Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA:
MODELO DE REGRESION LINEAL
DOCENTE:
CURSO:
MODELOS ESTOCÁSTICOS
INTEGRANTES:
CESAR ALFREDO GUERRERO FACUNDO
JACINTO RUMICHE ERICK ESTIWARD
PIURA – PERU
2021
1
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
DEDICATORIA
Nuestro trabajo final, principalmente está dedicado a nuestra docente encargada del desarrollo
del curso de modelos estocásticos, la Ingeniera Carmen Quito Rodríguez por su gloriosa
enseñanza y motivación que nos brinda continuamente para seguir adelante con el desarrollo
de nuestra carrera profesional. Y a nuestros compañeros que gracias a ellos podemos compartir
conocimientos e información y para ello es necesario compartir nuestro desarrollo del trabajo
con la finalidad de realimentar los conocimientos en la materia asignada con la finalidad de
obtener una base de superación tanto en el transcurso de nuestra formación universitaria como
también en nuestra vida profesional.
2
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
AGRADECIMIENTO
3
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
RESUMEN
4
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
INDICE
INTRODUCCIÓN............................................................................................................................ 6
OBJETIVOS DE LA INVESTIGACIÓN: ............................................................................................. 7
MARCO TEÓRICO ........................................................................................................................ 8
FORMULACIÓN Y OPERALIZACIÓN DE HIPÓTESIS ..................................................................... 15
ESPECIFICACIÓN DEL MODELO MATEMÁTICO........................................................................... 17
ESTIMACIÓN DEL MODELO MATEMÁTICO ................................................................................ 18
EVALUACIÓN DE AJUSTES DEL MODELO …................................................................................ 20
PRUEBA DE SIGNIFICANCIA DE
ESTADISTICA DEL MODELO GLOBAL E INDIVIDUAL …………………………………………………………….... 21
ESPECIFICACIÓN DEL MODELO
MATEMÁTICO (SIGNIFICANTES) ……………………………………………………………………………………………. 23
ESTIMACIÓN DEL MODELO MATEMÁTICO …………………………………………………………………………….24
EVALUACIÓN DE AJUSTES DEL MODELO ……………………………………………………………………………… 26
PRUEBA DE SIGNIFICANCIA DE
ESTADISTICA DEL MODELO GLOBAL …………………………………………………………………………………….. 27
PRUEBA DE SIGNIFICANCIA DE
ESTADISTICA DEL MODELO INDIVIDUAL ……………………………………………………………………………... 28
BIBLIOGRAFIA ………………………………………………………………………………………………………………….…..29
5
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
INTRODUCCIÓN
En nuestro país el sector pesquero es un elemento estratégico para la economía del Perú,
principalmente por ser una importante fuente generadora de divisas después de la minería. Éste
fue el segundo gran generador de divisas, que contribuyó al crecimiento económico del país. No
obstante, el mar peruano es un mar sumamente productivo y la aportación del sector contribuye
al crecimiento de la economía. Perú ha sido el segundo productor mundial de productos
pesqueros y el primer productor mundial de harina de pescado. Su carácter es estratégico
porque supone la segunda industria generadora de divisas por detrás de la minería. No es por
tanto una industria centrada en el consumo interno, ni lo es en el consumo directo. Tan sólo un
14,6% se dedica al consumo humano directo, mientras un 85,4% del pescado capturado se
convierte en aceites y harina; esto último es la que genera mayores ingresos para el país.
6
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
CAPITULO I
OBJETIVOS DE LA INVESTIGACIÓN:
OBJETIVO GENERAL:
Establecer los factores que influyen en el crecimiento
del PBI en el sector pesquero en los años 2007 - 2019.
OBJETIVO ESPECÍFICO:
Especificar modelos matemáticos para explicar los factores que influyen en el
crecimiento del PBI en el Sector Pesquero, utilizando modelos de regresión
Estimar los modelos matemáticos basados en los métodos de mínimos cuadrados
ordinarios
Evaluar los modelos matemáticos para determinar la significancia estadística y
determinar valores futuros de la variable de estudio.
7
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Marco Teórico:
Desde hace más de 5 mil años se realiza la actividad pesquera en Perú, prueba de ello son las
evidencias fehacientes que existen en la cultura de Caral -considerada la más antigua de
América- y que los peruanos han aprendido a valorar y aprovechar hasta la actualidad. Una
actividad que ha permitido convertir a Perú como uno de los principales países en captura
marina, permitiéndole ofrecer una gran variedad de especies marinas y continentales, tanto de
especies nativas como introducidas, logrando posicionarse favorablemente como un importante
socio comercial y proveedor mundial de productos pesqueros.
