Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Calculo Crecimiento
Calculo Crecimiento
METODOLOGA
de proyeccin.
Asimismo, es conveniente
mencionar que cuando proyectar la poblacin segn sexo y grupos de edad resulta
favorable considerar a cada grupo de edad y sexo, por separado y aplicarles sus
27
3.1.1
Crecimiento Lineal
donde la Pf significa la poblacin al final del perodo, Pi la poblacin al inicio del perodo,
r es la tasa anual de crecimiento y finalmente t representa el intervalo de tiempo en aos y
fracciones que dura el perodo.
28
3.1.2
Crecimiento Geomtrico
Este mtodo de proyeccin crece ms rpidamente que el lineal ya que en este caso se
podra decir que la poblacin existente o inicial se va a estar reinvirtiendo cada intervalo de
tiempo. Es decir, la poblacin en el tiempo (t + 1), va a estar dada por la poblacin en el
tiempo t multiplicada por (1 + rt), la poblacin en el tiempo (t + 2) va a estar dada por la
poblacin inicial en el tiempo t y multiplicada dos veces por (1 + rt) y as sucesivamente.
Lo anterior se puede representar de la siguiente manera:
Pt+1 = Pt * (1 + rt)
Pt+2 = Pt * (1 + rt) * (1 + rt) = Pt * (1 + rt)2
De este modo, la ecuacin generalizadora para este tipo de crecimiento estara dada por:
Pf = Pi * (1 + ri)t
De donde se desprende que:
r = [(Pf/Pi)(1/t)] 1
ya que la r inicial se considera constante para todos los aos posteriores y donde la notacin
empleada es la misma que la usada para el mtodo lineal.
29
3.1.3
Crecimiento Exponencial
Pf = Pi * exp(rt)
Sin embargo, ninguno de estos tipos de crecimiento tiene un lmite superior de tamao para
la poblacin en un perodo dado. Lo anterior los hace un tanto incongruentes con la
realidad ya que todas las poblaciones crecen hasta llegar a un punto en el cual ya no es
posible sobrevivir para todos. Por tal motivo, surge la idea de emplear la curva logstica
como una forma de representar el crecimiento de poblaciones tomando en cuenta un lmite
mximo de crecimiento.
30
3.1.4
Curva Logstica
Durante mucho tiempo la curva logstica sirvi de modelo para representar el crecimiento
de diferentes poblaciones. Sin embargo, como la conducta de los seres humanos vara
constantemente a consecuencia de actos deliberados, no debe esperarse de ordinario que el
crecimiento de una poblacin se ajuste a una frmula matemtica precisa. Aunque ya no se
acepta como ley universal, la curva logstica todava se sigue empleando en algunas
proyecciones demogrficas, pues suele representar una tendencia que por lo menos es
razonable2.
Cabe mencionar que la principal limitante que surge al emplear la curva logstica es el
hecho de definir una poblacin mxima ya que resulta ser adems de difcil, demasiado
riesgoso.
Naciones Unidas. Mtodos para preparar proyecciones de la poblacin por sexo y edad p.2
Shryock, Henry & siegel, Jacob. The Methods and Materials of Demography. p.443
31
donde:
K es la constante que representa el lmite mximo que podra alcanzar la poblacin en
el futuro tambin denominada asntota superior.
Pt
e=exp
constante.
El valor de K resulta ser demasiado arbitrario al mismo tiempo que difcil de establecer
considerando nicamente la variable de poblacin por lo que muchas de las veces se recurre
a usar algn indicador de densidad demogrfica mxima y de all se procede a deducir una
poblacin mxima para un valor de K. Por su parte, los valores de a y b en la segunda
ecuacin pueden ser estimados mediante mnimos cuadrados.
3.1.5
Ecuacin Compensadora
Cz = Bz Dz + Iz Ez
32
Donde:
Cz
Bz
Dz
Iz
Ez
N x + k = Nx + Bx + k - Dx + k + SMx + k
donde: Nx + k es la poblacin estimada k aos despus del ao base x
Nx es la poblacin en el ao base x
Bx + k es el nmero de nacimientos ocurridos entre el ao x y el ao x + k
Dx + k es el nmero de defunciones ocurridas entre el ao x y el ao x + k
SMx + k es el saldo migratorio que tuvo lugar entre el ao x y el ao x + k
Un segundo aspecto importante dentro de este mtodo es que puede ser aplicado a subpoblaciones o cohortes de personas con una o ms caractersticas: sexo, edad, grupos
tnicos, etc. Cuando se utiliza el mtodo de esta forma, la poblacin total viene dada por:
Como ltima etapa, a partir de la poblacin base se proyecta cada grupo de edad hacia el
nuevo perodo (generalmente 5 aos) de acuerdo con las tendencias esperadas en los
patrones de fecundidad, mortalidad y migracin. El proceso se repite tantas veces como sea
necesario hasta alcanzar el ao hasta el cual se pretende proyectar esta poblacin.
