UNIVERSIDAD NACIONAL DE PIURA

FACULTAD DE CIENCIAS
ESCUELA PROFESIONAL DE ESTADISTICA

"AJUSTE DE LA CURVA LOGISTICA APLICADA EN LOS

DATOS CENSALES DE LA POBLACION PERUANA, 1836-2007"

Presentada por:
Brisset Melissa Cruz Ipanaqué
Corona del Rosario Rosas Torres

TESIS PARA OBTENER EL TÍTULO PROFESIONAL DE

LICENCIADA EN ESTADISTICA.

Piura, Perú

Marzo 2015
 LICENCIADA EN ESTADISTICA

Presidente de Jurado de Tesis:

Secretario de Jurado de Tesis:

Vocal de Jurado de Tesis:

Mg. Walter G stón Alva Alva

DEDICATORIAS

Esta tesis se la dedico a mi Dios quien supo guiarme por el buen camino, darme la
fuerza para seguir adelante y no desmayar en los problemas que se presentaban,
enseñándome a encarar las adversidades sin perder nunca la dignidad ni desfallecer en
el intento

A mis padres, por su amor, trabajo y sacrificio en todos estos años, gracias a ustedes he
logrado llegar a esta instancia de mis estudios y convertirme en lo que soy. Con su amor
y enseñanza han sembrado las virtudes que se necesitan para vivir con anhelo y
felicidad. Ha sido un privilegio ser su hija, son los mejores padres.

En un sincero e intenso amor, para la persona que con su apoyo constante y amor
incondicional ha sido mi amigo y compañero inseparable. Gracias Gerardo, porque sin
proponértelo le entregaste a mi corazón el mensaje más precioso de amor.

A mi preciosa hija Brihanna para quien ningún sacrificio es suficiente, que con su luz ha
iluminado mi vida y hace mi camino más claro.

Brisset M. Cruz lpanaqué

A mi Dios por haberme permitido llegar hasta este punto y haberme dado salud para
lograr mis objetivos, además de su infinita bondad y amor.

A mis ángeles que en todo momento al desarrollar esta investigación estuvieron

conmigo, por eso a ti Talía hermana querida te dedico mi esfuerzo donde te encuentres.

A mis padres, por su apoyo incondicional, motivación y comprensión, en todo momento

y siempre estuvieron brindándome su ayuda. A mi hermana Julissa por sus palabras de
aliento. A mi sobrina Gaela, para que vea en mi un ejemplo a seguir.

A mis amigas, a quienes fueron no solo mis amigas sino mis hermanas, gracias por reír
y llorar conmigo, me supieron escuchar y dar su apoyo. Y en especial a Emily Braekhus
por su apoyo incondicional.

A Brisset, mi compañera y amiga de tesis, qmen es un ejemplo a segmr por la

dedicación y compromiso para concluir con este logro.

Corona del R. Rosas Torres

4
AGRADECIMIENTOS

En la presente investigación nos gustaría agradecerte a ti Dios por bendecimos y

permitirnos hacer realidad esta meta trazada.

A nuestro Asesor de tesis, Dr. Conrrado Vargas Lynch por su esfuerzo y dedicación,
quien con su arduo trabajo de transmitirnos sus diversos conocimientos, su experiencia,
su paciencia y su motivación logro convertirnos en profesionales de éxito.

Igualmente agradecer a mis profesores durante toda mi carrera profesional porque todos
han aportado con un granito de arena a nuestra formación, y en especial al Dr. German
Sánchez Medina y Lic. Lemin Abanto Cerna por sus consejos, su enseñanza y más que
todo por su amistad.

A nuestros padres fuente de apoyo constante e incondicional en toda nuestra vida y más
aún en los duros años de carrera profesional, quienes nos han apoyado y creído en
nosotras, sabiéndonos encaminar con sus sabios consejos para lograr nuestras metas. A
nuestros hermanos por motivarnos. A ustedes por siempre nuestro corazón y respeto.

Son muchas las personas que han formado parte de nuestra vida profesional que nos
encantaría agradecerles su amistad, consejos, apoyo, ánimo y compañía en los
momentos más difíciles de nuestra vida.

Algunas están aquí y otras en nuestros recuerdos y corazón, sin importar en donde estén
darles las gracias por formar parte de nosotras, y por todo lo que nos han brindado.

Muchas gracias y que Dios los bendiga.

Las autoras

S
RESUMEN

Según el infonne del Fondo Alemán de la Población de la Tierra (2014), la población

sobrepasa los siete mil doscientos millones de personas, lo que nos acarrea a
plantearnos la siguiente pregunta, ¿Cuántas personas puede apoyar la tierra y en qué
condiciones?, convirtiéndose esto en una situación alarmante. Uno de los principales
conflictos que tiene que enfrentar un país es el crecimiento poblacional; la idea de que
este incremento es imparable, el miedo a la insuficiencia de recursos, el hambre, son
problemas que preocupan cada vez más al hombre de hoy y le hacen preguntarse por su
futuro.

El objetivo de esta investigación es: Ajustar la función logística a los datos censales de
la población peruana en un periodo de tiempo comprendido entre los años 1836 -
2007.que permita obtener parámetros de referencia para evaluar la cobertura de eventos
censales futuros; de ahí la importancia de encontrar un modelo que proporcione algún
criterio de evaluación, un modelo que describa el cambio en el tamaño de la población a
través del tiempo y que sea lo más confiable

El resultado de la investigación muestra la metodología empleada, los ajustes

necesarios, la tasa relativa de crecimiento poblacional, estimaciones puntuales para un
periodo determinado de años y el coeficiente de correlación, finalmente se logra obtener
un modelo con un buen ajuste estadístico.

Palabras claves: Modelos matemáticos de población, Demográfica, censos, Crecimiento

logístico.

6
ABSTRACT

According to the report of the Gennan Foundation for World Population (2014), the
population exceeds seven thousand two hundred million people, which raises the
question of how many people the Earth can support and under what conditions, making
it an alarming situation. One of the main conflicts that a country has to deal is the
population growth; the idea that this increase is unstoppable, the fear about lack of
resources and hunger are curren! growing problems that make us wonder about our
future.

The objective of this research was to adjust the logistic function to the census data of
Peruvian population over a period of time from 1836 to 2007 that allows to obtain
reference parameters for assess the coverage of future census events. lt is very importan!
to find a reliable model that provides sorne evaluation criteria and can also describes the
change in population size over time.

The result of the research shows the methodology used, the necessary adjustments, the
relative rate of population growth, point estimates for a given period of years and the
correlation coefficient. Finally a model with a good statistical adjustment was obtained.

Keywords: Mathematical models of demographic population, censuses, logistic growth.

7
INTRODUCCJON

El interés del país exige que su población no crezca desmesuradamente y que no

disminuya en forma alarmante. Hay dos razones: un país despoblado es un país muerto
y la sobrepoblación es un factor que acarrea e incrementa conflictos sociales. Con el fin
de describir las diferentes posiciones de los gobiernos respecto al crecimiento de la
población, a lo largo de la historia de la ciencia demográfica se han desarrollado
diversas funciones aplicadas a la población total.

En la presente investigación se construyó una función matemática con el propósito de

analizar la dinámica demográfica de Perú. No se trata de aplicar o comparar modelos ya
existentes, sino de generar uno nuevo a partir de una función matemática de tipo
logístico que muestra la dinámica de la tasa de crecimiento demográfico, resolviendo
para ello la ecuación diferencial que se produce.

La finalidad es ajustar la función logística a los datos censales de la población peruana

en un periodo de tiempo comprendido entre los años 1836- 2007, que permita obtener
parámetros de referencia para evaluar la cobertura de eventos censales.

La gran utilidad de estos modelos han conformado un instrumento de vital importancia

para todas las políticas y programas de los gobiernos centrales y locales, a la vez que
permiten anticipar las demandas sociales básicas relativas en educación, empleo,
vivienda, salud y seguridad social, y así encaminar los criterios de asignación de
recursos.

Las autoras

8
INDICE

DEDICATORIA ---------------------------------------------------------------------------------------------- 4
ACiRADECI~IE~TO---------------------------------------------------------------------------------------- 5
RESU~E~----------------------------------------------------------------------------------------------------- 6
INTRODUCCIO~ -------------------------------------------------------------------------------------------- 7

J. PLANTEAMIENTO DE PROBLEMA -----------------------11

1 PLA~TEA~IENTO DE PROBLE~A---------------------------------------11

l. 1.1 REALIDAD PROBLEMÁTICA -----------------------------------------------------------------------11

1.1.2 FORMULACIÓN DE PROBLEMA ------------------------------------------------------------------13

1.2 J USTI n CA Cl (J N ------------------------------------------------------------------------------------------ 14

1.3 ÜllJETIVO -------------------------------------------------------------------------------------------------14

1.3.1 ÜllJETIVO GENERAL--------------------------------------------------------------------------------15

1.3.2 OBJETIVO ESPECÍFICO -----------------------------------------------------------------------------15

1.4 PRUEBA DE HIPOTESJS--------------------------------------------------------------------------------- 15

JI. MARCO TEÓRICO------------------------------------------------------------------------- 16

2.1 ANTECEDENTES -----------------------------------------------------------------------------------------16

2.1. 1 ANTECEDENTES INTERNACIONALES----------------------------------------------------- 16

2.2 CIJRVA LOGJSTICA -------------------------------------------------------------------------------------20

2.2. 1 ANTECEDENTES-------------------------------------------------------------------------------------20
2.2.2 FUNCIÓN LOGIS TI CA: DERIVACIÓN DEL MODELO MATEMA TICO ---------------- 21
2.2.3 RÉGIMEN DE CRECIMIENTO LOGÍSTIC0----------------------------------------------------------25

111. ME"I"ODO!.OGIA ---------------------------------------------------------------------- 37

3.1 TI PO DE INVESTIGACIÓN----------------------------------------------------------------- 37

3.2 Po llLA CJ (J N Y MUESTRA ------------------------------------------------------------------------------ 38

IV. RESULTADOS DE LA INVESTIGACIÓN--------------------------------- 38

4.1 ESTIMACIÓN DE PARÁMETROS------------------------------------------------ 38

V. CONCLUSIONES------------------------------------------------------ 59

5.1 CONCLUSIONES ------------------------------------------------------- 59

5.2 RECOMENDACIONES -------------------------------------------------- 60

VI. BIBLI OGRAFIA ----------------------------------------------------------- 61

ANEXO 1 -------------------------------------------------------------------------------------------------------62
ANEXO 2 -------------------------------------------------------------------------------------------------------65
ANEXO 3 -------------------------------------------------------------------------------------------------------66
l. PROBLEMA DE INVESTIGACION

1.1. PLANTEAMIENTO DEL PROBLEMA

1.1.1. Realidad problemática

Según el informe del Fondo Alemán de la Población de la

Tierra (2014), la población sobrepasa los siete mil doscientos
millones de personas, lo que nos acarrea a plantearnos la
siguiente pregunta, ¿Cuántas personas puede apoyar la tierra
y en qué condiciones?, convirtiéndose esto en una situación
alarmante. Uno de los principales conflictos que tiene que
enfrentar un país es el crecimiento poblacional; la idea de que
este incremento es imparable, el temor a la progresiva
destrucción del planeta, el miedo a la insuficiencia de
recursos, el hambre, son problemas que preocupan cada vez
más al hombre de hoy y le hacen preguntarse por su futuro.

