UNIVERSIDAD NACIONAL JOSE MARIA ARGUEDAS

Facultad De Ingeniera
Escuela Profesional De Ingeniera Agroindustrial
INVESTIGACIN DE OPERACIONES AGROINDUSTRIALES

EVALUACIN DE MODELOS MATEMTICOS EN EL COMPORTAMIENTO

DEL HIDROMIEL

Estudiante:
-

Cdigo

Daniel Loa Barrientos

1004920101

Docente:
-

Ing. David Choque

Talavera - Andahuaylas Per

DEDICATORIA
UNAJMA
Pgina 1

Este

trabajo

principalmente
habernos

esta
a

dedicado

dios,

dado la vida y

por
la

oportunidad de estudiar en esta

casa de estudios.
Asimismo a nuestros padres por
brindarnos el apoyo incondicional
para ser realidad nuestros grandes
anhelos.

A nuestro docente por guiarnos y

apoyarnos en la ejecucin de esta
ardua tarea.

Y a todas aquellas personas que

han permitido la realizacin de
este trabajo.

INDICE
UNAJMA
Pgina 2

INTRODUCCIN............................................................................................... 3
CAPITULO I..................................................................................................... 4
Elaboracin del Hidromiel..................................................................................... 4
CAPITULO II.................................................................................................... 7
Modelamiento generalidades.................................................................................. 7
CAPITULO III................................................................................................. 10
Modelamiento matemtico del hidromiel.................................................................10
1.
3.

DATOS EXPERERIMENTALES.................................................................10
MODELAMIENTO MATEMTICO PARA CADA MUESTRA.............................11

3.1.

Para la muestra 1............................................................................. 11

3.2.

Para la muestra 2............................................................................. 13

3.3.

Para la muestra 3............................................................................. 14

RESUMEN..................................................................................................... 15
ANEXOS........................................................................................................ 16

INTRODUCCIN
Un modelo matemtico se define como una descripcin desde el punto de vista de
UNAJMA
Pgina 3

las matemticas de un hecho o fenmeno del mundo real, desde el tamao de la poblacin, hasta
fenmenos fsicos como la velocidad, aceleracin o densidad. El objetivo del modelo
matemtico es entender ampliamente el fenmeno y tal vez predecir su comportamiento en el
futuro.
Es importante mencionar que un modelo matemtico no es completamente exacto
con problemas de la vida real, de hecho, se trata de una idealizacin.
Hay una gran cantidad de funciones que representan relaciones observadas en el mundo real; las
cuales se analizarn en los prrafos siguientes, tanto algebraicamente como grficamente.

CAPITULO I
Elaboracin del Hidromiel
1. Hidromiel Generalidades:

UNAJMA
Pgina 4

La miel que la abeja prepara para su uso se encuentra, por su composicin y por su situacin en
la colmena, al abrigo de los consumidores, a los que no est destinada. Pero el hombre
interviene, se apropia de la miel. Ahora bien sacada de los paneles y alojada en recipientes,
incluso estancos, la miel se modifica.
Adems, las levaduras, ya presentes en las celdas y la miel aportadas por el aire, encuentra en la
miel un medio favorable para su desarrollo. En efecto estas levaduras hongos-consumen
azucares, prtidos y materias minerales, todas ellas sustancias existentes en la miel.
2. Preparacin de la miel.
Clara u oscura, recin cogida o aeja, no importa de qu miel proceda el hidromiel. Es ms, hay
poca relacin entre la calidad de la miel y la del hidromiel.
Etapa 1.
Preparacin del mosto. Miel:35 kg agua complementar a 100 litros , ac.
Tartrico: 50 a 100g, Fosfato amnico:2-4g Antes de cerrar: 10 a 20g de meta
bisulfito
Etapa 2
12 h depues
Preparacin del caldo de levadura a partir de levaduras del comercio
Etapa 3
Introduccin de la levadura
Etapa 4
Separacin del hidromiel vs la las
Etapa 5
Reposo, clarificacin trasiego
Etapa 6
Conservacin
3. Adicin de agua
Segn el grado alcohlico deseado en el hidromiel, se diluir maso menos la miel, teniendo en
cuenta que un grado alcohlico es producido por alrededor de 20 g de azucares por litro de
mosto.

