Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TESIS DE GRADO
LA PAZ - BOLIVIA
2014
UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE CIENCIAS PURAS Y NATURALES
CARRERA DE INFORMÁTICA
LICENCIA DE USO
Agradezco a mis padres Enrique Rodríguez y Juana Yujra por su apoyo en cada momento
y animándome siempre debido que me proporcionaron su cariño y amor en cada momento
de mi vida, gracias a Dios por sus vidas.
Al Lic.Grover Alex Rodríguez Ramírez por las observaciones pertinentes, por brindarme su
tiempo y conocimiento, por las recomendaciones procurando la solución pertinente a las
cuestiones que se desplegaron en la elaboración de la Tesis de Grados.
Al Lic. Marcelo Aruquipa Chambi por su espacio y sus adecuadas correcciones que realizo
en el transcurso de la investigación, quien se interesó más en el contenido de la presente
tesis. Por colaborarme con su conocimiento en los instantes más significativos de la
terminación de la tesis.
Finalmente a cada uno de mis Amigos de la Comunidad Cristiana Universitaria (CCU) por
su apoyo, contribución, palabras de apoyo, brindándome un espacio de su tiempo y
animándome en el transcurso de la presente tesis
Muchas Gracias
RESUMEN
La simulación es una técnica muy eficaz y grandemente usada para analizar y estudiar
sistemas complejos. Simular, es reproducir artificialmente un fenómeno .Se puede definir a
la simulación como la técnica que imita el funcionamiento de un sistema del mundo real
cuando se desarrolla en el período, esto se hace por lo general al crear un modelo de
simulación.
El software utilizado en este investigación fue Stella 9.02 una herramienta amigable y de
bajo costo que facilito la implementación.
1.5 JUSTIFICACIONES............................................................................................................................... 6
1.8 APORTES............................................................................................................................................. 10
2.2.1 MODELO.............................................................................................................................................. 11
2.3 DEFINICIÓN DE SIMULACIÓN ........................................................................................................ 12
2.17.3 SIMULACION...................................................................................................................................... 55
REFERENCIAS BIBLIORAFICAS
ANEXOS
DOCUMENTACION
INDICE DE FIGURAS
Pág.
FIGURA 2.1 ABSTRACCIÓN Y REALIZACIÓN DE UN MODELO A PARTIR DEL MUNDO REAL. .... 19
FIGURA 2.4 EJEMPLOS DE STOCK’S CON SUS FLUJOS DE ENTRADA Y SALIDA ............................. 37
FIGURA 2.10 VARIABLE DE FLUJO CONECTADO CON VARIABLE DE ESTADO STOCK ............... 42
................................................................................................................................................................... 46
REPOSICION ............................................................................................................................................ 48
ALTO ........................................................................................................................................................ 76
DE EL ALTO ............................................................................................................................................ 85
FIGURA 3.18 DEFINICIÓN DE LAS RELACIONES ANALÍTICAS DE LAS VARIABLES DEL MODELO
PROPUESTO ............................................................................................................................................ 86
FIGURA 3.19 MODELO PROPUESTO DEL ÁREA URBANA DE LA CIUDAD DE EL ALTO ................. 87
FIGURA 3.20 MODELO PROPUESTO DEL ÁREA URBANA DE LA CIUDAD DE EL ALTO ................. 88
FIGURA 3.21 MODELO PROPUESTO DEL ÁREA URBANA DE LA CIUDAD DE EL ALTO ................. 88
FIGURA 3.22 DEFINICIÓN DE LAS RELACIONES ANALÍTICAS DE LAS VARIABLES DEL MODELO
Pág.
TABLA 2.5 ÍNDICE DE VIVIENDA ADECUADA POR COMPONENTE Y DISTRITO (2001) .................. 34
TABLA 3.1 DISTRITOS DEL ÁREA URBANA DEL MUNICIPIO DE EL ALTO (2012) ............................ 61
DE EL ALTO ............................................................................................................................................ 75
INDICE DE CUADROS
PÁG.
E
n este capítulo se dará una introducción sobre la motivación de la tesis, abordando
la problemática que dio lugar a su creación, junto con una descripción de la
propuesta llevada a cabo para hacer frente al problema enunciado. También se
comentarán los objetivos, Generales, específicos y el alcance de la tesis para continuar.
CAPITULO I
1 MARCO REFERENCIAL
1.1 INTRODUCCION
La simulación es una técnica muy poderosa y ampliamente usada para analizar y
estudiar sistemas complejos. Simular, es reproducir artificialmente un fenómeno .Se puede
definir a la simulación como la técnica que imita el funcionamiento de un sistema del mundo
real cuando evoluciona en el tiempo, esto se hace por lo general al crear un modelo de
simulación.
La simulación de escenarios urbanos, resulta muy útil en los procesos de
planificación y toma de decisiones que afectan a la población de ciudades que se encuentran
el constante crecimiento. Ha sido evidente que en los últimos años el crecimiento
poblacional de las ciudades y el uso de los suelos, llegan a ser preocupaciones que afectan a
autoridades e instituciones tanto públicas como privadas, ya que inciden directamente en la
planificación de proyectos.
En la actualidad existe la necesidad de contar con técnicas o modelos de simulación
que puedan predecir la tendencia del crecimiento urbano y el comportamiento que tengan las
mismas, en este caso particular los que tengan la ciudad de El Alto, y con los resultados que
arrojen contribuir a la toma de decisiones.
A finales de los años 60 y principios de los 70 se genera un fenómeno social, la
migración gente buscando mejores condiciones de vida provoca la creación de barrios en las
laderas de la ciudad de El Alto, desde ese entonces se produce asentamientos urbanos de
forma discriminada y sin control alguno en muchos. El costo de terreno, en cercanías a la
ciudad son algunos de los factores que inciden al momento en que el crecimiento
poblacional se concentre en determinadas zonas.
Los problemas territoriales suelen tener una variedad de alternativas a considerar, es así
que el objetivo principal de este trabajo es contribuir un modelo de proyección que pueda
predecir la ocupación y demanda urbana para la ciudad de El Alto ya que en estos últimos
años el crecimiento poblacional de la ciudad ha incrementado bastante, en este análisis se
consideró una proyección para un periodo de 10 años (2014-2024), evaluado a diferentes
1
escenarios para una proyección que podría utilizarse para planificaciones a diferentes etapas
que evolucionaran en el tiempo mediante cambios instantáneos. Se trató este trabajo bajo
factores económicos y sociales.
Es así que este trabajo se empleó herramientas de Modelos de Simulación de Eventos
Discretos (MSED), estas facilitan la representación de los eventos que pueden servir para
planificar el final de una simulación o para planificar una operación en un instante concreto,
estas herramientas están orientadas a brindar resultados para la toma de decisiones y
planificación de proyectos de distintas áreas, de ahí que este trabajo utilizo estas
herramientas para desarrollar un modelado que se acomode a las características peculiares
con las que cuenta la ciudad de El Alto.
1.2.1 ANTECEDENTES
La ciudad de El Alto a 27 años de su creación tiene una población de 848.840
habitantes y una tasa media anual de crecimiento de 5,10%, informó el Instituto Nacional de
Estadísticas (INE). De ese total, 48,58% son varones y 51,42% mujeres y, al menos el 60%
menores de 25 años, lo que refleja una presencia joven mayoritaria.
Ahora el Alto ha sido la segunda urbe que más habitantes ha ganado en el país en
cifras absolutas: de 649.958 censados en 2001. En la actualidad la ciudad cuenta con una
población 848.840 y se ha ubicado por encima de La Paz según el último dato tomado en el
censo 2012. La sede de gobierno ha quedado detrás con 764.617 habitantes, 84.223 menos
que El Alto.
Como en todo hecho social, existe una variada gama de factores que explican la dinámica de
esta urbe como flujo migratorio, la concentración de la mayor cantidad de empleos de la
administración pública por ser sede de gobierno y al mismo tiempo ya que en la ciudad de
El Alto cuenta con altos índices de microempresas establecidas en el mismo.
“Actualmente casi la mitad de la humanidad vive en zonas urbanas, y la tasa de
aumento de la población urbana es dos y media veces la de la población rural. Para el año
2025 se prevé que las zonas urbanas albergarán a más de las dos terceras partes de la
población mundial. El mundo ya está en gran medida urbanizado, y aun en las zonas rurales
2
la vida se ve cada vez más afectada por los cambios provocados por el crecimiento de las
ciudades”. (La Razón / Ricardo Aguilar Agramont)
Es por eso que se presenta un problema en la planificación del crecimiento urbano, que a la
vez contrae recurrentes problemas de límites, problemas viales, etc.
3
1.2.3 PROBLEMÁTICA
La ciudad tiene un crecimiento urbano desmedido al no existir políticas de
asentamientos humanos y tampoco ordenamiento territorial y que actualmente vive una
dinámica económica, social y política muy compleja, interrelacionada y cambiante.
4
No se conoce los espacios libres o áreas verdes de la ciudad, con esto se evitaría
asentamientos ilegales.
Carencias de estudios y falta de aplicación de métodos que coadyuven a la
planificación y toma de decisiones.
Existen también problemas de tráfico y viabilidad por el crecimiento urbano colosal
de la ciudad.
1.3 OBJETIVOS
1.4 HIPOTESIS
“La simulación mediante eventos discretos, permite una proyección del crecimiento
urbano y generar alternativas futuras para la planificación en la ciudad de El Alto”.
5
Operacionalización de Variables:
Variables Tipo de Operacionalización Dimensiones Indicador Nivel Unidad Índice
Variable De De medida
Medición
La simulación de
eventos discretos, es
una herramienta de
análisis, comprobando
su utilidad para apoyar
simulación la toma de decisiones.
Índice de
mediante El evento discreto tiene Eventos De Grados de
Independiente Eventos
eventos por finalidad discretos proporción satisfacción posibilidad
discretos identificar a procesos
en los que los eventos
que cambian el estado
del mismo ocurren en
instantes espaciados en
el tiempo.
- Crecimiento
Índice
Poblacional.
- Crecimiento poblacional
Número de
en Hogares
personas Índice de
Proyección del - Crecimiento Personas
Número de
crecimiento Dependiente Observar hacia un Número de Familias hogares.
hogares.
urbano para Cuantitativa futuro el crecimiento Viviendas. Viviendas De razón
Número de Índice de
la de la población urbana. - Crecimiento Suelos o
viviendas.
planificación Suelo terrenos transición
Número de
Residencial.
áreas verdes demográfica
- Crecimiento
Áreas Verdes.
1.5 JUSTIFICACIONES
6
de la simulación en la investigación del comportamiento de sistemas complejos como, ser la
simulación del crecimiento poblacional humano con lo cual se cuenta las herramientas de
tecnología disponibles.
7
1.7 METODOLOGIA
1.7.1 MARCO CIENTIFICO
8
vez y desarrollarlo de acuerdo a las definiciones iniciales, ya que durante el
modelamiento surgen detalles o simplificaciones que no pueden ser previstas al inicio
del proyecto. Por ello, el desarrollo del modelo se está continuamente revisando,
redefiniendo, actualizando, modificando y restableciendo sus alcances. (Banks,
Carson & Nelson, 1996)
o Recolección de datos.
En esta etapa se recogen los datos en terreno de todas aquellas variables que definen
las condiciones de entrada del modelo. Es decir, se debe disponer de los datos que
describen el sistema, que representen su comportamiento y su eficiencia actual, como
también recoger los datos que describan las alternativas que se van a evaluar. Los
datos que describen el sistema son aquellos que están vinculados con la estructura del
sistema, con los componentes individuales del sistema, con la interacción entre ellos,
y con las operaciones que se realizan en el sistema. Con esta información se genera la
descripción de los estados del sistema. La cantidad de veces en que se realizará el
muestreo depende de cada sistema a estudiar, dependiendo de la variabilidad de la
información recolectada. (Banks, Carson & Nelson, 1996)
d) Implementación del modelo en la computadora:
El modelo es implementado utilizando un lenguaje de computación. Existen
lenguajes específicos de simulación q facilitan esta tarea; también existen programas
q ya cuentan con modelos implementados para casos especiales. (Banks, Carson &
Nelson, 1996)
e) Simulación Del Modelo
Esta etapa está muy relacionada con la etapa anterior, Construcción del Modelo, ya
que se requiere que el modelo se haya completado para poder obtener indicadores
que orienten a comprensión del funcionamiento del sistema en estudio. A la luz de
los resultados que se obtienen, es necesario una verificación del cálculo de los
indicadores, comprobar la validez que tienen estos resultados obtenidos con el
modelo, para luego probar distintas alternativas de funcionamiento. Estas tres
acciones se describen a continuación. (Banks, Carson & Nelson, 1996)
9
f) Verificación.
En esta etapa se comprueba que la corrida de simulación se ejecuta de acuerdo a lo
especificado en el programa, que cada elemento del modelo representa adecuadamente al
sistema y que la relación entre ellos está de acuerdo a lo especificado.
g) Validación
Se comprueba que la simulación del modelo es una representación razonable del sistema. Se
Compararán las operaciones del sistema con las operaciones del modelo. Se revisa cada uno
de los componentes y sus interrelaciones Experimentación
1.8 APORTES
La culminación de la simulación para el crecimiento urbano será un modelo de simulación
escrito bajo un lenguaje de programación. El mismo puede ser utilizado por la sociedad para
realizar planificaciones urbanas futuras.
