Universidad de Tarapacá

Facultad de Ciencias
Departamento de Química

Tarea n°1

ESTUDIO DE LA GENERACIÓN DE RESIDUOES DOMICILIARIOS EN

DIVERSOS SECTORES DE LA COMUNA
CURSO: GESTIÓN Y MANEJO DE RESIDUOS INDUSTRIALES Y MUNICIPALES
Profesor: Dr. Claudio González R.
Septiembre 2018

Alumnos: Jacqueline Calizaya

 INTRODUCCIÓN

La Correlación es una técnica estadística usada para determinar la relación

entre dos o más variables. Un diagrama de dispersión se emplea cuando
existe una variable que está bajo el control del experimentador. El primer paso
para analizar una serie de tiempo es graficarla, esto permite: identificar la
tendencia, la estacionalidad, las variaciones irregulares (componente
aleatoria). Uso y las ventajas y desventajas de pearson y spearmen así Es
una medida de la relación lineal entre dos variables aleatorias cuantitativas. A
diferencia de la covarianza, la correlación de Pearson es independiente de la
escala de medida de las variables. Spearmen Es una medida de la correlación
(la asociación o interdependencia) entre dos variables aleatorias continuas
 PLANTEAMIENTO DEL PROBLEMA
El estudio de la generación de Residuos domiciliarios a menudo exige mirar otras
variables con connotación socioeconómica y apreciar si existe correlación entre
ellas.
La correlación de variables a veces permite establecer modelos de consumo de
bienes y servicios y generación de residuos.
Para indagar respecto a esto se han tomado una colección de datos de distinta
índole de la ciudad de Arica en cuatro sectores residenciales que se les entregará
a continuación y que se estudiarán mediante un análisis estadístico siguiendo una
correlación tipo Pearson.
Entre las variables que se estudiarán a continuación se encuentran:

CE: Consumo eléctrico (KW-h)

CA: Consumo de agua potable (m3)
CEPC: Consumo eléctrico per capita (KW-h/hab)
CAPC: Consumo de agua per capita (m3/hab)
RSD: Residuos Sólidos Domiciliarios (Kg)
PRPC: Producción de Residuos per capita (Kg/hab)
 OBJETIVOS
Objetivos generales
 Correlacionar los distintos sectores entregados y estudios de distintas
variables mediante la herramienta de analisis Excel.

Objetivos específicos
 Definir r
 Correlacionar CE CEPC para cada sector
 Correlacionar CA y CAPC para cada sector
 Correlacionar CEPC y CAPC para cada sector
 Correlacionar PRPC y CEPC para cada sector
 Correlacionar RSD y PRPC para cada sector y grafique
 Correlacionar RSD y PRPC para todo el conjunto de sectores y grafique
 Examinar r en cada caso y determinar si correlacionan o no.
 Cual presentan mejor valor de r y por qué?
 ANÁLISIS

Sector 1:

Consumo de
Consumo Agua
electrico Potable
Muestra Valor $ Valor $
1 14000 32000
2 10000 6000
3 14500 10000
4 14000 13000
5 14500 15000
6 10000 10000
7 16000 14000
8 10000 9000
9 14000 15000
10 13000 9000
11 12500 11000
12 13000 10000
13 11000 10000
14 15000 12000
15 9000 8000
16 14500 12000
17 13000 11000
18 11000 9000
19 12000 10000
20 12500 11000
21 13000 10000
22 14000 11000
23 10000 8000
24 12000 10000
25 15000 13000
26 9800 8000
27 12500 12000
28 14000 13000
29 10000 10000
30 11000 10000
Promedio 12493 11400
SD 1921 4415
 Correlación: mediando herramienta de análisis:
14000 32000
10000 6000 Columna 1 Columna 2
14500 10000 Columna 1 1
14000 13000 Columna 2 0,50080514 1
14500 15000
 Resultando una correlación de: 0,50080514
10000 10000
16000 14000
10000 9000
 Gráfico:
14000 15000
13000 9000
12500 11000 Sector 1 : Norte Pob. Cardenal Raul Silva
13000 10000
35000
Henriquez
11000 10000
30000
15000 12000
25000
9000 8000
20000
14500 12000
15000 R² = 0.2508
13000 11000
10000
11000 9000
5000
12000 10000
0
12500 11000
0 5000 10000 15000 20000
13000 10000
14000 11000
10000 8000
12000 10000
15000 13000 Entonces se vuelve a correlacionar, quitando el punto
9800 8000 que se escapa de la tendencia:
12500 12000
14000 13000 Columna 1 Columna 2
10000 10000 Columna 1 1
Columna 2 0,79230426 1
11000 10000

