27

CAPITULO 3
METODOLOGA


3.1 Mtodos Matemticos

El crecimiento de la poblacin se define como el cambio que experimenta una poblacin en
cierto lapso de tiempo. En general, existen dos formas de medir dicho cambio: de manera
directa que consiste en restar a la poblacin existente al final del perodo (al 31 de
Diciembre en caso de ser perodo de un ao) la poblacin que haba al inicio (al 1 Enero del
mismo ao); o por medio de la ecuacin compensadora.

Adems de las formas anteriores, es posible hacer la proyeccin sobre la base de un
supuesto matemtico que suponga que el crecimiento de la misma se ajusta a una funcin
determinada como el crecimiento geomtrico o exponencial. Cabe mencionar, que en estos
casos tambin es necesario de algunos datos adicionales como: la poblacin inicial, el
perodo de tiempo entre el inicio y el final de la proyeccin as como la tasa de crecimiento
que es obtenida mediante el uso de la funcin respectiva. Adems, este tipo de
metodologa no es utilizada en proyecciones de poblaciones grandes, a menos de que se
trate de perodos cortos de tiempo bien, cuando no se dispongan de datos confiables que
permitan emplear otros procedimientos de proyeccin. Asimismo, es conveniente
mencionar que cuando proyectar la poblacin segn sexo y grupos de edad resulta
favorable considerar a cada grupo de edad y sexo, por separado y aplicarles sus
28
correspondientes tasas de crecimiento que deben ser estimadas previamente.
1
A
continuacin, son analizadas brevemente las funciones de tipo lineal, exponencial y
geomtrico, as como la curva logstica y la ecuacin compensadora para estos fines.


3.1.1 Crecimiento Lineal

Es el ms sencillo de los supuestos de ritmo de crecimiento ya que considera un
crecimiento absoluto constante en el nmero de individuos en una poblacin ao con ao o
bien perodo tras perodo. Por ejemplo, si del 1 de Enero1965 al 1 de Enero de 1972
hubo un cambio en la poblacin de 120,000 a 190,000 habitantes, el crecimiento lineal
supondra que dicho incremento de 70,000 habitantes en 7 aos se debi a un incremento
constante de 10,000 personas por ao. La ecuacin empleada pata el clculo de dicha tasa
es la siguiente:
P
f
= P
i
* (1 + r * t)
De donde se obtiene que:

r = [(P
f
/P
i
) 1)] * 1/t

donde la P
f
significa la poblacin al final del perodo, P
i
la poblacin al inicio del perodo,
r es la tasa anual de crecimiento y finalmente t representa el intervalo de tiempo en aos y
fracciones que dura el perodo.

1
Welti, Carlos. Demografa II p.74.

29

3.1.2 Crecimiento Geomtrico

Este mtodo de proyeccin crece ms rpidamente que el lineal ya que en este caso se
podra decir que la poblacin existente o inicial se va a estar reinvirtiendo cada intervalo de
tiempo. Es decir, la poblacin en el tiempo (t + 1), va a estar dada por la poblacin en el
tiempo t multiplicada por (1 + r
t
), la poblacin en el tiempo (t + 2) va a estar dada por la
poblacin inicial en el tiempo t y multiplicada dos veces por (1 + r
t
) y as sucesivamente.
Lo anterior se puede representar de la siguiente manera:

P
t+1
= P
t
* (1 + r
t
)
P
t+2
= P
t
* (1 + r
t
) * (1 + r
t
) = P
t
* (1 + r
t
)
2


De este modo, la ecuacin generalizadora para este tipo de crecimiento estara dada por:
P
f
= P
i
* (1 + r
i
)
t

De donde se desprende que:
r = [(P
f
/P
i
)
(1/t)
] 1

ya que la r inicial se considera constante para todos los aos posteriores y donde la notacin
empleada es la misma que la usada para el mtodo lineal.

30
3.1.3 Crecimiento Exponencial

El modelo de crecimiento exponencial representa un crecimiento muy rpido y continuo de
la poblacin. Este tipo de crecimiento resulta ser ms razonable que los anteriores aunque
es necesario tener cuidado y hacer su aplicacin a corto plazo pues se corre el riesgo de que
en el futuro muy lejano la poblacin se dispare, lo que podra arrojar un resultado ilgico o
fuera de lo normal. En este caso, y de manera similar a los supuestos de crecimiento
anteriores, la ecuacin que representa dicho crecimiento es la siguiente:

P
f
= P
i
* exp(rt)

De donde se obtiene por medio de clculos algebraicos que:

r = [(ln(P
f
/P
i
) 1)] * 1/t

Sin embargo, ninguno de estos tipos de crecimiento tiene un lmite superior de tamao para
la poblacin en un perodo dado. Lo anterior los hace un tanto incongruentes con la
realidad ya que todas las poblaciones crecen hasta llegar a un punto en el cual ya no es
posible sobrevivir para todos. Por tal motivo, surge la idea de emplear la curva logstica
como una forma de representar el crecimiento de poblaciones tomando en cuenta un lmite
mximo de crecimiento.


