Está en la página 1de 17

Ral Adalberto Morelos, Sara Ojeda Bentez, Lozano Olvera Gabriela y Carolina Armijo de Vega

Zona 1 Zona 2

AREA DE ESTUDIO

Problemas de los vehculos de recoleccin y el control de trfico Recuperacin de componentes reciclables Establecimiento de plantas de composta Planeacin y administracin de los RSM Residuos comerciales e industriales

Produccin per cpita de residuos slidos domsticos y factores socioeconmicos


Criterios de optimizacin econmica

Elaborar un modelo matemtico que pueda explicar la generacin de los residuos slidos domiciliarios

REVISION DE DATOS DE LOS MUESTREOS HECHOS EN VILLA DEL PALMAR (ETAPA 1997, ETAPA 1998 Y ETAPA 2000) IDENTIFICACIN DE VARIABLES

SELECCIN DE LAS VARIABLES DE ESTUDIO


DISEO DEL MODELO MATEMTICO (LINEAL O CURVILNEO)

SELECCIN DEL MEJOR MODELO


PRUEBA DEL MODELO EN OTROS ESTUDIOS

ANLISIS PRELIMINARES:

RESIDUOS DOMICILIARIOS
Datos demogrficos de la poblacin (ENCUESTA)

GENERACIN Y CUANTIFICACIN

(CARACTERIZACIN)

VARIABLES INVOLUCRADAS
FECHAS DE MUESTREO CANTIDAD DE MUESTRAS RECOLECTADAS HOGARES No. PERSONAS No. HIJOS PESO EN GRAMOS DE LOS RSD POR HOGAR INGRESO POR HOGAR ESCOLARIDAD DE LA FAMILIA CLASIFICACIN DEL RSD POR PESO Y TIPO

VARIABLES PREDICTORAS A INCLUIR EN LA MODELACIN :


-Anlisis de los datos - Identificacin de las variables involucradas

DEFINICIN DE LOS MODELOS DE PREDICCIN

La variable Escolaridad e Ingreso por vivienda :


Para asignarle el nivel de escolaridad se determin como requisito que el sujeto hubiera concluido el nivel asignado a partir del nivel secundaria hasta profesional, si se registraba nivel inconcluso, se le asignaba el nivel inmediato inferior

la variable ingreso por vivienda,se tom en cuenta el nmero de personas que trabajaban y perciban ingreso por vivienda, se sumaron los ingresos y se dividieron entre el total de habitantes que trabajaban.

DEFINICIN DE MATRICES DE DATOS:


Nmero de etapas: 3 ETAPA 1997, 1998 y 2000
(Anlisis del comportamiento de la produccin a travs de los aos)

Realizacin de 7 modelos donde se combinaron las variables incluidas y se eligieron los que mostraron la mayor r2.
Las pruebas realizadas a los modelos:
Medidas de bondad de ajuste (Sxy,, r, r2 ) Normalidad Multicolinealidad (redundancia de datos) Heterocedasticidad (Varianza de los errores no
es constante, sino que cambia) Durbin-Watson (Para detectar problemas de autocorrelacin, D-W cerca de 2)

Para cada etapa de muestreo de residuos se gener un modelo matemtico para buscar el modelo que mostrara la mejor relacin lineal para predecir la generacin de residuos slidos domiciliarios

Con los resultados de estos modelos Se propone un Modelo Matemtico General que pronostica la generacin de RSD por habitante.

ANLISIS DE LAS VARIABLES (RSDpc Vs Esc) :

ANLISIS DE LAS VARIABLES (RSDpc Vs Hab):

ANLISIS DE LAS VARIABLES (RSDpc Vs Ing):

e ingreso.

ANLISIS DE LAS VARIABLES :

Habitantes

ANLISIS ESTADSTICOS DE LOS MODELOS :


La mejor estimacin del modelo de regresin:

Se rechazaron los los modelos

(YRSDPC Vs. XESC y YRSDPC Vs. XING).


debido a un pobre r2.

indica el valor promedio de la variable de respuesta cuando la variable predictora vale cero.

Indica el cambio promedio en la variable de respuesta, cuando la variable predictora aumenta en una unidad adicional

El modelo lineal de tres variables que mejor coeficiente de determinacin arroj: YRSDPC = 900.52 - 87.52 XHAB + 0.12 XING

Manteniendo fija la variable XING, significa que en promedio, la cantidad de RSD por persona disminuir en promedio 87.52 gramos, cuanto aumentamos un habitante por vivienda, y manteniendo fija la variable XHAB, significa que el promedio de los RSDpc aumentar en 0.12 gramos por cada peso de salario que ingrese al hogar

MODELOS GENERADOS PARA LOS RSDpc:

La estadstica es una herramienta que aporta elementos para construir modelos e identificar las variables que deben ser incluidas en el modelado,de escolaridad, habitantes e ingreso por vivienda. Este valor puede variar dependiendo del intervalo de confianza que demos al modelo, normalmente se estima en una confianza del 95 y 99%.

MODELO FINAL CON 4 VARIABLES


(Tomando los promedios de los muestreos de la 1ra., 2da. y 3ra. etapa):

YRSDpc = 1560.0 - 64.1 XESC - 187.5 XHAB + 0.1 XING

DISCUSIN Y CONCLUSIONES:
La estadstica es una herramienta que aporta elementos para construir modelos e identificar las variables que deben ser includas en el modelado. En este trabajo se aplicaron pruebas estadsticas para determinar los modelos que mejor predicen el comportamiento de los residuos. Utilizando para ello la modelacin como herramienta. Es importante tener en cuenta que la cantidad de residuos no depende nicamente del nmero de habitantes de una poblacin sino que esta relacionada con otros factores como son el proceso de urbanizacin, patrones de consumo, prcticas culturales de manejo del residuo, ingresos, uso de tecnologas y desarrollo industrial. En la mayora de las ciudades del pas, por ejemplo, no se tiene identificada la cantidad ni la composicin del total de la basura que se genera y, por tanto, se dificulta la toma de decisiones, por ello es importante apoyarse de la modelacin para explicar el comportamiento de los residuos slidos.