Abordaje estadístico para la evaluación de la generación de residuos sólidos domiciliarios en hogares peruanos: 2014 – 2021

Padilla Vento, Jorge Luis

Abordaje estadístico para la evaluación de la generación de residuos sólidos domiciliarios en hogares peruanos: 2014 – 2021

dc.contributor.advisor	Soria Quijaite, Juan Jesús
dc.contributor.author	Padilla Vento, Jorge Luis
dc.date.accessioned	2024-11-26T22:30:47Z
dc.date.available	2024-11-26T22:30:47Z
dc.date.embargoEnd	2024-10-03
dc.date.issued	2024-10-03
dc.description.abstract	Este estudio aborda la evaluación de la generación de residuos sólidos domiciliarios en los hogares peruanos utilizando técnicas estadísticas y la metodología de minería de datos SEMMA y PCA. El objetivo es explorar cómo la gestión de residuos, la población y el índice GPC per cápita influyen en la producción de estos residuos en los departamentos peruanos. La muestra se obtuvo de la base de datos de informes anuales presentados por los municipios distritales y provinciales al MINAM a través del Sistema de Información para la Gestión de Residuos Sólidos (SIGERSOL), incluyendo datos de los 24 departamentos del Perú, con un total de 14,852 registros organizados en 196 fichas de registro. Se aplicaron técnicas estadísticas y la adaptación de la metodología SEMMA junto con el Análisis de Componentes Principales (PCA), El ANOVA de Welch mostró diferencias significativas en la generación de residuos sólidos domiciliarios entre los departamentos peruanos [F (6, 94.310) = 790.444; p = 0.0, p < 0.05]. Además, un Eta cuadrado de 99.09% Se encontró una relación positiva entre la producción de residuos sólidos domiciliarios RSD y el número de habitantes. Lima destacó con el mayor promedio de RSD 13,220.47 toneladas y un índice per cápita GPC del 50%. En el Grupo a Lambayeque 5,616.48 toneladas, Loreto 2,946.44 toneladas y San Martín 1,596.07 toneladas registraron los promedios de RSD más altos, mientras que Amazonas 441.1 toneladas obtuvo el más bajo. Ucayali 60%, Loreto 58% y San Martín 57% mostraron los índices GPC más altos. En el Grupo b Ayacucho 701.81 toneladas tuvo el promedio de RSD más alto y Apurímac 497 toneladas el más bajo. Tacna y Apurímac con 44% y Moquegua 43% registraron los índices GPC más altos, mientras que Huancavelica 42% y Pasco 41% tuvieron los más bajos. En el Grupo C Piura 4,476.53 toneladas y La Libertad 3,478.46 toneladas mostraron los promedios de RSD más altos, mientras que Huánuco 859.41 toneladas y Cajamarca 812.74 toneladas registraron los más bajos. Ica y Piura lideraron con un GPC promedio del 48%, mientras que Puno y Junín con 43% tuvieron los valores más bajos.
dc.description.escuela	Escuela de Posgrado
dc.description.lineadeinvestigacion	Procesos estocásticos
dc.description.sede	Lima
dc.format	application/pdf
dc.identifier.uri	http://repositorio.upeu.edu.pe/handle/20.500.12840/8141
dc.language.iso	spa
dc.publisher	Universidad Peruana Unión
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/embargoedAccess
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subject	Residuos sólidos
dc.subject	Perú
dc.subject.ocde	http://purl.org/pe-repo/ocde/ford#1.01.03
dc.title	Abordaje estadístico para la evaluación de la generación de residuos sólidos domiciliarios en hogares peruanos: 2014 – 2021
dc.type	info:eu-repo/semantics/bachelorThesis
renati.advisor.dni	21504919
renati.advisor.orcid	https://orcid.org/0000-0002-4415-8622
renati.author.dni	10215788
renati.discipline	542039
renati.level	http://purl.org/pe-repo/renati/nivel#tituloSegundaEspecialidad
renati.type	http://purl.org/pe-repo/renati/type#tesis
thesis.degree.discipline	Segunda Especialidad en Estadística Aplicada para Investigación
thesis.degree.grantor	Universidad Peruana Unión. Unidad de Posgrado de Ingeniería y Arquitectura
thesis.degree.name	Segunda Especialidad Profesional de Ingeniería: Estadística para Investigación