4. Adicin de materias minerales

Aun cuando la miel aporta materias minerales, el mosto de la miel fermentada mejor y produce
una bebida de mayor calidad si se encuentra su acidez por adicin de acido tartrico a la dosis
de 50 a 100g por hectolito.
UNAJMA
Pgina 5

5. Adicin de materias nitrogenadas

La miel es pobre en prtidos. Con vista a su transformacin en hidromiel, es recomendable
aadir de 2 a 4g de fosfato amnico por hectolito.
6. Eliminacin de las sustancias en suspensin
Con el fin de eliminar los grados de polen y otras sustancias en suspensin en la miel, que
podran comunicar un mal sabor al producto final, parece posible centrifugar el mosto o pasarlo
por un filtro prensa.
7. Esterilizacin del mosto
Los microorganismos de la miel, del agua, del aire y de los recipientes contaminan el mosto.
Ahora bien, si queremos ofrecer a la levadura un medio en el que solo ella prolifera, tendremos
obligatoriamente que destruir todos los seres vivos del mosto.
El calor, costoso y de fcil empleo, esterilizara pequeas cantidades de mosto de miel. Es mas
sencillo aadir al lquido, en el momento de su fabricacin., un antisptico voltil, como el gas
sulfuro, aportado bajo la forma de meta bisulfito de potasio a la dosis de 10 a 20g por hectolitro.
Doce horas despus del sulfitado todas las bacterias y levaduras estn destruidas. Una agitacin
del lquido al aire o su trasvase, en amplio contacto con el aire, eliminaran el gas sulfuroso que
impide la fermentacin.
8. Aporte de levaduras
Este aporte es indispensable en un mosto esterilizado. Las levaduras alcohlicas pertenecen a
varias especies vecinas. La mejor de estas especies, saccharomyces serivisiae cuenta con
numerosas razas, cada una de las cuales imprime su sello al producto final.
La siembra mas simple consiste en incorporar al mosto de miel del 2 al 5% de mosto de uva
fuertemente cargado de levaduras alcohlicas activas, es decir, en plena fermentacin . la
tcnica se emplea mas gustosamente cuando el hidromiel se prepara en el momento de la
vendimia.
9. Fermentacin
Condiciones a tener en cuenta. En el mosto, la levadura va a consumir azcar y se va a
multiplicar tanto mas deprisa cuanto ms aheriado este el medio.
Aun cuando la presencia de aire es constante y necesaria al comienzo de la fabricacin del
hidromiel, no lo ser despus de uno o dos das . En efecto alimentada en un medio
oxigenado,la levadura consume el azcar y multiplica sus clulas, pero no produce alcohol.
Despues de una fase de multiplicacin y agotamiento del oxigeno en el liquido,la levadura
modifica su forma de vivir; resiste a la asfixia , es decir, destruye el azcar produciendo alcohol
y co2 y cesa su multiplicacin.
El mosto permanece en reposo cuando la levadura absorbe el oxigeno, despus chispea e incluso
hierve durante la fermentacin. Se forman burbujas de co2 ascienden en el liquido y estallan en
su superficie .El volumen del mosto aumenta, ascienden en el liquido y estallan en su
UNAJMA
Pgina 6

superficie. El volumen del mosto aumenta, por lo que es obligado prever, al comienzo, por el
encima del liquido, un vacio de 1/5 a 1/4 del volumen total.
Al fermentar, el mosto se enturbia y calienta; se aprecia olor y alcohol.
En principio la feermentacion prosigue hasta la completa desaparion de los azucares; paro
varios factores pueden frenar o parar el trabajo de las levaduras. Estos son principalmente.
Una proporcin importante de alcohol
Una temperatura demasiado baja o elevada
Una ausencia de oxigeno demasiado prolongada
Una escasez de materias oxigenadas
10. Temperatura
Las levaduras alcohlicas comunes trabajan activamente entre 20 y 30 c A este intervalo de
temperatura es al que conviene llevar el mosto y despus mantenerlo en el. Por debajo de 20 y
por encima de 30c, la levadura se frena.

