Introducción
La papa es uno de los cultivos más importantes en la región andina, no solo por su
relevancia en la dieta de las comunidades locales, sino también por su papel en la
seguridad alimentaria y el desarrollo económico rural. En la localidad de Hichu, ubicada
en la región de Puno, la producción de papa es una actividad agrícola predominante,
donde los pequeños y medianos productores se enfrentan a diversos desafíos
relacionados con la eficiencia productiva, la gestión de costos y la optimización de
recursos. La identificación de los factores que más influyen en la producción de papa
puede proporcionar a los agricultores una guía clara sobre cómo asignar sus recursos
para maximizar el rendimiento.
En este contexto, el uso del modelo de producción Cobb-Douglas ofrece una
metodología robusta para analizar la relación entre los insumos agrícolas (como el costo
del abono, semillas, maquinaria, y mano de obra) y la producción final de papa (medida
en toneladas por hectárea). El modelo Cobb-Douglas ha sido ampliamente utilizado en
estudios de eficiencia agrícola debido a su capacidad para capturar las elasticidades de
los diferentes factores de producción y evaluar los rendimientos a escala.
El presente estudio tiene como objetivo evaluar la producción de papa en Hichu
aplicando el modelo Cobb-Douglas, a fin de determinar cómo los distintos costos e
insumos agrícolas contribuyen al rendimiento productivo. Para ello, se utilizarán datos
sobre los costos de producción (abono, semillas, maquinaria, mano de obra), el tamaño
de las parcelas cultivadas y el tiempo de trabajo, todos ellos como factores que afectan
la producción de papa. A partir del análisis econométrico, se busca responder preguntas
clave como:



¿Qué factor de producción tiene la mayor influencia sobre el rendimiento de la
papa en la localidad de Hichu?
¿Existen rendimientos crecientes, constantes o decrecientes a escala en la
producción de papa?
¿Cómo pueden los agricultores optimizar el uso de recursos para mejorar su
productividad?
La importancia de este estudio radica en su potencial para ofrecer recomendaciones
prácticas a los agricultores locales de Hichu, ayudándoles a mejorar su eficiencia
productiva. Además, los resultados de este análisis podrán servir como una referencia
para futuras investigaciones sobre la agricultura de papa en otras regiones de Puno y del
Perú, especialmente en áreas rurales donde los recursos son limitados y la producción
agrícola es clave para el sustento económico de las familias.
1. Marco Teórico
1. Importancia de la Papa en la Agricultura Andina
La papa (Solanum tuberosum) es un cultivo fundamental en la dieta de muchas
comunidades andinas y juega un papel crucial en la economía rural. Según la FAO
(2020), la papa es uno de los tubérculos más cultivados en el mundo, y su producción
representa una fuente significativa de ingresos para millones de agricultores en regiones
como Puno, Perú. Este cultivo no solo contribuye a la seguridad alimentaria, sino que
también tiene un impacto social y cultural en las comunidades rurales (Almeida &
Montoya, 2018).
2. Modelo de Producción Cobb-Douglas
El modelo de producción Cobb-Douglas, formulado por Charles Cobb y Paul Douglas
en 1928, es ampliamente utilizado para analizar la relación entre los insumos utilizados
en la producción y el producto final. Este modelo se basa en la función de producción:
𝑄 = 𝐴 ⋅ 𝐿𝛼 ⋅ 𝐾𝛽
Donde Q es la producción total, A es un coeficiente que representa la tecnología, L es el
insumo de trabajo, K es el insumo de capital, y α y β son los coeficientes de elasticidad
que muestran la contribución de cada insumo a la producción (Cobb & Douglas, 1928).
El modelo Cobb-Douglas permite calcular las elasticidades de producción, que indican
cómo un cambio porcentual en un insumo afecta la producción total, proporcionando
información valiosa sobre la eficiencia y la optimización de recursos (Mankiw, 2014).
Además, este modelo se adapta bien a situaciones de producción agrícola, donde los
agricultores deben gestionar múltiples insumos para maximizar su rendimiento.
