· ~-
REQUERIMIENTOS
DE MANO DE OBRA
EN LA AGRICULTURA
PERUANA
. HECTOR MALETTA
REQUERIMIENTOS
DE MANO DE OBRA
EN LA AGRICULTURA
PERUANA
HECTOR MALETTA
CENTRO DE INVESTIGACION (CIUP)
UNIVERSIDAD DEL PACIFICO
© Universidad del Pacífico
Centro de Investigación
Avenida Salaverry 2020
Lima 11, Perú
Primera Edición:
Marzo 1985
El Centro de Investigación de la Universidad del Pacífico no se solidariza necesariamente con
el contenido de los trabajos que publica.
INDICE
Pág.
INTRODUCCION .......................................................................................................................................... 7
PRIMERA PARTE: ASPECTOS TEORICOS Y METODOLOGICOS
I. Conceptos generales ................................................................................................................... 11
II Coeficientes de mano de obra en la agricultura peruana ................................................................... 171. Nociones Generales .................................................................................................................... 17
2. Coeficientes de mano de obra para cultivos agrícolas .......................................................... 22
3. Coeficientes de mano de obra en la actividad pecuaria ............................................................. 29
3.1 Ganado Vacuno................................................................................................................... 31
3.2 Ganado Ovino ..................................................................................................................... 42
3.3 Ganado Auquénido ............................................................................................................. 50
3.4 Ganado Equino ................................................................................................................. 56
3.5 Ganado Porcino................................................................................................................... 57
3.6 Aves .................................................................................................................................. 60
3.7 Cuyes .................................................................................................................................. 60
3.8 Recapitulación .................................................................................................................... 61
IIL El nivel de la actividad agropecuaria .......................................................................................... 65
1. Problemas generales.................................................................................................................... 65
2. La estadística agropecuaria de 1929 ........................................................................................... 67
2.1 La convención en 1929 ....................................................................................................... 68
2.2 Maíz en Cajamarca (1929).................................................................................................. 68
2.3 Menestras en Cajamarca (1929)......................................................................................... 71
2.4 Maíz en Ayacucho (1929)................................................................................................... 72
2.5 La papa en Puno (1929) ......................................................................................................... 73
2.6 La papa en Junín (1929).......................................................................................................... 74
2.7 Sembríos asociados en 1929 .............................................................................................. 75
2.8 Jaén-San Ignacio en 1929 ................................................................................................... 76
3. La estadística agraria de 1941-1944 ........................................................................................... 77
4. El censo agropecuario de 1961
79
5. El censo agropecuario de 1972 ................................................................................................... 80
6. La estadística agraria de 1964 a 1979 ......................................................................................... 82
7. Recapitulación ............................................................................................................................ 85
SEGUNDA PARTE: ALGUNOS RESULTADOS GENERALES
Introducción ................................................................................................................................................. 91
1. La evolución global ............................................................................................................................. 91
2. La estructura regional ........................................................................................................................ 104
3. La estructura regional y las variaciones estacionales ..................................................................... 106
4. Fuerza de trabajo y demanda de mano de obra ............................................................................... 109
5. Requerimientos promedio a nivel nacional ....................................................................................... 114
TERCERA PARTE: CUADROS ESTADISTICOS
L Requerimientos agropecuarios anuales por departamento y producto,
1929-1972 . . 121
II. Requerimientos agropecuarios anuales por departamento y producto,
1964-1979 .. 147
IIL Requerimientos agropecuarios mensuales por provincias y departamentos, 1972 ...
173
***
INTRODUCCION
Este estudio versa sobre los requerimientos de mano de obra en la agricultura peruana, y se
refiere a varios períodos históricos y a varios niveles de agregación espacial y temporal.
Por una parte, se ha estimado esos requerimientos sobre una base departamental, tomando
relevamientos censales existentes desde 1929 hasta 1972 y asimismo la estadística agraria desde
1964 hasta 1979; en estos casos se han calculado los requerimientos anuales y los de un deter
minado mes considerado significativo (junio). Por otra parte, se han analizado los requerimientos
del año 1972 por meses y a nivel de provincias; si bien las fuentes no son enteramente compati
bles, el conjunto permite tener una visión de la evolución de este problema en el total del país y
en sus diferentes regiones.
