UNIVERSIDAD DE GUAYAQUILrepositorio.ug.edu.ec/bitstream/redug/19620/1/B...ACTIVIDAD HUMANA COMO ES...
Transcript of UNIVERSIDAD DE GUAYAQUILrepositorio.ug.edu.ec/bitstream/redug/19620/1/B...ACTIVIDAD HUMANA COMO ES...
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS
CARRERA DE INGENIERÍA EN SISTEMAS COMPUTACIONALES
EVALUACIÓN DEL RIESGO POST-SÍSMICO Y EL EFECTO ADVERSO QUE PROVOCA EN LA ACTIVIDAD HUMANA COMO ES
EL IMPACTO SOCIAL NEGATIVO, MEDIANTE TÉCNICAS DE LÓGICA
DIFUSA
PROYECTO DE TITULACIÓN
Previa a la obtención del Título de:
INGENIERO EN SISTEMAS COMPUTACIONALES
AUTORES:
DAYANARA IVONNE BARZOLA VARGAS
OMAR MICHAEL RODRÍGUEZ CHIQUI
TUTOR:
ING. LORENZO JEOVANNY CEVALLOS TORRES, M. Sc.
GUAYAQUIL – ECUADOR 2017
II
REPOSITORIO NACIONAL EN CIENCIAS Y TECNOLOGÍA
FICHA DE REGISTRO DE TESIS
TÍTULO “EVALUACIÓN DEL RIESGO POST-SÍSMICO Y EL EFECTO ADVERSO QUE
PROVOCA EN LA ACTIVIDAD HUMANA COMO ES EL IMPACTO SOCIAL NEGATIVO,
MEDIANTE TÉCNICAS DE LÓGICA DIFUSA. AUTORES: DAYANARA IVONNE BARZOLA VARGAS OMAR MICHAEL RODRÍGUEZ CHIQUI
REVISORES: Ing. Alfonso Guijarro Rodríguez, M. Sc.
Ing. Wilmer Naranjo Rosales, Mgs
INSTITUCIÓN: Universidad de Guayaquil FACULTAD: CIENCIAS MATEMÁTICAS
Y FÍSICAS
CARRERA: INGENIERÍA EN SISTEMAS COMPUTACIONALES
FECHA DE PUBLICACIÓN: 26 de Junio del 2017 N° DE PÁGS.: 162
ÁREA TEMÁTICA: INVESTIGATIVA, METODOLOGÍAS, METAANALISIS
PALABRAS CLAVES: sismos, incertidumbre, toma de decisiones, lógica difusa, conjuntos difusos.
RESUMEN: El presente proyecto muestra la evaluación del impacto social causado por una actividad telúrica, en
la cual se ha estudiado la incertidumbre que pasan los cantones por este evento, mediante técnicas de lógica
difusa. N° DE REGISTRO: N° DE CLASIFICACIÓN:
Nº
DIRECCIÓN URL:
ADJUNTO PDF X
SI
NO
CONTACTO CON AUTORES:
Barzola Vargas Dayanara Ivonne Rodríguez Chiqui Omar Michael
Teléfono:
0982579061
0988892957
E-mail:
CONTACTO DE LA INSTITUCIÓN:
Universidad de Guayaquil
Carrera de Ingeniería en Sistemas Computacionales
Dirección: Víctor Manuel Rendón 429 y Baquerizo Moreno,
Guayaquil
Nombre: Ab. Juan Chávez Atocha
Teléfono: 042307729
III
APROBACIÓN DEL TUTOR
En mi calidad de Tutor del trabajo de investigación, “EVALUACIÓN DEL
RIESGO POST-SÍSMICO Y EL EFECTO ADVERSO QUE PROVOCA EN
LA ACTIVIDAD HUMANA COMO ES EL IMPACTO SOCIAL NEGATIVO,
MEDIANTE TÉCNICAS DE LÓGICA DIFUSA” elaborado por la Srta.
Dayanara Ivonne Barzola Vargas y el Sr. Omar Michael Rodríguez Chiqui,
Alumnos no titulados de la Carrera de Ingeniería en Sistemas
Computacionales, Facultad de Ciencias Matemáticas y Físicas de la
Universidad de Guayaquil, previo a la obtención del Título de Ingeniero
en Sistemas Computacionales, me permito declarar que luego de haber
orientado, estudiado y revisado, la Apruebo en todas sus partes.
Atentamente
___________________________________
Ing. Lorenzo Cevallos Torres, M. Sc.
TUTOR
IV
DEDICATORIA
Dedico este trabajo a mis padres Ivo Barzola C. y Marina Vargas M. que me han apoyado incondicionalmente, que han estado conmigo en todo este proceso académico y que no se han cansado de reforzarme. A mis hermanas Yelena y Yamileth por estar siempre a mi lado complementando mi vida y por estar en los momentos que más las he necesitado. Ustedes, mi familia son mi motivación, mi inspiración y mi apoyo para ser mejor cada día. Dayanara Ivonne Barzola Vargas Este trabajo se lo dedico a mi querida madre quien ha sido pilar fundamental en mi vida, siendo ejemplo a seguir en la lucha diaria para mi formación profesional, impulsado por sus consejos, sus valores, por la motivación constante que me ha permitido ser una persona de bien. Omar Michael Rodríguez Chiqui
V
AGRADECIMIENTO
Primero agradezco a mi Ser Celestial, al Rey de Reyes, mi Dios, que me ha guiado por el buen camino, me ha dado salud, sabiduría y vida para poder disfrutar cada bendición que él me regala. A mis padres y hermanas por estar conmigo en cada paso que doy. A toda mi familia, a mis amigos, que han contribuido grandes cosas y momentos en mi vida. A cada uno de los profesores quienes aportaron sus conocimientos y experiencias a lo largo de todo este tiempo. Al Ing. Lorenzo Cevallos quién fue mi tutor y gran ayuda para la elaboración de este presente proyecto de titulación, muchas gracias por su entrega y dedicación. Dayanara Ivonne Barzola Vargas Primeramente agradecer a Dios por haberme permitido llegar hasta este punto y haberme dado salud, ser el manantial de vida y darme lo necesario para seguir adelante día a día para lograr mis objetivos, además de su infinita bondad y amor. Agradezco a mi familia, en especial a mi madre, por el apoyo incondicional que me ha permitido lograr mis propósitos en la vida. Al Ing. Lorenzo Cevallos quién fue mi tutor y guía, agradezco por su constante motivación para la elaboración de este proyecto de titulación Omar Michael Rodríguez Chiqui
VI
TRIBUNAL PROYECTO DE TITULACIÓN
Ing. Eduardo Santos Baquerizo, M. Sc. DÉCANO DE LA FACULTAD CIENCIAS MATEMÁTICAS Y
FÍSICAS
Ing. Roberto Crespo Mendoza, Mgs. DIRECTOR
CARRERA DE INGENIERÍA COMPUTACIONALES
Ing. Alfonso Guijarro Rodríguez, M. Sc.
PROFESOR REVISOR DEL ÁREA - TRIBUNAL
Ing. Wilmer Naranjo Rosales, Mgs. PROFESOR REVISOR DEL
ÁREA - TRIBUNAL
Ing. Lorenzo Cevallos Torres, M. Sc.
PROFESOR TUTOR DEL PROYECTO DE TITULACION
Ab. Juan Chávez Atocha, Esp. SECRETARIO
VII
DECLARACIÓN EXPRESA
“La responsabilidad del contenido de este
Proyecto de Titulación, me corresponden
exclusivamente; y el patrimonio
intelectual de la misma a la
UNIVERSIDAD DE GUAYAQUIL”
DAYANARA IVONNE BARZOLA VARGAS
OMAR MICHAEL RODRÍGUEZ CHIQUI
VIII
UNIVERSIDAD DE GUAYAQUIL FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS
CARRERA DE INGENIERÍA EN SISTEMAS
COMPUTACIONALES
EVALUACIÓN DEL RIESGO POST-SÍSMICO Y EL EFECTO ADVERSO QUE PROVOCA EN LA ACTIVIDAD HUMANA COMO ES
EL IMPACTO SOCIAL NEGATIVO, MEDIANTE TÉCNICAS DE LÓGICA
DIFUSA
Proyecto de Titulación que se presenta como requisito para optar por el
título de INGENIERO EN SISTEMAS COMPUTACIONALES
Autores: DAYANARA IVONNE BARZOLA VARGAS
C.I. 0929990596
OMAR MICHAEL RODRÍGUEZ CHIQUI
C.I. 0922361563
Tutor: ING. LORENZO CEVALLOS TORRES, M. SC.
Guayaquil, 26 de junio del 2017
IX
CERTIFICADO DE ACEPTACIÓN DEL TUTOR
En mi calidad de Tutor del proyecto de titulación, nombrado por el Consejo Directivo de la Facultad de Ciencias Matemáticas y Físicas de la Universidad de Guayaquil.
CERTIFICO:
Que he analizado el Proyecto de Titulación presentado por los estudiantes DAYANARA IVONNE BARZOLA VARGAS y OMAR MICHAEL RODRÍGUEZ CHIQUI, como requisito previo para optar por el título de Ingeniero en Sistemas Computacionales cuyo problema es: EVALUACIÓN DEL RIESGO POST-SÍSMICO Y EL EFECTO ADVERSO QUE PROVOCA EN LA ACTIVIDAD HUMANA COMO ES EL IMPACTO SOCIAL NEGATIVO, MEDIANTE TÉCNICAS DE LÓGICA DIFUSA.
Considero aprobado el trabajo en su totalidad.
Presentado por:
BARZOLA VARGAS DAYANARA IVONNE C.I. 0929990596 RODRÍGUEZ CHIQUI OMAR MICHAEL C.I. 0922361563
Tutor: Ing. Lorenzo Cevallos Torres, M. Sc.
Guayaquil, Junio del 2017
X
UNIVERSIDAD DE GUAYAQUIL FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS
CARRERA DE INGENIERIA EN SISTEMAS COMPUTACIONALES
Autorización para Publicación de Proyecto de Titulación en Formato Digital
1. Identificación del Proyecto de Titulación
Nombre Alumno: DAYANARA IVONNE BARZOLA VARGAS
Dirección: Narcisa de Jesús, Nobol entre Ayacucho y Juan Fernández
Teléfono: 0982579061 E-mail: [email protected]
Nombre Alumno: OMAR MICHAEL RODRÍGUEZ CHIQUI
Dirección: Guasmo Sur Coop. Guasmo Libre Mz.4 Sl.3
Teléfono: 0988892957 E-mail: [email protected]
Facultad: Ciencias Matemáticas y Físicas Carrera: Ingeniería en Sistemas Computacionales
Proyecto de titulación al que opta: Ingeniero en Sistemas Computacionales
Profesor guía: Ing. Lorenzo Cevallos Torres, M. Sc.
Título del Proyecto de titulación: EVALUACIÓN DEL RIESGO POST-SÍSMICO Y EL EFECTO ADVERSO QUE PROVOCA EN LA ACTIVIDAD HUMANA COMO ES EL IMPACTO SOCIAL NEGATIVO, MEDIANTE TÉCNICAS DE LÓGICA DIFUSA.
Tema del Proyecto de Titulación: SISMOS, INCERTIDUMBRE, TOMA
DE DECISIONES, LÓGICA DIFUSA, CONJUNTOS DIFUSOS.
2. Autorización de Publicación de Versión Electrónica del Proyecto de Titulación A través de este medio autorizo a la Biblioteca de la Universidad de Guayaquil y a la Facultad de Ciencias Matemáticas y Físicas a publicar la versión electrónica de este Proyecto de titulación.
XI
Publicación electrónica:
Inmediata X Después de 1 año
Firma de los Alumnos: ______________________________ Barzola Vargas Dayanara Ivonne ______________________________ Rodríguez Chiqui Omar Michael
3. Forma de envío: El texto del proyecto de titulación debe ser enviado en formato Word, como archivo .Doc. O .RTF y .Puf para PC. Las imágenes que la acompañen pueden ser: .gif, .jpg o .TIFF.
DVDROM CDROM X
XII
ÍNDICE GENERAL
APROBACIÓN DEL TUTOR ..................................................................... III
DEDICATORIA ......................................................................................... IV
AGRADECIMIENTO .................................................................................. V
ÍNDICE GENERAL………………………………………………………..…...XII
ÍNDICE DE CUADROS ........................................................................... XV
ÍNDICE DE GRÁFICOS……………………………………………………...XIX
RESUMEN ............................................................................................ XXII
ABSTRACT .......................................................................................... XXIII
INTRODUCCIÓN ....................................................................................... 1
CAPÍTULO I – EL PROBLEMA ................................................................. 5
UBICACIÓN DEL PROBLEMA EN UN CONTEXTO ................................. 5
SITUACIÓN CONFLICTO .......................................................................... 6
CAUSAS Y CONSECUENCIAS DEL PROBLEMA .................................... 7
DELIMITACIÓN DEL PROBLEMA ............................................................. 8
PLANTEAMIENTO DEL PROBLEMA ...................................................... 10
EVALUACIÓN DEL PROBLEMA ............................................................. 11
OBJETIVOS DE LA INVESTIGACIÓN .................................................... 13
ALCANCES DEL PROBLEMA ................................................................. 14
JUSTIFICACIÓN E IMPORTANCIA DE LA INVESTIGACIÓN ................ 15
CAPÍTULO II – MARCO TEÓRICO ......................................................... 17
ANTECEDENTES DEL ESTUDIO ........................................................... 17
FUNDAMENTACIÓN TEÓRICA .............................................................. 20
FUNDAMENTACIÓN LEGAL ................................................................... 39
CAPÍTULO III - METODOLOGÍA ............................................................ 41
TIPO DE INVESTIGACIÓN...................................................................... 41
DISEÑO DE LA INVESTIGACIÓN ........................................................... 42
INSTRUMENTO DE RECOLECCIÓN DE DATOS .................................. 47
CAPÍTULO IV – RESULTADOS CONCLUCIONES Y
RECOMENDACIONES .......................................................................... 130
RESULTADOS ....................................................................................... 130
XIII
CONCLUSIONES .................................................................................. 139
RECOMENDACIONES .......................................................................... 140
BIBLIOGRAFÍA ..................................................................................... 141
ANEXOS ................................................................................................ 144
XIV
ABREVIATURAS Ing. Ingeniero Msc. Master URL Localizador de Fuente Uniforme Mw Magnitud del momento SENPLADES Secretaría Nacional de Planificación y Desarrollo SGR Secretaría de Gestión de Riesgo AHP Proceso Analítico Jerárquico Matlab Matrix Laboratory OEA Organización de Naciones Unidas RAE Real Academía Española IA Inteligencia Artificial IEEE Institute of Electrical and Electronics Engineers SIN Sistema Nacional de Información INOCAR Instituto Oceanográfico de la Armada COE Comité de Operaciones de Emergencia INEC Instituto Nacional de Estadística y Censos BD Base de Datos RF Riesgos Físicos A Agravamiento FR Falta de Resiliencia FS Fragilidad social
XV
ÍNDICE DE CUADROS
CUADRO N. 1
Delimitación del problema ............................................................................... 9
CUADRO N. 2
Formulación geográfica-tiempo-espacio ....................................................... 10
CUADRO N. 3
Codificación de la variable cantón ................................................................ 50
CUADRO N. 4
Codificación de la variable desaparecidos .................................................... 51
CUADRO N. 5
Codificación de la variable fallecidos ............................................................ 52
CUADRO N. 6
Codificación de la variable personas atendidas ............................................ 53
CUADRO N. 7
Codificación de la variable albergues ........................................................... 54
CUADRO N. 8
Codificación de la variable refugios .............................................................. 55
CUADRO N. 9
Codificación de la variable familia albergues ................................................ 56
CUADRO N. 10
Codificación de la variable personas albergues ............................................ 57
CUADRO N. 11
Codificación de la variable familia en refugios .............................................. 58
CUADRO N. 12
Codificación de la variable personas en refugios .......................................... 59
CUADRO N. 13
Codificación de la variable afectación de infraestructura de distribución
sistema eléctrico .......................................................................................... 60
CUADRO N. 14
Codificación de la variable edificaciones afectadas ...................................... 61
CUADRO N. 15
XVI
Codificación de la variable edificaciones destruidas ..................................... 62
CUADRO N. 16
Codificación de la variable afectados y damnificados ................................... 63
CUADRO N. 17
Codificación de la variable pérdida de servicio de telecomunicaciones ........ 64
CUADRO N. 18
Valores de la codificación de la variable pérdida de servicio de
telecomunicaciones ...................................................................................... 65
CUADRO N. 19
Variable vías inhabilitadas ............................................................................ 66
CUADRO N. 20
Valores de la codificación de vías inhabilitadas ............................................ 66
CUADRO N. 21
Codificación de la variable nivel de operación de agua potable.................... 67
CUADRO N. 22
Codificación de la variable densidad poblacional .......................................... 68
CUADRO N. 23
Codificación de la variable tasa de pobreza NBI ........................................... 69
CUADRO N. 24
Codificación de la variable tasa de pobreza por consumo ............................ 70
CUADRO N. 25
Codificación de la variable fallecidos anualmente ......................................... 71
CUADRO N. 26
Codificación de la variable tasa de mortalidad .............................................. 72
CUADRO N. 27
Frecuencias de la variable desaparecidos .................................................... 74
CUADRO N. 28
Frecuencias de la variable fallecidos ............................................................ 76
CUADRO N. 29
Frecuencias de la variable personas atendidas ............................................ 78
CUADRO N. 30
XVII
Frecuencias de la variable albergues ........................................................... 81
CUADRO N. 31
Frecuencias de la variable refugios .............................................................. 84
CUADRO N. 32
Frecuencias de la variable familias en albergues ......................................... 87
CUADRO N. 33
Frecuencias de la variable personas en albergues ....................................... 90
CUADRO N. 34
Frecuencias de la Variable familias en refugios ............................................ 93
CUADRO N. 35
Frecuencias de la variable personas en refugios .......................................... 96
CUADRO N. 36
Lugar de afectación de sistema eléctrico ...................................................... 98
CUADRO N. 37
Frecuencias de la Variable afectación de infraestructura de distribución de
sistema eléctrico .......................................................................................... 99
CUADRO N. 38
Frecuencias de la variable edificaciones afectadas .................................... 101
CUADRO N. 39
Frecuencias de la variable edificaciones destruidas ................................... 104
CUADRO N. 40
Cantones y nivel de afectados y damnificados ........................................... 107
CUADRO N. 41
Frecuencias de la variable afectados damnificados .................................... 108
CUADRO N. 42
Lugares de la variable pérdida de servicio de telecomunicaciones ............ 110
CUADRO N. 43
Frecuencias de la variable pérdida de servicio de telecomunicaciones por
niveles ........................................................................................................ 111
CUADRO N. 44
Lugares de la variable vías inhabilitadas .................................................... 113
XVIII
CUADRO N. 45
Frecuencias de la variable vías inhabilitadas .............................................. 114
CUADRO N. 46
Frecuencias de la variable nivel operación de agua potable ...................... 116
CUADRO N. 47
Frecuencias de la variable densidad poblacional ........................................ 118
CUADRO N. 48
Frecuencias de la variable tasa de pobreza NBI ......................................... 120
CUADRO N. 49
Frecuencias de la variable tasa de pobreza de consumo ........................... 122
CUADRO N. 50
Frecuencias de la variable .......................................................................... 124
CUADRO N. 51
Frecuencias de la variable tasa de mortalidad ............................................ 126
CUADRO N. 52
Escala de valoración de Saaty .................................................................... 129
CUADRO N. 53
Matriz de comparación de riesgo físico ....................................................... 132
CUADRO N. 54
Matriz normalizada de riesgo físico ............................................................. 133
CUADRO N. 55
Asignación de pesos para variables de riesgo físico .................................. 133
CUADRO N. 56
Matriz de comparación de agravamiento social .......................................... 134
CUADRO N. 57
Matriz normalizada de agravamiento social ................................................ 134
CUADRO N. 58
Asignación de pesos para variables de agravamiento social ...................... 135
CUADRO N. 59
REGLAS DIFUSAS ......................................................................................................................... 138
XIX
ÍNDICE DE GRÁFICOS
GRÁFICO 1
Ubicación del problema .................................................................................. 6
GRÁFICO 2
Representación de conjunto clásico y conjunto difuso .................................. 36
GRÁFICO 3
Variables del metaanálisis ............................................................................ 49
GRÁFICO 4
Número y porcentaje de personas desaparecidas por cada cantón ............. 75
GRÁFICO 5
Porcentaje de personas fallecidas por cantón .............................................. 77
GRÁFICO 6
Porcentaje de personas atendidas por cantón .............................................. 79
GRÁFICO 7
Porcentaje de albergues por cantón ............................................................. 82
GRÁFICO 8
Porcentaje de refugios por cantón ................................................................ 85
GRÁFICO 9
Porcentaje de las familias que se encuentran en los albergues por cantón . 88
GRÁFICO 10
Porcentaje de las personas que se encuentran en los albergues por cantón 91
GRÁFICO 11
Porcentaje de las familias que se encuentran en los refugios por cantón .... 94
GRÁFICO 12
Porcentaje de las personas que se encuentran en los refugios por cantón . 97
GRÁFICO 13
Número y porcentaje de cantones afectados por la distribución de sistema
eléctrico ........................................................................................................ 99
XX
GRÁFICO 14
Porcentaje de edificaciones afectadas por cantón ...................................... 102
GRÁFICO 15
Porcentaje de edificaciones destruidas por cantón ..................................... 105
GRÁFICO 16
Porcentaje por niveles de afectados damnificados ..................................... 108
GRÁFICO 17
Número y porcentaje por niveles de pérdida de servicio de
telecomunicaciones .................................................................................... 111
GRÁFICO 18
Cantidad y porcentaje de vías inhabilitadas ................................................ 114
GRÁFICO 19
Porcentaje de nivel de operación de agua potable ..................................... 117
GRÁFICO 20
Porcentaje de la densidad poblacional ....................................................... 119
GRÁFICO 21
Porcentaje de la tasa de pobreza NBI (necesidades básicas insatisfechas)
por cantón .................................................................................................. 121
GRÁFICO 22
Porcentaje tasa pobreza de consumo por cantón ....................................... 123
GRÁFICO 23
Porcentaje de fallecidos anualmente por cantón ........................................ 125
GRÁFICO 24
Porcentaje de tasa de mortalidad por cantón.............................................. 127
GRÁFICO 25
Variables del riesgo físico y agravamiento social para el cálculo del riesgo
total ............................................................................................................ 131
GRÁFICO 26
Modelo modificado de las variables del riesgo físico y agravamiento social
para el cálculo del riesgo total .................................................................... 132
XXI
GRÁFICO 27
Funcione de pertenencia de los conjuntos difusos ponderadas con sus
respectivos pesos ...................................................................................... 135
GRÁFICO 28
Unión y defusificación de las para la obtención de índice del riesgo físico..136
GRÁFICO 29
Índice del riesgo físico y agravamiento social de los cantones de la provincia
de Manabí .................................................................................................. 137
GRÁFICO 30
RESULTADOS CUALITATIVOS DEL RIESGO FÍSICO Y AGRAVAMIENTO SOCIAL DE LOS
CANTONES DE LA PROVINCIA DE MANABÍ………………………………………….138
XXII
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS CARRERA DE INGENIERIA EN SISTEMAS COMPUTACIONALES
EVALUACIÓN DEL RIESGO POST-SÍSMICO Y EL EFECTO ADVERSO
QUE PROVOCA EN LA ACTIVIDAD HUMANA COMO ES EL IMPACTO
SOCIAL NEGATIVO, MEDIANTE TÉCNICAS
DE LÓGICA DIFUSA
RESUMEN En esta documentación se muestra el proceso de como se ha evaluado
aquellos factores que produce una actividad telúrica como es el impacto
social negativo en la sociedad, causando un despliegue de incertidumbre
que podría conllevar al riesgo de correr peligro, la investigación permite
adentrarse en un mundo de información imprecisa y vaga en donde se
tratará de representar matemáticamente aquellas indeterminaciones de
diferentes eventos que se produzcan, todos estos datos recaudados por
las investigaciones anteriormente realizadas serán transformadas con
técnicas de lógica difusa dando como resultado ya no valores confusos ni
intermedios, sino una información más precisa y confiable asociadas a
criterios que permitan tomar decisiones. En este proyecto se introduce la
utilización de lógica difusa ya que es una herramienta que permite realizar
un modelo factible para la toma de decisiones, muy útil en la modelación
de fenómenos complejos y con gran escala de incertidumbre. La
investigación fue diseñada con la finalidad de aplicar los conceptos
generales de lógica difusa.
Autores: Barzola Vargas Dayanara Ivonne Rodríguez Chiqui Omar Michael Tutor: Ing. Lorenzo Cevallos Torres M., Sc.
XXIII
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS CARRERA DE INGENIERIA EN SISTEMAS COMPUTACIONALES
EVALUATION OF SEISMIC DANGER AND THE ADVERSE EFFECT THAT
CAUSES HUMAN ACTIVITY AS THE NEGATIVE SOCIAL IMPACT
BY FUZZY LOGIC TECHNIQUES.
ABSTRACT
This documentation shows the process of how factors that produce telluric
activity have been evaluated, such as the negative social impact on
society, causing a display of uncertainty that could lead to the risk of
danger, this investigation leads us into a world of inaccurate and vague
information where we try to represent mathematically those
indeterminacies of different events that occur, All these data collected by
the research previously performed will be transformed by techniques of
fuzzy logic resulting in no confusing or intermediate values, but more
accurate and reliable information associated with criteria that allow us to
make decisions. This project introduces the use of fuzzy logic and is a tool
that makes possible a feasible model for decision making, very useful in
the modeling of complex phenomena and with large scale uncertainty. This
research was designed to apply the general concepts of fuzzy logic.
Authors: Barzola Vargas Dayanara Ivonne Rodríguez Chiqui Omar Michael Tutor: Ing. Lorenzo Cevallos Torres M., Sc.
1
INTRODUCCIÓN
Los desastres naturales como los terremotos en los últimos años han sido
un tema que mucho se discute, estos acontecimientos han provocado
incertidumbre en la sociedad, ya sea durante o después del mismo, dando
como resultado efectos negativos.
