Curso Demografia

Técnicas de estimación y proyecciones
demográficas
^ ]
Universidad Autónoma del Estado de México
M. en C. Eduardo Gasca Pliego Dr. en D. Hiram Raúl Piña Libien

Rector Abogado General
M. en A.S.S. Felipe González Solano Lic. en Com. Juan Portilla Estrada

Secretario de Docencia Director General de Comunicación
Universitaria
Dr. Sergio Franco Maass
Secretario de Investigación y Estudios C.P. Alfonso Octavio Caicedo Díaz
Avanzados Contralor Universitario
Dr. en C. Pol. Manuel Hernández Luna Profr. Inocente Peñaloza García

Secretario de Rectoría Cronista
M. en A.E. Georgina María Arredondo Ayala Dr. en S. Jaciel Montoya Arce

Secretaria de Difusión Cultural Coordinador del Centro de Investigación y
Estudios Avanzados de la Población
M. en A. Ed. Yolanda E. Ballesteros Sentíes
Secretaria de Extensión y Vinculación M. en Educ. Soc. Florina Irene Pérez
García
Dr. en C. Jaime Nicolás Jaramillo Paniagua
Directora de Difusión y Promoción de la
Secretario de Administración
Investigación y los Estudios Avanzados
Dr. en Ing. Roberto Franco Plata

Secretario de Planeación y Desarrollo
Institucional
Cuaderno de Investigación. Cuarta época/65
1a. edición 2010
D.R. © Universidad Autónoma del Estado de México

Instituto Literario núm. 100 ote.
C.P. 50000, Toluca, México
http://www.uaemex.mx
ISBN: 978-607-422-125-1
Impreso y hecho en México

Printed and made in Mexico
Edición: Dirección de Difusión y Promoción de la

Investigación y los Estudios Avanzados
El contenido de esta publicación

es responsabilidad del autor.
Queda prohibida la reproducción parcial o total del contenido de la presente obra,

sin contar previamente con la autorización por escrito del editor en términos de
la Ley Federal del Derecho de Autor y en su caso de los tratados internacionales
aplicables.
CONTENIDO
INTRODUCCIÓN
9
1. BREVE INTRODUCCIÓN A LAS MATEMÁTICAS

11
1.1. Teoría de conjuntos 11, 1.2. Aritmética elemental 13, 1.3. Plano
cartesiano 19, 1.4. Estimación de proporciones y porcentajes 20.
2. DIFERENTES TIPOS DE GRÁFICAS

25
2.1. Gráficas de distribución de una sola variable 26.
3. ÁLGEBRA Y FUNCIONES
37
3.1. Los diferentes tipos de funciones 38, 3.2. Tablas de datos con
porcentajes de columna y fila 51, 3.3. Promedios aritméticos y
móviles 52.
4. DEMOGRAFÍA Y TERRITORIO
57
4.1. La relación del crecimiento poblacional y lo territorial 58,

4.2. Distribución espacial de la población 61, 4.3. La localidad
urbana 63.
5. ELEMENTOS BÁSICOS DEL ANÁLISIS DEMOGRÁFICO

APLICADO
69
5.1. Las fuentes de información 70, 5.2. Formas de indicadores

demográficos 71, 5.3. Ecuación compensadora 73, 5.4. Pirámides de
población tipos ideales 76,
5.5. Tasas específicas de fecundidad, tasa global de fecundidad 79,
5.6. Tasas específicas de mortalidad 82, 5.7. Tasa de mortalidad
infantil 83, 5.8. Tasa de inmigración 84.
6. MODELOS TEÓRICOS DE PROYECCIÓN Y SIMULACIÓN

87
6.1. Antecedentes de la demografía y la estadística 89,

6.2. Estimaciones por medio de funciones y modelos de regresión
92.
7. LA PROYECCIÓN DE LOS INDICADORES DEMOGRÁFICOS Y

DE LA POBLACIÓN TOTAL
107
7.1. Proyección de la mortalidad 108, 7.2. Proyección de la

fecundidad 109, 7.3. La proyección de indicadores con modelos de
regresión no lineales 110, 7.4. La proyección de población total 111.
BIBLIOGRAFÍA
119
2009 2013
INTRODUCCIÓN
Este cuaderno está dirigido a los estudiantes y profesionales no

especializados en demografía que buscan entender y utilizar las
técnicas básicas de estimación demográfica y sus aplicaciones en
varias de las disciplinas de las ciencias sociales.
Para lograr este objetivo se incluye una introducción a los principales

elementos matemáticos y estadísticos que se utilizan de manera
cotidiana en el trabajo de estimación demográfica. La presentación
de estos elementos es sólo para orientar a los estudiantes de ciencias
sociales, por tanto, no se utilizan demostraciones detalladas de las
formas de estimación, las técnicas, ni todo el desarrollo matemático
que les da sustento.
Las técnicas y métodos propuestos están directamente relacionados

con los contenidos de las materias de demografía y estudios de
población, de las diferentes licenciaturas impartidas por los diversos
programas de educación superior. Esto es importante debido a la
carencia y limitaciones de referencias bibliográficas que existen para
9
la realización de estimaciones demográficas en México. Estimaciones
que además son necesarias en muchas disciplinas de las ciencias
sociales y aun de otras áreas del conocimiento.
Así este cuaderno intenta, con un lenguaje sencillo y situaciones

reales, acercar a los estudios demográficos y de población con el
uso de las técnicas matemáticas y estadísticas comunes. Lo que en
apariencia puede reducir el rigor matemático pero también resulta
más claro para el estudiante de ciencias sociales.
Se destaca la inclusión de los elementos básicos para la vinculación

de los temas demográficos y los de la planeación del territorio por ser
uno de los vínculos más fuertes.
Otro objetivo central del cuaderno es favorecer la mejor comprensión

y manejo de los conceptos básicos de la demografía, ya que en muchas
ocasiones se utilizan de manera imprecisa y limitada.
Desafortunadamente al ser un documento muy breve quedan de lado

muchas de las demostraciones, detalles y conocimientos que sería
deseable presentar, no obstante, como se ha señalado, este texto es
sólo para introducir al estudiante en el amplio camino de los estudios
relacionados a la población, su dinámica y sus determinantes.
Los capítulos a desarrollar son: 1. Breve introducción a las matemáticas,

2. Diferentes tipos de gráficas, 3. Álgebra y funciones, 4. Demografía
y territorio, 5. Elementos básicos del análisis demográfico aplicado,
6. Modelos teóricos de proyección y simulación, 7. La proyección de
los indicadores demográficos y de la población total.
10
2009 2013
1. BREVE INTRODUCCIÓN A LAS MATEMÁTICAS
Las matemáticas son un área del conocimiento importante y muchos

de sus elementos son de amplia aplicación en la investigación social.
En este texto se consideran sólo elementos básicos que serán las
principales herramientas de algunas temáticas de la investigación
social.
A continuación se estudian los elementos básicos de la teoría de

conjuntos por su relación tan amplia con el manejo de información
de encuestas, censos y cualquier base de datos, así como para la
definición de poblaciones o subpoblaciones a estudiar.
1.1. Teoría de conjuntos
La teoría de conjuntos resulta importante para la investigación y

también para la investigación social. Gracias a la teoría de conjuntos,
definimos poblaciones, separamos subgrupos de población de
acuerdo con diferentes características y podemos hacer estimaciones
comparativas o que muestren asociación con alguna variable, como el
11
sexo o los grupos de edad. Un ejemplo es la obtención de las medidas
de frecuencia o de tendencia central para diferentes grupos de edad.
Principales operaciones de conjuntos
Un conjunto es una colección bien definida de elementos, seleccionados

de manera precisa, de un total que denominamos universo. La
selección puede ser basada en una característica o rasgo común en
todos los elementos, por ejemplo: el conjunto de los habitantes que
residen actualmente en el municipio de Naucalpan. Una vez definido
el conjunto pueden estimarse la edad media de los habitantes de
Naucalpan, relacionarse con otros conjuntos; así las operaciones más
comunes son el complemento, la intersección, la unión y la diferencia
(véase imagen 1.1).
Imagen 1.1. Operaciones de conjuntos

Sean A y B dos conjuntos, con U como conjunto
universal.
• El complemento de A, es simbolizado como A’, es

A’
A' = {x x ∈ Uyx ∉ A}. U A
• La intersección de A y B es
A ∩ B = {x x ∈ Ayx ∈ B}. U
A B
• La unión de A y B es
A ∪ B = {x x ∈ Aox ∈ B}. A B
U
• La diferencia de A y B es
A − B = {x x ∈ Ayx ∉ B}. A B
U
Fuente: Miller et al., 1999.
12
Las operaciones de conjuntos se pueden describir y ejemplificar de la
siguiente manera: si A es el conjunto de los habitantes de Naucalpan
y el Universo es toda la población del Estado de México, entonces el
complemento de A sería la población de todos los otros municipios
del Estado de México diferentes de Naucalpan.
La intersección existe cuando los elementos de dos conjuntos o

más comparten una misma característica. Por ejemplo: si A son los
habitantes de Naucalpan y B son los habitantes de Tlalneplantla.
Los elementos tienen una intersección cuando comparten un mismo
lugar de trabajo.
La unión de conjuntos ocurre cuando los elementos de dos o más

conjuntos se unen en uno solo formando un tercero. Si A son los
habitantes de Naucalpan y B son los habitantes de Tlalneplantla, se
formaría el conjunto de los habitantes de Naucalpan y Tlalnepantla
que denominaría C. Por ejemplo, eso ocurre cuando hacemos regiones
o zonas metropolitanas.
La diferencia existe cuando los elementos de un conjunto pasan

a otro y mantienen una característica. Por ejemplo: si A son los
habitantes de Naucalpan y B son los habitantes de Tlalneplantla,
pueden restarse elementos de A y pasar a B cuando por ejemplo se
seleccionan los estudiantes que residen en A pero que estudian en B.
1.2. Aritmética elemental
Algunos elementos de las operaciones básicas son esenciales en todas

las estimaciones matemáticas, pero en ocasiones las confundimos u
olvidamos, a continuación se desarrollan los sistemas de números, el
plano cartesiano y el uso de proporciones y porcentajes. También se
desarrolla el tema de cambio o diferencia porcentual, el cual es muy
importante en el análisis de todo tipo de indicadores y se usa muy
frecuentemente en la realización de análisis e informes.
13
1.2.1. El sistema de los números reales
[ 1,2,3,4 ……] es el conjunto de los números naturales.
Si agregamos el cero es el conjunto de los números ordinales.
[ 0,1,2,3,4, …] es el conjunto de los números ordinales.
[ … -3,-2, -1, 0, 1, 2, 3,…] es el conjunto de los número enteros.
Números racionales [X|X] es el cociente de dos enteros con
denominador diferente de cero (veáse diagrama 1.1).
Diagrama 1.1. Tipos de números
Números irracionales
Cero
Cardinales
Números Números naturales

Enteros
reales
Enteros negativos
Números
racionales
Números racionales no enteros

Los números reales [X|X] se representan por medio de un punto

sobre la recta numérica, donde se separan en dos grandes grupos:
los positivos y los negativos (véase diagrama 1.2).
14
Diagrama 1.2. La recta numérica
Cero
Números negativos Números positivos
-5 -4 -3 -2 -1 0 1 2 3 4 5
En ocasiones las diferencias entre positivos y negativos tiene

importancia central, en la relación de dos variables, por ejemplo
en una regresión lineal. Pero también en ocasiones los positivos o
negativos sólo significan a la derecha o izquierda de un valor medio,
como en una distribución de probabilidad normal.
Los números reales también se presentan como enteros y como

fracciones. Es importante no caer en confusiones o redondeos que
puedan transformar una estimación. Se recomienda redondear
siempre al final de las estimaciones y nunca reducir el número
de decimales a menos de cinco, mientras se realiza el proceso de
estimación (véase imagen 1.2).
Imagen 1.2. Números reales sobre la recta numérica
-3/2 -2/3 1 1/3 23/8 3 1/4
-2 -1 0 1 2 3 4
15
Las operaciones básicas son muy conocidas y sabemos que:
2 + 2 = 4
10 - 5 = 5
10 * 3 = 30
20 / 5 = 4
Suma de números reales
Signos iguales. Para sumar dos números con el mismo signo, deben
de sumarse sus valores absolutos. El signo de la suma ( + o - ) es el
mismo que el signo de los dos números.
Signos diferentes. Para sumar dos números con signos diferentes

debe restarse el valor absoluto más pequeño del más grande. La
suma es positiva si el número positivo tiene el valor absoluto más
grande. La suma es negativa si el número negativo posee el valor
absoluto más grande.
Ejemplo: determine cada una de las sumas siguientes

