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
Desechos per cápita
¿A dónde va toda esa basura?
Estadísticas ambientales: https://enactusmexico.com.mx/mundosinresiduos/wp-content/uploads/2019/09/CTEIERSP_Sesio_n_abril_5__2018__RESIDUOS_SOLIDOS.pdf
Si queremos analizar este problema de manera científica y usando la probabilidad y estadística
¿Cuáles serían los pasos?
Plantear una pregunta: ¿Cómo es el problema de la basura en México?
Plantear hipótesis h0: El problema no solamente es grave, va en aumento.
Recabar datos: ¿qué datos necesitamos? https://datos.gob.mx/busca/dataset/indicadores-basicos-del-desempeno-ambiental--residuos-solidos
Asignación:
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?
Prácticamente de manera exponencial, debido al crecimiento de la población y PIB nacional, este último es debatible…
2.- ¿Los rellenos son suficientes para atender la demanda de generación de basura?
ggplot(data=basura) +
geom_line(aes(anio,basura, colour="Basura")) +
geom_line(aes(anio,rellenos, colour = "Rellenos")) +
xlab("Año") +
ylab("") +
labs(colour = "Simbología") 
Definitivamente no, la cantidad de basura que se produce supera con creces la capacidad de los rellenos, y estos prácticamente no han aumentando en número los últimos años.
gr <- ggplot(data=basura) +
geom_line(aes(anio,rellenos)) +
xlab("Año") +
ylab("Rellenos")
grid.arrange(gb,gr)
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
## anio basura rellenos
## anio 1.0000000 0.9495559 0.9435149
## basura 0.9495559 1.0000000 0.9393043
## rellenos 0.9435149 0.9393043 1.0000000##
## 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-09- Recta de mínimos cuadrados
\[ y= -1.344e+06 + 6.882e+02x \]
## [1] 29272.42 30509.61 30550.67 30733.26 30952.28 31488.48 31959.42 32173.61
## [9] 32915.70 34604.00 35405.00 36135.00 36865.00 37595.00 38325.00 40058.75
## [17] 41062.50## [1] 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
## [16] 2010 2011#Nuevo marco de datos, nuevos años
nuevos.anios <- data.frame(anio=seq(1995,2010, by=1))
predict <- predict(regresion, nuevos.anios)
#Intervalos de confianza
confint(regresion)## 2.5 % 97.5 %
## (Intercept) -1594791.3696 -1093728.0837
## anio 563.0964 813.2521#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 <- predict(regresion, nuevos.anios, interval='confidence')
lines(nuevos.anios$anio, ic[,2],lty=2)
lines(nuevos.anios$anio, ic[,3],lty=2)
#Intervalos de predicción
ic <- predict(regresion, nuevos.anios, interval='prediction')
lines(nuevos.anios$anio, ic[,2],lty=2, col="red")
lines(nuevos.anios$anio, ic[,3],lty=2, col="red")
# 2025 a 2100
nuevos.anios2 <- data.frame(anio=seq(2025,2100, by=5))
predict2 <- predict(regresion, nuevos.anios2)
predict2## 1 2 3 4 5 6 7 8
## 49293.11 52733.98 56174.85 59615.72 63056.59 66497.47 69938.34 73379.21
## 9 10 11 12 13 14 15 16
## 76820.08 80260.95 83701.82 87142.69 90583.56 94024.44 97465.31 100906.18
- En 2100 tendríamos 100906.18 toneladas de basura en comparación a 2025 donde tendríamos 49293.11 toneladas según la predicción de nuestro modelo. Esto quiere decir que las predicciones estiman que la cantidad de basura producida se duplicará en 2100 con respecto a 2025. Y se mantiene nuestra hipótesis de que la producción de basura va en constante aumento.
4.- Ahora, ¿Cuantos rellenos necesitaríamos para poder manejar toda esta basura?
De acuerdo a los datos, en 2011 existieron 196 rellenos para 41062.5 toneladas de basura, pero estos no satisfacen completamente la demanda de gestión de residuos. Por tanto, en 2100 cuando la basura se haya más de duplicado con respecto a 2011, será necesario aproximadamente un triple de los rellenos entonces existentes.
5.- ¿Qué alternativa objetiva propone para atacar este problema?
Optar por mejores alternativas de destino final de los residuos, como por ejemplo, el reciclaje, donde será posible reusar parte de estos desechos obteniendo incluso ganancias económicas con ellos. Incentivar a la población a llevar a cabo prácticas de gestión de residuos, aunado a la implementación de políticas públicas para ello. Crear campañas de concientización. Implementar modelos de economía circular.
Gráfico de economía circular
Conclusión
Con el pequeño análisis estadístico hecho podemos deducir que nuestra hipótesis es verdadera, pues podemos apreciar una problemática en la gestión de residuos en México (demasiada basura generada y con crecimiento exponencial, vs pocos rellenos sanitarios). Para una conclusión final es necesario analizar más factores, pero comprobamos la utilidad de la estadística para realizar este tipo de estudios y derivados.
- Los rellenos sanitarios no son la mejor opción para la gestión de residuos, pues no implican un tratamiento adecuado de estos, y la cantidad de desechos solamente se ve acumulada, haciendo necesario construir más rellenos que contaminan el espacio donde se instalan. Es necesario buscar alternativas más eficientes para controlar los desechos y con ello también el impacto ambiental que generan, el cual se ve reflejado en la salud pública de la ciudadanía.