El impacto que sufrió la población por el sismo de 7,8 grados el 16 de abril
del 2016 en la provincia de Manabí, Esmeraldas y los demás sectores en
que se sintió el movimiento telúrico fue muy devastador, ratificando de que
la sociedad no está preparada para futuros eventos de este tipo, esto se
confirmó debido a que después de la catástrofe muchas personas se
encontraban en estado de incertidumbre debido a varios factores, como
pánico, preocupación, o en el peor de los casos por escenas traumáticas
entre otros.
Para contrarrestar estos efectos negativos se plantean estrategias para
atender la emergencia, para esto se debe obtener información viable
mediante la evaluación de riesgo sísmico; la estimación de este elemento
ayudará a las autoridades de gestión de riesgo y a la población a tomar
decisiones para tratar de reducir los daños en caso de futuros eventos
telúricos.
Existen varios métodos que ayudan a medir riesgo sísmico; la
investigación tiene como propósito evaluar haciendo uso de técnicas de
lógica difusa, haciendo una respectiva clasificación de la información para
luego mostrar el resultado de manera cualitativa.
2
UPM (2012) afirma:
“El método probabilista conocido como Probability Seismic Hazard
Assessment (PSHA). (…) resulta más adecuado para el estudio de la
peligrosidad dirigido a establecer criterios de diseño sismorresistente,
(…). Además, el método permite cuantificar las incertidumbres inherentes
a diferentes modelizaciones de la sismicidad, zonificación, ecuaciones de
predicción del movimiento fuerte, etc, mediante la composición de un árbol
lógico que considere diferentes opciones de cálculo”. (p.22)
Se utilizan métodos o modelos probabilísticos simplificados de cálculo
basado en el establecimiento de leyes estadísticas para definir el
comportamiento sísmico de una zona, las fuentes sísmicas y la
atenuación del movimiento del suelo, expresando los resultados en forma
de probabilidad de ocurrencia de los distintos tamaños de los terremotos,
(…). Sin embargo, estos modelos involucran gran cantidad de
incertidumbres lo que lleva inevitablemente a ser calculados a partir de la
extrapolación de datos. (Somerville, 2000, p.9)
García (citado por Girot, 2000) afirma:
“La necesidad para Centro América de integrar los avances en Sistemas
de Información Geográfica (SIG) y cartografía de riesgos que ofrecen
buena información de medidas espaciales y geográficas con el
establecimiento prioritario de criterios sociales. La propuesta se enfoca al
establecimiento de un sistema integrado para el manejo de información,
con una base conceptual en el diseño de aplicaciones y modelos
espaciales, multicriterios y multiusuarios”. (p. 39)
García (citado por Cardona y Hurtado, 2000) afirma:
3
Han desarrollado un índice compuesto para la evaluación del riesgo
sísmico, en el que se consideran un índice sísmico duro y un índice
sísmico blando. Para el primero se relacionan descriptores como el área
destruida, número de muertos y heridos, daños en líneas vitales y para el
segundo se consideran como descriptores, la amenaza sísmica del
contexto y la vulnerabilidad sísmica del contexto en términos de
exposición, fragilidad social y la falta de resiliencia. La importancia de este
modelo es la visión holística con la que se construyen los indicadores,
relacionando variables de tipo cuantitativo y cualitativo. Un aspecto
fundamental de esta propuesta es que la modelación del índice parte del
establecimiento de un sistema de lógica difusa, considerado por los
autores como el único lenguaje matemático con el que es posible la
interacción de las ciencias naturales, sus derivados tecnológicos y las
ciencias sociales. (p.40)
SGR, MIDUVI, PNUD y ECHO (citado por Cornell, 1968) afirma:
Para proporcionar una base de datos para los modelos de propagación
sísmica en el terreno (método probabilístico), se utiliza por lo general el
modelo de Cornell (1968) y modificado por McGuire (1974). La
metodología se basa en la recurrencia de sismos desde una falla activa o
fuente real, asumida por un proceso de Poisson. El modelo de Poisson es
ampliamente utilizado y es apropiada en regiones donde existen
suficientes datos que pueden proporcionar una tasa estimada de
recurrencia de sismos. (p. 36)
Para una mayor compresión, se vio la necesidad de complementarlo en 4
capítulos:
4
Capítulo I: Se plantea el problema a solucionar, la ubicación, justificación
e importancia; también se plantearon los objetivos generales y específicos
con su debido alcance.
Capítulo II: Hace mención al marco teórico, incorporando la muestra de
antecedentes, fundamentación teórica y legal; también se planteará una
hipótesis la cual será contestada, así como variables de la investigación
con sus respectivas definiciones conceptuales.
Capítulo III: Se explica la metodología del trabajo de investigación a
utilizar, determinado el diseño de investigación, población y muestra,
tamaño de la muestra, operacionalización de las variables, instrumento de
recolección de datos y la validación de datos.
Capítulo IV: Se presenta los resultados correspondientes de la
investigación seguido de sus respectivas conclusiones y
recomendaciones.
5
CAPÍTULO I
PLANTEAMIENTO DEL PROBLEMA
En el presente capítulo se especifica la importancia de la evaluación de los daños
que causa una actividad sísmica, se detallará la ubicación donde es realizada la
investigación, también se enumeran ítems de causas y consecuencias donde se
podrá apreciar el interés que se debe tener para poder mitigar los riesgos
causados por este tipo de desgracias que como bien se sabe estos eventos
sísmicos no son predecibles, es necesario dar una justificación del porqué de
este estudio, para ello se presenta en esta sección.
UBICACIÓN DEL PROBLEMA EN UN CONTEXTO
El 16 de abril del 2016 marcó un cambio desapacible en Ecuador; un terremoto
de 7,8 grados (Mw) en la escala de Richter, fue percibido por millones de
ecuatorianos, esta eventualidad tuvo como epicentro zonas de Pedernales y
Cojimíes siendo el territorio costero el más afectado por esta terrible catástrofe.
La presente investigación se enfoca en la provincia de Manabí una de las áreas
con mayor afectación; en este lugar se evaluará el riesgo físico y el agravamiento
de determinados cantones de la provincia con respecto al sismo de gran
magnitud donde se realizará un análisis de los criterios y factores del riesgo que
se vincula directamente con la toma de decisiones lo cual complica su prevención
y mitigación.
6
Gráfico 1
Ubicación del problema
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui.
Fuente: Google Maps
SITUACIÓN CONFLICTO NUDOS CRÍTICOS
El estudio surge de las consecuencias provocadas por los sismos los cuales
reportan diferentes situaciones de impacto social para el ser humano, como es
la incertidumbre; cabe destacar que los daños ocasionados pueden ser
destructivos tanto de manera física como psicológica.
Después de un sismo, existe un gran impedimento en el desarrollo de proyectos
ya que la evaluación del impacto social requiere de un lapso de tiempo y
mitigación de estrategias por parte de la Secretaría Nacional de Planificación y
Desarrollo (SENPLADES), y de la Secretaría de Gestión de Riesgo (SGR)
estando consciente de que el tema abarca información compleja a valorar.
7
Medir el impacto es cuantificar los daños que se han alcanzado después del
evento telúrico y así obtener respuestas inmediatas para la toma de decisiones,
pero cuantificar se haría un poco difícil por lo que se va a utilizar técnicas de
lógica difusa para poder cualificar los resultados. El término de impacto se refiere
como el efecto de un cambio violento que implica riesgo, este concepto se utiliza
en informaciones relacionadas sobre el medio ambiente, economía, etc., por esta
razón es utilizada en la investigación.
El riesgo en muchas ocasiones conlleva a la incertidumbre y expone al peligro,
esto aventura a tomar decisiones precipitadas las cuales pueden ser erróneas,
suscitando adversidades negativas en el ser humano.
CAUSAS Y CONSECUENCIAS DEL PROBLEMA
Causas
Las causas que motivan a la investigación de este proyecto son las siguientes:
Manera inapropiada de actuar durante un evento telúrico.
Deficiencia de información la cual no ayuda a contrarrestar la
incertidumbre durante el riesgo sísmico.
Falta de percepción del peligro por parte de la población con respecto al
tiempo de respuesta para la toma de decisiones adecuadas ante el
peligro.
8
Falta de recursos que ayuden a suplir las necesidades de la población
durante y después de un sismo.
Consecuencias o proyecciones
Debido a las causas antes mencionadas si no se actúa de manera acorde se
tiene las siguientes consecuencias o proyecciones:
Incremento de la tasa de mortalidad.
Incremento de la tasa de pobreza.
Incremento de orfandad.
Lesiones físicas y/o psicológicas.
Pérdida de empleos.
Migración.
DELIMITACIÓN DEL PROBLEMA
A partir de las consecuencias que dejó el reciente terremoto en las Costas
Ecuatorianas se han establecidos muchas formas de cuantificar los daños
producidos por aquella actividad sísmica, tanto el área de salud, ambiente y
tecnología han contribuido para tomar controles y así contrarrestar los riesgos
en toda la sociedad.
Esta investigación no será la excepción con el proyecto: Evaluación del riesgo
post-sísmico y el efecto adverso que provoca en la actividad humana como es el
9
impacto social negativo, mediante técnicas de lógica difusa, será un apoyo
esencial para las organizaciones a quienes le interesen este aspecto social.
CUADRO N. 1
Delimitación del Problema
CAMPO SOCIEDAD
ÁREA TECNOLÓGICA – MATEMÁTICA
ASPECTO SOCIAL
TEMA
EVALUACIÓN DEL RIESGO POST-SÍSMICO Y EL EFECTO ADVERSO QUE PROVOCA EN LA ACTIVIDAD HUMANA COMO ES EL IMPACTO SOCIAL NEGATIVO, MEDIANTE TÉCNICAS DE LÓGICA DIFUSA.
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
10
FORMULACIÓN DEL PROBLEMA
¿Cómo se evaluaría el riesgo que sufre una determinada población a raíz del
riesgo físico y el agravamiento provocado por una actividad sísmica en la
provincia de Manabí, a través de técnicas de lógica difusa?
CUADRO N. 2
Formulación geográfica-tiempo-espacio
GEOGRÁFICA PROVINCIA DE MANABÍ.
TIEMPO 2016
ESPACIO 2016 – 2017
Elaboración: Dayanara Ivonne Barzola Vargas,
Omar Michael Rodríguez Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
El ser humano es un sistema muy complejo donde las emociones y la experiencia
no pueden ser expresadas de manera exacta, y además si se anexa a este
comportamiento los factores diferentes de algún riesgo o peligrosidad, sería un
poco más complicada la situación, donde esta información debe de ser
clasificada, analizada y modificada por técnicas que ayuden a entender estos
sucesos.
Los riesgos serán evaluados con técnicas de lógica difusa, adicionalmente
evaluando el impacto social que produzca el sismo, esta técnica de lógica difusa
11
ayuda a que se puede representar de manera matemática la vaguedad de
diferentes eventos que se podrían representar en la vida cotidiana, por lo cual
esta técnica matemática propone operaciones con las que se realizan cálculos
para la obtención de la información que se quiere analizar.
La lógica difusa fue desarrollada de forma de poder expresar el comportamiento
de las reacciones humanas mediante reglas que tratan de representar la
ambigüedad, la experiencia, la perdida de información y otras características
propias al pensar del ser humano que no pueden ser indicadas mediante el
manejo de una teoría precisa o simple.
“La lógica difusa puede entenderse como una herramienta matemática cuya
amplia aplicabilidad se basa en la concepción de conjunto con fronteras no
exactas que se emplean en presencia de información imperfecta” (Esquivel, Félix
& Bello, 2014, p.4).
En el cuadro Nº 2 muestra la información de la geografía, el tiempo y espacio en
dónde será evaluado el proyecto.
EVALUACIÓN DEL PROBLEMA
Posteriormente de realizar diversas investigaciones, como reunión con expertos
de temas de lógica difusa, y con la población correspondiente al estudio, se han
descrito los siguientes aspectos del problema:
Delimitado: Es delimitado porque se ha seleccionado una ubicación que es la
provincia de Manabí, dónde se evaluará mediante encuestas e investigaciones
la incertidumbre tanto de información y riesgos que provoca un sismo, con este
estudio se simulará la estimación del riesgo sísmico haciendo uso de un software
12
matemático Matlab que ayudará a reducir el impacto social en caso de ocurrir un
evento sísmico.
Evidente: Es evidente que esta investigación ayudará a identificar las principales
adversidades negativas que causa una actividad sísmica, a la vez apoya a la
evaluación de los efectos producidos por estos eventos, los datos
proporcionados servirán para modelar nuestro sistema de información y la
respectiva elaboración de planes de reconstrucción.
Relevante: Esta investigación permitirá obtener información precisa gracias a la
utilización de lógica difusa, será de gran beneficio para las instituciones u
organizaciones de apoyo social y a futuras investigaciones.
Original: Este proyecto tiene un enfoque novedoso donde se aplicará técnica de
lógica difusa para el análisis del impacto social que puede producir una actividad
sísmica.
La investigación es muy atrayente ya que tiene alternativas que pueden influir en
organizaciones encargadas de la gestión de riesgo en el momento de necesitar
datos estadísticos y precisos en cuanto al impacto social y a la incertidumbre que
provoca un sismo.
Factible: Al final de esta investigación dará como resultado información
importante y real, aunque es un resultado cualitativo podrá ser utilizado para la
toma de decisiones, de manera que es factible debido a que esa información
será de utilidad a los organismos que coordinan y desarrollan acciones sobre las
consecuencias que una actividad sísmica produce en las personas y en el
ambiente en que se encuentre.
13
Identifica los productos esperados: El producto final de este proyecto es
información real, precisa y sin vaguedad; Información de los efectos sociales
negativos e inclusive la incertidumbre de las personas que atraviesan por la
situación de una actividad sísmica, donde por medio de la herramienta que
proporciona Matlab representará aquellos datos, donde son transformados en
información relevante para darlos a conocer, y esa información será utilizada
como crean conveniente.
Variables: Entre las variables principales de este proyecto se tiene:
Impacto social que produce una actividad telúrica,
La incertidumbre por la que atraviesan las personas en un evento de un
sismo,
El efecto negativo después del riesgo sísmico y,
El riesgo que estaría causando en el lugar que previamente se estudió.
OBJETIVOS
Objetivo general
Evaluar el nivel de riesgo sísmico que provoca una actividad telúrica en la
provincia de Manabí, recopilando datos de los escenarios de pérdidas
potenciales correspondientes al daño físico y de la capacidad de respuesta, para
obtener resultados que ayuden a la toma de decisiones que permitan
contrarrestar los efectos negativos en la población, utilizando técnicas de lógica
difusa.
14
Objetivos específicos
Diseñar una base de datos de las pérdidas potenciales producido por un
evento sísmico para identificar las variables de riesgo físico y
agravamiento que serán usadas para la estimación del riesgo total.
Aplicar el método AHP (proceso analítico jerárquico) para la ponderación
de las variables de riesgo físico y agravamiento.
Aplicar los conceptos generales de lógica difusa a las variables de
entrada para diseñar un sistema de inferencia que permite obtener un
nivel de riesgo sísmico.
Presentar la estimación del riesgo sísmico a través del software Matlab
para obtener los niveles de riesgo de los cantones de afectados por el
terremoto ocurrido en la provincia de Manabí.
ALCANCES DEL PROBLEMA
Realizar investigaciones de lo acontecido en la provincia de Manabí en
los diferentes sectores para determinar los efectos negativos con
respecto al riesgo sísmico.
Priorizar las variables de riesgo físico y agravamiento social empleando
metodología AHP en Microsoft Excel, los resultados serán usados para
la aplicación de la metodología de evaluación de riesgo sísmico.
15
Aplicar los conceptos de lógica difusa haciendo un estudio de artículos
científicos mediante meta-análisis de las técnicas que se han utilizado
para evaluar el riesgo sísmico y los resultados que se han obtenido de
los mismos.
Desarrollar un sistema de inferencia difusa utilizando la versión de prueba
de Matlab para obtener los niveles de riesgo de cada zona y los gráficos
de la función de pertenencia de cada variable entrante y resultante.
JUSTIFICACIÓN E IMPORTANCIA
El motivo de esta investigación es para tratar de ayudar a la población y las
distintas organizaciones encargadas de la gestión de riesgos a tomar una
decisión en caso de un evento telúrico, científicamente se ha comprobado que
un sismo no se puede predecir, pero si se puede dar una alerta inmediata
después que este haya ocurrido.
En el 2016 el sismo de 7,8 grados en las costas de Ecuador, ocasionó un
incremento en el impacto social, dando en cuenta de que estos desastres
naturales pueden ocurrir en cualquier parte del mundo y que Ecuador no es la
excepción.
La falta de capacitación también fue uno puntos que se identificó, si se investigan
los antecedentes de los terremotos más fuerte que se dio en Ecuador, el último
fue el 4 de agosto de 1998 en Bahía de Caráquez, durante ese período se ha
olvidado de cómo actuar durante estos acontecimientos; el no saber qué hacer
ya sea porque invade el pánico u otros factores hacen que expongan al riesgo.
El aporte de la investigación será el evaluar el riesgo sísmico mediante un
16
estudio de los daños ocasionados por la actividad telúrica para que los
organismos de control puedan tomar decisiones. Eventualmente se hace
práctica de técnicas de evaluación determinista y probabilística; la finalidad de la
investigación será realizar una evaluación utilizando lógica difusa, ya que esta
permite moldear problemas intratables como es el caso del riesgo sísmico.
Los resultados del proyecto serán apoyo al estudio de la lógica difusa aplicado
en la sismología, además de dar solución a la incertidumbre. La sociedad
también podrá beneficiarse ya que con la alerta de sismo podrá tomar las
medidas necesarias durante el acontecimiento.
Se propone con esta investigación a explorar aquellos factores que apoyen a
tener datos precisos y claros para que así se pueda tomar decisiones que
protejan la integridad de los seres humanos analizando los efectos negativos que
causan los sismos.
La solución de esta investigación es ser el medio de ayuda para tratar de
disminuir los efectos negativos de la población en caso se de en una repetida
vez que se vieran afectadas por un sismo, así mismo como podrá ser de utilidad
para generar estrategias de gestión de riesgo a través de sus resultados.
17
CAPÍTULO II
MARCO TEÓRICO
La sección de marco teórico se fundamenta la investigación con los conceptos
correspondientes al tema “Evaluación del riesgo post-sísmico y el efecto adverso
que provoca en la actividad humana como es el impacto social negativo,
mediante técnicas de lógica difusa”, donde se aplicará información tomada de
anteriores análisis con relación al contenido del estudio.
ANTECEDENTES DEL ESTUDIO
Ecuador es uno de los países que se encuentra ubicado en la zona más
propensa a temblores de cualquier magnitud ya que está situado en el cinturón
de fuego, este cinturón de fuego o también llamado “anillo de fuego” es un
escenario que ocasiona intensas actividades sísmicas.
Si se hace historia y se revisa los antecedentes del Ecuador con respecto a los
sismos, se verá que en el año de 1941 en donde desde esta fecha se han
suscitado 40 terremotos de magnitudes grandes, dejando como huellas daños
físicos-estructurales y sobre todo afectación a la población.
Con el terremoto de magnitud 7,8 ocurrido el pasado 16 de abril del 2016 en la
ciudad de Manabí con epicentro en Pedernales, se han desarrollado diversos
programas de control y ayuda para las ciudades y poblaciones afectadas por
estas tragedias que lastimosamente no se pueden predecir, pero en donde sé
se pueden tomar medidas de seguridad.
18
En el área de tecnología se han aplicado diferentes estudios y métodos
matemáticos para mitigar los riesgos que propaga un sismo, en donde se
evalúan los daños y la vulnerabilidad de las estructuras; con respecto a este tema
de evaluación, si se busca en diferentes fuentes, será evidente sobre la cantidad
de estudios que hay de la evaluación de daños sísmicos con relación a la
destrucción de edificios, rehabilitación de estructuras, diseños sismoresistentes
y en cuanto a la evaluación de los efectos sociales que produce un sismo es
poca la información.
Según la OEA (2002) dice:
“Las inversiones están dirigidas cada vez más a técnicas de predicción,
monitoreo y alerta, en vez de la recopilación de información básica sobre la
ubicación, severidad y probabilidad de los eventos, datos que sientan las bases
para tomar medidas de prevención”. (p.21)
Si bien se puede ver en la cita anterior de la O.E.A. no precisamente nombra a
la evaluación de los efectos sociales, por lo que estan enfocados mas
tecnicamente, sin pensar que a través es esa evaluación se podrá disminuir los
riesgos aunque en una parte del artículo donde se saca la información dicen algo
importante que motiva a la investigacion de esta tesis:
OEA (2002): “El impacto de las amenazas naturales puede ser reducido. La
información y los métodos necesarios para reducir los efectos de los eventos
naturales existen, así se trate de los más repentinos y fuertes, y para prevenir
que éstos causen un desastre. Si bien en algunos casos no puede evitarse la
ocurrencia del evento, sí se puede salvar vidas y reducir los daños tomando
medidas preventivas en la construcción de edificios y ubicación de actividades.
En ciertos casos, como es el caso de las inundaciones, la incorporación de
medidas de mitigación en los planes de desarrollo y proyectos de inversión
puede permitir que se evite el evento por completo”. (p.21)
19
En la actualidad existen aplicaciones móviles que alertan cuando se va a sucitar
un sismo, en donde estas app lo que hacen es detectar un terremoto de una
determinada magnitud y distancia, lo que hace es enviar un mensaje al servidor
central de las redes móviles y este envía advertencias de peligros para poner en
aviso de lo que puede ocurrir, lastimosamente no es del 100% confiable, han
existido errores en este tipo de alarmas que hace que una población pierda la
calma. Se sabe que un sismo es un fenómeno natural no predecible y lo mejor
que se puede hacer es estar preparado para un evento como este, y la mejor
forma es estudiando cuáles son los riesgos que ponen en peligro al ser humano
y a su entorno.
El Ecuador se encuentra en proceso de adopción y realización de métodos,
aplicaciones e investigaciones que ayuden a mitigar los riesgos consecuentes
de los sismos, por ello y por lo antes mencionado se propone el estudio de este
proyecto de: Evaluación del riesgo post-sísmico y el efecto adverso que provoca
en la actividad humana como es el impacto social negativo, mediante técnicas
de lógica difusa, para ayudar a los cantones a identificar los daños a la población
con un estudio preliminar a la actividad sísmica y así poder llegar a tomar
decisiones a tiempo.
En este proceso se ha tomado la incursión de la investigación como
procedimiento primordial para la obtención de los resultados, donde se tomó una
técnica para obtener la solución que ayudará a conseguir información relevante
e importante para la investigación de manera que se reunirá los resultados de
estudios heterogéneos de un mismo tema.
20
FUNDAMENTACIÓN TEÓRICA
1. Meta - análisis
Entre las metodologías utilizadas para este artículo se tiene el meta-análisis
que sirve para sintetizar el conjunto de datos recolectados para nuestra
investigación; Este meta-análisis será una forma de reducir la información de
forma que se va a agrupar los datos más relevantes, en el cual se puede ver,
que se trata de un resumen múltiple relacionados con el tema a investigar.
Según Marín, Sánchez y López (2009) afirma: “Los meta- análisis son
revisiones sistemáticas, objetivas y científicas que se desarrollan a través de
una serie de etapas claramente establecidas”. (p. 3)
A continuación, Marín, Sánchez y López mencionan algunos objetivos para
realización del meta-análisis:
Falta de orientación para la toma de decisiones; por medio de esta
revisión sistemática. con sus resúmenes respecto al tema a investigar
hará más fácil obtener la información.
Evaluar la variedad de estudios existentes.
Búsqueda de la literatura, incentiva a que el investigador se lucre de
información importante para su conocimiento.
Valorar si es posible agrupar por investigaciones más específicas.
Dar una resolución a la incertidumbre que no ha podido ser resuelta,
por la existencia de resultados en los estudios ya existentes.
Contribuir información para la evaluación tecnológica y matemática.
21
En la investigación se utilizó esta técnica estadística del metaanálisis para la
obtención de los datos, ya que combina resultados de diferentes estudios
individuales para poder valorar la información necesaria y que se apegue más
a cualquier estudio del que se esté enfocado.
Existen aplicaciones informáticas para la realización del metaanálisis en este
caso se ha utilizado la herramienta de Microsoft Excel, ya que esta aplicación
brinda facilidad sin necesidad de utilizar programas complejos de estadística.
2. El riesgo.
En la fundamentación teórica sobre la cual se extiende la presente
investigación, solicita la exploración de cada uno de los campos los cuales
son afectados por diversos tipos de riesgos. A partir de esto se pretende
sumergir e integrar por los muchos avances elaborados desde algunos puntos
de vista. Inicialmente puede definirse, concorde a la Real Academia Española
(RAE) el término riesgo significa “Contingencia o proximidad de un daño”,
entretanto para algunos autores significan “Sucesos de daños o cambios
después de un evento”.
2.1. Definiciones de riesgos desde diversos ángulos:
Riesgo físico:
“Se refiere a las características de ubicación en áreas propensas y a
deficiencias de resistencia de los elementos expuestos, en función de la cual
se encuentra la capacidad de resistir la acción de un evento considerado
como amenaza. Son ejemplos de este ángulo de la vulnerabilidad, la
sismoresistencia de una edificación, la ubicación de una comunidad en el área
de influencia de un deslizamiento o en el cauce de un río”. (Carlos Eduardo
García López, 2003, p.29)
22
Riesgo económico:
“Se refiere a la situación económica de la sociedad en términos de pobreza,
ingresos, desempleo, dificultad de acceso a los servicios. Igualmente se
refiere a la falta de diversificación económica, a los inconvenientes
comerciales regionales e internacionales y a la imposición de políticas
monetarias.” (Carlos Eduardo García López, 2003, p.29)
Riesgo social:
“Se refiere al grado de cohesión social y representa la capacidad de
reaccionar como grupo organizado, por procesos de autoorganización o con
intereses partículares. ” (Carlos Eduardo García López, 2003, p.29)
Riesgo político:
“Expresa el nivel de autonomía que tiene una comunidad con respecto a sus
recursos, así como en la toma de decisiones que la afectan. Esquemas de
gobierno centralistas en la toma de decisiones hacen más vulnerables las
sociedades. En la medida en que las comunidades tengan mayor capacidad
de participación en la toma de decisiones se hacen menos vulnerables”.
