétricas adecuadas para observaciones hechas en
poblaciones diferentes. Ninguna prueba paramétrica puede manejar tales datos sin exigir
suposiciones aparentemente irreales.
4. Los métodos no paramétricos son útiles para los datos simplemente clasificatorios, medidos
en una escala nominal. Ninguna técnica paramétrica se aplica a tales datos.
5. Las pruebas estadísticas no paramétricas son típicamente mucho más fáciles de aplicar que
las pruebas paramétricas.

5.6.2.3 Desventajas de las pruebas estadísticas no paramétricas

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

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

25
5.6.3 El nivel de significancia y el tamaño de la muestra
Cuando se enuncian la hipótesis de nulidad (Ho) y la hipótesis alterna (H1) y cuando la prueba
estadística apropiada a la investigación fue seleccionada, el paso siguiente consiste en especificar el
nivel de significancia () y seleccionar un tamaño de muestra (N).

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

especifica el conjunto de todas las posibles muestras que se encuentran si Ho es verdadera. De este
conjunto se extrae un subconjunto de muestras de características tan extrema que reducen mucho la
probabilidad, si Ho es verdadera, de que la muestra esté entre ellas. El procedimiento es rechazar
Ho para aceptar H1 si una prueba estadística produce un valor cuya probabilidad asociada de
ocurrencia bajo Ho es igual o menor que alguna pequeña probabilidad simbolizada por . Esta
pequeña probabilidad se llama nivel de significancia. Valores comunes de  son 0.05 y 0.01.

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

requiere que se defina antes de colectar los datos. El nivel que el investigador escoge para  deberá
determinarse por la estimación que haga de la importancia o del posible significado práctico de sus
descubrimientos.

5.6.3.1 Tipos de errores

Hay dos tipos de errores que pueden cometerse al decidir acerca de Ho. El primero, el error Tipo I,
es rechazar Ho siendo verdadera. El segundo, el error tipo II, es aceptar Ho siendo falsa.

La probabilidad de cometer el error tipo I está dada por . Cuando mayor sea , tanto más probable
es que Ho sea rechazada equivocadamente, es decir, tanto más probable es que se cometa el error
tipo I. El error tipo II se suele representar por ;  y  indican tanto el tipo de error como la
probabilidad de cometerlo, esto es:

P(error tipo I) = 

26
 P(error tipo II) = 

En condiciones ideales, los valores de  y  deberían ser especificados por el experimentador antes
de iniciar la investigación. Estos valores determinarán el tamaño de la muestra (N) que deberá usarse
para el cálculo de la prueba estadística. En la práctica, es común que  y N queden especificados por
adelantado. Una vez que  y N se han especificado, queda determinada . Como existe una relación
inversa entre las probabilidades de cometer ambos tipos de errores, al decrecer  se incrementará 
para cualquier N dada. Si se desea reducir la posibilidad de ambos tipos de errores, se debe
incrementar N.

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

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

5.6.4 La Distribución Muestral

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

La distribución muestral de un estadístico señala las probabilidades conforme a Ho que están

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

27
5.6.5 La Región de Rechazo

La región de rechazo es una región de la distribución muestral. Consiste de un conjunto de valores

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

El tamaño de la región de rechazo queda expresado por , que es el nivel de significancia. Si =

0.05, entonces el tamaño de la región de rechazo es del cinco por ciento del área total comprendida
bajo la curva de la distribución muestral.

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

Cuando la probabilidad asociada con un valor observado de una prueba estadística es igual o menor
que el valor previamente determinado de , se concluye que Ho es falsa. El valor observado se llama
significativo. La hipótesis en prueba, Ho, se rechaza siempre que ocurra un resultado significativo.
Por tanto, se llama valor significativo a aquel cuya probabilidad asociada de ocurrencia de acuerdo
con Ho, es igual o menor que .

5.7 Fundamento hidroquímico de la calidad de las aguas subterráneas

En un agua subterránea natural, la mayoría de las sustancias disueltas se encuentran en estado iónico.
Unos cuantos de estos iones se encuentran presentes casi siempre y su suma representa casi la
totalidad de los iones presentes; estos son los iones fundamentales.

28
Estos iones fundamentales son

Aniones Cationes
Cloruro Cl- Sodio Na+
Sulfato SO4-- Calcio Ca++
Bicarbonato CO3H- Magnesio Mg++

Es frecuente que los aniones nitrato (NO3-) y carbonato (CO3-- ) y el catión potasio (K+) se
consideren dentro del grupo de iones fundamentales aun cuando en general su proporción es
pequeña. Otras veces se incluye además el ion ferroso (Fe++).

Entre los gases deben considerarse como fundamentales el anhídrido carbónico (CO2) y el oxígeno
disuelto (O2), aunque no es frecuente que se analicen en aguas subterráneas.

Entre las sustancias disueltas poco ionizadas o en estado coloidal son importantes los ácidos y
aniones derivados de la sílice (SiO2).

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

Los iones menores más importantes son, además de los ya citados NO3-, CO3--, K+ y Fe++, el NO2-, F-
, NH4+ y Sr++. Suelen estar en concentraciones entre 0.01 y 10 ppm. En concentraciones entre 0.0001
y 0.1 ppm, suelen estar los iones menores:

aniones: Br-, S--, PO4-3, BO3H2-, NO2-, OH-, I-, etc.

cationes: Fe+++, Mn++, NH4+, H+, Al+++, etc.

29
Los iones metálicos derivados del As, Sb, Cr, Pb, Cu, Zn, Ba, V, Hg, U, etc., a veces están en
cantidades medibles, pero en general son elementos traza. El resto de posibles iones están casi
siempre en cantidades menores que 0.0001 ppm.

Las aguas subterráneas llamadas dulces contienen como máximo 1,000 o quizá 2,000 ppm de
sustancias disueltas; si el contenido es mayor, por ejemplo hasta 5000 ppm se llaman aguas salobres
y hasta 40,000 aguas saladas. No es raro encontrar aguas que superen los 40,000 ppm de sustancias
disueltas llegando a veces hasta 300,000 ppm. A estas aguas se les llama salmueras y están asociadas
con frecuencia a depósitos salinos, aguas de yacimientos petrolíferos o bien aguas muy antiguas
situadas a gran profundidad.

5.7.1 Características químicas de los iones y sustancias disueltas más importantes

5.7.1.1 Aniones y sustancias aniónicas

1. ION CLORURO, Cl-

a) Características químicas. Sales en general muy solubles. Muy estable en disolución y muy
difícilmente precipitable. No se oxida ni reduce en aguas naturales.
b) Concentraciones. Entre 10 y 250 ppm en aguas dulces. El agua de mar tiene entre 18000 y 21000
ppm. Las salmueras naturales pueden llegar a tener 220000 ppm (saturación).
c) Nocividad y toxicidad. Más de 300 ppm comunican sabor salado al agua de bebida, pero no es
perjudicial por lo menos hasta algunos miles de ppm. Es esencial para la vida. Contenidos elevados
son perjudiciales para muchas plantas y comunican corrosividad al agua.
d) Análisis en laboratorio. Valoración con NO3Ag usando como indicador cromato potásico (viraje
de amarillo a naranja).
e) Análisis de campo. Igual que en laboratorio, con bureta portátil o cuentagotas.
f) Toma de muestras. No se precisan precauciones especiales.

30
2. ION SULFATO, SO4--

a) Características químicas. Sales moderadamente solubles a muy solubles, excepto las de Sr (60
ppm) y de Ba (2 ppm). Es difícilmente precipitable químicamente ya que las sales solubles de Sr y
Ba son muy escasas en la naturaleza, pero puede separarse de la solución por concentración si existe
un evaporación importante.
b) Concentraciones. Entre 2 y 150 ppm en aguas dulces pudiendo llegar a 5000 ppm en aguas salinas
si existe Ca y hasta 200000 si está asociado a Mg y Na en ciertas salmueras. El agua del mar
contiene alrededor de 3000 ppm.
c) Nocividad y toxicidad. Las aguas sulfatadas no quitan la sed y tienen sabor poco agradable y
amargo. Por sí mismo o si va asociado a Mg o Na en cantidades importantes puede comunicar
propiedades laxantes. En cantidades elevadas puede ser perjudicial a las plantas. Más de algunos
centenares de ppm perjudican a la resistencia del hormigón y cemento.
d) Análisis en laboratorio. Se analiza mediante el método turbidimétrico midiendo la turbidez que
produce el precipitado de sulfato de bario a 420 nm en un espectrofotómetro o en un turbidímetro.
e) Análisis de campo. No realizado habitualmente, excepto por turbidimetría.
f) Toma de muestras. No se precisan precauciones especiales.

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

a) Características químicas. Estos iones comunican alcalinidad al agua en el sentido que dan
capacidad de consumo de ácido al producir una solución tampón. Se pueden precipitar con mucha
facilidad como CO3Ca.
b) Concentraciones. El ion bicarbonato varía entre 50 y 350 ppm en aguas dulces pudiendo llegar a
veces hasta 800 ppm. El agua del mar tiene alrededor de 100 ppm. El ion carbonato está en
concentraciones mucho menores que el ion bicarbonato y si el pH < 8.3 se le considera cero. En
aguas alcalinas con pH > 8.3 puede haber cantidades importantes, hasta 50 ppm en algunas aguas
naturales. El agua del mar tiene menos de 1 ppm.
c) Nocividad y toxicidad. No presenta problemas de toxicidad. Las aguas bicarbonatadas sódicas son
malas para riego, debido a la fijación del Na en el terreno y creación de un medio alcalino.

31
d) Análisis en laboratorio. Se determinan en función de la alcalinidad del agua mediante una
titulación volumétrica con ácido sulfúrico al 0.02 N.
e) Análisis de campo. Se realiza a veces determinando la alcalinidad del agua.
f) Toma de muestras. Debe realizarse con cuidado para evitar la pérdida de CO2 . Debe protegerse de
cambios de temperatura y analizar lo antes posible. Las botellas deben ir bien cerradas y llenas a
tope. En general los valores de CO3H- medidos en laboratorio son algo menores que los reales.

4. ION NITRATO, NO3-

a) Características químicas. Sales muy solubles y por lo tanto es muy difícilmente precipitable.
b) Concentraciones. Normalmente entre 0.1 y 10 ppm pero en aguas poluidas puede llegar a 200
ppm y en algún caso hasta 1000 ppm. El agua del mar tiene alrededor de 1 ppm o menos.
c) Nocividad y toxicidad. Concentraciones elevadas en agua de bebida puede producir cianosis en los
niños y comunican corrosividad (oxidaciones) al agua y producen interferencias en fermentaciones.
d) Análisis en laboratorio. Se determina por varios métodos entre los que se encuentran el del
electrodo ion selectivo, método colorimétrico de la brucina o el de ultravioleta.
e) Análisis de campo. No suele realizarse.
f) Toma de muestras. No se precisan precauciones especiales excepto quizás en aguas que contienen
NH4+ para evitar su oxidación y que aparezca como NO3- .

5. SILICE, SiO2

a) Características químicas. La hidroquímica del silicio no está del todo aclarada pero se cree que la
mayoría de la sílice está como SiO4H4 , en parte disuelta y en parte coloidal, y sólo una pequeña
parte está ionizada (SiO4H3- ) a pH normales.
b) Concentraciones. La mayoría de las aguas naturales tienen entre 1 y 40 ppm en SiO2 pudiendo
llegar hasta 100, en especial en aguas bicarbonatadas sódicas. En aguas muy básicas se puede llegar
a 1000 ppm.
c) Nocividad y toxicidad. El mayor inconveniente está relacionado con su incrustabilidad en calderas
y calentadores.

32
d) Análisis en laboratorio. Se suele realizar por colorimetría por el método llamado del azul de
molibdeno (silicomolibdato) con un error menor del 2%. El método gravimétrico se emplea poco.
e) Análisis de campo. No realizado habitualmente.
f) Toma de muestras. Conviene evitar cambios de pH importantes, y utilizar botellas de plástico o
vidrio Pirex. Los vidrios normales pueden aportar algo de sílice soluble si no se los mantiene antes
uno o dos días con agua destilada.

5.7.2 Cationes y sustancias catiónicas

1. ION SODIO, Na+

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

b) Concentraciones. Entre 1 y 150 ppm en aguas dulces, no siendo raro encontrar contenidos mucho
mayores, hasta varios miles de ppm. El agua del mar tiene alrededor de 10000 ppm, las salmueras
naturales pueden llegar a tener 100000 ppm, siendo un límite que rara vez se sobrepasa el de 500
meq/l (= 110000 ppm).
c) Nocividad y toxicidad. Las aguas con concentraciones elevadas en sodio son perjudiciales a las
plantas al reducir la permeabilidad del suelo; son especialmente nocivas si las concentraciones de Ca
y Mg son bajas.
d) Análisis en laboratorio. Actualmente se determina habitualmente mediante un fotómetro de llama
con un error menor del 1 a 3%, pero se precisa disponer de este instrumento el cual es caro.
e) Análisis de campo. No se realiza.
f) Toma de muestras. No se precisan precauciones especiales.

2. ION POTASIO, K+

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

b) Concentraciones. Entre 0.1 y 10 ppm en aguas dulces. Extraordinariamente se pueden tener
algunos cientos de ppm y sólo muy raramente se pueden tener algunos cientos de ppm y sólo muy

33
raramente se puede tener salmueras de hasta 100000 ppm. El agua del mar tiene alrededor de 400
ppm.
c) Nocividad y toxicidad. No presenta problemas especiales a las concentraciones habituales y es un
elemento vital para las plantas.
d) Análisis en laboratorio. Actualmente se la determina con cierta frecuencia por fotometría de llama
con un error menor del 3 ó 10%, o bien mediante electrodo ion selectivo.
e) Análisis de campo. No se realiza.
f) Toma de muestras. No se precisan precauciones especiales.

3. ION CALCIO, Ca++

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

precipitar como CO3Ca.
b) Concentraciones. Entre 10 y 250 ppm en aguas dulces, pudiendo llegar a 600 ppm en aguas
selenitosas. El agua del mar contiene alrededor de 400 ppm. Excepcionalmente se puede tener 50000
ppm en salmueras de Cl2Ca.
c) Nocividad y toxicidad. El mayor inconveniente va asociado al aporte de dureza y producción de
incrustaciones.
d) Análisis de laboratorio. Valoración complexométrica con ácido etilendiaminotetracético (EDTA).
También puede realizarse por fotometría de llama pero es poco usual.
e) Análisis de campo. Se realiza a veces por valoración complexométrica utilizando bureta o
cuentagotas.
f) Toma de muestras. Evitar el escape de gases, llenando bien la botella y cerrándola. Evitar cambios
de temperatura.

4. ION MAGNESIO, Mg++

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

34
b) Concentraciones. Entre 1 y 100 ppm en aguas dulces, pudiendo llegar a veces a algunos miles de
ppm en aguas salinas o salmueras. El agua del mar contiene 1200 ppm.
c) Nocividad y toxicidad. Propiedades laxantes y da sabor amargo al agua de bebida si hay algunos
centenares de ppm. Contribuye a la dureza del agua.
d) Análisis en laboratorio. Valoración complexométrica con EDTA indirecta (Mg = dureza - Ca),
rara vez realizada directamente.
e) Análisis de campo. Se determina como dureza menos calcio.
f) Toma de muestras. En principio las mismas precauciones indicadas para el Ca++ .

5.7.3 Principales gases disueltos

1. ANHIDRIDO CARBONICO, CO2

a) Características químicas. Es un gas relativamente soluble y que al hidrolizarse produce ácido
carbónico parcialmente disociado.
b) Concentraciones. Frecuentemente se sitúa entre 1 y 30 ppm, correspondiendo los valores más
bajos a aguas en contacto fácil con la atmósfera.
c) Nocividad y toxicidad. Las aguas con un exceso de CO2 son agresivas y las que pierden CO2
pueden convertirse en incrustantes. Aguas con más de 20 ppm de CO2 libre pueden ser agresivas
para el hormigón.
d) Análisis en laboratorio. Se determina la alcalinidad TAC y el pH.
e) Análisis de campo. Se realiza por cálculo si se ha determinado la alcalinidad TAC y el pH, o
directamente con sosa cáustica, utilizando una bureta o cuentagotas.
f) Toma de muestras. Evitar el escape de gases llenando bien la botella y cerrándola. Evitar cambios
de temperatura y analizar pronto.

35
2. OXIGENO DISUELTO, O2

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

solubilización o insolubilización de iones que cambian con facilidad de valencia así como en la
actividad de los microorganismos.
b) Concentraciones. La concentración a saturación del oxígeno en el agua en contacto con el aire es
del orden de 10 ppm. La mayoría de las aguas subterráneas tienen entre 0 y 5 ppm, frecuentemente
por debajo de 2 ppm.
c) Nocividad y toxicidad. El mayor problema que presenta el oxígeno disuelto en el empleo del agua
es que produce corrosividad. Su ausencia puede ser origen de malos gustos.
d) Análisis de laboratorio. Se determina por el método de Winkler o mediante electrodo de
membrana.
e) Análisis de campo. No se realiza habitualmente por ser engorroso excepto si se dispone de un
medidor electrométrico.
f) Toma de muestras. Es preciso utilizar botellas especiales que permiten cerrar sin dejar gas en su
interior (botella Winkler) y la muestra no debe agitarse en la toma. Analizar lo antes posible pues
puede consumirse durante el almacenamiento, en especial si la iluminación es suficiente.

5.7.4 Aniones y sustancias aniónicas menores más importantes

1. FLUORURO, F-
a) Características químicas. Solubilidad en general limitada y al parecer contribuye ligeramente a la
alcalinidad del agua pues se hidroliza ligeramente.
b) Concentraciones. Frecuentemente entre 0.1 y 1 ppm, pudiendo llegar a veces hasta 10 y raramente
a 50 en aguas muy sódicas con muy poco Ca. El agua del mar tiene entre 0.6 y 0.7 ppm. Las aguas de
zonas áridas pueden tener cantidades elevadas.
c) Nocividad y toxicidad. Parece jugar un papel muy importante en la conservación de la dentadura,
creando problemas cuando está tanto por exceso como por defecto.