UNAJMA
Pgina 7

CAPITULO II
Modelamiento generalidades
1. Regresin lineal simple
Sea dos variables X y Y, suponga que se quiere explicar el comportamiento de Y con base a los
valores que toma X. Para esto, se mide el valor de Y sobre un conjunto de valores de X, con
los que se obtienen parejas de puntos (x1, y1),
(x2, y2), (xn, yn). A Y se le llama
variable dependiente o la variable de respuesta y a X se le conoce como variable independiente
o variable regresora. La variable X no necesariamente es aleatoria. Una manera de estudiar el
comportamiento de Y con Respecto a X es mediante al modelo de regresin que consiste en
ajustar un modelo matemtico de la forma:

Y =f ( X )
A las parejas de puntos. Con ello, se puede ver si un dado un valor de la variable
independiente X es posible predecir en valor promedio de Y.
Suponga que las variables X y Y estn relacionadas linealmente y que para cada valor de X, la
variable dependiente, Y, es un valor aleatoria. Es decir, que cada observacin de Y puede ser
descrita por el modelo:

Y = 0+ 1 X +

1.1. Pruebas de hiptesis en la regresin lineal simple

En cualquier de los anlisis de regresin no basta hacer los caculos que se explicaron antes, sino
que es necesario evaluar que estn bien el modelo (la lnea recta) explica la relacin entre X y Y.
una primera forma de hacer esto es probar una serie de hiptesis sobre el modelo. Para ello es
necesario suponer una distribucin de probabilidad para el trmino de error, i. Es usual suponer
normalidad: i se distribuye en forma normal, independiente, con media a cero, varianza ( i
NDI (0. )).
Por lo general, la hiptesis de mayor inters plantea que la pendiente es
significativamente deferente de cero. Esto se logra al probar la siguiente hiptesis:

H 0: 1=0

HA= 1 0

UNAJMA
Pgina 8

Para encontrar el estadstico de prueba para esta hiptesis, es fcil ver que
una distribucin normal y dado que la media y varianza de

^ 1
sigue

^ 1
estn dadas por la ecuaciones

(11.10) y (11.12) respectivamente. Entonces una estimacin de

^
^
V
( 1 esta dada por:

^
^ ( ^ 1 ) = 1 = CME
V
Sxx Sxx
2. Calidad del ajuste en regresin lineal simple
En la seleccin anterior estudiamos pruebas de hiptesis para verificar que hay una relacin
significativa entre X y Y; sin embargo, no hemos visto si tal relacin permite hacer estimaciones
con una precisin aceptable. Por ejemplo, es de inters saber que tanta de la variabilidad
presente en Y fue explicada por el modelo, adems si se cumplen con los supuestos residuos.
3. Coeficiente de determinacin de R
Un primer criterio para evaluar la calidad del ajuste es observar la forma en que el modelo se
ajust a los datos. En el caso de la regresin lineal simple esto se distingue al observar se los
puntos tienden a ajustarse razonablemente bien a la lnea recta. Pero otro criterio ms
cuantitativo es que el proporciona el coeficiente de determinacin, que en el contexto de diseo
de experimentos explicamos, y que ahora en el contexto de regresin est definido por: aj

R =

Variabilidad explicada por el modelo SCR

=
Variabilidad total
S yy

3.1. Coeficiente de determinacin ajustado R aj.

Este coeficiente se calcula de la siguiente manera:

R aj=

CMTotalCME
CMTotal

4. Coeficiente de correlacin.
Es bien conocido que el coeficiente de correlacin r, mide la intensidad de la relacin entre las
variables X y Y. Si se tiene n pares de datos de la forma (xi,yi), entonces este coeficiente se
obtiene de la siguiente manera:

r=

Sxy
SxxSyy

4.1. Error estndar de estimacin.

Una medicin sobre la calidad del ajuste de un modelo lo da el error estndar de estimacin, que
es una estimacin de la desviacin estndar del error, . En el caso de la regresin simple, est
dado por:
UNAJMA
Pgina 9

SCE
Syy ^ 1 Sxy
^ =
=
n2
n2

5. Media de error absoluto (mea)

Otra forma de medir la calidad del ajuste es a travs de la media del valor absoluto de los
residuos, es decir:
n

