Universidad de Costa Rica Escuela de Estadstica XS-3510 Principios de Diseos Experimentales

Agentes microbiolgicos, patgenos y contaminantes qumicos en el agua superficial de la Microcuenca del Ro Purires, Cartago

Solicitado por: Prof. lvaro Castro

Elaborado por: Oscar Mario Carmona Arguedas Sergio Cubero Soto Melissa Valverde Hernndez B01345 B02035 A86571

Ciudad Universitaria Rodrigo Facio Martes 3 de julio de 2012

Introduccin En el presente proyecto Agentes microbiolgicos, patgenos y contaminantes qumicos en el agua superficial de la Microcuenca del Ro Purires, Cartago. Se investigar, bajo el anlisis estadstico, los diferentes organismos microbiolgicos y fisicoqumicos que se encuentran presentes en la cuenca del Ro Purires, en los diferentes puntos o zonas donde se tomaron las muestras respectivas para efectuar el estudio; y evidenciar si hay diferencias entre ellos para detectar la contaminacin en el agua superficial de la Microcuenca del Ro Purires. Para la realizacin de este proyecto, se trabaj conjuntamente con el Instituto de Investigaciones en Salud (INISA). El INISA de la Universidad de Costa Rica, es una unidad acadmica multidisciplinaria dedicada a la investigacin en el campo de la salud humana y de las ciencias afines. Adems, es importante mencionar que los investigadores del INISA realizan los anlisis microbiolgicos en el Laboratorio de Microbiologa de Alimentos y Aguas del INISA, y se basan en la edicin 20 (Ao 1999) del Standard Methods for the Examination of Water and Wastewater de la APHA. Adems, los anlisis fisicoqumicos se realizarn en el Laboratorio de Calidad de Aguas del CICA siguiendo los Mtodos de Anlisis Qumico Ambientales (MAQA), acreditados por la norma INTE ISO IEC 17025:2005. Los MAQA estn basados en la edicin 21 (Ao 2005) del Standard Methods for the Examination of Water and Wastewater de la APHA. Para el muestreo, se realiz de acuerdo con los protocolos con los que cuenta el CICA y que estn dentro del alcance de la acreditacin de los ensayos bajo la norma INTE ISO IEC 17025:2005. Adems, en el proyecto se explicar diferentes pruebas estadsticas para cuando se presenta la heterocedasticidad en las variables donde se proceda realizar algn anlisis experimental. Finalmente, se expondr las pruebas no paramtricas para comparaciones mltiples como la prueba de Dunn y prueba de Suma Rangos de Wilcoxon.

Objetivos

I.

Determinar las diferencias entre los puntos de toma de las muestras de la Microcuenca del ro Purires, mediante anlisis de microrganismos especficamente como los Coliformes fecales, la Escherichia coli, los Enterococcus fecalis, y de los elementos fsico qumicos como el pH, la demanda bioqumica de oxgeno y el nitrato.

II.

Analizar los aspectos de las diferentes pruebas paramtricas y no paramtricas utilizadas en caso de heterocedasticidad de las variables en diseos experimentales balanceados y desbalanceados; as como las pruebas de comparacin mltiples no paramtricas.

Justificacin del proyecto

Actualmente, las actividades humanas producen un impacto directo al medio ambiente, de tal manera que se hace necesario realizar investigaciones y estudios que nos den a conocer las consecuencias de estas acciones humanas en los recursos naturales. En el medio ambiente se encuentran recursos naturales sumamente importantes para la vida, un recurso esencial en la vida biolgica es el agua. El agua es uno de los recursos ms vulnerables ante la contaminacin ambiental. Como es un recurso necesario para los seres vivientes, en particular para los seres humanos, inevitablemente la salud pblica de las personas se encuentra afectada. Por tanto es importante analizar y determinar las variables microbiolgicas (presencia de microrganismos patgenos) y qumicas (contaminantes txicos), que explican la calidad del agua. Adems, es pertinente conocer las correlaciones de estas variables con respecto a las actividades que se desarrollen en una zona especfica. Este proyecto de investigacin se estudiar un rea importante para la deteccin de contaminacin microbiolgica y qumica, lo constituye precisamente la microcuenca del Ro Purires, ubicada en la provincia de Cartago. Esta microcuenca pertenece a la cuenca del Ro Reventazn-Parismina que drena a la Vertiente Atlntica, que en conjunto con la cuenca del

Ro Trcoles, constituyen las dos principales cuencas del pas, donde se ubica el 70% de la poblacin y reciben las aguas residuales sin tratar provenientes del Gran rea Metropolitana. Se han realizado algunos estudios que han demostrado que el agua de la microcuenca en su parte alta, tiene una calidad de buena a regular, el principal aporte de contaminantes son los sedimentos, provenientes del efecto de erosin sobre los suelos. El segundo aporte de contaminacin es la materia fecal y las aguas jabonosas provenientes de la poblacin localizada en su parte alta. No obstante, el agua fluye con caractersticas de calidad inolora, incolora y con baja turbiedad. Es por eso que en el estudio como se mencion anteriormente, se localizaron tres puntos o zonas de la microcuenca del Ro Purires, en donde se tomaron tres muestras mensuales en cada una de las tres zonas de la Microcuenca. Estas zonas fueron determinadas de la siguiente manera, una primera zona donde se encuentra la parte alta de la micro cuenca, una segunda zona donde se presenta un uso agrcola y una tercera zona donde se realiza una actividad urbana y un uso industrial. Es por eso que en el proyecto es importante observar que microrganismos y que factores fisicoqumicos se encuentran presentes en el agua con respecto a cada zona. Definicin de Variables: Variables Respuesta: Los datos de los diferentes agentes microbiolgicos as como los elementos qumicos encontrados en el agua sustrada de la microcuenca, sern utilizadas como variables respuesta para el anlisis estadstico del proyecto. Las variables microbiolgicas son las siguientes: Coliformes totales y coliformes fecales: El grupo de coliformes ha sido definido basado en relaciones bioqumicas y no genticas. Los gneros Citrobacter, Enterobacter, Klebsiella y Escherinchia son los denominados coliformes totales, y solamente el gnero Escherinchia es denominado el grupo coliformes fecales. Estos grupos se utilizan como ndices de contaminacin fecal debido a que

son muy frecuentes en heces, son fciles de detectar en el laboratorio, adems en algn aspecto pueden relacionarse a patgenos causantes de enfermedad en el ser humano. Es importante resaltar que los coliformes fecales tienen significado sanitario, por lo que son los que ms interesan en el anlisis microbiolgico de alimentos (Arias, et al. 2008; Pascual, et al. 2000). La tcnica utilizada para el anlisis de coliformes totales y fecales en agua es la de Nmero ms probable (NMP). Esta es una tcnica estadstica indirecta que da un estimado de la poblacin y no identifica una especie en particular, y el nmero de microrganismos obtenidos se reporta en NMP/mL (Arias, et al. 2008). Escherinchia coli (E. coli): Escherinchia coli pertenece a la familia Enterobacteriaceae, el cual es parte de la flora normal del tracto gastrointestinal del ser humano y de otros animales. Aunque la mayora de E. coli no causan enfermedad gastrointestinal, algunos grupos pueden causar diarrea y secuelas severas o discapacidad (Meng, et al. 2001). La tcnica utilizada para determinar esta bacteria en agua es NMP.