10
CAPITULO II
MARCO TEORICO
E
n este capítulo trataremos de abordar todo lo referente a la simulación y sus
respectivos componentes y etapas de elaboración, lo relacionado a simulación con
eventos discretos y también software para la respectiva modelación.
CAPITULO II
2 MARCO TEORICO.-
2.1 SIMULACION
La Simulación es una herramienta de mucha importancia e interdisciplinaria. En breve
podemos decir, que la simulación es algo parecido a la realidad pero que no llega a la
realidad, porque si no dejaría de ser simulación.
Las aplicaciones de la simulación parecen no tener límites. Actualmente se simulan los
comportamientos hasta las partes más pequeñas de un mecanismo, el desarrollo de las
epidemias, el sistema inmunológico humano, las plantas productivas, sucursales bancarias,
sistemas, crecimiento de poblaciones de especies de animales o personas, partidos y torneos
de fútbol, movimiento de los planetas y la evolución del universo, etc. (Azaran M.R. y
García Duna).
2.2 MODELACIÓN
Es aquello que sirve para representar o describir otra cosa, es decir crea prototipos
(primer diseño). El modelo puede tener una forma semejante o ser totalmente distinto del
objeto real.
2.2.1 MODELO
Un modelo se puede definir como una representación simplificada de un sistema real,
un proceso o una teoría, con el que se pretende aumentar su comprensión hacer predicciones
y posiblemente ayudar a controlar el sistema
Existen tres formas de modelos:
Icónico: Versión a escala del objeto real y con sus propiedades relevantes más
o menos representadas.
Analógico: Modelo con apariencia física distinta al original, pero con
comportamiento representativo.
Analítico: Relaciones matemáticas o lógicas que representen leyes físicas que
se cree gobiernan el comportamiento de la situación bajo investigación.
11
Su utilidad puede tener los siguientes matices:
Ayuda para aclarar el pensamiento acerca de un área de interés
Como una ilustración del concepto
Como una ayuda para definir estructura y lógica
Como un pre requisito al diseño
El discernimiento sobre una situación frecuentemente puede fortalecerse con el
desarrollo de un modelo que muestra interacciones en la forma de relaciones causa-efecto.
Consiste en relacionar razones de flujo, niveles y estados. La actividad de diseñar está
interesada en definir cómo lograr un determinado propósito. Sin embargo, previamente al
diseño está la etapa de decidir qué se va a diseñar. La modelación conceptual es necesaria en
esta etapa.
12
2.3.1 TIPOS DE SIMULACION.-
Simulación Discreta: Modelación de un sistema por medio de una representación en la cual
el estado de las variables cambian instantáneamente en instante de tiempo separados. (En
términos matemáticos el sistema solo puede cambiar en instante de tiempo contables).
Simulación Continua: Modelación de un sistema por medio de una representación en la
cual las variables de estado cambian continuamente en el tiempo. Típicamente, los modelos
de simulación continua involucran ecuaciones diferenciales que determinan las relaciones de
las tasas de cambios de las variables de estado en el tiempo.
Simulación Combinada Discreta-Continua: Modelación de un sistema por medio de una
representación en la cual unas variables de estado cambian continuamente con respecto al
tiempo y otras cambian instantáneamente en instante de tiempo separados.
Es una simulación en la cual interactúan variables de estado discretas y continuas.
Existen tres tipos de interacciones entre las variables de estado de este tipo de simulaciones:
Un evento discreto puede causar un cambio discreto en el valor de una variable de
estado continua.
Un evento discreto puede causar que la relación que gobierna una variable de estado
continua cambie en un instante de tiempo en particular.
Una variable de estado continua de punto de partida puede causar que un evento
discreto ocurra, ósea, programado.
Simulación Determinística y/o Estocástica: Una simulación determinística es aquella que
utiliza únicamente datos de entra determinísticos, no utiliza ningún dato de entrada azaroso.
En cambio un modelo de simulación estocástico incorpora algunos datos de entrada azarosos
al utilizar distribuciones de probabilidad.
Simulación estática y dinámica: La simulación estática es aquella en la cual el tiempo no
juega un papel importante, en contraste con la dinámica en la cual si es muy importante.
Simulación con Orientación hacia los eventos: Modelaje con un enfoque hacia los eventos,
en el cual la lógica del modelo gira alrededor de los eventos que ocurren instante a instante,
registrando el estado de todos los eventos, entidades, atributos y variables del modelo en
todo momento.
13
Simulación con Orientación hacia procesos: Modelaje con un enfoque de procesos, en el
cual la lógica del modelo gira alrededor de los procesos que deben seguir las entidades. Es
cierta forma, es un modelaje basado en un esquema de flujo grama de procesos, el cual se
hace es un seguimiento a la entidad a través de la secuencia de procesos que debe seguir.
14
1. Desarrollo del Modelo.
Se incorporan todos los componentes del modelo que se hayan identificado para la
obtención de los informes que contienen indicadores de medición de la eficiencia del
sistema. En esta actividad se considera remodelar tantas veces como sea necesario
hasta que el simulador represente al sistema con el nivel de detalle deseado. Es una
actividad interactiva ya que un modelo de simulación no se puede definir una sola
vez y desarrollarlo de acuerdo a las definiciones iniciales, ya que durante el
modelamiento surgen detalles o simplificaciones que no pueden ser previstas al inicio
del proyecto. Por ello, el desarrollo del modelo se está continuamente revisando,
redefiniendo, actualizando, modificando y restableciendo sus alcances. (Banks,
Carson & Nelson, 1996)
2. Recolección de datos.
En esta etapa se recogen los datos en terreno de todas aquellas variables que definen
las condiciones de entrada del modelo. Es decir, se debe disponer de los datos que
describen el sistema, que representen su comportamiento y su eficiencia actual, como
también recoger los datos que describan las alternativas que se van a evaluar. Los
datos que describen el sistema son aquellos que están vinculados con la estructura del
sistema, con los componentes individuales del sistema, con la interacción entre ellos,
y con las operaciones que se realizan en el sistema. Con esta información se genera la
descripción de los estados del sistema. La cantidad de veces en que se realizará el
muestreo depende de cada sistema a estudiar, dependiendo de la variabilidad de la
información recolectada. (Banks, Carson & Nelson, 1996)
d) Implementación del modelo en la computadora:
El modelo es implementado utilizando un lenguaje de computación. Existen lenguajes
específicos de simulación q facilitan esta tarea; también existen programas q ya cuentan
con modelos implementados para casos especiales. (Banks, Carson & Nelson, 1996)
e) Simulación Del Modelo
Esta etapa está muy relacionada con la etapa anterior, Construcción del Modelo, ya que
se requiere que el modelo se haya completado para poder obtener indicadores que
orienten a comprensión del funcionamiento del sistema en estudio. A la luz de los
15
resultados que se obtienen, es necesario una verificación del cálculo de los indicadores,
comprobar la validez que tienen estos resultados obtenidos con el modelo, para luego
probar distintas alternativas de funcionamiento. Estas tres acciones se describen a
continuación. (Banks, Carson & Nelson, 1996)
f) Verificación.
En esta etapa se comprueba que la corrida de simulación se ejecuta de acuerdo a lo
especificado en el programa, que cada elemento del modelo representa adecuadamente al
sistema y que la relación entre ellos está de acuerdo a lo especificado.
g) Validación
Se comprueba que la simulación del modelo es una representación razonable del sistema.
Se Compararán las operaciones del sistema con las operaciones del modelo. Se revisa
cada uno de los componentes y sus interrelaciones Experimentación
h) Experimentación
Se realiza después de haberlo validado. Se planifican cuidadosamente los experimentos a
efectuar con el modelo, para dar luz a la información requerida en la definición del
sistema. El plan debe incluir los datos y condiciones iniciales que se van a usar, el
número de corridas del programa requeridas para asegurar la significancia de los
resultados y el tipo de resultados deseados. (Banks, Carson & Nelson, 1996)
i) Interpretación
En esta etapa del estudio, se interpretan los resultados que arroja la simulación y con
base a esto se toma una decisión. Si es necesario, deberá recolectar datos adicionales
para refinar la estimación de los parámetros críticos (Banks, Carson & Nelson, 1996)
j) Documentación
Dos tipos de documentación son requeridos para hacer un mejor uso del modelo de
simulación. La primera se refiere a la documentación del tipo técnico y la segunda se
refiere al manual del usuario, con el cual se facilita la interacción y el uso del modelo
desarrollado. (Banks, Carson & Nelson, 1996)
16
2.4.1 ESTRUCTURA Y ETAPA DE ESTUDIO DE LA SIMULACION
17
5. Prueba:
Ya hecho el diagrama de flujos y niveles puede ser usado un software que reconoce dicho
lenguaje icónico y lo transforma en ecuaciones en diferencia las cuales son resueltas usando
métodos numéricos, simulando así las pruebas y probando las hipótesis dinámicas; de esta
manera se prueba el comportamiento del modelo y la sensibilidad que pueda tener a las
perturbaciones, del entorno.
6. Implementación:
Aquí se prueba la respuesta del modelo a diferentes políticas y obviamente se traduce los
resultados para que sean entendibles por las personas que los vayan a tener. Este hecho es
importante pues permite usar el modelo para el diseño de políticas de intervención.
(ARACIL, 1995).
El mundo físico o mundo objetivo está formado por innumerables sistemas. Estos
sistemas de objetos se presentan al científico como fenómenos que deben ser estudiados,
para así poder establecer las leyes que los gobiernan. Con el propósito de lograr este
objetivo, llegar al conocimiento científico de un fenómeno, se recurre a la investigación
científica (Roberts, 1983).
La investigación científica tiene tres etapas fundamentales:
a) Determinación del problema
b) Elaboración de un modelo adecuado
c) Solución del problema
Puede notarse que aparece un aspecto que hasta hace pocos años era ignorado por los
investigadores y es, la creación de modelos. En todas las épocas los científicos,
inconscientemente o no, han elaborado modelos, pero es recién a partir de 1940 cuando
realmente se les da la importancia que merecen. Desde esa fecha, ha aparecido una
bibliografía, por cierto no muy abundante sobre el tema.
La importancia del modelo está en que los fenómenos son empíricos y, para poder
estudiarlos racionalmente, se los debe elaborar a través de una abstracción a partir del mundo
18
físico (ver Figura 2.1). Una vez elaborado el modelo, con un grado de abstracción
suficientemente elevado, se pueden aplicar métodos matemáticos y así llegar a conclusiones
matemáticas que luego se realizan (se interpretan) como conclusiones físicas. Estas
conclusiones deben ser probadas mediante experimentación, o simplemente comparando con
la realidad (Informática Aplicada, Cátedra de Calculo Estadístico y Biometría 2003).
Una vez que el modelo se ha obtenido, pasa a ser de gran importancia en la ingeniería
de sistemas porque permite, entre otras cosas, describir el sistema poniendo de manifiesto
sus variables pertinentes y sus relaciones. Además, puede estudiarse su comportamiento bajo
diversas condiciones de operación, sin necesidad de construir el sistema y someterlo a
condiciones de operación real; se pueden reducir consideradamente los costos al poder
experimentar con el modelo y no con el sistema real; se puede aumentar la seguridad de los
sistemas reales al poner en situaciones extremas al modelo, etc. (Informática Aplicada,
Cátedra de Calculo Estadístico y Biometría 2003).
La clasificación se hace con respecto a distintas referencias, que son las siguientes:
19
Referencia a la escala de medición
Referencia a la generalidad
Referencia a la estructura
Referencia al tiempo
Referencia a la incertidumbre
20
2.6.3 REFERENCIA AL TIEMPO
Si los atributos que forman parte de la estructura del modelo, no cambian o se
modifica durante el tiempo que se lo utiliza, entonces el modelo se considera estático en
dicho período. En cambio, si al transcurrir el tiempo todos o algunos de sus atributos son
modificados o cambiados, se tiene un modelo dinámico. Por ejemplo, una fotografía es un
modelo icónico estático, en cambio una película es un modelo icónico dinámico.
21
CUALITATIVO. Por ejemplo, estructurar un sistema estableciendo su entorno e
interacciones.
22
ambigüedad, que validación y verificación son dos conceptos diferentes dentro de la
Informática.
ANALIZAR EL PROBLEMA
MODELO CONCEPTUAL
DEFINIR VARIABLES
VARIABLES
DISEÑAR
MODELO CUANTITATIVO
VALIDAR
MODELO FINAL
23
Como las condiciones también pueden ser cambiantes, se hace necesaria una revisión
permanente del modelo y un modelo que sea correcto para una empresa, puede que sea un
fracaso total en otra.
24
negocios emplean computadoras, dan a los participantes cierta familiaridad con el
procesamiento electrónico de datos.
La simulación incluye el tiempo en el análisis de situaciones, esencialmente,
dinámicas. En una simulación por computador en las operaciones de negocios, pueden
comprimirse los resultados de varios años en unos cuantos minutos de funcionamiento.
También hay que reconocer las limitaciones de la simulación. No produce simulaciones
óptimas y, cada corrida de simulación, es como un experimento aislado que se efectúa bajo
una serie de condiciones dadas, definida por una serie de valores para la solución de entrada.
