Fase 5: Análisis descriptivo de la información

Dentro de esta etapa se analizaron los datos obtenidos a través de un enfoque estadístico mediante medidas descriptivas y gráficas de acuerdo a la naturaleza de los datos obtenidos (p.ej., medidas de tendencia central y dispersión). Adicionalmente, se establecieron intervalos de confianza para cada uno de los parámetros de evaluación del lixiviado, lo que permitió identificar el rango en el cual se pueden presentar las concentraciones de cada uno de éstos. Para establecer los intervalos de confianza se tuvo en cuenta el Decreto 1594 de 1984 y la Resolución 631 de 2015, en los cuales se establece los parámetros y valores máximos permisibles en los vertimientos a aguas superficiales; además de los parámetros establecidos por la Directiva 1999/31/CE del Consejo, de 29 de abril de 1999, relativa al vertido de residuos para España.

53

Realizando la prueba de Kolmogorov-Smirnov se identificó que los datos se ajustan a una distribución normal y son continuos se llevó a cabo el análisis descriptivo de estos; para esto se utilizó el software estadístico SPSS Statistical Package for the Social Sciences Versión 22.0. En la Figura 13 se establecen nueve actividades de la metodología para el análisis estadístico de la información teniendo en cuenta lo planteado por Batanero (2001) y Pérez (2005).

Figura 13. Metodología para el análisis estadístico de series de datos

Fuente: Elaboración Propia

5.2.5.1. Obtención y organización de datos climatológicos y tratamiento de lixiviados en el RSDJ.

Los datos de cantidad de residuos sólidos y parámetros de calidad de lixiviados fueron suministrados por la Unidad Administrativa Especial de Servicios Públicos UAESP, entidad encargada de la administración del relleno sanitario Doña Juana. Se obtuvieron los datos mensuales desde el año 2003 hasta el 2015; los datos climáticos fueron suministrados por el Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia con un horizonte mensual desde el año 2000 al año 2015.

Una vez obtenidos los datos, se procedió a organizar y sistematizar los mismos en una hoja de cálculo del software Excel de Microsoft Office Versión 2013, el total de los datos obtenidos fueron numéricos. Para su organización se tuvo en cuenta los meses y los años registrados por cada una de las variables (Batanero, 2001). Para los datos suministrados por la UAESP se tuvieron en cuenta: i) la cantidad de residuos depositados en el relleno sanitario y los parámetros de concentración de ii) N-amoniacal, iii) cadmio, iv) zinc, v) mercurio, vi) arsénico, vii) cobre, viii) hierro, ix) plomo, x) cobalto, xi) cromo, xii) níquel, xiii) DQO, xvi) DBO, y xv) pH para los lixiviados. Por otro lado, las variables

54

consideradas para el análisis climático fueron: i) temperatura, ii) precipitación, iii) humedad relativa, iv) brillo solar, v) nubosidad, vi) tensión de vapor, y vii) punto de roció.

5.2.5.2. Codificación de las variables de los datos climatológicos y tratamiento de lixiviados en el RSDJ.

Teniendo en cuenta lo anterior, se realizó la transferencia de los datos a SPSS con el fin de codificar las variables, estas fueron registradas con la misma exactitud a la obtenida debido a que los datos reportados fueron de manera mensual y anual. Se estandarizó la fecha mes/año para analizar de manera más eficiente la información. Según la variable y el horizonte de análisis de los datos (12 años) para la variable N-amoniacal se contó con 72 datos correspondiente al 46% y DQO con 84 datos para un 54% del total; para el resto de las variables se contó con el 100% de la información.

5.2.5.3. Examen de consistencia, análisis exploratorio y representación gráfica de los datos climatológicos y tratamiento de lixiviados en el RSDJ.

Como lo indica Pérez (2005), se pueden cometer errores al tomar o registrar las mediciones, por lo cual es necesario analizar la consistencia de los datos. Para esto se revisó la digitación de toda la información obtenida y se realizó el análisis explotaría de los datos, en el cual se graficó cada una de las variables por año con el fin de detectar rápidamente la existencia de datos atípicos. El objetivo de construir gráficos es apreciar los datos como un todo e identificar sus características sobresalientes (Batanero, 2001), de manera que se elaboraron gráficos de dispersión y barras de cada una de las variables; esto permitió establecer valores medios, mínimos y máximo en las series de tiempo y tendencias.

5.2.5.4. Histograma de frecuencias y medidas de tendencia central de los datos climatológicos y tratamiento de lixiviados en el RSDJ.

En seguida se construyó el histograma de frecuencias por cada una de las variables analizadas, esto para observar la distribución de las mismas, además de evidenciar comportamientos, grado de homogeneidad, grado de variabilidad y dispersión de todos los valores. A continuación, se determinaron las medidas de tendencia central tales como la media, la mediana y la moda, las cuales resumen un valor alrededor de cual se distribuye la información. Lo anterior, debido a que los conjuntos de datos muestran una tendencia a agruparse alrededor de un punto central (Redondo y López, 2016).

5.2.5.5. Medidas de dispersión de los datos climatológicos y tratamiento de lixiviados en el RSDJ.

Posteriormente, se establecieron las medidas de dispersión tales como el rango, la desviación estándar y la varianza, con el fin de establecer el grado de variación o diseminación de los datos con respecto al valor central.

55

Una vez terminado el análisis estadístico descriptivo, se realizó una comparación entre las concentraciones de los parámetros estudiados y la normatividad legal vigente para Colombia con el fin de verificar el cumplimiento normativo y realizar una comparación con estándares internacionales. Finalmente, se llevó a cabo la evaluación de cada una de las variables, climáticas y parámetros de calidad de lixiviado; esta se realizó por medio de la técnica estadística paramétrica coeficiente lineal de Pearson, en la cual se evaluó las fuerzas de asociación entre las variables para determinar así las relaciones directas e indirectas (Aguayo y Lora, 2014; Redondo y López, 2016). Para la medición de las correlaciones y su nivel de significancia se tuvo en cuenta los rangos establecidos por Redondo y López (2016), los cuales se presentan en la Tabla 9.

Tabla 9. Rangos de valoración, coeficientes de correlación lineal de Pearson

Coeficiente de correlación Interpretación

1 Correlación negativa perfecta

-0,9 Correlación negativa muy fuerte -0,75 Correlación negativa considerable

-0,5 Correlación negativa media

-0,1 Correlación negativa débil

0,00 No existe correlación alguna entre las variables

0,1 Correlación positiva débil

0,5 Correlación positiva media

0,75 Correlación positiva considerable 0,9 Correlación positiva muy fuerte

1 Correlación positiva perfecta

Fuente: Redondo y López, 2016