Estandarizacion Aplicado A Datos Censales

MARCO LOGICO

I.1 PLANTEAMIENTO DEL PROBLEMA

Lo más importante de la formulación del problema, es la selección de las variables en las que se basará la agrupación. El conjunto de variables seleccionado debe describir la similitud entre los objetos en términos relevantes para el problema de la estandarización de datos demográficos. Dentro de los análisis sociales, difícilmente la conducta de un hecho determinado, puede explicarse exclusivamente por una variable simple. Generalmente, el indicador no debe su valor únicamente al fenómeno de tratar de resumir, sino que intervienen otras variables que lo afectan directa o indirectamente, como por ejemplo los datos demográficos según el censo de 1993 en el cual trataremos de estudiar cuales son los efectos que producen la edad en la tasa especifica de las defunciones en la provincia de Urubamba y la provincia de la Convención para lo cual trataremos de calcular algunos indicadores que contribuyan en el proceso, que reciben el nombre de variables confusoras y recurriremos a una serie de estrategias para eliminar su efecto. En el caso de la demografía, sus medidas están fuertemente afectadas por una serie de variables, que limitan su uso en los análisis comparativos entre dos o más poblaciones; o dentro de una misma población en dos o más momentos diferentes como es nuestro caso.

Estas variables se seleccionaron en base a investigaciones realizadas por el censo nacional de 1993 del Perú.

I.2 HIPÓTESIS

¿La estandarización permitirá eliminar el efecto confusor durante el procedimiento de cálculo del indicador en las poblaciones? ¿La estandarización de datos puede evitar que las variables tengan un mayor efecto en la similaridad, ya que las medidas de distancia son sensibles a la diferencia de escalas o de magnitudes hechas entre variables?

I.3 OBJETIVOS DE ESTUDIO

I.3.1 OBJETIVO GENERAL

Calcular el indicador demográfico de las provincias de Urubamba y la Convención controlando el efecto que una variable confusora ejercen sobre ellos.

I.3.2 OBJETIVOS ESPECÍFICOS

• Discutir los problemas que se producen al efectuar comparaciones entre poblaciones con indicadores generales o brutos.

• Identificar variables que pueden ejercer un efecto confuso al valor de los indicadores demográficos.

• Determinar la importancia de las tasas específicas en la comparación de los componentes demográficos entre poblaciones.

• Definir los procesos de estandarización, tipificación directa o indirecta en los análisis comparativos entre poblaciones.

• Interpretar la función de una "población tipo", dentro de un proceso de estandarización de un indicador demográfico.

• Interpretar y analizar las relaciones de los componentes estructural y residual, al valorar las diferencias entre poblaciones con respecto a un indicador tipificado.

• Valorar la importancia de los procesos de tipificación dentro de diferentes tipos de análisis cualitativos, tanto demográficos como no demográficos.

I.4 LIMITACIONES

Dentro de las limitaciones que se han percibido en este trabajo es la falta de material de referencia además de los obstáculos en la recolección de los datos ya que sin estos es difícil realizar un buen trabajo, pero, gracias a la ayuda del INEI y al desenvolvimiento del personal se pudo realizar este trabajo. En un primer momento se pensó trabajar con datos del centro de salud de San Francisco (Salud), pero, debido a la dispersión de los datos y al poco número con que se cuenta no se pudo realizar satisfactoriamente.

I.5 JUSTIFICACIÓN

El presente trabajo de investigación, pretende contribuir con el avance de las ciencias estadísticas demográficas con proyección a la solución de los problemas de la sociedad en este caso a eliminar cualquier efecto que produzcan las variables tipificadas en las variables demográficas del Cusco, en virtud a la gran importancia para el desarrollo de las características de la estandarización de datos demográficos, además puede ser una herramienta muy poderosa para estudiar diversos aspectos en la obtención de datos y por lo tanto utilizar adecuadamente los datos que no tienes cierta similitud que en este caso ocasionarían un conflicto de variables. Para así también estudiar los efectos de las variables en la atención de los pacientes y mejorar los servicios.

I.6 METODOLOGÍA

El método que utilizamos en este proyecto es el método Mixto Analítico y Deductivo.