(-6) + (-3) = (6+3) = -9
(-12) + (-4) = -(12+4) = -16
4 + (-1) = 3
-9 + 16 = 7
-16 + 12 = -4
Resolución de problemas
Pedro ganó 3 yardas en la primera jugada, en la segunda perdió 12

yardas y en la tercera ganó 13. En conjunto, ¿cuántas yardas ganó o
perdió Pedro?
16
Las ganancias las representan los números positivos y las pérdidas
un número negativo:
3 + ( -12 ) + 13
Sumamos de izquierda a derecha:
3 + ( -12 ) + 13 = [ 3 + ( -12 ) ] + 13 = ( -9 ) + 13 = 4
En total, Pedro ganó 4 yardas.
Definición de sustracción
Para todos los números reales a y b,
a–b=a+(-b)
Cambie el signo del segundo número y sume.
6 - 8 = 6 + (-8) = -2
- 12 + -4 = -12 + (-4) = -16
Ejemplo: realice las operaciones indicadas.
-10 – (-7) = x
15 – (-3) –5 –12 = x
Resolución de problemas
El récord de la temperatura más alta, de 134º F, en Estados Unidos

fue registrado en el valle de la muerte, California, en 1913. El récord
17
de temperatura más baja fue de – 80º F en Prospect Creek, Alaska,
en 1971. ¿Cuál es la diferencia entre la temperatura más alta y baja?
Debemos determinar el valor de la temperatura más alta menos la

temperatura más baja.
134 – ( -80 ) = 134 + 80
= 214
La diferencia entre la temperatura más alta y más baja es de 214º F.
Multiplicación de números reales
Signos iguales. Para multiplicar dos números con el mismo signo,

multiplique sus valores absolutos. El producto es positivo.
Signos diferentes. Para multiplicar dos números con signos diferentes,

multiplique sus valores absolutos. El producto es negativo.
Ejemplo: determine cada uno de los productos siguientes
-9 * 7 = -63
-14 * ( -5 ) = 70
-8 * ( -4 ) = 32
División de números reales
Signos iguales. Para dividir dos números con el mismo signo, deben
dividirse sus valores absolutos. El cociente es positivo.
Signos diferentes. Para dividir dos números con signos diferentes,

hay que dividir sus valores absolutos. El cociente es negativo.
18
Ejemplo: determine cada uno de los cocientes siguientes
15 / -5 = -3
- 100 / - 25 = 4
- 60 / -3 = 20
1.3. Plano cartesiano
El plano cartesiano nos permite ubicar puntos en un espacio de

dos dimensiones o variables, lo cual resulta muy útil para hacer
estimaciones donde se utilizan distancias, cantidades y tiempos,
es decir, lo que denominamos variables numéricas. Por ejemplo
se pueden utilizar para señalar el volumen de una población en
diferentes momentos, lo que sería resultado de ubicar una pareja de
números (x, y) donde “x” corresponde al eje horizontal y la “y” al eje
vertical. Por lo que se pueden combinar en un mismo punto valores
negativos o positivos.
En las estimaciones demográficas la mayoría de las ocasiones se

ocuparán puntos del cuadrante derecho superior, es decir, donde los
de “x” y “y” son positivos.
19
Imagen 1.3. Plano cartesiano
Y Vertical
5
4
(-x,y) (x,y)
3
X Horizontal
-5 -4 -3 -2 -1 0 1 2 3 4 5
-1
-2
(x,-y)
(-x,-y)
-3
-4
-5
1.4. Estimación de proporciones y porcentajes
Los números absolutos son muy útiles para conocer las dimensiones
de una población o de un grupo de población, por ejemplo para
conocer sus necesidades específicas pero en ocasiones es fundamental
identificar escalas que puedan darnos elementos para la comparación
entre diferentes poblaciones. Estas escalas muchas veces son de 0 a
100 o bien de 0 a 1.
20
1.4.1. Proporción y porcentaje
Tanto el porcentaje como la proporción hacen referencia a una parte

respecto a un total. Son muy útiles para comparar dos conjuntos e
identificar qué tan común es cierta característica al interior de cada
conjunto. La diferencia entre ambas es su rango.
El porcentaje va de: 0 a 100.
La proporción va de 0 a 1.
Si queremos saber, por ejemplo, qué tan importante es la presencia

de las mujeres respecto de una población total podemos identificar el
peso de las mujeres en cada población.
Tabla 1.1. Datos de población A y B, total según sexo

Municipio Población Hombres Mujeres
total
A 152 128 775 72 438 986 79 689 789
B 3 448 667 1 789 689 1 658 978
Fuente: elaboración propia.
La estimación de proporciones por sexo es la siguiente en:

Tabla 1.2. Estimación de proporciones por sexo en la
población A y B

total
A 1.0 0.4762 0.5238
B 1.0 0.5190 0.4810
Las proporciones son prácticas, pero en ocasiones es mejor utilizar

porcentajes por ser una escala más fácil de comparar y comprender
para casi todos. Sobre todo debido a la costumbre decimal que usamos
en muchos aspectos de la vida cotidiana. Así las estimaciones de
porcentajes son:
21
Tabla 1.3. Estimación de porcentajes por sexo
total
A 100 47.62 52.38
B 100 51.90 48.10
El porcentaje de la población femenina en el municipio A es de

52.38%. De manera más sencilla más de la mitad de los habitantes
del municipio A son mujeres, o bien 52 de cada 100 habitantes del
municipio A son mujeres.
1.4.2. Cambio porcentual o diferencia porcentual
El cambio porcentual se utiliza para conocer la dimensión en que ha

cambiado una población entre dos momentos de tiempo, o bien, se
utiliza para conocer la dimensión de diferencia entre dos poblaciones
distintas en un mismo momento. Se utiliza la diferencia porcentual
por ser una escala fácil de comparar y comprender para todos. Se
puede utilizar tanto para valores muy grandes, millones por ejemplo
o para valores pequeños.
El cambio porcentual se estima de la siguiente manera:
CP = ((P2 -P1) / P1) * 100

CP= Cambio porcentual
P1 o Pi = Población inicial o de referencia
P2 o Pf = Población final o que se compara
Los valores negativos implican valores menores o reducciones de una
población en el periodo estimado.
22
Tabla 1.4. Cambio porcentual de una población en dos
momentos del tiempo
Población 2000 2005 Cambio porcentual
200-2005
A 15 789 20 475 29.68
El cambio porcentual de la población A entre el año 2000 y el 2005

es de 29.7 por ciento. Puede también ser un crecimiento negativo,
cuando hay una reducción de la población. Es importante señalar
que es un crecimiento lineal y no es lo mismo que una tasa de
crecimiento, donde se conoce una tasa de cambio o crecimiento.
Tabla 1.5. Cambio porcentual entre dos poblaciones
en el momento de tiempo
Población 2005 Cambio porcentual
A 15 789
AaB
B 17 896 13.34
AaC
C 14 263 - 9.66
La población A es la de referencia. Así se puede señalar que la

diferencia porcentual de A a B en 2005 es de 13.3%. Por tanto B es
mayor que A en 13.3 por ciento.
Considerando también la población A como de referencia, se puede

decir que la diferencia porcentual de A a C en 2005 es de -9.6%. Por
tanto, C es menor que A en -9.6 por ciento.
23
Ejercicios: estime los cambios porcentuales
Población A Población B Cambio porcentual

55 246 65 359
36 689 30 178
14 289 636 17 896 456
22 896 536 19 569 362
Año 1970 1980 1990 2000

Población 23 693 26 987 32 114 35 412
Cambio
Año 1970 1975 2000 2005

Población 25 239 693 32 261 987 37 932 114 39 935 412
Cambio
24
2009 2013
2. DIFERENTES TIPOS DE GRÁFICAS
En todas las estimaciones matemáticas se utiliza la representación

gráfica. Para los estudios demográficos las gráficas son muy útiles, ya
que permiten observar la tendencia del crecimiento de una población
o de sus principales indicadores.
Hoy el uso de los paquetes de computación ha permitido la aplicación

de diferentes tipos de gráficas pero sin los criterios teóricos esenciales,
lo que en muchas ocasiones da lugar a confusiones e incorrecciones
en el análisis.
Para tratar de orientar de manera correcta la presentación de las

gráficas más usadas en el análisis demográfico se han separado en dos
grupos: las de distribución de una sola variable y las de comparación.
25
2.1. Gráficas de distribución de una sola variable
A continuación se presenta un cuadro resumen de las gráficas de

distribución.
Tabla 2.1. Tipos de gráficas de distribución de un total

Tipo de gráfica Tipo de Tipo de valores Ventajas en su uso
indicador
Histograma de Frecuencias Valores absolutos Se pueden comparar
frecuencia Valores relativos categorías o clases
en proporciones o
porcentajes
Pirámide de edad Frecuencias Valores absolutos Se pueden comparar
Valores relativos hombres y mujeres y
en proporciones o grupos de edad
porcentajes simultáneamente
Pastel o pie Frecuencias Valores absolutos Se pueden comparar
Valores relativos categorías y clases
en proporciones o
porcentajes
2.1.1. Histogramas de frecuencia
El histograma de frecuencia se caracteriza por ser una gráfica donde

el total de la suma de sus barras representa el total de la población
repartida en clases; las barras se identifican con categorías o clases.
Los histogramas se pueden presentar en valores absolutos y relativos.
El histograma de frecuencia es parecido en forma a la gráfica de

barras pero conceptualmente son muy diferentes. El histograma se
usa para mostrar una distribución total, mientras que la gráfica de
barras es comparativa; entonces en números relativos el histograma
de frecuencia suma 100% de la población (véase gráficas 2.1 y 2.2).
26
Gráfica 2.1. Histograma de frecuencia números absolutos
12
10
10 9
8
8 7
6
6 5
0
I II III IV V VI
Gráfica 2.2. Histograma de frecuencia números relativos
30
24.8
25
20.2
20 18.3
14.7
15 12.8
9.2
10
0
I II III IV V VI
27
2.1.2. Pirámide de población
Una pirámide de población es un histograma de frecuencia pero

definido con dos variables al mismo tiempo; por grupos de edad y
diferenciados por sexo, por lo que también las barras de una pirámide
de edad suma el total de la población representada, ya sea en valores
absolutos o relativos.
Gráfica 2.3. Pirámide de población de números absolutos
85+
Hombres Mujeres
80-84
75-79
70-74
65-69
60-64
55-59
Grupos de edad
50-54
45-49
40-44
35-39
30-34
25-29
20-24
15-19
10-14
5-9
0-4
6.0 5.5 5.0 4.5 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0
Población
Más adelante se presenta de manera detallada la construcción e

interpretación de las pirámides de población, se muestran los tipos
ideales más comunes y asociados a las diferentes transiciones de las
poblaciones.
28
2.1.3. Pastel o pie
La gráfica de pastel o pie es muy similar al histograma de frecuencia,

de hecho se usa igual y pueden ser prácticamente equivalentes.
Gráfica 2.4. Tipo “pastel” de números relativos
25%
40%
35%
Grupo de edad 1 Grupo de edad 2 Grupo de edad 3
En ocasiones se pueden ocupar varias gráficas de distribución

simultáneamente para comparar observaciones transversales de
diferentes momentos de una misma población o de varias poblaciones
en un mismo momento transversal.
Los momentos de observación transversal más comunes son siempre

los censos de población y vivienda o las encuestas periódicas de
población.
29
Tabla 2.2. Tipos de gráficas de comparación de una o más
variables
Tipo de gráfica Tipo de Tipo de Ventajas en su uso
indicador valores
Barras Absolutos Valores Se puede comparar
(verticales u Tasas absolutos la misma población
horizontales) Razones Valores en diferentes
El valor de X relativos en momentos
puede ser no proporciones Se pueden comparar
numérico o porcentajes diferentes
poblaciones en el
mismo momento
Puntos (sin unir Absolutos Valores Se puede comparar
o unidos entre Tasas Absolutos la misma población
sí) Razones Valores en diferentes
El valor de X relativos en momentos
puede ser no proporciones Se pueden comparar
numérico o porcentajes diferentes
poblaciones en el
mismo momento
Se pueden comparar
varias series a la vez
Gráficas de dos El valor de X Absolutos o Se puede ubicar la
variables x y y y el de Y relativos relación de dos
deben ser variables de una
numéricos misma población
Gráficas de El valor de X Absolutos o Se analiza la
ajuste. Se y el de Y relativos relación de dos
presenta una x deben ser variables generando
y una y, pero numéricos una serie y
adicionalmente alternativa
se genera una
serie y2
2.1.4. Las gráficas de barras
La gráfica de barras es comparativa, cada una de las barras se

identifican con alguna categoría. Se utilizan tanto números relativos
como absolutos, pueden por ejemplo ser tasas, razones, porcentajes
o cualquier indicador demográfico. La suma de las barras no tiene
significado concreto, pueden corresponder a diferentes momentos o
diferentes poblaciones (véase gráficas 2.5 y 2.6).
30
Gráfica 2.5. Barras verticales
100
93.4
91.6
89.3
90
82.3
Habitantes (millones) 80
72.9
70 66.74
60 55.6
50
40
30
1950 1960 1970 1980 1990 2000 2010
Años
Gráfica 2.6. Barras horizontales
Población 10 60
Población 9 54
Población 8 64
Poblaciones
Población 7 58
Población 6 53
Población 5 61
Población 4 59
Población 3 55
Población 2 60
Población 1 50
40 45 50 55 60 65 70
Tasas
31
2.1.5. Las gráficas de puntos
Las gráficas de puntos son algunas de las más usadas, pero de las
que tienen más problemas, es decir, tienen más desviaciones en su
uso correcto. Algunas características son que tanto el eje “x” como
el eje “y” deben tener una escala numérica, pero esto no ocurre con
frecuencia, sobre todo con algunos de los programas de cómputo más
usados. Este solo elemento puede cambiar totalmente la tendencia
de un indicador, y deformar los hallazgos y tendencias mostradas en
las gráficas.
Otra característica es que la variable graficada debe ser una sola en

varios momentos. No se deben comparar diferentes poblaciones con
una gráfica de puntos unidos o no unidos.
Las gráficas de puntos no se deben unir con líneas y menos suavizar

tales líneas, a menos que sea la intención de la gráfica, pero las líneas
deben ser rectas y no curvas de manera arbitraria. Las líneas no son
observaciones a graficar; sólo se utilizan las líneas para dar una idea
general de la tendencia (véase gráfica 2.7).
Gráfica 2.7. Puntos
20
18
16
Variable 2 (y)
14
12
10
8
6
4
2
0
0 5 10 15 20 25
Variable 1 ( x)
32
2.1.6. Las gráficas de dos variables
Las gráficas de dos variables son muy importantes para la medición

de la relación de dos variables. Se debe tener cuidado que tanto el eje
“x” como el “y” sean numéricos. Asimismo esta gráfica no se utiliza
para una población o dos sino para al menos tres poblaciones y dos
variables que comparten todas las poblaciones, pero normalmente el
número de poblaciones es mayor a diez.
Por ejemplo, las dos variables pueden ser que “x” sea el número
promedio de hijos de las mujeres de cada municipio y “y” los porcentajes
de actividad económica de las mujeres. Esto para los municipios
o poblaciones y podríamos asociar la relación entre el número de
hijos promedio y la actividad económica de las mujeres. Entonces
relacionamos las variables, no las poblaciones. Las asociaciones
pueden ser de cuatro tipos básicos: a) si las dos variables aumentan
entonces consideramos que existe una relación directa y positiva,
b) si las dos variables disminuyen tendríamos una relación directa
negativa, c) si no hay tendencia entre los puntos puede no existir
relación, d) si una variable aumenta y otra disminuye tendrían una
relación indirecta positiva o negativa. Las gráficas de dos variables
son muy importantes en la investigación. Un ejemplo de la asociación
directa positiva se presenta en puntos con valores crecientes (véase
gráfica 2.8).
33
Gráfica 2.8. x, y o de dos variables
20
18
16
Variable 2 (y)
14
12
10
8
6
4
2
0
0 5 10 15 20 25
Variable 1 ( x)
Las gráficas de ajuste son basadas en las gráficas de dos variables,

pero se obtiene una segunda serie “y” que ajusta; es una serie que
describe la relación entre “x” y “y”. Esto puede servir para obtener un
dato intermedio también llamado interpolación o un dato futuro, un
dato de extrapolación (véase gráfica 2.9).
34
Gráfica 2.9. x, y con y2 de ajuste exponencial
60
50
40
Población
30
20
y1
10
y2
0
10 15 20 25 30 35
Momentos
Ejercicios
Elabore las siguientes gráficas.
1. Reparta los siguientes datos en clases y un histograma de

frecuencias absoluto y relativo
12 12 17
10 14 18
15 15 20
12 21 19
10 22 22
16 10 15
20 20 16
22 19 18
18 17 20
35
2. Realice las siguientes gráficas de pastel y compárelas
0.25 0.4 0.2 0.15
0.35 0.5 0.1 0.05
3. Realice las siguientes gráficas de barras
Año 1 Año 2 Año 3 Año 4 Año 5

