Professional Documents
Culture Documents
Andrea Potes
1
Muestreo de residuos sólidos
OBJETIVO: DETERMINAR UNA MUESTRA REPRESENTATIVA DE LA
POBLACIÓN PARA LA CARACTERIZACIÓN DE RESIDUOS SÓLIDOS
PROCEDIMIENTO:
1. DEFINICIÓN DE LA POBLACIÓN (Viviendas y establecimientos).
2. DIVISIÓN DE LA POBLACIÓN EN ESTRATOS
3. LOCALIZACIÓN DE LOS ESTRATOS EN EL PLANO DE LA CIUDAD
Determinación de la composición física
PROCEDIMIENTO:
1. UTILICE LA MUESTRA DE UN DÍA (Colocar en una zona pavimentada o
sobre un plástico)
2. FORME UNA PILA EN FORMA DE CON EL FIN DE HOMOGENIZAR LA
MUESTRA
3. TROCE LOS RESIDUOS VOLUMINOSOS HASTA CONSEGUIR UN
TAMAÑO MANIPULABLE (<15 cm)
Determinación de la composición física
PROCEDIMIENTO:
4. DIVIDA LA PILA EN 4 PARTES (METODO DE CUARTEO)
5. ESCOJA LAS DOS PARTES OPUESTAS PARA FORMAR UNA NUEVA PILA
MÁS PEQUEÑA.
6. REPITA LA OPERACIÓN HASTA OBTENER UNA MUESTRA DE
APROXIMADAMENTE 50 kg.
7. SEPARE LOS COMPONENTES DE LA ULTIMA PILA Y REALICE LA
CLASIFICACIÓN.
Determinación de la composición física
PROCEDIMIENTO:
8. CLASIFIQUE LOS COMPONENTES EN RECIPIENTES PEQUEÑOS
9. PESE LOS RECIPIENTES VACIOS ANTES DE LA CLASIFICACIÓN
10. PESE LOS RECIPIENTES CON LOS COMPONENTES Y POR DIFERENCIA
DE PESO DETERMINE EL PESO DE CADA UNO DE LOS COMPONENTES
11. CALCULE EL PORCENTAJE DE CADA COMPONENTE TENIENDO EN
CUENTA EL PESO TOTAL DE LA ULTIMA PILA Y EL PESO DE CADA
COMPONENTE.
Preparación de muestras para análisis de
laboratorio
4. Producción diaria per cápita - ppc de
Residuos Sólidos
Es la cantidad de residuos generada por una persona en
términos de kg/hab-día o unidades equivalente, de
acuerdo con los muestreos y la población estimada por
el DANE
Importancia:
Planificación sistema de gestión de los residuos sólidos
(dimensionamiento de instalaciones y equipos)
7
Cálculo de la Producción per cápita – ppc
Número de
usuarios
(estrato y uso)
Número
Número de promedio de
habitantes hab. Por usuario
(estrato y uso)
8
Valores típicos de PPC para municipios
colombianos
10
Valores típicos de ppc para municipios
Colombianos RAS-2000
12
Caracterización física química y biológica de
Residuos Sólidos con aprovechamiento
13
Fuente: RAS, 2000
Caracterización física química y biológica de
Residuos Sólidos con aprovechamiento
14
Peso específico de los residuos sólidos
Es la relación entre el peso de los residuos sólidos y su
volumen (kg/m3).
Importancia:
Dimensionamiento y la capacidad volumétrica de los medios
de recolección, transporte y disposición final.
16
Peso específico y contenido de humedad
17
Peso específico y contenido de humedad
18
Cuantificación de residuos sólidos
19
Método de análisis de cargas
i. Se registra el número de cargas individuales y las
características de los residuos sólidos (tipo residuo y
volumen estimado) durante un período de tiempo
específico.
Desventajas:
Datos básicos:
21
Método de análisis de cargas
i) Se construye una tabla para estimar el peso total de la basura
producida por semana
2025
Remolque de platón 9 1,5 150
22
Método de análisis de cargas
ii) Determinación de la producción per cápita (kg/hab-día)
23
Muestreo aleatorio
Es un método para estimar la tasa de producción de residuos
sólidos a partir del muestreo aleatorio que se repite varias
veces durante diferentes días de la semana y épocas del año
con el fin de eliminar la influencia del tiempo.
