View
234
Download
5
Category
Preview:
Citation preview
anales cientficos
de la Universidad
Nacional Agraria La Molina
Ao 2008
Vol. 69(4)
ISSN versin electrnica 1995-7246
Hecho el depsito legal 2003-0311
Anales Cientficos
ISSN versin electrnica 1995-7246
Copyright 00424-2011
Publicacin de La Universidad Nacional Agraria La Molina
Editor(a): Dra. Carmen Velezmoro Snchez
investigacin@lamolina.edu.pe
Oficina Acadmica de Investigacin
Telf.348 5917 Anexo: 181-182
Apartado: 12-056, Lima 1.
www.lamolina.edu.pe/investigacion
Los artculos publicados son de entera responsabilidad de sus autores. Se permite la
reproduccin parcial siempre y cuando se cite la fuente y se enve a la editorial un
ejemplar de la publicacin que incluye el texto reproducido de Anales Cientficos
Vol.69 (4).
AUTORIDADES UNIVERSITARIAS
Dr. Jess Abel Meja Marcacuzco RECTOR
Dr. Jorge Aliaga Gutirrez
VICERRECTOR ACADMICO
Mg. Sc. Efran Malpartida Inouye VICERRECTOR ADMINISTRATIVO
DECANOS
Mg. Sc. Javier Arias Carbajal AGRONOMA
Mg. Sc. Diana Quinteros Carlos
CIENCIAS
Mg. Sc. Milo Bozovich Granados CIENCIAS FORESTALES
Mg. Sc. Fernando Rosas Villena ECONOMA Y PLANIFICACIN
Dr. David Campos Gutirrez
INDUSTRIAS ALIMENTARIAS
Mg. Sc. Rosa Miglio Toledo INGENIERA AGRCOLA
Ing. M.S. Anibal Verastegui Maita
PESQUERIA
Mg. Sc. Vctor Hidalgo Lozano ZOOTECNIA
Dr. Flix Camarena Mayta
DIRECTOR EPG
2008
ANALES CIENTIFICOS DE LA UNIVERSIDAD NACIONAL AGRARIA LA
MOLINA Volumen 69 (4), 2008 ISSN 0255-0407
CONTENIDO
Ciencias
1. Evaluacin del grado de contaminacin del aire en el Centro Histrico de Lima JERNIMO GARCA V. , JESSICA TANTALEN N.
2. Rendimiento acadmico de estudiantes de primer ciclo en relacin a la modalidad y especialidad de ingreso en la UNALM
ROCO C. DELGADO A. , MNICA R. GUTIRREZ R.
3. Contenido de plomo en leche materna de lactantes de la zona metalrgica de La Oroya
ELIZABETH PAITN A., ELVA ROS R., CECILIA NIETO A.
Ciencias Forestales
4. Estudio anatmico de diez especies forestales procedentes de Loreto, Per ALDO CRDENAS O. , MANUEL CHAVESTA C.
5. Durabilidad natural y caractersticas de la preservacin de la madera de Caraipa Myrcioides (gaviln blanco) y Miconia barbeyana (palo gusano) por el
mtodo PRESCAP
WILLIAM GUERRERO R. , FLORENCIO TRUJILLO C. , MARTN ARAUJO F.
6. Propuesta de un plan de calidad en la manufactura de postes de eucalipto (Eucalyptus globulus Labill
MINNELLI BERNUY V., JULIO CANCHUCAJA R., FLORENCIO TRUJILLO C.
7. Determinacin preliminar del mdulo de elasticidad mediante el empleo de tcnicas no destructivas para maderas tropicales peruanas
PATRICIA CARNERO P., LUIS YOZA Y., MOISS ACEVEDO M., JULIO
ARAKAKI K.
8. Diseo y elaboracin de un equipo para la medicin de conductividad trmica en condiciones de flujo inestable en maderas tropicales
MANUEL BUENDA B. , LUIS YOZA Y. , MOISS ACEVEDO M. , JULIO
ARAKAKI K.
Industrias Alimentarias
9. Estabilidad de la bixina soluble en aceite de girasol mediante el uso de pruebas aceleradas de vida til (PAVU)
JORGE E. TORRES CH., GLORIA J. PASCUAL CH., W. FRANCISCO SALAS V.
10. Estabilizacin del ketchup utilizando: goma xantano y goma de tara JUAN M. ARAUJO VARGAS , LILIANA ESPINO TENORIO
11. Determinacin del tiempo de vida en anaquel del aceite de oliva virgen extra mediante pruebas aceleradas
LUIS BRICEO B. , WALTER SALAS V., SANTIAGO TORRES O.
PGINAS
1 - 11
12 - 21
22 - 28
29 - 34
35 - 42
43 - 50
51 - 57
58 - 64
65 - 71
72 - 81
82 89
12. Optimizacin de parmetros fsico-qumicos en la extraccin de compuestos fenlicos a partir de brcteas externas de alcachofa (Cynara scolymus L.)
variedad green globe, aplicando la metodologa de superficie de respuesta
MELISSA CORONADO C. , MARCIAL SILVA J.
13. Determinacin de la mxima retencin de cido ascrbico del Aguaymanto (Physalis peruviana, Linaeus, 1753) en almbar aplicando el mtodo superficie
CHRISTIAN ENCINA Z. , MILBER UREA P.
Ingeniera Agrcola
14. Aplicacin de las ecuaciones empricas para la determinacin del factor friccin en tuberas para el clculo de las prdidas de carga principal en conductos bajo
presin
NGEL F. BECERRA PAJUELO
Economa y Planificacin
15. Valoracin econmica del servicio ambiental hdrico en la cuenca del ro Jequetepeque
CARLOS SONCCO M.
16. Estimando los beneficios econmicos por cambios en la calidad ambiental del agua de consumo humano en zonas urbano-marginales de Lima Metropolitana
CARLOS SONCCO, ROGER LOYOLA
17. Determinantes de las migraciones interdepartamentales 1988-1993 TATIANA LEYVA PEDRAZA
18. Identificacin de productos con potencial exportador y anlisis de los factores de produccin para la agroexportacin, en la irrigacin Majes, Arequipa
ELAS HUERTA C.
19. Reingeniera de procesos en la Oficina de Admisin de la Universidad Nacional Agraria La Molina
ELAS F. HUERTA C.
90 - 105
106 - 114
115 - 125
126 - 131
132 - 139
140 - 144
145 - 153
154 - 161
An cient. UNALM 69(4), 2008 Recibido: 14/05/2007
ISSN 0255-0407 Aceptado: 27/06/2008
Evaluacin del grado de contaminacin del aire en el Centro
Histrico de Lima
Jernimo Garca V. 1, Jessica Tantalen N.
2
Resumen
Se ha desarrollado un estudio para conocer la severidad de la contaminacin atmosfrica en el Centro Histrico de
Lima. Se plantearon como objetivos determinar: la diferencia entre mtodos de muestreo de Tubos pasivos y el de
analizador de los gases; la variabilidad temporal de los contaminantes; y las relaciones entre los factores de
dispersin (V, T y HR) y los contaminantes SO2, NO2, CO, PM10 y PM2.5. Los resultados muestran que las
concentraciones de SO2 y NO2 obtenidas con los tubos pasivos son menores que los obtenidos con los analizadores,
las diferencias son 30% para el SO2 y 86% para NO2. Las variaciones temporales horarias de contaminantes SO2,
NO2, CO, PM10 y PM2.5 muestran concentraciones mximas bimodales, la primera ocurre entre 7 y 10 horas y la otra
entre 19 y 22 horas; las concentraciones de SO2, NO2, CO estn muy por debajo de los valores establecidos en los
Estndares de Calidad del Aire (ECA) del pas; sin embargo, las concentraciones de los contaminantes de material
particulado PM10 y PM2.5 muestran comportamiento diferentes en las horas de ocurrencia de las mximas bimodales,
las de PM10 llegan a superar el valor lmite indicado en el ECA nacional (150 g/m3 ) y el PM2.5 al valor referencial (65 g/m3). En la determinacin de los modelos de relacin entre contaminantes y factores de dispersin, se logr determinar relaciones para los 5 contaminantes; sin embargo, el proceso de validacin slo pasaron la relaciones
para SO2, NO2, PM10 y PM2.5, mas no el de CO; de acuerdo a estos resultados, la concentracin del SO2, NO2, PM10
y PM2.5, en el Paseo de los Hroes, pueden estimarse con los modelos determinados y validados con slo conocer el
viento, temperatura y la humedad relativa.
Palabras clave: Contaminacin atmosfrica, calidad de aire, contaminacin del aire.
Abstract
It was performed a study in order to know the atmospheric pollution severity in Historic Center of Lima City. The
objectives of study were determination of: sampling method difference between gases analyzers and passive tubs
equipments; time variations of pollutants; and relationships between dispersions factors and pollutants. Results show
SO2 and NO2 concentrations measured by passive tubs less than gases analyzers measurements, with 30% and 86 %
difference respectively. Time variations of SO2, NO2, CO, PM10 and PM2.5 pollutants show bimodal maximum
concentrations occurring between 7:00 to 10:00 a.m. and between 19:00 to 22:00 p.m.; all SO2, NO2, CO
concentrations are to low of National ECA; how ever PM10 and PM2.5 pollutants concentrations show some hours of
days going up to 150 g/m3 (National ECA for PM10) and 65 g/m3 (referential value for PM2.5). For the five pollutants were found their dispersions factors and pollutants relationships, all of them are statistically significant for
99% confidence level; how ever validations process were successful only for SO2, NO2, PM10 and PM2.5 but not for
CO pollutant; according these results, the models for SO2, NO2, PM10 and PM2.5 can be used to estimate pollutants
concentrations.
Key words: Atmospheric pollution, air quality, air pollution.
1. Introduccin
Contaminante del aire es la presencia de sustancia
o elemento que en determinados niveles de
concentracin en el aire genera riesgos a la salud y al
bienestar humano. Su presencia en el aire obedece a
emisiones naturales y a las emisiones procedentes de
las diversas actividades del hombre. En el Centro
Histrico de Lima las fuentes de emisiones estn
constituidos por los restaurantes, panaderas, plantas
industriales, vehculos de transporte pblico y
privado, de todos ellos la fuente de emisin ms
importante los constituyen estos ltimos. En la
actualidad este sector constituye un complejo para su
anlisis y estudio por diversos motivos como: la
diversidad de su flota (tipo de vehculo actual), la
antigedad, formas de combustin, el combustible
1 Facultad de Ciencias, Universidad Nacional Agraria la Molina. Lima,
Per. E-mail: jgarciav@lamolina.edu.pe
2 Ingeniera Ambiental, Universidad Nacional Agraria la Molina. Lima,
Per.
usado, los kilmetros recorridos por pasajero,
cantidad de unidades, entre otros. Tales
caractersticas de estas fuentes de emisiones estn
acelerando la contaminacin urbana con su
consecuente deterioro de la salud humana y de la
calidad del aire. Las mediciones de SO2 y NO2 con
tren de muestreo, llevados a cabo por DIGESA en la
estacin Lima Centro, indican una tendencia de
aumento en la dcada del 90, con valores que oscilan
entre 70 a 120 g/m3 para SO2 y entre 150 a 260 g/m3 para NO2; en ambos casos la ECA nacional anual son superados ampliamente, situacin que
indica un serio deterioro de la calidad del aire en el
Centro Histrico de Lima (Pacsi, 2003).