36
d) Análisis. Sólo se determina algunas veces. Se utilizan los métodos colorimétricos del SPADNS o
el del Electrodo Ion Selectivo.

2. BROMURO, Br-

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

b) Concentraciones. En general menos de 0.01 ppm en aguas dulces. El agua del mar tiene 65 ppm.
c) Nocividad y toxicidad. En las concentraciones usuales no ocasiona ningún problema.
d) Análisis. Rara vez se analiza.

3. IONES DERIVADOS DEL BORO

a) Características químicas. Contribuye algo a la alcalinidad.

b) Concentraciones. En general menos de 0.1 ppm pero a veces puede llegar a 10 y
excepcionalmente a 30. El agua del mar contiene 4.6 ppm en B. Puede ser elevado en aguas antiguas
y termales.
c) Nocividad y toxicidad. En pequeñas cantidades ya es nocivo para las plantas pero no en el agua de
bebida.
d) Análisis. Se determina raras veces, excepto en aguas para riegos, sospechosas de tener cantidades
nocivas, en especial en zonas áridas.

4. SULFURO Y GAS SULFHIDRICO, S-- y SH2

a) Características químicas. El S-- se hidroliza con facilidad a SH- y SH2 , estando en equilibrio con
fase gas y el SH2 se hidroliza a SH- y S-- .
b) Concentraciones. Generalmente muy por debajo de 1 ppm, aunque en aguas de medios muy
reductores con reducción de sulfato, se puede llegar a veces hasta a 100 ppm. Extraordinariamente el
contenido en SH2 puede llegar a 1000 ppm en aguas relacionadas con yacimientos de petróleo.
c) Nocividad y toxicidad. Comunica muy mal olor, fácilmente detectable incluso a 1 ppm o menos.
Es corrosivo, en especial para aleaciones de Cu.

37
d) Análisis. Se determina oxidando con un exceso de iodo que pasa a I- .

5. FOSFATO, PO4-3

a) Características químicas. Aunque presente sales solubles, la mayoría lo son muy poco. Se
hidroliza con facilidad y contribuye a la alcalinidad del agua.
b) Concentraciones. En general entre 0.01 y 1 ppm pudiendo llegar a 10 ppm y excepcionalmente a
50.
c) Nocividad y toxicidad. En las concentraciones usuales, no origina problemas.
d) Análisis. No es frecuente determinarlo. Se determina colorimétricamente, con buena precisión,
mediante el método del Acido Ascórbico o el del ácido Vanadomolibdofosfórico.

5.7.5 Cationes y sustancias catiónicas menores más importantes

1. ION MANGANESO, Mn++

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

b) Concentraciones. En general por debajo de 0.2 ppm, rara vez por encima de 1 ppm. Es más
abundante en aguas ácidas.
c) Nocividad y toxicidad. Al oxidarse forma manchas negruzcas y favorece el crecimiento de ciertas
bacterias.
d) Análisis. Se le determina sólo cuando se sospecha su existencia.

2. ION AMONIO Y AMONIACO DISUELTO, NH4+ y NH3

a) Características químicas. Son oxidados con gran facilidad y son fácilmente retenidos por el
terreno por cambio de bases.
b) Concentraciones. En general menos de 0.1 ppm pero en casos muy excepcionales puede llegar a
400 ppm. El agua del mar tiene entre 0.005 y 0.05 ppm, a veces hasta 0.35

38
c) Nocividad y toxicidad. En las concentraciones usuales no es origen de problemas pero a
concentraciones mayores puede llegar a dar olor amoniacal. Suele ser índice de contaminación.
d) Análisis. Se determina por el método de Nessler.

3. ION ESTRONCIO, Sr++

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

b) Concentraciones. En general entre 0.01 y 1 ppm, a veces hasta 20. El agua marina tiene 13 ppm.
Algunas salmueras pueden llegar a tener, extraordinariamente 1000 ppm.
c) Nocividad y toxicidad. En las bajas concentraciones normales no es nocivo ni molesto.
d) Análisis. Se le determina por fotometría de llama, pero se hace pocas veces.

4. ION LITIO, Li+

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

b) Concentraciones. Entre 0.001 y 0.5 ppm, a veces hasta 1 ppm pudiendo llegar en algunas
salmueras hasta 10 ppm.
c) Nocividad y toxicidad. En las bajas concentraciones usuales no es nocivo ni crea problemas.
d) Análisis. Se le determina por espectrometría de absorción atómica y con menos precisión por
fotometría de llama, pero se hace pocas veces.

5. IONES DERIVADOS DEL ALUMINIO (ALUMINA, Al2O3)

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

retenido en las arcillas.
b) Concentraciones. En general entre 0.005 y 0.3 ppm pudiendo llegar muy extraordinariamente a
100 ppm en aguas muy ácidas.
c) Nocividad y toxicidad. No presenta problemas especiales.
d) Análisis. Por lo general se asocia con efluentes de plantas de potabilización. El análisis es
mediante el método colorimétrico del Eriocromo Cianina R.

39
5.7.6 Procedencia de los iones disueltos en el agua subterránea

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

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

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

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

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

1) Cloruros (Cl),
2) Nitratos (NO3) y
3) Potasio (K)

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

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

contaminación

5.8.1 Vías de contaminación de las fuentes subterráneas

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

40
 Actividades domésticas: en este factor se incluye la contaminación orgánica y biológica que se
origina en letrinas, fosas sépticas, erosión de las tuberías del sistema de alcantarillado y basureros
espontáneos que se localizan en cualquier predio baldío más cercano a zonas de comercio.

 Vertidos industriales: el hecho más importante es la descarga de efluentes de plantas industriales

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

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

La polución nitrogenada es alta en zonas con agricultura intensiva. El agregado de fertilizantes

más el nitrógeno de los residuos de los cultivos que yacen sobre las extensiones de tierra, son
frecuentemente más grandes que el nitrógeno que se remueve durante la cosecha. El exceso de
nitrógeno se disuelve en el agua subterránea y la concentración se incremente año con año (3).

La concentración de poblaciones en zonas urbanas densamente pobladas y la mejora en las

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

5.8.2 Cloruros
5.8.2.1 Origen de los Cloruros

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

41
Sin embargo, los vertidos urbanos e industriales pueden aportar cantidades importantes como en el
caso de la zona industrial de la ciudad capital en donde se han registrado concentraciones de hasta
500 mg/litro en pozos industriales (no de consumo humano) cercanos a la antigua empresa Pennwalt.

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

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

El promedio de concentración de cloruros en varios ríos en Gran Bretaña ha estado en el rango de 11

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

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

5.8.3 Nitratos
5.8.3.1 Procedencia antropogénica de los Nitratos

42
Los procesos de nitrificación naturales como es el caso de la captación de nitrógeno atmosférico por
las plantas del tipo de las leguminosas, pueden propiciar un aumento de nitrógeno en el subsuelo.

Asimismo, la descomposición de la materia orgánica y la contaminación urbana, industrial y

ganadera son agentes que inciden en la infiltración de nitratos hacia el acuífero.

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

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

5.8.3.2 El origen de los Nitratos

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

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

Altas concentraciones de nitratos y especialmente nitritos en agua potable, puede causar

metahemoglobinemia. Los grupos especialmente susceptibles a la formación de metahemoglobina
son los infantes, niños y mujeres embarazadas. Los estudios epidemiológicos indican que niveles de
nitratos menores a 50 mg/litro (como nitrato) no parecen ser problema con la metahemoglobinemia.

43
Hay mucha incertidumbre sobre los niveles de nitritos que pueden provocar tales efectos clínicos. En
la presunción que los nitritos fueran 10 veces más potentes que los nitratos (en una base molar) con
respecto a la formación de metahemoglobina, las Guías de la OMS recomiendan un valor provisional
de 3 mg/litro (como nitritos). Además, puesto que los nitritos y nitratos ejercen efectos toxicológicos
similares y pueden ocurrir simultáneamente, se ha especificado también la siguiente condición:

Cnitrito Cnitrato
 1
VGnitrito VGnitrato
donde
C  concentracion en agua potable
VG  valor guía

5.8.4 Potasio
5.8.4.1 Origen del Potasio

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

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

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

5.8.4.2 Implicancias en la fisiología humana

La ingesta de potasio en la dieta diaria tiene implicaciones fisiológicas. El potasio presenta

cualidades positivas para el bienestar humano como condiciones adversas.

44
El potasio es necesario para regular el balance de agua, los niveles de acidez, la presión arterial y la
función neuromuscular del cuerpo humano, incluyendo un rol crítico en la transmisión de impulsos
eléctricos en el corazón. Como resultado, bajos niveles de potasio en sangre en personas que se
aproximan a una cirugía cardíaca, deja a estas personas en alto riesgo de sufrir arritmias y un
aumento en la necesidad de una resucitación cardiopulmonar.

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

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

45
6 Hipótesis

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

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

Las preguntas que se plantean son las siguientes:

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

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

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

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

46
7 Metodología

7.1 Resumen

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

7.2 Obtención de los Datos del Estudio

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

1. Datos del año 1993

2. Datos de los años 1994 y 1995
3. Datos de 1996
4. Datos desde 1997 a 2001

Adicionalmente se encontraba la Tabla NUM_COD, en la que se detallaban los códigos asignados a

los puntos de muestreo, Ver Ilustración 1. Las tablas de datos Físico Químicos estaban relacionadas
con la tabla NUM_COD a través del campo CODIGO.

7.2.1 Estructura de la base de datos

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

47
Ilustración 5: Estructura de la tabla de trabajo

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

Ilustración 6: Formato tabular de los datos

48
7.2.2 Traslado de los datos al SPSS
El trabajo de análisis estadístico se realizó mediante el software SPSS. La tabla de trabajo (ver
Ilustración 5) fue capturada en SPSS. Las tres ilustraciones siguientes (7-9) visualizan los pasos
para trasladar los datos desde Access hasta SPSS para su posterior procesamiento y análisis.

Ilustración 7: primera pantalla de captura del SPSS

49
Ilustración 8: Segunda pantalla de captura del SPSS

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

50
7.3 Formación de las Areas Geográficas de Análisis

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

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

7.3.1 Subsistema por zonas hidráulicas

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

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

7.3.1.1 Zona Baja:

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

7.3.1.2 Zona Alta:

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

51
7.3.1.3 Zona Alta Superior:

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

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

Se identificaron al menos 5 grupos.

7.3.2.1 Batería de pozos de Las Mercedes:

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

7.3.2.2 Campo de pozos Sabana grande:

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

7.3.2.3 Campo de pozos Managua I:

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

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

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

perforación.

52
7.3.2.5 Campo de Pozos Valle Gothel:

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

7.3.3 Subsistema por Cortes Transversales:

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

7.3.3.1 Los pozos más al occidente de Managua lo forman:

 Montefresco (km 17 CS)

 Km 14.5 CS
 Km 11.5 CS
 Km 9.5 CS
 Km 8.5 CS
 Hospital Vélez Páiz
 Monseñor Lezcano / Las Brisas
 San Antonio

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

 Pochocuape (La Bolsa)

 Torres Molina
 Sierra Maestra
 San Judas 1,2,3
 Julio Martínez – Hospital Berta Calderón
 Parque Las Madres – Los Gauchos
 Mercado Oriental – Olof Palme

53
7.3.3.3 Los pozos de la tercera línea de corte transversal están formados por:
 Los Alpes 1,2,3
 San Isidro de la Cruz Verde
 Villa Panamá
 Centroamérica 3,4
 Hospital Manolo Morales
 San Cristóbal 3
 Tenderí – Bello Horizonte

7.3.3.4 Los pozos de la cuarta línea de corte transversal están formados por:
 Campo de Pozos Managua I
 Villa Libertad
 Sabana Grande #1
 Villa Fraternidad – Buenos Aires

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

 Campo de Pozos Managua II

 Campo de Pozos Las Mercedes

7.4 Selección de las Areas Geográficas de Estudio

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

7.4.1 Zona 1: Es la zona Baja tal como ha quedado definida por ENACAL.
Número de Pozos = 30

7.4.2 Zona 2: Es la zona Alta.

Número de Pozos = 18

54
7.4.3 Zona 3: Es la zona Alta Superior.
Número de Pozos = 46

7.4.4 Zona 4: abarca todos los pozos del Proyecto Managua II (Sabanagrande).
Número de Pozos = 27.

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

Número de Pozos = 6.

7.4.6 Zona 6: agrupa todos los pozos del Proyecto Managua I (Municipio de Ticuantepe) y Valle
Gothel.
Número de Pozos = 20.

7.5 El Plan de Evaluación de la Calidad de los Datos

Se estableció como metodología de trabajo el siguiente esquema:

1) Revisión de los OCD y el Diseño de muestreo

1. Revisión de los objetivos del estudio

2. Traducir los objetivos del usuario del dato en una definición de la hipótesis estadística
primaria.
3. Traducir los objetivos del usuario del dato en límites del tipo de errores de decisión Tipo I y
tipo II.
4. Revisar el diseño de muestreo

55
 2) Efectuar una Revisión Preliminar de los Datos
1. Revisar los reportes de aseguramiento de calidad
2. Calcular las cantidades estadísticas. Se recomienda calcular Percentiles, medidas de tendencia
central y coeficientes de correlación entre variables.
3. Desplegar los datos usando representaciones gráficas.
4. Utilizar una variedad de gráficos para examinar diferentes aspectos del conjunto.

3) Seleccionar el Ensayo Estadístico

1. Seleccionar el ensayo de hipótesis estadística basado en los objetivos de calidad del usuario y
los resultados de la revisión preliminar.
2. Identifique los supuestos que subyacen en el ensayo estadístico.

4) Verificar los supuestos

1. Determine la forma de verificar los supuestos, identificar las evidencias de la revisión de
datos preliminar, revisar el modelo estadístico del dato.
2. Ejecutar ensayos de supuestos
3. Si es necesario, determinar acciones correctivas.

5) Derivar conclusiones a partir de los datos

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

7.6 Procedimiento para utilizar la Prueba de Rango con Signo de Wilcoxon para la prueba de
medianas
Este ensayo puede utilizarse para probar la hipótesis concerniente a la media poblacional o la
mediana poblacional de la cual la muestra fue seleccionada. Este ensayo asume que los datos
constituyen una muestra aleatoria de una población simétrica continua. Simetría significa que

56
la curva de frecuencia es simétrica alrededor de la media o la mediana. Simetría es un
supuesto menos estricto que la normalidad. La media y la mediana son iguales para
distribuciones simétricas de manera que la hipótesis nula puede establecerse en términos de
ambos parámetros.

Dados X1, X2,....,Xn que representan n puntos de datos. A continuación se describe los pasos
que se aplican en el Ensayo P. de Rango con Signo de Wilcoxon para un número grande de
muestras, mayor o igual que 20. El Caso 1 es Ho: u <= C, Caso 2 Ho: u>=C en { }

Paso 1:
Si es posible, asignar valores a cualquier medición debajo del límite de detección. Si no es
posible, asignar el valor Límite de Detección dividido entre 2, a cada valor. Entonces sustraiga
cada observación Xi del valor C para obtener las desviaciones di = C – Xi. Si cualquiera de las
desviaciones son cero, se eliminan y se reduce el tamaño de muestra n.

Paso 2:
Asignar rangos desde 1 hasta n basado en el orden de las desviaciones absolutas |di| desde la
más pequeña hasta la más grande. El rango 1 se asigna al valor más pequeño, el rango 2 al
segundo valor, y así sucesivamente. Si hay elementos con el mismo valor, se asigna el
promedio de los rangos que se hubiese asignado a las observaciones iguales.

Paso 3:
Asignar el signo para cada observación para crear el rango con signo. El signo es positivo si la
desviación di es positiva, el signo es negativo si la desviación di es negativa.

Paso 4:
Calcule la suma R de los rangos con signo positivo.

Paso 5:

57
 n(n  1)
Calcular w   Zp n(n  1)(2n  1) / 24
4
Donde p= 1 -  { p =  } y Zp es el percentil p de la distribución normal estándar (Tabla A –
1)

Paso 6:
Si R < W { R > W } la hipótesis nula puede rechazarse. Ir al Paso 8.
De otra manera si no hay evidencia suficiente para rechazar la hipótesis nula, y el cociente de
error de falsa aceptación necesitará que se verifique. Ir a Paso 7.

Paso 7:
Si la hipótesis nula (Ho) no se rechaza, calcule tanto la potencia del ensayo o el tamaño de
muestra necesario para lograr los cocientes de error de falso rechazo y falsa aceptación usando
un software como el DEFT.

Para muestras de tamaño grande, calcular:

s 2 ( Z1  Z1  ) 2
m  (0.5) Z 21
( 1  C ) 2

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

Paso 8:
Los resultados del ensayo pueden ser:
1. La hipótesis nula fue rechazada y parece que la verdadera media es mayor {menor}
que C,
2. La hipótesis nula no fue rechazada y el error de falsa aceptación fue satisfecho y
parece que la verdadera media es menor que C {mayor que C}, o

58
 3. La hipótesis nula no fue rechazada y el cociente de error de falsa aceptación no fue
satisfecho y parece que la verdadera media es mayor que C {menor que C} pero las
conclusiones son inciertas dado que el tamaño de muestra es muy pequeño.
Reportar los resultados del ensayo, el tamaño de muestra, R y w.

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

El ensayo de proporciones de una muestra, puede usarse para probar la hipótesis concerniente a
la proporción poblacional o al percentil poblacional para una distribución de la cual los datos
fueron extraídos.

