Anda di halaman 1dari 142

AGRADECIMIENTOS

Esta tesis si bien ha requerido de esfuerzo y mucha dedicacin, no hubiese sido


posible su finalizacin sin la cooperacin desinteresada de todas y cada una de las
personas que a continuacin citaremos y muchas de las cuales han sido un soporte muy
fuerte en momentos de angustia y desesperacin.
Primero y antes que nada, dar gracias a Dios, por estar con nosotros en cada paso
que damos, por fortalecer nuestro corazn e iluminar nuestra mente y por haber puesto
en nuestro camino a aquellas personas que han sido un soporte y compaa durante todo
el periodo de estudio.
A mi familia por estar presente en cada momento de mi vida, brindarme amor y
alegra en los momentos de jbilo y fortaleza en los momentos difciles dndome un
apoyo incondicional.
A todos los profesores de la Universidad Nacional del Altiplano que
transmitieron sus conocimientos durante mi carrera universitaria.

DEDICATORIA

El presente trabajo est dedicado a mis padres que han sido el pilar fundamental
de mi formacin humana y acadmica, han sido la compaa durante esta
experiencia universitaria y que junto a su saba gua y sus consejos de carcter de
superacin han logrado que llegue a cumplir una de las etapas ms importante de mi
vida.
A mis hermanos, a toda mi familia, a mis compaeros y amigos; ya que ellos
han sabido ser el apoyo para poder superar todos los obstculos y adversidades
que se han interpuesto durante el trayecto mi vida tanto estudiantil y personal.
De manera muy especial tambin dedico este logro a la mujer que me ha
acompaado durante este recorrido y que me ha sabido brindar su afecto y amor para
poder llegar a cumplir esta meta tan anhelada, a mi enamorada.

INDICE
RESUMEN

........................................................................................................................................................ 11

ABSTRACT

....................................................................................................................................................... 12

INTRODUCCIN ....................................................................................................................................................... 13
CAPITULO I:
1.1

PLANTEAMIENTO DEL PROBLEMA DE LA INVESTIGACIN...................................................15

DESCRIPCION DEL PROBLEMA............................................................................................................ 15

1.1.1

CONDICIONES ACTUALES............................................................................................................... 15

1.1.2

ACTIVIDADES PRINCIPALES............................................................................................................ 16

1.1.3

OBTENCIN ACTUAL DE ENERGA................................................................................................. 18

1.1.4

DECLARACIN DEL MARCO PROBLEMTICO...............................................................................21

1.2

JUSTIFICACION DEL PROBLEMA......................................................................................................... 22

1.3

OBJETIVOS DE LA INVESTIGACIN..................................................................................................... 23

1.3.1

OBJETIVO GENERAL........................................................................................................................ 23

1.3.2

OBJETIVOS ESPECFICOS............................................................................................................... 23

CAPITULO II

MARCO TERICO, MARCO CONCEPTUAL E HIPTESIS DE LA INVESTIGACIN................24

2.1

ANTECEDENTES DE LA INVESTIGACIN............................................................................................ 24

2.2

SUSTENTO TEORICO............................................................................................................................ 25

2.2.1

DISEO DE LAS MQUINAS PARA EL PROCESO DE PELETIZADO.............................................25

2.2.2

OBTENCIN DE ENERGA ELCTRICA A TRAVS DE SISTEMAS FOTOVOLTAICOS..................37

2.2.3

DISEO DEL SISTEMA SOLAR PARA LA MQUINA PELETIZADORA............................................40

2.2.4

ANLISIS DE VIABILIDAD ECONMICA DE LA ENERGA CONVENCIONAL Y LA ENERGA

FOTOVOLTAICA............................................................................................................................................... 55
2.3

GLOSARIO DE TERMINOS BASICOS.................................................................................................... 62

2.3.1

LA ALFALFA........................................................................................................................................ 62

2.3.2

EL PANEL FOTOVOLTAICO............................................................................................................... 63

2.3.3

INDICADORES CUANTITATIVOS...................................................................................................... 65

2.3.4

INDICADORES CUALITATIVOS......................................................................................................... 65

2.4

HIPTESIS DE LA INVESTIGACIN...................................................................................................... 65

2.4.1

HIPTESIS GENERAL....................................................................................................................... 65

CAPITULO III
3.1

DISEO METODOLOGICO DE LA INVESTIGACIN..................................................................67

TIPO Y DISEO DE LA INVESTIGACION...............................................................................................67

3.1.1

APLICACIN DE MODELOS LOGIT PARA ESTIMAR LA ADOPCIN DE TECNOLOGA A TRAVS

DEL MTODO DE VALORACIN CONTINGENTE.......................................................................................... 67


3.2

POBLACION Y MUESTRA DE INVESTIGACION....................................................................................69

3.3

RECURSOS NATURALES....................................................................................................................... 70

3.4

PRODUCCIN AGRCOLA..................................................................................................................... 71

3.4.1

Pasturas naturales y forrajes.............................................................................................................. 71

3.4.2

Explotacin ganadera vacuna en las comunidades de la regin.........................................................72

CAPITULO IV

ANLISIS E INTERPRETACION DE RESULTADOS DE LA INVESTIGACION...........................73

4.1

MODELOS DE CALIDAD AMBIENTAL A..............................................................................................73

4.2

MODELOS DE CALIDAD AMBIENTAL B..............................................................................................75

4.3

MODELOS DE CALIDAD AMBIENTAL C...............................................................................................78

CONCLUSIONES....................................................................................................................................................... 80
RECOMENDACIONES............................................................................................................................................... 82
BIBLIOGRAFA ....................................................................................................................................................... 83

INDICE DE CUADROS
Cuadro N 01: Poblacin De Ganado Vacuno De Las Unidades Agropecuarias.
Cuadro N 02: Incidencia Solar Segn Meses.

INDICE DE FIGURAS
Figura 01: Variacin de temperaturas en el pellet.
Figura 02: Dimensiones del Pellet.
Figura 03: Esquema de los rodillos de compresin y matriz principal.
Figura 04: Dimensiones del diente de la Corona.
Figura 05: Mecanismos de transmisin de potencia y compactacin.
Figura 06: Ecuacin qumica de las bateras de plomo cido.
Figura 07: Batera pvx-2120l.
Figura 08: Batera Surrette 12cs 11ps.
Figura 09: Batera Ub-8d Agm.
Figura 10: Outback Mppt 80.
Figura 11: Xantrex Xw Mppt60-150.
Figura 12: Curva De Voltaje Generado Por El Arreglo De Paneles Solares.

INDICE DE ANEXOS

4.4

TABLA 1.1 FACTOR DE SERVICIO TPICOS..................................................................86

4.5

TABLA 1.2 SECCIN DE LA BANDA DE TRANSMISIN...................................................87

4.6

TABLA 1.3 DIMETRO MNIMO RECOMENDADO PARA POLEAS MONTADAS EN MOTORES..87

4.7

TABLA 1.4 LONGITUD ESTANDARIZADA PARA BANDAS ESTNDAR.................................88

4.8

TABLA 1.5 ANGULO DE CONTACTO ENTRE LA POLEA Y LA BANDA.................................88

4.9

TABLA 1.6 SELECCIN DEL RODAMIENTO...................................................................89

4.10 TABLA 1.7 SELECCIN DE RODAMIENTOS DEL SISTEMA DE DESBALANCE...................90


4.11 TABLA 1.8 DIAGRAMA PSICOMTRICO DEL AIRE HMEDO.............................91
4.12 TABLA 1.9 SELECCIN DE RODAMIENTO RGIDO DE BOLAS PARA LA PARTE
SUPERIOR DEL EJE PRINCIPAL..............................................................................92
4.13 TABLA 1.10 SELECCIN DE RODAMIENTO DE RODILLOS CNICOS PARA EL
RODILLO DE COMPACTACIN.................................................................................93
4.14 APLICACIN DEL MTODO DE VALORACIN CONTINGENTE.............................94
4.15 MODELOS DE CALIDAD AMBIENTAL A.................................................................96
4.15.1 Ilustrar las estadsticas descriptivas de las variables utilizadas en los modelos a
estimar................................................................................................................... 96
4.15.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los efectos
marginales............................................................................................................. 97
4.15.3 Interpretar desde el punto de vista econmico y estadstico el modelo estimado.
............................................................................................................................. 102
4.15.4 Programar y estimar la DAP.................................................................................104
4.15.5 En el caso de que la DAP contenga valores negativos, estimar el modelo
restringido, luego programar y estimar nuevamente la DAP................................107
4.15.6 Presentar conclusiones generales de los modelos y proponer algunas
recomendaciones de poltica pblica...................................................................113

4.16

MODELOS DE CALIDAD AMBIENTAL B...............................................................114

4.16.1 Ilustrar las estadsticas descriptivas de las variables utilizadas en los modelos a
estimar.................................................................................................................. 114
4.16.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los efectos
marginales............................................................................................................ 114
4.16.3 Interpretar desde el punto de vista econmico y estadstico el modelo estimado......
.......................................................................................................................... 119
4.16.4 Programar y estimar la DAP.................................................................................122
4.16.5 En el caso de que la DAP contenga valores negativos, estimar el modelo
restringido, luego programar y estimar nuevamente la DAP................................123
4.16.6 Ilustrar las estadsticas descriptivas de las variables utilizadas en los modelos a
estimar................................................................................................................. 123
4.16.7 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los efectos
marginales........................................................................................................... 124
4.16.8 Interpretar desde el punto de vista econmico y estadstico el modelo estimado......
.......................................................................................................................... 129
4.16.9 Programar y estimar la DAP.................................................................................132
4.16.10 En el caso de que la DAP contenga valores negativos, estimar el modelo
restringido, luego programar y estimar nuevamente la DAP................................132
4.16.11 Presentar conclusiones generales de los modelos y proponer algunas
recomendaciones de poltica pblica...................................................................138

RESUMEN
El desarrollo del presente trabajo abarca el estudio estadstico que son reportes del
IV censo agropecuario, la produccin de ganado vacuno en la regin Puno determinara
la cantidad de pellets de alfalfa a producir y ello determinara el diseo de la mquina
peletizadora de alfalfa para as establecer el diseo de la mquina peletizadora de alfalfa
adems se analiza la probabilidad de adoptar la tecnologa de la mquina peletizadora
mediante un modelo logit.
Con la finalidad de realizar un estudio de adoptar la tecnologa de la mquina
peletizadora dentro de la regin Puno, se realiz una investigacin la cual dio como
resultado, que dentro de nuestro regin de Puno la probabilidad de adoptar la tecnologa
de politizacin de alfalfa es la si adopcin de tecnologa tomando en cuenta los factores
que determinan que determinan la adopcin y en consecuencia la produccin de pellets
es aceptable. Sin embargo en la regin de Puno no existe una mquina peletizadora
que este en actual funcionamiento y actualmente se realiz el estudio y diseo de una
mquina peletizadora de alfalfa para la produccin de ganado vacuno en la regin Puno.
El principio de fabricacin de pellets est basado en la densificacin o
compactacin de la alfalfa que permite elevar su densidad. Para la fabricacin de los
pellets se aplic la peletizacin con matriz plana.
Para el diseo de la mquina de peletizacion, se consider el anlisis estadstico que
son los reportes de produccin de ganado vacuno en la regin Puno realizado para
determinar la capacidad de produccin de pellets de alfalfa, se comprob que los
principales componentes diseados para las mquinas resisten los esfuerzos a los que
estarn sometidos. Finalmente se realiz la probabilidad de adoptar la tecnologa de
peletizacion de alfalfa, tomando en cuenta el modelo logit.
Palabras claves: peletizadora, modelo logit, adopcin, tecnologa, alfalfa.

11

ABSTRACT
The development of this paper deals with the statistical study are reports of IV
agricultural census, the production of cattle in the Puno regin determine the amount of
alfalfa pellets to produce and thus determine the design of the pelletizing machine to
also establish alfalfa design alfalfa pellet machine also likely to adopt the technology of
pelletizing machine using a logit model is analyzed.
In order to conduct a study to adopt technology pelletizing machine in the Puno
regin, an investigation which resulted was performed, which in our regin of Puno
likely to adopt the technology alfalfa pellet is if adoption of technology taking into
account the factors that determine that determine the adoption and consequently the
production of pellets is acceptable. However in the region of Puno there is a pelletizing
machine that it is in actual operation and the study and design of a pelletizing machine
alfalfa for cattle production in the Puno region is currently performed.
The pellet manufacturing principle is based on the densification or compaction of
alfalfa can raise its density. For the manufacture of pellets flat die pelleting was applied.
For the design of the pelletizing machine, statistical analysis reports are cattle
production in the Puno region conducted to determine the production capacity of alfalfa
pellets was considered, it was found that the main components designed to withstand
machines the stresses to which they are subjected.
Finally, the probability of adopting alfalfa pelleting technology, taking into account
the logit model was made.
Key words: Pelletizer, adoption, technology, alfalfa and logit model.

12

INTRODUCCIN
El desarrollo econmico y desarrollo energtico van de la mano. Existen muchos
centros poblados y comunidades a los cuales no llega la energa elctrica, lo que
conlleva a un serio retraso en comparacin a las ciudades. No pueden producir de
manera ptima sus productos y limita todo lo que el mercado (que demanda sus
productos) les puede ofrecer. Es muy importante, por ello, garantizar una mquina
peletizadora con propio suministro de energa elctrica sustentable con suministros
confiables, limpios, al menor costo posible y profundamente respetuosos de las
comunidades para que no se vean afectadas por esta expansin.
Sin embargo, el difcil acceso a estos poblados y comunidades es la principal
razn por la que la energa elctrica no llega, y por la que el olvido de las autoridades es
un comn denominador. Por esta razn se hace imperativa la bsqueda de generacin
de energa elctrica mediante medios alternativos como, en el caso del presente diseo
de la mquina peletizadora con energa solar.
Este recurso renovable es el que se usar con el fin de generar energa elctrica
para las comunidades y centros poblados de la regin Puno.
De esta manera, los centros pobladores y comunidades, no slo podrn tener
electricidad para sus casas; sino tambin, podrn usar motores para realizar
eficientemente su actividad principal, la produccin de ganado vacuno. As,
alimentaran mucho mejor a su ganado con los pellets de forraje que mejora
sustancialmente, la productividad y peso de las vacas; generndoles una mayor
competitividad en el mercado y superiores regalas por sus actividades; por lo tanto, con
lleva a una mejor forma de vida para sus pobladores.

13

Sobre la base de lo anteriormente expuesto, se tratar inicialmente acerca de las


actividades agropecuarias que se realizan en las comunidades de la regin puno, sus
antecedentes y tendencias actuales planteando a lo largo de la se ir enunciando las
principales formas en cmo se han ido aplicando sistemas fotovoltaicos en distintas
partes del mundo, logrando resultados destacables. Tambin, despus de
conceptualizar los parmetros a utilizar, se definirn las hiptesis y objetivos.
Se realizar el diseo de la mquina peletizadora y del sistema fotovoltaico.
Haciendo clculos sobre las verdaderas necesidades de las comunidades de la regin,
se ir dimensionando los equipos necesarios para poder satisfacer los requerimientos de
los pobladores sin recurrir a gastos innecesarios. Adems, se ir explicando el porqu de
las elecciones de estos componentes.
Finalmente, se propondr y dispondr el diseo de la mquina y el sistema, se
evaluar la probabilidad de adopcin de tecnologa teniendo en cuenta los factores que
intervienen mediante un modelo logit que es una aplicacin del modelo de eleccin
discreta.

14

CAPITULO I:

PLANTEAMIENTO DEL PROBLEMA DE LA


INVESTIGACIN.

1.1 DESCRIPCION DEL PROBLEMA


Las zonas rurales de la regin Puno. Debido a la desidia de las autoridades, la
luz elctrica no es la adecuada para el funcionamiento de mquinas procesadoras de
alimentos. Esto nos obliga, para las actividades que ellos realizan, a la bsqueda de
electrificacin alternativa a la convencionalmente usada en las ciudades como se plantea
en la introduccin; convirtiendo a estas zonas rurales como lugar propicio para el
desarrollo de esta tesis.
En Argentina, debido a la predominancia del aprovechamiento pastoril, la
superficie de alfalfa destinada exclusivamente a cosecha mecnica para la produccin
de forraje conservado es muy escasa, en contraposicin a lo que ocurre en sistemas de
otros pases en los que predomina el aprovechamiento bajo corte. Estimaciones
Recientes indican que en nuestro pas se conservan anualmente unas 5 millones
de toneladas de materia seca de Alfalfa pura y 11 millones de alfalfa consorciada con
otras forrajeras, mientras que en EE.UU., el mayor productor mundial, el volumen anual
de alfalfa conservada alcanza los 82 millones de toneladas.

15

1.1.1

CONDICIONES ACTUALES
Estas actividades se pueden clasificar como del tipo agropecuario, que por

definicin comprende todo un conjunto de acciones humanas que transforma el medio


ambiente natural, con el fin de hacerlo ms apto para la produccin de ganado vacuno
adems de ello, el uso de estos recursos generados para la elaboracin de productos
intermedios y finales que benefician al monto final de sus dividendos; que sin
representar cantidades importantes, podran llegar a serlo de contar con energa
elctrica.
El consumo depende del peso del animal; se puede considerar que en forraje
verde un macho en ceba consume entre el 11 y el 12% de su peso vivo al da.
El estudio de la produccin de alfalfa para la alimentacin de ganado vacuno en
la regin Puno determinara la potencia de la mquina peletizadora?
1.1.2

ACTIVIDADES PRINCIPALES
En las zonas rurales de la regin de Puno la poblacin se dedica a las actividades

agrcolas y ganaderas, como se ha ido exponiendo en el punto anterior. Dentro de ellas,


las principales son:
TABLA N 01: POBLACIN DE GANADO VACUNO DE LAS UNIDADES
AGROPECUARIAS
TAMAO DE LAS
UNIDADES
AGROPECUARIAS

Provincia PUNO
Distrito COATA
Distrito CAPACHICA
Distrito PICHACANI
Distrito PLATERIA
Distrito SAN ANTONIO
Distrito TIQUILLACA
Distrito VILQUE
Distrito ACORA
Distrito AMANTANI

TOTAL DE UNIDADES
AGROPECUARIAS

UNIDADES
AGROPECUARIAS CON
GANADO VACUNO

35826
1529
3376
1769
2684
585
767
1121
9814
901

21805
1359
1492
1261
1828
181
551
963
6072
69

16

Distrito ATUNCOLLA
Distrito CHUCUITO
Distrito HUATA
Distrito MAAZO
Distrito PAUCARCOLLA

2142
2463
1518
3480
3677

FUENTE: INEI - IV CENSO NACIONAL AGROPECUARIO 2012.

