U2A1

BASURA EN MEXICO

En México una persona produce casi un kilo de residuos sólidos al día. En México se generan poco más de 42 millones de toneladas de residuos sólidos al año. Esta cantidad equivale a: 175 veces el volumen de la pirámide del Sol de Teotihuacán.

CONTESTAR LO SIGUIENTE

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

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

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

IMPORTAR DATOS

library(pacman)
p_load("prettydoc", "readr","tidyverse","DT","modeest","readxl")
basura <- read.csv("basura.csv")

datatable(basura)

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

plot(basura$anio, basura$basura, title(main = 'Basura generada en toneladas'), xlab = 'Año', ylab = 'Basura generada')

Rectabasura <- lm(basura$basura ~ basura$anio)

abline(Rectabasura, col='red', lwd='3')

summary(Rectabasura)

## 
## Call:
## lm(formula = basura$basura ~ basura$anio)
## 
## 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 ***
## basura$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

• Con estos datos se puede observar que la basura entre los años 1995 y 2010 a tenido un aumento constante durante al inicio un aumento muy elevadi para luego disminuir bruscamente y apartir del 2005 una tendencia constante.

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

plot(basura$basura, basura$rellenos, title(main = 'Rellenos vs basura generada'), xlab = 'Basura generada', ylab = 'Rellenos sanitarios')

Rectarellenos <- lm(basura$rellenos ~ basura$basura)

abline(Rectarellenos, col='red', lwd='3')

summary(Rectarellenos)

## 
## Call:
## lm(formula = basura$rellenos ~ basura$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$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

• Se observa con estos datos que conforme va aumentando los indices de basura obviamente va aumentando la cantidad de relleno.

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

max(basura$basura)

## [1] 41062.5

mean(basura$basura)

## [1] 34153.28

sd(basura$basura)

## [1] 3659.721

pnorm(46000, mean=34153.28, sd=3659.721 , lower.tail = TRUE)

## [1] 0.9993962

• Conrespecto a los datos se observa que se tiene una probabilidad de 99% de que la cantidad de basura sea de 46000 millones de toneladas.

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

Si, nos ayuda a poder entender mejor las relaciones de los datos y la probabilidad de un valor.

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

Si, nos sirve para tener una mejor prespectiva sobre los datos, el cual nos dice que van incrementando a lo largo de las años.