El único supuesto requerido para el ensayo de proporción de una muestra es asumirla como
una muestra aleatoria. Para verificar este supuesto, se revisan los procedimientos y
documentación usados para seleccionar los puntos de muestreo y garantizar que se utilizó un
proceso aleatorio de escogencia de las muestras.

A continuación se describen los pasos que se aplican para seguir este ensayo. Caso 1 es Ho:
P<=Po, Caso 2 es Ho : P >= Po (las modificaciones se encierran en { })
Paso 1
Dada una muestra aleatoria X1, X2,....,Xn de mediciones de una población, sea p la proporción
de X‟s que no exceden C, por ejemplo p es el número K de puntos de muestreo que son
menores o iguales a C, dividido entre el tamaño de muestra n.

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

Paso 3
Calcular

59
 p  0.5 / n  Po
z para el Caso 1; o
Po(1  Po) / n

p  0.5 / n  Po
z para el Caso 2
Po(1  Po) / n

Use la Tabla A-1 para encontrar el valor Crítico Z 1- de manera que 100(1 - )% de la
distribución normal esté por debajo de Z 1-. Por ejemplo, si  = 0.05 entonces Z 1- = 1.645.

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

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

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

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

3
Léase ‘no es mayor que’
4
Léase ‘no es menor que’

60
 2
 Z1 Po (1  Po )  Z1  P1 (1  P1 ) 
m 
 P1  Po 

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

Paso 6
Los resultados del ensayo pueden ser:

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

que} Po;
2. La hipótesis nula no se rechaza, el cociente de error por falsa aceptación fue
satisfecho y parece que la proporción es menor que {mayor que} Po, o
3. la hipótesis nula no fue rechazada, el error de falsa aceptación no fue satisfecho, y
pareciera que la proporción fue menor que {mayor que} Po, pero las conclusiones
son inciertas porque el tamaño de muestra fue muy pequeño.

8 Resultados

8.1 Revisión de los Objetivos del Estudio

8.1.1 Definición del Problema

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

61
siguiendo las recomendaciones de los Métodos Estándar para el Examen del Agua Potable y el Agua
Residual, Ediciones 18 a la 20.

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

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

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

8.1.2 Datos faltantes

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

No existe un antecedente de diseño de muestreo, o no se ha podido verificar la existencia de un

diseño de muestreo, que siga los fundamentos de algunos de los esquemas señalados en la sección de
Metodología, acápite 5.4.3.

62
8.1.3 Escala de decisión

La escala de decisión puede circunscribirse a medidas de análisis o de implementación de futuras

investigaciones en el área geográfica de Managua. La metodología que se propone puede
extrapolarse a otras zonas urbanas con grandes concentraciones de pozos perforados abasteciendo a
la población.

8.1.4 Traducción de los Objetivos en Hipótesis Estadísticas

Se ha establecido como parámetros de interés las concentraciones de nitratos, potasio y cloruros,

debido a la relación directa en la determinación de tendencias a la degradación de los acuíferos
debido a la intervención de las actividades humanas sobre el subsuelo:

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

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

63
  Para el caso de cloruros, se utiliza como valor numérico de comparación, la concentración de
25 mg/L, que es el valor recomendado de la norma CAPRE. La hipótesis nula es que „ la
concentración de cloruros en los pozos de Managua es < 25 mg/L‟, y la hipótesis alterna y la
más probable, de acuerdo con los registros históricos, es que „la concentración de cloruros es
> 25 mg/L‟.

Tabla 1: Narrativo de Hipótesis Estadística

Parámetro Narrativo de la Hipótesis Notación Estándar

Nitratos Hipótesis Nula Ho : µ  C;
Los pozos de Managua Versus
tienen concentraciones de
nitratos  25 mg/L
Hipótesis Alterna Ha : µ > C
La concentración media de
nitratos en los pozos de
Managua es >25 mg/L
Potasio Hipótesis Nula Ho : µ  C;
Los pozos de Managua Versus
tienen concentraciones  10
mg/L
Hipótesis Alterna Ha : µ > C
La concentración media de
potasio en los pozos de
Managua es > 10 mg/L
Cloruros Hipótesis Nula Ho : µ  C;
Los pozos de Managua Versus
tienen concentraciones  25
mg/L

64
 Hipótesis Alterna Ha : µ > C
La concentración media de
nitratos en los pozos de
Managua es > 25 mg/L

8.1.5 Estimación de los Límites de Errores de Decisión

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

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

8.1.6 Diseño del muestreo

Se utilizaron tres diseños de muestreo:

 Aleatorio simple
 Estratificado
 Compuesto

8.2 Revisión Preliminar de los Datos

El propósito de la fase preliminar es revisar los reportes de aseguramiento de calidad, detectar

problemas o anomalías en la implementación de la colecta de datos y en los procedimientos de
análisis, además de generar las resultados estadísticos y la representación gráfica de los datos, para
lo cual se utilizó el software SPSS versión 9.

65
8.2.1 Aseguramiento de calidad a través del período en estudio

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

8.2.2 Estadísticos básicos

8.2.2.1 Resultados de Estadísticos Básicos
Se corrieron varios estadísticos utilizando el software SPSS. Los estadísticos que se calcularon se
detallan a continuación:

 Número de registros
 Máximo
 Mínimo
 Mediana
 Media
 Desviación estándar
 Error estándar de la media
 Kurtosis
 Sesgamiento

En el Documento Estadísticas de las Zonas de Estudio se pueden analizar los parámetros estadísticos
generales que se obtuvieron al correr el programa SPSS.
8.2.2.2 Medidas de Tendencia Central y Percentiles

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

66
Tabla 2: Medidas de Tendencia Central y Percentiles

Medidas de Tendencia Central y Percenti les

NITRATOS CLORUROS POTASIO

N Válidos 992 955 510
Faltantes 82 119 564
Promedio 9,69 36,91 11,19
Mediana 6,60 34,44 10,90
Percentiles 80 13,00 45,10 13,80
90 20,79 51,00 16,19
95 30,81 57,00 18,74
99 53,07 71,44 30,82

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

Nitratos 5% de las veces los resultados son mayores que 30.81 mg/L.
1% de las veces los resultados son mayores que 53.07 mg/L.
50% de las veces los resultados son mayores que 6.60 mg/L.
(Nota: el valor máximo permisible de acuerdo con la norma CAPRE es 50 mg/L)
Cloruros 5% de las veces los resultados son mayores que 57 mg/L.
1% de las veces los resultados son mayores que 71.44 mg/L.
50 % de las veces los resultados son mayores que 34.44 mg/L.
(Nota: el valor recomendado de acuerdo con la Norma CAPRE es 25 mg/L).

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

Los resultados de evaluaciones de las medidas de tendencia central (promedio y mediana) y los
percentiles 80, 90, 95 y 99 pueden apreciarse en el documento adjunto.

67
 Gráficamente puede observarse el Diagrama de Distribución de Frecuencia acumulada para Nitratos
en datos de todas las zonas de Managua.

Diagrama de % Frecuencia Acumulada - Nitratos

100

80

60

40
Cumulative Percent

20

0
M

10
11
13 0
15
18 0
21
27 0
35
46 0
77
is
1.s in
3.
4.
5.
6.
7.
9.

.4
.6
.3
.8
.1
.2
.0
.0
.0
.0
80g
00
20
40
60
70
00

0
0

NITRATOS

8.2.2.3 Resultados del análisis de Sesgamiento

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

Zona parámetro Sesgamiento Distribución Normal? Cuántas zonas cumplen con Distribución
Normal?
1 0.505 Si
2 1.18 No
3 Cloruros 1.10 No
2 de 6
4 1.65 No
5 2.40 No
6 1.07 No

1 2.4 No
2 Nitratos 1.88 No 0 de 6
3 2.04 No

68
Zona parámetro Sesgamiento Distribución Normal? Cuántas zonas cumplen con Distribución
Normal?
4 2.53 No
5 1.68 No
6 2.15 No

1 0.068 Si
2 0.123 Si
3 Potasio 0.018 Si
4 de 6
4 0.47 Si
5 -1.89 No
6 1.12 No

El parámetro que cumple en su mayoría con una Distribución Normal es Potasio, a excepción en las
zonas 5 y 6 del área de estudio. El valor negativo de Sesgamiento en la zona 5 muestra que la
distribución presenta una larga cola hacia la izquierda. En el caso de la zona 6, la cola se alarga hacia
la derecha (en el caso del Potasio).

8.2.3 Representación gráfica de los datos

El objetivo de la representación gráfica de los datos es la de identificar patrones de comportamiento

en las variables tanto desde el punto de vista temporal como espacial, así como detectar tendencias
históricas y correlaciones entre parámetros.

69
8.2.3.1 Tendencias Históricas – Diagramas de Secuencias

El Comportamiento Histórico de los tres Parámetros (Nitratos, Cloruros y Potasio) versus tiempo, en
las zonas de estudio se puede visualizar en el documento sobre Representaciones Gráficas.

Zona Parámetro Tendencia?

1 Nitratos Nube de datos ascienden después de 1998 a valores cercanos a 50 mg/L
2 Nitratos No hay tendencia
3 Nitratos No hay tendencia
4 Nitratos No hay tendencia
5 Nitratos Alguna tendencia leve
6 Nitratos Algunas cifras alrededor de 30 mg/L en el año 1998, luego no hay tendencia
T Nitratos Nube de datos ascendente
1 Cloruros No hay tendencia
2 Cloruros Nube descendente
3 Cloruros Nube descendente
4 Cloruros No hay tendencia
5 Cloruros Nube descendente
6 Cloruros No hay tendencia
T Cloruros No hay tendencia
1 Potasio No hay tendencia
2 Potasio No hay tendencia
3 Potasio No hay tendencia
4 Potasio No hay tendencia
5 Potasio No hay tendencia
6 Potasio No hay tendencia
5
T Potasio No hay tendencia

8.2.3.2 Porcentajes de Frecuencia Acumulada

Los gráficos de porcentajes de Frecuencia Acumulada refrendan los cálculos de los percentiles que
se presentan en la Tabla 2.

5
Todas las zonas

70
Los resultados gráficos de los Porcentajes de Frecuencia acumulada se observan en el documento
adjunto.

8.2.3.3 Histogramas o Distribuciones de Frecuencia

Las distribuciones de Frecuencia de los tres parámetros seleccionados para estudio, se aprecian en el
documento Histogramas.

8.2.3.4 Correlación entre variables

No existe correlación entre Nitratos y Cloruros versus Conductividad eléctrica, pero sí entre Potasio
y Conductividad eléctrica, sobre todo después de 600 S/cm. Ver Correlaciones.

Potasio / C.E. Correlación fuerte después de 600 S/cm

Cloruros / C.E. No hay evidencias de correlación
Nitratos / C.E. No hay evidencias de correlación

También se aprecia correlación entre Nitratos y Potasio a niveles de concentración arriba de 20 ppm
de nitratos.

8.2.3.5 Gráficos de Asociación entre Variables

Los resultados están expuestos en el documento sobre la Asociación Gráfica entre los parámetros
estudiados en un formato matricial.

8.3 Selección del ensayo estadístico

Después que se hizo la revisión a los datos utilizando las bondades del SPSS, y habiendo establecido
ciertas características de comportamiento de las variables, se procedió a seleccionar un
procedimiento para analizar los datos en base a la revisión preliminar de datos.

71
Se hizo una selección del Ensayo de Hipótesis estadístico y se identificaron los supuestos
subyacentes en las pruebas de hipótesis.

El tipo de problema que se está abordando es la comparación de los resultados de un estudio contra
un estándar de calidad, tal como se establece en la norma nacional de calidad del agua, aún vigente y
no actualizada.

El presente estudio es el primero que se realiza en el sentido de hacer una evaluación a posteriori de
la calidad de los datos colectados durante estos años de estudio. No existen propuestas anteriores de
ensayos de hipótesis. El ensayo que se siguió corresponde a las Pruebas de Hipótesis para una sola
Población, ensayos para una proporción o percentil.

Los supuestos acerca de los datos son los siguientes:

 Se encuentran distribuidos simétricamente aunque la distribución no necesariamente es

normal.
 Los datos son estadísticamente independientes.
 No hay tendencias en los datos.

8.4 Verificación de los supuestos del ensayo estadístico

8.4.1 Supuestos sobre normalidad de la distribución

Se puede observar en los histogramas que todas las distribuciones son simétricas, como se aprecia en
el documento que contiene los gráficos.

Tanto el comportamiento distribucional de cloruros y potasio es normal, pero en el caso de nitratos,

se observa un cola hacia la derecha, moderada, no muy pronunciada. En este caso, se hizo una

72
transformación logarítmica para demostrar que los datos transformados se ajustaban a una
distribución normal, para comprobar que la distribución de nitratos obedece al tipo lognormal.

8.4.1.1 Ensayo de rango estudentizado para probar normalidad

Se ejecutó el ensayo de rango estudentizado para comprobar la hipótesis de normalidad, y los datos
de nitratos no cumplieron con una distribución normal.

Rango (w) = 103.96

Desv. Est. (s) = 10.8053

W/s = 9.62 Para un nivel de significancia de 0,05, los extremos de una distribución normal para n =
1000, son:

A= 5,79
B= 7,33

El cociente w/s cae fuera de este rango, por lo tanto, no satisface la hipótesis de normalidad.

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

POTASIO CLORUROS NITRATOS

N 510 955 992
Rango 40.99 104.60 103.96
Desv . Est. 5.0582 11.2893 10.8053

Para Potasio los datos dieron los siguientes resultados:

N= 510
W = 40.99
S = 5.058

73
W/S = 8.1040 ,  = 0,05
A= 5,47, B = 6.94 ; como w/s cae fuera del rango entre a y b, se concluye que no cumple con el
requisito de normalidad.

Para cloruros los datos dieron los siguientes resultados:

N= 992
W= 104.6
S= 11.2893
W/S = 9.26 ,  = 0,05
A= 5.79, B= 7.33; como w/s cae fuera del rango entre a y b, se concluye que no cumple con el
requisito de normalidad.

8.4.1.2 Ensayo del Coeficiente de Variación

El coeficiente de variación (CV) puede utilizarse para determinar rápidamente si el dato sigue una
curva normal, al comparar el CV de la muestra es mayor que 1. El uso del CV es válido solamente
para algunas aplicaciones ambientales si el dato representa características no negativas como las
concentraciones de contaminantes. Si el CV es mayor que 1, el dato no debería modelarse con una
curva normal, pero no se puede concluir en el caso opuesto. Si el valor resulta menor que 1, no se
puede afirmar que los datos son normales.

S
CV 
X

 NITRATOS: CV = 1.11
 POTASIO: CV = 0.45
 CLORUROS: CV = 0.306

74
8.4.2 Resultados de análisis de tendencias

Como se determinó en la Revisión preliminar de los datos a través de los gráficos de parámetros
versus tiempo, los nitratos exhiben cierta tendencia, ver acápite 8.2.3.1.

Se llevó a cabo el ensayo Mann Kendall para probar la hipótesis que los datos no poseen tendencia.

Frecuentemente, más de una muestra se colecta por cada período de tiempo. Hay dos maneras para
tratar muchas observaciones por período de tiempo. Un método es calcular los estadísticos básicos
tales como la mediana, para cada período de tiempo y aplicar uno de los ensayos de tendencia Mann
Kendall. Para potasio se aplicó la variante con datos menores que 10, y para nitratos y cloruros, la
variante para más de 10 datos.

Los resultados arrojan que para Nitratos y Potasio no hay evidencias que sugieran algún tipo de
tendencia ya sea hacia incrementarse o disminuir a lo largo del tiempo, pero en el caso de cloruros, sí
hay evidencias a una tendencia decreciente.

8.4.3 Ensayo para detección de datos aberrantes (outliers)

Dado que las distribuciones de frecuencia de los parámetros nitratos, cloruros y potasio no presentan
una forma normal, se ejecutó el ensayo de Walsh para detectar múltiples datos aberrantes.

8.4.3.1 Datos aberrantes para nitratos

Se escogieron como valores aberrantes, 18 datos pequeños (0.04 mg/L) y 2 datos grandes en el
extremo superior (>100 mg/L).

Se probaron las dos desigualdades:

1. Xr - (1 + a)X (r+1) + a Xk < 0

75
 2. X(n+1-r) – (1 + a)Xn-r +aX (n+1-k) > 0

Las cifras del extremo inferior (0.04 mg/L) y del extremo superior (102 y 104 mg/L) fueron
clasificadas como datos aberrantes.

8.4.3.2 Datos aberrantes para potasio

Se propuso como dato aberrante, el primer valor de la serie de datos (0.36 mg/L), pero el ensayo dio
como resultado que este valor no puede indicarse como aberrante. Por lo tanto, se mantuvo.

Como segundo dato aberrante en el extremo superior, se probó el valor de 41,35 mg/L y los
resultados no dieron lugar a clasificarlo como valor extremo.

8.4.3.3 Datos aberrantes para cloruros

Como datos aberrantes en el extremo inferior, se analizaron los datos 4.4, 5, 5.74 y 9.66 mg/L. En el
extremo superior fue analizado el dato de 109 mg/L. Los resultados del extremo inferior indican que
no son datos aberrantes, pero en el extremo superior, el resultado indicó que 109 puede considerarse
dato aberrante con un nivel de significancia de 0.05.

8.5 Conclusiones de los datos

Se efectuaron veintiún cálculos de ensayos de hipótesis estadísticos y se documentaron en un archivo

de Hojas de Cálculo en Excel. Se utilizó el ensayo Prueba de Rango con Signo de Wilcoxon (PRSW)
para probar la hipótesis sobre la mediana poblacional de una muestra o conjunto de datos y el ensayo
para una Proporción o Percentil, cuando el conjunto de datos no se aproximaban a los valores
máximos permisibles de la norma CAPRE.

El Ensayo PRSW asume que los datos provienen de una población simétrica continua. Simétrica
significa que la curva de frecuencia de la población es simétrica alrededor de la media o la mediana.