17

1922
1363
1096
1614
2034

Produccin de pellets: Representa una actividad de suma importancia.


Los pellets son es el resultado de compactar el pasto y dems forrajes, que se
efecta usando una mquina peletizadora.
Este producto es usado para la alimentacin del ganado, lo que resulta mucho
ms ventajoso que usar pasto pre oreado o hacer pastar al ganado. El mercado de
mquinas peletizadoras de alfalfa para la alimentacin de ganado vacuno en la regin
Puno es demasiado bajo?
El hecho que se pueda alimentar al ganado de manera ms eficiente, usando el
pellets de alfalfa, nos da pie a intentar mejorar los procesos de produccin y aprovechar
los resultados que se tienen, como la variacin de peso (por ejemplo) en las vacas, lo
que genera un aumento de las cantidades de leche que estas pueden producir. Es
posible disear una mquina peletizadora a partir de la produccin de alfalfa en la
regin Puno?
Obtencin de leche: Como se pudo ver en el punto anterior mediante la
Alimentacin del ganado con pellets de pasto y dems forrajes, se puede incrementar la
cantidad de leche obtenida; y de esta manera; convertir la comercializacin de la misma,
en una de las fuentes ms importantes de ingresos econmicos para los pobladores.
Empresas como Gloria y Laive recorren estos lugares para recoger las lecheras de latn.
Analizando ms a fondo an, se puede divisar un problema con estas
modalidades de recoleccin y venta. La falta de un lugar (como un frigorfero) en
donde se pueda guardar la leche ordeada de las vacas durante un perodo
medianamente largo despus de su extraccin. Si se tuviese acceso permanente a la
energa elctrica, se podra utilizar refrigeradores para poder conservar esta leche y,
que la misma, pueda ser vendida no slo a cualquier cliente de una manera rpida para
18

que no se eche a perder, sino tambin se pueda elevar los precios y se pueda vender a
clientes en mayores cantidades. Incluso se podra aplicar tcnicas automticas como
ordeadoras y llegar a la obtencin de productos derivados de la leche como
mantequilla o queso gracias a la conservacin de la misma.
Agricultura: Cuyas actividades y productos ms importantes ya han sido
Mencionados

anteriormente, sta es de vital importancia en zonas rurales de la regin

puno.
A pesar de que la principal fuente de agua es escasa y lejana, los pobladores
han sabido trasladarla de un lado a otro con el fin de poder usarla para regado,
mediante el uso de canales de regado y pequeas bombas elctricas; suministrando
agua para sus campos de cultivo.
1.1.3

OBTENCIN ACTUAL DE ENERGA


Como se ha mencionado, para obtener energa, sobre todo elctrica, los

habitantes de zonas rurales de la regin Puno se valen de ciertas formas que se irn
enunciando.
Una de las formas principales para la obtencin de energa elctrica para
aplicaciones de mucha potencia, es el uso de motores a diesel, adaptados a partir de
tractores que, por ejemplo, alquilan a S/.100,00 la hora; o de pequeos motores diesel
propios. Esta manera, provoca profundos daos en el ecosistema de la regin Puno.
Otra manera, un tanto menos contaminante, es mediante la alimentacin de sus
motores y artefactos electrodomsticos con bateras. Lo cual por batera recargada,
resulta ineficiente debido a que no se puede estimar un tiempo exacto de duracin, ya
que el uso de ellas es variable.

19

Consecuentemente, esto nos va llevando a la idea de la obtencin de energas de


manera alternativa a las anteriormente expuestas.
Todos los das en el mundo brilla el Sol y el Per no es la excepcin; que debido
a su ubicacin en el globo, presenta un gran ndice de incidencia solar en comparacin a
otros pases. Al presentar esta privilegiada posicin en el orbe, el Per, podra y debera
aprovechar este recurso renovable para poder generar energa a fin de autoabastecerse.
Sin embargo, la realidad es otra, el Per no usa estas fuentes renovables, como en otros
pases que, a pesar de no verse favorecidos por su ubicacin, ocupan posiciones
privilegiadas en cuanto al consumo y produccin de Energa Alternativa tales como
Alemania en el primer lugar; Japn en el segundo y Estados Unidos en el tercero. Por el
contrario, existe un alto porcentaje de zonas rurales y comunidades peruanas a donde la
energa elctrica no llega, lo que genera un retraso en la poblacin con respecto a otros,
debido a que no tienen acceso a la informacin ni a la tecnologa que les permitira un
mayor desarrollo.
En zonas rurales de la regin de puno, lo anteriormente expuesto es un limitante
para la expansin de su mercado, puesto que impide la mejora en cuanto a las tcnicas
de sus actividades. Con la transformacin de la energa solar a energa elctrica por
medio de paneles solares se lograra automatizar y mejorar los procesos involucrados
en las actividades diarias de los pobladores de las zonas rurales tales como la
produccin de alfalfa.
Existen precedentes importantes tales como una fbrica de chocolates energizada
con el Sol en Granada; una fbrica de drywall en California, o el uso de termas
solares en distintas partes del mundo.

20

Se estableci, en el marco problemtico, la necesidad de poder energizar de una


manera alternativa los motores peletizadores de alfalfa. Tambin, se determin que una
forma eficaz y eficiente sera el uso de un sistema fotovoltaico; por lo tanto, se ver a
continuacin los logros obtenidos y como se alcanz que, a partir de la energa solar, se
pueda hacer funcionar motores de alta potencia. Tambin, el desarrollo actual de esta
tecnologa considerando, adems, las investigaciones en otros parmetros importantes
para sistemas similares y aplicaciones a grandes escalas de potencia de la energa solar
en pases que, bajo una mentalidad ambientalista, estn usando formas de produccin
de energa alternativas. Finalmente se plantearn las hiptesis y objetivos para la
presente tesis.
Generacin de energa El uso de bateras que son recargadas son ineficiente,
por el tiempo de espera para la recarga y por la presencia de un monopolio del
servicio. Por otra parte, el uso de motores diesel contribuye a la polucin y resulta caro
para aplicaciones de alta potencia.
Presupuesto insuficiente Es el mayor limitante, evita que se pueda desarrollar un
sistema que pueda captar mucha energa dado que el precio por kilovatio hora captado
es alto. Se podra recurrir al apoyo de la empresa privada.
Falta de informacin Los pobladores no cuentan con el acceso a informacin
acerca de tecnologas que presenten sustentabilidad y que satisfaga sus requerimientos.

21

1.1.4

DECLARACIN DEL MARCO PROBLEMTICO


Por todo lo expuesto a lo largo de este captulo, en donde se ha visto de manera

general las condiciones en las que se encuentran actualmente las actividades


agropecuarias de zonas rurales de la regin Puno; resulta evidente que el uso de la
energa elctrica mejorara de una manera notable la productividad de las actividades
realizadas por los pobladores; por lo que el uso de una forma alternativa de generacin
de energa elctrica salta a la vista: Energa solar. El estudio de la produccin de alfalfa
para la alimentacin de ganado vacuno en la regin Puno determinara la potencia de la
mquina peletizadora. Es posible realizar el estudio de suministro de energa para la
mquina peletizadora de alfalfa a partir de la energa solar en la regin Puno?
La actual forma en como los motores de mquinas peletizadoras son activados si
bien es eficaz, no resulta del todo eficiente. Recurrir a nuevas tecnologas y a la
proteccin ambiental de todo ecosistema.
Mediante la transformacin de la energa solar en energa elctrica a travs de un
sistema fotovoltaico se puede lograr que las actividades que involucran el uso de
motores elctricos y, en especial, la produccin de pellets de forrajes mejoren. Los
resultados tcnicos y econmicos del estudio y diseo de la mquina peletizadora de
alfalfa con aprovechamiento de energa solar en la regin Puno son los aptos para el
estudio y diseo de la mquina peletizadora de alfalfa?

22

1.2 JUSTIFICACION DEL PROBLEMA


Por todo lo expuesto a lo largo de este captulo, en donde se ha visto de manera
general las condiciones en las que se encuentran actualmente las actividades
agropecuarias de zonas rurales de la regin Puno; resulta evidente que el uso de la
energa elctrica mejorara de una manera notable la productividad de las actividades
realizadas por los pobladores; por lo que el uso de una forma alternativa de generacin
de energa elctrica salta a la vista: Energa solar. El estudio de la produccin de alfalfa
para la alimentacin de ganado vacuno en la regin Puno determinara la potencia de la
mquina peletizadora. Es posible realizar el estudio de suministro de energa para la
mquina peletizadora de alfalfa a partir de la energa solar en la regin Puno?
La actual forma en como los motores de mquinas peletizadoras son activados si
bien es eficaz, no resulta del todo eficiente. Recurrir a nuevas tecnologas y a la
proteccin ambiental de todo ecosistema.
Mediante la transformacin de la energa solar en energa elctrica a travs de un
sistema fotovoltaico se puede lograr que las actividades que involucran el uso de
motores elctricos y, en especial, la produccin de pellets de forrajes mejoren. Los
resultados tcnicos y econmicos del estudio y diseo de la mquina peletizadora de
alfalfa con aprovechamiento de energa solar en la regin Puno son los aptos para el
estudio y diseo de la mquina peletizadora de alfalfa?

23

1.3 OBJETIVOS DE LA INVESTIGACIN


Los objetivos del estudio se presentan en dos niveles:
1.3.1

OBJETIVO GENERAL
Estudiar y disear un mquina peletizadora de alfalfa con el
aprovechamiento de energa solar, lo cual permitir un alimentacin
adecuada al ganado vacuno de la regin puno.

1.3.2

OBJETIVOS ESPECFICOS
Realizar el estudio de la produccin de alfalfa para la alimentacin de
ganado vacuno en la regin Puno.
Analizar el mercado de mquinas peletizadoras de alfalfa para la
alimentacin de ganado vacuno en la regin Puno.
Disear una mquina peletizadora a partir de la produccin de alfalfa en la
regin Puno.
Analizar y disear el suministro de energa para la mquina peletizadora
de alfalfa a partir de la energa solar en la regin Puno.
Analizar e interpretar los resultados tcnicos y econmicos del estudio y
diseo de la mquina peletizadora de alfalfa con aprovechamiento de
energa solar en la regin Puno.

24

CAPITULO II

MARCO TERICO.

2.1 ANTECEDENTES DE LA INVESTIGACIN


ARPI - CALDERN (2010) DISEO DE UNA MQUINA
PELETIZADORA EN BASE A LA DISPONIBILIDAD DE RESIDUOS
MADEREROS DE LA CIUDAD DE CUENCA PARA SU APROVECHAMIENTO
ENERGTICO Para el diseo de todas la mquinas necesarias para el proceso de
peletizacion (triturador, tamiz, secador, peletizadora y enfriador), se consider el
anlisis estadstico realizado para determinar la capacidad de produccin de pellets, las
caractersticas ambientales que posee la ciudad de Cuenca y con el apoyo de
programas especializados se comprob que los principales componentes diseados
para las mquinas resisten los esfuerzos a los que estarn sometidos.
NSTOR JOS LAZO FLORES (2009) DISEO DE UN SISTEMA CON
PANELES SOLARES PARA CARGAR BATERAS Y ENERGIZAR MOTORES DE
PICADORAS EN UNA COMUNIDAD AGRCOLA se tiene como objetivo, disear un
sistema con paneles solares para poder cargar bateras y as, energizar motores para
picadoras que se proyecta utilizar en la comunidad Micaela Bastidas en el distrito de
Barranca, Lima. Se evalu, en el marco econmico, el ahorro que les generara un
sistema as, los beneficios que presenta comparado con el sistema de carga de bateras
que tienen actualmente.
SANGOLQU, NOVIEMBRE (2013) DISEO Y SIMULACIN DE UNA
PRENSA GRANULADORA DE MADERA AUTOMATIZADA DE HASTA 200
KG/HR PARA LA EMPRESA RECICLAJES MYS S.A. describe el diseo y
simulacin de una prensa granuladora de madera automatizada de hasta 200 kg/hr, Para
el diseo, se parte de la capacidad de produccin que la empresa tiene de generar la

25

materia prima que utiliza la mquina, y las caractersticas que debe tener el granulo de
madera, todo esto con el fin de establecer las dimensiones y componentes de la
mquina. Se definen los sistemas que se van a utilizar, y se disea los elementos
mecnicos de la prensa.

2.2 SUSTENTO TEORICO


2.2.1

DISEO DE LAS MQUINAS PARA EL PROCESO DE PELETIZADO

2.2.1.1 GENERALIDADES
En este captulo se disearan los mecanismos seleccionados de acuerdo a las
caractersticas que posee la materia prima y a las propiedades que se deseen
proporcionar a esta, los cuales nos permitir realizar un correcto peletizado.
2.2.1.2 CALCULO DE LA POTENCIA DEL MOTOR
La potencia necesaria para realizar el molido del material es calculada en base al
caudal de alimentacin (Q) y del grado de desmenuzamiento (i), esta expresada en la
siguiente ecuacin emprica:
N m=0.15i dQ

Ecuacin 1.1 Potencia Necesaria del Motor para el Molido.


Fuente: Ing. Walter H. Duda.

Dnde:
Nm: Potencia Necesaria del Motor para el Molido, en KW.
Q: Caudal o flujo msico de entrada, en T/H
Id: Grado de Desmenuzamiento, adimensional.

26

EL Caudal o flujo msico de entrada, en T/H. Se calcula en base al consumo de


forraje del ganado vacuno.
Unidades agropecuarias en el distrito de vilque: 963 unidades.
Densidad de ganado por unidad productora: 3 ganados por unidad.
Total de ganado vacuno en el distrito de Vilque:
2889=963*3
N de ganados alimentados por mquina peletizadora: 10%*total de ganado vacuno
288.9=10%*2889
Peso promedio de ganado vacuno: 400kg.
Consumo de forraje diario por ganado Vacuno: 11% de su peso vivo.
12712=11%*400*288.9 (kg/da)
(12712kg/dia)*(1dia/6h)
Caudal o flujo msico de entrada, en T/H

Q = 2118.60kg/h = 2.2Tn/h
El grado de desmenuzamiento es la relacin existente entre la mayor dimensin
lineal del material antes de su subdivisin (D), a la mayor dimensin lineal del
material desmenuzado (d), en consecuencia i est representado por:
I d=

D
d
Ecuacin 1.2 Grado de Desmenuzamiento.
Fuente: Ing. Walter H. Duda, Manual Tecnolgico.)

Las partculas que ingresan al proceso de molturacin poseen diferentes


dimensiones, siendo la de mayor tamao de 30mm.
El tamao de la partcula una vez desmenuzada debe llegar a ser de 6mm, para
su posterior peletizado.

27

Grado de Desmenuzamiento:
0.030
I d=
=5
0.006

Potencia Necesaria del Motor:


tn
N=0.1552
h
N=1.5 KW =2.04 CV =2.01 HP

Se debe de seleccionar un motor de 2 HP, con esta potencia se garantiza que la


inercia del sistema se puede mover y a la vez realizar la peletizacion de la alfalfa.

2.2.1.3 DISEO DEL SISTEMA DE TRANSMISIN DE POTENCIA.


El triturador diseado, utilizara un sistema de transmisin de potencia por medio
de bandas, por lo que hay considerar algunos aspectos como el tipo de bandas a utilizar,
y los dimetros correspondientes de las poleas.
Potencia de Diseo del Motor.
El primer paso es escoger el factor de servicio adecuado segn la tabla del
Anexo tomando en cuenta tipo de motor, tipo de mquina, rgimen de trabajo y la
colocacin de la polea.
La potencia de diseo es igual al factor de servicio por la potencia del motor.
Pdise o=F servicioN m

Ecuacin 1.3 Potencia de Diseo.


Fuente: Robert L. Norton, Diseo de Mquinas.
Donde:

28

F serv : Factor de servicio segn el trabajo de la mquina.


Nm :

Potencia necesaria para el molido.

Pdiseo =1.42 HP
Pdiseo =2.8 HP
A continuacin, utilizando la grfica del Anexo, se selecciona la seccin
adecuada para la combinacin de potencia de diseo y velocidad. 3V o 3VX para
transmitir 2 HP a 1800rpm.
Luego, en una tabla del Anexo se verifica dimetro mnimo de polea
recomendado para el motor que se va a emplear, para un motor elctrico estndar de 2
HP a 1800rpm se recomienda que el dimetro de la polea motriz sea mayor o igual a 2.4
pulgadas.
Relacin de Reduccin de Velocidad.
La relacin de reduccin es igual a la velocidad de la polea motriz entre la
velocidad de la polea conducida.
r=

r . p . m polea motriz
r . p .m polea conducida

Ecuacin 1.4 Relacin de Reduccin.


Fuente: Norton Robert, Diseo de Mquinas)

La relacin de reduccin de r.p.m. para los molinos es de 25% - 35% de esta


manera el eje principal aumentara el troqu de trabajo.
1800 r . p . m0.7=1260r . p .m

Por lo tanto la relacin de reduccin de velocidad es:


29

r=

1800
=1.43
1260

30

Relacin de Transmisin de Poleas:


En las tablas de seleccin que proporciona el fabricante, correspondiente a la
seccin de banda determinada en el anexo (banda 3V), se escoge una combinacin de
poleas que ofrezca la relacin deseada y que tenga un dimetro aproximado
recomendado.
Dp
dp
Ecuacin 1.5 Relacin de Transmisin de Poleas.
Fuente: Norton Robert, Diseo de Mquinas)
Donde:
Dp: Dimetro mayor, polea conducida.
dp :

Dimetro menor, polea conductora.

Dimetro de Polea Conducida:


Dp
=1.428 d=3 pulg
dp

D p=1.4283 pulg=4.28 4.5 pulg

Distancia entre Centros de Polea.


La distancia entre centros de poleas debe ser elegida de forma tal que permita
colocar las
Poleas sin chocar (criterio

amin

) y que la distancia no sea excesivamente

grande ante las condiciones practicas (criterio

31

amax

).

amin a 0 a min amax


Ecuacin 1.6 Distancia entre centros de las Poleas.
Fuente: Norton Robert, Diseo de Mquinas)
Criterios de Distancia Mx. Y Min:
Distancia mnima entre centros
amin =0.7 (d + D)

Distancia mxima entre centros


amax =2( d+ D)
Ecuacin 4.7 Criterios de Distancia mxima y mnima entre centros de polea.
Fuente: Norton Robert, Diseo de Mquinas)

Por lo tanto:
Distancia Mnima entre Poleas:
amin =0.7 (d + D)=0.7 (76,2mm+ 114,3 mm)=133,35 mm

Distancia Mxima entre Poleas:


amax =2( d+ D)=0.7(76,2 mm+114,3 mm)=381 mm

Longitud de Banda de Transmisin.


