UNIVERSIDAD MAYOR DE SAN ANDRÉS

FACULTAD DE CIENCIAS PURAS Y NATURALES

CARRERA – INFORMÁTICA

TESIS DE GRADO

“SIMULACIÓN DEL CRECIMIENTO URBANO

UTILIZANDO EVENTOS DISCRETOS
CASO: CIUDAD EL ALTO- LA PAZ”

PARA OPTAR AL TÍTULO DE LICENCIATURA EN INFORMÁTICA

MENCIÓN: INGENIERÍA DE SISTEMAS INFORMÁTICOS
POSTULANTE: JOSÉ ANTONIO RODRÍGUEZ YUJRA

TUTOR METODOLÓGICO: LIC. GROVER ÁLEX RODRÍGUEZ RAMÍREZ

ASESOR: LIC. MARCELO ARUQUIPA CHAMBI

LA PAZ - BOLIVIA
2014
 UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE CIENCIAS PURAS Y NATURALES
CARRERA DE INFORMÁTICA

LA CARRERA DE INFORMÁTICA DE LA FACULTAD DE CIENCIAS PURAS Y

NATURALES PERTENECIENTE A LA UNIVERSIDAD MAYOR DE SAN ANDRÉS
AUTORIZA EL USO DE LA INFORMACIÓN CONTENIDA EN ESTE
DOCUMENTO SI LOS PROPÓSITOS SON ESTRICTAMENTE ACADÉMICOS.

LICENCIA DE USO

El usuario está autorizado a:

a) visualizar el documento mediante el uso de un ordenador o dispositivo móvil.

b) copiar, almacenar o imprimir si ha de ser de uso exclusivamente personal y privado.
c) copiar textualmente parte(s) de su contenido mencionando la fuente y/o haciendo la
referencia correspondiente respetando normas de redacción e investigación.

El usuario no puede publicar, distribuir o realizar emisión o exhibición alguna de este

material, sin la autorización correspondiente.

TODOS LOS DERECHOS RESERVADOS. EL USO NO AUTORIZADO DE LOS

CONTENIDOS PUBLICADOS EN ESTE SITIO DERIVARA EN EL INICIO DE
ACCIONES LEGALES CONTEMPLADOS EN LA LEY DE DERECHOS DE AUTOR.
DEDICATORIA

A Dios, por su fortaleza, por brindarme la vida. Sobre

todo darme la sabiduría

A mis padres Enrique y Juana que me acompañaron

con paciencia y dedicación en cada instante de mi
carrera, gracias a su apoyo consigo terminar esta etapa
de mi vida

A mis hermanos Marco Antonio, Zenovia por su

apoyo y sus palabras de aliento.
 AGRADECIMIENTOS
Un enorme agradecimiento a DIOS mi por cuidarme y guiar siempre mis pasos en el cual
le dedico un poema “Mi deseo eres tú, mi momento de amor, la alegría de vivir, eres mi
fuente de amor, eres aire y eres sol, el latir del corazón eres tú “y también por darme la
oportunidad de concluir con otra etapa más de mi vida.

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.

A la Alcaldía Municipal de El Alto por brindarme la información y datos estadísticos de la

ciudad.

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

En la actualidad existe la penuria 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 favorecer a la toma de decisiones.

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.

La simulación de contextos 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. Los factores utilizados en esta tesis ayudaran a conocer cuánto crecerá la
población, cuantos nuevos hogares se estiman para los próximos años, nuevas viviendas,
que extensión territorial y áreas verdes deberían existir para un futuro a mediano y largo
plazo.

Es así que este trabajo se empleó herramientas de Modelos de Simulación de Eventos

Discretos (MSED) y Dinámica de Sistemas, utilizando factores sociales y económicos
pudiendo ver el impacto que sufrirá nuestra ciudad, que cada año va creciendo de forma
desmedida

El software utilizado en este investigación fue Stella 9.02 una herramienta amigable y de
bajo costo que facilito la implementación.

Palabras clave: simulación urbana, Eventos Discretos, Dinámica de Sistemas, reproducir

artificialmente, Modelos de Simulación de Eventos Discretos (MSED).
 INDICE
Pág.

1 MARCO REFERENCIAL .............................................................................................................................. 1

1.1 INTRODUCCION .................................................................................................................................. 1

1.2 PLANTEAMIENTO DEL PROBLEMA ................................................................................................ 2

1.2.1 ANTECEDENTES .................................................................................................................................. 2

1.2.2 TRABAJOS SIMILARES ...................................................................................................................... 3

1.2.3 PROBLEMÁTICA .................................................................................................................................. 4

1.2.4 FORMULACION DEL PROBLEMA .................................................................................................... 4

1.3 OBJETIVOS ........................................................................................................................................... 5

1.3.1 OBJETIVO GENERAL .......................................................................................................................... 5

1.3.2 OBJETIVO ESPECIFICO ...................................................................................................................... 5

1.4 HIPOTESIS ............................................................................................................................................ 5

1.5 JUSTIFICACIONES............................................................................................................................... 6

1.5.1 JUSTIFICACION SOCIAL .................................................................................................................... 6

1.5.2 JUSTIFICACION TECNICA ................................................................................................................. 6

1.5.3 JUSTIFICACION CIENTIFICA ............................................................................................................ 7

1.5.4 JUSTIFICACION ECONOMICA .......................................................................................................... 7

1.6 ALCANCES Y LIMITES ....................................................................................................................... 7

1.7 METODOLOGIA ................................................................................................................................... 8

1.7.1.1 ETAPAS DE UNA SIMULACIÓN ........................................................................................................ 8

1.8 APORTES............................................................................................................................................. 10

2 MARCO TEORICO ........................................................................................................................... 11

2.1 SIMULACION ..................................................................................................................................... 11

2.2 MODELACIÓN .................................................................................................................................... 11

2.2.1 MODELO.............................................................................................................................................. 11
2.3 DEFINICIÓN DE SIMULACIÓN ........................................................................................................ 12

2.3.1 TIPOS DE SIMULACION.- ................................................................................................................. 13

2.4 METODOLOGIA DE LA SIMULACION ........................................................................................... 14

2.4.1 ESTRUCTURA Y ETAPA DE ESTUDIO DE LA SIMULACION .................................................... 17

2.5 MODELOS DE SIMULACION ........................................................................................................... 18

2.6 CLASIFICACIÓN DE MODELOS ...................................................................................................... 19

2.6.1 REFERENCIA A LA ESCALA DE MEDICIÓN ................................................................................ 20

2.6.2 REFERENCIA A LA GENERALIDAD .............................................................................................. 20

2.6.3 REFERENCIA AL TIEMPO ................................................................................................................ 21

2.6.4 REFERENCIA A LA INCERTIDUMBRE .......................................................................................... 21

2.7 ELABORACION DE MODELOS ........................................................................................................ 21

2.7.1 ANÁLISIS DEL PROBLEMA ............................................................................................................. 21

2.7.2 DEFINICIONDE ATRIBUTOS Y VARIABLES ................................................................................ 22

2.7.3 DISEÑO DEL MODELO ..................................................................................................................... 22

2.7.4 OBTENCION DE DATOS ................................................................................................................... 22

2.7.5 VALIDACION DEL MODELO ........................................................................................................... 22

2.7.6 INTERPRETACION DE RESULTADOS ........................................................................................... 23

2.8 VENTAJAS Y LIMITACIONES DE LA SIMULACIÓN .................................................................... 24

2.9 MODELOS DE SIMULACION DE EVENTOS DISCRETO (MSED) ............................................... 25

2.10 ESTRUCTURA Y CARACTERISTICAS DE LOS EVENTOS DISCRETOS .................................... 25

2.11 LA SIMULACIÓN DISTRIBUIDA DE EVENTOS DISCRETOS ...................................................... 26

2.12 CONTRIBUCIÓN AL ESTADO DEL CONOCIMIENTO .................................................................. 26

2.13 SIMULACION DE EVENTOS DISCRETOS ...................................................................................... 27

2.13.1 ELEMENTOS DE SIMULACIÓN DE EVENTOS DISCRETOS ....................................................... 28

2.14 RELOJ Y MECANISMO DE ACTUALIZACIÓN DE TIEMPO ......................................................... 29

2.15 MECANISMOS DE AVANCE DE TIEMPO ....................................................................................... 29

2.16 DATOS DEL INE (INSTITUTO NACIONAL DE ESTADÍSTICA) ................................................... 29

2.16.1 ESTADÍSTICAS SOCIALES Y ECONÓMICAS ................................................................................ 32

2.16.2 COMPOSICIÓN DE HOGARES ......................................................................................................... 32

2.16.3 NÚMERO DE VIVIENDAS ................................................................................................................ 33

2.16.4 SUELO RESIDENCIAL ....................................................................................................................... 34

2.17 SOFTWARE PARA MODELACION .................................................................................................. 35

2.17.1 MANUAL DE STELLA ...................................................................................................................... 35

2.17.2 RELACIONES ANALITICAS ............................................................................................................. 47

2.17.3 SIMULACION...................................................................................................................................... 55

3 DISEÑO METODOLOGICO ............................................................................................................ 61

3.1 CONCEPTUALIZACIÓN DEL MODELO ......................................................................................... 61

3.2 FORMULACION DEL MODELO ....................................................................................................... 62

3.3 CONSTRUCCION DE LOS DIAGRAMAS DE FORRESTER ........................................................... 64

3.4 CONSTRUCCIÓN DEL MODELO ..................................................................................................... 66

3.4.1 DESARROLLO DEL MODELO ......................................................................................................... 66

3.4.1.1 ESTIMACIÓN DE LA EVOLUCIÓN POBLACIONAL .................................................................... 66

3.4.1.2 ESTIMACIÓN DE LA EVOLUCIÓN DE LOS HOGARES ............................................................... 68

3.4.1.3 ESTIMACIÓN DE LA EVOLUCIÓN DE LOS NIVELES DE RENTA ............................................ 70

3.4.1.4 ESTIMACIÓN DE LA EVOLUCIÓN DE LAS VIVIENDAS Y EL SUELO RESIDENCIAL ......... 71

3.4.1.5 EVOLUCIÓN NÚMERO DE VIVIENDAS ....................................................................................... 71

3.4.1.6 EVOLUCIÓN DE SUELO RESIDENCIAL ........................................................................................ 72

3.4.1.7 ESTIMACIÓN DE LA EVOLUCIÓN DE ÁREAS VERDES ............................................................ 74

3.5 RECOLECCIÓN DE DATOS .............................................................................................................. 75

3.5.1 CALIBRACION DE LOS DATOS DEL MODELO ............................................................................ 75

3.6 IMPLEMENTACION DEL MODELO ................................................................................................ 78

4 EVALUACIÓN DE RESULTADOS ................................................................................................. 90

4.1 RESULTADOS DEL MODELO .......................................................................................................... 90

4.2 DEMOSTRACIÓN DE LA HIPÓTESIS .............................................................................................. 99

5 CONCLUSIONES Y RECOMENDACIONES .............................................................................. 102

5.1 CONCLUSIONES GENERALES ..................................................................................................... 102

5.2 RECOMENDACIONES ..................................................................................................................... 103

5.3 TRABAJOS FUTUROS ..................................................................................................................... 103

REFERENCIAS BIBLIORAFICAS

ANEXOS

DOCUMENTACION
 INDICE DE FIGURAS

Pág.

FIGURA 2.1 ABSTRACCIÓN Y REALIZACIÓN DE UN MODELO A PARTIR DEL MUNDO REAL. .... 19

FIGURA 2.2 FUNCIÓN DE LOS MODELOS .................................................................................................. 23

FIGURA 2.3 ELEMENTOS BÁSICOS EN STELLA ....................................................................................... 36

FIGURA 2.4 EJEMPLOS DE STOCK’S CON SUS FLUJOS DE ENTRADA Y SALIDA ............................. 37

FIGURA 2.5 CAPAS Y ELEMENTOS DEL SOFTWARE STELLA ............................................................... 38

FIGURA 2.6 INSERCIÓN DE VARIABLES .................................................................................................... 39

FIGURA 2.7 INSERCIÓN DE VARIABLES DE ESTADO STOCK ............................................................... 40

FIGURA 2.8 FLUJO DE ENTRADA ................................................................................................................. 41

FIGURA 2.9 VARIABLE DE FLUJO CONECTANDO A VARIABLE DE ESTADO STOCK ................... 41

FIGURA 2.10 VARIABLE DE FLUJO CONECTADO CON VARIABLE DE ESTADO STOCK ............... 42

FIGURA 2.11 INSERCIÓN DE LA VARIABLE DE FLUJO DEMANDA ...................................................... 42

FIGURA 2.12 INSERCIÓN DE CONVERTIDORES ...................................................................................... 43

FIGURA 2.13 CONECTOR INF INSERTANDO VARIABLE DE FLUJO REPOSICION .......................... 44

FIGURA 2.14 VARIABLES SUP Y STOCK CONEXIÓN HACIA REPOSICIÓN ........................................ 45

FIGURA 2.15 INSERCIÓN DE CONVERTIDOR LAMDA Y LA VAR.AUXILIAR PEDIDO A DEMANDA

................................................................................................................................................................... 46

FIGURA 2.16 CAPA DE CONSTRUCCIÓN DE MODELO ............................................................................ 47

FIGURA 2.17 DEFINICIÓN DE LA RELACIÓN ANALÍTICA DE LA VARIABLE DE FLUJO

REPOSICION ............................................................................................................................................ 48

FIGURA 2.18 DEFINICIÓN DE LAS PARTES POR COLORES .................................................................... 49

FIGURA 2.19 DEFINICIÓN DE LA FUNCIÓN ANALÍTICA DE REPOSICION ......................................... 50

FIGURA 2.20 DEFINICIÓN DE LAS PARTES POR COLORES .................................................................... 51

FIGURA 2.21 VENTANA DE DEFINICIÓN DE LA FUNCIÓN ANALÍTICA DE DEMANDA .................. 52

FIGURA 2.22 DEFINICIÓN DE LA FUNCIÓN ANALÍTICA DE DEMANDA ............................................. 52

FIGURA 2.23 DEFINICIÓN DE LA FUNCIÓN ANALÍTICA DE PEDIDO................................................... 53

FIGURA 2.24 DEFINICIÓN DE LA FUNCIÓN ANALÍTICA DE PEDIDO................................................... 54

FIGURA 2.25 LA CAPA DE ECUACIONES MATEMÁTICAS ..................................................................... 55

FIGURA 2.26 CONFIGURACIÓN DE LA SIMULACIÓN ............................................................................. 56

FIGURA 2.27 ARREGLO DE LA SIMULACIÓN EN SEMANAS ................................................................. 56

FIGURA 2.28 VENTANA DE LA GRÁFICA DE STOCK .............................................................................. 57

FIGURA 2.29 VENTANA PARA SELECCIONAR QUE VARIABLES GRAFICAR ................................... 57

FIGURA 2.30 VENTANA SELECCIONADA DE LA VARIABLE STOCK .................................................. 58

FIGURA 2.31 GRAFICA DE LA VARIABLE STOCK .................................................................................... 59

FIGURA 2.32 RESULTADOS DE LA SIMULACIÓN EN TABLA ................................................................ 60

FIGURA 3.1DISEÑO CONCEPTUAL DEL MODELO ................................................................................... 64

FIGURA 3.2 EVOLUCIÓN DE LA POBLACIÓN ........................................................................................... 68

FIGURA 3.3 EVOLUCIÓN DEL NÚMERO DE HOGARES ........................................................................... 69

FIGURA 3.4 EVOLUCIÓN DE LOS NIVELES DE RENTA ........................................................................... 70

FIGURA 3.5 ESTIMACIÓN DE LAS NUEVAS VIVIENDAS Y SUELO TERRITORIAL ........................... 73

FIGURA 3.6 ESTIMACIÓN DE LAS NUEVAS VIVIENDAS Y SUELO TERRITORIAL ........................... 74

FIGURA 3.7 MODELO PROPUESTO PARA EL CRECIMIENTO URBANO DE LA CIUDAD DE EL

ALTO ........................................................................................................................................................ 76