Enterococcus faecalis (E. faecalis): La gran importancia de los enterococcus radica en que compartir con otras bacterias sus genes de patogenicidad. Adems esta bacteria es cada vez ms estudiada con mayor inters debido a que son una importante causa de infecciones intrahospitalarias y son de muy difcil tratamiento por su amplia resistencia a antibiticos (Forbes, et al. 2009). La tcnica utilizada para determinar esta bacteria en agua es NMP. Para la detencin de esta bacteria se desarrolla una prueba presuntiva y una confirmatoria. La presuntiva se realizar para determinar crecimiento microbiano en medios selectivos, incubados a 35C por 24 horas, y la confirmatoria, permitir detectar la presencia especfica del microrganismo de inters. Las variables fisicoqumicas son las siguientes:

El pH : Se puede definirse como una medida que expresa el grado de acidez o basicidad de una solucin en una escala que vara entre 0 y 14 . Adems, la acidez aumenta cuando el pH disminuye. Una solucin con un pH menor a 7 se dice que es cida, mientras que si es mayor a 7 se clasifica como bsica. Una solucin con pH 7 ser neutra. Tambin los cambios en la acidez o el pH pueden ser causados por la actividad propia de los organismos, deposicin atmosfrica (lluvia cida), caractersticas geolgicas de la cuenca y descargas de aguas de desecho (Goyenola, 2007). El instrumento de medicin del pH es un con potencimetro calibrado, adems como unidad de medida se tendr el pH a una temperatura 20,0 C. Deteccin bioqumica de oxgeno: La demanda o deteccin bioqumica de oxgeno se puede definir como la medida de la cantidad de oxgeno requerido para degradar la materia orgnica de una muestra de agua, por medio de una poblacin microbiana heterognea. La informacin obtenida en la prueba corresponde a la materia orgnica biodegradable. (Len, C. 2009). Esta se mide en miligramos de oxgeno diatmico por litro (mgO2/l). Esta prueba es, generalmente utilizada para el estudio de contaminacin en aguas residuales, municipales e industriales. Es importante realizar esta medicin ya que permite calcular los efectos de las descargas de desechos domsticos e industriales sobre la calidad de las aguas. Los datos de esta prueba son utilizados para el diseo de plantas de tratamiento de aguas residuales. Para la medicin de la deteccin bioqumica de oxgeno, se realiza el mtodo por incubacin a 20,0C durante 5 das; se mide la concentracin de oxgeno al inicio y al final del perodo, con un electrodo selectivo. Nitrato: Se define como la sal formada por la combinacin del cido ntrico con una base que puede ser amonio, potasio, sodio, de Chile. (RAE, 2012).

La concentracin de nitratos de origen natural en las aguas es de unos pocos miligramos por litro. El aumento de concentraciones de este elemento qumico tiene la causa directa en determinadas prcticas agrcolas, ya que los agricultores vierten grandes cantidades de abonos nitrogenados en los campos para poder mantener una produccin adecuada e incrementar las cosechas, la mayora de los cuales no son absorbidos por las plantas ni por los rboles, sino que se depositan en el suelo y, o bien van filtrndose hacia capas progresivamente ms profundas hasta que se concentran en las capas freticas, es decir, aquellas capas ms superficiales de los acuferos que son susceptibles de ser explotadas mediante pozos, o bien por escorrenta llegan hasta las aguas superficiales (Blancas, C 2001). Al ser captadas estas fuentes hdricas y ser trasladadas para consumo de los seres vivos, la presencia de este nitrato puede dar como resultado diferentes enfermedades peligrosas y mortales especialmente para la salud humana. La unidad de medida del nitrato es mg NO3-/L. Factor tratamiento: Como factor tratamiento se analizar los diferentes puntos donde se tomaron las muestras de la Microcuenca del Ro Purires. Estos datos se recolectaron de acuerdo a los protocolos con los que cuenta el CICA y que estn dentro del alcance de la acreditacin de los ensayos bajo la norma INTE ISO IEC 17025:2005. En estos tres diferentes puntos, se tomaron tres muestras de cada punto mensualmente durante la poca lluviosa y seca. Estos son tres puntos diferentes son: Zona alta: ubicada en la zona alta de Cartago cerca de la naciente del ro. Esta abastece el Acueducto Rural de El Guarco, de modo que esta zona es susceptible a la contaminacin microbiolgica y qumica. Zona de uso agrcola: en esta zona se localizan la mayora de las producciones agrcolas de la zona, siendo las ms importantes las plantaciones de plantas ornamentales (como flores o helechos para exportacin) cultivados bajo invernaderos. Estas plantaciones se ubican en las zonas bajas de la micro cuenca. Tambin se presenta en la zona, principalmente en las partes bajas de Tabln, Tobosi, Barrancas y Guatuso las plantaciones de caa,

legumbres y hortalizas. Adems se realizan concesiones mineras alrededor de Coris, Bermejo y Guatuso. El rea total de esta zona agrcola y minera es de 11,9%. Zona de uso urbano: El uso urbano ocupa 5 949 km2 del lugar. Estos se ubican cerca de la zona industrial y la mayor concentracin de poblacin en la zona. Estos asentamientos generan mltiples descargas de desechos y la contaminacin de la microcuenca. Cabe destacar que la mayora de la zona (el 67.5% de la superficie de la micro-cuenca) est cubierta por pastos y sectores reforestados. Adems los bosques as como la Zona Protectora de la Carpintera se ubican en las zonas altas, especialmente en las nacientes de los ros. Aspectos importantes En el presente proyecto, para la decisin de rechazo o aceptacin de las pruebas se utilizar un alfa de 0,05. Se utilizarn los programas estadsticos R Cran.

Eleccin del diseo experimental En las investigacin se desarroll un diseo experimental el cual consiste en un anlisis de un solo factor, para cada de las variables de respuesta, explicada por los tres puntos. Tratando de determinar la cantidad de microrganismos microbiolgicos y

fisicoqumicos que se encontraba en cada punto, para luego realizar una comparacin entre ellos. Se ajusta al problema pues se tiene un solo factor para determinar la cantidad de cada una de las variables estudiadas, en este caso es el punto de muestreo. Anlisis Estadstico Para la investigacin de la cuenta de del Ro Purires, se procedi a analizar los datos de las diferentes muestras. Para ello los investigadores del INISA tomaron mensualmente tres muestras en cada uno de los tres puntos de la Microcuenca, durante la poca seca y lluviosa, a partir del 2010. Finalmente, se lograron tomar 108 muestras.