Dd

L0 2 a0 +1.57 ( d+ D ) +
Ecuacin 1.7 Longitud de Banda de Transmisin.
Fuente: Norton Robert, Diseo de Mquinas)

32

Dnde:
a0 =300 mm

Distancia previa entre centros de polea

114.376.2

L0 2 a0 +1.57 ( 76.2+114.3 )+
L0 900,294 mm

33

amin a 0 amax

Segn la tabla de longitudes normalizadas para bandas 3V (anexo 4.4), se escoge la


Longitud Ln = 901,70mm (35,5pulg).
Angulo de Contacto de la Banda de Transmisin.
Con el objetivo de calcular el ngulo de contacto en una transmisin por correa
abierta y de dos poleas, puede ser empleada la siguiente frmula.
1=2 cos1

[ ]
Dd
2a 0

Ecuacin 1.8 Angulo de contacto de transmisin.


Fuente: Norton Robert, Diseo de Mquinas)

1=2 cos1

114.3 mm76.2 mm
=172.718 1800
2 300 mm

Nmero de Bandas.
El nmero de bandas necesarias esta en dependencia de la potencia til
admisible (N), potencia nominal transmitible por la correa (N1), coeficiente de ngulo

de contacto (

) coeficiente por correccin de la longitud (

cl

) y del factor de

seguridad (fs), por lo tanto el nmero de bandas es expresado por la siguiente ecuacin.
N 1 c c
Nf s
Z

Ecuacin 1.9 Nmero de Bandas para la Transmisin.


Fuente: Norton Robert, Diseo de Mquinas)

En el anexo se determinan los coeficientes de ngulo de contacto y correlacin


de longitud respectivamente, por lo tanto:

34

1.5 kw1.4
1.379
1.5 kw0.9851
Z 1.379 2 Bandas

35

DISEO DE LOS MARTILLOS DE MOLTURACIN


Los ejes porta martillos tambin denominados ejes secundarios, contienen a los
martillos de molido, cada martillo es distribuido de tal manera que no se golpeen entre
ellos, esto se logra por medio de separadores.
Los martillos son mviles, este sistema es utilizado ya que le otorga la capacidad
de transmitir toda la fuerza acumulada hacia el material a moler, adems le permite
golpear con cualquiera de sus partes, beneficiando al trabajo molturacin.
Ambos extremos de los ejes se roscan para fijarlos al sistema de trituracin, por
medio de dos discos de separacin que sujetan a los ejes secundarios.
La alfalfa un momento antes de la trituracin hace contacto con los martillos, en
ese preciso instante se procede a analizar qu ocurrir con la alfalfa al ser triturada.
Esto permite calcular la fuerza de trituracin, el tiempo de impacto de los
martillos contra los forrajes, la aceleracin del sistema, la velocidad angular, etc.

2.2.1.4 DISEO DEL ENFRIADOR


Los pellets que salen del proceso de peletizado poseen elevadas temperaturas
(debido a las altas presiones ejercidas por los rodillos sobre los dados de la matriz en el
proceso de extrusin), esto causa en los pellets un efecto de fragilidad tambin conocido
como friabilidad, por tal motivo se hace necesario un proceso de enfriado .
La transferencia paulatina de calor durante el proceso de enfriado aumenta
considerablemente la calidad del producto, disminuyendo la formacin, grietas y finos
garantizando un alto nivel de friabilidad del pellet que es sinnimo de calidad.

36

2.2.1.5 TRANSFERENCIA DE CALOR ENTRE LOS PELLETS Y EL AIRE


Cuando los pellets caen a la cmara de enfriamiento por gravedad son
atravesados por una corriente de aire forzado que provoca una transferencia de calor del
pellet al aire principalmente por conveccin (Fig. 4.81). Posteriormente mediante el
clculo del nmero de Biot se determinara si existe conduccin en el pellet.

Figura 01: Variacin de temperaturas en el pellet


Fuente: El Autor
Condiciones Inciales
Bsicamente en el proceso de transferencia de calor interviene las condiciones
inciales de entrada de los pellets y del aire proveniente del ventilador.
2.2.1.6 DISEO DEL SISTEMA DE PELETIZADO.
El fundamento terico del sistema del peletizado que bsicamente se refiere al
proceso de compactacin. En esta etapa del proyecto se disearan cada uno de los
componentes principales de la peletizadora, partiendo de la capacidad de alimentacin
de la alfalfa proveniente del sistema de cribado.

37

2.2.1.7 CONSIDERACIONES INICIALES


Segn la Norma CEN/TS 14691: Certificacin Europea para biocombustibles
slidos (Anexo2), fue seleccionado un pellet de dimetro 6 mm considerando que es el
menos propenso a desmenuzamiento a granel.
Las caractersticas del avellanado cnico de los agujeros de la matriz son
importantes, porque un avellanado cnico demasiado profundo puede transmitir un
efecto de pre compresin a la matriz, con riesgo de atascamiento y de bloqueo sobre
todo en las primeras horas de trabajo. El avellanado normalmente tiene una conicidad
de 55 - 60.
En base a la bibliografa de varios autores, se ha demostrado que para obtener
buenos registros de compactacin de pellets, las presiones oscilan entre 1100 y 2500
Kg/cm2 (188 Mpa 295 Mpa).
Partiendo del anlisis del esquema de tamizado se determin que el flujo msico
de alfalfa que ingresan al proceso de peletizado es:

2.2.1.8 CALCULO DEL PELLET


La longitud del pellet se determina en base a las especificaciones de la Norma
CEN/TS 14691.

38

Para pellet con = 6mm

Figura 02 Dimensiones del Pellet.


2.2.1.9 CALCULO DE LA MATRIZ
Velocidad del eje principal; El eje principal acoplado a la transmisin sin fin
corona transfiere la velocidad a los rodillos. Al estar en contacto los rodillos con la
matriz circular, estarn relacionados mediante su velocidad tangencial, a partir de sta
se puede determinar la velocidad de giro de la matriz reflejada como la velocidad del eje
principal para la compactacin.

Figura 03: Esquema de los rodillos de compresin y matriz principal.


Fuente: Autor: ARPI CALDERN).
39

2.2.1.10 SISTEMA DE TRANSMISIN


Las transmisiones sin fin- corona se emplean generalmente para transmitir potencias
pequeas y medianas, que no rebasan los 60 KW, adems en un pequeo espacio se
pueden obtener satisfactoriamente relaciones de velocidad comparativamente altas. Por
estas razones se ha elegido esta transmisin para dar movimiento al eje principal de la
mquina q a su vez se acopla con los rodillos de presin.
Los tornillos sinfn se fabrican, generalmente, de aceros al carbono de contenido medio
(Contenido de 0,40 a 0,50 % C) y de aceros de baja aleacin al Cr o Cr-Ni.
Dimensiones del diente de la corona.
Las dimensiones del diente se pueden calcular a partir del paso circunferencial
de la corona como sigue:

Figura 04 Dimensiones del diente de la Corona.


Fuente: El Autor: (ARPI CALDERN).

2.2.1.11 DISEO DEL EJE PRINCIPAL


Las fuerzas producidas por la transmisin, los rodillos originan torques en el eje
principal. En la figura 4.65 se observa un esquema general de los mecanismos de
transmisin de potencia y compactacin, a partir del cual se determinan las fuerzas y
torques que intervienen en el diseo del eje.

40

Figura 05 Mecanismos de transmisin de potencia y compactacin.


Fuente: ARPI CALDERN

2.2.2

OBTENCIN DE ENERGA ELCTRICA A TRAVS DE SISTEMAS


FOTOVOLTAICOS
El uso de un sistema fotovoltaico se convierte en una de las alternativas para

poder generar energa limpia, contribuyendo con el medio ambiente y que, bien
estructurada, posee tiempos cortos de recuperacin de la inversin. Estos, suscitan un
ingreso mayor para los pobladores y finalmente, el acceso a una fuente de energa
elctrica propia.
Las aplicaciones de un sistema fotovoltaico son variadas, desde el sector
agrcola hasta aplicaciones comerciales que pueden ser beneficiosas para cualquier
comunidad agrcola y rural, que se decida por tener un sistema fotovoltaico, acarreando
el ansiado desarrollo de estos pueblos.

41

Para la aplicacin a utilizar, que es energizar motores de mquinas peletizadoras


para conseguir pellets de pasto y forrajes, el uso de un sistema fotovoltaico no debera
ser la excepcin. Este sistema nos permitira cargar un arreglo de bateras para
almacenar la energa solar que se captura y transformarse en energa elctrica.
De hecho, se pueden apreciar ventajas en ciertos campos de aplicacin como:
Clima: al generarse la energa elctrica a partir de la luz del sol, no se produce
ningn tipo de polucin ni emisin de gases contaminantes que favorezcan el efecto
invernadero.
Geologa: Las celdas fotovoltaicas se fabrican con silicio, elemento obtenido de
la arena, muy abundante en la naturaleza y del que no se requieren cantidades
significativas.
Suelo: No se producen contaminantes, ni vertidos por lo que el suelo no sufre
daos por erosin.
Aguas superficiales y subterrneas: Al igual que en el punto anterior al no
producirse alteracin de los acuferos por contaminantes no existe ningn dao en las
aguas superficiales y subterrneas.
Flora y fauna, la repercusin sobre la vegetacin es nula, y, al eliminarse los
extensos tendidos elctricos, se evitan los posibles efectos perjudiciales para las aves.
Paisaje: Los paneles solares son fciles de ambientar en distintas estructuras lo
que logra una armona en cuanto a la esttica y a la vista.
Variables a favor de un sistema fotovoltaico

42

Las variables internas identificadas en las zonas rurales de la regin Puno; se


pueden enunciar, a continuacin:
2.2.2.1

INCIDENCIA SOLAR
El ndice de incidencia solar es un parmetro muy importante debido a que, a

partir de ste, se determinarn el mximo y mnimo de energa que se puede obtener por
da y si es suficiente, para hacer funcionar al motor que se elegir posteriormente. El
estudio ms profundo acerca de este tema hecho hasta ahora, es el realizado por la
NASA National Aeronautics and Space Administration por sus siglas en ingls o
Administracin Nacional de Aeronutica y Espacio. Con simplemente inscribirse en la
base de datos de la NASA, se puede acceder a sus estudios y observaciones realizados
durante un perodo de 22 aos (julio 1983- junio 2005) en la latitud - 15 y longitud 70
que se eligieron por ser las coordenadas de ubicacin a de la regin.
TABLA 02: INCIDENCIA SOLAR SEGN MESES
Mes

La radiacin solar diaria - horizontal


kWh / m 2 / d

Enero

5.60

Febrero

6.37

Marzo

7.17

Abril

7.42

Mayo

6.88

Junio

5.17

Julio

5.13

Agosto

5.39

Septiembre

5.82

Octubre

5.70

Noviembre

5.51

Diciembre

5.24

Anual

5.95

Fuente: NASA, ha pedido propio segn coordenadas de ubicacin

43

Considerando estos datos, se puede concluir que:


Se tiene un promedio de 5,95 KW-h por cada metro cuadrado durante un da de
incidencia solar, que resulta de hallar la media de la Incidencia Solar en una Superficie
Horizontal por Mes registrada en la tabla.
El mnimo de incidencia se produce entre los meses de junio y julio
presentando un ndice de 5,13KW-h al da y teniendo su mxima en abril con 7,42KWh, hallados a partir de la tabla.
De esta manera, se puede considerar perfectamente factible disear el sistema
para la comunidad siempre y cuando el nivel de energa requerido este por debajo del
promedio de 5,95KW-h por metro cuadrado.

2.2.3

DISEO DEL SISTEMA SOLAR PARA LA MQUINA PELETIZADORA


A travs de este captulo, se propondr el diseo de la solucin propuesta, se

evaluarn las proformas de diversas empresas que tengan las mquinas y equipos
necesarios, basndose en los requerimientos encontrados durante el estudio realizado.
2.2.3.1

DIMENSIONAMIENTO
Para dimensionar el diseo del sistema se necesita medir de una manera real las

necesidades de la poblacin. Por ello, se evalu mediante los reportes de IV Censo


Agrario de la Regin Puno.
Como se puede apreciar en el cuadro, lo que se desea como producto final es el
pellets de alfalfa, pero en la cantidad que las zonas rurales de la regin puno la
requieran que es de 12712 kilogramos diarios para la alimentacin total del ganado

44

vacuno. Por lo que lo ms adecuado sera el uso de un motor que proporcione entre 12 a
13 toneladas de pellets de alfalfa de esta manera, se tendra el total necesario para
cubrir la necesidad del ganado y el tiempo suficiente como para poder recargar las
bateras en ese lapso de tiempo que no se usa el motor.
2.2.3.2

MOTOR DE PELETIZADORA
El objetivo es captar energa solar para cargar bateras y alimentar motores de

peletizado que producirn el pellets de alfalfa que sirve para alimentar al ganado vacuno
en zonas rurales de la regin Puno.
Se debe cambiar la forma de obtener pellets de alfalfa a travs de peletizadoras
nuevas, ms eficientes y de menor tamao, adems, de ir en equilibrio con el medio
ambiente en donde se utilizarn.
2.2.3.3

ARREGLO DE BATERAS
Una batera se puede definir como un dispositivo que convierte energa qumica

en energa elctrica gracias a la accin de sus celdas internas. Las bateras ms comunes
son las de nquel-cadmio y las de plomo cido que presentan diversas concentraciones
de acuerdo a la aplicacin que se necesita. Para el caso especfico de carga a travs de
energa obtenida a partir de paneles solares se utilizan bateras de plomo cido de ciclos
profundos.
Estas se caracterizan por tener placas slidas de plomo, a diferencia de por
ejemplo, las bateras para arranque en donde sus placas son porosas. Esto permite que la
superficie sea menor por lo que ofrece una menor potencia instantnea.
Las bateras de plomo cido que se planean usar, cumplen con la siguiente
reaccin qumica:

45

FIGURA 06: Ecuacin qumica de las bateras de plomo cido.


En la descarga, se puede apreciar como el dixido de plomo y el plomo es
convertido en sulfato de plomo liberando 2 electrones. Por el contrario, en la carga, el
sulfato de plomo es convertido en dixido de plomo y en plomo, liberando oxgeno e
hidrgeno respectivamente.
Como se pudo apreciar, el peletizador elegido usa un motor de 24V DC que
necesita 3HP, que equivalen a 2 238W, para funcionar por ende, nuestro arreglo de
bateras debe proporcionarnos estas cantidades.
Adems, para el calcular la cantidad de corriente consumida por el motor del
peletizador es necesaria una simple divisin de los 2 238W entre los 24V de
alimentacin, resultando una corriente nominal de 93.25A y estimndole un mximo de
corriente en su pico de arranque de 140A, si se considera aproximadamente un 50%
ms que la corriente nominal.

2.2.3.4 TIPO DE BATERAS


2.2.3.4.1 CONCORDE SUN XTENDER PVX-2120L
Realizada por uno de los fabricantes lderes en bateras para aeronutica y
aplicaciones solares, la batera es Concorde Sun Xtender PVX-2120L para
aplicaciones de ciclo profundo provee 12 V y 136A-h.

46

Su precio es de US$499,00 (cuatrocientos noventa y nueve dlares americanos)


que equivalen aproximadamente a S/. 1 501,99 (mil quinientos un nuevos soles con
noventa y nueve cntimos) por cada batera.

FIGURA 07 Batera PVX-2120L


Fuente: www.isaveenergy.com consultado el 04/2009

Entre las principales caractersticas que la batera PVX-2120L (anexo # 7) ofrece


se tiene: un ratio de descarga propia de 1% aproximadamente por mes a una
temperatura de 25C; que est realizado con la mayora de piezas bajo el estndar DOT
HMR49 que indica que un material no es peligroso y; por ltimo, sus Electrolitos estn
recubiertos por AGM (Absorbed Glass Mat) que son separadores de vidrio micro
poroso.
2.2.3.4.2 ROLLS SURRETTE 12CS 11PS
Esta marca de bateras es reconocida por servir para energizar en su mayora
yates y embarcaciones. Cuenta tambin, con una lnea de bateras solares de ciclo
profundo donde la que ms se acomoda a nuestro planteamiento es el modelo 12CS
11PS que ofrece una capacidad de 121 A-h y otorga 12V. Como en capacidad

47

satisface nuestros requisitos, entonces, solo se debe formar el arreglo de bateras en


serie para que ofrezcan los 24V que estamos buscando.

FIGURA: 08 Batera Surrette 12CS 11PS


Fuente: www.wholesolar.com

El precio por esta batera es de US$ 1 020 (mil veinte dlares americanos) que
en nuestra moneda local seran S/. 3 098,20 (tres mil setenta nuevos soles con veinte
cntimos). Adems, ofrecen 10 aos de garanta y se aseguran ms de 2000 ciclos para
un 80% de descarga profunda.

2.2.3.4.3 UB-8D AGM


Este modelo de batera ofrece una capacidad de 110A-h y otorga 12V. Tiene una
masa de 167 libras y al igual que la opcin Concorde ofrece material hecho en AGM
(Absorbed Glass Mat) adems de cumplir con los estndares especificados en el ATA 60
de las Fuerzas Armadas Americanas [19], que es un estndar de aviacin que se refiere a
las prcticas comunes para hlices y rotores.

48

As como en las otras opciones, al ofrecer 12V se tendr que realizar un arreglo
de bateras dispuestas en serie y paralelo para alcanzar los 24V y 140A que se necesitan
para el sistema.

FIGURA: 09 Batera UB-8D AGM


Fuente: www.apexbattery.com

El precio estipulado para esta batera es de US$ 475,00 (cuatrocientos setenta y


cinco dlares americanos con noventa y cinco centavos) que seran unos S/. 1 429,75
(mil cuatrocientos veintinueve nuevos soles con setenta y cinco cntimos).