FIGURA 3.8 MODELO DE LA CIUDAD DE EL ALTO POR DISTRITOS ................................................... 77

FIGURA 3.9 IMPLEMENTACIÓN DE LAS COMPONENTES DE LA EVOLUCIÓN DE POBLACIÓN ... 78

FIGURA 3.10 IMPLEMENTACIÓN DE LAS COMPONENTES DE LA EVOLUCIÓN DE POBLACIÓN . 79

FIGURA 3.11 IMPLEMENTACIÓN DE LAS COMPONENTES DE LA EVOLUCIÓN DE POBLACIÓN . 80

FIGURA 3.12 IMPLEMENTACIÓN DE LAS COMPONENTES DE LA EVOLUCIÓN DE HOGARES ..... 81

FIGURA 3.13 IMPLEMENTACIÓN DE LAS COMPONENTES DE LA EVOLUCIÓN DE RENTA ........... 82

FIGURA 3.14 IMPLEMENTACIÓN DE LA EVOLUCIÓN DE NUMERO DE VIVENDAS ....................... 83

FIGURA 3.15 IMPLEMENTACIÓN DE LA EVOLUCIÓN DE SUELO RESIDENCIAL ............................ 84

FIGURA 3.16 IMPLEMENTACIÓN DE LA EVOLUCIÓN DEL AREA VERDE ......................................... 84

FIGURA 3.17 IMPLEMENTACIÓN DE MODELO PROPUESTO DEL ÁREA URBANA DE LA CIUDAD

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

PROPUESTO DE ÁREA DE LA CIUDAD DE EL ALTO POR DISTRITOS. ...................................... 89

FIGURA 4.1 RESULTADO DE LA SIMULACIÓN ÁREA URBANA DE LA CIUDAD EL ALTO ............. 90

FIGURA 4.2 RESULTADO DE PROYECCIÓN DE CRECIMIENTO DE LA CIUDAD EL ALTO POR

DISTRITOS 1-7 ........................................................................................................................................ 91

FIGURA 4.3 RESULTADO DE PROYECCIÓN DE CRECIMIENTO DE LA CIUDAD EL ALTO POR

DISTRITOS 7-14 ...................................................................................................................................... 92

FIGURA 4.4 RESULTADO DE PROYECCIÓN DE LA DENSIDAD DEL ................................................... 93

FIGURA 4.5 RESULTADO DE PROYECCIÓN DE LA DENSIDAD DEL CRECIMIENTO DE LA

CIUDAD EL ALTO POR DISTRITOS 8-14 ............................................................................................ 94

FIGURA 4.6 RESULTADO DE PROYECCIÓN DE NUEVOS HOGARES DE LA CIUDAD...................... 95

FIGURA 4.7 RESULTADO DE PROYECCIÓN DE NUEVOS HOGARES DE LA CIUDAD...................... 96

FIGURA 4.8 RESULTADO DE PROYECCIÓN DEL CRECIMIENTO TERRITORIAL DEL SUELO

RESIDENCIAL DE LA CIUDAD EL ALTO POR DISTRITOS 1-7 ...................................................... 97

FIGURA 4.9 RESULTADO DE PROYECCIÓN DEL CRECIMIENTO TERRITORIAL DEL SUELO

RESIDENCIAL DE LA CIUDAD EL ALTO POR DISTRITOS 8-14 .................................................... 98

FIGURA 4.10 VERIFICACIÓN DE LA REGIÓN DE ACEPTACIÓN DEL PROMEDIO DE LA

POBLACIÓN .......................................................................................................................................... 100

 INDICE DE TABLAS

Pág.

TABLA 2.1 DATOS DE CANTIDAD DE HABITANTES POR AÑO ............................................................. 30

TABLA 2.2 POBLACIÓN POR DISTRITOS Y SUPERFICIE EN HECTÁREAS (2001) .............................. 31

TABLA 2.3 COMPOSICIÓN DE HOGARES SEGÚN EL CENSO 2001 ........................................................ 32

TABLA 2.4 NÚMERO DE VIVIENDAS SEGÚN EL CENSO 2001 .............................................................. 33

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

TABLA 3.2 VARIABLES EMPLEADAS EN EL MODELO Y SUS PRINCIPALES CARACTERÍSTICAS 65

TABLA 3.3 VARIABLES SOCIALES Y ECONÓMICAS Y DE OCUPACIÓN EL SUELO DE LA CIUDAD

DE EL ALTO ............................................................................................................................................ 75

INDICE DE CUADROS

PÁG.

CUADRO 1.1 OPERACIONALIZACIÓN DE VARIABLES ............................................................................ 6

CAPITULO I
MARCO REFERENCIAL

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 PLANTEAMIENTO DEL PROBLEMA

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.

1.2.2 TRABAJOS SIMILARES

En la carrera de informática existen tesis relacionadas al área de la simulación y
modelaje como ser:
 “Modelo de simulación para el crecimiento poblacional humano basado en autómatas
celulares” [Hugo Gallegos, 2009].Los autómatas celulares son modelos matemáticos
de tipo discreto capaces de modelar sistemas complejos, los cuales se auto replican
mediante la interacción de una regla simple determinística, como cualquier otro
sistema dinámico.
 Simulación del crecimiento urbano utilizando dinámica de sistemas basado en
factores socio económicos [Ramiro, Arquipino 2012].El intenso crecimiento urbano
del municipio de la ciudad de la paz ejercida por los factores socio-económicos y
poblacionales genera la necesidad de la simulación que es una gran herramienta
para proyectar que rumbo debería tomar la ciudad de La Paz, mediante la Dinámica
de Sistemas se logró desarrollar la simulación.
 Simulación del crecimiento urbano en la ciudad de La Paz mediante evaluación
multicriterio y sistemas de información geográfica [Víctor, Quispe 2012].La
simulación es un método para realizar eventos para un futuro en el cual se
consideran variables en este caso se utilizó la evaluación multicriterio por la cantidad
de información que existe pero orientado a un sistema de información geográfica la
cual dará la información necesaria para ubicar cualquier sitio de la ciudad de La paz
para su respectivo manejo.

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.

Se enfoca principalmente a la representación de problemáticas tales como:

 Orden público
 Aumento del costo de vida,
 Hacinamiento en algunos sectores de la ciudad,
 Aumento en las diferencias de la calidad de vida de los diversos sectores de
la ciudad,
 Desmejoramiento de la cobertura y calidad de los servicios públicos
domiciliarios, crecimiento caótico, entre otras.
Es por eso que el estudio de la población de la ciudad de El Alto proporcionara una
información de interés para las tareas de panificación urbana en sectores como sanidad,
educación, vivienda, seguridad social, empleo y conservación del medio ambiente. Así como
también formular políticas gubernamentales de población, para modificar tendencias
demográficas y conseguir objetivos económicos y sociales.

1.2.4 FORMULACION DEL PROBLEMA

¿Cómo proyectar el crecimiento poblacional en zonas urbanas de la ciudad de El Alto, para
disminuir las tendencias negativas y fortalecer las positivas en esta transformación de la
ciudad durante los próximos 10 años?
1.2.4.1 PROBLEMAS SECUNDARIOS.
 No se cuenta con la información precisa del crecimiento urbano anual por lo cual no
se conoce el continuo crecimiento de la ciudad
 No existe una planificación en los procesos de crecimiento urbano lo cual ocasiona
el crecimiento desmedido.
 No se conoce Los distritos de mayor crecimiento urbano de la ciudad.

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

1.3.1 OBJETIVO GENERAL

Construir un modelo de simulación dinámica que refleje el crecimiento poblacional
urbano de la ciudad de El Alto basado en variables económicas y sociales utilizando eventos
discretos, para disminuir las tendencias negativas y fortalecer as positivas.

1.3.2 OBJETIVO ESPECIFICO

 Identificar las principales variables económicas y sociales relacionadas con el
crecimiento urbano.
 Determinar patrones de crecimiento urbano en la ciudad
 Analizar y Modelar el crecimiento urbano de la ciudad.
 Desarrollar una simulación a partir de las variables
 Evaluar los datos obtenidos en la simulación.

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.

Cuadro 1.1 Operacionalización de variables

Fuente: Elaboración propia

1.5 JUSTIFICACIONES

1.5.1 JUSTIFICACION SOCIAL

Al conocer de manera anticipada el crecimiento urbano, se podrá trabajar arduamente
los aspectos positivos. Así se podrá ayudar a arquitectos, topógrafos, personal del área de
catastro de la ciudad de El Alto, para la toma de decisiones a mediano y largo plazo.

1.5.2 JUSTIFICACION TECNICA

Con las computadoras y su rápida evolución de software y hardware se pude aspirar
al procesamiento de grandes cantidades de información. Esta ventaja origina a la utilización

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.

1.5.3 JUSTIFICACION CIENTIFICA

Se justifica científicamente al generar conocimiento para la simulación del crecimiento
urbano de la ciudad de El Alto con la simulación de eventos discretos se refiere a la
modelación computacional de sistemas que evolucionan en el tiempo mediante cambios
instantáneos espaciados en el tiempo en las variables de estado. Los cambios ocurren en
puntos separados del tiempo. El sistema cambia de estado en una cantidad numerable de
instantes de tiempo (EVENTOS).

1.5.4 JUSTIFICACION ECONOMICA

Se justifica económicamente ya que el proyecto optimiza el uso de recursos, disminuyendo
incluso la gran cantidad de operaciones que se realiza. Hasta reducir las horas de trabajo, de
modo que se puedan abarcar otras tareas o incrementar el grado de eficiencia del personal
para las tareas específicas a las que fueron asignados.

1.6 ALCANCES Y LIMITES

El propósito principal del diseño y modelado propuesto es la de implementar la simulación
del crecimiento urbano con variables sociales: tasa de natalidad, tasa de mortalidad y
emigración. Etc., y variables económicas como ser: personas por hogar, número de hogares,
número de viviendas, costo de metro cuadrado de terreno. Etc.
Para que la simulación en la Ciudad de El Alto sirva como un instrumento para conocer de
forma anticipada el crecimiento urbano y lograr futuras planificaciones y por lo que se
tomara como referencia datos emitidos por el INE, para luego realizar la simulación del
crecimiento urbano

7
1.7 METODOLOGIA
1.7.1 MARCO CIENTIFICO

1.7.1.1 ETAPAS DE UNA SIMULACIÓN

En el desarrollo de una simulación se pueden distinguir las siguientes etapas (Banks, Carson
& Nelson, 1996):
a) Formulación Del Problema.
Consiste en estudiar el contexto del problema, identificar los objetivos del proyecto,
especificar los índices de medición de la efectividad del sistema, especificar los
objetivos específicos del modelamiento y definir el sistema que se va a modelar. Esta
actividad requiere de la conversación con los mandantes y con las personas que
participan de las actividades que se están analizando mediante el modelo. (Banks,
Carson & Nelson, 1996).
b) Conceptualización Del Modelo.
En esta etapa se representa el sistema en estudio mediante relaciones lógica-
matemáticas, se establecen las simplificaciones que puedan hacerse, según los
objetivos del modelo, como también se definen los componentes que constituirán el
modelo, individualizando las interacciones que existen entre ellos. También se
identifican los datos requeridos por el modelo. (Banks, Carson & Nelson, 1996)
c) Construcción Del Modelo
Esta etapa corresponde a la generación del programa computacional que representará
el sistema, de acuerdo a como se ha concebido el modelo en la etapa anterior. Esta
etapa consiste de dos actividades:

o 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

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.

2.3 DEFINICIÓN DE SIMULACIÓN

La palabra simulación comenzaron a usarla en 1940 John Von Neumann y Stanislav
Ulam, al desarrollar el método Montecarlo demasiado costoso para la experimentación física
o demasiado complejos para la solución analítica. Posteriormente las empresas las aplicaron
para solucionar problemas como: mercadotecnia, distribución física de maquinarias,
problemas de manufacturas, control de inventarios, etc. En la investigación agronómica se
han desarrollado, en forma creciente, numerosos trabajos de simulación como por ejemplo:
la simulación de sistemas de riego, conservación de forrajes para la sequía, maximización de
producción en espárragos, etc.
Se ha empezado a utilizar la palabra simulación sin haber dado previamente una
definición de ella. Por consiguiente, antes de proseguir con la discusión de este tema, sería
conveniente describir alguna de las más aceptadas y difundidas.
 Para Robert E. Shannon
Simulación es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o
proceso y conducir experimentos con este modelo, con el propósito de entender el
comportamiento del sistema o evaluar varias estrategias con las cuales se puede operar el
sistema. (Roberts. 1983)

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.

2.4 METODOLOGIA DE LA SIMULACION

La presente metodología representa las etapas y actividades que se realizarán para lograr
los objetivos planteados en un proyecto de simulación. Las etapas, si bien se presentan como
secuenciales, éstas son totalmente recíprocas, ya que durante la construcción del modelo se
van realizando ajustes debido a que surgen aspectos del modelo que son difíciles de predecir
al inicio del proyecto.
En el desarrollo de una simulación se pueden distinguir las siguientes etapas:
a) Formulación Del Problema.
Consiste en estudiar el contexto del problema, identificar los objetivos del proyecto,
especificar los índices de medición de la efectividad del sistema, especificar los objetivos
específicos del modelamiento y definir el sistema que se va a modelar. Esta actividad
requiere de la conversación con los mandantes y con las personas que participan de las
actividades que se están analizando mediante el modelo. (Banks, Carson & Nelson,
1996).
b) Conceptualización Del Modelo.
En esta etapa se representa el sistema en estudio mediante relaciones lógica-matemáticas,
se establecen las simplificaciones que puedan hacerse, según los objetivos del modelo,
como también se definen los componentes que constituirán el modelo, individualizando
las interacciones que existen entre ellos. También se identifican los datos requeridos por
el modelo. (Banks, Carson & Nelson, 1996)
c) Construcción Del Modelo
Esta etapa corresponde a la generación del programa computacional que representará el
sistema, de acuerdo a como se ha concebido el modelo en la etapa anterior. Esta etapa
consiste de dos actividades:

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

Dentro de la construcción de un modelo de simulación con dinámica de sistemas el proceso

de modelado se sigue unas tareas específicamente orientadas a ir decantando los modelos
mentales en modelos formales.
1. Conceptualización:
Aquí se definen el propósito, las fronteras y las variables a trabajar en el modelo. Es la
descripción del fenómeno en prosa que no es más que un texto que da cuenta de la manera
como el modelador percibe lo real, aquello que desea modelar, esto es, la primera
explicitación del modelo mental.
2. Formulación:
En esta parte del proceso se estiman y valoran el valor de los parámetros a trabajar, se
identifican las variables relevantes y las relaciones cualitativas que se establecen entre ellas.
3. Construcción de los diagramas de influencias o causales:
Son bosquejos que buscan representar las relaciones entre los elementos, es decir, permite
conocer la estructura del sistema. Los nombres de los elementos se unen a través de flechas
que indican la influencia de uno sobre otro, y sobre la flecha se coloca un signo + ó - que
indican si la relación entre ellos es directa (cuando A aumenta, B también) o inversa (cuando
A aumenta, B disminuye), en su orden. En los diagramas de influencias se puede identificar
los ciclos de realimentación que son cadenas cerradas de influencias. Estos ciclos pueden ser
positivos (relación directa) o negativos (tienen relación indirecta).
4. Construcción de los diagramas de Forrester:
Una vez realizado el diagrama de influencias se procede con la construcción de los
diagramas de flujos y niveles. La dinámica de sistemas hace uso especialmente de las
variables de estado o niveles y las variables de cambio o flujos.
Variables de estado: Son usadas para representar aquellas variables del sistema que se
acumulan o se des-acumulan a través del tiempo.
Variable de cambio: Es la responsable de generar el cambio en la variable de estado.
Variables auxiliares: Son otras variables que influyen en el comportamiento del sistema
tales como el retardo, la variable exógena, el parámetro, el valor interior, el multiplicador y/o
no linealidad.

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).

2.5 MODELOS DE SIMULACION

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).

Figura 2.1 Abstracción y realización de un modelo a partir del mundo real.

Fuente: 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).