Para estimar los requerimientos de mano de obra generados por cada actividad agrícola o
ganadera se han utilizado coeficientes unitarios de mano de obra para la actividad agrícola ya
utilizados anteriormente para el mismo propósito por el Convenio para Estudios Económicos
Básicos (CEEB). Para la actividad pecuaria se han construido coeficientes nuevos, que se consi
deran más ajustados que los usados por el CEEB; de este modo, el presente estudio es el primero
que (además de utilizar estadísticas ajustadas respecto al volumen de cultivos y ganados) utiliza
coeficientes más refinados para la actividad pecuaria y —por ende— puede considerarse más re
presentativo que el citado estudio, del CEEB.
Los requerimientos teóricos de mano de obra en una actividad agropecuaria no coinciden
necesariamente con el uso efectivo de trabajo en dicha actividad: se basan en estudios técnicos
y no en relevamientos empíricos representativos; pero los estudios en cuestión reflejan —aunque
imperfectamente— las posibilidades técnicas de diferentes productores, situados en diferentes
tecnologías, y se basan en nuestras unidades productivas concretas, de modo que guardan una
relación con la realidad. En una sección ulterior analizaremos más de cerca la metodología se
guida para estimar estos coeficientes unitarios de requerimiento de mano de obra.
El propósito de la obra es doble: de una parte, pretende dar una base para el estudio sustan
tivo del problema del trabajo en la agricultura peruana, ya que la evolución de los requerimien
tos laborales de la agricultura es un elemento muy importante para explicar la evolución de la
población rural, el empleo y otras variables cruciales en el proceso de desarrollo. De otra parte,
el estudio persigue la finalidad de facilitar la iniciación de series estadísticas apropiadas, integra
das en la estadística agraria, para reflejar el requerimiento de mano de obra por cultivos, por es
pecie de ganado, por nivel tecnológico, por tipo de unidad productiva, por meses, por áreas geo
gráficas. La incorporación del aspecto laboral puede ser un avance significativo en el desarrollo
de la estadística agropecuaria, y su incorporación es factible bajo la metodología que aquí se
utiliza (sujeta, obviamente, a frecuentes revisiones en cuanto a la validez de los coeficientes uni
tarios).
7
En la primera parte se exponen fundamentos teóricos y metodológicos del trabajo. En la
segunda, aparece un análisis de los principales resultados. En la tercera, se condensan los estima
dos obtenidos para cada año, actividad y área.
El trabajo hubiese sido imposible sin la colaboración de algunos asistentes cuya laboriosidad
no puede ser sino reconocida con gratitud: Jubitza Franciskovic, Luz Foronda, Diana Cordano,
y muy especialmente Roxanna Brain. Asimismo, es preciso recordar que una parte del trabajo
fue apoyado financieramente por el proyecto SINEA (Sistema Nacional de Estadística Alimen
taria) del entonces Ministerio de Alimentación y por la Fundación para el Desarrollo Nacional.
El autor se ha beneficiado también de la cooperación y los comentarios de diversas personas,
entre las cuales cabe mencionar principalmente a Eduardo Grillo, Carlos Amat y León (autor
principal del estudio del CEEB que ya hemos mencionado), Carlos Samaniego, Jesús Foronda,
José Maria Caballero, y otros cuya inevitable omisión en aras de la brevedad no disminuye el
valor de su colaboración.
8
PRIMERA PARTE
ASPECTOS TEORICOS Y METODOLOGICOS
I
CONCEPTOS GENERALES
Cualquier actividad productiva, en la agricultura o en otras ramas, combina por un lado la
fuerza humana de trabajo, y por el otro los medios de producción, incluyendo en estos últimos
los reproducibles y los no reproducibles, desde la tierra hasta los insumos químicos o los instru
mentos mecánicos.
En esa combinación, dirigida a la obtención de un determinado producto (o conjunto de
productos), es posible distinguir por un lado un aspecto técnico-material, referente a las relacio
nes entre los mismos elementos que se están combinando desde un punto de vista físico, y un
aspecto social, concerniente a las formas de apropiación a través de las cuales esos elementos se
ponen en contacto, y que no representa relaciones entre el hombre y los medios de producción,
sino básicamente relaciones entre los hombres mismos.
