U2A8
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:
Utilizando los datos proporcionados conteste a las siguientes preguntas:
Importe de datos
## Parsed with column specification:
## cols(
## anio = col_double(),
## basura = col_double(),
## rellenos = col_double()
## )1.- ¿Cómo ha aumentado la producción de basura en México?
Gráfica de crecimiento con respecto al tiempo
library(gganimate)
library(gridExtra)
ggplot(data = basura) +
ggtitle("Cantidades basura por año en México (1995 - 2012)") +
geom_line(mapping = aes(x = anio, y = basura))+
transition_reveal(anio)
ggplot(data = basura) +
geom_line(aes(x = anio, y = basura), color = 'red')+
ylab('Avance de basura') + xlab('Año') +
transition_reveal(anio) 
Para este caso, se utiliza la función “transition_reveal” de la biblioteca “gganimate” para realizar la gráfica de manera animada. Es alarmante como la cantidad de basura producida se dispara a partir del año 2000, después de haber tenido una reducción muy favorable a mediados del lustro pasado. Sería interesante poseer los datos de algún otro país cuyos niveles socioeconómicos del año 1995 fueran similares a los que México presentaba en ese mismo año, para comparar una gráfica con otra y evaluar que tan diferente es el país en comparación de otros en el mundo.
2.- ¿Los rellenos son suficientes para atender la demanda de generación de basura?
Diagramas de dispersión
## anio basura rellenos
## anio 1.0000000 0.9495559 0.9435149
## basura 0.9495559 1.0000000 0.9393043
## rellenos 0.9435149 0.9393043 1.0000000ggplot(data = basura) +
ggtitle("Cantidades basura por año en México (1995 - 2012)") +
geom_line(mapping = aes(x = anio, y = rellenos))+
transition_reveal(anio)
ggplot(data = basura) +
geom_line(aes(x = anio, y = rellenos), color = 'green')+
ylab('Rellenos sanitarios') + xlab('Año') +
transition_reveal(anio)
Se puede percibir que la correlación que existe entre los años que pasan con el aumento de los rellenos bastante grande, pero esta es a su vez un poco más pequeña con la misma correlación que existe entre los años transcurridos y la cantidad de basura producida. Esto indica que la velocidad con la aumenta la producción de basura a lo largo de los años es mayor a la que posee el incremento de rellenos sanitarios, siendo indicio de que estos no son suficientes. Sumado al hecho que representan para el ambiente, siendo una solución meramente temporal que sin embargo se mantiene como si no lo fuera, propiciando que haya lugares donde se puedan desarrollar diversos riesgos para la salud de las poblaciones cercanas.
Predicciones
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.
Haciendo uso de un modelo construido con los datos que se tienen, se predice cuales serán los cambios en los próximos años con respecto al uso de rellenos sanitarios e incremento de basura. Para verificar que el modelo es de verdadera utilidad, se procede a realizar las siguientes pruebas:
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-09##
## Call:
## lm(formula = rellenos ~ anio, data = basura)
##
## Residuals:
## Min 1Q Median 3Q Max
## -16.343 -12.127 -4.235 7.902 31.627
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.772e+04 1.615e+03 -10.97 1.46e-08 ***
## anio 8.892e+00 8.063e-01 11.03 1.36e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 16.29 on 15 degrees of freedom
## Multiple R-squared: 0.8902, Adjusted R-squared: 0.8829
## F-statistic: 121.6 on 1 and 15 DF, p-value: 1.357e-08Se crean dos modelos distintos, uno que describe el incremento en la producción de basura y otro que describe el aumento de rellenos sanitarios.
\[ y = -1.344X10^6 + 6.882 X 10^2 x \] para la relación entre los años y la basura Producida
\[ y = -1.772 X 10^{4} + 8.892x \] para la relación entre los años y los rellenos sanitarios existentes
Ajuste de la recta
# Recta para la primer relación
plot(basura$anio, basura$basura, xlab = "Años", ylab="Basura producida")
abline(regresion1)
# Recta para la segunda relación
plot(basura$anio, basura$rellenos, xlab = "Años", ylab="Rellenos sanitarios")
abline(regresion2)
ggplot(data = basura, mapping = aes(x = anio, y = basura)) +
geom_point(color = "firebrick", size = 2) +
geom_smooth(method = "lm", se = TRUE, color = "black") +
labs(title = "Basura producida ~ Años", x = "Años", y = "Basura producida") +
theme_bw() + theme(plot.title = element_text(hjust = 0.5))## `geom_smooth()` using formula 'y ~ x'
ggplot(data = basura, mapping = aes(x = anio, y = rellenos)) +
geom_point(color = "firebrick", size = 2) +
geom_smooth(method = "lm", se = TRUE, color = "black") +
labs(title = "Rellenos sanitarios ~ Años", x = "Años", y = "Rellenos sanitarios") +
theme_bw() + theme(plot.title = element_text(hjust = 0.5))## `geom_smooth()` using formula 'y ~ x'
Como se observa, tanto el modelo de basura como el correspondiente a los rellenos sanitarios poseen valores muy similares a los intervalos de confianza, con absolutamente ningún valor atípico, por lo que es factible proseguir y utilizar dicho modelo para tener una idea estimada sobre como será la producción de basura para ese año 2100 que actualmente parece muy distante.
