Documentos de Académico
Documentos de Profesional
Documentos de Cultura
5 GD 44 NH 1 DH 8
5 GD 44 NH 1 DH 8
personas que a continuacin citaremos y muchas de las cuales han sido un soporte muy
Primero y antes que nada, dar gracias a Dios, por estar con nosotros en cada paso
que damos, por fortalecer nuestro corazn e iluminar nuestra mente y por haber puesto
en nuestro camino a aquellas personas que han sido un soporte y compaa durante todo
el periodo de estudio.
apoyo incondicional.
El presente trabajo est dedicado a mis padres que han sido el pilar fundamental
superacin han logrado que llegue a cumplir una de las etapas ms importante de mi
vida.
han sabido ser el apoyo para poder superar todos los obstculos y adversidades
acompaado durante este recorrido y que me ha sabido brindar su afecto y amor para
ABSTRACT ....................................................................................................................................................... 12
INTRODUCCIN ....................................................................................................................................................... 13
FOTOVOLTAICA............................................................................................................................................... 55
2.3.1 LA ALFALFA........................................................................................................................................ 62
CONCLUSIONES....................................................................................................................................................... 80
RECOMENDACIONES............................................................................................................................................... 82
BIBLIOGRAFA ....................................................................................................................................................... 83
INDICE DE CUADROS
Cuadro N 01: Poblacin De Ganado Vacuno De Las Unidades Agropecuarias.
Cuadro N 02: Incidencia Solar Segn Meses.
INDICE DE FIGURAS
4.6 TABLA 1.3 DIMETRO MNIMO RECOMENDADO PARA POLEAS MONTADAS EN MOTORES..87
RODILLO DE COMPACTACIN.................................................................................93
4.15.1 Ilustrar las estadsticas descriptivas de las variables utilizadas en los modelos a
estimar................................................................................................................... 96
4.15.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los efectos
marginales............................................................................................................. 97
............................................................................................................................. 102
4.16.1 Ilustrar las estadsticas descriptivas de las variables utilizadas en los modelos a
estimar.................................................................................................................. 114
4.16.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los efectos
marginales............................................................................................................ 114
.......................................................................................................................... 119
4.16.6 Ilustrar las estadsticas descriptivas de las variables utilizadas en los modelos a
estimar................................................................................................................. 123
4.16.7 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los efectos
marginales........................................................................................................... 124
.......................................................................................................................... 129
peletizadora dentro de la regin Puno, se realiz una investigacin la cual dio como
son los reportes de produccin de ganado vacuno en la regin Puno realizado para
principales componentes diseados para las mquinas resisten los esfuerzos a los que
11
ABSTRACT
The development of this paper deals with the statistical study are reports of IV
agricultural census, the production of cattle in the Puno regin determine the amount of
alfalfa pellets to produce and thus determine the design of the pelletizing machine to
also establish alfalfa design alfalfa pellet machine also likely to adopt the technology of
regin, an investigation which resulted was performed, which in our regin of Puno
likely to adopt the technology alfalfa pellet is if adoption of technology taking into
account the factors that determine that determine the adoption and consequently the
machine that it is in actual operation and the study and design of a pelletizing machine
alfalfa can raise its density. For the manufacture of pellets flat die pelleting was applied.
For the design of the pelletizing machine, statistical analysis reports are cattle
production in the Puno region conducted to determine the production capacity of alfalfa
pellets was considered, it was found that the main components designed to withstand
Finally, the probability of adopting alfalfa pelleting technology, taking into account
12
INTRODUCCIN
El desarrollo econmico y desarrollo energtico van de la mano. Existen muchos
manera ptima sus productos y limita todo lo que el mercado (que demanda sus
productos) les puede ofrecer. Es muy importante, por ello, garantizar una mquina
razn por la que la energa elctrica no llega, y por la que el olvido de las autoridades es
de energa elctrica mediante medios alternativos como, en el caso del presente diseo
Este recurso renovable es el que se usar con el fin de generar energa elctrica
electricidad para sus casas; sino tambin, podrn usar motores para realizar
alimentaran mucho mejor a su ganado con los pellets de forraje que mejora
competitividad en el mercado y superiores regalas por sus actividades; por lo tanto, con
13
Sobre la base de lo anteriormente expuesto, se tratar inicialmente acerca de las
intervienen mediante un modelo logit que es una aplicacin del modelo de eleccin
discreta.
14
CAPITULO I: PLANTEAMIENTO DEL PROBLEMA DE LA
INVESTIGACIN.
1.1 DESCRIPCION DEL PROBLEMA
alimentos. Esto nos obliga, para las actividades que ellos realizan, a la bsqueda de
otras forrajeras, mientras que en EE.UU., el mayor productor mundial, el volumen anual
15
1.1.1 CONDICIONES ACTUALES
Estas actividades se pueden clasificar como del tipo agropecuario, que por
ambiente natural, con el fin de hacerlo ms apto para la produccin de ganado vacuno
intermedios y finales que benefician al monto final de sus dividendos; que sin
elctrica.
El consumo depende del peso del animal; se puede considerar que en forraje
16
Distrito ATUNCOLLA 2142 1922
Distrito CHUCUITO 2463 1363
Distrito HUATA 1518 1096
Distrito MAAZO 3480 1614
Distrito PAUCARCOLLA 3677 2034
FUENTE: INEI - IV CENSO NACIONAL AGROPECUARIO 2012.
17
Produccin de pellets: Representa una actividad de suma importancia.
Este producto es usado para la alimentacin del ganado, lo que resulta mucho
ms ventajoso que usar pasto pre oreado o hacer pastar al ganado. El mercado de
pellets de alfalfa, nos da pie a intentar mejorar los procesos de produccin y aprovechar
los resultados que se tienen, como la variacin de peso (por ejemplo) en las vacas, lo
que genera un aumento de las cantidades de leche que estas pueden producir. Es
regin Puno?
Alimentacin del ganado con pellets de pasto y dems forrajes, se puede incrementar la
Empresas como Gloria y Laive recorren estos lugares para recoger las lecheras de latn.
energa elctrica, se podra utilizar refrigeradores para poder conservar esta leche y,
que la misma, pueda ser vendida no slo a cualquier cliente de una manera rpida para
18
que no se eche a perder, sino tambin se pueda elevar los precios y se pueda vender a
puno.
han sabido trasladarla de un lado a otro con el fin de poder usarla para regado,
habitantes de zonas rurales de la regin Puno se valen de ciertas formas que se irn
enunciando.
tractores que, por ejemplo, alquilan a S/.100,00 la hora; o de pequeos motores diesel
19
Consecuentemente, esto nos va llevando a la idea de la obtencin de energas de
Todos los das en el mundo brilla el Sol y el Per no es la excepcin; que debido
otros pases. Al presentar esta privilegiada posicin en el orbe, el Per, podra y debera
aprovechar este recurso renovable para poder generar energa a fin de autoabastecerse.
Sin embargo, la realidad es otra, el Per no usa estas fuentes renovables, como en otros
energa elctrica no llega, lo que genera un retraso en la poblacin con respecto a otros,
mayor desarrollo.
para la expansin de su mercado, puesto que impide la mejora en cuanto a las tcnicas
en las actividades diarias de los pobladores de las zonas rurales tales como la
produccin de alfalfa.
20
Se estableci, en el marco problemtico, la necesidad de poder energizar de una
manera alternativa los motores peletizadores de alfalfa. Tambin, se determin que una
forma eficaz y eficiente sera el uso de un sistema fotovoltaico; por lo tanto, se ver a
continuacin los logros obtenidos y como se alcanz que, a partir de la energa solar, se
pueda hacer funcionar motores de alta potencia. Tambin, el desarrollo actual de esta
en pases que, bajo una mentalidad ambientalista, estn usando formas de produccin
presente tesis.
servicio. Por otra parte, el uso de motores diesel contribuye a la polucin y resulta caro
sistema que pueda captar mucha energa dado que el precio por kilovatio hora captado
21
1.1.4 DECLARACIN DEL MARCO PROBLEMTICO
realizadas por los pobladores; por lo que el uso de una forma alternativa de generacin
sistema fotovoltaico se puede lograr que las actividades que involucran el uso de
alfalfa con aprovechamiento de energa solar en la regin Puno son los aptos para el
22
1.2 JUSTIFICACION DEL PROBLEMA
realizadas por los pobladores; por lo que el uso de una forma alternativa de generacin
sistema fotovoltaico se puede lograr que las actividades que involucran el uso de
alfalfa con aprovechamiento de energa solar en la regin Puno son los aptos para el
23
1.3 OBJETIVOS DE LA INVESTIGACIN
24
CAPITULO II MARCO TERICO.