Para cada muestra se analiz un perfil microbiolgico como la presencia de agentes virales como los colifagos, patgenos bacterianos como coliformes totales ,coliformes fecales, Escherichia coli, Eneterococcus fecalis, Enterococcus sp., Pseudomonas aeruginosa, Staphylococcus aureus, Colifagos somticos y Colifagos f+, y un perfil fisicoqumico completo como demanda biolgica de oxgeno o DBO, demanda qumica de oxgeno o DQO, slidos en suspensin, amonio, ph, demanda de oxigeno; metales como cadmio, plomo, nquel, zinc, cromo, arsnico y un no metales como fsforo y nitrato. Y algunos fsicos como la conductividad y temperatura. Inicialmente, se tiene ocho microbiolgicos y diecisis fisicoqumicos. Pero se realiz una seleccin microbiolgicos como coliformes fecales, Eneterococos fecalis y Escherichia coli; y tres fisicoqumicos como demanda biolgica de oxgeno, pH y nitrato. Para la investigacin se opt realizar un anlisis de varianza por cada variable de respuesta con respecto a cada punto de muestreo. Primeramente, se realiz la verificacin de supuestos de las variables, adems es importante mencionar que las muestras en cada punto son independientes. Anlisis de cada variable de respuesta Primeramente se realiz una investigacin preliminar en cada una de las variables, en la cual se realizaron grficos. En consecuencia de ese anlisis preliminar, en las diferentes variables tanto microbiolgicas como los fisicoqumicos se encontraron valores extremos, en este caso se le comunic a los investigadores del proyecto, donde ellos tomaron las decisiones pertinentes para seguir con el anlisis de las variables. Finalmente, para cada variable se tomaron diferentes medidas remediales para minimizar los diferentes problemas que se presentaban en las variables, en donde no se cumplieron los supuestos para realizacin del anlisis de variancia (ANDEVA).

1. Microbiolgicos. Para cada variable se realizo un anlisis de inspeccin grafica para identificar los posibles problemas que poda tener, as como de la distribucin de las variables por cada punto, a continuacin se muestra un grafico de cajas por cada variable.
Grfico 1. Matriz de grficos de caja por cada variable vrs punto
Coliformes Fecales vrs Punto E Coli vrs Punto Enterococcus Fecales vrs Punto

150000

4e+05

5e+05

100000

2e+05

Enterococcus Fecales

Coliformes Fecales

3e+05

E Coli

0e+00

1e+05

50000

2 Puntos de Muestreo

2 Puntos de Muestreo

50000

100000

150000

2 Puntos de Muestreo

Fuente: INISA En el figura 1 se observa que las tres variables presenta problemas de valores

extremos, adems tambin se logra distinguir problemas de heterocedasticidad (varianza desigual de los residuos) esto debido a que conforme se pasa del punto 1 al 2 y del 2 al 3 aumenta la variabilidad de dichas variables, para poder confirmar dichos problemas se acudi a los grficos de los residuales para evaluar los supuestos de la prueba de analisis de varianza, los supuestos para que este analisis tenga validez son los siguientes: los residuos se distribuyen normal, adems tienen varianza igual (homocedasticidad), por otro lado se sabe de ante mano que se cumple el supuesto de que las observaciones son independientes. (Ver anexos Figuras 1,2 y 3) En los grficos de evaluacin de supuestos se observa que en el grficos de residuales contra valores predichos que no existe igualdad de varianza de los residuos debido que se

observan patrones en forma de megfono, dado esto concluimos que no se cumplen el supuesto de homocedasticidad en ninguna de las variables microbiolgicas. Por otro lado en los grficos de probabilidad normal se observan gran cantidad de valores extremos en toda las variables, estos valores causan el no cumplimiento del supuesto de normalidad, as mismo se confirma que estos tienen influencia sobre el analisis de varianza por lo tanto pueden concluirse que son valores atpicos los cuales se deben corregir puesto que estos pueden ser los causantes de la heterocedasticidad y de la violacin del supuesto de normalidad. Se realizaron diversas medidas remediales como transformaciones pero no se logro correccin algn, debido a estos hubo diversas reuniones con el encargado de la investigacin para saber que decisin tomaban ellos para tratar este tipo de valores, se llego a la conclusin de que se eliminaran las 18 primeras observaciones referentes a los meses de setiembre y octubre del ao 2011, esto debido a que en estos meses se presento un problemas en el laboratorio con el analisis de las muestras tomadas en el rio. Tambin se decidi como medida remedial obtener un promedio de cada punto sin los valores extremos, y sustituir los valores extremos de cada punto por su promedio correspondiente. Luego realizar todas estas acciones se volvi a realizar la evaluacin de supuestos para ver si se haban corregido. Ante esto se analizara cada variable respuesta por separa debido a que a cada una de ellas se realizo una medida remedial particular.

Coliformes Fecales Como se menciono antes se realizo un procedimiento el cual fue sustituir los valores extremos por el promedio del punto de muestra sin dichos valores, despus de esto se procedi a realizar la inspeccin grafica del cumplimiento de los supuesto.

Grfico 2. Matriz de grficos de evaluacin de supuestos con la correccin de valores extremos

Fuente: INISA Como se visualiza en el Grfico 2, los problemas heterocedasticidad, falta de normalidad no se corrigen y por el contrario con la correccin de los valores extremos lo que sucede es que aparecen nuevos valores extremos por lo tanto se vuelve a realizar de nuevo la correccin de valores extremos saldrn nuevos valores lo cual presenta un problema el cual no tendra fin. Dado esto se decide volver a probar con una trasformacin. La transformacin que surge efecto segn el mtodo de box cox es el logaritmo natural. A continuacin se mostrara la evolucin de supuestos con dicha transformacin.

Grfico 3. Matriz de grficos de evaluacin de supuestos con la correccin de valores extremos y la transformacin ln

Fuente: INISA Con la transformacin se ve claramente en el grafico de residuales contra valores predichos que corrige el problema de heterocedasticidad, as como los problemas de valores atpicos puesto que todos los valores se encuentran entre -3 y 3 desviaciones estndar. (Ver grafico de residuos estandarizados contra los puntos de muestra). Uno de los supuestos donde no hay completa seguridad de afirmar que se cumpla por medio del analisis grafico es el de normalidad, por lo tanto se recurre la prueba formal de normalidad de Shapiro-Wilk, dicha prueba nos confirma que los residuos se distribuyen normal. (P-value 0,112>0,05) Salida 1. Prueba de normalidad Shapiro Wilk Shapiro-Wilk normality test Data: modln$residuals W = 0.9771, p-value = 0.112

Dado que ahora se tiene plena seguridad que la variable transformada cumple los supuestos para la realizacin del analisis de varianza se procedi a realizar dicho analisis el cual se muestra en la siguiente tabla. Tabla 1. Analisis de varianza, variable coliformes fecales gl SC CM F Valor p Punto 2 205.32 102.66 154.3 <2e-16 *** Residuos 87 57.88 0.67 Total 89 263.20 2.96 Fuente: INISA De acuerdo con el analisis de varianza anterior se puede concluir con una confianza del 95% que hay suficiente evidencia estadstica para rechazar que los puntos de muestra son iguales, esto pues el valor p es menor al nivel de significancia (p-value 2e-16<0,05).

