ISSN 2007-1957 EL INGRESO PER CÁPITA DE LOS MEXICANOS Ana María Islas Cortes Instituto Politécnico Nacional, ESIT [email protected] Yolanda Montoya Vargas Instituto Politécnico Nacional, ESIT [email protected] Gabriel Guillén Buendia Instituto Politécnico Nacional, ESIME-Azcapotzalco [email protected] Resumen En el presente estudio se ajustaron dos modelos logísticos, el primero de base exponencial y, el segundo de base cuadrática, a los datos del ingreso per cápita de los mexicanos durante el periodo de 1845 a 2015 y a la dinámica de crecimiento poblacional de 1810 a 2015 respectivamente. La determinación numérica de ambos modelos se realizó a través de su correspondiente transformación lineal y cuadrática, conduciendo a valores de correlación y chi cuadrada significativos al 95% de confianza estadística. Palabras clave: Ingreso per cápita, crecimiento de población, modelo logístico. 170 Presión sanguínea (mmHg) El análisis de regresión es una técnica estadística para modelar la relación entre variables. Son numerosas las aplicaciones de la regresión, y las hay en cualquier campo, ingeniería, ciencias físicas y químicas, economía, administración, ciencias biológicas y de la vida y en ciencias sociales (Montgomery, 2002). En la figura 1 se ilustran los datos del peso (lb) de personas del sexo masculino con la misma edad y su correspondiente tensión arterial (mmHg). 160 150 140 130 120 140 160 180 200 Peso personas (lb) 220 240 Figura 1.- Gráfica del peso de personas (lb) del sexo masculino con la misma edad y su tensión arterial (mmHg). 1 Ejemplar 15. Julio-diciembre de 2016 ISSN 2007-1957 En la figura 2 aparece el tiempo de entrega (min) por parte de una persona de un cierto número de productos. 30 y 1 C1 e k t 2 Una modificación del modelo anterior, es: y 25 Cantidad de cajas (No.) y 1 e y a22 t a1 t a0 3 20 Datos econométricos de la República Mexicana 15 10 5 0 0 20 40 60 Tiempo de entrega (min) 80 Figura 2.- Gráfica del tiempo de entrega (min) por parte de una persona de un cierto número de productos. En el presente documento se ajustó el modelo logístico de base exponencial (2), a los datos del ingreso per cápita de los mexicanos, en dólares americanos, durante el periodo de 1845 a 2015, ilustrados en la figura siguiente: En la figura 3 se muestra la relación entre el porcentaje de pulpa de madera (%) de un producto y la resistencia a la tensión (psi). Resistencia a la tensión (psi) 60 50 40 30 20 10 0 0 3 6 9 Pulpa de madera (%) 12 15 Figura 3.- Gráfica del porcentaje de pulpa de madera y la resistencia a la tensión (psi). En todos los casos anteriores es posible ajustar una curva que nos indique la tendencia de dicha relación. En el presente estudio, se relacionó una variable independiente y una respuesta mediante la expresión logística [Larson, 2014]: dy y k y 1 dt y 1 Al resolverla usando fracciones parciales, y reduciendo conduce a: Figura 4.- Datos del ingreso per cápita (dólares americanos) de los mexicanos durante el periodo de 1845 a 2015. Como se observa en la figura anterior, los datos evolucionan en forma sigmoidal, es decir, una primera fase aproximadamente constante, seguido de fase de crecimiento notable en un pequeño intervalo de tiempo y, finalmente una asíntota al final del mismo. Por lo anterior, el modelo logístico de base exponencial representó una buena opción. La tabla 1 contiene los datos numéricos codificados de la figura que da pie a éste documento, es decir: t codificada fecha 1845 . 2 Ejemplar 15. Julio-diciembre de 2016 ISSN 2007-1957 Tabla 1.