Resultando un R de: 0,79230426 *

Sector 2. Empart V y Sector céntrico San Martin

Consumo de
Consumo Agua
electrico Potable
Muestra Valor $ Valor $
1 20000 20000
2 34000 23000
3 23000 13550
4 18500 26750
5 17000 8000
6 14800 16829
7 21200 22000
8 31000 16000
9 38000 24800
10 28000 11400
11 18500 22000
12 41000 33200
13 38575 37988
14 11000 10000
15 19000 20000
16 9840 4100
17 21000 18000
18 16500 9000
19 18200 16000
20 25000 21100
21 16000 13000
22 20500 19000
23 40250 27250
24 34000 22000
25 18700 17000
26 23000 20000
27 15000 10000
28 27000 16000
29 30900 28000
30 20840 15000
31 13000 10200
32 17800 15000
33 22600 20050
34 26010 19700
35 13000 11000
 36 29800 23900
37 15800 12000
38 20100 17800
39 26700 21800
40 12300 10200
41 15000 13900
42 18600 15600
43 19800 17000
44 32100 28700
45 13560 10000
46 10100 8500
47 21000 18900
48 32100 28700
49 14200 12000
50 10000 8000
51 34600 25000
52 18500 16500
Promedio 22057 17796
SD 8341 7020

Correlación: mediando herramienta de análisis:

20000 20000
34000 23000
23000 13550
18500 26750
17000 8000
14800 16829
21200 22000
31000 16000
38000 24800
28000 11400
18500 22000
41000 33200
38575 37988
11000 10000
19000 20000
9840 4100
21000 18000
16500 9000
18200 16000
 25000 21100 Gráfico:
16000 13000
20500 19000
SECTOR 2: Empart V y Sector centrico San
40250 27250
Martin
34000 22000
18700 17000 40000

23000 20000 35000

30000 R² = 0.6823
15000 10000
27000 16000 25000

30900 28000 20000

20840 15000 15000

13000 10200 10000

17800 15000 5000
22600 20050 0
0 5000 10000 15000 20000 25000 30000 35000 40000 45000
26010 19700
13000 11000
29800 23900
15800 12000
20100 17800
26700 21800
12300 10200
15000 13900
18600 15600
19800 17000
32100 28700
13560 10000
10100 8500
21000 18900
32100 28700
14200 12000
10000 8000
34600 25000
18500 16500

 Correlación mediante herramienta de análisis, resultó: r = 0,82602605

Columna 1 Columna 2
Columna 1 1
Columna 2 0,82602605 1
3) Sector 3. Villa Magisterio

Consumo de
Consumo Agua
electrico Potable
Muestra Valor $ Valor $
1 25000 24000
2 29000 30000
3 26000 28000
4 19800 21000
5 30000 28000
6 24500 24000
7 32000 29000
8 29800 31000
9 31000 28000
10 28000 29000
11 38000 35000
12 19800 20000
13 34000 31000
14 18000 19000
15 23000 22000
16 21000 20000
17 33000 30000
18 36000 32000
19 29000 26000
20 29800 31000
21 31000 29000
22 25000 24000
Promedio 27850 26864
SD 5406 4475
 Correlación entre ambas variables:
Grafico:
25000 24000
29000 30000
26000 28000 SECTOR 3 : Villa Magisterio
19800 21000
40000
30000 28000 R² = 0.8965
35000
24500 24000
32000 29000 30000

29800 31000 25000

31000 28000 20000
28000 29000 15000
38000 35000 10000
19800 20000 5000
34000 31000
0
18000 19000 0 5000 10000 15000 20000 25000 30000 35000 40000
23000 22000
21000 20000
33000 30000
36000 32000
29000 26000
29800 31000
31000 29000
25000 24000

 Resultando un R = 0,94684068

Columna 1 Columna 2
Columna 1 1
Columna 2 0,94684068 1
 4) Sector 4. Avenida Comandante San Martín