Partiendo de que hay diferencias entre los puntos es importante realizar comparaciones mltiples entre los puntos para saber cual(es) punto(s) son los diferentes, para identificar estas diferencias se opto por utilizar la prueba de comparaciones mltiples de medias de Tukey la cual se muestra a continuacin. Salida 2. Prueba de comparacin mltiple de medias de Tukey Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = lncolifeca ~ pmuestra) Diferencia Inferior Superior 2.390473 1.8883055 2.89264 3.640708 3.1385408 4.142876 1.250235 0.7480679 1.752403 p adj 0.00E+00 0.00E+00 2.00E-07

2-1 3-1 3-2

Con lo observado en la salida 2 podemos concluir que con un nivel de confianza del 95% que existen diferencias en la cantidad media de coliformes fecales en los tres puntos de la toma de muestra. En conclusin y con lo visto en los grficos iniciales se puede afirmar que conforme se desciende por la cuenca del rio Purires se encuentra mayor cantidad de coliformes fecales y que la diferencia de un punto a otro es estadsticamente significativa. Una explicacin a este

fenmeno es que el punto uno es una zona de poca actividad humana y por lo tanto los valores de coliformes fecales son menores, en comparacin con el punto dos donde se encuentra un asentamiento urbano. Por otro lado punto tres es el que presenta valores altos de coliformes fecales puesto que es el ltimo punto rio abajo, en esta zona se encuentra un grupo de industrias y adems es el punto donde vienen a dar todos los residuos de las dems zonas del rio. Escherichia coli Igualmente con los coliformes fecales se encontraba una violacin a los supuestos (Ver anexos Figura 2), se sustituy los valores extremos por el promedio del punto de muestra sin dichos valores, luego se procedi a efectuar los grficos para el cumplimiento de los supuestos.
Grafico 4. Matriz de grficos de evaluacin de supuestos con la correccin de valores extremos.

Fuente: INISA Como se observa en el grafico 4, existe incumplimiento de homocedasticidad y falta de normalidad, al igual que en coliformes fecales, no se corrige y se sigue el problema con la correccin de los valores extremos, se descubren nuevos valores extremos. Lo cual se procede a realizar una trasformacin a la variable. Segn el mtodo de box cox la transformacin

apropiada es logaritmo natural. Seguidamente se analizaran los supuestos, con la transformacin que se le realiz a la variable. Grafico 5. Evaluacin de supuestos con transformacin

Fuente: INISA Se ve en el grafico Normal Q-Q , que con la transformacin logartmica se corrige el problema de normalidad, por lo tanto se recurre la prueba formal de normalidad de ShapiroWilk, para la confirmacin de dicho supuesto. Adems, los valores atpicos se encuentran en el intervalo deseado entre -3 y 3, lo cual indica que no hay problema con esos valores (Ver grafico de residuos estandarizados contra los puntos de muestra). Con respecto a la homocedasticidad, en el grfico de residuales contra valores predichos se observa que levemente le supuesto se cumple, como no hay una completa seguridad observacional en el grfico, se realiza la prueba formal Bartlett, ya que se cumple la normalidad de la variable.

Salida 3. Prueba de normalidad Shapiro Wilk Shapiro-Wilk normality test data: modln2$residuals W = 0.9814, p-value = 0.2243 Salida 4. Prueba de homocedasticidad Bartlett Bartlett test of homogeneity of variances data: lnecoli by pmuestra Bartlett's K-squared = 3.6341, df = 2, p-value = 0.1625

Ejecutando las pruebas formales, con la prueba Shapiro-Wilk

se confirma el

cumplimiento de normalidad de la variable E. coli (p-value 0,2243>0,05). Adems, se realiza la prueba Bartlett para la igualdad de variancias, dando como resultado la aprobacin del supuesto de homocedasticidad (p-value 0,1625>0,05). Por tanto, se tiene el cumplimiento de ambos supuestos. Ahora, se procede a ejecutar el anlisis de variancia de la variable. A continuacin se presenta el resultado: Tabla 2. Anlisis de variancia, variable E. Coli F.V. Punto Residuos Fuente: INISA gil 2 87 SC 201.63 61.82 CM 100.82 0.71 F 141.9 Valor P <2e-16 ***

De acuerdo con el anlisis de varianza descrito anteriormente, con un 95% de confianza que hay suficiente evidencia estadstica para rechazar que los puntos de muestra son iguales, (p-value 2e-16<0,05). Como hay diferencias de la variable E. Coli entre los puntos de muestreo, es importante ejecutar las comparaciones mltiples entre los puntos, para conocer estas diferencias se procedi a utilizar la prueba no paramtrica de comparacin de medias de Tukey la cual se muestra a continuacin. Salida 5. Prueba de comparacin mltiple de medias de Tukey Tukey multiple comparisons of means 95% family-wise confidence level

Fit: aov(formula = lnecoli ~ pmuestra) Diferencia Inferior Superior p adj 2-1 2.403941 1.8849719 2.92291 0.00E+00 3-1 3.59936 3.0803906 4.118329 0.00E+00 3-2 1.195419 0.6764496 1.714388 1.20E-06 Se concluye con un nivel de confianza del 95% que existen diferencias en la cantidad media de E. Coli en los tres puntos de la toma de muestra. Al igual que los coliformes fecales, se afirma que conforme se desciende por la cuenca del rio Purires se presenta un aumento en la cantidad de E. Coli. Adems, es evidente que la diferencia de un punto a otro es significativa. Enterococcus Fecales Al igual que las dems variables del rea microbiolgica se sustituyeron los valores extremos por el promedio del punto de muestra sin dichos valores, para despus hacer el anlisis de los residuos con el fin de observar si cumplen todos los supuestos para la realizacin del ANOVA. Como se visualiza (Ver Anexos Figura 3), se presentan problemas heterocedasticidad, de no normalidad. Adems es importante destacar que con la correccin de los valores extremos lo que sucede es que aparecen nuevos valores extremos, este problema es el mismo que han presentado las variables anteriores, por lo tanto se toma la decisin de realizar una transformacin, la mas adecuada para el comportamiento de los datos es el logaritmo natural, adems esta transformacin se confirmo por medio de mtodo de box cox. A continuacin se mostrara el efecto de la transformacin y como esta ayuda con el problema de heterocedasticidad.

