UNIVERSIDAD RICARDO PALMA

UNIVERSIDAD RICARDO PALMA

FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA

ESTADÍSTICA Y PROBABILIDADES
“EL CONSUMO DEL CEMENTO EN EL PERÚ Y
SUS PROYECCIONES”

Informe presentado para cumplir con los requisitos

de la evaluació n del curso de Estadística y
Probabilidades

Alumnos:
Guerra Durand, Gianella – 201920882
Marquez Ló pez, Ariana Ximena – 202010553
Meoñ o Pinto, Jairo – 201920944
Palomino Minauro, Raú l – 201620590
Rojas Ninanya, Omar Junior – 201810627

Docente:
Jara Huanca, Fidel

4 de diciembre, 2021
RESUMEN
En este proyecto se demuestra el aná lisis y comprensió n de la
teoría del curso de Estadística y probabilidades, realizados a travé s
del tiempo sobre el incremento del consumo y producció n del
cemento en el Perú , dentro del á mbito de la ingeniería civil y la
construcció n de obras.
Durante la investigació n realizada, se miden diversos pará metros
definidos teó ricamente y experimentalmente, siendo comparados
ambos valores y resultados con el programa de Excel, que tiene
como objetivo, la demostració n del escaso efecto, obtenido con el
paso del tiempo, en ciertas características de algunos de sus
componentes y de sus efectos en otros y sus proyecciones.
Teniendo como fuentes de informació n a las empresas productoras
de cemento, las empresas productoras de barras de construcció n; el
Instituto Nacional de Estadística e Informá tica; la Cá mara Peruana de
la Construcció n (CAPECO), entidad que agrupa a un gran nú mero de
empresas de construcció n; Ministerio de Transportes y
Comunicaciones; Ministerio de Vivienda, Construcció n y
Saneamiento; Organismo Supervisor de la Inversió n en
Infraestructura de Transporte de Uso Pú blico (OSITRAN) y el
Organismo Supervisor de las Contrataciones del Estado (OSCE).

ABSTRACT
This project demonstrates the analysis and understanding of the
theory of the Statistics and Probabilities course, carried out over time
on the increase in the consumption and production of cement in Peru,
within the scope of civil engineering and construction of works.
During the research carried out, various theoretically and
experimentally defined parameters are measured, both values and
results being compared with the Excel program, which aims to
demonstrate the little effect, obtained over time, on certain
characteristics of some of the its components and its effects on others
and its projections.
Having as sources of information the companies that produce
cement, the companies that produce construction bars; the National
Institute of Statistics and Informatics; the Peruvian Chamber of
Construction (CAPECO), an entity that groups together a large
number of construction companies; Ministry of Transport and
Communications; Ministry of Housing, Construction and Sanitation;
Supervisory Agency for Investment in Public Use Transportation
Infrastructure (OSITRAN) and the Supervisory Agency for State
Procurement (OSCE).

INTRODUCCIÓN
Mediante esta investigació n, se obtienen los datos necesarios, en
donde se definirá el modelo matemá tico y procesamiento de estos,
para luego responder las preguntas resaltantes del contexto en un
futuro cercano.

Objetivos:

PRESENTACIÓN DEL PROBLEMA

En la actualidad, en el Perú , el cemento se comercializa, en su
mayoría, a una base de consumidores altamente segmentada, que
consiste en personas que compran cemento en bolsas para
construir en forma gradual o mejorar sus propios hogares, un
segmento conocido en nuestra industria como “autoconstrucció n”.
Generando las siguientes preguntas, que mediante el desarrollo de
la investigació n:

 ¿Se permitirá un avance en la contratació n de cemento para el

pró ximo añ o?
 ¿Cuá l será la producció n de la mayor fá brica de producció n de
cemento en el añ o 2025?
 ¿Cuá l es la tendencia de regresió n?
 ¿Qué tanto varía el consumo del cemento anualmente?
 ¿Cuá l es la probabilidad de que al seleccionar el consumo de
cemento de cualquier añ o sea mayor de 12000?
DESCRIPCIÓN DE LA SOLUCIÓN
Para la realizació n del problema, se van a utilizar mé todos del curso
de Estadística y probabilidades, de manera teó rica y
experimentalmente.
Para obtener los resultados se tiene primero que definir qué tipo de
datos se van a analizar, en este caso, la variable principal será sobre
la cantidad del consumo de cemento anualmente, por lo que será n
datos cuantitativos continuos, de esta manera, se van a tabular los
datos en una tabla de frecuencias con X como los añ os, y la
frecuencia absoluta como la cantidad de cemento consumido
durante el añ o respectivo.
TABLA 1
AÑO Consumo
2002 3699
2003 3821
2004 4032.00
2005 4434
2006 5125
2007 5923
2008 6959
2009 7257
2010 7671.95
2011 8411
2012 8691
2013 10011
2014 10843
2015 10493
2016 10152
2017 10168
2018 10724
Luego para poder contestar las preguntas realizadas, se deben
obtener unas proyecciones para el pró ximo añ o y para el 2025, se debe
de tomar en cuenta la teoría de la correlació n y regresió n; esto se debe
a que, se necesita conocer el grado de relació n que puede existir entre
estas 2 variables cuantitativas X e Y, la de los añ os y de su consumo.
Primero se deberá de realizar el diagrama de dispersió n, que es
conocido como el grá fico de puntos, que se obtiene representando los
pares de los datos en un plano (x, y) en un plano, como el que se
demuestra en la imagen.

Fig. 1. Ejemplo de diagrama de dispersió n

Luego se halla el diagrama de dispersió n mediante la selecció n de

ambos valores tabulados, y en la secció n de “Insertar” en la
categoría de “Grá ficos” se encuentra la opció n de “Dispersió n”, al
realizar esto, se genera el grá fico correspondiente, en este caso,
quedaría de esta manera:
 Gráfico de dispersión del consumo de cemento anual
12000

10000

8000

6000

4000

2000

0
20002002200420062008201020122014201620182020

Fig. 2. Diagrama de dispersió n del consumo del cemento anual

Para poder analizar este diagrama, se tendrá que hallar el coeficiente

de correlació n, que teó ricamente se obtiene:
−1 ≤ 𝑟 ≤ 1
(𝑛 ∗ 𝛴(𝑥 ∗ 𝑦)) − (𝛴𝑥 ∗ 𝛴𝑦)
𝑟=
(𝑛 ∗ 𝛴𝑥2 − (𝛴𝑥)2) ∗ (𝑛 ∗ 𝛴𝑦2 − (𝛴𝑦)2)

𝐷𝑜𝑛𝑑𝑒 𝑛 𝑒𝑠 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑎𝑟𝑒𝑠 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 (𝑥, 𝑦)

 𝑟 > 0: 𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑖𝑟𝑒𝑐𝑡𝑎
 𝑟 = 1: 𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑝𝑒𝑟𝑓𝑒𝑐𝑡𝑎 𝑦 𝑑𝑖𝑟𝑒𝑐𝑡𝑎
 𝑟 < 0: 𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑖𝑛𝑣𝑒𝑟𝑠𝑎
 𝑟 = −1: 𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑝𝑒𝑟𝑓𝑒𝑐𝑡𝑎 𝑒 𝑖𝑛𝑣𝑒𝑟𝑠𝑎
 𝑟 = 0: 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛
 𝑟 ≥ |0.6|: 𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑚𝑢𝑦 𝑏𝑢𝑒𝑛𝑎 𝑜 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒
En el Excel, se puede hallar con la sintaxis
“=COEF.DE.CORREL(Matriz1, Matriz2)”, cuya matriz 1 será n los
añ os y la matriz 2 será el consumo anual. En este caso, el coeficiente
de correlació n que se obtiene es de 0.974120876, por lo que presenta
una relació n directa entre los añ os y su consumo.
Y el valor de R2 es de 0.948911482; en donde, mediante los
laboratorios se conoce que:

 0.9 ≤ 𝑅2: 𝑀𝑢𝑦 𝑏𝑢𝑒𝑛𝑎 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛

 0.8 ≤ 𝑅2 < 0.9: 𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑏𝑢𝑒𝑛𝑎
 0.7 ≤ 𝑅2 < 0.8: 𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑟𝑎𝑧𝑜𝑛𝑎𝑏𝑙𝑒
 𝑅2 < 0.7: 𝐵𝑢𝑠𝑐𝑎𝑟 𝑜𝑡𝑟𝑎 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛
Por lo que, se puede decir que R2 presenta una relació n muy buena.

Luego de hallar estos valores, se puede obtener mediante ambos la

ecuació n lineal que relaciona ambas variables, pero primero, se
debe cambiar el valor de la variable X, tomando el primer añ o como
1, y así sucesivamente.
En el Excel, se obtiene esta ecuació n, cuando se seleccionan los
marcadores y se le aplica la línea de tendencia, en donde se obtiene
una línea recta que atraviesa todos estos. Luego, se le aplica la
opció n de “presentar la ecuació n en el grá fico” y “presentar el valor
de R cuadrado en el grá fico” quedando así:

Regresión lineal del consumo de cemento anual

14000
y = 508.33x + 2978.9
12000 R² = 0.9489

10000

8000

6000

4000

2000
0 2 4 6 8 10 12 14 16 18
0
Fig. 3. Diagrama de regresió n lineal del consumo de cemento anual