(Carlos Eduardo García López, 2003,p.29)
Riesgo ideológico:
“Se relaciona con las ideas o creencias que tienen las personas sobre el
devenir y los hechos del mundo. Actitudes pasivas y fatalistas de la
comunidad debilitan una acción transformadora y propositiva frente a temas
como la prevención e incluso la atención de las emergencias que se
presenten.” (Carlos Eduardo García López, 2003, p.29-30)
23
Riesgo cultural:
“Se refiere a la forma en que los individuos se ven así mismos en la sociedad
y como colectividad. En este ángulo de la vulnerabilidad, juega un papel
importante los medios de comunicación por su contribución en el manejo
sesgado de imágenes y la transmisión imprecisa de información sobre el
medio ambiente, la sociedad y los desastres.” (Carlos Eduardo García López,
2003, p. 30)
Riesgo educativo:
“Las deficiencias de la educación, como la falta de cobertura, la falta de
calidad, la ausencia de conocimiento sobre causas, efectos y razones por las
que se presentan los desastres, el desconocimiento de la historía, la falta de
socialización de la información y la falta de preparación se convierten en
aspectos que hacen que una comunidad sea más vulnerable.” (Carlos
Eduardo García López, 2003, p. 30)
Riesgo ecológico:
“El riesgo aumenta cuando las actividades humanas se realizan mediante la
explotación inadecuada y la destrucción de los recursos naturales. El
deterioro de ecosistemas conlleva a que éstos pierdan su capacidad de
autoajustarse para compensar los efectos directos e indirectos de la acción
humana o de la misma naturaleza.” (Carlos Eduardo García López, 2003,
p.30)
Riesgo institucional:
“Referido a las dificultades de las instituciones para hacer la gestión del
riesgo, expresada en la falta de planes para la preparación, la mitigación o la
intervención, sobre la vulnerabilidad o sobre el riesgo.” (Carlos Eduardo
García López, 2003, p.30)
24
Riesgo natural:
“Referida a las características orgánicas de todo ser vivo y determinada por
los límites ambientales dentro de los cuales es posible la vida. Este ángulo de
la vulnerabilidad se ha incrementado en la última década debido en esencia
a la desaparición de especies vegetales resistentes a condiciones
ambientales severas y a su reemplazo por otras especies menos resistentes,
con mayor valor comercial, y por tanto más vulnerables a condiciones
extremas.” (Carlos Eduardo García López, 2003, p.29)
Riesgo de desastre:
“Este riesgo no solo depende de la posibilidad que se presentan eventos o
fenómenos naturales intensos, sino también de las condiciones de
vulnerabilidad que favorecen o facilitan que se desencadenen desastres
cuando se presentan dichos fenómenos”. (Instituto de Estudios Ambientales,
2005, p.9)
Cabe recalcar que entre riesgos de desastres y riesgos naturales aunque la
conceptualizacion los separa tienen su vinculo, ambos se refieren a temas de
catastrofes que relaciona directamente al ambiente o fenómenos naturales;
Ayala-Carcedo, F. J., & Cantos, J. O. (2002) menciona que dentro de los
riesgos de desastres existen clasificaciones entre los que se puede nombrar:
Riesgos de Avalanchas.
Riesgos de Sequías.
Riesgos de Incendios forestales.
Riesgos de Inundaciones.
Riesgos de Tsunamis.
Riesgos de Erupcion vólcanica.
25
Riesgos de Tornados.
Riesgos de Huracán.
Riesgos de Sismos/Terremotos.
En el estudio de el proyecto se evaluará los riesgos concernientes a
Sismos/Terremotos por lo cual se ha hecho un profundo estudio de las
definiciones que abarca este tema.
3. Riesgo sísmico
Según ( Belén Benito Oterino , 2002, pág. 1) asume “Los terremotos son uno
de los fenómenos naturales que conllevan mayor potencial destructor, con
mayor coste de vidas y pérdidas materiales, lo que hace que el riesgo sísmico
sea uno de los riesgos naturales que más atención social reclaman”. Los
movimientos violentos permiten destruir fácilmente los objetos y hasta las
vidas de las personas mucho más en las zonas del epicentro.
Para poder reducir los riesgos sísmicos se convienen seguir medidas de
predicción y prevención, a pesar de que no se sabe el momento que ocurre
un terremoto.
Una fuente asume que las medidas de predicción que toda organización de
todo país debe seguir son las siguientes “Medidas de Predicción: Elaboración
de mapas de riesgo, Elaboración de modelos por ordenador.” (Bryna Brennan
& Vilma Gutierrez, 2011) autor)
Y en cuanto a medidas de prevención generales a tomar menciona “Medidas
de Prevención: Educación Civil, Normas arquitectónicas, Protección civil,
Consejo de seguridad” (Bryna Brennan & Vilma Gutierrez, 2011)
26
(Sara López Riera, 2015) Afirma de los Simulacros “Estos ejercicios podrán
abarcar todas las actuaciones previstas para una emergencia o parte de
estas, podrán afectar a toda la empresa o sólo a un departamento, local, área,
etc.”. Es de vital importancia la práctica de este, ya que ayuda a controlar un
poco las emociones y eventos que se presentan en un movimiento sísmico.
3.1. Tipos de riesgos sísmicos
Ayala-Carcedo, F. J., & Cantos, J. O. (2002) Los riesgos que produce un
sismo traen consigo lo siguiente:
“Desplazamiento de la superficie terrestre: Los terremotos ocurren a lo
largo de las zonas de falla en la Tierra que pueden experimentar movimiento
relativo.
Liberación de energía sísmica: El movimiento del suelo se produce por la
liberación de la energía sísmica, que son ondas de energía causada por la
ruptura repentina de roca dentro de la Tierra en el epicentro del terremoto.
Licuefacción: “La licuefacción es un riesgo primario de los terremotos; y a su
vez produce riesgos secundarios ya que puede dañar los puentes y edificios
que pierden el apoyo del suelo.” (Maria del Carmen Rodriguez, 2015)
3.2. Sismos y tecnologías para prevenciones
Hoy en día la tecnología brinda muchas facilidades y se encuentra presente
en la vida cotidiana y de manera constante, abarca diferentes conocimientos
y se distribuyen en diferentes ramas utilizando un conjunto de herramientas,
recursos o mecanismos lo cual permiten la facilidad de manipulación e
intercambio de información.
27
“La contribución de la tecnología en la prevención de los desastres es notable:
por un lado, a través de las imágenes satelitales se puede conocer la
cartografía de las zonas de riesgo como, por ejemplo, de las áreas fácilmente
inundables. Incluso, los satélites de percepción remota, que utilizan técnicas
fotográficas con rayos infrarrojos, pueden emplearse para detectar
modificaciones en la densidad de la vegetación en zonas proclives a las
sequías” (DAVID EINHORN En Américas, 1989). La tecnología abarca
muchas maneras para estar comunicados e informados de cualquier tema,
uno de los medios que facilitan la comunicación es los satélites los cuales
sirven para varios fines y son muy provechosos para la humanidad.
3.2.1. Tecnologías para sismos
En el campo sismológico se han desarrollado investigaciones tanto para
descubrir de donde provienen los sismos hasta como poderlos predecir y
prevenir, mucha información ha sido recaudada por los investigadores y
científicos que tratan este tipo de eventos. En todos los países existen
organizaciones que utilizan y crean herramientas para predecir y mitigar los
riesgos y peligros que causan estos acontecimientos, donde la tecnología ha
sido de gran aporte y a cubierto este tipo de temas.
A continuación, se nombra algunas formas en donde la tecnología
acompañada de la ingeniería ha logrado avanzar en cuanto a lo que se refiere
a sismos:
Aplicaciones de alertas sísmicas.
Sistemas de predicciones.
Tecnología satelital.
Aplicaciones que informan la intensidad, profundidad de los
movimientos.
28
Camas tecnológicas a pruebas de terremotos.
Drones.
De lo antes mencionado no hay duda que ha ayudado en algunas de muchas
ocasiones, pero se es consciente que ni una de aquellas impide que suceda
el hecho de un sismo, y que es muy bajo que ayude a mitigar los riesgos que
trae consigo el evento, por lo que este proyecto ha tomado en cuenta y quiere
aportar para ayudar a la población.
4. Efectos adversos provocados por sismos
La palabra efecto tiene como significado “algo que se produce por un motivo
o causa”. Existen variedades de efectos dependiendo la causa, los efectos
podrían cambiar con respecto al escenario o motivo que lo origine.
Estos efectos pueden ser positivos o negativos, en este caso se hablan de los
efectos que causa un sismo y lo más seguro es que las secuelas que cause
una actividad telúrica en cualquier lugar del mundo sean negativas.
Astroza, M., Sandoval, M., & Kausel, E. (2005) Entre los principales efectos
negativos que causan un sismo de magnitud fuerte se nombran los siguientes:
Derrumbes o deslizamientos: Este efecto es muy común en zonas con
suelos defectuosos o rocosos que generalmente se encuentran en lugares
altos aproximados a ríos o deslaves.
Daños y destrucciones de viviendas: Cuando existe un tipo de evento como
lo es un sismo con intensidad fuerte es más que seguro que el mayor impacto
sea la destrucción de viviendas ya sea leve o máximo, donde los perjudicados
directos es la población.
29
Daños de infraestructuras: este impacto perjudica directamente a la
población y a la economía, los daños causados por los sismos pueden ser
muchos en infraestructuras referimos a los puentes y redes viales, los
principales daños que causa este es la conexión vial.
Destrucción de suelos: Este efecto es muy frecuente cuando existe un
sismo por lo general afecta a lugares vulnerables y que no están estables, el
suelo puede hundirse, desplazarse o cuartearse, por tanto, esto pone a la
población y a las infraestructuras en peligro.
Tsunamis o maremotos: aunque este tipo de eventos no han sido amenazas
que se hayan desarrollado en las costas ecuatorianas no hay que descartar
la posibilidad que pueda suceder uno, siempre se deben difundir
precauciones de este tipo de sucesos, ya que en otros países las
consecuencias de un terremoto han sido los tsunamis.
Los efectos que causan los sismos dependen de su magnitud y se pueden
clasificar en primarios, secundarios y terciarios.
Efectos primarios: Son aquellos efectos que golpean directamente.
Movimientos, rupturas, separaciones del suelo.
Efectos secundarios: son los que se provienen después de los terremotos o
sismos. En este caso serían las réplicas, incendios accidentales,
inundaciones a causa de desbordamientos o rupturas del suelo.
30
Efectos terciarios: Aquellos efectos que causan daños que tardan en ser
reparados. Destrucción de hogares, desplazamiento de familias incluso
perdidas y muertes de personas.
5. Impactos negativos sísmicos
Los terremotos, sismos o temblores son una de las catástrofes naturales que
más consecuencias negativas producen en las poblaciones de cualquier lugar
de la Tierra. Han sido muchos los países afectados por estos eventos que se
presentan de manera repentina sin dar indicios a que va a suceder.
En las investigaciones dadas se ha llegado a esta definición de impacto
negativo sísmicos “Es el impacto cuyo efecto se traduce en pérdida de valor
naturalístico, estético-cultural, paisajístico, de productividad ecológica o en
aumento de los perjuicios derivados de la contaminación, de la erosión o
colmatación y demás riesgos ambientales en discordancia con la estructura
ecológico-geográfica, el carácter y la personalidad de una zona determinada.”
(Diccionario ecológico, 2010)
Espinoza comparte su criterio y dice “El conocido impacto y consecuencias
negativas de los diferentes tipos de desastres naturales, ha determinado
progresivamente la necesidad de la mitigación y de la preparación de toda la
sociedad. La sociedad es la más afectada por los desastres, y a su vez es ella
la que de manera más efectiva debe participar en su solución. La falta de
visión de futuro de las sociedades ha determinado en gran medida la creciente
vulnerabilidad frente a los desastres naturales.” (O. Espinoza B, 2008)
Entre los impactos negativos que deja un sismo:
Impacto social.
31
Impacto en Salud.
Impacto económico.
6. Inteligencia Artificial
Uno de los grandes enfoques que ha tenido la humanidad es la inteligencia
artificial, pensar como se ve, como se percibe como se recuerda, como se
razona, para nadie es un secreto que el comportamiento inteligente del
hombre es peculiar, es casi un misterio, no se encuentran los límites hasta
donde se puede investigar ya que tiene un potencial que no se sabe a dónde
llega.
Según (Thomas Hardy, 2001) explica:
“La inteligencia artificial (IA) tiene por objetivo el estudio y el análisis del
comportamiento humano en los ámbitos de la comprensión, de la percepción,
de la resolución de problemas y de la toma de decisiones con el fin de poder
reproducirlos con la ayuda de un computador. De esta manera, las
aplicaciones de la IA se sitúan principalmente en la simulación de actividades
intelectuales del hombre. Es decir, imitar por medio de máquinas,
normalmente electrónicas, tantas actividades mentales como sea posible, y
quizás llegar a mejorar las capacidades humanas en estos aspectos.”
(Thomas Hardy, 2001, p.13)
Uso de los diferentes tipos de software de IA
Hoy en día existen diversos softwares de IA que sin darse cuenta se maneja
con mayor frecuencia.
“En principio, cualquiera de los 3 componentes de un ser vivo (cuerpo,
entorno, comportamiento) pueden simularse mediante herramientas de
software. Sin embargo, la gran cantidad de potencia computacional requerida
para obtener un modelo razonable de, por ejemplo, las propiedades
32
ambientales, o de las propiedades mecánicas de los organismos hace que no
sea eficiente la creación de estos modelos mediante software.” (Eglis Esteban
García Alcolea, 2009)
Entre los tipos de software que utiliza la IA se agrupan las siguientes:
Softwares expertos conocidos por imitar la toma de decisiones,
simulaciones del razonamiento humano.
Reconocimiento de patrones tanto de imágenes y voz.
Redes neuronales.
Video Juegos que se basan en las técnicas de IA Que se utilizan en
dispositivos electrónicos ya sean celulares o computadores.
Entre otras como: Aprendizaje automático, Procesamiento del
lenguaje natural, Ingeniería del conocimiento, Redes Bayesianas,
Lingüística computacional, Frames, Mineria de datos y Vida artificial.
Técnicas de la IA
La ciencia de inteligencia artificial tiene muchas ramificaciones que con el
pasar de los tiempos y de las investigaciones se han dado; estas técnicas que
engloba la inteligencia artificial aportan para manejar la información imprecisa
que existe en la vida diaria del mundo real debido a la utilización de procesos
inteligentes.
Redes Neuronales.
Algoritmos genéticos.
Lógica difusa.
La investigación se ha enfocado en la técnica de lógica difusa que se basa en
metodologías que sirven para el manejo de información que no están
definidos, que se encuentran imprecisos e incompletos, esta técnica emula la
33
forma de pensar humana y como esta es toma decisiones que se presentan
en el mundo real y diario.
7. Lógica Difusa
7.1. Introducción
Lógica difusa (fuzzy logic) conocida también como lógica borrosa o lógica
multi-valuada es un término inferido por Lofti A. Zadeh un matemático profesor
de la Universidad de Berkeley, nacido en 1921 en la ciudad de Baku-Azerí, en
1959 se integró a la Universidad de California de Berkeley ejerciéndose como
empleador en el departamento de Ingeniería Informática ascendiendo de
cargo como rector en el año de 1963, considerado el padre de la teoría de la
posibilidad, quien en el año de 1965 introdujo esta teoría de los conjuntos
difusos, siendo conocido por el mérito de fundador de la matemática difusa,
teoría del subconjunto difuso y la lógica difusa. En el año 2012 fue merecedor
de algunas distinciones como Medalla de honor IEEE y el Premio Fundación
BBVA Fronteras del Conocimiento. Lazzari, L., Machado, E., & Pérez, R.
(2012).
Los comienzos de la lógica difusa por Zadeh tuvo como concepto
un plus de la lógica tradicional booleana en la que se habla de tan solo
de dos valores que son 0 y 1, verdadero o falso. “Lo interesante de una
lógica difusa es que se aparta del compromiso por la precisión que dotó
de su dignidad a las lógicas clásicas, sin perder el rigor del
razonamiento válido propio de una teoría formal” (Esparza & Fronesis,
2002, pág. 44). En cambio, la lógica difusa tiene como elemento clave
el pensamiento humano, de cómo puede razonar y de cómo se puede
tomar decisiones.
34
Un ejemplo de un libro dice “Permite tratar información imprecisa,
como la estatura media o temperatura baja, en términos de conjuntos
difusos que se combinan en reglas para definir acciones, por ejemplo,
si la temperatura es alta entonces enfriar mucho” (Klir, Clair & Yuan,
1997, pág. 22).
La lógica difusa se basa generalmente en reglas difusas con las que
permiten representar el conocimiento en forma de que exista una relación
entre las variables que se usen, con la finalidad de tener un resultado cierto y
claro a partir de información vaga e imprecisa. Peña, C. I., Marzo, J. L., De la
Rosa, J. L., & Fabregat, R. (2012)
7.2. Características de la lógica difusa
La lógica difusa es una extensión de la lógica tradicional llamada
lógica booleana, donde se dice que existen valores que son verdaderos
o que son falsos, es todo o es nada pero si se introduce a los conceptos
de lógica difusa se entenderá que esta técnica trata con elementos
graduales y múltiples que genera una matemática diferente a la
acostumbrada en donde si se dice que habían valores en que el
resultado podría ser verdadero o falso, ahora con esta lógica se puede
decir que no todo es verdadero porque en realidad tiene un grado de
falsedad donde existen valores intermedios que se convierten en
información imprecisa y vaga difícil de analizarla, entre las
características esenciales de la lógica difusa se describen las
siguientes:
Razonamiento exacto: también se conoce como razonamiento
aproximado, este trata de acercarse a la manera de pensar del ser
humano en términos de razonar de las cosas de las que no se tiene
exactitud absoluta.
35
Restricciones difusas: Son modelos que permiten la optimización de
un problema a través de la interpretación del conocimiento en el cual
hace una recolección de variables.
Inferencia: Trata de la deducción y el modelamiento de la toma de
decisiones humanas a través del proceso de las restricciones difusas.
Ayuda a la toma de decisiones: A partir de valores vagos, imprecisos
y complejos se pueden tomar decisiones a través de restricciones
difusas que se aproximen más a la realidad.
7.3. Conceptos de lógica difusa
7.3.1. Conjunto difuso
La característica de un conjunto clásico es que puede contener
elementos los cuales pueden <pertenecer> o <no pertenecer> a dichos
conjuntos y por otra parte están los conjuntos difusos quienes tienen
elementos de pertenencia, pero no se establece a informar si dicho ente
o sujeto <pertenece> o <no pertenece> a cierto conjunto. Esta definición
reúne incertidumbre que denotaran valores de pertenencia que varían
entre 0 y 1.
Según Gonzáles (2013):
“La matemática de los conjuntos difusos, como su nombre lo
indica, trabaja con conjuntos que no tienen límites bien definidos, es
decir, la transición entre la pertenencia y la no pertenencia de una
variable a un conjunto es gradual. Se caracteriza por las funciones de
pertenencia que dan flexibilidad a la modelación utilizando expresiones
lingüísticas tales como mucho, poco, leve, severo, escaso, suficiente,
caliente, frío, joven.” (pag. 31).
36
Gráfico 2
Representación de conjunto clásico y conjunto difuso
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael
Rodríguez Chiqui.
Fuente: La teoría de los conjuntos difusos (Macián, 2012)
7.3.2. Conjunto difuso normal
Se dice que un conjunto difuso normal es cuando la altura es igual que
1 otra forma de llamarle a este conjunto es “conjunto difuso
normalizado”.
“Un conjunto difuso cualquiera es considerado como conjunto difuso
normal (normal fuzzy set) si como mínimo uno de sus elementos
presenta un valor de pertenencia igual a la unidad. Es decir, se
considera conjunto difuso normal a todo aquel cuyo máximo valor de su
función de pertenencia sea igual a 1.” (Macián, 2012, pág. 49)
7.3.3. Conjunto difuso convexo
“Un conjunto difuso à es convexo si se verifica, para cualquier par de
valores de x1, x2 X, y para cualquier valor de λ [0, 1]; la siguiente
ecuación:
Denominándose como estrictamente convexa si la desigualdad se
verifica de forma estricta. La función de pertenencia de un conjunto
difuso convexo no puede presentar saltos ni mínimos o máximos
37
locales. Usualmente consisten en funciones con una parte creciente y
otra decreciente con la posibilidad de zonas planas intermedias. Se
habla entonces de función de pertenencia unimodal.” (Macián, 2012,
pág. 50)
A este tipo de conjunto se lo reconoce por ser decreciente, creciente o
con forma de campana.
7.3.4. Probabilidad
Determina que algún evento pueda ocurrir, está basado
originalmente en números, pero usando términos lingüísticos como
ejemplo: “alto”, “medio” y “bajo”.
7.3.5. Incertidumbre
Se refiere a la desconfianza y desconocimiento a una situación
futura en la cual la información puede que no exista, sea imprecisa,
ambigua, inconsistente o puede que no esté disponible.
7.3.6. Vaguedad o Imprecisión
Este término es muy común en el tema de lógica difusa se trata del
resultado natural del modo en que el mundo se desarrolla, es decir la
imprecisión se encuentra en la vida cotidiana (Encarnación & Yamir,
2013) dicen:
“La vaguedad (imprecisión) es un concepto opuesto a la exactitud que
surge de la forma como vemos al mundo y los fenómenos. La
conceptualización de las ideas se realiza por medio de una idealización,
sin embargo, la realidad desborda cualquier aproximación conceptual
que tengamos sobre ella”. (p.4)
38
7.3.7. Ambigüedad
Este término se cumple con el grado de ocurrencia que tenga un
determinado evento está ligada con el lenguaje que utiliza el ser
humano.
7.3.8. Funciones de pertenencia
La estructuración de la función de pertenencia depende del problema.
“La forma de la función de pertenencia utilizada depende del criterio
aplicado en la resolución de cada problema y variará en función de la
cultura, geografía, época o punto de vista del usuario. La única
condición que debe cumplir una función de pertenencia es que tome
valores entre 0 y 1, con continuidad”. (Díaz, Aguilera & Guillén, 2014,
pág. 3)
“Cuanto más cerca esté A(x) del valor 1, mayor será la pertenencia del
objeto x al conjunto A. Los valores de pertenencia varían entre 0 (no
pertenece en absoluto) y 1 (pertenencia total).”
8. Matlab
Matlab es conocido como IDE (Entorno de desarrollo integrado) que se
encuentra para ser utilizado en diferentes plataformas como son Windows, Unix,
Mac OS, Linux. Matlab es un entorno amigable con los usuarios ya que es fácil
su manipulación. Jackson, L. B. (2013)
Matlab proviene del nombre MATRIX LABORATORY (Laboratorio de matrices),
esta herramienta fue creada en 1984 por el programador y matemático Cleve
Mole, su evolución ha sido gracias al acogimiento que ha tenido por millones de
usuarios ya sea en entornos empresariales como académicos. Baldini, P. N.,
Calandrini, G., Doñate, P., & Bambill, H. (2013).
39
Matlab permite modelar cosas del mundo físico en modelo matricial lo que
complementará el análisis y la forma de ver el mundo de la ingeniería.
8.1. Características de Matlab
Dentro de las características que Matlab posee se nombran las siguientes, según
Jackson, L. B. (2013):
Lenguaje para procesamiento de datos.
Redes neuronales.
Simulación de sistemas.
Bocetos de sistemas de control.
Amplios contenidos de TOOLBOXES.
Cálculos de matrices.
Gráficos.
Implementación de algoritmos.
Para el desarrollo del presente proyecto se utilizó la herramienta de Matlab con
el uso de conjuntos difusos, de forma que se introdujo valores diferentes de los
riesgos, que posteriormente están divididos en riesgos físicos y agravamiento,
para ello se insertó los datos recolectados de la investigación al terremoto de
Manabí del 16 de abril de 2016.
FUNDAMENTACIÓN LEGAL
El proyecto es legal porque no requiere recursos mayores o que no estén a
nuestro alcance, no afecta en su funcionalidad y cumple con los reglamentos de
la ley orgánica de Educación Superior.
40
La investigación como propuesta no viola ninguna ley o reglamento, ya que se
basa en resultados de una investigación la cual tiene como finalidad aportar
conocimientos a la comunidad científica para brindar futuras soluciones.
“El estado distribuirá capital dinero y talento con el fin que sea utilizado para la
investigación científica, y así se pueda aportar con nuevos conocimientos y el
desarrollo de tecnología.” (Secretaría de Ciencia y Tecnología, 2010)
41
CAPÍTULO III
METODOLOGÍA DE LA INVESTIGACIÓN
Se presenta la metodología que se utiliza para la obtención, recopilación y
análisis de los datos para conseguir los resultados en el estudio del
acontecimiento sísmico que provoco secuelas en Ecuador, se evaluará
detalladamente las variables que permitirán tener como deducción el riesgo total
que causó aquella actividad sísmica del 16 de abril del 2016. Asimismo, se
presentará definiciones estadísticas que será para la comprensión de este
capítulo; se especificará cada una de las variables con sus respectivas
descripciones para su interpretación inmediata. Todo el análisis que se realizó
durante tres meses se verá reflejado en esta sección.
TIPO DE INVESTIGACIÓN
El tipo de investigación usada para este proyecto es cualitativo y evaluativa. A
continuación, se muestran a continuación sus respectivas definiciones.
Investigación evaluativa:
Se desea valorar los daños que pueden causar un sismo en sectores de una
determinada ciudad, para así estar preparados en caso se manifieste algún tipo
de actividad telúrica donde se puedan tomar medidas de precaución, tanto la
población evaluada como los organismos de control.
42
Según (Weiss, C. H. , 1983) indica:
“La evaluación emplea los métodos e instrumentos de la investigación social,
pero de forma adaptada…la evaluación puede convertirse en una fuente de
conocimientos y directrices.” (Weiss, C. H., 1983)
Investigación cualitativa:
Se recogerán datos descriptivos-completos como por entrevistas y
observaciones para posteriormente interpretarlos a través de técnicas
estadísticas y muestreos.
Según (Perez, 2007) señalan:
“La investigación cualitativa estudia la realidad en su contexto natural y cómo
sucede, sacando e interpretando fenómenos de acuerdo con las personas
implicadas. Utiliza variedad de instrumentos para recoger información como las
entrevistas, imágenes, observaciones, historias de vida, en los que se describen
las rutinas y las situaciones problemáticas, así como los significados en la vida
de los participantes” (Pérez, 2007).