CAPITULO II

MARCO TEORICO

II.1 ANTECEDENTES DEL ESTUDIO

A nivel del Cusco y posiblemente del Perú no se han realizado trabajos a cerca de la estandarización de datos demográficos pero si se han realizado en otros países como es Costa Rica y para muestra de ello, tomaremos como referencia un trabajo realizado por el Centro Centroamericano de población de la Universidad de Costa Rica el cual trabaja con la siguiente suposición “se cuenta con información de dos regiones hipotéticas, la primera corresponde a una región en desarrollo que se denominara como Región A y la segunda una región más desarrollada que se catalogará como Región B. La información primaria sobre ellos se presenta en la siguiente tabla:

Población

(Miles de habitantes) Número de

defunciones Tasa bruta de mortalidad

(Por mil habitantes)

Región A 1 969,2 9 332 4,7

Región B 4 527,8 36 644 8,1

La tasa bruta de mortalidad de la Región B prácticamente duplica el valor obtenido en A. El riesgo de morir entre las regiones A y B, respectivamente, es un poco menor de 1 a 2. En el siguiente cuadro se muestran la distribución de las defunciones entre grupos de edad y las tasas específicas para cada uno de estos grupos.

Región A Región B

Edad Población Defunciones Tasas de mortalidad (por 1000 ha.) Población Defunciones Tasas de mortalidad (por 1000 ha.)

0-4 279,7 2570 9,2 226,2 540 2,4

5-9 280,8 155 0,6 221,6 40 0,2

10-19 500,7 336 0,7 633,3 266 0,4

20-29 333,8 466 1,4 714,7 650 0,9

30-39 208,1 397 1,9 606,1 699 1,2

40-49 150,8 542 3,6 710,2 1 701 2,4

50-59 97,4 739 7,6 547,3 2 813 5,1

60-69 70,1 1 198 17,1 402,6 5 286 13,1

70-79 34,9 1 435 41,1 357,3 1 1350 31,8

80-89 11,2 1 161 103,7 67,8 5 564 82,1

90 y + 1,7 333 195,9 40,7 7 735 190,0

Total 1969,3 9 332 4,7 4527,8 36 644 8,1

Como bien puede apreciarse, en cada uno de los grupos, las tasas específicas de mortalidad son menores en la Región B, esto pone en evidencia que el estado de la mortalidad es mucho menor en esta región. Para poder resaltar las diferencias por medio de una sola medida, se requiere utilizar la distribución de una nueva población que sirva de parámetro de comparación. En este caso se va a utilizar la distribución de la población de Panamá en el año 2000.

Tasas específicas de mortalidad Defunciones esperadas

Edad Población de Panamá NT (miles de ha.) Región A mA Región B mB Región A NT*mA Región B NT*mB

0-4 326,2 0,0092 0,0024 3001 783

5-9 296,7 0,0006 0,0002 178 59

10-19 555,1 0,0007 0,0004 389 222

20-29 490,9 0,0014 0,0009 687 442

30-39 423,2 0,0019 0,0012 804 508

40-49 296,8 0,0036 0,0024 1 068 712

50-59 0,0821 3 422 2 709

90 y + 5,7 0,1959 0,1900 1 117 1 083

Total 2 839,1 0,0047 0,0081 17 588 11 697

Tasas de mortalidad tipificadas 6,2 4,1

De esta manera, si la Región A tuviera la estructura poblacional de Panamá en el año 2000, se presentarían 6,2 defunciones por cada mil habitantes, mientras que, bajo iguales condiciones, en la Región B se presentarían 4,1 defunciones por cada mil habitantes. Queda entonces claramente evidenciado, que el patrón de mortalidad en la Región B es mucho menor que en la Región A. Esto quiere decir, que la magnitud de la mortalidad en B es dos terceras partes la de A, lo que significa que el riesgo de morir, eliminando el efecto de las estructuras por edades, está en una razón de 3 a 2, en favor de la región A.

Análisis de las diferencias: La diferencia observada en el patrón de la mortalidad, entre las regiones A y B, se pueden descomponer en dos factores:

• Un factor estructural, corresponde al efecto de las diferencias en las estructuras por edades de las dos regiones.

• Un factor residual, corresponde a otros factores, donde el principal elemento debe ser el nivel de la mortalidad de las regiones.

En el siguiente cuadro se muestra un resumen de las diferencias obtenidas, tanto en las tasas observadas como en las tasas esperadas:

Tasa bruta de mortalidad

(por mil ha.) Diferencia horizontal

Observada Tipificada

Región A 4,7 6,2 - 1,5

Región B 8,1 4,1 4,0

Diferencia vertical - 3,4 2,1 - 5,5

• La diferencia entre las tasas observadas es de - 3,4 por cada 1 000 habitantes, a este valor se le denomina efecto total. Corresponde a la diferencia entre las poblaciones, pero está afectado por la estructura por edades de las regiones.

• La diferencia entre las tasas tipificadas es de 2,1 por cada mil habitantes. En este valor ha sido eliminado el efecto de la estructura por edades, por lo que su magnitud es un buen reflejo de las diferencias entre los patrones de mortalidad y las regiones. Aunque podría estar afectado por otras variables, en la mayoría de casos, el efecto de ellas es mínimo. A esta diferencia se le llama efecto residual.

• Los valores - 1,5 y 4,0 representan,

...