A esto se le suma la importante posición geográfica y las condiciones climáticas del país,
generando no solo una gran cantidad de recursos disponibles, sino principalmente de calidad y
variedad. Además, el mundo está revalorando el enorme potencial nutricional de los productos
marinos, tendencia que ha sido muy bien aprovechada por Perú, dado que posee las condiciones
e insumos necesarios para proyectarse como potencia mundial. Las costas peruanas poseen una
riqueza marina que viene siendo aprovechada de una manera sostenible, mediante el
ordenamiento pesquero y el manejo ambiental de la actividad que cumplen con las normativas
internacionales más exigentes, con el objetivo de difundir y preservar sus productos. Pero, sobre
todo, aseguran la extracción y el cultivo amistoso con el medio ambiente, así como la
sostenibilidad de las diversas especies.
Todo esto bajo la supervisión del Organismo Nacional de Sanidad Pesquera (SANIPES), entidad
autónoma adscrita al Ministerio de la Producción (PRODUCE), la cual se encarga de vigilar y
garantizar las condiciones higiénico-sanitarias en el cultivo, extracción y procesamientos de
todos los recursos pesqueros. De ese modo, se han podido ejecutar mejoras tecnológicas en la
industria de procesos de congelados, enlatados y curados para conservar la calidad original de
los recursos, logrando posicionar los productos en los más exigentes mercados internacionales.
8
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Si el estudio de identificación ha mostrado que los principales defectos del sistema pueden
remediarse construyendo instalaciones para la comercialización del pescado, el paso siguiente
será hacer un estudio de mercado, que deberá tomar en consideración los siguientes elementos:
9
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
También habrá que evaluar la fuerza de trabajo existente en la zona e identificar las necesidades
de capacitación.
2500.00
2000.00
1500.00
1000.00
500.00
0.00
0 2 4 6 8 10 12 14
10
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
El Perú es el principal productor de harina de pescado del mundo, la cual se obtiene luego de
retirarle todo el contenido de agua y gran parte de sus grasas y aceites al pescado, quedando
luego de este proceso la proteína como parte sólida, la cual es secada y luego molida al grado
de una harina.
La harina de pescado en el Perú se fabrica a partir de la anchoveta (Engraulins ringens), que es
la única especie permitida por el Ministerio de la Producción para este fin. La talla mínima de
captura permitida para este recurso es de 12 cm.
En otras partes del mundo, como Estados Unidos, se elabora harina de pescado en base a
menhaden (30 cm), en Noruega se utiliza el capelán (19 cm) y en Dinamarca se produce a partir
del arenque (20 cm).
Composición y usos de la harina de pescado
La harina de pescado está compuesta, en promedio, por entre 60% y 72% de proteína, entre 5%
y 12% de grasa, y un máximo de humedad del 9%, lo que le otorga estabilidad y permite
almacenarla y manipularla por un tiempo prolongado, de acuerdo con la Organización Mundial
de Ingredientes Marinos (IFFO).
Este ingrediente marino tiene entre sus beneficios la fácil digestibilidad de sus proteínas para
los organismos que lo consumen, además de ser rica en ácidos grasos poliinsaturados esenciales,
como el Omega 3, EPA y DHA.
El principal uso de la harina de pescado es la formulación de alimentos balanceados para el
desarrollo de actividades, como acuicultura (la principal), avicultura, ganadería, entre otros. De
este modo, los nutrientes de la anchoveta son aprovechados por los consumidores, a través del
consumo de otras carnes que han sido alimentadas con estos ingredientes.
11
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Producción de harina
de pescado
(Mil TMB)
1800.00
1600.00
1400.00
1200.00
1000.00
800.00
600.00
400.00
200.00
0.00
0 2 4 6 8 10 12 14
La industria pesquera es un sector que genera empleo formal, ingresos para el Estado
y exportaciones que tienen impacto económico a nivel descentralizado, gracias a que buena
parte de las actividades extractivas y de procesamiento de ingredientes marinos tienen su
centro de operaciones en ciudades costeras del interior del país.
El sector pesquero se ubica dentro del grupo de las cuatro actividades económicas con mayores
ingresos de divisas al país, según el Banco Central de Reserva del Perú. Representa
aproximadamente 7% de las exportaciones peruanas.
A nivel del mercado mundial, las exportaciones pesqueras peruanas también se posicionan en
un nivel expectante y en el caso de envíos de ingredientes marinos lidera el ranquin de acuerdo
con el Anuario Estadístico de la IFFO 2015. Perú es responsable por aproximadamente el 25-30%
de la producción mundial de harina y aceite de pescado.
