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?

Problematica de la basura en México

Análisis

setwd("~/estadisticaap")
library(pacman)
p_load("prettydoc", "readr","tidyverse","DT","modeest")
basuramx <- read.csv("basura.csv")
datatable(basuramx)

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

basura <- basuramx$basura
t <- basuramx$anio

plot(t,basura,col='brown',main='Producción de basura de 1995 a 2011',type='p', xlab='año',ylab='basura generada ')

modelolinealbasuramx <- lm(basura ~ t)

abline(modelolinealbasuramx,col='purple',lwd=2.5)

summary(modelolinealbasuramx)
## 
## Call:
## lm(formula = basura ~ t)
## 
## 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 ***
## t            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

\[ y = 688.2x -1344000 \] con: \[R^2 = 0.8951\]

Como se puede ver que la cantidad de basura dentro del país desde 1995 hasta el 2011 ha aumentado de una manera prácticamente proporcional, ya que conforme fueron pasando los años la cantidad de basura generada fué aumentando tambien. Analizando en especial los años de 1995 a 2000 se observa una caída brusca en la generación de basura , para después seguir un comportamiento normal.

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

rellenos <- basuramx$rellenos

plot(basura,rellenos,col='red',main='Relación entre bassura generada y número de rellenos',type='p', xlab='Basura generada',ylab='No. de rellenos')


modelolinealbasuramx2 <- lm(rellenos ~ basura)

abline(modelolinealbasuramx2,col='green',lwd=2.5)

summary(modelolinealbasuramx2)
## 
## 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

\[ y = 0.0122x - 3.239 \] con : \[R^2=0.8744\]

Se puede observar que la relación entre la cantidad de rellenos ha ido aumentando a lo largo de los años, ya que la producciónde basaura lo ha hecho de igual forma; para poder evaluar si la cantidad de rellenos son los necesarios para atender la cantidad de basura generada , habría que conocer que tanta capacidad tienen en conjutno para realizar la comparación de sí son los necesarios o no.

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

Valor máximo

max(basuramx$basura)
## [1] 41062.5

Media

mean(basuramx$basura)
## [1] 34153.28

Desviación estadar

sd(basuramx$basura)
## [1] 3659.721

Probabildad

pnorm(45000, mean=34153.28, sd=3659.721 , lower.tail = TRUE)
## [1] 0.9984807

Podemos observar que se tiene un 99.84807% de probabilidad de que la cantidad de basura sea de 45000 millones de toneladas

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

Sí ,ya que esta distribución puede servirnos para indicarnos con que probabilidad un determinado valor de cantidad de basura puede generarse en un determinado año, a partir de los datos que se han previamente.

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

Sí, la distribución normal serviría de alguna manera se puede observar como la tendencia , nos indica a que la cantidad de basura va ir incrementando a lo largo de los siguientes años, todo esto considerando si no se logra implementar alguna clase de medida o metodología que impida o reduzca de manera signifcativa la generación de residuos en el país.