2.1 ANTECEDENTES DE LA INVESTIGACIN
para las mquinas resisten los esfuerzos a los que estarn sometidos.
sistema con paneles solares para poder cargar bateras y as, energizar motores para
sistema as, los beneficios que presenta comparado con el sistema de carga de bateras
simulacin de una prensa granuladora de madera automatizada de hasta 200 kg/hr, Para
25
materia prima que utiliza la mquina, y las caractersticas que debe tener el granulo de
mquina. Se definen los sistemas que se van a utilizar, y se disea los elementos
mecnicos de la prensa.
2.2.1.1 GENERALIDADES
N m=0.15i dQ
Dnde:
Nm: Potencia Necesaria del Motor para el Molido, en KW.
Q: Caudal o flujo msico de entrada, en T/H .
Id: Grado de Desmenuzamiento, adimensional.
26
EL Caudal o flujo msico de entrada, en T/H. Se calcula en base al consumo de
(12712kg/dia)*(1dia/6h)
lineal del material antes de su subdivisin (D), a la mayor dimensin lineal del
D
I d=
d
El tamao de la partcula una vez desmenuzada debe llegar a ser de 6mm, para
su posterior peletizado.
27
Grado de Desmenuzamiento:
0.030
I d= =5
0.006
de bandas, por lo que hay considerar algunos aspectos como el tipo de bandas a utilizar,
colocacin de la polea.
28
F serv : Factor de servicio segn el trabajo de la mquina.
Pdiseo =1.42 HP
Pdiseo =2.8 HP
transmitir 2 HP a 1800rpm.
HP a 1800rpm se recomienda que el dimetro de la polea motriz sea mayor o igual a 2.4
pulgadas.
r . p . m polea motriz
r=
r . p .m polea conducida
1800 r . p . m0.7=1260r . p .m
29
1800
r= =1.43
1260
30
Relacin de Transmisin de Poleas:
recomendado.
Dp
dp
Dp
=1.428 d=3 pulg
dp
La distancia entre centros de poleas debe ser elegida de forma tal que permita
colocar las
amin
Poleas sin chocar (criterio ) y que la distancia no sea excesivamente
amax
grande ante las condiciones practicas (criterio ).
31
amin a 0 a min amax
amin =0.7 (d + D)
amax =2( d+ D)
Por lo tanto:
Dd
2
L0 2 a0 +1.57 ( d+ D ) +
32
Dnde:
a0 =300 mm amin a 0 amax
Distancia previa entre centros de polea
114.376.2
2
L0 2 a0 +1.57 ( 76.2+114.3 )+
L0 900,294 mm
33
Segn la tabla de longitudes normalizadas para bandas 3V (anexo 4.4), se escoge la
1=2 cos1
[ ]
Dd
2a 0
Nmero de Bandas.
admisible (N), potencia nominal transmitible por la correa (N1), coeficiente de ngulo
c cl
de contacto ( ) coeficiente por correccin de la longitud ( ) y del factor de
seguridad (fs), por lo tanto el nmero de bandas es expresado por la siguiente ecuacin.
N 1 c c
l
Nf s
Z
34
1.5 kw1.4
Z 1.379
1.5 kw0.9851
Z 1.379 2 Bandas
35
DISEO DE LOS MARTILLOS DE MOLTURACIN
Los ejes porta martillos tambin denominados ejes secundarios, contienen a los
martillos de molido, cada martillo es distribuido de tal manera que no se golpeen entre
Los martillos son mviles, este sistema es utilizado ya que le otorga la capacidad
Ambos extremos de los ejes se roscan para fijarlos al sistema de trituracin, por
ese preciso instante se procede a analizar qu ocurrir con la alfalfa al ser triturada.
martillos contra los forrajes, la aceleracin del sistema, la velocidad angular, etc.
Los pellets que salen del proceso de peletizado poseen elevadas temperaturas
(debido a las altas presiones ejercidas por los rodillos sobre los dados de la matriz en el
proceso de extrusin), esto causa en los pellets un efecto de fragilidad tambin conocido
36
2.2.1.5 TRANSFERENCIA DE CALOR ENTRE LOS PELLETS Y EL AIRE
atravesados por una corriente de aire forzado que provoca una transferencia de calor del
Condiciones Inciales
proceso de compactacin. En esta etapa del proyecto se disearan cada uno de los
37
2.2.1.7 CONSIDERACIONES INICIALES
todo en las primeras horas de trabajo. El avellanado normalmente tiene una conicidad
de 55 - 60.
buenos registros de compactacin de pellets, las presiones oscilan entre 1100 y 2500
Partiendo del anlisis del esquema de tamizado se determin que el flujo msico
CEN/TS 14691.
38
Para pellet con = 6mm
Velocidad del eje principal; El eje principal acoplado a la transmisin sin fin
corona transfiere la velocidad a los rodillos. Al estar en contacto los rodillos con la
se puede determinar la velocidad de giro de la matriz reflejada como la velocidad del eje
39
2.2.1.10 SISTEMA DE TRANSMISIN
Las transmisiones sin fin- corona se emplean generalmente para transmitir potencias
estas razones se ha elegido esta transmisin para dar movimiento al eje principal de la
Las dimensiones del diente se pueden calcular a partir del paso circunferencial
Las fuerzas producidas por la transmisin, los rodillos originan torques en el eje
40
Figura 05 Mecanismos de transmisin de potencia y compactacin.
Fuente: ARPI CALDERN
FOTOVOLTAICOS
poder generar energa limpia, contribuyendo con el medio ambiente y que, bien
ingreso mayor para los pobladores y finalmente, el acceso a una fuente de energa
elctrica propia.
agrcola hasta aplicaciones comerciales que pueden ser beneficiosas para cualquier
comunidad agrcola y rural, que se decida por tener un sistema fotovoltaico, acarreando
41
Para la aplicacin a utilizar, que es energizar motores de mquinas peletizadoras
ser la excepcin. Este sistema nos permitira cargar un arreglo de bateras para
invernadero.
significativas.
producirse alteracin de los acuferos por contaminantes no existe ningn dao en las
extensos tendidos elctricos, se evitan los posibles efectos perjudiciales para las aves.
42
Las variables internas identificadas en las zonas rurales de la regin Puno; se
partir de ste, se determinarn el mximo y mnimo de energa que se puede obtener por
estudio ms profundo acerca de este tema hecho hasta ahora, es el realizado por la
NASA National Aeronautics and Space Administration por sus siglas en ingls o
kWh / m 2 / d
Enero 5.60
Febrero 6.37
Marzo 7.17
Abril 7.42
Mayo 6.88
Junio 5.17
Julio 5.13
Agosto 5.39
Septiembre 5.82
Octubre 5.70
Noviembre 5.51
Diciembre 5.24
Anual 5.95
Fuente: NASA, ha pedido propio segn coordenadas de ubicacin
43
Considerando estos datos, se puede concluir que:
incidencia solar, que resulta de hallar la media de la Incidencia Solar en una Superficie
para la comunidad siempre y cuando el nivel de energa requerido este por debajo del
evaluarn las proformas de diversas empresas que tengan las mquinas y equipos
2.2.3.1 DIMENSIONAMIENTO
Para dimensionar el diseo del sistema se necesita medir de una manera real las
pellets de alfalfa, pero en la cantidad que las zonas rurales de la regin puno la
requieran que es de 12712 kilogramos diarios para la alimentacin total del ganado
44
vacuno. Por lo que lo ms adecuado sera el uso de un motor que proporcione entre 12 a
cubrir la necesidad del ganado y el tiempo suficiente como para poder recargar las
peletizado que producirn el pellets de alfalfa que sirve para alimentar al ganado vacuno
Una batera se puede definir como un dispositivo que convierte energa qumica
en energa elctrica gracias a la accin de sus celdas internas. Las bateras ms comunes
son las de nquel-cadmio y las de plomo cido que presentan diversas concentraciones
energa obtenida a partir de paneles solares se utilizan bateras de plomo cido de ciclos
profundos.
ejemplo, las bateras para arranque en donde sus placas son porosas. Esto permite que la
superficie sea menor por lo que ofrece una menor potencia instantnea.