Por lo tanto, se necesitarán muchas corridas de simulación.
Al ser más fácil su utilización puede dar por resultado la sustitución de las técnicas
matemáticas analíticas cuando éstas son las más adecuadas.
La simulación está sujeta a los problemas de inclusión de variables correctas, funciones
adecuadas, etc.; como cualquier otro modelo simbólico. (Fishman G.S., 1978).
25
Sus principales características son:
Están basadas en su totalidad por actividades lógicas y matemáticas.
El modelo va cambiando parcialmente conforme ocurren los eventos.
El sistema solo cambia cuando ocurre un evento estos cambios se van registrando
para poder comprender el comportamiento del modelo.
Cuando un evento se realiza el tiempo de la simulación avanza.
La lista de eventos pendientes va reduciéndose conforme los eventos se van
realizando.
La ejecución de un evento puede generar nuevos eventos.
Una simulación tiene que poder ser repetida múltiples ocasiones generando los
mismos resultados, siempre y cuando las variables sean las mismas.
26
la simulación. Un valor adicional de la propuesta es que tiene posibilidades de aplicación no
solamente en el contexto de la simulación distribuida, sino que puede aplicarse sobre
cualquier sistema distribuido basado en comunicación por paso de mensajes. (Beltrao-
Moura, J.A., 1990)
Una simulación dirigida por trazas utiliza como entrada un registro de los eventos que
pueden presentarse en un sistema real, ordenados de manera cronológica. En este tipo de
simulación, como en el que le sigue, un evento se entiende como una acción discreta que
causa un cambio en el estado del modelo. La simulación por trazas es ampliamente usada
para el análisis de sistemas de cómputo, se les ha empleado con mucho éxito para afinar o
revisar los algoritmos que administran recursos, como en procedimientos para manejo de
páginas, manejo de caché, de calendarización, de prevención de interbloqueo (deadlock) y de
asignación dinámica de recursos, entre otros. Una simulación dirigida por eventos o
simulación de eventos discretos utiliza un modelo de estados discretos, en donde, a partir de
ciertas condiciones iniciales el modelo genera nuevos eventos sobre la marcha (obedeciendo
alguna propiedad estadística).
Hay que observar que el término discreto no se aplica sobre los valores de tiempo usados
en la simulación. Una simulación dirigida por eventos puede usar valores continuos o
discretos de tiempo. Cualquiera que sea la técnica de simulación, la selección de un lenguaje
de computadora para su implantación es uno de los pasos más importantes del proceso.
Existen, al menos, cuatro selecciones posibles: Un lenguaje de simulación, un lenguaje de
propósito general, una extensión de un lenguaje de propósito general y un paquete de
simulación.
27
software que se utilice proveerá estas partes: Calendarizador de eventos Mantiene una lista o
registro cronológico de los eventos que deben suceder y ofrece un conjunto de operaciones
para su manipulación. (Nicol, D.M. and Balci, article 1999)
1. Entidades: Son los objetos que fluyen a través del sistema, podrían ser: clientes,
productos, cajas, personas y camiones entre otros.
2. Atributos: Son las diferentes características que definen a las entidades: tipo,
edad, género, peso, volumen, tiempo de inicio de un proceso.
3. Variables: Son aquellas que definen el modelo y sus estados como un conjunto:
número de entidades en proceso, número de entidades entrantes, número de
entidades salientes, costo de proceso unitario.
4. Simulación: Variable que lleva control del tiempo virtual de simulación, no se
debe confundir con el tiempo real de ejecución, es decir mientras en mi reloj de
mano pasaron 5 minutos desde que se ejecutó la simulación, en el modelo el reloj
de simulación podría haber avanzado días, meses o inclusive años.
5. Eventos: Diferentes tipos de acontecimientos que ocurren a través de la
simulación, que hacen que el reloj de simulación avance, tales como: llegada de
un paciente, daño de una máquina, inicio de operación de un trabajador,
finalización de un proceso de fabricación.
6. Recursos: Objetos a los que se les asocia algún tipo de gasto o de consumo de
los mismos para realización de tareas de operación o transporte: operarios,
montacargas, máquinas, buffers de almacenamiento, bandas transportadoras (Law
A.M., Kelton W.D., 1991).
28
2.14 RELOJ Y MECANISMO DE ACTUALIZACIÓN DE TIEMPO
Cada simulación tiene al menos una variable que representa el tiempo simulado. El
calendarizador es responsable de actualizarla y avanzar este tiempo. Existen dos maneras de
completar esta operación: Puede utilizarse una unidad de tiempo que sirve para incrementar
el reloj en cantidades fijas, cada vez que se actualiza el reloj el calendarizador debe revisar si
existen eventos programados para ocurrir en este nuevo tiempo (a esta forma de operar el
reloj también se le conoce como simulación dirigida por tiempo). Alternativamente, el
calendarizador puede avanzar el reloj hasta el instante en que debe ocurrir el siguiente
evento programado. Obsérvese como, en la primera técnica el reloj sólo puede tomar valores
discretos, mientras que con la segunda, el reloj puede tomar valores continuos. (Schneider,
B. F.1993)
29
Eso significa que en los 11 años que mediaron entre una gran encuesta nacional y otra,
en El Alto se edificaron 69.235 viviendas más que en La Paz, a razón de casi 6.300 más por
año.
Además, entre 2001 y 2012, se edificaron 20.943 unidades habitacionales en La Paz,
mientras que en el mismo periodo, en El Alto, se erigieron 90.178. Queda claro que se debe
considerar, al hacer referencia al concepto vivienda, que se trata tanto de casas y/o
departamentos.
El crecimiento alteño es exponencial favorecido naturalmente por la planicie en la que
se encuentra esa urbe, en tanto que La Paz tropieza con el problema de su topografía y el
curso de alrededor de 200 ríos y riachuelos, que surcan sus laderas y contados espacios
planos.
Por ello, La Paz crece principalmente hacia arriba, a través de rascacielos, mientras
que la mancha urbana de El Alto se expande constante y hace que las distancias sean cada
vez más largas con los problemas de provisión de servicios básicos y transporte, que ello
implica.
Además, según la información tabulada por el INE, La Paz es el departamento con
mayor número de viviendas, pues tiene 849.751 unidades, equivalentes al 30,38 por ciento,
lo que significa que en esta región del país se halla concentrada una de cada tres viviendas
del país. Santa Cruz ocupa el segundo lugar con 644.040 unidades, que representan el 23,01,
o sea aproximadamente una de cada cuatro y media casas se encuentra en esa región del
oriente amazónico y chaqueño de Bolivia.
30
En general la ciudad de El Alto está distribuida en 562 juntas vecinales o “unidades
vecinales / barriales de base” donde viven sus 649.958 habitantes. Estas juntas o unidades
están agrupadas en 10 Distritos Municipales hasta el 2001 pero en la actualidad ya cuenta
con 14 distritos (ver Tabla 2.2).
31
2.16.1 ESTADÍSTICAS SOCIALES Y ECONÓMICAS DEL
MUNICIPIO DE EL ALTO
32
Según los datos del Censo 2001, podemos indicar que el tamaño promedio por hogar es de
3,89% de habitantes.
Contar con una vivienda adecuada en El Alto es uno de los aspectos más importantes
a resolver por la población y que se encuentra como una de sus prioridades. Para poder
entender El Alto, se ha tomado los datos de la investigación del Programa de Investigación
Estratégica de Bolivia (PIEB); donde se menciona el Índice de Desarrollo Social
Habitacional (IDSH) que se construye con la misma metodología del Índice de Desarrollo
Humano (IDH), es decir, correlacionando variables de vivienda adecuada, educación
terciaria, acceso a salud, empleo de calidad y condiciones de vida, esto se ha realizado por
distrito sobre la base estadística del último censo 2001. (ver Tabla 2.4).
33
El número de viviendas en El Alto, tomando los datos del censo del INE 2001, es de
163.320 de las cuales el distrito con mayor cantidad de viviendas es el 1 y los que menor
cantidad de viviendas tienen son el 7 y 8 fuera de la zona rural. En general, las condiciones
de la vivienda en su mayoría son paredes de adobe. Como se puede apreciar en los datos,
solo un pequeño porcentaje por distrito cuenta con viviendas con paredes de ladrillo, lo
mismo que con piso de madera dado que la mayoría cuenta con piso de cemento (ver Tabla
2.5).
34
2.17 SOFTWARE PARA MODELACION
Los primeros intentos para simular sistemas de eventos discretos, datan de la década
de los años 60, donde se desarrollan las primeras simulaciones en ordenador para planear
proyectos de gran envergadura, aunque a un costo alto y utilizando lenguajes de propósito
general (a menudo FORTRAN).
En la década de los 90, la difusión de los ordenadores personales, y la aparición de
paquetes de simulación que se programan en ambientes gráficos, y con capacidades de
animación, permite que la simulación se difunda ampliamente como herramienta para el
diseño y análisis en diversos sectores tanto de la industria de manufacturas como de
servicios (por ejemplo, telecomunicaciones, salud, transporte y cadenas de restaurantes).
Actualmente se pueden distinguir en el mercado dos tipos de paquetes para simulación de
evento discreto: los de propósito general y los orientados hacia alguna aplicación o sector
industrial específico. Entre los paquetes más conocidos de propósito general, se pueden
mencionar a Arena, Simul8, GPSS/H, AweSim, y MODSIM III, STELLA mientras que
entre los paquetes con orientación hacia alguna aplicación se puede mencionar a AutoMod,
ProModel, SIMFACTORY II.5, QUEST y Arena Packaging Edition para manufactura,
COMNET III y OPNET Modeler para redes de comunicaciones, SIMPROCESS,
ProcessModel, ServiceModel y Arena Business Edition para analizar flujos en procesos de
negocios, y MedModel para servicios del cuidado de la salud.
35
STOCK
Conev ertidor 1
Flujo
Conv ertidor 2
Stock: Es un símbolo genérico para cualquier cosa que acumula o consume recursos. Por
ejemplo. Agua acumulada en una tina de baño. En cualquier tiempo, la cantidad de agua en
la tina refleja la acumulación del agua que fluye desde la llave, menos lo que fluye hacía el
drenaje. La cantidad de agua es una medida del stock de agua.
Flujo: Un flujo es la tasa de cambio de un stock. En el ejemplo de la tina de baño, los flujos
son el agua que entra y el agua que sale.
Convertidor: Un convertidor se utiliza para tomar datos de entrada y manipularlos para
convertir esa entrada en alguna señal de salida. En el ejemplo de la tina de baño, si se toma
el control de la llave que vierte el agua al interior, el convertidor toma como entrada esta
acción en la llave y convierte la señal en una salida que se refleja en la salida de agua.
Conector: Un conector es una flecha que le permite a la información pasar entre:
convertidores; stocks y convertidores; stocks, flujos y convertidores. Un conector cuya
dirección va de un convertidor 1 a un convertidor 2 significa que el convertidor 2 es función
del convertidor 1. En otras palabras, el convertidor 1 afecta al convertidor 2.
La figura 2.4 proporciona ejemplos de variables que se pueden clasificar como stock’s y
flujos (entre muchas otras).
36
Flujos de entrada Stocks Flujos de salida
Nacimientos Población Muertes
Plantación Abetos Tala
Alimentación Alimento en el estomago Digestión
Incremento Autoestima Decremento
Contratación Empleados Despidos
Aprendizaje Conocimiento Olvido
Producción Inventario Envíos
Prestamos Deuda Pagos
Recobrar Salud Declinar
Acumular Presión Disipar
Construir Construcciones Demolición
Flujo de entrada Agua en la tina de baño Flujo de salida
37
Las herramientas y objetos permiten posicionar, definir, duplicar y eliminar bloques de
construcción en el diagrama (ver Figura 2.5).
38
variable de estado que llamaremos STOCK, y dos variables de flujo, un flujo de entrada que
llamaremos REPOSICIÓN, y un flujo de salida que llamaremos DEMANDA. Notemos
antes que nada que la unidad de la variable STOCK es “automóviles”, y las unidades de los
flujos REPOSICIÓN y DEMANDA es “automóviles por semana”, de otra forma
“automóviles/semana”. Vamos a dibujar la relación entre estas tres variables en STELLA,
Con el cursor hacemos click con el botón izquierdo en el icono de las variables de
39
Figura 2.7 Inserción de variables de estado STOCK
Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007
Ahora bien, vamos a dibujar el flujo de entrada hacía el STOCK. De manera análoga,
dirigimos nuestro mouse hacia el icono de la variable de flujo, pinchamos haciendo un clic
con el botón izquierdo, arrastramos la figura de manera conveniente, a la altura del lado
izquierdo del STOCK, una vez elegido el sitio desde donde va a empezar a dibujarse la
variable de flujo, presionamos el botón izquierdo (sin soltarlo) a la vez que arrastramos la
figura dirigiéndola hacia el STOCK ( ver Figura 2.8), y toda vez que la variable de flujo
llegue de manera adecuada al STOCK, este avisará con un leve cambio de color gris (ver
Figura 2.9), en ese momento dejamos de presionar el botón izquierdo y soltamos. La
situación final debería lucir como lo indica (ver Figura 2.10), toda vez que cambiemos el
nombre por defecto de esta variable de flujo por el nombre definido anteriormente,
REPOSICIÓN.