31
3.1.4 Curva Logstica

Durante mucho tiempo la curva logstica sirvi de modelo para representar el crecimiento
de diferentes poblaciones. Sin embargo, como la conducta de los seres humanos vara
constantemente a consecuencia de actos deliberados, no debe esperarse de ordinario que el
crecimiento de una poblacin se ajuste a una frmula matemtica precisa. Aunque ya no se
acepta como ley universal, la curva logstica todava se sigue empleando en algunas
proyecciones demogrficas, pues suele representar una tendencia que por lo menos es
razonable
2
.

Cabe mencionar que la principal limitante que surge al emplear la curva logstica es el
hecho de definir una poblacin mxima ya que resulta ser adems de difcil, demasiado
riesgoso.

La ecuacin
3
que describe dicha curva es la siguiente:

P
t
= K .
(1 + e
a+bt
)

2
Naciones Unidas. Mtodos para preparar proyecciones de la poblacin por sexo y edad p.2

3
Shryock, Henry & siegel, Jacob. The Methods and Materials of Demography. p.443

32
donde:
K es la constante que representa el lmite mximo que podra alcanzar la poblacin en
el futuro tambin denominada asntota superior.
P
t
es la poblacin estimada al tiempo t.
e=exp es la base de logaritmo natural.
t representa el perodo de tiempo de la proyeccin.
b es una constante que representa la proporcin de cambio para
perodos sucesivos de t.
a constante.

El valor de K resulta ser demasiado arbitrario al mismo tiempo que difcil de establecer
considerando nicamente la variable de poblacin por lo que muchas de las veces se recurre
a usar algn indicador de densidad demogrfica mxima y de all se procede a deducir una
poblacin mxima para un valor de K. Por su parte, los valores de a y b en la segunda
ecuacin pueden ser estimados mediante mnimos cuadrados.


3.1.5 Ecuacin Compensadora

El crecimiento de la poblacin que puede ser positivo en caso de incrementarse y negativo
en caso de verse disminuida la poblacin inicial, puede llamarse crecimiento absoluto y
viene dado por la siguiente ecuacin que es la llamada ecuacin compensadora:

C
z
= B
z
D
z
+ I
z
E
z

33

Donde:
C
z
representa el creciemiento total de la poblacin en el ao z.
B
z
son los nacimientos en el ao z.
D
z
son las defunciones en el ao z.
I
z
son los inmigrantes en el ao z.
E
z
son los emigrantes en el ao z.

Esta ecuacin constituye una de las maneras ms comunes y sencillas de calcular el
crecimiento que ha experimentado una poblacin en un ao o perodo determinado ya que
una vez calculada la magnitud del crecimiento sta es sumada a la poblacin inicial y de
esta forma se obtiene la poblacin que habr en el futuro. Sin embargo, esta cifra no es del
todo representativa pues no permite calcular la intensidad del crecimiento. De este modo,
surgi la necesidad de desarrollar supuestos que en casos especficos resultan ser de gran
utilidad para estimar cul ser el nmero de individuos que habr en una poblacin dentro
de un tiempo especfico por medio del clculo de una tasa de crecimiento para lo cual se
puede hacer uso de diferentes supuestos.

3.2 El mtodo de los componentes
Desde hace muchos aos, el mtodo de los componentes se ha conocido como el modelo
bsico para elaborar estimaciones demogrficas. Su principio bsico consiste en desagregar
el crecimiento de la poblacin en sus componentes demogrficos fundamentales por medio
de la ecuacin compensadora.
34
N
x + k
= N
x
+ B
x + k
- D
x + k
+ SM
x + k

donde: N
x + k
es la poblacin

estimada k aos despus del ao base x
N
x
es la poblacin en el ao base x
B
x + k
es el nmero de nacimientos ocurridos entre el ao x y el ao x + k
D
x + k
es el nmero de defunciones ocurridas entre el ao x y el ao x + k
SM
x + k
es el saldo migratorio que tuvo lugar entre el ao x y el ao x + k
Un segundo aspecto importante dentro de este mtodo es que puede ser aplicado a sub-
poblaciones o cohortes de personas con una o ms caractersticas: sexo, edad, grupos
tnicos, etc. Cuando se utiliza el mtodo de esta forma, la poblacin total viene dada por:

donde: Nc
i, x + k
corresponde a la poblacin de la cohorte i en tiempo x + k y
Nc
i, x + k
= Nc
i,x
+ Bc
i,x + k
- Dc
i,x + k
+ SMc
i,x + k