Las bateras de plomo cido que se planean usar, cumplen con la siguiente
reaccin qumica:
45
FIGURA 06: Ecuacin qumica de las bateras de plomo cido.
En la descarga, se puede apreciar como el dixido de plomo y el plomo es
hidrgeno respectivamente.
necesita 3HP, que equivalen a 2 238W, para funcionar por ende, nuestro arreglo de
peletizador es necesaria una simple divisin de los 2 238W entre los 24V de
46
Su precio es de US$499,00 (cuatrocientos noventa y nueve dlares americanos)
que equivalen aproximadamente a S/. 1 501,99 (mil quinientos un nuevos soles con
temperatura de 25C; que est realizado con la mayora de piezas bajo el estndar DOT
HMR49 que indica que un material no es peligroso y; por ltimo, sus Electrolitos estn
recubiertos por AGM (Absorbed Glass Mat) que son separadores de vidrio micro
poroso.
yates y embarcaciones. Cuenta tambin, con una lnea de bateras solares de ciclo
11PS que ofrece una capacidad de 121 A-h y otorga 12V. Como en capacidad
47
satisface nuestros requisitos, entonces, solo se debe formar el arreglo de bateras en
El precio por esta batera es de US$ 1 020 (mil veinte dlares americanos) que
en nuestra moneda local seran S/. 3 098,20 (tres mil setenta nuevos soles con veinte
Este modelo de batera ofrece una capacidad de 110A-h y otorga 12V. Tiene una
masa de 167 libras y al igual que la opcin Concorde ofrece material hecho en AGM
(Absorbed Glass Mat) adems de cumplir con los estndares especificados en el ATA 60
de las Fuerzas Armadas Americanas [19], que es un estndar de aviacin que se refiere a
48
As como en las otras opciones, al ofrecer 12V se tendr que realizar un arreglo
de bateras dispuestas en serie y paralelo para alcanzar los 24V y 140A que se necesitan
para el sistema.
cinco dlares americanos con noventa y cinco centavos) que seran unos S/. 1 429,75
Por la alta cantidad de corriente que puede ofrecer por la gran especializacin
que una excelente marca como Concorde ha tenido para con las bateras para
y modelo Sun Xtender PVX-2120L. Como se indic, el motor requiere una corriente
49
nominal de 93.25A y de 140A en su pico de corriente en el arranque, por lo que se
2 en serie para alcanzar los 24VDC que necesita como alimentacin el motor.
2 en paralelo al arreglo anterior para alcanzar y superar los 140A que alcanza la
El arreglo de bateras ser capaz de ofrecer unos 6 528W de potencia por hora
bateras Rolls Surrette, por su alto precio; por otra parte, en el caso de las bateras UB-
Los paneles solares nos brindan energa elctrica a partir de la energa que
captan del Sol; sin embargo, la posicin del Sol, el ngulo desde donde se capta la
energa, la intensidad de su brillo e incidencia con llevan a una variacin del voltaje a la
salida del arreglo de paneles. Cuando la incidencia es poca, como por ejemplo
Cuando pasa una nube, el voltaje llega a niveles de entre 7 a 8V; y cuando se
encuentra, por ejemplo, a medioda, llega a niveles de 20V ms o menos por panel (el
50
Debido a esto, es imperativo que se tenga una unidad que se encargue de regular
este voltaje y mantenga cargada la batera; cualquiera que sea la incidencia o las
circunstancias sobre los paneles, la salida hacia las bateras sea los 24V que hemos
diseado en el punto anterior. Adems, el controlador de carga debe ser capaz de cargar
cumpla con altos estndares lo que nos garantizar que funcione adecuadamente, como
Este controlador de carga presenta voltajes variables entre 12, 24, 48 y 60V;
adems de soportar hasta 80A de corriente de corto circuito. Entre todas sus
energa captada por los paneles solares variando la resistencia para maximizar la
cuando se encuentra dentro del horario en donde el Sol alumbra, es decir desde las 5am
a 1W-h por lo que en un da, el consumo de energa presentado por este dispositivo sera
de 24W lo que debera ser cubierto por la energa captada en el arreglo de paneles
51
FIGURA: 10 Outback MPPT 80A
Fuente: www.siliconsolar.com
(quinientos noventa y nueve dlares americanos) que equivalen a S/. 1 802,99 (mil
ochocientos dos nuevos soles con noventa y nueve cntimos) en la empresa Solar Panel
la opcin expuesta anteriormente ofrece la tecnologa de carga MPPT que como se dijo
Es otro de los pocos controladores que nos ofrece hasta 60V de regulacin
variando por pasos de 12V, 24V y 48V; sin embargo, la capacidad de corriente que
soporta es de 60A lo que ocasionar que la carga sea un poco ms lenta comparando
con la opcin previa, pero que no es algo crtico al considerar la cantidad de uso que se
52
FIGURA: 11 Xantrex XW MPPT60-150
Fuente: www.wholesalesolar.com
A pesar que las dos opciones presentadas son muy buenas, ya que son regulables
en cuanto al voltaje y alcanzan los 24VDC que se necesitan y poseen toda una
Charge Controller MX80 porque soporta 20A ms de corriente que la otra opcin por
una variacin de precio de US$ 100, que no resulta excesiva. Adems, cumple con
entrada para el arreglo de paneles fotovoltaicos (PV+, PV-; entradas positiva y negativa
respectivamente) y los bornes para las salidas hacia el arreglo de bateras (BAT+,
53
BAT-; correspondientes a las salidas positiva y negativa). Estos deben ser ajustados con
PV- como la salida BAT- estn cortocircuitadas, por lo que slo un cable es necesario
para ponerlos al nivel del potencial ms bajo; adems existe un borne adicional al cul
se le conectar esta referencia (el marcado con: conexin a GND) para poner al mismo
tornillos; adems, la salida auxiliar programable, que para esta aplicacin no se usar; y
la batera para el Sensor Remoto de Temperatura, RTS, por sus siglas en ingls.
Entre los paneles solares disponibles en el mercado existen dos clases para
elegir:
En todas sus presentaciones estas cuentan con 12V de salida y varan de acuerdo
diariamente.
54
2.2.3.8.1 CLCULO DE LA CANTIDAD DE PANELES SOLARES
Puno, donde el promedio ascenda a 5,95KW-h por metro cuadrado; se puede calcular la
cantidad de paneles solares necesarios con un rea de superficie idnea como para
horario de incidencia solar sobre un arreglo tpico de paneles solares es desde las 08:00
hora adicional para ajustar la grfica a la mnima cantidad de horas de irradiacin solar
posible, como sucede en invierno. Por lo que se considerarn 6 horas en donde el Sol
Cantidad de potencia que debe ser recolectada en una hora = 2238W / 6 horas =
373 W / h
55
El arreglo de paneles solares debe captar 373 W por hora como mnimo para que
Los paneles a utilizar tienen cada uno una potencia de 123W, es del tipo poli
travs de 45 aos por Sharp presentan las caractersticas detalladas en la tabla 3.4 que
paneles que ofertan estos paneles a S/. 2 043,79 (Dos mil cuarenta y tres nuevos soles y
conectados en serie, los que nos brindar mayor voltaje. Adems, colocando una
paralelo al mismo se obtendrn 738 W por cada hora, lo que nos permitir alcanzar los 3
paralelo de 2 paneles en serie por cada rama, con diodos ultrarrpidos de proteccin
(se usar el RURG8060 de 80, a la salida de sus bornes, esto para evitar que existan
corrientes que entren en sentido contrario al normal flujo. Estos tienen un costo de S/.
56
2.2.3.8.3 PANEL SOLAR Q-CELL HBM210-16498P
www.todoenstock.com desarrollado por Q-cell captan una potencia de 210W por cada
panel, adems de una garanta por 5 aos y se afirma que a los 10 aos la produccin
modelo es que cuenta con certificaciones T V CLASII e IEC 61215 que denota la
197,61 (dos mil ciento noventa y siete nuevos soles con sesenta y un cntimos) y
dijo en los puntos previos, se necesitan 2 paneles en serie para obtener los 24V y con los
210W que son capaces de captar, entonces tan solo colocando 2 en paralelo a los
anteriores se obtendr 840W (210W x 4); con lo que los 3 754W requeridos se
80A.