22.36 23.46 24.79 29.33 33.9
Población 1 745 896

4. Realice las siguientes gráficas x, y con las siguientes tablas
x y
10 15
22 30
12 15
15 21
19 25
35 40
x y
10 35
22 34
30 20
38 18
43 12
55 7
36
2009 2013
3. ÁLGEBRA Y FUNCIONES
El álgebra es una parte de las matemáticas usada para resolver

algunos problemas de estimación. Normalmente se plantean algunas
incógnitas; en los estudios de población casi siempre usamos sólo
ecuaciones con una incógnita, para lo cual se utilizan ecuaciones de
diferentes grados.
Algunos ejemplos de ecuaciones lineales son:

2 + X = 4
10 - X = 5
10 * X = 30
20 / X = 4
La ecuación lineal o de primer grado con varias variables se puede

escribir como:
37
a * x + b = c. Donde a, b y c son números reales y a es diferente de
cero.
De todas las vertientes y usos del álgebra, uno de los más usados
en los estudios de población son las funciones. Las funciones son
aquellas ecuaciones donde para cada valor de x existe sólo un valor
de y. A continuación se enlistan los tipos de funciones más usados
en los estudios de población.
3.1. Los diferentes tipos de funciones
Las funciones lineales son las más usadas, pero frente a sus
limitaciones también se han recurrido a otras. Véase la siguiente
tabla de las funciones más importantes.
38
Tabla 3.1. Tipos de ecuaciones, características y usos
Tipos de ecuación Características Usos

Lineal o primer grado Los coeficientes tienen Son rectas muy usadas
y = x +2 exponencial iguales a 1 Por ejemplo para la
Gráficamente se interpolación o la
presenta como una línea extrapolación de datos
Los incrementos de y lineales
entre cada punto de x
son constantes
No lineal o segundo Los coeficientes tienen Por ejemplo para la
grado exponenciales iguales a interpolación o la
y= x2 +2 2 o mayores. extrapolación de datos
Gráficamente se no lineales
presentan como no
lineales
El incremento de y entre
cada punto de x no son
constantes
De otros tipos u otros Coeficientes tienen Son funciones muy
grados exponenciales iguales usadas en todas las
Exponenciales superiores a 1. Se ramas de la ciencia
y = exp (x) utilizan escalas Por ejemplo para la
Logarítmicas exponenciales y interpolación o la
Y = ln (x) logarítmicas extrapolación de datos
Gráficamente se no lineales
presenta como una Se utilizan en
curva con dos o más proyecciones de
puntos de inflexión población o de
El incremento de y entre indicadores
cada punto de x es
variante
39
A continuación se presentan los ejemplos de las funciones más
comunes.
3.1.1. Función lineal
La función lineal es la más común, la mayor limitación de las

ecuaciones lineales es la imposibilidad de usarlas cuando los
indicadores mantienen una tendencia asintótica al eje de las x o bien
a un nivel límite superior del indicador. En este tipo de funciones,
cada incremento de x es igual en y.
Tabla 3.2. Función lineal

12 12 17
10 14 18
15 15 20
12 21 19
10 22 22
16 10 15
20 20 16
22 19 18
18 17 20
Gráfica 3.1. Función lineal

60
50
40
Eje y
30
20
10
y=x+2
0
0 20 40 60
Eje x
40
3.1.2. Función de segundo grado
La función de segundo grado no es tan común en las estimaciones de

población, pero en ocasiones se utiliza para ajustar algún indicador.
La gran diferencia con la lineal es que “y” no tiene crecimientos iguales
entre cada intervalo de “x”.
Tabla 3.3. Segundo grado

x y = X2 + 2
2 6
3 11
4 18
5 27
6 38
7 51
8 66
Gráfica 3.2. segundo grado

70
60
50
40
Eje y
30
20
10
y = x^2 + 2
0
0 2 4 6 8 10
Eje x
41
3.1.3. Función exponencial
Las funciones exponenciales tienen una larga tradición de uso en los

estudios de población, por las propiedades de una razón de cambio
acelerado.
Tabla 3.4. Función exponencial

x y = exp(X)
1 2.7
2 7.4
3 20.1
4 54.6
5 148.4
6 403.4
7 1096.6
Gráfica 3.3. Función exponencial

1200.0
y = exp(x)
1000.0
800.0
Eje y
600.0
400.0
200.0
0.0
0 2 4 6 8
Eje x
42
3.1.4. Función de logaritmo natural
Las funciones basadas en logaritmo natural tienen un uso extenso

en los estudios de población, su crecimiento moderado las hace muy
convenientes para la estimación de algunos indicadores demográficos.
Tabla 3.5. Función de logaritmo natural

x y =In( X)
1 0.0
2 0.7
3 1.1
4 1.4
5 1.6
6 1.8
7 1.9
Gráfica 3.4. Función de logaritmo natural

2.5
2.0
1.5
Eje y
1.0
0.5
y =ln( x)
0.0
0 2 4 6 8
Eje x
43
Ejercicios
Resuelva y grafique las siguientes funciones
1.- y = x +( 2 * 5 )
2.- y = x + ( 5 -1)
3.- y = x + ( 3 + (2 * .5 ))
2
4.- y = x + ( 3 + 2 )
2
5.- y = x - 3
2
6.- y = x + ( 3 * -2 )
7.- y = exp (x) + (-3 * 50)
8.- y = exp (x) - ( 3 * 10)
9.- y = exp (x) + ( .3 * 7)
10.- y = ln (x) + 70
11.- y = ln (x) + (50 *2)
12.- y = ln (x) + (72 * -2)
La ecuación de la recta
Un caso especial de las funciones lineales es la ecuación de la recta.

Esto hace especial referencia a la obtención de una recta con dos
puntos ubicados en un plano cartesiano.
Si tenemos 2 puntos definidos como:

(X1 , Y1)
(X2 , Y2)
Donde la pendiente es:

m = (Y2 - Y1)/(X2 -X1)
Podemos encontrar la línea que los une

Y - Y1 = m * (X+X1)
44
La pregunta es: ¿cuál es el valor de y, si x es igual a?
Y = m * (X - X1) + Y1
m = Pendiente
x =base de incógnita valor conocido de x
x1 = valor conocido
y = valor buscado cuando x es conocido
Ejemplo 1
Obtenga y grafique los valores de “y”.

Con dos puntos
( 5, 7 )
( 12, 24 )
Obtenga y, si x = 10
30
25
20
Eje y
15
10
0
0 5 10 15 20
Eje x
45
Se obtiene la pendiente
m= (24 - 7) / (12 -5)
m = 2.4
x = 10
Sustituyendo
y = 2.4 * (10 - 5) + 7
Se obtiene la siguiente tabla
x y
5 7
10 19.14
12 24
30
25
20
Eje y
15
10
0
0 5 10 15 20
Eje x
46
Ejemplo 2
x y
7 10
12 25
Con dos puntos
( 7, 10 )
( 12, 25 )
40
35
30
25
Eje y
20
15
10
0
0 5 10 15 20 25 30 35 40
Eje x
m = (y2 - y1) / (x2 -x1)
m = (25 - 10) / (12 - 7)
m = 3.0
x = 20
y = m * ( x - x1 ) + y1
47
Sustituyendo
y = 3.0 * (20 - 5) + 7
y = 49

x y
7 10
12 25
20 49
60
50
40
Eje y
30
20
10
0
0 5 10 15 20 25 30
Eje x
Ejercicio 3
x y
15 42
29 16
48
Con dos puntos
( 15, 42 )
( 29, 16 )
50
45
40
35
30
Eje y
25
20
15
10
5
0
0 5 10 15 20 25 30 35 40
Eje x
m = (y2 - y1) / (x2 -x1)
m = (16 - 42) / (29 - 15)
m = 1.8571
x = 35
y = m * ( x - x1 ) + y1
Sustituyendo
y = 1.8571 * (35 - 15) + 42
y = 4.9
49
x y
15 42
29 16
35 4.9
45
40
35
30
25
Eje y
20
15
10
5
0
0 5 10 15 20 25 30 35 40
Eje x
Realice los siguientes ejercicios

x y
1980 119 875
1990 145 693
2000 ?
x y
1980 50 375
1990 66 145
2000 ?
x y
1975 7.5
1987 5.3
2000 ?
50
3.2. Tablas de datos con porcentajes de columna y fila
La información estadística se puede organizar de manera muy

eficiente en cuadros de columnas (verticales) y filas (horizontales). Se
pueden utilizar datos absolutos, tasas porcentajes.
Lo más común es buscar la asociación de dos variables en un cuadro,

por lo que se organizan y realizan comparaciones ya sea por columna
o renglón. Por lo cual en muchas ocasiones se ocupa la distribución
porcentual para tal fin.
Tabla 3.6. Datos por poblaciones y grupos
A B C Totales
Grupo 1 45 38 59 142
Grupo 2 55 56 45 156
Grupo 3 60 48 63 171
Grupo 4 56 45 49 150
Grupo 5 50 59 56 165
Totales 266 246 272 784

Tabla 3.7. Distribución porcentual de las poblaciones
según grupos en columnas
A B C
Grupo 1 16.92 15.45 21.69
Grupo 2 20.68 22.76 16.54
Grupo 3 22.56 19.51 23.16
Grupo 4 21.05 18.29 18.01
Grupo 5 18.80 23.98 20.59
Totales 100.00 100.00 100.00
51
Tabla 3.8. Distribución porcentual de los grupos
según poblaciones en filas
A B C Totales
Grupo 1 31.69 26.76 41.55 100.00
Grupo 2 35.26 35.90 28.85 100.00
Grupo 3 35.09 28.07 36.84 100.00
Grupo 4 37.33 30.00 32.67 100.00
Grupo 5 30.30 35.76 33.94 100.00
Fuente: aritméticos
3.3. Promedios elaboración propia.
y móviles
Los promedios o medias aritméticas son muy importantes para la

investigación y la representación de un conjunto; grupos de individuos
en un solo dato.
El promedio de un conjunto de
X1, X2 y X3
Suma de:
X1 + X2 + X3
Dividida entre el total de xi
x media: (X1+X2 +X3) / 3
52
Estimación de una media aritmética
Grupo 1 45
Grupo 2 55
Grupo 3 60
Grupo 4 56
Grupo 5 48
Grupo 6 38
Grupo 7 59
Grupo 8 59
Grupo 9 38
Grupo 10 59
Grupo 11 45
Grupo 12 63
Suma de grupos 625
Promedio suma de grupos 52.08
Entre el número de grupos
Los promedios móviles o medias móviles tienen una lógica algo

diferente a los promedios aritméticos. Son útiles para corregir o
suavizar datos.
La estimación de una serie de y suavizadas es:
Si se tiene una serie de datos xi y yi

xi Observadas yi Observadas ys Suavizadas Manera de
estimación de ys
x1 y1 y1 s (y1+y2) / 2
x2 y2 y2 s (y1+y2+y3) / 3
x3 y3 y3 s (y2+y3+y4) / 3
x4 y4 y4 s (y3+y4+y5) / 3
x5 y5 y5 s (Y4+y5+y6) / 3
x6 y6 y6 s (y5+y6+y7) / 3
x7 y7 y7 s (y6+y7+y8) / 3
x8 y8 y8 s (y7+y8+y9) / 3
x9 y9 y9 s (y8+y9) / 2
53
Datos Observados Suavizados
1 45 50.00
2 55 53.33
3 60 57.00
4 56 55.33
5 50 48.00
6 38 49.00
7 59 52.00
8 59 59.33
9 60 60.67
10 63 68.00
11 81 74.33
12 79 80.00
90
80
70
60
Medias
50
40
30
20 Observados
10 Suavizados
0
1 2 3 4 5 6 7 8 9 10 11 12
Momentos
54
Ejercicios
Obtenga una serie suavizada para cada una de las series observadas
y grafique comparativamente.
Ejercicio 1
Tasas de mortalidad infantil
Año 1 70
Año 2 65
Año 3 68
Año 4 55
Año 5 71
Año 6 65
Año 7 64
Año 8 55
Año 9 45
Año 10 47
Ejercicio 2
Esperanza de vida nacimiento
Hombres Mujeres
Año 1 65 67
Año 2 64 65
Año 3 55 58
Año 4 58 62
Año 5 62 63
Año 6 65 67
Año 7 69 73
Año 8 71 71
Año 9 70 73
Año 10 69 72
55
2009 2013
4. DEMOGRAFÍA Y TERRITORIO
La dinámica demográfica de una población y la proyección de sus

indicadores son básicas para la correcta planeación e interpretación
de los fenómenos urbanos, los cuales presentan una estrecha relación.
De hecho se puede afirmar que todos los fenómenos demográficos

tienen influencia directa sobre la dinámica territorial y a su vez ésta
influye en la dinámica demográfica.
Por tanto, conocer la interpretación correcta de los indicadores

demográficos y sus formas de cálculo resulta fundamental para todo
estudio de la dinámica urbana presente y futura.
Entonces, este apartado tiene como meta servir de apoyo para la

