INTRODUCCIN

TENDENCIAS DEMOGRFICAS EN CHINA

Se trabajarn en un inicio con los siguientes datos, que representan la poblacin

de China durante 1950-1995:

Ao 1950 1955 1960 1965 1970 1975 1980 1985 1990 1995
Poblacin 554,8 609,0 657,5 729,2 830,7 927,8 998,9 1070,0 1155,3 1220,5
en millones

Los datos pueden representarse tambin de la siguiente manera, donde para

1950, t=0.

Poblacin de China
1400
1200
1000
800
600
400
200
0
0 10 20 30 40 50

Poblacin de China
1400 1220.5
1155.3
1070
Poblacin en millones

1200 998.9
927.8
1000 830.7
729.2
800 609 657.5
600
400
200
0
0 10 20 30 40 50
Aos desde 1950

Como se puede observar, la poblacin en China va aumentando ao tras ao de

manera continua, aunque no totalmente proporcionada. Se muestra en el primer
grfico una curva en una ligera forma de S. Es por esto que los modelos ms
aptos para estimar la poblacin en China seran de tipo exponencial o logstico.
Los parmetros vendran a calcularse dependiendo del modelo, pero se tiene claro
que las variables son P(t) (poblacin en millones) y t (los aos despus de 1950)

Exponencial: Logstica:

Ambos modelos son correctos para estimar poblaciones, pues representan

crecimientos. Basndose en el primergrfico, la opcin ms certera es la logstica
por la ya mencionada forma en S y su precisin; sin embargo, se probarn ambos,
para encontrar el ms certero.

En primer lugar, se tomar el modelo exponencial: P(t) = C.eat , donde P(t) se da

en millones de personas. Un parmetro debe ser la Poblacin inicial (P0) (554,8) y
el otro vendra a ser K, cuyo valor es desconocido, por lo que el modelo sera el
siguiente: P(t) = P0.ekt. Para estimar K, se aplica ln, por lo que K=ln (P/P0).
T

La siguiente tabla muestra los valores de K para cada poblacin, sin contar 1950,
donde P0 sera incoherente en la ecuacin.

t Poblacin (P) K
5 609,0 0,01864211585
10 657,5 0,01698370756
15 729,2 0,01822269029
20 830,7 0,02018305152
25 927,8 0,02056834016
30 998,9 0,01960156617
35 1070,0 0,01876589254
40 1155,3 0,01833769103
45 1220,5 0,01752018225
Promedio 0,01875835971

Utilizando el promedio, el modelo quedara como: P(t) = P0.e0,01875835971t, o en este

caso, P(t) = 554,8.e0,01875835971t. A continuacin, se dan los valores de P(t) segn el
modelo, y la variacin porcentual entre el valor real y el dado por la funcin.
 t Poblacin (P) Pmodelo (Pm) Variacin Porcentual %
(Pm-P)/P
5 609,0 609,354065 0,06%
10 657,5 669,272489 1,79%
15 729,2 735,082755 0,81%
20 830,7 807,364212 2,81%
25 927,8 886,753181 4,42%
30 998,9 973,948551 2,50%
35 1070,0 1069,71793 0,03%
40 1155,3 1174,90442 1,70%
45 1220,5 1290,434 5,73%
Promedio 2,20%

Poblacin en 1400
millones
1200

1000

800
P
600
Pm
400

200

0 Aos desde
5 10 15 20 25 30 35 40 45 1950

Es decir, en promedio los valores reales y los valores dados por el modelo
exponencial, se diferencian en 2.20%. La grfica tambin muestra que los valores
no son tan diferentes; sin embargo, algunos puntos si se alejan ms a los datos
reales, como en el ao 1995.

Ahora veamos la funcin logstica.

Esta, dada como: P(t) = K/(1+L.e-Mt), necesita de los valores de los parmetros K,
L y M, por lo que para lograr esto se utilizar la calculadora grfica. Primero se
recurre en Men a la opcin Estadstica, y se colocan los valores de t y de P, en
listas 1 y 2 respectivamente. Seguidamente, se crea un grfico por medio de
Graph y luego, Graph1 (Verificar por SET que el Tipo de Grfico sea Scatter).
Finalmente, seleccionar CALC y buscar entre las opciones Logstica (Lgst), en
donde saldrn los valores como a, b, c, que son L, M y K respectivamente. Estos
pasos se muestra a continuacin, para ayudar a la comprensin:
 Se obtuvo:
K= 3224,22413
L= 4,7673238.
M= 0,02432536
Por lo que el modelo logstico sera: P(t) = dfgdgf3224,22413ergregre
1 + 4,7673238.e (-0,02432536t)