57
2.2.3.9 ELECCIN DE PANELES SOLARES
La eleccin en este punto entre las dos opciones presentadas, se hace ms clara
luego del clculo hecho. La segunda opcin; es decir, el panel solar Q-cell HBM210-
empleado, ya que con las 4,47 horas en las que captan la potencia requerida para el
funcionamiento del sistema, dan tiempo a los pobladores de poder picar el forraje dentro
opcin en donde se usan 6 paneles, se usarn slo 4, captando incluso ms energa que
la primera opcin. Por ltimo presenta certificaciones internacionales que respaldan esta
opcin.
RURG8060 a la salida de los bornes del arreglo de paneles, esto para evitar que
existan corrientes que entren en sentido contrario al normal flujo. No s utilizar rompe
circuitos (Circuit Breakers ) debido a que la intensidad de corriente mxima del panel
escogido es de 7,29A que en conjunto no superar los 80A que soporta el controlador
de carga.
58
2.2.4 ANLISIS DE VIABILIDAD ECONMICA DE LA ENERGA
energa elctrica de las localidades ubicadas en el rea del proyecto, con periodo de 20
Del cuadro deducimos que el pago por el servicio de energa elctrica en las
zonas rurales de la regin Puno esta alrededor de S/. 0.4682 nuevos soles/KWh.
evaluacin
ALTERNATIVA N 01
proyecto.
ALTERNATIVA N 02
59
2.2.4.1.3 COSTOS EN LA SITUACIN "SIN PROYECTO"
alternativas de energa.
Para el presente anlisis, los costos en la situacin "sin proyecto" son cero.
ALTERNATIVA N 01.
sociales, para lo cual se han utilizado los factores de correccin correspondientes. Estos
Subestaciones, y la venta se efectuar en Baja Tensin para las localidades rurales del
proyecto. El pliego tarifario de compra y venta de energa utilizado es del Sistema Rural
- Sector Tpico III, de la Empresa Electro puno S.A.A. Ver pliego tarifario de compra y
venta de energa.
60
Se considera la inversin requerida para renovar los componentes cuya vida til
es menor a 20 aos.
evaluacin.
2.2.4.2 EVALUACIN
BENEFICIOS FINANCIEROS
ALTERNATIVA N 1.
ALTERNATIVA N 2.
energa solar para el servicio elctrico. Para la evaluacin se considera una empresa
61
cada abonado, de manera que permita cubrir los costos de operacin y mantenimiento y
Este pago mensual regulado por el servicio de paneles solares se compara con el
La inversin inicial
+10% de la inversin, debido a que los costos suelen subir debido a la escasez de los
materiales, y adems que, en esta alternativa, existe una mayor probabilidad de tener
imprevistos.
62
Se concluye que si la inversin de la alternativa 1 aumenta hasta un 10%, el
10% a un +10% de la tarifa actual, debido a que el ingreso de nuevas fuentes de energa
Por otro lado, la escasez de lluvias, puede hacer que las tarifas suban.
y sociales.
PARA LA ALTERNATIVA 1:
mejor.
CAPACIDAD DE GESTIN
63
2.2.4.2.8 FINANCIAMIENTO DE LOS COSTOS DE OPERACIN Y
MANTENIMIENTO
Los costos operativos, se financian con los beneficios obtenidos por la venta de
A este efecto se puede concluir que el Proyecto despus de cubrir los costos
podr obtener algunos ingresos que le permitan recuperar a muy largo plazo parte de su
inversin.
los impactos ambientales, tanto positivos como negativos, para prevenir con medidas de
nacional ambiental.
poltica nacional del ambiente y promueve el uso sostenible de los recursos naturales,
por otro lado establece que toda persona tiene derecho a la paz, la tranquilidad, al
64
Asimismo la ley de concesiones elctricas (D.L.N 25844), establece las normas
seala que el estado previene la conservacin del medio ambiente y del patrimonio
elctrica.
a) Alcances
negativos.
b) Metodologa
necesaria sobre el rea del proyecto, para comprender el funcionamiento del medio
ambiente.
65
2.3 GLOSARIO DE TRMINOS BSICOS.
2.3.1 LA ALFALFA
pastoreo directo como en las distintas formas en que su forraje puede ser conservado. El
Estas caractersticas hacen que la alfalfa sea una de las especies preferidas para
entre pocas del ao y regiones ganaderas. El rol de los forrajes conservados en los
66
2.3.2 EL PANEL FOTOVOLTAICO
de EVA (etileno-vinilo-acetato), entre una lmina frontal de vidrio y una capa posterior
uniforme.
LLAMADO MULTICRISTALINO)
rendimiento sea algo inferior al de las clulas mono cristalinas. Se caracterizan por un
Son menos eficientes que las clulas de silicio cristalino pero tambin menos
costoso. Este tipo de clulas es, por ejemplo, el que se emplea en aplicaciones solares
67
El parmetro estandarizado para clasificar la potencia de un panel fotovoltaico se
denomina potencia pico, y se corresponde con la potencia mxima que el mdulo puede
oscilan entre el 14%-20%. Para clulas de silicio Mono cristalino, los valores oscilan en
el 15%-21%. Los ms altos se consiguen con los colectores solares trmicos a baja
solar a trmica).
-aunque hay lneas de investigacin sobre paneles hbridos que permiten generar energa
elctrica y trmica simultneamente. Sin embargo, son muy apropiados para proyectos
de electrificacin rural en zonas que no cuentan con red elctrica, instalaciones sencillas
DEFINICIONES OPERATIVAS
Se analizarn los parmetros que se deben tener ms en cuenta para el diseo del
refieren a los que son mesurables, e indicadores cualitativos, los cules van ligados a los
68
2.3.3 INDICADORES CUANTITATIVOS
Voltaje DC.- Tipo de voltaje a utilizar para el motor, mientras ms alto sea su
Inversin realizada.- El monto de dinero que costara el diseo, siempre tiene que
Seguridad.- Para el usuario del sistema, apoyado en la solidez que representan las
normas internacionales.
69
2.4.2 HIPTESIS ESPECFICO.
70
CAPITULO III DISEO METDOLOGICO DE LA
INVESTIGACIN.
CONTINGENTE.
tecnologa de los habitantes de las zonas rurales (mquina peletizadora de alfalfa) por
Identificar el valor que tiene para las personas poder disfrutar de una mquina
vacuno (mquina peletizadora con motor disel). Este ser el nivel de calidad A.
vacuno (mquina peletizadora con sistema convencional). Este ser el nivel de calidad
B.
71
Una tercera adopcin de tecnologa para mejorar la produccin de ganado
vacuno (mquina peletizadora con sistema fotovoltaico). Este ser el tercer nivel de
calidad C.
V 1
( X 7) 1 X 6 X 13 X 2 X 15
2 3 4
V 1
( X 9) 1 X 8 X 13 X 2 X 15
2 3 4
V 1
( X 11) 1 X 10 X 13 X 2 X 15
2 3 4
Dnde:
72
X2: Variable binaria que toma el valor de 1 si existe deficiencia en la
tecnologa usada y 0 si existe tecnologa adecuada.
lago Titicaca, abarca una superficie de 71,999 km2 (5.6% del territorio nacional), de la
cual 5,011 km2 corresponde a la parte peruana de la superficie del Lago Titicaca. Posee
de los cuales las tres provincias con ms de 100 mil habitantes son Puno, San Romn y
73
El ecosistema regional del Altiplano de Puno, se caracteriza por una amplia
por la enorme masa de agua del Lago Titicaca que amortigua las bajas de temperaturas
que son frecuentes en el altiplano, cuya altitud oscila entre 3,800 y 3,950 m.s.n.m; sin
zona Suni que forma parte de la cordillera occidental de los Andes, se encuentra en una
altitud entre 3,900 y 4,600 m.s.n.m, por lo mismo este espacio recibe poca influencia
del lago Titicaca. En esta regin, por la intensidad de sequas, granizadas, heladas y falta
actividad agrcola; la ganadera, en cierta medida es la que tiene mayor viabilidad por la
485,811 hectreas de tierras cubiertas de pastos naturales, los que en su mayor parte
son factibles de instalar pastos cultivados tanto en secano como bajo riego, superficie
que se estima con posibilidades de instalar pasturas hasta en un 30% que representara
74
logstico, con la participacin del Gobierno Regional, y las entidades Pblicas del
familiar y muy poco para venta en el mercado local, debido a la poca extensin que
poseen las unidades familiares (alta presin sobre las tierras de cultivo / minifundio) y
ao 2007.
de Puno que comprende pastizales de 1ra (15%), 2da (31.4%), 3ra (25.3%) y 4ta clase
75
aporte promedio de 5% de protena total por ao que alimenta a 79,98% de la poblacin
ganadera de la regin.
