Professional Documents
Culture Documents
Gráfico de datos:
Usando el programa GeoGebra, se graficarán en el plano los valores dados, para
observar la relación que existe entre ellos. GeoGebra será usado debido a que posee
un plano movible y ajustable a los distintos modelos funcionales, además tiene una
parte que funciona como hoja de cálculo y usando sus tablas ubicaremos fácilmente
las dos variables necesarias y a partir de ello, este programa nos permitirá obtener un
gráfico ajustado a las cifras. Se sabe que para hacer esto necesitamos identificar las
dos variables 𝑥 e 𝑦 una dependiente de otra. Entonces tenemos los años que se han
tomado como muestra de estudio los años del 2010 al 2016 (variable 𝑥) y la variable
dependiente sería la cantidad de dióxido de carbono producido (variable 𝑦), esto
debido a que dependiendo del año que se estudie, la contaminación aumentará o
disminuirá según los factores.
Gráfico N°01: Gráfico del ajuste de datos a una función polinómica de segundo orden.
A partir de la gráfica podemos observar que la función no es lineal, sino que presenta
distintos puntos en los que la gráfica presenta algunas inflexiones. Al igual que en
cuestiones de crecimiento poblacional, se usa la función logística para realizar
estimaciones futuras. Se eligió ambos modelos de función debido a la correlación
fuerte entre los datos y la función misma, como se aprecia en el Gráfico N° 01 y 02
anteriormente.
Obteniendo la ecuación logística aplicando las nociones matemáticas
𝑆
𝑓(𝑡) =
1 + 𝑘𝑒−𝑎𝑡
En donde:
𝑆 − 𝑃0
𝑘=
𝑃0
𝑆 = −5363.156
Reemplazamos 𝑆 para hallar 𝑘:
𝑆 − 𝑃0
𝑘=
𝑃0
−5363.156 − 28711
𝑘=
28711
𝑘 = −1.187
−5363.156
𝑓(𝑡) =
1 − 1.187𝑒−𝑎𝑡
𝑡 = 𝑡𝑥 − 𝑡0 = 2016 − 2000 = 16
−5363.156
𝑓(𝑡) =
1 − 1.187𝑒−16𝑎
−5363.156
57693 =
1 − 1.187𝑒−16𝑎
−63056.156
𝑒 −16𝑎 =
−68481.591
−16𝑎 = −0.08253927018339064046150289499748
−0.08253927018339064046150289499748
𝑎=
−16
𝑎 = 0.00516
Entonces finalmente tenemos la siguiente ecuación:
−5363.156
𝑓(𝑡) =
1 − 1.187𝑒−0.00516𝑡
Tomaremos como muestra los años 2000, 2008 y 2016 para los cuales, la cantidad
de CO2 producido son 28711; 38608 y 57693 respectivamente en unidades de
gramos toneladas. Se procederá a reemplazar en la ecuación principal, para los
cuales tenemos que:
𝑦 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐
28711 = 𝑎(2000)2 + 𝑏(2000) + 𝑐 para el año 2000
38608 = 𝑎(2008)2 + (2008)𝑥 + 𝑐 para el año 2008
57693 = 𝑎(2016)2 + (2016)𝑥 + 𝑐 para el año 2016
Tenemos tres funciones similares en donde participan las mismas variables (𝑎, 𝑏, 𝑐).
Para trabajarlas con facilidad, el valor de la producción de CO2 tomada en gramo
toneladas, será convertida a kilo toneladas:
Para hallar el primer valor 𝑎, procedemos a restar las últimas dos ecuaciones,
seguido a esto despejaremos 𝑎 y hallaremos su valor:
𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝛼 − 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝛽
32192𝑎 + 8𝑏 = 19.085 − (32064𝑎 + 8𝑏 = 9.897)
128𝑎 = 9.188
9.188
𝑎=
128
𝑎 = 0.0718
Reemplazamos este valor en la ecuación 𝛼 anterior para hallar el valor de 𝑏
𝐄𝐜𝐮𝐚𝐜𝐢ó𝐧 𝛂: 32192𝑎 + 8𝑏 = 19.085
32192(0.0718) + 8𝑏 = 19.085
2311.3856 + 8𝑏 = 19.085
8𝑏 = 19.085 − 2311.3856
𝑏 = −2292.3/8
𝑏 = −286.538
Finalmente, con los valores de 𝑎 y 𝑏 reemplazamos en la ecuación 1 para obtener el
valor de 𝑐:
4000000𝑎 + 2000𝑏 + 𝑐 = 28.711
4000000(0.0718) + 2000(−286.538) + 𝑐 = 28.711
287200 − 573076 + 𝑐 = 28.711
285876 + 𝑐 = 28.711
𝑐 = 28.711 + 285876
𝑐 = 285904.711
Finalmente sabemos los valores de las 3 variables importantes en la ecuación 𝑎, 𝑏 y
𝑐 obteniendo una ecuación como la que se muestra a continuación:
𝑦 = 0.0718𝑥 2 − 286.538𝑥 + 285904.711
Sin embargo, sabemos que esta ecuación nos otorgará cifras de kilos toneladas, por
esta razón, multiplicaremos todos los coeficientes por 1000 obteniendo la
conversión a gramo toneladas finalmente. De este modo, la ecuación sería la
siguiente:
𝑦 = 71.8𝑥 2 − 286538𝑥 + 285904711
Hallando el modelo con matrices
2297
𝑎 32000
(𝑏 ) = −2291697
𝑐 8000
(285827.161)
Finalmente obtenemos los valores de las variables, las cuales se muestran a
continuación:
𝑎 = 0.0718
𝑏 = −286.462
𝑐 = 285827.161
Cabe resaltar que estos coeficientes se encuentran aproximados hasta las
milésimas.