7000.00
6000.00
5000.00
4000.00
3000.00
2000.00
1000.00
0.00
0 2 4 6 8 10 12 14
12
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
La Sociedad Nacional de Pesquería analizó los últimos ocho años de la pesca (artesanal e
industrial) peruana y reporta que la pesca para el Consumo Humano Directo – CHD ha
aumentado considerablemente. Esto se deduce del análisis realizado con las cifras oficiales de
pesca por especie y su uso industrial publicadas en el portal del Ministerio de la Producción.
Lo que primero observó la SNP fue el incremento de participación de la pesca para CHD, que hoy
representa el 17% de la pesca total, esto es un aumento de cinco puntos porcentuales en los
últimos ocho años.
El análisis realizado en los últimos ocho años de pesca considera dos periodos: 1) entre los años
2004-2007 en los que se pescó en promedio unas 917,209 toneladas; y 2) el que comprende los
años 2008-2011 donde se capturaron 1’093,810 toneladas. La variación observada fue de un
incremento del 19% de la pesca para consumo directo entre ambos períodos. Este crecimiento
se debería al efecto positivo de haber aplicado a partir del 2008 el sistema de Límites Máximos
de Captura por Embarcación o sistema de cuotas individuales para la pesca de anchoveta.
Los rubros más beneficiados fueron las industrias del congelado y enlatado que crecieron en un
39% y 18%. Sin embargo, la pesca para la venta en fresco disminuyó ligeramente en un 2.5%.
Cabe indicar que durante los años 2009-2011 nuestras aguas han sufrido el efecto de un
enfriamiento que desencadenó un efecto La Niña, que afectó la captura de especies importantes
como el Atún, la Caballa y principalmente el Jurel (en el 2010 sólo se capturaron 17,560
toneladas). A pesar de ello, el resto de especies experimentaron un fuerte incremento
destacando la Anchoveta, el Bonito y el Perico; y durante el 2011 hubo una importante
recuperación en la pesca del jurel y la caballa.
13
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
FORMULACIÓN:
En el Perú los factores que afectan al producto bruto interno en el sector pesquero, durante los
años 2007-2019
El análisis de las variables que influyen al momento de determinar el PBI en el Perù
OPERALIZACIÓN:
Se realizará un modelo de regresión lineal en donde la variable dependiente es el PBI en el Perù
tomando de referencia los años 2007-2019
Variable dependiente:
Producto Bruto Interno (PBI) del sector pesquero (millones de soles)
Variable independiente:
Variable independiente:
X1: Desembarque de productos pesqueros por utilización (TMB)
Describe el desembarque de diferentes productos marinos, el costo de la materia prima
(especies principales, los costos de funcionamiento y de transporte de los lugares de
14
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
desembarque hasta los principales centro distribuidores y puestos de venta al por mayor y
menos.
Relación entre las variables:
A mayor desembarque de productos pesqueros mayor será el PBI
X2: Transformación de Productos pesqueros (TMB)
Cubre todas aquellas actividades económicas que transforman diferentes clases de materias
primas en productos
Relación de las variables:
A mayor producto transformado, mayor será el PBI
X3: Producción de harina de pescado (Mil TMB)
Describe el proceso continuo que involucra la separación de los componentes del pescado.
Relación de las variables:
A mayor producción de Harina de pescado mayor será el PBI
X4: Consumo industrial (miles de ton.)
Describe el consumo industrial que genera la pesca en el Perú
Relación de las variables:
A mayor consumo industrial, mayor será el PBI
15
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Capítulo II
ESPECIFICACIÓN DEL MODELO MATEMÁTICO
Variables:
Efecto: Producto Bruto Interno (PBI) del sector pesquero (millones de soles)
Causa:
Desembarque de productos pesqueros por utilización (TMB)
Transformación de Productos pesqueros (TMB)
Producción de harina de pescado (Mil TMB)
Consumo industrial (miles de ton.)
Consumo humano Directo (miles de ton.)
Pesca continental (miles de ton.)
Modelos Especificado:
𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + 𝛽4 𝑋4 + 𝛽5 𝑋5 + 𝛽6 𝑋6
Producto bruto interno = f (Desembarque de productos pesqueros por utilización (TMB),
Transformación de Productos pesqueros (TMB), Producción de harina de pescado (Mil TMB),
Consumo industrial (miles de ton.), Consumo humano Directo (miles de ton.), Pesca continental
(miles de ton).
Producto bruto interno = B0+B1*Desembarque de productos pesqueros por utilización
(TMB)+B2* Transformación de Productos pesqueros (TMB)+B3* Producción de harina de
pescado (Mil TMB), +B4*Consumo industrial (miles de ton.) +B5* Consumo humano Directo
(miles de ton.) +B6* Pesca continental (miles de ton).