En América latina la tasa de crecimiento demográfico se

ha incrementado rápidamente, aunque no de manera uniforme
ni predecible. Ello puede atribuirse a la baja continua de la
mortalidad y a persistentes tasas de elevada fecundidad. La
combinación de los avances en la producción de alimentos, la
tecnología médica y la infraestructura de saneamiento han
resultado en nacimientos humanos que superan por mucho las
muertes en un nivel sin precedentes en la historia humana.

El interés del país exige que su población no crezca

desmesuradamente y que no disminuya en forma alarmante.
Hay dos razones: un país despoblado es un país muerto y la
sobrepoblación es un factor que acarrea conflictos sociales.
Con el fin de describir las diferentes posiciones de los
gobiernos respecto al crecimiento de la población, a lo largo
de la historia de la ciencia demográfica se han desarrollado
diversas funciones, como la logística, aplicada a la población

11
totaL Los esfuerzos por establecer leyes matemáticas que
representen el crecimiento demográfico se han acrecentado
gracms a la creciente disponibilidad de estadísticas y al
desarrollo de modelos matemáticos para la descripción de
datos.

Los métodos matemáticos que se aplican en el cálculo de

la población futura del país, se basan en ecuaciones que
expresan el crecimiento demográfico en función del tiempo,
dicho crecimiento medido y expresado en una tasa o en un
porcentaje de cambio, se obtiene a partir de la observación o
estimación del volumen poblacional en dos o más fechas del
pasado reciente. Por lo general, los censos de población,
realizados con un intervalo aproximado de diez años,
permiten dicha medición.

Uno de los modelos matemáticos empleados en la

demografía para analizar las tendencias del crecimiento de
una población y de diversos indicadores demográficos es la
función logística. El ajuste de la curva logística a una
población observada, se fundamenta en el principio de que: la
población atraviesa primero, por una fase de desarrollo más
bien lenta, luego crece rápidamente, después se detiene más y
más hasta que la población se vuelve estacionaria. Por
consiguiente, si se acepta la premisa de que las poblaciones
no tienen un continuo crecimiento indefinido a través de
períodos extensos, ni la curva polinomial, ni la geométrica,
expresarían fielmente las variaciones y alternativas,
particularmente si el análisis cronológico se realiza con el fin
de pronosticar la población a largo plazo.

Por otro lado, actualmente existe la necesidad de obtener

parámetros de referencia que permitan evaluar la cobertura de
eventos censales futuros; de ahí la importancia de encontrar
un modelo que proporcione algún criterio de evaluación, un

12
 modelo que describa el cambio en el tamaño de la población a
través del tiempo y que sea lo más confiable posible.

Pero una de las dificultades más importantes para estimar

la población futura. es que muchos casos solo es posible
obtener datos incompletos y a veces imprecisos de la
evolución demográfica y el desarrollo económico de la
localidad. La imposibilidad de llevar a cabo continuos
levantamientos censales para suplir estas necesidades de
información, debido a los enormes esfuerzos que ello implica
tanto técnicos como logísticos, y obviamente financieros,
conlleva a recurrir al diseño de modelos que permitan
disponer de información sobre los probables volúmenes y
diversas características de la población futura. La gran
utilidad de estos modelos han conformado un instrumento de
vital importancia para todas las políticas y programas de los
gobiernos centrales y locales, a la vez que permiten anticipar
las demandas sociales básicas relativas en educación, empleo,
vivienda, salud y seguridad social, y así encaminar los
criterios de asignación de recursos.

1.1.2. Formulación del problema

En este trabajo se propone dar respuesta a la Cuestión:

¿Es posible estimar una función logística a los datos censales
de la población peruana en un periodo de tiempo
comprendido entre los años 1836 - 2007?

13
1.2. JUSTIFICACJON

En tal sentido, la presente investigación se justifica a partir de los

siguientes puntos de vista:
En el ámbito teórico, existen pocos estudios e investigaciones que
aborden en forma integral un modelo matemático del crecimiento
poblacional en el Perú. La falta de un estudio actualizado y
pertinente, amerita un trabajo de investigación que centre su esfuerzo
en mostrar que el cambio en el tamaño de la población peruana, en el
periodo 1836- 2007, tiene un comportamiento como el que establece
la ley logística de crecimiento poblacional.

En el aspecto práctico, la curva logística contribuye al buen ajuste de

los datos del crecimiento de la población peruana y provee un
modelo aceptable para explicar su dinámica poblacional, que
permiten anticipar las demandas sociales básicas relativas en
educación, empleo, vivienda, salud y seguridad social, y así
encaminar los criterios de asignación de recursos.

En el aspecto metodológico, es importante porque es un modelo que

permite describir y pronosticar el crecimiento de la población
peruana, a lo largo del tiempo, además constituye un elemento de
valor fundamental no solo para los usuarios privados, sino también
para los sectores gubernamentales, y en particular para las áreas de
planificación y desarrollo, ya que permiten conocer la probable
evolución cuantitativa de la población para propiciar y orientar la
transformación cualitativa y el desarrollo integral de la sociedad
futura.

14
1.3. OBJETIVOS

1.3.1. Objetivo general

• Ajustar la función logística a los datos censales de la

población peruana en un periodo de tiempo
comprendido entre los años 1836 - 2007.

1.3.2. Objetivos específicos

• Estimar los parámetros de la función logística L, K, b.

• Estimar el Coeficiente de correlación.
• Realizar el pronóstico puntual para la población de
los años 2015-2060.

1.4. HIPOTESIS DE INVESTIGACION

Si es posible estimar una función logística a los datos censales de la

población peruana en un periodo de tiempo comprendido entre los
años 1836 - 2007.

15
11. MARCO TEORICO

2.1. ANTECEDENTES GENERALES

2.1.1. Antecedes internacionales

Ordorica (2008), construyó una función matemática capaz de

describir la dinámica de la tasa de crecimiento demográfico de la
población de México y, en consecuencia, la evolución de la
población entre 1980 y 2005, y sus perspectivas, para establecer
escenarios de lo que podría ocurrir en el corto, mediano y largo
plazos.
Al evaluar sobre la función matemática obtuvo las siguientes
conclusiones:
• Las tasas de crecimiento demográfico para México
estimadas por el Conapo, de .025 para 1980, de .022 para
1985, de .019 para 1990, de .016 para 1995, de .013 para
2000 y de .009 para 2005. La población inicial calculada
por Conapo para 1980 fue de 67.4 millones. El coeficiente
de correlación del modelo fue de .997 y el de determinación
de .994, lo que muestra un excelente ajuste.

• Las proyecciones de población son válidas en periodos

cortos debido a la inercia demográfica, y que estimaciones a
largo o muy largo plazos deben considerarse especulaciones
que sólo nos sirven para analizar los diversos escenarios
que podrían presentarse.

• El modelo desarrollado proporciona resultados adecuados

en el ámbito municipal tratándose de áreas pequeñas y,
sobre todo, es más fácil establecer hipótesis sobre las cifras
futuras en el crecimiento demográfico

16
Poveda & Manrique (2007), realizaron una investigación sobre
aplicación de la curva logística a los censos de la ciudad de
Medellín - Colombia. Donde concluye que:

o La curva logística permite pronosticar valores de población

hacia el futuro y también, hacia el pasado, pues, con la
ecuación logística solo deben reemplazarse los valores
numéricos del año en el que se desea hacer la estimación
demográfica.

o El método de cálculo utilizado es sencillo y los valores

calculados presentan buen ajuste con los datos reales por lo
tanto, con este método, la curva logística se ajusta muy bien
a los datos de los censos realizados entre los años 1912 -
2005 para la ciudad de Medellín- Colombia.

o El coeficiente de correlación o de conformidad

r 2 =0,99999997 es altamente satisfactorio, lo cual confirma
la precisión del método.

o Hacia el año 2030, la población de la ciudad de Medellín

(sin sus municipios vecinos de hoy 2007) habrá alcanzado
los tres millones de personas, según los datos existentes a la
fecha.

o La población seguirá aumentando durante los próximos

años, aun cuando con tasas porcentuales declinantes

17
Medina & Suárez (2000), realizaron una investigación sobre el
Modelo logístico adaptado a la población mexicana en el periodo
1900- 1990. Para el desarrollo de este trabajo utilizamos el método
de "Variables separables" de las ecuaciones diferenciales
ordinarias de primer orden, así como una hoja de cálculo para
obtener los valores de los parámetros del "modelo logístico"
recurriendo al método de mínimos cuadrados. Obteniendo como
valor de K= al b = 200.210526 el cual representa la población
limite, es decir la población máxima esperada a largo plazo. Y los
valores de los parámetros fueron a = 0.03804 y b= 0.00019 que
corresponden a los datos poblacionales registrados en los años
1950,1970 y 1990 para estos valores se obtuvo un coeficiente de
correlación de 0.99278, es decir, más de 99.2% de los datos
observados son explicados por el modelo.

Se arribó a las siguientes conclusiones:

• Este método ofrece la ventaja de que con tan solo una terna
de datos se pueden obtener los parámetros del modelo.
Además de que entre más datos observados se incorporen al
análisis mayor precisión se obtiene en la aproximación.

• De acuerdo a los datos obtenidos podemos afirmar que la

evolución de la población mexicana tiene un
comportamiento que va de acuerdo con la ley logística de
crecimiento de la población pero restringida al periodo
1900-1990.

• Previamente a su aplicación en otras poblaciones, se

considera importante realizar un estudio a mayor detalle
donde se vincule con indicadores demográficos que lo
justifique y donde se efectúen algunas comparaciones con
otros modelos.

18
Veres (1985), realizo un estudio sobre el Nuevo procedimiento para
el ajuste de la curva logística: aplicación a la población española.
Donde se presenta un procedimiento de ajuste de la curva logística,
basado en el conocimiento previo del punto de inflexión. Dicho
procedimiento proporciona como estimación las asíntotas superior
e inferior de la curva. Para realizar la investigación se basan en un
estudio prev1o de las tasas de crecimiento intercensales
experimentadas por la población española a lo largo de la historia
de sus censos de población desde 1857 hasta 1981. Al evaluar se
pudo concluir que:

• La logística proporciona buenas previsiones sobre la cuantía

futura de las poblaciones humanas, siendo indudable su
importancia histórica en el campo de la demografía.

• La principal ventaja del procedimiento de ajuste realizado

en este estudio, aparte de su rapidez y operatividad, reside
en su adaptabilidad a las posibles modificaciones que se
producen con la introducción de nuevos datos censales. En
efecto, cada nuevo resultado censal puede confirmar o no el
ajuste realizado para la obtención del punto de inflexión,
dando lugar a una posible modificación de la logística para
adaptarla mejor a la nueva situación.

• El análisis previO del ciclo en el que se encuentra la

población es fundamental para proceder a ligeras
modificaciones de la logística.

• El procedimiento de ajuste desarrollado evita la estimación

a priori de las asíntotas, sustituyéndola por la del punto de
inflexión, siendo la naturaleza de los datos disponibles la
que determine la conveniencia o no del empleo del ajuste
que se ha considerado.