Nuestra ecuación finalmente sería la siguiente:
𝑦 = 0.0718𝑥 2 − 286.462𝑥 + 285827.16
Comparación de las predicciones de ambos modelos
Año Modelo Modelo Tabla N°2: Cantidades obtenidas por ambos
logístico cuadrático modelos
2000 28679.979 28711
2001 29648.575 29444.8 [Tabla obtenida por elaboración propia (20 de
2002
agosto del 2018), Población 2000 al 2026.]
30679.362 30322.2
2003 31778.515 31343.2 Como se aprecia en la tabla misma, los
2004 32953.051 32507.8 valores obtenidos por ambos modelos son
2005 34210.983 33816 muy parecidos y se aproximan bastante a las
2006 35561.5027 35267.8 cantidades reales extraídas de la página
2007 37015.202 36863.2 datosmacro.com. Sin embargo, pese a
2008
acercarse a los valores reales, toda medida
38584.352 38602.2
realizada posee un margen de error que haya
2009 40283.253 40484.8
sesgado la exploración. En este caso, estaba
2010 42128.666 42511
trabajando con cantidades muy elevadas
2011 44140.37 44680.8 para la tasa de CO2 en gramo toneladas
2012 46341.871 46994.2 como lo registra el portal web y decidí
2013 48761.327 49451.2 trabajar la función cuadrática convirtiendo los
2014 51432.751 52051.8 gramos en kilo toneladas, reduciendo de ese
2015 54397.625 54796 modo las cifras. No obstante, la función
2016 57707.065 57683.8 logística, trabajar con épsilon nos arrojaba
2017 61424.79 60715.2 cantidades sumamente pequeñas. Es
2018 65631.263 63890.2 necesario resaltar que el proceso de
2019
redondeo se realizó al final de las
70429.576 67208.8
operaciones generales y no durante el
2020 75954.007 70671
proceso para evitar errores.
2021 82382.777 74276.8
2022 89957.631 78026.2 Como se aprecia en la gráfica posterior
2023 99014.904 81919.2 (Gráfica N° 03), ambos modelos tienen cifras
2024 110036.804 85955.8 aproximadas hasta el año 2017 y a partir de
este punto es que las tres gráficas empiezan
2025 123740.113 90136
a disiparse de forma muy notoria. Esto se
2026 141238.573 94459.8
debe a dos principales causas: Primero la
naturaleza de las funciones mismas, la cuadrática caracterizada por su forma cóncava
y sin inflexiones entre los puntos y por otro lado la función logística que siempre tiende
a ascender repentinamente. En segundo lugar, los datos que se tomaron para el
estudio se encuentran dentro de un rango del 2000 al 2016, entonces la proximidad
de las cifras se registrará dentro de estos mismos años y a partir del año 2017 cada
modelo seguirá su forma natural. Finalmente, el modelo logístico sería el más propicio
para graficar estas situaciones de crecimiento debido a que estas cantidades o bien
pueden descender o ascender súbitamente y la función logística sería la más
adecuada. No obstante, la aplicación de estos modelos en la vida real puede variar,
el futuro es incierto y la contaminación ambiental puede agravarse mucho más o
controlarse hasta lograr cifras menores, pero todo esto depende de la actitud
responsable y el compromiso con el planeta.
Conclusiones
A partir del trabajo realizado pude llegar a la conclusión de que la producción de CO2
para el año 2026 variará de 94459.8 a 141238.573 gramo toneladas utilizando la
función logística y la función cuadrática para el mismo año. La población con la función
logística va incrementando anualmente y se torna extrañamente con una forma de S.
Por otro lado, se aprecia la concavidad en la función cuadrática, sin punto de inflexión,
cabe resaltar que de esta función solo se ha tomado un fragmento. Se puede observar
que hay una leve pero significativa diferencia entre las predicciones obtenidas a partir
de ambas funciones. Las predicciones no son certeras, siempre tienden a volverse
equívocas pese al cálculo y es esta la principal limitación de las matemáticas: Nunca
serán exactas. Los datos obtenidos del este portal web son producto de
investigaciones ya realizadas y se actualizan constantemente. De este modo, al
desconocer estas investigaciones y sus posibles limitantes, genera un error en el
estudio planteado. Se sabe que estos modelos se pudieron obtener de la aplicación
GeoGebra, no obstante, en este trabajo de investigación se intentó hallar los modelos
analíticamente y se puso en práctica lo aprendido e indagado en el capítulo de
funciones Finalmente, entre ambos modelos, es preferible usar el modelo logístico
pues se ajusta a valores reales y a cantidades más aplicables a la vida actual.
Referencias: