Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas

RESUMEN: En los ecosistemas acuáticos se monitorea el agua para determinar sus variaciones espacio-temporales, generando grandes y complejas matrices de datos que requieren herramientas que ayuden en la interpretación de los mismos, para que los administradores de los recursos hídricos puedan inform...

Full description

Autores:
Gómez Miranda, Ingry Natalia
Peñuela Mesa, Gustavo Antonio
Tipo de recurso:
Review article
Fecha de publicación:
2016
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/13215
Acceso en línea:
http://hdl.handle.net/10495/13215
Palabra clave:
Análisis de calidad de aguas
Métodos estadísticos multivariados
Modelos de ecuaciones estructurales
Modelos jerárquicos
Modelos de regresión múltiple multivariada
Hierarchical models
Multivariate multiple regression
Water quality
Rights
openAccess
License
Atribución-NoComercial-CompartirIgual 2.5 Colombia (CC BY-NC-SA 2.5 CO)
id UDEA2_b0209aae6c6ed03d51abac952e569103
oai_identifier_str oai:bibliotecadigital.udea.edu.co:10495/13215
network_acronym_str UDEA2
network_name_str Repositorio UdeA
repository_id_str
dc.title.spa.fl_str_mv Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas
dc.title.alternative.spa.fl_str_mv A review of multivariate statistical methods for analysing water quality
title Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas
spellingShingle Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas
Análisis de calidad de aguas
Métodos estadísticos multivariados
Modelos de ecuaciones estructurales
Modelos jerárquicos
Modelos de regresión múltiple multivariada
Hierarchical models
Multivariate multiple regression
Water quality
title_short Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas
title_full Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas
title_fullStr Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas
title_full_unstemmed Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas
title_sort Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas
dc.creator.fl_str_mv Gómez Miranda, Ingry Natalia
Peñuela Mesa, Gustavo Antonio
dc.contributor.author.none.fl_str_mv Gómez Miranda, Ingry Natalia
Peñuela Mesa, Gustavo Antonio
dc.subject.none.fl_str_mv Análisis de calidad de aguas
Métodos estadísticos multivariados
Modelos de ecuaciones estructurales
Modelos jerárquicos
Modelos de regresión múltiple multivariada
Hierarchical models
Multivariate multiple regression
Water quality
topic Análisis de calidad de aguas
Métodos estadísticos multivariados
Modelos de ecuaciones estructurales
Modelos jerárquicos
Modelos de regresión múltiple multivariada
Hierarchical models
Multivariate multiple regression
Water quality
description RESUMEN: En los ecosistemas acuáticos se monitorea el agua para determinar sus variaciones espacio-temporales, generando grandes y complejas matrices de datos que requieren herramientas que ayuden en la interpretación de los mismos, para que los administradores de los recursos hídricos puedan informar a la sociedad el deterioro de estos y tomar medidas correctivas. El presente artículo es una revisión de tema cuyo objetivo es el examen de técnicas estadísticas multivariadas usadas para examinar la variabilidad espacio-temporal de la calidad del agua. En él se presentan diversas técnicas como el análisis factorial, que se usa con el fin de disminuir la dimensionalidad de los datos y construir factores subyacentes o variables latentes que generen las variables observadas, estos factores pueden usarse e interpretarse como índices de calidad del agua construidos a partir de los datos recolectados; también se presenta en análisis de clúster y el análisis discriminante que se usan comúnmente para estudiar la variabilidad espacial, estudiando similaridades entre períodos o estaciones de muestreo, estas tres técnicas se usan comúnmente con fines exploratorios; para objetivos más complejos como el modelamiento y la predicción, se presentan los modelos jerárquicos, de regresión múltiple y de ecuaciones estructurales. Para todos los métodos se presenta su funcionalidad y aplicabilidad y se ilustran usando casos de estudio. Esta revisión describe cómo estos métodos pueden utilizarse con miras a estudiar la calidad del agua con el fin de monitorear espacial y temporalmente la variabilidad de las medidas tomadas.
publishDate 2016
dc.date.issued.none.fl_str_mv 2016
dc.date.accessioned.none.fl_str_mv 2020-01-14T23:22:51Z
dc.date.available.none.fl_str_mv 2020-01-14T23:22:51Z
dc.type.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a86
http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_dcae04bc
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/ARTREV
dc.type.local.spa.fl_str_mv Artículo de revisión
format http://purl.org/coar/resource_type/c_dcae04bc
dc.identifier.citation.spa.fl_str_mv I. N. Gómez-Miranda, y G. A. Peñuela-Mesa, “Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas,” Mutis, vol. 6, no. 1, pp. 54-63, 2016. http://dx.doi.org/10.21789/22561498.1112
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10495/13215
dc.identifier.doi.none.fl_str_mv 10.21789/22561498.1112
dc.identifier.eissn.none.fl_str_mv 2256-1498
identifier_str_mv I. N. Gómez-Miranda, y G. A. Peñuela-Mesa, “Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas,” Mutis, vol. 6, no. 1, pp. 54-63, 2016. http://dx.doi.org/10.21789/22561498.1112
10.21789/22561498.1112
2256-1498
url http://hdl.handle.net/10495/13215
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv Atribución-NoComercial-CompartirIgual 2.5 Colombia (CC BY-NC-SA 2.5 CO)
dc.rights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/co/
dc.rights.accessrights.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
rights_invalid_str_mv Atribución-NoComercial-CompartirIgual 2.5 Colombia (CC BY-NC-SA 2.5 CO)
https://creativecommons.org/licenses/by-nc-sa/2.5/co/
http://purl.org/coar/access_right/c_abf2