19
2.2. CURVA LOGISTICA

2.2.1. Antecedentes

La curva logística es suficientemente conocida entre estadísticos,

biólogos y demógrafos como modelo determinístico para describir
y para pronosticar el crecimiento de una población humana, a lo
largo del tiempo, cuando están sujetas a ciertas condiciones de su
régimen de crecimiento.
En propias palabras de Robert Malthus en su Ensayo sobre el
principio de la población 1798: La población, si no encuentra
obstáculos, aumenta en progresión geométrica, mientras que los
alimentos lo hacen en progresión aritmética. Aunque las tesis de
Malthus estuvieron alejadas de la realidad, tuvieron una gran
influencia en la política. El pronosticaba que a partir de cierto
límite de la población habría escasez de alimentos y en
consecuencia una gran hambruna. Dicha hambruna jamás se
produjo debido al desarrollo tecnológico, por lo que los supuestos
de su modelo resultaron simplistas. Una de las críticas más fuertes
al modelo de Malthus radica en suponer que los recursos del medio
son inagotables. Con un sentido más realista, puede decirse que
efectivamente los recursos están limitados y que las poblaciones de
ninguna manera pueden crecer indefinidamente al ritmo
malthusiano.
El belga Adolphe Quetelet fue uno de los primeros en utilizar un
modelo matemático ( 1835) para explicar la evolución de la
población, señalando que la población se incrementa a ritmo
acelerado hasta llegar a un punto en que empieza a crecer más
lentamente.
Como influencia de las teorías de Malthus en lo referente al
desequilibrio entre el incremento de la población y el de los
alimentos, Darwin supuso ( 1838) la necesidad de los seres vivos de
competir para obtener suficiente alimento que les garantice la
mejor situación posible en el entorno.

20
 Verhulst analizo este planteamiento y sugirió una curva teórica a la
que llamo logística, la cual dio a conocer en 1837, y actualmente es
conocida como Ley logística del crecimiento de la población.
Esta curva es un refinamiento del crecimiento exponencial y adopta
la forma de una S invertida. Cuando una magnitud crece en un
sistema finito, a partir de cierto momento el tamaño del sistema
limita el crecimiento de la magnitud al no haber recursos
abundantes suficientes para seguir permitiendo el crecimiento
exponencial. En un comienzo Verhulst supuso que los obstáculos
aumentan "exactamente en la misma proporción que la población
superabundante", pero más tarde reemplazó este supuesto con la
hipótesis de que los obstáculos "aumentan en proporción al
porcentaje del exceso de población respecto de la población total"
(Verhulst, 1938 y 1945).
Usando esta ley encontró dos modelos, con los cuales pronóstico
para Bélgica una población máxima de 6 millones y para Francia
de 40 millones. En 1930, la población de Francia concordaba
sorprendentemente con lo obtenido por Verhulst.
La función logística permaneció olvidada por muchos años debido
a la falta de datos. En 1920, sin conocer los trabajos de aquellos
científicos europeos, dos biometristas americanos, R. Pearl & L.
Reed redescubrieron la función logística y la utilizaron para
explicar el comportamiento del crecimiento de la población en
Estados Unidos.

2.2.2. Función logística: derivación del modelo matemático.

La densidad poblacional de una especie única en el tiempo t será

denotada por x(t), y : o x'(t) la tasa de cambio de tamaño de la

población. Asumiremos que la tasa de crecimiento de la población

depende solamente del tamaño de la población. Tal suposición
parece ser razonable para los organismos simples como los
microorganismos. Para los organismos más complejos, como las

21
plantas, los animales o los seres humanos esto es obviamente una
simplificación excesiva ya que ignora la competencia entre
especies por los recursos, así como otros factores importantes,
como la estructura de edad (la tasa de mortalidad puede depender
de la edad y no en la densidad de población, mientras que la tasa de
natalidad puede depender del tamaño de la población adulta en
lugar de tamaño de la población total)
Además, la posibilidad de que las tasas de nacimiento o defunción
pueden ser influenciados por el tamaño de las poblaciones que
interactúan con la población objeto de estudio también debe ser
considerado (competencia, depredación, mutualismo).
La tasa de crecimiento per cápita, o la tasa de crecimiento por cada
miembro, está dada por x'(t)fx(t), que estamos asumiendo es una
función de x(t).
Se considera que las tasas de crecimiento total disminuyen a
medida que aumenta el tamaño de la población
El modelo de población más simple en el que la tasa de crecimiento
per cápita es una función decreciente del tamaño de la población es
.íl- ax. Esta suposición conduce a la ecuación diferencial logística
x' = x(.íl- ax)
Introducido por primera vez por Verhulst (1838) y además más
tarde estudiado por R. Pearl & L.J Reed (1920). Esta ecuación es
escrita comúnmente en la forma

(1)

Con los parámetros r = .íl, K= .ílfa. Los parámetros r y K,

asumido positivo, puede dar entonces importancia biológica. Se
observa que x' z rx cuando x es pequeño, y que x' = O cuando x
está cerca de K. En otras palabras, cuando es pequeña la población
experimenta un crecimiento exponencial, mientras que cuando x
está cerca de K la población apenas cambia.
Separación de variables nos permite reescribir la ecuación

22
(1) como:

f --:-::d::-x----::- - ~
x(K-x)- K
Jdt

Usando fracciones parciales, da

1 1 (1 1 )
x(K- x) = K x +K- x
Nos permite integrarlo:
r
-t+c
K

= f dx
x(K- x) =
1
K
(J 7 + J
dx dx )
K- x
1
=K (logx -iog(K- x))

Donde e es la constante de integración.

Si el tamaño de la población en el momento t = O es x 0 la
sustitución de la condición inicial x(O) = x 0 da
1
e = K (log x 0 - log(K- x 0 ))

Ahora tenemos
1
K (logx -iog(K- x))

r 1
=K t +K (Iogx 0 -log(K- x 0 ))

log (-x-) = rt + Iog Xo

K -x K-x 0
x(K- x 0 )
log x (K -x ) = rt
0

x(K- x 0 ) = ert
x 0 (K- x)
Además la simplificación algebraica da
x(K- x 0 ) = x 0 (K- x)ert = Kx 0 ert- xx0 ert
x(K- Xo + x 0er') = Kx0ert
Y finalmente

(2)

23
La solución anterior es válida sólo si O< x 0 <K, de manera que
los logaritmos obtenidos en la integración se definen. Para obtener
la solución sin esta restricción, nuestra integración debería haber
dado los logaritmos de los valores absolutos. Sin embargo, la
ecuación (2) para la solución de la ecuación logística es válida para
todos x 0 , como podría ser verificado por un análisis más
cuidadoso.
La ecuación (2) para la solución del problema logístico valor inicial
muestra que el tamaño de la poblaciónx(t) se acerca al límite K
cuando t -> oo si x 0 > O El valor de K se llama la capacidad de
carga de la población, porque representa el tamaño de la población
de los recursos disponibles pueden seguir apoyando. El valor r se
denomina tasa intrínseca de crecimiento, ya que representa la tasa
de crecimiento del por lograr para que el tamaño de la población
eran lo suficientemente pequeño para asegurar la limitación de
recursos insignificantes. El modelo logístico predice un rápido
crecimiento inicial para O < x0 < K, a continuación, una
disminución en la tasa de crecimiento como el tiempo pasa para
que el tamaño de la población se aproxime a un límite (Grafica 1).
Este comportamiento está de acuerdo con el comportamiento
observado de muchas poblaciones, y por esta razón, el modelo
logístico se utiliza a menudo como un medio de describir la
población tamaño.

24
 Grafica 1

Solución de la ecuación logística

2.2.3. Régimen de crecimiento logístico

Según Povcda & Manrique (2007), Para un mejor entendimiento de

la aplicación, se transcribe la teoría que soporta el método.

l. El régimen de crecimiento logístico resulta cuando se supone

que la dinámica de crecimiento en el tiempo está determinada
por tres hipótesis básicas, a saber:

a. El crecimiento vegetativo (más las inmigraciones, si las

hay), es en todo momento proporcional al número de
individuos presentes, al cual llamaremos p.

b. La población vive en un espacio limitado y/o bajo

condiciones externas restrictivas que no le permitirán, ni
aun a largo plazo, exceder de un tamaño límite, al cual
llamaremos L.

25
 c. En todo momento la veiocidad de crecimiento es
proporcional al factor (L- p) que representa las fuerzas
exógenas restrictivas.

En la Gráfica 2, se observan los comportamientos creciente y

decrecientes de la población en el tiempo según las condiciones
iniciales de: superpoblación desde P(t) hacia una población límite
L; de crecimiento ascendente desde una población inicial P(O)
hasta la población límite L; y de crecimiento negativo o
decrecimiento, desde una población critica hasta la extinción.

Grafica 2.
Comportamientos de la Curva logística

P(t)

P(O) -----------------------------·

Dentro de las hipótesis anteriores, y si se sabe que el dato censal

que es históricamente más reciente corresponde al valor más alto ya
censado, se determina que la ecuación diferencial para el
crecimiento para una población ascendentemente creciente, es:

dp
- = bp(L- p) (3)
dt

26
En donde:

p: Número de individuos de la población que viven en el instante t

del tiempo.
b: Coeficiente constante y positivo que es propio de las
características vitales de la población. y del régimen biológico y
ecológico en que vive.

L: Población límite posible, que está determinada por el entorno

vital de la población.

Integrando la ecuación diferencial (3) ya escrita, se obtiene la

función de crecimiento de la población:

P(t) =-L-= (4)

l+Ke bt

En donde K es un constante que se introduce al efectuar la

integración y que, numéricamente, depende del volumen que tenga
la población en el momento que se tome como instante inicial
( t = O) para comenzar a contar el tiempo. En efecto, de la
ecuación (4) se deduce que

L
K= - - - 1
p(O)

Es evidente que la forma de la ecuación (4) es invariante ante un

cambio en el origen de tiempo y ante un cambio en la unidad de
medida del tiempo. En efecto, haciendo un cambio en ambos
sentidos, es decir, tomando una nueva variable temporal

T = ct +a,

Donde a expresa un cambio en el origen del tiempo (o cronología)

y e un cambio en la unidad de medida del tiempo (o cronometría),
la ecuación toma la forma:

27
En donde:
K 1 = Keab/c y B = bfc

2. En las aplicaciones demográficas de la logística, se trata

usualmente de "ajustar" una función de este tipo a una sucesión
consecutiva de valores numéricos de la población
Pt, Pz, ··· ... · Pn,
Los cuales son medidos experimentalmente (por ejemplo,
mediante recuentos o censos de la población, en momentos
sucesivos y distintos del tiempo

Los cuales se disponen en orden creciente, pero no son

necesariamente equidistantes.
En tales situaciones los datos de población (p 1 , p 2 , ......• Pn)
suelen ser crecientes en el tiempo. Estos datos presentan tres
características prácticas, que son importantes para entender el
problema teórico del ajuste de la curva logística:

a. Casi inevitablemente están afectados por errores de

recuento o pueden ser el resultado de estimaciones y no de
enumeraciones precisas.

b. Aunque tales datos fueran rigurosamente exactos, no puede

esperarse que todos caigan rigurosa y exactamente sobre
una función basada en hipótesis deterrninísticas ya que en el
crecimiento de un agregado colectivo, como en el caso de
una población biológica, hay inevitablemente desviaciones
aleatorias más o menos apreciables con respecto a la
función determinística.

c. Sucede entonces que, aun cuando la realidad geográfica,

ambiental, ecológica y social justifique la adopción de una

28
 curva logística de crecimiento, el problema del ajuste a los
datos empíricamente observados en el tiempo, presenta
varias dificultades de técnica numérica. Ese problema
consiste, en esencia, en calcular los tres parámetros L, k, b
de la ecuación (4), a partir de la serie de recuentos, que
suele darse en forma tabulada.