comprensión de los conceptos básicos en materia demográfica y las
formas de cálculo de los indicadores básicos en materia de planeación
demográfica para la planeación territorial.
57
Para el cumplimiento de la meta señalada se abordan las siguientes
temáticas: 1. La relación del crecimiento poblacional y lo territorial,
2. Interrelación de factores demográficos con los procesos sociales en
la distribución espacial de la población.
4.1. La relación del crecimiento poblacional y lo territorial
Para regular y orientar el desarrollo de las áreas urbanas en su

entorno regional con un enfoque interdisciplinario, es fundamental
el análisis de temáticas socioeconómicas y sociodemográficas, debido
a la relación bilateral que guarda lo demográfico con el territorio.
Así la aplicación de estos instrumentos demográficos en la planeación

territorial es necesaria para identificar correctamente las necesidades
de los diferentes grupos sociales. Sin esto la aplicación mecánica de
un instrumento podría llevar a agravar las inequidades sociales o al
fracaso en la instrumentación de políticas sociales y de desarrollo
urbano como ha sucedido muchas veces en México.
Por las mismas razones, es fundamental que se aborde la relación

entre los diferentes grupos sociales, identificando claramente que esta
relación no siempre permite la planeación territorial y su ejecución
de manera ideal, ya que estos grupos en muchas ocasiones parten
de posturas y situaciones opuestas y, más aún, mantienen una
relación de competencia donde existe una apropiación de ventajas
de un grupo sobre otro, es decir, en muchas ocasiones existe una
relación de enajenación que no permite una planeación racional a
nivel territorial.
Por otro lado, la relación entre lo demográfico y la planeación urbana

y regional puede identificarse en un nivel práctico y de medición para
la realización de diagnósticos y para la futura planeación.
4.1.1. Antecedentes históricos
Desde la época de la colonia, el desarrollo de centros urbanos se generó

a partir de las necesidades políticas, administrativas, de producción
y comerciales de la metrópoli española. Las ciudades de la Nueva
58
España tenían funciones específicas; Guanajuato, Zacatecas y San
Luis Potosí como centros mineros y Guadalajara, Puebla, Morelia y
Mérida, centros administrativos, militares y religiosos.
La ciudad de México desde el principio ha jugado un papel

preponderante, pues era el núcleo donde confluían todos los caminos
del interior y centro de las transacciones comerciales, se formó una
red de ciudades alrededor de la ruta que la conectaba con el Puerto
de Veracruz, que constituía el punto de enlace con el exterior, y de
las rutas que la comunicaban con los centros mineros. Al iniciarse
la década de los cuarenta, la población nacional era de 19.6 millones
de habitantes. En la ciudad de México residía 7.6% de la población
nacional con 1.5 millones de habitantes (entonces aún circunscrita al
Distrito Federal); Guadalajara era la segunda ciudad más importante
con 236 mil, seguida por Monterrey, con 192 mil. Otras ciudades
importantes de entre 75 y 150 mil habitantes eran Puebla, Mérida,
Aguascalientes, León y San Luis Potosí. En la región de estudio se
encontraban asentados 6.8 millones de habitantes (34.7% de la
población nacional).
En cuanto a la concentración industrial, ésta se ha dado

preferentemente en las ciudades de México, Guadalajara y Monterrey,
reforzándolas como puntos de atracción poblacional; aunque también
el impulso a la industrialización provocó el crecimiento de otras
ciudades como Puebla, Veracruz, Torreón y Chihuahua.
De acuerdo con el CONAPO (2003), en el país para el año 2000 existían

más de 199 mil localidades de diferente tamaño en las cuales habitaba
un total de 97.5 millones de personas. Lo anterior proporciona una
idea del patrón de distribución poblacional en el país, sobre todo si
se tiene en cuenta que cerca de 34% de la población total habitaba
en nueve zonas metropolitanas de más de un millón de habitantes.
Casi 29% de la población total nacional se asentaba en cinco áreas
metropolitanas (véase tabla 4.1).
59
Tabla 4.1. Estados Unidos Mexicanos: principales zonas
metropolitanas, 2000
Ciudad y entidad Población Participación Acumulada
porcentual
ZM de la Ciudad de 17 968 895 18.43 18.43
México
ZM de Guadalajara 3 677 531 3.77 22.20
ZM de Monterrey 3 243 466 3.33 25.53
ZM Puebla 1 892 674 1.94 27.47
ZM Toluca 1 410 870 1.37 28.84
Por otro lado, y con base en los datos del cuadro anterior, se puede
confirmar el importante proceso de concentración y primacía de
la ZMCM, que es 4.9 veces mayor que el área urbana siguiente
(Guadalajara).
Ejercicios:
1. Describa la relación entre desarrollo socioeconómico en el Estado

de México.
2. Describa la evolución de la población en el Estado de México y

cada una de las regiones del Estado. Considerando para esto los
indicadores principales.
3. Señale las principales políticas públicas en materia de población

en el Estado.
4. Señale las principales zonas metropolitanas del país.
5. Señale las razones históricas que han propiciado la actual

concentración urbana en el país.
60
4.2. Distribución espacial de la población
México es un enorme mosaico donde coexisten muchas localidades

pequeñas y dispersas, con poca población. De acuerdo con los datos
del censo del año 2000, en México había 198 878 localidades de
menos de 15 mil habitantes, es decir 99.7% de las localidades de
México tienen menos de 15 mil habitantes y en ellas vivía 39.1 por
ciento de la población.
En contraste hay pocas localidades grandes y con mucha población.

Sólo se registraron 513 localidades de más de 15 mil habitantes, lo
que significaba .03 % de las localidades con más de 15 mil habitantes,
pero en ellas vivía 60.9% de la población. Históricamente la evolución
de la población urbana puede verse en la tabla 4.2.
Tabla 4.2. Estados Unidos Mexicanos: población urbana y

principales indicadores de urbanización, 1900-2000
Población Población Grado de Tasa de
Total Urbana Urbanización Urbanización
1900 13 607 1 437 10.56
1910 15 160 1 783 11.76 1.1
1921 14 335 2 100 14.65 2.0
1930 16 553 2 892 17.47 2.1
1940 19 649 3 928 19.99 1.3
1950 25 779 7 209 27.96 3.3
1960 34 923 13 513 38.69 3.2
1970 48 225 22 730 47.13 2.0
1980 66 847 36 732 54.95 1.5
1990 81 250 51 491 63.37 1.5
2000 97 483 65 653 67.35 0.6
Fuente: Garza, 2003.
4.2.1. Los criterios para identificar localidades
Constantemente en el lenguaje cotidiano investigadores especializados

y no especializados se refieren a localidades y se evita la dicotomía
de lenguaje entre ciudades-pueblos, pero entonces, ¿cómo llamar a
cada localidad? Asimismo, surgen preguntas sobre ciudades o urbes
y ¿qué es una urbe?, ¿qué es una localidad urbana?, ¿qué es lo
urbano?
61
Las respuestas a estas preguntas son varias y de muy diferente
sentido, no obstante todas se pueden usar de manera correcta y
normalmente complementaria.
Así los investigadores especializados han tratado de definir el concepto

de ciudad con tres vertientes básicas o criterios: el demográfico, el
sociológico y el administrativo.
El criterio demográfico: con base en rangos o tamaños de localidad, a

partir del número de habitantes que residen en la localidad.
Su criterio es el tamaño de población residente en la unidad

administrativa, municipio o localidad.
El criterio sociológico. Basado sobre todo en las formas de vida y su

modernidad entendida de manera lineal.
Los criterios para las formas de vida moderna son:
a) La población económicamente activa: en su mayoría se ocupa en

actividades no agrícolas, por ejemplo en actividades de los sectores
de la manufactura y servicios.
b) Relaciones interpersonales muy distantes: los arreglos familiares y

profesionales son muy laxos, hay poco apego y tradición.
c) Preferencia por actividades modernas: tanto en las maneras de

llevar a cabo la reproducción cotidiana, el empleo y la recreación se
prefieren actividades en donde el dinero es el medio de intercambio
y pueden recurrirse a actividades que suceden en otras partes muy
distantes del mundo.
El criterio administrativo. Posición que ocupa la localidad dentro del

gobierno regional o nacional (cabecera municipal o capital estatal,
etcétera).
62
Estos criterios en la realidad de la investigación se mezclan, lo que
también tiene que ver con la velocidad con que crecen algunas
localidades y pasan de un criterio a otro.
4.3. La localidad urbana
Las definiciones de localidad urbana han cambiado constantemente.

De hecho el criterio más usado es el demográfico, por considerarse el
más contundente, el único defecto que tiene es que con este criterio
las localidades van cambiando de categoría conforme crecen, lo que
puede hacer que una localidad analizada en un momento no se
vuelva analizar en otro, dentro de la misma categoría. Los criterios de
localidad urbana se muestran en la tabla 4.3.
Tabla 4.3. Criterios de localidad urbana

Censo Definición Criterio
1910 Las localidades de más de 4 000
habitantes como urbanas
1921 Localidades con más de 2 000
habitantes
1930-1960 Localidades con más de 2 500 Para coincidir con la de los E.U.A.
habitantes
1970-2000 No hay definición de localidades
urbanas. Se establece una serie
de intervalos según número de
habitantes: de 1 a 2 499, de 2 500
a 4 999, etc.
Fuente: Garza, 2003. Unikel et al., 1976.
Dentro de la misma temática, es necesario distinguir entre población

urbana y urbanización. La primera es una medida transversal, es
decir, de momento, la urbanización por su parte es un proceso.
Población urbana: es el número de población que vive en ciudades,

de acuerdo con los criterios demográficos usados.
Urbanización: es el incremento de la proporción de habitantes que

viven en ciudades respecto de la población total.
63
Se considera que el proceso de urbanización es una parte integrante
del proceso de desarrollo económico en general. Su característica
específica está constituida por el aumento y multiplicación de los
centros de concentración de la población y por el aumento sostenido
de la participación de la población urbana respecto a la total.
El proceso de urbanización se ha medido por medio de tres indicadores

clave que son: el grado de urbanización, la tasa de urbanización y el
índice de primacía.
Tabla 4.4. Indicadores de urbanización

Indicador Descripción Forma de Referencia
estimación
Grado de Porcentaje de la Gu = Población Garza, 2003
urbanización población urbana urbana / Población
Gu con respecto a la total
total.
Tasa de Incremento Tu(1990-2000)= Unikel et al.,
urbanización medio anual del (2(Gu2000 – Garza 1976
Tu grado de Gu1990)/(Gu2000+Gu
urbanización 1990)*1/n)*100
N = número de años
Índice de El índice de IP = Pob. Total Unikel et al.,
primacía primacía de dos o Ciudad 1 / Pob. Total 1976
IP más ciudades Ciudad 2 Garza, 2003
expresa el nivel
de preeminencia,
es decir, cuántas
veces es mayor la
ciudad
predominante
con respecto a la
o las siguientes
en tamaño, IP
A continuación se presentan el grado de urbanización y las tasas de

urbanización de los Estados Unidos Mexicanos durante el siglo XX.
La evolución del grado de urbanización sigue una curva logística

(en forma de S atenuada), con valor máximo de 100%. En realidad,
se ha señalado que dejando de lado a pequeños estados nacionales
urbanizados casi a 100% (Singapur, Mónaco, Bélgica), se puede
establecer un valor de 85% como umbral superior. Esto implica que
64
cuando un país observe un nivel elevado de urbanización, le será
cada vez más difícil alcanzar mayores tasas (Garza, 2003).
El grado de urbanización de México en el año 2000 había llegado a

poco más de 67%, pero su crecimiento es cada vez más lento (véase
gráfica 4.1).
Gráfica 4.1. Estados Unidos Mexicanos: grado
de urbanización 1900-2000
80.0
70.0
67.35
63.37
60.0
54.95
50.0
Porcentaje
47.13
40.0 38.69
30.0
27.96
20.0 19.99
17.47
14.65
10.0 10.56 11.76
0.0
1900 1910 1921 1930 1940 1950 1960 1970 1980 1990 2000
Años
Fuente: elaboración propia con datos de Garza, 2003.
Por otro lado, la tasa de urbanización, es decir, el incremento

medio anual del grado de urbanización nos habla de la velocidad de
crecimiento de la urbanización, la cual no tiene valores máximos.
Históricamente, el nivel más alto de la tasa de urbanización de

México durante el siglo XX se alcanzó entre 1940 y 1960, periodo
que coincide con el arranque de la industria nacional y el impulso al
crecimiento por parte de los gobiernos posrevolucionarios.
En los últimos años la tasa de urbanización ha decrecido de manera

acelerada y difícilmente puede volver a crecer de manera acelerada.
65
Gráfica 4.2. Estados Unidos Mexicanos: tasa de urbanización,
1900-2000
3.5
3.3
3.2
3.0
2.5
Porcentaje
2.0 2.0 2.1

2.0
1.5 1.5 1.5

1.3
1.0 1.1
0.6
0.5
0.0
1900 1910 1921 1930 1940 1950 1960 1970 1980 1990 2000
Años
Fuente: elaboración propia con datos de Garza, 2003.
Hasta este momento sólo se han presentado las definiciones de las

localidades urbanas y de los indicadores del proceso de urbanización,
pero también es necesario identificar con claridad el concepto de área
urbana y de zona metropolitana.
Área urbana: es la ciudad propiamente dicha, definida desde los

puntos de vista geográfico, ecológico, demográfico, social, económico,
etc. excepto política o administrativamente. En otras palabras, área
urbana es el área habitada o urbanizada, con usos del suelo de
naturaleza no-agrícola, y que, a partir de un núcleo central, presenta
continuidad física. Esta envolvente urbana, salvo excepciones, no
coincide con el límite político o administrativo de la ciudad, fenómeno
generalizado a una gran mayoría de ciudades en todo el mundo, que
tiende a manifestarse cada vez en forma más notoria (Unikel et al.,
1976).
Zonas metropolitanas: el concepto de zona metropolitana refiere a

una forma particular de urbanización en donde la expansión de la
ciudad hacia su periferia tiende a rebasar los límites territoriales
de la unidad político-administrativa que originalmente la contenía,
incorporando como parte de sí misma o de su área de influencia
66
directa a unidades vecinas, con las que forma un ámbito territorial
altamente integrado física y funcionalmente.
En este sentido, la zona metropolitana difiere del área urbana

propiamente dicha. Su límite comprende municipios completos, e
incluye al conjunto de sus localidades, independientemente de que
éstas formen parte del área urbana continua de la ciudad (Unikel et
al., 1976: 118).
Ejercicios:
1. Describa la evolución de la población urbana del Estado de México.
2. Estime:
a) El grado de urbanización para el Estado de México de 2005.
b) La tasa de urbanización para el Estado de México del periodo 2000-

2005.
c) El índice de primacía para las principales ciudades del Estado de

México en 2005.
3. Señale los principales criterios de localidad urbana y rural.
4. Señale la definición de área urbana.
5. Señale la definición y criterios de zona metropolitana.
6. Señale la diferencia entre población urbana y urbanización.
67
2009 2013
5. ELEMENTOS BÁSICOS DEL ANÁLISIS DEMOGRÁFICO

APLICADO
El análisis demográfico es el componente matemático de la demografía.

