Método de cálculo estimativo de costes de construcción de rotondas

Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 45 4. EVALUACIÓN DE LOS DISTINTOS COEFICIENTES Y CALIBRACIÓN DEL MODELO. 4.1 INTRODUCCIÓN Tal y como se ha comentado en la introducción, el objetivo de este capítulo es el de obtener los distintos coeficientes para cada una de las posibilidades, y además evaluar la bondad del modelo a través del cálculo de niveles de significación y correlación. De esta manera para cada regresión realizada se han seguido cuatro pasos: 1. Representación gráfica del modelo. 2. Realización del test de ajuste a la normal de Kolmogorov-Smirnov. 3. Cálculo de los coeficientes de correlación entre los distintos pares de variables. 4. Determinación de los coeficientes de la regresión. Se ha dividido este capitulo en ocho apartados correspondientes a las ocho variables que son objeto de regresión. 4.2. DEMOLICIONES En este apartado se hace una distinción entre dos casos; pues hemos de recordar que habíamos contado con aproximar el presupuesto de demoliciones a partir de dos superficies, por un lado la superficie de demoliciones de firme y por otro lado la superficie de demoliciones de edificaciones. Si a este hecho, añadimos que en la mayoría de los casos la superficie de demolición de edificación es nula, es evidente que, con tantos datos nulos la regresión resultara adulterada. Por esta razón, la regresión se hace en dos pasos, por un lado, se hace una regresión en la que sólo entran las rotondas que tienen superficie de demolición de edificaciones nula, y una vez calculados los coeficientes de dicha regresión, se calculará la regresión para el resto de rotondas pero fijando los coeficientes anteriormente calculados, tenemos por tanto dos regresiones: REGRESIÓN Nº1, SUPERFICIE DE DEMOLICIÓN DE EDIFICACIONES NULA Para empezar, se muestra la distribución de las distintas rotondas en la gráfica PRESUPUESTO DEMOLICIONES VS. SUPERFICIE DE DEMOLICIÓN DE FIRMES, recordamos que en el eje X sólo colocamos la superficie de demolición de firmes porque partimos de la premisa que la superficie de demolición de edificaciones es nula: Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 46 SENDEFIR 6000500040003000200010000 PDEMOLIC 8000000 7000000 6000000 5000000 4000000 3000000 2000000 1000000 0 Fig. 4.1 Gráfica: Presupuesto demoliciones vs. Superficie demolición de firmes. Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra SUP. DEM. FIRM. PRES.DEMOL. N 46 46 Parámetros normales Media 1125,565186 1814578,75 Desviación típica 1251,643799 1702156,125 Diferencias más extremas Absoluta 0,20937717 0,222000062 Positiva 0,20937717 0,222000062 Negativa -0,201759323 -0,183111265 Z de Kolmogorov-Smirnov 1,420065045 1,5056777 Sig. asintót. (bilateral) 0,035435975 0,021472454 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.1. Prueba de Kolmogorov-Smirnov para una muestra. Se observa una significación no muy buena, ni en la superficie de demolición de firmes, ni en el presupuesto de demoliciones, ya que se obtienen valores cercanos al cero, sin embargo la aceptaremos como buena. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 47 El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones SUP. DEM. FIRMPRES. DEMOLI C SUP. DEM. FIRMES Correlación de Pearson 1 0,528623993 Sig. (bilateral) , 0,000159038 N 46 46 PRES. DEMOLIC Correlación de Pearson 0,528623993 1 Sig. (bilateral) 0,000159038 , N 46 46 ** La correlación es significativa al nivel 0,01 (bilateral). Tabla 4.2. Coeficientes de correlación entre dos variables. Se observa que las dos variables tienen una elevada correlación, lo cual es positivo, y por otro lado, se ve, como consecuencia, una significación bilateral casi nula, eso implica que tiene correlaciones superiores a 0.9. Por último daremos los resultados de la regresión obtenida, los resultados obtenidos son los siguientes: P1 = 353,43*S11 0,50 [4.1] P1 = PRESUPUESTO DEMOLICIONES (€) S11= SUPERFICIE DEMOLICIÓN DE FIRMES (m2) REGRESIÓN Nº2, SUPERFICIE DE DEMOLICIÓN DE EDIFICACIONES NO NULA Para empezar, se muestra la superposición de dos distribuciones de las distintas rotondas en las gráficas PRESUPUESTO DEMOLICIONES VS. SUPERFICIE DE DEMOLICIÓN DE FIRMES y PRESUPUESTO DEMOLICIONES VS. SUPERFICIE DE DEMOLICIÓN DE EDIFICACIONES, en el eje X colocamos tanto la superficie de demolición de firmes, como la superficie de demolición de edificaciones: Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 48 500040003000200010000-1000 30000000 20000000 10000000 0 -10000000 PDEMOLIC SENDEFIR PDEMOLIC SENDEDIF Fig. 4.2 Gráficas: Presupuesto demoliciones vs. Superficie demolición de firmes. Presupuesto demoliciones vs. Superficie demolición de edificaciones. Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados para la segunda muestra, es decir, la muestra de rotondas en las que la superficie de demolición de edificaciones no es nula aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra SUP. DEM. FIRM SUP. DEM.EDIF.PRES. DEM. N 26 26 26 Parámetros normales Media 1499,538452 176,615387 3104032,75 Desviación típica 974,7871094 503,2889404 4193465,5 Diferencias más extremas Absoluta 0,159386739 0,363568872 0,352640957 Positiva 0,159386739 0,328779727 0,352640957 Negativa -0,070781343 -0,363568872 -0,2296637 Z de Kolmogorov-Smirnov 0,812716067 1,853844762 1,798123121 Sig. asintót. (bilateral) 0,523599148 0,002069712 0,003109336 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.3. Prueba de Kolmogorov-Smirnov para una muestra. Se observa una significación bastante buena en la superficie de demolición de firmes, sin embargo esto no ocurre ni en el presupuesto de demoliciones, ni en la superficie de demolición de edificaciones, ya que se obtienen valores cercanos al cero, sin embargo las aceptaremos como buena. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 49 El siguiente paso es observar la correlación entre pares de variables, aunque realmente sólo nos interesan las correlaciones entre el presupuesto de demoliciones y cada una de las dos superficies, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones SUP. DEM.FIR M SUP. DEM.EDI F PRES. DEMOL. SUP. DEM.FIR M Correlación de Pearson 1 -0,037658296 0,081931308 Sig. (bilateral) , 0,855079703 0,690709006 N 26 26 26 SUP. DEM.EDIF Correlación de Pearson -0,037658296 1 0,211836598 Sig. (bilateral) 0,855079703 , 0,298858173 N 26 26 26 PRES. DEMOL Correlación de Pearson 0,081931308 0,211836598 1 Sig. (bilateral) 0,690709006 0,298858173 , N 26 26 26 Tabla 4.4. Coeficientes de correlación entre dos variables. Se observa que los dos pares de variables no tienen una elevada correlación, como consecuencia la significación bilateral es elevada, aunque se ha de decir que la correlación del presupuesto con la superficie de edificaciones es mejor que la correlación del presupuesto con la superficie de demolición de firmes. Por último daremos los resultados de la regresión obtenida, los resultados obtenidos son los siguientes P1 = 353,43*S11 0,50 + 80,9*S120,75 [4.2] P1 = PRESUPUESTO DEMOLICIONES (€) S11= SUPERFICIE DEMOLICIÓN DE FIRMES (m2) S12= SUPERFICIE DEMOLICIÓN DE EDIFICACIÓN (m2) 4.3. MOVIMIENTO DE TIERRAS Este es, quizás el apartado más largo en cuanto número de posibilidades, a continuación explicaremos por qué: Como sabemos, en nuestra base de datos, en el apartado 11 se hacía una clasificación en torno a cuatro aspectos relacionados con el movimiento de tierras, la razón es que con una misma superficie de movimiento de tierras, pero con distintas condiciones en cuanto a topografía, compensación o capacidad portante del terreno, el presupuesto varía de forma substancial, por esta razón, se elaboran diferentes regresiones para cada uno de las casos, sin embargo para ser rigurosos, hemos de saber que se necesitan en torno a ocho observaciones muéstrale para intentar aproximar el valor de una variable, dado que no tenemos esta cantidad de observaciones para cada caso , se ha actuado de otra forma, se ha hecho una primera regresión con todas las rotondas, y se ha hecho una regresión de la cual nos hemos quedado con el exponente, que ha quedado ya Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 50 determinado, de forma que, en las sucesivas regresiones parciales hemos ido obteniendo los coeficientes a que multiplican a la superficie de movimiento de tierras. REGRESIÓN Nº1, GENERAL Para empezar, se muestra la distribución de las distintas rotondas en la gráfica PRESUPUESTO MOVIMIENTO DE TIERRAS VS. SUPERFICIE TOTAL, recordamos que en la superficie total es la suma de todas la superficies definidas en el apartado 10. Se puede observar una gran dispersión de datos, pero es normal, debido a la causa comentada anteriormente, si son diferentes las condiciones iniciales del terreno, aunque tengamos una misma cantidad de superficie, el presupuesto variara: SUPMTIER 3000020000100000 PMOVTIER 40000000 30000000 20000000 10000000 0 -10000000 Fig. 4.3 Gráfica: Presupuesto movimiento de tierras vs. Superficie movimiento de tierras. Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra SUP. MTIER PERS. MOVTIE R N 74 74 Parámetros normales Media 6118,905273 3520508,75 Desviación típica4251,390625 4915452,5 Diferencias más extremas Absoluta 0,170080334 0,240328565 Positiva 0,170080334 0,210429996 Negativa -0,157830566 -0,240328565 Z de Kolmogorov-Smirnov 1,463086367 2,067384481 Sig. asintót. (bilateral) 0,027650833 0,000387788 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.5. Prueba de Kolmogorov-Smirnov para una muestra. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 51 Se observa una significación no muy buena, ni en la superficie total, ni en el presupuesto de movimiento de tierras, ya que se obtienen valores cercanos al cero, sin embargo la aceptaremos como buena, por la razón comentada anteriormente: El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones SUP. MTIER PRES. MOVTIE R SUP. MTIER Correlación de Pearson 1 0,609166816 Sig. (bilateral) , 7,92298E-09 N 74 74 PRES. MOVTIE R Correlación de Pearson 0,609166816 1 Sig. (bilateral) 7,92298E-09 , N 74 74 Tabla 4.6. Coeficientes de correlación entre dos variables. Se observa que las dos variables tienen una elevada correlación, lo cual es positivo, y por otro lado, se ve, como consecuencia, una significación bilateral casi nula, eso implica que tiene correlaciones superiores a 0.9. Por último daremos los resultados de la regresión obtenida, los resultados obtenidos son los siguientes: P2 = 0,85*S2 1,16 [4.3] P2 = PRESUPUESTO MOVIMIENTO DE TIERRAS (€) S2= SUPERFICIE TOTAL (m2) Se ha de decir que sólo aceptamos como bueno el valor del exponente, ya que el coeficiente se calculará a partir de regresiones parciales que se harán con las distintas posibilidades. Es decir, la fórmula para movimiento de tierras, será del estilo: Y = A*S21,16 [4.4] REGRESIÓN Nº2, TERRENO ONDULADO-COMPENSACIÓN BUENA Se muestra la gráfica de distribución de las rotondas que pertenecen al caso, apareciendo el presupuesto de movimiento de tierras en función de la superficie total: Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 52 SMT 1400012000100008000600040002000 PMT 10000000 8000000 6000000 4000000 2000000 0 -2000000 Fig. 4.4 Gráficas: Presupuesto movimiento de tierras vs. Superficie movimiento de tierras. Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados para este primer caso son: Prueba de Kolmogorov-Smirnov para una muestra SMT PMT N 14 14 Parámetros normales Media 6698,73926 3584690,25 Desviación típica4939,9458 5769409 Diferencias más extremas Absoluta 0,19778223 0,27803713 Positiva 0,19778223 0,22579402 Negativa -0,16331373-0,27803713 Z de Kolmogorov-Smirnov 1,34142435 1,88573956 Sig. asintót. (bilateral) 0,05470985 0,00163049 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.7. Prueba de Kolmogorov-Smirnov para una muestra. Se observa una significación no muy buena, tanto en la superficie de movimiento de tierras, como en el presupuesto de movimiento de tierras. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 53 El siguiente paso es observar la correlación entre variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones SMT PMT SMT Correlación de Pearson 1 0,64345258 Sig. (bilateral) , 1,42E-06 N 14 14 PMT Correlación de Pearson 0,64345258 1 Sig. (bilateral) 1,42E-06 , N 14 14 ** La correlación es significativa al nivel 0,01 (bilateral). Tabla 4.8. Coeficientes de correlación entre dos variables. Se observa que las variables tienen una elevada correlación, como consecuencia la significación bilateral es pequeña, estamos ante un caso de una muy buena correlación entre variables. El siguiente paso es calcular los coeficientes de la regresión: P2 = 0,805*S2 1,16 [4.5] P2 = PRESUPUESTO MOVIMIENTO DE TIERRAS (€) S2= SUPERFICIE TOTAL (m2) REGRESIÓN Nº3, TERRENO ONDULADO-COMPENSACIÓN REGULAR. Se muestra la gráfica de distribución de las rotondas que pertenecen al caso, apareciendo el presupuesto de movimiento de tierras en función de la superficie total: Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 60 Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra SUP. CUNETAPRES. DRENAJ E N 42 42 Parámetros normales Media 322,1190491 4889827 Desviación típica385,6695862 6688385,5 Diferencias más extremas Absoluta 0,213675171 0,271778941 Positiva 0,207725421 0,271778941 Negativa -0,213675171 -0,268624514 Z de Kolmogorov-Smirnov 1,384773374 1,761328816 Sig. asintót. (bilateral) 0,043193817 0,00404042 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.15. Prueba de Kolmogorov-Smirnov para una muestra. Se observa una significación no muy buena, ni en la superficie de cunetas, ni en el presupuesto de drenaje, ya que se obtienen valores cercanos al cero, sin embargo la aceptaremos como buena, puesto que el objetivo es ver la correlación entre ambos, no su ajuste a la normalidad, en todo caso hemos de comprobar el ajuste a la normal de los errores. El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones SUP. CUNETA PRES. DRENAJ E SUP. CUNETA Correlación de Pearson 1 0,198022093 Sig. (bilateral) , 0,208719905 N 42 42 PRES. DRENAJ E Correlación de Pearson 0,198022093 1 Sig. (bilateral) 0,208719905 , N 42 42 * La correlación es significante al nivel 0,05 (bilateral). Tabla 4.16. Coeficientes de correlación entre dos variables. Se observa que las dos variables no tienen una elevada correlación, además no es significante, puesto que la correlación es significante al nivel 0.05 y el nivel que tiene de significación es de 0.2. Por lo tanto es muy probable que no elijamos esta superficie como superficie tipo para determinar el drenaje, ya que no cumple las especificaciones, pasamos por tanto a la siguiente regresión, es decir probar con la superficie total como superficie de cálculo: Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 61 REGRESIÓN Nº2, CUNETA SUPERFICIAL-DRENAJE PROFUNDO, SUPERFICIE TOTAL Para empezar, se muestra la distribución de las distintas rotondas en la gráfica PRESUPUESTO DRENAJE VS. SUPERFICIE TOTAL: STOTAL 3000020000100000 PDRENAJE 40000000 30000000 20000000 10000000 0 Fig. 4.9. Gráfica: Presupuesto drenaje vs. Superficie total Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra SUP. TOTAL PRES. DRENAJ E N 43 43 Parámetros normales Media 7198,604492 4987051,5 Desviación típica4948,383789 6638965 Diferencias más extremas Absoluta 0,179911882 0,262317955 Positiva 0,179911882 0,258492321 Negativa -0,164583221 -0,262317955 Z de Kolmogorov-Smirnov 1,179761052 1,720133901 Sig. asintót. (bilateral) 0,123593032 0,005382657 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.17. Prueba de Kolmogorov-Smirnov para una muestra. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 62 Se observa una significación no muy buena, ni en la superficie de cunetas, ni en el presupuesto de drenaje, ya que se obtienen valores cercanos al cero, sin embargo la aceptaremos como buena, puesto que el objetivo es ver la correlación entre ambos, no su ajuste a la normalidad, en todo caso hemos de comprobar el ajuste a la normal de los errores. El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones SUP. TOTAL PRES. DRENAJ E SUP. TOTAL Correlación de Pearson 1 0,383780544 Sig. (bilateral) , 0,011066993 N 43 43 PRES. DRENAJ E Correlación de Pearson 0,383780544 1 Sig. (bilateral) 0,011066993 , N 43 43 * La correlación es significante al nivel 0,05 (bilateral). Tabla 4.18. Coeficientes de correlación entre dos variables. Se observa que las dos variables no tienen una elevada correlación, sin embargo la correlación si es significante puesto que su nivel de significación es de 0.011 y para ser significante el nivel de significación debe ser inferior a 0.05. Por lo tanto elegimos esta superficie como superficie tipo para determinar el drenaje, y el siguiente paso es calcular los coeficientes de la regresión: P3 = 36,66*S3 0,76 [4.9] P3 = PRESUPUESTO DRENAJE (€) S3= SUPERFICIE TOTAL (m2) Aunque en teoría el siguiente paso sería probar las dos superficies para el caso de cuneta superficial sin drenaje, como ya hemos elegido la superficie total como superficie de cálculo podríamos hacer la regresión directamente con esta superficie pero para comprobar la validez del modelo observaremos como en este caso la superficie válida vuelve a ser la superficie total, es decir, no podríamos decir que el modelo es consistente cuando para el caso de cuneta superficial con drenaje profundo la superficie que mejor se correlaciona es la superficie total y para el caso de cuneta superficial sin drenaje la superficie que mejor se correlaciona es la superficie de cuentas, es esto lo que comprobaremos que no ocurre. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 63 REGRESIÓN Nº3, CUNETA SUPERFICIAL-SIN DRENAJE , SUPERFICIE CUNETAS Para empezar, se muestra la distribución de las distintas rotondas en la gráfica PRESUPUESTO DRENAJE VS. SUPERFICIE DE CUNETAS: CUNETA 8006004002000 PCUNETA 10000000 8000000 6000000 4000000 2000000 0 Fig. 4.10. Gráfica: Presupuesto drenaje vs. Superficie de cunetas. Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra SUP. CUNETAPRES. CUNETA N 12 12 Parámetros normales Media 298,8333435 3354163,25 Desviación típica214,1786957 2059332,25 Diferencias más extremas Absoluta 0,21290563 0,172271132 Positiva 0,21290563 0,172271132 Negativa -0,099711627 -0,112259485 Z de Kolmogorov-Smirnov 0,737526715 0,596764684 Sig. asintót. (bilateral) 0,648191333 0,868537664 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.19. Prueba de Kolmogorov-Smirnov para una muestra. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 64 Se observa una significación muy buena en la superficie de cunetas y en el presupuesto de drenaje, ya que se obtienen valores cercanos al uno, pero se observará como en el caso de la superficie total la significación es mejor, de todas formas repetimos que nuestro criterio para decidir que variable es mejor, será la que mejor coeficiente de correlación y de significación bilateral tenga. El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones SUP. CUNETA PRES. CUNETA SUP. CUNETA Correlación de Pearson1 0,353829059 Sig. (bilateral) , 0,259175442 N 12 12 PRES. CUNETACorrelación de Pearson 0,353829059 1 Sig. (bilateral) 0,259175442 , N 12 12 Tabla 4.20. Coeficientes de correlación entre dos variables. Se observa que las dos variables no tienen una elevada correlación, además no es significante, puesto que la correlación es significante al nivel 0.05 y el nivel que tiene de significación es de 0.2. Por lo tanto es muy probable que no elijamos esta superficie como superficie tipo para determinar el drenaje, ya que no cumple las especificaciones, pasamos por tanto a la siguiente regresión, es decir probar con la superficie total como superficie de cálculo: REGRESIÓN Nº4, CUNETA SUPERFICIAL-SIN DRENAJE , SUPERFICIE TOTAL Para empezar, se muestra la distribución de las distintas rotondas en la gráfica PRESUPUESTO DRENAJE VS. SUPERFICIE TOTAL: Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 65 SUTOTL 900080007000600050004000300020001000 PDRENEJ 10000000 8000000 6000000 4000000 2000000 0 Fig. 4.11 Gráfica: Presupuesto drenaje vs. Superficie total. Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra SUP. TOTAL PRES. DRENA J N 12 12 Parámetros normales Media 4567,583496 3354163,25 Desviación típica1909,368896 2059332,25 Diferencias más extremas Absoluta 0,114293717 0,172271132 Positiva 0,114293717 0,172271132 Negativa -0,110918872 -0,112259485 Z de Kolmogorov-Smirnov 0,395925045 0,596764684 Sig. asintót. (bilateral) 0,99758172 0,868537664 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.21. Prueba de Kolmogorov-Smirnov para una muestra. Tal y como esperábamos se observa una significación aún mejor que en el caso de superficie de cunetas, vemos que tanto en la superficie total como en el presupuesto de drenaje se alcanzan significaciones muy cercanas a uno, por eso el modelo es consistente. El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 66 Correlaciones SUP. TOTAL PRES. DRENA J SUTOTL Correlación de Pearson 1 0,3363227 Sig. (bilateral) , 0,285119504 N 12 12 PDRENEJ Correlación de Pearson 0,3363227 1 Sig. (bilateral) 0,285119504 , N 12 12 * La correlación es significante al nivel 0,05 (bilateral). Tabla 4.22. Coeficientes de correlación entre dos variables. Se observa que las dos variables no tienen una elevada correlación, y en cuanto a la significación tampoco cumple aunque la elegimos por ser de mejor valor que en el caso anterior. Por lo tanto elegimos esta superficie como superficie tipo para determinar el drenaje, y el siguiente paso es calcular los coeficientes de la regresión: P3 = 32,88*S3 0,76 [4.10] P3 = PRESUPUESTO DRENAJE (€) S3= SUPERFICIE TOTAL (m2) Se puede observar como los valores de los coeficientes son similares a los del caso anterior de cuneta, una prueba más de la consistencia del modelo. 4.5. AFIRMADOS En este caso la regresión se ha realizado en tres pasos, al igual que en el caso de demoliciones, además de contar con la complicación de tener que ir distinguiendo para cada una de las etapas entre los tres tipos de tráfico existentes en la rotonda, podemos hablar entonces de seis pasos que se han seguido para determinar los diferentes exponentes y coeficientes, recordemos que tal y como se comentó en el capítulo 3 se había aproximado el presupuesto de afirmado a la suma de tres superficies, la superficie de afirmado en la que se construía un nuevo paquete de firme, la superficie en la que se aprovechaban algunas capas granulares y la superficie en la que se aprovechaba el firme existente, dado que en algunos casos, algunas de estas superficies es nula, la forma de actuar será: Paso 1: Regresión para aquellas rotondas de tráfico T1, y determino los tres coeficientes de cada superficie. Paso 2: Regresión para aquellas rotondas de tráfico T2, y determino los tres coeficientes de cada superficie. Paso 3: Regresión para aquellas rotondas de tráfico T3, y determino los tres coeficientes de cada superficie. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 67 REGRESIÓN Nº1, TRÁFICO T1 Para empezar, se muestra la distribución de las distintas rotondas en las gráficas superpuestas PRESUPUESTO AFIRMADO VS. SUPERFICIE DE FIRME NUEVO, PRESUPUESTO AFIRMADO VS. SUPERFICIE DE FIRME CON APROVECHAMIENTO DE CAPAS GRANULARES, y PRESUPUESTO AFIRMADO VS. SUPERFICIE DE FIRME CON APROVECHAMIENTO DE FIRMES EXISTENTES, recordamos que en el eje X colocamos los tres tipos de superficies siempre y cuando cumplan pertenecer al tráfico T1: 1000080006000400020000-2000 50000000 40000000 30000000 20000000 10000000 0 PRESUPO S1 PRESUPO S2 PRESUPO S3 Fig. 4.12 Gráfica: Presupuesto afirmado vs. Superficie de firmes. Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra S1 S2 S3 PRESUPOS T N 10 10 10 10 Parámetros normales Media 2986,5 1487,199951 601,5 15155367 Desviación típica2775,609375 1502,520508 1126,401367 12473516 Diferencias más extremas Absoluta 0,140968114 0,212005898 0,379899472 0,15171044 Positiva 0,135872602 0,212005898 0,379899472 0,15171044 Negativa -0,140968114 -0,161135107-0,29667026 -0,1208448 Z de Kolmogorov-Smirnov 0,445780307 0,670421541 1,201347589 0,47975051 Sig. asintót. (bilateral) 0,988682091 0,759739995 0,111525893 0,97544277 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.23. Prueba de Kolmogorov-Smirnov para una muestra. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 68 Se observa una significación buena en las cuatro variables, si bien la superficie de aprovechamiento del firme existente no tiene una gran significación, pero los demás valores están en torno a la unidad, se considerarán válidos. El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones S1 S2 S3 PRESUPOS T S1 Correlación de Pearson 1 -0,144272248 -0,49551281 0,92842769 Sig. (bilateral) , 0,690891785 0,145291486 0,00010524 N 10 10 10 10 S2 Correlación de Pearson -0,144272248 1 -0,50323521 -0,07095504 Sig. (bilateral) 0,690891785 , 0,138146967 0,84556494 N 10 10 10 10 S3 Correlación de Pearson -0,495512815 -0,50323521 1 -0,60831265 Sig. (bilateral) 0,145291486 0,138146967 , 0,06203199 N 10 10 10 10 PRESUPOST Correlación de Pearson 0,928427694 -0,07095504 -0,60831265 1 Sig. (bilateral) 0,000105235 0,845564936 0,062031988 , N 10 10 10 10 ** La correlación es significativa al nivel 0,01 (bilateral). Tabla 4.24. Coeficientes de correlación entre dos variables. Se observa que el presupuesto se correlaciona muy bien con la superficie de firme nuevo, con correlaciones cercanas al 0.9, sin embargo la significación no es buena ni para el caso de aprovechamiento de firme existente, ni para el aprovechamiento de capas granulares. Por último daremos los resultados de la regresión obtenida, los resultados obtenidos son los siguientes: P4 = 64,57*S41 0,9 + 14,26*S420,85 [4.11] P4 = PRESUPUESTO AFIRMADO (€) S41= SUPERFICIE FIRME NUEVO (m2) S42= SUPERFICIE APROVECHAMIENTO CAPAS GRANULARES (m2) Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 69 REGRESIÓN Nº2, TRÁFICO T2 Para empezar, se muestra la distribución de las distintas rotondas en las gráficas superpuestas PRESUPUESTO AFIRMADO VS. SUPERFICIE DE FIRME NUEVO, PRESUPUESTO AFIRMADO VS. SUPERFICIE DE FIRME CON APROVECHAMIENTO DE CAPAS GRANULARES, y PRESUPUESTO AFIRMADO VS. SUPERFICIE DE FIRME CON APROVECHAMIENTO DE FIRMES EXISTENTES, recordamos que en el eje X colocamos los tres tipos de superficies siempre y cuando cumplan pertenecer al tráfico T2: 14000120001000080006000400020000-2000 70000000 60000000 50000000 40000000 30000000 20000000 10000000 0 -10000000 PRESUPOS S1 PRESUPOS S2 PRESUPOS S3 Fig. 4.13 Gráfica: Presupuesto afirmado vs. Superficie de firmes. Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra S1 S2 S3 PRESUPOS T N 68 68 68 68 Parámetros normales Media 2686,235352918,3088379 206,3088226 9868459 Desviación típica2560,924561 1313,981934 603,2371216 8271415 Diferencias más extremas Absoluta 0,1986897890,242315143 0,457355052 0,17080837 Positiva 0,1986897890,180085137 0,457355052 0,17080837 Negativa -0,14710474 -0,242315143 -0,36617437 -0,13068962 Z de Kolmogorov-Smirnov 1,6384379861,99818182 3,771446466 1,40852189 Sig. asintót. (bilateral) 0,0093179940,000680745 0 0,03782719 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.25. Prueba de Kolmogorov-Smirnov para una muestra. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 76 El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones SUP. AJARD. PRES. AJARDI N SUP. AJARD. Correlación de Pearson 1 0,456787223 Sig. (bilateral) , 0,018983794 N 26 26 PRES. AJARDI N Correlación de Pearson 0,456787223 1 Sig. (bilateral) 0,018983794 , N 26 26 * La correlación es significante al nivel 0,05 (bilateral). Tabla 4.32. Coeficientes de correlación entre dos variables. Se observa que las dos variables tienen una elevada correlación, lo cual es positivo, y por otro lado, se ve, como consecuencia, una significación bilateral casi nula. Por último daremos los resultados de la regresión obtenida, los resultados obtenidos son los siguientes: P6 = 233,26*S6 0,48 [4.15] P6 = PRESUPUESTO AJARDINAMIENTO (€) S6= SUPERFICIE AJARDINAMIENTO (m2) REGRESIÓN Nº2. AJARDINAMIENTO CON RIEGO. Para empezar, se muestra la distribución de las distintas rotondas en la gráfica PRESUPUESTO AJARDINAMIENTO VS. SUPERFICIE DE AJARDINAMIENTO. SAJARDIN 80006000400020000-2000 PAJARDIN 5000000 4000000 3000000 2000000 1000000 0 -1000000 Fig. 4.17 Gráfica: Presupuesto ajardinamiento vs. Superficie ajardinada. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 77 Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra SUP. AJARDIN PRES. AJARDI N N 57 57 Parámetros normales Media 1268,842163 1227250,375 Desviación típica 1543,401001 1128966,375 Diferencias más extremas Absoluta 0,249693453 0,219437003 Positiva 0,249693453 0,219437003 Negativa -0,208284184 -0,147843704 Z de Kolmogorov-Smirnov 1,885144234 1,656713009 Sig. asintót. (bilateral) 0,001637816 0,008260667 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.33. Prueba de Kolmogorov-Smirnov para una muestra. Se observa una significación no muy buena, ni en la superficie de ajardinamiento, ni en el presupuesto de ajardinamiento, ya que se obtienen valores cercanos al cero, sin embargo la aceptaremos como buena. El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones SUP. AJARDI N PRES. AJARDI N SUP. AJARDIN Correlación de Pearson 1 0,577158966 Sig. (bilateral) , 2,61322E-06 N 57 57 PRES. AJARDI N Correlación de Pearson 0,577158966 1 Sig. (bilateral) 2,61322E-06 , N 57 57 ** La correlación es significativa al nivel 0,01 (bilateral). Tabla 4.34. Coeficientes de correlación entre dos variables. Se observa que existe una correlación muy parecida a la del caso sin riego, con un muy buen nivel de significación. Por último daremos los resultados de la regresión obtenida, los resultados obtenidos son los siguientes: P6 = 271,66*S6 0,48 [4.16] Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 78 P6 = PRESUPUESTO AJARDINAMIENTO (€) S6 = SUPERFICIE AJARDINAMIENTO (m2) 4.8. ILUMINACIÓN En este caso se realiza una distinción entre el caso de que a iluminación este determinada por una columna central única o el caso en el que hayan varios báculos. REGRESIÓN N º1. BÁCULOS. Para empezar, se muestra la distribución de las distintas rotondas en la gráfica PRESUPUESTO ILUMINACIÓN VS. SUPERFICIE DE ILUMINACIÓN, recordamos que la superficie de iluminación es la superficie de aceras, firmes y ajardinamiento. SILUM2 14000120001000080006000400020000 PILUMNI 12000000 10000000 8000000 6000000 4000000 2000000 0 Fig. 4.18 Gráfica: Presupuesto iluminación vs. Superficie iluminada Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 79 Prueba de Kolmogorov-Smirnov para una muestra SUP. ILUMIN.PRES. ILUMIN. N 36 36 Parámetros normales Media 4209,277832 4391223 Desviación típica 2838,682861 2738211,5 Diferencias más extremas Absoluta 0,252627522 0,126860097 Positiva 0,252627522 0,126860097 Negativa -0,182618022 -0,087954104 Z de Kolmogorov-Smirnov 1,51576519 0,761160612 Sig. asintót. (bilateral) 0,020202637 0,608414292 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.35. Prueba de Kolmogorov-Smirnov para una muestra. Se observa una significación no muy buena, ni en el presupuesto, ni en la superficie de iluminación, ya que se obtienen valores cercanos al cero, sin embargo la aceptaremos como buena. El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Correlaciones SUP. ILUMIN. PRES. ILUMIN. SUP. ILUMIN. Correlación de Pearson 1 0,691216537 Sig. (bilateral) , 3,10991E-06 N 36 36 PRES. ILUMIN. Correlación de Pearson 0,691216537 1 Sig. (bilateral) 3,10991E-06 , N 36 36 ** La correlación es significativa al nivel 0,01 (bilateral). Tabla 4.36. Coeficientes de correlación entre dos variables. Se observa que existe una elevada correlación, y además la significación, es muy aceptable, vemos que el nivel de significación está muy próximo a cero. Por último daremos los resultados de la regresión obtenida, los resultados obtenidos son los siguientes: P7 = 39,39*S7 0,78 [4.17] P7 = PRESUPUESTO ILUMINACIÓN (€) S7= S41 + S42 + S43 + S5 + S6 = SUPERFICIE ILUMINACIÓN (m2) Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 80 REGRESIÓN N º2. COLUMNA CENTRAL ÚNICA. Para empezar, se muestra la distribución de las distintas rotondas en la gráfica PRESUPUESTO ILUMINACIÓN VS. SUPERFICIE DE ILUMINACIÓN, recordamos que la superficie de iluminación es la superficie de aceras, firmes y ajardinamiento. SILUM2 14000120001000080006000400020000 PILUMNI 12000000 10000000 8000000 6000000 4000000 2000000 0 Fig. 4.19 Gráfica: Presupuesto iluminación vs. Superficie iluminada. Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra SUP. ILUMINPRES. ILUMI N N 21 21 Parámetros normales Media 3517.6191 2418669 Desviación típica 1194.5891 1147942 Diferencias más extremas Absoluta 0, 139 0,096 Positiva 0,139 0,096 Negativa -0,109 -0,086 Z de Kolmogorov-Smirnov 0.638 0,438 Sig. asintót. (bilateral) 0,810 0,991 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.37. Prueba de Kolmogorov-Smirnov para una muestra. Se observa una significación muy buena, en el presupuesto y en la superficie de iluminación, ya que se obtienen valores cercanos al uno. El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 81 Correlaciones SUP.ILUMIN PRES. ILUMIN SUP. ILUMIN Correlación de Pearson 1 -0.034 Sig. (bilateral) , 0.883 N 21 21 PRES. ILUMIN Correlación de Pearson -0.034 1 Sig. (bilateral) 0.883 , N 21 21 ** La correlación es significativa al nivel 0,01 (bilateral). Tabla 4.38. Coeficientes de correlación entre dos variables. Se observa que existe una muy pequeña correlación, y además la significación, es muy grande, sin embargo la daremos por buena. Por último daremos los resultados de la regresión obtenida, los resultados obtenidos son los siguientes: P7 = 23,52*S7 0,78 [4.18] P7 = PRESUPUESTO ILUMINACIÓN (€) S7= S41 + S42 + S43 + S5 + S6 = SUPERFICIE ILUMINACIÓN (m2) 4.9. SEÑALIZACIÓN En este caso se realiza directamente la regresión lineal, que además es simple y no hay que hacer distinciones por casos: Para empezar, se muestra la distribución de las distintas rotondas en la gráfica PRESUPUESTO SEÑALIZACIÓN VS. SUPERFICIE DE SEÑALIZACIÓN. Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 82 NENTRADA 6,56,05,55,04,54,03,53,02,5 VAR00002 50000000 40000000 30000000 20000000 10000000 0 -10000000 Fig. 4.20 Gráfica: Presupuesto señalización vs. Número de entradas a rotonda. Por otro lado, tal y como se ha comentado en la introducción al capítulo, para hace una regresión se han de cumplir una serie de condiciones que se caracterizan con el test de Kolmogorov-Smirnov, para cada una de las variables, los resultados aparecen a continuación: Prueba de Kolmogorov-Smirnov para una muestra N. ENTRADA PRES. SEÑALIZ. N 86 86 Parámetros normales Media 3,965116262 3884941,5 Desviación típica 0,622096539 4460654 Diferencias más extremas Absoluta 0,326478422 0,285435587 Positiva 0,326478422 0,285435587 Negativa -0,324684352 -0,221538678 Z de Kolmogorov-Smirnov 3,02763629 2,647020817 Sig. asintót. (bilateral) 0 1,66893E-06 a La distribución de contraste es la Normal. b Se han calculado a partir de los datos. Tabla 4.38. Prueba de Kolmogorov-Smirnov para una muestra. Se observa una significación no muy buena, ni en el número de entradas, ni en el presupuesto de señalización, ya que se obtienen valores cercanos al cero, sin embargo la aceptaremos como buena. El siguiente paso es observar la correlación entre ambas variables, para ello utilizamos los recursos necesarios en el programa SPSS y obtenemos la siguiente tabla, que comentamos a continuación: Método de cálculo estimativo de costes de construcción de rotondas. Capítulo 4 83 Correlaciones Nº ENTRADAS PRES. SEÑALIZ. Nº ENTRADAS Correlación de Pearson 1 0,112233751 Sig. (bilateral) , 0,303555966 N 86 86 PRES. SEÑALIZA.Correlación de Pearson 0,112233751 1 Sig. (bilateral) 0,303555966 , N 86 86 ** La correlación es significativa al nivel 0,01 (bilateral). Tabla 4.39. Coeficientes de correlación entre dos variables. Se observa que no existe una elevada correlación, y además la significación, no es muy aceptable, este hecho es debido a que la variable número de entradas está escalonada, no es una variable continua mientras que el presupuesto si lo es. Por último daremos los resultados de la regresión obtenida, los resultados obtenidos son los siguientes: P8 = 8184*N 0,76 [4.19] P8 = PRESUPUESTO SEÑALIZACIÓN (€) N= Nº ENTRADAS (m2) 4.10 CONCLUSIONES A lo largo del capítulo se ha ido actuando de forma mecanizada, y se han ido obteniendo, por un lado los coeficientes de las regresiones, y por otro, los niveles de correlación entre variables, con estos datos, podemos decidir si consideramos como bueno el modelo, o por el contrario decidimos que hay una gran dispersión en los datos, lo que nos impide imponer una fórmula. En cualquier caso debe quedar claro que la toma de la decisión es objetiva y las respuestas se hayan en este capitulo, pues el propio programa SPSS, nos dice si la correlación cumple o no en cuanto al nivel de significación, evidentemente se dará por bueno el modelo, pero con esto no acaba el problema , ya que hay otros costes no asociados a superficies que se han de contar así como lo referente a seguridad y salud, todos estos aspectos serán comentados en el capítulo 5.