En el presente trabajo se realiz la evaluacin del
grado de concentracin de los contaminantes del aire
en el Centro Histrico a travs de tcnicas de
monitoreo de Mtodo Pasivo y Mtodo Continuo,
con los que se obtuvo datos del comportamiento
temporal y espacial de los contaminantes. El
monitoreo continuo de PM2.5, PM10, SO2, NO2 y CO,
Evaluacin del grado de contaminacin del aire en el centro histrico de Lima
2
con frecuencia horaria durante una semana, se
efectu con equipos analizadores electrnicos en un
punto del Centro Histrico, dando as una buena
informacin del perfil diario y semanal de las
concentraciones de los contaminantes mencionados.
El mtodo pasivo consisti en las mediciones de las
concentraciones de NO2 y SO2, mediante tubos
pasivos expuestos por 20 das, en 8 puntos
distribuidos y ubicados estratgicamente en el Centro
Histrico de Lima, los que permitieron analizar su
distribucin espacial, para obtener as informacin
panormica de las zonas ms afectadas y ver su
relacin con los factores de dispersin (viento,
temperatura y humedad relativa).
El objetivo general del trabajo fue evaluar el estado
de la Calidad del Aire originado por el parque
automotor en el Centro Histrico de Lima, mientras
que los objetivos especficos fueron los siguientes:
- Determinar la diferencia entre mtodo de muestreo
de tubos pasivos y analizador de gases para la
concentracin de NO2 y SO2.
- Determinar el comportamiento temporal de la
concentracin de PM2.5, PM10, SO2, NO2 y CO.
- Determinar la relacin entre los factores de
dispersin (viento, temperatura y humedad relativa) y
los contaminantes monitoreados (gases y material
particulado).
2. Revisin de literatura
2.1 Aspectos que condicionan la calidad del
aire en Lima Metropolitana La contaminacin atmosfrica de Lima - Callao
est asociada a factores socioeconmicos,
administrativos, polticos, fsicos y culturales. En los
ltimos aos las concentraciones de contaminantes
del aire se han incrementado a un ritmo acelerado y
han llegado a niveles que exceden los estndares
internacionales de proteccin a la salud pblica. Esto
ha motivado que las instituciones pblicas trabajen
en la definicin de polticas de gestin para
contrarrestar y controlar los impactos que son
generados por esta situacin ambiental, teniendo
como objetivo principal prevenir los efectos a la
salud pblica.
Segn estudios de estimacin de emisiones
realizados por CEPIS en el 2001 y por INFRAS en el
ao 2000, se estima que las emisiones atmosfricas
del transporte metropolitano constituye
aproximadamente el 75% del total de contaminantes
atmosfricos y la diferencia lo constituyen las
emisiones industriales.
Elevado incremento del parque automotor con un
acentuado crecimiento en la dcada de los 90,
originado en su mayora por la importacin de
vehculos usados.
La gran inmigracin de la poblacin proveniente
del interior del pas ha originado la introduccin de
hbitos ajenos al ecosistema local y la aparicin
creciente de actividades informales contaminadoras,
en especial con la pequea industria informal.
Altos contenidos de azufre en los combustibles.
Cabe indicar que la tendencia mundial es la de
establecer 50 ppm como lmite mximo permisible
de azufre, mientras que nuestra actual Norma
Tcnica establece lmites de 5 000 ppm, que son
excesivamente nocivos sobre la salud de nuestros
ciudadanos.
Existencia de flota vehicular pblica de una
antigedad de 12 a 19 aos con buses y microbuses
casi obsoletos. (CIDATT 2 000).
2.2 El parque automotor como principal
fuente de contaminacin En el ao 2001 el Consejo Nacional del Ambiente
(CONAM, 2001) realiz el inventario de emisiones
totales, el cual estim que los aportes de los sectores
transporte e industria al inventario de emisiones
atmosfricas totales posen una participacin estimada
del 86 y 14%, respectivamente. Es decir, el transporte
es el sector que domina las emisiones atmosfricas en
la zona metropolitana de Lima Callao.
De conformidad con el inventario de emisiones
ejecutado el ao 2 001 (sobre la base de informacin
al 2000) los mayores niveles de emisin estimados
(ton/ao) corresponden al contaminante monxido de
carbono (CO).
Las emisiones de material particulado estimadas
corresponden a menores valores, sin embargo este
volumen es capaz de mantener niveles muy crticos
de este contaminante en la calidad de aire local, ya
que los efectos en salud (asociados al material
particulado) son de mayor gravedad y se empiezan a
manifestar a concentraciones ambientales mucho
menores que en el caso de los gases (CO, SO2, NO2).
(Swisscontact Infras 2 000). La Figura 1 muestra la comparacin de las
emisiones vehiculares con las industriales segn tipo
de contaminante.
Figura 1. Comparacin de emisiones vehiculares e
industriales.
Segn la misma fuente (Swisscontact Infras 2 000), la mayor generacin de material particulado en
el parque vehicular lo constituye el aporte de los
microbuses y omnibuses. De igual manera sucede con
los contaminantes SO2 y NOx.
En el ao 2000 Swisscontact por encargo del
Comit de Gestin de la Iniciativa de Aire Limpio
para Lima Callao realiz un estudio sobre el estado y
la conservacin de los vehculos automotores, siendo
Jernimo Garca V., Jessica Tantalen N.
An cient. 69(4) 2008, pp. 1-11 3
una muestra representativa de 2 000 vehculos entre
gasolineros y de uso con diesel a someterse a pruebas
de emisiones tanto de gases como de opacidad para
motores impulsados a diesel. Los resultados
mostraron que el parque automotor, de conformidad
con los lmites mximos de emisin, poseen para el
CO gasolineros en promedio entre 20 y 30% de
rechazo, para HC gasolineros en promedio entre 12 y
22%, para vehculos pesados a diesel en promedio,
entre 60 y 50% y para vehculos livianos a diesel
entre 50 y 60%, ambos de rechazo (Swisscontact,
2000).
2.3 Condiciones atmosfricas que condicionan la calidad del aire
Las condiciones atmosfricas predominantes van a
determinar la calidad del aire en la ciudad de Lima.
La influencia del Anticicln del Pacifico Sur induce
afloracin de masas de agua y temperaturas fras en
la superficie del mar, impidiendo que haya
precipitacin sobre el ecosistema de la ciudad de
Lima, generando aridez, nubosidades bajas y alta
humedad relativa tpica de esta localidad.
Los flujos de vientos provenientes del Sur,
ingresan a la costa a una velocidad dbil entre 1 a 6
m/s, dependientes del gradiente trmico urbano. Al
ingresar a la ciudad de Lima, se encajonan en las
variadas micro cuencas de la cuenca del ri Rimac,
donde se producen condiciones de estancamiento de
masas de aire, debido a la ausencia de turbulencia
generada por la presencia de inversiones trmicas a
baja altura. La existencia de una capa de inversin
trmica que se manifiesta a una altura aproximada de
290 metros en invierno y 675 metros en verano; sobre
la ciudad de Lima, toma contacto con los espolones
de los andes, produciendo un encajonamiento
atmosfrico, debilitando en gran medida la capacidad
de dilucin o ventilacin horizontal por gradiente
trmico respecto de los distintos contaminantes
atmosfricos.
Los vientos predominantes arrastran contaminantes
sobre estas mismas zonas, los espolones de las
microcuencas y la capa de inversin pueden definir
las condiciones ms adversas de concentracin de
contaminantes. La presencia eventual de rotores de
viento en las microcuencas genera un
comportamiento peculiar de los comportamientos en
dichas zonas. La presencia de calmas contribuyen
tambin a agravar las condiciones, dado que en
presencia de una capa de inversin muy estable y
presente en todo el ao, (lo que coinciden
lamentablemente con las horas pico de trfico
vehicular en especial para el pico de la maana) a
diferencia a la buena ventilacin en la zona marino
costera, debilitndose las velocidades conforme se
aproximan a la cordillera.
Por lo expuesto se puede deducir que los factores
atmosfricos inciden negativamente sobre la calidad
atmosfrica del mbito local, en especial sobre las
reas del centro y este. Tambin es relevante
mencionar que los parmetros meteorolgicos, en
especial la humedad relativa, radiacin solar y
temperatura promueven las reacciones qumicas y
fotoqumicas de los contaminantes secundarios en la
atmsfera. (Estudio de saturacin, 2001)
Figura 2. Variacin diaria del PM10 registrado en
la estacin ubicada en el Palacio Municipal en el
ao de 1999.
Por lo expuesto, se puede deducir que los factores
atmosfricos inciden negativamente sobre la calidad
atmosfrica del mbito local, en especial sobre las
reas del centro y este. Tambin es relevante
mencionar que los parmetros meteorolgicos, en
especial la humedad relativa, radiacin solar y
temperatura promueven las reacciones qumicas y
fotoqumicas de los contaminantes secundarios en la
atmsfera. (Estudio de saturacin, 2001)
2.4 Evaluacin histrica de la contaminacin del aire en el Centro Histrico
de Lima
Las concentraciones de material particulado en
suspensin desde que se inici la medicin en la
estacin CONACO, administrada por DIGESA
siempre arroj valores altos respecto de la norma
EPA norteamericana. Para el ao 1999 por primera
vez se efectuaron en Lima mediciones promedio 24
horas de PM10 entre el mes de enero y agosto a cargo
de la municipalidad Metropolitana de Lima en la
estacin ubicada en el Palacio Municipal; tales
mediciones se muestran en la figura 2.2; se observa
que en los meses de abril, mayo, junio y julio existen
muchos das que superan el valor mximo de 150
g/m3 del estndar nacional.
Por otro lado, los contaminantes dixido de azufre
y dixido de nitrgeno para la misma estacin,
muestran un notable crecimiento de los xidos de
azufre, por la dieselizacin constante del parque
automotor; ambos contaminantes muestran valores
muy superiores a los estndares nacionales. Como los
registros han sido realizados en las ltimas dcadas,
el material particulado en el ambiente est
relacionado directamente con las emisiones del
parque automotor.