Ya, obteniendo esto, se hallar los valores de las poblaciones segn el modelo y
se obtendr la variacin porcentual, como en el caso del modelo exponencial.

t Poblacin (P) Pmodelo (Pm) Variacin Porcentual %

(Pm-P)/P
5 609,0 617,463317 1,39%
10 657,5 680,467497 3,49%
15 729,2 748,055594 2,59%
20 830,7 820,192368 1,26%
25 927,8 896,766169 3,34%
30 998,9 977,581876 2,13%
35 1070,0 1062,35631 0,71%
40 1155,3 1150,71686 0,40%
45 1220,5 1242,20383 1,78%
Promedio 1,90%

Poblacin en 1400
millones 1200

1000

800
P
600
Pm
400

200

0 Aos desde
5 10 15 20 25 30 35 40 45 1950
Como se observa, el grfico demuestra que el modelo se ajusta bastante a los
datos reales adems, y los puntos se muestran bastante juntos. Adems se
descubri que la variacin porcentual es 1.90% en promedio.

Entre ambos modelos, exponencial y logstico, nos damos cuenta de que este
ltimo arroja los datos ms precisos, comparndolo con lo real. Se puede
evidenciar lo dicho gracias a las grficas y la variacin porcentual, siendo la de la
funcin logstica menor, con 1.90% que la de la exponencial con 2.20%.

Podemos tambin, inferir que ambos modelos la poblacin de China continuar

creciendo indefinidamente.

t Pmodeloexponencial Pmodelologstico
50 1417,323728 1336,34396
60 1709,761679 1529,753716
70 2062,538672 1725,570103
80 2488,104527 1918,078757
90 3001,477848 2101,94189
100 3620,776047 2272,761782

Como se observa, en ambos casos la poblacin de China aumenta

constantemente. No obstante, si se utiliza el modelo exponencial, la poblacin
aumenta mucho ms que el logstico, con diferencias entre ambos considerables.
Siguiendo el primero, las implicancias para China seran para el 2050 (100 aos
despus de 1950), de 1348,014265 millones de personas ms que siguiendo el
segundo modelo.

Tomando datos adicionales de las tendencias demogrficas en China segn el

documento Perspectivas para la economa mundial del 2008, publicado por el
Fondo Monetario Internacional (FMI), la poblacin se dio de la siguiente manera:

Ao 1983 1992 1997 2000 2003 2005 2008

Poblacin 1030,1 1171,1 1263,3 1267,4 1292,3 1307,6 1327,7
en
millones

Si nos cernimos al modelo exponencial para comparar con los resultados reales,
podemos hayar las siguientes variaciones porcentuales:

t Pmodeloexponencial P (segn datos del FMI) Variacin

Porcentual
33 1030,329115 1030,1 0.22%
42 1219,820257 1171,1 4.16%
 47 1339,766461 1263,3 6.05%
50 1417,323728 1267,4 11.83%
53 1499,370681 1292,3 16.02%
55 1556,690656 1307,6 19.05%
58 1646,805371 1327,7 24.03%

Y si hacemos el mismo procedimiento con el modelo logstico encontramos las

siguientes variaciones porcentuales:

t Pmodelologstico P (segn datos del FMI) Variacin

Porcentual
33 1028,053355 1030,1 0.2%
42 1187,0293 1171,1 1.36%
47 1279,62161 1263,3 1.29%
50 1336,34396 1267,4 5.44%
53 1393,778522 1292,3 7.85%
55 1432,394037 1307,6 9.54%
58 1490,697097 1327,7 12.28%

Tras comparar las variaciones porcentuales a partir de ambos modelos, se puede

evidenciar que el modelo exponencial sufre una desviacin mas notoria respecto a
los datos recogidos por el FMI, llegando a tener hasta un 24,03% de variain
porcentual en el ao 2008. En cambio, el modelo logstico se ajusta mejor a los
datos reales, pues la variacin porcentual que tiene en el mismo ao (2008) es de
12,28%, casi la mitad de la del modelo anterior. Es as que claramente se
evidencia que el modelo logstico es el que mejor se ajusta a los resultados reales.