76
La simetría es una consideración menos fuerte que la normalidad porque todas las distribuciones
normales son simétricas, pero algunas distribuciones simétricas no son normales. La media y
mediana son iguales en las distribuciones simétricas, de manera que la hipótesis de nulidad puede
establecerse en términos de cualquiera de los dos parámetros.

A cada una de las zonas se aplicó el ensayo PRSW de acuerdo con el esquema del Apéndice 1.

8.5.1 Zona 1
Los resultados se dan en la tabla de abajo. En las Pruebas de hipótesis de Proporciones o percentiles,
P es la proporción de datos inferiores al valor de la norma de calidad del agua, en el caso de Nitratos
50 mg/L, y en el de Potasio, 10 mg/L. Po es la proporción de datos inferiores a la mediana de datos
de estudio.

Zona Parámetro Tipo de Descripción p Po P1 Decisión N m Se cumplieron

Ensayo de Hipótesis Objetivos de
Calidad de
Datos?

1 Nitratos Proporción Ho: P  Po 96.8% 95.3% 99% No hay evidencia para 347 116 SI
o Percentil H1: P  Po rechazar Ho = 10%,
=10%

1 Potasio Proporción Ho: P  Po 39.7% 35% 50% No hay evidencia para 151 70 SI
H1: P  Po rechazar Ho = 10%,
=10%

Zona Parámetro Tipo de Descripción  C µ1 Decisión R W Se

Ensayo de Hipótesis  N cumplieron
Objetivos
de Calidad
de Datos?

1 Cloruros P. de Rango Ho: µ  C 0.05 38.3 50 Se puede rechazar 23699 27717 SI

con Signo de H1: µ  C 0.05 Ho = 5%, =5% 316
Wilcoxon

1 Cloruros P. de Rango Ho: µ  C 0.05 45 50 No hay evidencias 40700 27717 SI

con Signo de H1: µ  C 0.05 para rechazar Ho = 316
Wilcoxon 5%, =5%

77
8.5.2 Zona 2
Zona Parámetro Tipo de Descripción  C µ1 Decisión R W Se cumplieron
Ensayo de Hipótesis  N Objetivos de
Calidad de
Datos?

2 Nitratos P. de Rango Ho: µ  C 5% 6.95 18.1 Se puede rechazar 8466 9197 SI

con Signo de H1: µ  C 5% Ho = 5%, =5% 179
Wilcoxon

2 Nitratos P. de Rango Ho: µ  C 5% 10 18.1 No hay 15789 9197 SI

con Signo de H1: µ  C 5% evidencias para 179
Wilcoxon rechazar Ho =
5%, =5%

Zona Parámetro Tipo de Descripción p Po P1 Decisión N M Se cumplieron

Ensayo de Hipótesis Objetivos de
Calidad de
Datos?

2 Potasio Proporción o Ho: P  Po 52.2 45% 65% No hay evidencia para 90 64 SI

Percentil H1: P  Po % rechazar Ho = 5%,
=5%

2 Potasio Proporción o Ho: P  Po 52.2 40% 65% Ho puede rechazarse en 90 40 SI

Percentil H1: P  Po % favor de H1

Zona Parámetro Tipo de Descripción de  C µ1 Decisión R W Se cumplieron

Ensayo Hipótesis  N Objetivos de
Calidad de
Datos?

2 Cloruros P. de Rango Ho: µ  C 0.05 34 50 Puede rechazarse 6087 9497 SI

con Signo de H1: µ  C 0.05 Ho = 5%, =5% 182
Wilcoxon

2 Cloruros P. de Rango Ho: µ  C 0.05 40 50 No hay evidencias 10898 9598 SI

con Signo de H1: µ  C 0.05 para rechazar Ho 183
Wilcoxon = 5%, =5%

8.5.3 Zona 3
Zona Parámetro Tipo de Descripción  C µ1 Decisión R W Se
Ensayo de Hipótesis  N cumplieron
Objetivos
de Calidad
de Datos?

3 Nitratos P. de Rango Ho: µ  C 0.05 6.6 17.74 Puede rechazarse 17431 21598 NO
con Signo de H1: µ  C 0.05 Ho = 5%, =5% 278
Wilcoxon

78
3 Nitratos P. de Rango Ho: µ  C 0.05 10 17.7 No hay evidencias 29939 21598 SI
con Signo de H1: µ  C 0.05 para rechazar Ho
Wilcoxon = 5%, =5%

Zona Parámetro Tipo de Descripción P Po P1 Decisión N M Se cumplieron

Ensayo de Hipótesis Objetivos de
Calidad de
Datos?

3 Potasio Proporción o Ho: p  Po 34.2 33% 80 No hay evidencia 117 19 SI

Percentil H1: p  Po % % para rechazar Ho =
1%, =1%

3 Potasio Proporción o Ho: p  Po 34.2 24.5% 80 Ho puede rechazarse 117 12 SI

Percentil H1: p  Po % % en favor de H1

Zona Parámetro Tipo de Descripción  C µ1 Decisión R W Se cumplieron

Ensayo de Hipótesis  N Objetivos de
Calidad de
Datos?

3 Cloruros P. de Rango Ho: µ  C 0.01 50 No hay 29939 22511 SI

con Signo de H1: µ  C 0.01 33.67 evidencias para 278
Wilcoxon rechazar Ho =
1%, =1%

8.5.4 Zona 4
Zon Parámetro Tipo de Descripción de  C µ1 Decisión R W Se cumplieron
a Ensayo Hipótesis  N Objetivos de
Calidad de
Datos?

4 Nitratos P. de Rango Ho: µ  C 0.05 4 13.6 Puede rechazarse Ho 476.5 532 SI

con Signo de H1: µ  C 0.05 = 5%, =5% 40
Wilcoxon

4 Nitratos P. de Rango Ho: µ  C 0.05 8 13.6 No hay evidencias 903 636 SI

con Signo de H1: µ  C 0.05 para rechazar Ho = 44
Wilcoxon 5%, =5%

Zona Parámetro Tipo de Descripción P Po P1 Decisión N M Se cumplieron

Ensayo de Objetivos de
Hipótesis Calidad de
Datos?

4 Potasio Proporción o Ho: p  Po 25.8 24.5 50% No hay evidencia 66 22 SI

Percentil H1: p  Po % % para rechazar Ho
= 10%, =10%

79
Zona Parámetro Tipo de Descripción  C µ1 Decisión R W Se
Ensayo de Hipótesis  N cumplieron
Objetivos
de Calidad
de Datos?

4 Cloruros P. de Rango Ho: µ  C 0.05 28.29 50 Puede rechazarse Ho 493 838 SI

con Signo de H1: µ  C 0.05 = 5%, =5% 51
Wilcoxon

4 Cloruros P. de Rango Ho: µ  C 0.05 40 50 No puede rechazarse 1109 964 SI

con Signo de H1: µ  C 0.05 Ho
Wilcoxon

8.5.5 Zona 5
Zona Parámetro Tipo de Ensayo Descripción  C µ1 Decisión R W Se cumplieron
de Hipótesis  N Objetivos de
Calidad de Datos?

5 Nitratos P. de Rango Ho: µ  C 0.05 7 15 Puede rechazarse Ho 296 438 SI

con Signo de H1: µ  C 0.05 = 5%, =5% 36
Wilcoxon

5 Nitratos P. de Rango Ho: µ  C 0.05 12 18 No hay evidencias 521.5 461 SI

con Signo de H1: µ  C 0.05 para rechazar Ho = 37
Wilcoxon 5%, =5%

5 Potasio P. de Rango Ho: µ  C 0.05 15 27 Puede rechazarse Ho 87.5 111 SI

con Signo de H1: µ  C 0.05 = 5%, =5% 17
Wilcoxon

5 Potasio P. de Rango Ho: µ  C 0.05 17 28 No hay evidencia para 170 123 SI

con Signo de H1: µ  C 0.05 rechazar Ho 18
Wilcoxon

5 Cloruros P. de Rango Ho: µ  C 0.05 38 50 Puede rechazarse Ho. 349.5 438 SI

con Signo de H1: µ  C 0.05 = 5%, =5% 36
Wilcoxon

5 Cloruros P. de Rango Ho: µ  C 0.05 42 55 No se rechaza Ho. = 380 373 SI

con Signo de H1: µ  C 0.05 5%, =5% 33
Wilcoxon

8.5.6 Zona 6
Zona Parámetro Tipo de Descripción  C µ1 Decisión R W Se cumplieron
Ensayo de Hipótesis  N Objetivos de
Calidad de
Datos?

6 Nitratos P. de Rango Ho: µ  C 0.01 6.0 10.5 Puede rechazarse 1865 2849 Si
con Signo de H1: µ  C 0.01 Ho = 1% =1% 94
Wilcoxon

80
Zona Parámetro Tipo de Descripción  C µ1 Decisión R W Se cumplieron
Ensayo de Hipótesis  N Objetivos de
Calidad de
Datos?

6 Nitratos P. de Rango Ho: µ  C 0.01 10.0 16.00 No hay evidencias 3745 3082 Si
con Signo de H1: µ  C 0.01 para rechazar Ho 98
Wilcoxon = 1%, =1%

6 Potasio P. de Rango Ho: µ  C 0.05 7.1 10.1 Puede rechazarse 997 1324 Si
con Signo de H1: µ  C 0.05 Ho = 5%, =5% 65
Wilcoxon

6 Potasio P. de Rango Ho: µ  C 0.05 10.0 12.54 No hay evidencia 1914 1402 Si
con Signo de H1: µ  C 0.05 para rechazar Ho 67
Wilcoxon

6 Cloruros P. de Rango Ho: µ  C 0.01 28 34 Puede rechazarse 1564 2307 Si

con Signo de H1: µ  C 0.01 Ho. 84
Wilcoxon

6 Cloruros P. de Rango Ho: µ  C 0.05 30 34 No puede 2183 2154 Si

con Signo de H1: µ  C 0.05 rechazarse Ho 84
Wilcoxon

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

En los acápites anteriores se calcularon los valores de concentración en que las hipótesis nulas se
aceptaban, porque en la mayoría de los casos las hipótesis nulas se rechazaban, para los niveles de
significancia propuestos.

En este acápite, se presentan modificaciones a los niveles de significancia () y los consecuentes
cambios en el número de muestras a colectar, con el criterio general de reducir el número de
muestras para llegar a las inferencias estadísticas y mejorando en algunos casos la potencia de las
pruebas de hipótesis (1- ).

Zona Parámetro Mediana del Ensayo de Proporciones Nivel  para aceptar la Número de
Parámetro (mg/L) Hipótesis Nula muestras a
Ensayo PRSW colectar (N)
1 Cloruros 38.3 No se pudo establecer 10
Se deja el mismo  =5%
para rechazar Ho
2 Cloruros 33.67 = 1%, =1% A este nivel 7

81
Zona Parámetro Mediana del Ensayo de Proporciones Nivel  para aceptar la Número de
Parámetro (mg/L) Hipótesis Nula muestras a
Ensayo PRSW colectar (N)
puede rechazarse Ho
3 Cloruros 33.67 = 1%, =1% A este nivel 5
de significancia no se
rechaza Ho
4 Cloruros 28.29 = 1%, =1% 7
Con este nivel de
significancia puede
rechazarse Ho
5 Cloruros 38 >>30% se acepta Ho 20
se mantiene = 5%, =5%
con lo que se rechaza Ho
6 Cloruros 28 = 5%, =5% ; con este 18
nivel de significancia se
rechaza Ho.
1 Nitratos Po = 95% de las muestras son <15% 74
inferiores a 47 mg/L NO3.
2 Nitratos 6.95 =30% 2
3 Nitratos 6.6 = 5%, =5% A este nivel 14
se rechaza Ho
4 Nitratos 4 =10%  = 10% Con este 2
nivel de significancia se
rechaza Ho
5 Nitratos 7 = 5%, =5% 17
Con este nivel de
significancia puede
rechazarse Ho
6 Nitratos 6 = 10%, =5% ; con este 19
nivel de significancia se
rechaza Ho.
1 Potasio Po = 35% de las muestras son <15% 50
inferiores a 10 mg/L
2 Potasio Po =45% de las muestras son  >10% se rechaza Ho 39
inferiores a 10 mg/L
3 Potasio Po=33 % = 1%, =1% A este nivel 19
de significancia no se

82
Zona Parámetro Mediana del Ensayo de Proporciones Nivel  para aceptar la Número de
Parámetro (mg/L) Hipótesis Nula muestras a
Ensayo PRSW colectar (N)
rechaza Ho.
4 Potasio Po=24.5% =10%  = 10% Con este 22
nivel de significancia no se
rechaza Ho
5 Potasio 15  >30% se acepta Ho; se 8
mantiene = 5%, =5%
6 Potasio 7.1 = 10%, =10% ; con este 12
nivel de significancia se
rechaza Ho.

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

El pozo más antiguo del acueducto de Managua es el Pozo Las Mercedes No 4, ubicado en el campo
de pozos del mismo nombre, en las cercanías del aeropuerto internacional. Los resultados de la
estadística básica arrojaron los siguientes valores:

Tabla 4: Estadística general del Pozo Las Mercedes 4

Parámetro N Mínimo Máximo Promedio Desv.

Estandar
NO3 50 .00 32.70 6.17 6.3904
Cl 48 20.00 73.00 38.15 10.1996
C. E. 50 316.00 873.00 535 84.2172
S.D. 48 239.00 565.00 382 83.3078
K 16 5.63 14.80 9.95 2.7054

Los resultados son completamente aceptables desde el punto de vista de las Normas internacionales
de calidad para el agua de consumo humano, a excepción del potasio, cuyo promedio general, se
acerca al valor máximo recomendado (10 ppm).

83
Como se aprecia en el gráfico de abajo, existen dos puntos de muestreo en que los resultados de
conductividad eléctrica y sólidos disueltos se salen de la tendencia general, ese es el caso de los datos
del 28 de junio de 1993 y 18 de marzo de 1997.
1000

900

800

700

600

500

400

300 S. D. (mg/ L)
25 EB

30 A Y 9 3

25 UG 93

18 OV 993

09 N 94

16 A Y 95

28 UG 95

04 OV 995

18 A R 95

13 A R 9 6

21 CT 99 7

16 A Y 98

25 OV 99
25

17 A R 993

21 N 99 4

19 E P 9 4

200 C. E. (uS/cm)
-M -19

-A -1

-N -1

-M -1

-M -1 9

-A -1

-N -1

-M -1

-M -1

-O -1

-M -1

-N -1

-O -1
-F

-J -1

-S -19

-J -1
U

A 9

C 9
T- 9
20
9
9

01
Fecha de muestreo

Gráfico 1: Comportamiento histórico de Sólidos Disueltos y Cond. Eléct. (Pozo las mercedes 4)

El comportamiento de los nitratos y el potasio siguen una tendencia paralela, es decir, cuando
aumentan los nitratos, también el potasio parece aumentar, como se aprecia en el gráfico siguiente,
esto puede sugerir una correlación apreciable entre estos dos parámetros. De igual manera, se
aprecian ciertas fluctuaciones o tendencias a pequeña escala.

84
 Ni tratos (NO3)

P otasi o (K)

Cl oruros (m g/L)
1
00
m g/L

m g/L

-2
CT 99
Gráfico 2: Comportamiento histórico de Nitratos y Potasio (Pozo las mercedes 4)

-O 19 01
25 V - 9 20
O 9 T- 9
-N 19 C 99
16 AY - 8 - O -1 9
9
-M 19 25 OV 99
21 CT- 97

Gráfico 3: Comportamiento Histórico de Cloruros (Pozo las mercedes 4)

- N -1 8
-O 19 16 AY 99
13 AR- 96 -M -1 7
-M -19 21 CT 99
18 AR 95 - O -1 6
13 AR 99
Com porta m i ento hi stóri co - PP Las M ercede s 4

-M 19 - M -1 5
04 V - 5 18 AR 99
O 9
-N 19
Com porta m i ento hi stóri co - PP Las M ercede s 4
- M -1 5
28 G - 5 04 OV 99
U 9
-A 19 - N -1 5
16 AY - 5 28 U G 99
-M 99 - A -1
09 N-1 4 16 AY 995
A 9 -M -1 4
-J 19 09 AN 9 9
19 P- 4
E 9 - J -1 4

85
-S 19 19 EP 99
21 N - 94
U - S -1 4
-J -19 21 U N 199
17 AR 93 -J R- 3
-M 19 17 A 99
18 V - 3 - M -1 3
O 9

Fecha de m uestreo
-N 19 18 OV 99
25 G - 3
Ni tratos y Potasi o

U 9 - N -1 3
-A 19 25 U G 99
30 AY - 3 - A -1

Fecha de muestreo
-M 99 30 AY 993
25 B-1 - M -1
E 25 EB
-F -F
25

Cl oruros
25
40

30

20

10

80

70

60

50

40

30

20

10
Cloruros (mg/L)
Nitratos / Potasio
8.8 Utilización del software Decision Error Feasibility Trials (DEFT)

Como parte de la estructuración del Diseño de Muestreo, se procedió a calcular el número de

muestras a colectar por zona mediante el software Decision Error Feasibility Trials (DEFT). En la
tabla a continuación se presenta por parámetro y por zona el porcentaje de pozos que se debería
monitorear con un nivel de confianza de 5%. Los Niveles de Acción fueron establecidos como el
promedio de los datos de la zona, la zona superior de los límites de decisión se dejaron como una
medida de protección o como un nivel de alerta.