En el ao 2000, Swisscontact y DIGESA
elaboraron un Estudio de Saturacin de la calidad del
aire por encargo del Comit de Gestin de la
Iniciativa Aire Limpio para Lima-Callao, financiado
por COSUDE y el Banco Mundial. Dicho estudio
mostr una clara correlacin entre las reas
Evaluacin del grado de contaminacin del aire en el centro histrico de Lima
4
generadoras de emisin vehicular, su interaccin con
el flujo de viento predominante, y se identific las
reas de mayor concentracin sobre las reas de
mayor congestionamiento de trfico, como es el
sector Centro Histrico.
Los mapas elaborados muestran una clara
correlacin entre las reas generadoras de emisin
vehicular y su interaccin con el flujo de viento
predominante. Tambin se observa que las mayores
concentraciones se desarrollan sobre las reas de
mayor congestionamiento de trfico.
Actualmente se vienen desarrollando monitoreos
permanentes y continuos en la estacin de CONACO,
a cargo de DIGESA la cual ha indicado valores
elevados de contaminacin respecto de la normativa
Nacional (Estndares Nacionales de Calidad
Ambiental del Aire). La Tabla 1, muestra los
promedios mensuales (g/m3) registrados en la
Estacin de CONACO y publicados en el ao 2004.
Tabla 1. Promedios mensuales de contaminantes
SO2, NO2, PM2.5 y PTS en estacin de CONACO.
Mes SO2 NO2 PM2.5 PTS
Enero 136.39 72.82 --- 176.98
Febrero 113.52 103.12 67.05 202.20
Marzo 88.69 78.25 76.74 222.11
Abril 74.39 69.80 89.78 226.81
Mayo 79.14 75.71 100.10 243.25
Junio 65.85 78.70 93.23 225.36
Julio 69.76 69.91 97.09 249.18
Fuente: Tantalen N. J. (2006).
De todos los valores reportados para el ao 2 004
por DIGESA, los valores ms preocupantes son de
las concentraciones de PM2.5, ya que stos superan
ampliamente los valores de referencia de la EPA de
EEUU de 15 g/m3
promedio anual, as como la
norma referencial nacional para este contaminante en
todas las estaciones de DIGESA. A esto hay que
agregar que el PM2.5 es el contaminante que ms
claramente se lo ha asociado con efectos graves a la
salud pblica tales como mortalidad prematura y
bronquitis crnica, entre otros efectos cuantificados
en la literatura epidemiolgica.
La Calidad de Aire en el Centro Histrico es
deplorable, en especial los niveles de material
particulado fino (PM2.5) que resulta en gran medida,
agente inductor de enfermedades pulmonares y el
cual tiene una directa relacin con las emisiones
vehiculares del parque automotor metropolitano. Las
concentraciones de material particulado fino PM2.5
estaran provocando un incremento del 18% de la
mortalidad diaria y de un 55% en la admisin de
hospitales en usuarios frecuentes del Centro Histrico
de Lima (segn correlacin de causa efecto
establecidas por la OMS para poblaciones expuestas
a este contaminante por 8 horas).
2.5 Definicin de los contaminantes a medir 2.5.1 Material particulado PM 2.5 y PM 10
Segn los expertos, esta fraccin ms pequea del
material particulado respirable es mucho ms
agresiva y peligrosa para la salud. Estn asociados a
enfermedades del sistema respiratorio y aumenta la
mortalidad prematura y el riesgo cancergeno. Una
vez que las partculas se han depositado en el sistema
respiratorio, su accin irritante es producto por una
parte, de su composicin qumica y su toxicidad y por
otra de su facilidad para adsorber otras sustancias en
su superficie, producindose un efecto sinrgico que
aumenta su agresividad.
Este compuesto es producido por procesos de
produccin industrial y comercial y procesos de
combustin en general, y tambin se genera en la
atmsfera a partir de reacciones de oxidacin de
gases precursores (SO2, NO2, HC) especialmente en
condiciones de alta reactividad fotoqumica.
(Viscarra, 1982; Wark, 2000; Gutirrez, 2001)
2.5.2 Dixido de azufre (SO2) El dixido de azufre o anhdrido sulfuroso es el
compuesto azufrado de origen antropognico ms
importante, es emitido principalmente en los procesos
de combustin de combustibles que poseen niveles
elevados de azufre. Es un gas cido incoloro irritante,
qumicamente es relativamente estable en presencia
de la radiacin solar y altas temperaturas con el
oxgeno forma el SO3 trixido de azufre el cual en
presencia del vapor de agua forma el H2SO4 por ello
es precursor de la formacin de lluvia cida
(precipitacin de SO2 y sulfatos en las cuencas y
ecosistemas (Viscarra, 1982; Wark, 2000; Gutirrez,
2001).
Es recomendable seguir el monitoreo de este
contaminante a largo plazo con mtodos pasivos para
vigilar la contaminacin de sistemas ecolgicos
sensibles.
2.5.3 Oxido de nitrgeno (NO2, NO, NO2) De los seis o siete xidos de nitrgeno, el xido
ntrico (NO) y el dixido de nitrgeno (NO2) son
importantes contaminantes del aire. El dixido de
nitrgeno (NO2) es un gas txico, el cual puede tener
efectos adversos crnicos y agudos y puede
incrementar la frecuencia y seriedad de los sntomas
de respiracin baja (bronquitis). El dixido de
nitrgeno juega un papel importante como precursor
en la formacin de ozono y oxidantes, que son
tambin txicos en especial para las plantas. Sus
fuentes son mayoritariamente el trfico motorizado,
as como tambin la combustin residencial y los
procesos industriales de combustin. El dixido de
nitrgeno tambin se genera por oxidacin del xido
ntrico (NO) en condiciones de alta humedad
ambiental o con una actividad fotoqumica relevante.
(Viscarra, 1982; Wark, 2000; Gutirrez, 2001)
2.5.4 Monxido de carbono (CO) Es un gas incoloro e inodoro, pero que puede
causar la muerte cuando se lo respira en niveles
elevados. El CO se produce cuando se queman
materiales combustibles como gas, gasolina,
kerosene, carbn, petrleo o madera en condiciones
de dficit de oxgeno (combustin ineficiente). Las
chimeneas, las calderas, los calentadores de agua y
los aparatos domsticos que queman combustibles
fsiles o derivados del petrleo, como las estufas u
Jernimo Garca V., Jessica Tantalen N.
An cient. 69(4) 2008, pp. 1-11 5
hornillas de la cocina o los calentadores de
queroseno, tambin pueden producir CO si no estn
funcionando bien. Los automviles parados con el
motor encendido tambin despiden CO. Es un gas
estable y tiene una vida media de 2 a 4 meses en la
atmsfera. Tiene una afinidad mucho ms alta que el
oxgeno por la hemoglobina de la sangre. As, se
forma carboxihemoglobina (COHb) que impide a la
hemoglobina transportar el oxgeno a las clulas, y
por tanto, el organismo no puede obtener la energa
necesaria para sobrevivir. (Viscarra, 1982; Wark,
2000; Gutirrez, 2001)
3. Materiales y mtodos
3.1 Equipos y datos
Para el estudio se utiliz los datos utilizados por
Tantalean Noriega J. (2006) en el trabajo denominado
Evaluacin de la calidad del aire en el Centro Histrico de Lima en el mes de febrero del 2005, en el cual se utilizaron los siguientes equipos:
Para el monitoreo pasivo se utilizaron los tubos
pasivos mostrados en la Figura 3.
Muestreador pasivo para el dixido de nitrogeno
Muestreo con membrana de tefln para la medicin
del dixido de azufre.
Figura 3. Muestreadores pasivos para NO2 y SO2.
El muestreador pasivo para dixido de azufre est
basado en el principio de la difusin molecular
pasiva de dixido de azufre hacia una medio
absorbente en este caso de carbonato de potasio y de
glicerina. Los muestreadores utilizados consisten en
un estuche de polipropileno con una apertura de 20
mm de dimetro. Para disminuir la influencia del
viento se fija una membrana sostenida por una red
metlica. Despus del tiempo de exposicin se
determina la cantidad total de azufre por
cromatografa inica.
El muestreador de dixido de nitrgeno est basado
en el principio de difusin molecular hacia un medio
absorbente, en este caso de trietanolamina. El
muestreador consiste en un tubo de polipropileno de
7.4 cm de largo y de 9.5 mm de dimetro interno. Los
muestreadores se colocan en un dispositivo especial,
para protegerlos de la lluvia y minimizar la influencia
del viento.
Analizador de gases.Teledyne/Advanced Pollution Instrumentation
Figura 4. TEOM (Tapered Element Oscillating
Microbalance)
Figura 5. Analizador de Gases Teledyne/
Advanced Pollution.
Para el monitoreo PM10, PM2.5, SO2, NO2 y CO se
utilizaron los equipos mostrados en la Tabla 2 y
Figuras 4 y 5.
Tabla 2. Equipos utilizados en el monitoreo
continuo
Contaminante Equipos a utilizar
Mtodo continuo
Partculas PM 10 TEOM 1400
Partculas PM 2.5 TEOM 1400
Monxido de
Carbono
Analizador de gases M300
Teledyne/Advanced Pollution
Instrumentation.
Dixido de Azufre
Analizador de gases M100
Teledyne/Advanced Pollution
Instrumentation.
Dixido de Nitrgeno
Analizador de gases M200
Teledyne/Advanced Pollution
Instrumentation.
El Material Particulado PM10 y PM2.5, fue medido
con un monitor TEOM SERIE 1400 (Figura 4), el
cual tiene un mecanismo de tiempo real para la
medicin de la concentracin de las partculas en el
aire tanto en interior como exterior. Los equipos
TEOM (Tapered Element Oscilating Microbalance)
son monitores basados en filtros de masa que miden
la masa de las partculas suspendidas de la corriente
del gas en ese momento. La frecuencia de oscilacin
Evaluacin del grado de contaminacin del aire en el centro histrico de Lima
6
de una pieza de cuarzo est directamente relacionada
con la masa de partculas muestreadas en el
instrumento, lo que permite manejar informacin en
forma continua.
Para el monitoreo de gases SO2, NO2 y CO, se
utiliz los analizadores automticos de gases marca
Teledyne/Advanced Pollution Instrumentation
(Figura 5), los cuales adems, cumplen con los
mtodos descritos en el Reglamento Nacional de
Estndares de Calidad de Aire (D.S. 074-20001-
PCM) que registran informacin minuto a minuto y
reportan concentraciones promedio horarias.
Los datos meteorolgicos fueron registrados con
una estacin automtica porttil marca MetOne
Instruments modelo AutoMet.
Por otro lado, los instrumentos mencionados fueron
instalados en estaciones previamente elegidas, para el
caso de los tubos pasivos se muestran en el mapa 1
(Figura 6) y para los gases, partculas y variables
meteorolgicos se muestra en el mapa 2 (Figura 7).