Es evidente que, para hacer el ajuste, no se puede esperar que la

curva -la cual sólo tiene tres parámetros para estimar- pase
exactamente por los puntos tabulados, lo cual daría lugar a
n condiciones y como, en general, n es distinto de 3, el problema
no tendría solución. Aun el caso de tener tres observaciones
censales (n = 3), las observaciones teórico-prácticas mencionadas
descartan este método.

El ajuste de la logística por mínimos cuadrados

3. La ecuación (4) de la curva logística puede escribirse en la

forma equivalente:

Ln (~- 1) = ln(K) - bt

O bien como
z =A- bt, (5)
Siendo

z = Ln(~-1) (6)

A= Ln(k) (7)

Y donde todos los logaritmos son neperianos (naturales).

Lo anterior significa que si, en lugar de representar la ley logística
en coordenadas cartesianas e isométricas para t en las abscisas y p

29
en las ordenadas, la representamos en coordenadas cartesianas o
isométricas para t en abscisas y z en ordenas; si a L se le atribuye
el valor correcto, se obtendrá una línea recta, que representa a la
ecuación (5). Si los valores de z se calculan en la ecuación (6) con
valores de L que no son los verdaderos valores de la ecuación (5),
la gráfica entre t y z no dará una recta, sino una curva.

Esto mismo equivale a decir que, calculando z con el valor L

correcto de la logística, entonces la gráfica de z versus t es una
parábola

z =A+ Bt + et 2
(8)

En donde e= O, siendo A = Ln(K) y B = -b

Ahora bien, es sabido en estadística elemental, que la parábola

z =A+ Bt + et 2

Puede ajustarse a una serie {t;, z;} de datos empíricos, usando el

criterio de mínimos cuadrados, y su método de análisis. En ese
caso, las ecuaciones normales que determinan los tres parámetros
A, B, e son las del sistema

I An + B I + eI tf
Z; = t;

Lz;t; =AL t; + BL tf +eL tf

Lz;tf =AL tf + BLtf +eL t{
En donde n es el número de fechas censales que se tienen. En todos
los casos de aplicación práctica se comprueba que el sistema es
resoluble, o sea que el sistema no es homogéneo (es decir, los tres
términos
:E z;, ¿ z;t;, ¿ z;tf no se anulan simultáneamente), y que el
determinante del sistema

30
Es distinto de cero.
Para simplificar la escritura, pondremos:

Aplicando a las ecuaciones normales la regla de Cramer, se obtiene

para el coeficiente e la expresión

Para la curva logística, con L correcto, se debe tener e= O, como

ya se dijo. Por tanto, se debe tener la condición
n T1 LZ¡
Tl T2 LZ¡t¡ =o (9)
T2 T3 LZ¡tf

Que determina implícitamente el parámetro L, ya que éste está

contenido en cada z¡.
Escribiendo por abreviar,

Entonces, la ecuación (9) se puede escribir en la forma

PL Z¡ + Q L Z¡t¡ + R L Z¡tf = 0 (10)

O bien

L(P + Qt¡ +Rtt}.Ln{:; -1) =O (11)

31
4. La anterior es una ecuación no-algebraica, que contiene a
como incógnita, del tipo

f(L) =O (12)

En donde f es un polinomio no algebraico, que aparece en el lado

izquierdo de la ecuación (11 ). Este tipo de ecuaciones sólo puede
resolverse por métodos numéricos, es decir, buscando
numéricamente los valores de f(L) correspondientes a distintos
valores numéricos, hasta localizar el valor L" que anula a f(L).
El hecho de que la ecuación f(L) = O tiene efectivamente una raíz
real y única, se desprende de las siguientes consideraciones:

a. Que f(L) es continua, y está definida desde el valor L = M =

max(pvp 2 , ..••.•• pn) (en M>O) hasta L=+oo. En las
situaciones prácticas que se manejan en demografía, la sucesión
Pv p 2 , ..•.•.• Pn suele ser de datos de población en crecimiento.
En ese caso M= Pn.

b. Que para L = M se tiene que f(L) = -oo (porque M/ P. = 1)

n
c. Que f(L) es monotónicamente creciente con L, o sea que
f'(L) >O.
d. Que para L --> +oo, se tiene que f(L) --> +oo.

Hay varios métodos numéricos utilizables para calcular la raíz

de la ecuación f(L) = O : el de Newton, el de falsa posición
(Regula Falsis), el de bisección y muchos otros. En este caso
hemos usado el método de la bisección para resolver esta
ecuación (sección 2.2.4).

5. El cómputo numérico de la raíz L = L' de la ecuación (12)

constituye la clave del método que exponemos aquí. Antes de
continuar explicando el método, es importante demostrar que
esa raíz no depende del origen que se haya escogido para medir

32
 el tiempo. Es decir, que si las fechas censales t 1 , t 2 , ......• tn se
dan en la cronología cristiana, o judía, o mahometana, la raíz L'
es una misma. Y, en general, que si se mide el tiempo t desde
cualquier m,omento y en cualesquiera unidades, la ecuación
(12) es invariante.

En efecto, al cambiar el origen de tiempo a cualquier otro instante,

la nueva fechar; y la original t; están relacionadas por

r; = t; +a

Siendo a el corrimiento que se haya hecho en el origen de tiempo.

Entonces:

r¡ = L (t; +a) = T1 +na

T~ = L(t; + a) 2 = T2 + 2aT1 + na 2

T~ = L (t; + a) 3 = T3 + 3aT2 + 3a 2 T1 + na 3

T~ = L (t; + a) 4 = T4 + 4aT3 + 6a 2 T2 + 4aT1 + na 4

Sustituyendo y haciendo algunas operaciones algebraicas que

omitimos, se obtiene

Q' = -nT~- r¡r~ = Q + 2aT1 - 2naT2

R1-- nT2' -
'
(T1')2-- R

Luego:

P' + Q't1 + Rt,' = P + Qt1 + a.[Q + nT3 -T1 T2 ] + a.(a + 2t¡).[R- nT2 + Tt'J

Y los dos corchetes que hay a la derecha son nulos por definición,
según las ecuaciones (1 0). Es decir, que para cualquier cambio de
origen en el tiempo, la expresión

33
 P + Qt¡ + Rt~

Es invariante en su fonna algebraica y en su valor numérico.

Mediante operaciones algebraicas sencillas se muestra que, para un
cambio en la escala de tiempo

Se obtiene
P' + Q'r¡ + Rr~ = c 4 (P + Qt¡ + Rt~)

Y por lo tanto, en la ecuación (11) solamente aparece el lado

izquierdo multiplicado por el factor c 4 (c 4 * 0), lo cual,
evidentemente, no cambia la raíz C de esa ecuación.
6. El. parámetro b de la curva logística se calcula recordando que
b = -B y que B se obtiene del sistema de ecuaciones
normales. Por lo tanto
n LZ¡ T2
T¡ LZ¡t¡ T3

b=
T2 LZ¡tf r.
D

Y así mismo

También es importante aquí hacer notar que el determinante D es

invariante ante cualquier traslación del origen de tiempo:
' r¡ = t¡ + a,
Translación en la cual
n r¡ T~
D= r¡ T~ T~
T~ T~ r¡

34
Sustituyendo según las ecuaciOnes (13), y después de un largo
cálculo algebraico, se encuentra que

n T1 T2
T¡ T2 T3 = D
T2 T3 T•
Es decir, que el determinante D es invariante en forma algebraica y
en valor numérico ante un cambio de origen de tiempo (o cambio
de cronología). Se comprueba también que ante un cambio de
unidades de tiempo (o cronometría),
T1 = ct¡
El nuevo determinante es D1 = c6 D
Por lo tanto un cambio en cronología y en cronometría de la forma
T1 = ct¡ + a

Modifica el determinante Den la forma

D 1 = c6 D
7. Las anteriores observaciones permiten formular un algoritmo
explícito, directo y general para calcular los tres parámetros
L, K, b de una curva logística

t) -
p(
L
- 1+Ke bt

A partir de los datos de población (presumiblemente crecientes),

p¡, p 2 , ••..••• Pn• (siendo n > 3), medidos empíricamente (por
ejemplo, por recuentos censales), en las fechas t 1 , t 2 , ....... tn y
según el criterio de mínimos cuadrados. Para medir y expresar las
fechas, se supone que hemos tomado un origen de tiempo (que
puede ser cualquiera), y una unidad de medida, de la cual
dependerán los parámetros K, b pero no el parámetro L.

35
8. La tasa relativa de crecimiento poblacional es una variable muy
importante en todos los estudios demográficos y está definida
por la identidad:

1 dp
r(t) =- · - (14)
p dt

Que se interpreta como la velocidad del crecimiento de la

población, dividida por la población. Al efectuar el proceso de
derivación correspondiente, del cual se muestran algunos pasos
elementales, se obtiene:

dp d ( L ) Lkbe-bt
dt = dt 1 +K e bt = (1 + ke-bt) 2

Ahora, al reemplazar en la ecuación (14)

r t = .!_ dp =
( ) p dt
(1 +K e-bt)
L
Lkbe-bt
· (1 + ke-bt)2

Y luego de las correspondientes cancelaciones de términos, la tasa

relativa de crecimiento para la curva logística resulta ser:

r' ( t ) - -K.b
-
- K+ebt (15)

Siendo t = año que se calcula- año base.

Generalmente el año de base se puede tomar como un año
intermedio en la serie de fechas de los datos censales.

36
III. METODO LOGIA DE LA INVESTIGACION

3.1 Tipo y diseño de investigación

Tipo de investigación

El tipo de investigación es predictiva

Diseño de investigación

El diseño del presente trabajo de investigación es no experimental -longitudinal

de tendencia. Según Hemández, Fernández & Baptista (2006) el diseño no

experimental es una investigación que se realiza sin la manipulación deliberada

de variables y en los que solo se observan los fenómenos en su ambiente natural

para después analizarlos. Los diseños longitudinales son estudios que recaban

datos en diferentes puntos del tiempo para realizar inferencias acerca del

cambio, sus causas y sus efectos. De tendencia son los que analizan cambios a

través del tiempo, dentro de una población en general.

Cuyo esquema es el siguiente:

IIKoiKCión de
datos e-n l..IRa
POI>III®n

lie:mpo 1 nempo~

37
3.2 Población y muestra

Población

En el presente trabajo de investigación se empleara los datos censales de la

población peruana, provenientes de los once Censos Nacionales de Población y

Vivienda que cubren un periodo de 171 años, desde 1836 hasta 2007.

Muestra: Comprende la población de los años 1940-2007.