2.2.3.5 ELECCIN DE BATERAS


Por la alta cantidad de corriente que puede ofrecer por la gran especializacin
que una excelente marca como Concorde ha tenido para con las bateras para
aplicaciones solares; la eleccin apuntar a un arreglo de bateras de la marca Concorde
y modelo Sun Xtender PVX-2120L. Como se indic, el motor requiere una corriente

49

nominal de 93.25A y de 140A en su pico de corriente en el arranque, por lo que se


deber disponer un arreglo de la siguiente forma:
2 en serie para alcanzar los 24VDC que necesita como alimentacin el motor.
2 en paralelo al arreglo anterior para alcanzar y superar los 140A que alcanza la
corriente de arranque del motor; suplindolo con 272A-h (136A-h x 2).
El arreglo de bateras ser capaz de ofrecer unos 6 528W de potencia por hora
estando cargadas al 100% por lo que el sistema estara sobredimensionado en casi un
50%, ofreciendo la posibilidad de ampliar la cantidad de cargas a utilizar.
Las otras opciones de bateras disponibles fueron descartadas, en el caso de las
bateras Rolls Surrette, por su alto precio; por otra parte, en el caso de las bateras UB8D por necesitar de un arreglo de 3 bateras en paralelo para poder satisfacer las
exigencias de corriente del motor del peletizador.

2.2.3.6 CONTROLADOR DE CARGA


Los paneles solares nos brindan energa elctrica a partir de la energa que
captan del Sol; sin embargo, la posicin del Sol, el ngulo desde donde se capta la
energa, la intensidad de su brillo e incidencia con llevan a una variacin del voltaje a la
salida del arreglo de paneles. Cuando la incidencia es poca, como por ejemplo
Cuando pasa una nube, el voltaje llega a niveles de entre 7 a 8V; y cuando se
encuentra, por ejemplo, a medioda, llega a niveles de 20V ms o menos por panel (el
cul es un nivel de voltaje muy alto para nuestro requerimiento).

50

Debido a esto, es imperativo que se tenga una unidad que se encargue de regular
este voltaje y mantenga cargada la batera; cualquiera que sea la incidencia o las
circunstancias sobre los paneles, la salida hacia las bateras sea los 24V que hemos
diseado en el punto anterior. Adems, el controlador de carga debe ser capaz de cargar
el arreglo de bateras en un tiempo adecuado y as, poder energizar el peletizador
diariamente a su mxima potencia.

2.2.3.6.1 OUTBACK MPPT CHARGE CONTROLLER MX80


Bajo estos requerimientos, se busc en el mercado un controlador de carga que
cumpla con altos estndares lo que nos garantizar que funcione adecuadamente, como
el Outback MPPT Charge Controller MX80.
Este controlador de carga presenta voltajes variables entre 12, 24, 48 y 60V;
adems de soportar hasta 80A de corriente de corto circuito. Entre todas sus
caractersticas las ms importantes son: su regulacin DC/DC bajo el sistema
MPPT ( Maximum power point tracker) que es el aprovechamiento total de la
energa captada por los paneles solares variando la resistencia para maximizar la
potencia en el punto mximo de corriente y voltaje; el control de activacin del sistema
cuando se encuentra dentro del horario en donde el Sol alumbra, es decir desde las 5am
hasta las 7pm; y compensacin por temperatura opcional por RTS
Remote Temperature Sensor . Adems presenta un consumo muy bajo, llegando
a 1W-h por lo que en un da, el consumo de energa presentado por este dispositivo sera
de 24W lo que debera ser cubierto por la energa captada en el arreglo de paneles
solares, y que son manejables para el arreglo de bateras.

51

FIGURA: 10 Outback MPPT 80A


Fuente: www.siliconsolar.com
Por ltimo, el precio de este controlador de carga solar es de US$599,00 [20]
(quinientos noventa y nueve dlares americanos) que equivalen a S/. 1 802,99 (mil
ochocientos dos nuevos soles con noventa y nueve cntimos) en la empresa Solar Panel
Store con direccin www.solarpanelstore.com
2.2.3.6.2 XANTREX XW MPPT60-150
El controlador de carga Xantrex XW MPPT60-150 (ver anexo # 6) al igual que
la opcin expuesta anteriormente ofrece la tecnologa de carga MPPT que como se dijo
maximiza la potencia ofrecida por las celdas fotovoltaicas.
Es otro de los pocos controladores que nos ofrece hasta 60V de regulacin
variando por pasos de 12V, 24V y 48V; sin embargo, la capacidad de corriente que
soporta es de 60A lo que ocasionar que la carga sea un poco ms lenta comparando
con la opcin previa, pero que no es algo crtico al considerar la cantidad de uso que se
le dar al motor de peletizadora.

52

FIGURA: 11 Xantrex XW MPPT60-150


Fuente: www.wholesalesolar.com
2.2.3.7 ELECCIN DEL CONTROLADOR DE CARGA
A pesar que las dos opciones presentadas son muy buenas, ya que son regulables
en cuanto al voltaje y alcanzan los 24VDC que se necesitan y poseen toda una
tecnologa normada como respaldo, se elegir el controlador de carga Outback MPPT
Charge Controller MX80 porque soporta 20A ms de corriente que la otra opcin por
una variacin de precio de US$ 100, que no resulta excesiva. Adems, cumple con
estndares importantes como para darnos la suficiente seguridad, y tanto su tamao
como su potencia consumida (24W por da) son pequeos.
El controlador de carga elegido no requiere un software adicional, presenta uno
ya preinstalado de fcil operacin y programacin detalladas en la gua del usuario. se
observa el diagrama de conexiones del controlador donde destacan los bornes de
entrada para el arreglo de paneles fotovoltaicos (PV+, PV-; entradas positiva y negativa
respectivamente) y los bornes para las salidas hacia el arreglo de bateras (BAT+,

53

BAT-; correspondientes a las salidas positiva y negativa). Estos deben ser ajustados con
35 libras pulgada y soportan cables de hasta AWG # 2. Internamente, tanto la entrada
PV- como la salida BAT- estn cortocircuitadas, por lo que slo un cable es necesario
para ponerlos al nivel del potencial ms bajo; adems existe un borne adicional al cul
se le conectar esta referencia (el marcado con: conexin a GND) para poner al mismo
potencial el chasis del controlador.
Se aprecia tambin los agujeros para poder ajustar el controlador mediante
tornillos; adems, la salida auxiliar programable, que para esta aplicacin no se usar; y
la batera para el Sensor Remoto de Temperatura, RTS, por sus siglas en ingls.

2.2.3.8 ARREGLO DE PANELES SOLARES


Entre los paneles solares disponibles en el mercado existen dos clases para
elegir:
Mono cristalinas.- Formadas por un nico cristal de silicio.
Poli cristalinas.- Formadas a partir de diminutas partculas cristalizadas.
En todas sus presentaciones estas cuentan con 12V de salida y varan de acuerdo
a la potencia mxima que son capaces de proporcionar.
Sabiendo que se necesitarn 24V, se disear el arreglo de paneles solares
necesarios para poder captar la suficiente energa para encender la peletizadora
diariamente.

54

2.2.3.8.1 CLCULO DE LA CANTIDAD DE PANELES SOLARES


Con los datos detallados de incidencia solar en las coordenadas de la regin
Puno, donde el promedio ascenda a 5,95KW-h por metro cuadrado; se puede calcular la
cantidad de paneles solares necesarios con un rea de superficie idnea como para
captar toda la energa demandada por el peletizador. Como se muestra en la figura el
horario de incidencia solar sobre un arreglo tpico de paneles solares es desde las 08:00
hasta aproximadamente las 17:00 horas; sin embargo, se considerar la cantidad de
horas trabajadas por los pobladores (normalmente de 7 horas) y adems, se le restar 1
hora adicional para ajustar la grfica a la mnima cantidad de horas de irradiacin solar
posible, como sucede en invierno. Por lo que se considerarn 6 horas en donde el Sol
alumbra de manera continua.

FIGURA: 12 Curva de voltaje generado por el arreglo de paneles solares


Fuente: Manual de usuario del controlador de carga.
Cantidad de potencia que debe ser recolectada en una hora = 2238W / 6 horas =
373 W / h

55

El arreglo de paneles solares debe captar 373 W por hora como mnimo para que
al final del da se pueda emplear el peletizador de alfalfa.
2.2.3.8.2 PANEL SOLAR SHARP ND-123U1
Los paneles a utilizar tienen cada uno una potencia de 123W, es del tipo poli
cristalino y es posible pedirlo bajo el cdigo ND-123U1 en la direccin
www.isaveenergy.com Estos modelos de paneles desarrollados en investigaciones a
travs de 45 aos por Sharp presentan las caractersticas detalladas en la tabla 3.4 que
fue realizada basado en la informacin recogida desde la pgina distribuidora de estos
paneles que ofertan estos paneles a S/. 2 043,79 (Dos mil cuarenta y tres nuevos soles y
setenta y nueve cntimos).
Para obtener los 24V que necesitamos; se deben implementar 2 paneles
conectados en serie, los que nos brindar mayor voltaje. Adems, colocando una
cantidad de paneles en paralelo al arreglo que tenemos ya en serie; se podr aumentar la
capacidad de corriente otorgada por el arreglo de paneles; de esta manera, se obtendr
una mayor potencia.
Como se mencion, los paneles captan 123W como mximo y si se colocan 3 en
paralelo al mismo se obtendrn 738 W por cada hora, lo que nos permitir alcanzar los 3
754W que se desean en un tiempo aproximado de 5,09h.
Finalmente, se tendra listo el arreglo de 6 paneles, dispuestos de 3 ramas en
paralelo de 2 paneles en serie por cada rama, con diodos ultrarrpidos de proteccin
(se usar el RURG8060 de 80, a la salida de sus bornes, esto para evitar que existan
corrientes que entren en sentido contrario al normal flujo. Estos tienen un costo de S/.
17,40 en Fairchild Semiconductor

56

2.2.3.8.3 PANEL SOLAR Q-CELL HBM210-16498P


Estos son uno de los mejores paneles presentes en la pgina
www.todoenstock.com desarrollado por Q-cell captan una potencia de 210W por cada
panel, adems de una garanta por 5 aos y se afirma que a los 10 aos la produccin
bajar a 90% y en 25 aos a 80%. Una de las particularidades esenciales en este
modelo es que cuenta con certificaciones T V CLASII e IEC 61215 que denota la
calidad de diseo y aprobacin de tipo para mdulos fotovoltaicos de silicio cristalino
para aplicaciones terrestres. Este modelo finalmente se encuentra valorizado en S/. 2
197,61 (dos mil ciento noventa y siete nuevos soles con sesenta y un cntimos) y
cuenta con las siguientes especificaciones detalladas.
MODELO

HBM (210) 16498p

Potencia

210 W

Voc

35.6 V

Isc

8.06 A

Vmax sistema

1000 V

Peso

19 kg

Tipo de silicio

Poli cristalino

Dimensiones

1643x987x50 mm

TABLA: Caractersticas elctricas tpicas del panel solar HBM210-16498p


Fuente: www.todoenstock.com/prod_placas.html
Finalmente, realizando el clculo de la cantidad necesaria de paneles, como se
dijo en los puntos previos, se necesitan 2 paneles en serie para obtener los 24V y con los
210W que son capaces de captar, entonces tan solo colocando 2 en paralelo a los
anteriores se obtendr 840W (210W x 4); con lo que los 3 754W requeridos se
obtendrn en 4,47h como mnimo.
Al igual que en la opcin anterior se usaran diodos de proteccin RURG8060 de
80A.
57

2.2.3.9 ELECCIN DE PANELES SOLARES


La eleccin en este punto entre las dos opciones presentadas, se hace ms clara
luego del clculo hecho. La segunda opcin; es decir, el panel solar Q-cell HBM21016498p significa el balance ideal entre cantidad de potencia recolectada y tiempo
empleado, ya que con las 4,47 horas en las que captan la potencia requerida para el
funcionamiento del sistema, dan tiempo a los pobladores de poder picar el forraje dentro
de su jornada laboral ordinaria; convirtindose en la mejor alternativa. Tambin, no se
emplear mucho espacio para el arreglo de paneles solares, a diferencia de la primera
opcin en donde se usan 6 paneles, se usarn slo 4, captando incluso ms energa que
la primera opcin. Por ltimo presenta certificaciones internacionales que respaldan esta
opcin.
Como se mencion, se conectarn diodos ultrarrpidos de proteccin
RURG8060 a la salida de los bornes del arreglo de paneles, esto para evitar que
existan corrientes que entren en sentido contrario al normal flujo. No s utilizar rompe
circuitos (Circuit Breakers

) debido a que la intensidad de corriente mxima del panel

escogido es de 7,29A que en conjunto no superar los 80A que soporta el controlador
de carga.

58

2.2.4

ANLISIS DE VIABILIDAD ECONMICA DE LA ENERGA


CONVENCIONAL Y LA ENERGA FOTOVOLTAICA

2.2.4.1 FORMULACIN Y EVALUACIN


2.2.4.1.1 ANLISIS DE LA DEMANDA
El anlisis de la demanda tiene por objetivo cuantificar la demanda de potencia y
energa elctrica de las localidades ubicadas en el rea del proyecto, con periodo de 20
aos como horizonte de evaluacin del proyecto.
Para un anlisis de la demanda, primero se analiz la demanda de energa
elctrica de las zonas rurales:
Del cuadro deducimos que el pago por el servicio de energa elctrica en las
zonas rurales de la regin Puno esta alrededor de S/. 0.4682 nuevos soles/KWh.
En el cuadro se muestra el anlisis de la demanda para el horizonte de
evaluacin
2.2.4.1.2

ANLISIS DE LA OFERTA

ALTERNATIVA N 01
La Oferta de energa disponible en el rea de influencia del proyecto proviene del
Sistema Elctrico Interconectado Nacional (SEIN), la cual garantiza la disponibilidad de
energa y potencia, y la confiabilidad del sistema, posibilitando la implementacin del
proyecto.
ALTERNATIVA N 02
Considerando los niveles de radiacin solar en la zona del proyecto y el tamao
de los mdulos fotovoltaicos domiciliarios, la oferta mensual de energa por panel
abonado es de: 8.25KWh-mes y 210 Wp.

59

2.2.4.1.3 COSTOS EN LA SITUACIN "SIN PROYECTO"


Actualmente estas comunidades no cuentan con servicio elctrico al 100%.
Los costos en la situacin "sin proyecto" corresponden al consumo de fuentes
alternativas de energa.
En la situacin actual, los pobladores cubren sus necesidades de energa elctrica
a travs de las siguientes fuentes alternativas:
(a) Iluminacin

Velas

(b) Informacin (radio y televisin)

Bateras y pilas

(c) Refrigeracin o motores

---------------------

Para el presente anlisis, los costos en la situacin "sin proyecto" son cero.

2.2.4.1.4 COSTOS EN LA SITUACIN "CON PROYECTO"


ALTERNATIVA N 01.
Los costos del proyecto, se han determinado a precios privados) y a precios
sociales, para lo cual se han utilizado los factores de correccin correspondientes. Estos
costos estn dados por:
Los Costos de Operacin y Mantenimiento se han calculado como un porcentaje
de la inversin inicial. De acuerdo a los datos histricos de ELECTRO PUNO S.A.A,
este porcentaje es el 2% al 2.5%.
La energa para la Electrificacin rural se comprar en la Barra de la
Subestaciones, y la venta se efectuar en Baja Tensin para las localidades rurales del
proyecto. El pliego tarifario de compra y venta de energa utilizado es del Sistema Rural
- Sector Tpico III, de la Empresa Electro puno S.A.A. Ver pliego tarifario de compra y
venta de energa.
60

Se considera la inversin requerida para renovar los componentes cuya vida til
es menor a 20 aos.
Los Costos de Operacin y Mantenimiento estimados como porcentaje de la
inversin, se determin 1 % del total de la inversin durante todo el horizonte de
evaluacin.
Los costos de inversin de cada alternativa, se muestran a continuacin:
2.2.4.2 EVALUACIN
2.2.4.2.1 BENEFICIOS EN LA SITUACIN "SIN PROYECTO".
Actualmente las comunidades de la regin puno no cuentan con servicio
elctrico adecuado para el funcionamiento de motores elctricos.
2.2.4.2.2 BENEFICIOS EN LA SITUACIN "CON PROYECTO".
BENEFICIOS FINANCIEROS
ALTERNATIVA N 1.
Los beneficios financieros de la Ampliacin de Electrificacin Rural estn
determinados por el consumo de energa a la tarifa vigente en el sistema de distribucin.
ALTERNATIVA N 2.
A la fecha no existe ninguna normatividad, ni tarifas, respecto al uso de la
energa solar para el servicio elctrico. Para la evaluacin se considera una empresa
concesionaria que es propietaria y administra los mdulos fotovoltaicos.
Sin embargo, para determinar la rentabilidad financiera de las inversiones en
energa solar, la autoridad reguladora (OSINERG) debe determinar el pago mensual de

61

cada abonado, de manera que permita cubrir los costos de operacin y mantenimiento y
recuperar parte de la inversin.
Este pago mensual regulado por el servicio de paneles solares se compara con el
ahorro de costos de energas alternativas de los pobladores. En esta evaluacin se ha
considerado un pago mensual regulado de US$ 1.51 por abonado aproximadamente.
La evaluacin de los beneficios incremntales para la alternativa 1.
2.2.4.2.3 BENEFICIOS ECONMICOS Y SOCIALES.
La determinacin de los beneficios econmicos de la electrificacin rural, el cual
se formul en base a la Metodologa para la estimacin de los beneficios econmicos
presentada por NRECA.
Por medio de este proyecto se espera lograr incrementar el Coeficiente de
Ampliacin de Electrificacin a un valor muy prximo a la unidad.
2.2.4.2.4 EVALUACIN BENEFICIO/COSTO.
En base al flujo de costos y beneficios determinados a precios privados y precios
sociales para ambas alternativas se determin el VAN en cada caso.
2.2.4.2.5 ANLISIS DE SENSIBILIDAD.
Para el presente proyecto se han considerado como las principales variables
fuente de incertidumbre las siguientes:
La inversin inicial
El rango de variacin de esta variable, para la alternativa 1, ser de 10% a un
+10% de la inversin, debido a que los costos suelen subir debido a la escasez de los
materiales, y adems que, en esta alternativa, existe una mayor probabilidad de tener
imprevistos.