3. Eficiencia Productiva en la Agricultura
La eficiencia productiva se refiere a la capacidad de los productores para obtener el
máximo rendimiento posible de los insumos utilizados. Según Farrell (1957), la
eficiencia se puede descomponer en eficiencia técnica y eficiencia asignativa. La
eficiencia técnica se centra en la relación entre insumos y productos, mientras que la
eficiencia asignativa evalúa si los insumos se utilizan de la manera más rentable.
En el contexto de la producción de papa en Hichu, es fundamental entender cómo los
diferentes factores de producción, como el costo del abono, las semillas, la maquinaria y
la mano de obra, impactan el rendimiento. Al aplicar el modelo Cobb-Douglas, se puede
determinar qué insumos son más críticos para mejorar la productividad y cómo
optimizar su uso.
4. Estudios Previos sobre Producción de Papa
Varios estudios han aplicado el modelo Cobb-Douglas en la producción agrícola para
evaluar la eficiencia y el impacto de diferentes insumos. Por ejemplo, Ortega y
Gonzalez (2019) analizaron la producción de papa en la región de Cajamarca y
encontraron que el costo de la mano de obra y el abono eran factores significativos que
influían en el rendimiento. De manera similar, Ramos et al. (2020) estudiaron la
producción de papa en el sur de Perú y concluyeron que la inversión en tecnología y la
gestión adecuada de insumos podían mejorar significativamente la productividad.
Recolección de datos:
La recolección de datos es un proceso fundamental en la investigación, ya
que proporciona la información necesaria para analizar fenómenos y
tomar decisiones informadas. En este estudio sobre la producción de papa
en Hichu, se realizó un viaje a la localidad para obtener datos de primera
mano sobre las prácticas agrícolas y las condiciones del terreno. Durante
esta visita, se sostuvo una conversación con el ingeniero Arturo Blanco de
la Dirección Agraria de Puno, quien proporcionó información valiosa
sobre las técnicas de cultivo y el uso de insumos en la región. Además, se
llevó a cabo una encuesta dirigida al presidente de la Asociación 29 de
Junio y a los miembros de dicha asociación, lo que permitió recopilar
datos específicos sobre los costos de producción, la calidad de los insumos
utilizados y las experiencias de los agricultores en su labor diaria. Este
enfoque de recolección de datos, que combina entrevistas y encuestas,
asegura la validez y la relevancia de la información obtenida,
proporcionando una base sólida para el análisis de la producción de papa
en Hichu.2. Transformaciones Logarítmicas en el Modelo Cobb-Douglas.
2. Metodos y materiales
1. Introducción a las Transformaciones Logarítmicas
Las transformaciones logarítmicas son una herramienta común en econometría y
análisis de datos, especialmente cuando se trabaja con funciones de producción como el
modelo Cobb-Douglas. La razón principal para aplicar logaritmos es la linealización de
relaciones multiplicativas y la estabilización de la varianza, lo que facilita la estimación
de modelos y la interpretación de resultados (Wooldridge, 2016). Al transformar
variables a su logaritmo natural, se pueden mejorar la normalidad de los errores y la
homocedasticidad, condiciones ideales para los modelos de regresión lineal.
2. Transformación Logarítmica del Modelo Cobb-Douglas
Dado el modelo de producción Cobb-Douglas:
𝑄 = 𝐴 ⋅ 𝐿𝛼 ⋅ 𝐾𝛽
Se puede aplicar el logaritmo natural a ambos lados de la ecuación para obtener una
forma lineal:
ln(Q) = ln(A) + αln(L) + βln(K)
En esta transformación, ln(Q) es el logaritmo natural de la producción, ln(A) es el
logaritmo natural del coeficiente tecnológico, y αln(L) y βln(K) son los logaritmos
naturales de los insumos de trabajo y capital, respectivamente (Mankiw, 2016).
3. Ventajas de la Transformación Logarítmica



Linealización: Al transformar el modelo, se convierte en una forma lineal que
se puede estimar fácilmente mediante regresión lineal ordinaria (OLS). Esto es
ventajoso, ya que los métodos de estimación lineal son bien establecidos y más
fáciles de implementar (Gujarati & Porter, 2009).