38
IV. RESULTADOS DE LA INVESTJGACION

4.1. ESTJMACION DE PARAMETROS

A partir de los datos de los censos oficiales que se han hecho desde
1836 hasta 2007, suministrados por el Instituto Nacional de
Estadística e Informática IN El (Tabla 1), se calculará la curva
logística. Debe considerarse sin embargo, que existe discusión sobre
la exactitud de algunas de las cifras correspondientes a los años 1836,
1850, 1862 y 1876 que no se tendrá en cuenta para los cálculos por
tener explicables limitaciones de orden técnico, siendo afectados por
la crisis de carácter político y económico imperante en dicha época
(1836-1850). El Censo de 1862, se ocupó más del Registro Cívico
para efectos electorales que del aspecto propiamente estadístico. Las
críticas que se hicieron al censo de 1876, estuvieron referidas
principalmente a la cédula, dejando de empadronar pueblos y
caseríos ejecutándose de forma muy apresurada y sin la debida
organización, motivos por los cuales estos primeros años incluían
ruido durante el proceso de cálculo. Por lo que el modelo se estimó
con los datos a partir del año 1940-2007.

En la Tabla 1 observamos los datos censales de la población peruana

obtenidos entre 1940 y el año 2007. Con estos datos se realizarán los
diferentes cálculos de la curva logística.

39
Tabla 1: Datos censales de la población peruana 1940-2007.

Día Población censada

Año t;
p¡

1940 9 de junio 7023111 -39.5616438

1961 2 de julio 10420357 -18.5013699

1972 4 de junio 14121564 -7.57808219

1981 12 de julio 17762231 1.5260274

1993 11 de julio 22639443 13.5232877

2005 18 al 20 de julio 27219264 25.5479452

2007 21 de octubre al 4 de noviembre 28220764 27.8410959

Fuente: Instituto Nacional de Estadistica e informática (INEI)- Censos Nacionales
de Población y Vivienda.

t,: Es el año censal, contado a partir de 1980: año que se calcula -año base (1980).

Para un mejor entendimiento del procedimiento, se realizarán los

cálculos paso a paso, empleando una hoja electrónica de cálculo
Ex cel.

l. Para los siete datos censales de la población peruana (Tabla 1),

tómese el origen de tiempo o año base en cualquier momento o
fecha y la unidad de tiempo que desee, una fecha conveniente
para fijar el origen de tiempo es el valor intermedio entre los años
censados 1o de enero de 1980; y unidad de tiempo: año
calendario.

En el Cuadro 2 se obtienen los valores de los tiempos elevados a

las diferentes potencias.

40
Cuadro 2:

[ ti t?
• t~
• rt
•
1
-39.5616438 1565.12366 -61918.8649 2449612.08

-18.5013699 342.300687 -6333.03161 117169.7602

-7.57808219 57.4273297 -435.189025 3297.898197

1.5260274 2.32875962 3.553750977 5.423121355

13.5232877 182.879309 2473.129511 33444.84182

25.5479452 652.697504 16675.08007 426014.032

27.8410959 775.12662 21580.37457 600821.2776

2-79726027 3577.88387 -27954.9476 3630365.313

2. Calcúlense los valores numéricos de Tv T2 , T3 , T4 :

Obteniéndose los siguientes resultados mostrados en el Cuadro 3.

Cuadro 3:

Tz
1
2.79726027 3577.88387 -27954.9476 3630365.313

3. Con estos resultados, calcúlense cada uno de los valores

numéricos de P, Q y R donde:

Obteniendo lo mostrado en el cuadro 4

Cuadro 4:
p Q R
-12879450.3 205692.906 25037.36245

41
4. Calcúlese cada uno de los valores numéricos de los n coeficientes
P + Qt¡ + Rtf para i = 1,2, ... , 7

Cuadro 5:

P + Q • t 1 +R ]
-39.5616438 18169568.66

-18.5013699 -8114 744.444

-7.57808219 -13000379.15

1.5260274 . -12507251.27

13.5232877 -5518990.381

25.5479452 8717404.798

27.8410959 12254391.78

5. Fórmese la ecuación:

l:(P + Qt¡ + Rtf) .Ln (:, -1) =O, y sea Z¡ = Ln G,- 1)

6. Calcúlese el valor de L en la forma siguiente:

Utilizando el método de bisección (ver sección 3.1 ), se exploran
distintos valores numéricos para L hasta encontrar aquel que hace
laf(L) =O
Para seleccionar el pnmer valor de L 0 y encontrar más
rápidamente el valor adecuado evitando un gran número de
iteraciones innecesarias, podemos considerar que, como estamos
buscando la población límite del país y el último valor de
población censado según la Cuadro 1 es p=
28220764 habitantes entonces, este valor u otro muy cercano
podría servir como punto de partida, en este caso emplearemos
L 0 = 28220765 habitantes.
Con este valor se realiza una primera iteración para encontrar el
resultado de f(L 0 ) obteniendo un valor negativo, que se muestra
en la Cuadro 6.

42
Cuadro 6:

t¡ P+Q•t1 +R z, - P_+Q•t,+R•t: J
-39.56 18169568.66 1.104684233 20071636.02

-18.50 -8114744.444 0.535460082 -4345121.722

-7.58 -13000379.15 -0.001584862 20603.8029

1.53 -12507251.2 7 -0.529656053 6624541.342

13.52 -5518990.381 -1.400267985 7728065.537

25.55 8717404.798 -3.302425083 -28788576.27

27.84 12254391.78 -17.15556858 -210231058.6

fcLo) -208919909.9

En una segunda iteración, se selecciona arbitrariamente un valor

mayor que L 0 , en este caso usaremos cuatro veces el valor de la
última población censada, entonces se tiene que:
L1 = 4M = 4 • 28220764 = 112883056 Habitantes. Con este
valor, el resultado para fcL,) es positivo:

Cuadro 7:

t¡ P+ Q • t, + R . 2¡ P + Q • t, + R • t:
1
-39.56 18169568.66 2.712910665 49292416.6

-18.50 -8114744.444 2.285737523 -18548175.87

-7.58 -13000379.15 1.945004781 -25285799.61

1.53 -12507251.27 1.678073 577 -20988087.86

13.52 -5518990.381 1.382819174 -7631765.72

25.55 8717404.798 1.146505281 9994550.64

27.84 12254391.78 1.098612289 13462825.4

fcL,) 295963.5837

43
 Iterando vanas veces según el método de la bisección (ver
ANEXO 1) entre estos dos valores de L0 = 28220765 habitantes
y L1 = 112883 056 habitantes, se continúa con el valor
intermedio L2 = 70551910.5 y así sucesivamente hasta llegar
al valor deL= 96640877.51 habitantes con el cual se obtienen
los resultados de la Cuadro 8:
Puesto que f(L) = 0.000365468 "" O, puede considerarse que
la población límite L para Perú, según Jos datos censales, es
L = 96640877.51 habitantes:

Cuadro 8:

t¡ P+Q•t1 +R Z¡ P + Q • t, + R • tf
1
-39.56 18169568.66 2.546347305 46266032.2

-18.50 -8114744.444 2.113146909 -17147647.14

-7.58 -13000379.15 l. 765329378 -22949951.25

1.53 -12507251.27 1.490836202 -18646262.98

13.52 -5518990.381 1.184390828 -6536641.585

25.55 8717404.798 0.936273295 8161873.313

27.84 12254391.78 0.885608819 10852597.44

fcLJ 0.000365468

7. Con estos datos se calculan ahora Jos valores de:

Cuadro 9:

1
10.92193274 -86.34351516 6327.692802

8. Luego se forma el determinante:

n T1 T2 7 2.797260274 3577.883873
D = T1 T2 T3 2.797260274 3577.883873 -27954.94765
T2 T3 T4 3577.883873 -27954.94765 3630365.313

44
Al calcular dicho determinante por la regla de Sarrus, con la ayuda de
una hoja electrónica de cálculo u otra aplicación de software, se
obtiene el resultado:

D = 39063460317
9. De aquí deducimos

n LZ¡ Tz
T, LZ¡t¡ T3
Tz LZ¡tf T.
b=
D

7 10.92193274 3577.883873
2.797260274 -86.34351516 -27954.94765
b = '-'3"'5-'-7-'-'7.""88"'3"-'8'-'-7-"-3-':'63":'2C:'7_,.6'-'9-"2'-:'80"-'2'-=---""36,_,3'""0""3-"'65,_,.,_31""3'-'-
39063460317

b = 0.025360343

1O. De igual forma se procede con el cálculo de k

10.92193274 2.797260274 3577.883873

-86.34351516 3577.883873 -27954.94765
k = exp 6327.692802 -27954.94765 3630365.313
39063460317

k = 4.808620846

11. Concluimos que la curva logística que mejor ajusta estos datos
censales de Perú está dada por la expresión:

96640877.505426
'(t) - -:--:---:-=-c=-:c=::---:-:------;=== (I 6)
p - 1 + 4.808620846 • e 0·02536034 2<t

45
 En donde t = (Año censado) - 1980

12. La tasa relativa de crecimiento poblacional para esta curva

logística es:

f(t) =.E:_
K+ebt
, que para el caso de Perú es igual a:

0.121948273
(17)
f(t) = 4.808620846 + eo.ozsJ60342•t
t =(Año censado) -1980

De esta manera puede formarse la Tabla 1O que compara los valores

históricos de los censos con la estimación retrospectiva que da la
curva logística para los diferentes años desde 1940, con las
correspondientes tasas relativas instantáneas de crecimiento de la
población.

Tabla 10: Tasa relativa de crecimiento y error relativo con datos censales
( 1940 - 2007)

Cuadrado
Fecba Población Población Tasa Error
t¡ del error
censal censada estimada relativa relativo
relativo

09/0611940 -39.56 7023111 6846993 2.36% -2.51% 0.0006

02/07/1961 -18.5 10420357 9975707 2.24% -4.27% 0.0018

04/06/1972 -7.578 14121564 12346281 2.16% -12.57% 0.0158

12/0711981 1.526 17762231 14584926 2.09% -17.89% 0.0320

11/07/1993 13.523 22639443 17855016 1.96% -21.13% 0.0447

2010712005 25.548 27219264 21401627 1.81% -21.37% 0.0457

04/11/2007 27.841 28220764 22097101 1.78% -21.70% 0.0471

Fuente: Datos Censales suministrados por el JNEI

De igual manera puede construirse una tabla con los valores de

población proyectada y su respectiva tasa relativa de crecimiento, año
por año desde el año 1940 hasta el año 2020 o más, si se desea.

