<!-- canonical: https://jmrplens.github.io/phonometry/es/environment/assessment/soundscape/ -->
Source: https://jmrplens.github.io/phonometry/es/environment/assessment/soundscape/

Un nivel sonoro dice cuánto sonido llega a un lugar. No dice si la gente que
está allí lo encuentra agradable, animado, tranquilizador o molesto, y dos
plazas con el mismo $L_\mathrm{Aeq}$ pueden oírse como lugares opuestos. El
**paisaje sonoro** es el entorno acústico tal como lo percibe una persona, en
su contexto (ISO 12913-1), y su estudio «relies primarily upon human
perception and only then turns to physical measurement» (ISO/TS 12913-2): se
apoya primero en la percepción humana y solo después en la medición física.

Eso hace de esta la primera página de la biblioteca cuya entrada no es una
señal sino un **cuestionario**: las casillas que la gente marcó en un paseo
sonoro. ISO/TS 12913-2 imprime los cuestionarios y dice qué tiene que contar
un estudio; ISO/TS 12913-3 convierte las marcas en números, sitúa cada lugar en
un modelo de dos dimensiones de lo agradable y lo eventual que suena,
correlaciona las respuestas con las mediciones acústicas y dice cómo se
analiza una grabación binaural hecha en el mismo sitio.

Esta página implementa la **edición de 2019 de ISO/TS 12913-3**. ISO ha
publicado una edición de 2025 que revisa el Anexo A, donde están las fórmulas
de agradabilidad y actividad; no se ha leído para esta implementación, así
que un estudio que cite la edición de 2025 debe cotejar esas fórmulas con ella.

*Once lugares de Londres de la International Soundscape Database sobre el
modelo de la Figura A.1 (izquierda) y la correlación por rangos de su
agradabilidad con su nivel (derecha), ambos dibujados por el propio `.plot()`
de los resultados, con los dos ejes de rango rotulados con lo que se ordenó.*

## 1. El cuestionario y sus valores de escala

El Método A de ISO/TS 12913-2 (apartado C.3.1) es un cuestionario de cuatro
partes, todas de cinco casillas: qué fuentes se oyen y cuánto (Figura C.2, o la
Figura C.3 de tres fuentes), cómo se percibe el lugar en ocho atributos
(Figura C.4), lo bueno que es el entorno sonoro en conjunto (Figura C.5) y lo
adecuado que es al lugar (Figura C.6). La biblioteca lo publica entero, cada
pregunta, elemento y categoría de respuesta tal como se imprime, con los
valores de escala que asigna la Tabla A.1 de ISO/TS 12913-3:

```python
from phonometry import environment

part2 = environment.METHOD_A_SCALES[2]
print(part2.figure, part2.categories[0], part2.scale_values)  # C.4 Strongly agree (5, 4, 3, 2, 1)
print(environment.method_a_scale_values([1, 2, 5], part=2))  # [5. 4. 1.]
print(environment.method_a_scale_values([1, 2, 5], part=4))  # [1. 2. 5.]
```

Lo que hay que acertar es la orientación. Las partes 1 y 4 van de 1 a 5 desde
la casilla de la izquierda, así que «not at all» vale 1; las partes 2 y 3 van
de **5 a 1**, así que «strongly agree» y «very good» valen 5.
`method_a_scale_values` convierte la posición de la casilla marcada, contada
desde la izquierda, en el valor de su parte; todo lo que viene después toma
valores de escala, nunca posiciones de casilla.

Las tablas guardan el texto tal como se imprime, incluidos dos deslices de la
página: las preguntas de las Figuras C.2 a C.4 dicen «to what extend» y sus
instrucciones «reponse alternative». Un estudio que imprima su cuestionario a
partir de ellas debe corregir ambos; el
[registro de erratas](/phonometry/es/reference/errata/) tiene la entrada. Los
ocho atributos se dejan con las palabras inglesas del cuestionario, porque son
esas las que el participante lee; las figuras los rotulan en castellano de
forma descriptiva, no como una traducción validada del cuestionario.