Respecto al manejo, sanidad y mejoramiento ganadero an hay que mejorar, por ello los
ndices de productividad agropecuaria son bajos con comparacin con otras regiones.
76
CAPITULO IV ANLISIS E INTERPRETACION DE
RESULTADOS DE LA INVESTIGACION
4.1 MODELOS DE CALIDAD AMBIENTAL A
PRUEBA DE RELEVANCIA
Para la variable x6
Es significativa al 1%.
Es significativa al 1%.
No es significativa.
No es significativa.
Entonces se concluye que en el modelo logit hay dos variables que son
77
Lr = -2(lnlr - lnl) remplazando en la formula obtenemos:
Lr=-2((-221.9310 - (- 169.4371))
degrees of freedom 4
Como el chi squared =104.9878 mayor al chi squared con 4 grados de libertad
significativos.
AJUSTE DE MODELO
Porcentaje de prediccin
lo que significa que debo adoptar la tecnologa necesaria para mejorar la produccin de
ganado vacuno.
78
4.2 MODELOS DE CALIDAD AMBIENTAL B
PRUEBA DE RELEVANCIA
Para la variable x8
Es significativa al 1%.
Degrees of freedom 4
79
Como el chi squared =92.00479 mayor al chi squared con 4 grados de
significativos.
Ajuste de modelo
Porcentaje de prediccin
PRUEBA DE RELEVANCIA
Para la variable x8
Es significativa al 1%.
80
Para la variable x15.
Es significativa al 1%.
Entonces se concluye que en el modelo logit hay 3 variables que son significativas
Degrees of freedom 4
Como el chi squared =92.00479 mayor al chi squared con 4 grados de libertad (de
Se concluye que hay dependencia global del modelo o son globalmente significativos.
AJUSTE DE MODELO
PORCENTAJE DE PREDICCIN
lo que significa que debo buscar la tecnologa necesaria para mejorar la produccin de
ganado vacuno.
81
4.3 MODELOS DE CALIDAD AMBIENTAL C
PRUEBA DE RELEVANCIA
82
AJUSTE DE MODELO.
Porcentaje de prediccin
lo que significa que debo buscar la tecnologa necesaria para mejorar la produccin de
ganado vacuno
83
CONCLUSIONES.
La produccin y almacenamiento de reservas forrajeras de alfalfa eran
regin.
inercia del sistema se puede mover y a la vez realizar la peletizacion de la alfalfa con un
necesita 3HP, que equivalen a 2 238W, para funcionar; por ende nuestro arreglo de
peletizador es necesaria una simple divisin de los 2 238W entre los 24V de
84
El VAN y la TIR a precios privados indican que el proyecto no permitir
recuperar buena parte de las inversiones en el largo plazo debido a la poca demanda
viable. El proyecto se hace socialmente rentable debido a que este es de inters social,
alternativa ms conveniente.
85
RECOMENDACIONES.
El Presupuesto insuficiente; Es el mayor limitante, evita que se pueda desarrollar
un sistema que pueda captar mucha energa dado que el precio por kilovatio hora
86
BIBLIOGRAFA
ARPI - CALDERN (2010) Diseo De Una Mquina Pelletizadora En Base A La
Aprovechamiento Energtico.
Comunidad Agrcola.
87
Bases Para El Diseo De Lneas Y Redes Secundarias Con Conductores Auto
INGENIERA)
Tpico 3
priorizados.
88
Ministerio de Economa y finanzas Direccin de Programacin Multianual.
DIRECCIONES WEB
OSINERG
a. www.cte.org.pe
b. www.inei.gob.pe
89
ANEXOS
5.1 TABLA 1.1 Factor de Servicio Tpicos.
http//:electoolbox.com
90
5.2 TABLA 1.2 Seccin de la Banda de Transmisin.
http//:electoolbox.com
montadas en motores.
http//: el prisma.com
91
http//: el prisma.com
http//:elprisma.com
http//: el prisma.com
92
5.6 TABLA 1.6 Seleccin del Rodamiento.
Seleccin del rodamiento de acuerdo al dimetro del eje principal y de las cargas
que va a soportar.
93
5.7 Tabla 1.7 Seleccin De Rodamientos Del Sistema De Desbalance
94
5.8 TABLA 1.8 DIAGRAMA PSICOMTRICO DEL AIRE
HMEDO
95
5.9 TABLA 1.9 SELECCIN DE RODAMIENTO RGIDO DE
96
5.10 TABLA 1.10 SELECCIN DE RODAMIENTO DE
COMPACTACIN.
97
5.11 APLICACIN DEL MTODO DE VALORACIN
CONTINGENTE
tecnologa de los habitantes de las zonas rurales (mquina peletizadora de alfalfa) por
INFORMACIN UTILIZADA
Identificar el valor que tiene para las personas poder disfrutar de una mquina
calidad A.
calidad B.
98
Una tercera adopcin de tecnologa para mejorar la produccin de ganado
vacuno (mquina peletizadora con sistema fotovoltaico. Este ser el tercer nivel
de calidad C.
V 1
( X 7) 1 X 6 X 13 X 2 X 15
2 3 4
V 1
( X 9) 1 X 8 X 13 X 2 X 15
2 3 4
V 1
( X 11) 1 X 10 X 13 X 2 X 15
2 3 4
Dnde:
99
X13: Variable independiente continua que representa el ingreso familiar
mensual en soles.
modelos a estimar.
--> DSTAT;Rhs=X7,X6,X13,X2,X15$
Descriptive Statistics
100
==============================================================
=================
Variable Mean Std.Dev. Mnimum Maximum Cases
==============================================================
=================
-------------------------------------------------------------------------------
All observations in current sample
-------------------------------------------------------------------------------
X7 .358823529 .480362232 .000000000 1.00000000 340
X6 5589.70588 2593.11203 1000.00000 10000.0000 340
X13 520.588235 290.538521 100.000000 1100.00000 340
X2 .976470588 .151801033 .000000000 1.00000000 340
X15 .391176471 .488733024 .000000000 1.00000000 340
5.12.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los
efectos marginales.
--> LOGIT;Lhs=X7;Rhs=ONE,X6,X13,X2,X15;Margin$
+---------------------------------------------+
| Dependent variable X7 |
| Iterations completed 6 |
101
| Log likelihood function -169.4371 |
| Degrees of freedom 4 |
+---------+--------------+----------------+--------+---------+----------+
+---------+--------------+----------------+--------+---------+----------+
Matrix: LastOutp
[5,4]
102
+--------------------------------------------------------------------+
+--------------------------------------------------------------------+
103
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs. |
+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant -.15362232 .25103681 -.612 .5406
X6 -.959832D-04 .122810D-04 -7.816 .0000 -1.73294980
X13 .00043712 .00011026 3.964 .0001 .73501472
Marginal effect for dummy variable is P|1 - P|0.
X2 .19951254 .12083376 1.651 .0987 .62926129
Marginal effect for dummy variable is P|1 - P|0.