[ ei ]
mea=

CAPITULO III
Modelamiento matemtico del hidromiel

1. DATOS EXPERERIMENTALES
TIEMPO
1
5
15
22
27
34
39
42
50
56
60

MUESTRA
1
TIEMPO

y
OH

1
5
15
22
27
34
39
42
50
56
60
MUESTRA
2

x
BRIX
0
2
2.5
3
5.3
6.8
6.9
8.6
9.2
10
10.9

BRIX
0
2
2.1
2.5
5.3
5.9
6.3
7.4
9
10
10.5

MUESTRA
3
TIEMPO

OH

Y
OH

X
BRIX
0

UNAJMA
Pgina 10

24

5
15
22
27
34
39
42
50
56
60

2
2.1
2.4
5
5.5
6
6.5
8
8.5
9

21.4
19
18
16.1
15.5
13.5
12
11.5
10
9.8

MUESTRA
4
TIEMPO

Y
OH

1
5
15
22
27
34
39
42
50
56
60

X
BRIX
0
2
2.3
2.5
4
5
5.5
6.6
8
8.7
9.5

24
21.1
18
17.5
16.4
16
15
14
12.6
11
10.5

0
2
3
3.1
6
7
7.5
8
9
10
10.5

X
BRIX
24.5
21.2
18
17.5
16.5
14.5
13.3
12
11.8
10
9.7

MUESTRA
5
Y
1 OH
5
15
22
27
34
39
42
50
56
60
11

UNAJMA
Pgina 11

MUESTRA
6
TIEMPO
1
5
15
22
27
34
39
42
50
56
60

Y
OH

X
BRIX
0
2
3.5
4
5
7
8
8.7
9.5
10.2
10.7

24
21
18
17
15
14.5
12.5
11
10.5
10
9.5

UNAJMA
Pgina 12

2. SE PROPROPONE LOS SIGIENTES MODELOS

LEYENDA.
y
X

OH
CONSENTRACION DE AZUCAR EN
BRIX
DOBLE CONSENTRACION DE
AZUCAR EN BRIX
TRIPLE CONSENTRACION DE
AZUCAR EN BRIX
INTERCEPTO
PENDIENTE

X2
X3
a
b

MODELO LINEAL

Y =a+bX
MODELO CUADRATICO

Y =a+bx+ c x 2
MODELO CUBICO

Y =a+bx+ c x 2+ d x 3

3. MODELAMIENTO MATEMTICO PARA CADA MUESTRA

3.1.

Para la muestra 1

MUESTRA
1
Y MODELO
y
TIEMPO

OH

x
BRI
X

25.2

22.5

2.5

21.6

15

x^2
BRIX
^2

x^3
BRIX^3

Y PARA
M.L.

Y PARA
M.CUDR

Y PARA M.
CUB

0.2114689 0.2759870
635.04 16003.008
4
36 0.121947066
2.1609530 2.1605706
506.25 11390.625
19
51 2.036125325
2.9517603 2.9654738
466.56 10077.696
38
77 2.843012863

22

21

441

9261

27

5.3

19

361

6859

34

6.8

18.8

353.44

6644.672

39

6.9

16.5

272.25

4492.125

42

8.6

50

9.2

15
14.7
5

225
3375
217.56 3209.0468
25
75

56

10
10.
9

60

13

169

2197

13

169

2197

3.4789652
18
5.2363148
17
5.4120497
77
7.4330018
15
8.7510140
15
8.9706827
15
10.508363
61
10.508363
61

3.5000530
64
5.2702954
51
5.4463306
85
7.4578113
86
8.7568345
21
8.9723549
92
10.473131
21
10.473131
21

3.396153133
5.284055957
5.47361245
7.60124258
8.882131593
9.083158722
10.36122722
10.36122722

LA TABLA1 muestra en comportamiento del BRIX en un incremento

exponencial
MODELO LINEAL

Y =a+bX
Estadsticas de la regresin
Coeficiente de correlacin
mltiple
Coeficiente de determinacin
R^2
R^2 ajustado
Error tpico
Observaciones