Básicamente existen dos escuelas, la tradicional o francesa relacionada
con los orígenes de la demografía, y que utiliza el diagrama de lexis y
el seguimiento de cohortes como metodología central.
Por otro lado, está la escuela norteamericana que utiliza modelos y

técnicas matemáticas más complejas; su utilización ha sido posible
por la disposición de computadoras y bases de datos manejables en
equipos personales de cómputo.
El análisis demográfico es un tema fundamental, ya que es con las

herramientas y conceptos básicos del análisis demográfico que se ha
explicado y medido la dinámica demográfica y sus tres componentes
centrales; la natalidad, la mortalidad y la migración.
69
El objetivo de este capítulo es conocer los principios básicos del
análisis demográfico y el uso de la estructura por edad de la población,
la estimación de las tasas de crecimiento y la estimación del tiempo
de duplicación de una población.
Por esto se desarrollan básicamente los temas de la ecuación

compensadora y sus componentes básicos; natalidad, mortalidad
y migración, que son a su vez los determinantes del volumen y
estructura de una población. A su vez, el volumen y estructura por
edad y sexo de la población se representan por medio de las pirámides
de población o histogramas de frecuencia, de los cuales se presentan
los tipos ideales más usados en la actualidad.
Asimismo se analizará la medición del crecimiento de una población

para identificar su tiempo de duplicación, que es un referente común
de la velocidad del crecimiento de cualquier población.
5.1. Las fuentes de información
Antes de abordar las estimaciones demográficas es necesario conocer

el origen y las fuentes de los datos para realizar estas estimaciones. Las
principales fuentes de información sociodemográfica y socioeconómica
usadas en la demografía y la planeación son las siguientes:
1) Censos Generales de Población y Vivienda
2) Registros institucionales (IMSS, SSA, ISSSTE, etc.)
3) Estadísticas vitales
4) Registros parroquiales (importantes para la investigación histórica)
5) Encuestas sociodemográficas
En los últimos años el acceso a este tipo de información se ha facilitado

muy significativamente, debido sobre todo al uso de la información en
bases de datos manejables en computadoras personales y archivos
70
en formatos de gran capacidad y de gran facilidad de transportación
como discos y unidades de memorias portátiles.
Por otro lado, la otra gran ventaja ha sido el uso de la Internet, que ha
permitido el acceso a las páginas oficiales de información estadística,
como INEGI, SEDESOL, Banco de México, CONAPO, entre muchas
otras.
Normalmente las fuentes de información tienen incorrecciones

normales de todo registro de información, sobre todo en procesos
voluntarios como el registro de nacimientos. Por ejemplo no siempre
se registran el mismo año de nacimiento que el de ocurrencia, tampoco
se registran completos los datos de las madres o bien se deforman,
por ejemplo el estado civil o el nivel de educación.
5.2. Formas de indicadores demográficos
Las estimaciones demográficas se realizan con base en una serie de

instrumentos base, los cuales comúnmente se confunden y por tanto
es importante su definición precisa. Estos instrumentos son:
Tasa. Las tasas son índices de bases empíricas que funcionan como
medidas de la frecuencia de aparición de eventos demográficos en
una población. Dicha frecuencia se calcula como el cociente entre
cierto número de sucesos, por ejemplo defunciones, nacimientos,
matrimonios, divorcios, etc. ocurridos durante determinado periodo y
un número medio de población durante el mismo lapso y en la misma
población. En realidad esta población no debe ser toda la residente
en un mismo lugar sino la considerada expuesta al riesgo, es decir,
aquella que puede experimentar el mismo evento.
Normalmente, se multiplica el resultado del cociente por una constante

k para lograr una mayor claridad en la interpretación; esta constante
normalmente es 100 y en segundo lugar 1 000. Para fenómenos muy
extraños se utiliza el 10 000.
71
Entonces por ejemplo, cuando el resultado de una tasa específica de
fecundidad de mujeres de 25 a 29 años puede ser .1590, este valor en
números decimales puede tener una interpretación poco clara.
Pero si se multiplica por 1 000 puede decirse que la tasa específica

de fecundidad de 25 a 29 años es de 159.0 por cada mil mujeres.
Entonces se puede decir que 159 de cada 1 000 mujeres de 25 a 29
años han tenido un hijo en el periodo de referencia y en la población
seleccionada.
Dos ejemplos básicos de tasas son:
a) La tasas brutas que son tasas calculadas para la población total.
b) Las tasas específicas que son tasas calculadas para un subgrupo

específico.
Adelante se señala específicamente la forma de cálculo de estas tasas.
El segundo instrumento es la razón. Esta es el cociente entre dos

subgrupos de población, es decir, un subgrupo dividido por otro.
Dos ejemplos básicos de razón son:
a) El índice de masculinidad, que es la razón entre el número de

hombres y el número de mujeres de una misma población.
b) La razón de la tasa de dependencia es la población que no desarrolla

una actividad económica entre la población que no realiza actividades
económicas.
Normalmente, para el cálculo de razones también se multiplica el

resultado del cociente por una constante k, para lograr una mayor
claridad en la interpretación. Esta constante normalmente es 100.
El tercer y último instrumento es la proporción. Es la relación entre un

subgrupo de población y toda la población, es decir, un subconjunto
de población dividido entre el total de la población.
72
Por ejemplo:
La proporción de población urbana del total de la población en 1990,

el 0.713 de la población total de México vivía en zonas urbanas,
debido a que las proporciones son poco claras, es decir, no dan una
idea de la dimensión tan inmediata en que se utiliza el porcentaje.
Normalmente, para el cálculo de porcentajes se multiplica el resultado

de la proporción estimada por una constante k para lograr una mayor
claridad en la interpretación. Esta constante normalmente es 100.
Debido a que tanto las tasas, las razones y los porcentajes se presentan
en porcentajes, en ocasiones existen confusiones en lectores no
especializados, por eso es muy importante tener claros los elementos
que forman el cociente en cada uno de los instrumentos de cálculo y
su interpretación.
5.3. Ecuación compensadora
Una de las principales herramientas de la demografía ha sido la

ecuación compensadora, que puede usarse para describir la situación
actual y futura de una población considerando los tres elementos
básicos; la natalidad, la mortalidad y la migración.
Ecuación compensadora
Pf =Pi +(N-D) + (I-E)

Donde:
N =Nacimientos
D =Defunciones
I =Inmigrantes
E =Emigrantes
Pf =Población al final del periodo
Pi =Población al inicio del periodo
73
La ecuación compensadora se puede usar también para estimar
la tasa de crecimiento total de una población. Esto se muestra a
continuación con el manejo algebraico de la fórmula.
TCT =(TBN - TBM) + / - (TI-TE)

Donde:
TCT =Tasa de crecimiento total
TBN =Tasa bruta de natalidad
TBM =Tasa bruta de mortalidad
TI =Tasa de inmigración
TE =Tasa de emigración
Ecuación que también la podemos escribir como:
TCT =TCN + / - TCS*
Donde:
TCS =Tasa de crecimiento social =TI - / +TE
TCN =TBN-TBM = Tasa de crecimiento natural
*Cuando la TCS es negativa, evidentemente la ecuación tiene la forma

TCT = TCN - TCS
*Cuando la TCS es negativa, evidentemente la ecuación tiene la forma

TCT = TCN -TCS
Tasa de aumento natural
La tasa de aumento natural (TAN) es el ritmo al que la población

aumenta (o disminuye) durante un periodo determinado, por ejemplo
un año.
TAN = [( Nacimientos - Defunciones) / Población total] * 100
TAN = ( Tasa de natalidad - Tasa de mortalidad ) / 10
74
5.3.1. La esimación de las tasas brutas de natalidad, mortalidad
y migración
La estimación de las tasas brutas que conforman la ecuación

compensadora no siempre es fácil. Se debe contar con nacimientos
y defunciones evaluadas y corregidas por al menos edad, lugar de
residencia y sexo. Como se señaló previamente no todos los registros
están ausentes de errores u omisiones, actualmente en la mayoría de
los casos estas imprecisiones se les pueden atribuir en su mayoría a los
ciudadanos. También resulta complicado conseguir esta información
a nivel desagregado por ejemplo para cualquier municipio del país.
Por otro lado, la información sobre migración es todavía más difícil de

obtener y manejar. Sobre todo en el caso de la emigración donde no
se cuentan con registros, ya que la mayoría de los casos son ilegales.
En el caso de la emigración hasta hace muy poco se cuenta con
información a nivel municipal; lo que permite analizar los cambios
de residencia en la misma zona metropolitana pero de municipios de
diferente entidad.
1. La tasa bruta de natalidad indica el número de nacidos vivos por

cada 1 000 habitantes en un determinado año y lugar.
TBN = ( Número de nacimientos / Población total ) *1000
2. La tasa de mortalidad indica el número de defunciones por cada

1 000 habitantes en un año determinado y en un lugar específico.
Siempre debe calcularse como el del lugar de residencia del fallecido.
TBM = (Número de defunciones / Población total ) * 1000
3. La tasa de inmigración (TI) es el número de inmigrantes que llegan

a un lugar de destino por cada 1 000 habitantes del lugar de destino
en un año determinado.
TI = (Número de inmigrantes / Pob. tot. del lugar de destino) * 1000
75
4. La tasa de emigración (TE) es el número de emigrantes que dejan
un lugar de origen por cada 1 000 habitantes del lugar de origen en
un año determinado.
TE = (Número de emigrantes / Pob. tot. del lugar de origen) * 1000
5.4. Pirámides de población tipos ideales
Las pirámides de población son histogramas de frecuencia con dos

variables: edad y sexo de la población, se puede hacer por frecuencias
absolutas o bien por frecuencias relativas, porcentajes o proporciones.
Asimismo se pueden presentar por edad desplegada o por grupos de
edades quinquenales.
Una pirámide de edad es una referencia de los últimos 70 años de la

historia demográfica de una población. En muchas de las pirámides
se pueden observar los cambios de la fecundidad, la mortalidad y
la migración. Pero también eventos más específicos como conflictos
armados o epidemias que hayan afectado a un grupo de edad
específico o un sexo en particular.
76
Tabla 5.1. Tipos ideales de pirámides de población
Tipo ideal Características Dinámica
demográfica
asociada y
situación de
indicadores
Expansiva Amplia proporción de Etapas tempranas
población infantil de la transición
(menores de 15 años) y demográfica. Alta
muy poca proporción de natalidad y alta
población en edades mortalidad. Alta
adultas (mayores de 65 mortalidad infantil,
años). Alta dependencia baja esperanza de
social por la población vida al nacimiento
joven
Constrictiva Reducción de la población Etapa intermedia
infantil y ampliación de la de la transición
proporción de población demográfica. Baja
joven (de 15 a 64 años) y mortalidad,
poca proporción de natalidad en fuerte
población en edades descenso, baja
adultas. Alta capacidad mortalidad infantil
productiva, como y esperanza de vida
sociedad, por la población al nacimiento en
en edad laboral aumento
Cuasi- Proporciones similares de Etapa avanzada de
estacionaria población en todos los la transición
grupos de edad demográfica. Baja
Dependencia equilibrada mortalidad, baja
natalidad, baja
mortalidad infantil
y alta esperanza de
vida al nacimiento
Los tipos ideales de manera gráfica se pueden ver de la siguiente

manera (véase pirámides 5.1, 5.2 y 5.3).
77
Pirámide 5.1. Tipo ideal expansivo
Pirámide de población Expansiva
85+ 85+
80-84 80-84
75-79 75-79
70-74 70-74
65-69 65-69
60-64 60-64
Grupos de edad
55-59 55-59
50-54 50-54
45-49 45-49
40-44 40-44
35-39 35-39
30-34 30-34
25-29 25-29
20-24 20-24
15-19 15-19
10-14 10-14
5-9 5-9
0-4 0-4
Población
H om bres M ujeres
Pirámide 5.2. Tipo ideal constrictivo
Pirámide de población Constrictiva
85+ 85+
80-84 80-84
75-79 75-79
70-74 70-74
65-69 65-69
60-64 60-64
Grupos de edad
55-59 55-59
50-54 50-54
45-49 45-49
40-44 40-44
35-39 35-39
30-34 30-34
25-29 25-29
20-24 20-24
15-19 15-19
10-14 10-14
5-9 5-9
0-4 0-4
Población
H om bres M ujeres
78
Pirámide 5.3. Tipo ideal cuasiestacionario
Pirámide de población Cuasiestacionaria
85+ 85+
8 0 -8 4 8 0 -8 4
75+ 79 75+ 79
7 0 -7 4 7 0 -7 4
6 5 -6 9 6 5 -6 9
6 0 -6 4 6 0 -6 4
Grupos de edad
5 5 -5 9 5 5 -5 9
5 0 -5 4 5 0 -5 4
4 5 -4 9 4 5 -4 9
4 0 -4 4 4 0 -4 4
3 5 -3 9 3 5 -3 9
3 0 -3 4 3 0 -3 4
2 5 -2 9 2 5 -2 9
2 0 -2 4 2 0 -2 4
1 5 -1 9 1 5 -1 9
1 0 -1 4 1 0 -1 4
5 -9 5 -9
0 -4 0 -4
Población
H o m b re s M u je re s
5.5. Tasas específicas de fecundidad, tasa global de fecundidad
Las tasas específicas de fecundidad nfx son el número de nacidos

