Basura en México
Caso de estudio de la 2da unidad de la materia de probabilidad y estadística en el cual se aborda la temática del problema de la basura en México
Antecedentes
¿Qué es la basura?
El término basura se refiere a cualquier residuo inservible, a todo material no deseado y del que se tiene intención de desechar.
¿La basura es un problema?
Además de la contaminación del aire, la tierra y el agua; la mala gestión de los residuos tiene efectos perjudiciales para la salud pública (por la contaminación ambiental y por la posible transmisión de enfermedades infecciosas vehiculizadas por los roedores que los habitan) y degradación del medio ambiente en general, además de impactos paisajísticos.
Asimismo, la degradación ambiental conlleva costos sociales y económicos tales como la devaluación de propiedades, pérdida de la calidad ambiental y sus efectos en el turismo.
¿Cómo es la problemática de la basura en México?
https://www.animalpolitico.com/2018/10/mexico-genera-basura-paises-america-latina/
El planeta genera más de 2.000 millones de toneladas de basura al año, pero expertos calculan que produciremos hasta 3.400 millones en el año 2050. ¿Cómo contribuye América Latina a estas preocupantes cifras?
!(Basura)[basuralat.JPG]
Asignación sería:
Utilizando los datos proporcionados conteste a las siguientes preguntas:
## Parsed with column specification:
## cols(
## anio = col_double(),
## basura = col_double(),
## rellenos = col_double()
## )1.- ¿Cómo ha aumentado la producción de basura en México?
Regresión lineal simple
##
## Call:
## lm(formula = basura ~ anio, data = basura)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1355.49 -751.81 -124.62 42.68 2623.36
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.344e+06 1.175e+05 -11.44 8.32e-09 ***
## anio 6.882e+02 5.868e+01 11.73 5.92e-09 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1185 on 15 degrees of freedom
## Multiple R-squared: 0.9017, Adjusted R-squared: 0.8951
## F-statistic: 137.5 on 1 and 15 DF, p-value: 5.915e-09Recta de minimos cuadrados
Ecuación de la recta
Con los datos que proporcionó el sumario, se puede obtener la ecuación de la recta \[ y = -1.344e+06 + 6.882e+02 x \]
Ajuste de la recta
Aquí se puede analizar como están distribuidos los datos con respecto a la recta, los cuales se ven un poco alejados
Con este resultado, se puede decir que la tendencia respecto a la relación de cantidad de basura y la fecha (años), va en aumento. Su relación es directamente proporcional, es decir, a mayor año, mayor cantidad de basura en México.
2.- ¿Los rellenos son suficientes para atender la demanda de generación de basura?
Son muy pocos los rellenos sanitarios en comparación a la producción de basura, debido a que la cantidad de basura ha llevado una velocidad mayor de aumento que los rellenos sanitarios.
3.- Si ya conocemos la manera en la que aumenta la basura con el paso de los años, ahora predecir cuánta basura tendríamos en el año 2025 al 2100 en intervalos de 5 años
Predicción
## [1] 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
## [16] 2010 2011## 1 2 3 4 5 6 7 8
## 28647.88 29336.06 30024.23 30712.41 31400.58 32088.75 32776.93 33465.10
## 9 10 11 12 13 14 15 16
## 34153.28 34841.45 35529.62 36217.80 36905.97 37594.15 38282.32 38970.50
## 17 18 19 20 21 22 23 24
## 39658.67 40346.84 41035.02 41723.19 42411.37 43099.54 43787.72 44475.89
## 25 26 27 28 29 30 31 32
## 45164.06 45852.24 46540.41 47228.59 47916.76 48604.94 49293.11 49981.28
## 33 34 35 36 37 38 39 40
## 50669.46 51357.63 52045.81 52733.98 53422.16 54110.33 54798.50 55486.68
## 41 42 43 44 45 46 47 48
## 56174.85 56863.03 57551.20 58239.37 58927.55 59615.72 60303.90 60992.07
## 49 50 51 52 53 54 55 56
## 61680.25 62368.42 63056.59 63744.77 64432.94 65121.12 65809.29 66497.47
## 57 58 59 60 61 62 63 64
## 67185.64 67873.81 68561.99 69250.16 69938.34 70626.51 71314.69 72002.86
## 65 66 67 68 69 70 71 72
## 72691.03 73379.21 74067.38 74755.56 75443.73 76131.91 76820.08 77508.25
## 73 74 75 76 77 78 79 80
## 78196.43 78884.60 79572.78 80260.95 80949.12 81637.30 82325.47 83013.65
## 81 82 83 84 85 86 87 88
## 83701.82 84390.00 85078.17 85766.34 86454.52 87142.69 87830.87 88519.04
## 89 90 91 92 93 94 95 96
## 89207.22 89895.39 90583.56 91271.74 91959.91 92648.09 93336.26 94024.44
## 97 98 99 100 101 102 103 104
## 94712.61 95400.78 96088.96 96777.13 97465.31 98153.48 98841.66 99529.83
## 105 106
## 100218.00 100906.18Intervalos de confianza
## 2.5 % 97.5 %
## (Intercept) -1594791.3696 -1093728.0837
## anio 563.0964 813.2521nuevo.anio <- data.frame(anio=seq(1995,2100))
#Recta ajustada al gráfico de dispersión
plot(basura$anio, basura$basura, xlab = "Año", ylab="Cantidad de basura")
abline(regresion)
#Intervalos de confianza para la respuesta media
# ic es una matriz con tres columnas: la primera es la prediccion, las otras dos son los extremos del intervalo
ic <- predict(regresion, nuevo.anio, interval = 'confidence')
lines(nuevo.anio$anio, ic[, 2], lty = 2)
lines(nuevo.anio$anio, ic[, 3], lty = 2)
# Intervalos de predicción
ic <- predict(regresion, nuevo.anio, interval = 'prediction')
lines(nuevo.anio$anio, ic[, 2], lty = 2, col = "red")
lines(nuevo.anio$anio, ic[, 3], lty = 2, col = "red")
De esta forma se predicen los datos con un mayor rango de cantidad de basura, las líneas de intervalos de confianza siguen casi la misma pendiente de la recta original, eso quiere decir, que para los proximos años se espera de forma predictiva, que la basura aumente de la misma forma a como está aumentando actualmente, teniendo un valor de cantidad de basura de 100,906.18. Sin embargo, esto puede cambiar para algo peor o algo mejor.
4.- Ahora, ¿Cuantos rellenos necesitaríamos para poder manejar toda esta basura?
si nuestro rango inicial de la cantidad de basura, era de aproximadamente 30,000 a 40,000. Entonces, se ocuparían alrededor del triple de rellenos sanitarios que se tienen actualmente para manejar una cantidad de 100,906.18
5.- ¿Qué alternativa objetiva propone para atacar este problema?
Considero que además del reciclaje, sería importante avanzar en la biorremediación ya que la biorremediación permite entonces reducir o remover los residuos potencialmente peligrosos presentes en el ambiente. Haciendo referencia a microorganismos que pueden consumir plástico o demás material presente para poder eliminar la basura que se encuentra en vertederos y que ha contaminado distintos tipos de suelos y agua principalmente.