46
Tabla 11: Población estimada para Perú año por año (1930- 2060) según la curva logística

Tasa '
Población t¡ Población Tasa i
Fecha t¡ relativa de Fecha relativa de .
estimada estimada crecimiento '
crecimiento
01/01/1930 -50 5342559 2.40% 01/01/1966 -14 12297985 2.21%
01/01/1931 -49 5472011 2.39% 01/01/1967 -13 12572760 2.21%
01/01/1932 -48 5604407 2.39% 01/01/1968 -12 12852740 2.20%
01/01/1933 -47 5739805 2.39% 01/01/1969 -11 13137979 2.19%
01/01/1934 -46 5878263 2.38% 01/01/1970 -10 13428535 2.18%
01101/1935 -45 6019839 2.38% 01/01/1971 -9 13724460 2.18%
01/0111936 -44 6164594 2.37% 01/0111972 -8 14025808 2.17%
01/01/1937 -43 6312587 2.37% OliO 111973 -7 14332628 2.16%
01/0111938 -42 6463879 2.37% 01/0111974 -6 14644970 2.15%
01/01/1939 -41 6618531 2.36% 01/01/1975 -5 14962882 2.14%
01/01/1940 -40 6776606 2.36% 01/01/1976 -4 15286408 2.13%
01/01/1941 -39 6938164 2.35% 01/01/1977 -3 15615592 2.13%
01/0111942 -38 7103270 2.35% 01/01/1978 -2 15950475 2.12%
01/01/1943 -37 7271987 2.35% 01/0111979 -1 16291096 2.11%
01/01/1944 -36 7444378 2.34% 01/01/1980 o 16637491 2.10%
01/0111945 -35 7620507 2.34% 01/01/1981 16989694 2.09%
01/01/1946 -34 7800438 2.33% 01/01/1982 2 17347736 2.08%
01/0111947 -33 7984237 2.33% 01/01/1983 3 17711646 2.07%
01/0111948 -32 8171968 2.32% 01/01/1984 4 18081448 2.06%
01/01/1949 -31 8363698 2.32% 01/0111985 5 18457167 2.05%
01/01/1950 -30 8559490 2.31% 01/01/1986 6 18838820 2.04%
01/01/1951 -29 8759411 2.31% 01/01/1987 7 19226424 2.03%
01/01/1952 -28 8963526 2.30% 0110111988 8 19619992 2.02%
01/0111953 -27 9171901 2.30% 01/01/1989 9 20019533 2.01%
01/01/1954 -26 9384601 2.29% 01/0111990 10 20425053 2.00%
01/0111955 -25 9601693 2.28% 01/0111991 11 20836553 1.99%
01/01/1956 -24 9823242 2.28% 01/0111992 12 21254032 1.98%
01/01/1957 -23 10049312 2.27% 01/0111993 13 21677483 1.97%
01/01/1958 -22 10279969 2.27% 01/01/1994 14 22106897 1.96%
01/0111959 -21 10515277 2.26% 01/01/1995 15 22542259 1.94%
01/01/1960 -20 10755300 2.25% 01/01/1996 16 22983552 1.93%
01/01/1961 -19 11000103 2.25% 01/0111997 17 23430751 1.92%
01/01/1962 -18 11249748 2.24% 01/01/1998 18 23883830 1.91%
01/0111963 -17 11504297 2.23% 01/0111999 19 24342757 1.90%
01/01/1964 -16 11763812 2.23% 01/01/2000 20 24807496 1.89%
01/0111965 -15 12028355 2.22% 01/01/2001 21 25278005 1.87%

47
 Tasa Tasa
t¡
Población Población
Fecha relativa de Fecha t¡ relativa de
estimada estimada
crecimiento crecimiento
·-"- --
o1/01/2002 22 25754239 1.86% 01/01/2032 52 42271871 1.43%
01/01/2003 23 26236146 1.85% 01/01/2033 53 42875908 1.41%
01/01/2004 24 26723671 1.83% 01/01/2034 54 43481674 1.39%
01/01/2005 25 27216754 1.82% 01/01/2035 55 44088980 1.38%
01/01/2006 26 27715327 1.81% 01/01/2036 56 44697636 1.36%
01/01/2007 27 28219322 1.80% 01/01/2037 57 45307451 1.35%
01/01/2008 28 28728661 1.78% 01/01/2038 58 45918230 1.33%
01/01/2009 29 29243265 1.77% 01/01/2039 59 46529780 1.32%
01/01/2010 30 29763046 1.75% 01/01/2040 60 47141905 1.30%
01/01/2011 31 30287915 1.74% 01/01/2041 61 47754408 1.28%
01/01/2012 32 30817774 1.73% 01/01/2042 62 48367094 1.27%
01/01/2013 33 31352523 1.71% 01/01/2043 63 48979765 1.25%
01/01/2014 34 31892055 1.70% 01/01/2044 64 49592223 1.23%
01/01/2015* 35 32436259 1.68% 01/01/2045 65 50204273 1.22%
01/01/2016 36 32985019 1.67% 01/01/2046 66 50815718 1.20%
01/01/2017 37 33538212 1.66% 01/01/2047 67 51426363 1.19%
01/01/2018 38 34095714 1.64% 01/01/2048 68 52036014 1.17%
01/01/2019 39 34657394 1.63% 01/01/2049 69 52644477 1.15%
01/01/2020 40 35223116 1.61% 01/01/2050 70 53251560 1.14%
01/01/2021 41 35792739 1.60% 01/01/2051 71 53857075 1.12%
01/01/2022 42 36366120 1.58% 01/01/2052 72 54460832 1.11%
01/01/2023 43 36943110 1.57% 01/01/2053 73 55062648 1.09%
01/01/2024 44 37523555 1.55% 01/01/2054 74 55662337 1.08%
01/01/2025 45 38107298 1.54% 01/01/2055 75 56259720 1.06%
01/01/2026 46 38694178 1.52% 01/01/2056 76 56854620 1.04%
01/01/2027 47 39284031 1.51% 01/01/2057 77 57446861 1.03%
o1/01/2028 48 39876688 1.49% 01/01/2058 78 58036272 1.01%
01/01/2029 49 40471977 1.47% 01/01/2059 79 58622685 1.00%
01/01/2030 50 41069723 1.46% 01/01/2060 80 59205936 0.98%
01/01/2031 51 41669748 1.44%

*: Fecha actual

48
Gráficas

La grafica 3 muestra la curva logística calculada con la ecuación

(16), desde el año 1930 hasta el año 2060 según los datos censales
tomados entre los años 1940 y 2007, estos representados por puntos
azules. El año tomado como base para los cálculos fue 1980.

La grafica 4 Se observa como la curva toma una forma similar a la

mencionada al principio de esta investigación, sobre comportamiento
logístico (Gráfica 1, curva intermedia), con crecimiento ascendente
desde una población inicial P(O) hasta la población limite L.

En la gráfica 5 se observa el comportamiento de la tasa relativa de

crecimiento de la población calculada también, a partir de los datos
censales tomados entre 1940 y 2007. Se observa como la tasa de
crecimiento disminuye desde un valor de 2.36% en el año 1940,
pasando por 1.80% en el año 2007 y teniendo un valor más cercano
a cero 0.09% en la medida en que la población se acerca a su valor
límite hacia el año 2168.

49
 Gráfica 3
Curva Logística de población calculada y proyectada para Perú con censos entre 1940 y 2007
Curva Logística calculada para Perú

70000000 - , , - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - ,

96640877.505426
~
,.
:;:¡ 60000000 ~- - - - p(t)=_ --------- _______ .__, 1 ----------

~6~ 50000000
40000000 1 ------- - - - - -- - -
1 Fecha Actual 1 l ~~----
--'e
';" 30000000
Q.
28220764

e
.!! +-------
,.
u
20000000

:¡:¡
~ 10000000 ...~
1042035714121564
- _,
o -
1
!
1930 1940 1950 1960 1970 1980 1990 2000 2010 2020 2030 2040 2050 2060

Año
~ Poblacion Estimada • Poblacion Censada

Fuente: Datos Censales suministrados por e! Instituto Nacional de Estadística e informática (INEI).

50
 Gráfica 4
Curva Logística de población calculada y proyectada para Perú con censos entre 1930 y 2168
Curva Logística a calculada para Perú

100000000 -·r-------------------------------------------------------------------------,
- 90000000 ~-­ 96640877.505426
.a
111
.= 80000000 - · - - - p(t) =. . -------·. ""'""""".
Q¡
"'CI
"' 70000000 ~ -----------------------
111
e -1--------
o 60000000
Fecha
~ 50000000 ~--------

~ 40000000 ~------------- f
oe 30000000 ~1--­ -----ooo;;2¡¡;82~20764 . 1

-------m6z~;;d:J};
4
·¡:¡
111
:a
~
20000000
14121564 ~
l ---------------------
10000000 7023il~0357_ z: ---------------
o 1
1910 1930 1950 1970 1990 2010 2030 2050 2070 2090 2110 2130 2150 2170 2190
Año
~ Poblacion Estimada • Poblacion Censada

Fuente: Datos Censales suministrados por el Instituto Nacional de Estadística e Informática (INEI).

51
 Gráfica 5
Tasa relativa de crecimiento poblacional para Perú, calculada con los datos censales tomados entre los años 1940 y
2007, proyectadas hasta 2060.
Tasa relativa de crecimiento poblacional r (t) para Perú

2.60%

• 0.121948273

-
2.40% r(t)- -
4.808620846 + eo.ozs36034z.t
2.20% -
-~
2.00%

-.=... 1.80% --~ ........... --! Fecha Actual 1

-----"-

1.60% ......... --
1.40%

1.20%

1.00% - - - - -·
""' ==s: -

0.80%
1930 1940 1950 1960 1970 1980 1990 2000 2010 2020 2030 2040 2050 2060
Año
Fuente: Datos Censales suministrados por el Instituto Nacional de Estadística e Informática (INEJ).

52
 Interpolación entre censos por el método de la parábola
de segundo grado, año a año, de 1940- 2007

Con el fin de determinar los valores de los datos de población

intermedios año por año entre los datos censados, se ha realizado con
estos, una interpolación por el método de la parábola o polinomial de
segundo grado. En el Anexo 3 se describe el método y sus
respectivas ecuaciones. En la gráfica 6 se observa su comportamiento
y en la Tabla 13 se encuentran los resultados obtenidos.

Gráfica 6
Población estimada de Perú, por el método de
interpolación parabólica 1940-2007

30000000

_25000000
.
..c:i
.<::
~ 20000000
"'
.!!!
·e
:¡:¡: 15000000
a:
e:
o
·g 10000000
~ 70231~1~1alll~~.>""

5000000

o
1930 1940 1950 1960 1970 1980 1990 2000 2010 2020
Año

--cr- Poblacion interpolada e Poblacion Censada

53
Tabla 13: Población estimada de Perú, por el método de interpolación parabólica

p (t) Población Población p (t)

estimada estimada Censada estimada
Año Año
inter. (miles de (miles de inter.
Parabólica
..··-~----- . hab.) hab.) Parabólica
1940 7023111 6776606 1974 14929324
1941 7075697 1975 15333478
1942 7139202 1976 15737814
1943 7213626 1977 16142332
1944 7298969 1978 16547033
1945 7395230 1979 16951917
1946 7502410 1980 17356983
1947 7620508 1981 17762231 17762231
1948 7749526 1982 18167662
1949 7889462 1983 18573275
1950 8040317 1984 18979071
1951 8202090 1985 19385049
1952 8374783 1986 19791210
1953 8558394 1987 20197553
1954 8759237 1988 20604078
1955 8958372 1989 21010786
1956 9174739 1990 21417677
1957 9402026 1991 21824750
1958 9640230 1992 22232005
1959 9889539 1993 22639443 22639443
1960 10149396 1994 22927518
1961 10420357 1995 23232606
1962 10702237 11249748 1996 23554709
1963 10995035 1997 23893825
1964 11298752 1998 24249956
1965 11613388 1999 24623101
1966 11938943 2000 25013260
1967 12275416 2001 25420432
1968 12622808 2002 25844619
1969 12981119 2003 26285820
1970 13350349 2004 26744035
1971 13730497 2005 27219264 27219264
1972 14121564 14025808 2006 27711507
1973 14525353 2007 28220764 28220764

54
Los valores en negrita de la Tabla 13 representan los valores
iniciales y finales de los rangos de datos tomados para la
interpolación por el método de la parábola.

o La población promedio (p) de Perú durante el período de

68 años comprendido entre 1940 y 2007, calculado con los
valores obtenidos por la interpolación parabólica de la Tabla
13 y según la ecuación ( ) fue:

68

v = 6~ Ip(t)
t=1

p = 15649283 habitantes

Con este valor de población promedio se realizan los cálculos

siguientes:

2
o La varianza poblacional Sp es: 44065863 habitantes,
resultado de:

68

Sp
2
= 681 ¿P(t)
'\'
t=l

o Error cuadrático promedio para el rango de 68 años entre

2
1940 y 2007, es Sp = 0.001708 obtenido de la ecuación:

Con este valor de población promedio se realizan los cálculos

siguientes:
Siendo E(t) el error relativo entre los datos interpolados de la
población, y los valores estimados con la función logística.