40
Figura 2.8 Flujo de entrada
Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007
41
Figura 2.10 Variable de flujo conectado con variable de estado STOCK
Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007
Noname 1
42
Este sencillo dibujo, nos muestra que la variación del STOCK a través del tiempo
(semanas) será causada por los flujos de entrada (REPOSICIÓN) y salida (DEMANDA).
Ahora bien, supongamos que esta demanda obedece una política de almacenaje conocida
como “política (s, S)”, que consiste en lo siguiente: Al final de cada semana, si lo que hay en
stock es inferior o igual que s unidades entonces inmediatamente se repone hasta el nivel S,
en caso contrario, si lo que hay es superior al nivel s, entonces nada se repone. De manera
que se introducen dos nuevas variables a nuestros modelos, a saber el nivel s, que
llamaremos INF, y el nivel S, que llamaremos SUP. Estas variables no son ni de flujo ni de
estado, para eso entonces utilizamos el icono de convertidores.
Con el mouse sobre el icono hacemos un clic, para coger la figura, y la posicionamos
en un lugar adecuado nombrando esta figura con el nombre de INF; repetimos el mismo
procedimiento para definir el convertidor SUP. El resultado final debería lucir como lo
indica la figura 8.
43
Ahora bien, vamos a indicar que el flujo de entrada REPOSICIÓN depende de los
valores de INF, SUP y finalmente del valor de la variable de estado STOCK (en efecto,
recuérdese que “si lo que hay en stock es inferior o igual que s unidades entonces
inmediatamente se repone hasta el nivel S, en caso contrario, si lo que hay es superior al
nivel s, entonces nada se repone”). La manera de indicar esto es mediante los conectores. Y
Por último, mediante sendas operaciones análogas, conectamos desde las variables SUP y
STOCK hacia REPOSICIÓN, y el resultado debería lucir como lo indica (ver Figura 2.14).
44
Figura 2.14 Variables SUP y STOCK conexión hacia REPOSICIÓN
Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007
Volvemos a insistir que el esquema indicado en la Figura 2.14 nos dice que, los
valores que tomará la variable de flujo REPOSICIÓN dependerán de los valores de INF,
SUP y STOCK, continuemos con nuestro de almacenaje. Vamos a suponer que la demanda
semanal es aleatoria con distribución conocida, y que además estas demandas semanales son
independientes (en el sentido probabilístico) entre si. Supongamos que la demanda para cada
semana se distribuye según una distribución de Poisson. Finalmente agreguemos que se
entrega lo que hay en stock y no se acepta demanda diferida, esto es a modo de ejemplo, si
hay en stock 2 unidades y la demanda en esa semana es de 5, entonces se entregan
simplemente las 2 y no hay compromiso de entregar el resto de 3 unidades para la semana
posterior. Con estos datos vamos a definir un convertidor llamado PEDIDO y otro
convertidor llamado LAMDA. El convertidor PEDIDO, de alguna manera que ya
determinaremos más adelante, va a simular los valores que se obtienen de una distribución
de Poisson, y puesto que toda distribución dependerá de un parámetro (que indica el valor
promedio de los números generados por esta distribución), llamaremos LAMBA a este
parámetro. Finalmente debemos hacer notar que los valores generados por el convertidor
45
PEDIDO dependerán de lambda, y todo valor que genere el convertidor PEDIDO se
interpretará como la demanda ocurrida en esa semana. Entonces utilizando la técnica ya
establecida dibujamos estas dos nuevas variables y establecemos los conectores para indicar
la dependencia entre ella (ver Figura 2.15).
De manera que la Figura 2.15 está indicando todos los elementos que integrarán
nuestro modelo que representará el sistema de almacenaje o stock que opera con la política
(s, S), y que tiene una demanda aleatoria distribuida independientemente según una Poisson.
Y donde se indica las relaciones de independencia entre estos elementos (aún cuando, de
momento, no se establece la relación analítica entre ellos).
46
2.17.2 RELACIONES ANALITICAS
47
Los signos de interrogación que aparecen sobre las variables de nuestro modelo están
indicando que sobre ellas hay que definir su relación analítica cuando corresponda, o
entregar el valor que tienen. Vamos a fijar nuestra atención en la variable de flujo
REPOSICION. Recordemos que ella está definida extensivamente como “toda vez que el
valor del STOCK sea menor o igual que INF entonces se repone (de artículos) hasta el nivel
superior SUP”. Bien, hagamos doble click sobre la variable de flujo REPOSICION, debe
aparecer la siguiente caja de diálogo como se puede observar (ver Figura 2.17).
Sobre esta caja de diálogo haremos algunas precisiones. Hemos marcado cuatro
sectores con rotulador de sendos colores, que llamaremos zona roja, azul, negra y verde,
como lo indica (ver Figura 2.18) que nos servirá para las precisiones respectivas.
48
Figura 2.18 Definición de las partes por colores
Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007
La zona roja nos indica que la variable de flujo, por defecto y conforme está activado
el rótulo UNIFLOW, es un flujo unidireccional, esto es tiene la propiedad de que fluye
“material” sobre la variable de estado (STOCK en nuestro caso) y que no tiene opción de
“inhalar” material desde la variable de estado, en términos hidráulicos esta variable de flujo
no puede bombear para extraer agua, solo puede depositar agua. Ya veremos más adelante
algunos ejemplos en que una variable de flujo puede ser bidireccional. El caso es que nuestra
variable de REPOSICION solamente entrega material hacia el STOCK.
La zona azul indica lo que ya hemos establecido, que sea la forma analítica que tenga
nuestra variable de flujo REPOSICION, ella debe requerir para su definición las variables de
STOCK, INF y SUP.
49
La zona negra está indicando la función analítica con la que quedará definida nuestra
variable de flujo, y es en el lugar marcado por el video reverso donde dice “Place right hand
side...” donde se debe poner la fórmula.
Finalmente la zona verde entrega una lista de funciones que posee en su estructura el
software STELLA, en que eventualmente podamos necesitar para la construcción de la
fórmula para la variable de flujo REPOSICION.
Vamos ahora a definir la variable de flujo. La expresión “toda vez que el valor del STOCK
sea menor o igual que INF entonces se repone (de artículos) hasta el nivel superior SUP” es
equivalente matemáticamente a lo que indica la Figura 2.19 (Martinez,2007)
50
Una vez entregada esta instrucción, y convenciéndonos que es la adecuada para definir la
política de reposición del stock hacemos click en la opción OK (los otros botones, como
Become Graph, Document, etcétera, los veremos más adelante). Deberá aparecer el
diagrama indicado en la Figura 2.20, dónde ha desaparecido el signo de interrogación sobre
la variable de flujo REPOSICION (Martínez, 2007).
Ahora vamos a definir la variable de flujo (de salida) DEMANDA, haciendo doble
click en esta variable, aparecerá una caja de diálogo similar al de la figura 2.17, y se indica
en la Figura 2.21.
51
Figura 2.21 Ventana de definición de la función analítica de DEMANDA
Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007
52
Nuevamente hacemos click sobre OK, para volver a nuestro diagrama donde se
puede comprobar que habrá desaparecido el signo de interrogación sobre DEMANDA.
53
Figura 2.24 Definición de la función analítica de PEDIDO
Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007
Observemos en la línea superior de esta caja de diálogo que por defecto está activado
el botón “Reservoir” (Receptáculo), más adelante explicaremos las opciones “Conveyor,
Queue y Oven”. Que sea esta variable de estado de la clases Reservoir significa literalmente
que ella es un receptáculo que recibe flujo y que de ella puede emanar flujo, o de otra forma
que su cambio de nivel (dinámica) o cambio de los valores de estados se debe solamente a
los flujos, tanto de entrada o salida, que sobre ella operan, y que ninguna otra variable tendrá
incidencia directa en su dinámica, esto significa que tampoco necesita conector alguno que
provenga de otra variable que pueda modificar su comportamiento dinámico, es más,
observe atentamente que no aparece la caja de diálogo “Required Inputs”, y en vez de ella
aparece la caja “Allowable Inputs” y que en rigor son todas las variables que componen el
modelo pero que no tienen ninguna relación analítica. Solamente hay que escribir el valor de
INITIAL (STOCK), es decir solo debemos entregar su valor inicial, que en nuestro caso es
3. Escribimos este valor donde dice “Place initial value here” y hacemos click en OK.Hasta
aquí hemos realizado un programa computacional. En efecto hagamos un click en la pestaña
Equation, obtendremos el siguiente código computacional (ver Figura 2.25) (Martínez,
2007).
54
Figura 2.25 La capa de ecuaciones matemáticas
Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007
A este nivel, hemos realizado un programa computacional que nos permitirá hacer
una simulación sobre el comportamiento del nivel de STOCK de una pequeña tienda de
alquiler de automóviles. Observemos cuidadosamente estas ecuaciones para convencernos
que efectivamente corresponden a un sistema de ecuaciones dinámicas que mostrarán la
evolución a través del tiempo del sistema dinámico que estamos modelando.
2.17.3 SIMULACION
Vamos a enseñar cómo realizar simulación para el modelo que hemos realizado. Para
esto, en el menú RUN elegimos la opción “Run Specs...”, como se ve en la figura 2.26
(Martínez, 2007).
55
Figura 2.26 Configuración de la simulación
Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007
En esta opción vamos a determinar que el tiempo es discreto, toda vez que la
evolución de este sistema es en tiempo discreto, en rigor la unidad de tiempo de “semana”,
de modo que al hacer un click en la caja de diálogo que aparece lo completamos de la forma
que lo indica la Figura 2.27.
56
Como se puede observar, hemos determinado una longitud de 20 semanas, de manera
arbitraria, con un DT igual a 1, y hemos elegido la unidad de tiempo “Weeks” (Semanas).
Una vez realizado esto hacemos un click en OK. Con esto volvemos a nuestro diagrama
original. Ahora bien, vamos a ver la evolución de la variable STOCK mediante una gráfica,
para esto hacemos un clic en el icono arrastrándolo a un sitio conveniente, al fijarla
aparecerá la siguiente caja de diálogo que indica la figura 2.28 (Martínez, 2007).
Como podemos ver, solo en el eje vertical aparece la dimensión tiempo que hemos
indicado anteriormente al definir la “longitud de la simulación”. Para poder definir la
variable STOCK que queremos graficar hacemos doble click en cualquier parte gris de este
plano cartesiano. Deberá aparecer la siguiente caja de diálogo.
57
Como podemos observar, hay dos cajas principales, una que dice “Allowable”
(Accesibles), y otra titulada “Selected” (Seleccionada). Como nuestro interés es graficar la
evolución de la variable STOCK, es que seleccionamos esta variable haciendo doble click a
STOCK en la caja “Allowable”, con esto logramos entonces que STOCK pase a la columna
“Selected”. De momento solo elijamos esa opción y el resto de los botones, que están por
defecto lo dejamos tal cual se ve en la figura 2.29. Una vez realizado esto hacemos un click
en OK, y nos aparecerá la siguiente figura 2.30 (Martínez, 2007).
58
Y aquí podemos observar que el eje Y está tabulado con la variable STOCK.
Nuevamente nos vamos al menú RUN y elegimos la opción RUN, debería aparecer una
gráfica como la que indica la figura 2.31.
Esta gráfica nos entrega, entonces, una evolución dinámica de la variable STOCK.
Observe que ha aparecido una imagen similar a las que tienen los controladores de “casette”.
59
Finalmente si queremos ver una tabulación de los valores de una, o alguna, o todas
las variables involucradas en nuestro modelo podemos utilizar el icono , cuyo uso es
análogo al de . Trate usted de llegar al siguiente resultado en tabla como lo indica la
figura 2.32 (Martínez, 2007).
60
CAPITULO III
DISEÑO METODOLOGICO
E
n este capítulo abordaremos el diseño para modelo con eventos discretos con la
respectiva metodología de simulación. Y sus diferentes etapas de su elaboración
con datos estadístico de la ciudad de El Alto.
CAPITULO III
3 DISEÑO METODOLOGICO
Tabla 3.1 Distritos del área urbana del Municipio de El Alto (2012)
Fuente: Elaboración propia
Distrito 1 Ciudad Satélite, Rosas Pampa, Villa Dolores, Santiago, Bolívar A,12
de Octubre, Barrio Minero, Tejada Triangular, Tejada Rectangular
Distrito 2 Nuevos Horizontes, El Kenko, Santiago II, Bolívar B, D, E, Senkata
Distrito 3 Cosmos 79, Villa Adela, 1ro. de Mayo, Luis Espinal, Bolívar C,F,
Romero Pampa, Amor de Dios, Yunguyo.
Distrito 4 San Felipe de Seque, Villa Tunari 1, 2, 3, 4, Franz Tamayo, Estrella
de Belén, San José de Yunguyo, 23 de Marzo, Mercedario.
Distrito 5 Villa Ingenio, Río Seco, Huayna Potosí, Mercurio, Villa Esperanza,
61
Túpac Katari, Tahuantinsuyo, Mariscal Sucre.