2.6 CLASIFICACIÓN DE MODELOS

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

2.6.1 REFERENCIA A LA ESCALA DE MEDICIÓN

En la elaboración de un modelo, hay que determinar si el modelo es cualitativo o

cuantitativo, de acuerdo a la medición que se realiza en sus variables, La mayor parte del
pensamiento relacionado con los problemas de negocios comienza con los modelos
cualitativos, y gradualmente se llega hasta un punto donde pueden usarse los modelos
cuantitativos. La investigación de sistemas se ocupa de la sistematización de los modelos
cualitativos y de su desarrollo, hasta el punto en que puedan cuantificarse. (ver Figura 2.2)

2.6.2 REFERENCIA A LA GENERALIDAD

Se presentan dos tipos: modelos generales y modelos específicos. Los modelos

generales tienen una amplia aplicación en distintas situaciones y no está condicionado a
ciertos valores específicos. Por ejemplo, el modelo Y= b. X + a es un modelo general ya que
los coeficientes a y b pueden asumir cualquier valor real.
Los modelos específicos se emplean para la solución de un problema determinado.
Se refieren a condiciones particulares, a un instante determinado, espacio restringido,
persona o grupo de personas identificadas, etc. Por ejemplo, el modelo Y= 2,1. X + 3 es un
modelo específico, ya que los coeficientes tienen valores determinados.
Es importante este concepto ya que en Informática cuando una realiza programas
para procesar datos que resuelven un problema, se debe tratar que los modelos sean
generales.

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.

2.6.4 REFERENCIA A LA INCERTIDUMBRE

De acuerdo a sí existe o falta de incertidumbre, los modelos se han clasificado en dos
tipos: modelos deterministas y probabilísticos.
Cuando el modelo funciona en condiciones de certidumbre, se utiliza la ecuación
matemática, que es determinista. Hay estricta causalidad (a tal causa – tal efecto), y por lo
tanto se puede hablar de variables dependientes e independientes. Pero la ciencia, en la
mayoría de los casos se enfrenta con problemas del mundo natural, donde los fenómenos son
aleatorios y producidos por multitud de causas; entonces, se estudia la casualidad con los
modelos estadísticos o probabilísticos. En este último tipo de modelos se indican las
variables controlables y las incontrolables. En cambio en el modelo determinístico o
matemático todas las variables son controlables (Informática Aplicada, Cátedra de Calculo
Estadístico y Biometría 2003)
. Ejemplo es el modelo lineal
Yi . Xi Yi .Xi i
Modelo matemático Modelo probabilístico

2.7 ELABORACION DE MODELOS

Normas general de cómo construir un modelo, a través de los siguientes pasos:

2.7.1 ANÁLISIS DEL PROBLEMA

Conocer la naturaleza del problema y la finalidad del modelo. Se debe siempre tener
presente al sistema, y en qué medida el modelo representará al todo o a una de sus partes.
Primero el objetivo, el prototipo y luego el forma del modelo. MODELO CONCEPTUAL o

21
CUALITATIVO. Por ejemplo, estructurar un sistema estableciendo su entorno e
interacciones.

2.7.2 DEFINICIONDE ATRIBUTOS Y VARIABLES

Hacer una lista completa de las variables a utilizar, esto es una etapa fundamental.
Muchos investigadores eligen las variables casi sin pensar, lo que casi siempre es el
resultado de experiencias circunstanciales, no siempre recomendables. Es conveniente que
este paso lo realicen varios investigadores, en lo posible de distintas disciplinas, y que se
complete la lista de variables en dos o tres etapas. Si por ejemplo, se conocen las actividades
producidas por las entidades, se podrá establecer sus atributos y expresarlos como variable
que toman distintos valores a medida que se produce una acción.

2.7.3 DISEÑO DEL MODELO

Formulación de relaciones, hipótesis, y propuesta del modelo. En este paso se fijan
las condiciones sobre las cuales el modelo funciona, es el costo que hay que pagar debido a
la abstracción, y es fundamental tenerlo presente en los pasos sucesivos. Bajo estas
condiciones se diseñan y proponen modelos que intentan corresponder sus propiedades con
las del mundo real. Se obtiene un Modelo Cuantitativo y Ejecutable.

2.7.4 OBTENCION DE DATOS

Se diseñan y elaboran tablas de datos que surgen como consecuencia de la medición
de variables en el mundo real.

2.7.5 VALIDACION DEL MODELO

Se realiza una comparación entre lo modelado y la realidad: si lo observado concuerda
con lo propuesto. Si el modelo es determinístico, la validación se transforma en una
verificación, y por lo tanto, su resultado deber ser exacto (sin errores). Una función lógica o
una ecuación matemática tienen resultados exactos. En cambio, un modelo estocástico o
probabilístico se valida con la realidad, y sus resultados implican una aproximación a la
misma. Su grado de error se hace aceptable sólo con un criterio estadístico. Debe notarse sin

22
ambigüedad, que validación y verificación son dos conceptos diferentes dentro de la
Informática.

2.7.6 INTERPRETACION DE RESULTADOS

. Puede suceder que el modelo no represente al sistema real, y por lo tanto, deberá
retornarse a cualquiera de los pasos anteriores. En caso contrario, se harán los estudios
necesarios sobre el modelo formulado.
Inevitablemente, al principio, el modelo no llega al objetivo, y pueden sentirse deseos
de abandonarlo con gran disgusto. Sin embargo una nueva propuesta, o una mejor medición
de la realidad pueden mejorar paulatinamente al modelo.
A medida que se logra mayor información tiende, progresivamente, a
conceptualizarse mejor los modelos y a tener evaluaciones más correctas.

ANALIZAR EL PROBLEMA

MODELO CONCEPTUAL

DEFINIR VARIABLES

VARIABLES

DISEÑAR

MODELO CUANTITATIVO

VALIDAR

MODELO FINAL

Figura 2.2 Función de los modelos

Fuente: Estadístico y Biometría 2003

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.

2.8 VENTAJAS Y LIMITACIONES DE LA SIMULACIÓN

Las técnicas de la simulación son muy útiles, porque permiten experimentar con un
modelo del sistema en vez del sistema real que está funcionando. El experimento con el
sistema mismo podría resultar demasiado costoso en términos de dinero y, en muchos casos,
sería demasiado arriesgado. Por ejemplo, en la implantación de un nuevo sistema de cuentas
corrientes en un banco, no sería conveniente poner el sistema sin haberlo simulado
previamente. De acuerdo a su historia y, a la frecuencia de los movimientos en las cuentas,
se puede experimentar en el computador y observar cómo funcionará el sistema en diversas
condiciones. La metodología de simulación permite que se manipule una réplica del
verdadero sistema, para efectuar corridas de pruebas antes de comprometer recursos
verdaderos del banco. Esto es una importante ventaja de la simulación.
Cuando se instalan nuevas máquinas y equipo en una fábrica, pueden ocurrir
congestiones y problemas imprevistos. La simulación puede evitar esas posibles dificultades,
porque permite al gerente de producción advertir ciertos problemas que de otro modo no se
tendrían en cuenta. Los estudios de simulación constituyen una forma muy valiosa y
conveniente de descomponer en subsistemas un sistema complicado. A su vez, cada
subsistema puede simularse individual o conjuntamente con otros.
En algunos casos, la experiencia del diseño de un modelo de simulación y su
implementación en un computador, puede ser más valiosa que la misma simulación.
El empleo de los juegos de negocios ha sido sumamente benéfico para el
adiestramiento del personal administrativo en todos los niveles. Permite que los jugadores
observen la reacción recíproca de sus decisiones en las políticas y objetivos de la compañía,
en condiciones de incertidumbre y que los participantes averigüen rápidamente sus
capacidades y deficiencias. Esta clase de simulación crea un alto grado de motivación
personal y de aprendizaje, porque la retroalimentación proporciona una base para la
evaluación y corrección individual. Deja que cada participante ponga a prueba cursos
alternativos de acción antes de tomar una decisión definitiva. Como casi todos los juegos de

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).

2.9 MODELOS DE SIMULACION DE EVENTOS DISCRETO (MSED)

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). (Fishman G.S.,
1978).
Los eventos pueden servir para:
 Planificar el final de una simulación.
 Planificar una operación en un instante concreto.

2.10 ESTRUCTURA Y CARACTERISTICAS DE LOS EVENTOS

DISCRETOS
También conocida como simulación de tiempo continúo lo cual quiere decir que una vez
iniciado la simulación no se detendrá hasta verla terminado, esta técnica está apoyada en su
totalidad de software especializado tales como arena, ProModel, GPSS, Stella, entre otros
(Fishman, G.).

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.

2.11 LA SIMULACIÓN DISTRIBUIDA DE EVENTOS DISCRETOS

Existen simulaciones que requieren de horas e incluso días para poder obtener un
resultado, y una simulación centralizada de eventos discretos no es la mejor opción, por
tanto se tiene que recurrir a la simulación distribuida de eventos discretos para acelerar el
proceso de obtención de resultados.
Ambos tipos de simulaciones requieren de una estructura de datos llamada lista, que se
encargue de extraer y guardar eventos que se procesaran en la simulación. En el enfoque
distribuido cada una de las máquinas que forman parte de la simulación deben contar con su
propia lista y su reloj local, esto trae consigo inherentemente algunos problemas, como la
ejecución ordenada de los eventos de acuerdo a sus dependencias de causa y efecto, casos de
ínter-bloqueos, entre otros. (Schneider, B. F.1993)

2.12 CONTRIBUCIÓN AL ESTADO DEL CONOCIMIENTO

La propuesta de esta idónea comunicación de resultados, consiste en la utilización de
técnicas para la administración de recursos redundantes con el objetivo de tolerar fallas de
paro. En concreto se trata de utilizar un conjunto de componentes redundantes, provistos por
una red P2P, para reemplazar a otras máquinas que pudieran quedar fuera de operación,
restaurando el sistema hasta un estado global previo, desde el que se retoma la ejecución de

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)

2.13 SIMULACION DE EVENTOS DISCRETOS

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.

Todas las simulaciones de eventos discretos tienen una estructura común.

Independientemente del sistema que se modela, la simulación tendrá la mayoría de los
elementos que se describen enseguida. Si se utiliza un lenguaje de propósito general, todos
los componentes tendrán que ser implantados por el analista. En cualquier otro caso, el

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)

2.13.1 ELEMENTOS DE SIMULACIÓN DE EVENTOS DISCRETOS

En el camino al desarrollo usando simulación de eventos discretos es importante

comprender algunos conceptos inherentes a esta técnica.

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)

2.15 MECANISMOS DE AVANCE DE TIEMPO

En los MSED es necesario disponer de un mecanismo de avance del tiempo
 Se denomina RELOJ DE SIMULACIÓN a la variable del modelo que
proporciona el valor actualizado del tiempo simulado
 No son necesarias unidades de medida
 Dos formas de avance del tiempo
 Por eventos
 Por incrementos fijos
(Banks J., Carson J.S., Nelson B.L, 1996)

2.16 DATOS DEL (INE) INSTITUTO NACIONAL DE ESTADÍSTICA

Según el Instituto Nacional de Estadística (INE), de acuerdo con datos del Censo
2012, en la ciudad de La Paz hay 226.197 viviendas, mientras que en la ciudad de El Alto
hay 255.498, vale decir que en la ciudad que apenas tiene 18 años, hay 29.301 unidades
habitacionales más que en la urbe que cumplió 465 años desde su fundación en el siglo XVI.
Hace 12 años, en 2001, cuando se levantó el anterior Censo, La Paz tenía 205.254
viviendas y El Alto, 165.320, por lo que la diferencia, a favor de la sede del Gobierno, era de
39.934.

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.

Cuadro de habitantes clasificado por años (ver Tabla 2.1)

Fuente Habitantes Año

Censo INE. 649,958 2001
Censo INE. 848,840 2012

Tabla 2.1 Datos de cantidad de habitantes por año

Fuente: Instituto Nacional de Estadística (INE)

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).

Distrito Población Superficie Densidad de Principales zonas

Hectáreas población
Hab. /
Hectárea
1 99.920 958 104,35 Ciudad Satélite, Rosas Pampa
Villa Dolores, Santiago I
2 75.199 1.112 67,63 Nuevos Horizontes, El Kenko
Santiago II, Bolívar B, D, E
3 135.014 1.869 72.25 Cosmos 79, Villa Adela, 1ro. de
Mayo, Luis Espinal
4 90.787 1.843 49,25 Secke, Villa Tunari 1, 2, 3, 423
de Marzo, S José Yunguyo
5 91.216 1.505 60,60 Villa Ingenio, Río Seco,Huayna
Potosí, Mercurio
6 101.493 1.642 61,81 16 de Julio, Alto Lima,Ballivián,
Ferropetrol
7 20.118 4.980 4,04 B. Saavedra, 16 de
agosto,Porvenir I, II, V.
Cooperativa
8 33.603 5.991 5,61 Mercedes A, B, C, D, E, F,
G,Senkata, Cumaravi
9 2.608 15.149 0,17 Laguna Jhankho cotaVillandrini,
Milluni
10 1.798 5.991 4,61 Zona rural
Total 649.958 35.049 18,54

Tabla 2.2 Población por distritos y superficie en hectáreas (2001)

Fuente: Instituto Nacional de Estadística (INE)

31
 2.16.1 ESTADÍSTICAS SOCIALES Y ECONÓMICAS DEL
MUNICIPIO DE EL ALTO

2.16.2 COMPOSICIÓN DE HOGARES

En lo referente a las características familiares, se evidencia que la mayor proporción de

hogares se encuentra bajo la modalidad de hogares biparentales con hijos, lo que implica
contar con madre y padre; seguidos muy de cerca por hogares monoparentales que solo
cuentan con padre o madre. Siendo estos dos grupos los que definen la composición de
hogares en El Alto (ver Tabla 2.3).

Composición de hogares en El Alto (2001-2012)

Tipos de hogares Jefe de hogar Jefa de Hogar Total
Hombre Mujer Hogares
Hogares Unipersonales 17.499 8.876 26.375
Hogares Monoparentales con hijos 10.065 30.034 40.099
Hogares Biparentales con hijos 51.477 1.879 53.356
Hogares Biparentales sin hijos 5.979 342 6.321
Hogares extensos monoparentales(con 4.215 8.076 12.291
otros parientes)
Hogar extensa biparental con hijos(con 11.473 640 12.113
otros parientes)
Hogar extensa biparental sin hijos(con 1.525 221 1.746
otros parientes)
Hogar compuesto monoparental (con 588 1.004 1.592
otros no parientes)
Hogar compuesta biparental con 1.296 70 1.366
hijos(con otros no parientes)
Hogar compuesta biparental sin hijos(con 199 19 218
otros no parientes)
Hogar extenso familiar no nuclear 4.775 4.269 9.044
Hogar extenso no familiar ni nuclear(casi 875 736 1.611
colectiva)
Colectivos 221 143 364
Total 110.187 56.309 166.496

Tabla 2.3 Composición de hogares según el Censo 2001

Fuente: Instituto Nacional de Estadística (INE)

32
Según los datos del Censo 2001, podemos indicar que el tamaño promedio por hogar es de
3,89% de habitantes.

2.16.3 NÚMERO DE VIVIENDAS

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).

Población por distritos (2001)

Distrito N° OTBs Área km2 Población Densidad Población %

Distrito N° 1 39 9,16 98.982 10.806 15,23
Distrito N° 2 58 11,82 74.413 6.296 11,45
Distrito N° 3 118 26,54 132.879 5.007 20,44
Distrito N° 4 60 15,12 89.799 5.939 13,82
Distrito N° 5 48 14,68 89.916 6.125 13,83
Distrito N° 6 17 8,05 100.347 12.465 15,44
Distrito N° 7 29 53,17 18.120 341 2,79
Distrito N° 8 70 15,21 28.940 1.903 4,45
Distrito N° 9 0 0 16.562 0 2,55
Distrito N° 10 60 15,12 89.799 5.939 13,82
Distrito N° 11 48 14,68 89.916 6.125 13,83
Distrito N° 12 17 8,05 100.347 12.465 15,44
Distrito N° 13 0 53,17 18.120 341 2,79
Distrito N° 14 0 15,21 28.940 1.903 4,45
Total 439 153,75 649.958 4.227 100

Tabla 2.4 Número de Viviendas según el Censo 2001

Fuente: Instituto Nacional de Estadística (INE)

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).