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

Zona Parámetro No. Pozos No. % de los Pozos Comentarios

Muestras a
colectar
1 Nitratos 30 24 80.00%  = 5%
Zona gris 14 – 25 ppm NO3
2 Nitratos 18 3 16.67%  = 5%
Zona gris 7 - 25 ppm NO3
3 Nitratos 46 3 6.52%  = 5%
Zona gris 7 - 25 ppm NO3
4 Nitratos 27 3 11.11%  = 5%
Zona gris 4.24 – 15 ppm
NO3
5 Nitratos 6 5 83.33%  = 5%
Zona gris 8.99 – 25 ppm
NO3
6 Nitratos 20 3 15.00%  = 5%
Zona gris 7.8 – 25 ppm
NO3
TOTAL 147 41 28%

86
Tabla 6: % de Muestras a colectar por zona por año (cloruros)

Zona Parámetro No. Pozos No. % de los Pozos Comentarios

Muestras a
colectar
1 Cloruros 30 12 040%  = 5%
Zona gris 39.16 – 50 ppm Cl
2 Cloruros 18 12 067%  = 5%
Zona gris 37.97 - 50 ppm Cl
3 Cloruros 46 9 20%  = 5%
Zona gris 36.41 - 50 ppm Cl
4 Cloruros 27 5 19%  = 5%
Zona gris 32.1 – 50 ppm Cl
5 Cloruros 6 5 83%  = 5%
Zona gris 39.6 – 70 ppm Cl
6 Cloruros 20 7 35%  = 5%
Zona gris 29.65 – 40 ppm
Cl
TOTAL 147 50 034%

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

Zona Parámetro No. Pozos No. % de los Pozos Comentarios

Muestras a
colectar
1 Potasio 30 7 023%  = 5%
Zona gris 10.86 – 15 ppm K
2 Potasio 18 7 039%  = 5%
Zona gris 9.95 - 15 ppm K

87
Zona Parámetro No. Pozos No. % de los Pozos Comentarios
Muestras a
colectar
3 Potasio 46 8 17%  = 5%
Zona gris 11.2 – 15 ppm K
4 Potasio 27 7 26%  = 5%
Zona gris 16.53 – 30 ppm K
5 Potasio 6 7 117%  = 15%
Zona gris 13.89 – 17 ppm K
6 Potasio 20 5 25%  = 5%
Zona gris 7.53 – 15 ppm K
TOTAL 147 41 28%

8.9 Mapa de isovalores de nitratos

Como se aprecia en la Ilustración 10, se delinearon las curvas de isovalores de nitratos6 en base a
resultados promedio de diversos pozos de Managua.

Se puede notar que una amplia zona de la parte Alta Superior de Managua, o zona 3, está dominada
por valores de 6 mg/L de nitratos como NO3.

La zona baja es la parte que presenta tendencias a valores más altos de nitratos, arriba de 14 mg/L de
NO3. A este respecto hay que observar que la batería de pozos de Las Mercedes no presenta
problemas de nitratos a pesar de encontrarse en la zona baja.

6
uitilizando Surfer 7.0

88
 EMPRESA NICARAGUENSE DE ACUEDUCTOS Y ALCANTARILLADOS SANITARIOS DE MANAGUA
GERENCIA DE OPERACION Y MANTENIMIENTO

ISLA
DE
AMOR
L A G O D E M A N A G U A
POLYC ASA
(LAGO XOLOTLAN)
C A R O L IN A
9.4 1
C IU D A D S A N D IN O

3.9
C ALER O

JO S E

7.5 2 B E N ITO
JA R D IN E S D E ESC OBAR

LAGUNA A C A H U A L IN C A S TA . C L A R A
DE
BELLA C R U Z ACAHUALINCA LAS
TO R R E S D O M ITIL A
PED R O LU GO

94 B A R R IC A D A
JO A Q U IN
C H AMOR R O
U N ID A D
DE

18.938.8 Zona 1
C R IS TO
D EL JO S E P R O P O S ITO S
R A FA E L R O S A R IO D OLOR ES
R IO S

3 SAN C AR LOS SAN C H EZ E S TR A D A

15.0
C A M IL O
S E B A S TIA N S E L IM S H IB L E S (L A P R IM A V E R A )
S A N TA B E N E D IC TO C H AMOR R O

8.1
AN A R IG U E R O B E R TA
R U BEN VALVER D E S A N L U IS
D A R IO N O R TE D IA Z

12.7
N O R TE

11.8
JU L IO
L IN D A
M O R A ZA N B U TR A G O
V IS TA

ZONA BAJA
C A R R E TE R A EL R OD EO
C AM N O R TE IN T E R A M E R IC A N A N O R TE
IN O S A N TO MOMBAC H O
NU

6.1
EV L A S B R IS A S PAR QU E D O M IN G O S A N TA R O S A

7.5
OA SAN

20 19
2 CSO
CEMENTERIO
L U IS

22 21
L EON A N TO N IO

24 23
OCCIDENTAL LOS AN GELES

35 AVESO
S A N L U IS

26 25
3 CSO
A L FO N S O C O S TA
V E L A ZQ U E Z SU R

3 0 AVESO
WAS PAN

31 AVESO
32 AVESO
L IN D A
INS
TIT
UTO
R IC A

Zona 5, Ciudad Sandino

JA V IE R EL BOER
VALLE

ZONA BAJA

2 9 AVESO
1 CJNSO

2 8 AVESO
V IS TA

2 7 AVESO
C U AD R A
10
CINE
D OR AD O

25 AVESO

24 AVESO
11

26 AVESO

2 2 AVESO
SU R
8
4 CSO L
E ON 4 CSO

3 3 AVESO
~ BELLO X O L O TL A N

18
LOS

84
MON SEN OR L E ZC A N O A E R O P U E R TO IN T E R N A C IO N A L

2 3 AVESO
5 CSO

9 13
5 CSO

AR C OS M A E S TR O H O R IZO N TE
14
IG
LES
IA
M
ONSE
NOR
G A B R IE L
L A G R U TA
82 12
LE
ZCA
NO P
.d
elH.
6 CSO 6 CSO

BELLO AMAN EC ER ~ L
EPROCOM
IO

ESPAN A 7 CSO
TE N D E R I
LAR EYN AGA
MAN U EL
77 78 81
8 CSO
8 CSO

M IR A FL O R E S 9 CSO
O L IV A R E S
M A R TA
C IU D A D JA R D IN
C R IS TIA N
PER EZ 79

2 7 AVESO

2 2 AVESO
2 9 AVESO

2 5 AVESO
EL C AR MEN Q U E ZA D A E L P A R A IS O EL ED EN
80

3 5 AVESO
10 CSO
L IB IA M A R TIR E S
V IL L A D E AYAPAL MER C AD O
11 CSO

PR OGR ESO R U BEN M A Y O R IS TA

RAFAELA HERRERA

11.5 8.312.0 8.0

S IL V IO S A N JO S E D A R IO S A N JA C IN TO
ED GAR D LAN G O R IE N TA L IA
MAYOR GA M AR R A FA E L A L IB R E
A L TA G R A C IA R IG O B E R TO A H ER R ER A
LOPEZ D OR U LAU R EAN O
LAR GAESPAD A
E D U A R D O C O N TR E R A S
LAGUNA
DE
PER EZ AU
XILIA N

O
I 91 M A IR E N A

B O L O N IA
TISCAPA
41 SAN
C R IS TO B A L
D U C U ALI
N 9 D E JU N IO

JICA B A TA H O L A N O R TE
53 V E N E ZU E L A
S
O
G E O R G IN O
AN D R AD E

102 SATELITE ASOSOSCA

SAN
JO R G E D IM ITR O V
R O B E R TO
H U EMBES
V
I

6.2 54
IG N A C IO
No. 5 SOL D E

7.22
E

104
Zona
L IB E R TA D R E V O L U C IO N
B A TH A O L A S U R SER R AN O 10 DE T
LAGUNA

ASOSOSCA DE
ASOSOSCA
R IG U E R O
JU N IO I
C V IL L A
P31
83 C O L O M B IA A R U B E N IA A U S TR IA

No. 3 55 N IC A R A O
106 P27
5.2 7.2
JO N A TH A N
G O N ZA L E S
D A N IE L
14 DE
JU N IO D ON
No.5
C H A V A R R IA

ZONA ALTA M A X IM O JE R E Z
R E V O L U C IO N
C . FO N S E C A
24" HF
BOSC O

OMAR No.1 P28 No.3 P30 SABAN A

TO R R IJO S GR AN D E

6.9
AR LEN
L IB E R IA S IU
No.2 No.4
5.0
M O TA S TE P E E

7.9
EL R EC R EO
AN D R ES 96 89 LA
C
TIS C A P A PAN C ASAN
M E X IC O

P29
C A S TR O
R E N E C IS N E R O S D
E
EN
IS A IA S G O M E Z 14 DE
S E P TIE M B R E 52 JA R D IN E S
DE
1o D E M A Y O V IL L A
V E N E ZU E L A
SABANA GRANDE
62 C A RRE

R
VER AC R U Z
46

F LO
TE RA GU AD ALU PE

5.5 5.0
87 51 LOS

LA
LAU R ELES

9.7

VIL
EL

63 P IL A R LA
E S P E R A N ZA
35
BOSQU ES D E A R IE L
D AR C E
48 ZONA ALTA
B E L M O N TE
H ER OES Y
M A R TIR E S
LOS
R OBLES
34 A L TA M IR A

6.4
D EL GR EN AD A

ZONA ALTA SUPERIOR BOC AY AN EXO

FR A W L E Y V IL L A L IB E R TA D
V IL L A

A D O L FO 101 L IB E R TA D

ALTAMIRA
LAGUNA
DE R EYES
NEJAPA GER MAN

58 C O U N TR Y C L U B
A L TA M IR A
N o. 3
C E N TR O A M E R IC A
POMAR ES

ZONA ALTA SUPERIOR

R EN E
L A S FL O R E S POLAN C O

S A N JU D A S 38
KM.8 SUR
88
1.0
S O C R A TE S
SAN
P A TR IC IO 108 S A N D IN O

5.0
SALOMON
BLAN C A MOPEN O

44 S E G O V IA
49
C O M A R C A D E N E JA P A 45 UNAN
SAN JUDAS C U B A L IB R E
CA M
GER MAN M IG E L
P65
V IL L A
PAN AMA KM 8 90
IN O
V IE J
O A
POMAR ES C AR R ETER A A LEON
P43 B O N IL L A
109
MA
SAY
A

85 MASAYA 100
P59

KM.9.5 SUR 6.9 66

L A S C O L IN A S

Zona 4 Proyecto Managua II

7.3
S IE R R A
M A E S TR A
V A L L E D E L TIC O M O

Zona 3 - Alta Superior 64

TORRES MOLINA
JOCOTE DULCE
No. 1 EL MIRADOR
1.0 VALLE GOTHEL

9.5 110 LAS SIERRITAS

6.45.4 No.2
P71
99

No.3
86 JOCOTE DULCE
6.0
LIMITE URB ANO

KM.11 SUR No. 2 CA

RR
P72
P61 ET
E RA

UZ
97 A
MA

CR
KM 14.5 V. A LEON SA
Y

POCHOCUAPE S A N IS ID R O
A

RA
D E LA C R U Z VER D E

VE
A
10.7

O
IN
LA TROMPERA

M
CA
PLANETARIUM
93
PADRE
5.0 ALTOS DE SANTO 9.4 P74 No.4
P75 No.5
VERACRUZ

SERRANIA P69
LA BOLSA FABRETO DOMINGO P76 No.6
KM 14.5
111 MASAYA KM 15 M SIMBOLOGIA
P95
KM.13.5 SUR 8.4 K14.5 SUR
5.0 P98
119
112
POZOS EXISTENTES
P60 120

MANAGUA-UNO
8.4 124
125
122 121
123 98
113 POZOS AUTOMATIZADOS
SUPERVISADOS Y CONTROLADOS

11 11
126

4 5
11 1
POZOS EXISTENTES DE MANAGUA

6 17
Zona 6 PROYECTO MANAGUA I

11
8
KM.16 SUR
SIG JULIO 2000

ESTACIONES AUTOMATIZADAS DEL SISTEMA SCADA

Ilustración 10: Curvas de isovalores de Nitratos

8.10 Mapa de Isovalores de Potasio

Se plotearon los valores promedio de todo el período de estudio para varios pozos del área
metropolitana de Managua, y se obtuvo un gráfico de isovalores, conforme se observa en la
ilustración inferior. Se nota un ligero incremento de las líneas de concentración de potasio desde el
Sur hacia la zona Norte y Nor-Occidental de Managua. En el área de Ciudad Sandino se reporta un
valor de 15.4 mg/litro (que corresponde al pozo No. 1), el cual es uno de los datos más altos en la
zona. En el otro extremo, en el área de Managua II, se obtuvo un valor máximo de 16.3 mg/litro
correspondiente al Pozo No. 5. En general predominan líneas de concentración superiores a 10
mg/litro, y los límites de datos se movilizaron desde 7.5 hasta 12.5 mg/litro.

89
 EMPRESA NICARAGUENSE DE ACUEDUCTOS Y ALCANTARILLADOS SANITARIOS DE MANAGUA
GERENCIA DE OPERACION Y MANTENIMIENTO

ISLA
DE
AMOR
L A G O D E M A N A G U A

15.4
POLYC ASA
(LAGO XOLOTLAN)
1
C A R O L IN A C IU D A D S A N D IN O
C ALER O

13.6 2
JO S E
B E N ITO
ESC OBAR

11.2
JA R D IN E S D E
LAGUNA A C A H U A L IN C A S TA . C L A R A
DE
BELLA C R U Z ACAHUALINCA LAS
TO R R E S D O M ITIL A

13.8
PED R O LU GO

94 B A R R IC A D A
JO A Q U IN
C H AMOR R O
U N ID A D
DE

Zona 1
C R IS TO
D EL JO S E P R O P O S ITO S
R A FA E L R O S A R IO D OLOR ES
R IO S

3 S A N TA
AN A
SAN
S E B A S TIA N B E N E D IC TO
R IG U E R O
S E L IM S H IB L E S
C AR LOS SAN C H EZ
(L A P R IM A V E R A )
E S TR A D A C A M IL O
C H AMOR R O
B E R TA
R U BEN VALVER D E S A N L U IS
D A R IO N O R TE D IA Z
N O R TE
JU L IO
L IN D A
M O R A ZA N B U TR A G O
V IS TA

ZONA BAJA
C A R R E TE R A EL R OD EO
C AM N O R TE IN T E R A M E R IC A N A N O R TE
IN O S A N TO MOMBAC H O
NU

12.1
D O M IN G O S A N TA R O S A

Zona 5, Ciudad Sandino 12.9

EV L A S B R IS A S SAN PAR QU E
OA

20 19
13.113.1
2 CSO
CEMENTERIO
L U IS

22 21
L EON A N TO N IO

24 23
OCCIDENTAL LOS AN GELES

35 AVESO
S A N L U IS

26 25
3 CSO
A L FO N S O C O S TA

12.0
V E L A ZQ U E Z SU R

3 0 AVESO
WAS PAN

31 AVESO
32 AVESO
L IN D A
INS
TIT
UTO
JA V IE R EL BOER R IC A

9.3 ZONA BAJA

VALLE

2 9 AVESO
1 CJNSO

2 8 AVESO
V IS TA

2 7 AVESO
C U AD R A
10
CINE
D OR AD O

25 AVESO

24 AVESO
11

26 AVESO

2 2 AVESO
SU R
8
4 CSO L
E ON 4 CSO

3 3 AVESO
~ BELLO X O L O TL A N

18
LOS

84
MON SEN OR L E ZC A N O A E R O P U E R TO IN T E R N A C IO N A L

2 3 AVESO
5 CSO

9 13
9.9
5 CSO

AR C OS M A E S TR O
14
10.6
IG
M
O
L
N
E
S
S
IA
E
NOR
H O R IZO N TE
G A B R IE L
L A G R U TA
82 12
LE
ZCA
NO P
.d
elH.
6 CSO 6 CSO

BELLO AMAN EC ER ~ L
EPROCOM
IO

ESPAN A 7 CSO
TE N D E R I
LAR EYN AGA
MAN U EL
77 78 81
8 CSO
8 CSO

M IR A FL O R E S 9 CSO
O L IV A R E S
M A R TA
C IU D A D JA R D IN
C R IS TIA N
PER EZ 79

2 7 AVESO

2 2 AVESO
2 9 AVESO

2 5 AVESO
EL C AR MEN Q U E ZA D A E L P A R A IS O EL ED EN
80

3 5 AVESO
10 CSO
L IB IA M A R TIR E S
V IL L A D E AYAPAL MER C AD O
11 CSO

PR OGR ESO R U BEN M A Y O R IS TA

ED GAR D LAN G
A L TA G R A C IA
S IL V IO
MAYOR GA
S A N JO S E
O R IE N TA L
M AR
IA
A
RAFAELA HERRERA D A R IO
R A FA E L A
S A N JA C IN TO
L IB R E
R IG O B E R TO H ER R ER A
LOPEZ D OR U LAU R EAN O
LAR GAESPAD A
E D U A R D O C O N TR E R A S
LAGUNA
DE
PER EZ AU
XILIA N

O
I 91 M A IR E N A

B O L O N IA
TISCAPA
41 SAN
C R IS TO B A L
D U C U ALI
N 9 D E JU N IO

JICA
8.8
S G E O R G IN O
B A TA H O L A N O R TE
53 O
AN D R AD E

9.9 10.19.7
V E N E ZU E L A

102 SATELITE ASOSOSCA

SAN
JO R G E D IM ITR O V
R O B E R TO
H U EMBES
V
I

No. 5
IG N A C IO
54 E
SOL D E

104
Zona 2
L IB E R TA D R E V O L U C IO N
B A TH A O L A S U R SER R AN O 10 DE T
LAGUNA

ASOSOSCA DE
ASOSOSCA
R IG U E R O
JU N IO I
C V IL L A
P31
83 C O L O M B IA A R U B E N IA A U S TR IA

No. 3 55 106 P27

10.1
JO N A TH A N N IC A R A O

9.1
G O N ZA L E S
D A N IE L
14 DE
JU N IO D ON
No.5
C H A V A R R IA

ZONA ALTA M A X IM O JE R E Z
R E V O L U C IO N
C . FO N S E C A
24" HF
BOSC O

OMAR No.1 P28 No.3 P30 SABAN A

11.813.1
TO R R IJO S AR LEN GR AN D E

M O TA S TE P E EL R EC R EO
96 C
E L IB E R IA S IU
No.2 No.4
AN D R ES
C A S TR O
R E N E C IS N E R O S
89 E
EN
LA TIS C A P A PAN C ASAN
M E X IC O