X15 .07606977 .06371873 1.194 .2325 .09611396
+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE | -.15362 |
| X6 | -.00010 |
| X13 | .00044 |
| X2 | .19951 |
| X15 | .07607 |
+----------+----------+
104
+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit model for variable X7 |
+----------------------------------------+
| Proportions P0= .641176 P1= .358824 |
|N= 340 N0= 218 N1= 122 |
| LogL = -169.43711 LogL0 = -221.9310 |
| Estrella = 1-(L/L0)^(-2L0/n) = .29695 |
+----------------------------------------+
| Efron | McFadden | Ben./Lerman |
| .27151 | .23653 | .66801 |
| Cramer | Veall/Zim. | Rsqrd_ML |
| .27850 | .41666 | .26566 |
+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria 1.02610 368.01896 |
+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + -----
Actual 0 1 | Total
------ ---------- + -----
0 183 35 | 218
1 53 69 | 122
------ ---------- + -----
Total 236 104 | 340
105
==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
-----------------------------------------------------------------------
Prediction Success
-----------------------------------------------------------------------
Sensitivity = actual 1s correctly predicted 56.557%
Specificity = actual 0s correctly predicted 83.945%
Positive predictive value = predicted 1s that were actual 1s 66.346%
Negative predictive value = predicted 0s that were actual 0s 77.542%
Correct prediction = actual 1s and 0s correctly predicted 74.118%
-----------------------------------------------------------------------
Prediction Failure
-----------------------------------------------------------------------
False pos. for true neg. = actual 0s predicted as 1s 16.055%
False neg. for true pos. = actual 1s predicted as 0s 43.443%
False pos. for predicted pos. = predicted 1s actual 0s 33.654%
False neg. for predicted neg. = predicted 0s actual 1s 22.458%
False predictions = actual 1s and 0s incorrectly predicted 25.882%
==============================================================
=========
5.12.3 Interpretar desde el punto de vista econmico y estadstico el modelo
estimado.
PRUEBA DE RELEVANCIA
| Prob[ChiSqd > value] = 0.0000000 ES ALTAMENTE SIGNIFICATIVO
106
PARA LA VARIABLE X6
ES SIGNIFICATIVA AL 1%.
ES SIGNIFICATIVA AL 1%.
NO ES SIGNIFICATIVA.
NO ES SIGNIFICATIVA.
SON SIGNIFICATIVA.
O CONJUNTA.)
Degrees of freedom 4
107
COMO EL CHI SQUARED =104.9878 MAYOR AL CHI SQUARED CON 4
DEL 99%.
AJUSTE DE MODELO
0.90)
PORCENTAJE DE PREDICCIN
Correct prediction = 74.118%.
VACUNO.
108
==============================================================
=================
Variable Mean Std.Dev. Minimum Maximum Cases
==============================================================
=================
-------------------------------------------------------------------------------
All observations in current sample
-------------------------------------------------------------------------------
DAP1 3803.71772 1617.73114 -1145.09979 6984.57066 340
--> ENDPROC$
--> CREATE;X6R=(10500-X6)/X6$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO1=EXP(-
(COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X6R))$
--> CREATE;DAPR1=10500/(1+EXPO1)$
--> DSTAT;RHS=DAPR1$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable Mean Std.Dev. Minimum Maximum Cases
109
==============================================================
=================
-------------------------------------------------------------------------------
All observations in current sample
-------------------------------------------------------------------------------
DAPR1 3767.64706 2498.96568 306.941203 10390.0005 340
--> CREATE;X6R=(10100-X6)/X6$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO1=EXP(-
(COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X6R))$
--> CREATE;DAPR1=10100/(1+EXPO1)$
--> DSTAT;RHS=DAPR1$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable Mean Std.Dev. Minimum Maximum Cases
==============================================================
=================
-------------------------------------------------------------------------------
All observations in current sample
-------------------------------------------------------------------------------
DAPR1 3624.11765 2403.76699 295.248205 9994.19094 340
110
--> CREATE;X6R=(11000-X6)/X6$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO1=EXP(-
(COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X6R))$
--> CREATE;DAPR1=11000/(1+EXPO1)$
--> DSTAT;RHS=DAPR1$
Descriptive Statistics
==============================================================
=================
Variable Mean Std.Dev. Minimum Maximum Cases
==============================================================
=================
-------------------------------------------------------------------------------
All observations in current sample
-------------------------------------------------------------------------------
DAPR1 3947.05882 2617.96405 321.557451 10884.7624 340
--> ENDPROC$
--> CREATE;X6R=(10500-X6)/X6$
111
--> LOGIT;Lhs=X7;Rhs=ONE,X13,X2,X15,X6R;Margin$
112
+---------------------------------------------+
| Dependent variable X7 |
| Iterations completed 6 |
| Degrees of freedom 4 |
+---------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
+---------+--------------+----------------+--------+---------+----------+
113
+--------------------------------------------------------------------+
+--------------------------------------------------------------------+
114
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs. |
+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant -.87693700 .25636130 -3.421 .0006
X13 .00044383 .00011255 3.943 .0001 .67392578
Marginal effect for dummy variable is P|1 - P|0.
X2 .21699116 .13299898 1.632 .1028 .61802624
Marginal effect for dummy variable is P|1 - P|0.
X15 .10129774 .06509424 1.556 .1197 .11557880
X6R .10841815 .01860934 5.826 .0000 .53512915
+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE | -.87694 |
| X13 | .00044 |
| X2 | .21699 |
| X15 | .10130 |
| X6R | .10842 |
+----------+----------+
115
+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit model for variable X7 |
+----------------------------------------+
| Proportions P0= .641176 P1= .358824 |
|N= 340 N0= 218 N1= 122 |
| LogL = -177.74589 LogL0 = -221.9310 |
| Estrella = 1-(L/L0)^(-2L0/n) = .25161 |
+----------------------------------------+
| Efron | McFadden | Ben./Lerman |
| .24427 | .19909 | .65254 |
| Cramer | Veall/Zim. | Rsqrd_ML |
| .24487 | .36432 | .22888 |
+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria 1.07498 384.63651 |
+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + -----
Actual 0 1 | Total
------ ---------- + -----
0 191 27 | 218
1 65 57 | 122
------ ---------- + -----
Total 256 84 | 340
116
==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
-----------------------------------------------------------------------
Prediction Success
-----------------------------------------------------------------------
Sensitivity = actual 1s correctly predicted 46.721%
Specificity = actual 0s correctly predicted 87.615%
Positive predictive value = predicted 1s that were actual 1s 67.857%
Negative predictive value = predicted 0s that were actual 0s 74.609%
Correct prediction = actual 1s and 0s correctly predicted 72.941%
-----------------------------------------------------------------------
Prediction Failure
-----------------------------------------------------------------------
False pos. for true neg. = actual 0s predicted as 1s 12.385%
False neg. for true pos. = actual 1s predicted as 0s 53.279%
False pos. for predicted pos. = predicted 1s actual 0s 32.143%
False neg. for predicted neg. = predicted 0s actual 1s 25.391%
False predictions = actual 1s and 0s incorrectly predicted 27.059%
==============================================================
=========
117
5.13 MODELOS DE CALIDAD AMBIENTAL B
modelos a estimar.
--> DSTAT;Rhs=X9,X8,X13,X2,X15$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable Mean Std.Dev. Minimum Maximum Cases
==============================================================
=================
-------------------------------------------------------------------------------
All observations in current sample
-------------------------------------------------------------------------------
X9 .658823529 .474803264 .000000000 1.00000000 340
X8 5845.58824 2438.41151 1500.00000 10500.0000 340
X13 520.588235 290.538521 100.000000 1100.00000 340
X2 .976470588 .151801033 .000000000 1.00000000 340
X15 .391176471 .488733024 .000000000 1.00000000 340
5.13.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los
efectos marginales.
--> LOGIT;Lhs=X9;Rhs=ONE,X8,X13,X2,X15;Margin$
Normal exit from iterations. Exit status=0.