62

Se concluye que si la inversin de la alternativa 1 aumenta hasta un 10%, el


VAN a precios sociales de esta alternativa sigue superior.
La tarifa de venta de energa
El rango de variacin de esta variable, para el caso de la alternativa 1, ser de
10% a un +10% de la tarifa actual, debido a que el ingreso de nuevas fuentes de energa
como el gas natural, puede hacer que costo de la energa baje.
Por otro lado, la escasez de lluvias, puede hacer que las tarifas suban.
Se concluye que si la tarifa de ventas aumentara o disminuyera, siempre la
alternativa 1 ser mejor.
2.2.4.2.6 COSTOS DE OPERACIN Y MANTENIMIENTO
Se variar el % de operacin y mantenimiento entre los valores -10% y +10%, y
se verificar la variacin de la sostenibilidad y de los indicadores econmicos privados
y sociales.
PARA LA ALTERNATIVA 1:
En este caso se afirma tambin que si los costos de operacin y mantenimiento
considerados en la evaluacin aumentaran o disminuyeran, siempre la alternativa 1 ser
mejor.
2.2.4.2.7 ANLISIS DE SOSTENIBILIDAD (ALTERNATIVA ELEGIDA)
CAPACIDAD DE GESTIN
En la etapa de inversin los gobiernos locales buscaran completar el financiamiento
con aportes de la Regin Puno, aporte de materiales de la DEP - MEM y aportes de
entidades de cooperacin internacional, mientras que en la etapa de operacin, el
proyecto estar a cargo de la empresa Concesionaria ELECTRO PUNO S.A.A.

63

2.2.4.2.8 FINANCIAMIENTO DE LOS COSTOS DE OPERACIN Y


MANTENIMIENTO
Los costos operativos, se financian con los beneficios obtenidos por la venta de
energa a los beneficiarios del proyecto.
Se aprecia que el proyecto cubre tanto los costos de operacin y mantenimiento
como la compra de energa, con los ingresos provenientes por tarifas.
A este efecto se puede concluir que el Proyecto despus de cubrir los costos
podr obtener algunos ingresos que le permitan recuperar a muy largo plazo parte de su
inversin.
2.2.4.2.9 ANLISIS DE IMPACTO AMBIENTAL
El Estudio de Impacto Ambiental (EIA) tiene como objetivo la identificacin de
los impactos ambientales, tanto positivos como negativos, para prevenir con medidas de
control y seguimiento el deterioro del medio ambiente, en las fases de diseo,
construccin y operacin del proyecto bajo el concepto de desarrollo sostenible.
2.2.4.2.10 MARCO LEGAL
El estudio de impacto ambiental se enmarca en el contexto de la poltica
nacional ambiental.
La Constitucin Peruana en su artculo 67 seala que el estado determina la
poltica nacional del ambiente y promueve el uso sostenible de los recursos naturales,
por otro lado establece que toda persona tiene derecho a la paz, la tranquilidad, al
disfrute del tiempo libre y al descanso, as como de gozar un ambiente equilibrado y
adecuado al desarrollo de su vida.

64

Asimismo la ley de concesiones elctricas (D.L.N 25844), establece las normas


que regulan las actividades relacionadas con la energa elctrica y en su artculo 9 se
seala que el estado previene la conservacin del medio ambiente y del patrimonio
cultural de la nacin; as como el uso racional de los recursos naturales en el desarrollo
de las actividades relacionadas a la generacin, transmisin y distribucin de energa
elctrica.
a) Alcances
Los alcances del estudio sern los siguientes:
Descripcin de las caractersticas fsicas, biolgicas y socioeconmicas del rea
en donde se desarrolla el proyecto( zonas rurales de la regin puno)..
Identificacin de los Impactos Ambientales Potenciales, tanto positivos como
negativos.
Plan de Manejo Ambiental, Programa de Monitoreo y Plan de Contingencia.
Anlisis Costo Beneficio de los impactos positivos y negativos.
b) Metodologa
Se trabajaron las siguientes etapas:
Definicin del entorno del proyecto: En esta etapa se recopil la informacin
necesaria sobre el rea del proyecto, para comprender el funcionamiento del medio
ambiente.
Descripcin de Proyecto y determinacin de los Impactos Ambientales:
Descripcin de las actividades de la alternativa escogida para el proyecto, ya sea en sus
etapas de diseo, construccin y operacin, as como el anlisis de cmo estas
actividades afectan a los factores ambientales involucrados dentro de la zona de estudio.

65

2.3 GLOSARIO DE TRMINOS BSICOS.


2.3.1

LA ALFALFA
Es uno de los cultivos ms valiosos para la alimentacin del ganado, tanto en

pastoreo directo como en las distintas formas en que su forraje puede ser conservado. El
valor de la alfalfa radica en su alto potencial de produccin de materia seca, alta
concentracin de protena, alta digestibilidad y un elevado potencial de consumo
animal. A esto debe sumarse su alto contenido de vitaminas A, E y K o sus precursores,
y de la mayora de los minerales requeridos por el ganado productor de leche y carne, en
especial calcio, potasio, magnesio y fsforo (4, 5, 22, 109).
Estas caractersticas hacen que la alfalfa sea una de las especies preferidas para
producir forraje conservado de alta calidad, lo que permite transferir su produccin
entre pocas del ao y regiones ganaderas. El rol de los forrajes conservados en los
sistemas de produccin de carne y leche de la Argentina ha ido variando a travs del
tiempo. En el pasado, la produccin y almacenamiento de reservas forrajeras eran
considerados como un "seguro" contra emergencias que pudieran disminuir la
produccin de forraje, tales como perodos prolongados de sequa, de anegamiento o de
temperaturas extremas, y ataques de plagas y enfermedades. Por el contrario, en la
actualidad los forrajes conservados de alta calidad son considerados un componente
vital de la alimentacin animal para aumentar la produccin ganadera mediante el
incremento de la carga animal y la produccin individual.

66

2.3.2

EL PANEL FOTOVOLTAICO
Consiste en una asociacin de clulas, encapsulada en dos capas

de EVA (etileno-vinilo-acetato), entre una lmina frontal de vidrio y una capa posterior
de un polmero termoplstico (normalmente tedlar). Este conjunto es enmarcado en una
estructura de aluminio con el objetivo de aumentar la resistencia mecnica del conjunto
y facilitar el anclaje del mdulo a las estructuras de soporte.
Las clulas ms comnmente empleadas en los paneles fotovoltaicos son de
silicio, y se puede dividir en tres subcategoras:
2.3.2.1 LAS CLULAS DE SILICIO MONO CRISTALINO
Estn constituidas por un nico cristal de silicio, normalmente manufacturado
mediante el proceso Czochralski.Este tipo de clulas presenta un color azul oscuro
uniforme.
2.3.2.2 LAS CLULAS DE SILICIO POLI CRISTALINO (TAMBIN
LLAMADO MULTICRISTALINO)
Estn constituidas por un conjunto de cristales de silicio, lo que explica que su
rendimiento sea algo inferior al de las clulas mono cristalinas. Se caracterizan por un
color azul ms intenso.
2.3.2.3 LAS CLULAS DE SILICIO AMORFO.
Son menos eficientes que las clulas de silicio cristalino pero tambin menos
costoso. Este tipo de clulas es, por ejemplo, el que se emplea en aplicaciones solares
como relojes o calculadoras.

67

El parmetro estandarizado para clasificar la potencia de un panel fotovoltaico se


denomina potencia pico, y se corresponde con la potencia mxima que el mdulo puede
entregar bajo unas condiciones estandarizadas, que son:
Radiacin de 1000 W/m
Temperatura de clula de 25 C (no temperatura ambiente).
Los rendimientos tpicos de una clula fotovoltaica de silicio poli cristalino
oscilan entre el 14%-20%. Para clulas de silicio Mono cristalino, los valores oscilan en
el 15%-21%. Los ms altos se consiguen con los colectores solares trmicos a baja
temperatura (que puede alcanzar un 70% de rendimiento en la transferencia de energa
solar a trmica).
Los paneles solares fotovoltaicos no producen calor que se pueda reaprovechar
-aunque hay lneas de investigacin sobre paneles hbridos que permiten generar energa
elctrica y trmica simultneamente. Sin embargo, son muy apropiados para proyectos
de electrificacin rural en zonas que no cuentan con red elctrica, instalaciones sencillas
en azoteas y de autoconsumo fotovoltaico.
DEFINICIONES OPERATIVAS
Se analizarn los parmetros que se deben tener ms en cuenta para el diseo del
sistema fotovoltaico, dividindose estos, a su vez, en indicadores cuantitativos que se
refieren a los que son mesurables, e indicadores cualitativos, los cules van ligados a los
niveles de satisfaccin y aceptacin.

68

2.3.3

INDICADORES CUANTITATIVOS
Potencia elctrica.- Variable importante que definir que tanto consumir la

carga en el sistema fotovoltaico.


Voltaje DC.- Tipo de voltaje a utilizar para el motor, mientras ms alto sea su
valor, menor cantidad de corriente elctrica se utilizar.
Energa.- Representa a la cantidad de energa disponible por da para poder ser
utilizada en el sistema a disear.
2.3.4

INDICADORES CUALITATIVOS

Satisfaccin del usuario.- Medible a travs del cumplimiento de los requerimientos


en las zonas rurales de la regin Puno.
Inversin realizada.- El monto de dinero que costara el diseo, siempre tiene que
verse reducido al mnimo pero con la mayor calidad posible.
Seguridad.- Para el usuario del sistema, apoyado en la solidez que representan las
normas internacionales.

2.4 HIPTESIS DE LA INVESTIGACIN


Las hiptesis del estudio se presentan en dos niveles:
2.4.1

HIPTESIS GENERAL.
Es posible estudiar y disear un mquina peletizadora de alfalfa con el
aprovechamiento de energa solar, lo cual permitir un alimentacin
adecuada al ganado vacuno de la regin puno.

69

2.4.2

HIPTESIS ESPECFICO.
El estudio de la produccin de alfalfa para la alimentacin de
ganado vacuno en la regin Puno determinara la potencia
de la mquina peletizadora.
El mercado de mquinas peletizadoras de alfalfa para la
alimentacin de ganado vacuno en la regin Puno es
demasiado bajo.
Es posible disear una mquina peletizadora a partir de la
produccin de alfalfa en la regin Puno.
Es posible realizar el estudio de suministro de energa para
la mquina peletizadora de alfalfa a partir de la energa
solar en la regin Puno.
Los resultados tcnicos y econmicos del estudio y diseo
de la mquina peletizadora de alfalfa con aprovechamiento
de energa solar en la regin Puno son los aptos para el
estudio y diseo de la mquina peletizadora de alfalfa.

70

CAPITULO III

DISEO METDOLOGICO DE LA
INVESTIGACIN.

3.1 TIPO Y DISEO DE LA INVESTIGACION


3.1.1 APLICACIN DE MODELOS LOGIT PARA ESTIMAR LA ADOPCIN
DE TECNOLOGA A TRAVS DEL MTODO DE VALORACIN
CONTINGENTE.
Estimar, utilizando el Mtodo de Valoracin Contingente (MVC) la adopcin de
tecnologa de los habitantes de las zonas rurales (mquina peletizadora de alfalfa) por
mejorar la alimentacin del ganado vacuno.
3.1.1.1 INFORMACIN UTILIZADA

Datos del censo Agropecuario.


Identificar el valor que tiene para las personas poder disfrutar de una mquina
peletizadora de alfalfa para mejorar la produccin de ganado vacuno. Por medio de
preguntas binaria SI/NO, se supone la adopcin de tecnologa para tres niveles de
beneficio que generara la adopcin de tecnologa (mquina peletizadora de alfalfa para
mejorar la produccin de ganado vacuno).
Una primera adopcin de tecnologa para mejorar la produccin de ganado
vacuno (mquina peletizadora con motor disel). Este ser el nivel de calidad A.
Una segunda adopcin de tecnologa para mejorar la produccin de ganado
vacuno (mquina peletizadora con sistema convencional). Este ser el nivel de calidad
B.

71

Una tercera adopcin de tecnologa para mejorar la produccin de ganado


vacuno (mquina peletizadora con sistema fotovoltaico). Este ser el tercer nivel de
calidad C.
Los modelos que se plantean son las siguientes:
Modelo de la calidad ambiental A

( X 7) 1

X 6 X 13 X 2 X 15
2

Modelo de la calidad ambiental B

( X 9) 1

X 8 X 13 X 2 X 15
2

Modelo de la calidad ambiental C

( X 11) 1

X 10 X 13 X 2 X 15
2

Dnde:
X7: Variable dependiente binaria, que representa la probabilidad de
responder SI(1) a la pregunta de ADOPTAR TECNOLOGA por el
nivel de calidad ambiental A., o NO ADOPTAR TECNOLOGA (0).

X9: variable dependiente binaria, que representa la probabilidad de


responder Si (1) a la pregunta de ADOPTAR TECNOLOGA por el
nivel de calidad B, o NO ADOPTAR TECNOLOGA (0).

X11: variable dependiente binaria, que representa la probabilidad de


responder Si (1) a la pregunta de ADOPTAR TECNOLOGA por el
nivel de calidad C, o NO ADOPTAR TECNOLOGA (0).

X13: Variable independiente continua que representa el ingreso familiar


mensual en soles.

72

X2: Variable binaria que toma el valor de 1 si existe deficiencia en la


tecnologa usada y 0 si existe tecnologa adecuada.

X15: Variable independiente binaria que representa el nivel de educacin del


entrevistado, si es universitario o mayor 1, y 0 si tiene un nivel de
educacin inferior al universitario.

X6: Variable independiente contina que representa adoptar tecnologa por


acceder a los beneficios del nivel de calidad ambiental A.

X8: Variable independiente contina que representa adoptar tecnologa por


acceder a los beneficios del nivel de calidad ambiental B.

X10: Variable independiente continua que representa adoptar tecnologa por


acceder a los beneficios del nivel de calidad ambiental C.

3.2 POBLACION Y MUESTRA DE INVESTIGACION


El Departamento de Puno ubicado en la regin altiplnica, parte noroeste del
lago Titicaca, abarca una superficie de 71,999 km2 (5.6% del territorio nacional), de la
cual 5,011 km2 corresponde a la parte peruana de la superficie del Lago Titicaca. Posee
una poblacin de 1268,441 habitantes (19 habitantes por km2).
Poltica y administrativamente, Puno comprende 13 provincias y 109 distritos,
de los cuales las tres provincias con ms de 100 mil habitantes son Puno, San Romn y
Azngaro, que representan el 47.1% de la poblacin total departamental.

73

El ecosistema regional del Altiplano de Puno, se caracteriza por una amplia


biodiversidad y variabilidad biolgica, en el que se distinguen dos zonas
agroecolgicas, la zona circunlacustre y Suni. La zona circunlacustre es muy poblada,
por la enorme masa de agua del Lago Titicaca que amortigua las bajas de temperaturas
que son frecuentes en el altiplano, cuya altitud oscila entre 3,800 y 3,950 m.s.n.m; sin
embargo este medio ha permitido adaptar cultivos y crianzas de especies nativas
resistentes, que se conoce con el nombre de la agricultura alto andina. Mientras la
zona Suni que forma parte de la cordillera occidental de los Andes, se encuentra en una
altitud entre 3,900 y 4,600 m.s.n.m, por lo mismo este espacio recibe poca influencia
del lago Titicaca. En esta regin, por la intensidad de sequas, granizadas, heladas y falta
de humedad, el clima se comporta de modo adverso afectando negativamente a la
actividad agrcola; la ganadera, en cierta medida es la que tiene mayor viabilidad por la
existencia de praderas naturales y fuentes de agua que presenta este ecosistema.

3.3 RECURSOS NATURALES


De la superficie total de 4,384,905 hectreas, sin considerar el rea del Lago
Titicaca que le corresponde al Per, el departamento de Puno presenta un rea de 3
485,811 hectreas de tierras cubiertas de pastos naturales, los que en su mayor parte
son factibles de instalar pastos cultivados tanto en secano como bajo riego, superficie
que se estima con posibilidades de instalar pasturas hasta en un 30% que representara
ms de 1045,700 hectreas aproximadamente, que en el futuro le dara un potencial
ganadero por excelencia, que le posibilitara incrementar la produccin y productividad
de leche, carne y lana en la regin, situacin que le permitira ponerse a la vanguardia
ganadera del pas, siempre y cuando se le d el impulso y apoyo financiero, tcnico y

74

logstico, con la participacin del Gobierno Regional, y las entidades Pblicas del
estado involucrados en el desarrollo agropecuaria de la regin.

3.4 PRODUCCIN AGRCOLA


El Departamento de Puno cuenta con 332,630 hectreas de tierras aptas para
cultivos que representa el 5.7% de la superficie total (anillo circunlacustre); adems
existen 3485,810.68 hectreas de pastos naturales (51%); 1885,810 hectreas son
bosques (28%) y 1030,390 son eriazos (15.3%).
La produccin agrcola es de carcter estacionario, supeditada a las
precipitaciones pluviales y comportamiento del clima. Las familias en el rea rural
(comunidades campesinas) por lo general, destinan su produccin para autoconsumo
familiar y muy poco para venta en el mercado local, debido a la poca extensin que
poseen las unidades familiares (alta presin sobre las tierras de cultivo / minifundio) y
afectado por los efectos climticos adversos.
3.4.1

Pasturas naturales y forrajes


Los 3485,810.68 hectreas de pastos naturales existentes en Puno, sirven para la

alimentacin de 624,977 vacunos, 3922,301 ovinos, 2034,309 alpacas, 441,357 llamas


y un nmero menor de equinos. Dicha alimentacin es complementada con pastos
cultivados de alfalfa (40,000 hectreas) y otros forrajes cultivados (5,000 hectreas) al
ao 2007.
Los pastos naturales constituye el insumo principal de la alimentacin ganadera
de Puno que comprende pastizales de 1ra (15%), 2da (31.4%), 3ra (25.3%) y 4ta clase
(28.1%) lo que proporciona 1,537133,236 Kg de materia seca consumible, con un
75

aporte promedio de 5% de protena total por ao que alimenta a 79,98% de la poblacin


ganadera de la regin.
Pero tambin existen forrajes de avena, cebada y pastos cultivados (asociacin
alfalfa y dactylis) que constituyen un aporte significativo en protenas, para la
alimentacin del ganado vacuno.
3.4.2

Explotacin ganadera vacuna en las comunidades de la regin


El ganado vacuno constituye una estrategia de sobrevivencia importante de la

economa campesina. El sistema de crianza de vacunos criollos, es de tipo extensivo en


unidades familiares (88% de explotacin ganadera de Puno), utilizando pastos naturales,
complementado con forrajes de avena, cebada y rastrojos de cosechas agrcolas; adems
es complementado con pastos cultivados a base de la asociacin alfalfa dactylis.
Respecto al manejo, sanidad y mejoramiento ganadero an hay que mejorar, por ello los
ndices de productividad agropecuaria son bajos con comparacin con otras regiones.
En trminos de productividad (Rendimientos unitarios x vaca), la provincia de
Melgar alcanza un promedio diario de 3.85 kilos/vaca-da, que le permite elevar su
produccin total a 47,238 kilos/da, que lo ubica en la provincia de mayor produccin
de leche, seguido de Azngaro con un promedio 2.12 kilos/vaca-da, seguido por la
provincia de Puno con un promedio de 1.33 kilos/vaca-da.
La produccin de leche vacuna es una de las principales actividades econmicas
de los pequeos productores, situacin que se puede comprobar por el crecimiento
sostenido y constante de la produccin de leche, a partir del ao 2,000 con un
crecimiento de 24% anual llegando al ao 2,005 al 123.94 % de crecimiento acumulado.