Grafico 6. Enteroccocus fecalis, Evaluacin de supuestos con la transformacin

Fuente: INISA En el grafico de residuales contra valores predichos se observa como el logaritmo natural corrige el problema de heterocedasticidad, sin embargo la violacin al supuesto de normalidad esta latente, debido a que en el grafico de probabilidad los residuos no se ajustan a la lnea normal. Debido a la violacin del supuesto normalidad se procede a realizar la prueba no paramtrica de Kruskal Wallis la cual es la homologa del ANOVA cunado no se cumplen el supuesto de normalidad, esta prueba se muestra en la salida 6. Salida 6. Prueba de Suma de Rangos de Kruskal Wallis Kruskal-Wallis rank sum test data: lnenetefeca by pmuestra Kruskal-Wallis chi-squared = 54.9483, df = 2, p-value = 1.17e-12

De acuerdo con esta prueba se puede concluir con una confianza del 95% que hay suficiente evidencia estadstica para rechazar que los puntos de muestra son iguales, esto pues el valor p es menor al nivel de significancia (p-value 1.17e-12<0,05). Partiendo de que hay diferencias entre los puntos es importante realizar comparaciones mltiples entre los puntos

para saber cual(es) punto(s) son los diferentes. Dado que se utilizo una prueba no paramtrica se tienen que usar prueba que se concordante con la utilizada, para nuestro caso se utilizaron dos pruebas las cuales son: la Prueba de Dunn y la Prueba de Comparaciones Mltiples de Sumas de Rangos de Wilcoxon. Estas pruebas sern explicadas de forma breve mas adelante. Para ambas pruebas se utilizo un nivel de significancia de 0.0166, este se obtuvo dividendo el alfa de 0.05 entre el nmero de comparaciones (para nuestro caso es 3). En los tabla 3 y 4 se muestran dichas pruebas. Tabla 3. Prueba de Comparaciones Mltiples Comparaciones 1-2 1-3 2-3 Fuente: INISA W 88 28 167.5 P-Value 7.07e-08 3.466e-10 2.926e-05

Tabla 4. Prueba de comparaciones mltiples de Dunn Diferencia de los Rangos Medios -28.73 -20.93 -49.66 Fuente: INISA Estadstico de Prueba -10.79505 -10.79505 -10.79505

Con lo observado en ambos cuadros con un nivel de confianza del 98.33% se puede concluir que existen diferencias la presencia de Enterococcus fecales en los tres puntos del rio. Este resultado ha sido una constante a lo largo de todo el anlisis de las variables microbiolgicas, pues como se haba explicado en las coliformes fecales esto se debe que el punto uno es una zona de poca actividad humana en comparacin con el punto dos donde se encuentra un asentamiento urbano, y adems en punto tres es el ltimo punto rio abajo, y sumado a esto en la zona se encuentra un grupo de industrias.

1. Fisicoqumicos Como se mencion anteriormente se encontraron valores extremos, al igual que las variables microbiolgicas se procedi calcular un promedio de cada punto sin los valores extremos, y sustituir los valores extremos de cada punto por su promedio correspondiente. Al igual que las variables microbiolgicas, se volvi a efectuar la evaluacin de los supuestos para cada variable para la verificacin de normalidad y homocedasticidad, y observar si los problemas se haban corregido. Es importante mencionar que como las variables fisicoqumicas son ms estables con respecto a las variables microbiolgicas, y adems no hubo ningn problema con las muestras como sucedi en las variables microbiolgicas, es por eso que en estas variables se decidi no excluir los datos referentes a los meses de setiembre y octubre del ao 2011. Para cada variable se realizo un anlisis de inspeccin grafica para identificar los posibles problemas que poda tener, as como de la distribucin de las variables por cada punto, a continuacin se muestra un grafico de cajas por cada variable.
Grfico 7. Matriz de grficos de caja por cada variable vrs punto

Fuente: INISA

Para estas variables, primeramente se realiz un anlisis preliminar con los grficos de cajas con respecto a cada punto, esto con el fin de observar valores extremos y conocer la variabilidad de la demanda bioqumica de oxgeno, pH y nitrato en cada punto. En las variables fisicoqumicas, la demanda bioqumica de oxigeno y nitrato, se observa que el supuesto de homocedasticidad se incumple, ya que la amplitud de las caja es diferente en cada punto de muestreo. Adems en la demanda bioqumica de oxigeno se notan valores extremos, siendo posiblemente atpicos. Por el contrario en la variable nitrato, no se hayan valores extremos en cada punto. Especficamente en la variable pH se observa un valor extremo el punto 1, note que la tamao de las cajas es similar en cada uno de los punto, por lo tanto puede ser que no hay problemas de heterocedasticidad. Demanda bioqumica de oxigeno
Como se indic se realiz un anlisis preliminar de la variable, por tanto se utiliz el anlisis grfico. En el grfico de residuales contra predichos, se observa una forma de cono conforme aumentan los predichos aumenta la variabilidad de los residuales; es decir el supuesto de homocedasticidad se rechaza. Con el grfico Normal Q-Q, se observa que no hay un patrn definido en los datos, es decir el supuesto de normalidad se incumple. Ahora, en el grfico de residuos estandarizados contra los

puntos, se confirma un valor atpico especficamente en el punto 3. (Ver anexos Figura 4) Es por ello que se realizaron medidas remediales con los valores extremos; primeramente se calcula el promedio de los valores de demanda bioqumica de oxigeno en el punto 3, sin el valor atpico. El valor atpico se sustituy por el promedio anteriormente calculado.

Grfico 8. Matriz de grficos de evaluacin de supuestos con la correccin de valores extremos

Fuente: INISA Luego, para corregir el problema de los supuestos de normalidad y homocesdaticidad, se decidi utilizar la transformacin de Box-Cox, el cual di como resultado un valor de -0,74. Aplicando la transformacin correspondiente, se evalan nuevamente los supuestos, realizando los siguientes grficos:
Grfico 9. Matriz de grficos de evaluacin de supuestos con la correccin de valores extremos y la transformacin

Fuente: INISA

Note que en el grfico de residuales contra predichos, el supuesto de homocedasticidad se cumple, pues no se observa ningn patrn definido de los datos. Luego, con el supuesto de normalidad se incumplen puesto que los datos no se ajustan a un patrn de la lnea de normalidad. Salida 7. Prueba de normalidad Shapiro Wilk Shapiro-Wilk normality test data: model1t$res W = 0.9215, p-value = 0.01395 Para confirmar la homocedasticidad en la demanda bioqumica de oxigeno, se realiza la prueba de Barttlet, dando como resultado el no rechazo del supuesto. (Pvalue 0,1852>0,05).

Salida 8. Prueba de homocedasticidad Bartlett Bartlett test of homogeneity of variances data: dbo^-0.685149 by punto Bartlett's K-squared = 3.373, df = 2, p-value = 0.1852 Como el supuesto de normalidad se rechaza, se decide aplicar el mtodo no paramtrico de Kruskall - Wallis, dando como resultado que el punto de muestreo no es significativo en la demanda bioqumica de oxigeno. (P-value 0,1316>0,05).