16
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Teniendo una data real, proporcionada por el Banco Central de Reservas del Perú, se estimara
un modelos de estimación lineal en donde la variable dependiente es Producto Bruto Interno de
la Pesca y las variables independientes, Desembarque de productos pesqueros por utilización
(TMB), Transformación de Productos pesqueros (TMB), Producción de harina de pescado (Mil
TMB), Consumo industrial (miles de ton.), Consumo humano Directo (miles de ton.), Pesca
continental (miles de ton), tomando como referencia los datos referenciales los años 2007-2019,
con un nivel de confianza del 94%.
17
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Modelo especificado:
Producto bruto interno = B0+B1*Desembarque de productos pesqueros por utilización
(TMB)+B2* Transformación de Productos pesqueros (TMB)+B3* Producción de harina de
pescado (Mil TMB), +B4*Consumo industrial (miles de ton.) +B5* Consumo humano Directo
(miles de ton.) +B6* Pesca continental (miles de ton).
18
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
CAPITULO III
Evaluación de ajuste de modelo
19
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Conclusión:
Como el F Calc. Es mayor que el F de tabla, se acepta H1. Por lo que podemos indicar al 94% de
nivel de confianza, que el modelo si es significativo estadísticamente.
Prueba de Significancia estadística del modelo individual
20
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Se evaluó el modelo de los factores que influyen en el producto bruto interno del sector
pesquero y estadísticamente 3 variables resultaron significativas, por lo que se recurrió a
evaluar un segundo modelo:
Variable dependiente:
Producto Bruto Interno (PBI) del sector pesquero (millones de soles)
Variable independiente:
Variable dependiente:
Producto Bruto Interno (PBI) del sector pesquero (millones de soles)
Describe el ingreso que genera el sector pesquero en el Perú por las diferentes exportaciones
que existen.
Variable independiente:
X1: Producción de harina de pescado (Mil TMB)
Describe el proceso continuo que involucra la separación de los componentes del pescado.
Relación de las variables:
A mayor producción de Harina de pescado mayor será el PBI
X2: Consumo industrial (miles de ton.)
Describe el consumo industrial que genera la pesca en el Perú
Relación de las variables:
A mayor consumo industrial, mayor será el PBI
X3: Pesca continental (miles de ton.)
Describe la actividad realizada para extraer pescado y otros organismos acuáticos.
Relación de la variables
A mayor extracción de pesca continental, mayor será el PBI.
21
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Variables:
Efecto: Producto Bruto Interno (PBI) del sector pesquero (millones de soles)
Causa:
Producción de harina de pescado (Mil TMB)
Consumo industrial (miles de ton.)
Pesca continental (miles de ton.)
Modelos Especificado:
𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3
Producto bruto interno = f(Producción de harina de pescado (Mil TMB), Consumo industrial
(miles de ton.), Pesca continental (miles de ton).
Teniendo una data real, proporcionada por el Banco Central de Reservas del Perú, se estimara
un modelos de estimación lineal en donde la variable dependiente es Producto Bruto Interno
de la Pesca y las variables independientes serian, Producción de harina de pescado (Mil TMB),
Consumo industrial (miles de ton.), Pesca continental (miles de ton), tomando como referencia
los datos referenciales los años 2007-2019, con un nivel de confianza del 94%.
22
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Modelo especificado:
Producto bruto interno = B0+B1*Producción de harina de pescado (Mil TMB) +B4*Consumo
industrial (miles de ton.)+B6* Pesca continental (miles de ton).
23
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
HIPOTESIS A PRIORI:
24
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
̅ 𝟐 ajustado= 72,71%
𝑹
El 72,71% del comportamiento de la variable PBI del sector pesquero (millones de soles) son
explicadas por el Producción de harina de pescado (Mil TMB), Consumo industrial (miles de
ton.) y la Pesca continental (miles de ton).
MATRIZ DE CORRELACIÓN:
25
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
Conclusión:
Como el F Calc. Es mayor que el F de tabla, se acepta H1. Por lo que podemos indicar al 94% de
nivel de confianza, que el modelo si es significativo estadísticamente.
26
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
INTERPRETACIÓN:
Como el Estadístico t en valor absoluto es mayor que el T de Tabla, se acepta H1. Por lo que se
puede indicar que todos los parámetros del modelo son significativos estadísticamente a un
nivel de confianza del 94% y el modelo es apto para realizar pronósticos.
27
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
BIBLIOGRAFIA
https://www.snp.org.pe/pesca-peru-reto-sostenibilidad/
https://peru.info/es-pe/comercio-exterior/noticias/7/30/pesca-en-peru--legado-que-
alimenta-al-mundo
http://www.fao.org/3/T0388S/T0388S03.htm
https://www.snp.org.pe/harina-de-pescado/
https://www.snp.org.pe/relevancia-economica/
https://www.snp.org.pe/la-pesca-para-el-consumo-humano-en-los-ultimos-anos/
28