## 2. Mediana y recorrido por lugar

Todas las escalas del Método A son ordinales, así que A.2 de ISO/TS 12913-3
da la **mediana** de cada elemento por lugar como medida de tendencia central y
el **recorrido** como medida de dispersión. Una respuesta en blanco queda fuera
de las dos:

```python
answers = {"pleasant": [5, 4, 4, 2, 5], "annoying": [1, 2, 1, 4, 1]}
summary = environment.method_a_summary(
    answers, part=2, sites=["park", "park", "park", "road", "road"]
)
print(summary.sites)              # ('park', 'road')
print(summary.medians.tolist())   # [[4.0, 1.0], [3.5, 2.5]]
print(summary.ranges.tolist())    # [[1.0, 1.0], [3.0, 3.0]]
```

Un array 2-D `(respuestas, elementos)` se lee en el orden de la figura de la
parte, y `summary.plot()` dibuja la mediana de cada elemento con su recorrido
como una barra, un lugar junto a otro.

## 3. Agradabilidad y actividad

Los ocho atributos de la parte 2 no son ocho juicios independientes. Cuando la
gente describe cómo se siente un entorno, sus respuestas caen sobre dos
dimensiones: lo **agradable** que es, y lo **eventual**, cuánta actividad
humana o de otro tipo hay en él. Girar esos dos ejes 45 grados da los otros dos
pares de atributos: vibrante es agradable y con actividad, caótico es con
actividad y molesto, monótono es molesto y sin actividad, tranquilo es sin
actividad y agradable. Las Fórmulas (A.1) y (A.2) proyectan las ocho
respuestas sobre los dos ejes principales, con $\cos 45^\circ$ como peso de los
diagonales:

$$
P = (p - a) + \cos 45^\circ\,(ca - ch) + \cos 45^\circ\,(v - m)
$$

$$
E = (e - u) + \cos 45^\circ\,(ch - ca) + \cos 45^\circ\,(v - m)
$$

con $p$ pleasant, $a$ annoying, $ca$ calm, $ch$ chaotic, $v$ vibrant, $m$
monotonous, $e$ eventful y $u$ uneventful, cada uno un valor de escala de 1 a
5. Todos los términos son diferencias, así que quien da a todos los atributos
la misma respuesta queda en el origen, y los extremos son
$\pm(4 + \sqrt{32}) = \pm 9{,}66$: 4 del eje principal y $8\cos 45^\circ$ de
los dos diagonales. Dividir por $4 + \sqrt{32}$ lleva las coordenadas a
$\pm 1$.

Los once lugares de Londres de la International Soundscape Database se
encuestaron casi por completo con el cuestionario inglés del Método A; diez
respuestas, en cuatro de los lugares, se dieron con la versión española de la
encuesta de la base de datos y también se cuentan. Estas son las medianas por
lugar de sus respuestas y la mediana del $L_\mathrm{Aeq}$ de sus grabaciones:

```python
sites = ["Camden Town", "Euston Tap", "Marchmont Garden", "Pancras Lock",
         "Regent's Park Fields", "Regent's Park Japan", "Russell Square",
         "St Paul's Cross", "St Paul's Row", "Tate Modern", "Torrington Square"]
# Medianas por lugar de los ocho atributos, en el orden de la Figura C.4:
# pleasant, chaotic, vibrant, uneventful, calm, annoying, eventful, monotonous.
medians = [
    [3, 4, 4, 2, 2, 3, 4, 3], [2, 4, 3, 3, 2, 3, 3, 3], [4, 2, 3, 3, 4, 2, 3, 2],
    [4, 3, 3, 2, 4, 2, 3, 2], [5, 2, 3, 3, 4, 1, 3, 2], [5, 1, 4, 3, 5, 1, 3, 2],
    [4, 2, 4, 2, 4, 1, 3, 2], [4, 2.5, 4, 2, 4, 2, 3, 2], [4, 3, 4, 2, 3, 2, 3, 3],
    [4, 3, 4, 2, 4, 2, 4, 2], [3, 4, 4, 3, 2, 3, 3, 2],
]
laeq_db = [69.96, 69.45, 55.14, 59.02, 53.12, 59.74, 66.12, 61.83, 63.34, 63.00, 63.51]

pe = environment.pleasantness_eventfulness(medians, sites=sites)
print(round(pe.normalized_pleasantness[5], 2), round(pe.normalized_eventfulness[5], 2))  # 0.85 -0.15
print(round(pe.normalized_pleasantness[0], 2), round(pe.normalized_eventfulness[0], 2))  # -0.07 0.43
print(round(environment.PLEASANTNESS_EVENTFULNESS_RANGE, 2))  # 9.66
```