Salida 9. Prueba de Kruskall Wallis Kruskal-Wallis rank sum test data: dbo^-0.685149 by punto Kruskal-Wallis chi-squared = 4.0563, df = 2, p-value = 0.1316

pH Para la variable pH, se realiz un anlisis grfico preliminar, pero como no violaba los supuestos de una manera abrupta. No se realiz ninguna transformacin y ningn cambio en los valores extremos ya que no se ameritaba.

A continuacin se muestra el anlisis de supuestos: Grfico 10. Matriz de grficos de evaluacin de supuestos

Fuente: INISA Se ve que le valor extremo no es un valor atpico ya que se encuentra en el rango aceptable de -3 a 3, en el grfico de residuos estandarizados contra los puntos. Adems, en el grfico de Normal Q-Q los datos no se ajusta adecuadamente a la lnea de normalidad, por tanto el supuesto se rechaza, como el grfico no se observa muy evidente la no normalidad, se opt por la realizar la prueba de Shapiro, dando como resultado el rechazo del supuesto. (p-value 0,04677<0.05). Luego, el grfico de residuales contra predichos no hay un patrn definido, confirmando as el supuesto de homocedasticidad. Salida 10. Prueba de normalidad Shapiro Wilk Shapiro-Wilk normality test data: model2$res W = 0.9388, p-value = 0.04677

Como el supuesto de normalidad se incumple, se realiza el mtodo no paramtrico Kruskall- Wallis, se confirma que hay diferencias entre los puntos con respecto al pH. (p-value 0,001845 < 0,05).

Salida 11. Prueba de Kruskall Wallis Kruskal-Wallis rank sum test data: ph by punto Kruskal-Wallis chi-squared = 12.59, df = 2, p-value = 0.001845 Con ese resultado se opta por realizar comparaciones mltiples entre los puntos mediante la prueba Tukey. Con el siguiente grfico, donde se refleja los puntos pares contra las diferencias en promedio con los niveles de cada punto.

Grfico 11. Prueba de Tukey, diferencia de medias en cada par de puntos

Fuente: INISA Se observa que la comparacin del punto 1 y el punto 2, el intervalo de la diferencia de las medias de cada punto contempla el 0, mientras que las comparaciones entre el punto 3 y punto 1, y adems los pares punto 3 y punto 2, los intervalos se excluye el 0, es decir la cantidad de pH en el punto 3 es significativa comparada con los dems puntos. Nitrato Igualmente se ejecut un anlisis grfico preliminar de la variable, se no visualizaron problemas en la normalidad, pues los valores se ajustaban a la lnea de normalidad. Con respecto a la homocedasticidad, esta se incumple, ya que se visualiza un patrn de cono en el grfico de residuales contra valores predichos. Adems, no se observan valores extremos. (Ver Anexos)

Como medida remedial, igual se realiz una transformacin para mejorar los problemas de heterocedasticidad con el mtodo box cox el cual indic un valor de 0,3979. A continuacin el anlisis de supuestos despus de ejecutar las medida remedial:
Grfico 12. Matriz de grficos de evaluacin de supuestos con la transformacin

Fuente: INISA Se puede contemplar, que en grfico de residuales contra predichos presenta una forma de cono, por tanto se rechaza homocedasticidad. En grfico Normal Q-Q, se observa que los datos se encuentran en la lnea de normalidad, es decir el supuesto se cumple. Finalmente, en el grfico de residuos estandarizados contra los puntos, no se presentan valores extremos.

Salida 12. Prueba de normalidad Shapiro Wilk Shapiro-Wilk normality test data: model3t$res W = 0.9568, p-value = 0.1711 Salida 13. Prueba de homocedasticidad Bartlett Bartlett test of homogeneity of variances data: dbo^0.3979999 by punto Bartlett's K-squared = 12.7539, df = 2, p-value = 0.001700

Como el supuesto de normalidad se cumple, pero se presenta heterocedasticidad, es por ello que se opta por realizar la prueba Welch, dando como resultado que la cantidad de nitrato es diferente con respecto a cada punto de muestreo. (p-value 1,08e-06<0,05). Salida 14. Prueba Welch One-way analysis of means (not assuming equal variances) data: nitra and punto F = 30.6538, num df = 2.000, denom df = 19.128, p-value = 1.082e-06

Para la comparacin mltiple entre los puntos, se realiza Tukey, y se confirma con un 95% de confianza que el punto 3 difiere en la cantidad de nitrato con respecto a cada punto.

Grfico 13. Prueba de Tukey, diferencia de medias en cada par de puntos

Fuente: INISA Al igual que la variable pH, se observa que la comparacin del punto 1 y el punto 2, el intervalo de la diferencia de las medias de cada punto contempla el 0, mientras que las comparaciones entre el punto 3 y punto 1, y adems los pares punto 3 y punto 2, los intervalos se excluye el 0, es decir la cantidad de nitrato en el punto 3 es significativa comparada con los dems puntos.

Anlisis en caso de la presencia de heterocedasticidad: Pruebas no paramtricas y otros medios Basados en el artculo de Karl Moder, se realiz un anlisis de algunos mtodos que se utilizan en el campo experimental cuando se da la presencia de la desigualdad de varianzas. La heterocedasticidad se ha considerado un serio problema a la hora de realizar un anlisis de variancia, especialmente en diseos desequilibrados. Cuando no se cumple la homocedasticidad, la prueba t y la F tienen a no rechazar la hiptesis de igualdad de variancias, es decir superan el valor nominal de alfa; dependiendo de si el diseo es balanceado o no, el nmero de observaciones y el nmero de niveles de cada factor. Se han recomendado diferentes soluciones como:

i.

Mantener la tasa de error tipo I por debajo del nivel del 5% seleccionando un nuevo valor crtico de F a un nivel de significancia ms estricto. Esto no es apropiado ya que se pierde potencia de la prueba y el nivel de alfa no se mantiene en muchas situaciones.

ii.

Utilizar transformaciones como raz cuadrada, logaritmo, arsen, para normalizar las distribuciones. Esto no conduce a varianzas homogneas, sino que las pruebas de homocedasticidad no lo suficientemente potente como para encontrar significancia.

iii.

Utilizar mtodos robustos para el anlisis. Una opcin es la prueba de Welch que mantiene la tasa de error tipo I, a pesar de la heterocedasticidad.

iv.

Utilizar pruebas no paramtricas, como Kruskall-Wallis.

En el artculo se examinaron estos mtodos mediante el proceso de simulacin para determinar cual es el ms adecuado para cuando se presenta la desigualdad de varianzas. Basados en esas recomendaciones escogieron siete diferentes tipos de mtodos de anlisis:

1. Prueba F para anlisis de varianzas como mtodo estndar.

2. Prueba de Welch para ms de dos muestras. La prueba de Welch es considerada en muchos paquetes estadsticos como la opcin adecuada para cuando haya problema de heterocedasticidad. 3. ANOVA ponderado disponible en SAS basado en la aproximacin Satterthwaite en anlisis con varias repeticiones. 4. Prueba de Kruskal-Wallis. 5. Prueba de permutaciones usando el estadstico F (implementado en paquete de R coin) 6. Prueba de permutaciones basado en Kruskall-Wallis. 7. Tipo especial de la T cuadrada de Hotelling. Esta es usada en diseos balanceados con muchas observaciones por grupo de cada nivel del factor.