https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 9
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Jorge Tadeo Lozano
dc.publisher.group.spa.fl_str_mv Diagnóstico y Control de la Contaminación
dc.publisher.place.spa.fl_str_mv Bogotá, Colombia
institution Universidad de Antioquia
bitstream.url.fl_str_mv http://bibliotecadigital.udea.edu.co/bitstream/10495/13215/6/license_rdf
http://bibliotecadigital.udea.edu.co/bitstream/10495/13215/7/license.txt
http://bibliotecadigital.udea.edu.co/bitstream/10495/13215/1/PenuelaGustavo_2016_RevisionMetodosEstadisticos.pdf
bitstream.checksum.fl_str_mv 42dd12a06de379d3ffa39b67dc9c7aff
8a4605be74aa9ea9d79846c1fba20a33
a6a9004c51d16034c00e2dfb4f9faf92
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Antioquia
repository.mail.fl_str_mv andres.perez@udea.edu.co
_version_ 1812173187573612544
spelling Gómez Miranda, Ingry NataliaPeñuela Mesa, Gustavo Antonio2020-01-14T23:22:51Z2020-01-14T23:22:51Z2016I. N. Gómez-Miranda, y G. A. Peñuela-Mesa, “Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas,” Mutis, vol. 6, no. 1, pp. 54-63, 2016. http://dx.doi.org/10.21789/22561498.1112http://hdl.handle.net/10495/1321510.21789/22561498.11122256-1498RESUMEN: En los ecosistemas acuáticos se monitorea el agua para determinar sus variaciones espacio-temporales, generando grandes y complejas matrices de datos que requieren herramientas que ayuden en la interpretación de los mismos, para que los administradores de los recursos hídricos puedan informar a la sociedad el deterioro de estos y tomar medidas correctivas. El presente artículo es una revisión de tema cuyo objetivo es el examen de técnicas estadísticas multivariadas usadas para examinar la variabilidad espacio-temporal de la calidad del agua. En él se presentan diversas técnicas como el análisis factorial, que se usa con el fin de disminuir la dimensionalidad de los datos y construir factores subyacentes o variables latentes que generen las variables observadas, estos factores pueden usarse e interpretarse como índices de calidad del agua construidos a partir de los datos recolectados; también se presenta en análisis de clúster y el análisis discriminante que se usan comúnmente para estudiar la variabilidad espacial, estudiando similaridades entre períodos o estaciones de muestreo, estas tres técnicas se usan comúnmente con fines exploratorios; para objetivos más complejos como el modelamiento y la predicción, se presentan los modelos jerárquicos, de regresión múltiple y de ecuaciones estructurales. Para todos los métodos se presenta su funcionalidad y aplicabilidad y se ilustran usando casos de estudio. Esta revisión describe cómo estos métodos pueden utilizarse con miras a estudiar la calidad del agua con el fin de monitorear espacial y temporalmente la variabilidad de las medidas tomadas.ABSTRACT: In aquatic ecosystems is monitored the water to determine their space-temporary variations, generating large and complex arrays of data that require tools that assist in the interpretation thereof, for managers of water resources can inform society the deterioration of these and take corrective action. This review is a revision of multivariate statistical techniques used to examine the spatial and temporal variability of water quality. We consider few techniques like Factor Analysis, which is used in order to reduce the dimensionality of the data and build underlying latent variables or factors that produce the observed variables, these factors can be used as water quality indexes built from the data collected; we also consider cluster and discriminant analysis than is commonly used to study the spatial variability and studying similarities between periods or sampling stations, these three techniques are commonly used for exploratory purposes; for more complex goals such as modeling and prediction, hierarchical models, Multiple Regression and Structural Equations are presented. For all methods, we present their functionality and usability methods and illustrated using case studies. This review describes how these methods can be used in order to study water quality for monitoring spatial and temporal variability of the measures taken.9application/pdfspaUniversidad Jorge Tadeo LozanoDiagnóstico y Control de la ContaminaciónBogotá, Colombiainfo:eu-repo/semantics/articlehttp://purl.org/coar/resource_type/c_dcae04bchttp://purl.org/coar/resource_type/c_2df8fbb1https://purl.org/redcol/resource_type/ARTREVArtículo de revisiónhttp://purl.org/coar/version/c_970fb48d4fbd8a86http://purl.org/coar/version/c_970fb48d4fbd8a85Atribución-NoComercial-CompartirIgual 2.5 Colombia (CC BY-NC-SA 2.5 CO)info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/co/http://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-sa/4.0/Análisis de calidad de aguasMétodos estadísticos multivariadosModelos de ecuaciones estructuralesModelos jerárquicosModelos de regresión múltiple multivariadaHierarchical modelsMultivariate multiple regressionWater qualityRevisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguasA review of multivariate statistical methods for analysing water qualityMutis546361CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-89http://bibliotecadigital.udea.edu.co/bitstream/10495/13215/6/license_rdf42dd12a06de379d3ffa39b67dc9c7affMD56LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://bibliotecadigital.udea.edu.co/bitstream/10495/13215/7/license.txt8a4605be74aa9ea9d79846c1fba20a33MD57ORIGINALPenuelaGustavo_2016_RevisionMetodosEstadisticos.pdfPenuelaGustavo_2016_RevisionMetodosEstadisticos.pdfArtículo de revisiónapplication/pdf396866http://bibliotecadigital.udea.edu.co/bitstream/10495/13215/1/PenuelaGustavo_2016_RevisionMetodosEstadisticos.pdfa6a9004c51d16034c00e2dfb4f9faf92MD5110495/13215oai:bibliotecadigital.udea.edu.co:10495/132152021-06-16 09:56:02.674Repositorio Institucional Universidad de Antioquiaandres.perez@udea.edu.coTk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=