0.9877950
8
0.9757391
19
0.9730434
66
0.5968320
91
11

MODELO CUADRATICO

Y =a+bx+ c x 2
Estadsticas de la regresin
Coeficiente de correlacin
mltiple
Coeficiente de
determinacin R^2
R^2 ajustado
Error tpico
Observaciones

0.98783438
1
0.97581676
4
0.96977095
6
0.63202222
2
11

Intercepcin
BRIX

Coeficientes
21.93113601
-0.878674799

Intercepcin
BRIX
BRIX ^2

Coeficientes
21.93113601
-0.878674799
21.93113601

MODELO CUBICO
2

Y =a+bx+ c x + d x

Estadsticas de la regresin
Coeficiente de correlacin
mltiple
Coeficiente de
determinacin R^2
R^2 ajustado
Error tpico
Observaciones

3.2.

0.98836871
3
0.97687271
2
0.96696101
7
0.66074437
3
11

Para la muestra 2

Intercepcin
BRIX
BRIX ^2
BRIX^3

Coeficientes
5.858153205
1.75691221
-0.139793387
0.002407054

MUESTRA 2
y

x^2

x^3

Y MODELO

Y
MODELO Y
BRIX BRIX^ Y MODELO CUADRAD MOLDELO
TIEMPO
OH BRIX ^2
3
LINIAL
O
CUBICO
1.2381876 0.135895 0.1987498
1
0
25
625 15625
5
06
7
9528.1 1.3946465 1.256666
5
2
21.2 449.44
28
6
7 1.1758106
6128.4 3.4039147 2.718752 2.6697415
15 2.1
18.3 334.89
87
6
06
4
2.899981 2.8577053
22 2.5
18
324
5832 3.6117701
13
5
5.6903234 5.021428 5.0495369
27 5.3
15
225
3375
1
84
7
6.3831745
5.8971952
34 5.9
14
196
2744
2
5.85349
5
7.0760256 6.748007
39 6.3
13
169
2197
2
11 6.7980919
7.7688767 7.704980 7.7490556
42 7.4
12
144
1728
3
19
3
1643.0 7.9074469 7.903869 7.9449773
50
9
11.8 139.24
32
5
52
6
9.1545789 9.806294 9.7884991
56 10
10
100
1000
4
22
7
10.
9.8474300 10.95063 10.870636
60
5
9
81
729
5
52
4
LA TABLA2 muestra en comportamiento del BRIX en un incremento
exponencial

MODELO LINEAL

Y =a+bX
Estadsticas de la regresin
Coeficiente de correlacin
0.9662505
mltiple
48
Coeficiente de determinacin
0.9336401
R^2
22
R^2 ajustado
0.9262668
02
Coeficientes
Error tpico
0.9599849
63
Intercepcin
16.08309
Observaciones
11
BRIX
-0.692851106

MODELO CUADRATICO

Y =a+bx+ c x 2
Estadsticas de la regresin
Coeficiente de correlacin
0.9882115
mltiple
82
Coeficiente de determinacin
0.9765621
R^2
31
R^2 ajustado
0.9707026
64
Coeficientes
Error tpico
0.6051275
97
Intercepcin
24.06022194
Observaciones
11
BRIX
-1.737672571
BRIX^2

0.03122798

MODELO CUBICO
2

Y =a+bx+ c x + d x

Estadsticas de la regresin
Coeficiente de correlacin
0.9883339
mltiple
71
Coeficiente de determinacin
0.9768040
R^2
39
0.9668629
R^2 ajustado
13
0.6435615
Error tpico
07

Intercepcin
BRIX
BRIX^2
BRIX^3

Observaciones

3.3.