En la tabla 14 se muestran los valores correspondientes a los

errores relativos y absolutos de las estimaciones de la
población para el rango de 68 años comprendidos entre 1940
y 2007.

55
• El coeficiente de correlación r 2 de la curva logística con los
censos realizados es 0.99999999 que se obtiene a partir de la
siguiente expresión:

Donde:

sJ: Varianza poblacional

SJ :Error cuadrático promedio

56
Tabla 14: Población censada e interpolada vs población estimada

Valor absoluto j
p (t) Error Cuadrado del
Población del Error ,
estimada relativo error relativo
Año estimada relativo
interp. 2
Parabólica
(miles de bab.) E (t) E (t)
1E (t) 1
1940 7023111 6776606 -4% 0.00123 0.0351
1941 7075697 6938164 -2% 0.00038 0.0194
1942 7139202 7103270 -1% 0.00003 0.0050
1943 7213626 7271987 1% 0.00007 0.0081
1944 7298969 7444378 2% 0.00040 0.0199
1945 7395230 7620507 3% 0.00093 0.0305
1946 7502410 7800438 4% 0.00158 0.0397
1947 7620508 7984237 5% 0.00228 0.0477
1948 7749526 8171968 5% 0.00297 0.0545
1949 7889462 8363698 6% 0.00361 0.0601
1950 8040317 8559490 6% 0.00417 0.0646
1951 8202090 8759411 7% 0.00462 0.0679
1952 8374783 8963526 7% 0.00494 0.0703
1953 8558394 9171901 7% 0.00514 0.0717
1954 8752924 9384601 7% 0.00521 0.0722
1955 8958372 9601693 7% 0.00516 0.0718
1956 9174739 9823242 7% 0.00500 0.0707
1957 9402026 10049312 7% 0.00474 0.0688
1958 9640230 10279969 7% 0.00440 0.0664
1959 9889354 10515277 6% 0.00401 0.0633
1960 10149396 10755300 6% 0.00356 0.0597
1961 10420357 11000103 6% 0.00310 0.0556
1962 10702237 11249748 5% 0.00262 0.0512
1963 10995035 11504297 5% 0.00215 0.0463
1964 11298752 11763812 4% 0.00169 0.0412
1965 11613388 12028355 4% 0.00128 0.0357
1966 11938943 12297985 3% 0.00090 0.0301
1967 12275416 12572760 2% 0.00059 0.0242
1968 12622808 12852740 2% 0.00033 0.0182
1969 12981119 13137979 1% 0.00015 0.0121
1970 13350349 13428535 1% 0.00003 0.0059
1971 13730497 13724460 0% 0.00000 0.0004
1972 14121564 14025808 -1% 0.00005 0.0068
1973 14525353 14332628 -1% 0.00018 0.0133
Fuente: Datos elaborados por el método de interpolación parabólica

57
 p (t) Error Cuadrado Valor absoluto
Población del error del Error
estimada relativo
Año estimada relativo relativo
interp.
(miles de hab.) c(t)
Parabólica r (t) 2 1E (t) 1

1974 14929324 14644970 -2% 0.00036 0.0190

1975 15333478 14962882 -2% 0.00058 0.0242
1976 15737814 15286408 -3% 0.00082 0.0287
1977 16142332 15615592 -3% 0.00106 0.0326
1978 16547033 15950475 -4% 0.00130 0.0361
1979 16951917 16291096 -4% 0.00152 0.0390
1980 17356983 16637491 -4% 0.00172 0.0415
1981 17762231 16989694 -4% 0.00189 0.0435
1982 18167662 17347736 -5% 0.00204 0.0451
1983 18573275 17711646 -5% 0.00215 0.0464
1984 18979071 18081448 -5% 0.00224 0.0473
1985 19385049 18457167 -5% 0.00229 0.0479
1986 19791210 18838820 -5% 0.00232 0.0481
1987 20197553 19226424 -5% 0.00231 0.0481
1988 20604078 19619992 -5% 0.00228 0.0478
1989 21010786 20019533 -5% 0.00223 0.0472
1990 21417677 20425053 -5% 0.00215 0.0463
1991 21824750 20836553 -5% 0.00205 0.0453
1992 22232005 21254032 -4% 0.00194 0.0440
1993 22639443 21677483 -4% 0.00181 0.0425
1994 22927518 22106897 -4% 0.00128 0.0358
1995 23232606 22542259 -3% 0.00088 0.0297
1996 23554709 22983552 -2% 0.00059 0.0242
1997 23893825 23430751 -2% 0.00038 0.0194
1998 24249956 23883830 -2% 0.00023 0.0151
1999 24623101 24342757 -1% 0.00013 0.0114
2000 25013260 24807496 -1% 0.00007 0.0082
2001 25420432 25278005 -1% 0.00003 0.0056
2002 25844620 25754239 0% 0.00001 0.0035
2003 26285820 26236146 0% 0.00000 0.0019
2004 26744035 26723671 0% 0.00000 0.0008
2005 27219264 27216754 0% 0.00000 0.0001
2006 27711507 27715327 0% 0.00000 0.0001
2007 28220764 28219322 0% 0.00000 0.0001
Fuente: Datos elaborados por el método de interpolación parabólica

58
V. CONCLUSIONES

5.1. CONCLUSIONES

Con base en los datos censales suministrados por el Instituto Nacional de

Estadística e Informática (INEI) y los cálculos realizados se pueden afirmar
las siguientes conclusiones sobre la demografía de Perú:

• La curva logística de la población peruana que mejor ajusta los datos

censales de Perú es:

96640877.505426
'(t)- ------~~­
p - 1 + 4.808620846 * e-0.025360342•t

Siendo los valores de los parámetros: k = 4.8086, b = 0.0254 y

L = 96640877 habitantes.

• Luego de realizar el cálculo para deducir la ecuación de la curva con

la cual se comparan los datos censales disponibles a la fecha, de
Perú, se observa como la curva de la Gráfica 4 toma una forma
sigmoidal similar a la curva intermedia de la Gráfica 2, sobre
comportamiento logístico con crecimiento ascendente desde una
población inicial P(o) hasta la población límite L.

• En la gráfica 3 se presentan las poblaciones calculadas y proyectadas.

Es posible observar que los resultados proyectados que derivan de la
función de la curva logística se asemejan a los calculados, lo que
significa que el modelo reproduce de manera adecuada la dinámica
demográfica del Perú, en el periodo 1940-2007.

• Con este el método original la curva logística se ajusta muy bien a

los datos de los censos realizados en Perú. Y provee un modelo
aceptable para explicar su crecimiento poblacional.

• El coeficiente de correlación r 2 =0,99999999 resultante de la

comparación entre los valores censados (incluidos los interpolados)
durante todo el rango de tiempo entre 1940 y 2007, con la curva
logística, es altamente satisfactorio, lo que muestra un excelente
ajuste.

• A mediados del siglo XXII la población estará en un valor cercano a

90'783,900 habitantes y estará acercándose asintóticamente al límite
máximo de saturación de habitantes hacia el 2168 (valor calculado
por fuera de las gráficas mostradas), es decir cerca de los 96'000,000
habitantes. A partir del valor de la población límite (96 ·640878
habitantes), cifra que la historia censal permite pronosticar, a la

59
 fecha, una de las interpretaciones que puede tener este valor es la
indicación de que, a partir de este número de habitantes, se iniciará
un proceso de hacinamiento, lo cual repercutirá en el incremento
progresivo de problemas sociales por cada habitante nuevo en el País.

• La tasa de crecimiento relativo poblacional ha venido reduciéndose

desde 2,36% en el año 1940 a 1,80% en el año 2007. Para el año
2060 se espera un valor de 0,98%; lo cual indica que, de continuar la
tendencia, el crecimiento se estabilizará al llegar al límite de
población.

• En el 2015, la población peruana es de 32 millones de personas y

hacia el año 2060, la población habrá alcanzado los 59 millones de
personas, según los datos existentes a la fecha. La población seguirá
aumentando durante los próximos años, aun con tasas porcentuales
declinantes.

• Debido a que los valores censados se encuentran distribuidos a lo

largo de una curva, la interpolación parabólica parece ser la más
adecuada, además de ser un método factible de aplicar. El método
usado aquí para interpolar puede afinarse o modificarse en varios
sentidos, con cambios solo insignificantes en los resultados de esta
investigación. Es decir, este es un método estadísticamente muy
robusto.

• El método de bisección presenta varios puntos a favor, siendo el más

importante de estos, su sencillez conceptual, su facilidad de
interpretación e implementación, proporcionando una estimación
predeterminada de la precisión de la solución calculada.

• Los resultados de esta investigación, pueden servir de insumo para

las instituciones privadas, estatales y gubernamentales para su
proceso de planeación estratégica de los recursos y políticas de
nuestro Perú.

5.2. RECOMENDACIONES

• Por lo anteriormente expuesto, la recomendación es utilizar la curva

logística para realizar predicciones poblacionales, ya sea a corto,
mediano y largo plazo. Lo cual ayudara al estado de un País a estar
preparado para cualquier escenario, debido a la preocupación de que
los recursos naturales y materiales del mundo que no puedan ser
capaces de continuar proporcionando las necesidades básicas de las
personas.

60
 VI. BIBLIOGRAFIA

Hernández, R., Fernández, C. & Baptista, P. (2006). Metodología de la

Investigación (4• Edición). México: McGraw-Hill.

Informe del Fondo Alemán de la Población de la Tierra (2014). Disponible en

http://sp.ria.ru/spanish_ruvr_ru/news/2014 _ 01_O1/La-poblaci-n-mundial-

alca nza-7 -2-mil-millones-de-personas-0330/

Instituto Nacional de Estadística e Informática. Historia de los censos en el

Perú, 2007. Disponible en

http://censos.inei.gob.pe/Censos2007/Documentos/Historia_Censos.pdf

Veres, E. (1955). Nueva determinación de la curva logística de la población de

España". Disponible en

http://www.ine.es/ss/Satellite?blobcol=urldata&blobheader=application%

2Fpdf&blobheadername1 =Content-

Disposition&blobheadervalue1 =attachment%3B+filename%3D1 007%2F

262%2F1 08_1.pdf&blobkey=urldata&blobtable=MungoBiobs&blobwhere

=1 007%2F262%2F1 08_1.pdf&ssbinary=true.