DISEÑO DE LA INVESTIGACIÓN
Definiciones básicas
Espacio muestral
Se define como el conglomerado de los productos que se adquieren de una
investigación, donde el resultado es impredecible ya que se trata de un proceso
aleatorio. (García Pérez, 2008).
43
Variable
(Rodriguez L, 2007) “Una variable es una característica observable que
varía entre los diferentes individuos de una población”.
(Sáez C, 2012) “Es la variable o dato, es una característica concreta de
una población”.
Variable aleatoria
Variable aleatoria o también llamada estocástica es una función que pertenece
a sucesos probables, donde se obtienen valores que se calculan de tanteos
aleatorios. (Walpole, R. E., Myes, R. H., Myres, S. L., Ye, K., & Enriquez Brito,
J., 2007).
Variable aleatoria discreta
Variable aleatoria discreta es aquella que adquiere valores sean estos limitados
o ilimitados siempre y cuando estén en un intervalo que el investigador lo asigne.
(Walpole, R. E., Myes, R. H., Myres, S. L., Ye, K., & Enriquez Brito, J., 2007)
Variable aleatoria continua
Variables aleatorias continuas son aquellas que permiten el uso de cualquier
valor siendo que este pertenezca a un intervalo de números reales. (Walpole, R.
E., Myes, R. H., Myres, S. L., Ye, K., & Enriquez Brito, J., 2007).
Población
(Sáez C, 2012) “Se denomina población objetivo a un conjunto de individuos o
casos, objetivos de nuestro interés, podemos distinguir entre poblaciones
tangibles y poblaciones conceptuales”.
44
(Levin & Rubin, 1996) “Los expertos en estadística recogen datos de una
muestra y utilizan esta información para hacer inferencias sobre la población que
representa esa muestra. Así, una población es un todo”.
Se deduce que población es un grupo de personas o conjunto de individuos los
cuales se van a estudiar.
Población objetivo
Población objetivo o también conocida como población teórica es llamada a
todas y cada una de las personas o grupos que serán favorecidos con un
proyecto o investigación en donde estos elementos se les perciben una
particularidad de interés. (Aramburú, C. E, 2001).
(Casal, J., & Mateu, E., 2003) Afirman:
“La población es el conjunto de todos los individuos (objetos, personas, eventos)
en los que se desea estudiar el fenómeno. Éstos deben reunir las características
de lo que es objeto de estudio”.
Población investigada
Para realizar una investigación es indispensable tener un conjunto de personas,
sujetos, elementos en los cuales vamos a realizar la investigación, estos
conjuntos de entes deben tener la facilidad para poder acceder a la información,
cabe recalcar que la población investigada pertenece a la población objetivo.
Según (Buendía, L., COLAS, M., & HERNÁNDEZ, F., 1998).
45
Muestreo
Muestreo es una técnica de la estadística para seleccionar de un conglomerado
de entes, personas o elementos una parte de la población, para poder analizar y
estudiar sus características con el fin de explorar y así obtener datos. (Vivanco,
M, 2005).
Muestra
Citando los conceptos de autores dicen que la muestra en estadística:
(Cannavos G, 1998) “La muestra es un subconjunto representativo
seleccionado de una población”.
(Depool R, 2013) “Es un subconjunto sobre el que estamos interesados
en obtener conclusiones”.
Modelo Determinístico
Según (Rodríguez L, 2007) “Representación exacta de un proceso. Permite
obtener respuestas precisas si se conocen los valores de las variables incluidas
en el modelo”.
Modelo Probabilístico
Según (Rodriguez L, 2007) “Representación de un sistema que incluye
componentes aleatorios. Las respuestas obtenidas se expresan en términos de
probabilidad”.
Estadística Descriptiva
(Rodríguez Ojeda, 2007) “Son técnicas para recopilar, organizar,
procesar, y presentar datos obtenidos de la muestra”.
46
(Levin & Rubin, 1996) “Como las estadísticas describe el desempeño del
grupo, pero no hace ninguna generalización acerca de los diferentes grupos,
podemos decir que se está utilizando estadística descriptiva”.
Tipos de muestreo
Muestreo aleatorio simple
Muestreo aleatorio simple es aquel muestreo en donde todos los elementos que
pertenezca al subconjunto o a la población objetivo tienen la misma posibilidad
de ser utilizadas para el estudio. Existen dos tipos de muestreo en los que se
puede trabajar, Muestreo aleatorio simple con reposición y Muestreo aleatorio
simple sin reposición. (Walpole, R. E., Myes, R. H., Myres, S. L., Ye, K., &
Enriquez Brito, J., 2007).
Muestreo aleatorio estratificado
Muestreo aleatorio estratificado es aquel muestreo que fracciona a la población
objetivo en donde existe elementos diversos entre sí, esta acción permite que la
población se ubique de tal manera que los elementos sean homogéneos.
(Walpole, R. E., Myes, R. H., Myres, S. L., Ye, K., & Enriquez Brito, J., 2007).
Diseño muestral
Esta sección se determina por ser probabilístico, por lo que una vez obtenido los
datos se difunden a toda la población estudiada.
Esta investigación adquiere como sedimento las bases de datos pertinentes a
las organizaciones de control que colaboran con todo lo relacionados con los
desastres en este caso las catástrofes sísmicas, entre las que se nombran
Secretaría de Gestión de Riesgo (SGR); Sistema Nacional de Información (SNI);
47
Instituto Oceanográfico de la Armada (INOCAR), Organización de Naciones
Unidas (ONU); Comité de Operaciones de Emergencia (COE).
Población Objetivo
Tomando como referencia que la población objetivo es la agrupación que se
desea investigar, se puede determinar para este estudio como población objetivo
la población que tuvo mayor afectación en el sismo del 16 de abril 2016 como lo
es en la provincia de Manabí, donde se registraron varios tipos de riesgos tantos
físicos como de agravamiento que puede dejar un sismo.
Marco Muestral
El marco muestral es la lista de todos los componentes que se va a utilizar para
el estudio y análisis del riesgo sísmico que sufrió Ecuador en el último terremoto.
El marco muestral de la presente investigación serán los registros que se ha
extraído de las bases de datos de los organismos de control del país, donde ha
sido publicado la información de forma dispersa, es importante recalcar que
existe mucha información, pero lo cierto es que no está clasificada por ende en
esta documentación se obtendrá los datos más relevantes sobre la provincia de
Manabí para obtener los resultados deseados.
INSTRUMENTO DE RECOLECCIÓN DE DATOS
Mediante una ardua investigación se ha recolectado información en diversas
bases de datos confiables y oficiales: Secretaría de Gestión de Riesgo (SGR);
Sistema Nacional de Información (SNI); Instituto Oceanográfico de la Armada
(INOCAR), Organización de Naciones Unidas (ONU); Comité de Operaciones de
48
Emergencia (COE), haciendo una base de datos con variables que permitan
analizar los riesgos de la actividad telúrica del 16 de abril del 2016, la información
que fue recolectada pertenece a los informes de hasta un mes del
acontecimiento. Inclusive se envió emails a la SGR y al INEC donde recibimos
atención y corroboraron con información verídica.
Una vez obtenida la base de datos ya creada con su respectiva información, se
procederá a aplicar los conceptos y las técnicas de lógica difusa, aquí se utilizará
la herramienta de Matlab, donde su procedimiento se explicará más adelante.
Diseño de la base de datos
Entre las metodologías utilizadas para la investigación se tiene el meta-análisis
que sirve para sintetizar el conjunto de datos recolectados para nuestra
investigación; Este meta-análisis será una forma de reducir la información de
forma que se va a agrupar los datos más relevantes, en el cual se puede ver,
que se trata de un resumen múltiple relacionados con el tema a investigar.
La base de datos ha sido elaborada para obtener información relevante y real de
lo que se vivió el primer mes del suceso del terremoto del 16 de abril del 2016 y
así obtener un total de riesgo, donde antes de extraer el riesgo total se analizará
el riesgo físico y el agravamiento de la población de la provincia de Manabí.
La primera variable de la base de datos es “Cantón” consta con todos y cada uno
de los cantones de la provincia de Manabí. La segunda variable es
“desaparecidos” que fueron las personas que no se localizaban a consecuencia
del terremoto. La tercera variable “fallecidos” dan a conocer el número de
personas que murieron a consecuencia del terremoto. La cuarta variable es
“personas atendidas” número de personas que le dieron la atención debida por
las necesidades que tenían. La quinta variable “albergues”, la sexta variable
“refugios”, séptima variable “familias albergues”, octava variable “personas
albergues”, novena variable “familia en refugios”, decima variable “personas en
refugios”, onceava variable “Afectación de infraestructura de distribución de
49
sistema eléctrico” en las primeras 48 horas, doceava variable “Edificaciones
afectadas”, treceava variable “Edificaciones destruidas”, catorceava variable
“Afectados Damnificados”, quinceava variable “Perdida de servicio de
telecomunicaciones de cobertura” primeras 48 horas, dieciseisava variable “vías
inhabilitadas”, diecisieteava variable “Nivel operación agua potable”
dieciochoava variable “densidad poblacional”. diecinueveava variable “tasa de
pobreza NBI”, veinteava variable “tasa pobreza en consumo”, veintiunava
variable “numero fallecidos anualmente” veintidosava variable “tasa mortalidad”.
Gráfico 3
Variables del metaanálisis
Elaboración: Dayanara Ivonne Barzola Vargas & Omar Michael Rodríguez Chiqui.
Fuente: Propia de los autores
Descripción y codificación de variables
Se realizó una descripción de cada una de las variables para facilitar la
interpretación y saber porque se ha ubicado en la investigación. Posterior se
muestra la descripción y codificación para las variables utilizadas en el diseño de
la BD.
50
Base de datos
Mediante todas las variables nombradas se obtendrá información existente y
concreta sobre los riesgos que provoco el fuerte sismo del 16 de abril del 2016,
estos datos serán analizados para la toma de decisiones de las personas y
organizaciones que deseen de interés la investigación propuesta.
Características Generales de la Base de Datos
Variable 1: Cantón
La primera variable para el meta análisis de la investigación indica donde se va
a realizar el estudio por ello se ha tomado los 22 cantones de la provincia de
Manabí.
CUADRO N. 3
Codificación de la variable cantón
CANTÓN
PORTOVIEJO 1 ROCAFUERTE 12
CHONE 2 FLAVIO ALFARO 13
MANTA 3 TOSAGUA 14
MONTECRISTI 4 PUERTO LÓPEZ 15
SUCRE 5 SANTA ANA 16
PEDERNALES 6 PAJÁN 17
JAMA 7 JIPIJAPA 18
JARAMIJÓ 8 24 DE MAYO 19
SAN VICENTE 9 OLMEDO 20
BOLÍVAR 10 JUNÍN 21
EL CARMEN 11 PICHINCHA 22
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
51
Variable 2: Desaparecidos
La variable desaparecidos obtendrá el número de personas cuya ubicación se
desconoce, es decir cuántas personas por cada cantón no se sabe su
localización.
CUADRO N. 4
Codificación de la variable desaparecidos
DESAPARECIDOS
PORTOVIEJO 3 ROCAFUERTE 0
CHONE 0 FLAVIO ALFARO 0
MANTA 1 TOSAGUA 0
MONTECRISTI 0 PUERTO LÓPEZ 1
SUCRE 0 SANTA ANA 0
PEDERNALES 1 PAJÁN 0
JAMA 0 JIPIJAPA 0
JARAMIJÓ 0 24 DE MAYO 0
SAN VICENTE 0 OLMEDO 0
BOLÍVAR 0 JUNÍN 0
EL CARMEN 0 PICHINCHA 0
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
52
Variable 3: Fallecidos
Esta variable indica el número de muertos por cada cantón de la provincia de
Manabí, que por la catástrofe sísmica fueron hallados sin vida.
CUADRO N. 5
Codificación de la variable fallecidos
FALLECIDOS
PORTOVIEJO 137 ROCAFUERTE 8
CHONE 2 FLAVIO ALFARO 5
MANTA 219 TOSAGUA 2
MONTECRISTI 0 PUERTO LÓPEZ 0
SUCRE 13 SANTA ANA 0
PEDERNALES 183 PAJÁN 0
JAMA 28 JIPIJAPA 0
JARAMIJÓ 1 24 DE MAYO 0
SAN VICENTE 37 OLMEDO 0
BOLÍVAR 9 JUNÍN 0
EL CARMEN 5 PICHINCHA 0
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
53
Variable 4: Personas Atendidas
La variable Personas atendidas indica cuantas personas fueron ayudadas y le
prestaron la atención debida ya sea por una necesidad o petición que urgían.
CUADRO N. 6
Codificación de la variable personas atendidas
PERSONAS ATENDIDAS
PORTOVIEJO 3256 ROCAFUERTE 0
CHONE 401 FLAVIO ALFARO 0
MANTA 1864 TOSAGUA 0
MONTECRISTI 0 PUERTO LÓPEZ 0
SUCRE 828 SANTA ANA 0
PEDERNALES 3709 PAJÁN 0
JAMA 483 JIPIJAPA 21
JARAMIJÓ 0 24 DE MAYO 0
SAN VICENTE 220 OLMEDO 0
BOLÍVAR 0 JUNÍN 0
EL CARMEN 0 PICHINCHA 0
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
54
Variable 5: Albergues
La variable albergues muestra el número de albergues que hay en cada cantón
donde se han hospedados los damnificados del terremoto.
CUADRO N. 7
Codificación de la variable albergues
ALBERGUES
PORTOVIEJO 1 ROCAFUERTE 1
CHONE 3 FLAVIO ALFARO 1
MANTA 1 TOSAGUA 1
MONTECRISTI 0 PUERTO LÓPEZ 0
SUCRE 2 SANTA ANA 0
PEDERNALES 4 PAJÁN 0
JAMA 4 JIPIJAPA 0
JARAMIJÓ 1 24 DE MAYO 0
SAN VICENTE 2 OLMEDO 0
BOLÍVAR 1 JUNÍN 0
EL CARMEN 1 PICHINCHA 0
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
55
Variable 6: Refugios
Aquí en esta variable se conocerá cuántos lugares se han cogido como asilo
temporal para ampararse de próximas replicas.
CUADRO N. 8
Codificación de la variable refugios
REFUGIOS
PORTOVIEJO 12 ROCAFUERTE 7
CHONE 23 FLAVIO ALFARO 2
MANTA 24 TOSAGUA 12
MONTECRISTI 3 PUERTO LÓPEZ 0
SUCRE 20 SANTA ANA 0
PEDERNALES 18 PAJÁN 0
JAMA 12 JIPIJAPA 0
JARAMIJÓ 2 24 DE MAYO 0
SAN VICENTE 10 OLMEDO 0
BOLÍVAR 2 JUNÍN 2
EL CARMEN 0 PICHINCHA 0
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
56
Variable 7: Total de familias en albergues
Esta variable muestra el total de familias que se han alojado en los albergues,
esta variable se visualiza por cada cantón.
CUADRO N. 9
Codificación de la variable familia albergues
FAMILIA ALBERGUES
PORTOVIEJO 265 ROCAFUERTE 22
CHONE 52 FLAVIO ALFARO 10
MANTA 99 TOSAGUA 1
MONTECRISTI 0 PUERTO LÓPEZ 0
SUCRE 104 SANTA ANA 0
PEDERNALES 302 PAJÁN 0
JAMA 185 JIPIJAPA 0
JARAMIJÓ 68 24 DE MAYO 0
SAN VICENTE 131 OLMEDO 0
BOLÍVAR 62 JUNÍN 0
EL CARMEN 70 PICHINCHA 0
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
57
Variable 8: Total de personas en albergues
Esta variable indica el total de personas que se hospedan en los albergues por
cada cantón.
CUADRO N. 10
Codificación de la variable personas albergues
PERSONAS ALBERGUES
PORTOVIEJO 1085 ROCAFUERTE 76
CHONE 190 FLAVIO ALFARO 38
MANTA 370 TOSAGUA 8
MONTECRISTI 0 PUERTO LÓPEZ 0
SUCRE 408 SANTA ANA 0
PEDERNALES 1175 PAJÁN 0
JAMA 775 JIPIJAPA 0
JARAMIJÓ 255 24 DE MAYO 0
SAN VICENTE 544 OLMEDO 0
BOLÍVAR 227 JUNÍN 0
EL CARMEN 269 PICHINCHA 0
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
58
Variable 9: Total de familias en refugios
Esta variable muestra el total de familias que se han alojado en los refugios, esta
variable se visualiza por cada cantón.
CUADRO N. 11
Codificación de la variable familia en refugios
FAMILIA REFUGIOS
PORTOVIEJO 367 ROCAFUERTE 74
CHONE 131 FLAVIO ALFARO 10
MANTA 869 TOSAGUA 109
MONTECRISTI 72 PUERTO LÓPEZ 0
SUCRE 851 SANTA ANA 0
PEDERNALES 354 PAJÁN 0
JAMA 437 JIPIJAPA 0
JARAMIJÓ 119 24 DE MAYO 0
SAN VICENTE 696 OLMEDO 0
BOLÍVAR 33 JUNÍN 8
EL CARMEN 0 PICHINCHA 0
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
59
Variable 10: Total de personas en refugios
Esta variable indica el total de personas que se hospedan en los albergues por
cada cantón.
CUADRO N. 12
Codificación de la variable personas en refugios
PERSONAS REFUGIOS
PORTOVIEJO 1426 ROCAFUERTE 255
CHONE 560 FLAVIO ALFARO 41
MANTA 3484 TOSAGUA 428
MONTECRISTI 316 PUERTO LÓPEZ 0
SUCRE 2915 SANTA ANA 0
PEDERNALES 1624 PAJÁN 0
JAMA 2205 JIPIJAPA 0
JARAMIJÓ 456 24 DE MAYO 0
SAN VICENTE 1731 OLMEDO 0
BOLÍVAR 140 JUNÍN 24
EL CARMEN 0 PICHINCHA 0
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
60
Variable 11: Afectación de infraestructura de distribución
de sistema eléctrico (%de cobertura 48h)
Esta variable indica el porcentaje en intervalo del daño de la infraestructura que
permite generar electricidad, que causó el fuerte sismo en las primeras 48 horas.
CUADRO N. 13
Codificación de la variable afectación de infraestructura de distribución sistema eléctrico
AFECTACION DE INFRAESTRUCTURA DE DISTRIBUCION
SISTEMA ELECTRICO
PORTOVIEJO 2 ROCAFUERTE 1
CHONE 4 FLAVIO ALFARO 4
MANTA 4 TOSAGUA 4
MONTECRISTI 4 PUERTO LÓPEZ 2
SUCRE 4 SANTA ANA 1
PEDERNALES 3 PAJÁN 2
JAMA 2 JIPIJAPA 2
JARAMIJÓ 4 24 DE MAYO 2
SAN VICENTE 4 OLMEDO 2
BOLÍVAR 4 JUNÍN 1
EL CARMEN 3 PICHINCHA 3
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
61
Variable 12: Edificaciones afectadas
Aquí muestra el total de viviendas, edificios, construcciones por cada uno de los
cantones de la provincia de Manabí que por el sismo resultaron perjudicadas;
especificando que los daños fueron leves, medios.
CUADRO N. 14
Codificación de la variable edificaciones afectadas
EDIFICACIONES AFECTADAS
PORTOVIEJO 739 ROCAFUERTE 534
CHONE 532 FLAVIO ALFARO 116
MANTA 124 TOSAGUA 153
MONTECRISTI 349 PUERTO LÓPEZ 100
SUCRE 284 SANTA ANA 120
PEDERNALES 1149 PAJÁN 111
JAMA 175 JIPIJAPA 151
JARAMIJÓ 43 24 DE MAYO 80
SAN VICENTE 145 OLMEDO 1
BOLÍVAR 97 JUNÍN 100
EL CARMEN 400 PICHINCHA 30
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
62
Variable 13: Edificaciones destruidas
Esta variable indica el total de viviendas, edificios, construcciones por cada uno
de los cantones de la provincia de Manabí que por el sismo resultaron
perjudicadas con daños graves, por lo tanto, tuvieron que ser derribados o
demolidos.
CUADRO N. 15
Codificación de la variable edificaciones destruidas
EDIFICACIONES DESTRUIDAS
PORTOVIEJO 279 ROCAFUERTE 735
CHONE 694 FLAVIO ALFARO 170
MANTA 146 TOSAGUA 443
MONTECRISTI 30 PUERTO LÓPEZ 12
SUCRE 522 SANTA ANA 12
PEDERNALES 372 PAJÁN 11
JAMA 335 JIPIJAPA 28
JARAMIJÓ 18 24 DE MAYO 20
SAN VICENTE 280 OLMEDO 1
BOLÍVAR 203 JUNÍN 230
EL CARMEN 430 PICHINCHA 2
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
63
Variable 14: Afectados y Damnificados
La variable Afectados y Damnificados muestra de manera cualitativa en qué
grado de afectados, siendo una respuesta general por cada cantón.
CUADRO N. 16
Codificación de la variable afectados y damnificados
AFECTADOS Y DAMNIFICADOS
PORTOVIEJO 4 ROCAFUERTE 2
CHONE 3 FLAVIO ALFARO 3
MANTA 4 TOSAGUA 3
MONTECRISTI 3 PUERTO LÓPEZ 1
SUCRE 4 SANTA ANA 2
PEDERNALES 5 PAJÁN 1
JAMA 4 JIPIJAPA 2
JARAMIJÓ 4 24 DE MAYO 2
SAN VICENTE 4 OLMEDO 2
BOLÍVAR 3 JUNÍN 1
EL CARMEN 3 PICHINCHA 1
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
64
Variable 15: Pérdida de servicio de telecomunicaciones (%
cobertura primera 48h)
Esta variable indica el rango del porcentaje con la que la operación de las
telecomunicaciones no era normal, ni estable en las primeras 48 horas.
CUADRO N. 17
Codificación de la variable pérdida de servicio de telecomunicaciones
PÉRDIDA DE SERVICIO DE TELECOMUNICACIONES
PORTOVIEJO 2 ROCAFUERTE 2
CHONE 3 FLAVIO ALFARO 3
MANTA 2 TOSAGUA 4
MONTECRISTI 3 PUERTO LÓPEZ 3
SUCRE 2 SANTA ANA 4
PEDERNALES 3 PAJÁN 3
JAMA 1 JIPIJAPA 3
JARAMIJÓ 3 24 DE MAYO 3
SAN VICENTE 3 OLMEDO 2
BOLÍVAR 2 JUNÍN 3
EL CARMEN 4 PICHINCHA 3
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
65
CUADRO N. 18 Valores de la codificación de la variable pérdida de servicio de telecomunicaciones
VALORES DE LAS CODIFICACIONES
PÉRDIDAS DE SERVICIOS DE TELECOMUNICACIONES
1 0% - 30%
2 31% - 60%
3 61% - 90%
4 91% - 100%
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
66
Variable 16: Vías inhabilitadas
La variable vías inhabilitadas muestra si hubo o no vías en la que se podía
transitar.
CUADRO N. 19
Variable vías inhabilitadas
VÍAS INHABILITADAS
PORTOVIEJO 1 ROCAFUERTE 2
CHONE 1 FLAVIO ALFARO 1
MANTA 1 TOSAGUA 2
MONTECRISTI 2 PUERTO LÓPEZ 2
SUCRE 2 SANTA ANA 2
PEDERNALES 1 PAJÁN 2
JAMA 1 JIPIJAPA 1
JARAMIJÓ 2 24 DE MAYO 2
SAN VICENTE 2 OLMEDO 2
BOLÍVAR 1 JUNÍN 2
EL CARMEN 1 PICHINCHA 1
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
CUADRO N. 20
Valores de la codificación de vías inhabilitadas
CODIFICACIÓN DE LA VARIABLE VÍAS
INHABILITADAS
SI 1
NO 2
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
67
Variable 17: Nivel de Operación de agua potable (%)
primeras 48 horas
Esta variable indica el porcentaje con la que la operación del agua potable no
era normal en las primeras 48 horas.
CUADRO N. 21
Codificación de la variable nivel de operación de agua potable
NIVEL DE OPERACIÓN DE AGUA POTABLE
PORTOVIEJO 75% ROCAFUERTE 70%
CHONE 100% FLAVIO ALFARO 0%
MANTA 50% TOSAGUA 50%
MONTECRISTI 30% PUERTO LÓPEZ 100%
SUCRE 60% SANTA ANA 100%
PEDERNALES 0% PAJÁN 0%
JAMA 0% JIPIJAPA 50%
JARAMIJÓ 70% 24 DE MAYO 100%
SAN VICENTE 50% OLMEDO 0%
BOLÍVAR 50% JUNÍN 50%
EL CARMEN 0% PICHINCHA 0%
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
68
Variable 18: Densidad Poblacional
Esta variable indica las tantas personas conviven en una concreta área, a
continuación, se muestra la densidad poblacional de cada cantón de la provincia
de Manabí.
CUADRO N. 22
Codificación de la variable densidad poblacional
DENSIDAD POBLACIONAL
PORTOVIEJO 310582 ROCAFUERTE 36470
CHONE 132041 FLAVIO ALFARO 24862
MANTA 253441 TOSAGUA 41524
MONTECRISTI 92234 PUERTO LÓPEZ 23342
SUCRE 61553 SANTA ANA 48920
PEDERNALES 61193 PAJÁN 37929
JAMA 25448 JIPIJAPA 74804
JARAMIJÓ 24302 24 DE MAYO 29305
SAN VICENTE 24139 OLMEDO 10275
BOLÍVAR 44434 JUNÍN 19300
EL CARMEN 103731 PICHINCHA 30546
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
69
Variable 19: Tasa de pobreza NBI (Necesidades básicas
insatisfechas)
En esta variable se indica el porcentaje de la influencia de pobreza con la que
quedaron los cantones de la provincia de Manabí a raíz del terremoto del 16 de
abril del 2016.
CUADRO N. 23
Codificación de la variable tasa de pobreza NBI
TASA DE POBREZA NBI
PORTOVIEJO 65,3% ROCAFUERTE 78,3%
CHONE 81% FLAVIO ALFARO 94,4%
MANTA 54,9% TOSAGUA 84,4%
MONTECRISTI 90,4% PUERTO LÓPEZ 93,1%
SUCRE 83,1% SANTA ANA 85%
PEDERNALES 93.7% PAJÁN 94,5%
JAMA 90,3% JIPIJAPA 83,3%
JARAMIJÓ 79,7% 24 DE MAYO 94,9%
SAN VICENTE 85,6% OLMEDO 97,4%
BOLÍVAR 89,5% JUNÍN 86%
EL CARMEN 80,5% PICHINCHA 93,1%
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
70
Variable 20: Tasa de pobreza por Consumo
Esta variable indica el porcentaje de personas pobres que habitan en un lugar
determinado.