El aspecto social del proceso de producción es tan importante como el aspecto técnicomaterial: ambos se influyen mutuamente. Esta consideración preclude cualquier posibilidad de
considerar el aspecto técnico-material en sí mismo, desgajado de toda consideración sobre su for
ma social. Las reglas que orientan el proceso tecnológico varían según las relaciones sociales que
le sirven de contexto: lo que en una economía comunal, por ejemplo, resulta correcto, aparece
como una irracionalidad en una economía capitalista, y lo que en ésta puede ser la solución ópti
ma se revela como un despilfarro irracional en una economía socialista.
Esto tiene gran relevancia para estudiar el empleo en la agricultura, ya que el enfoque que
aquí vamos a privilegiar (los requerimientos técnicos de mano de obra) se basa en normas técni
cas pero tiende a hacer abstracción de las formas sociales en que la producción se desenvuelve:
en el caso de la agricultura peruana, sin embargo, coexisten diferentes relaciones sociales de pro
ducción que pueden estar influyendo sobre la determinación de los requerimientos: unidades
campesinas de producción familiar, unidades medianas de producción capitalista, empresas aso
ciativas de diverso tipo, etc. Es fácil advertir que la “racionalidad” de una cierta tecnología pue
de estar esencialmente ligada al tipo de relaciones sociales de que estemos hablando.
El ejemplo más inmediato de esta situación puede verse en la economía campesina estricta
mente familiar. Como se ha señalado muchas veces, el límite o margen dentro del cual esta pro
ducción es viable no coincide con los límites de la racionalidad capitalista: un campesino puede
seguir produciendo aun cuando no obtenga una tasa normal de retomo sobre sus inversiones,
siempre que obtenga lo necesario para el mantenimiento del proceso productivo y para su propia
11
subsistencia1. La aplicación de más trabajo, entonces, sobre determinada tierra y para producir
determinados cultivos, puede resultar racional para un campesino e irracional para una empresa
capitalista, exigiendo introducir diferentes criterios de racionalidad (o sea, diferentes formas de
computar los “costos de producción”) si se desea alcanzar conclusiones válidas. Lo mismo suce
de en las empresas autogestionarias: la determinación del número de trabajadores socios y de las
cantidades de trabajo que ellos deben volcar en la producción no se realiza en la misma forma
que para una empresa capitalista o para una ecomomía campesina (sobre todo si se puede recurrir
a trabajadores no-socios como complemento)2.
Desgraciadamente, no sólo no existen estudios detallados sobre las “tecnologías apropiadas"
a cada tipo de unidad productiva, ni sobre la forma en que éstas efectúan sus opciones técnicas,
sino que tampoco están diferenciadas las cifras de producción o de hectareaje según el tipo de
productor involucrado. Una de las limitaciones de los datos que se presentan más adelante radica
justamente aquí, pero ello debe servir como base para recomendar que en el futuro se corrija esa
deficiencia generando los datos necesarios como parte integrante del aparato estadístico vincula
do al sector agropecuario.
Con estas salvedades preliminares, el estudio de los requerimientos de trabajo en la agricul
tura peruana muestra sus propios límites y potencialidades. Basado en consideraciones técnicas
y en determinados criterios de eficiencia, el requerimiento técnico de mano de obra para un de
terminado producto no refleja el uso efectivo de trabajo sino una norma fundada en estudios em
píricos pero también en nociones técnicas y teóricas no necesariamente coincidentes con la rea
lidad. En la próxima sección de este informe se analizan algunos aspectos e implicancias de este
enfoque. Por otro lado, se asume una cierta tecnología, supuestamente la más frecuente (o la
más “correcta”) sin considerar alternativas tecnológicas diferentes: los coeficientes de uso de
mano de obra para cada cultivo se suponen únicos e invariables. Esto es bastante razonable en el
caso de la agricultura, donde las alternativas tecnológicas son relativamente pocas, y donde in
cluso el cambio técnico se produce sólo en forma muy lenta a lo largo del tiempo; pero induda
blemente introduce una rigidez quizá excesiva en la consideración del tema. Los requerimientos
de trabajo en base a coeficientes fijos no pueden reflejar adecuadamente las opciones que se abren
ante el productor agropecuario, ni las condiciones que hacen más viable el uso de una u otra al
ternativa tecnológica; más aún, el coeficiente que se adoptó como “eficiente'
en determinado
momento puede depender estrechamente de ciertas condiciones de mercado 1 precio de insumo o
maquinaria, por ejemplo) que pueden variar radicalmente de un año a otro. Este problema pue
de llegar a ser importante si se toma un período demasiado largo para la aplicación de estos coe
ficientes, en cuyo caso los resultados serán consiguientemente dudosos.