Para este anlisis de simulacin se utilizaron 100 000 datos con distribucin normal y se desarrollaron los siete mtodos en diseos balanceados y en diseos desbalanceados excluyeron la prueba de T cuadrada de Hotelling. Los niveles de cada factor van entre 3 y 20, de 3 a 30 observaciones y la desviacin entre 1 y 3. Grfico 14. Significancia emprica para 5 niveles de un factor y 5 observaciones cada uno con un rango de

Fuente: Alternatives to F-Test in One Way ANOVA in case of heterogeneity of variances (a simulation study) En el grfico 1 se observa el error emprico tipo I comparada con un alfa nominal de

0,05. Se tienen 5 niveles de cada factor, 5 observaciones por muestra y las desviaciones con una relacin de 3:1:...:1. Para los mtodos de Kruskall-Wallis y T cuadrada de Hotelling, ambos mantienen el alfa nominal de 0,05. Los otros mtodos exceden este valor en ms del 8,6%; teniendo el peor ajuste la prueba F de ANOVA estndar y la prueba de permutaciones con el estadstico F. Welch est dentro del 20% de tolerancia, esta puede ser apropiada para esta situacin en especfico. Grfico 15. Significancia emprica para 5 niveles de un factor y 5 observaciones cada uno con un rango de

Fuente: Alternatives to F-Test in One Way ANOVA in case of heterogeneity of variances (a simulation study) En el grfico 2 se presentan la misma situacin del grfico 1 a diferencia de que se tom un alfa nominal de 0,01. En este caso se observan resultados similares al grfico 1: la prueba de Kruskall-Wallis tiende a ser conservador y la prueba t cuadrado de Hotelling es el nico mtodo que mantiene el alfa nominal exacto. La prueba de t cuadrado de Hotelling puede ser usada en situaciones donde el nmero de observaciones por muestra es al menos el nmero de niveles de factor. Esto porque no hay programa que pueda calcular la densidad acumulada de la funcin t cuadrada directamente,

por lo tanto se utiliza una aproximacin con la funcin F. Para esta prueba especfica esto restringe el nmero de niveles de factor al nmero de observaciones al mximo. Teniendo disponibles tablas t cuadrado no se tendra esta limitacin. An en situaciones con estrecha relacin de desviaciones estndar, la prueba F y la prueba de permutaciones con este estadstico no mantienen el alfa nominal. Cuando tenemos diseos balanceados, la prueba de Welch no es apropiada en situaciones cuando el nmero de factores es mayor, especialmente con tamaos de muestra pequea. El anlisis por mnimos cuadrados ponderados no es muy apropiada en la mayora de situaciones. Adems, la prueba de Kruskall-Wallis es muy conservadora si el tamao de muestra es ms pequeo o igual al nmero de niveles de factor. Raramente esto tambin ocurre en la prueba oneway-test, especialmente en diseos de bloques. La prueba de permutaciones utilizando el estadstico de Kruskall-Wallis excede el alfa nominal en forma tolerable. La prueba t cuadrado de Hotelling es mejor aunque parece ser conservadora en varias situaciones, como en muestras pequeas. Esto puede darse por utilizar la aproximacin con la funcin F. La prueba de Kruskall-Wallis para niveles pequeos de factor el clculo exacto de probabilidad lleva a tener un error tipo I mayor al esperado. Usando pruebas de permutacin con pequeos tamaos de muestra y alto nmero de permutaciones es problemtico porque hay un nmero bastante pequeo de reorganizacin de los datos, la probabilidad de crear todos los datos posibles es varias veces ms alta. En el caso de diseos desbalanceados, Box dice que la influencia de la heterocedasticidad es mucho mayor en diseos desbalanceados que balanceados. En este estudio se confirm lo dicho. Para pequeos nmero de niveles del factor ningn mtodo mantiene un alfa nominal. Las pruebas de Welch y ANOVA ponderado se comportan mejor en esta situacin pero con mayor nmero de niveles de factor, los resultados se ponen peor. La prueba de Kruskall-Wallis vuleve mejor para mayor nmero de niveles de factor pero cuando aumenta el nmero de observaciones el problema se pone peor.

Para este caso, ningn mtodo es apropiado con la presencia de heterocedasticidad, dando como afirmacin que a un tamao de ms grande de muestra no corresponde a una mayor varianza. Cuando hay gran diferencias entre las desviaciones estndar, con gran nmero de observaciones y el nmero de niveles de factor es pequeo, todos los mtodos trabajan bien. Tan pronto como aumenta el nivel de los factores slo un mtodo es apropiado: la prueba de permutaciones con el estadstico Kruskall-Wallis; pero esta prueba se vuelve conservadora si el nmero de observaciones aumenta. La estrategia de probar utilizando estos mtodos no es usado por la baja potencia que presentan estas pruebas. Por tanto, ante las sospechas de heterocedasticidad, se puede aplicar la prueba t cuadrado de Hotelling. En el caso de diseos desbalanceados, se debe buscar el mtodo que mejor se adapte a cada situacin especfica.

Kruskal Wallis: Pruebas De Comparaciones Mltiples No Paramtricas A Posteriori Cuando realiza la prueba de anlisis de varianza no paramtrica como la prueba de Kruskal Wallis se tiene como objetivo observar si las medianas de los grupos a comparar son diferentes, si la prueba confirma que son diferentes surge la duda de qu prueba de comparaciones mltiples utilizamos, este problema es muy comn puesto que la mayora estudios los residuos no se distribuyen normal , adems las medidas remediales existen no ayudan a la solucin de este tipo de problemas, por otro lado cabe resaltar que en el mbito acadmico no se presta mucho nfasis a este tipo de pruebas. Ante esta situacin se realizo una revisin bibliogrfica para ver cuales pruebas de comparaciones mltiples son las ms utilizadas en el mbito estadstico, segn diversos autores (Gibbons, 1986 ; Leach, 1979; Garca et al, 2007) hay dos pruebas las cuales son: la prueba de comparacin mltiple de Dunn y la prueba de Sumas de Rangos de Wilcoxon.

Prueba de Comparaciones Mltiples De Suma De Rangos De Wilcoxon.1 Es la prueba no paramtrica homologa a la prueba t para anlisis paramtricos, esta prueba es la misma que se ve en los cursos de mtodos estadsticos. La prueba de suma de rangos de Wilcoxon lo que busca es probar que la distribucin de las frecuencias de la medidas originales es la misma para los grupos considerados, o por el contrario que no existen diferencia entre los grupos (Guterrez, 2010). La nica diferencia con la prueba de Suma de Rangos de Wilcoxon es el alfa o nivel de significancia utilizado, debido que al hacer comparaciones mltiples este se divide entre el nmero de comparaciones mltiples a realizar

causando que la prueba se vuelva muy conservadora (la

probabilidad de cometer error tipo 1 es muy baja). Como el objetivo de este trabajo no es explicar cmo se realiza la prueba, se remite al lector al libro Introduction to Statistics: a Nonparametric Approach for the Social Sciences pgina 160 de John Wiley. Prueba de Comparaciones Mltiples De Dunn Esta prueba es similar a la prueba Tukey para ANOVA y se utiliza para comparar los grupos entre si cuando no se cumplen los supuestos de normalidad y heterocedasticidad. Se dice que los grupos son diferentes si la diferencia absoluta de rangos (los mismos utilizados en la prueba anterior) medios son mayores al estadstico de prueba, por lo tanto la regin crtica se define como (Dunn, 1964):

Por lo tanto, si se cumple la condicin anterior estaramos rechazando la hiptesis nula de igualdad de medianas de los grupos comparados. Al igual que la prueba de Suma de

Como el objetivo de este trabajo no es explicar cmo se realiza la prueba, se remite a lector al libro Introduction to Statistics: a Nonparametric Approach for the Social Sciences pgina 160 del autor John Wiley.

Rangos de Wilcoxon, esta prueba es altamente conservadoras puesto que divide la probabilidad de cometer error tipo I entre el total de comparaciones a realizar. Conclusiones y Recomendaciones Al finalizar el presente proyecto se puede realizar las siguientes conclusiones: Las variables microbiolgicas presentan valores extremos y mucha variabilidad en cada una de ellas, debido a su naturaleza. La presencia de coliformes fecales, Escherichia coli y Enterococcus fecales es diferente dependiendo del punto del cauce de la cuenca hidrogrfica Purires. En el punto ms cercano a la desembocadura del cauce, se da la mayor presencia de estos agentes microbiolgicos. Esto puede deberse al alto grado de contaminacin al que es sometido durante el recorrido por la zona residencial e industrial. En los otros puntos donde se tomaron las muestras tambin hay diferencia en la presencia de estos agentes. En el caso de los agentes qumicos, la demanda bioqumica de oxgeno no depende del punto donde se tome la muestra en el ro Purires. Es decir, la presencia de este no se debe al lugar del cauce. La presencia de pH y nitrato es significativa al punto donde se tome la muestra de agua del cauce Purires. Especficamente, el punto al finalizar la zona industrial presenta mayor presencia de estas sustancias. Al igual que los agentes microbiolgicos esto puede deberse a un grado de contaminacin mayor en la zona. Se recomienda que para un futuro anlisis de estos datos, se realice un trabajo mayor con la presencia de profesionales en el rea de diseos experimentales. En el caso del anlisis para cuando hay presencia de heterocedasticidad se puede concluir: La prueba F estndar utilizada en el anlisis ANOVA es inadecuada cuando se presenta heterocedasticidad. La prueba t cuadrado de Hotelling mantiene el alfa nominal exacto en todas las situaciones de diseos balanceados. En algunos casos puede ser conservadora, esto puede deberse a su aproximacin mediante la funcin F.

 La prueba Kruskall-Wallis no excede el alfa nominal en algunas situaciones pero es muy conservadora. Las pruebas de permutaciones no son una solucin para la heterocedasticidad, especialmente la que utiliza el estadstico F. La prueba de Welch puede ser til para pequeos niveles de factor pero inadecuada para ms de 2 o 3 niveles. La prueba de SAS, ANOVA ponderado, no es recomendable. Para la presencia de heterocedasticidad, slo el mtodo t cuadrado de Hotelling es el ms adecuado.

Bibliografa

Arias, M., Antilln, F., Chaves, C., Villalobos, L. (2008). Microbiologa de aguas y alimentos: principios y prcticas de laboratorio. San Jos: Editorial UCR. pp 19. Blancas, C., Hervs, M. (2001) Manuales de Salud Ambiental. Contaminacin de las aguas por nitratos y efectos sobre la salud. Consejera de Salud.Ttulo IV. Serie WA 754. pp 25 Dunn, O. J. (Agosto de 1964). Multiple Comparisons Using Rank Sums. Technometrics, Vol.6(No.3), 241-252. Forbes, B., Sahm, D., Weissfeld, A. (2009). Diagnstico microbiolgico. Buenos Aires: Mdica Panamericana. 12 ed. pp. 268. Garca, S., Molina, D., Lozano, M., & Herrera, F. (2007). Un estudio experimental sobre el uso de test no paramtricos para analizar el comportamiento de los algoritmos evolutivos en problemas de optimizacion. Universidad de Granada. Gibbons, J. D. (Agosto de 1986). Nonparametric Methods for Quantitative Analysis. Technometrics, Vol. 28(No.3), 275-277. Goyenola, G (2007), Gua para la utilizacin de las Valijas Viajeras, Determinacin del pH. Red de Monitoreo Ambiental Participativo de Sistemas Acuticos, RED MAPSA. Guterrez Espeleta , E. (2010). Analisis con dos variables o dos grupos de datos: Prueba de rangos de Wilcoxon. En Mtodos Estadsticos para las Ciencias Biolgicas (pgs. 6869). Heredia: Editorial Universidad Nacional. Leach, C. (1979). Test for Several Independent Samples- Categorical Explanatory Variable: Multiple Comparisons Using the Rank Sum Test. En Introduction to Statistics: a Nonparametric Approach for the Social Sciences (pgs. 160-166). New York: John Wiley & Sons. Len, C. (2009). Estandarizacin y validacin de una tcnica para medicin de la demanda bioqumica de oxgeno por el mtodo respiromtrico y la demanda qumica de oxgeno por el mtodo colorimtrico. Pereira: Universidad Tecnolgica de Pereira. pp 2. Meng, J., Feng, P., Doyle, M. (2001). Pathogenic Escherinchia coli. F. Pouch y K. Ito (Eds.). Compendium of methods for the microbiological examination of food. Washington: APHA. pp.331-336.

Moder, K. (2010). Alternatives to F-Test in One Way ANOVA in case of heterogeneity of variances (a simulation study). Psychological Test and Assessment Modeling. Volumen 52 (4), pp. 343-353. Pascual, M. y Caldern, V. (2000). Microbiologa alimentaria: metodologa analtica para alimentos y bebidas. Madrid: Editorial Das y Santos. pp. 17.

Anexos
Figura 1. Coliformes Fecales, Matriz de grficos de evaluacin de supuestos

Fuente: INISA

Figura 2. E Coli, Matriz de grficos de evaluacin de supuestos

Fuente: INISA

Figura3. Enteroccocus fecalis, Matriz de grficos de evaluacin de supuestos

Fuente: INISA

Figura 4. Demanda Bioqumica de Oxigeno, Matriz de grficos de evaluacin de supuestos

Fuente: INISA

Figura 5. Nitrato, Matriz de grficos de evaluacin de supuestos

Fuente: INISA