- Datos del ingreso per cápita en dólares americanos de los mexicanos durante el periodo de 1845 al año 2015. t codificada (fecha 1845) y (dólares USA) 0 65 75 85 95 105 115 125 135 145 155 165 170 56.00 101.9 186.7 132.9 77.70 189.0 342.0 683.0 3520.0 3070.0 6650.0 8860.0 9010.0 Figura 5.- Transformación lineal del modelo logístico base exponencial usando los datos de la tabla 1. De los valores de la pendiente y de la intersección al eje de la correspondiente transformación lineal (5), se obtiene: k 0.0662, C 6658.170 Sustituyendo los valores numéricos (4) y (7) en el modelo exponencial (2), se tiene la ecuación numérico-funcional siguiente: Para realizar el ajuste numérico del modelo logístico de base exponencial (2) a los datos de la tabla anterior, es necesario determinar previamente el valor numérico de la asíntota máxima mediante progresión geométrica, en este caso: y 9012.0 7 y dólares 9012.0 1 6658.17033e 0.0662 t 1845 8 La figura 6 muestra la bondad de ajuste numérico del modelo logístico arriba señalado. 4 Ahora, a través de algebra se obtiene la transformación lineal del modelo logístico (2), esto es: y LN 1 LN C k t y 5 Al aplicar regresión lineal a la columna t versus columna de transformación lineal de la expresión (5), usando los datos de la tabla 1, se obtiene: y * 0.0662 t 8.8036 6 En la figura 5 ilustrada, aparece la transformación lineal del modelo logístico, significativa al 90% de confianza estadística. Figura 6.- Bondad de ajuste numérico del modelo logístico base exponencial, sobre los datos del ingreso per cápita de los mexicanos del periodo de 1845 a 2015. De acuerdo con los valores del coeficiente de correlación y chi cuadrada (9), la bondad de ajuste no es significativa. 3 Ejemplar 15. Julio-diciembre de 2016 ISSN 2007-1957 r 0.43581, R 2 0.189932, χ 2 62287.048 9 logístico de base cuadrática sobre los datos en estudio. Con la intención de incrementar el nivel de ajuste numérico del modelo anterior, se procedió a determinar el modelo logístico modificado, con base cuadrática como se indica en la expresión (3) del documento. La asíntota máxima ya fue determinada en (4). Con ello, es posible la transformación cuadrática [Islas, 2013] del modelo logístico modificado, como indica la expresión: y LN 1 a22 t a1 t a0 y 10 Entonces, aplicando mínimos cuadrados [Wackerly, 2013] a la expresión anterior usando los datos que da origen al documento, conduce a: y * 0.0008 t 2 0.0722 t 4.2273 11 En la figura 7, aparece la gráfica correspondiente a la transformación cuadrática del modelo logístico, significativa al 95% de confianza estadística. Figura 8- Bondad de ajuste del modelo logístico de base cuadrática a datos del ingreso per cápita de los mexicanos durante el periodo de 1845 a 2015. De acuerdo con los valores del coeficiente de correlación y chi cuadrada, señalados a continuación, la bondad de ajuste es significativa al 99% de confianza estadística. r 0.847337, R 2 0.717979, χ 2 7484.625 13 Por otra parte, en el presente se estudió también el crecimiento de la población humana en la República Mexicana, durante el periodo comprendido de 1810 a 2015; mismo que se ilustró en la figura siguiente. Figura 7.- Transformación cuadrática del modelo logístico usando los datos de la tabla 1. Sustituyendo los valores numéricos (4) y (11) en el modelo logístico (3), se obtiene la ecuación numérico-funcional siguiente: y 9012.0 1 e 0.0008 t 1845 2 0.0722 t 1845 4.2273 Figura 9.- Crecimiento de la población humana en la República Mexicana correspondiente al periodo de 1810 a 2015. 