2.

Materiales y métodos
• Conformada por los datos censales de la
2.1 Población población peruana el periodo de 181 años,
desde 1836 hasta 2017.

1. Introducción
• Conformada por los datos poblacionales de los
2. Materiales y
métodos
2.2 Muestra censos nacionales entre los años 1940 y 2017
por la confiabilidad de los datos.
3. Resultados

4. Conclusiones y
2.3 Criterios • Todos los datos generados por los censos
recomendaciones
poblacionales en el periodo de 1940-2017
5. Bibliografía de inclusión proporcionados por el INEI.

2.4 Criterios • Datos de censos generados por censos

poblacionales fuera del periodo de 1940 y 2017.
de exclusión
• Se utilizó un muestreo por conveniencia, es
2.5 Muestreo decir no probabilístico y no aleatorio.
09/05/2023 Dr. Juan Pedro Santos Fernández 1
 3. Resultados
3.1 Descripción de resultados
4. Aplicativo web en PHP con framework NodeJS
Figura 8 Diagrama de componentes y diagrama de despliegue

1. Introducción
cmp Diagrana de componentes deployment Estimacion Poblacional

2. Materiales y «library»
métodos Node.JS Node.JS

TOOLKIT-
3. Resultados EstimacionPoblacional

4. Conclusiones y - Diferencia de más de 70 mil

recomendaciones dólares en utilidades
«web application»
TOOLKIT-EstimacionPoblacional
«library»
Jquery.JS 3.2 1

- Contacto directo entre entidades

5. Bibliografía bancarias
Views y los agricultores
Models
«tcp/ip»

- Profesionales orientados a 1

sectores agrarios «PHP Library»

«device»
Router
domPDF 0.8
1 1
Controllers

«tcp/ip» «tcp/ip»

1..* 1..*

Usuario: PC Usuario: Laptop

«PHP Framework»
Laravel 5.8

09/05/2023 Dr. Juan Pedro Santos Fernández 2

 3. Resultados
3.1 Descripción de resultados
4. Aplicativo web en PHP con framework NodeJS
Figura 9 Corrida del programa en PHP con resultados de los tres modelos
matemáticos
1. Introducción

2. Materiales y
métodos

3. Resultados

4. Conclusiones y - Diferencia de más de 70 mil

recomendaciones dólares en utilidades
- Contacto directo entre entidades
5. Bibliografía bancarias y los agricultores
- Profesionales orientados a
sectores agrarios

09/05/2023 Dr. Juan Pedro Santos Fernández 3

 3. Resultados
3.2 Contrastación de las hipótesis
Para la contrastación de las hipótesis se utilizó la prueba estadística
de Chi-Cuadrado con el software estadístico R.
1. Introducción
• Ho: Los datos estimados del modelo (aritmético / geométrico /
exponencial) de proyección de la población no se ajustan a los
2. Materiales y
métodos datos censales observados.
3. Resultados • Ha: Los datos estimados del modelo (aritmético / geométrico /
4. Conclusiones y
exponencial) de proyección de la población se ajustan a los datos
recomendaciones censales observados. 2
n
( foi  fei )
5. Bibliografía
Tabla 3 Resumen de pruebas Chi-Cuadrado para los
modelos matemáticos de predicción poblacional
X2 
i 1 fei
Modelo chi^2
matemático calculado chi^2 crítico Regla Decisión