El jardín japonés de Regent's Park (índice 5) sale el más agradable y algo sin
actividad, en el cuadrante tranquilo; Camden Town (índice 0) es el de más
actividad y queda un poco del lado molesto. `pe.plot()` dibuja el modelo de la
Figura A.1 con todos los lugares, el panel izquierdo de la figura de arriba.

Con las respuestas de cada encuestado en lugar de las medianas,
`pleasantness_eventfulness` devuelve las dos cosas: las coordenadas propias de
cada encuestado (`respondent_pleasantness`, `respondent_eventfulness`) y las
del lugar. El punto del lugar son las fórmulas aplicadas a la **mediana del
lugar** de cada atributo, porque A.2 hace de la mediana la tendencia central de
la escala; `central_tendency="mean"` usa la media. Cuando todos los
encuestados han contestado los ocho atributos, ese punto de medias es también
la media de las coordenadas de los encuestados, al ser lineales las fórmulas;
una respuesta en blanco rompe la igualdad, porque cada media de atributo se
toma entonces sobre los encuestados que contestaron ese atributo.
`pe.plot(respondents=True)` añade cada encuestado como un punto tenue del
color de su lugar.

El apartado A.3 presenta las fórmulas como un tratamiento de «the results from
part 3». Los atributos que leen son la parte 2, como dicen la Tabla A.1, el
resto del Anexo A y la Figura C.4 de ISO/TS 12913-2; la parte 3 es la
valoración global única de la Figura C.5. La biblioteca las aplica a la parte
2, y el [registro de erratas](/phonometry/es/reference/errata/) tiene la
entrada.

## 4. Enlazar las valoraciones con los datos acústicos

Después un estudio pregunta si lo que dice la gente va con lo que se midió.
Para datos ordinales A.4 prescribe la **correlación por rangos de Spearman**:
sin empates, la Fórmula (A.3),

$$
r_\mathrm{spearman} = 1 - \frac{6\sum_{i=1}^{n} d_i^2}{n(n^2 - 1)},
$$

con $d_i$ la diferencia de los rangos del par $i$, y con empates en cualquiera
de las dos variables, la Fórmula (A.4), que corrige las varianzas de los rangos
con las sumas de empates $T = \sum_j (t_j^3 - t_j)/12$ y $U$ de las dos
variables y es el coeficiente de Pearson de los rangos medios. Las medianas de
arriba tienen empates, así que:

```python
rho = environment.spearman_rank_correlation(pe.pleasantness, laeq_db)
print(rho.formula, round(rho.coefficient, 3), round(rho.p_value, 3))  # (A.4) -0.638 0.035

r = environment.pearson_correlation(pe.pleasantness, laeq_db)
print(r.formula, round(r.coefficient, 3), round(r.p_value, 3))  # (B.1) -0.66 0.027
```

En estos once lugares los sitios más ruidosos son los menos agradables, y de
forma significativa. Sobre las 26 localizaciones de la base de datos la
correlación por rangos es de unos $-0{,}51$ ($p < 0{,}01$). A.4 y B.3 piden la
probabilidad sin nombrar ninguna prueba; las dos funciones usan el estadístico
de Student $r\sqrt{(n-2)/(1-r^2)}$ con $n - 2$ grados de libertad, exacto para
el coeficiente de Pearson de datos normales bivariantes y la aproximación
habitual para el de Spearman. `alternative="greater"` o `"less"` da el valor
unilateral.