Interpretación de Coeficientes: En la forma logarítmica, los coeficientes α y β
se interpretan como elasticidades. Esto significa que un cambio porcentual en L
o K se refleja directamente en un cambio porcentual en Q. Por ejemplo, si α=0.5,
un aumento del 1% en L llevará a un incremento del 0.5% en Q (Mankiw,
2016).
Estabilidad de la Varianza: Las transformaciones logarítmicas ayudan a
estabilizar la varianza en datos que presentan heterocedasticidad, una situacón
común en datos económicos donde la variabilidad de los errores varía con el
nivel de los insumos o la producción (Wooldridge, 2016).
4. Aplicación en la Producción de Papa
Al aplicar estas transformaciones al análisis de la producción de papa en Hichu, se
facilita la identificación de la relación entre los insumos y el rendimiento del cultivo.
Con los datos de costos de abono, semillas, maquinaria y mano de obra, se puede
estimar el modelo transformado:
ln(𝑄) = ln(𝐴) + 𝛼 ln(𝐶𝑂𝑆𝑇𝑂 𝐴𝐵𝑂𝑁𝑂) + 𝛽 ln(𝐶𝑂𝑆𝑇𝑂 𝐷𝐸 𝑆𝐸𝑀𝐼𝐿𝐿𝐴𝑆)
+ 𝛾 ln(𝐶𝑂𝑆𝑇𝑂 𝐷𝐸 𝑀𝐴𝑄𝑈𝐼𝑁𝐴𝑅𝐼𝐴) + 𝛿 ln(𝐶𝑂𝑆𝑇𝑂 𝐷𝐸 𝑀𝐴𝑁𝑂 𝐷𝐸 𝑂𝐵𝑅𝐴)
Esta ecuación permite evaluar cómo los cambios en los costos de producción afectan el
rendimiento de papa, proporcionando información valiosa para la toma de decisiones
(Gujarati & Porter, 2009).
Las transformaciones logarítmicas son fundamentales en el análisis del modelo de
producción Cobb-Douglas, especialmente al trabajar con datos agrícolas. Facilitan la
estimación y la interpretación de relaciones complejas, lo que es esencial para los
agricultores de Hichu que buscan optimizar su producción de papa y mejorar su
rentabilidad. Al emplear este enfoque, se espera proporcionar una base sólida para
recomendaciones prácticas que puedan aumentar la eficiencia productiva en la
localidad.
3. Resultados
Gráfico 1. Las variable independientes frente a la producción (P).
FUENTE: AUTORÍA PROPIA/ PYTHON
Gráfico 2. Estimación del modelo
OLS Regression Results
==============================================================================
Dep. Variable:
P
R-squared:
0.750
Model:
OLS
Adj. R-squared:
0.697
Method:
Least Squares
F-statistic:
14.02
Date:
Tue, 15 Oct 2024
Prob (F-statistic):
2.59e-07
Time:
14:10:40
Log-Likelihood:
29.174
No. Observations:
35
AIC:
-44.35
Df Residuals:
28
BIC:
-33.46
Df Model:
6
Covariance Type:
nonrobust
==============================================================================
coef
std err
t
P>|t|
[0.025
0.975]
-----------------------------------------------------------------------------const
-3.0491
1.415
-2.156
0.040
-5.947
-0.152
C1
-0.1054
0.136
-0.777
0.444
-0.383
0.173
C2
0.3862
0.133
2.900
0.007
0.113
0.659
C3
0.4544
0.122
3.716
0.001
0.204
0.705
C4
0.0663
0.135
0.490
0.628
-0.211
0.344
ha
0.3633
0.080
4.519
0.000
0.199
0.528
t
-0.2523
0.140
-1.806
0.082
-0.538
0.034
==============================================================================
Omnibus:
10.195
Durbin-Watson:
2.120
Prob(Omnibus):
0.006
Jarque-Bera (JB):
12.039
Skew:
-0.774
Prob(JB):
0.00243
Kurtosis:
5.421
Cond. No.