1.Aritmético 2.422201 12.59159 Si chi^2 calculado <= chi^2 Se acepta la

crítico Ha
Si chi^2 calculado <= chi^2 Se acepta la
2. Geométrico 0.8581246 12.59159
crítico Ha
Si chi^2 calculado <= chi^2 Se acepta la
3. Exponencial 0.8700658 12.59159
crítico Ha
09/05/2023 Dr. Juan Pedro Santos Fernández 4
 3. Resultados
3.3 Discusión:
• En la Tabla 3 se observa que los datos estimados de los
modelos aritmético, geométrico y exponencial se ajustan a
1. Introducción los datos observados censales, todos pasaron las pruebas
2. Materiales y de bondad de ajuste Chi-Cuadrado con un margen de error
métodos
del 5%, se demostrándose la validez de dichos modelos.
3. Resultados
• El programa desarrollado en C++ difieren a la investigación
4. Conclusiones y
recomendaciones realizada por Cruz y Rosas (2015), en su investigación solo
5. Bibliografía se limitaron al estudio de la proyección de la población del
Perú basado en el modelo de la curva logística cuyos
cálculos realizaron en Excel, así mismo de la investigación
realizada por Gallardo (2018), limitada a la proyección de la
población del distrito Tambo Grande (Piura) de los años
2000 y 2021 inclusive, evaluándose así mismo los modelos
aritmético, geométrico y exponencial en base a los datos
09/05/2023
censales usando la hoja electrónica Excel.
Dr. Juan Pedro Santos Fernández 5
 4. Conclusiones y recomendaciones
4.1 Conclusiones
• Se logró estimar el crecimiento poblacional en el Perú mediante un
modelo matemático predictivo aritmético hasta el año 2050 basado en
datos censales, proyectándose para el año 2022 una población de
1. Introducción
34’486,656 habitantes y para el año 2050 una población de 43’864,444
2. Materiales y habitantes.
métodos
• Se logró estimar el crecimiento poblacional en el Perú mediante un
3. Resultados modelo matemático predictivo geométrico basado en datos censales,
4. Conclusiones y proyectándose para el año 2022 una población de 35’287,681
recomendaciones
habitantes y para el año 2050 una población de 61’237,990 habitantes.
5. Bibliografía • Se logró estimar el crecimiento poblacional en el Perú mediante un
modelo matemático predictivo exponencial basado en datos censales,
proyectándose para el año 2022 una población de 35’238,484
habitantes y para el año 2050 una población de 61’123,488 habitantes.
• Se logró desarrollar un aplicativo en C++ que proyecta la población de
una ciudad, distrito, provincia, departamento, país, o del mundo para un
periodo t años procesando datos censales, determinando
automáticamente el el ajuste del modelo más preciso evaluando el
menor error cuadrático medio (MSE).
09/05/2023 Dr. Juan Pedro Santos Fernández 6
 4. Conclusiones y recomendaciones
4.2 Recomendaciones
Para mejorar las limitaciones de la presente investigación, se
recomienda realizar las siguientes acciones:
1. Introducción
• Emplear el aplicativo desarrollado para realizar estudios de
crecimiento poblacional en diversos niveles por los organismos
2. Materiales y
métodos competentes a fin de tomar las mejores decisiones en la
3. Resultados planificación socioeconómica y mejorar la calidad de vida de
4. Conclusiones y población involucrada.
recomendaciones • Se recomienda el uso del aplicativo por profesionales como
5. Bibliografía ingenieros civiles, arquitectos, economistas, etc. que requieren
de la proyección poblacional como elemento fundamental en sus
quehaceres y desarrollo profesional.
• La presente investigación queda como base para que otros
investigadores puedan incorporar modelos matemáticos más
rigurosos como el modelo de la curva logística o modelos
estadísticos basados en regresión

09/05/2023 Dr. Juan Pedro Santos Fernández 7

 5. Bibliografía
Bhadula, R. C., Sharma, A., & Tiwari, C. (2021). Mathematical Modelling on Population Prediction.
Webology, 18(3), 1039-1045. doi:10.29121/WEB/V18I3/7
C. C, K., Tessy, S., Ezeora, J., & Iweanandu, O. (2017). A Comparative Study of Mathematical and
Statistical Models for Population Projection of Nigeria. International Journal of Scientific &
Engineering Research, 8(2), 777-785.
Cruz, B., & Rosas, C. (2015). Ajuste de la curva logística aplicada en los datos censales de la población
1. Introducción peruana, 1836-2007. Piura: Escuela Profesional de Estadística. Universidad Nacional de Piura.
2. Materiales y Obtenido de https://repositorio.unp.edu.pe/bitstream/handle/UNP/320/CIE-CRU-IPA-15.pdf?
métodos sequence=1&isAllowed=y
Gallardo, Y. (2018). Modelos de crecimiento poblacional de habitantes y proyecciones para el distrito de
3. Resultados
Tambogrande-Piura, 2000- 2021. Piura: Escuela Profesional de Estadística. Universidad
4. Conclusiones y Nacional de Piura. Obtenido de https://repositorio.unp.edu.pe/bitstream/handle/UNP/1420/CIE-
recomendaciones GAL-PIE-2018.pdf?sequence=1&isAllowed=y
Karim, R., Dey, P., Rahman, M., Saha, S., Islam, S., Hossain, N., . . . M. (2022). A Study about
5. Bibliografía
Forecasting Bangladesh by Using Verhulst Logistic Growth Model and Population Model. Annals
of R.S.C.B., 26(1), 566-578.
Kaur, G. (2019). Theoretical Investigation On Mathematical. Journal of Emerging Technologies and
Innovative Research (JETIR), 6(2), 302-310.
Mar, H., Maw, S., & Naing, L. (2019). Mathematical Modelling of Projection for Population in Kayah
State. International Journal of Mathematics Trends and Technology (IJMTT), 65(6), 84-91.
Verma, R., & Kushwah, R. (2021). Mathematical Modeling in Current Trends of Human Population
Growth. International Journal of Research, Science, Technology & Management, 23, 7-17.
Wali, A., Ntubabare, D., & Mboniragira, V. (2011). Mathematical Modeling of Rwanda’s Population
Growth. Applied Mathematical Sciences, 11(53), 2617 - 2628.

09/05/2023 Dr. Juan Pedro Santos Fernández 8