La tasa de producción de residuos sólidos es:
R= Y/X
Donde;
UNIDADES DE MUESTREO:
Es la división de la población en partes que no se sobreponen (personas,
viviendas, cuadras, manzanas, etc.)
SELECCIÓN DE LA MUESTRA:
Muestreo Aleatorio Simple
Muestreo Sistemático : calcular un K = N/n
Numerar hasta N (tamaño de la población)
TAMAÑO DE LA MUESTRA:
Función de la variación de la variable dentro de la población (S)
De la precisión de los resultados
Del grado de certeza que se requiera (t)
26
Cálculo del tamaño de muestra
Función de:
a. Variación de la variable dentro de la población
b. Precisión de los resultados a obtener
c. Grado de certeza que se desea aceptar (90 – 95%)
Donde;
n: Tamaño de muestra
t: Factor para n ≥ 30 con 95% certeza (t=2,0)
S: Varianza de la población (Colombia varía entre 0,5 a 4,0 kg/viv-día)
N: Tamaño de la población (total de unidades muestreales
d: Margen de error aceptado (0,10 a 0,50 kg/viv-día)
27
Ejemplo tamaño de muestra
EJEMPLO 7. Se está determinando la producción diaria por vivienda de
residuos sólidos en una zona urbana de la ciudad. Se decidió que
la unidad de muestreo fuera la vivienda (1500 viviendas). El valor
esperado de “S” es de 2,00. Se estima que la producción per cápita
de residuos sólidos está alrededor de 5 kg/viv-día y que no le
importa si está entre 4,8 y 5,2. ¿Qué tamaño de muestra se debe
tomar?
Entonces:
28
Ejemplo tamaño de muestra
t2 ×S 2 22 × 22
n= n= =100
d2 0,40 2
Entonces:
1500× 2 2 × 2 2
n= = 94
1500× 0,4 2 + 2 2 × 2 2
29
Ejemplo tamaño de muestra
EJEMPLO. Se está determinando la producción diaria por vivienda de
residuos sólidos en una zona urbana de la ciudad. Se decidió que
la unidad de muestreo fuera la vivienda (418 viviendas). El valor
esperado de “S” es de 2,00. Se estima que la producción per cápita
de residuos sólidos está alrededor de 3 kg/viv-día y que no le
importa si está entre 2,8 y 3,2. ¿Qué tamaño de muestra se debe
tomar?
Entonces:
30
Análisis de datos del muestreo aleatorio
31
Análisis de datos del muestreo aleatorio
Procedimiento:
INTERVALO DE CONFIANZA
INTERVALO DE ACEPTACIÓN
32
Análisis de datos del muestreo aleatorio
Determinar la ppv, la varianza muestreal y el error estándar
Producción de residuos sólidos por vivienda
Vivienda No. Personas / vivienda Basura producida
Xi Yi (kg)
1 X1 Y1
2 X2 Y2
… .. ..
i Xi Yi
… ... ...
n Xn Yn
Totales ΣXi ΣYi
ppv = ΣYi / n
S = (Σ(Yi - ppv)2 ) / ((n-1)n)
EE = S1/2
33
Análisis de datos del muestreo aleatorio
Un solo muestreo no tiene en cuenta las variaciones
propias de la producción de residuos en el tiempo.
K = (t x EE) / √n
R-K R R+K
35
Construcción del Intervalo de Aceptación
Un valor aceptable de R promedio en un servicio de aseo, es aquel que
está entre el 5% y el 10% de su valor promedio. Para un 10% el intervalo
de aceptación será:
Criterios de decisión:
Si el “intervalo de confianza”, se encuentra dentro de los límites del
“intervalo de aceptación”, se acepta el valor de la estimación de “Rp”.
INTERVALO DE CONFIANZA
INTERVALO DE CONFIANZA
37
Ejemplo análisis de datos de muestreo
EJEMPLO 8. A partir de los datos obtenidos en el muestreo aleatorio
simple, verifique si los límites del intervalo de confianza, están
dentro de los límites de aceptación para la zona urbana y la zona
rural.
38
Ejemplo análisis de datos de muestreo
Intervalo de confianza:
Nivel de confianza (90%)
Para nivel del 90% ⇒ t = 1.44
i) Cálculo de la constante K:
39
Ejemplo análisis de datos de muestreo
Solución para la zona urbana:
40
Ejemplo análisis de datos de muestreo
41
Ejemplo análisis de datos de muestreo
INTERVALO DE ACEPTACIÓN