Localidad Número Energía Sanitario Agua Pared Piso Vivienda

Viviendas Eléctrica Potable Ladrillo Mad/Alf Adecuada
El Alto 165.320 85,2 63,34 34,92 22,33 18,24 44,81
Distrito 1 24.329 93,38 85,5 54,97 37,59 35,38 61,36
Distrito 2 18.298 90,7 79,66 32,94 28,09 19,49 50,18
Distrito 4 22.812 87,59 56,7 37,73 22,33 16,71 44,21
Distrito 5 23.137 82,83 41,48 28,08 12,42 10,51 35,07
Distrito 8 8.829 57,19 24,54 15,47 8,88 3,66 21,95
Zonas Rural 4.582 56,22 23,81 13,51 17,31 5,74 23,32

Tabla 2.5 Índice de vivienda adecuada por componente y distrito (2001)

Fuente: Instituto Nacional de Estadística (INE)

2.16.4 SUELO RESIDENCIAL

La extensión territorial del Municipio de El Alto, considerando el Distrito 10, es

aproximadamente, de 387,56 km² (38.756 ha), que representa el 7,58% de la superficie total
de la Provincia Murillo: el 40,24% (15.596 ha) corresponde al área urbana y el 59,76%
(23.160 ha) corresponde al área rural. Distrito 10, creado por Ordenanza Municipal Nº
150/2005 del 11 de octubre de 2005.

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.

2.17.1 MANUAL DE STELLA

Stella es un programa de simulación por computadora, que proporciona un marco de

referencia y una interface gráfica de usuario para la observación e interacción cuantitativa de
las variables de un sistema.
La interface se puede utilizar para describir y analizar sistemas biológicos, físicos, químicos
o sociales muy complejos. Complejidad que se puede representar muy bien, con sólo 4
elementos o bloques de construcción: stock, flujo, conector y convertidor (ver Figura 2.3).

35
 STOCK
Conev ertidor 1

Flujo

Conv ertidor 2

Figura 2.3 Elementos básicos en Stella

Fuente: Manual práctico de Stella

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

Figura 2.4 Ejemplos de Stock’s Con sus flujos de entrada y salida

Fuente: Manual práctico de Stella

STELLA. El entorno de trabajo

Esta herramienta de modelación presenta tres grandes capas:
1. La capa de “mapeo”, que permite definir valores iniciales de stock’s, flujos o conectores,
donde también se muestra una elegante presentación del modelo ya terminado. Se podría
considerar la fase de “dibujo” del sistema, donde se definen la estructura y el aspecto que
presenta cada componente.
2. La capa de construcción del modelo, que en conjunto con la capa anterior constituyen la
verdadera área de trabajo, ya que aquí se definen los valores iniciales de las variables y de
las tasas de cambio.
3. La capa de ecuaciones matemáticas utilizadas en el modelo, que el usuario puede evitar si
no le interesa mucho la parte matemática del modelo.
Los bloques de construcción son los 4 íconos con los que se construye los diagramas de un
sistema.

37
Las herramientas y objetos permiten posicionar, definir, duplicar y eliminar bloques de
construcción en el diagrama (ver Figura 2.5).

Figura 2.5 Capas y elementos del Software Stella

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

. Conceptualmente una variable de estado es un stock que es alimentado por una

variable de flujo o varias variables de flujo (de entradas), y que eventualmente puede ser
vaciado por una o varias variables de flujo (de salidas); y así que las variables de flujo se
definen como aquellas que alimentan o vacían el stock. Para fijar ideas supongamos que
tenemos un sistema sencillo, por ejemplo una pequeña tienda de alquiler de automóviles en
la cual al final de cada semana se reponen los automóviles, con una determinada política que
veremos más adelante, para enfrentar la semana que viene caracterizada por una determinada
demanda, que también veremos cómo se comporta más adelante. En definitiva, tenemos la

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,

Figura 2.6 Inserción de variables

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

Con el cursor hacemos click con el botón izquierdo en el icono de las variables de

estado , arrastramos la figura a un sitio determinado y hacemos nuevamente click con el

botón izquierdo del mouse, para fijar el icono de la variable de estado. La operación final
deberá lucir como la indica (ver Figura 2.6). Enseguida, ponemos el nombre de STOCK al
icono cuyo nombre por defecto es “Noname 1”. Lo obtenido deberá ser similar a lo indicado
(ver Figura 2.7).

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

Figura 2.9 Variable de flujo conectando a variable de estado STOCK

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

Para la construcción de la variable de flujo que sale desde el STOCK, se

realiza de manera similar, esto es se hace un clic sobre el icono, nos ubicamos al interior de
la variable de estado STOCK, presionamos el botón izquierdo (sin soltar) y arrastramos el
mouse hacia el lado derecho del STOCK, cuando creamos conveniente detenernos, soltamos
el botón derecho, y debería aparecernos algo similar (ver Figura 2.11), toda vez que
cambiemos el nombre que viene por defecto por el de DEMANDA.

Figura 2.11 Inserción de la variable de flujo DEMANDA

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

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.

Figura 2.12 Inserción de convertidores

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

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

se procede de la siguiente manera: nos posicionamos con el mouse en el icono , para

capturar la imagen, y luego la ubicamos, por ejemplo, dentro de la variable INF oprimiendo
el botón izquierdo, sin soltar, y arrastrando el conector hacia la variable de flujo
REPOSICIÓN, dejamos de oprimir el botón derecho toda vez que alcancemos a esta variable
de flujo que lo indicará al cambiar a color gris (ver Figura 2.13).

Figura 2.13 Conector INF insertando Variable de flujo REPOSICION

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

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).

Figura 2.15 Inserción de convertidor LAMDA y la var.auxiliar PEDIDO a DEMANDA

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

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

Una vez que hemos “dibujado” nuestro sistema-modelo de almacenaje, vamos a

entregar las relaciones analíticas establecidas entre las variables que están unidas por el
conector. Observemos atentamente el sector izquierdo de nuestro dibujo anterior, donde
aparece la pestaña Model. Si ubicamos el mouse sobre ese icono, y hacemos click con el
botón izquierdo, tendremos la siguiente situación indicada (ver Figura 2.16).

Figura 2.16 Capa de construcción de modelo

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

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).

Figura 2.17 Definición de la relación analítica de la variable de flujo REPOSICION

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

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)

Figura 2.19 Definición de la función analítica de REPOSICION

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 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).

Figura 2.20 Definición de las partes por colores

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 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

En este caso la variable de flujo DEMANDA solo dependerá de la variable PEDIDO,

siendo esta una variable aleatoria con distribución conocida y que definiremos en su
momento. De modo que simplemente hacemos un click en PEDIDO para hacer DEMANDA
= PEDIDO, como lo indica la Figura 2.22.

Figura 2.22 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.

Ahora vamos a definir la variable aleatoria PEDIDO, que recordemos se distribuye

según una Poisson de parámetro LAMBDA. Haciendo un doble click sobre PEDIDO, de la
lista de funciones de la caja “Builtins” seleccionamos aquella que dice “Poisson”, y puesto
que ella requiere del parámetro LAMBDA conforme se observa en la caja “Required Inputs”
hacemos un click sobre LAMBDA, y nos queda lo indicado en la Figura 2.23 (Martínez,
2007).

Figura 2.23 Definición de la función analítica de PEDIDO

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

Supongamos ahora que en nuestro sistema de almacenaje o stock, el valor de INF

tiene el valor de 1, SUP el valor de 3, y LAMBDA el valor de 1. Y además vamos a suponer
que esta empresa de alquiler de automóviles empieza con el stock a nivel máximo, es decir
con el valor de 3. La manera de entregar estos valores es simplemente hacer doble click en
cada una de estas variables y entregar los correspondientes valores. Sin embargo dada su
importancia vamos a efectuar el “llenado” de la variable STOCK. Observemos la Figura
2.24.

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.

Figura 2.27 Arreglo de la simulación en semanas

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

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).

Figura 2.28 Ventana de la gráfica de STOCK

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 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.

Figura 2.29 Ventana para

seleccionar que variables
graficar
Fuente: Manual práctico de
Stella de Cervantes,
Chiappa y Simoes 2007

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).

Figura 2.30 Ventana seleccionada de la variable STOCK

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 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.

Figura 2.31 Grafica de la variable STOCK

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 2007

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”.

En efecto, ese es su papel. En los iconos , al presionar uno de ellos significan,

“realizar una simulación”, “pausa” y “detención”, respectivamente. La opción al

hacer click aparecerán tres opciones como lo indica

La opción “Run Specs” nos llevará nuevamente a la caja de diálogo indicada en la

figura 2.27 para una posterior cambio en los parámetros del tiempo (por ejemplo, aumentar
la longitud de simulación). La opción “Sensi Specs” la veremos en una próxima sección. La
opción “Range Specs” (Especificación del rango) sirve para indicar los límites del rango de,
en nuestro caso, la variable STOCK.

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).

Figura 2.32 Resultados de la simulación en tabla

Fuente: Manual práctico de Stella de Cervantes, Chiappa y Simoes 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

Como ya mencionamos este capítulo lo realizaremos de acuerdo a la metodología de la

simulación y con el modelo de dinámica de sistemas.

3.1 CONCEPTUALIZACIÓN DEL MODELO

La Ciudad de El Alto es una ciudad y municipio de Bolivia, ubicado en el

departamento de La Paz, (Provincia de Murillo) situada al oeste de Bolivia en la meseta
altiplánica. Forma parte del Área metropolitana de La Paz, con la que forma la segunda
aglomeración urbana más grande del país después de Santa Cruz de la Sierra. Se encuentra a
una altitud de 4.070 msnm lo que la hace la segunda ciudad más alta del mundo.

El municipio de El Alto, se encuentra en la cuarta sección de la provincia Murillo del

Departamento de La Paz, con una superficie de 387,56 Km2 que representa el 7,58% de la
superficie total de la Provincia Murillo. Cuenta con 14 distritos, 11 urbanos y 3 rurales, el
40,24% de la superficie territorial es área urbana y el 59,76% rural (ver Tabla 3.1).

Tabla 3.1 Distritos del área urbana del Municipio de El Alto (2012)
Fuente: Elaboración propia

DISTRITOS ZONAS PRINCIPALES

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.

El conjunto de variables seleccionado resume algunos de los posibles factores

sociales y económicos del crecimiento del área urbana de la ciudad de El Alto haciendo
reproducible los resultados en otras ciudades, la mayor parte de esos datos pueden ser
obtenidos a través del Gobierno Autónomo Municipal de El Alto.

3.2 FORMULACION DEL MODELO

En esta parte del proceso se estiman el valor de los parámetros a trabajar, se

identifican las variables relevantes y las relaciones cualitativas que se establecen entre ellas.
Desde el punto de vista del diseño conceptual del modelo, este se compone de 3
elementos básicos que al relacionarse entre sí dan lugar a otros 2 elementos que generan los
resultados finales del modelo. Este ha sido implementado en el software STELLA (System

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

- El primer elemento se encarga de estimar la evolución de la población en función de

las tasas de natalidad, mortalidad y migración.
- El segundo elemento aborda la modificación del número de hogares, producto de los
cambios de estructura familiar así como la evolución poblacional.
- El tercer elemento básico estima la evolución de los niveles de la renta.
Como producto de la relación entre estos bloques se adicionan dos elementos:

- Un elemento de estimación de número de viviendas y superficie urbana destinada a

usos de residenciales, como producto de la relación entre los bloques de la evolución
de los hogares y la evolución de niveles de renta.
- Un elemento de estimación de la superficies urbanas destinadas a usos de áreas
verdes a partir del incremento poblacional (ver Figura 3.1)

63
 Evolución
Evolución
de la vivienda y
población suelo
residencial

Evolución
de hogares Evolución
área verde

Evolución
niveles de
renta

Figura 3.1Diseño conceptual del modelo

Fuente elaboración propia

3.3 CONSTRUCCION DE LOS DIAGRAMAS DE FORRESTER PARA

EL MODELO

El conjunto comprende variables que van desde los valores de nacimiento y

defunciones, hasta los valores de precio de terrenos, pasando por el número de hogares,
número de viviendas. Estos factores fueron recogidos en la Tabla 3.2, en la que además se
han dividido en variables primarias, las cuales se han obtenido directamente de la
información estadística disponible, y variables derivadas, obtenidas en base a la combinación
de las variables básicas y auxiliares cuyo valor se obtiene a partir de las observaciones
empíricas del cambio experimentado en periodos pasados. Cabe notar que el INE (instituto

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.

VARIABLE NOMBRE DESCRIPCIÓN UNIDADES TIPO DE TIPO DE

VARIABLE MODELO
POB Población Población Personas Primaria Nivel
HOG Hogares Hogares Nº Hogares Primaria Nivel
SR Suelo Residencial Suelo Residencial Ha Primaria Nivel
NV Número de Viviendas Número de Viviendas Nº Viviendas Primaria Nivel
AV Área Verde Área Verde Ha Primaria Nivel
TBN Tasa Natalidad Tasa Natalidad por 1000 Adimensional Primaria Tasa
TBM Tasa Mortalidad Tasa Mortalidad por 1000 Adimensional Primaria Tasa
TSM Tasa Migratoria Tasa Migratoria por 1000 Adimensional Primaria Tasa
Nac Nacimientos Nacimientos obtenidos a partir del Nº nacimientos Derivada Flujo
TBN
Def Defunciones Defunciones obtenidos a partir del Nº defunciones Derivada Flujo
TBM
SM Saldo Migratorio Saldo Migratorio Nº Inmigrantes Derivada Flujo
IncPOB Aumento de la Incremento de la población Nº personas Derivada Var Aux
Población
PH Personas por hogar Personas por hogar 2001 Nº personas Derivada Tasa
HCE Hogares por cambio de Hogares por cambio de estructura Nº Hogares Derivada Tasa
estructura HCE por incremento de Pobl.
NH Nuevos Hogares Nuevas Viviendas NºHogares/año Derivada Flujo
NViv Nuevas Viviendas Nuevo suelo residencial Nº Viviendas Derivada Flujo
NSR Nuevo suelo Ha Derivada Var Aux
residencial Costo metro cuadrado de terreno
CMCT Costo metro cuadrado Dólares Derivada Flujo
de terreno Americanos ($)

Tabla 3.2 Variables empleadas en el Modelo y sus principales características

Fuente: Elaboración propia

65
3.4 CONSTRUCCIÓN DEL MODELO

3.4.1 DESARROLLO DEL MODELO

3.4.1.1 ESTIMACIÓN DE LA EVOLUCIÓN POBLACIONAL

Los primeros elementos del modelo representan la evolución de la población. Este

obtiene los crecientes poblacionales a lo largo del tiempo mediante la estimación de
nacimientos, muertes y migración, empleando para ello las tatas de natalidad, mortalidad y
migratoria.
El número de habitantes nacidos por año en la ciudad del El Alto, está dada por la tasa de
natalidad (TN), mediante la siguiente formula:

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:

TM = Tasa bruta de mortalidad

M = Número de muertes por año
P = Población total promedio por año

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:

TMi = Tasa migración

SM = Saldo migratorio
P = Población total promedio
La variable población es igual a la suma de los nacimientos por año. El número de muertes
por año, también el número del saldo migratorio por año es decir:

El diseño de la evolución poblacional es la siguiente (ver Figura 3.2).