IS A IA S G O M E Z 14 DE
52 JA R D IN E S 1o D E M A Y O V IL L A
P29
62 C A RRE
D S E P TIE M B R E DE V E N E ZU E L A
SABANA GRANDE

R
VER AC R U Z
46

F LO
TE RA

12.1
GU AD ALU PE

87 51 LOS

10.3

LA
6.9 16.3
LAU R ELES

VIL
EL

63 P IL A R LA
E S P E R A N ZA
35
BOSQU ES D E A R IE L
D AR C E
48 ZONA ALTA
B E L M O N TE
H ER OES Y
M A R TIR E S
LOS
R OBLES
34 A L TA M IR A

D EL GR EN AD A

ZONA ALTA SUPERIOR BOC AY AN EXO

LAGUNA
DE
NEJAPA
FR A W L E Y

58
ALTAMIRA
A D O L FO
R EYES
GER MAN
POMAR ES

ZONA ALTA SUPERIOR

8.3 101
V IL L A L IB E R TA D
V IL L A
L IB E R TA D

5.7
6.1
A L TA M IR A
C O U N TR Y C L U B N o. 3
R EN E
C E N TR O A M E R IC A
L A S FL O R E S POLAN C O

S A N JU D A S 38
KM.8 SUR
SAN
P A TR IC IO 108 88 S O C R A TE S
S A N D IN O

SALOMON
BLAN C A MOPEN O

44 S E G O V IA
49
C O M A R C A D E N E JA P A 45 UNAN
SAN JUDAS C U B A L IB R E
CA M
GER MAN M IG E L
P65
V IL L A
PAN AMA KM 8 90
IN O
V IE J
O A
POMAR ES C AR R ETER A A LEON
P43 B O N IL L A
109
MA
SAY
A

85 MASAYA 100
P59

KM.9.5 SUR
66
L A S C O L IN A S

Zona 4 Proyecto Managua II

12.2
S IE R R A
M A E S TR A
V A L L E D E L TIC O M O

Zona 3 - Alta Superior 8.6 64

TORRES MOLINA
JOCOTE DULCE
No. 1 EL MIRADOR
VALLE GOTHEL
99
No.2
110
12.2 86
KM.11 SUR
JOCOTE DULCE
No. 2
LAS SIERRITAS LIMITE URB ANO

CA
RR
10.3
9.3
P71 No.3
P72
P61
11.9
ET
E RA

UZ
97 A
MA

CR
KM 14.5 V. A LEON SA
Y

POCHOCUAPE S A N IS ID R O
A

RA
D E LA C R U Z VER D E

VE
A
O
IN
LA TROMPERA

M
CA
PLANETARIUM VERACRUZ
10.1 93 P74 No.4
SERRANIA PADRE
10.6 ALTOS DE SANTO
P69
P75 No.5
LA BOLSA FABRETO DOMINGO
8.9 KM 14.5
P76 No.6

P95 111 MASAYA KM 15 M SIMBOLOGIA

KM.13.5 SUR P98
K14.5 SUR 112
10.5 119
120
POZOS EXISTENTES
P60
6.4 124
122 121
123 98
113 POZOS AUTOMATIZADOS
SUPERVISADOS Y CONTROLADOS
MANAGUA-UNO 125

11 11
4.9 126

4 5
11 1
POZOS EXISTENTES DE MANAGUA

6 17
Zona 6 PROYECTO MANAGUA I

11
8
KM.16 SUR
SIG JULIO 2000

ESTACIONES AUTOMATIZADAS DEL SISTEMA SCADA

Ilustración 11: Curva de Isovalores de Potasio

8.11 Mapa de Isovalores de Cloruros

Se graficaron los valores promedio de todo el período de estudio para varios pozos de área

metropolitana de Managua, y se obtuvo un gráfico de isolíneas, conforme se observa en la ilustración

inferior. El comportamiento observado es similar al de Potasio, en que se notan incrementos de

concentración de cloruros desde la zona Sur y Sur Este hacia la zona Norte y Nor-occidental de

Managua. En el área de Ciudad Sandino se reporta un valor de 43.86 mg/litro (que corresponde al

pozo san carlos), el cual es uno de los datos más altos para la zona. En el área hidráulica baja, es de

notar la concentración del pozo Mercado Oriental con un valor de 46.2 mg/litro. En general, los

límites de datos se movilizaron desde 26 hasta 42 mg/litro de cloruros.

90
 EMPRESA NICARAGUENSE DE ACUEDUCTOS Y ALCANTARILLADOS SANITARIOS DE MANAGUA
GERENCIA DE OPERACION Y MANTENIMIENTO

ISLA
DE
AMOR
L A G O D E M A N A G U A

36.6 43.2
POLYC ASA
(LAGO XOLOTLAN)
1
C A R O L IN A C IU D A D S A N D IN O
C ALER O

34.3 43.9
JO S E

2 JA R D IN E S D E
B E N ITO
ESC OBAR

LAGUNA A C A H U A L IN C A S TA . C L A R A
DE
BELLA C R U Z ACAHUALINCA LAS
TO R R E S D O M ITIL A
PED R O LU GO

94 JO A Q U IN U N ID A D

39.5
B A R R IC A D A C H AMOR R O DE

Zona 1
C R IS TO
D EL JO S E P R O P O S ITO S
R A FA E L R O S A R IO D OLOR ES
R IO S

3 S A N TA
AN A
SAN
S E B A S TIA N B E N E D IC TO
R IG U E R O
S E L IM S H IB L E S
C AR LOS SAN C H EZ
(L A P R IM A V E R A )
E S TR A D A C A M IL O
C H AMOR R O
B E R TA
R U BEN VALVER D E S A N L U IS
D A R IO N O R TE D IA Z
N O R TE
JU L IO
L IN D A
M O R A ZA N B U TR A G O
V IS TA

ZONA BAJA
C A R R E TE R A EL R OD EO
C AM N O R TE IN T E R A M E R IC A N A N O R TE
IN O S A N TO MOMBAC H O
NU
EV L A S B R IS A S SAN PAR QU E D O M IN G O S A N TA R O S A
OA

20 19
2 CSO
CEMENTERIO

37.4
L U IS

22 21
L EON

Zona 5, Ciudad Sandino 41.4

A N TO N IO

39.746.2

24 23
OCCIDENTAL LOS AN GELES

35 AVESO
S A N L U IS

26 25
3 CSO
A L FO N S O C O S TA
V E L A ZQ U E Z SU R

3 0 AVESO
WAS PAN

31 AVESO
32 AVESO
L IN D A
INS
TIT
UTO
JA V IE R EL BOER R IC A
VALLE

ZONA BAJA

2 9 AVESO
1 CJNSO

2 8 AVESO
V IS TA

35.2

2 7 AVESO
C U AD R A
10
CINE
D OR AD O

25 AVESO

24 AVESO
11
31.9

26 AVESO

2 2 AVESO
SU R
8
4 CSO L
E ON 4 CSO

3 3 AVESO
~ BELLO X O L O TL A N

18
LOS

84
MON SEN OR L E ZC A N O A E R O P U E R TO IN T E R N A C IO N A L

2 3 AVESO
5 CSO

9 13
5 CSO

AR C OS M A E S TR O
14
43.4
IG
LES
IA
H O R IZO N TE

38.1
M
ONSE
NOR
G A B R IE L
L A G R U TA
82 12
LE
ZCA
NO P
.d
elH.
6 CSO 6 CSO

BELLO AMAN EC ER ~ L
EPROCOM
IO

ESPAN A 7 CSO
TE N D E R I
LAR EYN AGA
MAN U EL
77 78 81
8 CSO
8 CSO

M IR A FL O R E S 9 CSO
O L IV A R E S
M A R TA
C IU D A D JA R D IN
C R IS TIA N
PER EZ 79

2 7 AVESO

2 2 AVESO
2 9 AVESO

2 5 AVESO
EL C AR MEN Q U E ZA D A E L P A R A IS O EL ED EN
80

3 5 AVESO
10 CSO
L IB IA M A R TIR E S
V IL L A D E AYAPAL MER C AD O
11 CSO

PR OGR ESO R U BEN M A Y O R IS TA

ED GAR D LAN G
A L TA G R A C IA
S IL V IO
MAYOR GA
S A N JO S E
O R IE N TA L
M AR
IA
A
RAFAELA HERRERA D A R IO
R A FA E L A
S A N JA C IN TO
L IB R E
R IG O B E R TO H ER R ER A
LOPEZ D OR U LAU R EAN O
LAR GAESPAD A
E D U A R D O C O N TR E R A S
LAGUNA
DE
PER EZ AU
XILIA N

O
I 91 M A IR E N A

B O L O N IA
TISCAPA
41 SAN
C R IS TO B A L
D U C U ALI
N 9 D E JU N IO

JICA
39.9
S G E O R G IN O
B A TA H O L A N O R TE
53 V E N E ZU E L A
O
AN D R AD E

102 V

32.4 36.0
No. 5 SATELITE ASOSOSCA
SAN
IG N A C IO
54
JO R G E D IM ITR O V
R O B E R TO
H U EMBES I
E
SOL D E

104
Zona 2
L IB E R TA D R E V O L U C IO N
B A TH A O L A S U R SER R AN O 10 DE T

35.6
LAGUNA

ASOSOSCA DE
ASOSOSCA
R IG U E R O
JU N IO I
C V IL L A
P31
83 C O L O M B IA A R U B E N IA A U S TR IA

No. 3 JO N A TH A N 55 N IC A R A O
106 P27
36.3 44.2
G O N ZA L E S
D A N IE L
14 DE
JU N IO D ON
No.5
C H A V A R R IA

ZONA ALTA M A X IM O JE R E Z
R E V O L U C IO N
C . FO N S E C A
24" HF
BOSC O

OMAR No.1 P28 No.3 P30 SABAN A

TO R R IJO S AR LEN GR AN D E
L IB E R IA S IU
No.2 No.4
35.835.3
M O TA S TE P E EL R EC R EO E
AN D R ES 96 89 LA
C
TIS C A P A PAN C ASAN
M E X IC O

P29
C A S TR O
R E N E C IS N E R O S D
E
EN
IS A IA S G O M E Z 14 DE
S E P TIE M B R E 52 JA R D IN E S
DE
1o D E M A Y O V IL L A
V E N E ZU E L A
SABANA GRANDE
62 C A RRE

R
VER AC R U Z
46

F LO
TE RA GU AD ALU PE

87 51
36.1
LOS

LA
LAU R ELES

VIL
EL

34.9 63 P IL A R LA

24.3
A R IE L

ZONA ALTA
E S P E R A N ZA BOSQU ES D E
B E L M O N TE
H ER OES Y LOS
35 34 A L TA M IR A D AR C E
48
M A R TIR E S R OBLES
D EL GR EN AD A

27.7 28.3
ZONA ALTA SUPERIOR BOC AY AN EXO

40.5
FR A W L E Y V IL L A L IB E R TA D
V IL L A

A D O L FO 101 L IB E R TA D

ALTAMIRA
LAGUNA
DE R EYES
NEJAPA GER MAN

58 A L TA M IR A
N o. 3
POMAR ES

ZONA ALTA SUPERIOR

25.8
C O U N TR Y C L U B
R EN E
C E N TR O A M E R IC A
L A S FL O R E S POLAN C O

S A N JU D A S 38
KM.8 SUR
SAN
P A TR IC IO 108 88 S O C R A TE S
S A N D IN O

SALOMON
BLAN C A MOPEN O

44 S E G O V IA
49
C O M A R C A D E N E JA P A

SAN JUDAS
45 UNAN 35.5
39.9
C U B A L IB R E
CA M
GER MAN M IG E L
P65
V IL L A
PAN AMA KM 8 90
IN O
V IE J
O A
POMAR ES C AR R ETER A A LEON
P43 B O N IL L A
109
MA
SAY
A

85 MASAYA 100
P59

KM.9.5 SUR
S IE R R A
66
L A S C O L IN A S

Zona 4 Proyecto Managua II

M A E S TR A

32.9
V A L L E D E L TIC O M O

Zona 3 - Alta Superior 35.2 64

TORRES MOLINA
JOCOTE DULCE
No. 1 EL MIRADOR
VALLE GOTHEL
99

110 LAS SIERRITAS

30.0 No.2
P71

P61
39.7 86
KM.11 SUR
JOCOTE DULCE
No. 2
LIMITE URB ANO

CA
RR
ET
E RA
34.3
31.1
No.3
P72

UZ
97 A

28.3
MA

CR
KM 14.5 V. A LEON SA
Y

POCHOCUAPE S A N IS ID R O
A

RA
D E LA C R U Z VER D E

VE
A
O
IN
LA TROMPERA

M
CA
PLANETARIUM VERACRUZ
93 P74 No.4
SERRANIA 25.5 PADRE ALTOS DE SANTO P75 No.5
LA BOLSA FABRETO
23.6 DOMINGO
30.6 KM 14.5
P69 P76 No.6

P95 111 MASAYA KM 15 M SIMBOLOGIA

KM.13.5 SUR P98
K14.5 SUR 112
43.7 P60
119
120
POZOS EXISTENTES

122 121
124 123
26.5 98
113 POZOS AUTOMATIZADOS
SUPERVISADOS Y CONTROLADOS
MANAGUA-UNO 125

11 11
126
26.0

4 5
11 1
POZOS EXISTENTES DE MANAGUA

6 17
Zona 6 PROYECTO MANAGUA I

11
8
KM.16 SUR
SIG JULIO 2000

ESTACIONES AUTOMATIZADAS DEL SISTEMA SCADA

Ilustración 12: Curva de Isovalores de Cloruros

91
9 Discusión de Resultados

9.1 Análisis de Percentiles

Resulta muy útil en el proceso de desarrollo del análisis de los datos, el uso de las Medidas de
Tendencia Central y los Percentiles. En el caso de estos últimos, se evaluaron los percentiles del
50% (mediana), 80%, 90%, 95% y 99%. En la Tabla 2, se presenta el consolidado de los resultados
evaluando todos los datos disponibles de acuerdo con la información recopilada desde 1993 a 2001.
Los percentiles como instrumento de análisis ayuda a emitir juicios del tipo: “ un porcentaje x de las
veces nos encontraremos con resultados inferiores a y mg/L (miligramos por litro)”.

Particularmente, el percentil del 95% puede servir como una cota de diagnóstico o línea base para
evaluar el comportamiento futuro. De acuerdo con los datos de todos los pozos de Managua, se
puede afirmar que un 95% de las veces nos encontraremos con valores de nitratos inferiores a 30.81
ppm como NO3. Hasta dónde se moverá esta cifra en los próximos años?, este es precisamente la
base de las decisiones de protección ambiental que deben adoptarse para que el acuífero de Managua
y los mantos que alimentan los pozos de la capital, no sean contaminados con formas orgánicas
nitrogenadas que al degradarse a las formas más estables, produzcan la lixiviación de nitratos hacia
el interior de la tabla de agua.

De igual manera en el caso de Potasio y Cloruros: El 95% de las veces las muestras de agua
proveniente de los pozos, contendrán valores inferiores a 57 mg/L de cloruros y 18.74 mg/L de
potasio. Sin embargo, la concentración de cloruros está muy por encima del valor recomendado por
las Normas CAPRE que es 25 ppm, y de los 10 ppm como valor máximo recomendado para el caso
de Potasio.

El estudio indica, además, que la Zona 1, o zona hidráulica baja, es el sector que tiene el Percentil 95
de Nitratos más alto, con 47 mg/L. La Zona 4 es la parte de Managua, con el menor percentil 95 de
Nitratos con 13.6 ppm. Esta zona es la que corresponde al Proyecto Managua II, o el Proyecto de
Sabanagrande. En el caso de los Cloruros, la zona con el Percentil 95 más bajo fue la zona 6, con

92
45.17 ppm. Esta zona corresponde a la zona del Proyecto Managua I, o el campo de pozos de
Ticuantepe y pozos de Valle Gothel. La zona 5 obtuvo el Percentil 95 más alto en relación a
cloruros con un valor de 64 ppm. La zona 5 es la zona de Ciudad Sandino. La Zona 4 tiene el
Percentil 95 más alto en relación a Potasio con 31.82 ppm, y la zona con el Percentil más bajo es la
zona 6 (Managua I o Ticuantepe) con 14.34 ppm.

9.2 Estudio de Correlaciones entre variables

Se percibe una fuerte correlación entre Nitratos y Potasio para valores superiores a 20 ppm de
Nitratos. Como se puede percibir en el gráfico de correlaciones (Nitratos – Potasio), la tendencia es
más fuerte entre estas dos variables que entre Potasio y cloruros. Esto indica que como indicador, el
uso del análisis de cloruros, ofrece una utilidad de menor importancia en el caso de Managua.

9.3 Análisis de Tendencias

El análisis de tendencia mediante el procedimiento Mann Kendall, dio como resultado que desde el
punto de vista estadístico, sobre los resultados de la zona 1, existe evidencia de tendencia al aumento
de las concentraciones de nitratos, ver hoja de cálculo. El análisis de la zona 4, indica que hay
tendencia a la disminución de las concentraciones de nitratos, pero es un tanto arriesgado afirmar
categóricamente esto debido a que solamente se tienen 4 datos. Los valores que fueron sometidos a
análisis son los promedios anuales de cada parámetro por año. Se considera únicamente como
relevante el análisis de nitratos, debido a que se caracteriza como un indicador efectivo de
contaminación debido a las actividades humanas.