Los trminos estn definidos igual que antes, salvo por la especificacin de la cohorte dada
c
i
. Una adecuada aplicacin del mtodo de los componentes requiere precisin de los datos
correspondientes a sus componentes demogrficos. Si alguno de ellos fuera desconocido se
hace necesario llevar a cabo un diagnstico de la dinmica de dicho componente en la
regin en consideracin, y con base en esto postular hiptesis respecto al cambio esperado
para el periodo postcensal.
35
El nombre de este mtodo se debe a que su estrategia metodolgica consiste en proyectar
los tres componentes del cambio poblacional: mortalidad, natalidad y migracin
4
. Para
nuestro caso, se har un anlisis de la participacin de la poblacin en la economa, ya que
como se mencion anteriormente, lo que se quiere conocer es la Poblacin
Econmicamente Activa, en el ao 2015.

El primer paso en la aplicacin de la tcnica requiere hacer un anlisis detallado del
comportamiento pasado de cada uno de los componentes, con la finalidad de tratar de
establecer tendencias sobre el comportamiento esperado para el futuro. En segundo lugar se
debe establecer una poblacin base distribuida por sexo y grupos de edad. Generalmente se
toma el ltimo censo de poblacin como referencia y se realizan las correcciones de los
diferentes errores que pudiera contener el censo: cobertura, declaraciones de edad y lugar
de residencia, etc., que pudieran haber presentado este censo. Tambin se hace necesario,
trasladar la poblacin del censo y su distribucin por sexo y edad al 30 de junio del ao que
se quiere utilizar como referencia. Si se desean realizar proyecciones quinquenales
entonces es conveniente efectuar este traslado hasta un ao terminado en cero o en cinco.

Como ltima etapa, a partir de la poblacin base se proyecta cada grupo de edad hacia el
nuevo perodo (generalmente 5 aos) de acuerdo con las tendencias esperadas en los
patrones de fecundidad, mortalidad y migracin. El proceso se repite tantas veces como sea
necesario hasta alcanzar el ao hasta el cual se pretende proyectar esta poblacin.

4
Estimaciones y Proyecciones de Poblacin, Sesin 12.
http://ccp.ucr.ac.cr/cursos/demografia_03/materia/12_estimacion.htm
36
Por ltimo, ya con la poblacin proyectada en el ao deseado, se aplican las tasas de
participacin especficas por grupos de edad, que fueron proyectadas anteriormente, de esta
manera se obtiene la PEA.


3.2.1 Mtodos para la Elaboracin de Poblaciones Bases Confiables

Para poder trabajar con el mtodo de componentes en necesario tener una poblacin base
confiable, sobre la cual haremos todos los clculos antes mencionados. Generalmente los
datos empleados pertenecen al ltimo censo, desgraciadamente, estos datos no se
encuentran listos para usarlos, ya que es necesario actualizarlos, o bien pueden contener
errores de cobertura, sobretodo en las estadsticas vitales y en las declaraciones inexactas de
edad. En esa etapa, no solo se buscar corregir errores, tambin se pretender poner la
poblacin en fecha 30 de junio del ao a tomar como base.


3.2.1.1 Tcnicas para Actualizar la Informacin Demogrfica

Pocas veces se dispone de informacin actualizada para iniciar directamente la proyeccin
de la poblacin, o algunas veces puede ser reciente pero diferida a un mes diferente al que
se necesita para establecerla como poblacin base. En este caso se puede hacer uso del
prorrateo, de la interpolacin respecto al tiempo y de los modelos matemticos
anteriormente mencionados.

37

Prorrateo

Este mtodo consiste en actualizar la informacin de la poblacin por sexo y edad del
ltimo censo disponible. Por ejemplo, si el censo fue levantado en el ao de 1998, la
poblacin base estara fijada en el ao 2000, por lo que sera necesario actualizar la
informacin dos aos. Es decir, si en el censo de 1998, fueron empadronadas 218000
personas y en el ao 2000 se calcul que existi una poblacin de 243000 habitantes, se
obtiene una tasa simple de cambio entre el total de la poblacin en el ao del censo y la
existente en el ao 2000. Entonces quedara de la siguiente manera:
243000/218000=1.1468, y esta relacin se usa para estimar el total de habitantes de cada
grupo de edad y sexo de los datos provenientes del censo.


Interpolacin con respecto al tiempo

Este mtodo es similar al prorrateo. Ya que de igual manera, actualiza la informacin del
ltimo censo a la fecha base que se desea. Pero este mtodo permite actualizar los datos en
periodos que no son necesariamente mltiplos de cinco. La hiptesis bsica es que las
condiciones demogrficas van variando peridica y gradualmente a lo largo del tiempo y
los errores originados por este mtodo en el quinquenio son poco importantes. La
desventaja que ofrece, es que al ser interpolacin requiere de datos anteriores y posteriores
a la fecha a la que se desea interpolar. De esta manera, si deseamos la poblacin a mediados
38
del ao 1999, necesitaramos contar con la informacin del Conteo de Poblacin y
Vivienda del 1995 y del XII Censo de Poblacin y Vivienda.