76

CAPITULO IV

ANLISIS E INTERPRETACION DE
RESULTADOS DE LA INVESTIGACION

4.1 MODELOS DE CALIDAD AMBIENTAL A


ANLISIS ESTADSTICO (RELEVANCIA, DEPENDENCIA Y AJUSTE)
PRUEBA DE RELEVANCIA
| Prob [ChiSqd > valu] =

0.0000000

ES ALTAMENTE SIGNIFICATIVO

Entonces se concluye que es significativo al 1% con un nivel de confianza del 99%


Para la variable x6
Es significativa al 1%.

Para la variable x13.


Es significativa al 1%.

Para la variable x2.


No es significativa.

Para la variable x15.


No es significativa.

Entonces se concluye que en el modelo logit hay dos variables que son
significativas individualmente y dos que no son significativa.

PRUEBA DE LA DEPENDENCIA. (Prueba de significancia global o conjunta.)

77

Lr = -2(lnlr - lnl) remplazando en la formula obtenemos:


Lr=-2((-221.9310 - (- 169.4371))
chi squared

104.9878

degrees of freedom

Como el chi squared =104.9878 mayor al chi squared con 4 grados de libertad
(de tablas) con un nivel de significancia del 99%.
Se concluye que hay dependencia global del modelo o son globalmente
significativos.

AJUSTE DE MODELO
Pseudo r-squared =0.23653

y se encuentra en el rango de 0 y 1.

Comprende (0.20 0.40) equivalente al r^2 convencional (0.70 0.90)


Por lo tanto el ajuste es muy bueno al ms de 70%.

Porcentaje de prediccin
Correct prediction = 74.118%.
La variable x2 es altamente sensible por lo que tiene el mayor efecto marginal
lo que significa que debo adoptar la tecnologa necesaria para mejorar la produccin de
ganado vacuno.

78

4.2 MODELOS DE CALIDAD AMBIENTAL B


Anlisis estadstico (relevancia, dependencia y ajuste)
PRUEBA DE RELEVANCIA
| prob [chisqd > valu] =

0.0000000

es altamente significativo

Entonces se concluye que es significativo al 1% con un nivel de confianza del 99%


Para la variable x8
Es significativa al 1%.

Para la variable x13.


Es significativa al 1%.

Para la variable x2.


No es significativa.

Para la variable x15.


Es significativa al 1%.

Entonces se concluye que en el modelo logit hay 3 variables que son


significativas individualmente y 1 que no son significativa.
PRUEBA DE LA DEPENDENCIA. (Prueba de significancia global o conjunta.)
Lr = -2(lnlr - lnl) remplazando en la formula obtenemos:
| Chi squared
Degrees of freedom

92.00479
4

79

Como el chi squared =92.00479

mayor al chi squared con 4 grados de

libertad (de tablas) con un nivel de significancia del 99%.


Se concluye que hay dependencia global del modelo o son globalmente
significativos.
Ajuste de modelo
Pseudo r-squared =0.21081 y se encuentra en el rango de 0 y 1.
Comprende (0.20 0.40) equivalente al r^2 convencional (0.70 0.90)
Por lo tanto el ajuste es muy bueno al ms de 70%.
Porcentaje de prediccin
Correct prediction = 74.412%.
Anlisis estadstico (relevancia, dependencia y ajuste)
PRUEBA DE RELEVANCIA
| Prob [chisqd > valu] =

0.0000000

es altamente significativo

Entonces se concluye que es significativo al 1% con un nivel de confianza del 99%


Para la variable x8
Es significativa al 1%.

Para la variable x13.


Es significativa al 1%.

Para la variable x2.


No es significativa.

80

Para la variable x15.


Es significativa al 1%.
Entonces se concluye que en el modelo logit hay 3 variables que son significativas
individualmente y 1 que no son significativa.

PRUEBA DE LA DEPENDENCIA. (Prueba de significancia global o conjunta.)


Lr = -2(lnlr - lnl) remplazando en la formula obtenemos:
| Chi squared

92.00479

Degrees of freedom
Como el chi squared =92.00479

4
mayor al chi squared con 4 grados de libertad (de

tablas) con un nivel de significancia del 99%.


Se concluye que hay dependencia global del modelo o son globalmente significativos.
AJUSTE DE MODELO
Pseudo r-squared =0.21081 y se encuentra en el rango de 0 y 1.
Comprende (0.20 0.40) equivalente al r^2 convencional (0.70 0.90)
Por lo tanto el ajuste es muy bueno al ms de 70%.
PORCENTAJE DE PREDICCIN
Correct prediction = 74.412%.
La variable x2 es altamente sensible por lo que tiene el mayor efecto marginal
lo que significa que debo buscar la tecnologa necesaria para mejorar la produccin de
ganado vacuno.

81

4.3 MODELOS DE CALIDAD AMBIENTAL C


Anlisis estadstico (relevancia, dependencia y ajuste)
PRUEBA DE RELEVANCIA
| Prob [chisqd > valu] =

0.0000000

es altamente significativo

Entonces se concluye que es significativo al 1% con un nivel de confianza del 99%


Para la variable x10
Es significativa al 1%.

Para la variable x13.


Es significativa al 1%.

Para la variable x2.


Es significativa al 5%.

Para la variable x15.


No es significativa.
Entonces se concluye que en el modelo logit hay 3 variables que son
significativas individualmente y 1 que no son significativa.
PRUEBA DE LA DEPENDENCIA. (Prueba de significancia global o conjunta.)
Lr = -2(lnlr - lnl) remplazando en la formula obtenemos:
Chi squared
Degrees of freedom

44.32037
4

Como el chi squared = 44.32037 menor al chi squared con 4 grados de


libertad (de tablas) con un nivel de significancia del 99%.
Se concluye que no hay dependencia global del modelo.

82

AJUSTE DE MODELO.
Pseudo r-squared =0.10251

no se encuentra en el rango de 0 y 1.

Comprende (0.20 0.40) equivalente al r^2 convencional (0.70 0.90)


Por lo tanto el ajuste es no es bueno porque es menos del 70%.
Porcentaje de prediccin
Correct prediction = 73.529%
La variable x2 es altamente sensible por lo que tiene el mayor efecto marginal
lo que significa que debo buscar la tecnologa necesaria para mejorar la produccin de
ganado vacuno

83

CONCLUSIONES.
La produccin y almacenamiento de reservas forrajeras de alfalfa eran
considerados como un "seguro" contra emergencias que pudieran disminuir la
produccin de forraje El estudio de la produccin de alfalfa para la alimentacin de
ganado vacuno en la regin Puno determino la potencia de la mquina peletizadora de
alfalfa, la potencia necesaria para el motor del peletizador es de 3HP.
Segn el mercado de mquinas peletizadoras de alfalfa es muy bajo debido a la
falta de inters de los profesionales.
Se determin que una forma eficaz y eficiente el diseo de mquinas
peletizadoras sean por rodillos incrementando la produccin de ganado vacuno en la
regin.
Se debe de seleccionar un motor de 3 HP, con esta potencia se garantiza que la
inercia del sistema se puede mover y a la vez realizar la peletizacion de la alfalfa con un
flujo msico de 2tn/h.
Como se pudo apreciar, el peletizador elegido usa un motor de 24V DC que
necesita 3HP, que equivalen a 2 238W, para funcionar; por ende nuestro arreglo de
bateras proporciona la cantidad necesaria.
Adems, para el calcular la cantidad de corriente consumida por el motor del
peletizador es necesaria una simple divisin de los 2 238W entre los 24V de
alimentacin, resultando una corriente nominal de 93.25A y estimndole un mximo de
corriente en su pico de arranque de 140A, si se considera aproximadamente un 50%
ms que la corriente nominal.

84

El VAN y la TIR a precios privados indican que el proyecto no permitir


recuperar buena parte de las inversiones en el largo plazo debido a la poca demanda
existente, por lo que el proyecto desde el punto de vista privado no es rentable y
requerir la participacin del Estado (subsidio) para que se haga econmicamente
viable. El proyecto se hace socialmente rentable debido a que este es de inters social,
en el que el mayor beneficio se obtiene por la posibilidad de generacin de desarrollo de
las localidades a las que se desea suministrar la energa elctrica. De la evaluacin
econmica realizada, se concluye que la alternativa N 1 es la ms conveniente, tanto en
la evaluacin privada como en la social.
Del anlisis de sensibilidad, se tiene que, la alternativa N 1, siempre ser la
alternativa ms conveniente.

85

RECOMENDACIONES.
El Presupuesto insuficiente; Es el mayor limitante, evita que se pueda desarrollar
un sistema que pueda captar mucha energa dado que el precio por kilovatio hora
captado es alto. Se podra recurrir al apoyo de empresas privadas.
La falta de informacin; Los pobladores no cuentan con el acceso a informacin
acerca de tecnologas de peletizado de alfalfa que presenten sustentabilidad y que
satisfaga sus requerimientos, por lo que se recomienda hacer talleres de informacin
sobre este tipo de tecnologas.
Se recomienda analizar a mayor profundidad el rendimiento y la eficiencia de la
transformacin de la energa solar en energa elctrica a travs de un sistema
fotovoltaico para el uso de motores elctricos en la produccin de pellets de alfalfa.

86

BIBLIOGRAFA
ARPI - CALDERN (2010) Diseo De Una Mquina Pelletizadora En Base A La
Disponibilidad De Residuos Madereros De La Ciudad De Cuenca Para Su
Aprovechamiento Energtico.

NSTOR JOS LAZO FLORES (2009) Diseo De Un Sistema Con Paneles


Solares Para Cargar Bateras Y Energizar Motores De Picadoras En Una
Comunidad Agrcola.

SANGOLQU, NOVIEMBRE (2013) Diseo Y Simulacin De Una Prensa


Granuladora De Madera Automatizada De Hasta 200 Kg/Hr Para La Empresa
Reciclajes Mys S.A.

INSTITUTO DE ESTADSTICA E INFORMTICA (INEI). Informacin sobre


poblacin y datos generales de la regin.

Ministerio de Economa y Finanzas - Direccin de Programacin Multianual.


Contenidos Mnimos de los Estudios de Pre inversin. Nivel de Perfil.

Senamhi Atlas Solar

87

Bases Para El Diseo De Lneas Y Redes Secundarias Con Conductores Auto


portantes Para Electrificacin Rural Rd031-2003-EM-DGE.

Metodologa Para Evaluar La Factibilidad De Una Planta De Generacin Con


Energas Renovables - Ionervy Gedler Rivero.

Luis

Felipe Miranda

Espinosa

(INVESTIGACIN EN

INGENIERA)

METODOLOGA DE LA INVESTIGACIN (Roberto Hernndez - Sampieri,


Carlos Hernndez Collado, Pilar Baptista Lucio).

Instituto de estadstica e Informtica (INEI), Informacin sobre Poblacin y datos


generales de Puno y Provincias, Proyecciones de poblacin de 2005-2011.

Informacin de la Empresa Distribuidora venta y facturacin de energa elctrica a


clientes regulados. ELECTRO PUNO S.A.A.- Sistema Elctrico de Puno Sector
Tpico 3

Plan Estratgico de la Municipalidad Distrital de Pucara, Capitulo- Proyectos


priorizados.

88

Ministerio de Economa y finanzas Direccin de Programacin Multianual.


Contenidos mnimo de los estudios de pre inversin, nivel de perfil.

Direccin Regional de energa y Minas Puno, Unidad de Electricidad.

NRECA Internacional, Ltda.- SETA. Estrategia Integral de Electrificacin Rural.


Lima, Per 1999.

PNUD-Per. Informe sobre el Desarrollo Humano Aprovechando las


Potencialidades. Lima, 2002

DIRECCIONES WEB
OSINERG
a. www.cte.org.pe
Instituto Nacional Estadstica e Informtica
b. www.inei.gob.pe
Ministerio de Energa y Minas

89

ANEXOS
5.1 TABLA 1.1 Factor de Servicio Tpicos.
Factor de Servicio Tpicos para Motores Elctricos segn su Aplicacin.

http//:electoolbox.com

90

5.2

TABLA 1.2 Seccin de la Banda de Transmisin.


Seleccin de la seccin ms adecuada de la banda de transmisin segn la

potencia del motor.

http//:electoolbox.com

5.3 TABLA 1.3 Dimetro mnimo recomendado para poleas


montadas en motores.
El dimetro de la polea se escoge en base a las rpm del motor.

http//: el prisma.com

5.4 TABLA 1.4 Longitud estandarizada para bandas estndar.

91

http//: el prisma.com

5.5

TABLA 1.5 Angulo de contacto entre la polea y la banda.


Coeficiente de ngulo de contacto y correlacin de longitud.
Coeficiente por correccin de la longitud (cL)

http//:elprisma.com

http//: el prisma.com

92

5.6 TABLA 1.6 Seleccin del Rodamiento.


Seleccin del rodamiento de acuerdo al dimetro del eje principal y de las cargas
que va a soportar.

93

5.7

Tabla 1.7 Seleccin De Rodamientos Del Sistema De Desbalance

94

5.8 TABLA 1.8 DIAGRAMA PSICOMTRICO DEL AIRE


HMEDO

95

5.9

TABLA 1.9 SELECCIN DE RODAMIENTO RGIDO DE


BOLAS PARA LA PARTE SUPERIOR DEL EJE PRINCIPAL.

96

5.10 TABLA 1.10 SELECCIN DE RODAMIENTO DE


RODILLOS CNICOS PARA EL RODILLO DE
COMPACTACIN.

97

5.11 APLICACIN DEL MTODO DE VALORACIN


CONTINGENTE
APLICACIN DE MODELOS LOGIT PARA ESTIMAR LA ADOPCIN DE
TECNOLOGA A TRAVS DEL MTODO DE VALORACIN CONTINGENTE.
Estimar, utilizando el Mtodo de Valoracin Contingente (MVC) la adopcin de
tecnologa de los habitantes de las zonas rurales (mquina peletizadora de alfalfa) por
mejorar la alimentacin del ganado vacuno.

INFORMACIN UTILIZADA
Datos del censo Agropecuario.
Identificar el valor que tiene para las personas poder disfrutar de una mquina
peletizadora de alfalfa para mejorar la produccin de ganado vacuno. Por medio de
preguntas binaria SI/NO, se supone la adopcin de tecnologa para tres niveles de
beneficio que generara la adopcin de tecnologa (mquina peletizadora de alfalfa para
mejorar la produccin de ganado vacuno.
1. Una primera adopcin de tecnologa para mejorar la produccin de ganado
vacuno (mquina peletizadora con motor disel). Este ser el nivel de
calidad A.
Una segunda adopcin de tecnologa para mejorar la produccin de ganado
vacuno (mquina peletizadora con sistema convencional). Este ser el nivel de
calidad B.

98

Una tercera adopcin de tecnologa para mejorar la produccin de ganado


vacuno (mquina peletizadora con sistema fotovoltaico. Este ser el tercer nivel
de calidad C.

Los modelos que se plantean son las siguientes:


Modelo de la calidad ambiental A

( X 7) 1

X 6 X 13 X 2 X 15
2

Modelo de la calidad ambiental B

( X 9) 1

X 8 X 13 X 2 X 15
2

Modelo de la calidad ambiental C

( X 11) 1

X 10 X 13 X 2 X 15
2

Dnde:
X7: Variable dependiente binaria, que representa la probabilidad de responder
SI(1) a la pregunta de ADOPTAR TECNOLOGA por el nivel de calidad
ambiental A., o NO ADOPTAR TECNOLOGA (0).

X9: variable dependiente binaria, que representa la probabilidad de responder Si


(1) a la pregunta de ADOPTAR TECNOLOGA por el nivel de calidad B, o
NO ADOPTAR TECNOLOGA (0).

X11: variable dependiente binaria, que representa la probabilidad de responder


Si (1) a la pregunta de ADOPTAR TECNOLOGA por el nivel de calidad C,
o NO ADOPTAR TECNOLOGA (0).
99

X13: Variable independiente continua que representa el ingreso familiar


mensual en soles.

X2: Variable binaria que toma el valor de 1 si existe deficiencia en la tecnologa


usada y 0 si existe tecnologa adecuada.

X15: Variable independiente binaria que representa el nivel de educacin del


entrevistado, si es universitario o mayor 1, y 0 si tiene un nivel de educacin
inferior al universitario.

X6: Variable independiente continua que representa adoptar tecnologa por


acceder a los beneficios del nivel de calidad ambiental A.

X8: Variable independiente continua que representa adoptar tecnologa por


acceder a los beneficios del nivel de calidad ambiental B.

X10: Variable independiente continua que representa adoptar tecnologa por


acceder a los beneficios del nivel de calidad ambiental C.

5.12 MODELOS DE CALIDAD AMBIENTAL A


5.12.1 Ilustrar las estadsticas descriptivas de las variables utilizadas en los
modelos a estimar.
--> DSTAT;Rhs=X7,X6,X13,X2,X15$
Descriptive Statistics
All results based on nonmissing observations.

100

==============================================================
=================
Variable

Mean

Std.Dev.

Mnimum

Maximum

Cases

==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------X7

.358823529

.480362232

.000000000

1.00000000

340

X6

5589.70588

2593.11203

1000.00000

10000.0000

340

X13

520.588235

290.538521

100.000000

1100.00000

340

X2

.976470588

.151801033

.000000000

1.00000000

340

X15

.391176471

.488733024

.000000000

1.00000000

340

5.12.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los
efectos marginales.
--> LOGIT;Lhs=X7;Rhs=ONE,X6,X13,X2,X15;Margin$
Normal exit from iterations. Exit status=0.