CUADRO N. 24
Codificación de la variable tasa de pobreza por consumo
TASA DE POBREZA POR CONSUMO
PORTOVIEJO 19,1% ROCAFUERTE 43,7%
CHONE 36,2% FLAVIO ALFARO 50,7%
MANTA 18,4% TOSAGUA 52,9%
MONTECRISTI 32,8% PUERTO LÓPEZ 53,5%
SUCRE 39,3% SANTA ANA 81,8%
PEDERNALES 53,8% PAJÁN 34,7%
JAMA 56,3% JIPIJAPA 38,2%
JARAMIJÓ 54,3% 24 DE MAYO 48,7%
SAN VICENTE 48,7% OLMEDO 38,5%
BOLÍVAR 47,5% JUNÍN 50,8%
EL CARMEN 35,4% PICHINCHA 55,7%
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
71
Variable 21: número de fallecidos anualmente
La variable indica el número aproximado de fallecidos que a consecuencias de
diversos sucesos.
CUADRO N. 25
Codificación de la variable fallecidos anualmente
FALLECIDOS ANUALMENTE
PORTOVIEJO 1499 ROCAFUERTE 119
CHONE 512 FLAVIO ALFARO 69
MANTA 1113 TOSAGUA 134
MONTECRISTI 140 PUERTO LÓPEZ 40
SUCRE 237 SANTA ANA 159
PEDERNALES 111 PAJÁN 143
JAMA 41 JIPIJAPA 295
JARAMIJÓ 33 24 DE MAYO 112
SAN VICENTE 59 OLMEDO 36
BOLÍVAR 141 JUNÍN 60
EL CARMEN 231 PICHINCHA 88
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
72
Variable 22: Tasa de Mortalidad
La variable tasa de mortalidad indica de manera porcentual la cantidad de
personas que fallecen por alguna causa en un período de tiempo en este caso
por año.
CUADRO N. 26
Codificación de la variable tasa de mortalidad
TASA DE MORTALIDAD
PORTOVIEJO 27,9% ROCAFUERTE 2,22%
CHONE 9,53% FLAVIO ALFARO 2,28%
MANTA 20,72% TOSAGUA 2,49%
MONTECRISTI 2,61% PUERTO LÓPEZ 0,74%
SUCRE 4,41% SANTA ANA 2,96%
PEDERNALES 2,07% PAJÁN 2,66%
JAMA 0,76% JIPIJAPA 5,49%
JARAMIJÓ 0,61% 24 DE MAYO 2,08%
SAN VICENTE 1,10% OLMEDO 0,67%
BOLÍVAR 2,62% JUNÍN 1,12%
EL CARMEN 4,30% PICHINCHA 1,64%
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
73
Metodologías estadísticas para la identificación del riesgo sísmico Para la evaluación del riesgo sísmico en la provincia de Manabí se han tomado
a consideración toda la información relevante de las bases de datos Secretaría
de Gestión de Riesgo (SGR); Sistema Nacional de Información (SNI); Instituto
Oceanográfico de la Armada (INOCAR), Organización de Naciones Unidas
(ONU); Comité de Operaciones de Emergencia (COE), donde mediante
procedimientos y técnicas estadísticas se han podido clasificar e interpretarla
información investigada; técnicas tales como estadística descriptiva univariada y
lógica difusa.
74
Interpretación y Análisis de los resultados del Meta-análisis
Variable: Desaparecidos
CUADRO N. 27
Frecuencias de la variable desaparecidos
CANTÓN
NÚMERO DE
PERSONAS
DESAPARECIDAS
POR CANTÓN
PORCENTAJE DE
PERSONAS
DESAPARECIDAS
Portoviejo 3 0,50
Chone 0 0,00
Manta 1 0,17
Montecristi 0 0,00
Sucre 0 0,00
Pedernales 1 0,17
Jama 0 0,00
Jaramijó 0 0,00
San Vicente 0 0,00
Bolívar 0 0,00
El Carmen 0 0,00
Rocafuerte 0 0,00
Flavio Alfaro 0 0,00
Tosagua 0 0,00
Puerto López 1 0,17
Santa Ana 0 0,00
Paján 0 0,00
Jipijapa 0 0,00
24 de Mayo 0 0,00
Olmedo 0 0,00
Junín 0 0,00
Pichincha 0 0,00
TOTAL 6 1
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
75
Gráfico 4
Número y porcentaje de personas desaparecidas por cada cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 0,27
VARIANZA 0,49
MODA 0,00
DESVIACIÓN ESTANDAR 0,70
Análisis: De los 22 cantones de la provincia de Manabí hubo un total de 6
desaparecidos donde se puede observar en el cuadro N. 27 y en el gráfico 4,
que el 50% correspondiente a 3 desaparecidos en el cantón Portoviejo seguido
con el 1 desaparecido en el cantón Manta, 1 en el cantón Pedernales y 1
desaparecido más en el cantón Puerto López, dónde cada uno de los cantones
que tuvo 1 corresponden al 16,57% de desaparecidos.
0% desaparecidos en los cantones Chone, Montecristi, Sucre, Jama, Jaramijó,
San Vicente, Bolívar, El Carmen, Rocafuerte, Flavio Alfaro, Tosagua, Santa Ana,
Paján, Jipijapa, 24 de Mayo, Olmedo, Junín, Pichincha.
3 0 1 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
50,00
0,00
16,67
0,00 0,00
16,67
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
16,67
0,00 0,00 0,00 0,00 0,00 0,00 0,000
10
20
30
40
50
60
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
NÚMERO Y PORCENTAJE DE PERSONAS DESAPARECIDASCORRESPONDIENTES A CANTÓN
NÚMERO DE PERSONAS DESAPARECIDAS POR CANTÓN
PORCENTAJE DE PERSONAS DESAPARECIDAS
76
Variable: Fallecidos
CUADRO N. 28
Frecuencias de la variable fallecidos
CANTÓN
NÚMERO DE
PERSONAS
FALLECIDAS
POR CANTÓN
PORCENTAJE
DE PERSONAS
FALLECIDAS
POR CANTÓN
Portoviejo 137 21,11
Chone 2 0,31
Manta 219 33,74
Montecristi 0 0,00
Sucre 13 2,00
Pedernales 183 28,20
Jama 28 4,31
Jaramijó 1 0,15
San Vicente 37 5,70
Bolívar 9 1,39
El Carmen 5 0,77
Rocafuerte 8 1,23
Flavio Alfaro 5 0,77
Tosagua 2 0,31
Puerto López 0 0,00
Santa Ana 0 0,00
Paján 0 0,00
Jipijapa 0 0,00
24 de Mayo 0 0,00
Olmedo 0 0,00
Junín 0 0,00
Pichincha 0 0,00
TOTAL 649 100,00
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
77
Gráfico 5
Porcentaje de personas fallecidas por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 29,50
VARIANZA 3980,93
MODA 0,00
DESVIACIÓN ESTANDAR 63,09
Análisis: Mediante esta variable se puede determinar cuántos fallecidos hubo
en cada cantón de la provincia de Manabí según el histograma se tiene que el
33,74% pertenece al cantón Manta, seguido del 28,20% del cantón Pedernales,
cantón Portoviejo con el 21,11% de fallecidos, San Vicente con el 5,70%, Jama
4,31%, Sucre 2%, Bolívar con 1,39%, Rocafuerte con 1,23%, El Carmen y Flavio
Alfaro con el 0,77% cada uno, seguido con Tosagua y Chone con el 0,31% cada
cantón, Jaramijó con el 0,15% de fallecidos, en los cantones Montecristi, Puerto
López, Santa Ana, Paján, Jipijapa, 24 de Mayo, Junín, Pichincha hubo un 0% de
fallecidos
Esto da un total de 649 fallecidos en el cantón Manabí
21,11
0,31
33,74
0,002,00
28,20
4,310,15
5,701,390,771,230,770,310,000,000,000,000,000,000,000,000,00
5,0010,0015,0020,0025,0030,0035,0040,00
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
PORCENTAJE DE PERSONAS FALLECIDAS POR CANTÓN
PORCENTAJE DE PERSONAS FALLECIDAS POR CANTÓN
78
Variable: Personas atendidas
CUADRO N. 29
Frecuencias de la variable personas atendidas
LUGAR DE
PERSONAS
ATENDIDAS
NÚMERO DE
PERSONAS
ATENDIDAS
POR
CANTÓN
PORCENTAJE
DE PERSONAS
ATENDIDAS
POR CANTÓN
Portoviejo 3256 30,20
Chone 401 3,72
Manta 1864 17,29
Montecristi 0 0,00
Sucre 828 7,68
Pedernales 3709 34,40
Jama 483 4,48
Jaramijó 0 0,00
San Vicente 220 2,04
Bolívar 0 0,00
El Carmen 0 0,00
Rocafuerte 0 0,00
Flavio Alfaro 0 0,00
Tosagua 0 0,00
Puerto López 0 0,00
Santa Ana 0 0,00
Paján 0 0,00
Jipijapa 21 0,19
24 de Mayo 0 0,00
Olmedo 0 0,00
Junín 0 0,00
Pichincha 0 0,00
TOTAL 10782 100,00
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
79
Gráfico 6
Porcentaje de personas atendidas por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 490,09
VARIANZA 1127479,42
MODA 0,00
DESVIACIÓN ESTANDAR 1061,83
Análisis: En este resumen estadístico se ha obtenido que en 14 cantones las
personas no fueron atendidas porque los daños no fueron graves en esas
localidades, los cantones que corresponden al 0% que no fueron atendidos son:
Montecristi, Jaramijó, Bolívar, El Carmen, Rocafuerte, Flavio Alfaro, Tosagua,
Puerto López, Santa Ana, Paján, 24 de Mayo, Olmedo, Junín, Pichincha.
En el cantón Pedernales 3709 personas atendidas esto corresponde al 34,40%
seguido del cantón Portoviejo 3256 personas atendidas que pertenecen al
30,20%, en el cantón Manta con un 17,29% correspondiente a 1864 personas
atendidas, en el cantón Manta hubo un 17,29% de personas atendidas con un
30,20
3,72
17,29
0,00
7,68
34,40
4,48
0,002,04
0,000,000,000,000,000,000,000,000,190,000,000,000,000,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
PORCENTAJE DE PERSONAS ATENDIDAS POR CANTÓN
PORCENTAJE DE PERSONAS ATENDIDAS POR CANTÓN
80
total de 1864 personas, en el cantón Sucre 828 personas atendidas con un
7,68%, en el cantón Jama 483 personas atendidas correspondiente al 4,48%, en
el cantón Chone 401 personas atendidas con un 3,72%, San Vicente 220
personas atendidas perteneciente al 2,04%, y en el cantón Jipijapa con el 0,19%
correspondiente a 21 personas atendidas.
81
Variable: Albergues
CUADRO N. 30
Frecuencias de la variable albergues
LUGAR DE
ALBERGUES
NÚMERO DE
ALBERGUES
POR CANTÓN
PORCENTAJE
DE ALBERGUES
POR CANTÓN
Portoviejo 1 4,35
Chone 3 13,04
Manta 1 4,35
Montecristi 0 0,00
Sucre 2 8,70
Pedernales 4 17,39
Jama 4 17,39
Jaramijó 1 4,35
San Vicente 2 8,70
Bolívar 1 4,35
El Carmen 1 4,35
Rocafuerte 1 4,35
Flavio Alfaro 1 4,35
Tosagua 1 4,35
Puerto López 0 0,00
Santa Ana 0 0,00
Paján 0 0,00
Jipijapa 0 0,00
24 de Mayo 0 0,00
Olmedo 0 0,00
Junín 0 0,00
Pichincha 0 0,00
TOTAL 23 100,00
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
82
Gráfico 7
Porcentaje de albergues por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 1,05
VARIANZA 1,57
MODA 0,00
DESVIACIÓN ESTANDAR
1,25
Análisis: De acuerdo a los resultados en 9 cantones obtuvieron el 0% ya que no
hubo albergues, estos cantones son: Montecristi, Puerto López, Santa Ana,
Paján, Jipijapa, 24 de Mayo, Olmedo, Junín, Pichincha.
En los cantones Pedernales y Jama tienen cada uno un 17,39% de albergues,
un 13,04% de albergues en el cantón Chone, Sucre y Bolívar obtienen un 8,70%
cada uno de albergues, seguidos del cantón Portoviejo 1 Albergue, en el cantón
Manta 1 albergue, en el cantón Jaramijó 1 albergue, en el cantón Bolívar 1
4,35
13,04
4,35
0,00
8,70
17,3917,39
4,35
8,70
4,354,354,354,354,35
0,000,000,000,000,000,000,000,000,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
16,00
18,00
20,00
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lvar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
PORCENTAJE DE ALBERGUES POR CANTÓN
PORCENTAJE DE ALBERGUES POR CANTÓN
83
albergue, en el cantón El Carmen 1 albergue, en el cantón Rocafuerte 1
albergue, en el cantón Flavio Alfaro 1 albergue, en el cantón Tosagua 1 albergue
que cada uno corresponde al 4,35% de albergues en la provincia.
En total hubo 23 albergues en la Provincia de Manabí.
84
Variable: Refugios
CUADRO N. 31
Frecuencias de la variable refugios
LUGAR DE
REFUGIOS
NÚMERO
DE
REFUGIOS
POR
CANTÓN
PORCENTAJE
DE REFUGIOS
POR CANTÓN
Portoviejo 12 8,05
Chone 23 15,44
Manta 24 16,11
Montecristi 3 2,01
Sucre 20 13,42
Pedernales 18 12,08
Jama 12 8,05
Jaramijó 2 1,34
San Vicente 10 6,71
Bolívar 2 1,34
El Carmen 0 0,00
Rocafuerte 7 4,70
Flavio Alfaro 2 1,34
Tosagua 12 8,05
Puerto López 0 0,00
Santa Ana 0 0,00
Paján 0 0,00
Jipijapa 0 0,00
24 de Mayo 0 0,00
Olmedo 0 0,00
Junín 2 1,34
Pichincha 0 0,00
TOTAL 149 100,00
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
85
Gráfico 8
Porcentaje de refugios por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 6,77
VARIANZA 67,90
MODA 0,00
DESVIACIÓN ESTANDAR 8,24
Análisis: Esta variable permite conocer cuántos refugios hubo en cada cantón,
se puede observar en el cuadro que en los cantones El Carmen, Puerto López,
Santa Ana, Paján, Jipijapa, 24 de Mayo, Olmedo, Pichincha no hubo refugios.
En el cantón Jaramijó 2 refugios, En el cantón Bolívar 2 refugios, en el cantón
Flavio Alfaro 2 refugios, en el cantón Junín 2 refugios, en el cantón Montecristi 3
refugios, en el cantón Rocafuerte 7 refugios, en el cantón San Vicente 10
refugios, en el cantón Portoviejo 12 refugios, en el cantón Jama 12 refugios, en
8,05
15,4416,11
2,01
13,42
12,08
8,05
1,34
6,71
1,34
0,00
4,70
1,34
8,05
0,000,000,000,000,000,00
1,34
0,000,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
16,00
18,00
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
PORCENTAJE DE REFUGIOS POR CANTÓN
PORCENTAJE DE REFUGIOS POR CANTÓN
86
el cantón Tosagua 12 refugios, en el cantón Pedernales 18 refugios, en el cantón
Sucre 20 refugios, en el cantón Chone 23 refugios, en el cantón Manta 24
refugios. Con un total de 150 refugios.
Se aprecia que el cantón Manta tiene el mayor número de refugios con lo que es
el 16,11%.
87
Variable Familias en Albergues
CUADRO N. 32
Frecuencias de la variable familias en albergues
LUGAR DE
ALBERGUES
TOTAL
FAMILIAS
ALBERGUES
PORCENTAJE DE
LAS FAMILIAS QUE
SE ENCUENTRAN
EN LOS
ALBERGUES POR
CANTÓN
Portoviejo 265 19,33
Chone 52 3,79
Manta 99 7,22
Montecristi 0 0,00
Sucre 104 7,59
Pedernales 302 22,03
Jama 185 13,49
Jaramijó 68 4,96
San Vicente 131 9,56
Bolívar 62 4,52
El Carmen 70 5,11
Rocafuerte 22 1,60
Flavio Alfaro 10 0,73
Tosagua 1 0,07
Puerto López 0 0,00
Santa Ana 0 0,00
Paján 0 0,00
Jipijapa 0 0,00
24 de Mayo 0 0,00
Olmedo 0 0,00
Junín 0 0,00
Pichincha 0 0,00
TOTAL 1371 100,00
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
88
Gráfico 9
Porcentaje de las familias que se encuentran en los albergues por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 62,32
VARIANZA 7840,51
MODA 0,00
DESVIACIÓN ESTANDAR 88,55
Análisis: De acuerdo al cuadro N. 32 se puede apreciar la cantidad de familias
que se encuentran en los albergues.
En los cantones Montecristi, Puerto López, Santa Ana, Paján, Jipijapa, 24 de
Mayo, Olmedo, Junín, Pichincha no hubo familias en albergues.
En el cantón Tosagua 1 familia, en el cantón Flavio Alfaro 10 familias, en el
cantón Rocafuerte 22 familias, en el cantón Chone 52 familias, en el cantón
Bolívar 62 familias, en el cantón Jaramijó 68 familias, en el cantón El Carmen 70
19,33
3,79
7,22
0,00
7,59
22,03
13,49
4,96
9,56
4,525,11
1,600,730,070,000,000,000,000,000,000,000,00
0,00
5,00
10,00
15,00
20,00
25,00
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
PORCENTAJE DE LAS FAMILIAS QUE SE ENCUENTRAN EN LOS ALBERGUES POR CANTÓN
PORCENTAJE DE LAS FAMILIAS QUE SE ENCUENTRAN EN LOS ALBERGUES POR CANTÓN
89
familias, en el cantón Manta 99 familias, en el cantón Sucre 104 familias, en el
cantón San Vicente 131 familias, en el cantón Jama 185 familias, en el cantón
Portoviejo 265 familias, en el cantón Pedernales 302 familias. Esto da un total de
1371 familias albergadas.
En el histograma se puede observar que el cantón Pedernales tiene el mayor
porcentaje de familias de albergues un 22.03%.
90
Variable personas en albergues
CUADRO N. 33
Frecuencias de la variable personas en albergues
LUGAR DE
ALBERGUES
TOTAL
PERSONAS
ALBERGUES
PORCENTAJE DE
LAS PERSONAS QUE
SE ENCUENTRAN EN
LOS ALBERGUES
POR CANTÓN
Portoviejo 1085 20,02
Chone 190 3,51
Manta 370 6,83
Montecristi 0 0,00
Sucre 408 7,53
Pedernales 1175 21,68
Jama 775 14,30
Jaramijó 255 4,70
San Vicente 544 10,04
Bolívar 227 4,19
El Carmen 269 4,96
Rocafuerte 76 1,40
Flavio Alfaro 38 0,70
Tosagua 8 0,15
Puerto López 0 0,00
Santa Ana 0 0,00
Paján 0 0,00
Jipijapa 0 0,00
24 de Mayo 0 0,00
Olmedo 0 0,00
Junín 0 0,00
Pichincha 0 0,00
TOTAL 5420 100,00
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
91
Gráfico 10
Porcentaje de las personas que se encuentran en los albergues por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 246,36
VARIANZA 126418,24
MODA 0,00
DESVIACIÓN ESTANDAR 355,55
Análisis: Tal como se observa en el grafico 10 en los cantones Montecristi,
Puerto López, Santa Ana, Paján, Jipijapa, 24 de Mayo, Olmedo, Junín,
Pichincha, no hubo personas en albergues.
El cantón Pedernales 1175 es el cantón que tiene el mayor porcentaje con
personas en albergues el 21,68%, seguido del cantón Portoviejo con 20,02%,
que continua con Jama 14,30%.
20,02
3,51
6,83
0,00
7,53
21,68
14,30
4,70
10,04
4,194,96
1,400,700,150,000,000,000,000,000,000,000,000,00
5,00
10,00
15,00
20,00
25,00
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
PORCENTAJE DE LAS PERSONAS QUE SE ENCUENTRAN EN LOS ALBERGUES POR CANTÓN
PORCENTAJE DE LAS PERSONAS QUE SE ENCUENTRAN EN LOS ALBERGUES POR CANTÓN
92
En el cantón Tosagua 8 personas, en el cantón Flavio Alfaro 38 personas, en el
cantón Rocafuerte 76 personas, en el cantón Chone 190 personas, en el cantón
Bolívar 227 personas, en el cantón Jaramijó 255, en el cantón El Carmen 269,
en el cantón Manta 370, en el cantón Sucre 408, en el cantón San Vicente 544.
Esto da un total de 5420 personas en albergues.
93
Variable Familias en Refugios
CUADRO N. 34
Frecuencias de la Variable familias en refugios
LUGAR DE
REFUGIOS
TOTAL
FAMILIAS
EN
REFUGIOS
PORCENTAJE DE
LAS FAMILIAS QUE
SE ENCUENTRAN
EN LOS REFUGIOS
POR CANTÓN
Portoviejo 367 8,89
Chone 131 3,17
Manta 869 21,04
Montecristi 72 1,74
Sucre 851 20,61
Pedernales 354 8,57
Jama 437 10,58
Jaramijó 119 2,88
San Vicente 696 16,85
Bolívar 33 0,80
El Carmen 0 0,00
Rocafuerte 74 1,79
Flavio Alfaro 10 0,24
Tosagua 109 2,64
Puerto López 0 0,00
Santa Ana 0 0,00
Paján 0 0,00
Jipijapa 0 0,00
24 de Mayo 0 0,00
Olmedo 0 0,00
Junín 8 0,19
Pichincha 0 0,00
TOTAL 4130 100,00
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
94
Gráfico 11
Porcentaje de las familias que se encuentran en los refugios por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 187,73
VARIANZA 80693,06
MODA 0,00
DESVIACIÓN ESTANDAR
284,07
Análisis: Lo que se aprecia en el histograma es la cantidad de familias que se
han alojado en refugios.
En los cantones El Carmen, Puerto López, Santa Ana, Paján, Jipijapa, 24 de
Mayo, Olmedo, Pichincha no hubo familias en refugios.
En el cantón Junín 8 familias, en el cantón Flavio Alfaro 10 familias, en el cantón
Bolívar 33 familias, en el cantón Montecristi 72 familias, en el cantón Rocafuerte
74 familias, en el cantón Tosagua 109 familias, en el cantón Jaramijó 119
8,89
3,17
21,04
1,74
20,61
8,5710,58
2,88
16,85
0,800,001,79
0,242,64
0,000,000,000,000,000,000,190,000,00
5,00
10,00
15,00
20,00
25,00
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
PORCENTAJE DE LAS FAMILIAS QUE SE ENCUENTRAN EN LOS REFUGIOS POR
CANTÓN
PORCENTAJE DE LAS FAMILIAS QUE SE ENCUENTRAN EN LOS REFUGIOS POR CANTÓN
95
familias, en el cantón Chone 131 familias, en el cantón Pedernales 354 familias,
en el cantón Portoviejo 367 familias, en el cantón Jama 437 familias, en el cantón
San Vicente 696 familias, en el cantón Sucre 851 familias, en el cantón Manta
869 familias, donde este cantón tiene el mayor porcentaje de familia en refugios
21,04%.
En total hubo 4130 familias en refugios.
96
Variable personas en refugios
CUADRO N. 35
Frecuencias de la variable personas en refugios
LUGAR DE
REFUGIOS
TOTAL
PERSONAS
EN
REFUGIOS
PORCENTAJE DE LAS
PERSONAS QUE SE
ENCUENTRAN EN LOS
REFUGIOS POR
CANTÓN
Portoviejo 1426 9,14
Chone 560 3,59
Manta 3484 22,33
Montecristi 316 2,02
Sucre 2915 18,68
Pedernales 1624 10,41
Jama 2205 14,13
Jaramijó 456 2,92
San Vicente 1731 11,09
Bolívar 140 0,90
El Carmen 0 0,00
Rocafuerte 255 1,63
Flavio Alfaro 41 0,26
Tosagua 428 2,74
Puerto López 0 0,00
Santa Ana 0 0,00
Paján 0 0,00
Jipijapa 0 0,00
24 de Mayo 0 0,00
Olmedo 0 0,00
Junín 24 0,15
Pichincha 0 0,00
TOTAL 15605 100
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
97
Gráfico 12
Porcentaje de las personas que se encuentran en los refugios por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 709,32
VARIANZA 1094631,75
MODA 0,00
DESVIACIÓN ESTANDAR 1046,25
Análisis: La presente variable muestra la cantidad de personas en albergues.
En los cantones El Carmen, Puerto López, Santa Ana, Paján, Jipijapa, 24 de
Mayo, Olmedo y Pichincha no hubo personas en albergues.
En el cantón Manta 22,33%, Sucre con 18,68%, Jama con 14,13%, San Vicente
con 11,09%, Pedernales con 10,41%, Portoviejo con 9,14%, Chone con 3,59%,
Jaramijó con 2,92%, Tosagua el 2,74%, en el cantón Flavio Alfaro 0,26%, en el
cantón Rocafuerte 1,63%, en el cantón Chone 3,59%, en el cantón Bolívar
0,90%, en el cantón Jaramijó 2,92%, con un total de 15605 personas en
albergues.