976.
==============================================================================
FUENTE: AUTORÍA PROPIA/ PYTHON
Interpretación de los Resultados de la Regresión OLS




Variable Dependiente (P): Esta es la producción de papa (en toneladas por hectárea).
R-squared (R²): 0.750 indica que aproximadamente el 75% de la variabilidad en la
producción de papa puede ser explicada por las variables independientes en el
modelo. Esto sugiere un buen ajuste del modelo.
Adjusted R-squared (R² ajustado): 0.697, que ajusta el R² considerando el número de
predictores en el modelo. Esto indica que, a pesar de la complejidad del modelo, sigue
siendo un buen modelo explicativo.
F-statistic: 14.02 con un valor p de 2.59e-07 indica que al menos una de las variables
independientes es significativamente diferente de cero. Esto sugiere que el modelo es
significativo y útil para predecir la producción de papa.
Los coeficientes representan la elasticidad de la producción de papa con respecto a cada
insumo:







Constante (-3.0491): Este es el término constante. Indica que, si todos los
insumos son cero (teóricamente), la producción de papa sería negativa, lo cual
no tiene sentido práctico, pero es importante para la formulación matemática del
modelo.
C1 (-0.1054): Este coeficiente no es significativo (valor p = 0.444). Esto indica
que el costo de abono no tiene un efecto significativo en la producción de papa,
lo que sugiere que incrementar este insumo podría no generar un retorno
favorable en la producción.
C2 (0.3862): Este coeficiente es significativo (valor p = 0.007), lo que indica
que un aumento del 1% en el costo de semillas se asocia con un aumento del
0.386% en la producción de papa. Este insumo parece ser importante para
mejorar la producción.
C3 (0.4544): Este coeficiente también es significativo (valor p = 0.001). Un
aumento del 1% en el costo de maquinaria se traduce en un incremento del
0.454% en la producción de papa. Esto sugiere que la inversión en maquinaria es
altamente beneficiosa para la producción.
C4 (0.0663): Este coeficiente no es significativo (valor p = 0.628), lo que
sugiere que el costo de la mano de obra no tiene un impacto significativo en la
producción de papa en este contexto.
ha (0.3633): Este coeficiente es significativo (valor p = 0.000). Un aumento del
1% en el terreno disponible se asocia con un incremento del 0.363% en la
producción de papa. Esto indica que el tamaño del terreno es un factor crucial en
la producción.
t (-0.2523): Este coeficiente tiene un valor p cercano a 0.082, lo que indica que
está cerca de ser significativo. Sugiere que un aumento en el tiempo de trabajo
por día se asocia con una disminución en la producción de papa del 0.252% por
cada 1% adicional de tiempo. Esto podría ser indicativo de un efecto de fatiga o
ineficiencia al aumentar el tiempo de trabajo.
Interpretación de los Coeficientes como Elasticidades
Los coeficientes de la regresión pueden ser interpretados como elasticidades cuando se
trata de un modelo de producción Cobb-Douglas, de la forma:
P = A ⋅ C1α1 ⋅ C2α2 ⋅ C3α3 ⋅ C4α4 ⋅ haα5 ⋅ tα6
Donde:



C1, C2, C3, C4 son los costos de abono, semillas, maquinaria y mano de obra,
respectivamente.
ha es el terreno en hectáreas.
t es el tiempo de trabajo.
A continuación, se presenta la interpretación de las elasticidades calculadas a partir de
los coeficientes de la regresión:
1. Costo de Abono (C1):
o
o
Coeficiente: -0.1054
Interpretación: Una elasticidad de -0.1054 indica que un aumento del 1% en el
costo del abono se relaciona con una disminución del 0.1054% en la
producción de papa. Esto sugiere que el abono, a este nivel de costo, puede no
ser efectivo para aumentar la producción, lo que puede implicar la necesidad
de revisar su uso o costo.