Figura 6. Mapa 1: Ubicacin de los 8 puntos del
muestreo pasivo.
Figura 7. Mapa 1: Ubicacin de punto de
monitoreo continuo.
En cada estacin se instalaron tres (3)
muestreadotes de tubos pasivos a una altura de 3
metros en postes de alumbrado pblico con un tiempo
de exposicin de 20 das desde el 27 de enero al 15
de febrero del 2005. La estacin de monitoreo
continuo se ubic en el Paseo de los Hroes, frente al
Palacio de Justicia, los equipos de calidad de aire se
instalaron en un laboratorio mvil aproximadamente
2.5 m de altura y la estacin meteorolgica
automtica sobre la unidad mvil aproximadamente a
3 m de altura; este monitoreo se realiz durante una
semana desde el 22 al 28 de febrero del 2005.
3.2 Mtodos
3.2.1 Determinacin de la diferencia entre
mtodo de muestreo de tubos pasivos y
analizador de gases para la concentracin
de NO2 y SO2
Las diferencias fueron evaluadas a travs de la
comparacin de las concentraciones obtenidas por
cada uno de los mtodos, expresndolas como
promedios diarios en las mismas unidades. En la
comparacin se determin el error relativo (Er)
considerando al mtodo de analizadores como el
mtodo adecuado. Se utiliz los datos de la estacin 5
(E5), ubicado en la Plaza Grau, del mtodo de tubo
pasivo por ser esta la nica estacin situada muy
prximo a la estacin de monitoreo continuo.
3.2.2 Determinacin del comportamiento
temporal de la concentracin de PM2.5, PM10,
SO2, NO2 y CO
El comportamiento temporal se realiz a travs del
anlisis horario de la concentracin de los
componentes de calidad del aire PM2.5, PM10, SO2,
NO2 y CO registrados con los equipos automticos ya
indicados. Se analizaron la gravedad de las
concentraciones halladas comparndolas con valores
indicados en el ECA nacional.
3.2.3 Determinacin de la relacin entre los
factores de dispersin (viento, temperatura y
humedad relativa) y los contaminantes
monitoreados (PM2.5, PM10, SO2, NO2 y CO)
Se evaluaron la relacin existente entre las
variables meteorolgicas viento (X1), temperatura
(X2) y humedad relativa (X3) y cada contaminante
(Y) medido; haciendo uso de una muestra de 110
datos, medidos en forma horaria. Esta relacin se
puede emplear para simular y predecir el
comportamiento de un contaminante a partir de las
variables meteorolgicas pronosticadas en el lugar de
estudio.
Para determinar la relacin entre las variables se
plante la siguiente relacin o modelo lineal:
)1 ( 332211 XbXbXbaYCont
Donde los parmetros a, b1, b2 y b3 se determinaron
realizando la regresin mltiple y el modelo lineal
fue considerado aceptable cuando la prueba
estadstica de F de a 0, b1 0, b2 0, b3 0, resultaron significativos para el nivel de confianza de
99%, 95% 90%.
A los modelos estadsticamente significativos se
procedi validarlos, recurriendo al error relativo y al
Bias (B). Para ello se trabaj con otra muestra de 52
datos de mediciones horarias de cada variable
dependiente e independiente.
La determinacin del error relativo (Er) se realiz
con la expresin (2) y el Bias (B) con la expresin 3.
Jernimo Garca V., Jessica Tantalen N.
An cient. 69(4) 2008, pp. 1-11 7
)2 ( 100)(
Yob
xYobYesEr
) 3 ( /)(1
n
nYobYesB
Se adopt estimaciones correctas, aquellas cuyo Er
se encuentren dentro del intervalo 20%. Un modelo
para pasar la prueba de validacin necesita que el
nmero de sus estimaciones correctas ( 20%) sean 75% del tamao de la muestra en utilizacin.
Por otro lado, el Bias (B) fue utilizado para ver la
sobre o sub estimacin de la relacin o modelo en
consideracin.
4. Resultados y discusin
4.1 Diferencia entre mtodo de muestreo de
tubos pasivos y analizador de gases para la
concentracin de SO2 y NO2
Los resultados se muestran en la Tabla 3 y 4. La
Tabla 3 muestra concentraciones media diaria de 3.34
y 3.04 g/m3 de SO2 y NO2 respectivamente para
muestreadotes de tubos pasivos y la Tabla 4 muestra
las comparaciones de las concentraciones obtenidas
con los tubos pasivos y analizadores (promedio de los
7 das). Se observa mayores valores para los
analizadores en los dos tipos de contaminantes, las
diferencias expresadas en porcentaje son
respectivamente -30.42% y -85.99 % y constituyen
diferencias grandes sobre todo en lo concerniente al
NO2. Estos resultados indican la necesidad de realizar
ms estudios experimentales con la finalidad de
poder determinar factores de correccin de las
mediciones de mtodos de tubos pasivos; todo esto
debido a que monitoreos de la calidad del aire con
tubos pasivos son de bajo costo comparado a los de
los de analizadores y razn por la cual son
recomendados para su uso en la validacin de los
modelos de dispersin.
Tabla 3. Concentracin de SO2 y NO2 medido con
colectores pasivos (mtodo de muestreo: tubo
pasivo)
Pto Lugar
Concentracin
media en 20
das (g/m3)
Concentracin
media diaria
(g/m3)
SO2 NO2 SO2 NO2
P1 Jirn Huaraz 22.5 30.7 1.13 1.54
P2 Av. Moquegua 24.9 37.1 1.25 1.86
P3 Calle Chancay 29.2 40.1 1.46 2.01
P4 Jirn Junin 47.2 50.4 2.36 2.52
P5 Ovalo Grau 66.8 60.7 3.34 3.04
P6 Jirn Huanta 10.8 30.5 0.54 1.53
P7 Cucardas 20.2 26.9 1.01 1.35
P8 Jacinto Benavente 18.7 35.8 0.94 1.79
Tabla 4. Concentraciones de SO2 y NO2 (g/m3)
obtenidos con tubos pasivos y analizadores Contami-
nante
Tubo
pasivo
(g/m3)
Analizador,
promedio
de 7 das
(g/m3)
Diferencia
(g/m3)
Error
(%)
SO2 NO2
3.34
3.04
4.8
21.7
-1.46
-18.66
-30.42
-85.99
4.2 Comportamiento temporal de la
concentracin de PM2.5, PM10, SO2, NO2 y Co
Los resultados se muestran en las Figuras 6, 7, 8, 9,
10, y 11 todas las curvas horarias de cada da exhiben
la caracterstica de ser bimodales, en promedio, estas
ocurren entre 19 a 22 horas y entre 7 a 10 horas.
Figura 6. Anlisis temporal de las concentraciones
de SO2.
Figura 7. Anlisis temporal de las concentraciones
de NO2.
Figura 8. Anlisis temporal de las concentraciones
de CO
Evaluacin del grado de contaminacin del aire en el centro histrico de Lima
8
Figura 9. Anlisis temporal de las concentraciones
de PM10.
Figura 10. Anlisis temporal de las
concentraciones de PM2.5.
Figura 11. Anlisis temporal del factor de
dispersin el viento.
La caracterstica bimodal se explica por las horas punta del trfico vehicular urbano, situacin que es propiciado en parte por la baja velocidad del viento a
esas horas (ver Figura 11).
El dixido de azufre en promedio en los 7 das
oscil entre 2 y 8 g/m3 y el promedio de 24 horas
fue de 4.9 g/m3, todos estos valores estn muy lejos
del valor lmite de 365 g/m3 establecido en el ECA
Nacional. El NO2 fluctu entre 9 y 30 g/m3 y el
promedio horario fue de 22 g/m3, similar que en el
caso anterior, todos estos valores estn muy lejos del
valor lmite de 200 g/m3 establecido en el ECA
nacional. Por otro lado, el CO oscil entre 990 a 3500
g/m3 y el promedio de 8 horas fue 1960 g/m
3,
tambin en este caso todos los valores estn por
debajo lmite de 10000 g/m3 establecido en el ECA
Nacional. Las partculas PM10 oscilaron entre 60 y
150 g/m3 y el promedio de 24 horas fue de 105
g/m3, en este caso hubo varias horas en algunos
das donde se superaron el valor lmite de 150 g/m3
establecido en el ECA Nacional. De manera similar
las partculas PM2.5 oscilaron entre 23 y 58 g/m3 y
el promedio diario fue 40 g/m3, si bien los
promedios no superan al valor referencial de 65
g/m3, hubo horas en varios das que se superaron el
valor referencial mencionado.
De todo lo anterior vemos que en el Centro
Histrico de Lima no existen problemas con los gases
analizados, ms s con el caso de las partculas de
PM10 y PM2.5.
4.3 Relacin contaminantes (gases y
partculas) y factores de dispersin
4.3.1 Modelos
Los modelos determinados se muestran en la Tabla 5,
donde se observa la relacin del contaminante Y con
las variables viento (V), temperatura (T) y humedad
relativa (HR) resultaron altamente significativos
(***); observando el error relativo y la desviacin
estndar vemos que el modelo del CO es el menos
preciso.
4.3.2 Validacin
El modelo para SO2 (Figura 12) muestra que ninguno
de los errores (Er) de estimacin superan el 20%
(Figura 12), debido a que casos que superan el 20%
de error es cero (Figura 12b), el modelo pasa la
validacin y el Bias = 0.98 (Fig. 4.2b) indica ligera
sobre estimacin.
Tabla 5. Relacin entre los contaminantes y factores de dispersin.
Contaminantes Ecuaciones Fc r Er
(%) S
(g/m3)
CO Y= 7287.2-106.1V+14.40T -73.16HR 8.22*** 0.45 30.36 760.66
NO2 Y= 5.64+2.071V+1.961T-0.4503HR 41.8*** 0.751 1.373 5.215
SO2 Y= -12.09-1.814V+1.265T-0.105HR 11.7*** 0.515 0.627 2.307
PM 2.5 Y= 100.63-1.011V+0.81T -1.056HR 7.14*** 0.42 3.51 13.47
PM 10 Y= 197.37+0.162V+3.07T -2.205HR 7.38*** 0.43 7.347 32.99
Donde: Fc: F calculado significativo al 99%, r: Coeficiente de correlacin, Er: Error relativo, S:
Desviacin estndar.
Jernimo Garca V., Jessica Tantalen N.
An cient. 69(4) 2008, pp. 1-11 9
De acuerdo con este resultado, el modelo
determinado puede ser utilizado para estimar la
concentracin del SO2 con slo medir las variables
viento, temperatura y humedad relativa.
Figura 12. Validacin del modelo de estimacin
del dixido de azufre (SO2), error relativo de
estimacin (%) (a), Bias del modelo (b).
Figura 13. Validacin del modelo de estimacin
del dixido de nitrgeno (NO2), error relativo de
estimacin (%) (a), Bias del modelo (b).
Para el caso de NO2 la Figura 13, muestra que
ninguno de los errores (Er) de estimacin superan el
20% (Figura 3), debido a que casos que superan el
20% de error es cero (Figura 13b), el modelo pasa la
validacin y el Bias = -1.05 (Figura 13b) indica ligera
sub estimacin. De acuerdo a este resultado, el
modelo determinado puede ser utilizado para estimar
la concentracin del NO2 con slo medir las variables
viento, temperatura y humedad relativa.
Para el caso de CO la Figura 14, muestra que 28 de
los errores (Er) de estimacin superan el 20% (Figura
14), debido a que casos que superan el 20% de
error es 28 (Figura 14b), el modelo no pasa la
validacin y el Bias = 45.08 (Figura 14b) indica sobre
estimacin. De acuerdo a este resultado, el modelo
determinado no puede ser utilizado para estimar la
concentracin del CO con slo medir las variables
viento, temperatura y humedad relativa.
Para el caso de PM10 la Figura 15, muestra que slo
2 errores (Er) de estimacin superan el 20% (Figura
15), debido a que casos que superan el 20% de
error es menor de 25% (Figura 15b), el modelo pasa
la validacin y el Bias = -4.76 (Figura 13b) indica
ligera sub estimacin. De acuerdo a este resultado, el
modelo determinado puede ser utilizado para estimar
la concentracin de PM10 con slo medir las variables
viento, temperatura y humedad relativa.
Figura 14. Validacin del modelo de estimacin
del monxido de carbono (CO), error relativo de
estimacin (%) (a), Bias del modelo (b).
Evaluacin del grado de contaminacin del aire en el centro histrico de Lima
10
Figura 15. Validacin del modelo de estimacin de
partculas menores de 10 micras (PM10), error
relativo de estimacin (%) (a), Bias del modelo
(b).
Figura 16 Validacin del modelo de estimacin de
partculas menores de 2.5 micras (PM2.5), error
relativo de estimacin (%) (a), Bas del modelo
(b).
Para el caso de PM2.5 la Figura 16, muestra que
ninguno de los errores (Er) de estimacin superan el
20% (Figura 16), debido a que casos que superan el
20% de error es 0 (Figura 16b), el modelo pasa la
validacin y el Bas = -4.76 (Figura 16b) indica ligera
sub estimacin. De acuerdo a este resultado, el
modelo determinado puede ser utilizado para estimar
la concentracin de PM2.5 con slo medir las
variables viento, temperatura y humedad relativa.
5. Conclusiones
Las mediciones de los tubos pasivos son menores a
los de analizadores de gases y se requieren
determinar sus factores de correccin.
El anlisis temporal de los contaminantes indican
mximas bimodales que estn asociados con las horas
de mayor trfico urbano y horas de menor viento. Las
magnitudes del SO2, NO2 y CO estn muy por debajo
de los lmites mximos permisibles. Sin embargo en
lo que respecta al material particulado PM10 y
PM2.5 se observaron horas en varios das que
superaron los valores referenciales.
Se han determinado modelos lineales
estadsticamente significativos para cada uno de los
contaminantes en estudio. Sin embargo en el proceso
de validacin, el modelo determinado para el
monxido de carbono (CO) no pas este proceso, en
consecuencia los contaminantes SO2, NO2, PM10 y
PM2.5 pueden ser estimados, para el Paseo de los
Hroes, con solo medir el viento, temperatura y la
humedad relativa, y aplicando los modelos
determinados.
6. Referencias bibliogrfica
COMIT DE GESTION E LA INICIATIVA E AIRE
LIMPIO PARA LIMA CALLAO (2004) Plan
Integral de Saneamiento Atmosfrico.
GENIVAR/IMP/MML/ACDI (2002),
Caracterizacin del Sector Industrial de Lima
Metropolitana. Estudio elaborado para el Instituto
Metropolitano de Lima - IMP.
GEOLOGICAL SURVEY OF FINLAND (2000),
Anlisis de Multielementos Qumicos de Filtros de
PM10 de Lima Callao. Estudio elaborado para el PRAAM.
ESTRELLA ROLANDO (1998) Prevalencia de
Patologas Respiratorias en la Polica de Transito,
Departamento de Sanidad de la Polica Nacional
del Per. Estudio encargado por la Polica Nacional
del Per PNP.
FIGARI BELLO, AIDA (2000) Emisiones de los
Vehculos Automotores y Planeamiento de
Posibles Estrategias de Control en el rea
Metropolitana de Lima y Callao. Tesis de grado de
la UNALM.
GUTIERREZ ENRIQUE y ALBERT FRANCISCO.
Contaminacin Atmosfrica, Ruidos y
Radiaciones. Editorial EDITEX, Madrid 2001.
MUNICIPALIDAD METROPOLITANA DE LIMA
(1999) Monitoreo de Material Particulado PM10 en
el Palacio Municipal Centro Histrico de Lima. Reporte del PRAAM MML.
Jernimo Garca V., Jessica Tantalen N.
An cient. 69(4) 2008, pp. 1-11 11
MUNICIPALIDAD METROPOLITANA DE
LIMA/PRAAM (2001), Monitoreo de Material
Particulado PM 2.5 en la avenida Abancay Centro Histrico de Lima. Reporte del PRAAM MML.
PACSI V. SERGIO (2003). Evaluacin y Tendencias
de la Contaminacin del aire por dixido de
nitrgeno y dixido de azufre en Lima
Metropolitana. Anales Cientficos. Vol LVI, 2003.
SWISCONTACT/INFRAS, PISA-LIMA/CALLAO:
EMOD/CMAP, (2002) Assumptions and Results.
Estudio encargado por el Comit de Gestin de la
Iniciativa de Aire Limpio de Lima y Callao.
SWISSCONTACT (2000), Revisin Tcnica de
Vehculos - Lmities Mximos Emisiones. Estudio
encargado por la Direccin General de Asuntos
Ambientales del ex MTC, Vivienda y
Construccin.
SWISSCONTACT (2001) Estudio de Saturacin de
la Calidad del Aire de la Ciudad de Lima
Metropolitana y Callao. Estudio encargado por el
Comit de Gestin de la Iniciativa de Aire Limpio
de Lima y Callao.
TANTALEAN N. JESICA (2006). Evaluacin de la
Calidad del Aire en el Centro Histrico de Lima
en el mes de Febrero del 2005. Tesis de Ingeniero.
VISCARRA, MANUEL ANDREU (1982), La
Atmsfera Contaminada y sus Relaciones con el
Publico.
WARK KENNETH and WARNER CECIL.
Contaminacin del Aire, origen y Control.
Editorial LIMUSA. Mexico, 2000.
An cient. UNALM 69(4), 2008 Recibido: 11/02/2008
ISSN 0255-0407 Aceptado: 31/03/2008
12
Rendimiento acadmico de estudiantes de primer ciclo en relacin a la
modalidad y especialidad de ingreso en la UNALM
Roco C. Delgado A. 1, Mnica R. Gutirrez R.
2
Resumen
El objetivo del estudio fue examinar la asociacin entre el rendimiento acadmico estudiantil en el curso de
Matemtica Bsica, tanto con la modalidad, como con la especialidad de ingreso. La muestra (n=3558) estuvo
constituida por estudiantes ingresantes de las modalidades concurso de admisin, exonerados primeros puestos de
educacin secundaria y exonerados del Centro Pre La Molina. Las categoras del rendimiento acadmico fueron tres
(muy bajo, bajo y medio-alto) y para la especialidad de ingreso del estudiante fueron once. Se emple el anlisis de
correspondencia simple, los datos se procesaron con el software estadstico SPSS v. 11. Se efectu el anlisis
separadamente para diez ciclos desde el 2001 II hasta el 2006 I. Los resultados permitieron rechazar la hiptesis de
independencia entre las variables. Se evidenci en cada uno de los diez ciclos, la asociacin entre: el rendimiento
acadmico bajo y muy bajo con la modalidad exonerados primeros puestos; el rendimiento muy bajo con la
modalidad concurso de admisin y el rendimiento medio-alto con la modalidad exonerados del Centro Pre La
Molina; el rendimiento acadmico medio-alto con las especialidades de Industrias Alimentarias, Biologa e
Ingeniera Ambiental.
Palabras clave: Rendimiento acadmico, matemtica, anlisis de correspondencia.
Abstract
The aim of the study was to explore the association between the academic student performance (ASP) in Basic
Mathematics (BM) class with both type (TA) and career of admission (CA). Data from first semester students
(n=3558) were used in this study. The academic performance in BM class was categorized in three classes (very
low, low and mid-high). The type of admission were admission test (AT), exoneration for being at first places at
high school (EHS), and exoneration for being at the first places at La Molina Pre-academic Center (EPL), and career
of admission had eleven levels. Simple correspondence analysis implemented in SPSS v. 11 was used to analyze
data for ten semesters (2001 to 2006), separately. The hypothesis of independence between ASP with TA and CA
was rejected in all semesters. There is evidence of the association between low ASP and EHS, very low ASP and
EHS, AT and very low ASP, and mid-high ASP and EPL. Food science, Biology and Environmental Engineering
careers were associated with mid-high ASP.
Key words: Academic student performance, mathematics, correspondence analysis.
1. Introduccin
Se ha observado que el porcentaje de estudiantes
desaprobados, en el primer curso de matemticas de
la Universidad Nacional Agraria la Molina
(UNALM), en diez ciclos consecutivos vari entre
20,5% y 45,7%, y el porcentaje de estudiantes que
obtuvieron la nota mnima aprobatoria vari entre
13,1% y 19,3%. Ver Tabla 1.
La preocupacin por estos resultados y las
dificultades que generan han dado origen a la
presente investigacin, la cual forma parte de un
proyecto orientado a mejorar el rendimiento
acadmico en los cursos bsicos de matemtica.
Un primer paso en el estudio del rendimiento
acadmico, dirigido a la aplicacin de medidas
preventivas con fines de mejora, es la exploracin del
comportamiento de las variables previas al proceso
de enseanza aprendizaje, que puedan influir en l.
As, en el presente trabajo se plantearon los
siguientes objetivos: examinar la asociacin entre el
rendimiento acadmico de los estudiantes en el curso
de Matemtica Bsica y la modalidad de ingreso, y
examinar la asociacin entre el rendimiento
1, 2 Facultad de Ciencias, Universidad Nacional Agraria la Molina.
Lima, Per. E-mail: dare@lamolina.edu.pe,
monig@lamolina.edu.pe
acadmico de los estudiantes en el curso de
Matemtica Bsica y la especialidad de ingreso.
Tabla 1. Resultados obtenidos por los
estudiantes del 1er ciclo del curso Matemtica
Bsica.