+---------------------------------------------+
| Multinomial Logit Model

| Maximum Likelihood Estimates

| Model estimated: Nov 29, 2011 at 06:08:06PM.|


| Dependent variable

X7

| Weighting variable

None

| Number of observations
| Iterations completed

|
|

340
6

|
101

| Log likelihood function

-169.4371

| Restricted log likelihood

-221.9310

| Chi squared

104.9878

| Degrees of freedom

| Prob[ChiSqd > value] =

.0000000

| Hosmer-Lemeshow chi-squared = 11.73587


| P-value= .16338 with deg.fr. =

+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X6

-.71871053
-.00044905

1.17956214

.596284D-04

-.609 .5423
-7.531 .0000

5589.70588

X13

.00204503

.00051597

3.963 .0001

520.588235

X2

1.25420577

1.14784626

1.093 .2745

.97647059

X15

.35139564

.29162510

1.205 .2282

.39117647

Matrix: LastOutp
[5,4]

102

+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model.
|

M=Model MC=Constants Only M0=No Model |

| Criterion F (log L)

-169.43711

-221.93102

-235.67004 |

| LR Statistic vs. MC

104.98781

.00000

.00000 |

| Degrees of Freedom

4.00000

.00000

.00000 |

| Prob. Value for LR

.00000

| Entropy for probs.

169.43711

| Normalized Entropy

.71896

.00000

.00000 |

221.93102

235.67004 |

.94170

1.00000 |

| Entropy Ratio Stat.

132.46586

27.47805

| Bayes Info Criterion

362.19001

467.17782

| BIC - BIC(no model)

132.46586

.00000 |
494.65587 |

27.47805

.00000 |

| Pseudo R-squared

.23653

.00000

.00000 |

| Pct. Correct Prec.

74.11765

.00000

50.00000 |

| Means:

y=0

| Outcome

.6412 .3588 .0000 .0000 .0000 .0000 .0000 .0000 |

| Pred.Pr

y=1

y=2

y=3

yu=4 y=5,

y=6 y>=7 |

.6412 .3588 .0000 .0000 .0000 .0000 .0000 .0000 |

| Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j).


|

Normalized entropy is computed against M0.

Entropy ratio statistic is computed against M0.

BIC = 2*criterion - log(N)*degrees of freedom.

If the model has only constants or if it has no constants, |

the statistics reported here are not useable.

+--------------------------------------------------------------------+

103

+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs.

+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X6

-.15362232

-.959832D-04

X13

.00043712

.25103681
.122810D-04
.00011026

-.612 .5406
-7.816 .0000 -1.73294980
3.964 .0001

.73501472

Marginal effect for dummy variable is P|1 - P|0.


X2

.19951254

.12083376

1.651 .0987

.62926129

Marginal effect for dummy variable is P|1 - P|0.


X15

.07606977

.06371873

1.194 .2325

+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE

| -.15362 |

| X6

| -.00010 |

| X13

| .00044 |

| X2

| .19951 |

| X15

| .07607 |

+----------+----------+

104

.09611396

+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit

model for variable X7

+----------------------------------------+
| Proportions P0= .641176 P1= .358824 |
|N=

340 N0=

218 N1=

122 |

| LogL = -169.43711 LogL0 = -221.9310 |


| Estrella = 1-(L/L0)^(-2L0/n) = .29695 |
+----------------------------------------+
|

Efron | McFadden | Ben./Lerman |

| .27151 |

.23653 |

| Cramer | Veall/Zim. |
| .27850 |

.41666 |

.66801 |
Rsqrd_ML |
.26566 |

+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria

1.02610

368.01896 |

+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + ----Actual

1 | Total

------ ---------- + ----0

183 35 | 218

53 69 | 122

------ ---------- + ----Total

236 104 |

340

105

==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
----------------------------------------------------------------------Prediction Success
----------------------------------------------------------------------Sensitivity = actual 1s correctly predicted

56.557%

Specificity = actual 0s correctly predicted

83.945%

Positive predictive value = predicted 1s that were actual 1s 66.346%


Negative predictive value = predicted 0s that were actual 0s 77.542%
Correct prediction = actual 1s and 0s correctly predicted

74.118%

----------------------------------------------------------------------Prediction Failure
----------------------------------------------------------------------False pos. for true neg. = actual 0s predicted as 1s

16.055%

False neg. for true pos. = actual 1s predicted as 0s

43.443%

False pos. for predicted pos. = predicted 1s actual 0s

33.654%

False neg. for predicted neg. = predicted 0s actual 1s

22.458%

False predictions = actual 1s and 0s incorrectly predicted

25.882%

==============================================================
=========
5.12.3 Interpretar desde el punto de vista econmico y estadstico el modelo
estimado.
ANLISIS ESTADSTICO (RELEVANCIA, DEPENDENCIA Y AJUSTE)
PRUEBA DE RELEVANCIA
| Prob[ChiSqd > value] =

0.0000000

ES ALTAMENTE SIGNIFICATIVO

ENTONCES SE CONCLUYE QUE ES SIGNIFICATIVO AL 1% CON UN NIVEL


DE CONFIANZA DEL 99%

106

PARA LA VARIABLE X6
ES SIGNIFICATIVA AL 1%.

PARA LA VARIABLE X13.


ES SIGNIFICATIVA AL 1%.

PARA LA VARIABLE X2.


NO ES SIGNIFICATIVA.

PARA LA VARIABLE X15.


NO ES SIGNIFICATIVA.

ENTONCES SE CONCLUYE QUE EN EL MODELO LOGIT HAY DOS


VARIABLES QUE SON SIGNIFICATIVAS INDIVIDUALMENTE Y DOS QUE NO
SON SIGNIFICATIVA.

PRUEBA DE LA DEPENDENCIA.(PRUEBA DE SIGNIFICANCIA GLOBAL


O CONJUNTA.)
LR = -2(LnLr - LnL) REMPLAZANDO EN LA FORMULA OBTENEMOS:
LR=-2((-221.9310 -(- 169.4371 ))
Chi squared
Degrees of freedom

104.9878
4

107

COMO EL CHI SQUARED =104.9878 MAYOR AL CHI SQUARED CON 4


GRADOS DE LIBERTAD (DE TABLAS) CON UN NIVEL DE SIGNIFICANCIA
DEL 99%.
SE CONCLUYE QUE HAY DEPENDENCIA GLOBAL DEL MODELO O
SON GLOBALMENTE SIGNIFICATIVO.

AJUSTE DE MODELO

PSEUDO R-SQUARED =0.23653 Y SE ENCUENTRA EN EL RANGO DE 0 Y 1.


COMPRENDE ( 0.20 0.40 ) EQUIVALENTE AL R^2 CONVENCIONAL (0.70
0.90)
POR LO TANTO EL AJUSTE ES MUY BUENO AL MAS DE 70%.
PORCENTAJE DE PREDICCIN
Correct prediction = 74.118%.
LA VARIABLE X2 ES ALTAMENTE SENSIBLE POR LO QUE TIENE EL
MAYOR EFECTO MARGINAL LO QUE SIGNIFICA QUE DEBO ADOPTAR LA
TECNOLOGA NECESARIA PARA MEJORAR LA PRODUCCIN DE GANADO
VACUNO.
5.12.4 Programar y estimar la DAP.
--> DSTAT;RHS=DAP1$
Descriptive Statistics
All results based on nonmissing observations.

108

==============================================================
=================
Variable

Mean

Std.Dev.

Minimum

Maximum

Cases

==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAP1

3803.71772

1617.73114

-1145.09979

6984.57066

340

--> PROC = DAPR1$


--> ENDPROC$
--> CREATE;X6R=(10500-X6)/X6$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO1=EXP((COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X6R))$
--> CREATE;DAPR1=10500/(1+EXPO1)$
--> DSTAT;RHS=DAPR1$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable

Mean

Std.Dev.

Minimum

109

Maximum

Cases

==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAPR1

3767.64706

2498.96568

306.941203

10390.0005

340

--> CREATE;X6R=(10100-X6)/X6$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO1=EXP((COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X6R))$
--> CREATE;DAPR1=10100/(1+EXPO1)$
--> DSTAT;RHS=DAPR1$

Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable

Mean

Std.Dev.

Minimum

Maximum

Cases

==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAPR1

3624.11765

2403.76699

295.248205

110

9994.19094

340

--> CREATE;X6R=(11000-X6)/X6$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO1=EXP((COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X6R))$
--> CREATE;DAPR1=11000/(1+EXPO1)$
--> DSTAT;RHS=DAPR1$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable

Mean

Std.Dev.

Minimum

Maximum

Cases

==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAPR1

3947.05882

2617.96405

321.557451

10884.7624

340

5.12.5 En el caso de que la DAP contenga valores negativos, estimar el modelo


restringido, luego programar y estimar nuevamente la DAP.
--> PROC = DAPR1$
--> ENDPROC$
--> CREATE;X6R=(10500-X6)/X6$

111

--> LOGIT;Lhs=X7;Rhs=ONE,X13,X2,X15,X6R;Margin$
Normal exit from iterations. Exit status=0.

112

+---------------------------------------------+
| Multinomial Logit Model

| Maximum Likelihood Estimates

| Model estimated: Nov 29, 2011 at 05:17:14PM.|


| Dependent variable

X7

| Weighting variable

None

| Number of observations

|
|

340

| Iterations completed

| Log likelihood function

-177.7459

| Restricted log likelihood

-221.9310

| Chi squared

88.37026

| Degrees of freedom

| Prob[ChiSqd > value] =

.0000000

| Hosmer-Lemeshow chi-squared = 8.03091


| P-value= .43046 with deg.fr. =

+---------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant

-3.89228332

1.16082155

-3.353 .0008

X13

.00196992

.00050254

3.920 .0001

520.588235

X2

1.25754880

1.13299839

1.110 .2670

.97647059

X15

.44441748

.28387817

1.566 .1175

.39117647

X6R

.48121377

.07876601

6.109 .0000

1.69219694

113

+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model.
|

M=Model MC=Constants Only M0=No Model |

| Criterion F (log L)

-177.74589

-221.93102

-235.67004 |

| LR Statistic vs. MC

88.37026

.00000

.00000 |

| Degrees of Freedom

4.00000

.00000

.00000 |

| Prob. Value for LR

.00000

| Entropy for probs.

177.74589

| Normalized Entropy

.75422

.00000

.00000 |

221.93102

235.67004 |

.94170

1.00000 |

| Entropy Ratio Stat.

115.84830

27.47805

.00000 |

| Bayes Info Criterion

378.80756

467.17782

494.65587 |

| BIC - BIC(no model)

115.84830

27.47805

.00000 |

| Pseudo R-squared

.19909

.00000

.00000 |

| Pct. Correct Prec.

72.94118

.00000

50.00000 |

| Means:

y=0

| Outcome

.6412 .3588 .0000 .0000 .0000 .0000 .0000 .0000 |

| Pred.Pr

y=1

y=2

y=3

yu=4 y=5,

y=6 y>=7 |

.6412 .3588 .0000 .0000 .0000 .0000 .0000 .0000 |

| Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j).


|

Normalized entropy is computed against M0.

Entropy ratio statistic is computed against M0.

BIC = 2*criterion - log(N)*degrees of freedom.

If the model has only constants or if it has no constants, |

the statistics reported here are not useable.

+--------------------------------------------------------------------+

114

+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs.

+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X13

-.87693700
.00044383

.25636130
.00011255

-3.421 .0006
3.943 .0001

.67392578

Marginal effect for dummy variable is P|1 - P|0.


X2

.21699116

.13299898

1.632 .1028

.61802624

Marginal effect for dummy variable is P|1 - P|0.


X15

.10129774

.06509424

1.556 .1197

.11557880

X6R

.10841815

.01860934

5.826 .0000

.53512915

+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE

| -.87694 |

| X13

| .00044 |

| X2

| .21699 |

| X15

| .10130 |

| X6R

| .10842 |

+----------+----------+

115

+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit

model for variable X7

+----------------------------------------+
| Proportions P0= .641176 P1= .358824 |
|N=

340 N0=

218 N1=

122 |

| LogL = -177.74589 LogL0 = -221.9310 |


| Estrella = 1-(L/L0)^(-2L0/n) = .25161 |
+----------------------------------------+
|

Efron | McFadden | Ben./Lerman |

| .24427 |

.19909 |

| Cramer | Veall/Zim. |
| .24487 |

.36432 |

.65254 |
Rsqrd_ML |
.22888 |

+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria

1.07498

384.63651 |

+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + ----Actual

1 | Total

------ ---------- + ----0

191 27 | 218

65 57 | 122

------ ---------- + ----Total

256 84 |

340

116

==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
----------------------------------------------------------------------Prediction Success
----------------------------------------------------------------------Sensitivity = actual 1s correctly predicted

46.721%

Specificity = actual 0s correctly predicted

87.615%

Positive predictive value = predicted 1s that were actual 1s 67.857%


Negative predictive value = predicted 0s that were actual 0s 74.609%
Correct prediction = actual 1s and 0s correctly predicted

72.941%

----------------------------------------------------------------------Prediction Failure
----------------------------------------------------------------------False pos. for true neg. = actual 0s predicted as 1s

12.385%

False neg. for true pos. = actual 1s predicted as 0s

53.279%

False pos. for predicted pos. = predicted 1s actual 0s

32.143%

False neg. for predicted neg. = predicted 0s actual 1s

25.391%

False predictions = actual 1s and 0s incorrectly predicted

27.059%

==============================================================
=========

5.12.6 Presentar conclusiones generales de los modelos y proponer algunas


recomendaciones de poltica pblica.

117

5.13 MODELOS DE CALIDAD AMBIENTAL B


5.13.1 Ilustrar las estadsticas descriptivas de las variables utilizadas en los
modelos a estimar.
--> DSTAT;Rhs=X9,X8,X13,X2,X15$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable

Mean

Std.Dev.

Minimum

Maximum

Cases

==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------X9

.658823529

.474803264

.000000000

1.00000000

340

X8

5845.58824

2438.41151

1500.00000

10500.0000

340

X13

520.588235

290.538521

100.000000

1100.00000

340

X2

.976470588

.151801033

.000000000

1.00000000

340

X15

.391176471

.488733024

.000000000

1.00000000

340

5.13.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los
efectos marginales.
--> LOGIT;Lhs=X9;Rhs=ONE,X8,X13,X2,X15;Margin$
Normal exit from iterations. Exit status=0.

118

+---------------------------------------------+
| Multinomial Logit Model

| Maximum Likelihood Estimates

| Model estimated: Nov 29, 2011 at 05:47:42PM.|


| Dependent variable

X9

| Weighting variable

None

| Number of observations

|
|

340

| Iterations completed

| Log likelihood function

-172.2139

| Restricted log likelihood

-218.2163

| Chi squared

92.00479

| Degrees of freedom

| Prob[ChiSqd > value] =

.0000000

| Hosmer-Lemeshow chi-squared = 32.52518


| P-value= .00007 with deg.fr. =

+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X8

.36027104
-.00036976

.90416029

.398 .6903

.604541D-04

-6.116 .0000

5845.58824

X13

.00232318

.00056968

4.078 .0000

520.588235

X2

1.20536124

.84591543

1.425 .1542

.97647059

X15

.85028869

.31542723

2.696 .0070

.39117647

Matrix: LastOutp
[5,4]

+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model.

119

M=Model MC=Constants Only M0=No Model |

| Criterion F (log L)

-172.21393

-218.21633

-235.67004 |

| LR Statistic vs. MC

92.00479

.00000

.00000 |

| Degrees of Freedom

4.00000

.00000

.00000 |

| Prob. Value for LR

.00000

| Entropy for probs.

172.21393

| Normalized Entropy

.00000

.00000 |

218.21633

.73074

235.67004 |

.92594

1.00000 |

| Entropy Ratio Stat.

126.91221

34.90742

| Bayes Info Criterion

367.74365

459.74845

| BIC - BIC(no model)

126.91221

.00000 |
494.65587 |

34.90742

.00000 |

| Pseudo R-squared

.21081

.00000

.00000 |

| Pct. Correct Prec.

74.41176

.00000

50.00000 |

| Means:

y=0

| Outcome

.3412 .6588 .0000 .0000 .0000 .0000 .0000 .0000 |

| Pred.Pr

y=1

y=2

y=3

yu=4 y=5,

y=6 y>=7 |

.3412 .6588 .0000 .0000 .0000 .0000 .0000 .0000 |

| Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j).


|

Normalized entropy is computed against M0.

Entropy ratio statistic is computed against M0.

BIC = 2*criterion - log(N)*degrees of freedom.

If the model has only constants or if it has no constants, |

the statistics reported here are not useable.

+--------------------------------------------------------------------+
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs.

+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+

120

|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|


+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X8

.07347549

-.754103D-04

X13

.00047380

.18375720
.118841D-04
.00011317

.400 .6893
-6.345 .0000
4.187 .0000

-.61686971
.34516386

Marginal effect for dummy variable is P|1 - P|0.


X2

.28477982

.20702716

1.376 .1690

.38913725

Marginal effect for dummy variable is P|1 - P|0.


X15

.16548912

.05759268

2.873 .0041

.09058924

+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE

| .07348 |

| X8

| -.00008 |

| X13

| .00047 |

| X2

| .28478 |

| X15

| .16549 |

+----------+----------++----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit

model for variable X9

+----------------------------------------+
| Proportions P0= .341176 P1= .658824 |
|N=

340 N0=

116 N1=

224 |

| LogL = -172.21393 LogL0 = -218.2163 |


| Estrella = 1-(L/L0)^(-2L0/n) = .26206 |

121

+----------------------------------------+
|

Efron | McFadden | Ben./Lerman |

| .25539 |

.21081 |

| Cramer | Veall/Zim. |
| .25288 |

.37889 |

.66413 |
Rsqrd_ML |
.23708 |

+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria

1.04243

373.57260 |

+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + ----Actual

1 | Total

------ ---------- + ----0

62 54 | 116

33 191 | 224

------ ---------- + ----Total

95 245 |

340

==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
----------------------------------------------------------------------Prediction Success
----------------------------------------------------------------------Sensitivity = actual 1s correctly predicted

85.268%

Specificity = actual 0s correctly predicted

53.448%

Positive predictive value = predicted 1s that were actual 1s 77.959%


Negative predictive value = predicted 0s that were actual 0s 65.263%
122

Correct prediction = actual 1s and 0s correctly predicted

74.412%

----------------------------------------------------------------------Prediction Failure
----------------------------------------------------------------------False pos. for true neg. = actual 0s predicted as 1s

46.552%

False neg. for true pos. = actual 1s predicted as 0s

14.732%

False pos. for predicted pos. = predicted 1s actual 0s

22.041%

False neg. for predicted neg. = predicted 0s actual 1s

34.737%

False predictions = actual 1s and 0s incorrectly predicted

25.588%

5.13.3 Interpretar desde el punto de vista econmico y estadstico el modelo


estimado.
ANLISIS ESTADSTICO (RELEVANCIA, DEPENDENCIA Y AJUSTE)

123

PRUEBA DE RELEVANCIA

| Prob[ChiSqd > value] =

0.0000000

ES ALTAMENTE

SIGNIFICATIVO

ENTONCES SE CONCLUYE QUE ES SIGNIFICATIVO AL 1% CON UN


NIVEL DE CONFIANZA DEL 99%
PARA LA VARIABLE X8
ES SIGNIFICATIVA AL 1%.