vivos de mujeres de un grupo de edad entre el número de mujeres del
mismo grupo. Se suelen calcular para los grupos quinquenales entre
15 y 49 años, en un determinado año.
f = Nacimientos de mujeres en edad x / Número de mujeres de edad
n x
x
x
= edad de inicio del intervalo
n
= longitud del intervalo
La tasa global de fecundidad TGF es la suma de las tasas específicas
de fecundidad de las mujeres de 15 a 49 años multiplicadas por
cinco, cuando usamos grupos quinquenales. Este es el indicador más
preciso de fecundidad, con la desventaja de que necesita información
detallada para la construcción de las tasas específicas de fecundidad.
79
Tabla 5.2. Estimación de la tasa específica de fecundidad y tasa
global de fecundidad
Grupos Mujeres Nacimientos Tasas
de edad por grupo de cada específicas
de edad grupo de por mil
edad
15-19 4 904 511 453 348 92.4
20-24 4 091 035 831 282 203.2
25-29 3 353 917 655 577 195.5
30-34- 2 808 883 381 375 135.8
35-39 2 368 551 190 252 80.3
40-44 1 792 757 59 386 33.1
45-49 1 519 287 11 140 7.3
Tasa global de
fecundidad TGF
3.7
Gráfica 5.1. Tasas específicas de fecundidad o también

identificada como estructura de fecundidad
250.0
200.0
Tasas por mil
150.0
100.0
50.0
0.0
15 - 19 20 - 24 25 - 29 30 - 34 35 - 39 40 - 44 45 - 49
Grupos de edad
80
Gráfica 5.2. Estados Unidos Mexicanos: tasas específicas de
fecundidad 1974-2005
300.0
1974
1982
250.0
1992
1997
Tasas especificas
200.0
2000
2005
150.0
100.0
50.0
0.0
15-19 20-24 25-29 30-34 35-39 40-44 45-49
Grupos de edad
Fuente: Conapo, 2007.
Gráfica 5.3. Estados Unidos Mexicanos: tasa global de

fecundidad 1950-2005
0
-0.5
-1
-1.5
log ndx
-2
-2.5
-3
-3.5
+
4
20 9
24
30 9
34
40 9
44
50 9
54
60 9
64
70 9
75 4
80 9
84
10 9
15 4
1
7
-1
-
5-
-
-
85
25
35
45
55
65
0
Grupos de edad
81
5.6. Tasas específicas de mortalidad
Las tasas específicas de mortalidad (ndx) son el número de defunciones

de un grupo de edad entre el número de personas del mismo grupo de
edad. Se suelen calcular para los grupos quinquenales o en edades
individuales, para un determinado año. Se suele calcular por sexo
y en ocasiones por diferentes causas de muerte. En estas tasas es
posible obtener una tabla de mortalidad para estimar la esperanza
de vida por edad.
n
dx = Defunciones de personas en edad x / número de personas de
edad x
x
= edad de inicio del intervalo
n
= longitud del intervalo
Tabla 5.3. Tasas de mortalidad por edad ndx
Grupo de Población por grupo Defunciones Tasa
edad de edad por edad específicas
por edad
0-4 1 229 996 13 714 0.01115
5-9 1 284 167 691 0.00054
10 - 14 1 248 189 629 0.00050
15 - 19 1 198 496 1 271 0.00106
20 - 24 1 010 653 1 563 0.00155
25 – 29 834 509 1 661 0.00199
30 - 34 709 181 1 637 0.00231
35 - 39 584 990 1 833 0.00313
40 - 44 429 384 1 935 0.00451
45 - 49 348 862 2 127 0.00610
50 - 54 264 020 2 228 0.00844
55 - 59 200 166 2 536 0.01267
60 - 64 156 005 2 744 0.01759
65 - 69 112 907 2 906 0.02574
70 - 74 69 215 2 373 0.03428
75 - 79 49 615 2 754 0.05551
80 - 84 31 272 2 638 0.08436
85 - + 31 907 4 561 0.14295
Se acostumbra graficar las tasas de mortalidad en escala logarítmica,

debido a que la forma gráfica es mucho más interpretable en escala
logarítmica que en su forma original. En la gráfica los números no
82
se toman en cuenta, se interpreta su forma en la comparación por
grupos de edad o entre sexos.
Gráfica 5.4. Logaritmo de tasas específicas de mortalidad

0
-0.5
-1
-1.5
log ndx
-2
-2.5
-3
-3.5
-+
4
20 9
25 4
29
35 4
40 9
44
50 9
54
60 9
65 4
70 9
75 4
80 9
84
10 9
15 4
1
7
-1
5-
-
-
85
30
45
55
0
Grupos de edad
5.7. Tasa de mortalidad infantil
La tasa de mortalidad infantil (TMI) es el número de defunciones

ocurridas entre los niños menores de un año por cada 1 000 nacidos
vivos en un año determinado.
TMI= Número de defunciones de menores de un año / Total de nacidos

vivos * 1000.
83
Tabla 5.4. Tasa de mortalidad infantil
Tasa de mortalidad infantil
Total de nacimientos Defunciones de 0-1 TMI
2 735 312 122 803 44.9
Gráfica 5.5. Estados Unidos Mexicanos: tasa de mortalidad

infantil, 1970-2005
90.00
79.0
80.00
70.00 64.6
60.00 53.0
50.00
TMI
39.8
40.00 36.6
30.5
30.00 24.9
20.9
20.00
10.00
-
1970 1975 1980 1985 1990 1995 2000 2005
Años
5.8. Tasa de inmigración
La tasa de inmigración (TI) es el número de inmigrantes que llegan a

un lugar de destino por cada 1 000 habitantes del lugar de destino
en un año determinado.
TI = Número de inmigrantes / Pob. total del lugar de destino * 1000
84
Ejercicios:
1. Señale las principales fuentes de información.
2. Señale las formas funcionales de cálculo de la natalidad, mortalidad

y migración.
3. Haga dos pirámides de población del Estado de México para 2005

y señale sus características; una en valores absolutos y otra en
relativos.
4. Haga dos pirámides de población de un municipio rural del Estado

de México para 2005 y señale sus características; una en valores
absolutos y otra en relativos.
5. Haga dos pirámides de población de un municipio metropolitano

del Estado de México para 2005 y señale sus características; una en
valores absolutos y otra en relativos.
85
2009 2013
6. MODELOS TEÓRICOS DE PROYECCIÓN Y SIMULACIÓN
En los estudios demográficos, se utilizan básicamente los modelos de

estimación y proyección, frente a los modelos de simulación. Estos
últimos tienen una lógica muy diferente y sirven para dar respuesta
a preguntas diferentes, a continuación se presenta una serie de
diferencias entre los modelos usados en los estudios demográficos
con el objetivo de familiarizar a los lectores no especializados.
87
Comparación de modelos de simulación frente a modelos de
estimación
Modelo de estimación Modelo de simulación
Y=a+b+2 Y=a+b+2
Y = Incógnita, valor buscado Y = Conocido
a = parámetro conocido a = parámetro cambiante o

b = parámetro conocido simulado
b = parámetro cambiante o
simulado
2 = constante 2 = constante
¿Cuánto vale Y? ¿Cuánto pueden valer a y b

para un valor conocido de Y
En el cuadro siguiente se presenta un ejemplo de un modelo de

estimación.
Ejemplo comparativo de modelos de estimación y simulación

Ejemplo: Ejemplo:
Estimación: Simulación:
Con la ecuación Y = a + b + 2 Con la ecuación Y = a + b + 2
Y=?A=2b=4 Y=8
a=1b=5
Y=8 a=2b=4
a=3b=3
a=5b=1
a=4b=2
Es evidente que tanto los modelos de proyección como los modelos
de simulación se basan en ecuaciones y funciones, por tanto, es
importante hacer una revisión básica de estos temas dirigidos a la
demografía. A continuación se muestran algunos antecedentes de la
estadística y la demografía.
88
6.1. Antecedentes de la demografía y la estadística
Algunos de los primeros trabajos de estadística estrechamente

relacionados con el ámbito demográfico se deben a John Graunt,
que en 1662 se planteó estimar el volumen de la población inglesa
de su época y a partir de una muestra fue capaz de estimar las tasas
de mortalidad por edad y la frecuencia de nacimientos de hombres y
mujeres.
En 1663 Edmund Halley publicó las primeras tablas de mortalidad.

Algunas décadas después, en 1690, Petty analizó datos demográficos
así como económicos de educación y comercio (Peña, 2000).
La estadística es el puente entre los modelos matemáticos y los

fenómenos reales. Así la construcción de modelos puede clasificarse
como extrapolativos cuando ocupan una sola variable y cuando
introducen una o varias variables explicativas se denominan modelos
explicativos. Asimismo, cuando se intenta representar un solo
instante se denominan de corte transversal, mientras que cuando se
desea representar una evolución a lo largo del tiempo se consideran
como modelos dinámicos o longitudinales (Peña, 2000).
Por lo que antes de definir y construir modelos utilizando técnicas

estadísticas es necesario obtener la información idónea. En México, la
información sobre población tiene una historia relativamente breve,
lo que es más grave cuando se intenta analizar a la población de las
entidades, los municipios o las localidades, o por otro lado cuando
se intenta explorar algún tema muy específico. Por ejemplo al querer
analizar la fecundidad en México la historia es relativamente breve
y el nivel de desagregación también muy limitado (véase tablas 6.1 y
6.2).
89
Tabla 6.1. Estados Unidos Mexicanos: información de los censos
y conteos en México, 1900-2005
Año Fecha censal Población Tipo de cédula Población
total total
observada estimada
1900 28 de octubre 13 607 259 Familiar
1910 27 de octubre 15 160 369 Familiar
1921 30 de noviembre 14 334 780 Familiar 17 209 033
1930 15 de mayo 16 552 644 Colectiva (100 habitantes) 19 862 666
1940 6 de marzo 19 649 162 Colectiva (80 habitantes) 23 573 012
1950 6 de junio 25 779 254 Colectiva (45 habitantes) 30 918 363
1970 28 de enero 48 225 238 Colectiva (14 habitantes) 57 839 384
1990 12 de marzo 81 140 922 Colectiva (10 habitantes) 97 267 654
1995 5 de noviembre 91 158 290 n.d. 92 996 295
2000 14 de febrero 97 483 412 Colectiva (6 habitantes) 100 569 263
2005 17 de octubre 103 263 388 n.d. 103 946 866
Fuente: Ordorica y Lezama (1993), INEGI (2007) y CONAPO (2007).
90
Tabla 6.2. Estados Unidos Mexicanos: encuestas
sociodemográficas dirigidas con especial atención a la
fecundidad en México, 1964-2003
Encuesta Siglas Fecha Cobertura
Encuesta de Fecundidad Urbana n.d. 1964 Ciudad de México y municipios
del Estado de México
Encuesta de Fecundidad Rural PECFAL-R 1969 Localidades rurales y
semiurbanas
Encuesta Mexicana de Fecundidad EMF 1976 Nacional y regional
Encuesta Nacional de Prevalencia o ENPUA 1979 Regional y estatal
el Uso de Métodos Anticonceptivos
con Módulo de
Fecundidad/Mortalidad
Encuesta Rural de Planificación ERPF-1981 1981 Localidades de menos de 2 500
Familiar habitantes
Encuesta Nacional Demográfica END-1982 1982 Nacional y regional
Encuesta Nacional sobre ENFES 1987 Nacional, regional y por
Fecundidad y Salud localidad
Encuesta sobre el Comportamiento ECRAMM 1987 Zona Metropolitana de la
Reproductivo de los Adolescentes y Ciudad de México
Jóvenes del Área Metropolitana de
la Ciudad de México
Encuesta Nacional de Salud I ENSAI 1998 Nacional y estatal empleando
regiones
Determinantes de la Práctica EDEPAM 1988 Tres regiones del país
Anticonceptiva en México
Encuesta y Aceptación y Uso de los n.d. 1988
Implantes Anticonceptivos Norplat
Encuesta sobre Conocimientos, ENCAPO 1988 Zona metropolitana de la
Actitud y Práctica en el Uso de Ciudad de México
Métodos Anticonceptivos de la
Población Masculina Obrera del
Área Metropolitana de la Ciudad de
México
Encuesta Nacional sobre n.d. 1988 Nacional
Sexualidad y Familia en Jóvenes de
Educación Media Superior
Encuesta Nacional de la Dinámica ENADID-92 1992 Nacional y entidad federativa
Demográfica 1992
Encuesta de Comportamiento n.d. 1992- 14 delegaciones del D.F. y 2
Sexual en la Ciudad de México 1993 municipios del Estado de
México
Encuesta Nacional de Salud II ENSA II 1994 Entidad federativa, 5 regiones
Encuesta Nacional de Salud ENSAMI 1994 3 regiones: Norte (RN),
Materno-Infantil 1994 Metropolitana (AMCM) y Sur
(RS)
Encuesta Nacional de Planificación ENPF 1995 Nacional y 9 estados
Familiar prioritarios
Encuesta de Comunicación en ENCOPLAF 1996 9 estados prioritarios
Planificación Familiar
Encuesta sobre Instituciones en la n.d. 1996 9 estados prioritarios
Planificación Familiar en México
Encuesta Nacional de la Dinámica ENADID-97 1997 Nacional y de entidad federativa
Demográfica 1997
Encuesta Nacional de Salud ENSR-2003 2003 Nacional y 9 estados
Reproductiva prioritarios
91
6.2. Estimaciones por medio de funciones y modelos de regresión
Como se vio previamente algunas funciones han sido utilizadas para

realizar estimaciones demográficas.
Algunas de las funciones más conocidas son:

Rectas y curvas
varias
Funciones Valores de X Valores de Y

x Y= x Y =exp(x) Y = In(x)
Y= x 1 1 2.72 0.00
Y=exp(x) 2 2 7.39 0.69
3 3 20.09 1.10
Y= In(x) 4 4 54.60 1.39
5 5 148.41 1.61
Y=exp(x)+c Valores de Y Y= In(x)+c

