ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR

Documentos relacionados
Modelos lineales Regresión simple y múl3ple

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

Problemas donde intervienen dos o más variables numéricas

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.

Lección 4. Ejercicios complementarios.

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

Aspectos fundamentales en el análisis de asociación

Boletín de la Tendencia Laboral del Desarrollo Humano

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

Figura 1

Facultad de Ciencias Básicas

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)

Tema 6. Estadística descriptiva bivariable con variables numéricas

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012

Enlaces de las Series de Salarios. Metodología

DISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú

MEMORIA TÉCNICA. Dinámica del agua en el suelo a través del contenido de humedad edáfica H Paoli y J Diez

NOTA METODOLÓGICA 1. CÁLCULO DEL IDH. METODOLOGÍA ONU

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:

Relaciones entre variables

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

ÍNDICE. 1. Evolución de los precios de la tierra en la C. Valenciana. 2. Principales resultados de los precios de la tierra del año 2016

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10.

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

Relación 2: Regresión Lineal.

a) DIAGRAMA DE DISPERSION

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

Formulación y Evaluación de Proyectos

Medidas de Variabilidad

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Correlación y regresión lineal simple

METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009

6 Impacto en el bienestar de los beneficiarios del PAAM

DISTRIBUCIONES BIDIMENSIONALES

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS

Introducción a la Física. Medidas y Errores

Recaudación por Impuesto Específico a los Combustibles y Estimación de Recaudación de IVA por Venta de Gasolina

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte

T. 9 El modelo de regresión lineal

ÍNDICE. 1. Evolución de los precios de la tierra en la C. Valenciana. 2. Principales resultados de los precios de la tierra del año 2017

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

Inferencia en Regresión Lineal Simple

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

Examen Final de Econometría Grado

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

Tema 6 El mercado de bienes y la función IS

Regresión múltiple k k

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana.

CASO PRÁCTICO TEORÍA. 1 i (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS)

CÁNONES ANUALES DE DE ARRENDAMIENTOS RÚSTICOS (Metodología)

Prueba de Evaluación Continua

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Aplicación de un Modelo para la Predicción de Pérdidas de Trayectoria en un Sistema de Comunicaciones Inalámbricas en Pisos de Edificios

Estadística Teórica I EXÁMENES

Medidas de centralización

Pronósticos. Humberto R. Álvarez A., Ph. D.

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)

La elasticidad como una aplicación de análisis de oferta y demanda

La elasticidad como una aplicación de análisis de oferta y demanda

METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES

Capitalización y descuento simple

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Modelo Mundell - Fleming

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

El Modelo IS-LM. El modelo IS-LM

Regresión Lineal Simple y Correlación

Finanzas bursátiles 150 horas / 5 módulos

REGRESION LINEAL SIMPLE

Agregación temporal en el Análisis por Envoltura de Datos

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

MACROECONOMÍA: ECONOMÍA CERRADA GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS

Diagnóstico de Fortalezas y Debilidades Comunales

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

Comp. Monop. Krugman (1979)

Análisis de Regresión y Correlación

Ampliación de la metodología actual para el estudio de la tensión de tesorería a corto de un sector. M. A. Farreras Salvador Linares Elena Rondós

Colección de problemas de. Poder de Mercado y Estrategia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

+ y 1 ; U 2 (x 2,y 2 ) = ax 2 (x 2) 2 2

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria

TODO ECONOMETRIA. Variables cualitativas

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Tema 9: Otros temas de aplicación

TÉCNICAS CUANTITATIVAS PARA LA EMPRESA

EXPECTATIVAS Y POLÍTICAS DE ESTABILIZACION

3.3 Prueba de Matemáticas y Lenguaje

EJERCICIOS PROPUESTOS TEMAS 1 Y 2

El modelo Mundell-Fleming: IS-LM en economía abierta

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

Guía para la autoevaluación del del capítulo 6

Transcripción:

1 ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR Dela E. Montalvo Roca 1, Gaudenco Zurta Herrera 1 Ingenera en Estadístca Informátca Drector de Tess. M.Sc. en Matemátcas, Unversty of South Carolna, 1974. M.Sc. en Estadístca, Unversty of South Carolna, 198 RESUMEN El arroz más que una costumbre, es una necesdad en todos los hogares a lo largo y ancho del país; ya que consttuye un alto porcentaje de la deta de los ecuatoranos. En este trabajo se ha realzado un estudo estadístco de la produccón de este cereal; tomando para ello un esquema de varables; a las cuales se les ha aplcado dos técncas estadístcas: seres temporales y componentes prncpales. A las varables: exportacones del arroz, pc, y salaro mínmo vtal se les aplcó seres temporales, obtenendo las predccones de dchas varables, hasta el año 15. El conjunto de varables restantes fue modelado a través de regresón. El análss de componentes prncpales se lo realzó agrupando todas las varables; de las cuales se obtuveron 3 varables no observables, a las cuales se las rotuló de la sguente manera; proceso de produccón, ndustralzacón y comercalzacón del arroz, y clma, de acuerdo con las varables que cada una de ellas contene. INTRODUCCIÓN En este trabajo se ha desarrollado un análss de la produccón arrocera en el Ecuador; medante el estudo de certos factores que nfluyen drecta e ndrectamente en una buena produccón de este cereal. El estudo de estos factores se lo ha realzado a través de dos análss: a) seres temporales; y, b) componentes prncpales. De las seres temporales se calculan las proyeccones correspondentes y se analzan los resultados postvos y negatvos de las msmas. Para ello, se ha planteado un esquema de varables observadas, tomadas anualmente desde 197 hasta 1998; las cuales para un mejor estudo se las ha clasfcado en tres grupos; los cuales se muestran en la sguente tabla:

TABLA I: VARIABLES DE ESTUDIO Varables económcas: Importacones y exportacones del arroz Índce de precos al consumdor (IPC) Deuda externa Dólar (tpo de cambo) Salaro mínmo vtal Remuneracones Varables de produccón: Superfce sembrada (nverno, verano, total) Superfce cosechada (nverno, verano, total) Produccón (nverno, verano, total) Rendmento por hectárea (nverno, verano, total) Varable clmatológca: Clma CONTENIDO Descrpcón de las varables de estudo Importacones: Compra de algún ben o servco que se realza en un mercado extranjero Exportacones: Venta de benes o servcos que realza un país a un mercado extranjero IPC: La varacon del índce de precos al consumdor es la medda de la nflacón; la msma que se apreca en el aumento persstente del nvel general de precos de los benes y servcos de una economía con la consecuente pérdda del valor adqustvo del cudadano. Deuda Externa: Es un conjunto de oblgacones de un país contraídas con entdades (empresas, bancos prvados, organsmos nternaconales, etc.) resdentes en el exteror, que se dervan de las operacones de crédto nternaconal. Salaro mínmo vtal: Es la cantdad mínma establecda por las leyes de un país que se le debe pagar a un empleado Remuneracon: Es la cantdad de dnero que recbe una persona por los servcos que presta a través de un contrato de trabajo. Superfce sembrada: Comprende la cantdad de suelo en hectáreas ocupada por semllas o plantas destnadas a la produccón agrícola en el período de referenca. Superfce cosechada: Es la cantdad de suelo en hectáreas que luego de haber sdo sembrada o plantada ha sdo cosechada, generando productos agrícolas dentro del período de refernca. Produccón: cantdad total de producto prmaro obtenda de n cultco; meddo en toneladas métrcas. Rendmento por hectárea: Es la cantdad de producto (en toneladas métrcas) dvdda entre el número de hectáreas que se produjeron. Análss de seres temporales relaconadas con la produccón arrocera en el país Exportacones del arroz.- A esta varable el modelo que mejor se ajusta es un ARMA (1,). Como resultado de la predccón obtenda de dcho modelo, (ver fgura A) se tene que las exportacones del arroz en los próxmos años segurá la msma tendenca que ha llevado hasta el momento desde 1997; es decr, rá dsmnuyendo; hasta llegar a una cantdad aproxmada de 67 TM.

