U2A1

Bernardo Valenzuela Martinez

30/10/2020

setwd("~/R")

Basura en México

Basura

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?

Asignación sería:

Utilizando los datos proporcionados conteste a las siguientes preguntas:

1.- ¿Cómo ha aumentado la producción de basura en México?

Basura <- basura$basura
Años <- basura$anio

plot(Años,Basura,col='green3',main='Basura Generada de  1995 a 2011',type='l', xlab='año registrado',ylab='basura generada ')

LineaTendenciabasura <- lm(Basura ~ Años )

abline(LineaTendenciabasura,col='red2',lwd=2.5)

summary(LineaTendenciabasura)
## 
## Call:
## lm(formula = Basura ~ Años)
## 
## 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 ***
## Años         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

Ecuación de la recta

\[y = 688.2x−1344000\] \[R^2=0.8951 \]

Se puede oberservar como el aumento de basura va aumentando con cada año posterior registrado, esto igual el numero de rellenos. Se puede ver de igual manera, que apartir del año 2000, el incremento de basura tomo un crecimiento mas acelerado.

2.- ¿Los rellenos son suficientes para atender la demanda de generación de basura?

#Comparativa de rellenos disponibles vs basura generada



rellenos <- basura$rellenos

plot(Basura,rellenos,col='darkblue',main='Basura Vs Rellenos disponibles',type='p', xlab='Basura generada',ylab='Rellenos disponibles ')

LineaTendenciabasuravsrellenos <- lm(rellenos ~ Basura)

abline(LineaTendenciabasuravsrellenos <- lm(rellenos ~ Basura)
,col='darkorchid3',lwd=2.5)

summary(LineaTendenciabasuravsrellenos)
## 
## Call:
## lm(formula = rellenos ~ Basura)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -35.438 -12.358  -1.054  15.864  20.630 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -3.239e+02  3.956e+01   -8.19 6.45e-07 ***
## Basura       1.222e-02  1.152e-03   10.60 2.30e-08 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 16.86 on 15 degrees of freedom
## Multiple R-squared:  0.8823, Adjusted R-squared:  0.8744 
## F-statistic: 112.4 on 1 and 15 DF,  p-value: 2.299e-08

Ecuación de la recta

\[ y= 0.0122x-323.9\]

Se puede oberservar que con el aumento de basura, el numero de rellenos es un tanto proporcional, mas sin embargo, decir si son los suficientes no es algo que se pueda estimar con estas graficas, ya que no se sabe la capacidad disponible de los rellenos.

3.- ¿Es posible usar la distribución normal para predecir la probabilidad de incremento de generación de basura?

#Media
mean(Basura)
## [1] 34153.28
#desviación estándar 


sd(Basura)
## [1] 3659.721
#valor máximo
max(Basura) 
## [1] 41062.5
pnorm(35500.5, mean=34153.28, sd=3659.721, lower.tail = TRUE)
## [1] 0.6436085

Se tiene 99% de probabilidad de que se presente un valor de generación de basura de 45,000 toneladas por año

  • ¿Es la distribución normal la mejor manera de predecir probabilidad para estos datos?

Con el registro de basura a lo largo de años, es como se tienen datos para realizar esta distribucion normal, que nos dice cual es la probablilidad segun datos registrados, de que se vuelva a presentar cierta cantidad de toneladas en un año. Si nos puede ayudar a predecir en cierta parte cual es la probabilidad en porcentaje, pero esta distribucion no funciona para valores muy alejados del maximo registrado en los datos, ya que no se calcula para probabilidades futuras, si no la probabilidad de que la cantidad de basura se encuentren por encima de los datos registrados. Si se supone que la basura en 5 años, sera >45500, la distribución nos dira que habra 100% probablilidad.

  • ¿Los datos son normales? ¿Que distribución se ajusta mejor a estos datos?

Los datos son normales, ya que van en incremento conforme la poblacion aumenta, y seguira en ascenso, si no hay medidas restrictivas para la generacion de basura, por parte de organismos de gobierno, y sin la educacion sustentable para la población. La distribucion normal se ajusta muy bien para conocer probabilidad de generacion de cierta cantidad de basura al año, tomando como referencia los datos registrados.