A nivel general, considerando todos los resultados del área urbana de Managua, se tiene que no hay
evidencia estadística de incrementos en ninguno de los tres parámetros estudiados. En este caso, los
datos sometidos al análisis fueron las medianas anuales de todas las zonas, ver hoja de cálculo.

93
9.4 Ensayos de pruebas de hipótesis

Desde el acápite 8.5.1 hasta el 8.5.6 se presentaron los resultados de las pruebas de hipótesis
empleando pruebas no paramétricas como P. de Rango con Signo de Wilcoxon y la prueba de
percentiles. Estas pruebas se seleccionaron debido a que son las más adecuadas cuando la
distribución de frecuencia de los datos no presentan una distribución normal, pero sí presentan
simetría alrededor de un valor.

En la zona 1 o zona baja del acueducto, el ensayo de percentiles indica que para rechazar que la
proporción de datos no sea inferior a 95.3% con un nivel de confianza del 5%, esto quiere decir que
se acepta que el 95.3% de las veces los datos son inferiores a la mediana poblacional.

9.5 Cantidad de muestras a colectar

Como se menciona en el acápite 8.8, mediante el software DEFT, se hizo cálculos del número de
muestras por pozo que se deberían captar, del conjunto de pozos de la zona, para cumplir los niveles
aceptables de alerta para los rangos de movilidad de las concentraciones de los tres parámetros. Este
rango de movilidad también se denomina Zona Gris. La premisa en este acápite, es la toma de una
(1) muestra anual por pozo.

Qué es Zona Gris? Es el área adyacente al Nivel de Acción en que el analista considera que las
consecuencias de un error de decisión por falsa aceptación, son mínimos. El error de falsa
aceptación resultaría en no estar evaluando los riesgos de incrementos históricos en las variables de
estudio, en este caso, nitratos, potasio y cloruros. En otras palabras, significaría que los analistas de
calidad del agua, no se percatarían de incrementos en las concentraciones promedio anuales de los
parámetros en estudio.

De acuerdo siempre con el acápite 8.8, en el caso de la zona 1, se debería colectar 24 muestras
anuales (para análisis de nitratos) de diferentes pozos sobre un total de 30 que posee la zona. Es decir

94
que anualmente quedarían descubiertos 6 pozos, o sea, sin muestrear. Los pozos que se deberían
dejar desprotegidos son aquéllos que han demostrado niveles o concentraciones de nitratos por
debajo de los niveles de acción (14 ppm). Estos podrían tomarse muestras cada 2 o tres años. Los
pozos que hayan excedido el límite superior de la zona gris, deberían introducirse en la lista de pozos
en cuarentena, es decir, los pozos en que el muestreo es intensivo y no obedece a una programación
normal.

Continuando con los muestreos para nitratos, puede observarse cómo se requiere monitorear el 6.5%
de los pozos en la zona 3 para que con un error de falso rechazo del 5%, se pueda obtener una zona
gris que vaya de 7 a 25 ppm de nitratos. Para el caso de la zona 5, debido al número pequeño de
pozos en la zona, solamente 6, se requiere que se tomen muestras en 5 pozos para poder cumplir con
la zona gris, a un error del 5%. Esto equivale a que anualmente se muestree el 83%. Es de hacer
notar que en la mayoría de los casos, el número mínimo de muestras a captar es de 3, esto es, para
configurar una zona gris entre 7 y 25 ppm.

De nuevo, en el caso de nitratos, el límite superior se dejó establecido en 25 ppm, para la zona 1.
Esta será la cota promedio anual que no deberán sobrepasar en su conjunto los datos del muestreo
anual, ver Gráfico siguiente.

95
Ilustración 13: Zona Gris para Nitratos en la Zona 1 (Baja)

De acuerdo con los costos de análisis de nitratos ($5 por muestra) y el costo de muestreo ($2 por
muestra), se tiene que el análisis de las 24 muestras para el monitoreo de la Zona 1 costaría $168
dólares.

El significado de lo anterior es muy importante, porque indica que con 24 muestras analizadas al año
se puede determinar con limite de error de decisión del 5%, que el promedio poblacional de nitratos
en la zona es menor que 14 mg/l.

De acuerdo con el acápite 8.8, se tiene que en general, basta con muestrear el 30% de los pozos para
tener un panorama del comportamiento de las tres variables estudiadas.

96
Cloruros
Notemos que en el caso de cloruros, la zona 5 de Ciudad Sandino, requiere el porcentaje más alto de
muestras a colectar y analizar, también presenta una amplia zona gris para que el número de
muestras sea inferior al total de pozos en una unidad.

Solamente en la zona 5, se extendió la cota superior, quedando estipulada en 70 ppm, esto es para
reducir el número de muestras por año a un valor inferior al número total de pozos de la zona, y que
el muestreo cumpliera la premisa de una muestra por pozo al año. Si se reduce la zona gris, el
número de muestras requerido va a exceder el número total de pozos, y en este caso, esto puede
significar, muestrear más de una vez un pozo al año, o bien tomar un número superior de muestras
simples para formar una muestra compuesta.

Se puede observar en el gráfico siguiente, la amplia zona gris que tuvo que aceptarse para obtener un
número pequeño de muestras con un límite de error de decisión del 5%.

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

97
Potasio

El número de muestras necesarias para el muestreo de potasio se definió con un límite superior de
15 ppm de potasio, a excepción de la zona 4, la cual presenta la zona gris más amplia (desde 16.53
hasta 30 ppm). El número de muestras calculado mediante DEFT fue de 7.

Ilustración 15: Zona Gris para Potasio en la Zona 4

9.6 Situación de los Nitratos

Los resultados indican que existe una zona en el acueducto de Managua (en la zona baja
hidráulica), no muy extensa, que posee niveles de Nitratos por encima de 12 mg/L. No hay
evidencias que estos niveles se estén incrementando en otras áreas de Managua.

98
 Es de presumir que si existe tendencia al aumento de nitratos en la zona baja, es una
circunstancia puntual y no una condición regional del acuífero.

Uno de los pozos que exhibe una tendencia creciente a aumentar la concentración de nitratos es
el PP Mercado Oriental, aunque según el promedio anual de los datos, parece que en los
últimos años tiende a disminuir (ver Ilustración 16).

Comportamiento Histórico de Nitratos en el Pozo Mercado Oriental

60

50 Nitratos

40

30

20

10

0
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

Ilustración 16: Comportamiento Histórico del PP M. Oriental

También se presenta el comportamiento de nitratos para el Pozo San Antonio y el Pozo Olof Palme.
Para el caso del pozo San Antonio, se puede apreciar que en los años 1999 a 2001, la concentración
ha sido aproximadamente 20 mg/L. En el último dato de 2002, la cifra bajó considerablemente. El
comportamiento que ha presentado el PP Olof Palme ha sido bastane consistente alrededor de 20 a
25 ppm de Nitratos.

99
 Comportamiento Histórico de Nitratos en el Pozo San Antonio

25

20

15

Nitratos
10

0
1993 1994 1995 1996 1998 1999 2000 2001 2002

Ilustración 17: Comportamiento Histórico del PP San Antonio

Comportamiento Histórico de Nitratos en el Pozo Olof Palme

30

25
Nitratos (ppm)

20

15

10

0
1993 1994 1995 1996 1998 1999 2000 2001 2002

Ilustración 18: Comportamiento Histórico de PP Olof Palme

100
 El comportamiento de las concentraciones de nitratos en base a los datos de todos los pozos de
Managua se refleja en el gráfico de la Ilustración 19. Se puede notar que un muestreo
repetitivo en el pozo del Mercado Oriental produjo que los datos de 1998 aumentaran el valor
promedio anual de la concentración de Nitratos hasta un valor aproximado de 27 ppm (ver
Ilustración 19). Sin embargo si se asigna un solo valor promedio en base a todos los datos
colectados durante el año, la linea histórica de comportamiento se suaviza y no presenta una
cresta pronunciada durante 1998 (Ilustración 20).

Com portam iento de Nitratos (en base a datos de todos los pozos de Managua)

30

Nitratos (ppm )
25

20

15

10

0
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

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

101
 Linea Histórica de Nitratos para todos los pozos
considerando un solo dato de 54 ppm para el Pozo Mercado Orienal durante 1998

16

14

12

10

8 Nitratos

0
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

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

Durante 1998 el pozo Mercado Oriental fue monitoreado con bastante frecuencia con el fin de
estudiar el comportamiento estacional del mismo. Los resultados indican que las
concentraciones cambian a lo largo del año, presentando un comportamiento estacional el cual
puede deberse a cambios propios en las condiciones redox del acuífero (ver Ilustración 21). El
promedio general de los datos durante 1998 fue de 54.35 ppm de Nitratos (NO3).

102
 PP Mercado Oriental (1998)

120

100
Nitratos (ppm)

80

60

40

20

0
07/01/98

07/02/98

07/03/98

07/04/98

07/05/98

07/06/98

07/07/98

07/08/98

07/09/98

07/10/98

07/11/98
Fecha

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

1998

9.7 Situación del Potasio

Como se ha podido establecer a través de los resultados de los estadísticos descriptivos, en

general, el agua subterránea de los pozos de Managua posee concentraciones arriba de 10 ppm
de potasio. En el gráfico de la Ilustración 22 se refleja el comportamiento del Potasio en base a
los promedios anuales de los datos colectados en el muestreo. El análisis de potasio se empezó
a implementar en 1995 utilizando un electrodo ion selectivo Corning.

103
 Linea histórica de Potasio
Datos de todos los pozos de Managua

16

14

12

10

Potasio
8

0
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

Ilustración 22: Comportamiento del Potasio en base a Promedios Anuales

La norma de calidad CAPRE establece un valor máximo admisible de 10 mg/L para el Potasio.
El origen del potasio en el acuífero de Managua puede deberse a la geología de los estratos y
no a condiciones de contaminación antropogénica.

9.8 Situación de los Cloruros

El comportamiento en el caso de cloruros es muy consistente o estable a través de los años,

como se puede observar en la Ilustración 23. Desde 1996 las concentraciones de cloruros se
encuentran ligeramente por encima de los 30 mg/L (desde 30.78 mg/L en el 2001 hasta 34.27
en el 2000).

104
 Línea Histórica de Cloruros
Todos los datos disponibles

60

50
cloruros

40

30

20

10

0
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

Ilustración 23: Comportamiento histórico de Cloruros

105
10 Conclusiones

1. Debido a la cantidad enorme de datos, puesto que se generaron 1,074 registros en el período de
estudio (10 años), el procedimiento de evaluación de calidad de datos indica que la información
cumple con los objetivos cantidad y calidad para el uso en la toma de decisiones en el monitoreo
de calidad hidroquímica de los pozos perforados de Managua. El análisis estadístico produjo
elementos para establecer un Diseño de muestreo estratificado con los niveles de error por falsa
aceptación de 5%, a excepción del muestreo de potasio para la zona 5, en que el análisis arrojó la
necesidad de establecer un nivel de error del 15% para mantener niveles de alerta entre 13.89
mg/litro y 17 mg/litro de potasio, y consecuentemente no alejarse demasiado del valor máximo
de la norma de calidad del agua para potasio que es 10 mg/litro. Los datos sirvieron para
determinar que hubo interferencias (o limitantes) en el presente estudio.
2. La principal limitante detectada durante este período es que debido al hecho que un mismo pozo
se muestreaba muchas veces para confirmar datos, se producía un sesgo en la media de los
parámetros. Esto pudo observarse principalmente en los resultados de la zona baja donde se
encuentra el pozo Mercado Oriental.
3. La Evaluación de Calidad de Datos sirvió también para determinar el porcentaje de los pozos a
muestrear anualmente para manejar adecuados niveles de alerta. Estos porcentajes son 28%, 34%
y 28% para el muestreo de nitratos, cloruros y potasio, respectivamente.
4. La calidad del dato recopilado cumple una de las premisas de la evaluación de calidad, al tener
significado con el uso pretendido y correlacionarse con el contexto ambiental. Con este criterio,
también, se determinó que el dato es adecuado.
5. La correlación con el contexto ambiental queda establecida gráficamente en los mapas de
isovalores para nitratos, cloruros y potasio, los cuales se generaron utilizando Surfer 7. Esto se
detalla en los acápites 8.9, 8.10 y 8.11.

106
6. La Zona 1, o Zona Baja es el área que mayor preocupación despierta en cuanto a la tendencia
histórica en el incremento de las concentraciones de Nitratos. Se demostró a través de la prueba
de Mann Kendall que hay evidencias estadísticas al incremento de esta variable.

7. Este proyecto investigativo ha generado la siguiente línea base de diagnóstico sobre la cual se
efectúen comparaciones en el futuro:

Percentil 95
NITRATOS 30.8 mg/l
CLORUROS 57 mg/l
POTASIO 18.74 mg/l

8. El análisis estadístico de los datos establece que la distribución de frecuencia de las variables
estudiadas no tiene un comportamiento normal (campana de Gauss), esto puede deberse a la
distorsión originada por el muestreo repetido de unos pozos sobre otros, generando que el
promedio o la mediana poblacional se sesgue hacia el lado izquierdo o el derecho del gráfico de
frecuencia. Es por este motivo que los pozos que requieren de un muestreo más intenso, se deben
literalmente separar del programa normal de muestreo y se les debe dar un seguimiento especial.

9. Los datos del muestreo hidroquímico son consistentes en proveer pruebas que existe una zona no
muy grande en que se hace necesario efectuar una vigilancia de Nitratos en algunos Pozos, éstos
pueden ser el Olof Palme, Mercado Oriental y el San Antonio. Las causas probables de este
hecho puede ser infiltración de aguas residuales a través de las tuberías de alcantarillado, ver
Ilustración 10.

10. Este estudio provee las bases para modificar las normas de calidad de agua en relación a Potasio.
Los datos indican que en un 95% de las veces las muestras poseen concentraciones de potasio por

107
 debajo de 18.7 mg/L. El potasio de las aguas de los pozos de Managua no es de origen
antropogénico. Asimismo, la recopilación bibliográfica no indica que esos niveles de
concentración de potasio, ejerzan un efecto adverso en la salud humana.

11. Dado que el grado de exigencia de las normas de calidad conllevan un costo económico para
sufragar los gastos del monitoreo que establece la verdadera situación de calidad del área de
estudio, se hace necesario proponer nuevos niveles recomendados de acción para los parámetros
nitratos, cloruros y potasio, modificando los niveles establecidos en las Normas CAPRE.

12. De igual manera, en el caso de cloruros, se puede concluir que muy frecuentemente se presentan
concentraciones de hasta 57 mg/L. La Norma CAPRE establece un valor recomendado de 25
mg/L el cual no es realista.

13. No parece que exista en el momento actual un impacto regional de las actividades humanas en la
calidad de las aguas subterráneas de Managua. Más parece existir un impacto puntual en la zona
baja de Managua en el área del casco urbano antiguo de la capital.

108
11 Recomendaciones

1. Utilizar el software DEFT (Decision Error Feasibility Trials)7 para la estimación del número de
muestras mínimos para cuantificar el promedio poblacional de las variables o parámetros
hidroquímicos de calidad del agua.
2. Establecer un monitoreo intensivo a los pozos que sobrepasen el límite superior de concentración
de acuerdo con la zona gris.
3. Ejercer un mayor control a través de un monitoreo más profundo en la zona de Ciudad Sandino
en relación a cloruros.
4. Se propone como segunda fase del seguimiento de los datos de muestreo, desarrollar un mapeo
geodigital de la información. Esto mostrará con mayor claridad las zonas en que se requiere
realizar muestreos especiales.
5. El tipo de muestreo que se recomienda seguir es del tipo estratificado, dividiendo el acueducto de
Managua en tantas zonas como las características hidráulicas, geomorfológicos o litológicas del
acuífero así lo demanden.
6. Especial atención necesitan las zonas 5 y 1 del acueducto de Managua (zona baja y zona de
Ciudad Sandino). Aunque no están directamente relacionados, si hay evidencias de alguna
anomalía de nitratos y cloruros en estas áreas, se recomienda iniciar un muestreo de compuestos
orgánicos para descartar la presencia de pesticidas organoclorados.
7. Se recomienda elaborar una propuesta de revisión de las norma de calidad actualmente vigente,
dando especial énfasis al valor máximo recomendado para potasio el cual puede aumentarse a
una cifra más realista de acuerdo con las características propias de la región de Managua. En
cuanto cloruros, el valor recomendado de 25 ppm, parece insuficiente, proponiéndose que
igualmente sea revisado.
8. La elaboración de esta propuesta de revisión de la norma nacional de calidad del agua debe
considerar las siguientes premisas:

7
Ensayos de Factibilidad de Errores de Decisión

109
  En base a una caracterización nacional de las aguas de consumo humano, y considerando las
particularidades regionales, someter a estudio la revisión de la Norma de Calidad del agua.
 Debido a los alcances de esta tesis, solamente existen bases para recomendar cambios para
los parámetros potasio y cloruros.
 La revisión debe considerar la asignación de rangos de valores recomendados y máximos
permisibles que sean más amplios, adaptándose a los hallazgos de calidad hidroquímica de
las aguas de consumo humano para Nicaragua.
 Para el parámetro Potasio, se propone que el Valor Recomendado se incremente a 20 mg/litro
(este valor es conforme al Percentil 95 encontrado para Managua) y el Valor Máximo a 40
mg/litro. Se deben tomar en consideración si no existe afectación de la calidad organoléptica
e implicaciones fisiológicas.
 Para el parámetro Cloruros, se recomienda que la norma indicara como Valor Recomendado
un término “ hasta una concentración de 100 mg/litro”, con una nota especial de que se debe
hacer vigilancia de las tendencias históricas y de control ambiental en los puntos de muestreo.
Asimismo, mantener un valor máximo permisible de 250 mg/litro puede producir (en función
de la vigilancia de calidad del agua) no alertarse sobre posibles tendencias al incremento de
este parámetro.
9. En el caso de nitratos, este parámetro debe universalizarse para derivar conclusiones sobre zonas
de riesgo de contaminación debido a las actividades humanas.
10. Se recomienda que el Percentil 95 sea un indicador de calidad del agua el cual deberá de
utilizarse para fines de reporte de la salud general de las fuentes subterráneas, y en general, de
cualquier fuente de abastecimiento.
11. Se recomienda un muestreo estratificado considerando las 6 zonas propuestas en esta
investigación. El número de muestras mínimo será el que se estableció en las Tablas 5, 6 y 7. Sin
embargo, dentro de cada zona, el muestreo puede ser aleatorio. Pero los pozos que se monitoreen
en un año, no podrán considerarse para elección en el próximo año.