Para

Coeficientes
21.91150135
-1.309356358
11
0.004420122
0.000528549

la muestra 3

MUESTR
A3
Y
TIEMPO

OH

X^2

BRI
X
BRIX^2

24

2 21.4

15

2.1

19

22

2.4

18

27

5 16.1

34

5.5 15.5

39

6 13.5

42
50
56

6.5

12

8 11.5
8.5

10

60
9
9.8
LA TABLA 3 muestra
exponencial

X^3
BRIX^3

Y
MODELO
Y
MODELO
LINIAL

Y
Y MODELO MOLDELO
CUADRADO CUBICO

0.298767 0.1072891 0.1572883

576
13824
04
8
29
9800.34 1.327249 1.3709588 1.3233827
457.96
4
46
8
43
2.828187 2.6705397 2.6256946
361
6859
76
5
23
3.453578 3.2497481 3.2211156
324
5832
72
3
64
4173.28 4.641821 4.4113667 4.4219084
259.21
1
54
3
19
3723.87 5.017056 4.7948332 4.8171371
240.25
5
12
3
35
2460.37 6.267838
6.1772717
182.25
5
04 6.1307387
86
7.205924
7.2286515
144
1728
47 7.1909063
83
1520.87 7.518619 7.5553885 7.5828696
132.25
5
95
4
32
8.456706
8.6510237
100
1000
39 8.6821144
77
8.581784 8.8361161 8.7936563
96.04 941.192
59
5
09
en comportamiento del BRIX en un incremento

MODELO LINEAL

Y =a+bX
Estadsticas de la regresin
Coeficiente de correlacin
0.9802189
mltiple
5
Coeficiente de determinacin
0.9608291
R^2
9

R^2 ajustado
Error tpico
Observaciones

0.9564768
8
Coeficientes
0.6255876
Intercepcin
14.710616
3
11
BRIX
-0.62539096

MODELO CUADRATICO

Y =a+bx+ c x 2
Estadsticas de la regresin
Coeficiente de correlacin
0.982890
mltiple
29
Coeficiente de determinacin
0.966073
R^2
31
R^2 ajustado
0.957591
64
Coeficientes
Error tpico
Intercepcin 0.617524
17.4693203
04
BRIX
-0.98965104
Observaciones
11
BRIX^2
0.01109304
MODELO CUBICO

Y =a+bx+ c x 2+ d x 3

Estadsticas de la
Coeficientes
regresin
Coeficiente de correlacin
Intercepcin 0.982976
15.2239701
mltiple
94
BRIX
-0.54639251
Coeficiente de determinacin
0.966243
BRIX^2
-0.01658959
R^2
66
R^2 ajustado
0.951776
BRIX^3
0.00054994
66
0.658501
Error tpico
54
Observaciones
11

RESUMEN
Para la muestra 1
Coeficien
tes
a
MODELO LINEAL
b

Y =a+bX
MODELO
CUADRATICO

Y =a+bx+ c x

a
b

c
MODELO CUBICO
2

Y =a+bx+ c x + d x

a
3

b
c

valor
21.931136
01
0.8786747
99
21.931136
01
0.8786747
99
21.931136
01
5.8581532
05
1.7569122
1
0.1397933
87
0.0024070
54

R^2
ajustado
0.9564768
8

0.9575916
4

0.9517766
6

%MEA

61.7074462
3

97.4579112
7

99.8272671
4

Para la muestra 2
Coeficien
tes
a
MODELO LINEAL

Y =a+bX
MODELO
CUADRATICO

Y =a+bx+ c x

a
b

c
MODELO CUBICO
2

Y =a+bx+ c x + d x

a
3

valor
16.08309
0.6928511
06
24.060221
94
1.7376725
71
0.0312279
8
21.911501
35
1.3093563
58
0.0044201

R^2
ajustado
0.9262668
02

0.9707026
64

0.9668629
13

%MEA
55.2604410
3

95.8570837
7

99.6198047
7

22
0.0005285
49

d
Para la muestra 3

Coeficien
tes
a
MODELO LINEAL

Y =a+bX
MODELO
CUADRATICO

Y =a+bx+ c x

a
b

c
MODELO CUBICO
2

Y =a+bx+ c x + d x

a
3

valor
14.710616
0.6253909
6
17.469320
3
0.9896510
4
0.0110930
4
15.223970
1
0.5463925
1
0.0165895
9
0.0005499
4

ANEXOS
Las fotos muestran los das de recopilacin de datos

R^2
ajustado
0.9564768
8

0.9575916
4

0.9517766
6

%MEA

59.6162111
5

96.5716811
3

99.6990123
8