#------------------ UNIVERSIDAD CENTRAL DEL ECUADOR
##-----Faculta de Ingeniería en Geología, Minas, Petróleo y Ambiental
###-----------------Carrera de Ingeniería Ambiental
# Proyecto: Estudio de Residuos y Reciclaje en la India
# Etapa: Estadistica Descriptiva
# Integrantes: Jazmin Guañuna, Nayely Perugachi, Helen Taipe, Gabriela Usiña
# Fecha: 26/5/2025
# Carga de datos
datos<-read.csv("Waste_Management_and_Recycling_India.csv",
header = T, sep = ";",dec = "." )
str(datos)
## 'data.frame': 850 obs. of 13 variables:
## $ City.District : chr "Mumbai" "Mumbai" "Mumbai" "Mumbai" ...
## $ Waste.Type : chr "Plastic" "Organic" "E-Waste" "Construction" ...
## $ Waste.Generated..Tons.Day. : int 6610 1181 8162 8929 5032 7456 7118 9189 8609 6632 ...
## $ Recycling.Rate.... : int 68 56 53 56 44 73 37 57 48 71 ...
## $ Population.Density..People.km.. : int 11191 11191 11191 11191 11191 11191 11191 11191 11191 11191 ...
## $ Municipal.Efficiency.Score..1.10.: int 9 5 8 5 7 9 6 10 8 6 ...
## $ Disposal.Method : chr "Composting" "Composting" "Incineration" "Landfill" ...
## $ Cost.of.Waste.Management....Ton. : int 3056 2778 3390 1498 2221 3195 3686 1791 1681 2311 ...
## $ Awareness.Campaigns.Count : int 14 12 13 14 16 6 14 12 20 12 ...
## $ Landfill.Name : chr "Mumbai Landfill" "Mumbai Landfill" "Mumbai Landfill" "Mumbai Landfill" ...
## $ Landfill.Location..Lat..Long. : chr "22.4265, 77.4931" "22.4265, 77.4931" "22.4265, 77.4931" "22.4265, 77.4931" ...
## $ Landfill.Capacity..Tons. : int 45575 45575 45575 45575 45575 45575 45575 45575 45575 45575 ...
## $ Year : int 2019 2019 2019 2019 2019 2020 2020 2020 2020 2020 ...
# Extraer Variable Cuantitativa Continua
tasa_reciclaje<-na.omit(datos$Recycling.Rate....)
# Procedimiento Sturges
min<-min(tasa_reciclaje)
max<-max(tasa_reciclaje)
R<- max-min
k<- 1+(3.3*log10(length(tasa_reciclaje)))
k<- floor(k)
A<-R/k
li<-seq(from=min, to=max-A, by=A)
ls<-seq(from=min+A, to=max, by=A)
MC<-(li+ls)/2
ni <- c()
for (i in 1:k) {
if(i==k)
ni[i] <- length(subset(tasa_reciclaje,tasa_reciclaje>=li[i] & tasa_reciclaje<=ls[i]))
else
ni[i] <- length(subset(tasa_reciclaje,tasa_reciclaje>=li[i] & tasa_reciclaje<ls[i]))
}
n<-sum(ni)
hi<-(ni/n)*100
Ni_asc<-cumsum(ni)
Ni_dsc<-rev(cumsum(rev(ni)))
Hi_asc<-cumsum(hi)
Hi_dsc<-rev(cumsum(rev(hi)))
TDF.tasa_reciclaje<-data.frame(li,ls,MC,ni,round(hi,2),
Ni_asc,round(Hi_asc,2),
Ni_dsc,round(Hi_dsc,2))
colnames(TDF.tasa_reciclaje)<-c("Li","Ls",
"Mc","ni","hi (%)",
"Ni","Hi (%)",
"Nidsc","Hidsc (%)")
# Crear Fila de Totales
totales <- c(
li= "-",
ls= "-",
MC= "-",
ni= sum(ni),
hi= sum(hi),
Ni_asc= "-",
Ni_dsc= "-",
Hi_asc= "-",
Hi_dsc= "-")
TDF_totales<- rbind(TDF.tasa_reciclaje,totales)
# Histograma Sturges
Histograma<- hist(tasa_reciclaje,
breaks=seq(min(tasa_reciclaje),max(tasa_reciclaje),A),
main = "Gráfica No. 1:
Distribución de Cantidad de la Tasa de Reciclaje
en el Estudio de Residuos de la India",
ylab = "Cantidad",
xlab = "Tasa de Reciclaje (%)",
col = "green4")
## Procedimiento con R
Histogramatasa_reciclaje <- hist(tasa_reciclaje,
main = "Gráfica No. 2:
Distribución de Cantidad de la Tasa de Reciclaje
en el Estudio de Residuos de la India",
xlab = "Tasa de Reciclaje (%)", ylab = "Cantidad", col = "red4")
# Limites
limites <- Histogramatasa_reciclaje$breaks
liminf <- limites[1:11]
limsup <- limites[2:12]
MC <- Histogramatasa_reciclaje$mids
ni <- Histogramatasa_reciclaje$counts
# Total de datos
n <- sum(ni)
# Frecuencia relativa (%)
hi <- (ni / n) * 100
Niasc <- cumsum(ni)
Nidsc <- rev(cumsum(rev(ni)))
Hiasc <- cumsum(hi)
Hidsc <- rev(cumsum(rev(hi)))
# Crear tabla
Tabla_tasa_reciclaje <- data.frame(liminf,limsup, MC,
ni, round(hi,2),
Niasc, round(Nidsc,2),
Hiasc, round(Hidsc,2))
# Crear Fila de Totales
totales <- c(
liminf= "-",
limsup= "-",
MC= "-",
ni= sum(ni),
hi= sum(hi),
Niasc= "-",
Nidsc= "-",
Hiasc= "-",
Hidsc= "-")
TDF.totales<- rbind(Tabla_tasa_reciclaje,totales)
TDF.totales
## liminf limsup MC ni round.hi..2. Niasc round.Nidsc..2. Hiasc
## 1 30 35 32.5 89 10.47 89 850 10.4705882352941
## 2 35 40 37.5 87 10.24 176 761 20.7058823529412
## 3 40 45 42.5 70 8.24 246 674 28.9411764705882
## 4 45 50 47.5 72 8.47 318 604 37.4117647058824
## 5 50 55 52.5 95 11.18 413 532 48.5882352941177
## 6 55 60 57.5 69 8.12 482 437 56.7058823529412
## 7 60 65 62.5 70 8.24 552 368 64.9411764705882
## 8 65 70 67.5 78 9.18 630 298 74.1176470588235
## 9 70 75 72.5 72 8.47 702 220 82.5882352941177
## 10 75 80 77.5 79 9.29 781 148 91.8823529411765
## 11 80 85 82.5 69 8.12 850 69 100
## 12 - - - 850 100 - - -
## round.Hidsc..2.
## 1 100
## 2 89.53
## 3 79.29
## 4 71.06
## 5 62.59
## 6 51.41
## 7 43.29
## 8 35.06
## 9 25.88
## 10 17.41
## 11 8.12
## 12 -
# Histograma R ni Local
Histograma<- hist(tasa_reciclaje,
breaks=limites,
main = "Gráfica No. 3:
Distribución de Cantidad de la Tasa de Reciclaje
en el Estudio de Residuos de la India",
ylab = "Cantidad",
xlab = "Tasa de Reciclaje (%)",
col = "skyblue3")
# Histograma R ni Global
Histograma<- hist(tasa_reciclaje,
breaks=limites,
main = "Gráfica No. 4 :
Distribución de Cantidad de la Tasa de Reciclaje
en el Estudio de Residuos de la India",
ylab = "Cantidad",
xlab = "Tasa de Reciclaje (%)",
col = "red3", ylim = c(0,length(tasa_reciclaje)))
# Histograma R hi Local
barplot(hi,space = 0, ylab = "Porcentaje (%)", xlab = "Tasa de Reciclaje (%)",
names.arg = Tabla_tasa_reciclaje$MC,
main = "Gráfica No. 5:
Distribución de Porcentaje de la Tasa de Reciclaje
en el Estudio de Residuos de la India",
col = "skyblue3")
# Histograma R hi Global
barplot(hi,space = 0, ylab = "Porcentaje (%)",xlab = "Tasa de Reciclaje (%)",
names.arg = Tabla_tasa_reciclaje$MC,
main = "Gráfica No. 6:
Distribución de Porcentaje de la Tasa de Reciclaje
en el Estudio de Residuos de la India",
ylim=c(0,100),
col = "red3")
# DIAGRAMA DE CAJA
boxplot(tasa_reciclaje, horizontal=T, col="salmon",
main="Gráfica No. 7:
Diagrama de Caja de la Cantidad de Tasa de Reciclaje
en el Estudio de Residuos de la India",
xlab= "Tasa de Reciclaje (%)")
# OJIVAS Ni
plot(limsup,Niasc,col="blue",
main="Gráfica No.8:
Ojiva Ascendente y Descendente de la Cantidad de Tasa de Reciclaje
en el Estudio de Residuos de la India",
ylab = "Cantidad", xlab="Tasa de Reciclaje (%)", type="o", pch=16, xlim = c(30,85))
lines(liminf,Nidsc,col="red",type="o", pch=16)
# OJIVAS Hi
plot(limsup,Hiasc,col="blue",
main="Gráfica No. 9:
Ojiva Ascendente y Descendente del Porcentaje de Tasa de Reciclaje
en el Estudio de Residuos de la India",
ylab = "Porcentaje (%)", xlab="Tasa de Reciclaje (%)", type="o", pch=16,
ylim = c(0,100),xlim = c(30,85))
lines(liminf,Hidsc,col="red",type="o", pch=16)
# Indicadores Estadísticos
#Tendencia Central
# Media Aritmética
X<-mean(tasa_reciclaje)
X
## [1] 57.07647
# Mediana
Me_tasa_reciclaje<-median(tasa_reciclaje)
Me_tasa_reciclaje
## [1] 56
# Dispersión
# Varianza
var(tasa_reciclaje)
## [1] 260.1767
# Desviación Estandar
sd<-sd(tasa_reciclaje)
sd
## [1] 16.12999
CV<-(sd/X)*100
CV
## [1] 28.26032
# Formas
# Asimetria
library(e1071)
As_tasa_reciclaje<- skewness(tasa_reciclaje)
As_tasa_reciclaje
## [1] 0.02623265
# Curtosis
K<-kurtosis(tasa_reciclaje)
K
## [1] -1.203364