PARA LA VARIABLE X13.


ES SIGNIFICATIVA AL 1%.

PARA LA VARIABLE X2.


NO ES SIGNIFICATIVA.

PARA LA VARIABLE X15.


ES SIGNIFICATIVA AL 1%.

ENTONCES SE CONCLUYE QUE EN EL MODELO LOGIT HAY 3


VARIABLES QUE SON SIGNIFICATIVAS INDIVIDUALMENTE Y 1 QUE NO
SON SIGNIFICATIVA.

124

PRUEBA DE LA DEPENDENCIA.(PRUEBA DE SIGNIFICANCIA GLOBAL O


CONJUNTA.)
LR = -2(LnLr - LnL) REMPLAZANDO EN LA FORMULA OBTENEMOS:
| Chi squared

92.00479

Degrees of freedom

COMO EL CHI SQUARED =92.00479

MAYOR AL CHI SQUARED

CON 4 GRADOS DE LIBERTAD (DE TABLAS) CON UN NIVEL DE


SIGNIFICANCIA DEL 99%.
SE CONCLUYE QUE HAY DEPENDENCIA GLOBAL DEL MODELO O
SON GLOBALMENTE SIGNIFICATIVO.

AJUSTE DE MODELO

PSEUDO R-SQUARED =0.21081 Y SE ENCUENTRA EN EL RANGO DE 0 Y 1.


COMPRENDE ( 0.20 0.40 ) EQUIVALENTE AL R^2 CONVENCIONAL (0.70
0.90)
POR LO TANTO EL AJUTE ES MUY BUENO AL MAS DE 70%.

PORCENTAJE DE PREDICCIN
Correct prediction = 74.412%.
LA VARIABLE X2 ES ALTAMENTE SENSIBLE POR LO QUE TIENE EL
MAYOR EFECTO MARGINAL LO QUE SIGNIFICA QUE DEBO BUSCAR LA

125

TECNOLOGA NECESARIA PARA ELIMINAR LA PERCEPCIN DE MALOS


OLORES PARA PODER DETERMINAR LAS TARIFAS AMBIENTALES.
5.13.4 Programar y estimar la DAP.
--> PROC = DAP2$
--> ENDPROC$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;ALFA2=COEF1+COEF3*X13+COEF4*X2+COEF5*X15$
--> CREATE;BETA2=B(2)$
--> CREATE;DAP2=-ALFA2/BETA2$
--> DSTAT;RHS=DAP2$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable

Mean

Std.Dev.

Minimum

Maximum

Cases

==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAP2

8327.89212

2610.76892

1602.64062

126

13445.0669

340

5.13.5 En el caso de que la DAP contenga valores negativos, estimar el modelo


restringido, luego programar y estimar nuevamente la DAP.

NO EXISTE EL DAPR
1.1. Presentar conclusiones generales de los modelos y proponer algunas
recomendaciones de poltica pblica.
I.

MODELOS DE CALIDAD AMBIENTAL C

5.13.6 Ilustrar las estadsticas descriptivas de las variables utilizadas en los


modelos a estimar.

--> DSTAT;Rhs=X11,X10,X13,X2,X15$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable

Mean

Std.Dev.

Minimum

Maximum

Cases

==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------X11

.667647059

.471751014

.000000000

1.00000000

340

X10

6233.82353

2345.30915

1500.00000

10500.0000

340

X13

520.588235

290.538521

100.000000

1100.00000

340

X2

.976470588

.151801033

.000000000

1.00000000

340

X15

.391176471

.488733024

.000000000

1.00000000

340

127

5.13.7 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los
efectos marginales.
--> DSTAT;Rhs=X11,X10,X13,X2,X15$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable

Mean

Std.Dev.

Minimum

Maximum

Cases

==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------X11

.667647059

.471751014

.000000000

1.00000000

340

X10

6233.82353

2345.30915

1500.00000

10500.0000

340

X13

520.588235

290.538521

100.000000

1100.00000

340

X2

.976470588

.151801033

.000000000

1.00000000

340

X15

.391176471

.488733024

.000000000

1.00000000

340

Matrix: LastDsta
[5,7]

--> LOGIT;Lhs=X11;Rhs=ONE,X10,X13,X2,X15;Margin$
Normal exit from iterations. Exit status=0.

+---------------------------------------------+
| Multinomial Logit Model

| Maximum Likelihood Estimates

| Model estimated: Nov 29, 2011 at 07:00:15PM.|


| Dependent variable

X11

| Weighting variable

None

128

| Number of observations

340

| Iterations completed

| Log likelihood function

-194.0228

| Restricted log likelihood

-216.1830

| Chi squared

44.32037

| Degrees of freedom

| Prob[ChiSqd > value] =

|
|

.0000000

| Hosmer-Lemeshow chi-squared = 17.27615


| P-value= .02736 with deg.fr. =

+---------------------------------------------+

+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant

-.66478503

.92380903

-.720 .4718

X10

-.00021754

.551005D-04

-3.948 .0001

6233.82353

X13

.00193447

.00051902

3.727 .0002

520.588235

X2

1.76902546

.86331099

2.049 .0405

.97647059

X15

.23667692

.28849630

.820 .4120

.39117647

Matrix: LastOutp
[5,4]

+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model.
|

M=Model MC=Constants Only M0=No Model |

| Criterion F (log L)

-194.02285

-216.18303

129

-235.67004 |

| LR Statistic vs. MC

44.32037

.00000

.00000 |

| Degrees of Freedom

4.00000

.00000

.00000 |

| Prob. Value for LR

.00000

| Entropy for probs.

194.02285

| Normalized Entropy

.00000

.00000 |

216.18303

.82328

235.67004 |

.91731

1.00000 |

| Entropy Ratio Stat.

83.29439

38.97402

.00000 |

| Bayes Info Criterion

411.36147

455.68185

494.65587 |

| BIC - BIC(no model)

83.29439

38.97402

.00000 |

| Pseudo R-squared

.10251

.00000

.00000 |

| Pct. Correct Prec.

73.52941

.00000

50.00000 |

| Means:

y=0

| Outcome

.3324 .6676 .0000 .0000 .0000 .0000 .0000 .0000 |

| Pred.Pr

y=1

y=2

y=3

yu=4 y=5,

y=6 y>=7 |

.3324 .6676 .0000 .0000 .0000 .0000 .0000 .0000 |

| Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j).


|

Normalized entropy is computed against M0.

Entropy ratio statistic is computed against M0.

BIC = 2*criterion - log(N)*degrees of freedom.

If the model has only constants or if it has no constants, |

the statistics reported here are not useable.

+--------------------------------------------------------------------+

+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs.

+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|

130

+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant

-.14187147

X10

-.464257D-04

X13

.00041284

.19835223

-.715 .4745

.115667D-04
.00010861

-4.014 .0001
3.801 .0001

-.41865396
.31089470

Marginal effect for dummy variable is P|1 - P|0.


X2

.41539695

.17593001

2.361 .0182

.58676541

Marginal effect for dummy variable is P|1 - P|0.


X15

.04997556

.06019424

.830 .4064

+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE

| -.14187 |

| X10

| -.00005 |

| X13

| .00041 |

| X2

| .41540 |

| X15

| .04998 |

+----------+----------+
+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit

model for variable X11

+----------------------------------------+
| Proportions P0= .332353 P1= .667647 |
|N=

340 N0=

113 N1=

227 |

| LogL = -194.02285 LogL0 = -216.1830 |


| Estrella = 1-(L/L0)^(-2L0/n) = .12849 |

131

.02827955

+----------------------------------------+
|

Efron | McFadden | Ben./Lerman |

| .13456 |

.10251 |

| Cramer | Veall/Zim. |
| .12977 |

.20601 |

.61380 |
Rsqrd_ML |
.12222 |

+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria

1.17072

417.19042 |

+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + ----Actual

1 | Total

------ ---------- + ----0

40 73 | 113

17 210 | 227

------ ---------- + ----Total

57 283 |

340

==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
----------------------------------------------------------------------Prediction Success
----------------------------------------------------------------------Sensitivity = actual 1s correctly predicted

92.511%

Specificity = actual 0s correctly predicted

35.398%

Positive predictive value = predicted 1s that were actual 1s 74.205%


132

Negative predictive value = predicted 0s that were actual 0s 70.175%


Correct prediction = actual 1s and 0s correctly predicted

73.529%

----------------------------------------------------------------------Prediction Failure
----------------------------------------------------------------------False pos. for true neg. = actual 0s predicted as 1s

64.602%

False neg. for true pos. = actual 1s predicted as 0s

7.489%

False pos. for predicted pos. = predicted 1s actual 0s

25.795%

False neg. for predicted neg. = predicted 0s actual 1s

29.825%

False predictions = actual 1s and 0s incorrectly predicted

26.471%

==============================================================
=========

5.13.8 Interpretar desde el punto de vista econmico y estadstico el modelo


estimado.
ANLISIS ESTADSTICO (RELEVANCIA, DEPENDENCIA Y AJUSTE)
PRUEBA DE RELEVANCIA

| Prob[ChiSqd > value] =

0.0000000

ES ALTAMENTE SIGNIFICATIVO

ENTONCES SE CONCLUYE QUE ES SIGNIFICATIVO AL 1% CON UN NIVEL


DE CONFIANZA DEL 99%
PARA LA VARIABLE X10
ES SIGNIFICATIVA AL 1%.

PARA LA VARIABLE X13.

133

ES SIGNIFICATIVA AL 1%.

PARA LA VARIABLE X2.


ES SIGNIFICATIVA AL 5%.

PARA LA VARIABLE X15.


NO ES SIGNIFICATIVA.

ENTONCES SE CONCLUYE QUE EN EL MODELO LOGIT HAY 3


VARIABLES QUE SON SIGNIFICATIVAS INDIVIDUALMENTE Y 1 QUE NO
SON SIGNIFICATIVA.

PRUEBA DE LA DEPENDENCIA.(PRUEBA DE SIGNIFICANCIA GLOBAL


O CONJUNTA.)

LR = -2(LnLr - LnL) REMPLAZANDO EN LA FORMULA OBTENEMOS:


Chi squared
Degrees of freedom

44.32037
4

COMO EL CHI SQUARED = 44.32037 MENOR AL CHI SQUARED CON


4 GRADOS DE LIBERTAD (DE TABLAS) CON UN NIVEL DE SIGNIFICANCIA
DEL 99%.
134

SE CONCLUYE QUE NO HAY DEPENDENCIA GLOBAL DEL MODELO.

AJUSTE DE MODELO

PSEUDO R-SQUARED =0.10251

NO SE ENCUENTRA EN EL RANGO DE 0 Y 1.

COMPRENDE ( 0.20 0.40 ) EQUIVALENTE AL R^2 CONVENCIONAL 0.70 0.9


)
POR LO TANTO EL AJUTE ES NO ES BUENO PORQUE ES MENOS DEL 70%.

PORCENTAJE DE PREDICCIN

Correct prediction = 73.529%


LA VARIABLE X2 ES ALTAMENTE SENSIBLE POR LO QUE TIENE EL
MAYOR EFECTO MARGINAL LO QUE SIGNIFICA QUE DEBO BUSCAR LA
TECNOLOGA NECESARIA PARA ELIMINAR LA PERCEPCIN DE MALOS
OLORES PARA PODER DETERMINAR LAS TARIFAS AMBIENTALES.

5.13.9 Programar y estimar la DAP.


--> PROC = DAP3$
--> ENDPROC$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;ALFA3=COEF1+COEF3*X13+COEF4*X2+COEF5*X15$

135

--> CREATE;BETA3=B(2)$
--> CREATE;DAP3=-ALFA3/BETA3$
--> DSTAT;RHS=DAP3$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable

Mean

Std.Dev.

Minimum

Maximum

Cases

==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAP3

5.13.10

9939.48347

3195.31228

-2166.64223

15945.5466

340

En el caso de que la DAP contenga valores negativos, estimar el


modelo restringido, luego programar y estimar nuevamente la DAP.

--> PROC = DAPR3$


--> ENDPROC$
--> CREATE;X10R=(12000-X10)/X10$
--> LOGIT;Lhs=X11;Rhs=ONE,X13,X2,X15,X10R;Margin$
Normal exit from iterations. Exit status=0.

+---------------------------------------------+
| Multinomial Logit Model

| Maximum Likelihood Estimates

| Model estimated: Nov 29, 2011 at 05:57:58PM.|


| Dependent variable

X11

| Weighting variable

None

| Number of observations

340

|
136

| Iterations completed

| Log likelihood function

-198.5010

| Restricted log likelihood

-216.1830

| Chi squared

35.36411

| Degrees of freedom
| Prob[ChiSqd > value] =

.0000000

| Hosmer-Lemeshow chi-squared = 16.06457


| P-value= .04147 with deg.fr. =

+---------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant

-2.43813594

.90184134

-2.704 .0069

X13

.00181693

.00050606

3.590 .0003

520.588235

X2

1.82257063

.86433603

2.109 .0350

.97647059

X15

.29497233

.28446838

1.037 .2998

.39117647

X10R

.28196321

.10769531

2.618 .0088

1.34185309

Matrix: LastOutp
[5,4]

+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model.
|

M=Model MC=Constants Only M0=No Model |

| Criterion F (log L)

-198.50098

-216.18303

-235.67004 |

| LR Statistic vs. MC

35.36411

.00000

.00000 |

| Degrees of Freedom

4.00000

.00000

.00000 |

| Prob. Value for LR

.00000

| Entropy for probs.

198.50098

.00000
216.18303

137

.00000 |
235.67004 |

| Normalized Entropy

.84228

.91731

1.00000 |

| Entropy Ratio Stat.

74.33813

38.97402

.00000 |

| Bayes Info Criterion

420.31774

455.68185

494.65587 |

| BIC - BIC(no model)

74.33813

38.97402

.00000 |

| Pseudo R-squared

.08179

.00000

.00000 |

| Pct. Correct Prec.

72.05882

.00000

50.00000 |

| Means:

y=0

| Outcome

.3324 .6676 .0000 .0000 .0000 .0000 .0000 .0000 |

| Pred.Pr

y=1

y=2

y=3

yu=4 y=5,

y=6 y>=7 |

.3324 .6676 .0000 .0000 .0000 .0000 .0000 .0000 |

| Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j).


|

Normalized entropy is computed against M0.

Entropy ratio statistic is computed against M0.

BIC = 2*criterion - log(N)*degrees of freedom.

If the model has only constants or if it has no constants, |

the statistics reported here are not useable.

+--------------------------------------------------------------------+

+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs.

+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X13

-.52524699
.00039142

.19753433
.00010730

-2.659 .0078
3.648 .0003

138

.29706967

Marginal effect for dummy variable is P|1 - P|0.


X2

.42586294

.17035135

2.500 .0124

.60624576

Marginal effect for dummy variable is P|1 - P|0.


X15
X10R

.06271489
.06074326

.05954599

1.053 .2922

.02298862

2.642 .0082

+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE

| -.52525 |

| X13

| .00039 |

| X2

| .42586 |

| X15

| .06271 |

| X10R

| .06074 |

+----------+----------+
+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit

model for variable X11

+----------------------------------------+
| Proportions P0= .332353 P1= .667647 |
|N=

340 N0=

113 N1=

227 |

| LogL = -198.50098 LogL0 = -216.1830 |


| Estrella = 1-(L/L0)^(-2L0/n) = .10283 |
+----------------------------------------+
|

Efron | McFadden | Ben./Lerman |

139

.03576540
.11882909

| .10700 |

.08179 |

| Cramer | Veall/Zim. |
| .10354 |

.16830 |

.60216 |
Rsqrd_ML |
.09879 |

+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria

1.19706

426.14668 |

+----------------------------------------+

Frequencies of actual & predicted outcomes


Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + ----Actual

1 | Total

------ ---------- + ----0

31 82 | 113

13 214 | 227

------ ---------- + ----Total

44 296 |

340

==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
----------------------------------------------------------------------Prediction Success
----------------------------------------------------------------------Sensitivity = actual 1s correctly predicted

94.273%

Specificity = actual 0s correctly predicted

27.434%

140

Positive predictive value = predicted 1s that were actual 1s 72.297%


Negative predictive value = predicted 0s that were actual 0s 70.455%
Correct prediction = actual 1s and 0s correctly predicted

72.059%

----------------------------------------------------------------------Prediction Failure
----------------------------------------------------------------------False pos. for true neg. = actual 0s predicted as 1s

72.566%

False neg. for true pos. = actual 1s predicted as 0s

5.727%

False pos. for predicted pos. = predicted 1s actual 0s

27.703%

False neg. for predicted neg. = predicted 0s actual 1s

29.545%

False predictions = actual 1s and 0s incorrectly predicted

27.941%

--> CREATE;X10R=(12000-X10)/X10$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO3=EXP((COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X10R))$
--> CREATE;DAPR3=12000/(1+EXPO3)$
--> DSTAT;RHS=DAPR3$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable

Mean

Std.Dev.

Minimum

Maximum

Cases

==============================================================
=================
-------------------------------------------------------------------------------

141

All observations in current sample


------------------------------------------------------------------------------DAPR3

8011.76471

1790.81847

1324.08945

11476.6643

340

5.13.11Presentar conclusiones generales de los modelos y proponer algunas


recomendaciones de poltica pblica.

SE CONCLUYE QUE :
PARA EL MODELO DE CALIDAD DE CALIDAD AMBIENTAL A
Se concluye que en el modelo logit hay dos variables que son significativas
individualmente y dos que no son significativa.
Se concluye que hay dependencia global del modelo o son globalmente significativos.
El ajuste es muy bueno al ms de 70%.

142

PARA EL MODELO DE CALIDAD DE CALIDAD AMBIENTAL B


Se concluye que en el modelo logit hay 3 variables que son significativas
individualmente y 1 que no son significativa.

Se concluye que hay dependencia global del modelo o son globalmente


significativos.

El ajuste es muy bueno al ms de 70%.

EN EL MODELO DE CALIDAD AMBIENTAL C


Se concluye que en el modelo logit hay 3 variables que son significativas
individualmente y 1 que no son significativa.

Se concluye que no hay dependencia global del modelo.

El ajuste es no es bueno porque es menos del 70%.

143

144

Anda mungkin juga menyukai