## 1 2 3 4 5 6 7 8
## 49293.11 49981.28 50669.46 51357.63 52045.81 52733.98 53422.16 54110.33
## 9 10 11 12 13 14 15 16
## 54798.50 55486.68 56174.85 56863.03 57551.20 58239.37 58927.55 59615.72
## 17 18 19 20 21 22 23 24
## 60303.90 60992.07 61680.25 62368.42 63056.59 63744.77 64432.94 65121.12
## 25 26 27 28 29 30 31 32
## 65809.29 66497.47 67185.64 67873.81 68561.99 69250.16 69938.34 70626.51
## 33 34 35 36 37 38 39 40
## 71314.69 72002.86 72691.03 73379.21 74067.38 74755.56 75443.73 76131.91
## 41 42 43 44 45 46 47 48
## 76820.08 77508.25 78196.43 78884.60 79572.78 80260.95 80949.12 81637.30
## 49 50 51 52 53 54 55 56
## 82325.47 83013.65 83701.82 84390.00 85078.17 85766.34 86454.52 87142.69
## 57 58 59 60 61 62 63 64
## 87830.87 88519.04 89207.22 89895.39 90583.56 91271.74 91959.91 92648.09
## 65 66 67 68 69 70 71 72
## 93336.26 94024.44 94712.61 95400.78 96088.96 96777.13 97465.31 98153.48
## 73 74 75 76
## 98841.66 99529.83 100218.00 100906.18Con respecto a lo que se estima que crezca para el año 2100 según el modelo desarrollado, este es aproximadamente del triple, algo sin lugar a dudas alarmante, dado todo lo que implica una inmensa aglomeración de residuos (urbanos en general) para el país, no solo en aspectos estéticos que influyen en el turismo, sino también en lo que a riesgos de salud se refiere, puesto que lugares así pueden llegar a ser propicios para que surgan enfermedades que afectan a distintas especies, entre las cuales pueden estar los seres humanos.
4.- Ahora, ¿Cuántos rellenos necesitaríamos para poder manejar toda esta basura?
## 1 2 3 4 5 6 7 8
## 288.8627 297.7549 306.6471 315.5392 324.4314 333.3235 342.2157 351.1078
## 9 10 11 12 13 14 15 16
## 360.0000 368.8922 377.7843 386.6765 395.5686 404.4608 413.3529 422.2451
## 17 18 19 20 21 22 23 24
## 431.1373 440.0294 448.9216 457.8137 466.7059 475.5980 484.4902 493.3824
## 25 26 27 28 29 30 31 32
## 502.2745 511.1667 520.0588 528.9510 537.8431 546.7353 555.6275 564.5196
## 33 34 35 36 37 38 39 40
## 573.4118 582.3039 591.1961 600.0882 608.9804 617.8725 626.7647 635.6569
## 41 42 43 44 45 46 47 48
## 644.5490 653.4412 662.3333 671.2255 680.1176 689.0098 697.9020 706.7941
## 49 50 51 52 53 54 55 56
## 715.6863 724.5784 733.4706 742.3627 751.2549 760.1471 769.0392 777.9314
## 57 58 59 60 61 62 63 64
## 786.8235 795.7157 804.6078 813.5000 822.3922 831.2843 840.1765 849.0686
## 65 66 67 68 69 70 71 72
## 857.9608 866.8529 875.7451 884.6373 893.5294 902.4216 911.3137 920.2059
## 73 74 75 76
## 929.0980 937.9902 946.8824 955.7745La predicción realizada con base en la información obtenida del modelo, indica que para el año 2100 se tendrá aproximadamente el triple de rellenos sanitarios en México que los que hay hoy en día, lo cual a su vez corresponde con la cantidad de basura producida para ese mismo año, igualmente de aproximadamente 3 veces la cantidad actual.
Este asunto tiene 2 puntos que se deben tomar en cuenta. En primera, el hecho que 3 veces la cantidad de basura producida para ese año es algo ya muy malo por sí mismo, aunado a los demás problemas ambientales que se pronostican incluso para décadas anteriores a la que estudia, véase la escasez de agua, contaminación atmosférica y calentamiento global por mencionar algunos. En segundo y muy importante, que el modelo realizado se construye utilizando una función de recta, es decir que el crecimiento siempre será lineal y no variará, por lo que ambos modelos, de basura producida y rellenos sanitarios podrían ser mucho más grandes. Para obtener un modelo más viable todavía, podría resultar conveniente utilizar uno construido con métodos de regresión polinomial.
5.- ¿Qué alternativa objetiva propone para atacar este problema?