3 1 1 Predccón de las exportacones del arroz del 19 Modelo ARMA (1,) Límte Superor 8 6 Predccón 4-197 197 1974 1976 1978 198 198 1984 1986 1988 199 199 1994 Límte Inferor 1996 1998 4 6 8 1 1 14 16 18-4 -6-8 Fgura A. IPC.- A esta varable se ajustaron dos modelos: ARMA (1,) y ARIMA (1,1,1). A contnuacón en la fgura B., se muestra la predccón para el año al, del prmer modelo menconado anterormente: Predccón del IPC desde el año al Modelo ARMA (1,) 1 8 6 Predccón Límte Superor 4-197 197 1974 1976 1978 198 198 1984 1986 1988 199 199 1994 1996 1998 4 6 8 1 1 14 16 18-4 Límte Inferor -6-8 Fgura B. Deuda Externa.- Esta varable fue modelada medante regresón. El modelo general para esta sere es: Y = β + β 1 log(x 1 ) + ε; con ε ~ N(,σ ); Cov (, ε j ) =, j; E[Y] = β + β 1 log(x 1 ); y con un coefcente de determnacón R =.974. Salaro mínmo vtal.- El modelo que mejor se ajustó a esta sere fue un ARMA (1,1); las predccones de este modelo son las que se muestran en la fgura C.

4 Predccón del salaro mínmo vtal hasta el año Modelo ARMA (1,1) 15 Predccón 1 Límte Superor 5 197 197 1974 1976 1978 198 198 1984 1986 1988 199 199 1994 1996 1998 4 6 8 1 1 14 16 18-5 Límte Inferor -1-15 Fgura C. Remuneracones.- Para modelar esta varable se utlzó un modelo cuadrátco de regresón; y cuya varable explcatva es el dólar; y el modelo general es: = Y β + 1 1 1 X β β + + X ε ; con: ε ~ N(,σ ); Cov (ε, ε j ) =, j; E[Y ] = β + β 1 X 1 + β X. Y con un coefcente de determnacón de.989 1 Produccón Total.- El modelo para esta varable fue: Y = β + β 1 X 1 + β X 1 + ε; con un coefcente de determnacón de.991; y donde X 1 es la varable superfce cosechada total. Redmento total por hectárea.- Esta varable tene dos modelos de regresón lneal múltple: Modelo I Y = β + β1x 1 + β X + ε ; ε~ N(,σ ); Cov (ε, ε j ) =, j; y, E[Y] = β + β 1 X 1 + β X Donde X 1 es rendmento en nverno y X es rendmento en verano. Modelo II Y = 1 1 3 3 4 X 4 β + β X + β X + β X + β + ε ; ; ε~ N(,σ ); Cov (ε, ε j ) =, j; y, E[Y] = β + β 1 X 1 + β X +β 3 X 3 + β 4 X 4 Donde X 1 es superfce cosechada en nverno; X produccón en nverno; X 3 superfce cosechada en verano y, X 4 produccón en verano. Ambos modelos con un coefcente de determnacón de 1. Análss de Componentes Prncpales Para el análss de componentes prncpales se trabajó con las varables agrupadas. Luego de realzar este estudo con los datos orgnales, los datos rotados (varmax) y con los datos estandarzados; se obtuveron los sguentes resultados:

5 Datos orgnales.- componentes; con un porcentaje de explcacón del 98.48% Datos rotados.- componentes; con un porcentaje de explcacón del 98% Datos estandarzados.- 3 componentes; con un porcentaje de explcacón del 8.8% Se escogeron los resultados de los datos estandarzados como los mejores; porque, s ben es certo que con los datos orgnales y los rotados obtenemos mayor porcentaje de explcacón; pero, exste mucha dscrepanca entre los datos, debdo a las undades en que están meddas las varables; lo cual no permte con clardad dar buenas conclusones. Con los datos estandarzados, las varables ncales se redujeron a 3; las msmas que fueron rotuladas de acuerdo a las varables más sgnfcatvas que las consttuyen. A contnuacón se presentan las componentes rotuladas: Y 1 : proceso de produccón Y 1 =.74X 8 +.77X 1 +.7X 11 +.77X 13 +.68X 14 +.66X 15 +.77X 16 Y : ndustralzacón y comercalzacón del arroz Y =.459X 1 -.444X 18 -.435X 19 Y 3 : clma Y 3 =.633X X 1 : mportacones del arroz X : exportacones del arroz X 3 : pc X 4 : deuda externa X 5 : salaro mínmo vtal X 6 : remuneracones X 7 : dólar (tpo de cambo) X 8 : sup. sembrada en nverno X 9 : sup. sembrada en verano X 1 : sup. sembrada total X 11 : sup. cosechada en nverno X 1 : sup. cosechada en verano X 13 : sup. cosechada total X 14 : produccón en nverno X 15 : produccón en verano X 16 : produccón total X 17 : rendmento en nverno X 18 : rendmento en verano X 19 : rendmento total X : clma CONCLUSIONES 1. De acuerdo al esquema que se plantea en esta tess para analzar la produccón arrocera en nuestro país; según el estudo de componentes prncpales nos podemos concentrar báscamente en dos procesos: a) produccón; y, b) ndustralzacón y comercalzacón del arroz; tomando en cuenta además, la nfluenca que el clma tene en los cultvos.. Como era de esperarse; la produccón del arroz depende exclusvamente de la cantdad de hectáreas que se sembra y las que se cosechan; es decr, la produccón del arroz depende de la superfce sembrada y de la superfce cosechada en un determnado período. 3. De este msmo análss, podemos conclur que otro factor mportante en la produccón del arroz, es el clma; meddo en porcentaje de humedad, de ahí que en período de nverno exsta mayor produccón que en el verano. 4. De acuerdo al esquema planteado en el capítulo de componentes prncpales; las varables ncales observables, se han reducdo a 3 varables no observables; las cuales

6 se las ha rotulado como: proceso de produccón, ndustralzacón y comercalzacón del arroz y clma. Se las ha rotulado así, basándonos en las varables de explcacón que contene cada una. 5. Según el análss de seres temporales, en las proyeccones de las exportacones del arroz, en los próxmos años segurá la msma tendenca que ha llevado hasta el momento; es decr, dsmnurán, aunque a partr del año 15 aproxmadamente tenderá a establzarse alrededor de las 67 TM. 6. La correlacón entre las varables económcas (llamadas así debdo al estrecho vínculo con la economía del país) y las varables de produccón, no es muy alta; excepto en las varables de índce de precos al consumdor y deuda externa que nfluyen en la cantdad de arroz producdo; debdo a lo que se refere a crédtos y benefcos de los trabajadores. Recordemos que las varables de produccón son: superfce sembrada, superfce cosechada, produccón y rendmento; y las varables económcas son: nflacón, mportacones y exportacones del arroz, deuda externa, salaro, preco del dólar y remuneracón. REFERENCIAS 1. Vergara Bento S., Manual para el nuevo arrocero, Surco Edtores Agrícolas, Quto Ecuador, 1985. Centro de Investgacones Unversdad de especaldades Espírtu Santo, Maxmzando la produccón del arroz, Guayaqul, 1999. 3. Mnstero de Agrcultura, Superfce sembrada, superfce cosechada, produccón del arroz, Ecuador, 1997 4. Banco Central del Ecuador, Boletín anual 1997. 5. Mnstero de Agrcultura, edcón a publcar.