Medina, J. & Suárez, J. (2000). Modelo logístico adaptado a la población

mexicana en el periodo 1900-1990. Investigación y ciencia de la

Universidad Autónoma de Aguascalientes, 16-23. Disponible en

http://www.uaa.mx/investigacion/revista/archivo/revista22/Articulo%204.p

df

61
Ordorica, M. (2008). Evolución de la población de México, 1980-2005,

conforme a la hipótesis de una tasa de crecimiento demográfico

logística. Estudios demográficos urbanos, 23(3), 445-479. Disponible en

http://www.redalyc.org/articulo.oa?id=31211538001

Poveda, G. & Manrrique, J. (2007). Aplicación de la curva logística a los censos

de la ciudad de Medellín. Ecos de Economía, 11(25), 7-60. Disponible en

http://publicaciones.eafit.edu.co/index.php/ecos-

economia/article/view/1937/1948

VII. ANEXOS

ANEXO l. Método de bisección.

Este es uno de los métodos más sencillos para resolver ecuaciones en una
variable. Se basa en el Teorema de los Valores Intermedios, el cual establece que
toda función continua f en un intervalo cerrado [a, b] toma todos los valores que
se hallan entre f(a) y f(b). Esto es, que todo valor entre f(a) y f(b) es la
imagen de al menos un valor en el intervalo [a,b]. En caso de que f(a) y f(b)
tengan signos opuestos f(a) · f(b) <O, el valor cero sería un valor intermedio
entre f(a) y f(b), por lo que con certeza existe un punto p en [a,b] que cumple
f(p) =O. De esta forma, se asegura la existencia de al menos una solución de la
ecuación

f(x) =O.

El método consiste en lo siguiente:

Verificar la continuidad de la función f(x) en el intervalo [a, b]- ver numeral 4

del Ajuste de la logística por mínimos cuadrados.

Luego se verifica que f(a) · f(b) <O

62
Se calcula el punto medio e del intervalo [a,b]. A continuación se calcula f(c).
En caso de que f(c) sea igual a cero, la raíz buscada será c. En caso de que no lo
sea, se verifica si f(c) tiene signo opuesto con f(a) o con f(b). Se redefine el
intervalo [a, b] como [a, e] o [e, b] según se haya determinado en cuál de estos
intervalos ocurre un cambio de signo. Con este nuevo intervalo se continúa
sucesivamente encontrando el centro y encerrando la solución en un intervalo
cada vez más pequeño, hasta alcanzar la precisión deseada. En la Gráfica 3, se
ilustra el procedimiento descrito en el cual, el cambio de signo ocurre
inicialmente entre [a,b]; se busca el punto intermedio e y se redefine el rango
[a, e]. Se verifica el cambio de signo y finalmente, entre [d, e] se encuentra el
punto intermedio m como raíz de f(x).

Gráfica 3

Ilustración del método de la bisección

Y= f(x)
y

f(a) -t-----·

b d a
X

Iteración n

Iteración 2 l-----'---i
Iteración 1

Desde la primera iteración del algoritmo de bisección, se observa que la raíz m

se halla a una distancia menor o igual que b~a· En la segunda iteración, el nuevo

intervalo [a, e] mide b~a y de nuevo la distancia entre el nuevo punto medio y

m es menor o igual que [d , el (-b-a)

- + 2 = -b-a
-.
s·1 . . así
se contmua
2 4

63
sucesivamente, en la n-ésima iteración, al aproximar la raíz p de la función f(x),
con el punto de acercamiento m (renombrado como el punto medio durante n
iteraciones m,) se tiene que:

b-a
lm n -pl<-
- 2n
(16)

Y según esta desigualdad,

ln(b-a)
n=--'-
ln2
(17)

n en su valor entero, es el número de iteraciones necesarias para aproximar la

solución de la ecuación mediante el punto medio con un parámetro máximo E de
error.

64
ANEXO 2. Hoja de cálculo para determinar la ecuación de la Curva Logística

cuRvA LooiSríCAPwtos cENsoS oii>Ei!UENTRE l!JW v2001

Población censada ,¡
Año Pi
t¡ ~ r• P+Q.-t 1 +Rte; Zt:::: ln((L/p¡) -1) P+Q• t¡ +R • rf t :~, z¡-• ti Zi. * t'C
' '
1940 702:!111 -39561544 1565.1237 -61918.865 2449612.08 18169568.66 2.546347305 45266032.2 -100.73769 3985.3484
1951 10420357 ·18.50137 342.30059 -6333.0316 117159.76 -8114744.444 2.113146909 -17147647.14 -39.095113 723.3.3164
1972 14121564 -7.5780822 57.42733 -435.18902 3297.8982 ·13000379.15 1.765329378 -22949951.25 -13.377811 101.37815
1981 17762231 15260274 2.3287596 355375098 5.42312135 ·12507251.27 1.490836202 ·18646262.98 2.2750559 3.4717991
1993 22539443 B523288 182.87931 2473.12951 :13444.8418 ·5518990.381 1.184390828 ·6536641.585 16.016858 216.60058
2005 27219264 25.547945 652.6975 16675.0801 426014.032 8717404.798 0.936273295 8161873.313 23.919859 511.10324
2007 28220764 27.841096 775.12652 21580.3746 600821.278 12254391.78 0.885608819 10852597.44 24.65532 585.45897
2.7972603 3577.8839 -27954.948 3530365.31 10.92193274 0.000365458 -86.343515 5327.6928
TI Tz T3 T, IZ¡ Ez¡ • t¡ Ez¡ *" rt

1- 95~7751 0~~¿5458
¡> -12879450
[ - n 1 7 1 Q 205692.906 1 1
R 25037.3624

Para calcular D Para calcular b Para calcular k

7 2.797260274 3577.8839 7 10.9219327 3577.888873 10.92193274 2.7972603 3577.8839
2.79726027 3577.883873 -27954.948 2.79726027 -85.343515 -27954.94755 -86.34351516 3577.8839 -27954.948
3577.88887 -27954.94765 3530365.3 3577.88387 5327.6928 3630365.313 6327.69281)2 -27954.948 3630365.3

[ o mL 390634603171 1 b 1 o o2556o34] [ " 1 480852081

Ecuación de Ja curva loglstíca Ecuación de la curva logística para la población de Perú

+k~ e
96640877.505426
1 p(t) = 1 b•t 1
fJ(t) = _ _ __ n n.,~.,Ln~ .. .,._,A.

L r(t) =k+ b•t

--------
k*b;¡ e
r(t) = 0.121948273
.n. "'"" .. ""'l\11o ...... ...

65
ANEXO 3. Interpolación por el método de la parábola.
Cuando se tienen tres puntos en un plano, puede determinarse la ecuación de un
polinomio de segundo grado (una parábola) que contenga dichos puntos. De esta forma,
pueden encontrarse los puntos interme.dios que pertenezcan a la curva, entre los
puntos extremos conocidos. Si se tienen cuatro puntos conocidos, el polinomio
será de tercer grado y así sucesivamente. Este procedimiento se denomina
interpolación polinomial de Lagrange, y específicamente para tres puntos conocidos,
interpolación cuadrática o parabólica.

Gráfica 7

Interpolación parabólica

Po P(x)

Xo X¡ X

El teorema que define el n-ésimo polinomio interpolante de Lagrange es el siguiente

[ 12]:

Si x 0 , x 1 , ... , Xn son n+ 1 números distintos y f es una función cuyos valores están

dados en esos números, entonces existe un único polinomio P de grado a lo más n, con
la propiedad de que

Para cada k=O, 1, ... , n.

Este polinomio está dado por

n
P(x) = f(x 0) Ln.o (x) + ··· + f(xn) Ln.n (x) = L
k=O
f(xk) Ln.k (x) (19)

66
Dónde:

(x- x 0 )(x- x 1) ... (x- xk_ 1)(x- xk+l) ... (x- Xn)
Lnk(x)= ~~~~--~~7---~~~~~~~--~~)
(xk - x 0)(xk - x1) ... (xk- xk-1)(xk - xk+l) ... (xk - xk

n
n
(x -X¡) (20)
i=O (X k - X¡)
i*k

Para cada k=O, 1, ... , n

Ln k (x) Suele escribirse como Lk (x).

Al aplicar esta ecuación a los puntos de la gráfica se obtiene:

Al evaluar el polinomio en los puntos conocidos:

P(x 0 ) = pO

P(x 1 ) = p1

Otra forma de escribir el polinomio de interpolación es, mediante los determinantes de

las ecuaciones simultáneas de segundo grado que resultan al evaluar cada uno de los tres
puntos conocidos de la parábola de la Gráfica 8. Para el caso del punto p, la ecuación es:

Y la ecuación para cualquier punto p(x):

Donde

1 Xo x5 Po Xo x~ Po 1 x~ Po 1 Xo
D = 1 X1 xi , D0 = P1 X1 xi , D1 = P1 1 xi ,D2 = P1 1 X1 (21)
1 Xz xi Pz Xz xi Pz 1 xz2 Pz 1 Xz

67
Los cuales, luego de ser solucionados por la regla de Sarrus, se traducen en las
siguientes expresiones, que al reemplazarse en la ecuación (21 ), permiten realizar la
interpolación correspondiente. Este procedimiento puede hacerse con una calculadora
programable o una hoja de cálculo:

D = XnX1 (X1- Xn) + X1X2 (x2- X1)- XzXn (x 2- Xn) (22)

Dn = PnX1Xz (xz- x1)- PnXzXn (xz- Xn) + PzXnX1 (xl- Xn) (23)

D1 = Pn (Xz 2 - X1 2) - P1 (Xz 2 - Xn 2) + Pz(X1 2 - Xn 2) (24)

(25)

Existen dos formas de realizar la interpolación parabólica con tres puntos conocidos:
una de ellas es, tomando el tercer punto como origen del rango siguiente y así
sucesivamente (ver Gráfica 9). La otra consiste en tomar el punto intermedio como
origen del rango siguiente, lo cual se muestra en la Grafica 8, donde P1 P2 y P3 son
los puntos conocidos del primer rango de interpolación. El segundo rango lo conforman
los puntos P2 P3 y P4 y así sucesivamente pueden observarse como los valores de
la función entre P2 y P3 pueden ser diferentes según la parábola seleccionada y se
encuentran en el área sombreada. Por lo tanto, los valores obtenidos por este método,
presentan alguna discrepancia en este trayecto

Gráfica 8

Interpolación parabólica con un punto traslapado

p,

68
En ambos casos, los valores resultantes de la interpolación, son aproximados y los
métodos se consideran válidos,

El método a utilizar en este ejercicio será el de interpolación mediante parábolas

consecutivas representada en la Gráfica 9:

Gráfica 9

Interpolación parabólica mediante parábolas consecutivas

Ps

69