2. Costo de Semillas (C2):
o
o
Coeficiente: 0.3862
Interpretación: La elasticidad positiva de 0.3862 sugiere que un incremento
del 1% en el costo de semillas produce un aumento del 0.3862% en la
producción de papa. Esto refleja la importancia de las semillas en el proceso
productivo, indicando que una correcta inversión y gestión en semillas podría
resultar en rendimientos superiores.
3. Costo de Maquinaria (C3):
o
o
Coeficiente: 0.4544
Interpretación: La elasticidad de 0.4544 indica que un aumento del 1% en el
costo de maquinaria se traduce en un incremento del 0.4544% en la
producción de papa. Este resultado resalta la relevancia de la maquinaria en el
proceso de producción, sugiriendo que la inversión en mejores equipos es
fundamental para mejorar los rendimientos.
4. Costo de la Mano de Obra (C4):
o
o
Coeficiente: 0.0663
Interpretación: Una elasticidad de 0.0663 significa que un aumento del 1% en
el costo de la mano de obra resulta en un aumento del 0.0663% en la
producción de papa. Esta elasticidad es muy baja, lo que sugiere que la mano
de obra tiene un impacto limitado en la producción. Podría ser necesario
revisar la eficiencia en el uso de la mano de obra.
5. Terreno (ha):
o
o
Coeficiente: 0.3633
Interpretación: La elasticidad de 0.3633 implica que un aumento del 1% en el
área cultivada (en hectáreas) se asocia con un incremento del 0.3633% en la
producción de papa. Esto indica que el tamaño del terreno cultivado es un
factor clave en la producción, destacando la importancia de maximizar el uso
del terreno disponible.
6. Tiempo de Trabajo (t):
o
o
Coeficiente: -0.2523
Interpretación: Una elasticidad de -0.2523 sugiere que un aumento del 1% en
el tiempo de trabajo diario se relaciona con una disminución del 0.2523% en la
producción de papa. Este resultado indica que hay un punto de retorno
decreciente en el tiempo de trabajo, posiblemente debido a la fatiga o la
ineficiencia en la producción, lo que sugiere que aumentar las horas de trabajo
no siempre resulta en mayor producción.
El análisis de elasticidades revela varias consideraciones clave para la producción de
papa en la localidad de Hichu:



Insumos Críticos: Los costos de semillas y maquinaria tienen elasticidades positivas
significativas, lo que implica que son insumos clave para incrementar la producción.
Inversiones estratégicas en estos factores pueden resultar en aumentos en los
rendimientos.
Desempeño Limitado de Abono y Mano de Obra: La elasticidad negativa del costo de
abono y la elasticidad baja de la mano de obra indican que se debe investigar la
eficacia de estos insumos y su relación con la producción.
Eficiencia en el Uso del Tiempo de Trabajo: La relación negativa entre tiempo de
trabajo y producción sugiere que hay un límite en la cantidad de trabajo efectivo que
se puede realizar, y que es crucial optimizar el tiempo y la organización del trabajo.
4.Conclusión
Los hallazgos de esta investigación sobre la producción de papa destacan que la
inversión en semillas de calidad y maquinaria moderna es crucial para incrementar los
rendimientos, ya que presentan elasticidades positivas significativas. Sin embargo, el
abono y la mano de obra muestran una baja efectividad, sugiriendo la necesidad de
revisar las prácticas actuales y adoptar tecnologías más avanzadas para maximizar la
eficiencia. Además, la relación negativa entre el tiempo de trabajo y la producción
indica que simplemente aumentar las horas laborables no garantiza un incremento en la
producción, lo que resalta la importancia de optimizar la organización del trabajo.
Finalmente, el tamaño del terreno cultivado se revela como un determinante esencial,
enfatizando la necesidad de maximizar su uso para lograr mayores rendimientos. En
conjunto, estos resultados subrayan la necesidad de un enfoque integral que considere la
calidad de los insumos, la optimización de las prácticas laborales y el uso eficiente del
terreno para mejorar la rentabilidad y sostenibilidad del sector agrícola en Puno.