Conviene saber tres detalles de la página. La Fórmula (A.3) se imprime como
$1 - 1\,\tfrac{6\sum d_i^2}{n(n^2-1)}$, con un factor 1 suelto que la
biblioteca lee como el resto de composición que es. La lista de definiciones
bajo la Fórmula (A.4) define $t_j$ como «the number of in $t_j$ tied ranks» y
$k(x)$ como «the numbers of tied ranks»; la biblioteca las lee como el tamaño
de cada grupo de valores empatados y el número de esos grupos, la corrección
por empates habitual. Y la Fórmula (B.2), la covarianza de Pearson para datos
de intervalo, divide por $n$; las desviaciones típicas de (B.1) se toman
entonces también con $n$, que es lo que hace de $r$ el coeficiente habitual.
Las dos primeras, y una mayúscula suelta en la lista de definiciones de (B.2),
están en el [registro de erratas](/phonometry/es/reference/errata/). `rho.plot()` dibuja los pares ordenados
por rango, el panel derecho de la figura de arriba.

## 5. Método B: escalas continuas y la ordenación de fuentes

El Método B (ISO/TS 12913-2 C.3.2) es la recogida de datos del paseo sonoro:
en cada parada los participantes marcan escalas continuas, apuntan las fuentes
que han notado de la más perceptible a la menos y escriben lo que les ha
pasado por la cabeza. Una marca puede caer en cualquier punto de la escala; su
valor va de 1 en la marca de la izquierda a 5 en la de la derecha y se toma con
un decimal (ISO/TS 12913-3 B.2). El nivel de medida es de intervalo, así que
B.2 da la **media**, la **desviación típica** y el **intervalo de confianza del
95 %** por lugar:

```python
print(environment.method_b_scale_values([0.0, 0.37, 1.0]))  # [1.  2.5 5. ]

ratings = {"How loud is it here?": [3.9, 4.2, 3.1, 4.4, 3.6, 4.0]}
b = environment.method_b_summary(ratings)
print(round(b.means[0, 0], 2), round(b.standard_deviations[0, 0], 2))       # 3.87 0.46
print(round(b.confidence_lower[0, 0], 2), round(b.confidence_upper[0, 0], 2))  # 3.38 4.35

ranking = environment.method_b_source_ranking(
    [["traffic", "voices", "birds"], ["traffic", "birds"], ["voices", "traffic"], ["traffic"]]
)
print(ranking.sources, ranking.median_ranks[0].tolist())  # ('traffic', 'voices', 'birds') [1.0, 1.5, 2.5]
```

El intervalo es el de Student alrededor de la media con la desviación típica
muestral; la mediana se da a su lado, como los «statistics for an ordinal
scale level» que B.2 admite. La ordenación de fuentes también es ordinal: el
rango mediano de cada fuente y su recorrido, sobre los participantes que la
apuntaron.

El texto de C.3.2.3 describe tres escalas rotuladas de «not at all» a
«extremely»; la Figura C.7 imprime cuatro, la cuarta («How often would you like
to visit this place again?») rotulada de «never» a «very often».
`METHOD_B_SCALES` guarda las cuatro tal como se imprimen y `method_b_summary`
acepta una tabla con tres o con cuatro; la contradicción está en el
[registro de erratas](/phonometry/es/reference/errata/).