Ciclo Total de
ingresantes
Estudiantes
desaprobados
(%)
Estudiantes
con nota
mnima (%)
2001 II 348 39,4 18,1
2002 I 330 33,9 17,6
2002 II 354 37,6 17,2
2003 I 324 45,7 15,7
2003 II 355 36,3 13,8
2004 I 414 20,5 15,0
2004 II 353 35,1 19,3
2005 I 413 38,0 13,1
2005 II 332 31,6 15,7
2006 I 420 28,8 15,0
*El sistema de calificacin es vigesimal y la nota final mnima aprobatoria es 11.
Fuente: Oficina Acadmica de Estudios (OAE).
Elaboracin Propia.
Se utilizar la tcnica de interdependencia: anlisis
de correspondencia simple, la cual es una tcnica
descriptiva (Hair, 1999). Se aplicar, separadamente,
para diez ciclos desde el 2001 II hasta el 2006 I.
Roco C. Delgado A, Mnica R. Gutirrez R.
13
2. Revisin de literatura
2.1 Antecedentes Estudios previos de aspectos relacionados con el
rendimiento de estudiantes de la UNALM, en el
primer curso de matemticas, fueron realizados por:
Bazn y Sotero (1998), quienes estudiaron las
actitudes hacia la matemtica de estudiantes
ingresantes del ciclo 1995 - I, diferenciando sus
resultados segn edad, sexo y especialidad de
ingreso. Algunas de sus conclusiones fueron: que en
general la actitud hacia la matemtica es ms bien
negativa, no encontraron diferencias por sexo y
hallaron diferencias por especialidad.
Moreno y otros (2001), identificaron similitudes
entre las especialidades de ingreso y grupos horarios
de clases con base en los rendimientos obtenidos en
el curso de Matemtica I, en el semestre 2000-I. Una
de las conclusiones con respecto al dominio de la
matemtica fue la similitud entre los siguientes
grupos de especialidades: Estadstica e Industrias
Alimentarias; Zootecnia y Pesquera; Biologa y
Ciencias Forestales; Ingeniera Ambiental e
Ingeniera Agrcola.
Moreno y Huanca (2005), identificaron tipos de
errores que cometieron los estudiantes ingresantes del
ciclo 2004-I de las especialidades de Estadstica y
Pesquera, en el tema de inecuaciones del curso de
Matemtica Bsica, asocindolos a diferentes
caractersticas, entre ellas la modalidad de ingreso.
En su estudio encontraron diferencias entre ambas
especialidades.
2.2 Rendimiento acadmico, concepto y
factores asociados De La Orden et al. (2001), seala que este tema
puede ser tratado a nivel macro (rendimiento del
sistema educativo) o a nivel micro (rendimiento de
los individuos). En lo sucesivo nos referiremos al
segundo caso.
Edel (2003), conceptualiza el rendimiento
acadmico como un constructor susceptible de
adoptar valores cuantitativos y cualitativos, a travs
de los cuales existe una aproximacin a la evidencia
y dimensin del perfil de habilidades, conocimientos,
actitudes, y valores desarrollados por el alumno en el
proceso de enseanza aprendizaje.
Teniendo en cuenta la acepcin original de
rendimiento, tomada directamente del mbito de la
economa, el rendimiento individual representa como
concepto la consecucin de los objetivos educativos o
lo que es lo mismo, el producto educativo buscado
(De La Orden et al., 2001).
Benitez, Jimnez y Osika, 2000 (citados por Edel,
2003) indican que probablemente una de las
dimensiones ms importantes en el proceso de
enseanza aprendizaje lo constituye el rendimiento
acadmico del alumno y cuando se trata de evaluar el
rendimiento acadmico y cmo mejorarlo, se
analizan en mayor o en menor grado los factores que
pueden influir en l considerando generalmente, entre
otros, factores socioeconmicos, la amplitud de los
programas de estudio, las metodologas de enseanza
utilizadas, la dificultad de emplear una enseanza
personalizada, los conceptos previos que tienen los
alumnos, as como el nivel de pensamiento formal de
los mismos.
De La Orden et al. (2001), refirindose a los
estudios realizados sobre este tema, hace una sntesis,
indicando que se ha pretendido explicar el fenmeno
del rendimiento acadmico como el resultado de la
interaccin de un conjunto de factores vinculados al
propio alumno, a la familia y su entorno socio
cultural y socioeconmico y al sistema educativo.
3. Materiales y mtodos
3.1 Poblacin y muestra de estudio La poblacin en estudio estuvo conformada por los
estudiantes de primer ciclo de la UNALM que
cursaron la asignatura de Matemtica Bsica en el
perodo 2001 II 2006 I. La muestra no probabilstica por conveniencia se
determin considerando solo tres modalidades de
ingreso: concurso de admisin ordinario, exonerados
primeros puestos de educacin secundaria y
exonerados del Centro Pre La Molina. Las otras
modalidades de ingreso (traslado externo,
bachillerato internacional, Convenio Andrs Bello,
exonerados profesionales, deportistas calificados,
discapacitados y vctimas del terrorismo) no fueron
consideradas porque solo representan entre el 0,6% y
4,5% del total de ingresantes durante el perodo
2001-II al 2006-I. Ver Tabla 2 y Tabla 3.
Tabla 2. Distribucin de estudiantes de primer ciclo segn modalidad de ingreso.
Ciclo Total de
ingresantes
Concurso admisin
ordinario (%)
Exonerados
primeros puestos (%)
Exonerados centro
pre La Molina (%)
Otras
modalidades (%)
2001 - II 348 69,0 4,0 25,9 1,1
2002 - I 330 53,3 7,6 34,5 4,5
2002 - II 354 72,0 4,2 21,8 2,0
2003 - I 324 61,1 7,1 29,9 1,9
2003 - II 355 72,1 5,1 21,7 1,1
2004 - I 414 59,4 6,3 30,4 3,9
2004 - II 353 70,3 5,9 20,7 3,1
2005 - I 413 58,4 8,5 30,5 2,7
2005 -II 332 66,6 8,4 24,4 0,6
2006 - I 420 63,8 6,9 27,1 2,1
3643
Fuente: Oficina Acadmica de Estudios (OAE). Elaboracin Propia.
Tabla 3. Distribucin de las muestras por ciclo.
An cient. 69(4) 2008, pp. 12-21 14
Ciclo Total
Concurso
admisin
ordinario
(%)
Exonerados
primeros
puestos
(%)
Exonerados
centro pre la
molina
(%)
2001 - II 344 69,8 4,1 26,2
2002 - I 315 55,9 7,9 36,2
2002 - II 347 73,5 4,3 22,2
2003 - I 318 62,3 7,2 30,5
2003 - II 351 72,9 5,1 21,9
2004 - I 398 61,8 6,5 31,7
2004 - II 342 72,5 6,1 21,3
2005 - I 402 60,0 8,7 31,3
2005 -II 330 67,0 8,5 24,5
2006 - I 411 65,2 7,1 27,7
3558
Fuente: Oficina Acadmica de Estudios (OAE). Elaboracin Propia.
3.2 Variables Se consideraron tres variables: rendimiento
acadmico estudiantil en Matemtica Bsica,
modalidad de ingreso y especialidad de ingreso.
El rendimiento acadmico estudiantil, se defini
operacionalmente en trminos cualitativos en tres
niveles: Muy Bajo, Bajo y Medio-Alto. La asignacin
a un nivel o categora dependi de la nota final
obtenida por el estudiante en el curso. Ver Tabla 4.
Tabla 4. Rendimiento acadmico estudiantil.
Nivel o
categora
Nota final en
matemtica bsica
Etiqueta de
la categora
Muy Bajo Menor o igual a 09 C
Bajo Igual a 10, 11 y 12 B
Medio-Alto Mayor o igual a 13 A Fuente: Elaboracin Propia.
La modalidad de ingreso es una variable cualitativa
nominal con tres categoras: concurso de admisin
ordinario (ADM), exonerados primeros puestos de
educacin secundaria (EPP) y exonerados del Centro
Pre La Molina (PRE).
La variable especialidad de ingreso, variable
cualitativa nominal, representa once categoras:
Agronoma (AGRO), Biologa (BIO), Economa
(ECO), Estadstica e Informtica (EST), Industrias
Alimentarias (ALI), Ingeniera Agrcola (AGRI),
Ingeniera Ambiental (AMB), Ingeniera en Gestin
Empresarial (GES), Ingeniera Forestal (FOR),
Pesquera (PES) y Zootecnia (ZOO).
3.3 Software estadstico
Los datos fueron proporcionados por la Oficina
Acadmica de Estudios y se organizaron en una base
de datos para su respectivo procesamiento en el
programa estadstico SPSS por Windows v. 11.
3.4 Mtodo
De acuerdo a los objetivos planteados y teniendo
en cuenta el tipo de las variables se utiliz la tcnica
anlisis de correspondencia simple.
Uno de los objetivos de esta tcnica es examinar la
asociacin entre las categoras de dos variables
cualitativas y representarlas en un mapa perceptual.
La aplicacin de la tcnica se inicia con la
elaboracin de una tabla cruzada de frecuencias de
dos variables cualitativas (tabla de contingencia) con
p filas y q columnas (Tabla 5), la cual se transformar
en una matriz de porcentajes fila y columna
conocidos como perfiles fila y columna. La
ponderacin de cada perfil recibe el nombre de masa.
As las masas de las columnas son los perfiles
promedios de las filas y viceversa. Ver Tabla 6 y
Tabla 7.
Tabla 5. Tabla cruzada de frecuencias.
Variable 1 Variable 2
Total 1c 2c jc qc
1f 11a 12a 1qa 1 11
q
j
j
a t
if i ja 1
q
i j i
j
a t
pf pqa 1
q
p j p
j
a t
Total 1 11
p
i
i
a k
1
p
i j j
i
a k 1
p
iq q
i
a k
donde:
Roco C. Delgado A, Mnica R. Gutirrez R.
15
fi : representa la i-sima categora de la variable 1
Ci : representa la j-sima categora de la variable 2
aij : representa la frecuencia de la i-sima categora de la variable 1 en la j-sima categora de la
variable 2
ti : total de casos de la i-sima categora de la variable 1 ki : total de casos de la j-sima categora de la variable 2
Tabla 6. Tabla de perfiles fila.
Variable 1 Variable 2
1c 2c jc qc
1f 11
1
a
t 12
1
a
t
1
1
qa
t
1
1 1
1q
j
j
a
t
if i j
i
a
t
1
1q
ij
j i
a
t
pf pq
p
a
t
1
1q
pj
j p
a
t
Masa 1
1
1
1 p i
i i
aw
p t
1
1 p i jj
i i
aw
p t
1
1 p iqq
i i
aw
p t
donde:
jw : masa de la j-sima categora de la variable 2; es el promedio de los perfiles fila en la j-sima
categora de la variable 2 o perfil promedio.