35
Para poder trabajar con el mtodo de componentes en necesario tener una poblacin base
confiable, sobre la cual haremos todos los clculos antes mencionados. Generalmente los
datos empleados pertenecen al ltimo censo, desgraciadamente, estos datos no se
encuentran listos para usarlos, ya que es necesario actualizarlos, o bien pueden contener
errores de cobertura, sobretodo en las estadsticas vitales y en las declaraciones inexactas de
edad. En esa etapa, no solo se buscar corregir errores, tambin se pretender poner la
poblacin en fecha 30 de junio del ao a tomar como base.
36
Prorrateo
Este mtodo consiste en actualizar la informacin de la poblacin por sexo y edad del
ltimo censo disponible. Por ejemplo, si el censo fue levantado en el ao de 1998, la
poblacin base estara fijada en el ao 2000, por lo que sera necesario actualizar la
informacin dos aos. Es decir, si en el censo de 1998, fueron empadronadas 218000
personas y en el ao 2000 se calcul que existi una poblacin de 243000 habitantes, se
obtiene una tasa simple de cambio entre el total de la poblacin en el ao del censo y la
existente
en
el
ao
2000.
Entonces
quedara
de
la
siguiente
manera:
Este mtodo es similar al prorrateo. Ya que de igual manera, actualiza la informacin del
ltimo censo a la fecha base que se desea. Pero este mtodo permite actualizar los datos en
periodos que no son necesariamente mltiplos de cinco. La hiptesis bsica es que las
condiciones demogrficas van variando peridica y gradualmente a lo largo del tiempo y
los errores originados por este mtodo en el quinquenio son poco importantes. La
desventaja que ofrece, es que al ser interpolacin requiere de datos anteriores y posteriores
a la fecha a la que se desea interpolar. De esta manera, si deseamos la poblacin a mediados
37
Poblacin y
Una vez que se cuenta con esta informacin, se calcula la proporcin entre la fecha deseada
y los mismos, por ejemplo, si el conteo fue realizado a principio del 2000, la actualizacin a
mediados de 1999 significa que es 4 aos despus del Conteo de Poblacin y Vivienda y
medio ao antes del XII Censo de Poblacin, por lo que la proporcin sera 4 a 1/2, es
decir, 8 a 45. Ya que se cuenta con las proporciones, se calcula el promedio ponderado de la
poblacin en los dos periodos. De esta manera, la poblacin a mediados del ao 1999 viene
dada por:
8 Pob1995 + 4 Pob2000
12
Este procedimiento se lleva a cabo para cada edad sin importar de cual se trate, ya que el
mtodo supone uniformidad de la poblacin dentro de cada grupo.
Cuando se levantan los censos es muy comn encontrar errores derivados de declaraciones
inexactas de edad, como pueden ser los redondeos de edades pares o empadronamiento
defectuoso, en lugares que quedan sin censar. Otro error comn es el subregistro de
5
Naciones Unidas. Mtodos para proyecciones de poblacin por sexo y edad p.11
38
Ibid, p.15
39
dos grupos anteriores y posteriores. Cada uno de los grupos se puede ajustar por
medio de esta frmula si se cuenta con la informacin en grupos quinquenales y
hasta los 85 aos de edad.
NAPx =
N 2 + 4 N 1 + 10 N + 4 N 1 N 2
16
donde:
se refiere al nmero ajustado de personas correspondientes al grupo
NAPx
quinquenal
N 1 y N 2
Este ajuste se debe llevar a cabo para ambos sexos, aunque representa mayor
importancia para el caso de las mujeres, las cuales tienden a disminuirse la edad. Es
importante tener en cuenta que antes de aplicar estos mtodos, es necesario tener en
cuenta que no hayan ocurrido en el pasado eventos como guerras u otros que
pudieran ocasionar que la tasa de natalidad se haya visto disminuida.