Al mismo tiempo, los coeficientes de que se dispone son promedios ponderados de diversos
coeficientes correspondientes a distintas situaciones tecnológicas (cultivo con riego o en secano,
mecanizado o no mecanizado, etc.), donde las ponderaciones corresponden a la frecuencia esta
dística de cada caso en el año base; cuando los coeficientes se aplican a un año anterior o poste
rior, es posible que haya cambiado la composición interna de los productores, haciendo variar
la tecnología promedio. Esto también hace desaconsejable la utilización de los mismos coefi
cientes para un período relativamente largo, o —si se los usa— obliga a considerar con mucha
cautela los resultados.
De todos modos, la existencia de un importante caudal de información sobre costos de
producción permite hacer importantes análisis sobre el volumen y la estacionalidad de los reque
rimientos laborales de la agricultura, que con todas sus imperfecciones justifican el esfuerzo.
(1) La formulación más clásica, aunque muy discutida, es la de Chayanov (1974). También puede verse la caracterización de
Marx (El Capital, tomo III, p. 747; el lector es remitido también a nuestro trabajo “Campesinado, precio y salario” (Apuntes
No. 9, 1979).
(2) Véase José M. Caballero, “Los eventuales en las cooperativas costeñas peruanas: un modelo analítico”, en Economía, Vol. 1,
No. 2 (Agosto, 1978).
12
Hace alrededor de una década se llevó a cabo un esfuerzo similar, referido al año 1967 y publi
cado en 1970, en el marco del Convenio para Estudios Económicos Básicos entre la Universidad
Nacional Agraria, la Universidad del Estado de Iowa y el Ministerio de Agricultura3, estudio que
servirá como importante fuente de datos para el presente trabajo (de hecho, los coeficientes que
se usarán aquí provienen en su gran mayoría de la elaboración efectuada en aquel provecto).
El objetivo que aquí se ha trazado consiste en ampliar y actualizar el análisis de los reque
rimientos de mano de obra en la agricultura peruana, cubriendo los siguientes aspectos.— Requerimientos mensuales de mano de obra, para cada cultivo y actividad pecuaria, para el
año 1972, a nivel de provincia (en base al Censo Agropecuario de dicho año). Este trabajo
complementa el trabajo del CEEB para 1967, añadiendo provincias que dicho estudio no
pudo cubrir, y basándose en el censo que en muchos aspectos es superior a la Estadística
Agraria.
— Una serie a nivel departamental con los requerimientos laborales por cultivo y por actividad
pecuaria, a base de los censos agropecuarios de 1929, 1961 y 1972 (añadiendo también la
estadística de 1944), dándose en este caso solamente los requerimientos totales del año, y
los requerimientos del mes de junio. Este mes ha sido escogido por ser coincidente en forma
aproximada con las fechas de los censos de población, y por ser el mes de mayor demanda
de trabajo agropecuario a nivel nacional. La serie de requerimientos censales permite for
marse una idea de la evolución de la demanda de mano de obra agropecuaria en un período
bastante prolongado (1929-1972).
— Una serie similar a la anterior (anual y mes de junio, por departamento) para los años 19641979, en base a la estadística agraria de esos años. Esta serie, si bien no es comparable con
las de base censal debido a fuertes discrepancias entre ambas fuentes, permite obtener una
aproximación a las variaciones cíclicas de corto plazo en la necesidad de mano de obra que
experimenta la agricultura. Pese a las fuertes objeciones que en el curso del análisis surgirán
contra esta fuente, se consideró necesario incluirla como punto de partida para ulteriores
mejoramientos y para la posible inclusión futura de los requerimientos laborales en las pu
blicaciones normales de la estadística agraria. Para 1977-79 no se tienen datos de la produc
ción pecuaria, sino sólo de la agrícola.
Los requerimientos de mano de obra son frecuentemente utilizados para estimar el “balance
de mano de obra” de una determinada área geográfica, y estimar en consecuencia la existencia
de un déficit o superávit de mano de obra, o lo que suele interpretarse como un “excedente” o
“subempleo” de fuerza de trabajo (cuando los requerimientos son inferiores a las disponibili
dades de mano de obra en el área y sector analizados). Para ello, el procedimiento corriente es el
de reducir los requerimientos (usualmente dados en días-hombre) a un número de personas re
queridas, cifra que entonces se compara con la población económicamente activa del respectivo
sector (por ejemplo, la agricultura), es decir, con la PEA sectorial. A veces, los distintos compo
nentes de la PEA se ponderan para reducirlos a un tipo de trabajador homogéneo, por ejemplo
a trabajadores varones adultos, mediante coeficientes que indican la productividad relativa de
mujeres y niños en cada labor.
Desgraciadamente, este procedimiento se basa en una serie de insuficiencias conceptuales
que lo toman inaplicable.
En otros trabajos anteriores hemos destinado mayor extensión al co
mentario de este problema4, de modo que aquí sólo haremos referencias breves.
(3) CEEB, Requerimientos mensuales de mano de obra para la agricultura por hectárea, por cultivo, por provincias y para la ac
tividad pecuaria, año base 1967 (Lima, 1970). En lo sucesivo, se citará como Requerimientos.
(4) Véase nuestros trabajos “El subempleo en el Perú: una visión crítica” (Apuntes No. 8, 1978) y “La absorción de mano de
obra en el sector agropecuario (AMÍDEP, Seminario sobre Población y Empleo, Lima, 1978).
13
a) Las cifras de población activa se miden en los censos, referidas únicamente a la semana pre
cedente a la fecha censal, y no pueden extrapolarse libremente como si se tratase de una ads
cripción permanente de esas personas a esa actividad. En otras fechas del año algunos miembros
de la PEA censal pueden salir de la PEA, o pueden transferirse a otras actividades; a la inversa,
personas que el censo registró como ajenas a la PEA (escolares o amas de casa, por ejemplo) pue
den incorporarse temporariamente a ella, o personas registradas en otros sectores pueden trans
ferirse a la agricultura en forma transitoria. La evolución estacional de la PEA agropecuaria no es
medida por los censos. En cambio, los requerimientos se refieren a los distintos meses del año, y
están desigualmente distribuidos a lo largo de las cuatro estaciones. Sólo podría compararse la
PEA censal con los requerimientos del mes correspondiente, aunque tampoco aquí podríamos
saber en qué semana concretamente se hicieron las tareas, según las lluvias caídas, otras tareas
pendientes, u otros factores; precisamente para aproximarse a esta medición, en este estudio se
ha calculado el requerimiento laboral del mes de junio, ya que dicho mes coincide aproximada
mente con la fecha de referencia de los distintos censos: el de 1940 se realizó el 9 de junio (en
zonas rurales se prolongó varios días después): el de 1961 se hizo el 2 de julio, y el de 1972 el 4
de junio (con similar prolongación en las áreas rurales). Sin embargo, no se puede comparar es
trictamente la cifra censal con los requerimientos mensuales estimados para el mes de junio (en
tre otras cosas, porque la estacionalidad asumida en los coeficientes tiene anualmente cierta va
riación según las fluctuaciones pluviométricas).
b) La PEA censal registra únicamente la actividad principal de cada habitante, en la semana de
referencia. Las tareas secundarias que muchos realizan no son registradas. Si un pequeño
comerciante rural tiene parcelas de cultivo, pero declara como actividad principal el comercio,
no entra en la PEA agropecuaria pese a que en ciertas épocas del año puede estar dedicando todo
o casi todo su tiempo a la agricultura. Esto es particularmente notable para los “colaboradores
familiares no remunerados”: su actividad sólo se registra si alcanza a un mínimo de horas de tra
bajo (15 horas semanales en 1972; un tercio de jornada en 1961), de modo que las tareas auxi
liares que cumple un ama de casa rural, si no le ocupan (en la semana pre-censal) un tiempo su
perior al indicado, no son registradas; ello explica la limitada participación laboral de mujeres y
niños rurales, al menos en parte.