## 6. El análisis binaural

Un estudio de paisaje sonoro graba el lugar con una cabeza artificial a
1,6 m, durante al menos 3 min, con una frecuencia de muestreo de 44,1 kHz o más
(ISO/TS 12913-2, Anexo D), y ecualiza la grabación para aproximarla a una
medición monoaural antes de analizarla. Cada métrica de la Tabla D.1 de
ISO/TS 12913-3 se determina entonces **en cada oído**, y la mayor de las dos
es el valor representativo único que indica «the overall experience»; su media
puede darse además (D.2). `binaural_indicators` hace eso con una grabación
calibrada de dos canales, el oído izquierdo primero, con la implementación
propia de la biblioteca de cada métrica. Una calle sintética, ocho segundos
con un vehículo que pasa de izquierda a derecha:

```python

fs = 48_000
rng = np.random.default_rng(12913)
t = np.arange(8 * fs) / fs
background = 0.02 * rng.standard_normal(t.size)
swell = np.exp(-0.5 * ((t - 4.0) / 0.9) ** 2)
vehicle = 0.08 * rng.standard_normal(t.size)
left = background + swell * vehicle
right = 0.9 * background + 10 ** (-3 / 20) * np.roll(swell, int(0.3 * fs)) * vehicle

with warnings.catch_warnings():
    # Ocho segundos quedan por debajo de los 3 min de ISO/TS 12913-2 D.3, que
    # el análisis diría si no con un SoundscapeWarning.
    warnings.simplefilter("ignore", environment.SoundscapeWarning)
    bi = environment.binaural_indicators(
        np.vstack([left, right]), fs, parameters=("sound_pressure_level", "loudness", "sharpness")
    )
laeq = bi.metrics["LAeq,T"]
print(round(laeq.left, 1), round(laeq.right, 1), round(laeq.representative, 1))  # 63.5 61.1 63.5
print(round(bi.representative("N5"), 1), round(bi.representative("N5/N95"), 2))  # 22.2 2.27
print(sorted(bi.not_implemented))  # ['S5', 'S95', 'Saverage']
```

Cada fila de la tabla sale de una función que la biblioteca ya tiene, y cada
métrica dice cuál en su `method`:

| Fila de la Tabla D.1 | Métricas por oído | Calculadas con |
|:---|:---|:---|
| Nivel de presión acústica (ISO 1996-1) | $L_{\mathrm{Aeq},T}$, $L_{\mathrm{Ceq},T}$, $L_{\mathrm{AF5},T}$, $L_{\mathrm{AF95},T}$ | `signals.laeq`, `signals.leq` de la señal ponderada C, `signals.ln_levels` con ponderación temporal F |
| Sonoridad (ISO 532-1) | $N_5$, $N_\mathrm{average}$, $N_\mathrm{rmc}$, $N_{95}$, $N_5/N_{95}$ | `psychoacoustics.loudness_zwicker`, variable en el tiempo |
| Agudeza (DIN 45692) | $S_5$, $S_\mathrm{average}$, $S_{95}$ | sin calcular, ver más abajo |
| Tonalidad psicoacústica (ECMA 74) | $T$ | `psychoacoustics.tonality_ecma` (ECMA-418-2:2025) |
| Aspereza | $R_{10}$, $R_{50}$ | `psychoacoustics.roughness_ecma` (ECMA-418-2:2025) |
| Intensidad de fluctuación | $F_{10}$, $F_{50}$ | `psychoacoustics.fluctuation_strength_ecma` (ECMA-418-2:2025) |

$N_\mathrm{rmc}$ es la raíz cúbica de la media de los cubos de la sonoridad en
el tiempo, tal como la imprime la fórmula de la NOTA bajo A.3 f) de
ISO/TS 12913-2; el texto de esa NOTA llama al segundo paso «the exponent 3»
donde la fórmula aplica $1/3$, y el
[registro de erratas](/phonometry/es/reference/errata/) tiene la entrada.
$N_5/N_{95}$ es la razón de
variabilidad que sugiere D.2. La Tabla D.1 cita ECMA-74 para la tonalidad; la
edición vigente de ECMA-74 remite su método de tonalidad psicoacústica al
apartado 6 de ECMA-418-2, que es lo que implementa `tonality_ecma`. Para la
aspereza y la intensidad de fluctuación la tabla cita un libro de texto, e
ISO/TS 12913-2 advertía en su Anexo B en 2018 que no había método
normalizado; la biblioteca usa para las dos el modelo auditivo de
ECMA-418-2:2025, y $R_{10}$ es el valor que ese modelo da como su aspereza (el
superado el 10 % del tiempo).

La **fila de la agudeza se deja vacía, a propósito**. $S_5$,
$S_\mathrm{average}$ y $S_{95}$ son percentiles de una agudeza que varía con
el tiempo. La agudeza DIN 45692 de la biblioteca se calcula a partir de la
sonoridad específica estacionaria, y su sonoridad variable en el tiempo no
publica la sonoridad específica a lo largo del tiempo que necesita una agudeza
variable, así que `not_implemented` explica por qué en lugar de poner un
número estacionario bajo el nombre de un percentil.

Las métricas del modelo auditivo son caras: con una grabación de 3 min la
tonalidad, la aspereza y la intensidad de fluctuación tardan minutos cada una,
la tonalidad la que más. `parameters` elige las filas que se calculan. Una
grabación de menos de 3 min o muestreada por debajo de 44,1 kHz produce un
`SoundscapeWarning`; la ecualización, la posición y la calibración son cosa de
quien llama.

*Dos filas de la Tabla D.1 en los dos oídos de la calle sintética, de
`bi.plot(parameter="sound_pressure_level")` y `bi.plot(parameter="loudness")`.
El oído izquierdo oye el vehículo antes y más fuerte, así que es el oído
representativo en todas las métricas.*

## 7. Lo que tiene que decir el informe

El Anexo A (normativo) de ISO/TS 12913-2 enumera el mínimo que da un estudio
de paisaje sonoro: quiénes fueron los participantes y cómo se eligieron (A.2),
el entorno acústico con los resultados de sus mediciones (A.3) y cómo se
recogieron los datos de percepción (A.4), con una copia del cuestionario.
`SoundscapeReport` reúne los tres registros y se niega a construirse si falta
un elemento obligatorio, nombrando su apartado; los siete resultados de A.3 f)
salen directamente del análisis binaural:

```python
report = environment.SoundscapeReport(
    participants=environment.SoundscapeParticipants(
        selection="visitors approached at the entrance, one in three",
        residents_or_visitors="visitors",
        lay_or_expert="lay people",
        age_and_gender_distribution="18 to 74 years, 52 % women",
        other_relevant_information="self-reported normal hearing",
    ),
    acoustic_environment=environment.SoundscapeAcousticEnvironment(
        environment_type="real",
        sound_sources="road traffic in the background, a passing car in the foreground",
        weather_and_wind="dry, wind under 2 m/s",
        time_of_year_and_day="June, 14:00 to 16:00",
        measurement_points="kerbside, artificial head at 1,6 m facing the road",
        measurement_results=bi.reporting_results(),
        site_description="urban street, residential",
    ),
    data_collection=environment.SoundscapeDataCollection(
        methods="Method A questionnaire, parts 1 to 4",
        questions="Figures C.2 to C.6 of ISO/TS 12913-2, answers on paper",
        language="English, as printed in Annex C",
        instrument_copy="Appendix B",
        rating_scale_construction="five-category scales of Figures C.2 to C.6",
    ),
)
print(round(report.acoustic_environment.measurement_results["N5"], 1))  # 22.2
```

Cada elemento es texto libre, porque el anexo dice qué se declara y no cómo.
La descripción del lugar es obligatoria en un estudio de campo o con
grabaciones, y la grabación y reproducción en un entorno grabado o virtual; un
registro que existe cumple el mínimo hasta donde un registro puede saberlo, y
si lo que dice es cierto y suficiente queda en manos de quien lo firma.

