UNIVERSIDAD TCNICA DE MACHALA

UACA
UNIDAD ACADMICA DE CIENCIAS AGROPECUARIAS

CARRERA DE ECONOMA AGROPECUARIA

TEMA:
MODELO MATEMTICO PARA DETERMINAR EL PESO PTIMO
DE COSECHA DEL CAMARN.

ALUMNO:

Jinson Enrique Fernndez Aguilar

ASIGNATURA:
Econometra

DOCENTE:
Ing. Jhonny Alban Alcvar

AO LECTIVO:
2017 - 2018
INTRODUCCIN

El objetivo principal de este trabajo se centra en determinar cul es el peso ptimo del

camarn para su cosecha en funcin del tiempo en que este se est cultivando. Dada la

creciente demanda del sector camaronero, se consider importante estudiar estudiar la

produccin de este cultivo, ya que la principal ventaja o beneficio que se puede obtener

es demostrar a travs de un modelo economtrico el peso y tiempo preciso de cosecha

del camarn, los costos, los beneficios, e inclusive pronosticar todos los datos

anteriores.

Objetivo General

Determinar cul es el peso ptimo del camarn para su cosecha en funcin del

tiempo en que este se est cultivando.

FUNDAMENTACIN

Los camarones son animales invertebrados pertenecientes al grupo de los crustceos,

crecen por medio de mudas sucesivas a lo largo de su vida. Estos se cran en grandes

estanques o piscinas, que suelen tener por lo menos un metro de profundidad. El cultivo

de camarn se realiza en dos grandes procesos; produccion semilla y engorde. En

promedio el camarn se cosecha entre los 98 y 120 das, alcanzan don un peso entre 12

y 17 gramos, finalmente se empaca entero o sin cabeza (Mendoza, 2008).

EXPLICACIN DEL DESARROLLO DEL TEMA

De datos recolectados de la camaronera La Mina del sector Pongalillo, perteneciente

al Ing. Carlos Olvin Farinango Romero; que corresponde a las semanas de produccion y

peso obtenido en una de sus camaroneras, estos datos sern analizados para aplicarlos al

modelo matemtico adecuado que mejor se responda a nuestro objetivo.

 Peso Tiempo 10.4 10
(Gramos) ( Semanas)
X Y

0.3 1 11.7 11

0.6 2 13 12

1.5 3 14.3 13

2.6 4 15.6 14

3.9 5 16.9 15

5.2 6 18.2 16

6.5 7 19.5 17

7.8 8 20.8 18

9.1 9

Fuente: Ing. Carlos Olvin

Primeramente procederemos a graficar los datos en un diagrama de dispersin con el fin

de observar el comportamiento de la serie de datos para determinar las condiciones que
posiblemente presentara el modelo.
25

20

15

10

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Fuente: El autor
Elaborado: Excel, versin 2013.

De esta grafica se puede establecer, que muestra una relacin positiva creciente, y es
directa, por lo cual se presume que existe una correlacin fuerte entre el peso y el
tiempo. Seguido de esto procedemos a medir la intensidad de la relacin, para ello
hacemos uso de la frmula de correlacin de Pearson.
n xy( x)( y )
R=
[ n ( x )( x) ][ n ( y )( y ) ]
2 2 2 2

En donde:
n = muestra
xy= Sumatoria de la variable X por Y
x= Sumatoria de la variable X
y= Sumatoria de la variable Y
x2= Sumatoria de la variable X elevada al cuadrado
y2= Sumatoria de la variable Y elevada al cuadrado

A continuacin se sustituirn las variables XY, X2, Y2, en una tabla.

Tiempo
Peso X
Y X*Y X^2 Y^2
0,3 1 0,3 0,09 1
0,6 2 1,2 0,36 4
1,5 3 4,5 2,25 9
2,6 4 10,4 6,76 16
3,9 5 19,5 15,21 25
5,2 6 31,2 27,04 36
6,5 7 45,5 42,25 49
7,8 8 62,4 60,84 64
9,1 9 81,9 82,81 81
10,4 10 104 108,16 100
11,7 11 128,7 136,89 121
13 12 156 169 144
14,3 13 185,9 204,49 169
15,6 14 218,4 243,36 196
16,9 15 253,5 285,61 225
18,2 16 291,2 331,24 256
19,5 17 331,5 380,25 289
20,8 18 374,4 432,64 324
177,9 171 2300,5 2529,25 2109

Sustituimos valores:

n xy( x)( y )
r=
[ n ( x )( x) ][ n ( y )( y ) ]
2 2 2 2
 18(2300.5)(177.9)(171)
r=
[ 18 ( 2109 )(171) ] [ 18 ( 2529.25 )( 177.9) ]
2 2

4140930420.9
r=
[ 3796229241 ][ 45526.5031648.41 ]

10988.1
r=
11001,40095
r=0.99 87
r=0.9987 x 100=99,87
2
r =0.997

El valor 0.997 es interpretado a partir de la escala de Pearson.

-1 1
-0.5 0 0.5
Correlacin Correlacin
negativa Correlacin nula positiva
perfecta perfecta

Correlacin negativa Correlacin positiva

Segn la escala se concluye que existe una correlacin positiva fuerte, de la cual se
asume que las variables son adecuadas para la construccin de un modelo de regresin.

Para construir este modelo inicialmente establecer un modelo lineal, polinomial,

potencial, logartmico y exponencial, con el fin de seleccionar el modelo que presente el
mayor ajuste en los datos, y as crear el modelo.