De esta manera, se puede comprobar ambos valores de R2, luego

observando la ecuació n, se puede tener la proyecció n para el pró ximo
añ o y el del 2025, se tiene que remplazar los valores de los añ os que
se desea saber su consumo con la continuació n de los nú meros,
quedando, así:
TABLA 1
AÑO J Consumo (TM)
2002 1 3699
 2003 2 3821
2004 3 4032.00
2005 4 4434
2006 5 5125
2007 6 5923
2008 7 6959
2009 8 7257
2010 9 7671.95
2011 10 8411
2012 11 8691
2013 12 10011
2014 13 10843
2015 14 10493
2016 15 10152
2017 16 10168
2018 17 10724
2021 20 ???
2025 24 ???

Obteniendo de esta manera:

𝑦 = 508.33𝑥 + 2978.9
𝑦 = (508.33 ∗ 20) + 2978.9
𝑦 = 13145.5 → 𝑃𝑟𝑜𝑦𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 𝑑𝑒 𝑐𝑒𝑚𝑒𝑛𝑡𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 2021
𝑦 = (508.33 ∗ 24) + 2978.9
𝑦 = 15178.82 → 𝑃𝑟𝑜𝑦𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 𝑑𝑒 𝑐𝑒𝑚𝑒𝑛𝑡𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 2025
Sin embargo, para obtener un valor má s exacto y preciso, se puede
cambiar el tipo de la ecuació n que relaciona ambas variables, sería
el mismo mé todo, solamente se cambiaría para la selecció n de
“Opciones de línea de tendencia” a los diferentes tipos de línea de
tendencia, siendo el lineal, polinó mica, logarítmica, exponencial y
potencial; obtenié ndose de esta manera:
Regresió n lineal:
 Regresión lineal del consumo de cemento anual
14000

y = 508.33x + 2978.9
12000
R² = 0.9489

10000

8000

6000

4000

2000
0 2 4 6 8 10 12 14 16 18
0
Fig. 3. Diagrama de regresió n lineal del consumo de cemento anual

Regresió n exponencial:

Regresión exponencial del consumo de cemento

anual
14000
12000 y = 3616.2e0.07 45x
10000 R² = 0.8838
8000
6000
4000
2000
0

0 2 4 6 8 10 12 14 16 18

Fig. 4. Diagrama de regresió n exponencial del consumo de cemento anual

Regresió n logarítmica:
 Regresión logarítmica del consumo del cemento
anual
12000

y = 3073.3ln(x) + 1496.7
10000
R² = 0.8613

8000

6000

4000

2000

0
0 2 4 6 8 10 12 14 16 18

Fig. 5. Diagrama de regresió n logarítmica del consumo de cemento anual

Regresió n potencial:

Regresión potencial del consumo del cemento

anual
12000
y = 2802.6x0.46 93
10000 R² = 0.9424

8000

6000

4000

2000

0 0 2 4 6 8 10 12 14 16 18

Fig. 6. Diagrama de regresió n potencial del consumo de cemento anual

Regresió n polinó mica (grado 2):

 Regresión polinómica (grado 2) del consumo de
cemento anual
12000

10000 y = -14.508x2 + 769.47x + 2151.9

R² = 0.9636
8000

6000

4000

2000

0
0 2 4 6 8 10 12 14 16 18

Fig. 6. Diagrama de regresió n polinó mica (grado 2) del consumo de cemento anual

De esta manera, se puede demostrar que el valor que presente mayor

R2, será el que presente una mejor relació n y una proyecció n má s
exacta, por lo que la polinó mica de grado 2, es la que presenta mayor
R2 con 0.9636, sin embargo, se puede obtener mayor exactitud si la
ecuació n polinó mica presentara un mayor grado, obteniéndose:

Regresión polinómica (grado 6) del consumo de

cemento anual
12000

10000

8000

6000

4000
y = 0.0285x6 - 1.5161x 5 + 31.096x4 - 311.99x3 + 1602.3x2 - 3337.3x + 53
2000 R² = 0.9901

0
0 2 4 6 8 10 12 14 16 18

Fig. 7. Diagrama de regresió n polinó mica (grado 6) del consumo de cemento anual

Por lo que finalmente, se define a la regresió n polinó mica de grado 6

como la que presenta una mejor relació n, con R2 = 0.9901, siendo un
valor muy cercano a 1, finalmente, se remplazan los valores con esta
ecuació n, obteniéndose:
 𝑦 = 0.0285𝑥6𝑥 − 1.51615 + 31.096𝑥4 − 311.99𝑥3
+1602.3𝑥2 − 3337.3𝑥 + 53
𝑅𝑒𝑚𝑝𝑙𝑎𝑧𝑜 𝑥 = 20
𝑦 = 26147 → 𝑃𝑟𝑜𝑦𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 𝑑𝑒 𝑐𝑒𝑚𝑒𝑛𝑡𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 2021
𝑅𝑒𝑚𝑝𝑙𝑎𝑧𝑜 𝑥 = 24
𝑦 = 221139.9 → 𝑃𝑟𝑜𝑦𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 𝑑𝑒 𝑐𝑒𝑚𝑒𝑛𝑡𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 2025
Finalmente, con estos resultados, se puede calcular la desviació n
entre cada variable anual, obteniendo la desviació n está ndar, y se
tendría que utilizar la teoría de las medidas de dispersió n; de esta
manera, se podrá obtener el valor de manera teó rica y
experimentalmente.
Teó ricamente, al ser datos tabulados, con datos cuantitativos
cuantitativos, y con una muestra de 17 datos, se utilizaría la
fó rmula:

(𝛴(𝑋 − 𝑋̅)2 𝑓
𝑆=√
𝑛

Y de manera experimental, sería utilizando el programa de Excel,

con la sintaxis “=DESVEST(Matriz1)”, dando un valor de 2635.1275,
que sería el promedio de diferencias de los datos y la media
aritmé tica que los representa.
Finalmente, responderemos la pregunta de cual es la probabilidad
de que el consumo de cemento sea mayor a 12000, y mediante la
teoría de variables aleatorias, y de esta manera, se utilizará n los
datos previamente obtenidos, ya que, para poder hallar este
valor, se necesita de la desviació n está ndar y del promedio.
Sucesivamente, se consigue el promedio seleccionando todos los
datos del consumo de cemento, con la sintaxis
“=PROMEDIO(Nú mero)” obteniendo un valor de 7553.820588.
Ya teniendo estos valores, se podrá simbolizar a la pregunta como:

𝑃(𝑋 > 12000) = 1 − 𝑃(𝑋 < 12000)

Y utilizando la sintaxis “DISTR.NORM.(X, Media, Desviació n
está ndar, VERDADERO)”, se obtiene el valor de P(X < 12000), sin
embargo, se le debe restar el 1, quedando un valor de 0.045775440, lo
cual se puede reducir a un porcentaje de 4.578%
RESULTADOS
Los resultados fueron obtenidos utilizando la estadística, ya que,
gracias a esta, se ajusta de manera muy precisa a diversas
situaciones y campos de trabajo, tambié n se hizo cuadros
exponenciales, polinó micos, logarítmicos y lineales para ver
tambié n la proyecció n de datos del consumo que puede haber en
los siguientes añ os.
Para esto se consultó a ciertas entidades y sacamos los datos
importantes sobre el consumo anual del cemento, luego haciendo
un cuadro con añ o y consumo (TM) para así sacar cuadros con
proyecciones.
Los datos con los cuales se han trabajado, reflejan lo que se busca,
ya que, esta se acopla a nivel de la medició n de los datos, es decir, al
ver el crecimiento o caída y proyecció n del consumo del cemento en
el Perú ; siendo estos, datos cuantitativos continuos, ya que
demuestran las cantidades de cada añ o sobre el consumo del
cemento; ademá s, estos valores ya son validados por las entidades
mencionadas.
TABLA 1
AÑO J Consumo (TM)
2002 1 3699
2003 2 3821
2004 3 4032.00
2005 4 4434
2006 5 5125
2007 6 5923
2008 7 6959
2009 8 7257
2010 9 7671.95
2011 10 8411
2012 11 8691
2013 12 10011
2014 13 10843
2015 14 10493
 2016 15 10152
2017 16 10168
2018 17 10724
2021 20 26147
2025 24 221139.9

Y fueron comprobadas por el programa Excel, con una relació n muy

buena, bajo una ecuació n polinó mica de grado 6, siendo su
tendencia de regresió n, con un valor de:

𝑦 = 0.0285𝑥6𝑥 − 1.51615 + 31.096𝑥4 − 311.99𝑥3

+1602.3𝑥2 − 3337.3𝑥 + 53
Luego se obtuvo el valor de 2635.1275, que es el promedio de
diferencias de los datos (consumo de cemento) y su media aritmética
que los representa.
Finalmente, se halla el valor de la media aritmé tica del consumo de
cemento, siendo un valor de 7553.821, que, mediante estos valores, se
pudo obtener la probabilidad para cuando se seleccione cualquier
añ o su valor de consumo de cemento sea mayor a 12000,
obteniendo un valor de 4.578%.

CONCLUSIONES

REFERENCIAS