9,14
3,59
22,33
2,02
18,68
10,4114,13
2,92
11,09
0,900,001,630,262,74
0,000,000,000,000,000,000,150,000,00
5,00
10,00
15,00
20,00
25,00
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
PORCENTAJE DE LAS PERSONAS QUE SE ENCUENTRAN EN LOS REFUGIOS POR CANTÓN
PORCENTAJE DE LAS PERSONAS QUE SE ENCUENTRAN EN LOS REFUGIOS POR CANTÓN
98
Variable afección de infraestructura de distribución de sistema eléctrico primera 48hras
CUADRO N. 36
Lugar de afectación de sistema eléctrico
LUGAR DE
AFECTACIÓN
SISTEMA
ELECTRICO
AFECTACIÓN DE
INFRAESTRUCTURA
DE DISTR. DE
SISTEMA ELECTRICO
POR CANTÓN
Portoviejo BAJO (41-60)
Chone MUY ALTO (91-100)
Manta MUY ALTO (91-100)
Montecristi MUY ALTO (91-100)
Sucre MUY ALTO (91-100)
Pedernales MEDIO (61-90)
Jama BAJO (41-60)
Jaramijó MUY ALTO (91-100)
San Vicente MUY ALTO (91-100)
Bolívar MUY ALTO (91-100)
El Carmen MEDIO (61-90)
Rocafuerte MUY BAJO (0-40)
Flavio Alfaro MUY ALTO (91-100)
Tosagua MUY ALTO (91-100)
Puerto López BAJO (41-60)
Santa Ana MUY BAJO (0-40)
Paján BAJO (41-60)
Jipijapa BAJO (41-60)
24 de Mayo BAJO (41-60)
Olmedo BAJO (41-60)
Junín MUY BAJO (0-40)
Pichincha MEDIO (61-90)
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
99
CUADRO N. 37
Frecuencias de la Variable afectación de infraestructura de distribución de sistema eléctrico
NIVEL DE AFECTACIÓN
DISTRIBUCIÓN SISTEMA
ELECTRICO
NÚMERO DE CANTONES CON AFECTACIÓN DE
DISTRIBUCIÓN DE SISTEMA
ELECTRICO
PORCENTAJE DE CANTONES CON AFECTACIÓN DE
DISTRIBUCIÓN DE SISTEMA ELECTRICO
MUY BAJO (0-40) 3 13,64
BAJO (41-60) 7 31,82
MEDIO (61-90) 3 13,64
MUY ALTO (91-100) 9 40,91
TOTAL 22 100
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
Gráfico 13
Histograma de número y porcentaje de cantones afectados por la distribución de sistema eléctrico
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
3 7 3913,64
31,82
13,64
40,91
0
20
40
60
MUY BAJO (0-40) BAJO (41-60) MEDIO (61-90) MUY ALTO (91-100)
HISTOGRAMA DE NÚMERO Y PORCENTAJE DE CANTONES AFECTADOS POR LA DISTRIBUCI{ON
DE SISTEMA ELÉCTRICO
NÚMERO DE CANTONES CON AFECTACIÓN DE DISTRIBUCIÓN DE SISTEMAELECTRICOPORCENTAJE DE CANTONES CON AFECTACIÓN DE DISTRIBUCIÓN DE SISTEMAELECTRICO
100
MEDIA 8,80
VARIANZA 61,20
MODA 3,00
DESVIACIÓN ESTANDAR 7,82
Análisis: Durante el análisis de esta variable se pudo conocer que nueve
cantones (40,91%) de la provincia de Manabí tuvieron mayores inconvenientes
con el sistema eléctrico como son Chone, Manta, Montecristi, Sucre, Jaramijó,
San Vicente, Bolívar, Flavio Alfaro, Tosagua, ya que como muestra el histograma
la afectación estuvo entre (91-100).
101
Variable: Edificaciones afectadas
CUADRO N. 38
Frecuencias de la variable edificaciones afectadas
CANTÓN DE
EDIFICACIONES
AFECTADAS
NÚMERO DE
EDIFICACIONES
AFECTADAS
POR CANTÓN
PORCENTAJE DE
EDIFICACIONES
AFECTADAS POR
CANTÓN
Portoviejo 739 13,36
Chone 532 9,62
Manta 124 2,24
Montecristi 349 6,31
Sucre 284 5,13
Pedernales 1149 20,77
Jama 175 3,16
Jaramijó 43 0,78
San Vicente 145 2,62
Bolívar 97 1,75
El Carmen 400 7,23
Rocafuerte 534 9,65
Flavio Alfaro 116 2,10
Tosagua 153 2,77
Puerto López 100 1,81
Santa Ana 120 2,17
Paján 111 2,01
Jipijapa 151 2,73
24 de Mayo 80 1,45
Olmedo 1 0,02
Junín 100 1,81
Pichincha 30 0,54
TOTAL 5533 100
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
102
Gráfico 14
Porcentaje de edificaciones afectadas por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 25,50
VARIANZA 76,79
MODA 100,00
DESVIACIÓN ESTANDAR 27,80
Análisis: Según la información presentada en el Cantón Pedernales hubo 1149
edificaciones afectadas siendo este el número más alto en daños de
edificaciones que hace el porcentaje con mayor afectación 20,77%, en el cantón
Portoviejo 739 afectaciones, en el cantón Rocafuerte 534 afectaciones, en el
cantón Chone 532 afectaciones, en el cantón El Carmen 400 afectaciones, en el
cantón Montecristi 349 afectaciones, en el cantón Sucre 284 afectaciones, en el
cantón Jama 175 afectaciones, en el cantón Tosagua 153 afectaciones, en el
13,36
9,62
2,24
6,315,13
20,77
3,16
0,782,62
1,75
7,23
9,65
2,102,771,812,172,012,73
1,450,02
1,810,54
0,00
5,00
10,00
15,00
20,00
25,00
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
PORCENTAJE DE EDIFICACIONES AFECTADAS POR CANTÓN
PORCENTAJE DE EDIFICACIONES AFECTADAS POR CANTÓN
103
cantón Jipijapa 151 afectaciones, en el cantón San Vicente 145 afectaciones,
en el cantón Manta 124 afectaciones, en el cantón Santa Ana 120 afectaciones,
en el cantón Flavio Alfaro 116 afectaciones, en el cantón Paján 111 afectaciones,
en el cantón Puerto López 100 afectaciones, en el cantón Bolívar 97
afectaciones, en el cantón 24 de Mayo 80 afectaciones, en el cantón Jaramijó 43
afectaciones, en el cantón Pichincha 30 afectaciones, en el cantón Olmedo 1
afectación siendo esta la que menos edificaciones afectadas tuvo. Dejando un
total 5433 de edificaciones afectadas.
104
Variable edificaciones destruidas
CUADRO N. 39
Frecuencias de la variable edificaciones destruídas
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
CANTÓN DE
EDIFICACIONES
DESTRUIDAS
NÚMERO DE
EDIFICACIONES
DESTRUIDAS
POR CANTÓN
PORCENTAJE DE
EDIFICACIONES
DESTRUIDAS
POR CANTÓN
Portoviejo 279 5,61
Chone 694 13,96
Manta 146 2,94
Montecristi 30 0,60
Sucre 522 10,50
Pedernales 372 7,48
Jama 335 6,74
Jaramijó 18 0,36
San Vicente 280 5,63
Bolívar 203 4,08
El Carmen 430 8,65
Rocafuerte 735 14,78
Flavio Alfaro 170 3,42
Tosagua 443 8,91
Puerto López 12 0,24
Santa Ana 12 0,24
Paján 11 0,22
Jipijapa 28 0,56
24 de Mayo 20 0,40
Olmedo 1 0,02
Junín 230 4,62
Pichincha 2 0,04
TOTAL 4973 100
105
Gráfico 15
Porcentaje de edificaciones destruidas por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 226,05
VARIANZA 52636,52
MODA 12,00
DESVIACIÓN ESTANDAR
229,43
Análisis: Al analizar la proporción de edificaciones destruidas se conoce que
Rocafuerte fue el cantón con más edificaciones destruidas con un numero de
735 que corresponde a un 14,78% de destrucción, seguido por el cantón Chone
con 694 edificaciones destruidas con 13,96%, en el cantón Sucre 522
destrucciones con el 10,50%, en el cantón Tosagua 443 destrucciones con
8,91%, en el cantón El Carmen 430 destrucciones con 8,65%, en el cantón
Pedernales 372 destrucciones con 7,48%, en el cantón Jama 335 destrucciones
con 6,74%, en el cantón San Vicente 280 destrucciones con 5,63%, en el cantón
Portoviejo 279 destrucciones 5,61%, en el cantón Junín 230 destrucciones con
5,61
13,96
2,94
0,60
10,50
7,486,74
0,36
5,634,08
8,65
14,78
3,42
8,91
0,240,240,220,560,400,02
4,62
0,040,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
16,00
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jijp
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
PORCENTAJE DE EDIFICACIONES DESTRUIDAS POR CANTÓN
PORCENTAJE DE EDIFICACIONES DESTRUIDAS POR CANTÓN
106
4,62%, en el cantón Bolívar 203 destrucciones con 4,08% de daños, en el cantón
Flavio Alfaro 170 destrucciones con un daño de 3,42%, en el cantón Manta 146
destrucciones con 2,94%, en el cantón Montecristi 30 destrucciones que hace un
0,60% de destrucción, en el cantón Jipijapa 0,56% con 28 destrucciones, en el
cantón 24 de Mayo 0,40% con 20 destrucciones, en el cantón Jaramijó 0,36%
con 18 destrucciones, en el cantón Puerto López 0,24% con 12 destrucciones
con misma cantidad el cantón Santa Ana, en el cantón Paján 0,22% con 11
destrucciones, en el cantón Pichincha 0,04% con 2 destrucciones, en el cantón
Olmedo 0,02% con 1 edificación destruida y siendo este el menor número en
edificaciones destruidas.
Deja como un total de 4973 edificaciones destruidas.
107
Variables: afectados damnificados
CUADRO N. 40
Cantones y nivel de afectados y damnificados
CANTÓN DE
AFECTADOS
DAMNIFICADOS
NIVEL DE
AFECTADOS
DAMNIFICADOS
POR CANTÓN
Portoviejo Alto
Chone Medio
Manta Alto
Montecristi Medio
Sucre Alto
Pedernales Muy Alto
Jama Alto
Jaramijó Alto
San Vicente Alto
Bolívar Medio
El Carmen Bajo
Rocafuerte Bajo
Flavio Alfaro Medio
Tosagua Medio
Puerto López Muy Bajo
Santa Ana Bajo
Paján Muy Bajo
Jipijapa Bajo
24 de Mayo Bajo
Olmedo Bajo
Junín Muy Bajo
Pichincha Muy Bajo
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
108
CUADRO N. 41
Frecuencias de la variable afectados damnificados
NIVEL DE
AFECTADOS
DAMNIFICADOS
NÚMERO DE
AFECTADOS
DAMNIFICADOS
POR NIVELES
PORCENTAJE
DE AFECTADOS
Y
DAMNIFICADOS
POR NIVELES
Muy Bajo 4 18,18
Bajo 6 27,27
Medio 5 22,73
Alto 6 27,27
Muy Alto 1 4,55
TOTAL 22 100
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
Gráfico 16
Porcentaje por niveles de afectados damnificados
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
46 5 6
1
18,18
27,27
22,73
27,27
4,55
0
5
10
15
20
25
30
Muy Bajo Bajo Medio Alto Muy Alto
NÚMERO DE EDIFICACIONES DESTRUIDAS POR CANTÓN
PORCENTAJE DE EDIFICACIONES DESTRUIDAS POR CANTÓN
109
MEDIA 7,33
VARIANZA 55,07
MODA 6,00
DESVIACIÓN ESTANDAR 7,42
Análisis: Esta variable se la analiza cualitativamente y se muestra la afectación
de los cantones con muy alto nivel de damnificados.
Muy alto 4,55%: Pedernales.
Alto 27,27%: Portoviejo, Manta, Sucre, Jama, Jaramijó, San Vicente.
Medio 22,73%: Chone, Montecristi, Bolívar, Flavio Alfaro, Tosagua.
Bajo 27,27%: El Carmen, Rocafuerte, Santa Ana, Jipijapa, 24 de Mayo, Olmedo.
Muy Bajo 18,18%: Puerto López, Paján, Junín, Pichincha.
110
Variable: Pérdida de servicio de telecomunicaciones
(cobertura primera 48 horas)
CUADRO N. 42
Lugares de la variable pérdida de servicio de telecomunicaciones
LUGAR DE PÉRDIDA
SISTEMA
TELECOMUNICACIONES
PÉRDIDA DE SISTEMA DE
TELECOMUNICACIONES
POR CANTÓN
Portoviejo MEDIO (31-60)
Chone MEDIO (61-90)
Manta MEDIO (31-60)
Montecristi MEDIO (61-90)
Sucre MEDIO (31-60)
Pedernales MEDIO (61-90)
Jama MUY BAJO (0-30)
Jaramijó MEDIO (61-90)
San Vicente MEDIO (61-90)
Bolívar MEDIO (31-60)
El Carmen MEDIO (91-100)
Rocafuerte MEDIO (31-60)
Flavio Alfaro MEDIO (61-90)
Tosagua MEDIO (91-100)
Puerto López MEDIO (61-90)
Santa Ana MEDIO (91-100)
Paján MEDIO (61-90)
Jipijapa MEDIO (61-90)
24 de Mayo MEDIO (61-90)
Olmedo MEDIO (31-60)
Junín MEDIO (61-90)
Pichincha MEDIO (61-90)
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
111
CUADRO N. 43
Frecuencias de la variable pérdida de servicio de telecomunicaciones por niveles
NIVEL DE PÉRDIDA
DE SISTEMA DE
TELECOMUNICACIO
NES
NÚMERO DE
CANTONES CON
PÉRDIDA DE
SISTEMA DE
TELECOMUNICACIO
NES
PORCENTAJE DE
CANTONES CON
PÉRDIDA DE
SISTEMA DE
TELECOMUNICACIO
NES
Muy Bajo (0-30) 1 4,55
Medio (31-60) 6 27,27
Alto (61-90) 12 54,55
Muy Alto (91-100) 3 13,64
TOTAL 22 100
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
Gráfico 17
Histograma de número y porcentaje por niveles de pérdida de servicio de telecomunicaciones
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
16
1234,55
27,27
54,55
13,64
0
20
40
60
Muy Bajo(0-30) Medio(31-60) Alto(61-90) Muy Alto(91-100)
Histograma de número y porcentaje por niveles de pérdida de servicio de
telecomunicaciones
NÚMERO DE CANTONES CON PÉRDIDA DE SISTEMA DE TELECOMUNICACIONES
PORCENTAJE DE CANTONES CON PÉRDIDA DE SISTEMA DE TELECOMUNICACIONES
112
MEDIA 5,50
VARIANZA 23,00
MODA No tiene
DESVIACIÓN ESTANDAR 4,80
Análisis: Mediante este análisis se aprecia que los principales cantones con
inconvenientes con el servicio de telecomunicaciones las primeras 48 horas
después del acontecimiento telúrico fueron los cantones Chone, Montecristi,
Pedernales, Jaramijó, San Vicente, Flavio Alfaro, Puerto López, Paján, Jipijapa,
24 de Mayo, Junín Pichincha con pérdida Alta (61-90) que pertenecen 54,55%
de pérdidas de servicio de telecomunicaciones.
Seguido con los cantones Portoviejo, Manta, Sucre, Bolívar, Rocafuerte y
Olmedo con una pérdida Media (31-60) correspondiente al 27,27%.
A continuación, se tiene a los cantones El Carmen, Tosagua y Santa Ana con
una pérdida Muy Alto (91-100) correspondiente a un porcentaje de 13,64%.
El cantón Jama estuvo con pérdidas de telecomunicaciones Muy bajo (0-30) con
4,55%.
113
Variable: vías inhabilitadas
CUADRO N. 44
Lugares de la variable vías inhabilitadas
LUGAR DE VÍAS
INHABILITADAS
VIAS
INHABILITADAS
Portoviejo SI
Chone SI
Manta SI
Montecristi NO
Sucre NO
Pedernales SI
Jama SI
Jaramijó NO
San Vicente NO
Bolívar SI
El Carmen SI
Rocafuerte NO
Flavio Alfaro SI
Tosagua NO
Puerto López NO
Santa Ana NO
Paján NO
Jipijapa SI
24 de Mayo NO
Olmedo NO
Junín NO
Pichincha SI
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
114
CUADRO N. 45
Frecuencias de la variable vías inhabilitadas
VÍAS
INHABILITADAS
NÚMERO DE
CANTONES VÍAS
INHABILITADAS
PORCENTAJE
DE CANTONES
VÍAS
INHABILITADAS
SI 10 45,45
NO 12 54,55
TOTAL 22 100
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
Gráfico 18
Histograma cantidad y porcentaje de vías inhabilitadas
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
10
45,45
12
54,55
0
20
40
60
NÚMERO DE CANTONES VÍASINHABILITADAS
PORCENTAJE DE CANTONESVÍAS INHABILITADAS
VÍAS INHABILITADAS
SI NO
115
MEDIA 11,00
VARIANZA 2,00
MODA No tiene
DESVIACIÓN ESTANDAR
1,41
Análisis: Tal como se observa en el Cuadro N. 44 y en el cuadro N. 45, se
aprecia que 10 cantones que mantuvieron inhabilitadas sus vías, entre los
cantones que anunciaron sus vías con daños leves o graves fueron Portoviejo,
Chone, Manta, Pedernales, Jama, Bolívar, El Carmen, Flavio Alfaro, Jipijapa y
Pichincha esto hace un porcentaje de 45,45% de carreteras no habilitadas
normalmente.
116
Variable: Nivel operación de agua potable
CUADRO N. 46
Frecuencias de la variable nivel operación de agua potable
LUGAR DE
OPERACIÓN
DE AGUA
POTABLE
NIVEL DE
OPERACIÓN
DE AGUA
POTABLE
PORCENTAJE
DE NIVEL DE
OPERACIÓN
DE AGUA
POTABLE
Portoviejo 75 7,46
Chone 100 9,95
Manta 50 4,98
Montecristi 30 2,99
Sucre 60 5,97
Pedernales 0 0,00
Jama 0 0,00
Jaramijó 70 6,97
San Vicente 50 4,98
Bolívar 50 4,98
El Carmen 0 0,00
Rocafuerte 70 6,97
Flavio Alfaro 0 0,00
Tosagua 50 4,98
Puerto López 100 9,95
Santa Ana 100 9,95
Paján 0 0,00
Jipijapa 50 4,98
24 de Mayo 100 9,95
Olmedo 0 0,00
Junín 50 4,98
Pichincha 0 0,00
TOTAL 1005 100
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
117
Gráfico 19
Porcentaje de nivel de operación de agua potable
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 45,68
VARIANZA 1381,66
MODA 0,00
DESVIACIÓN ESTANDAR
37,17
Análisis: El presente cuadro se observa la operación de agua potable en las
primeras 48 horas en la que el fuerte sismo perturbo a la provincia de Manabí,
se puede ver en el histograma que los cantones que tuvo percances de hasta el
0% de operación de no tener acceso al agua potable fueron los cantones de
Pedernales, Jama, El Carmen, Flavio Alfaro, Paján, Olmedo.
Los cantones en la que el agua potable se mantuvo con total normalidad fueron
los cantones de Chone, Puerto López, Santa Ana y 24 de Mayo correspondiente
cada uno un porcentaje de 9,95% de operación del agua, seguido del cantón
Portoviejo con 7,46%.
7,46 9,95 4,98
2,99 5,97
0,000,006,97
4,984,980,006,970,00
4,98
9,95 9,950,00
4,989,95 0,004,98 0,00
PORCENTAJE DE NIVEL DE OPERACIÓN DE AGUA POTABLE
Portoviejo Chone Manta Montecristi Sucre
Pedernales Jama Jaramijo San Vicente Bolívar
El Carmen Rocafuerte Flavio Alfaro Tosagua Puerto López
Santa Ana Paján Jijpijapa 24 de Mayo Olmedo
Junín Pichincha
118
Variable: Densidad Poblacional
CUADRO N. 47
Frecuencias de la variable densidad poblacional
LUGAR DE
DENSIDAD
POBLACIONAL
DENSIDAD
POBLACIONAL
POR CANTÓN
PORCENTAJE
DE LA
DENSIDAD
POBLACIONAL
Portoviejo 310582 20,56
Chone 132041 8,74
Manta 253441 16,78
Montecristi 92234 6,11
Sucre 61553 4,08
Pedernales 61193 4,05
Jama 25448 1,68
Jaramijó 24302 1,61
San Vicente 24139 1,60
Bolívar 44434 2,94
El Carmen 103731 6,87
Rocafuerte 36470 2,41
Flavio Alfaro 24862 1,65
Tosagua 41524 2,75
Puerto López 23342 1,55
Santa Ana 48920 3,24
Paján 37929 2,51
Jipijapa 74804 4,95
24 de Mayo 29305 1,94
Olmedo 10275 0,68
Junín 19300 1,28
Pichincha 30546 2,02
TOTAL 1510375 100
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
119
Gráfico 20
Histograma de porcentaje de la densidad poblacional
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 68,41
VARIANZA 57,63
MODA No tiene
DESVIACIÓN ESTANDAR
75,39
Análisis: La densidad poblacional en el cantón Portoviejo corresponde a un
porcentaje del 20,56% y esto da a conocer que es la localidad con mayor
población de la provincia, siguiendo con el cantón Manta 16,78%, Cantón Chone
con 8,74%, El Carmen 6,87%, Montecristi 6,11%, Jipijapa 4, 95%, si se observa
toda la gráfica se verá que el cantón Junín con el 1,28% y el cantón Olmedo con
0,68% son los cantones con menos densidad de población de la provincia.
20
,56
8,7
4
16
,78
6,1
1
4,0
8
4,0
5
1,6
8
1,6
1
1,6
0
2,9
4 6,8
7
2,4
1
1,6
5
2,7
5
1,5
5
3,2
4
2,5
1 4,9
5
1,9
4
0,6
8
1,2
8
2,0
2
PO
RT
OV
IEJO
CH
ON
E
MA
NT
A
MO
NT
EC
RIS
TI
SU
CR
E
PE
DE
RN
AL
ES
JAM
A
JAR
AM
IJO
SA
N V
ICE
NT
E
BO
LÍV
AR
EL
CA
RM
EN
RO
CA
FU
ER
TE
FL
AV
IO A
LF
AR
O
TO
SA
GU
A
PU
ER
TO
LÓ
PE
Z
SA
NT
A A
NA
PA
JÁN
JIJP
IJA
PA
24
DE
MA
YO
OL
ME
DO
JUN
ÍN
PIC
HIN
CH
A
PORCENTAJE DE LA DENSIDAD POBLACIONAL
PORCENTAJE DE LA DENSIDAD POBLACIONAL
120
Variable tasa de pobreza NBI
CUADRO N. 48
Frecuencias de la variable tasa de pobreza NBI
LUGAR DE
TASA DE
POBREZA NBI
PORCENTAJE DE
LA TASA DE
POBREZA NBI
(NECESIDADES
BASICAS
INSATISFECHAS)
POR CANTÓN
Portoviejo 65,30%
Chone 81,00%
Manta 54,90%
Montecristi 90,40%
Sucre 83,10%
Pedernales 93,70%
Jama 90,30%
Jaramijó 79,70%
San Vicente 85,60%
Bolívar 89,50%
El Carmen 80,50%
Rocafuerte 78,30%
Flavio Alfaro 94,40%
Tosagua 84,40%
Puerto López 93,10%
Santa Ana 85,00%
Paján 94,50%
Jijpijapa 83,30%
24 de Mayo 94,90%
Olmedo 97,40%
Junín 86,00%
Pichincha 93,10%
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
121
Gráfico 21
Porcentaje de la tasa de pobreza NBI (necesidades básicas insatisfechas) por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 85,38%
VARIANZA 1,01%
MODA 93,10%
DESVIACIÓN ESTANDAR 10,05%
Análisis: La variable a continuación analizada muestra que la mayor tasa de
pobreza NBI la adquiere el cantón Olmedo con una tasa del 97,4% siguiendo el
cantón 24 de mayo con 94,9% de tasa de pobreza NBI.
Si bien se ve, todas las tasas son altas, no hay ni una tasa que baje del 50%, por
lo que se puede afirmar que, en sí, la provincia de Manabí pasó una pobreza
muy crítica a raíz del terremoto del 16 de abril del 2016.
65
,30
%
81
,00
%
54
,90
% 90
,40
%
83
,10
%
93
,70
%
90
,30
%
79
,70
%
85
,60
%
89
,50
%
80
,50
%
78
,30
%
94
,40
%
84
,40
%
93
,10
%
85
,00
%
94
,50
%
83
,30
%
94
,90
%
97
,40
%
86
,00
%
93
,10
%
PO
RT
OV
IEJO
CH
ON
E
MA
NT
A
MO
NT
EC
RIS
TI
SU
CR
E
PE
DE
RN
AL
ES
JAM
A
JAR
AM
IJO
SA
N V
ICE
NT
E
BO
LÍV
AR
EL
CA
RM
EN
RO
CA
FU
ER
TE
FL
AV
IO …
TO
SA
GU
A
PU
ER
TO
…
SA
NT
A A
NA
PA
JÁN
JIJP
IJA
PA
24
DE
MA
YO
OL
ME
DO
JUN
ÍN
PIC
HIN
CH
A
PORCENTAJE DE LA TASA DE POBREZA NBI (NECESIDADES
BASICAS INSATISFECHAS) POR CANTÓN
122
Variable: Tasa de pobreza de consumo
CUADRO N. 49
Frecuencias de la variable tasa de pobreza de consumo
TASA POBREZA
POR CONSUMO CANTÓN
NO POBRES
POBRES TOTAL NO
POBRES POBRES
PORCENTAJE TASA DE POBREZA
POR CONSUMO CANTÓN
Portoviejo 96.159 180.776 276.935 34,72 65,28 100,00
Chone 23.898 101.823 125.721 19,01 80,99 100,00
Manta 100.963 122.800 223.763 45,12 54,88 100,00
Montecristi 6.747 63.403 70.150 9,62 90,38 100,00
Sucre 9.570 46.989 56.559 16,92 83,08 100,00
Pedernales 3.457 51.442 54.899 6,30 93,70 100,00
Jama 2.240 20.757 22.997 9,74 90,26 100,00
Jaramijó 3.689 14.511 18.200 20,27 79,73 100,00
San Vicente
3.145 18.658 21.803 14,42 85,58 100,00
Bolívar 4.159 35.619 39.778 10,46 89,54 100,00
El Carmen 17.272 71.237 88.509 19,51 80,49 100,00
Rocafuerte 7.208 26.082 33.290 21,65 78,35 100,00
Flavio Álfaro
1.411 23.587 24.998 5,64 94,36 100,00
Tosagua 5.936 32.153 38.089 15,58 84,42 100,00
Puerto López
1.388 18.860 20.248 6,85 93,15 100,00
Santa Ana 7.105 40.135 47.240 15,04 84,96 100,00
Paján 2.015 34.865 36.880 5,46 94,54 100,00
Jipijapa 11.760 58.869 70.629 16,65 83,35 100,00
24 de Mayo
1.459 27.338 28.797 5,07 94,93 100,00
Olmedo 255 9.588 9.843 2,59 97,41 100,00
Junín 2.640 16.272 18.912 13,96 86,04 100,00
Pichincha 2.095 28.115 30.210 6,93 93,07 100,00
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
123
Gráfico 22
Porcentaje tasa pobreza de consumo por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 47.44%
VARIANZA 16,69%
MODA No tiene
DESVIACIÓN ESTANDAR
41,39%
Análisis: se puede observar en la información muestra el Cuadro N. 49 y la
gráfica 22 que la tasa de pobreza de consumo varía en todos los cantones, pero
los más altos según los datos recolectados de las bases de datos muestra que
Olmedo correspondiente a un 97,41%, 24 de Mayo con 94,93%, Paján 94,54%,
Flavio Alfaro 94,36%, Pedernales 93,70%, Puerto López 93,15%, Montecristi
90,38%, Jama 90,26%, Bolívar 89,54%, Junín 86,04%, San Vicente 85,58%,
Santa Ana 84,96%, Tosagua 84,42%, Jipijapa 83,35%, Sucre 83,08%, Chone
65
,28 8
0,9
9
54
,88
90
,38
83
,08 93
,70
90
,26
79
,73
85
,58
89
,54
80
,49
78
,35 9
4,3
6
84
,42
93
,15
84
,96 94
,54
83
,35 94
,93
97
,41
86
,04
93
,07
PO
RT
OV
IEJO
CH
ON
E
MA
NT
A
MO
NT
EC
RIS
TI
SU
CR
E
PE
DE
RN
AL
ES
JAM
A
JAR
AM
IJO
SA
N V
ICE
NT
E
BO
LÍV
AR
EL
CA
RM
EN
RO
CA
FU
ER
TE
FL
AV
IO A
LF
AR
O
TO
SA
GU
A
PU
ER
TO
LÓ
PE
Z
SA
NT
A A
NA
PA
JÁN
JIJP
IJA
PA
24
DE
MA
YO
OL
ME
DO
JUN
ÍN
PIC
HIN
CH
A
PORCENTAJE TASA POBREZA DE CONSUMO POR CANTÓN
124
83,99%, El Carmen 80,49%, Jaramijó 79,73%, Rocafuerte 78,35%, Portoviejo
65,28%, Manta 54,88%.
Variable fallecidos anualmente
CUADRO N. 50
Frecuencias de la variable
CANTONES DE
FALLECIDOS
ANUALMENTE
NUMERO DE
FALLECIDOS
ANUALMENTE POR
CANTÓN
PORCENTAJE
DE
FALLECIDOS
ANUALMENTE
POR CANTÓN
Portoviejo 1499 27,90
Chone 512 9,53
Manta 1113 20,72
Montecristi 140 2,61
Sucre 237 4,41
Pedernales 111 2,07
Jama 41 0,76
Jaramijó 33 0,61
San Vicente 59 1,10
Bolívar 141 2,62
El Carmen 231 4,30
Rocafuerte 119 2,22
Flavio Álfaro 69 1,28
Tosagua 134 2,49
Puerto López 40 0,74
Santa Ana 159 2,96
Paján 143 2,66
Jipijapa 295 5,49
24 de Mayo 112 2,08
Olmedo 36 0,67
Junín 60 1,12
Pichincha 88 1,64
TOTAL 5372 100
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
125
Gráfico 23
Porcentaje de fallecidos anualmente por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 24,18
VARIANZA 13,39
MODA No tiene
DESVIACIÓN ESTANDAR 36,16
Análisis: Según la información presentada en el gráfico 23 los 5 cantones con
mayor número de fallecidos anualmente son Portoviejo con 27,90%, Manta
correspondiente al 20,72%, Chone con 9,53%, Jipijapa con un 5,49%, Sucre con
4,41%, El Carmen 4,30%, Santa Ana 2,96%, Paján 2,66%, Bolívar 2,62%,
Montecristi 2,61%, Tosagua 2,49%, Rocafuerte 2,22%, 24 de Mayo 2,08%,
Pedernales 2,07%, Pichincha 1,64%, Flavio Alfaro 1,28%, Junín 1,12%, San
Vicente 1,10%, Jama 0,76%, Puerto López 0,67%, Olmedo 0,67%, Jaramijó
0,61%.
Se aprecia que los cantones con menos números de fallecidos son Jaramijó,
Olmedo y Puerto López.
27
,90
9,5
3
20
,72
2,6
1
4,4
1
2,0
7
0,7
6
0,6
1
1,1
0
2,6
2
4,3
0
2,2
2
1,2
8
2,4
9
0,7
4
2,9
6
2,6
6
5,4
9
2,0
8
0,6
7
1,1
2
1,6
4
PO
RT
OV
IE…
CH
ON
E
MA
NT
A
MO
NT
EC
RI…
SU
CR
E
PE
DE
RN
AL…
JAM
A
JAR
AM
IJO
SA
N …
BO
LÍV
AR
EL
CA
RM
EN
RO
CA
FU
ER…
FL
AV
IO …
TO
SA
GU
A
PU
ER
TO
…
SA
NT
A A
NA
PA
JÁN
JIJP
IJA
PA
24
DE
…
OL
ME
DO
JUN
ÍN
PIC
HIN
CH
A
PORCENTAJE DE FALLECIDOS ANUALMENTE POR CANTÓN
PORCENTAJE DE FALLECIDOS ANUALMENTE POR CANTÓN
126
Variable tasa de mortalidad
CUADRO N. 51
Frecuencias de la variable tasa de mortalidad
LUGAR DE LA
TASA DE
MORTALIDAD
PORCETANJE
DE TASA DE
MORTALIDAD
POR CANTÓN
Portoviejo 27,9
Chone 9,53
Manta 20,72
Montecristi 2,61
Sucre 4,41
Pedernales 2,07
Jama 0,76
Jaramijó 0,61
San Vicente 1,1
Bolívar 2,62
El Carmen 4,3
Rocafuerte 2,22
Flavio Álfaro 1,28
Tosagua 2,49
Puerto López 0,74
Santa Ana 2,96
Paján 2,66
Jipijapa 5,49
24 de Mayo 2,08
Olmedo 0,67
Junín 1,12
Pichincha 1,64
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
127
Gráfico 24
Porcentaje de tasa de mortalidad por cantón
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
MEDIA 4,54
VARIANZA 46,20
MODA No tiene
DESVIACIÓN ESTANDAR 6,80
Análisis: la presente variable muestra la tasa mortalidad por cada cantón, en el
grafico 24 se puede apreciar que en el cantón Portoviejo hay un 27,90% de tasa
de mortalidad y es la mayor tasa que todos los demás cantones, siguiendo con
el cantón Manta 20,72%, cantón Chone 9,53%, cantón Jipijapa con un 5,49%,
cantón Sucre 4,41%, cantón El Carmen 4,30%, cantón Santa Ana 2,96%, cantón
Paján 2,66%, cantón Bolívar 2,62%, cantón Montecristi 2,61%, cantón Tosagua
2,49%, cantón Rocafuerte 2,22%, cantón 24 de Mayo 2,08%, cantón Pedernales
2,07%, cantón Pichincha 1,64%, cantón Flavio Alfaro 1,28%, cantón Junín
1,12%, cantón San Vicente 1,10%, en los siguientes cantones se puede apreciar
27
,9
9,5
3
20
,72
2,6
1 4,4
1
2,0
7
0,7
6
0,6
1
1,1 2
,62 4,3
2,2
2
1,2
8
2,4
9
0,7
4 2,9
6
2,6
6 5,4
9
2,0
8
0,6
7
1,1
2
1,6
4
PO
RT
OV
IEJO
CH
ON
E
MA
NT
A
MO
NT
EC
RIS
TI
SU
CR
E
PE
DE
RN
AL
ES
JAM
A
JAR
AM
IJO
SA
N V
ICE
NT
E
BO
LÍV
AR
EL
CA
RM
EN
RO
CA
FU
ER
TE
FL
AV
IO A
LF
AR
O
TO
SA
GU
A
PU
ER
TO
LÓ
PE
Z
SA
NT
A A
NA
PA
JÁN
JIJP
IJA
PA
24
DE
MA
YO
OL
ME
DO
JUN
ÍN
PIC
HIN
CH
A
PORCETANJE DE TASA DE MORTALIDAD POR CANTÓN
128
en el gráfico 24 que tienen menos tasa de mortalidad esto se debe a su baja
personas que habitan; cantón Jama 0,76%, cantón Puerto López 0,74%, cantón
Olmedo 0,67%, cantón Jaramijó 0,61%.
Procedimiento de estimación del riesgo físico y agravamiento
Proceso analítico jerárquico (AHP)
El Proceso Analítico Jerárquico (AHP) es un modelo básico de análisis para la
toma de decisiones que permite representar un problema mediante una
estructura jerárquica para establecer la importancia de los criterios de un nivel
con respecto a un nivel superior y así seleccionar la mejor alternativa.
Los pasos a seguir son:
Estructuración del problema: permite establecer una meta, los criterios
y alternativas.
Construcción de matrices: se comparan criterios y alternativa mediante
la escala de valoración de Saaty.
Estimación de pesos relativos mediante el método de valores propios.
Análisis de resultados: se evalúa la consistencia y sensibilidad del
modelo.
129
CUADRO N. 52
Escala de valoración de Saaty
ESCALA DE SAATY
9 A es extremadamente mejor que B
7 A es marcadamente mejor que B
5 A es mejor que B
3 A es ligeramente mejor que B
1 A es igual a B
1/3 B es ligeramente mejor que A
1/5 B es mejor que A
1/7 B es marcadamente mejor que A
1/9 B es extremadamente mejor que A
2,4,6,8 Valores intermedios - se usa en caso de evaluación
con juicio diferentes
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
Con respecto a la evaluación del riesgo sísmico esta metodología servirá para
obtener los pesos de las variables de entrada pertenecientes al riesgo físico y
agravamiento social.
130
CAPÍTULO IV
RESULTADOS CONCLUSIONES Y RECOMENDACIONES
RESULTADOS En este capítulo se presentará los resultados obtenidos en la estimación del
riesgo sísmico a las zonas más afectadas por el terremoto de abril del 2016
ocurrido en Manabí; dicha evaluación corresponde a un nivel de riesgo total
resultante de las variables correspondientes al daño físico que ocasiono el
movimiento telúrico y las variables de agravamiento que incluyen la fragilidad
social y resistencia social que es la capacidad de la población para solventar el
riesgo. Estas variables se establecieron mediante el diseño de una base de datos
con información proporcionada por el INEC (Instituto Nacional de Estadísticas y
Encuestas) y el SGR (Secretaria de Gestión de Riesgos). En el proceso de
evaluación se utilizó la metodología de AHP (Proceso analítico Jerárquico) para
la ponderación de las variables y la teoría de conjuntos difusos en conjunto con
la herramienta de desarrollo matemático “Matlab” para la simulación de los
resultados, en la cual se determinó cinco niveles de riesgo a través de los valores
lingüísticos (muy bajo, bajo, medio, alto, muy alto). A continuación, se presenta
los resultados de los pasos que se siguieron para la obtención del riesgo total
para cada zona afectada por el movimiento telúrico.
1.- Definición de variables
Para definir las variables se usó un modelo de evaluación holística de riesgo
sísmico, la cual fue modificada debido a la disponibilidad de información de las
zonas a evaluar.
131
Gráfico 25
Variables del riesgo físico y agravamiento social para el cálculo del riesgo total
Elaboración: Dayanara Ivonne Barzola Vargas & Omar Michael Rodríguez
Chiqui.
Fuente: M. Carreño, A. Barbat y O. Cardona
132
Gráfico 26
Modelo modificado de las variables del riesgo físico y agravamiento social para el cálculo del riesgo total
Elaboración: Dayanara Ivonne Barzola Vargas & Omar Michael Rodríguez Chiqui.
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
2.- Ponderación de variables
CUADRO N. 53
Matriz de comparación de riesgo físico
𝐅𝐑𝐅𝟏 𝐅𝐑𝐅𝟐 𝐅𝐑𝐅𝟑 𝐅𝐑𝐅𝟒 𝐅𝐑𝐅𝟓 𝐅𝐑𝐅𝟔 𝐅𝐑𝐅𝟕 𝐅𝐑𝐅𝟖
𝐅𝐑𝐅𝟏 1 3 3 3 5 5 7 5
𝐅𝐑𝐅𝟐 0,33 1 1 1 3 3 5 3
𝐅𝐑𝐅𝟑 0,33 1,00 1 1 3 3 5 4
𝐅𝐑𝐅𝟒 0,33 1,00 1,00 1 4 4 5 3
𝐅𝐑𝐅𝟓 0,20 0,33 0,33 0,25 1 3 5 3
𝐅𝐑𝐅𝟔 0,20 0,33 0,33 0,25 0,33 1 5 3
𝐅𝐑𝐅𝟕 0,14 0,20 0,20 0,20 0,20 0,20 1 1/2
𝐅𝐑𝐅𝟖 0,20 0,33 0,25 0,33 0,33 0,33 2,00 1
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
133
CUADRO N. 54
Matriz normalizada de riesgo físico
𝐅𝐑𝐅𝟏 𝐅𝐑𝐅𝟐 𝐅𝐑𝐅𝟑 𝐅𝐑𝐅𝟒 𝐅𝐑𝐅𝟓 𝐅𝐑𝐅𝟔 𝐅𝐑𝐅𝟕 𝐅𝐑𝐅𝟖
𝐅𝐑𝐅𝟏 0,3646 0,4167 0,4215 0,4265 0,2964 0,2560 0,2000 0,2222
𝐅𝐑𝐅𝟐 0,1215 0,1389 0,1405 0,1422 0,1779 0,1536 0,1429 0,1333
𝐅𝐑𝐅𝟑 0,1215 0,1389 0,1405 0,1422 0,1779 0,1536 0,1429 0,1778
𝐅𝐑𝐅𝟒 0,1215 0,1389 0,1405 0,1422 0,2372 0,2048 0,1429 0,1333
𝐅𝐑𝐅𝟓 0,0729 0,0463 0,0468 0,0355 0,0593 0,1536 0,1429 0,1333
𝐅𝐑𝐅𝟔 0,0729 0,0463 0,0468 0,0355 0,0198 0,0512 0,1429 0,1333
𝐅𝐑𝐅𝟕 0,0521 0,0278 0,0281 0,0284 0,0119 0,0102 0,0286 0,0222
𝐅𝐑𝐅𝟖 0,0729 0,0463 0,0351 0,0474 0,0198 0,0171 0,0571 0,0444
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
CUADRO N. 55
Asignación de pesos para variables de riesgo físico
Valor propio = 8,6185 CI = 0,0884 CR = 0,0629
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
Factor Variables Pesos Vector de prioridad
FRF1 Edificaciones afectadas WRF1 0,33
FRF2 Fallecidos WRF2 0,14
FRF3 Personas atendidas WRF3 0,15
FRF4 Damnificados WRF4 0,16
FRF5 Daños del servicio de agua potable WRF5 0,09
FRF6 Daños del sistema eléctrico WRF6 0,07
FRF7 Daños del sistema de telecomunicaciones
WRF7 0,03
FRF8 Daños en el sector productivo WRF8 0,04
134
CUADRO N. 56
Matriz de comparación de agravamiento social
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
CUADRO N. 57
Matriz normalizada de agravamiento social
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
𝐅𝐅𝐬𝟏 𝐅𝐅𝐬𝟐 𝐅𝐅𝐬𝟑 𝐅𝐅𝐑𝟏 𝐅𝐅𝐑𝟐 𝐅𝐅𝐑𝟑 𝐅𝐅𝐑𝟒
𝐅𝐅𝐒𝟏 1 3 4 1/3 1 1 1/2
𝐅𝐅𝐒𝟐 0,33 1 3 1/5 1/5 1/5 1/3
𝐅𝐅𝐒𝟑 0,25 0,33 1 1/3 1 1/3 1/2
𝐅𝐅𝐑𝟏 3,00 5,00 3,00 1 1 2 2
𝐅𝐅𝐑𝟐 1,00 5,00 1,00 1,00 1 2 1
𝐅𝐅𝐑𝟑 1,00 5,00 3,00 0,50 0,50 1 1
𝐅𝐅𝐑𝟒 2,00 3,00 2,00 0,50 1,00 1,00 1
𝐅𝐅𝐬𝟏 𝐅𝐅𝐬𝟐 𝐅𝐅𝐬𝟑 𝐅𝐅𝐑𝟏 𝐅𝐅𝐑𝟐 𝐅𝐅𝐑𝟑 𝐅𝐅𝐑𝟒
𝐅𝐅𝐒𝟏 0,1165 0,1343 0,2353 0,0862 0,1754 0,1327 0,0789
𝐅𝐅𝐒𝟐 0,0388 0,0448 0,1765 0,0517 0,0351 0,0265 0,0526
𝐅𝐅𝐒𝟑 0,0291 0,0149 0,0588 0,0862 0,1754 0,0442 0,0789
𝐅𝐅𝐑𝟏 0,3495 0,2239 0,1765 0,2586 0,1754 0,2655 0,3158
𝐅𝐅𝐑𝟐 0,1165 0,2239 0,0588 0,2586 0,1754 0,2655 0,1579
𝐅𝐅𝐑𝟑 0,1165 0,2239 0,1765 0,1293 0,0877 0,1327 0,1579
𝐅𝐅𝐑𝟒 0,2330 0,1343 0,1176 0,1293 0,1754 0,1327 0,1579
135
CUADRO N. 58
Asignación de pesos para variables de agravamiento social
Factor Variables Pesos Vector de prioridad
FFS1 Tasa de pobreza WFS1 0,14
FFS2 Tasa de mortalidad WFS2 0,06
FFS3 Densidad poblacional WFS3 0,07
FFR1 Kits alimenticios WFR1 0,25
FFR2 Albergues y refugios WFR2 0,18
FFR3 Personal de rescate WFR3 0,15
FFR4 Abastecimiento de agua WFR4 0,15
Valor propio = 7,78 CI = 0,1307 CR = 0,0975
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
3.- Cálculo de índices para el riesgo físico y agravamiento social
Gráfico 27
Funcione de pertenencia de los conjuntos difusos ponderadas con sus respectivos pesos
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
136
Gráfico 28
Unión y defusificación de las para la obtención de índice del riesgo físico
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
137
Gráfico 29
Índice del riesgo físico y agravamiento social de los cantones de la provincia de Manabí
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
Po
rto
vie
jo
Ch
on
e
Man
ta
Mo
nte
cris
ti
Sucr
e
Ped
ern
ales
Jam
a
Jara
mijo
San
Vic
en
te
Bo
lívar
El C
arm
en
Ro
cafu
ert
e
Flav
io A
lfar
o
Tosa
gua
Pu
ert
o L
óp
ez
San
ta A
na
Paj
án
Jip
ijap
a
24
de
May
o
Olm
edo
Jun
ín
Pic
hin
cha
Indices de riesgo
Riesgo fisico Agravamiento social
138
CUADRO N. 59
Reglas Difusas
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
Gráfico 30
Resultados cualitativos del riesgo físico y agravamiento social de los cantones de la provincia de Manabí
Elaboración: Dayanara Ivonne Barzola Vargas, Omar Michael Rodríguez
Chiqui
Fuente: Dayanara Ivonne Barzola Vargas, Omar Rodríguez Chiqui
Agravamiento
Riesgo físico Muy bajo Bajo Medio Alto Muy alto
Muy bajo Muy bajo Muy bajo Bajo Medio Medio
Bajo Muy bajo Bajo Bajo Medio Medio
Medio Bajo Bajo Medio Alto Muy alto
Alto Medio Medio Alto Alto Muy alto
Muy alto Medio Medio Muy alto Muy alto Muy alto
139
CONCLUSIONES
Se propuso las metodologías AHP y conjuntos difusos para evaluar el riesgo
post-sísmico en los catones de la provincia de Manabí, con el propósito de
comenzar a identificar el nivel de riesgo de cada cantón con respecto a los daños
físicos e impacto social que provocó la actividad telúrica.
En el proceso de estimación se diseñó una base de datos mediante los informes
publicado por la SGR (Secretaria de Gestión de Riesgos) durante el estado de
emergencia que sufrió las zonas afectadas, también se obtuvo información del
INEC (Instituto Nacional de Estadística y Censos) tales como la densidad
poblacional, tasa de moralidad, entre otros; para saber conocer la situación de la
provincia antes del acontecimiento. La información fue clasificada en un modelo
básico de evaluación holística, separando las variables en 2 grupos, la primera
que corresponde a los daños físicos y las segundo de agravamiento social que
a su vez se clasifico en 2 subgrupos que son la fragilidad social y la resiliencia
social que es la capacidad de respuesta por parte de la autoridades para
solventar la emergencia.
Se utilizó la metodología AHP para ponderar las variables obtenidas de la base
de datos, dándole un peso de importación relacionando una matriz de
comparación mediante la escala de valoración de Saaty; esto con el propósito
de emplear un sistema de inferencia aplicando la teoría de conjuntos difusos, el
cual fue desarrollado en Matlab para generar gráficos de índices de riesgo
sísmico con el cual realizamos un cálculo total haciendo uso de reglas
lingüísticas.
Los resultados obtenidos en las zonas afectas reflejaron un nivel alto de
gravedad siendo el contexto por pérdidas materiales el más influyente para el
impacto social, como es el caso del cantón Pedernales que fue destruida en su
totalidad dejando a sus población en extrema pobreza, otras sufrieron el impacto
por la escasez de recursos y servicios básicos que llevaron a sus habitantes a
situarse en albergues buscando la manera de recuperar la calidad de vida.
140
RECOMENDACIONES
Para futuros trabajos enfocados a la evaluación de riesgo sísmico se recomienda
incorporar elementos como la peligrosidad y la vulnerabilidad sísmica planteando
un modelo más robusto, el cual servirá a la toma de decisiones para una mejor
gestión de riesgos y así poder mejorar la capacidad de respuesta durante una
emergencia de amenaza sísmica.
Con respecto a las metodologías, el uso de la lógica difusa pude ser empleado
de diferentes formas según el complejidad del problema, es por ello que se
recomienda el uso de redes neuronales en conjunto con la inteligencia artificial
para diseñar una base de conocimiento que interpreten de mejor manera al
razonamiento humando, generando reglas difusas que ayuden a mejorar el
proceso de evaluación.
Se recomienda aplicar lógica difusa en ramas de ingeniería sísmica para la
detección de fuentes sísmicas y los modelos de atenuación de ondas debido a
que estos elementos manejan un mayor grado de incertidumbre y pueden afectar
en los resultados en la evaluación de la peligrosidad sísmica.
141
BIBLIOGRAFÍA
Belén Benito Oterino . (2002). Geología, terremotos y riesgo sísmico.
Aramburú, C. E. (2001). Diagnóstico, línea basal y población objetivo. Gerencia
social Diseño, monitoreo y evaluación de proyectos sociales.
Bryna Brennan & Vilma Gutierrez. (2011). Guía para la elaboración de la
Estrategía de comunicación de riesgo . Organización Panamericana de la
Salud.
Buendía, L., COLAS, M., & HERNÁNDEZ, F. (1998). Métodos de investigación en
educación.
Cannavos G, G. C. (1998). Probabilidad Y Estádistica: Aplicaciones Y Metodos.
Mexico: McGraw-Hill.
Carlos Eduardo García López. (2003). MODELO BASADO EN LÓGICA DIFUSA
PARA LA CONSTRUCCIÓN DE INDICADORES DE VULNERABILIDAD
URBANA FRENTE A FENÓMENOS NATURALES. MAESTRÍA EN MEDIO
AMBIENTE, UNIVERSIDAD NACIONAL DE COLOMBIA. FACULTAD DE
INGENIERÍA Y ARQUITECTURA. INSTITUTO DE ESTUDIOS
AMBIENTALES, Colombia.
Casal, J., & Mateu, E. (2003). Tipos de muestreo. Revista de epidemiología y
medicina preventiva.
DAVID EINHORN En Américas. (1989). Obtenido de
http://historiaybiografias.com/desastres05/
Depool R. (2013). Probabilidad y Estádistica : Aplicaciones A La Ingenieria.
Venezuela: McGraw-Hill.
Díaz, Aguilera & Guillén. (Octubre de 2014). Lógica difusa vs. modelo de regresión
múltiple para la selección de personal. (R. C. Ingeniería, Ed.) Scielo, 22(4),
22. Obtenido de
http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-
33052014000400010
Diccionario ecológico. (2010). Academic. Obtenido de Diccionario y enciclopedias
sobre el académico:
http://ecologico.esacademic.com/1546/impacto_negativo
Eglis Esteban García Alcolea. (2009). Vida e Inteligencia Artificial. (ACIMED, Ed.)
Scielo, 19(1).
142
Encarnación & Yamir. (Diciembre de 2013). La lógica difusa aplicada al sector
manufacturero. Redalyc, 38(4), 23.
Esparza & Fronesis. (2002). Una teoría formal de la interpretación jurídica como
Lógica Difusa. Revista telematica de filosofía del derecho (RTFD), 9(2), 44.
Esquivel, Félix & Bello. (2014). Evaluación del impacto de la capacitación con
lógica difusa. INGENIARE Revista Chilena de Ingeniería, 22(1).
García Pérez, A. (2008). Estadística aplicada: conceptos básicos. Universidad
Nacional de Educación a Distancia.
Gonzalez. (2013). Diseño del sistema de control de un Robot Tipo PUMA
utilizando LÓGICA DIFUSA. Lima, Perú.
Instituto de Estudios Ambientales. (2005). Sistema e indicadores para la gestión
de riesgo de desastres. Informe técnico principal, Universidad Nacional de
Colombia.
Klir, Clair & Yuan. (1997). Fuzzy set theory: foundation and applications. Editorial
Prentice Hall.
Levin, & Rubin. (1996). Estadistica para administradores. Estados Unidos:
Pretince Hall.
Macián. (2012). Utilización de lógica difusa en la gestión de ensamblajes.
Aplicación a los ríos sorbe, Esla y mijares. Ingeniería Hidráulica y Medio
Ambiente.
Maria del Carmen Rodriguez, A. T. (17 de Mayo de 2015). Obtenido de
https://prezi.com/oiseved8bptc/riesgos-sismicos/
O. Espinoza B. (2008). Los desastres naturales en la sociedad. Revista Médica
Electrónica.