40
Mayores de 75.- es sabido que las personas en edades avanzadas tiene a exagerar su
edad, lo que ocasiona que las cifras obtenidas en el censo sean excesivas en dichos
grupos de edad. Sin embargo, el nmero de personas en edades avanzadas es tan
pequeo debido a la mortalidad que resulta de poca importancia y generalmente no
es necesario hacerle ajustes.
Al hacer estos ajuste resulta lgico que la suma de la poblacin ajustada no corresponda
con la del censo, para corregir este perturbacin basta con prorratear la informacin.
Primeramente se estiman las tasas especficas de mortalidad7 (nmx), por sexo y grupos de
edad (grupos quinquenales), para los aos anteriores. Estas tasas pueden ser determinadas
por medio de las estadsticas vitales o por medio de mtodos indirectos para aquellos casos
en que no se cuenta con informacin vital de calidad. De acuerdo con su evolucin pasada
y analizando las perspectivas futuras en mortalidad, se proyecta el patrn de
comportamiento futuro de estas tasas, considerando que pueden llegar a estabilizarse en
determinado momento. Con esta informacin, se estima el comportamiento de las tablas de
vida para el futuro y especficamente se determinan las relaciones de supervivencia
(nPx,x+n-1), por sexo y grupos de edad, para cada uno de los perodos en que se van a realizar
las proyecciones. Son precisamente estas relaciones de supervivencias las que permiten
proyectar cada grupo n aos hacia el futuro, suponiendo que no existe migracin.
7
41
42
Shryock Henry & Siegel, Jacob. The Methods and Materials of Demography. P.455
43
La poblacin femenina a emplear es aquella que ha sido calculada previamente por medio
de las probabilidades de supervivencia. Es decir, el grupo de mujeres del grupo 15-19 del
ao 2005, estar dado por el grupo de 10-14 del ao 2000, con su respectiva probabilidad
de sobrevivencia.
B z ... z +5 ( Masc) =
z ... z + 5
( B z + B z +5 )
100
*5*
2
205
( B z + B z +5 )
105
( Fem) =
*5*
2
205
44
lo que podra pasar en el futuro. Se requiere adems, de todo un estudio sobre diferentes
elementos tales como: la economa, la situacin poltica, situacin laboral, climatolgica,
etc., pero no solo de la localidad para la cual se est proyectando la poblacin, sino para las
localidades vecinas. Aun con estudios de este tipo resulta sumamente difcil poder
aproximar lo que se espera de este componente a mediano o largo plazo. Por esta razn,
muchas veces se proyecta la poblacin suponiendo nicamente una migracin constante o
decreciente en su magnitud, utilizando como referencia lo que se ha venido presentando en
el pasado. Tambin es posible, suponer que no se presentar migracin en el futuro.
10
45
Yt = S t * Tt * I t
Donde:
11
46
Pr omediomvil =
Ft +1 = Ft + (Yt Ft )
donde:
Ft +1
Ft
Yt
47
F2 = Y1
Dentese por p(t) la poblacin en el tiempo t y por r(t,p) la diferencia de sus tasas de
natalidad y mortalidad. Si se supone que la poblacin es cerrada, se debe demostrar que el
dp/dt, el cambio de la poblacin es igual a r. tomando un modelo con r constante, es decir
una r que no dependa del tiempo no de la poblacin. La ecuacin diferencial que representa
el crecimiento del tiempo esta dada por:
dp(t )
= a p(t )
dt
a = cte.13
Si adems la poblacin el tiempo t 0 est dada por p(t 0 ) entonces la solucin al problema
inicial viene dado por:
12
13
48
p (t ) = p0 exp[a (t t 0 )]
Sin embargo, es necesario considerar que cuando la poblacin es grande, este modelo no
puede ser exacto ya que no refleja la competencia de los individuos por comida, espacio,
etc. Por lo anterior, se debe introducir un trmino de competicin, en este caso
introduciremos (b p 2 ) donde b es constante, ya que el promedio estadstico del nmero
de encuentro por unidad de tiempo es proporcional a p 2 . Esta ecuacin fue propuesta por
el bilogo Verhulst y se expresa de la siguiente manera:
dp
= ap bp 2
dt
p(t 0 ) = p0
p
p0
dr
ar br
ds
t0
49
= t t0
Pero para poder resolver la primera integral es necesario emplear fracciones parciales con
lo que se obtiene lo siguiente:
1
1
A
B
= +
2
r (a br ) r a br
ar br
A
B
A (a br ) + Br Aa + ( B bA) r
+
=
=
r a + br
r (a br )
r (a br )
Por tanto, Aa+ (B-bA)*r=1 y como esta ecuacin es cierta para r se llega a que:
Aa = 1
A=
1
a
B bA = 0
B=
b
a
Una vez obtenidos los valores para A y B se puede resolver la integral anterior
dr
b
1 p 1
=
p0 r (a br ) a p0 r + a br dr
p
50
a bp du
dr
1
= (ln p ln p0 )
p0 r ( a br )
a bp0 u
a
dr
1 p
(
)
=
ln
ln
a
bp
ln
a
bp
0
p0 r (a br ) a p0
1 p a bp0
dr
= ln + ln
p0 r ( a br )
a p 0 a bp
1
dr
p a bp0
= ln
p0 r ( a br )
a
p0 a bp
Por tanto,
a (t t 0 ) = ln
exp[a (t t 0 )] =
p a bp 0
p 0 a bp
p a bp 0
p 0 a bp
p (t ) =
14
ap 0
14
bp 0 + (a bp 0 ) exp[ a (t t 0 )]
51
a
b
Lo que quiere decir que independientemente del valor inicial, la poblacin tender al valor
lmite a/b. Ntese que p(t) es una funcin montona creciente en t para 0 p 0 a . Adems,
b
dp/dt es creciente si p(t)<a/2b y decreciente si p(t)>a/2b. De esta manera, la grfica para
p(t) tiene la forma de S denominada logstica.
52
El modelo de regresin lineal simple cumple con las siguientes caractersticas: lineal,
uniecuacional, esttico, con una variables endgena, una variable exgena, un trmino de
error y dos parmetros. La formula terica es:
Y = 1 + 2 X +
Yi = 1 + 2 X i + i
Siendo:
53
i= 1,,N.
Yi
Xi
1 y 2
No autocorrelacin: i j
Cov i , j = E i j = 0
Normalidad: i = 1,..., N
i : N (0, 2 )
E [i ] = 0
V [ i ] = 2
Un modelo de regresin puede violar algunas de estas hiptesis, el hacerlo trae consigo que
la estimacin de nuestra variable exgena sea incorrecta, los problemas ms frecuentes que
suelen presentarse son: existencia de autocorrelacin en los residuos, igualdad en las
54
aleatorias
ms
comunes
son
Durbin-Watson
Golfeld-Quandt
respectivamente.
Un modelo de regresin lineal simple guarda mucha relacin con un modelo de regresin
mltiple, la diferencia radica en que este ltimo involucra ms de una variable explicativa.
Este tipo de modelos se presenta de la siguiente manera:
Yi =
+ 1 x1i +
x2i+
x 3i + ei
i = 1,,N
La nica diferencia es que en este caso se cuenta con ms de una variable explicativa, para
este tipo de anlisis existen diversos mtodos para la construccin de un modelo, la mayor
parte pretenden incorporar en el modelo solo aquellas variables que sean mas
representativas. Entre los mtodos para construcciones de modelos se encuentran:
55
correlacin ms alta con Y y calculamos su ecuacin. Se procede a calcular la Fparcial de todas las dems con la primera del modelo. Se observa si la F-parcial ms
grande es significativa. Si lo es, se incorpora y se vuelve a calcular la ecuacin con
ella incluida. Si no lo es, so se incluye y se da por concluida.
Stepwise.- Para este mtodo se realizan los mismos pasos que para la seleccin
prospectiva, pero ahora al tener una nueva ecuacin, calculamos las F-parciales
nuevamente, incluyendo ahora la F-parcial de la primera en el nuevo modelo. De
esta manera se examinar nuevamente en cada paso las variables previamente
incorporadas en los pasos anteriores.
56
Adems de usar estos mtodos, se puede hacer uso de las variables denominas Dummy, las
cuales nos ayudan a descubrir si hay algn tipo de diferencias entre grupos que se pudieran
formar dentro de los datos.
Una vez que se cuenta con el modelo se procede a hacer la estimacin de la variable
endgena.
57