Consumo de
Consumo Agua
electrico Potable
Muestra Valor $ Valor $
1 21000 17800
2 35000 32000
3 28600 23670
4 23450 25000
5 51500 45000
6 28300 25000
7 23450 25000
8 28400 24500
9 40800 35000
10 25600 22000
Promedio 30610 27497
SD 9391 7814

Correlación entre sus dos variables:

 Resultando un R :
Columna 1 Columna 2
Columna 1 1
Columna 2 0,96668712 1
 CAPC
Muestra CE (KW) CEPC (KW/hab CA m3 m3/hab RSD (Kg) PRPC (Kg/hab)
1 114,8 23,0 3,2 0,6 1,2 0,2
2 82,0 20,5 5,9 1,5 1,3 0,3
3 118,9 39,6 9,9 3,3 1,5 0,5
4 114,8 28,7 12,8 3,2 3,1 0,8
5 118,9 29,7 14,8 3,7 1,2 0,3
6 82,0 27,3 9,9 3,3 1,0 0,3
7 131,2 32,8 13,8 3,5 1,4 0,4
8 82,0 16,4 8,9 1,8 1,5 0,3
9 114,8 38,3 14,8 4,9 0,7 0,2
10 106,6 26,6 8,9 2,2 0,6 0,1
11 102,5 25,6 10,9 2,7 1,2 0,3
12 106,6 35,5 9,9 3,3 1,4 0,5
13 90,2 30,1 9,9 3,3 1,4 0,5
14 123,0 30,7 11,9 3,0 1,4 0,4
15 73,8 24,5 7,9 2,6 1,4 0,5
16 118,9 23,8 11,9 2,4 2,5 0,5
17 106,6 26,6 10,9 2,7 1,4 0,3
18 90,2 30,1 8,9 3,0 1,2 0,4
19 98,4 24,6 9,9 2,5 1,6 0,4
20 102,5 20,5 10,9 2,2 1,6 0,3
21 106,6 35,5 9,9 3,3 1,2 0,4
22 114,8 28,7 10,9 2,7 1,6 0,4
23 82,0 27,3 7,9 2,6 1,3 0,4
24 98,4 32,8 9,9 3,3 1,4 0,5
25 123,0 30,7 12,8 3,2 1,6 0,4
26 80,3 26,8 7,9 2,6 1,1 0,4
27 102,5 25,6 11,9 3,0 1,3 0,3
28 114,8 23,0 12,8 2,6 1,7 0,3
29 82,0 20,5 9,9 2,5 1,9 0,5
30 90,2 30,1 9,9 3,3 1,3 0,4
 1. Definir R:

El coeficiente de correlación lineal es el cociente entre la covarianza y el

producto de las desviaciones típicas de ambas variables.
El coeficiente de correlación lineal se expresa mediante la letra r.

2. Correlacionar CE y CEPC

Sector CE Y CEPC
1 0,44149522
2 0,46256998
3 0,30223603
4 -0,33556787

3.- Correlacionar CA Y CAPC para cada sector

Sector CA Y CAPC
1 0,74179805
2 0,59695285
3 0,21583963
4 -0,29514959
4.- CEPC Y CAPC
Sector CEPC Y CAPC
1 0,77153843
2 0,509282993
3 0,913522307
4 0,895763087

5.-Correlacion PRPC y CEPC para cada sector

Sector PRPC Y CEPC
1 0,186182183
2 0,191436094
3 -0,261026042
4 -0,011648315

6.-Correlación RSD y PRPC para cada sector y grafique

Sector PRPC Y CEPC
1 0,807944281
2 0,731175531
3 0,491597719
4 0,029576467
7.- Correlación RSD y PRPC para todo el conjunto de sectores y grafique

Columna 1 Columna 2
Columna 1 1
Columna 2 0,72317929 1
9.- CEPC: Consumo eléctrico per capita (KW-h/hab) y CAPC: Consumo de agua per
capita (m3/hab), se ve que hay una mejor correlacion.
Por lo tanto, están relacionados en el sentido de que el cambio en cualquier variable
estará acompañado por un cambio en la otra variable.
De la misma manera, por ejemplo los precios y la demanda de un producto son
variables relacionadas; cuando los precios aumentan la demanda tenderá a
disminuir y viceversa.
Si el cambio en una variable está acompañado de un cambio en la otra, entonces
se dice que las variables están correlacionadas, como en el caso del CEPC Y CPAC.