X Y=exp(x)+c
Y= In(x) +c 1 7.72 5.00
2 12.39 5.69
C = constante 3 25.09 6.10
4 59.60 6.39
5 153.41 6.61
C =5
Una de las funciones más usadas es la conocida como ecuación de la

recta obtenida a partir de dos puntos.
Esta ecuación es y = m *(x-x1)+ y1
Donde m = (Y2-Y1) / (X2 –X1)
Tanto las funciones exponenciales como las de logaritmo natural y de

la recta se presentan en la gráfica 6.1.
92
Gráfica 6.1. Funciones usadas en las estimaciones demográficas
16
y =ln( X) 15
14
y= x
13
1/10*EXP(x) 12
11
Estimaciones
10
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5
Momentos
Estas funciones son útiles para ciertas circunstancias y cuando se

dispone de información o estimaciones muy específicas.
Pero en ocasiones cuando no se dispone de una serie de valores

o cuando se intenta relacionar con tres variables de tipo
sociodemográfico, el crecimiento de la población se puede ocupar de
los modelos estadísticos de regresión.
6.2.1. Los modelos de regresión lineal
El término de regresión fue introducido por primera vez por Francis

Galton a fines del siglo XIX. El análisis de regresión trata del estudio
de la dependencia de la variable dependiente a una o más variables,
con el fin de estimar y predecir la media o valor promedio poblacional
de la primera en términos de valores conocidos de las últimas
(Gujarati, 2004).
93
Su forma funcional es:
y = a + b* x + ui
Donde:
(∑ y ) * (∑ x 2 ) − (∑ x ) * (∑ xy )
a=
n * ∑ X 2 − (∑ x) 2
n * ∑ xy − (∑ x ) * (∑ y )
b=
n * ∑ X 2 − (∑ x ) 2
u i es el término de error o perturbaci ón estoc ástica
El coeficiente “a” indica el punto donde la recta se cruza con el

eje y, y el coeficiente “b” indica el incremento en la recta, por cada
incremento de una unidad de la variable x. Los coeficientes a y b deben
ser obtenidos por medio de programas de cómputo o calculadoras.
Debido a que su obtención por ecuaciones normales se debe revisar
sólo en discusiones especializadas en el tema.
Una de las limitaciones del uso de las regresiones es que en

muchas ocasiones se olvida el término de error, que se conoce como
perturbación estocástica, porque no se ocupa una variable donde se
introduzcan todas las variables posibles. De acuerdo con Gujarati
(2004), esto se debe principalmente a:
1. Vaguedad de la teoría
2. No hay información disponible
3. Variables centrales frente a variables periféricas
4. Aleatoriedad intrínseca en el comportamiento humano
5. Variables proxy inadecuadas
94
6. Principio de parsinomia
7. Forma funcional incorrecta
De los puntos anteriores, es decir, de la perturbación estocástica,

destaca el número 1. La vaguedad de la teoría es una constante
demográfica sobre la que poco se ha trabajado. Hoy “los éxitos”
en la reducción de la velocidad de crecimiento de la población son
indudables en México, pero esto nos debe exigir cada vez un mayor
trabajo teórico que permita construir modelos que expliquen de
manera más clara los cambios en la dinámica demográfica y las
necesidades que están surgiendo en una sociedad de riesgo.
En un sentido más práctico, otros autores también han señalado

los abusos más comunes en que se ha incurrido con frecuencia al
usar la regresión lineal. De acuerdo con Montgomery, Peck y Vining
(2002), el análisis de regresión lineal en muchas ocasiones se usa
mal. Algunos de los abusos más comunes son:
1. El modelo de regresión tiene por objetivo servir de ecuaciones de

interpolación dentro de un intervalo. Entonces, se debe tener cuidado
al extrapolar fuera de ese intervalo.
2. La disposición de los valores X juega un papel importante en la

estimación por mínimos cuadrados. Si bien todos los puntos tienen
peso igual para determinar la altura de la recta, la pendiente está
influenciada por los valores remotos de X.
3. La existencia de valores atípicos o valores erróneos pueden afectar.
En el ámbito demográfico, la regresión lineal se ha utilizado

frecuentemente para asociar, por ejemplo, la marginación y la
educación con el nivel socioeconómico o con la transición demográfica,
vista como modernización y calidad de vida (véase gráficas 6.2 y 6.3).
95
Gráfica 6.2. Municipios del Estado de México: índice de
marginación y tasa global de fecundidad 2000
6.0
5.5
5.0
4.5
4.0
TGF
3.5
3.0
2.5
2.0
1.5
1.0
-2.50 -2.00 -1.50 -1.00 -0.50 0.00 0.50 1.00 1.50
Indice de m arginación
Fuente: elaboración propia con datos del INEGI.
Gráfica 6.3. Municipios del Estado de México: proporción de

mujeres de 25-29 años con derechohabiencia y promedio de
hnv mujeres de 25-29 años, 2005
3
2.5
P- HNV-25-29 años
1.5
0.5
0
0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70
Proporción de mujeres de 25 a 29 años con derechohabiencia
96
Si bien las asociaciones estadísticas presentadas en las gráficas
6.1 y 6.2 donde se usan los datos del Estado de México funcionan
estadísticamente, no quiere decir que garanticen una relación
conceptual entre las variables utilizadas.
Así, la explicación de muchos fenómenos sociales no se define

conceptualmente con un análisis de regresión y menos aún para el
análisis de los posibles escenarios y cambios que se extrapolan a
partir de un análisis de regresión.
En la realización de estimaciones demográficas hay otros dos tipos de

modelos de regresión que también se utilizan de manera muy común.
La regresión exponencial y la regresión de logaritmo natural.
6.2.2. El modelo de regresión de logaritmo natural
La regresión de logaritmo natural se obtiene con una matriz de datos

de al menos dos columnas y tres renglones, de manera muy similar
a la regresión lineal, pero sus incrementos no son iguales en cada
incremento de x.
La forma funcional es:
y = a + b1n(x)
n * ∑ ( y * ln x ) − ∑ ln x * ∑ y
b=
n * ∑ (ln x ) 2 − (∑ ln x ) 2
a=
∑ y − b * ∑ ln x
n
Hoy la mayoría de las calculadoras y hojas de cálculo incluyen la
estimación de los parámetros a y b de regresiones no lineales. Por
tanto, se evita desarrollo del cálculo de las llamadas ecuaciones
normales para la estimación de los parámetros a y b y además en el
caso de las hojas de cálculo también se obtienen algunos resultados
97
de pruebas y parámetros para determinar la asociación estadística.
Un ejemplo del uso de la regresión de logaritmo natural se puede ver
en la gráfica 6.4.
Gráfica 6.4. Población A: Proporción de población con

preparatoria concluida, 1970-2000
Población con preparatoria concluida
55.0
45.0
35.0
25.0
Observado
Estimado
15.0
1970 1980 1990 2000
Años
Se puede observar que con cuatro puntos, el ajuste de los datos

observados y estimados es muy robusto estadísticamente.
6.2.3. El modelo de regresión exponencial
La regresión exponencial se obtiene con una matriz de datos de

al menos dos columnas y tres reglones, de manera muy similar a
la regresión lineal, pero sus incrementos no son iguales en cada
incremento de x.
La forma funcional es:
y = a*eb*x
98
n ∑ ( x ln y ) − ∑ x − ∑ ln y
b=
n * ∑ x 2 − (∑ x) 2
a = e(
∑ ln y − b * ∑ x )
n
Igual que el caso de la regresión de logaritmo natural, también para la

regresión exponencial, se evita desarrollo del cálculo de las llamadas
ecuaciones normales para la estimación de los parámetros a y b. Un
ejemplo del uso de la regresión de logaritmo natural se puede ver en
la gráfica 6.5.
Gráfica 6.5. Población A: Población total observada y estimada,

1970-2000
70,000
60,000
50,000
Población
40,000
30,000
20,000
Observado
10,000
Estimado
-
1970 1980 1990 2000
Años
99
6.2.4. Otras curvas de ajuste
La estimación de indicadores demográficos o de la población total

para momentos intermedios entre dos puntos de datos observados se
puede realizar con otras funciones como la de Gompertz, la exponencial
modificada, la logística, entre otras, con ventajas y desventajas por
los criterios y requisitos de cada función. A continuación se presenta
la curva logística.
6.2.4.1. La curva logística
Asimismo, es posible que se ocupen otro tipo de curvas, una de las

más comunes son las conocidas como curvas de aprendizaje. Una de
ellas es particularmente utilizada y se conoce como curva logística.
Su fórmula funcional es:
Pf = B - A * exp[-r(r*t)]
Constantes positivas
B= Máximo
A= Mínimo
r= Tasa de crecimiento
Cuando se desconoce la tasa de crecimiento r y en ocasiones es
necesario fijar una serie de asíntotas, es mejor utilizar la otra firma
funcional de la curva logística con asíntotas.
Curva logística con asíntotas
Esta curva tiene un par de asíntotas K1 y K2 y los valores a y b

corresponden a una regresión lineal obtenida con los valores de la
transformación y el tiempo. Esta curva simétrica tiene una forma de s
y sus asíntotas son fijadas por el investigador de acuerdo con criterios
teóricos u observados en poblaciones con características similares.
100
Transformación
a+bt = In [k2 / ( pt-k1) -1]
Pt = K1 + (K2 / 1+ e (a+b*t))
inferior k1 5.0 a = Intercepción

superior k2 100.0 b = Variable X1
En el siguiente capítulo se presenta el uso de la curva logística para

la estimación de indicadores demográficos y de población.
Ejercicios:
Resuelva los siguientes casos. Funciones lineales donde la pendiente

y los incrementos no cambian.
1. Cuando un valor se incrementa en un cincuenta por ciento se

puede estimar de la siguiente manera.
y= x * 1.5
Estime los valores faltantes
x y
1 1.5
2 3
3 4.5
4 6
5 7.5
6
7
8
9
10
101
2. Si además se le agrega una constante de 1/5 el resultado es
y = x * 1.5+(x/5)
x y
1 1.7
2 3.4
3 5.1
4 6.8
5 8.5
6
7
8
9
10
3. Pero hay también funciones no lineales donde el incremento y las

pendientes cambian
y= x2+x
x y
1 2
2 6
3 12
4 20
5 30
6 42
7 56
8 72
9 90
10 110
102
4. Resuelva los siguientes ejercicios:
Y = x+ 20-(x/x+2)
Y = x- 20*(x/x+2)
Y = x2-(x+5/x)
Y = x3+ (20-(x+5/x))
Desde x = 0 y hasta 10
5. Calcule una serie de valores estimados con los tres tipos de

regresiones presentadas. Grafique y señale cual presenta el mejor
ajuste a los datos.
Para la estimación de las regresiones utilice las dos variables

siguientes:
X Y
4 5
5 7
8 9
9 10
12 14
15 16
19 19
a) Calcule una serie de valores estimados con los tres tipos de

regresiones presentadas. Grafique y señale cuál presenta el mejor
ajuste a los datos.
103
siguientes:
X Y
34 55
55 52
29 45
30 39
46 37
57 30
40 28
b) Calcule una serie de valores estimados con los tres tipos de

regresiones presentadas. Grafique y señale cuál presenta el mejor
ajuste a los datos.

siguientes:
X Y
14 18
19 19
23 25
20 26
17 27
19 28
20 29
104
Cuestionario
1. Señale qué es una función.
2. Señale las formas funcionales más usadas en la sociodemografía

para la estimación de indicadores demográficos.
3. Señale cuáles son las regresiones más comunes.
4. Señale qué significan los parámetros a y b de una regresión lineal.
105
2009 2013
7. LA PROYECCIÓN DE LOS INDICADORES DEMOGRÁFICOS Y

DE LA POBLACIÓN TOTAL
Las herramientas matemáticas y estadísticas presentadas en el

capítulo previo pueden ser utilizadas para hacer las proyecciones en
esta unidad, por lo que se presentarán ejemplos con varias técnicas y
sus ejemplos de cálculo para los indicadores demográficos centrales.
Antes de toda estimación de proyección es necesario contar con una

base de datos lo suficientemente amplia y realizar la evaluación de la
información para conocer su calidad.
Una vez que se ha evaluado y corregido la información se pueden

realizar proyecciones demográficas. En muchas ocasiones sería
recomendable hacer estimaciones generando varios escenarios,
debido a los posibles cambios que se presentan en las variables y que
están mutuamente asociados con la dinámica demográfica. Además
se debe señalar que no existen recetas únicas para la estimación de
los indicadores demográficos, por lo que siempre será central tener un
107
fuerte sustento teórico que permita predecir la tendencia del indicador
y en tanto seleccionar una herramienta estadística adecuada.
7.1. Proyección de la mortalidad
Para la proyección de la natalidad y la mortalidad normalmente

se ocupan curvas logísticas. No obstante se pueden utilizar otras
funciones; todo dependerá de la tendencia de los datos y los cambios
que los valores hayan presentado en los últimos años.
7.1.1. Proyección de la mortalidad con curva logística
Como se señaló, el uso de la curva logística supone la definición de las

asíntotas superior e inferior. Asimismo supone la estimación de a y b
que son los coeficientes de una regresión lineal entre los momentos
de tiempo t y los valores de la trasformación del indicador a estimar,
en el ejemplo siguiente la TBM.
La definición de las asíntotas requiere conocimiento teórico del

fenómeno y en tanto de la evoluación esperada del indicador a
proyectar, sobre todo de la síntota inferior y también es necesario
identificarla claramente.
Ejemplo de estimación de la TBM con la curva logística