Una vez que se cuenta con esta informacin, se calcula la proporcin entre la fecha deseada
y los mismos, por ejemplo, si el conteo fue realizado a principio del 2000, la actualizacin a
mediados de 1999 significa que es 4 aos despus del Conteo de Poblacin y Vivienda y
medio ao antes del XII Censo de Poblacin, por lo que la proporcin sera 4 a 1/2, es
decir, 8 a 4
5
. Ya que se cuenta con las proporciones, se calcula el promedio ponderado de la
poblacin en los dos periodos. De esta manera, la poblacin a mediados del ao 1999 viene
dada por:

12
4 8
2000 1995
Pob Pob +


Este procedimiento se lleva a cabo para cada edad sin importar de cual se trate, ya que el
mtodo supone uniformidad de la poblacin dentro de cada grupo.


3.2.1.2 Mtodos para el Ajuste de Informacin Defectuosa.

Cuando se levantan los censos es muy comn encontrar errores derivados de declaraciones
inexactas de edad, como pueden ser los redondeos de edades pares o empadronamiento
defectuoso, en lugares que quedan sin censar. Otro error comn es el subregistro de

5
Naciones Unidas. Mtodos para proyecciones de poblacin por sexo y edad p.11
39
nacimientos o de defunciones por grupos de edad especficos, este tipo de aberracin es
ms comn en el grupo de edad de 0 a 4 aos de edad, ya que es el que ms comnmente
queda sin registrar las defunciones o se tiene un registro tardo de los nacimientos. El no
contemplar este tipo de errores nos conducira a obtener resultados subestimados o
sobreestimados, por eso la mejor opcin es eliminar en lo posible este tipo de
irregularidades. Para corregirlos, existen diversos mtodos a emplear, que dependen del
grupo de edad y de sus caractersticas, de esta manera, se tiene lo siguiente:

0 a 4 aos de edad.- Este grupo resulta quiz el ms importante, ya que como se ha
mencionado, en este grupo las defunciones son las ms deficientes. Por lo tanto, el
nmero de personas entre estas edades va a ser sustituido por los valores obtenidos
para el nmero de nacimientos esperados, por medio de la proyeccin de las tasa de
fecundidad.

5 a 9 aos de edad.- En general, este grupo es el ms confiable, sin embargo,
existen ocasiones en las que las estadsticas son incompletas lo que lleva a tener
errores. Para corregirlos, se deben sumar las mitad de las cifras registradas a edad 5
y 10, ms las cifras pertenecientes a las edades de 6,7,8,9 aos y de esta manera
obtendremos la poblacin para ese grupo de edad
6
.


10 a 74 aos.- En este grupo de edad, la frmula de ajuste emplea la cifra
correspondiente al grupo de edad que se esta ajustando, as como las cifra de de los

6
Ibid, p.15
40
dos grupos anteriores y posteriores. Cada uno de los grupos se puede ajustar por
medio de esta frmula si se cuenta con la informacin en grupos quinquenales y
hasta los 85 aos de edad.

16
4 10 4
2 1 1 2
N N N N N
NAP
x
+ + +
=



donde:
x
NAP se refiere al nmero ajustado de personas correspondientes al grupo
quinquenal con edad inicial x que se desea calcular
N corresponde al nmero de personas observadas en el grupo
quinquenal
1
N y
2
N son las personas registradas en cada uno de los dos grupos
quinquenales anteriores al que se desea ajustar
1
N y
2
N representa el nmero de individuos que conforman los dos grupos
quinquenales siguientes

Este ajuste se debe llevar a cabo para ambos sexos, aunque representa mayor
importancia para el caso de las mujeres, las cuales tienden a disminuirse la edad. Es
importante tener en cuenta que antes de aplicar estos mtodos, es necesario tener en
cuenta que no hayan ocurrido en el pasado eventos como guerras u otros que
pudieran ocasionar que la tasa de natalidad se haya visto disminuida.
41
Mayores de 75.- es sabido que las personas en edades avanzadas tiene a exagerar su
edad, lo que ocasiona que las cifras obtenidas en el censo sean excesivas en dichos
grupos de edad. Sin embargo, el nmero de personas en edades avanzadas es tan
pequeo debido a la mortalidad que resulta de poca importancia y generalmente no
es necesario hacerle ajustes.

Al hacer estos ajuste resulta lgico que la suma de la poblacin ajustada no corresponda
con la del censo, para corregir este perturbacin basta con prorratear la informacin.


3.2.2. Proyeccin de la Mortalidad

Primeramente se estiman las tasas especficas de mortalidad
7
(
n
m
x
), por sexo y grupos de
edad (grupos quinquenales), para los aos anteriores. Estas tasas pueden ser determinadas
por medio de las estadsticas vitales o por medio de mtodos indirectos para aquellos casos
en que no se cuenta con informacin vital de calidad. De acuerdo con su evolucin pasada
y analizando las perspectivas futuras en mortalidad, se proyecta el patrn de
comportamiento futuro de estas tasas, considerando que pueden llegar a estabilizarse en
determinado momento. Con esta informacin, se estima el comportamiento de las tablas de
vida para el futuro y especficamente se determinan las relaciones de supervivencia
(
n
P
x,x+n-1
), por sexo y grupos de edad, para cada uno de los perodos en que se van a realizar
las proyecciones. Son precisamente estas relaciones de supervivencias las que permiten
proyectar cada grupo n aos hacia el futuro, suponiendo que no existe migracin.

7
Ver Anexo: Conceptos y Medidas Poblacionales.
42

A continuacin se tiene que seleccionar el nivel al que corresponde la esperanza de vida
actual y futura para ambos sexos y aplicar dicha tabla a la poblacin base previamente
calculada. Al aplicar estas tasas de sobrevivencia a un grupo de edad especfico, se
obtendr la poblacin que habr en el grupo de edad siguiente en un periodo de cinco aos.


3.2.3 Proyeccin de la Fecundidad

Al igual que se realiz con la mortalidad, se requieren estimar el comportamiento pasado
de las tasas especficas de fecundidad y de la tasa global de fecundidad
8
. Nuevamente estas
estimaciones pueden llevarse a cabo por medio de las estadsticas vitales o de mtodos
indirectos. Con esto se pretende proyectar estas tasas hacia el futuro, especficamente para
el perodo de inters. Del mismo modo que se realiz con la mortalidad, se supone que la
tasa global de fecundidad debe llegar a estabilizarse en cierto momento. En este caso se
espera que alcance el nivel de reemplazo (TGF) para cierto ao especfico, y las tasas
especficas se proyectan hacia ese valor. En este sentido generalmente se consideran tres
supuestos bsicos:

Hiptesis baja: La fecundidad alcanza el nivel de reemplazo dentro de un perodo de
tiempo relativamente corto. En este caso se espera un decrecimiento de la fecundidad ms
fuerte de lo esperado.

8
Ver Anexo: Conceptos y Medidas Poblacionales.
43
Hiptesis media o esperada: Supone que la fecundidad alcanza el nivel de reemplazo
siguiendo el patrn de descenso que se ha venido experimentando en los aos anteriores.
Hiptesis alta: Supone que la fecundidad alcanza el nivel de reemplazo en un trmino
mayor del esperado, lo cual indica que el ritmo de descenso en la fecundidad disminuye
para el perodo en que se pretende proyectar la poblacin.
Esta tasas proyectadas permiten estimar los nacimientos que se esperara ocurrieran en cada
perodo.

Para el caso de la fecundidad, se usar el Mtodo de la Fecundidad por Periodo
9
, este
consiste en calcular las tasas de fecundidad especficas por grupo de edad, desde los 15
hasta los 49 aos de edad. As, para la obtencin de las tasas en los aos posteriores se
pueden extrapolar las tendencias de los aos anteriores o hacer un anlisis de series de
tiempo.

Es importante tener en cuenta que el supuesto ha utilizar depende de cada situacin, es
decir, de la informacin con la que se cuente y las necesidades.
Ya que se tienen calculadas las tasas mencionadas anteriormente, estas sern aplicadas a la
poblacin femenina, para obtener el nmero de nacimientos esperados. As se usarn las
tasas de fecundidad especficas por grupo de edad
z
x
f para cada ao de la proyeccin, en
nuestro caso 2000, 2005, 2010 y 2015, para lo cual es necesario que sean previamente
proyectadas. Una vez obtenidas, son aplicadas a la poblacin femenina para obtener los
nacimientos esperados en cada ao.

9
Shryock Henry & Siegel, Jacob. The Methods and Materials of Demography. P.455
44

La poblacin femenina a emplear es aquella que ha sido calculada previamente por medio
de las probabilidades de supervivencia. Es decir, el grupo de mujeres del grupo 15-19 del
ao 2005, estar dado por el grupo de 10-14 del ao 2000, con su respectiva probabilidad
de sobrevivencia.