Tabla 7. Tabla de perfiles columna.
Variable 1 Variable 2
Masa
1c 2c jc qc
1f 11
1
a
k 12
2
a
k
1q
q
a
k
1
1
1
1 q j
j j
az
q k
if i j
i
a
k
1
1 q i ji
j j
az
q k
pf pq
p
a
t
1
1 q pjp
j j
az
q k
1
1 1
1p
i
i
a
k
1
1p
ij
i j
a
k
1
1p
iq
i q
a
k
donde:
iz : masa de la i-sima categora de la variable 1; es el promedio de los perfiles columna en la i-
sima categora de la variable 1 o perfil promedio.
Los perfiles fila de cada categora de la variable 2 en
funcin de la variable 1 se pueden considerar como
vectores y por tanto, ser representados como puntos
en un espacio q dimensional. El vector con las masas
An cient. 69(4) 2008, pp. 12-21 16
o ponderaciones de cada columna:
( 1w , , jw , , qw ) puede considerarse como el
centroide del hipottico espacio q dimensional.
Aquellas categoras de la variable 2 con perfiles
fila parecidos, estarn ms cercanas en el espacio q
dimensional. Para una fcil interpretacin, de la
cercana o lejana, se representarn en un espacio
dimensional reducido.
La representacin dimensional requiere del
clculo de la distancia entre los distintos perfiles fila.
Se formar la matriz de distancias calculando la
distancia chi-cuadrado entre los vectores de los
perfiles fila, donde cada elemento del vector se
pondera por la inversa de su masa correspondiente,
esto es:
2
1
( , )
ij i j
qi i
j j
a a
t td i i
w
donde:
( , )d i i es la distancia entre los puntos i y i
it
ija
es un elemento del vector perfil fila del
punto i , vector de dimensin q
wj
es un elemento del centroide
Greenacre, citado por Uriel, justifica el empleo de
este tipo de distancias en razn de que la divisin de
cada trmino por el valor medio tiene efectos de
estandarizacin de la varianza, compensando la
elevada varianza en frecuencias de ocurrencia altas y
lo contrario en las frecuencias de ocurrencia bajas, lo
que hara que las primeras tuvieran peso superior en
el clculo de la distancia.
Similarmente se calculan las distancias entre los
perfiles columna.
Otro concepto importante, para la interpretacin de
los resultados del anlisis de correspondencia, es el
de inercia, la cual es una medida de la dispersin de
los perfiles en el espacio multidimensional. La inercia
se calcula para cada perfil fila, como el producto de
la masa por el cuadrado de la distancia chi-cuadrado
de este perfil al perfil promedio. La inercia del perfil i
est dada por:
2
1
ij
jqi
i i
j j
aw
tI z
w
Cuanto mayor es la inercia, ms alejados estarn
unos de otros, los puntos que representan a cada
categora de las variables.
La distancia (2
id ) de un perfil fila i al perfil
promedio se descompone en: la distancia del perfil a
su proyeccin en el plano y la distancia de esta
proyeccin al centroide, como se observa en la
Figura 1.
Figura 1. Descomposicin de la distancia de un
perfil fila al perfil promedio.
Por tanto, la inercia total estar dada por:
2 2 2
1 1 1 1
p p p p
T i i i i i
i i i i
I I w d d e
Es decir, se descompone entre la parte de la inercia
contenida en el plano id y la inercia residual ie . La
proximidad entre los perfiles y el plano se mide en
trminos de mnimos cuadrados ponderados,
mediante la inercia residual que debe ser minimizada
o anlogamente la inercia en el plano deber ser
maximizada. El porcentaje que resulte de la inercia
del plano sobre la inercia total ser un indicador de la
bondad de ajuste de la solucin dimensional reducida.
Anlogamente, se calcula la inercia para todos los
perfiles columna.
Otro indicador de la bondad de ajuste de la
solucin, es el estadstico chi-cuadrado que sirve para
contrastar la hiptesis nula de independencia entre
dos variables. Si se acepta la hiptesis, no existe
asociacin significativa entre los diferentes niveles de
las variables consideradas.
Luego de este anlisis, tanto para filas como para
columnas, y tomando en cuenta las relaciones de
transicin entre los dos subespacios, se procede a
realizar un anlisis conjunto que permitir graficar
simultneamente los puntos perfil fila y columna
sobre un mismo plano, enriqueciendo su
interpretacin.
La interpretacin de los resultados se realiza
mediante el anlisis de la:
Contribucin Relativa. Es la contribucin de la
dimensin a la inercia del punto, cuanto ms cercano
a la unidad, mejor representado estar el punto perfil
fila (columna) en la dimensin analizada. Permite
cuantificar la correlacin que existe entre la
dimensin y cada punto fila (columna). Identifica el
grado de participacin de cada punto fila (columna)
dentro de la dimensin, es decir, la calidad de su
representacin en el eje. Cuando el valor de la
contribucin de un punto es relativamente bajo, se
puede interpretar que ese punto fila (columna) no est
correlacionado al eje y por lo tanto no ser utilizado
para definir el eje.
Contribucin Absoluta. Es la contribucin de cada
punto perfil fila (columna) en la formacin de un eje,
cuanto ms alto es su valor, ms alejado se encuentra
ese punto del centroide o posee una alta ponderacin.
A los puntos cuya contribucin es relativamente baja,
centroide
Perfil i con
masa wi
di e
i
id
2 2 2i i id d e
Roco C. Delgado A, Mnica R. Gutirrez R.
17
generalmente se les retira del anlisis y el
investigador puede considerarlos como elementos
suplementarios en la interpretacin del mapa
perceptual, sin tener en cuenta su ponderacin.
Finalmente se representa la solucin en un mapa
dimensional reducido, denominado mapa perceptual,
por lo general de dos dimensiones o ejes. Los pasos a
seguir para su interpretacin son:
- Se buscan los puntos fila que tienen mayor
contribucin absoluta
- Se separan los puntos que se proyectan hacia el lado
positivo y los que se proyectan hacia el lado negativo,
es decir, los puntos opuestos.
- Se estudia la calidad de representacin de la
contribucin relativa de estos puntos. Si un punto
tiene alta contribucin relativa, tendr mejor
correlacin con ese eje. Para el estudio ser necesario
considerar el conjunto de ejes.
- Se buscan aquellos puntos fila, que si bien no
contribuyen a la formacin del eje, s se encuentran
bien representados (contribucin relativa alta).
Finalizada la interpretacin de los puntos fila, se
siguen los mismos pasos para los puntos columna,
luego para los puntos fila y columna, es decir, se
analiza la representacin simultnea de las categoras
de las dos variables; para finalmente identificar las
asociaciones entre las diferentes categoras.
4. Resultados y discusin
4.1 Rendimiento acadmico (REND) y
modalidad de ingreso (MOD), ciclo 2006 I
En la Tabla 8 se observan las frecuencias absolutas
por categora.
Tabla 8. Tabla cruzada de frecuencias.
61 89 118 268
9 12 8 29
13 40 61 114
83 141 187 411
MOD
ADM
EPP
PRE
Margen activo
C B A Margen activo
REND
En la Tabla 9 se observa un conjunto de 3 puntos
(modalidad de ingreso) en el espacio vectorial R3.
Estos puntos van acompaados de sus respectivas
ponderaciones (masas) que permitirn encontrar su
correspondiente centro de gravedad y ser usado para
la identificacin de los ejes o dimensiones.
Tabla 9. Tabla de perfiles fila.
.228 .332 .440 1.000
.310 .414 .276 1.000
.114 .351 .535 1.000
.202 .343 .455
MOD
ADM
EPP
PRE
Masa
C B A Margen activo
REND
De igual forma en el Tabla 10, se observa un
conjunto de 3 puntos (rendimiento acadmico) en el
espacio vectorial R3. Los resultados indicaran que las
frecuencias ms altas para los tres rendimientos
acadmicos corresponderan a la modalidad Concurso
de Admisin (ADM), sin embargo, tambin se debe
tomar en cuenta su participacin relativa dentro de
una fila (Tabla 9).
Tabla 10. Tabla de perfiles columna.
.735 .631 .631 .652
.108 .085 .043 .071
.157 .284 .326 .277
1.000 1.000 1.000
MOD
ADM
EPP
PRE
Margen activo
C B A Masa
REND
Las distancias entre perfiles fila y las distancias
entre perfiles columna se representarn en los
respectivos mapas perceptuales.
En la Tabla 1, el valor chi-cuadrado (11,241)
permite rechazar la hiptesis de independencia entre
las variables rendimiento acadmico y modalidad de
ingreso y por tanto continuar con el anlisis. La
dimensin 1 explica el 93,2% de la variacin de los
datos y la dimensin 2 el 6,8%, con lo cual se explica
el 100% de la variacin total.
Tabla 11. Cuadro resumen de la modalidad de
ingreso y rendimiento acadmico.
.160 .025 .932 .932
.043 .002 .068 1.000
.027 11.241 .024a 1.000 1.000
Dimensin
1
2
Total
Valor propio Inerc ia Chi-cuadrado Sig. Explicada Acumulada
Proporcin de inercia
4 grados de libertada.
Tabla 12. Examen de los puntos de fila, modalidad
de ingreso.
.652 -.145 -.132 .003 .085 .263 .816 .184 1.000
.071 -.896 .593 .010 .355 .575 .894 .106 1.000
.277 .568 .159 .015 .560 .163 .979 .021 1.000
1.000 .027 1.000 1.000
MOD
ADM
EPP
PRE
Total activo
Masa 1 2
Puntuacin en la
dimensin
Inerc ia 1 2
De los puntos a la
inerc ia de la
dimensin
1 2 Total
De la dimensin a la inercia del
punto
Contribucin
Dimensin 1
.8.6.4.2.0-.2-.4-.6-.8-1.0
Dim
en
si
n 2
.8
.6
.4
.2
0.0
-.2
-.4MOD
PRE
EPP
ADM
Figura 2. Mapa perceptual de la modalidad de
ingreso.
Las modalidades que tienen mayor grado de
correlacin con cada dimensin son aquellas cuyos
valores de contribucin relativa son los ms altos
(cercana con ejes). En la Tabla 12 y Figura 2, se
visualiza que las modalidades con mayor
An cient. 69(4) 2008, pp. 12-21 18
contribucin relativa para la dimensin 1 son: exon.
Centro Pre La Molina (PRE) (0,979) en la parte
positiva y exon. primeros puestos (EPP) (0,894) en la
parte negativa del eje horizontal. Para la dimensin 2
son: Concurso de Admisin (ADM) (0,184) en la
parte negativa y exonerados primeros puestos (EPP)
(0,106) en la parte positiva del eje vertical.