110
12 Referencias

1. E. Custodio & M. Llamas, ¨Hidrología Subterránea¨, 2da. Edición, Ediciones Omega, S.A.,
Barcelona, 1983, pag. 1011.
2. Pertti Lahermo, Maija Ilmasti, Risto Juntunen & Matti Taka, ¨The Geochemical Atlas of Finland
Part I¨, Geologian Tutkimuskeskus, Espoo 1990.
3. Y. Richard, ¨Nitrates and Drinking Water¨, Pergamon Press, Watershed 89, The future for Water
Quality in Europe, Volumen I.
4. Estudio sobre el Proyecto de Abastecimiento de Agua en Managua, Resumen Ejecutivo, Agencia
de Cooperación Internacional del Japón (JICA)/Instituto Nicaragüense de Acueductos y
Alcantarillados/Kokusai Kogyo Co., Ltd., Tokio, Septiembre 1993.
5. Guidance on Choosing a Sampling Design for Environmental Data Collection for Use in
Developing a Quality Assurance Project Plan, EPA QA/G-5S, EPA/240/R-02/005, December
2002.
6. Guidance for Data Quality Assessment / Practical Methods for Data Analysis, EPA/600/R-
96/084, EPA QA/G-9, QA00 Update, July 2000.
7. Guidance for the Data Quality Objectives Process, EPA/600/R-96/055, EPA QA/G-4, August
2000.
8. Información sobre el efecto del potasio en la fisiología humana, tomada de www.healthnotes.com
9. Wahr JA, Parks R, Boisvert D, et al. Preoperative serum potassium levels and perioperative
outcomes in cardiac surgery patients. JAMA 1999; 281:2203-10.
10. Estadística No Paramétrica aplicada a las ciencias de la conducta, Sydney Siegel, Editorial Trillas
, México, 2da Edición revisada en Español, octubre 1972.
11. Guidelines for drinking-water quality, 2nd ed. Vol. 2. Health criteria and other supporting
information. Geneva, World Health Organization, 1996. pp. 201-206.
12. Standard Methods for the Examination of Water and Wastewater, 20 th Edition,
APHA/WEFA/AWWA.
13. Enciclopedia de Nicaragua, Editorial Océano, Tomo I.

111
 Apéndice 1 : Límites de Errores de Decisión

Zona Parámetro Máximo Mínimo Desv. Est. Nivel de Acción Límite8 Tipo de muestreo No. Costo $ Error Asignado Error Asignado
(mg/L) (Superior o Muestra por Falsa por Falso
Inferior) Aceptación Rechazo

1 Nitratos 104 0.04 15.69 50 60 Aleatorio Simple 17 102 10% 10%

9
1 Estratificado 18 108
1 Compuesto 10 5 70
1 Potasio 18.8 5.5 2.77 10 15 Aleatorio Simple 3 15 10% 10%
1 Estratificado 6 30
1 Compuesto 2 26
1 Cloruros 85 4.4 10.38 25 50 Aleatorio Simple 4 24 5% 5%
1 Estratificado 6 36
1 Compuesto 2 28
2 Nitratos 40 0.04 5.72 30 35 Aleatorio Simple 16 96 5% 5%
2 Estratificado 18 108
2 Compuesto 5 70
2 Potasio 17.41 2.1 3.35 10 15 Aleatorio Simple 7 35 5% 5%
2 Estratificado 9 45
2 Compuesto 3 39

8
En mg/L
9
Distribuidas equitativamente en tres estratos
10
de 4 alicuotas

112
Zona Parámetro Máximo Mínimo Desv. Est. Nivel de Acción Límite8 Tipo de muestreo No. Costo $ Error Asignado Error Asignado
(mg/L) (Superior o Muestra por Falsa por Falso
Inferior) Aceptación Rechazo

2 Cloruros 88 9.66 11.94 25 50 Aleatorio Simple 7 42 5% 5%

2 Estratificado 9 54
2 Compuesto 3 42
3 Nitratos 37 .04 5.06 25 30 Aleatorio Simple 13 78 5% 5%
3 Estratificado 15 90
3 Compuesto 5 70
3 Potasio 18.5 5.7 2.91 10 15 Aleatorio Simple 10 50 1% 1%
3 Estratificado 12 60
3 Compuesto 5 65 1% 1%
3 Cloruros 89 5 11.23 25 50 Aleatorio Simple 4 24
3 Estratificado 6 36
3 Compuesto 2 28
4 Nitratos 20 1 3.64 15 12 Aleatorio Simple 11 66
4 Estratificado 12 72
4 Compuesto 4 56
4 Potasio 41.35 0.92 9.24 10 15 Aleatorio Simple 24 120 10% 10%
4 Estratificado 24 120
4 Compuesto 7 91
4 Cloruros 61.15 18.81 9.56 25 50 Aleatorio Simple 3 18 5% 5%
4 Estratificado 6 36
4 Compuesto 2 28
5 Nitratos 39 0.04 8.37 25 35 Aleatorio Simple 9 54 5% 5%
5 Estratificado 9 54
5 Compuesto 4 56

113
Zona Parámetro Máximo Mínimo Desv. Est. Nivel de Acción Límite8 Tipo de muestreo No. Costo $ Error Asignado Error Asignado
(mg/L) (Superior o Muestra por Falsa por Falso
Inferior) Aceptación Rechazo

5 Potasio 17.20 3.97 3.53 10 15 Aleatorio Simple 7 35 5% 5%

5 Estratificado 9 45
5 Compuesto 3 39
5 Cloruros 109 19.8 15.92 25 50 Aleatorio Simple 12 72 1% 1%
5 Estratificado 12 72
5 Compuesto 5 70
6 Nitratos 35 0.04 6.62 20 30 Aleatorio Simple 13 78 1% 1%
6 Estratificado 15 90
6 Compuesto 6 84
6 Potasio 23.7 0.36 3.96 10 15 Aleatorio Simple 9 45 5% 5%
6 Estratificado 9 45
6 Compuesto 4 52
6 Cloruros 51.45 14.5 7.43 25 40 Aleatorio Simple 8 48 1% 1%
6 Estratificado 9 54
6 Compuesto 5 70
11
T Nitratos 104 0.04 10.81 50 60 Aleatorio Simple 28 168 1% 1%
12
T Estratificado 29 174
T Compuesto 10 140
T Potasio 41.35 0.36 5.06 10 15 Aleatorio Simple 25 125 1% 1%
6
T Estratificado 25 125
T Compuesto 9 117

11
Todas las zonas
12
5 Estratos

114
Zona Parámetro Máximo Mínimo Desv. Est. Nivel de Acción Límite8 Tipo de muestreo No. Costo $ Error Asignado Error Asignado
(mg/L) (Superior o Muestra por Falsa por Falso
Inferior) Aceptación Rechazo

T Cloruros 109 4.4 11.29 50 75 Aleatorio Simple 8 48 1% 1%

6
T Estratificado 10 60
T Compuesto 4 56

115
Mapa 1: Distribución de las Zonas Geográficas de Estudio

DISTRIBUCION DE LAS ZONAS GEOGRAFICAS DE ESTUDIO

EMPRESA NICARAGUENSE DE ACUEDUCTOS Y ALCANTARILLADOS SANITARIOS DE MANAGUA

GERENCIA DE OPERACION Y MANTENIMIENTO

IS LA
DE
A MO R
L A G O D E M A N A G U A
POL YC ASA
(LAGO XOLOTLAN)
1
C A R O L IN A C IU D A D S A N D IN O
C AL ER O

JOSE

2 J A R D IN E S D E
B E N IT O
ESC OBAR

LA G UNA STA. C L AR A
A C A H U A L IN C A
DE
BEL L A C R U Z A CA HUA LINCA L AS
TOR R ES D O M IT IL A
PED R O L U GO

94 B A R R IC A D A
J O A Q U IN
C H AM OR R O
U N ID A D
DE

Zona 1
C R IS T O
D EL JOSE P R O P O S IT O S
R AFAEL R O S A R IO D OL OR ES
R IO S

3 SAN TA
AN A
SAN
S E B A S T IA N B E N E D IC T O
R IG U E R O
S E L IM S H IB L E S
C AR L OS SAN C H EZ
(L A P R IM A V E R A )
ESTR AD A C A M IL O
C H AM OR R O
BER TA
R U BEN VAL VER D E S A N L U IS
D A R IO N OR TE D IA Z
N OR TE
J U L IO
L IN D A
M OR AZAN BU TR AGO
V IS T A

ZONA BAJA
C A R R E TE R A EL R OD EO
C AM N OR TE IN TE R A M E R IC A N A N O R TE
IN O SAN TO M OM BAC H O
NU
EV L A S B R IS A S SAN PAR QU E D O M IN G O SAN TA R OSA
O

20 19
AL
2 CSO
CEMENTERIO
L U IS

22 21
EON A N T O N IO

24 23
O CCIDENTAL
L OS AN GEL ES

3 5 AVESO
S A N L U IS

26 25
3 CSO
AL FON SO C OSTA
SU R

3 0 AVESO
VEL AZQU EZ

3 1 AVESO
WAS PAN

3 2 AVESO
L IN D A
INS
TIT
U T
O
R IC A

Zona 5, Ciudad Sandino

J A V IE R EL BOER
VAL L E

ZONA BAJA

2 9 AVESO
1 CJNSO

2 8 AVESO
V IS T A

2 7 AVESO
C U AD R A
10
CINE

2 5 AVESO

2 4 AVESO
D OR AD O
11

2 6 AVESO

2 2 AVESO
SU R
8
4 CSO L
E ON 4 CSO

3 3 AVESO
~ BEL L O XOL OTL AN

18
L OS

84
M ON SEN OR L EZC AN O A E R O P U E R TO IN TE R N A C IO N A L

23 AVESO
9
5 CSO
5 CSO

BEL L O AM AN EC ER
L A GR U TA
AR C OS

ESPAN A
6 CSO

~ L
EPROCOMIO
IG
M
O
L
N
E
Z
L
E

C
S
S
E
A
IA
N
N
O
O
R

82
6 CSO

7 CSO
P
.de
lH.

TEN D ER I 12
M AESTR O
G A B R IE L
H O R IZ O N T E
13 14
L AR EYN AGA
M AN U EL
77 78 81
8 CSO
8 CSO

M IR A F L O R E S 9 CSO
O L IV A R E S
M AR TA
C IU D A D J A R D IN
C R IS T IA N
PER EZ 79

2 7 AVESO

2 2 AVESO
2 9 AVESO

2 5 AVESO
EL C AR M EN QU EZAD A E L P A R A IS O EL ED EN
80

3 5 AVESO
1 0 CSO
L IB IA M A R T IR E S
V IL L A D E AYAPAL M ER C AD O
1 1 CSO

PR OGR ESO R U BEN M A Y O R IS T A

ED GAR D L AN G
A L T A G R A C IA
S IL V IO
M AYOR GA
SAN JOSE
O R IE N T A L
M AR
IA
A
RAFAELA HERRERA D A R IO
R AFAEL A
S A N J A C IN T O
L IB R E
R IG O B E R T O H ER R ER A
OR U L AU R EAN O
L AR GAESPAD A L OPEZ AD
ED U AR D O C ON TR ER AS
LA G UNA
DE
PER EZ AU
XILI N

O
I 91 M A IR E N A

B O L O N IA
TIS CA P A
41 SAN
C R IS T O B A L
D U C U AL I
N 9 D E J U N IO

JICA BATAH OL A N OR TE
53 VEN EZU EL A
S
O
G E O R G IN O
AN D R AD E

102 SATELITE ASOSOSCA

SAN J O R G E D IM IT R O V
R OBER TO
H U EM BES
V
I

No. 5
IG N A C IO
54 E
SOL D E

104
Zona 2
SER R AN O L IB E R T A D R E V O L U C IO N
BATH AOL A SU R 10 DE T
LA G UNA

ASOSOSCA DE
A S O S O S CA
R IG U E R O
J U N IO I
C V IL L A
P31
83 C O L O M B IA A R U B E N IA A U S T R IA

No. 3 JON ATH AN

GON ZAL ES
55 N IC A R A O
106 P27
D A N IE L
14 DE
J U N IO D ON
No.5
C H A V A R R IA

ZONA ALTA M A X IM O J E R E Z
R E V O L U C IO N
C . FON SEC A
24" HF
BOSC O

OM AR No.1 P28 No.3 P30 SABAN A

T O R R IJ O S AR L EN GR AN D E

M OTASTEPE EL R EC R EO
96 C
E L IB E R IA S IU
No.2 No.4
AN D R ES
C ASTR O
R E N E C IS N E R O S
89 DE
EN
LA T IS C A P A PAN C ASAN
M E X IC O

IS A IA S G O M E Z 14 DE
52 J A R D IN E S 1o D E M A Y O V IL L A
P29
62 CA RRE
S E P T IE M B R E DE VEN EZU EL A
SABANA GRANDE

R
VER AC R U Z
46

F LO
TE RA GU AD AL U PE

87 51 L OS

A
V ILL
L AU R EL ES
EL

63 P IL A R LA
ESPER AN ZA
35
BOSQU ES D E A R IE L

48 ZONA ALTA
34
BEL M ON TE A L T A M IR A D AR C E
H ER OES Y L OS
M A R T IR E S R OBL ES
D EL GR EN AD A

ZONA ALTA SUPERIOR BOC AY AN EXO

FR AW L EY V IL L A L IB E R T A D
V IL L A

AD OL FO 101 L IB E R T A D

ALTAMIRA
LA G UNA
DE R EYES
NE JA P A GER M AN

58 C OU N TR Y C L U B
A L T A M IR A
No. 3
C E N T R O A M E R IC A
POM AR ES

ZONA ALTA SUPERIOR R EN E

L AS FL OR ES POL AN C O

SAN JU D AS 38
KM.8 SUR
SAN
P A T R IC IO 108 88 SOC R ATES
S A N D IN O

SAL OM ON
BL AN C A M OPEN O

44 S E G O V IA
49
C OM AR C A D E N EJAPA 45 UNAN
SAN JUDAS C U B A L IB R E

KM 8
V IL L A CA M

P65
IN O
GER M AN

P43
M IG E L
B O N IL L A
PAN AM A
90 V IE J
O A

109
POM AR ES MA
C AR R ETER A A LEON SAY
A

85 MASAYA 100
P59

KM.9.5 SUR
S IE R R A
66
L A S C O L IN A S

Zona 4 Proyecto Managua II

M AESTR A
V A L L E D E L T IC O M O

Zona 3 - Alta Superior 64

TORRES MOLINA
JOCOTE DULCE
No. 1 EL MIRADOR
VALLE GOTHEL
99
No.2
110 LAS SIERRITAS P71
JOCOTE DULCE No.3
86 L IM IT E URBANO

KM.11 SUR No. 2 CA

RR
P72
P61 E
TE

UZ
RA

97 A
M

CR
KM 14.5 V. A LEON AS
A
YA

POCHOCUAPE S A N IS ID R O

RA
D E L A C R U Z VER D E

VE
A
O
IN
LA TROMPERA

M
CA
PLANETARIUM VERACRUZ
93 P74 No.4
PADRE ALTOS DE SANTO P75 No.5
SERRANIA P69
LA BOLSA FABRETO DOMINGO P76 No.6
KM 14.5
P95 111 MASAYA KM 15 M SIMBOLOGIA
KM.13.5 SUR P98
K14.5 SUR 112
119 POZOS EXISTENTES
P60 120
122 121 113 POZOS AUTOMATIZADOS
124 123 98 SUPERVISADOS Y CONTROLADOS
MANAGUA-UNO 125

11 1 1
126

4 5
11 1
POZOS EXISTENTES DE MANAGUA

6 17
Zona 6 PROYECTO MANAGUA I

11
8
KM.16 SUR
SIG JULIO 2000

ESTACIONES AUTOMATIZADAS DEL SISTEMA SCADA

116
Anexo - Uso del software DEFT para el cálculo estimado del tamaño de muestra

Este software es una herramienta de planeación sistemática para evaluar la factibilidad de los
objetivos de calidad de datos de un proyecto de muestreo ambiental, basado en costos y tamaño de
muestras. El DEFT calcula el tamaño de muestra para diferentes diseños de colecta de datos básicos.
Esto hace que se pueda hacer un juicio inicial de la factibilidad de los límites de errores de decisión
antes que un proceso más elaborado estadísticamente inicie la optimización del diseño de colecta de
dato.

DEFT asume que la decisión se ha estructurado como una prueba de hipótesis que utilizará los datos
para obtener conclusiones con un nivel estadístico de confianza que el analista escoge cuando se
especifican los objetivos de calidad de datos. DEFT manipula pruebas de hipótesis de 1 y 2
poblaciones. Para los casos de 1 población asume que el nivel de acción es una cantidad fija y
conocida y que hay una población infinita. Para los casos de 2 poblaciones asume que ambas
poblaciones son grandes y la variabilidad de cada una es aproximadamente igual . Los tamaños de
muestra calculados con DEFT deberían usarse solamente para propósitos de comparación y no es el
número real de muestras a colectar.

117