12 En la figura siguiente se ilustra la excelente bondad de ajuste numérico del modelo Los datos de la dinámica de crecimiento anterior, aparecen codificados en la tabla 2, donde: 4 Ejemplar 15. Julio-diciembre de 2016 ISSN 2007-1957 t codificada fecha 1810 crecimiento de la población correspondiente al periodo indicado. Tabla 2.- Datos de crecimiento de la población en la República Mexicana (1810-2015). t codificada (t 1810) y (millones hab.) 0 10 100 111 160 180 190 200 205 6.1 6.2 15.2 14.3 48.2 81.2 97.5 112.3 119.5 Figura 10.- Bondad de ajuste numérico del modelo logístico base exponencial a datos de crecimiento poblacional de la República Mexicana del periodo de 1810 a 2015. A los datos de la tabla de arriba, se ajustó el modelo logístico de base exponencial (2), previa determinación de la asíntota máxima a través de progresión geométrica: 14 y 119.6 Posteriormente, se aplicó regresión lineal a la columna t versus columna de transformación lineal indicada en la expresión (5), usando los datos de la tabla 2, por ello: y * 0.0333 t 4.06 16 119.6 1 57.9743 e 0.0333 t 1810 17 18 Para incrementar la bondad de ajuste numérico del modelo (17) se usó el modelo logístico modificado (3). La asíntota máxima está definida en (14). Ahora, aplicando mínimos cuadrados a la transformación cuadrática (10) usando los datos de la tabla 2, conduce a: y * 0.0003 t 2 0.0359 t 2.6159 Sustituyendo los valores numéricos (14) y (15) en el modelo logístico de base exponencial (2), se tiene la ecuación numérico-funcional siguiente: y 10 6 hab. r 0.864545,R 2 0.7475438,χ 2 76.8615 15 De los valores de la pendiente y de la intersección al eje de la relación (5), se obtiene: k 0.0333, C 57.9743 La bondad de ajuste numérico anterior es significativo al 90% de confianza estadística, de acuerdo al coeficiente de correlación y chi cuadrada. 19 Sustituyendo los valores numéricos (14) y (19) en el modelo logístico de base cuadrática (3), se obtiene la ecuación numéricofuncional: y 10 6 hab. 119.6 1 e 0.003 t 1810 2 0.036 t 1810 2.616 2 0 Finalmente, en la última figura se ilustra la bondad de ajuste numérico del modelo logístico de base cuadrática sobre los datos de crecimiento de la población en la República Mexicana en el periodo señalado. En la figura 10 se ilustró la bondad de ajuste numérico del modelo (17) usando los datos de 5 Ejemplar 15. Julio-diciembre de 2016 ISSN 2007-1957 1810 a 2015, resultó significativo al 99% de confianza estadística. El modelo señalado fue resuelto a través de su transformación cuadrática. Referencias Figura 11.- Bondad de ajuste numérico del modelo logístico base cuadrática a datos de crecimiento poblacional de la República Mexicana del periodo de 1810 a 2015. La bondad de ajuste es significativa al 99% de confianza estadística, de acuerdo al coeficiente de correlación y chi cuadrada. r 0.99053, R 2 0.981145, χ 2 37.3929 21 Conclusiones El ajuste numérico del modelo logístico de base cuadrática a datos del ingreso per cápita e incremento del número de habitantes en la República Mexicana, durante el periodo de Montgomery, D. C. et al., (2002), Introducción al análisis de regresión lineal, Primera edición en español, CECSA, p. 1. Larson, R. & Edwards, B. (2014). Cálculo, tomo I, CENGAGE Learning, Décima Edición, p. 419. Islas, A. M., et al. (2013). Análisis entre regresión no lineal y técnicas de transformación lineal en una parábola, Tecnología humanística, ESIQIE IPN. Wackerly, D. C. et al. (2013), Estadística matemática con aplicaciones, Séptima Edición, Cengage Learning. 6 Ejemplar 15. Julio-diciembre de 2016
© Copyright 2024