118
+---------------------------------------------+
| Multinomial Logit Model |
| Maximum Likelihood Estimates |
| Model estimated: Nov 29, 2011 at 05:47:42PM.|
| Dependent variable X9 |
| Weighting variable None |
| Number of observations 340 |
| Iterations completed 6 |
| Log likelihood function -172.2139 |
| Restricted log likelihood -218.2163 |
| Chi squared 92.00479 |
| Degrees of freedom 4 |
| Prob[ChiSqd > value] = .0000000 |
| Hosmer-Lemeshow chi-squared = 32.52518 |
| P-value= .00007 with deg.fr. = 8 |
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant .36027104 .90416029 .398 .6903
X8 -.00036976 .604541D-04 -6.116 .0000 5845.58824
X13 .00232318 .00056968 4.078 .0000 520.588235
X2 1.20536124 .84591543 1.425 .1542 .97647059
X15 .85028869 .31542723 2.696 .0070 .39117647
Matrix: LastOutp
[5,4]
+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model. |
119
| M=Model MC=Constants Only M0=No Model |
| Criterion F (log L) -172.21393 -218.21633 -235.67004 |
| LR Statistic vs. MC 92.00479 .00000 .00000 |
| Degrees of Freedom 4.00000 .00000 .00000 |
| Prob. Value for LR .00000 .00000 .00000 |
| Entropy for probs. 172.21393 218.21633 235.67004 |
| Normalized Entropy .73074 .92594 1.00000 |
| Entropy Ratio Stat. 126.91221 34.90742 .00000 |
| Bayes Info Criterion 367.74365 459.74845 494.65587 |
| BIC - BIC(no model) 126.91221 34.90742 .00000 |
| Pseudo R-squared .21081 .00000 .00000 |
| Pct. Correct Prec. 74.41176 .00000 50.00000 |
| Means: y=0 y=1 y=2 y=3 yu=4 y=5, y=6 y>=7 |
| Outcome .3412 .6588 .0000 .0000 .0000 .0000 .0000 .0000 |
| Pred.Pr .3412 .6588 .0000 .0000 .0000 .0000 .0000 .0000 |
| Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j). |
| Normalized entropy is computed against M0. |
| Entropy ratio statistic is computed against M0. |
| BIC = 2*criterion - log(N)*degrees of freedom. |
| If the model has only constants or if it has no constants, |
| the statistics reported here are not useable. |
+--------------------------------------------------------------------+
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs. |
+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
120
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant .07347549 .18375720 .400 .6893
X8 -.754103D-04 .118841D-04 -6.345 .0000 -.61686971
X13 .00047380 .00011317 4.187 .0000 .34516386
Marginal effect for dummy variable is P|1 - P|0.
X2 .28477982 .20702716 1.376 .1690 .38913725
Marginal effect for dummy variable is P|1 - P|0.
X15 .16548912 .05759268 2.873 .0041 .09058924
+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE | .07348 |
| X8 | -.00008 |
| X13 | .00047 |
| X2 | .28478 |
| X15 | .16549 |
+----------+----------++----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit model for variable X9 |
+----------------------------------------+
| Proportions P0= .341176 P1= .658824 |
|N= 340 N0= 116 N1= 224 |
| LogL = -172.21393 LogL0 = -218.2163 |
| Estrella = 1-(L/L0)^(-2L0/n) = .26206 |
121
+----------------------------------------+
| Efron | McFadden | Ben./Lerman |
| .25539 | .21081 | .66413 |
| Cramer | Veall/Zim. | Rsqrd_ML |
| .25288 | .37889 | .23708 |
+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria 1.04243 373.57260 |
+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + -----
Actual 0 1 | Total
------ ---------- + -----
0 62 54 | 116
1 33 191 | 224
------ ---------- + -----
Total 95 245 | 340
==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
-----------------------------------------------------------------------
Prediction Success
-----------------------------------------------------------------------
Sensitivity = actual 1s correctly predicted 85.268%
Specificity = actual 0s correctly predicted 53.448%
Positive predictive value = predicted 1s that were actual 1s 77.959%
Negative predictive value = predicted 0s that were actual 0s 65.263%
122
Correct prediction = actual 1s and 0s correctly predicted 74.412%
-----------------------------------------------------------------------
Prediction Failure
-----------------------------------------------------------------------
False pos. for true neg. = actual 0s predicted as 1s 46.552%
False neg. for true pos. = actual 1s predicted as 0s 14.732%
False pos. for predicted pos. = predicted 1s actual 0s 22.041%
False neg. for predicted neg. = predicted 0s actual 1s 34.737%
False predictions = actual 1s and 0s incorrectly predicted 25.588%
estimado.
123
PRUEBA DE RELEVANCIA
SIGNIFICATIVO
PARA LA VARIABLE X8
ES SIGNIFICATIVA AL 1%.
ES SIGNIFICATIVA AL 1%.
NO ES SIGNIFICATIVA.
ES SIGNIFICATIVA AL 1%.
SON SIGNIFICATIVA.
124
PRUEBA DE LA DEPENDENCIA.(PRUEBA DE SIGNIFICANCIA GLOBAL O
CONJUNTA.)
AJUSTE DE MODELO
0.90)
PORCENTAJE DE PREDICCIN
Correct prediction = 74.412%.
125
TECNOLOGA NECESARIA PARA ELIMINAR LA PERCEPCIN DE MALOS
126
5.13.5 En el caso de que la DAP contenga valores negativos, estimar el modelo
NO EXISTE EL DAPR
1.1. Presentar conclusiones generales de los modelos y proponer algunas
recomendaciones de poltica pblica.
modelos a estimar.
--> DSTAT;Rhs=X11,X10,X13,X2,X15$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable Mean Std.Dev. Minimum Maximum Cases
==============================================================
=================
-------------------------------------------------------------------------------
All observations in current sample
-------------------------------------------------------------------------------
X11 .667647059 .471751014 .000000000 1.00000000 340
X10 6233.82353 2345.30915 1500.00000 10500.0000 340
X13 520.588235 290.538521 100.000000 1100.00000 340
X2 .976470588 .151801033 .000000000 1.00000000 340
X15 .391176471 .488733024 .000000000 1.00000000 340
127
5.13.7 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los
efectos marginales.
--> DSTAT;Rhs=X11,X10,X13,X2,X15$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable Mean Std.Dev. Minimum Maximum Cases
==============================================================
=================
-------------------------------------------------------------------------------
All observations in current sample
-------------------------------------------------------------------------------
X11 .667647059 .471751014 .000000000 1.00000000 340
X10 6233.82353 2345.30915 1500.00000 10500.0000 340
X13 520.588235 290.538521 100.000000 1100.00000 340
X2 .976470588 .151801033 .000000000 1.00000000 340
X15 .391176471 .488733024 .000000000 1.00000000 340
Matrix: LastDsta
[5,7]
--> LOGIT;Lhs=X11;Rhs=ONE,X10,X13,X2,X15;Margin$
Normal exit from iterations. Exit status=0.
+---------------------------------------------+
| Multinomial Logit Model |
| Maximum Likelihood Estimates |
| Model estimated: Nov 29, 2011 at 07:00:15PM.|
| Dependent variable X11 |
| Weighting variable None |
128
| Number of observations 340 |
| Iterations completed 5 |
| Log likelihood function -194.0228 |
| Restricted log likelihood -216.1830 |
| Chi squared 44.32037 |
| Degrees of freedom 4 |
| Prob[ChiSqd > value] = .0000000 |
| Hosmer-Lemeshow chi-squared = 17.27615 |
| P-value= .02736 with deg.fr. = 8 |
+---------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant -.66478503 .92380903 -.720 .4718
X10 -.00021754 .551005D-04 -3.948 .0001 6233.82353
X13 .00193447 .00051902 3.727 .0002 520.588235
X2 1.76902546 .86331099 2.049 .0405 .97647059
X15 .23667692 .28849630 .820 .4120 .39117647
Matrix: LastOutp
[5,4]
+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model. |
| M=Model MC=Constants Only M0=No Model |
| Criterion F (log L) -194.02285 -216.18303 -235.67004 |
129
| LR Statistic vs. MC 44.32037 .00000 .00000 |
| Degrees of Freedom 4.00000 .00000 .00000 |
| Prob. Value for LR .00000 .00000 .00000 |
| Entropy for probs. 194.02285 216.18303 235.67004 |
| Normalized Entropy .82328 .91731 1.00000 |
| Entropy Ratio Stat. 83.29439 38.97402 .00000 |
| Bayes Info Criterion 411.36147 455.68185 494.65587 |
| BIC - BIC(no model) 83.29439 38.97402 .00000 |
| Pseudo R-squared .10251 .00000 .00000 |
| Pct. Correct Prec. 73.52941 .00000 50.00000 |
| Means: y=0 y=1 y=2 y=3 yu=4 y=5, y=6 y>=7 |
| Outcome .3324 .6676 .0000 .0000 .0000 .0000 .0000 .0000 |
| Pred.Pr .3324 .6676 .0000 .0000 .0000 .0000 .0000 .0000 |
| Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j). |
| Normalized entropy is computed against M0. |
| Entropy ratio statistic is computed against M0. |
| BIC = 2*criterion - log(N)*degrees of freedom. |
| If the model has only constants or if it has no constants, |
| the statistics reported here are not useable. |
+--------------------------------------------------------------------+
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs. |
+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
130
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant -.14187147 .19835223 -.715 .4745
X10 -.464257D-04 .115667D-04 -4.014 .0001 -.41865396
X13 .00041284 .00010861 3.801 .0001 .31089470
Marginal effect for dummy variable is P|1 - P|0.