Distrito 6 16 de Julio, Alto Lima 1-2-3-4 sección, Ballivián, Ferropetrol, Los
Distrito 7 Andes
Urb.Bello Horizonte, Urb. Las Lomas , Urb.Utama, Urb.Provenir,
Distrito 8 San Antonio, Urb. San Luis , Urb. Sn Roque, Urb. Fortuna, Urb.6 de
Agosto
Distrito 9 Mercedes A, B, C, D, E, F, G, Senkata, Cumaravi, Junthuma, San
Distrito 10 Francisco, Khantati, Ventilla, Atipiris, Andino.
Distrito 11 Villandrani, Urb Rosario , Urb. San Ramón, Urb. Mercedes , Urb
Distrito 12 Topater
Zona Rural ( Achuma, Amachuma)
Distrito 13 Zona Rural (Ocomisto, Tacachira )
Distrito 14 Barrió San Carlos, Barrió San Juan, Urb. Señor de la Exaltación, San
Pedro Laja, Urb San Felipe, San Martin de Porres.
Zona Rural (El Ingenio, Milluni Alto, y Bajo Milluni)
B. Saavedra, Puerto Camacho, V. Cooperativa, Néstor Taboada, Los
Pinos, Illimani, Estrellas del Norte.
62
Thinking for Education and Research), de amplia difusión, disponibilidad por su facilidad de
diseño específico para el trabajo con modelos
Las variables que utilizamos son discretas ya que los eventos que cambian el estado
del mismo ocurren en instantes espaciados en el tiempo y son:
Población
Hogares
Suelo Residencial
Número de Viviendas
Área Verde
El sistema considera tres elementos principales
63
Evolución
Evolución
de la vivienda y
población suelo
residencial
Evolución
de hogares Evolución
área verde
Evolución
niveles de
renta
64
Nacional de Estadística) no cuenta con datos detallados de gestiones anteriores por distrito
del municipio de El Alto y que además son diferentes los estándares usados en el INE y
Gobierno Autónomo Municipal de El Alto para el tratamiento de la información. Así mismo
se obtuvo los datos a nivel general de todo el municipio de El Alto.
65
3.4 CONSTRUCCIÓN DEL MODELO
Dónde:
TN = Tasa de Natalidad
N = Número de nacimientos por año
P = Población total promedio por año
El número de defunciones por año en la ciudad del El Alto esta dad por la tasa de mortalidad
(TM), mediante la siguiente formula:
Dónde:
66
El número de habitantes que migran por año en la ciudad del El Alto esta dad por la tasa de
migración (TMi), mediante la siguiente formula:
Dónde:
67
tasa_de_nacimiento*POBLACION
tasa migratoria*POBLACION
{habitantes/año}
tasa migratoria {habitantes /año}
La variable
derivada La variable
Nacimientos derivada
saldo migratorio Saldo Migratorio
tasa de
nacimiento
tasa
POBLACION
mortandad
nacimientos muertes
tasa mortandad*POBLACION{
habitantes/año}
incremento de
+
poblacion
La variable auxiliar La variable
Incremento de población derivada
nacimientos-muertes-saldo_migratorio
{habitantes}
está dado por la diferencia Muertes
de los nacimientos menos
las muertes y el saldo
migratorio
68
El número de nuevos hogares por año en la ciudad de El Alto, está dada por el
incremento de población por año, las personas por hogar y los hogares por escisión y
cambio en estructura, mediante la siguiente formula:
( )
Dónde:
NH = Nuevos hogares
IncPob = Incremento de población por año
PH = Número de personas por hogar
HCE = Hogares por cambio de estructura
El diseño de la evolución de hogares es la siguiente (ver Figura 3.2).
incremento
hogares por
de poblacion
excision y cambio
de estructura
HOGARES
La variable auxiliar incremento de
población
nuevos
hogares
69
Ahora la variable hogares es igual a la suma de los nuevos hogares por año.
El tercero de los elementos (ver figura 3.4) estima el cambio de los valores de la renta
a partir del flujo del incremento de renta. El número de incremento de la renta por año en la
ciudad de El Alto, está dada por la tasa de incremento de la renta (TIR), mediante la
siguiente formula:
Dónde:
IR = Incremento de renta
tasa inc. renta = Tasa incremento de renta
tasa dism.renta = Tasa incremento de renta
DR = Disminución de la renta
70
3.4.1.4 ESTIMACIÓN DE LA EVOLUCIÓN DE LAS VIVIENDAS Y EL
SUELO RESIDENCIAL
A partir de la estimación de las viviendas, y mediante un calor del suelo consumido por
vivienda se puede obtener igualmente las demandas de suelo para uso residencial.
El número de nuevas viviendas por año en la ciudad de El Alto, está dado por la tasa
de viviendas por hogar y tasa aumento de vivienda por Bs. Y por persona, mediante las
siguientes formulas:
Dónde:
AVPNH = Aumento de variables por nuevos hogares (variable auxiliar)
NH = Numero de nuevos hogares
TVPH = Tasa de viviendas por hogar
71
( )
Dónde:
AVPR = Aumento de viviendas por renta
P = Numero de nuevos hogares
TAVBP = Tasa de aumento vivienda por Bs. Persona
IR = Incremento renta
El número de nuevas viviendas está dado por:
El número de viviendas es la suma de las nuevas viviendas por año en la ciudad de El Alto.
Dónde:
NSR = Nuevo suelo residencial (hectáreas)
NV = Nuevas Viviendas
SCPV = Suelo Consumido por la vivienda
El suelo residencial es la extensión territorial (hectáreas) ocupadas por las viviendas por
años en la ciudad de El Alto y está dado por:
Dónde:
NSR = Nuevo suelo residencial (hectáreas)
72
Figura 3.5 Estimación de las nuevas viviendas y suelo territorial
Fuente: Elaboración propia
73
3.4.1.7 ESTIMACIÓN DE LA EVOLUCIÓN DE ÁREAS VERDES
Dónde:
IAVPA = Incremento de área verde por año
CHP = Cantidad de habitantes proyectados por año = Incremento de población
por año
Variable auxiliar
incremento de
población es el
número de nuevos Variable M2 por persona es
habitantes por año la extensión territorial
en la ciudad destinada para área verde
por habitante
incremento AREA VERDE
de poblacion URBANO
Variable derivada
incremento de área incremento
verde por año es la area verde
extensión territorial en m2 por persona
hectáreas destinada para
áreas verdes Figura 3.6 Estimación de las nuevas viviendas y suelo territorial
Fuente: Elaboración propia
74
3.5 RECOLECCIÓN DE DATOS
Para poder realizar las simulaciones de los escenarios futuros, así como para estimar los
valores de algunas de las tasas comentadas anteriormente, fue necesario un proceso de
calibración del modelo que permita mostrar su capacidad para simular. Este proceso de
calibración se ha entre dos fechas, 2001 y 2012, para lo cual el volumen de información
disponible era importante los datos sociales y económicos, así como por la disponibilidad de
información cartográfica que permita valorar las superficies de suelos residenciales y áreas
verdes. Los valores de estas variables se observan en la Tabla 3.3.
A partir de estos valores de las variables para el periodo 2001 – 2012, se ha obtenido
los valores medios observados de las diferentes tasas descritas en la Tabla 3.2 como
anteriormente. Con estos datos se realizado la simulación, efectuando primeramente algunos
75
ajustes en los valores de la diferentes variables (en particular de los valores de las tasas de
calibración) para tratar de ajustar los resultados obtenidos por el modelo para el año 2012 a
los cambios realmente acontecidos (ver Figura 3.7).
tasa migratoria
saldo migratorio
suelo consumido
tasa de
por vivenda
nacimiento
tasa
POBLACION
mortandad SUELO
RESIDENCIAL
nacimientos muertes
nuevo suelo
residencial
incremento de
poblacion
hogares por
exsision y cambio
en estructura
HOGARES
NUMERO
aumento viviendas
VIVIENDAS
por nuevos hogares
nuevos
hogares
nuevas
vivendas
tasa de viviendas
personas por
por hogar
hogar
tasa aumento
RENTA vivienda por BS y persona
inc area
verde
m2 por persona
76
Considerando de manera similar en cada distrito de la ciudad de El Alto con la diferencia de
los datos que explica su comportamiento, se ha replicado el modelo, para cada distrito de la
ciudad de El Alto, cuyo resultado es el modelo siguiente (ver Figura 3.8).
77
3.6 IMPLEMENTACION DEL MODELO
Se incorporó la
variable de estado,
nombrado
POBLACION
Se incorporó la
variable de flujo,
nombrado
nacimientos
Se incorporó un
convertidor,
nombrado tasa
de natalidad
Se incorporó un
conector del
convertidor, tasa de
natalidad a la
variable de flujo
78
Ahora las variables de flujo y convertidores para la POBLACION (ver Figura 3.10)
79
Para simular la evolución de la Población ver Figura 3.11 muestra en desarrollo de
implementación.
tasa migratoria
saldo migratorio
tasa de tasa de
natalidad
POBLACION mortantad
nacimientos muertes
80
tasa migratoria
saldo migratorio
tasa de
nacimiento
tasa
POBLACION
Se incorporó el conector, del mortandad
convertidor incremento de Se incorporó la variable de
población a la variable de flujo, denominado nuevos
flujo nuevos hogares hogares
nacimientos muertes
Se incorporó la variable de
estado, denominado
HOGARES
incremento de
poblacion
personas por
hogar
Se incorporó los conectores, del
convertidor hogares por excisión y
Se incorporó el convertidor, cambio en estructura ala variable de flujo
denominado personas por nuevos hogares, y otro convertidor de
hogar personas por hogar a la variable de flujo
nuevos hogares
81
Implementación de la Evolución de la RENTA (ver Figura 3.13)
HOGARES
Se incorporó la variable
Se incorporó la variable aumento viviendas
de estado, denominado
de flujo, denominado RENTA por Se incorporó la variable
nuevos hogares
nuevosde renta
incremento de flujo, denominado
hogares disminución de renta
tasa de viviendas
personas por
por hogar
hogar
RENTA
Se incorporó el convertidor,
denominado
Tasa de disminución de renta y
inc de renta dism renta se insertó un conector desde la
taza incremento de renta a la
variable de flujo incremento de
tasa dism renta.
renta
tasa incremento
renta
82
Se incorporó la variable auxiliar (convertidor),
denominado aumento viviendas por nuevos
hogares, la cual tiene como insertado los
conectores desde la variable de flujo nuevos
hogares y del convertidor tasa de viviendas
por hogar.
NUMERO
aumento viviendas VIVIENDAS
por nuevos hogares Se incorporó la variable
de estado, denominado
Se incorporó el convertidor, NUMERO DE
denominado tasa de VIVIENDAS
nuevas
viviendas por hogar.
vivendas
tasa de viviendas
por hogar
tasa aumento
vivienda por BS y persona
Se incorporó la variable
de flujo, denominado Se incorporó el convertidor
nuevas viviendas. denominado tasa aumento de
aumento viviendas
vivienda por Bs y persona.
por renta
83
Se incorporó el convertidor
denominado suelo consumido
por vivienda Se incorporó la variable de
estado denominado SUELO
suelo consumido RESISDENCIAL.
por vivenda
SUELO
Se incorporó la variable de RESIDENCIAL
flujo denominado nuevo
suelo residencial
nuevo suelo
residencial
NUMERO
VIVIENDAS
Se incorporó los conectores, del convertidor
suelo consumido por vivienda y la variable de
flujo nuevas viviendas a la variable de flujo
nuevo suelo residencial nuevas
vivendas
Se incorporó el convertidor
inc area
denominado m2 por
verde
persona (metro cuadrado Se incorporó la variable
por persona). de estado denominado
AREA VERDE
m2 por persona
URBANA.
84
Modelo propuesto del Área Urbana de la ciudad de El Alto (ver figura 3.17)
tasa migratoria
saldo migratorio
suelo consumido
tasa de
por vivenda
nacimiento
tasa
POBLACION
mortandad SUELO
RESIDENCIAL
nacimientos muertes
nuevo suelo
residencial
incremento de
poblacion
hogares por
exsision y cambio
en estructura
HOGARES
NUMERO
aumento viviendas
VIVIENDAS
por nuevos hogares
nuevos
hogares
nuevas
vivendas
tasa de viviendas
personas por
por hogar
hogar
tasa aumento
RENTA vivienda por BS y persona
inc area
verde
m2 por persona
Figura 3.17 Implementación de Modelo propuesto del Área Urbana de la Ciudad de El Alto
Fuente: Elaboración propia
85
Definición de las relaciones analíticas de las variables del modelo propuesto del área urbana
de la Ciudad de El Alto (ver figura 3.18).
Figura 3.18 Definición de las relaciones analíticas de las variables del modelo propuesto
Fuente: Elaboración propia
86
Modelo propuesto del Área Urbana de la Ciudad de El Alto por distritos (ver Figura 3.19,
Figura 3.20, Figura 3.21).
87
Figura 3.20 Modelo Propuesto del Área Urbana de la Ciudad de El Alto
Distrito 3 y Distrito 4
Fuente: Elaboración propia
88
Y de la misma forma son los modelos de los distritos 5, distrito 6, distrito 7, distrito 8,
distrito 9, distrito 10, distrito 11 y distrito 12 de la Ciudad de EL Alto
Ahora la definición de las relaciones analíticas de la variables del modelo propuesto del
área Urbana de la ciudad de El Alto por distritos (ver Figura 3.22).
Figura 3.22 Definición de las relaciones analíticas de las variables del modelo propuesto de
área de la ciudad de El Alto por distritos.
Fuente: Elaboración propia
89
CAPITULO IV
EVALUACION DE RESULTADOS
E
n este capítulo trataremos los resultados obtenidos de la simulación con eventos
discretos y verificaremos su respectiva valides con los datos estadísticos de los
censos 2001 y 2012.
CAPITULO IV
4 EVALUACIÓN DE RESULTADOS
Proyección al año
2024.La Población se
proyecta en
crecimiento de 28%
población
13.35% Nro. de
Hogares
90
Proyección del Crecimiento poblacional de la ciudad de El Alto Por distritos (Ver figura 4.2
Y 4.3)
Datos del censo del año 2001 la
Población por distritos
Figura 4.2 Resultado de proyección de crecimiento de la ciudad El Alto por distritos 1-7
Fuente: Elaboración propia
91
Datos del censo del año 2001 la
Población por distritos
Figura 4.3 Resultado de proyección de crecimiento de la ciudad El Alto por distritos 7-14
Fuente: Elaboración propia
92
Proyección de la densidad del crecimiento poblacional de la ciudad de el Alto por Distritos,
relación entre distritos (Ver Figura 4.4 Y 4.5)
93
Datos del censo del año 2001 la Población
por distritos
Figura 4.5 Resultado de proyección de la densidad del crecimiento de la ciudad El Alto por
distritos 8-14
Fuente: Elaboración propia
94
Proyección de Nuevos Hogares de la ciudad de El Alto por distritos para el año 2024 (ver
figura 4.6 y 4.7).
Proyección de número de
hogares año 2024 por distritos
95
Datos del censo del año 2001 número de
hogares por distrito
Proyección del crecimiento territorial del suelo residencial de la ciudad de El Alto por
distritos al año 2024(ver figura 4.8 y 4.9).
96
Datos del censo del año 2001
suelo residencial y área verde
Figura 4.8 Resultado de proyección del crecimiento territorial del suelo residencial de la
ciudad El Alto por distritos 1-7
Fuente: Elaboración propia
97
Datos del censo del año 2001
suelo residencial y área verde
Figura 4.9 Resultado de proyección del crecimiento territorial del suelo residencial de la
ciudad El Alto por distritos 8-14
Fuente: Elaboración propia
98
4.2 DEMOSTRACIÓN DE LA HIPÓTESIS
Para demostrar la hipótesis acudiremos a métodos estadísticos .Una manera de hacer
inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo
estudio puede tomar. Esta afirmación puede estar basada en alguna creencia o experiencia
pasada que será contrastada con la evidencia que nosotros obtengamos a través de la
información contenida en la muestra.
Una prueba de hipótesis comprende cuatro componentes principales:
-Hipótesis Nula
-Hipótesis Alternativa
-Estadística de Prueba
-Región de Rechazo
Ho: La simulación mediante eventos discretos, permite una proyección del crecimiento
urbano y generar alternativas futuras para la planificación en la ciudad de El Alto.
H1: La simulación mediante eventos discretos, no permite una proyección del crecimiento
urbano y generar alternativas futuras para la planificación en la ciudad de El Alto
Solución
99
∑ ( )
( )
Varianza muestral
s = 65187.44
1.- Datos:
µ = 745129.36
s = 65187.44
x = 745397.25
n = 12
α = 0.05
Ho = 745129.36 Ho H1
H1 ≠ 745129.36 H1
Región de Región de
Rechazo Rechazo
α /2 = 0.0025 α /2 = 0.0025
Región de Aceptación
100
3.- Regla de Decisión:
4.- Cálculos:
( )
⁄
√
tR = 0.014
Como –2.365 ≤ 0.014 ≤ 2.365 por lo tanto, no se rechaza Ho y se concluye con un nivel de
significancia del 0.05 que la población promedio de los habitantes de la ciudad de El Alto es
745129.36.
Entonces la hipótesis dada es cierta
Ho = “La simulación mediante eventos discretos, permite una proyección del crecimiento
urbano y generar alternativas futuras para la planificación en la ciudad de El Alto”
101
CAPITULO V
CONCLUSIONES Y RECOMENDACIONES
E
n este capítulo se presenta las conclusiones y recomendaciones de los resultados
obtenidos de la simulación, además se describe como se lograron los objetivos y se
proponen trabajos futuros .
CAPITULO V
5 CONCLUSIONES Y RECOMENDACIONES
102
-Respecto a la hipótesis:
“La simulación mediante eventos discretos, permite una proyección del crecimiento urbano
y generar alternativas futuras para la planificación en la ciudad de El Alto” situado en el
Capítulo I y comprobado en el Capítulo IV por lo que se concluye que:
El modelo de la simulación hallado refleja la realidad de los eventos de la ciudad de El Alto
con su margen de error de 5%. La relación de causa – efecto de sus variables demuestra una
alta lógica de los datos utilizados, generando proyecciones fiables para la planificación de la
urbe.
5.2 RECOMENDACIONES
Dada la complejidad de la ciudad, y teniendo en cuanta como base el modelo
desarrollado, las recomendaciones son las siguientes:
Contar con datos más detallados, podrán mejorar y observar nuevas formas de simulación,
haciendo posible una mejor planeación y estructuración de asentamientos humanos en
nuestras en creciente ciudad, por lo que se recomienda coordinar a las instituciones
responsables del registro de datos.
Si bien los eventos discretos en una metodología que se puede aplicarse a un sinfín
de ares de estudio, requiere de información para aproximar la simulación a nuestra realidad,
es recomendable continuar con la publicación de datos más actuales a la ciudad de el alto
Se recomienda que las instituciones que cuentan con información del crecimiento urbano de
la ciudad de El Alto, deban hacer públicas los datos para hacer posible más estudios del
desarrollo urbano de la ciudad de El Alto.
103
REFERENCIAS BIBLIOGRÁFICAS
REFERENCIAS BIBLIOGRAFICAS
Banks, J., Carson, J., &Nelson, B. L. (1996). Discrete Event System Simulation. New
Jersey: Pretice-Hall.
Forrester, J. (1969). System Simulation for Regional Analysis. Massachusetts: The MIT
Press.
Nicol, D.M. and Balci, Strategic Directions in Simulation Research , Winter Simulation
Conference, 1999 Farrington, P.A. and Nembhard, H.B. and Sturrock, D.T.and Evans, G.W.
Page(s) 1509-1520.
Schneider, B. F., What Good are Models and What Models are Good?, Distributed Systems ,
ACM, 1993, Mullender, S. pages 17-26, Second Edition.
Jain, R. The art of computer systems performance analysis, John Wiley and sons,1991.
Ogunnaike B.A., Harmon Ray W., 1994, “Process Dynamics, Modeling and Control”,
Oxford, New York.
Shannon R.E., 1988, “Simulación de Sistemas. Diseño, desarrollo e implementación”,
Trillas, México.
Law A.M., Kelton W.D., 1991, “Simulation Modeling & Analysis”, Second Edition,
McGraw-Hill, New York.
Walpole, Myers y Myers (1999). Probabilidad y Estadística para Ingenieros. Sexta edición.
Ed. Prentice Hall. México.
Zar, Jerrold H.- Biostatistical Analysis.- 4rd ed.- Prentice Hall, Inc . Recuperado. Por
http://ftp.medprev.uma.es/libro/html.htm
ANEXO A:
ACUMULADO(t) = ACUMULADO(t - dt) + (porcent) * dtINIT ACUMULADO = 0
INFLOWS:
porcent = ((DISTRITO_1/SUELO_RESIDENCIAL)-DENSIDAD+10)*(100/DENSIDAD)
INFLOWS:
porcent_10 = ((DISTRITO_10/SUELO_RESIDENCIAL_10)-
DENSIDAD_10+10)*(100/DENSIDAD_10)
INFLOWS:
porcent_11 = ((DISTRITO_11/SUELO_RESIDENCIAL_11)-
DENSIDAD_11+10)*(100/DENSIDAD_11)
INFLOWS:
porcent_12 = ((DISTRITO_12/SUELO_RESIDENCIAL_12)-
DENSIDAD_12+10)*(100/DENSIDAD_12)
INFLOWS:
porcent_13 = ((DISTRITO_13/SUELO_RESIDENCIAL_13)-
DENSIDAD_13+10)*(100/DENSIDAD_13)
INFLOWS:
porcent_14 = ((DISTRITO_14/SUELO_RESIDENCIAL_14)-
DENSIDAD_14+10)*(100/DENSIDAD_14)
INFLOWS:
porcent_2 = ((DISTRITO_2/SUELO_RESIDENCIAL_2)-DENSIDAD_2+10)*(100/DENSIDAD_2)
ACUMULADO_3(t) = ACUMULADO_3(t - dt) + (porcent_3) * dtINIT ACUMULADO_3 = 0
INFLOWS:
porcent_3 = ((DISTRITO_3/SUELO_RESIDENCIAL_3)-DENSIDAD_3+10)*(100/DENSIDAD_3)
INFLOWS:
porcent_4 = ((DISTRITO_4/SUELO_RESIDENCIAL_4)-DENSIDAD_4+10)*(100/DENSIDAD_4)
INFLOWS:
porcent_5 = ((DISTRITO_5/SUELO_RESIDENCIAL_5)-DENSIDAD_5+10)*(100/DENSIDAD_5)
INFLOWS:
porcent_6 = ((DISTRITO_6/SUELO_RESIDENCIAL_6)-DENSIDAD_6+10)*(100/DENSIDAD_6)
INFLOWS:
porcent_7 = ((DISTRITO_7/SUELO_RESIDENCIAL_7)-DENSIDAD_7+10)*(100/DENSIDAD_7)
INFLOWS:
porcent_8 = ((DISTRITO_8/SUELO_RESIDENCIAL_8)-DENSIDAD_8+10)*(100/DENSIDAD_8)
INFLOWS:
porcent_9 = ((DISTRITO_9/SUELO_RESIDENCIAL_9)-DENSIDAD_9+10)*(100/DENSIDAD_9)
INFLOWS:
inc_area_verde = incremento_de_poblacion*m2_por_persona
INFLOWS:
inc_area_verde_10 = incremento_de_poblacion_10*m2_por_persona_10
AREA_VERDE_URBANO_11(t) = AREA_VERDE_URBANO_11(t - dt) + (inc_area_verde_11) *
dtINIT AREA_VERDE_URBANO_11 = 16.6
INFLOWS:
inc_area_verde_11 = incremento_de_poblacion_11*m2_por_persona_11
INFLOWS:
inc_area_verde_12 = incremento_de_poblacion_12*m2_por_persona_12
INFLOWS:
inc_area_verde_13 = incremento_de_poblacion_13*m2_por_persona_13
INFLOWS:
inc_area_verde_14 = incremento_de_poblacion_14*m2_por_persona_14
INFLOWS:
inc_area_verde_2 = incremento_de_poblacion_2*m2_por_persona_2
INFLOWS:
inc_area_verde_3 = incremento_de_poblacion_3*m2_por_persona_3
INFLOWS:
inc_area_verde_4 = incremento_de_poblacion_4*m2_por_persona_4
INFLOWS:
inc_area_verde_5 = incremento_de_poblacion_5*m2_por_persona_5
AREA_VERDE_URBANO_6(t) = AREA_VERDE_URBANO_6(t - dt) + (inc_area_verde_6) *
dtINIT AREA_VERDE_URBANO_6 = 20.49
INFLOWS:
inc_area_verde_6 = incremento_de_poblacion_6*m2_por_persona_6
INFLOWS:
inc_area_verde_7 = incremento_de_poblacion_7*m2_por_persona_7
INFLOWS:
inc_area_verde_8 = incremento_de_poblacion_8*m2_por_persona_8
INFLOWS:
inc_area_verde_9 = incremento_de_poblacion_9*m2_por_persona_9
INFLOWS:
incremento = 1*valor1
OUTFLOWS:
depreciacion = 1*valor2
INFLOWS:
incremento_10 = 1*valor1_10
OUTFLOWS:
depreciacion_10 = 1*valor2_10
INFLOWS:
incremento_11 = 1*valor1_11
OUTFLOWS:
depreciacion_11 = 1*valor2_11
INFLOWS:
incremento_12 = 1*valor1_12
OUTFLOWS:
depreciacion_12 = 1*valor2_12
INFLOWS:
incremento_13 = 1*valor1_13
OUTFLOWS:
depreciacion_13 = 1*valor2_13
INFLOWS:
incremento_14 = 1*valor1_14
OUTFLOWS:
depreciacion_14 = 1*valor2_14
INFLOWS:
incremento_2 = 1*valor1_2
OUTFLOWS:
depreciacion_2 = 1*valor2_2
INFLOWS:
incremento_3 = 1*valor1_3
OUTFLOWS:
depreciacion_3 = 1*valor2_3
INFLOWS:
incremento_4 = 1*valor1_4
OUTFLOWS:
depreciacion_4 = 1*valor2_4
INFLOWS:
incremento_5 = 1*valor1_5
OUTFLOWS:
depreciacion_5 = 1*valor2_5
INFLOWS:
incremento_6 = 1*valor1_6
OUTFLOWS:
depreciacion_6 = 1*valor2_6
INFLOWS:
incremento_7 = 1*valor1_7
OUTFLOWS:
depreciacion_7 = 1*valor2_7
INFLOWS:
incremento_8 = 1*valor1_8
OUTFLOWS:
depreciacion_8 = 1*valor2_8
INFLOWS:
incremento_9 = 1*valor1_9
OUTFLOWS:
depreciacion_9 = 1*valor2_9
INFLOWS:
Hab. / Hectárea en %}
INFLOWS:
densidd_10 = ((DISTRITO_10/SUELO_RESIDENCIAL_10)+DENSIDAD_10)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
densidd_11 = ((DISTRITO_11/SUELO_RESIDENCIAL_11)+DENSIDAD_11)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
densidd_12 = ((DISTRITO_12/SUELO_RESIDENCIAL_12)+DENSIDAD_12)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
densidd_13 = ((DISTRITO_13/SUELO_RESIDENCIAL_13)+DENSIDAD_13)/1000{Densidad de
población
Hab. / Hectárea en %}
DENSIDAD_14(t) = DENSIDAD_14(t - dt) + (densidd_14) * dtINIT DENSIDAD_14 = 4.04
INFLOWS:
densidd_14 = ((DISTRITO_14/SUELO_RESIDENCIAL_14)+DENSIDAD_14)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
densidd_2 = ((DISTRITO_2/SUELO_RESIDENCIAL_2)+DENSIDAD_2)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
densidd_3 = ((DISTRITO_3/SUELO_RESIDENCIAL_3)+DENSIDAD_3)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
densidd_4 = ((DISTRITO_4/SUELO_RESIDENCIAL_4)+DENSIDAD_4)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
densidd_5 = ((DISTRITO_5/SUELO_RESIDENCIAL_5)+DENSIDAD_5)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
densidd_6 = ((DISTRITO_6/SUELO_RESIDENCIAL_6)+DENSIDAD_6)/1000{Densidad de
población
Hab. / Hectárea en %}
densidd_7 = ((DISTRITO_7/SUELO_RESIDENCIAL_7)+DENSIDAD_7)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
densidd_8 = ((DISTRITO_8/SUELO_RESIDENCIAL_8)+DENSIDAD_8)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
densidd_9 = ((DISTRITO_9/SUELO_RESIDENCIAL_9)+DENSIDAD_9)/1000{Densidad de
población
Hab. / Hectárea en %}
INFLOWS:
nacimientos = tasa_de_nacimiento*DISTRITO_1{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_10 = tasa_de_nacimiento_10*DISTRITO_10{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_11 = tasa_de_nacimiento_11*DISTRITO_11{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_12 = tasa_de_nacimiento_12*DISTRITO_12{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_13 = tasa_de_nacimiento_13*DISTRITO_13{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_14 = tasa_de_nacimiento_14*DISTRITO_14{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_2 = tasa_de_nacimiento_2*DISTRITO_2{habitantes/año}
OUTFLOWS:
muertes_2 = tasa_mortandad_2*DISTRITO_2{ habitantes/año}
INFLOWS:
nacimientos_3 = tasa_de_nacimiento_3*DISTRITO_3{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_4 = tasa_de_nacimiento_4*DISTRITO_4{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_5 = tasa_de_nacimiento_5*DISTRITO_5{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_6 = tasa_de_nacimiento_6*DISTRITO_6{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_7 = tasa_de_nacimiento_7*DISTRITO_7{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_8 = tasa_de_nacimiento_8*DISTRITO_8{habitantes/año}
OUTFLOWS:
INFLOWS:
nacimientos_9 = tasa_de_nacimiento_9*DISTRITO_9{habitantes/año}
OUTFLOWS:
INFLOWS:
nuevos_hogares = (incremento_de_poblacion/(personas_por_hogar-
hogares_por_exsision_y_cambio__en_estructura)){personas/hogar}
INFLOWS:
nuevos_hogares_10 = (incremento_de_poblacion_10/(personas_por_hogar_10-
hogares_por_exsision_y_cambio__en_estructura_10)){personas/hogar}
INFLOWS:
nuevos_hogares_11 = (incremento_de_poblacion_11/(personas_por_hogar_11-
hogares_por_exsision_y_cambio__en_estructura_11)){personas/hogar}
INFLOWS:
nuevos_hogares_12 = (incremento_de_poblacion_12/(personas_por_hogar_12-
hogares_por_exsision_y_cambio__en_estructura_12)){personas/hogar}
INFLOWS:
nuevos_hogares_13 = (incremento_de_poblacion_13/(personas_por_hogar_13-
hogares_por_exsision_y_cambio__en_estructura_13)){personas/hogar}
INFLOWS:
nuevos_hogares_14 = (incremento_de_poblacion_14/(personas_por_hogar_14-
hogares_por_exsision_y_cambio__en_estructura_14)){personas/hogar}
INFLOWS:
nuevos_hogares_2 = (incremento_de_poblacion_2/(personas_por_hogar_2-
hogares_por_exsision_y_cambio__en_estructura_2)){personas/hogar}
INFLOWS:
nuevos_hogares_3 = (incremento_de_poblacion_3/(personas_por_hogar_3-
hogares_por_exsision_y_cambio__en_estructura_3)){personas/hogar}
INFLOWS:
nuevos_hogares_4 = (incremento_de_poblacion_4/(personas_por_hogar_4-
hogares_por_exsision_y_cambio__en_estructura_4)){personas/hogar}
INFLOWS:
nuevos_hogares_5 = (incremento_de_poblacion_5/(personas_por_hogar_5-
hogares_por_exsision_y_cambio__en_estructura_5)){personas/hogar}
INFLOWS:
nuevos_hogares_6 = (incremento_de_poblacion_6/(personas_por_hogar_6-
hogares_por_exsision_y_cambio__en_estructura_6)){personas/hogar}
INFLOWS:
nuevos_hogares_7 = (incremento_de_poblacion_7/(personas_por_hogar_7-
hogares_por_exsision_y_cambio__en_estructura_7)){personas/hogar}
INFLOWS:
nuevos_hogares_8 = (incremento_de_poblacion_8/(personas_por_hogar_8-
hogares_por_exsision_y_cambio__en_estructura_8)){personas/hogar}
INFLOWS:
nuevos_hogares_9 = (incremento_de_poblacion_9/(personas_por_hogar_9-
hogares_por_exsision_y_cambio__en_estructura_9)){personas/hogar}
INFLOWS:
nuevas_vivendas = aumento_viviendas_por_nuevos_hogares+aumento_viviendas__por_renta
INFLOWS:
nuevas_vivendas_10 =
aumento_viviendas_por_nuevos_hogares_10+aumento_viviendas__por_renta_10
INFLOWS:
nuevas_vivendas_11 =
aumento_viviendas_por_nuevos_hogares_11+aumento_viviendas__por_renta_11
INFLOWS:
nuevas_vivendas_12 =
aumento_viviendas_por_nuevos_hogares_12+aumento_viviendas__por_renta_12
NUMERO_VIVIENDAS_13(t) = NUMERO_VIVIENDAS_13(t - dt) + (nuevas_vivendas_13) *
dtINIT NUMERO_VIVIENDAS_13 = 170497{viviendas}
INFLOWS:
nuevas_vivendas_13 =
aumento_viviendas_por_nuevos_hogares_13+aumento_viviendas__por_renta_13
INFLOWS:
nuevas_vivendas_14 =
aumento_viviendas_por_nuevos_hogares_14+aumento_viviendas__por_renta_14
INFLOWS:
nuevas_vivendas_2 = aumento_viviendas_por_nuevos_hogares_2+aumento_viviendas__por_renta_2
INFLOWS:
nuevas_vivendas_3 = aumento_viviendas_por_nuevos_hogares_3+aumento_viviendas__por_renta_3
INFLOWS:
nuevas_vivendas_4 = aumento_viviendas_por_nuevos_hogares_4+aumento_viviendas__por_renta_4
INFLOWS:
nuevas_vivendas_5 = aumento_viviendas_por_nuevos_hogares_5+aumento_viviendas__por_renta_5
INFLOWS:
nuevas_vivendas_6 = aumento_viviendas_por_nuevos_hogares_6+aumento_viviendas__por_renta_6
INFLOWS:
nuevas_vivendas_7 = aumento_viviendas_por_nuevos_hogares_7+aumento_viviendas__por_renta_7
INFLOWS:
nuevas_vivendas_8 = aumento_viviendas_por_nuevos_hogares_8+aumento_viviendas__por_renta_8
INFLOWS:
nuevas_vivendas_9 = aumento_viviendas_por_nuevos_hogares_9+aumento_viviendas__por_renta_9
INFLOWS:
inc_de_renta = tasa_incremento_renta*10
OUTFLOWS:
dism_renta = tasa_dism_renta*1
INFLOWS:
inc_de_renta_10 = tasa_incremento_renta_10*10
OUTFLOWS:
dism_renta_10 = tasa_dism_renta_10*1
INFLOWS:
inc_de_renta_11 = tasa_incremento_renta_11*10
OUTFLOWS:
dism_renta_11 = tasa_dism_renta_11*1
INFLOWS:
inc_de_renta_12 = tasa_incremento_renta_12*10
OUTFLOWS:
dism_renta_12 = tasa_dism_renta_12*1
INFLOWS:
inc_de_renta_13 = tasa_incremento_renta_13*10
OUTFLOWS:
dism_renta_13 = tasa_dism_renta_13*1
INFLOWS:
inc_de_renta_14 = tasa_incremento_renta_14*10
OUTFLOWS:
dism_renta_14 = tasa_dism_renta_14*1
INFLOWS:
inc_de_renta_2 = tasa_incremento_renta_2*10
OUTFLOWS:
dism_renta_2 = tasa_dism_renta_2*1
INFLOWS:
inc_de_renta_3 = tasa_incremento_renta_3*10
OUTFLOWS:
dism_renta_3 = tasa_dism_renta_3*1
INFLOWS:
inc_de_renta_4 = tasa_incremento_renta_4*10
OUTFLOWS:
dism_renta_4 = tasa_dism_renta_4*1
inc_de_renta_5 = tasa_incremento_renta_5*10
OUTFLOWS:
dism_renta_5 = tasa_dism_renta_5*1
INFLOWS:
inc_de_renta_6 = tasa_incremento_renta_6*10
OUTFLOWS:
dism_renta_6 = tasa_dism_renta_6*1
INFLOWS:
inc_de_renta_7 = tasa_incremento_renta_7*10
OUTFLOWS:
dism_renta_7 = tasa_dism_renta_7*1
INFLOWS:
inc_de_renta_8 = tasa_incremento_renta_8*10
OUTFLOWS:
dism_renta_8 = tasa_dism_renta_8*1
INFLOWS:
inc_de_renta_9 = tasa_incremento_renta_9*10
OUTFLOWS:
dism_renta_9 = tasa_dism_renta_9*1
INFLOWS:
nuevo_suelo_residencial = nuevas_vivendas*suelo_consumido_por_vivenda
SUELO_RESIDENCIAL_10(t) = SUELO_RESIDENCIAL_10(t - dt) +
(nuevo_suelo_residencial_10) * dtINIT SUELO_RESIDENCIAL_10 = 105
INFLOWS:
nuevo_suelo_residencial_10 = nuevas_vivendas_10*suelo_consumido_por_vivenda_10
INFLOWS:
nuevo_suelo_residencial_11 = nuevas_vivendas_11*suelo_consumido_por_vivenda_11
INFLOWS:
nuevo_suelo_residencial_12 = nuevas_vivendas_12*suelo_consumido_por_vivenda_12
INFLOWS:
nuevo_suelo_residencial_13 = nuevas_vivendas_13*suelo_consumido_por_vivenda_13
INFLOWS:
nuevo_suelo_residencial_14 = nuevas_vivendas_14*suelo_consumido_por_vivenda_14
INFLOWS:
nuevo_suelo_residencial_2 = nuevas_vivendas_2*suelo_consumido_por_vivenda_2
INFLOWS:
nuevo_suelo_residencial_3 = nuevas_vivendas_3*suelo_consumido_por_vivenda_3
INFLOWS:
nuevo_suelo_residencial_4 = nuevas_vivendas_4*suelo_consumido_por_vivenda_4
SUELO_RESIDENCIAL_5(t) = SUELO_RESIDENCIAL_5(t - dt) + (nuevo_suelo_residencial_5) *
dtINIT SUELO_RESIDENCIAL_5 = 3107