Palma Méndez, J. T., & Morales, R. M. (2008). Inteligencia Artificial. Técnicas,
métodos y aplicaciones.
Perez, B. &. (2007). eumed Enciclopedia Virtual. Obtenido de
http://www.eumed.net/tesis-
doctorales/2012/mirm/enfoque_cualitativo.html
Platas Pacheco, M.A. (2002). Investigación y Postgrados de Excelencia. México:
Universidad Panamericana.
Proyectos de Riesgos Naturales del Departamento de Desarrollo Regional y Medio
Ambiente con el Apoyo de la O.E.A. (2002). Obtenido de
http://www.oas.org/usde/publications/Unit/oea57s/begin.htm
143
RAE. (s.f.). Real Academía Española. Obtenido de http://dle.rae.es/?id=ZIkyMDs
Rodriguez L. (2007). Probabilidad y Estádistica Básica Para Ingénieros. Ecuador:
ICM-ESPOL.
Rodríguez Ojeda, L. (2007). Probabilidad y Estadistica Basica para Ingenieros.
Guayaquil: Instituto de Ciencias Matematicas Escuela Superior Politecnica
del Litoral Espol.
S.A. (s.f.). Obtenido de
http://recursostic.educacion.es/secundaria/edad/2esobiologia/.../riesgoste
rremoto.pdf
Sáez C, A. J. (2012). Apuntes De Estádistica Para Ingenieros. España:
Departamento de Estadistica.
Sara López Riera. (2015). Planes de emergencia, planes de autoprotección y
medidas de emergencia.
Secretaría de Ciencia y Tecnología. (2010). Artículo Ley de la Educación Superior.
Obtenido de Consejo de Educación Superior: www.ces.gob.ec
Vivanco, M. (2005). Muestreo estadístico. Diseño y aplicaciones. Editorial
Universitaria.
Walpole, R. E., Myes, R. H., Myres, S. L., Ye, K., & Enriquez Brito, J. (2007).
Probabilidad y estadística: para ingeniería y ciencia.
Weiss, C. H. . (1983). Investigación evaluativa. Métodos para determinar la
eficiencia de los programas de acción. Metodologías.
144
ANEXOS
CÓDIGO DESARROLLADO EN MATLAB clc, clear all, close all
paso =0.01;
%Funciones pertenencia para 5 niveles muy bajo, bajo, medio, alto, muy alto
%%------------->Riego Físico<------------------%%
%%---------->Edificaciones afectados<----------%%
%abscisas
rf1= 0: paso: 1600;
%función de pertenencia
edi_mb = sigmf(rf1,[-0.095 67]);
edi_b =gbellmf(rf1,[60 2.9 130]);
edi_m =gbellmf(rf1,[75 4 270]);
edi_a =gbellmf(rf1,[80 4 430]);
edi_ma = sigmf(rf1,[0.07 510]);
%grafica
subplot(1,1,1),plot(rf1,edi_mb,rf1,edi_b,rf1,edi_m,rf1,edi_a,rf1,edi_ma,'LineWidt
h',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Edificaciones Afectadas'), ylabel('\nu(Pertenencia)')
%%---------->Personas fallecidas<----------%%
%abscisas
rf2= 0:paso:3000;
%función de pertenencia
fall_mb = sigmf(rf2,[-0.03 220]);
fall_b =gbellmf(rf2,[160 3 400]);
fall_m =gbellmf(rf2,[160 3 760]);
fall_a =gbellmf(rf2,[160 3 1100]);
fall_ma = sigmf(rf2,[0.03 1300]);
%grafica
145
subplot(1,1,1),plot(rf2,fall_mb,rf2,fall_b,rf2,fall_m,rf2,fall_a,rf2,fall_ma,'LineWidt
h',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Fallecidos'), ylabel('\nu(Pertenencia)')
%%---------->Personas Atendidas<----------%%
%definimos abscisas
rf3= 0:paso:5000;
%función de pertenencia
aten_mb = sigmf(rf3,[-0.025 200]);
aten_b =gbellmf(rf3,[250 3.2 500]);
aten_m =gbellmf(rf3,[380 3.2 1200]);
aten_a =gbellmf(rf3,[380 3 2000]);
aten_ma = sigmf(rf3,[0.015 2400]);
%grafica
subplot(1,1,1),plot(rf3,aten_mb,rf3,aten_b,rf3,aten_m,rf3,aten_a,rf3,aten_ma,'Li
neWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Personas atendidas'), ylabel('\nu(Pertenencia)')
%%---------->Damnificados por cada 1000 habitantes----------%%
%abscisas
rf4= 0:paso:1550;
%función de pertenencia
dam_mb = sigmf(rf4,[-0.2 34]);
dam_b =gbellmf(rf4,[26 2.9 70]);
dam_m =gbellmf(rf4,[26.5 3 130]);
dam_a =gbellmf(rf4,[31 4 194]);
dam_ma = sigmf(rf4,[0.17 230]);
%grafica
subplot(1,1,1),plot(rf4,dam_mb,rf4,dam_b,rf4,dam_m,rf4,dam_a,rf4,dam_ma,'Li
neWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Damnificados por cada 1000 habitantes'), ylabel('\nu(Pertenencia)')
146
%%-------->Daños del servicio de agua potable (%) <--------%%
%abscisas
rf5= 0:paso:100;
%función de pertenencia
agua_mb = sigmf(rf5,[-1.1 5]);
agua_b =gbellmf(rf5,[7 4 13]);
agua_m =gbellmf(rf5,[9 3.5 30]);
agua_a =gbellmf(rf5,[9 3.5 48]);
agua_ma = sigmf(rf5,[0.7 57.5]);
%grafica
subplot(1,1,1),plot(rf5,agua_mb,rf5,agua_b,rf5,agua_m,rf5,agua_a,rf5,agua_ma
,'LineWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel(' Daños del servicio de agua potable(%) '), ylabel('\nu(Pertenencia)')
%%----------> Daños del sistema eléctrico<----------%%
%abscisas
rf6= 0:paso:100;
%función de pertenencia
elec_mb = sigmf(rf6,[-0.6 10]);
elec_b =gbellmf(rf6,[9 3 20]);
elec_m =gbellmf(rf6,[12.5 3.5 43]);
elec_a =gbellmf(rf6,[11 3 70]);
elec_ma = sigmf(rf6,[0.35 82.5]);
%grafica
subplot(1,1,1),plot(rf6,elec_mb,rf6,elec_b,rf6,elec_m,rf6,elec_a,rf6,elec_ma,'Lin
eWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel(' Daños del sistema electrico(%) '), ylabel('\nu(Pertenencia)')
%%--------> Daños del sistema de telecomunicaciones----------%%
%abscisas
rf7= 0:paso:100;
147
%función de pertenencia
tel_mb = sigmf(rf7,[-0.6 7]);
tel_b =gbellmf(rf7,[9 4 17]);
tel_m =gbellmf(rf7,[12.5 3.5 40]);
tel_a =gbellmf(rf7,[11 3 65]);
tel_ma = sigmf(rf7,[0.5 77]);
%grafica
subplot(1,1,1),plot(rf7,tel_mb,rf7,tel_b,rf7,tel_m,rf7,tel_a,rf7,tel_ma,'LineWidth',1
)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel(' Daños del servicio de telecomunicaciones(%)'),
ylabel('\nu(Pertenencia)')
%%----------> Daños del sector productivo----------%%
%abscisas
rf8= 0:paso:100;
%función de pertenencia
pro_mb = sigmf(rf8,[-1.2 11.2]);
pro_b =gbellmf(rf8,[5.5 4 17]);
pro_m =gbellmf(rf8,[6.4 4.5 29.3]);
pro_a =gbellmf(rf8,[8.5 4.3 44.3]);
pro_ma = sigmf(rf8,[0.6 52.6]);
%grafica
subplot(1,1,1),plot(rf8,pro_mb,rf8,pro_b,rf8,pro_m,rf8,pro_a,rf8,pro_ma,'LineWi
dth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel(' Daños del sector productivo(%)'), ylabel('\nu(Pertenencia)')
%%--------------------->Agravamiento<-----------------------%%
%%---------->Fragilidad social<----------%%
%%---------->Tasa de pobreza por consumo%)<----------%%
%abscisas
afs1= 0:paso:100;
%función de pertenencia
148
pob_mb = sigmf(afs1,[-0.8 9]);
pob_b =gbellmf(afs1,[8 4 18]);
pob_m =gbellmf(afs1,[9 4 36]);
pob_a =gbellmf(afs1,[9 4 54]);
pob_ma = sigmf(afs1,[0.8 63]);
%grafica
subplot(1,1,1),plot(afs1,pob_mb,afs1,pob_b,afs1,pob_m,afs1,pob_a,afs1,pob_
ma,'LineWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Tasa de pobresa por consumo(%)'), ylabel('\nu(Pertenencia)')
%%---------->Tasa de mortalidad(%)<----------%%
%abscisas
afs2= 0:paso:100;
%función de pertenencia
mor_mb = sigmf(afs2,[-0.8 7]);
mor_b =gbellmf(afs2,[7 4 15]);
mor_m =gbellmf(afs2,[9 4 32]);
mor_a =gbellmf(afs2,[9 4 50]);
mor_ma = sigmf(afs2,[0.6 60]);
%grafica
subplot(1,1,1),plot(afs2,mor_mb,afs2,mor_b,afs2,mor_m,afs2,mor_a,afs2,mor_
ma,'LineWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Tasa de mortalidad(%)'), ylabel('\nu(Pertenencia)')
%%---------->Densidad poblacional<----------%%
%abscisas
afs3= 0:0.1:500000;
%función de pertenencia
den_mb = sigmf(afs3,[-0.00009 50000]);
den_b =gbellmf(afs3,[50000 3.5 100000]);
den_m =gbellmf(afs3,[50000 3.5 200000]);
den_a =gbellmf(afs3,[50000 3.5 300000]);
149
den_ma = sigmf(afs3,[0.00009 350000]);
%grafica
subplot(1,1,1),plot(afs3,den_mb,afs3,den_b,afs3,den_m,afs3,den_a,afs3,den_
ma,'LineWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Desnidad poblacional por cada 1000 habitantes'),
ylabel('\nu(Pertenencia)')
%%---------->Falta de Resiliencia<----------%%
%%---------->kits alimenticios<----------%%
%abscisas
afr1= 0:paso:10500;
%función de pertenencia
kit_mb = sigmf(afr1,[-0.009 600]);
kit_b =gbellmf(afr1,[900 3.5 1500]);
kit_m =gbellmf(afr1,[1000 3.5 3500]);
kit_a = gbellmf(afr1,[1000 3.5 5500]);
kit_ma = sigmf(afr1,[0.007 6500]);
%grafica
subplot(1,1,1),plot(afr1,kit_mb,afr1,kit_b,afr1,kit_m,afr1,kit_a,afr1,kit_ma,'LineW
idth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Kits alimenticios'), ylabel('\nu(Pertenencia)')
%%---------->Albergues y refugios<----------%%
%abscisas
afr2= 0:paso:100;
%función de pertenencia
alre_mb = sigmf(afr2,[-0.9 6]);
alre_b =gbellmf(afr2,[6 3.5 13]);
alre_m =gbellmf(afr2,[7 3.5 27]);
alre_a = gbellmf(afr2,[7 3.5 42]);
alre_ma = sigmf(afr2,[0.7 50]);
150
%grafica
subplot(1,1,1),plot(afr2,alre_mb,afr2,alre_b,afr2,alre_m,afr2,alre_a,afr2,alre_ma
,'LineWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Números de albergues/refugios'), ylabel('\nu(Pertenencia)')
%%---------->Personal de rescate<----------%%
%abscisas
afr3= 0:paso:2000;
%función de pertenencia
res_mb = sigmf(afr3,[-0.05 380]);
res_b =gbellmf(afr3,[110 3.5 500]);
res_m =gbellmf(afr3,[125 4 745]);
res_a = gbellmf(afr3,[120 3.5 1000]);
res_ma = sigmf(afr3,[0.04 1140]);
%grafica
subplot(1,1,1),plot(afr3,res_mb,afr3,res_b,afr3,res_m,afr3,res_a,afr3,res_ma,'Li
neWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Personal de rescate'), ylabel('\nu(Pertenencia)')
%%---------->Abastecimiento de agua<----------%%
%abscisas
afr4= 0:paso:100;
%función de pertenencia
abas_mb = sigmf(afr4,[-1.02 7]);
abas_b =gbellmf(afr4,[4.7 3.5 12]);
abas_m =gbellmf(afr4,[4.5 3.5 22]);
abas_a = gbellmf(afr4,[4.8 3.5 32]);
abas_ma = sigmf(afr4,[1.07 37]);
%grafica
subplot(1,1,1),plot(afr4,abas_mb,afr4,abas_b,afr4,abas_m,afr4,abas_a,afr4,aba
s_ma,'LineWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
151
xlabel('Abastecimiento de agua'), ylabel('\nu(Pertenencia)')
%%---------------->Total de Riesgo Físico<-----------------%%
%abscisas
RF= 0:paso:1;
%función de pertenencia
rf_mb = sigmf(RF,[-110 0.075]);
rf_b =gbellmf(RF,[0.065 3.9 0.145]);
rf_m =gbellmf(RF,[0.075 3.5 0.29]);
rf_a = gbellmf(RF,[0.095 4 0.47]);
rf_ma = sigmf(RF,[60 0.57]);
%grafica
subplot(1,1,1),plot(RF,rf_mb,RF,rf_b,RF,rf_m,RF,rf_a,RF,rf_ma,'LineWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Nivel de Riesgo Fisico'), ylabel('\nu(Pertenencia)')
axis([0 1 0 1])
%pesos de las variables
wrf1=0.33;
wrf2=0.14;
wrf3=0.15;
wrf4=0.16;
wrf5=0.09;
wrf6=0.07;
wrf7=0.03;
wrf8=0.04;
%Leer datos por cada cantón/ ejemplo Portoviejo
xrf1= 1018;
xrf2= 1499;
xrf3= 3256;
xrf4= 809;
xrf5= 25;
xrf6= 65;
152
xrf7= 45;
xrf8=57;
%comparara datos con abscisas
x1=find(rf1==xrf1);
x2=find(rf2==xrf2);
x3=find(rf3==xrf3);
x4=find(rf4==xrf4);
x5=find(rf5==xrf5);
x6=find(rf6==xrf6);
x7=find(rf7==xrf7);
x8=find(rf8==xrf8);
cedi_mb = min(rf_mb,edi_mb(x1));
cedi_b = min(rf_b,edi_b(x1));
cedi_m = min(rf_m,edi_m(x1));
cedi_a = min(rf_a,edi_a(x1));
cedi_ma = min(rf_ma,edi_ma(x1));
cfall_mb = min(rf_mb,fall_mb(x2));
cfall_b = min(rf_b,fall_b(x2));
cfall_m = min(rf_m,fall_m(x2));
cfall_a = min(rf_a,fall_a(x2));
cfall_ma = min(rf_ma,fall_ma(x2));
caten_mb = min(rf_mb,aten_mb(x3));
caten_b = min(rf_b,aten_b(x3));
caten_m = min(rf_m,aten_m(x3));
caten_a = min(rf_a,aten_a(x3));
caten_ma = min(rf_ma,aten_ma(x3));
cdam_mb = min(rf_mb,dam_mb(x4));
cdam_b = min(rf_b,dam_b(x4));
cdam_m = min(rf_m,dam_m(x4));
153
cdam_a = min(rf_a,dam_a(x4));
cdam_ma = min(rf_ma,dam_ma(x4));
cagua_mb = min(rf_mb,agua_mb(x5));
cagua_b = min(rf_b,agua_b(x5));
cagua_m = min(rf_m,agua_m(x5));
cagua_a = min(rf_a,agua_a(x5));
cagua_ma = min(rf_ma,agua_ma(x5));
celec_mb = min(rf_mb,elec_mb(x6));
celec_b = min(rf_b,elec_b(x6));
celec_m = min(rf_m,elec_m(x6));
celec_a = min(rf_a,elec_a(x6));
celec_ma = min(rf_ma,elec_ma(x6));
ctel_mb = min(rf_mb,tel_mb(x7));
ctel_b = min(rf_b,tel_b(x7));
ctel_m = min(rf_m,tel_m(x7));
ctel_a = min(rf_a,tel_a(x7));
ctel_ma = min(rf_ma,tel_ma(x7));
cpro_mb = min(rf_mb,pro_mb(x8));
cpro_b = min(rf_b,pro_b(x8));
cpro_m = min(rf_m,pro_m(x8));
cpro_a = min(rf_a,pro_a(x8));
cpro_ma = min(rf_ma,pro_ma(x8));
%Union
unir1 =
max(cedi_mb*wrf1,max(cedi_b*wrf1,max(cedi_m*wrf1,max(cedi_a*wrf1,cedi_m
a*wrf1))));
unir2 =
max(cfall_mb*wrf2,max(cfall_b*wrf2,max(cfall_m*wrf2,max(cfall_a*wrf2,cfall_m
a*wrf2))));
154
unir3 =
max(caten_mb*wrf3,max(caten_b*wrf3,max(caten_m*wrf3,max(caten_a*wrf3,c
aten_ma*wrf3))));
unir4 =
max(cdam_mb*wrf4,max(cdam_b*wrf4,max(cdam_m*wrf4,max(cdam_a*wrf4,c
dam_ma*wrf4))));
unir5 =
max(cagua_mb*wrf5,max(cagua_b*wrf5,max(cagua_m*wrf5,max(cagua_a*wrf5
,cagua_ma*wrf5))));
unir6 =
max(celec_mb*wrf6,max(celec_b*wrf6,max(celec_m*wrf6,max(celec_a*wrf6,cel
ec_ma*wrf6))));
unir7 =
max(ctel_mb*wrf7,max(ctel_b*wrf7,max(ctel_m*wrf7,max(ctel_a*wrf7,ctel_ma*
wrf7))));
unir8 =
max(cpro_mb*wrf8,max(cpro_b*wrf8,max(cpro_m*wrf8,max(cpro_a*wrf8,cpro_
ma*wrf8))));
Unir_max=max(unir1,max(unir2,max(unir3,max(unir4,max(unir5,max(unir6,max(
unir7,unir8)))))));
%grafica
subplot(1,1,1),plot(RF,unir1,RF,unir2,RF,unir3,RF,unir4,RF,unir5,RF,unir6,RF,u
nir7,RF,unir8,'LineWidth',1)
set(gca,'FontSize',7),legend('LRF1-Edificaciones afectadas','LRF2-
Fallecidos','LRF3-Personas atendidas',...
'LRF4-Damnificados','LRF5-Afecciones de servicio de agua potable','LRF6-
Afecciones de servicio electrico',...
'LRF7-Afecciones de servicio de telecomunicaciones','LRF8-Afecciones de
sector productivo')
xlabel('Funciones de pertenecia ponderadas'), ylabel('\nu(Pertenencia)')
axis([0 1 0 0.4])
subplot(1,1,1),plot(RF,Unir_max,'LineWidth',1)
set(gca,'FontSize',10)
155
xlabel('Nivel de riesgo fisico'), ylabel('\nu(Pertenencia)')
axis([0 1 0 0.4])
%defusicacion
def= defuzz(RF,Unir_max,'centroid');
%grafica
hold on, plot(def*ones(2,1),[0 0.4],'r','LineWidth',2)
set(gca,'FontSize',10),legend('Union',num2str(roundn(def,-2)))
t1 = text(def,0.3,'centroid','FontWeight','bold');
%%----------------->Total de Agravamiento<------------------%%
%abscisas
A= 0:paso:1;
%función de pertenencia
a_mb = sigmf(A,[-100 0.11]);
a_b =gbellmf(A,[0.062 4 0.17]);
a_m =gbellmf(A,[0.075 5.2 0.31]);
a_a = gbellmf(A,[0.09 4.2 0.48]);
a_ma = sigmf(A,[46 0.575]);
%grafica
subplot(1,1,1),plot(A,a_mb,A,a_b,A,a_m,A,a_a,A,a_ma,'LineWidth',1)
set(gca,'FontSize',10),legend('Muy baja','Baja','Medio','Alta','Muy alta')
xlabel('Nivel de agravamiento social'), ylabel('\nu(Pertenencia)')
axis([0 1 0 1])
%pesos de variables
wfs1=0.14;
wfs2=0.06;
wfs3=0.07;
wfr1=0.25;
wfr2=0.18;
wfr3=0.15;
wfr4=0.15;
156
%Leer datos para cada cantón/ ejemplo Portoviejo
xafs1= 19.10;
xafs2= 27.9;
xafs3= 310582;
xafr1= 10368;
xafr2= 13;
xafr3= 1675;
xafr4= 31.02;
%comparara datos con abscisas
xa1=find(afs1==xafs1);
xa2=find(afs2==xafs2);
xa3=find(afs3==xafs3);
xa4=find(afr1==xafr1);
xa5=find(afr2==xafr2);
xa6=find(afr3==xafr3);
xa7=find(afr4==xafr4);
%corte de la funcion de pertenencia
cpob_mb = min(a_mb,pob_mb(xa1));
cpob_b = min(a_b,pob_b(xa1));
cpob_m = min(a_m,pob_m(xa1));
cpob_a = min(a_a,pob_a(xa1));
cpob_ma = min(a_ma,pob_ma(xa1));
cmor_mb = min(a_mb,mor_mb(xa2));
cmor_b = min(a_b,mor_b(xa2));
cmor_m = min(a_m,mor_m(xa2));
cmor_a = min(a_a,mor_a(xa2));
cmor_ma = min(a_ma,mor_ma(xa2));
cden_mb = min(a_mb,den_mb(xa3));
cden_b = min(a_b,den_b(xa3));
cden_m = min(a_m,den_m(xa3));
157
cden_a = min(a_a,den_a(xa3));
cden_ma = min(a_ma,den_ma(xa3));
ckit_mamb = min(a_ma,kit_mb(xa4));
ckit_ab = min(a_a,kit_b(xa4));
ckit_mm = min(a_m,kit_m(xa4));
ckit_ba = min(a_b,kit_a(xa4));
ckit_mbma = min(a_mb,kit_ma(xa4));
calre_mamb = min(a_ma,alre_mb(xa5));
calre_ab = min(a_a,alre_b(xa5));
calre_mm = min(a_m,alre_m(xa5));
calre_ba = min(a_b,alre_a(xa5));
calre_mbma = min(a_mb,alre_ma(xa5));
cres_mamb = min(a_ma,res_mb(xa6));
cres_ab = min(a_a,res_b(xa6));
cres_mm = min(a_m,res_m(xa6));
cres_ba = min(a_b,res_a(xa6));
cres_mbma = min(a_mb,res_ma(xa6));
cabas_mamb = min(a_ma,abas_mb(xa7));
cabas_ab = min(a_a,abas_b(xa7));
cabas_mm = min(a_m,abas_m(xa7));
cabas_ba = min(a_b,abas_a(xa7));
cabas_mbma = min(a_mb,abas_ma(xa7));
%Unión
unir1a =
max(cpob_mb*wfs1,max(cpob_b*wfs1,max(cpob_m*wfs1,max(cpob_a*wfs1,cp
ob_ma*wfs1))));
unir2a =
max(cmor_mb*wfs2,max(cmor_b*wfs2,max(cmor_m*wfs2,max(cmor_a*wfs2,c
mor_ma*wfs2))));
158
unir3a =
max(cden_mb*wfs3,max(cden_b*wfs3,max(cden_m*wfs3,max(cden_a*wfs3,cd
en_ma*wfs3))));
unir4a =
max(ckit_mamb*wfr1,max(ckit_ab*wfr1,max(ckit_mm*wfr1,max(ckit_ba*wfr1,cki
t_mbma*wfr1))));
unir5a =
max(calre_mamb*wfr2,max(calre_ab*wfr2,max(calre_mm*wfr2,max(calre_ba*w
fr2,calre_mbma*wfr2))));
unir6a =
max(cres_mamb*wfr3,max(cres_ab*wfr3,max(cres_mm*wfr3,max(cres_ba*wfr3
,cres_mbma*wfr3))));
unir7a =
max(cabas_mamb*wfr4,max(cabas_ab*wfr4,max(cabas_mm*wfr4,max(cabas_
ba*wfr4,cabas_mbma*wfr4))));
Unir_amax =
max(unir1a,max(unir2a,max(unir3a,max(unir4a,max(unir5a,max(unir6a,unir7a))
))));
%grafica
subplot(1,1,1),plot(A,unir1a,A,unir2a,A,unir3a,A,unir4a,A,unir5a,A,unir6a,A,unir
7a,'LineWidth',1)
set(gca,'FontSize',10),legend('LF1-Tasa de pobreza','LF2-Tasa de
mortalidad','LF3-Densidad poblacional',...
'LF4-Kits alimenticios','LF5-Albergues y Refugios','LF6-Personal de rescate',...
'LF7-Abastecimiento de agua')
xlabel('Nivel de agravamiento'), ylabel('\nu(Pertenencia)')
axis([0 1 0 0.4])
subplot(1,2,2),plot(A,Unir_amax,'LineWidth',1)
set(gca,'FontSize',10)
xlabel('Nivel de agravamiento'), ylabel('\nu(Pertenencia)')
axis([0 1 0 0.4])
%defusificación
159
def_a= defuzz(A,Unir_amax,'centroid');
%grafica
hold on, plot(def_a*ones(2,2),[0 0.4],'r','LineWidth',2)
set(gca,'FontSize',10),legend('Union',num2str(roundn(def_a,-2)))
t1a = text(def_a,0.3,'centroid','FontWeight','bold');
ANEXO
160
161
ANEXO
162
+ Título
+ Título traducido
+ Resumen
+ Resumen traducido
+ Palabras claves
+ Key words
+ Aplicación de lógica difusa
+ Modelo matemático computacional
+ Evaluación del modelo matemático utilizado
+ Método fuzzy utilizado
+ Metodologías específicas aplicadas
+ Ecuaciones utilizadas
+ Autor/autores
+ Autor/autores citados
+ Autor más citado
+ Categoría de publicación
+ Revista
+ Año
+ País
+ Sitio de investigación
+ Cantidad de veces citado el paper
+ Trabajos futuros
+ Numero de referencias
+ Portal bibliográfico
+ Característica importante del paper
+ Archivo
REGISTROS COMPLETOS DEL META-ANALISIS