Ahora se debe determinar el nmero de nacimientos esperados para le periodo de 5 aos,
entonces se obtiene un promedio de los nacimientos obtenidos al inicio y final del
quinquenio y despus es multiplicado por 5, para as tener el total de nacimientos durante el
quinquenio. Posteriormente debemos saber cuales de estos nacimientos son hombres y
cuales son mujeres. Para tal efecto se consider que por cada 100 hombres nacen 105
mujeres. Por ejemplo, si se quiere saber el nmero de total de nacimientos varones basta
multiplicar por 100/205 por el total de nacimientos. Lo anterior, puede ser expresado de la
siguiente manera:
205
100
* 5 *
2
) (
) (
5
5 ...
+
+
+
=
z z
z z
B B
Masc B

205
105
* 5 *
2
) (
) (
5
5 ...
+
+
+
=
z z
z z
B B
Fem B


3.2.4 Proyeccin de la Migracin
Indudablemente el componente migratorio es el ms complejo para predecir su
comportamiento futuro. No basta con efectuar un anlisis retrospectivo para poder analizar
45
lo que podra pasar en el futuro. Se requiere adems, de todo un estudio sobre diferentes
elementos tales como: la economa, la situacin poltica, situacin laboral, climatolgica,
etc., pero no solo de la localidad para la cual se est proyectando la poblacin, sino para las
localidades vecinas. Aun con estudios de este tipo resulta sumamente difcil poder
aproximar lo que se espera de este componente a mediano o largo plazo. Por esta razn,
muchas veces se proyecta la poblacin suponiendo nicamente una migracin constante o
decreciente en su magnitud, utilizando como referencia lo que se ha venido presentando en
el pasado. Tambin es posible, suponer que no se presentar migracin en el futuro.

Dentro de lo mtodos empleados en el clculo de la migracin se encuentran el de
estadsticas vitales y el de coeficiente de supervivencia, ambos mtodos representan una
buena opcin en el caso de que no se cuente con ningn tipo de registro sobre el nmero de
migrantes. El primero de ellos estima nicamente la poblacin migrante para aos
anteriores por medio de las diferencias de poblacin existentes entre dos censos sucesivos
y restndoles a estas ltimas el crecimiento natural (nmero de nacimientos menos el
nmero de defunciones) de la poblacin durante el periodo intercensal. El segundo, estima
el nmero de migrantes restando de la poblacin censal existente, la poblacin del censo
anterior aplicndoles las probabilidades de vida. Sin embargo, si se cuenta con informacin,
se pueden calcular las tasas de migracin
10
correspondientes y de esta manera analizar el
comportamiento de la migracin a travs de los aos. Esta ltima opcin es la mejor, puesto
que es ms confiable.



10
Ver Anexo: Conceptos y Medidas Poblacionales.
46
3.2.5 Proyeccin de la Participacin Econmica

Para la proyeccin de la participacin econmica, es necesario el estudio de la tendencia
que han tenido en los ltimos aos las tasas de participacin especficas por grupos de
edad
11
, es importante mencionar que el primer grupo de edad va de los 12 a los 14 aos, los
dems se comportan de la misma para los estudios anteriores, siendo el ltimo grupo el de
65 aos en adelante. La evolucin de las tasas de participacin ha mostrado una tendencia
constante en los ltimos once aos para el caso de los hombres, por su lado, en el caso de
las mujeres se ha observado un incremento en sus tasas de participacin. Para el estudio de
esta variable lo ms recomendable hacer un anlisis de series de tiempo. Una vez con, las
tasas de participacin proyectadas, bastar aplicarlas a nuestra poblacin proyectada en el
ao deseado para obtener la PEA.

Dentro de los estudios de series de tiempo se encuentran: modelo multiplicativo, promedios
mviles, suavizamiento exponencial.


3.2.5.1 Modelo multiplicativo

t t t t
I T S Y * * =
Donde:
t
S Se obtiene mediante el clculo de promedios mviles centrados

11
Ver Anexo: Conceptos y Medidas Poblacionales.
47
t
T Tendencia proyectada mediante la ecuacin de regresin
t b b T
t 1 0
+ =
t
I Componente Aleatorio


3.2.5.2 Promedios Mviles

n
recientes ms valores n los de Suma
l omediomvi
_ _ _ _ _ _
Pr =


3.2.5.3 Suavizamiento exponencial

) (
1 t t t t
F Y F F + =
+

1 2
Y F =
donde:
1 + t
F Pronstico para el periodo t+1
t
F Pronstico para el periodo t
Constante de suavizamiento (entre 0 y 1)
t
Y Valor real de la serie en el tiempo t




48
3.3 Modelo Poblacional

Para el clculo y anlisis de las tasas de mortalidad, natalidad y migracin, es necesario
conocer la poblacin en aos consecutivos, para nuestro caso, necesitaremos la poblacin
en los aos 1990, 1995, 1996, 1997, 1998, 1999 y 2000, desgraciadamente, solo conocemos
la poblacin en los aos 1990, 1995 y 2000, esta informacin proviene de los Censos
Nacionales y del Conteo de Poblacin y Vivienda. De esta manera se hace necesario usar
un modelo poblacional para estimar la poblacin en los aos mencionados. Para esto
emplearemos la ecuacin conocida como ley logstica del crecimiento de una poblacin
12
.

Dentese por p(t) la poblacin en el tiempo t y por r(t,p) la diferencia de sus tasas de
natalidad y mortalidad. Si se supone que la poblacin es cerrada, se debe demostrar que el
dp/dt, el cambio de la poblacin es igual a r. tomando un modelo con r constante, es decir
una r que no dependa del tiempo no de la poblacin. La ecuacin diferencial que representa
el crecimiento del tiempo esta dada por:

) (
) (
t p a
dt
t dp
= a = cte.
13


Si adems la poblacin el tiempo
0
t est dada por ) (
0
t p entonces la solucin al problema
inicial viene dado por:


12
Braun, M. Ecuaciones Diferenciales y sus Aplicaciones p. 28
13
Ecuacin conocida como La Ley de Maltus para el crecimiento de una poblacin.
49
[ ] ) ( exp ) (
0 0
t t a p t p =

Sin embargo, es necesario considerar que cuando la poblacin es grande, este modelo no
puede ser exacto ya que no refleja la competencia de los individuos por comida, espacio,
etc. Por lo anterior, se debe introducir un trmino de competicin, en este caso
introduciremos ) (
2
p b donde b es constante, ya que el promedio estadstico del nmero
de encuentro por unidad de tiempo es proporcional a
2
p . Esta ecuacin fue propuesta por
el bilogo Verhulst y se expresa de la siguiente manera:

2
bp ap
dt
dp
=
0 0
) ( p t p =

Donde la constante b es muy pequea en comparacin con a, de tal modo que si p no es
demasiado grande, entonces el trmino
2
bp es insignificante comparado con ap, por lo
que la poblacin crece exponencialmente. Sin embargo si p es grande el trmino
2
bp
debe tomarse en cuenta ya que disminuye la tasa de crecimiento de la poblacin. As
mientas ms industrializado sea un pas, tanto ms espacio disponible posee y cuanto ms
alimento tiene, entonces ms pequeo ser el coeficiente b.
Resolviendo la ecuacin se tiene:


= =

p
p
t
t
t t ds
br ar
dr
0
0
0
2


50
Pero para poder resolver la primera integral es necesario emplear fracciones parciales con
lo que se obtiene lo siguiente:

br a
B
r
A
br a r br ar
+ =

) (
1 1
2


Para encontrar A y B se observa que:

) (
) (
) (
) (
br a r
r bA B Aa
br a r
Br br a A
br a
B
r
A

+
=

+
=
+
+

Por tanto, Aa+ (B-bA)*r=1 y como esta ecuacin es cierta para r se llega a que:

Aa = 1 y B bA = 0
a
A
1
= y
a
b
B =

Una vez obtenidos los valores para A y B se puede resolver la integral anterior

dr
br a
b
r a br a r
dr
p
p
p
p

+ =

0 0
1 1
) (


si se hace u = a - br, entonces du = -b y :

51
( )

bp a
bp a
p
p
u
du
p p
a br a r
dr
0 0
0
ln ln
1
) (


( )

+ +

0
0
ln ln ln
1
) (
0
bp a bp a
p
p
a br a r
dr
p
p

=

p
p
bp a
bp a
p
p
a br a r
dr
0
0
0
ln ln
1
) (

=

p
p
bp a
bp a
p
p
a br a r
dr
0
0
0
ln
1
) (


Por tanto,

bp a
bp a
p
p
t t a

=
0
0
0
ln ) (

( ) [ ]
bp a
bp a
p
p
t t a

=
0
0
0
exp

Si se factoriza y se despeja p se llega a la siguiente ecuacin:

[ ] ) ( exp ) (
) (
0 0 0
0
t t a bp a bp
ap
t p
+
=
14



14
Ecuacin a emplear para proyectar la poblacin en los aos deseados.
52
Obsrvese que cuando t :
b
a
t p ) (

Lo que quiere decir que independientemente del valor inicial, la poblacin tender al valor
lmite a/b. Ntese que p(t) es una funcin montona creciente en t para
b
a
p
0
0 . Adems,
dp/dt es creciente si p(t)<a/2b y decreciente si p(t)>a/2b. De esta manera, la grfica para
p(t) tiene la forma de S denominada logstica.



Figura 3.1 Grfica de p(t)
Fuente: Braun, M. Ecuaciones Diferenciales y sus Aplicaciones p. 30


De la grfica se concluye que el tiempo antes de que la poblacin alcance la mitad de su
valor lmite es un periodo de crecimiento acelerado. A partir de este punto, la tasa de
crecimiento disminuye hasta llegar a cero.
53


3.4 Regresin Lineal Simple

Un modelo de regresin es muy til para hacer una representacin simplificada de la
realidad, mediante el uso de expresiones simblicas, por medio de un conjunto de
relaciones matemticas. El uso de este tipo de modelos permiten incorporar variables
aleatorias y el uso de los mtodos de la inferencia estadstica a partir de datos observados
sobre las magnitudes incluidas en el propio modelo.