También la estimación del incremento de población, que será almacenado a través de la
variable auxiliar, Incremento de población está dado por la siguiente formula:

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

Figura 3.2 Evolución de la población

Fuente: Elaboración propia

3.4.1.2 ESTIMACIÓN DE LA EVOLUCIÓN DE LOS HOGARES

El segundo elemento estima el cambio en el número de hogares con el tiempo,

empleando para ello diversas variables (ver Figura 3.3). La primera estima el nuevo número
de nuevos hogares como consecuencia del crecimiento poblacional estimado en el primer
bloque. Para ello se divide el incremento poblacional entre el número de personas por hogar.
Igualmente se considera como factor de incremento del número de hogares la aparición de
nuevos hogares generados por el cambio de estructura, calculando a partir de los nuevos
hogares aparecidos en el periodo 2001 al 2012, no se explican de acuerdo con el crecimiento
poblacional, sino con un incremento del número de personas por hogar. El número de
nuevos hogares se obtiene como la suma de nuevos hogares producto del incremento
poblacional, así como de los nuevos hogares por escisión de los existentes.

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).

La variable hogares por

cambio de estructura es el
La variable derivada nuevos número promedio de hogares
hogares es el número de nuevos que surgen por motivos
hogares por año. personales y separación familiar

incremento
hogares por
de poblacion
excision y cambio
de estructura

HOGARES
La variable auxiliar incremento de
población
nuevos
hogares

La variable derivada personas por

personas hogar es el número promedio de
por hogar personas por hogar

Figura 3.3 Evolución del número de hogares

Fuente: Elaboración propia

69
 Ahora la variable hogares es igual a la suma de los nuevos hogares por año.

3.4.1.3 ESTIMACIÓN DE LA EVOLUCIÓN DE LOS NIVELES DE

RENTA

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

La variable derivada disminución de

La variable derivada de renta es el costo de incremento de
incremento de renta es el renta por año
costo de incremento de
renta por año RENTA

inc de renta dism renta

La variable tasa disminución de
renta es el porcentaje de disminución
del costo de renta por año
tasa incremento
de renta

La variable tasa incremento de tasa de dism

renta es el porcentaje de incremento de renta
del costo de renta por año Figura 3.4 Evolución de los niveles de renta
Fuente: Elaboración propia

70
3.4.1.4 ESTIMACIÓN DE LA EVOLUCIÓN DE LAS VIVIENDAS Y EL
SUELO RESIDENCIAL

El bloque de evolución de las viviendas y ocupación de suelo se apoya en los

diferentes bloques básicos detallados anteriormente. Para ello se estima el incremento de
nuevas viviendas a partir de los procesos: incremento de viviendas motivado por el
incremento de hogares, así como el incremento de viviendas con motivo de incremento de
renta (ver Figura 3.5).

La determinación del número de viviendas generadas por los nuevos hogares se

apoyara en la estimación del número de hogares calculando en el segundo bloque junto con
la tasa de vivienda por hogar, que en principio se fijó de acuerdo con los valores existentes
en 2001; así como el número de viviendas generadas por el incremento de renta.

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.

3.4.1.5 EVOLUCIÓN NÚMERO DE VIVIENDAS

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

Por otro lado tenemos:

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.

3.4.1.6 EVOLUCIÓN DE SUELO RESIDENCIAL

El suelo residencial es la extensión territorial en hectáreas ocupadas por las viviendas

por año en la ciudad de El Alto, calculando por la siguiente formula:

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

La determinación de áreas se lo realizaba de manera proporcional a la extensión

territorial ocupada por viviendas, en los últimos años en crecimiento de la población es
mayor al crecimiento territorial de asentamientos urbanos, lo cual provoco un nuevo estudio
sobre las áreas verdes. Según estos estudios “la extensión territorial de áreas verdes es
proporcional a la cantidad de habitantes, esto quiere decir que por cada habitante debe existir
5 metro cuadrados de área verde”. En el Proyecto Modelado de Cálculo de Áreas Verdes en
Planificación Urbana desde la densidad Habitacional (francisco Bascuñán W., Paz Walker
Fernández, Juan Mastrantonio Freitas, 2006). La fórmula para determinar la extinción de
áreas verdes por año es la siguiente (ver Figura 3.6):

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

3.5.1 CALIBRACION DE LOS DATOS DEL MODELO

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.

VARIABLES AREAS URBANAS DE EL ALTO

Población 2001 (habitantes ) 649,958
Población 2012 (habitantes ) 848,840
Hogares 2001 165,320
Hogares 2012 257,667
Viviendas 2001 182,717
Viviendas 2012 255,498
Renta 2001 1,215
Renta 2012 1,323
Suelo Residencial 2001 en hectáreas 18,018
Suelo Residencial 2012 en hectáreas 30,200
Área verde 2001 en hectáreas 450
Área verde 2012 en hectáreas 550

Tabla 3.3 Variables sociales y económicas y de ocupación el suelo de la ciudad de El Alto

Fuente: Elaboración propia

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 de renta dism renta aumento viviendas

por renta

tasa incremento tasa dism

renta renta

AREA VERDE URBANO

inc area
verde
m2 por persona

Figura 3.7 Modelo propuesto para el crecimiento urbano de la ciudad de El Alto

Fuente: Elaboración propia

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).

Figura 3.8 Modelo de la Ciudad de El Alto por Distritos

Fuente: Elaboración propia

77
3.6 IMPLEMENTACION DEL MODELO

La implementación del modelo se realizó con el Software de simulación Stella 9.0.2

(System Thiking for Education and Research) con las siguientes explicaciones:
Implementación de la evolución de la población: insertamos los componentes (ver Figura
3.9).

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

Figura 3.9 Implementación de las componentes de la evolución de POBLACIÓN

Fuente: Elaboración propia

78
 Ahora las variables de flujo y convertidores para la POBLACION (ver Figura 3.10)

Se incorporó una variable de flujo, Se incorporó el convertidor,

nombrado saldo migratorio nombrado tasa migratoria

Se incorporó conector del convertidor tasa Se incorporó una variable de flujo,

migratoria a la variable de flujo saldo nombrado muertes
migratorio

Se incorporó el convertidor, denominado tasa de

mortalidad, con su respectivo con conector
desde la tasa de mortalidad a la variable de
flujo de muerte

Figura 3.10 Implementación de las componentes de la evolución de POBLACIÓN

Fuente: Elaboración propia

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

Se incorporó conectores desde

la variable POBLACION a la
variable de flujo nacimientos,
Otra a la variable de flujo saldo
migratoria y otra a la variable de
Incremento de flujo muertes
poblacion

Se incorporó la variable auxiliar (convertidor), nombrada

incremento de población, la cual tiene como insertado
os conectores desde los conectores desde las variables
de flujo
Nacimiento, tasa migratoria y muertes

Figura 3.11 Implementación de las componentes de la evolución de POBLACIÓN

Fuente: Elaboración propia

Implementación de la Evolución de Hogares (ver Figura 3.12)

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

HOGARES hogares por

exsision y cambio
en estructura

nuevos Se incorporó el convertidor,

hogares denominado hogares por
excisión y cambio en estructura

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

Figura 3.12 Implementación de las componentes de la evolución de HOGARES

Fuente: Elaboración propia

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

Se incorporó el convertidor, denominado

Tasa de disminución de renta y se insertó un
conector desde la tasa de incremento de
renta a la variable de flujo incremento de
renta.

Figura 3.13 Implementación de las componentes de la evolución de RENTA

Fuente: Elaboración propia

Implementación de la Evolución del Número de Viviendas (ver Figura 3.14)

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

Se incorporó la variable auxiliar

(convertidor), denominado aumento
viviendas por renta, la cual tiene como
insertado los conectores desde la variable de
flujo incremento de renta, variable de estado
POBLACION y del convertidor tasa
aumento de viviendas por Bs. y persona.

Figura 3.14 Implementación de la evolución de NUMERO DE VIVENDAS

Fuente: Elaboración propia

Implementación de la Evolución del Suelo residencial (ver Figura 3.15)

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

Figura 3.15 Implementación de la evolución de SUELO RESIDENCIAL

Fuente: Elaboración propia

Implementación de la Evolución del Área verde (ver Figura 3.16)

Se incorporó los conectores, del convertidor

m2 por persona y la variable auxiliar
incremento de población a la variable de flujo
incremento área verde por año.

AREA VERDE URBANO

incremento de
poblacion

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.

Figura 3.16 Implementación de la evolución del AREA VERDE

Fuente: Elaboración propia

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 de renta dism renta aumento viviendas

por renta

tasa incremento tasa dism

renta renta

AREA VERDE URBANO

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).

Figura 3.19 Modelo Propuesto del Área Urbana de la Ciudad de El Alto

Distrito 1 y Distrito 2
Fuente: Elaboración propia

87
Figura 3.20 Modelo Propuesto del Área Urbana de la Ciudad de El Alto
Distrito 3 y Distrito 4
Fuente: Elaboración propia

Figura 3.21 Modelo Propuesto del Área Urbana de la Ciudad de El Alto

Distrito 13 y Distrito 14
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

4.1 RESULTADOS DEL MODELO

La simulación del modelo queda recogida en las Tabla 3.3. En señalada tabla se indica una
proyección por año hasta la gestión 2024 de las variables de la población, número de
hogares, número de viviendas, suelo residencial ocupado por viviendas, áreas verdes (ver
Figura 4.1).

Datos del censo

del año 2001 la Datos del censo
Población, Nro. de del año 2012 la
hogares, Nro. Población, Nro. de
Viviendas, Nro. de hogares, Nro.
Hogares, Suelo Viviendas, Nro. de
residencial (has), Hogares, Suelo
Área verde (has), residencial (has),
Renta. Área verde (has),
Renta.

Proyección al año
2024.La Población se
proyecta en
crecimiento de 28%
población

13.35% Nro. de
Hogares

18% Suelo Residencial 14% Área Verde 12% Renta

10.5 % Nro. Viviendas

Figura 4.1 Resultado de la simulación Área Urbana de la ciudad El Alto

Fuente: Elaboración propia

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

Proyección al año 2024 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

Proyección al año 2024 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)

Datos del censo del año 2001 la

Población por distritos

Población Población Población Población Población Población Población

Distrito 1 Distrito 2 Distrito 3 Distrito 4 Distrito 5 Distrito 6 Distrito 7

Proyección de la densidad al año 2024 por

distritos

Población Población Población Población Población Población Población

Distrito 1 Distrito 2 Distrito 3 Distrito 4 Distrito 5 Distrito 6 Distrito 7

Figura 4.4 Resultado de proyección de la densidad del

Distritos de mayor densidad:
Crecimiento de la ciudad El Alto por distritos 1-7 Distrito 1: Ciudad Satélite, Villa Dolores, Santiago1º, Bolívar A, 12 de Octubre, etc.
Fuente: Elaboración propia Distrito 3: Cosmos 79, Villa Adela, 1ro. De Mayo, Luis Espinal, Bolívar C, F.
Distrito de menor densidad:
Distrito 7: Urb.Bello Horizonte, Urb. Las Lomas, Urb.Utama.

93
 Datos del censo del año 2001 la Población
por distritos

Población Población Población Población Población Población Población

Distrito 8 Distrito 9 Distrito 10 Distrito 11 Distrito 12 Distrito 13 Distrito 14

Proyección de la densidad al año 2024 por distritos

Población Población Población Población Población Población Población

Distrito 8 Distrito 9 Distrito 10 Distrito 11 Distrito 12 Distrito 13 Distrito 14

Distritos de menor densidad:

Distrito 8: Francisco, Khantati, Ventilla,
Atipiris.
Distrito 9: Villandrani, Urb Rosario , Urb. San

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).

Datos del censo del año 2001 número de

hogares por distrito

Población Población Población Población Población Población Población

Distrito 1 Distrito 2 Distrito 3 Distrito 4 Distrito 5 Distrito 6 Distrito 7

Proyección de número de
hogares año 2024 por distritos

Población Población Población Población Población Población Población

Distrito 1 Distrito 2 Distrito 3 Distrito 4 Distrito 5 Distrito 6 Distrito 7

Los distritos de mayor número de hogares son: Distrito 1, Distrito 2, Distrito 3

Los distritos de media número de hogares son: Distrito 4, Distrito 5, Distrito 6
Los distritos de menor número de hogares son: Distrito 7

Figura 4.6 Resultado de proyección de nuevos hogares de la ciudad

El Alto por distritos 1-7
Fuente: Elaboración propia

95
 Datos del censo del año 2001 número de
hogares por distrito

Población Población Población Población Población Población Población

Distrito 8 Distrito 9 Distrito 10 Distrito11 Distrito12 Distrito13 Distrito 14
1010 11

Proyección de número de hogares

año 2024 por distritos

Población Población Población Población Población Población Población

Distrito 8 Distrito 9 Distrito 10 Distrito 11 Distrito 12 Distrito 13 Distrito 14

Los distritos de mayor número de hogares son: Distrito 8, Distrito 14

Los distritos de media número de hogares son: Distrito 9
Los distritos de menor número de hogares son: Distrito 10, Distrito 11, Distrito 12, Distrito
13

Figura 4.7 Resultado de proyección de nuevos hogares de la ciudad

El Alto por distritos 8-14
Fuente: Elaboración propia

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

Población Población Población Población Población Población Población

Distrito 1 Distrito 2 Distrito 3 Distrito 4 Distrito 5 Distrito 6 Distrito 7

Proyección del suelo residencial y área verde

al año 2024 por distritos

Población Población Población Población Población Población Población

Distrito 1 Distrito 2 Distrito 3 Distrito 4 Distrito 5 Distrito 6 Distrito 7

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

Población Población Población Población Población Población Población

Distrito 8 Distrito 9 Distrito 10 Distrito 11 Distrito 12 Distrito 13 Distrito 14

Proyección del suelo residencial y área

verde al año 2024 por distritos

Población Población Población Población Población Población Población

Distrito 8 Distrito 9 Distrito 10 Distrito 11 Distrito 12 Distrito 13 Distrito 14

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

En nuestro caso demostraremos la hipótesis con la distribución "t DE STUDENT",

para realizar esto tenemos de negar la hipótesis:

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

AÑOS POBLACIÓN AÑOS POBLACIÓN

2001 649958 2007 751857
2002 665927 2008 770330
2003 682289 2009 789257
2004 699053 2010 808649
2005 716229 2011 828517
2006 733827 2012 848874
TOTAL 8944767
PROMEDIO(X) 745397,25

99
 ∑ ( )
( )

Varianza muestral

s = 65187.44

Prueba con nivel de 5% de significancia esto es α = 0.05

Y “n” es la cantidad de años desde el último censo

1.- Datos:
µ = 745129.36

s = 65187.44

x = 745397.25

n = 12

α = 0.05

2.- Ensayo de la hipótesis

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

tL = -2.365 µ = 745129.36 tL = -2.365

Figura 4.10 Verificación de la Región de aceptación del promedio de la población

Fuente: Elaboración propia

100
3.- Regla de Decisión:

Si –2.365 ≤ tR ≤ 2.365 No se rechaza Ho

Si tR < -2.365 ó si tR > 2.365 Se rechaza Ho

4.- Cálculos:

( )
⁄
√

tR = 0.014

5.- Justificación y decisión:

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

5.1 CONCLUSIONES GENERALES

La simulación en contextos urbanos, resulta muy útil a 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 es por eso que la simulación es útil para planificaciones futuras.
 Cumplimientos de los objetivos
El objetivo general:”Construir un modelo de simulación dinámica que refleje el
crecimiento poblacional urbano de la ciudad de El Alto basado en variables económicas y
sociales utilizando eventos discretos, para disminuir las tendencias negativas y fortalecer as
positivas” el objetivo propuesto se cumplió con la implementación del modelo y las
variables encontradas que nos permiten la simulación para planificaciones futuras en la
ciudad de El Alto.
En objetivo especifico
- Identificar las principales variables económicas y sociales relacionadas con el
crecimiento urbano.
- Determinar patrones de crecimiento urbano en la ciudad
- Analizar y Modelar el crecimiento urbano de la ciudad.
- Desarrollar una simulación a partir de las variables
- Evaluar los datos obtenidos en la simulación
Se cumple debido a que las variables que identificamos: Población, Hogares, Suelo
Residencial, Número de Viviendas, Área Verde nos ayudaron a poder analizar y modelar
para realizar la simulación mediante eventos discretos y así evaluar los datos obtenidos con
los datos estadísticos.

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.