Transformación
a+bt = In [k2 / ( pt-k1) -1]
Pt = K1 + (K2 / 1+ e (a+b*t))
inferior k1 5.0 a = Intercepción -219.4904
superior k2 100.0 b = Variable X1 0.11051395
t Años Tasas Transformación Proyección

globales zona
rural
0 1974 7.4 -1.03 7.8
1 1980 6.8 -0.67 6.8
2 1985 6.0 -0.25 5.7
3 1990 4.5 0.51 4.6
1995 3.7
2000 2.9
2005 2.4
2010 2.0
Fuente: estimaciones propias.
108
7.2. Proyección de la fecundidad
Es posible estimar la proyección de la fecundidad con curva logística.
A continuación se muestra un ejemplo de la proyección de la

fecundidad rural.
Logística
Transformación
a+bt = In [k2 / ( pt-k1) -1]
Pt = K1 + (K2 / 1+ e (a+b*t))
inferior k1 5.0 a = Intercepción -219.4904
superior k2 100.0 b = Variable X1 0.11051395
t Años Tasas Transformación Proyección

globales zona
rural
0 1974 7.4 -1.03 7.8
1 1980 6.8 -0.67 6.8
2 1985 6.0 -0.25 5.7
3 1990 4.5 0.51 4.6
1995 3.7
2000 2.9
2005 2.4
2010 2.0
109
Gráfica 7.1. Tasas globales de fecundidad observadas y proyectadas
Tasas globales de fecundidad

observadas y proyectadas
9.0
8.0 Tasa globales zona rural

Proyección
7.0
6.0
5.0
4.0
3.0
2.0
1.0
-
1974 1980 1985 1990 1995 2000 2005 2010
7.3. La proyección de indicadores con modelos de regresión no

lineales
La proyección de la tasa global de fecundidad, TGF también se puede

estimar utilizando un modelo de regresión de logaritmo natural.
Datos observados y estimación de la TGF, con la regresión de

logaritmo natural y = a + b * ln(x)
Observado Estimado
1970 6.0 5.9
1980 5.0 5.2
1990 4.5 4.5
2000 4.0 3.9
2010 3.3
2020 2.6
110
Gráfica 7.2. Datos observados y estimación de la TGF con
regresión de logaritmo natural
7.0
Observado
6.0 Estimado
5.0
4.0
TGF
3.0
2.0
1.0
-
1970 1980 1990 2000 2010 2020
Años
7.4. La proyección de población total
La proyección de la población total es una de las variables más

necesarias en cualquier estudio. La forma más común de proyección
es suponiendo que presenta un crecimiento exponencial, por lo que
se utiliza una ecuación que refleja este crecimiento.
Proyección de la población con crecimiento exponencial
Pt = Po * e r*n
Donde:
r es la tasa de crecimiento poblacional
Pt es la población que queremos conocer
Po es la población inicial
n es el tiempo
111
Tasa de crecimiento poblacional
r= l n ( Pt / Po ) n
Donde:
Pt es la población en el año t o población final.
Po es la población en el año 0 o población inicial.
n es el tiempo transcurrido en años y fracciones de año.
Ejemplo de estimación de la proyección de la población total

Proyección de población con tasa constante
PF = Pi * exp(r*t)
Estimación con cuatro puntos r = (In(Pf/Pi))/t
Suponiendo tasa constante desde 1990-2000
Años Población Tasa de crec. por ciento Proyección exponencial

desde 2000
1970 8 500
1980 11 554 0.0307 3.0697
1990 14 990 0.0260 2.6035
2000 19 100 0.0242 2.4231
2010 24 337 0.0242 2.4231 PF(2010) = 24 337
2020 31 010 0.0242 2.4231 PF(2020) = 31 010
2030 39 512 0.0242 2.4231 PF(2030) = 39 512
Se cumple con la suavidad de la función
No se cumple con la condición de tasas en descenso
112
Gráfica 7.3. Datos de población y estimación de la población,
1970-2030
Datos observados 1970 a 2000 y proyección de población de 2010 a 2030
con tasas constantes
45,000
40,000
35,000
30,000
Población
25,000
20,000
15,000
10,000
5,000
-
1970 1980 1990 2000 2010 2020 2030
Años
También se pueden estimar la población total con variaciones en las

tasas de crecimiento.
Proyección de tasas Estimación

Estimación con tres puntos exponencial
PF = Pi * exp(r*t)
r= (In(Pf/Pi))/t
Años Tasas Tasas de
Población con Pob. con tasas
crec de r.
tasas proyectadas constantes
1970 8 500 8 500
1980 0.03070 11 554 11 554
1990 0.02604 -0.01647 14 990 14 990
2000 0.02423 -0.00718 19 100 19 100 Tasa proyec.
2010 0.02255 23 932 24 337 PF(2010) = 0.02255
2020 0.02099 30 020 31 010 PF(2020) = 0.02099
2030 0.01953 37 699 39 512 PF(2030) = 0.01953
Se cumple con la suavidad de la función
Se cumple con la condición de tasas en descenso
113
Gráfica 7.4. Proyección de población con tasas de crecimiento
constantes y variables, 1970-2030
Datos observados 1970 a 2000 y proyecciones de población de 2010 a 2030

con tasas constantes y con tasas proyectadas
45,000
40,000 Población con tasas proyectadas
35,000
Pob con tasas constantes
30,000
Población
25,000
20,000
15,000
10,000
5,000
0
1970 1980 1990 2000 2010 2020 2030
Años
7.4.1. Proyección de la población con modelos de regresión no

lineales
Los modelos de regresión son muy útiles para la estimación de la

proyección de población total.
Datos observados y estimación de la población, con la regresión de

logaritmo natural y = a + b * ln(x)
Observado Estimado
1970 19 450 689 20 270 924
1980 25 693 891 24 297 269
1990 29 478 964 29 123 355
2000 33 987 612 34 908 029
2010 41 841 695
2020 50 152 571
114
Gráfica 7.5. Regresión de logaritmo natural para la proyección
de la población, 1970-2030
25,000,000
23,000,000
21,000,000
19,000,000
17,000,000
Población
15,000,000
13,000,000
11,000,000
9,000,000
Observado
7,000,000 Estimado
5,000,000
1970 1980 1990 2000 2010 2020
Años
Datos observados y estimación de la población, con la regresión

exponencial y= a + e (b * x)
Observado Estimado
1970 19 450 689 20 270 924
1980 25 693 891 24 297 269
1990 29 478 964 29 123 355
2000 33 987 612 34 908 029
2010 41 841 695
2020 50 152 571
115
Gráfica 7.6. Proyección de la población con regresión
exponencial
60,000,000
50,000,000
40,000,000
Población
30,000,000
20,000,000
10,000,000 Observado
Estimado
-
1970 1980 1990 2000 2010 2020
Años
Gráfica 7.7. Datos observados y estimación de la población, con

la regresión exponencial y= a + e (b * x)
700,000
600,000
500,000
Población
400,000
300,000
200,000
Observado
100,000
Estimado
-
1970 1980 1990 2000 2010 2020
Años
116
Ejercicios
1. Obtenga la proyección de la TMI para los años 2010 y 2015 con

los siguientes datos, utilizando la curva logística.
Años TMI
1985 35
1990 30
1995 29
2000 25
2005 23
2010
2015
2. Estime la población total para 2005 y 2010, empleando los
siguientes datos. Emplee los tres tipos de regresiones presentadas.
Años Población
1970 197 565
1975 210 489
1980 209 789
1985 220 910
1990 226 781
1995 232 016
2000 241 019
3. Estime la población total con la función de crecimiento exponencial
y compare con las estimaciones de las regresiones.
Años Población
1985 220 910
1990 226 781
1995 232 016
2000 241 019
117
4. Estime la población total con la curva logística.
Años Población
1970 197 565
1980 209 789
1990 226 781
2000 241 019
Cuestionario
1. ¿Qué es una proyección?
2. Mencione las funciones más comunes usadas en las proyecciones

sociodemográficas.
3. ¿Cuáles son las regresiones más comunes, en las proyecciones

sociodemográficas?
4. ¿Cuáles son los problemas más comunes al emplear regresiones

lineales para proyecciones de más de 10 años?
118
BIBLIOGRAFÍA
Babbie, E. (2000), Fundamentos de la investigación social, Thomson

Editores, México.
Babbie, Earl R. (1993), Métodos de investigación por encuesta,

Biblioteca de la Salud, Fondo de Cultura Económica, México.
Briones, G. (1986), Métodos y técnicas de investigación para las

ciencias sociales, Trillas, México.
CONAPO (1999), Proyecciones de la población nacional 1995-2050,

CONAPO, México.
CONAPO (2003), Situación Demográfica de México 2003, Consejo

Nacional de Población, México.
Garza, G. (2003), La urbanización de México en el siglo XX, El Colegio

de México, México.
Giroux, S., G. Tremblay (2004), Metodología de las ciencias humanas,

Fondo de Cultura Económica, México.
Gujarati, D. (2004), Econometría (1995), McGraw-Hill Interamericana,

México.
Hoffmann, L. y G. Bradley (1997), Cálculo para administración,

economía y ciencias sociales, Mc Graw Hill, Colombia.
Kazmier, L. (2006), Estadística aplicada a administración y economía,

Schaum, McGraw-Hill, México.
Mendenhall, W., R. Scheaffer, D. Sheaffer Wackerly (1986), Estadística

matemática con aplicaciones, Grupo Editorial Iberoamérica, México.
Miller, Ch., V. Heeren y E. Hornsby (1999), Matemática: razonamiento

y aplicaciones, Pearson, México.
119
Mongomery, D., Peck E. Vining G. (2002), Introducción al análisis de
regresión lineal (c. 2001), CECSA, México.
ONU (1980), Guía rápida de población, Population Referente Bureau

Inc., USA.
Ordorica, M. (2006), “Cuatro escenarios de la población de México

para fines del siglo XXI construidos a través de una función
expo(exponencial)”, en J. Lezama y J. Morelos, Población, ciudad y
medio ambiente en el México contemporáneo, El Colegio de México,
México.
Peña, D. (2000), Estadística. Modelos y Métodos 1. Fundamentos (c.

1986), Alianza Universidad Textos, España.
Rees, P. y F. Sparks (1970), Álgebra, Editorial Reverte Mexicana,

México.
Unikel et al. (1976), El desarrollo urbano de México, El Colegio de

México, México.
Weeks (1981), Sociología de la población, Alianza Universidad Textos,

España.
Welti, C. (editor) (1997), Demografía I. Programa Latinoamericano

de Actividades en Población, Instituto de Investigaciones Sociales,
UNAM, México.
www.conapo.gob.mx (noviembre 2007).
www.inegi.gob.mx (noviembre 2007).
120
Técnicas de
estimación y
proyecciones demográficas,
de Alfonso Mejía Modesto, se terminó de
imprimir en septiembre de 2010 en los talleres de
CIGOME, S. A. de C.V., Vialidad Alfredo del Mazo núm.
1524, ex Hacienda La Magdalena, C.P. 50010, Toluca,
México. La edición estuvo a cargo de la Dirección de
Difusión y Promoción de la Investigación y los Estudios
Avanzados, SIEA, UAEM. Coordinación editorial: Lucina
Ayala López. Correción de estilo: Patricia Ortiz Castro.
Formación: Gloria Angélica Guerrero Rendón.
Diseño de forros: Juan Manuel García
Guerrero. La edición consta de
250 ejemplares.
121

Curso Demografia

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Curso Demografia

Cargado por

Copyright:

Formatos disponibles

Técnicas de estimación y proyecciones

M. en C. Eduardo Gasca Pliego Dr. en D. Hiram Raúl Piña Libien

M. en A.S.S. Felipe González Solano Lic. en Com. Juan Portilla Estrada

Dr. en C. Pol. Manuel Hernández Luna Profr. Inocente Peñaloza García

M. en A.E. Georgina María Arredondo Ayala Dr. en S. Jaciel Montoya Arce

Dr. en Ing. Roberto Franco Plata

D.R. © Universidad Autónoma del Estado de México

Impreso y hecho en México

Edición: Dirección de Difusión y Promoción de la

El contenido de esta publicación

Queda prohibida la reproducción parcial o total del contenido de la presente obra,

1. BREVE INTRODUCCIÓN A LAS MATEMÁTICAS

2. DIFERENTES TIPOS DE GRÁFICAS

2.1. Gráficas de distribución de una sola variable 26.

4.1. La relación del crecimiento poblacional y lo territorial 58,

5. ELEMENTOS BÁSICOS DEL ANÁLISIS DEMOGRÁFICO

5.1. Las fuentes de información 70, 5.2. Formas de indicadores

6. MODELOS TEÓRICOS DE PROYECCIÓN Y SIMULACIÓN

6.1. Antecedentes de la demografía y la estadística 89,

7. LA PROYECCIÓN DE LOS INDICADORES DEMOGRÁFICOS Y

7.1. Proyección de la mortalidad 108, 7.2. Proyección de la

Este cuaderno está dirigido a los estudiantes y profesionales no

Para lograr este objetivo se incluye una introducción a los principales

Las técnicas y métodos propuestos están directamente relacionados

Así este cuaderno intenta, con un lenguaje sencillo y situaciones

Se destaca la inclusión de los elementos básicos para la vinculación

Otro objetivo central del cuaderno es favorecer la mejor comprensión

Desafortunadamente al ser un documento muy breve quedan de lado

Los capítulos a desarrollar son: 1. Breve introducción a las matemáticas,

1. BREVE INTRODUCCIÓN A LAS MATEMÁTICAS

Las matemáticas son un área del conocimiento importante y muchos

A continuación se estudian los elementos básicos de la teoría de

1.1. Teoría de conjuntos

La teoría de conjuntos resulta importante para la investigación y

Principales operaciones de conjuntos

Un conjunto es una colección bien definida de elementos, seleccionados

Imagen 1.1. Operaciones de conjuntos

• El complemento de A, es simbolizado como A’, es

La intersección existe cuando los elementos de dos conjuntos o

La unión de conjuntos ocurre cuando los elementos de dos o más

La diferencia existe cuando los elementos de un conjunto pasan

1.2. Aritmética elemental

Algunos elementos de las operaciones básicas son esenciales en todas

Números Números naturales

Números racionales no enteros

Los números reales [X|X] se representan por medio de un punto

Fuente: Miller et al., 1999.

En ocasiones las diferencias entre positivos y negativos tiene

Los números reales también se presentan como enteros y como

Imagen 1.2. Números reales sobre la recta numérica

-3/2 -2/3 1 1/3 23/8 3 1/4

Fuente: Miller et al., 1999.

Suma de números reales

Signos diferentes. Para sumar dos números con signos diferentes

Ejemplo: determine cada una de las sumas siguientes

Pedro ganó 3 yardas en la primera jugada, en la segunda perdió 12

Sumamos de izquierda a derecha:

En total, Pedro ganó 4 yardas.

Para todos los números reales a y b,

Cambie el signo del segundo número y sume.

- 12 + -4 = -12 + (-4) = -16

Ejemplo: realice las operaciones indicadas.

El récord de la temperatura más alta, de 134º F, en Estados Unidos

Debemos determinar el valor de la temperatura más alta menos la