El modelo de regresin lineal simple cumple con las siguientes caractersticas: lineal,
uniecuacional, esttico, con una variables endgena, una variable exgena, un trmino de
error y dos parmetros. La formula terica es:

+ + = X Y
2 1


Donde Y representa a la variable endgena, X a la variable exgena, es la variable
aleatoria que representa al trmino de error y
1
y
2
son los parmetros. Si consideramos
los N elementos maestrales que se van a observar se puede expresar como:

i i i
X Y + + =
2 1
i= 1,,N.

Siendo:
54
Yi Observaciones muestrales de la variable Y, variable cuyo comportamiento
pretende explicar el modelo.

Xi Observaciones muestrales de la variable exgena X, variable elegida como
explicativa e influyente sobre la variable Y.

i Perturbaciones aleatorias o trminos de error.

1
y
2
Son los parmetros estructurales del modelo que permanecen invariantes
respecto a la variacin muestral.

Las hiptesis bsicas de cualquier modelo de regresin lineal se exponen a continuacin:
Linealidad (respecto a los parmetros)
Las variables Xi son no estocsticas.
Media Nula: N i ,..., 1 = [ ] 0 = i E
Varianza Constante: N i ,..., 1 = [ ]
2
=
i
V
No autocorrelacin: j i [ ] [ ] 0 , = =
j i j i
E Cov
Normalidad: N i ,..., 1 = ) , 0 ( :
2
N
i


Un modelo de regresin puede violar algunas de estas hiptesis, el hacerlo trae consigo que
la estimacin de nuestra variable exgena sea incorrecta, los problemas ms frecuentes que
suelen presentarse son: existencia de autocorrelacin en los residuos, igualdad en las
55
varianzas de las perturbaciones aleatorias, inexistencia de normalidad en los residuos. Para
cada uno de estos problemas existen contrastes para su posible deteccin y formas de
solucionarlos, para la obtencin de un modelo confiable. Los contrastes ms comunes para
detectar la autocorrelacin de los residuos y la igualdad en las varianzas de las
perturbaciones aleatorias ms comunes son Durbin-Watson y Golfeld-Quandt
respectivamente.


3.4.1 Regresin Lineal Mltiple

Un modelo de regresin lineal simple guarda mucha relacin con un modelo de regresin
mltiple, la diferencia radica en que este ltimo involucra ms de una variable explicativa.
Este tipo de modelos se presenta de la siguiente manera:

i i i i
e x x x Yi + + + + = 3 2 1
3 2 1 0


i = 1,,N

La nica diferencia es que en este caso se cuenta con ms de una variable explicativa, para
este tipo de anlisis existen diversos mtodos para la construccin de un modelo, la mayor
parte pretenden incorporar en el modelo solo aquellas variables que sean mas
representativas. Entre los mtodos para construcciones de modelos se encuentran:

56
Todas las regresiones posibles.- Este mtodo se basa en que de las 1 2
k

regresiones posibles utilizando mtodos reducidos, donde K es el nmero de
regresores, se escoge la mejor de todas, con base en la mejor
2
R y la menor
^
2
.

Mtodo retrospectivo.- Consiste en determinar la ecuacin con todas las variables
independientes. Calcular la F-parcial para cada X como si hubiera sido la ltima en
entrar al modelo. Ver la menor, si es significativa, s la incluimos y acabamos; si no
lo es, la eliminamos y recalculamos.

Mtodo Prospectivo.- Para este mtodo se elige la variable independiente con
correlacin ms alta con Y y calculamos su ecuacin. Se procede a calcular la F-
parcial de todas las dems con la primera del modelo. Se observa si la F-parcial ms
grande es significativa. Si lo es, se incorpora y se vuelve a calcular la ecuacin con
ella incluida. Si no lo es, so se incluye y se da por concluida.

Stepwise.- Para este mtodo se realizan los mismos pasos que para la seleccin
prospectiva, pero ahora al tener una nueva ecuacin, calculamos las F-parciales
nuevamente, incluyendo ahora la F-parcial de la primera en el nuevo modelo. De
esta manera se examinar nuevamente en cada paso las variables previamente
incorporadas en los pasos anteriores.

57
Adems de usar estos mtodos, se puede hacer uso de las variables denominas Dummy, las
cuales nos ayudan a descubrir si hay algn tipo de diferencias entre grupos que se pudieran
formar dentro de los datos.

Una vez que se cuenta con el modelo se procede a hacer la estimacin de la variable
endgena.