5.3 TRABAJOS FUTUROS

Como consecuencia de este trabajo surgen algunas temáticas de investigación que
pueden ser ampliadas por futuros trabajos de investigación en este sentido se plantean las
siguientes:
- Experimentar con nuevos modelos de vida para el crecimiento poblacional de
cualquier tipo de especies que existan en el planeta en función a sus datos
históricos basados en eventos discretos y dinámica de sistemas.

103
REFERENCIAS BIBLIOGRÁFICAS
REFERENCIAS BIBLIOGRAFICAS
Banks, J., Carson, J., &Nelson, B. L. (1996). Discrete Event System Simulation. New
Jersey: Pretice-Hall.

Informática Aplicada, Cátedra de Calculo Estadístico y Biometría 2003

Fishman, G. (1978). Conceptos y métodos en la simulación digital de eventos Discretos.
México: Limusa.

Forrester, J. (1969). System Simulation for Regional Analysis. Massachusetts: The MIT
Press.

Roberts. (1983). Introduction to computer simulation. Addison Wesley

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.

Beltrao-Moura, J.A., Redes locales de computadoras, McGraw Hill, 1990.

Jain, R. The art of computer systems performance analysis, John Wiley and sons,1991.

Proyectos MAC: Micro mundos de Simulación para el Aprendizaje de Ciencias 2002

Azaran M.R. y García Duna Simulación y análisis de modelos estocásticos. Editorial

McGrawHill
Erwin Kreyszig Introducción a la estadística matemática, principios y métodos
Editorial Limusa.

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.

Apuntes de la cátedra Estadística Técnica (2009).Facultad de Ingeniería. Universidad

Nacional de Cuyo

Zar, Jerrold H.- Biostatistical Analysis.- 4rd ed.- Prentice Hall, Inc . Recuperado. Por
http://ftp.medprev.uma.es/libro/html.htm

ARACIL, Javier. Introducción a la Dinámica de Sistemas.(1995) Alianza Editorial S.A.

Madrid.
ANEXOS
DEFINICION DE LAS RELACIONES ANALITICAS DE LAS VARIABLES DEL
MODELO PROPUESTO DEL AREA URBANA DE LA CIUDAD DE EL ALTO POR
DISTRITOS

ANEXO A:
ACUMULADO(t) = ACUMULADO(t - dt) + (porcent) * dtINIT ACUMULADO = 0

INFLOWS:

porcent = ((DISTRITO_1/SUELO_RESIDENCIAL)-DENSIDAD+10)*(100/DENSIDAD)

ACUMULADO_10(t) = ACUMULADO_10(t - dt) + (porcent_10) * dtINIT ACUMULADO_10 = 0

INFLOWS:

porcent_10 = ((DISTRITO_10/SUELO_RESIDENCIAL_10)-
DENSIDAD_10+10)*(100/DENSIDAD_10)

ACUMULADO_11(t) = ACUMULADO_11(t - dt) + (porcent_11) * dtINIT ACUMULADO_11 = 0

INFLOWS:

porcent_11 = ((DISTRITO_11/SUELO_RESIDENCIAL_11)-
DENSIDAD_11+10)*(100/DENSIDAD_11)

ACUMULADO_12(t) = ACUMULADO_12(t - dt) + (porcent_12) * dtINIT ACUMULADO_12 = 0

INFLOWS:

porcent_12 = ((DISTRITO_12/SUELO_RESIDENCIAL_12)-
DENSIDAD_12+10)*(100/DENSIDAD_12)

ACUMULADO_13(t) = ACUMULADO_13(t - dt) + (porcent_13) * dtINIT ACUMULADO_13 = 0

INFLOWS:

porcent_13 = ((DISTRITO_13/SUELO_RESIDENCIAL_13)-
DENSIDAD_13+10)*(100/DENSIDAD_13)

ACUMULADO_14(t) = ACUMULADO_14(t - dt) + (porcent_14) * dtINIT ACUMULADO_14 = 0

INFLOWS:

porcent_14 = ((DISTRITO_14/SUELO_RESIDENCIAL_14)-
DENSIDAD_14+10)*(100/DENSIDAD_14)

ACUMULADO_2(t) = ACUMULADO_2(t - dt) + (porcent_2) * dtINIT ACUMULADO_2 = 0

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)

ACUMULADO_4(t) = ACUMULADO_4(t - dt) + (porcent_4) * dtINIT ACUMULADO_4 = 0

INFLOWS:

porcent_4 = ((DISTRITO_4/SUELO_RESIDENCIAL_4)-DENSIDAD_4+10)*(100/DENSIDAD_4)

ACUMULADO_5(t) = ACUMULADO_5(t - dt) + (porcent_5) * dtINIT ACUMULADO_5 = 0

INFLOWS:

porcent_5 = ((DISTRITO_5/SUELO_RESIDENCIAL_5)-DENSIDAD_5+10)*(100/DENSIDAD_5)

ACUMULADO_6(t) = ACUMULADO_6(t - dt) + (porcent_6) * dtINIT ACUMULADO_6 = 0

INFLOWS:

porcent_6 = ((DISTRITO_6/SUELO_RESIDENCIAL_6)-DENSIDAD_6+10)*(100/DENSIDAD_6)

ACUMULADO_7(t) = ACUMULADO_7(t - dt) + (porcent_7) * dtINIT ACUMULADO_7 = 0

INFLOWS:

porcent_7 = ((DISTRITO_7/SUELO_RESIDENCIAL_7)-DENSIDAD_7+10)*(100/DENSIDAD_7)

ACUMULADO_8(t) = ACUMULADO_8(t - dt) + (porcent_8) * dtINIT ACUMULADO_8 = 0

INFLOWS:

porcent_8 = ((DISTRITO_8/SUELO_RESIDENCIAL_8)-DENSIDAD_8+10)*(100/DENSIDAD_8)

ACUMULADO_9(t) = ACUMULADO_9(t - dt) + (porcent_9) * dtINIT ACUMULADO_9 = 0

INFLOWS:

porcent_9 = ((DISTRITO_9/SUELO_RESIDENCIAL_9)-DENSIDAD_9+10)*(100/DENSIDAD_9)

AREA_VERDE_URBANO(t) = AREA_VERDE_URBANO(t - dt) + (inc_area_verde) * dtINIT

AREA_VERDE_URBANO = 61.82

INFLOWS:

inc_area_verde = incremento_de_poblacion*m2_por_persona

AREA_VERDE_URBANO_10(t) = AREA_VERDE_URBANO_10(t - dt) + (inc_area_verde_10) *

dtINIT AREA_VERDE_URBANO_10 = 21.3

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

AREA_VERDE_URBANO_12(t) = AREA_VERDE_URBANO_12(t - dt) + (inc_area_verde_12) *

dtINIT AREA_VERDE_URBANO_12 = 10.6

INFLOWS:

inc_area_verde_12 = incremento_de_poblacion_12*m2_por_persona_12

AREA_VERDE_URBANO_13(t) = AREA_VERDE_URBANO_13(t - dt) + (inc_area_verde_13) *

dtINIT AREA_VERDE_URBANO_13 = 2.9

INFLOWS:

inc_area_verde_13 = incremento_de_poblacion_13*m2_por_persona_13

AREA_VERDE_URBANO_14(t) = AREA_VERDE_URBANO_14(t - dt) + (inc_area_verde_14) *

dtINIT AREA_VERDE_URBANO_14 = 23.7

INFLOWS:

inc_area_verde_14 = incremento_de_poblacion_14*m2_por_persona_14

AREA_VERDE_URBANO_2(t) = AREA_VERDE_URBANO_2(t - dt) + (inc_area_verde_2) *

dtINIT AREA_VERDE_URBANO_2 = 42.28

INFLOWS:

inc_area_verde_2 = incremento_de_poblacion_2*m2_por_persona_2

AREA_VERDE_URBANO_3(t) = AREA_VERDE_URBANO_3(t - dt) + (inc_area_verde_3) *

dtINIT AREA_VERDE_URBANO_3 = 65.21

INFLOWS:

inc_area_verde_3 = incremento_de_poblacion_3*m2_por_persona_3

AREA_VERDE_URBANO_4(t) = AREA_VERDE_URBANO_4(t - dt) + (inc_area_verde_4) *

dtINIT AREA_VERDE_URBANO_4 = 57.82

INFLOWS:

inc_area_verde_4 = incremento_de_poblacion_4*m2_por_persona_4

AREA_VERDE_URBANO_5(t) = AREA_VERDE_URBANO_5(t - dt) + (inc_area_verde_5) *

dtINIT AREA_VERDE_URBANO_5 = 43.61

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

AREA_VERDE_URBANO_7(t) = AREA_VERDE_URBANO_7(t - dt) + (inc_area_verde_7) *

dtINIT AREA_VERDE_URBANO_7 = 32.13

INFLOWS:

inc_area_verde_7 = incremento_de_poblacion_7*m2_por_persona_7

AREA_VERDE_URBANO_8(t) = AREA_VERDE_URBANO_8(t - dt) + (inc_area_verde_8) *

dtINIT AREA_VERDE_URBANO_8 = 34.32

INFLOWS:

inc_area_verde_8 = incremento_de_poblacion_8*m2_por_persona_8

AREA_VERDE_URBANO_9(t) = AREA_VERDE_URBANO_9(t - dt) + (inc_area_verde_9) *

dtINIT AREA_VERDE_URBANO_9 = 18.5

INFLOWS:

inc_area_verde_9 = incremento_de_poblacion_9*m2_por_persona_9

C_M2_DISTRITO_1(t) = C_M2_DISTRITO_1(t - dt) + (incremento - depreciacion) * dtINIT

C_M2_DISTRITO_1 = 90

INFLOWS:

incremento = 1*valor1

OUTFLOWS:

depreciacion = 1*valor2

C_M2_DISTRITO_10(t) = C_M2_DISTRITO_10(t - dt) + (incremento_10 - depreciacion_10) *

dtINIT C_M2_DISTRITO_10 = 90

INFLOWS:

incremento_10 = 1*valor1_10

OUTFLOWS:

depreciacion_10 = 1*valor2_10

C_M2_DISTRITO_11(t) = C_M2_DISTRITO_11(t - dt) + (incremento_11 - depreciacion_11) *

dtINIT C_M2_DISTRITO_11 = 90

INFLOWS:
incremento_11 = 1*valor1_11

OUTFLOWS:

depreciacion_11 = 1*valor2_11

C_M2_DISTRITO_12(t) = C_M2_DISTRITO_12(t - dt) + (incremento_12 - depreciacion_12) *

dtINIT C_M2_DISTRITO_12 = 90

INFLOWS:

incremento_12 = 1*valor1_12

OUTFLOWS:

depreciacion_12 = 1*valor2_12

C_M2_DISTRITO_13(t) = C_M2_DISTRITO_13(t - dt) + (incremento_13 - depreciacion_13) *

dtINIT C_M2_DISTRITO_13 = 90

INFLOWS:

incremento_13 = 1*valor1_13

OUTFLOWS:

depreciacion_13 = 1*valor2_13

C_M2_DISTRITO_14(t) = C_M2_DISTRITO_14(t - dt) + (incremento_14 - depreciacion_14) *

dtINIT C_M2_DISTRITO_14 = 90

INFLOWS:

incremento_14 = 1*valor1_14

OUTFLOWS:

depreciacion_14 = 1*valor2_14

C_M2_DISTRITO_2(t) = C_M2_DISTRITO_2(t - dt) + (incremento_2 - depreciacion_2) * dtINIT

C_M2_DISTRITO_2 = 90

INFLOWS:

incremento_2 = 1*valor1_2

OUTFLOWS:

depreciacion_2 = 1*valor2_2

C_M2_DISTRITO_3(t) = C_M2_DISTRITO_3(t - dt) + (incremento_3 - depreciacion_3) * dtINIT

C_M2_DISTRITO_3 = 90

INFLOWS:

incremento_3 = 1*valor1_3
OUTFLOWS:

depreciacion_3 = 1*valor2_3

C_M2_DISTRITO_4(t) = C_M2_DISTRITO_4(t - dt) + (incremento_4 - depreciacion_4) * dtINIT

C_M2_DISTRITO_4 = 90

INFLOWS:

incremento_4 = 1*valor1_4

OUTFLOWS:

depreciacion_4 = 1*valor2_4

C_M2_DISTRITO_5(t) = C_M2_DISTRITO_5(t - dt) + (incremento_5 - depreciacion_5) * dtINIT

C_M2_DISTRITO_5 = 90

INFLOWS:

incremento_5 = 1*valor1_5

OUTFLOWS:

depreciacion_5 = 1*valor2_5

C_M2_DISTRITO_6(t) = C_M2_DISTRITO_6(t - dt) + (incremento_6 - depreciacion_6) * dtINIT

C_M2_DISTRITO_6 = 90

INFLOWS:

incremento_6 = 1*valor1_6

OUTFLOWS:

depreciacion_6 = 1*valor2_6

C_M2_DISTRITO_7(t) = C_M2_DISTRITO_7(t - dt) + (incremento_7 - depreciacion_7) * dtINIT

C_M2_DISTRITO_7 = 90

INFLOWS:

incremento_7 = 1*valor1_7

OUTFLOWS:

depreciacion_7 = 1*valor2_7

C_M2_DISTRITO_8(t) = C_M2_DISTRITO_8(t - dt) + (incremento_8 - depreciacion_8) * dtINIT

C_M2_DISTRITO_8 = 90

INFLOWS:

incremento_8 = 1*valor1_8

OUTFLOWS:
depreciacion_8 = 1*valor2_8

C_M2_DISTRITO_9(t) = C_M2_DISTRITO_9(t - dt) + (incremento_9 - depreciacion_9) * dtINIT

C_M2_DISTRITO_9 = 90

INFLOWS:

incremento_9 = 1*valor1_9

OUTFLOWS:

depreciacion_9 = 1*valor2_9

DENSIDAD(t) = DENSIDAD(t - dt) + (densidd) * dtINIT DENSIDAD = 104.35

INFLOWS:

densidd = ((DISTRITO_1/SUELO_RESIDENCIAL)+DENSIDAD)/1000{Densidad de población

Hab. / Hectárea en %}

DENSIDAD_10(t) = DENSIDAD_10(t - dt) + (densidd_10) * dtINIT DENSIDAD_10 = 6.08

INFLOWS:

densidd_10 = ((DISTRITO_10/SUELO_RESIDENCIAL_10)+DENSIDAD_10)/1000{Densidad de
población

Hab. / Hectárea en %}

DENSIDAD_11(t) = DENSIDAD_11(t - dt) + (densidd_11) * dtINIT DENSIDAD_11 = 6.03

INFLOWS:

densidd_11 = ((DISTRITO_11/SUELO_RESIDENCIAL_11)+DENSIDAD_11)/1000{Densidad de
población

Hab. / Hectárea en %}

DENSIDAD_12(t) = DENSIDAD_12(t - dt) + (densidd_12) * dtINIT DENSIDAD_12 = 4.93

INFLOWS:

densidd_12 = ((DISTRITO_12/SUELO_RESIDENCIAL_12)+DENSIDAD_12)/1000{Densidad de
población

Hab. / Hectárea en %}

DENSIDAD_13(t) = DENSIDAD_13(t - dt) + (densidd_13) * dtINIT DENSIDAD_13 = 2.16

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 %}

DENSIDAD_2(t) = DENSIDAD_2(t - dt) + (densidd_2) * dtINIT DENSIDAD_2 = 67.63

INFLOWS:

densidd_2 = ((DISTRITO_2/SUELO_RESIDENCIAL_2)+DENSIDAD_2)/1000{Densidad de
población

Hab. / Hectárea en %}

DENSIDAD_3(t) = DENSIDAD_3(t - dt) + (densidd_3) * dtINIT DENSIDAD_3 = 72.25

INFLOWS:

densidd_3 = ((DISTRITO_3/SUELO_RESIDENCIAL_3)+DENSIDAD_3)/1000{Densidad de
población

Hab. / Hectárea en %}

DENSIDAD_4(t) = DENSIDAD_4(t - dt) + (densidd_4) * dtINIT DENSIDAD_4 = 49.25

INFLOWS:

densidd_4 = ((DISTRITO_4/SUELO_RESIDENCIAL_4)+DENSIDAD_4)/1000{Densidad de
población