5. RECOMENDACIONES:
Se recomienda a los agricultores invertir en semillas de alta calidad y modernizar la
maquinaria para maximizar la producción, complementando estas acciones con
capacitación sobre su uso adecuado. Asimismo, es crucial optimizar el uso de abono
mediante prácticas más eficientes, como la agricultura de precisión, para mejorar su
efectividad. También se sugiere capacitar a los trabajadores en la gestión del tiempo y
organización del trabajo, minimizando la fatiga y aumentando la eficiencia. Los
agricultores deben explorar estrategias para maximizar el uso del terreno cultivado,
como la rotación de cultivos y la diversificación, y establecer canales de asesoramiento
técnico continuo para recibir apoyo sobre nuevas tecnologías y prácticas agrícolas. Por
último, implementar un sistema de monitoreo y evaluación permitirá identificar áreas de
mejora y ajustar estrategias según los resultados obtenidos.
Referencias










Almeida, E., & Montoya, A. (2018). Cultura y economía en la producción de
papa en el altiplano peruano. Editorial Agraria.
Cobb, C. W., & Douglas, P. H. (1928). A theory of production. The American
Economic Review, 18(1), 139-165.
FAO. (2020). FAOSTAT statistical database. Food and Agriculture Organization
of the United Nations. Recuperado de http://www.fao.org/faostat/en/#home
Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the
Royal Statistical Society. Series A (General), 120(3), 253-290.
Mankiw, N. G. (2014). Principles of Economics (7th ed.). Cengage Learning.
Ortega, J., & Gonzalez, R. (2019). Análisis de la producción de papa en
Cajamarca: aplicación del modelo Cobb-Douglas. Revista de Estudios Agrarios,
45(2), 205-220.
Ramos, J., Vargas, L., & Castro, M. (2020). Eficiencia en la producción de papa
en el sur de Perú: un enfoque de regresión. Revista Latinoamericana de
Agricultura, 38(1), 87-98.
 Gujarati, D. N., & Porter, D. C. (2009). Basic Econometrics (5th ed.).
McGraw-Hill.
 Mankiw, N. G. (2016). Principles of Economics (7th ed.). Cengage Learning.
 Wooldridge, J. M. (2016). Introductory Econometrics: A Modern Approach
(6th ed.). Cengage Learning.
ANEXOS:
TABLA 1 DATA PRODUCCIÓN PAPAS (ASOCIACIÓN 29 DE JUNIO DE ICHU-PUNO)
DATOS
COSTO DE
SEMILLAS
COSTO DE
MAQUINARIA
COSTO DE LA MANO
DE OBRA
PRODUCCION DE
PAPAS
TERRENO
tiempo de
trabajo por
dia
(S/Ha)
(S/Ha)
(S/Ha)
(S/Ha)
Ton/ha
ha
H/dia
COSTO
N° ABONO
C1
C2
C3
C4
P
ha
t
1
643
825
1085
1137
7.77
1.15
6
2
391
1397
1025
1082
6.21
0.54
8
3
293
883
1253
353
11.42
2.83
7
4
359
1478
1361
743
15.33
1.75
4
5
659
1559
554
912
5.87
1.85
8
6
320
1320
760
700
9.54
1.25
6
7
485
950
1135
1180
10.8
2
7
8
710
1720
980
1345
12.9
2.5
5
9
405
1200
805
885
8.35
1.6
7
10 312
1100
920
1040
11
2.1
6
11 478
1365
675
910
10.15
1.3
8
12 399
890
750
830
9.78
1.9
6
13 520
1450
820
1000
11.5
1.6
5
14 387
1235
670
880
9.12
2.2
7
15 625
1680
920
1150
13.9
1.8
6
16 299
1025
785
720
7.5
1.3
5
17 432
1280
720
820
9.65
1.5
6
18 540
1375
925
940
10.85
1.7
7
19 431
1190