Para optimizar los procesos de cada modelo se har uso de un software:

Modelo lineal
25

20 f(x) = 1.26x - 2.09

R = 1

15

10

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Fuente: El autor
Elaborado: Excel, versin 2013

El modelo presenta una funcin de Y = 1,26x 2,0863 con un R^2 de 0.9976, es decir
los datos se ajustan en un 99,76%. Ahora se proceder a probar un modelo polinomial
de segundo grado para observar si existe un mayor ajuste de los datos.

Modelo polinomial (Segundo grado)

25

20 f(x) = 0.01x^2 + 1.09x - 1.52

R = 1

15

10

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Fuente: El autor
Elaborado: Excel, versin 2013
En este caso el modelo es Y= 0,009x2 + 1,0886x - 1,5152, cuyo R^2 es de 0,9987,
presentando as un mayor ajuste que el modelo lineal, no obstante a esto se proceder a
efectuar otro modelo para ver si presenta mayor ajuste.

Modelo potencial
25
f(x) = 0.29 x^1.52
R = 0.99
20

15

10

0
0 2 4 6 8 10 12 14 16 18 20

Fuente: El autor
Elaborado: Excel, versin 2013

El modelo potencia Y= 0,2936x1,521 con un R^2 de 0,99 si presenta un buen ajuste, pero
no superior a los dos modelos anteriores. A continuacin proceder a utilizar otro
modelo.

Modelo logartmico
25

20

15 f(x) = 7.7 ln(x) - 5.69

R = 0.84

10

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Fuente: El autor
 Elaborado: Excel, versin 2013
El modelo es Y = 7,7003ln(x) - 5,6864 con un R^2 = 0,8406 presenta un menor ajuste
comparndolo con los modelos anteriores a pesar de tener una relacin intensa en sus
datos. Finalmente se analizar tambin con el modelo exponencial, a fin de seleccionar
el modelo con el que se ajustan mayor los datos.

Modelo exponencial

Fuente: El autor
Elaborado: Graph, versin 4,2

Se puede concluir que el modelo exponencial Y= 0,8803x * 1,2313x con un R^20

0,3473 presenta uno de los ajustes ms bajos.

Interpretacin
Analizando los 5 modelos se concluye que el modelo polinomial (Segundo grado)
presenta el mejor ajuste de la relacin tiempo y peso (X, Y).
Y= 0,009x2 + 1,0886x - 1,5152
Llevando el modelo a las variables queda as:
P= 0,009T2 -1,0088T 1,5152
En donde:
P = Peso (Y)
T= Tiempo (X)
A partir de este modelo se puede contestar a la interrogante planteada en el modelo.
Cul es la edad ptima para cosechar el camarn? o En qu momento es
adecuado cosechar el camarn?
Esta interrogante se responde entendiendo que el peso adecuado se da en un periodo de
tiempo en donde la tasa de variacin del peso comienza a decaer, con lo que se puede
inferir que no es conveniente dejarlo ms tiempo en la piscina, ya que ms tiempo
implicara ms gasto, la ganancia de peso ya no sera la misma, es decir habran
perdidas, es as que surge una nueva pregunta:
Cmo determinar la rapidez con que gana peso el camarn en cada instante de a
curva de crecimiento?
Esta pregunta se contesta haciendo uso del clculo diferencial, aplicando la primera
derivada de la funcin obtenida permite obtener la velocidad con que gana peso el
camarn para cada semana de tiempo.

Y= 0,009x2 + 1,0886x - 1,5152

X Y= 0,018x + 1,0886 Y dy/dx = 0,018x + 1,0886
1 Y= 0,018(1) + 1,0886 1,1066
2 Y= 0,018(2) + 1,0886 1,1246
3 Y= 0,018(3) + 1,0886 1,1426 Aqu la funcion Y= 0,018x + 1,0886 es la
4 Y= 0,018(4) + 1,0886 1,1606
5 Y= 0,018(5) + 1,0886 1,1786 velocidad de ganancia de peso del camarn, se
6 Y= 0,018(6) + 1,0886 1,1966 conoce tambin como la tasa de variacin
7 Y= 0,018(7) + 1,0886 1,2146
instantnea del peso en funcion del tiempo. Para
8 Y= 0,018(8) + 1,0886 1,2326
9 Y= 0,018(9) + 1,0886 1,2506 ms detallas a continuacin se muestra una
1 Y= 0,018(10) + 1,0886 tabla:
0 1,2686
11 Y= 0,018(11) + 1,0886 1,2866
1 Y= 0,018(12) + 1,0886
Fuente: El autor
2 1,3046 Elaborado: Excel, versin
1 Y= 0,018(13) + 1,0886 2013

3 1,3226 A partir de estos datos se construye una grfica

1 Y= 0,018(14) + 1,0886 de la tasa de variacin del peso.
4 1,3406
1 Y= 0,018(15) + 1,0886 Fuente: El autor
Elaborado: Excel, versin 2013
5 1,3586
1 Y= 0,018(16) + 1,0886
CONLCLUSIN
6 1,3766
1 Y= 0,018(17) + 1,0886
7 1,3946
1 Y= 0,018(18) + 1,0886
8 1,4126
En base a la literatura sobre la produccion de camarn, indica que que el peso de
cosecha del camarn debe oscilar entre los 12 a 17 gramos, en un tiempo de 120 das
(17 semanas). Por lo tanto y en base a los resultados obtenidos del modelo, se deduce
que el peso ptimo de cosecha del camarn de la camaronera la Mina es de 16,9
gramos, es decir en la semana 15 (105 das).

BIBLIOGRAFA
Bencardino, C. M. (2000). Estadstica y muestreo. Ecoe Ediciones.
Haeussler, E. F., & Paul, R. S. (2003). Matemticas para administracin y economa.
Pearson Educacin.