Hab. / Hectárea en %}

DENSIDAD_5(t) = DENSIDAD_5(t - dt) + (densidd_5) * dtINIT DENSIDAD_5 = 60.60

INFLOWS:

densidd_5 = ((DISTRITO_5/SUELO_RESIDENCIAL_5)+DENSIDAD_5)/1000{Densidad de
población

Hab. / Hectárea en %}

DENSIDAD_6(t) = DENSIDAD_6(t - dt) + (densidd_6) * dtINIT DENSIDAD_6 = 61.81

INFLOWS:

densidd_6 = ((DISTRITO_6/SUELO_RESIDENCIAL_6)+DENSIDAD_6)/1000{Densidad de
población

Hab. / Hectárea en %}

DENSIDAD_7(t) = DENSIDAD_7(t - dt) + (densidd_7) * dtINIT DENSIDAD_7 = 1.99

INFLOWS:

densidd_7 = ((DISTRITO_7/SUELO_RESIDENCIAL_7)+DENSIDAD_7)/1000{Densidad de
población

Hab. / Hectárea en %}

DENSIDAD_8(t) = DENSIDAD_8(t - dt) + (densidd_8) * dtINIT DENSIDAD_8 = 5.61

INFLOWS:

densidd_8 = ((DISTRITO_8/SUELO_RESIDENCIAL_8)+DENSIDAD_8)/1000{Densidad de
población

Hab. / Hectárea en %}

DENSIDAD_9(t) = DENSIDAD_9(t - dt) + (densidd_9) * dtINIT DENSIDAD_9 = 0.17

INFLOWS:

densidd_9 = ((DISTRITO_9/SUELO_RESIDENCIAL_9)+DENSIDAD_9)/1000{Densidad de
población

Hab. / Hectárea en %}

DISTRITO_1(t) = DISTRITO_1(t - dt) + (nacimientos - muertes - saldo_migratorio) * dtINIT

DISTRITO_1 = 99920{ habitantes}

INFLOWS:

nacimientos = tasa_de_nacimiento*DISTRITO_1{habitantes/año}

OUTFLOWS:

muertes = tasa_mortandad*DISTRITO_1{ habitantes/año}

saldo_migratorio = tasa_migratoria*DISTRITO_1{habitantes /año}

DISTRITO_10(t) = DISTRITO_10(t - dt) + (nacimientos_10 - muertes_10 - saldo_migratorio_10) *

dtINIT DISTRITO_10 = 608{ habitantes}

INFLOWS:

nacimientos_10 = tasa_de_nacimiento_10*DISTRITO_10{habitantes/año}

OUTFLOWS:

muertes_10 = tasa_mortandad_10*DISTRITO_10{ habitantes/año}

saldo_migratorio_10 = tasa_migratoria_10*DISTRITO_10{habitantes /año}

DISTRITO_11(t) = DISTRITO_11(t - dt) + (nacimientos_11 - muertes_11 - saldo_migratorio_11) *

dtINIT DISTRITO_11 = 603{ habitantes}

INFLOWS:
nacimientos_11 = tasa_de_nacimiento_11*DISTRITO_11{habitantes/año}

OUTFLOWS:

muertes_11 = tasa_mortandad_11*DISTRITO_11{ habitantes/año}

saldo_migratorio_11 = tasa_migratoria_11*DISTRITO_11{habitantes /año}

DISTRITO_12(t) = DISTRITO_12(t - dt) + (nacimientos_12 - muertes_12 - saldo_migratorio_12) *

dtINIT DISTRITO_12 = 493{ habitantes}

INFLOWS:

nacimientos_12 = tasa_de_nacimiento_12*DISTRITO_12{habitantes/año}

OUTFLOWS:

muertes_12 = tasa_mortandad_12*DISTRITO_12{ habitantes/año}

saldo_migratorio_12 = tasa_migratoria_12*DISTRITO_12{habitantes /año}

DISTRITO_13(t) = DISTRITO_13(t - dt) + (nacimientos_13 - muertes_13 - saldo_migratorio_13) *

dtINIT DISTRITO_13 = 216{ habitantes}

INFLOWS:

nacimientos_13 = tasa_de_nacimiento_13*DISTRITO_13{habitantes/año}

OUTFLOWS:

muertes_13 = tasa_mortandad_13*DISTRITO_13{ habitantes/año}

saldo_migratorio_13 = tasa_migratoria_13*DISTRITO_13{habitantes /año}

DISTRITO_14(t) = DISTRITO_14(t - dt) + (nacimientos_14 - muertes_14 - saldo_migratorio_14) *

dtINIT DISTRITO_14 = 20118{ habitantes}

INFLOWS:

nacimientos_14 = tasa_de_nacimiento_14*DISTRITO_14{habitantes/año}

OUTFLOWS:

muertes_14 = tasa_mortandad_14*DISTRITO_14{ habitantes/año}

saldo_migratorio_14 = tasa_migratoria_14*DISTRITO_14{habitantes /año}

DISTRITO_2(t) = DISTRITO_2(t - dt) + (nacimientos_2 - muertes_2 - saldo_migratorio_2) * dtINIT

DISTRITO_2 = 75000{ habitantes}

INFLOWS:

nacimientos_2 = tasa_de_nacimiento_2*DISTRITO_2{habitantes/año}

OUTFLOWS:
muertes_2 = tasa_mortandad_2*DISTRITO_2{ habitantes/año}

saldo_migratorio_2 = tasa_migratoria_2*DISTRITO_2{habitantes /año}

DISTRITO_3(t) = DISTRITO_3(t - dt) + (nacimientos_3 - muertes_3 - saldo_migratorio_3) * dtINIT

DISTRITO_3 = 135014{ habitantes}

INFLOWS:

nacimientos_3 = tasa_de_nacimiento_3*DISTRITO_3{habitantes/año}

OUTFLOWS:

muertes_3 = tasa_mortandad_3*DISTRITO_3{ habitantes/año}

saldo_migratorio_3 = tasa_migratoria_3*DISTRITO_3{habitantes /año}

DISTRITO_4(t) = DISTRITO_4(t - dt) + (nacimientos_4 - muertes_4 - saldo_migratorio_4) * dtINIT

DISTRITO_4 = 90787{ habitantes}

INFLOWS:

nacimientos_4 = tasa_de_nacimiento_4*DISTRITO_4{habitantes/año}

OUTFLOWS:

muertes_4 = tasa_mortandad_4*DISTRITO_4{ habitantes/año}

saldo_migratorio_4 = tasa_migratoria_4*DISTRITO_4{habitantes /año}

DISTRITO_5(t) = DISTRITO_5(t - dt) + (nacimientos_5 - muertes_5 - saldo_migratorio_5) * dtINIT

DISTRITO_5 = 91000{ habitantes}

INFLOWS:

nacimientos_5 = tasa_de_nacimiento_5*DISTRITO_5{habitantes/año}

OUTFLOWS:

muertes_5 = tasa_mortandad_5*DISTRITO_5{ habitantes/año}

saldo_migratorio_5 = tasa_migratoria_5*DISTRITO_5{habitantes /año}

DISTRITO_6(t) = DISTRITO_6(t - dt) + (nacimientos_6 - muertes_6 - saldo_migratorio_6) * dtINIT

DISTRITO_6 = 101000{ habitantes}

INFLOWS:

nacimientos_6 = tasa_de_nacimiento_6*DISTRITO_6{habitantes/año}

OUTFLOWS:

muertes_6 = tasa_mortandad_6*DISTRITO_6{ habitantes/año}

saldo_migratorio_6 = tasa_migratoria_6*DISTRITO_6{habitantes /año}

DISTRITO_7(t) = DISTRITO_7(t - dt) + (nacimientos_7 - muertes_7 - saldo_migratorio_7) * dtINIT
DISTRITO_7 = 199{ habitantes}

INFLOWS:

nacimientos_7 = tasa_de_nacimiento_7*DISTRITO_7{habitantes/año}

OUTFLOWS:

muertes_7 = tasa_mortandad_7*DISTRITO_7{ habitantes/año}

saldo_migratorio_7 = tasa_migratoria_7*DISTRITO_7{habitantes /año}

DISTRITO_8(t) = DISTRITO_8(t - dt) + (nacimientos_8 - muertes_8 - saldo_migratorio_8) * dtINIT

DISTRITO_8 = 33000{ habitantes}

INFLOWS:

nacimientos_8 = tasa_de_nacimiento_8*DISTRITO_8{habitantes/año}

OUTFLOWS:

muertes_8 = tasa_mortandad_8*DISTRITO_8{ habitantes/año}

saldo_migratorio_8 = tasa_migratoria_8*DISTRITO_8{habitantes /año}

DISTRITO_9(t) = DISTRITO_9(t - dt) + (nacimientos_9 - muertes_9 - saldo_migratorio_9) * dtINIT

DISTRITO_9 = 2000{ habitantes}

INFLOWS:

nacimientos_9 = tasa_de_nacimiento_9*DISTRITO_9{habitantes/año}

OUTFLOWS:

muertes_9 = tasa_mortandad_9*DISTRITO_9{ habitantes/año}

saldo_migratorio_9 = tasa_migratoria_9*DISTRITO_9{habitantes /año}

HOGARES(t) = HOGARES(t - dt) + (nuevos_hogares) * dtINIT HOGARES = 28547

INFLOWS:

nuevos_hogares = (incremento_de_poblacion/(personas_por_hogar-
hogares_por_exsision_y_cambio__en_estructura)){personas/hogar}

HOGARES_10(t) = HOGARES_10(t - dt) + (nuevos_hogares_10) * dtINIT HOGARES_10 = 2487

INFLOWS:

nuevos_hogares_10 = (incremento_de_poblacion_10/(personas_por_hogar_10-
hogares_por_exsision_y_cambio__en_estructura_10)){personas/hogar}

HOGARES_11(t) = HOGARES_11(t - dt) + (nuevos_hogares_11) * dtINIT HOGARES_11 = 2246

INFLOWS:
nuevos_hogares_11 = (incremento_de_poblacion_11/(personas_por_hogar_11-
hogares_por_exsision_y_cambio__en_estructura_11)){personas/hogar}

HOGARES_12(t) = HOGARES_12(t - dt) + (nuevos_hogares_12) * dtINIT HOGARES_12 = 7397

INFLOWS:

nuevos_hogares_12 = (incremento_de_poblacion_12/(personas_por_hogar_12-
hogares_por_exsision_y_cambio__en_estructura_12)){personas/hogar}

HOGARES_13(t) = HOGARES_13(t - dt) + (nuevos_hogares_13) * dtINIT HOGARES_13 = 2654

INFLOWS:

nuevos_hogares_13 = (incremento_de_poblacion_13/(personas_por_hogar_13-
hogares_por_exsision_y_cambio__en_estructura_13)){personas/hogar}

HOGARES_14(t) = HOGARES_14(t - dt) + (nuevos_hogares_14) * dtINIT HOGARES_14 = 7578

INFLOWS:

nuevos_hogares_14 = (incremento_de_poblacion_14/(personas_por_hogar_14-
hogares_por_exsision_y_cambio__en_estructura_14)){personas/hogar}

HOGARES_2(t) = HOGARES_2(t - dt) + (nuevos_hogares_2) * dtINIT HOGARES_2 = 26868

INFLOWS:

nuevos_hogares_2 = (incremento_de_poblacion_2/(personas_por_hogar_2-
hogares_por_exsision_y_cambio__en_estructura_2)){personas/hogar}

HOGARES_3(t) = HOGARES_3(t - dt) + (nuevos_hogares_3) * dtINIT HOGARES_3 = 23077

INFLOWS:

nuevos_hogares_3 = (incremento_de_poblacion_3/(personas_por_hogar_3-
hogares_por_exsision_y_cambio__en_estructura_3)){personas/hogar}

HOGARES_4(t) = HOGARES_4(t - dt) + (nuevos_hogares_4) * dtINIT HOGARES_4 = 14121

INFLOWS:

nuevos_hogares_4 = (incremento_de_poblacion_4/(personas_por_hogar_4-
hogares_por_exsision_y_cambio__en_estructura_4)){personas/hogar}

HOGARES_5(t) = HOGARES_5(t - dt) + (nuevos_hogares_5) * dtINIT HOGARES_5 = 10538

INFLOWS:

nuevos_hogares_5 = (incremento_de_poblacion_5/(personas_por_hogar_5-
hogares_por_exsision_y_cambio__en_estructura_5)){personas/hogar}

HOGARES_6(t) = HOGARES_6(t - dt) + (nuevos_hogares_6) * dtINIT HOGARES_6 = 20559

INFLOWS:
nuevos_hogares_6 = (incremento_de_poblacion_6/(personas_por_hogar_6-
hogares_por_exsision_y_cambio__en_estructura_6)){personas/hogar}

HOGARES_7(t) = HOGARES_7(t - dt) + (nuevos_hogares_7) * dtINIT HOGARES_7 = 3564

INFLOWS:

nuevos_hogares_7 = (incremento_de_poblacion_7/(personas_por_hogar_7-
hogares_por_exsision_y_cambio__en_estructura_7)){personas/hogar}

HOGARES_8(t) = HOGARES_8(t - dt) + (nuevos_hogares_8) * dtINIT HOGARES_8 = 9524

INFLOWS:

nuevos_hogares_8 = (incremento_de_poblacion_8/(personas_por_hogar_8-
hogares_por_exsision_y_cambio__en_estructura_8)){personas/hogar}

HOGARES_9(t) = HOGARES_9(t - dt) + (nuevos_hogares_9) * dtINIT HOGARES_9 = 4648

INFLOWS:

nuevos_hogares_9 = (incremento_de_poblacion_9/(personas_por_hogar_9-
hogares_por_exsision_y_cambio__en_estructura_9)){personas/hogar}

NUMERO_VIVIENDAS(t) = NUMERO_VIVIENDAS(t - dt) + (nuevas_vivendas) * dtINIT

NUMERO_VIVIENDAS = 170497{viviendas}

INFLOWS:

nuevas_vivendas = aumento_viviendas_por_nuevos_hogares+aumento_viviendas__por_renta

NUMERO_VIVIENDAS_10(t) = NUMERO_VIVIENDAS_10(t - dt) + (nuevas_vivendas_10) *

dtINIT NUMERO_VIVIENDAS_10 = 170497{viviendas}

INFLOWS:

nuevas_vivendas_10 =
aumento_viviendas_por_nuevos_hogares_10+aumento_viviendas__por_renta_10

NUMERO_VIVIENDAS_11(t) = NUMERO_VIVIENDAS_11(t - dt) + (nuevas_vivendas_11) *

dtINIT NUMERO_VIVIENDAS_11 = 170497{viviendas}

INFLOWS:

nuevas_vivendas_11 =
aumento_viviendas_por_nuevos_hogares_11+aumento_viviendas__por_renta_11

NUMERO_VIVIENDAS_12(t) = NUMERO_VIVIENDAS_12(t - dt) + (nuevas_vivendas_12) *

dtINIT NUMERO_VIVIENDAS_12 = 170497{viviendas}

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

NUMERO_VIVIENDAS_14(t) = NUMERO_VIVIENDAS_14(t - dt) + (nuevas_vivendas_14) *

dtINIT NUMERO_VIVIENDAS_14 = 170497{viviendas}

INFLOWS:

nuevas_vivendas_14 =
aumento_viviendas_por_nuevos_hogares_14+aumento_viviendas__por_renta_14

NUMERO_VIVIENDAS_2(t) = NUMERO_VIVIENDAS_2(t - dt) + (nuevas_vivendas_2) * dtINIT

NUMERO_VIVIENDAS_2 = 170497{viviendas}

INFLOWS:

nuevas_vivendas_2 = aumento_viviendas_por_nuevos_hogares_2+aumento_viviendas__por_renta_2

NUMERO_VIVIENDAS_3(t) = NUMERO_VIVIENDAS_3(t - dt) + (nuevas_vivendas_3) * dtINIT

NUMERO_VIVIENDAS_3 = 170497{viviendas}

INFLOWS:

nuevas_vivendas_3 = aumento_viviendas_por_nuevos_hogares_3+aumento_viviendas__por_renta_3

NUMERO_VIVIENDAS_4(t) = NUMERO_VIVIENDAS_4(t - dt) + (nuevas_vivendas_4) * dtINIT

NUMERO_VIVIENDAS_4 = 170497{viviendas}

INFLOWS:

nuevas_vivendas_4 = aumento_viviendas_por_nuevos_hogares_4+aumento_viviendas__por_renta_4

NUMERO_VIVIENDAS_5(t) = NUMERO_VIVIENDAS_5(t - dt) + (nuevas_vivendas_5) * dtINIT

NUMERO_VIVIENDAS_5 = 170497{viviendas}

INFLOWS:

nuevas_vivendas_5 = aumento_viviendas_por_nuevos_hogares_5+aumento_viviendas__por_renta_5

NUMERO_VIVIENDAS_6(t) = NUMERO_VIVIENDAS_6(t - dt) + (nuevas_vivendas_6) * dtINIT

NUMERO_VIVIENDAS_6 = 170497{viviendas}

INFLOWS:

nuevas_vivendas_6 = aumento_viviendas_por_nuevos_hogares_6+aumento_viviendas__por_renta_6

NUMERO_VIVIENDAS_7(t) = NUMERO_VIVIENDAS_7(t - dt) + (nuevas_vivendas_7) * dtINIT

NUMERO_VIVIENDAS_7 = 170497{viviendas}

INFLOWS:
nuevas_vivendas_7 = aumento_viviendas_por_nuevos_hogares_7+aumento_viviendas__por_renta_7

NUMERO_VIVIENDAS_8(t) = NUMERO_VIVIENDAS_8(t - dt) + (nuevas_vivendas_8) * dtINIT

NUMERO_VIVIENDAS_8 = 170497{viviendas}

INFLOWS:

nuevas_vivendas_8 = aumento_viviendas_por_nuevos_hogares_8+aumento_viviendas__por_renta_8

NUMERO_VIVIENDAS_9(t) = NUMERO_VIVIENDAS_9(t - dt) + (nuevas_vivendas_9) * dtINIT

NUMERO_VIVIENDAS_9 = 170497{viviendas}

INFLOWS:

nuevas_vivendas_9 = aumento_viviendas_por_nuevos_hogares_9+aumento_viviendas__por_renta_9

RENTA(t) = RENTA(t - dt) + (inc_de_renta - dism_renta) * dtINIT RENTA = 1000

INFLOWS:

inc_de_renta = tasa_incremento_renta*10

OUTFLOWS:

dism_renta = tasa_dism_renta*1

RENTA_10(t) = RENTA_10(t - dt) + (inc_de_renta_10 - dism_renta_10) * dtINIT RENTA_10 =

1000

INFLOWS:

inc_de_renta_10 = tasa_incremento_renta_10*10

OUTFLOWS:

dism_renta_10 = tasa_dism_renta_10*1

RENTA_11(t) = RENTA_11(t - dt) + (inc_de_renta_11 - dism_renta_11) * dtINIT RENTA_11 =

1000

INFLOWS:

inc_de_renta_11 = tasa_incremento_renta_11*10

OUTFLOWS:

dism_renta_11 = tasa_dism_renta_11*1

RENTA_12(t) = RENTA_12(t - dt) + (inc_de_renta_12 - dism_renta_12) * dtINIT RENTA_12 =

1000

INFLOWS:

inc_de_renta_12 = tasa_incremento_renta_12*10

OUTFLOWS:
dism_renta_12 = tasa_dism_renta_12*1

RENTA_13(t) = RENTA_13(t - dt) + (inc_de_renta_13 - dism_renta_13) * dtINIT RENTA_13 =

1000

INFLOWS:

inc_de_renta_13 = tasa_incremento_renta_13*10

OUTFLOWS:

dism_renta_13 = tasa_dism_renta_13*1

RENTA_14(t) = RENTA_14(t - dt) + (inc_de_renta_14 - dism_renta_14) * dtINIT RENTA_14 =

1000

INFLOWS:

inc_de_renta_14 = tasa_incremento_renta_14*10

OUTFLOWS:

dism_renta_14 = tasa_dism_renta_14*1

RENTA_2(t) = RENTA_2(t - dt) + (inc_de_renta_2 - dism_renta_2) * dtINIT RENTA_2 = 1000

INFLOWS:

inc_de_renta_2 = tasa_incremento_renta_2*10

OUTFLOWS:

dism_renta_2 = tasa_dism_renta_2*1

RENTA_3(t) = RENTA_3(t - dt) + (inc_de_renta_3 - dism_renta_3) * dtINIT RENTA_3 = 1000

INFLOWS:

inc_de_renta_3 = tasa_incremento_renta_3*10

OUTFLOWS:

dism_renta_3 = tasa_dism_renta_3*1

RENTA_4(t) = RENTA_4(t - dt) + (inc_de_renta_4 - dism_renta_4) * dtINIT RENTA_4 = 1000

INFLOWS:

inc_de_renta_4 = tasa_incremento_renta_4*10

OUTFLOWS:

dism_renta_4 = tasa_dism_renta_4*1

RENTA_5(t) = RENTA_5(t - dt) + (inc_de_renta_5 - dism_renta_5) * dtINIT RENTA_5 = 1000

INFLOWS:

inc_de_renta_5 = tasa_incremento_renta_5*10

OUTFLOWS:

dism_renta_5 = tasa_dism_renta_5*1

RENTA_6(t) = RENTA_6(t - dt) + (inc_de_renta_6 - dism_renta_6) * dtINIT RENTA_6 = 1000

INFLOWS:

inc_de_renta_6 = tasa_incremento_renta_6*10

OUTFLOWS:

dism_renta_6 = tasa_dism_renta_6*1

RENTA_7(t) = RENTA_7(t - dt) + (inc_de_renta_7 - dism_renta_7) * dtINIT RENTA_7 = 1000

INFLOWS:

inc_de_renta_7 = tasa_incremento_renta_7*10

OUTFLOWS:

dism_renta_7 = tasa_dism_renta_7*1

RENTA_8(t) = RENTA_8(t - dt) + (inc_de_renta_8 - dism_renta_8) * dtINIT RENTA_8 = 1000

INFLOWS:

inc_de_renta_8 = tasa_incremento_renta_8*10

OUTFLOWS:

dism_renta_8 = tasa_dism_renta_8*1

RENTA_9(t) = RENTA_9(t - dt) + (inc_de_renta_9 - dism_renta_9) * dtINIT RENTA_9 = 1000

INFLOWS:

inc_de_renta_9 = tasa_incremento_renta_9*10

OUTFLOWS:

dism_renta_9 = tasa_dism_renta_9*1

SUELO_RESIDENCIAL(t) = SUELO_RESIDENCIAL(t - dt) + (nuevo_suelo_residencial) * dtINIT

SUELO_RESIDENCIAL = 1410

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

SUELO_RESIDENCIAL_11(t) = SUELO_RESIDENCIAL_11(t - dt) +

(nuevo_suelo_residencial_11) * dtINIT SUELO_RESIDENCIAL_11 = 205

INFLOWS:

nuevo_suelo_residencial_11 = nuevas_vivendas_11*suelo_consumido_por_vivenda_11

SUELO_RESIDENCIAL_12(t) = SUELO_RESIDENCIAL_12(t - dt) +

(nuevo_suelo_residencial_12) * dtINIT SUELO_RESIDENCIAL_12 = 1015

INFLOWS:

nuevo_suelo_residencial_12 = nuevas_vivendas_12*suelo_consumido_por_vivenda_12

SUELO_RESIDENCIAL_13(t) = SUELO_RESIDENCIAL_13(t - dt) +

(nuevo_suelo_residencial_13) * dtINIT SUELO_RESIDENCIAL_13 = 87

INFLOWS:

nuevo_suelo_residencial_13 = nuevas_vivendas_13*suelo_consumido_por_vivenda_13

SUELO_RESIDENCIAL_14(t) = SUELO_RESIDENCIAL_14(t - dt) +

(nuevo_suelo_residencial_14) * dtINIT SUELO_RESIDENCIAL_14 = 1054

INFLOWS:

nuevo_suelo_residencial_14 = nuevas_vivendas_14*suelo_consumido_por_vivenda_14

SUELO_RESIDENCIAL_2(t) = SUELO_RESIDENCIAL_2(t - dt) + (nuevo_suelo_residencial_2) *

dtINIT SUELO_RESIDENCIAL_2 = 1331

INFLOWS:

nuevo_suelo_residencial_2 = nuevas_vivendas_2*suelo_consumido_por_vivenda_2

SUELO_RESIDENCIAL_3(t) = SUELO_RESIDENCIAL_3(t - dt) + (nuevo_suelo_residencial_3) *

dtINIT SUELO_RESIDENCIAL_3 = 2405

INFLOWS:

nuevo_suelo_residencial_3 = nuevas_vivendas_3*suelo_consumido_por_vivenda_3

SUELO_RESIDENCIAL_4(t) = SUELO_RESIDENCIAL_4(t - dt) + (nuevo_suelo_residencial_4) *

dtINIT SUELO_RESIDENCIAL_4 = 2259

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

SUELO_RESIDENCIAL_6(t) = SUELO_RESIDENCIAL_6(t - dt) + (nuevo_suelo_residencial_6) *

dtINIT SUELO_RESIDENCIAL_6 = 2318

INFLOWS:

nuevo_suelo_residencial_6 = nuevas_vivendas_6*suelo_consumido_por_vivenda_6

SUELO_RESIDENCIAL_7(t) = SUELO_RESIDENCIAL_7(t - dt) + (nuevo_suelo_residencial_7) *

dtINIT SUELO_RESIDENCIAL_7 = 136

INFLOWS:

nuevo_suelo_residencial_7 = nuevas_vivendas_7*suelo_consumido_por_vivenda_7

SUELO_RESIDENCIAL_8(t) = SUELO_RESIDENCIAL_8(t - dt) + (nuevo_suelo_residencial_8) *

dtINIT SUELO_RESIDENCIAL_8 = 2223

INFLOWS:

nuevo_suelo_residencial_8 = nuevas_vivendas_8*suelo_consumido_por_vivenda_8

SUELO_RESIDENCIAL_9(t) = SUELO_RESIDENCIAL_9(t - dt) + (nuevo_suelo_residencial_9) *

dtINIT SUELO_RESIDENCIAL_9 = 355

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 }

incremento_de_poblacion = nacimientos-muertes-saldo_migratorio {habitantes}

incremento_de_poblacion_10 = nacimientos_10-muertes_10-saldo_migratorio_10 {habitantes}

incremento_de_poblacion_11 = nacimientos_11-muertes_11-saldo_migratorio_11 {habitantes}

incremento_de_poblacion_12 = nacimientos_12-muertes_12-saldo_migratorio_12 {habitantes}

incremento_de_poblacion_13 = nacimientos_13-muertes_13-saldo_migratorio_13 {habitantes}

incremento_de_poblacion_14 = nacimientos_14-muertes_14-saldo_migratorio_14 {habitantes}

incremento_de_poblacion_2 = nacimientos_2-muertes_2-saldo_migratorio_2 {habitantes}

incremento_de_poblacion_3 = nacimientos_3-muertes_3-saldo_migratorio_3 {habitantes}

incremento_de_poblacion_4 = nacimientos_4-muertes_4-saldo_migratorio_4 {habitantes}

incremento_de_poblacion_5 = nacimientos_5-muertes_5-saldo_migratorio_5 {habitantes}

incremento_de_poblacion_6 = nacimientos_6-muertes_6-saldo_migratorio_6 {habitantes}

incremento_de_poblacion_7 = nacimientos_7-muertes_7-saldo_migratorio_7 {habitantes}

incremento_de_poblacion_8 = nacimientos_8-muertes_8-saldo_migratorio_8 {habitantes}

incremento_de_poblacion_9 = nacimientos_9-muertes_9-saldo_migratorio_9 {habitantes}

m2_por_persona = 0.0005
m2_por_persona_10 = 0.0005
m2_por_persona_11 = 0.0005
m2_por_persona_12 = 0.0005
m2_por_persona_13 = 0.0005
m2_por_persona_14 = 0.0005
m2_por_persona_2 = 0.0005
m2_por_persona_3 = 0.0005
m2_por_persona_4 = 0.0005
m2_por_persona_5 = 0.0005
m2_por_persona_6 = 0.0005
m2_por_persona_7 = 0.0005
m2_por_persona_8 = 0.0005
m2_por_persona_9 = 0.0005
personas_por_hogar = 5{personas}
personas_por_hogar_10 = 4{personas}
personas_por_hogar_11 = 4{personas}
personas_por_hogar_12 = 4{personas}
personas_por_hogar_13 = 4{personas}
personas_por_hogar_14 = 6{personas}
personas_por_hogar_2 = 4{personas}
personas_por_hogar_3 = 6{personas}
personas_por_hogar_4 = 5{personas}
personas_por_hogar_5 = 5{personas}
personas_por_hogar_6 = 5{personas}
personas_por_hogar_7 = 2{personas}
personas_por_hogar_8 = 7{personas}
personas_por_hogar_9 = 4{personas}
suelo_consumido_por_vivenda = 0.17
suelo_consumido_por_vivenda_10 = 0.18
suelo_consumido_por_vivenda_11 = 0.17
suelo_consumido_por_vivenda_12 = 0.19
suelo_consumido_por_vivenda_13 = 0.17
suelo_consumido_por_vivenda_14 = 0.17
suelo_consumido_por_vivenda_2 = 0.17
suelo_consumido_por_vivenda_3 = 0.17
suelo_consumido_por_vivenda_4 = 0.17
suelo_consumido_por_vivenda_5 = 0.20
suelo_consumido_por_vivenda_6 = 0.17
suelo_consumido_por_vivenda_7 = 0.15
suelo_consumido_por_vivenda_8 = 0.17
suelo_consumido_por_vivenda_9 = 0.17
1.2
tasa_aumento_vivienda_por_BS_y_persona_10
= 1.2
tasa_aumento_vivienda_por_BS_y_persona_11
= 1.2
tasa_aumento_vivienda_por_BS_y_persona_12
= 1.2
tasa_aumento_vivienda_por_BS_y_persona_13
= 1.2
tasa_aumento_vivienda_por_BS_y_persona_14
= 1.2
tasa_aumento_vivienda_por_BS_y_persona_2 =
1.2
tasa_aumento_vivienda_por_BS_y_persona_3 =
1.2
tasa_aumento_vivienda_por_BS_y_persona_4 =
1.2
tasa_aumento_vivienda_por_BS_y_persona_5 =
1.2
suelo_consumido_por_vivenda_8 = 0.17
suelo_consumido_por_vivenda_9 = 0.17
tasa_aumento_vivienda_por_BS_y_persona =
1.2
tasa_aumento_vivienda_por_BS_y_persona_10
= 1.2
tasa_aumento_vivienda_por_BS_y_persona_11
= 1.2
tasa_aumento_vivienda_por_BS_y_persona_12
= 1.2
tasa_aumento_vivienda_por_BS_y_persona_13
= 1.2
tasa_aumento_vivienda_por_BS_y_persona_14
= 1.2
tasa_aumento_vivienda_por_BS_y_persona_2 =
1.2
tasa_aumento_vivienda_por_BS_y_persona_3 =
1.2
tasa_aumento_vivienda_por_BS_y_persona_4 =
1.2
tasa_aumento_vivienda_por_BS_y_persona_5 =
1.2
tasa_aumento_vivienda_por_BS_y_persona_6 =
1.2
tasa_aumento_vivienda_por_BS_y_persona_7 =
1.2
tasa_aumento_vivienda_por_BS_y_persona_8 =
1.2
tasa_aumento_vivienda_por_BS_y_persona_9 =
1.2
tasa_de_nacimiento = 49/1000 {1/año}
tasa_de_nacimiento_10 = 36/1000 {1/año}
tasa_de_nacimiento_11 = 36/1000 {1/año}
tasa_de_nacimiento_12 = 37/1000 {1/año}
tasa_de_nacimiento_13 = 36/1000 {1/año}
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 }