Las modalidades que contribuyen
significativamente en la formacin de las
dimensiones son aquellas con valores de contribucin
absoluta ms altos (alejadas del centroide); para la
dimensin 1 son: exon. Centro Pre La Molina (PRE)
(0,560) en la parte positiva y exon. primeros puestos
(EPP) (0,355) en la parte negativa del eje horizontal.
Adems, exon. primeros puestos (EPP) (0,575) en la
parte positiva y concurso de admisin (ADM) (0,263)
en la parte negativa del eje vertical. Adicionalmente
la dimensin 1 hace diferencia entre exon. Centro Pre
La Molina (PRE) y las otras modalidades; la
dimensin 2 entre concurso de admisin (ADM) y las
otras modalidades.
Tabla 13. Examen de los puntos de columna,
rendimiento acadmico.
.202 -.717 -.178 .017 .650 .148 .984 .016 1.000
.343 -.040 .287 .001 .003 .653 .068 .932 1.000
.455 .349 -.137 .009 .346 .199 .960 .040 1.000
1.000 .027 1.000 1.000
REND
C
B
A
Total activo
Masa 1 2
Puntuacin en la
dimensin
Inerc ia 1 2
De los puntos a la
inerc ia de la
dimensin
1 2 Total
De la dimensin a la inercia del
punto
Contribucin
Dimensin 1
.8.6.4.2-.0-.2-.4-.6-.8-1.0
Dim
en
si
n 2
.8
.7
.6
.5
.4
.3
.2
.1
0.0
-.1
-.2
-.3
-.4REND
A
B
C
Figura 3 Mapa perceptual del rendimiento
acadmico.
En la Tabla 13 y Figura 3 se visualizan los
rendimientos acadmicos con altos valores de
contribucin relativa; para la dimensin 1 son: muy
bajo (C) (0,984) en la parte negativa y medio-alto (A)
(0,960) en la parte positiva del eje horizontal; para la
dimensin 2 son: bajo (B) (0,932) en la parte positiva
y medio-alto (A) (0,040) en la parte negativa del eje
vertical.
Los rendimientos acadmicos que contribuyen
significativamente en la formacin de las
dimensiones son aquellos con valores de contribucin
absoluta ms altos; para la dimensin 1 son: muy
bajo (C) (0,650) en la parte negativa y medio-alto (A)
(0,346) en la parte positiva del eje horizontal; para la
dimensin 2 son: bajo (B) (0,653) en la parte positiva
y medio-alto (A) (0,199) en la parte negativa del eje
vertical.
Considerando los valores de las contribuciones, la
dimensin 1 hace diferencia entre el nivel medio-alto
(A) de los otros dos rendimientos. Y la dimensin 2
hace diferencia entre el nivel bajo (B) y los otros dos
rendimientos.
Dimensin 1
.8.6.4.2.0-.2-.4-.6-.8-1.0
Dim
en
si
n 2
.8
.6
.4
.2
0.0
-.2
-.4
REND
MOD
A
B
C
PRE
EPP
ADM
Figura 4. Mapa perceptual en la modalidad de
ingreso y rendimiento acadmico.
La propiedad de las relaciones de transicin
permite representar simultneamente la modalidad y
el rendimiento en un mismo plano. En la Figura 4, se
observa asociacin entre la modalidad exonerado
Centro Pre La Molina (PRE) y el rendimiento medio-
alto (A) pues estn bien representados (contribucin
relativa) en la dimensin 1 y contribuyen
simultneamente a su formacin (contribucin
absoluta). En la parte negativa de la dimensin 1, la
modalidad (ADM) se asocia con el rendimiento muy
bajo (C). De la dimensin 2 (parte positiva) la
modalidad (EPP) se asocia con el rendimiento bajo
(B) y por la dimensin 1 (parte positiva) se asocia
con el rendimiento muy bajo (C).
Se procedi de igual forma para cada ciclo, desde
el 2001 II al 2005 II; encontrndose resultados
similares a los del Figura 4, es decir, existe
asociacin entre el rendimiento medio-alto (A) y la
modalidad exon. Centro Pre La Molina (PRE); el
rendimiento bajo (B) se asocia con la modalidad
exon. primeros puestos (EPP) y el rendimiento muy
bajo (C) se asocian con las modalidades concurso de
admisin (ADM) y exon. primeros puestos (EPP).
4.2 Rendimiento acadmico (REND) y
especialidad de ingreso (ESP), ciclo 2006 I
En la Tabla 14 se observan las frecuencias
absolutas por categora.
Tabla 14. Tabla de cruzada de frecuencias.
Roco C. Delgado A, Mnica R. Gutirrez R.
19
8 32 35 75
2 6 17 25
2 4 24 30
8 16 11 35
14 14 9 37
4 7 14 25
9 4 12 25
14 16 12 42
6 13 21 40
14 17 8 39
2 12 24 38
83 141 187 411
ESPAGRO
BIO
AMB
FOR
ECO
EST
GES
AGRI
ZOO
PES
ALI
Margen activo
C B A Margen activo
REND
En la Tabla 15 se observan 11 puntos
(especialidad) en el espacio vectorial R3. Para el
rendimiento muy bajo (C), la frecuencia ms alta
correspondera a Economa (ECO) (0,378), para el
nivel bajo (B) correspondera a Ing. Forestal (FOR)
(0,457) e Ing. Ambiental (AMB) (0,800) para el nivel
medio-alto (A), no obstante se debe considerar la
participacin relativa en las columnas.
Tabla 15. Tabla de perfiles fila.
.107 .427 .467 1.000
.080 .240 .680 1.000
.067 .133 .800 1.000
.229 .457 .314 1.000
.378 .378 .243 1.000
.160 .280 .560 1.000
.360 .160 .480 1.000
.333 .381 .286 1.000
.150 .325 .525 1.000
.359 .436 .205 1.000
.053 .316 .632 1.000
.202 .343 .455
ESPAGRO
BIO
AMB
FOR
ECO
EST
GES
AGRI
ZOO
PES
ALI
Masa
C B A Margen activo
REND
En la Tabla 16 se observan 3 puntos (rendimiento)
en el espacio vectorial R11
. Los resultados indicaran
que las frecuencias ms altas para dos rendimientos
bajo (B) y medio-alto (A) corresponderan a
Agronoma (AGRO) (0,227) y (0,187)
respectivamente. La frecuencia ms alta (0,169) para
el nivel muy bajo (C) correspondera a Economa
(ECO), Ing. Agrcola (AGRI) y Pesquera (PES), sin
embargo se debe considerar la participacin relativa
dentro de cada fila.
Tabla 16. Tabla de perfiles columna.
.096 .227 .187 .182
.024 .043 .091 .061
.024 .028 .128 .073
.096 .113 .059 .085
.169 .099 .048 .090
.048 .050 .075 .061
.108 .028 .064 .061
.169 .113 .064 .102
.072 .092 .112 .097
.169 .121 .043 .095
.024 .085 .128 .092
1.000 1.000 1.000
ESPAGRO
BIO
AMB
FOR
ECO
EST
GES
AGRI
ZOO
PES
ALI
Margen activo
C B A Masa
REND
Tabla 17. Cuadro resumen, especialidad de
ingreso y rendimiento acadmico.
.371 .137 .815 .815
.177 .031 .185 1.000
.169 69.262 .000a 1.000 1.000
Dimensin
1
2
Total
Valor propio Inerc ia Chi-cuadrado Sig. Explicada Acumulada
Proporcin de inercia
20 grados de libertada.
En la Tabla 17 se observa que el valor chi-
cuadrado (69,262) permite rechazar la hiptesis de
independencia entre las variables rendimiento
acadmico y especialidad de ingreso y por tanto
continuar con el anlisis. Por otro lado las
dimensiones 1 y 2 explican, respectivamente, el
81,5% y 18,5% de la variacin total de los datos.
Tabla 18. Examen de los puntos de fila, especialidad de ingreso.
.182 -.191 .543 .012 .018 .305 .207 .793 1.000
.061 -.755 -.160 .013 .094 .009 .979 .021 1.000
.073 -1.070 -.566 .035 .225 .132 .882 .118 1.000
.085 .387 .408 .007 .034 .080 .655 .345 1.000
.090 .816 -.232 .023 .162 .027 .963 .037 1.000
.061 -.327 -.167 .003 .018 .010 .889 .111 1.000
.061 .209 -1.082 .014 .007 .403 .073 .927 1.000
.102 .636 -.125 .016 .111 .009 .982 .018 1.000
.097 -.259 .037 .002 .018 .001 .990 .010 1.000
.095 .876 .044 .027 .196 .001 .999 .001 1.000
.092 -.684 .207 .017 .117 .022 .958 .042 1.000
1.000 .169 1.000 1.000
ESP
AGRO
BIO
AMB
FOR
ECO
EST
GES
AGRI
ZOO
PES
ALI
Total activo
Masa 1 2
Puntuacin en la
dimensin
Inerc ia 1 2
De los puntos a la
inerc ia de la
dimensin
1 2 Total
De la dimensin a la inercia del
punto
Contribucin
An cient. UNALM 69(4), 2008 Recibido: 11/02/2008
ISSN 0255-0407 Aceptado: 31/03/2008
20
Dimensin 1
1.51.0.50.0-.5-1.0-1.5
Dim
ensin
2
1.0
.5
0.0
-.5
-1.0
-1.5ESP
ALI
PESZOO
AGRI
GES
ESTECO
FOR
AMB
BIO
AGRO
Figura 5. Mapa perceptual de la especialidad de
ingreso.
En la Tabla 18 y Figura 5 se observa que las
especialidades que tienen valores altos de
contribucin relativa para la dimensin 1 son:
Pesquera (PES) (0,999) e Ing. Agrcola (AGRI)
(0,982) en la parte positiva y Zootecnia (ZOO)
(0,990) y Biologa (BIO) (0,979) en la parte negativa
del eje horizontal. Para la dimensin 2, son:
Agronoma (AGRO) (0,793) e Ing. Forestal (FOR)
(0,345) en la parte positiva e Ing. en Gestin
Empresarial (GES) (0,927) e Ing. Ambiental (AMB)
(0,118) en la parte negativa del eje vertical.
Tambin se observa que las especialidades de
ingreso que contribuyeron significativamente en la
formacin de las dimensiones fueron aquellas con
valores de contribucin absoluta ms altos, para la
dimensin 1, las especialidades de ingreso con
mayores contribuciones absolutas son: Pesquera
(PES) (0,196) e Industrias Alimentarias (ALI) (0,117)
en la parte positiva e Ingeniera Ambiental (AMB)
(0,225) y Economa (ECO) (0,162) en la parte
negativa del eje horizontal. En la dimensin 2 son:
Agronoma (AGRO) (
Recommended