INFLOWS:
nuevo_suelo_residencial_5 = nuevas_vivendas_5*suelo_consumido_por_vivenda_5
INFLOWS:
nuevo_suelo_residencial_6 = nuevas_vivendas_6*suelo_consumido_por_vivenda_6
INFLOWS:
nuevo_suelo_residencial_7 = nuevas_vivendas_7*suelo_consumido_por_vivenda_7
INFLOWS:
nuevo_suelo_residencial_8 = nuevas_vivendas_8*suelo_consumido_por_vivenda_8
INFLOWS:
nuevo_suelo_residencial_9 = nuevas_vivendas_9*suelo_consumido_por_vivenda_9
aumento_viviendas_por_nuevos_hogares = nuevos_hogares*tasa_de_viviendas_por_hogar
aumento_viviendas_por_nuevos_hogares_10 =
nuevos_hogares_10*tasa_de_viviendas_por_hogar_10
aumento_viviendas_por_nuevos_hogares_11 =
nuevos_hogares_11*tasa_de_viviendas_por_hogar_11
aumento_viviendas_por_nuevos_hogares_12 =
nuevos_hogares_12*tasa_de_viviendas_por_hogar_12
aumento_viviendas_por_nuevos_hogares_13 =
nuevos_hogares_13*tasa_de_viviendas_por_hogar_13
aumento_viviendas_por_nuevos_hogares_14 =
nuevos_hogares_14*tasa_de_viviendas_por_hogar_14
aumento_viviendas_por_nuevos_hogares_2 = nuevos_hogares_2*tasa_de_viviendas_por_hogar_2
aumento_viviendas_por_nuevos_hogares_3 = nuevos_hogares_3*tasa_de_viviendas_por_hogar_3
aumento_viviendas_por_nuevos_hogares_4 = nuevos_hogares_4*tasa_de_viviendas_por_hogar_4
aumento_viviendas_por_nuevos_hogares_5 = nuevos_hogares_5*tasa_de_viviendas_por_hogar_5
aumento_viviendas_por_nuevos_hogares_6 = nuevos_hogares_6*tasa_de_viviendas_por_hogar_6
aumento_viviendas_por_nuevos_hogares_7 = nuevos_hogares_7*tasa_de_viviendas_por_hogar_7
aumento_viviendas_por_nuevos_hogares_8 = nuevos_hogares_8*tasa_de_viviendas_por_hogar_8
aumento_viviendas_por_nuevos_hogares_9 = nuevos_hogares_9*tasa_de_viviendas_por_hogar_9
aumento_viviendas__por_renta =
(DISTRITO_1/(tasa_aumento_vivienda_por_BS_y_persona*1000))-inc_de_renta
aumento_viviendas__por_renta_10 =
(DISTRITO_10/(tasa_aumento_vivienda_por_BS_y_persona_10*1000))-inc_de_renta_10
aumento_viviendas__por_renta_11 =
(DISTRITO_11/(tasa_aumento_vivienda_por_BS_y_persona_11*1000))-inc_de_renta_11
aumento_viviendas__por_renta_12 =
(DISTRITO_12/(tasa_aumento_vivienda_por_BS_y_persona_12*1000))-inc_de_renta_12
aumento_viviendas__por_renta_13 =
(DISTRITO_13/(tasa_aumento_vivienda_por_BS_y_persona_13*1000))-inc_de_renta_13
aumento_viviendas__por_renta_14 =
(DISTRITO_14/(tasa_aumento_vivienda_por_BS_y_persona_14*1000))-inc_de_renta_14
aumento_viviendas__por_renta_2 =
(DISTRITO_2/(tasa_aumento_vivienda_por_BS_y_persona_2*1000))-inc_de_renta_2
aumento_viviendas__por_renta_3 =
(DISTRITO_3/(tasa_aumento_vivienda_por_BS_y_persona_3*1000))-inc_de_renta_3
aumento_viviendas__por_renta_4 =
(DISTRITO_4/(tasa_aumento_vivienda_por_BS_y_persona_4*1000))-inc_de_renta_4
aumento_viviendas__por_renta_5 =
(DISTRITO_5/(tasa_aumento_vivienda_por_BS_y_persona_5*1000))-inc_de_renta_5
aumento_viviendas__por_renta_6 =
(DISTRITO_6/(tasa_aumento_vivienda_por_BS_y_persona_6*1000))-inc_de_renta_6
aumento_viviendas__por_renta_7 =
(DISTRITO_7/(tasa_aumento_vivienda_por_BS_y_persona_7*1000))-inc_de_renta_7
aumento_viviendas__por_renta_8 =
(DISTRITO_8/(tasa_aumento_vivienda_por_BS_y_persona_8*1000))-inc_de_renta_8
aumento_viviendas__por_renta_9 =
(DISTRITO_9/(tasa_aumento_vivienda_por_BS_y_persona_9*1000))-inc_de_renta_9
hogares_por_exsision_y_cambio__en_estructura = 2.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_10 = 1.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_11 = 1.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_12 = 1.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_13 = 2.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_14 = 1.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_2 = 2.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_3 = 2.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_4 = 2.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_5 = 2.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_6 = 2.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_7 = 1.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_8 = 1.05{hogares }
hogares_por_exsision_y_cambio__en_estructura_9 = 2.05{hogares }
m2_por_persona = 0.0005
m2_por_persona_10 = 0.0005 tasa_aumento_vivienda_por_BS_y_persona_13
m2_por_persona_11 = 0.0005 = 1.2
m2_por_persona_12 = 0.0005 tasa_aumento_vivienda_por_BS_y_persona_14
m2_por_persona_13 = 0.0005 = 1.2
m2_por_persona_14 = 0.0005 tasa_aumento_vivienda_por_BS_y_persona_2 =
m2_por_persona_2 = 0.0005 1.2
m2_por_persona_3 = 0.0005 tasa_aumento_vivienda_por_BS_y_persona_3 =
m2_por_persona_4 = 0.0005 1.2
m2_por_persona_5 = 0.0005 tasa_aumento_vivienda_por_BS_y_persona_4 =
m2_por_persona_6 = 0.0005 1.2
m2_por_persona_7 = 0.0005 tasa_aumento_vivienda_por_BS_y_persona_5 =
m2_por_persona_8 = 0.0005 1.2
m2_por_persona_9 = 0.0005 suelo_consumido_por_vivenda_8 = 0.17
personas_por_hogar = 5{personas} suelo_consumido_por_vivenda_9 = 0.17
personas_por_hogar_10 = 4{personas} tasa_aumento_vivienda_por_BS_y_persona =
personas_por_hogar_11 = 4{personas} 1.2
personas_por_hogar_12 = 4{personas} tasa_aumento_vivienda_por_BS_y_persona_10
personas_por_hogar_13 = 4{personas} = 1.2
personas_por_hogar_14 = 6{personas} tasa_aumento_vivienda_por_BS_y_persona_11
personas_por_hogar_2 = 4{personas} = 1.2
personas_por_hogar_3 = 6{personas} tasa_aumento_vivienda_por_BS_y_persona_12
personas_por_hogar_4 = 5{personas} = 1.2
personas_por_hogar_5 = 5{personas} tasa_aumento_vivienda_por_BS_y_persona_13
personas_por_hogar_6 = 5{personas} = 1.2
personas_por_hogar_7 = 2{personas} tasa_aumento_vivienda_por_BS_y_persona_14
personas_por_hogar_8 = 7{personas} = 1.2
personas_por_hogar_9 = 4{personas} tasa_aumento_vivienda_por_BS_y_persona_2 =
suelo_consumido_por_vivenda = 0.17 1.2
suelo_consumido_por_vivenda_10 = 0.18 tasa_aumento_vivienda_por_BS_y_persona_3 =
suelo_consumido_por_vivenda_11 = 0.17 1.2
suelo_consumido_por_vivenda_12 = 0.19 tasa_aumento_vivienda_por_BS_y_persona_4 =
suelo_consumido_por_vivenda_13 = 0.17 1.2
suelo_consumido_por_vivenda_14 = 0.17 tasa_aumento_vivienda_por_BS_y_persona_5 =
suelo_consumido_por_vivenda_2 = 0.17 1.2
suelo_consumido_por_vivenda_3 = 0.17 tasa_aumento_vivienda_por_BS_y_persona_6 =
suelo_consumido_por_vivenda_4 = 0.17 1.2
suelo_consumido_por_vivenda_5 = 0.20 tasa_aumento_vivienda_por_BS_y_persona_7 =
suelo_consumido_por_vivenda_6 = 0.17 1.2
suelo_consumido_por_vivenda_7 = 0.15 tasa_aumento_vivienda_por_BS_y_persona_8 =
suelo_consumido_por_vivenda_8 = 0.17 1.2
suelo_consumido_por_vivenda_9 = 0.17 tasa_aumento_vivienda_por_BS_y_persona_9 =
1.2 1.2
tasa_aumento_vivienda_por_BS_y_persona_10 tasa_de_nacimiento = 49/1000 {1/año}
= 1.2 tasa_de_nacimiento_10 = 36/1000 {1/año}
tasa_aumento_vivienda_por_BS_y_persona_11 tasa_de_nacimiento_11 = 36/1000 {1/año}
= 1.2 tasa_de_nacimiento_12 = 37/1000 {1/año}
tasa_aumento_vivienda_por_BS_y_persona_12 tasa_de_nacimiento_13 = 36/1000 {1/año}
= 1.2 tasa_de_nacimiento_14 = 39/1000 {1/año}
tasa_de_nacimiento_2 = 44/1000 {1/año}
tasa_de_nacimiento_3 = 45/1000 {1/año}
tasa_de_nacimiento_4 = 44/1000 {1/año} tasa_migratoria_7 = 12/1000 { 1/año }
tasa_de_nacimiento_5 = 45/1000 {1/año} tasa_migratoria_8 = 12/1000 { 1/año
tasa_de_nacimiento_6 = 45/1000 {1/año} tasa_migratoria_9 = 12/1000 { 1/año }
tasa_de_nacimiento_7 = 37/1000 {1/año} tasa_mortandad = 9.53/1000{ 1/año}
tasa_de_nacimiento_8 = 38/1000 {1/año} tasa_mortandad_10 = 8/1000{ 1/año}
tasa_de_nacimiento_9 = 40/1000 {1/año} tasa_mortandad_11 = 9.53/1000{ 1/año}
tasa_de_viviendas_por_hogar = 0.713 tasa_mortandad_12 = 8.53/1000{ 1/año}
tasa_de_viviendas_por_hogar_10 = 0.713 tasa_mortandad_13 = 9.53/1000{ 1/año}
tasa_de_viviendas_por_hogar_11 = 0.713 tasa_mortandad_14 = 8/1000{ 1/año}
tasa_de_viviendas_por_hogar_12 = 0.713 tasa_mortandad_2 = 8/1000{ 1/año}
tasa_de_viviendas_por_hogar_13 = 0.713 tasa_mortandad_3 = 7/1000{ 1/año}
tasa_de_viviendas_por_hogar_14 = 0.713 tasa_mortandad_4 = 8/1000
tasa_de_viviendas_por_hogar_2 = 0.713 tasa_mortandad_5 = 8/1000{ 1/año}
tasa_de_viviendas_por_hogar_3 = 0.713 tasa_mortandad_6 = 9.53/1000{ 1/año}
tasa_de_viviendas_por_hogar_4 = 0.713 tasa_mortandad_7 = 8/1000{ 1/año}
tasa_de_viviendas_por_hogar_5 = 0.713 tasa_mortandad_8 = 9.53/1000{ 1/año}
tasa_de_viviendas_por_hogar_6 = 0.713 tasa_mortandad_9 = 9.53/1000{ 1/año}
tasa_de_viviendas_por_hogar_7 = 0.713 valor1 = 2
tasa_de_viviendas_por_hogar_8 = 0.713 valor1_10 = 2
tasa_de_viviendas_por_hogar_9 = 0.713 valor1_11 = 2
tasa_dism_renta = 0.05 valor1_12 = 2
tasa_dism_renta_10 = 0.05 valor1_13 = 2
tasa_dism_renta_11 = 0.05 valor1_14 = 2
tasa_dism_renta_12 = 0.05 valor1_2 = 2
tasa_dism_renta_13 = 0.05 valor1_3 = 2
tasa_incremento_renta_11 = 1 valor1_4 = 2
tasa_incremento_renta_12 = 1 valor1_5 = 2
tasa_incremento_renta_13 = 1 valor1_6 = 2
tasa_incremento_renta_14 = 1 valor1_7 = 2
tasa_incremento_renta_2 = 1 valor1_8 = 2
tasa_incremento_renta_3 = 1 valor1_9 = 2
tasa_incremento_renta_4 = 1 valor2 = 0.5
tasa_incremento_renta_5 = 1 valor2_10 = 0.5
tasa_incremento_renta_6 = 1 valor2_11 = 0.5
tasa_incremento_renta_7 = 1 valor2_12 = 0.5
tasa_incremento_renta_8 = 1 valor2_13 = 0.5
tasa_incremento_renta_9 = 1 valor2_14 = 0.5
tasa_migratoria = 12/1000 { 1/año } valor2_2 = 0.5
tasa_migratoria_10 = 12/1000 { 1/año } valor2_3 = 0.5
tasa_migratoria_11 = 12/1000 { 1/año } valor2_4 = 0.5
tasa_migratoria_12 = 12/1000 { 1/año } valor2_5 = 0.5
tasa_migratoria_13 = 12/1000 { 1/año } valor2_6 = 0.5
tasa_migratoria_14 = 12/1000 { 1/año } valor2_7 = 0.5
tasa_migratoria_2 = 12/1000 { 1/año } valor2_8 = 0.5
tasa_migratoria_3 = 12/1000 { 1/año } valor2_9 = 0.5
tasa_migratoria_4 = 12/1000 { 1/año }
tasa_migratoria_5 = 12/1000 { 1/año }
tasa_migratoria_6 = 12/1000 { 1/año }