805
815
8.5
1.4
7
20 314
950
750
680
7.75
1.1
8
21 580
1625
870
1120
11.2
1.8
6
22 433
1440
720
900
10.5
1.9
5
23 576
1600
930
1185
12.4
2
6
24 350
1280
940
850
9.75
1.6
7
25 487
1350
820
1090
11.8
1.8
5
26 498
1400
700
800
10.25
1.7
8
27 615
1650
960
1080
12.1
2
5
28 490
1300
835
935
10.3
1.8
7
29 550
1520
905
1010
11.8
1.9
6
30 380
1150
765
850
9.4
2
7
31 670
1750
1000
1220
13.5
1.7
5
32 450
1250
820
920
10.5
1.6
6
33 525
1400
880
975
11
1.8
7
34 320
1050
780
740
8.2
1.4
8
35 590
1600
950
1100
12.5
2.1
6
FUENTE: ELABORACION PROPIA
TABLA 2 Aplicar logaritmos a las variables
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
C1
6.466145
5.968708
5.680173
5.883322
6.490724
5.768321
6.184149
6.565265
6.003887
5.743003
6.169611
5.988961
6.253829
5.958425
6.437752
5.700444
6.068426
6.291569
6.066108
5.749393
6.363028
6.070738
6.356108
5.857933
6.188264
6.210600
C2
6.715383
7.242082
6.783325
7.298445
7.351800
7.185387
6.856462
7.450080
7.090077
7.003065
7.218910
6.791221
7.279319
7.118826
7.426549
6.932448
7.154615
7.226209
7.081709
6.856462
7.393263
7.272398
7.377759
7.154615
7.207860
7.244228
C3
6.989335
6.932448
7.133296
7.215975
6.317165
6.633318
7.034388
6.887553
6.690842
6.824374
6.514713
6.620073
6.709304
6.507278
6.824374
6.665684
6.579251
6.829794
6.690842
6.620073
6.768493
6.579251
6.835185
6.845880
6.709304
6.551080
C4
7.036148
6.986566
5.866468
6.610696
6.815640
6.551080
7.073270
7.204149
6.785588
6.946976
6.813445
6.721426
6.907755
6.779922
7.047517
6.579251
6.709304
6.845880
6.703188
6.522093
7.021084
6.802395
7.077498
6.745236
6.993933
6.684612
P
ha
2.050270 0.139762
1.826161 -0.616186
2.435366 1.040277
2.729812 0.559616
1.769855 0.615186
2.255493 0.223144
2.379546 0.693147
2.557227 0.916291
2.122262 0.470004
2.397895 0.741937
2.317474 0.262364
2.280339 0.641854
2.442347 0.470004
2.210470 0.788457
2.631889 0.587787
2.014903 0.262364
2.266958 0.405465
2.384165 0.530628
2.140066 0.336472
2.047693 0.095310
2.415914 0.587787
2.351375 0.641854
2.517696 0.693147
2.277267 0.470004
2.468100 0.587787
2.327278 0.530628
t
1.791759
2.079442
1.945910
1.386294
2.079442
1.791759
1.945910
1.609438
1.945910
1.791759
2.079442
1.791759
1.609438
1.945910
1.791759
1.609438
1.791759
1.945910
1.945910
2.079442
1.791759
1.609438
1.791759
1.945910
1.609438
2.079442
26
27
28
29
30
31
32
33
34
6.421622
6.194405
6.309918
5.940171
6.507278
6.109248
6.263398
5.768321
6.380123
7.408531
7.170120
7.326466
7.047517
7.467371
7.130899
7.244228
6.956545
7.377759
6.866933
6.727432
6.807935
6.639876
6.907755
6.709304
6.779922
6.659294
6.856462
6.984716
6.840547
6.917706
6.745236
7.106606
6.824374
6.882437
6.606650
7.003065
2.493205
2.332144
2.468100
2.240710
2.602690
2.351375
2.397895
2.104134
2.525729
FUENTE:ELABORACION PROPIA
Ubicación de FOTOS: localidad de Hichu
fuente: equipo investigador
0.693147
0.587787
0.641854
0.693147
0.530628
0.470004
0.587787
0.336472
0.741937
1.609438
1.945910
1.791759
1.945910
1.609438
1.791759
1.945910
2.079442
1.791759