<details>
<summary>Ver el código de estas figuras</summary>

```python

fig, (ax_model, ax_rank) = plt.subplots(1, 2, figsize=(14.0, 6.6))
pe.plot(ax_model, language="es")    # la Figura A.1 con los once lugares
rho.plot(ax_rank, language="es")    # los pares ordenados de la Fórmula (A.4)
ax_rank.set_xlabel(r"Rango de la agradabilidad $P$ del lugar")
ax_rank.set_ylabel(r"Rango del $L_\mathrm{Aeq}$ del lugar")
plt.tight_layout()   # sitio para la leyenda de lugares bajo la Figura A.1

fig, (ax_levels, ax_loudness) = plt.subplots(1, 2, figsize=(14.0, 5.8))
bi.plot(ax_levels, parameter="sound_pressure_level", language="es")
bi.plot(ax_loudness, parameter="loudness", language="es")
plt.tight_layout()
plt.show()
```

</details>

## Qué cubre esta guía

**ISO/TS 12913-3:2019, el análisis cuantitativo:** los valores de escala de la
Tabla A.1 con la orientación de cada parte, la mediana y el recorrido por lugar
y elemento (A.2), la agradabilidad y la actividad de las Fórmulas (A.1) y
(A.2) por encuestado y por lugar, en bruto y normalizadas, con el modelo de la
Figura A.1 como gráfico; el coeficiente de Spearman con las Fórmulas (A.3) y
(A.4) y el de Pearson con (B.1) y (B.2), cada uno con su probabilidad; los
valores de escala, la media, la desviación típica, el intervalo de confianza y
la ordenación de fuentes del Método B del Anexo B; y el análisis binaural del
Anexo D, cada métrica de la Tabla D.1 que implementa la biblioteca en cada
oído, con el valor representativo de D.2 y la razón $N_5/N_{95}$.
**ISO/TS 12913-2:2018:** los cuestionarios del Anexo C como tablas publicadas,
las comprobaciones de la grabación del Anexo D (3 min, 44,1 kHz) y los
requisitos mínimos de informe del Anexo A como registro.

La edición de 2025 de ISO/TS 12913-3, que revisa el Anexo A, no está
implementada. La agudeza variable en el tiempo $S_5$, $S_\mathrm{average}$ y
$S_{95}$ de la Tabla D.1 no se calcula. No se modelan los análisis cualitativos
(la teoría fundamentada y el análisis de contenido del apartado 6 y del Anexo
C, los comentarios libres del Método B, la guía de entrevista del Método C), la
triangulación del Anexo E, los estudios de laboratorio del Anexo F, el
agrupamiento y los mapas psicoacústicos de D.2 y D.3, la varianza no explicada
de D.1 ni el coeficiente de variación de mediciones repetidas. La
ecualización de la grabación binaural y el protocolo de medición binaural de
ISO/TS 12913-2 D.7 son cosa de quien llama.

## Ver también

- [Niveles ambientales (ISO 1996-1/-2)](/phonometry/es/environment/assessment/environmental-levels/):
  el marco de evaluación en el que se definen los niveles de presión acústica
  de la Tabla D.1.
- [Niveles integrados y estadísticos](/phonometry/es/signals/levels/levels/):
  $L_\mathrm{Aeq}$, $L_\mathrm{Ceq}$ y los niveles percentiles que el análisis
  binaural lee en cada oído.
- [Sonoridad](/phonometry/es/perception/psychoacoustics/loudness/):
  la sonoridad variable en el tiempo de ISO 532-1 detrás de $N_5$, $N_{95}$ y
  $N_\mathrm{rmc}$.
- [Métricas de calidad sonora](/phonometry/es/perception/psychoacoustics/sound-quality/):
  la agudeza DIN 45692 y la tonalidad, la aspereza y la intensidad de
  fluctuación de ECMA-418-2 de la Tabla D.1.
- Referencia de la API: [`environment.assessment.soundscape`](/phonometry/es/reference/api/environment/soundscape/)
  y [`environment.assessment.soundscape_binaural`](/phonometry/es/reference/api/environment/soundscape-binaural/).