La Estad´ıstica Ambiental es simplemente la aplicaci´on de la Estad´ıstica a problemas relacionados con el ambiente.
Ejemplos de las actividades que requieren del uso de estas herramientas son las siguientes:
Monitoreo de la calidad del aire y/o de la calidad del agua
Evaluar los efectos de la contaminaci´on sobre la salud humana y los ecosistemas
Monitoreo de la calidad de las aguas subterr´aneas cercanas a dep´ositos de desechos s´olidos
Determinar si un ´area con suelos potencialmente contaminados necesita saneamiento o limpieza y cu´anto necesita
Evaluar la incertidumbre en el pron´ostico del tiempo y del clima bajo condiciones de Cambio Clim´atico
Evaluar la din´amica de series de tiempo ecol´ogicas (ej. cambios en la biodiversidad)
Evaluar los efectos ambientales sobre el genoma humano y mucho m´as ...
Algunos temas comunes en la Estad´ıstica Ambiental
Muchos problemas involucran datos en forma de Series Temporales, pero tambi´en implican muestreos Espaciales.
El dise˜no de un muestreo espacial y/o el establecimiento de una red de estaciones de medici´on son temas muy importantes.
Otro tema de inter´es son los datos extremos y su frecuencia de ocurrencia. Por ejemplo,
• Determinar la frecuencia con la cu´al ciertos par´ametros ambientales sobrepasan un cierto l´ımite de tolerancia
• Caracterizar la frecuencia de eventos extremos bajo condiciones de Cambio Clim´atico
Modelos num´ericos vs. Probabilidad y Estad´ıstica:
La probabilidad y la estad´ıstica tratan situaciones donde los resultados son inciertos. Los modelos num´ericos no consideran directamente la incertidumbre en los resultados, pero el uso de la estad´ıstica puede mejorar la informaci´on que proviene de ´estos. En el caso de la
estad´ıstica, el objetivo es hacer inferencia sobre las car´acter´ısticas de la poblaci´on, dada la informaci´on de una o m´as muestras de la poblaci´on.
El m´etodo cient´ıfico y los objetivos del estudio ambiental El m´etodo cient´ıfico comprende un conjunto de reglas a seguir para tratar de determinar racionalmente causas y efectos en un problema ambiental. Estas reglas se pueden resumir como sigue:
1. Establecer una hip´otesis sobre la supuesta causa y el efecto observado (ej. la presencia de un contaminante en un r´ıo ha disminuido la poblaci´on de una especie particular de peces). 2. Llevar a cabo un experimento donde preferiblemente exista un
grupo de sujetos expuestos a la causa (grupo experimental) y otro grupo no expuesto (grupo control).
3. Registrar y analizar ls resultados del experimento
4. Revisar la hip´otesis basada en los resultados y repetir los pasos 2 a 4 si es necesario.
En la pr´actica no es siempre posible realizar un experimento, sino que se lleva a cabo un experimento observacional tambi´en
llamado estudio epidemiol´ogico, en el cu´al el grupo experimental es un grupo de personas, organismos, acu´ıferos, etc. que han sido expuestos a la causa (ej. un contaminante) debido a su localizaci´on u otros factores.
El problema del grupo experimental en este caso es que se autoselecciona en lugar de ser seleccionado aleatoriamente
(argumento utilizado por las industrias del tabaco para afirmar de que no existen pruebas contundentes de que el tabaco causa c´ancer).
Fuentes de Variabilidad e Independencia
Cuando se dise˜na un progama de muestreo, es muy importante estar consciente de las diferentes fuentes de variabilidad y conocer cu´anto estas pueden contribuir a la variabilidad total de una medici´on. Algunas fuentes de variabilidad son las siguientes:
Variabilidad natural sobre el espacio
Variabilidad natural en el tiempo (incluyendo fluctuaciones estacionales y a˜no a a˜no)
Variabilidad en el muestreo de campo (toma de muestras, manejo de muestras, y transporte)
Variabilidad dentro del laboratorio (d´ıa -a-d´ıa, equipo-a-equipo, t´ecnico-a-t´ecnico, etc.)
Variabilidad entre laboratorios
Si hay una variabilidad espacial natural en la concentraci´on de alg´un qu´ımico, quiz´as no sea posible detectar si las diferencias en
concentraciones de un lugar a otro se deban a un problema de contaminaci´on o a la variabilidad natural.
Observaciones Independientes vs. Observaciones Dependientes Una definici´on intuitiva de independencia: las observaciones son
independientes unas de otras si el conocimiento de una observaci´on no te ayuda a predecir el conocimieto de la otra. La idea de independencia est´a muy ligada a la idea de tomar en cuenta las fuentes de variabilidad. Como ejemplo supongamos que estamos midiendo la concentraci´on de ars´enico en un acu´ıfero y el flujo de aguas subterr´aneas es muy lento. Observaciones muy cercanas en el tiempo se parecer´an mucho unas a otras mientras que observaciones muy distantes en el tiempo seran diferentes entre s.
Muchos m´etodos de inferencia estad´ıstica asumen que las observaciones son independientes. Esta suposici´on es razonable si tomamos en cuenta las fuentes de variabilidad potencial. Esta es la estrategia que se utiliza en el an´alisis de Series de Tiempo y en la Estad´ıstica Espacial, tal y como veremos m´as adelante.
M´etodos de muestreo aleatorio
Para entender mejor este tema se puede consultar el libro de Cochram (1977).
Los principales m´etodos de muestreo aleatorio son: Muestreo aleatorio simple
Muestreo aleatorio estratificado Muestreo de orden
Muestreo aleatorio compuesto
Otro m´etodos incluyen los m´etodos de muestreo aletaorio de
doble-estado y multi-estado, muestreo aleastorio doble y muestreo aleatorio adaptativo.
An´alisis Exploratorio de Datos
Una vez que tenemos los datos en nuestras manos, es muy importante examinar los datos exhaustivamente. John Tukey propuso el acr´onimo EDA (Exploratory Data Analysis).
El primer paso es el c´alculo de los estad´ısticos descriptivos o estad´ısticos resumen. Dado que un gr´afico vale m´as que mil palabras tambi´en es sumamente importante proceder con el an´alisis descriptivo gr´afico. Tipos de gr´aficos para una sola variable
Para graficar cada valor o su porcentaje con sus etiquetas: Gr´afico de Puntos y Gr´afico de Barras.
Para representar porcentajes: Diagrama de Torta o Pie
Para graficar la distribuci´on de los valores: Histograma, Gr´afico de densidad, Diagrama de caja
Para graficar los quantiles de los valores: Gr´afico de quantiles o Funci´on de Distribuci´on Acumulada (CDF) Emp´ırica
Comparar la distribuci´on de los datos con una distribuci´on conocida o comparar la distribuci´on de dos conjuntos de datos: Gr´aficos P-P (Probabilidad- Probabilidad) o gr´aficos Q-Q (Cuantil-Cuantil).