X2 .41539695 .17593001 2.361 .0182 .58676541
Marginal effect for dummy variable is P|1 - P|0.
X15 .04997556 .06019424 .830 .4064 .02827955
+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE | -.14187 |
| X10 | -.00005 |
| X13 | .00041 |
| X2 | .41540 |
| X15 | .04998 |
+----------+----------+
+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit model for variable X11 |
+----------------------------------------+
| Proportions P0= .332353 P1= .667647 |
|N= 340 N0= 113 N1= 227 |
| LogL = -194.02285 LogL0 = -216.1830 |
| Estrella = 1-(L/L0)^(-2L0/n) = .12849 |
131
+----------------------------------------+
| Efron | McFadden | Ben./Lerman |
| .13456 | .10251 | .61380 |
| Cramer | Veall/Zim. | Rsqrd_ML |
| .12977 | .20601 | .12222 |
+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria 1.17072 417.19042 |
+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + -----
Actual 0 1 | Total
------ ---------- + -----
0 40 73 | 113
1 17 210 | 227
------ ---------- + -----
Total 57 283 | 340
==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
-----------------------------------------------------------------------
Prediction Success
-----------------------------------------------------------------------
Sensitivity = actual 1s correctly predicted 92.511%
Specificity = actual 0s correctly predicted 35.398%
Positive predictive value = predicted 1s that were actual 1s 74.205%
132
Negative predictive value = predicted 0s that were actual 0s 70.175%
Correct prediction = actual 1s and 0s correctly predicted 73.529%
-----------------------------------------------------------------------
Prediction Failure
-----------------------------------------------------------------------
False pos. for true neg. = actual 0s predicted as 1s 64.602%
False neg. for true pos. = actual 1s predicted as 0s 7.489%
False pos. for predicted pos. = predicted 1s actual 0s 25.795%
False neg. for predicted neg. = predicted 0s actual 1s 29.825%
False predictions = actual 1s and 0s incorrectly predicted 26.471%
==============================================================
=========
estimado.
PRUEBA DE RELEVANCIA
ES SIGNIFICATIVA AL 1%.
133
ES SIGNIFICATIVA AL 1%.
ES SIGNIFICATIVA AL 5%.
NO ES SIGNIFICATIVA.
SON SIGNIFICATIVA.
O CONJUNTA.)
Degrees of freedom 4
DEL 99%.
134
SE CONCLUYE QUE NO HAY DEPENDENCIA GLOBAL DEL MODELO.
AJUSTE DE MODELO
PORCENTAJE DE PREDICCIN
135
--> CREATE;BETA3=B(2)$
--> CREATE;DAP3=-ALFA3/BETA3$
--> DSTAT;RHS=DAP3$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable Mean Std.Dev. Minimum Maximum Cases
==============================================================
=================
-------------------------------------------------------------------------------
All observations in current sample
-------------------------------------------------------------------------------
DAP3 9939.48347 3195.31228 -2166.64223 15945.5466 340
+---------------------------------------------+
| Multinomial Logit Model |
| Maximum Likelihood Estimates |
| Model estimated: Nov 29, 2011 at 05:57:58PM.|
| Dependent variable X11 |
| Weighting variable None |
| Number of observations 340 |
136
| Iterations completed 5 |
| Log likelihood function -198.5010 |
| Restricted log likelihood -216.1830 |
| Chi squared 35.36411 |
| Degrees of freedom 4 |
| Prob[ChiSqd > value] = .0000000 |
| Hosmer-Lemeshow chi-squared = 16.06457 |
| P-value= .04147 with deg.fr. = 8 |
+---------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant -2.43813594 .90184134 -2.704 .0069
X13 .00181693 .00050606 3.590 .0003 520.588235
X2 1.82257063 .86433603 2.109 .0350 .97647059
X15 .29497233 .28446838 1.037 .2998 .39117647
X10R .28196321 .10769531 2.618 .0088 1.34185309
Matrix: LastOutp
[5,4]
+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model. |
| M=Model MC=Constants Only M0=No Model |
| Criterion F (log L) -198.50098 -216.18303 -235.67004 |
| LR Statistic vs. MC 35.36411 .00000 .00000 |
| Degrees of Freedom 4.00000 .00000 .00000 |
| Prob. Value for LR .00000 .00000 .00000 |
| Entropy for probs. 198.50098 216.18303 235.67004 |
137
| Normalized Entropy .84228 .91731 1.00000 |
| Entropy Ratio Stat. 74.33813 38.97402 .00000 |
| Bayes Info Criterion 420.31774 455.68185 494.65587 |
| BIC - BIC(no model) 74.33813 38.97402 .00000 |
| Pseudo R-squared .08179 .00000 .00000 |
| Pct. Correct Prec. 72.05882 .00000 50.00000 |
| Means: y=0 y=1 y=2 y=3 yu=4 y=5, y=6 y>=7 |
| Outcome .3324 .6676 .0000 .0000 .0000 .0000 .0000 .0000 |
| Pred.Pr .3324 .6676 .0000 .0000 .0000 .0000 .0000 .0000 |
| Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j). |
| Normalized entropy is computed against M0. |
| Entropy ratio statistic is computed against M0. |
| BIC = 2*criterion - log(N)*degrees of freedom. |
| If the model has only constants or if it has no constants, |
| the statistics reported here are not useable. |
+--------------------------------------------------------------------+
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs. |
+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant -.52524699 .19753433 -2.659 .0078
X13 .00039142 .00010730 3.648 .0003 .29706967
138
Marginal effect for dummy variable is P|1 - P|0.
X2 .42586294 .17035135 2.500 .0124 .60624576
Marginal effect for dummy variable is P|1 - P|0.
X15 .06271489 .05954599 1.053 .2922 .03576540
X10R .06074326 .02298862 2.642 .0082 .11882909
+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE | -.52525 |
| X13 | .00039 |
| X2 | .42586 |
| X15 | .06271 |
| X10R | .06074 |
+----------+----------+
+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit model for variable X11 |
+----------------------------------------+
| Proportions P0= .332353 P1= .667647 |
|N= 340 N0= 113 N1= 227 |
| LogL = -198.50098 LogL0 = -216.1830 |
| Estrella = 1-(L/L0)^(-2L0/n) = .10283 |
+----------------------------------------+
| Efron | McFadden | Ben./Lerman |
139
| .10700 | .08179 | .60216 |
| Cramer | Veall/Zim. | Rsqrd_ML |
| .10354 | .16830 | .09879 |
+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria 1.19706 426.14668 |
+----------------------------------------+
==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
-----------------------------------------------------------------------
Prediction Success
-----------------------------------------------------------------------
Sensitivity = actual 1s correctly predicted 94.273%
Specificity = actual 0s correctly predicted 27.434%
140
Positive predictive value = predicted 1s that were actual 1s 72.297%
Negative predictive value = predicted 0s that were actual 0s 70.455%
Correct prediction = actual 1s and 0s correctly predicted 72.059%
-----------------------------------------------------------------------
Prediction Failure
-----------------------------------------------------------------------
False pos. for true neg. = actual 0s predicted as 1s 72.566%
False neg. for true pos. = actual 1s predicted as 0s 5.727%
False pos. for predicted pos. = predicted 1s actual 0s 27.703%
False neg. for predicted neg. = predicted 0s actual 1s 29.545%
False predictions = actual 1s and 0s incorrectly predicted 27.941%
--> CREATE;X10R=(12000-X10)/X10$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO3=EXP(-
(COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X10R))$
--> CREATE;DAPR3=12000/(1+EXPO3)$
--> DSTAT;RHS=DAPR3$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable Mean Std.Dev. Minimum Maximum Cases
==============================================================
=================
-------------------------------------------------------------------------------
141
All observations in current sample
-------------------------------------------------------------------------------
DAPR3 8011.76471 1790.81847 1324.08945 11476.6643 340
SE CONCLUYE QUE :
Se concluye que en el modelo logit hay dos variables que son significativas
Se concluye que hay dependencia global del modelo o son globalmente significativos.
142
PARA EL MODELO DE CALIDAD DE CALIDAD AMBIENTAL B
significativos.
143
144