c) La agricultura es sólo una de las actividades rurales. Aun algunas actividades complemen
tarias de ella (arreo de ganado, comercialización de productos, elaboración de subproductos.
etc.) no son contempladas en los requerimientos, ni mucho menos las tareas no agrícolas (arte
sanía, pequeña minería, etc.), de modo que una capacidad de trabajo no requerida en la agricul
tura puede ser sin embargo necesaria para otras tareas y por lo tanto no puede ser considerada
como “sobrante” hasta conocer el presupuesto total de tiempo disponible y de actividades a cum
plir por la población rural. Este problema exige un método diferente, centrado en la familia rural
como acervo de trabajo y en su utilización efectiva en diferentes actividades: la comparación de
bería hacerse entre el tiempo disponible para la agricultura y el tiempo teóricamente requerido
en esa actividad con los medios técnicos que cada familia dispone.
Es por estas razones, principalmente, que el presente estudio no pretende medir el grado de
empleo de la fuerza laboral agropecuaria. Los requerimientos de mano de obra en la agricultura
pueden dar una indicación de las variaciones en la necesidad de fuerza de trabajo generada por la
actividad agropecuaria, pero no es factible compararlos con la PEA registrada en los censos.
A las dificultades mencionadas se suma otra de no menor importancia en el Perú: las cifras
de PEA originadas en los censos no son estrictamente comparables de un censo al otro, por haber
variado levemente su definición, y por otra parte, las interpolaciones y extrapolaciones para años
no censales se han hecho en general con gruesos errores de proyección (casi siempre en el sentido
de exagerar el tamaño de la PEA), de modo que para esos años la estimación de la PEA cuenta
con un problema adicional: la incertidumbre sobre su tamaño. Desde 1965 en adelante, las pro
yecciones de la PEA rural o de la PEA agropecuaria se situaron alrededor de los dos millones de
14
personas, como proyección de la cifra registrada en 1961, que alcanzó un millón y medio ( que
con población omitida podría aumentarse a 1.7 millones para ese año). Sin embargo, esa pro
yección resultó bastante más alta que la cifra de 1972, año en el cual el nuevo censo dio una PEA
agropecuaria casi igual a la de 1961, un millón y medio (ó 1.8 incluyendo omisiones). Las esti
maciones del “excedente de mano de obra en la agricultura” elaboradas en base a las proyeccio
nes resultaron así invalidadas, pese a lo cual es frecuente que las viejas proyecciones se utilicen
hasta la actualidad.
En las estimaciones que producimos aquí, lo mismo que en las existentes (las del CEEB),
se aplica a todos los productores coeficientes técnicos promedio, que si bien reflejan diferentes
tecnologías ponderadas de acuerdo a su incidencia aproximada no permiten diferenciar los re
querimientos laborales en las unidades de diferente tipo; una de las tareas principales que podría
desarrollarse en el futuro consistiría en diferenciar los requerimientos según el tipo de unidad
productiva. Por lo menos deberían considerarse: pequeños productores, medianos productores,
y empresas asociativas. Dentro de los pequeños, incluso, podrían distinguirse los productores
con algún grado de tecnificación (uso de crédito, insumos, etc.) y los “marginales”. Los coefi
cientes que existen se basan casi siempre en productores vinculados al sistema de crédito o a la
extensión agrícola oficial, y no representan a los más marginales; sólo en algunos casos se dife
rencian los tipos de unidad productiva considerada, como por ejemplo en los estudios efectuados
en 1977-78 por la Oficina Sectorial de Estadística e Informática del Ministerio de Alimentación
(hoy integrada en la OSE del Ministerio de Agricultura y Alimentación)5. Ese estudio suminis
tra presupuestos de costo de producción para los principales cultivos (maíz duro y amiláceo,
papa, yuca, quinua, arroz, sorgo, frijol, soya, cebolla, ajo y plátano) en diferentes zonas agrope
cuarias, distinguiendo pequeños y medianos productores individuales, y empresas asociativas,
pero restringiendo la cobertura a los productores nucleados en el sistema de producción, es de
cir, vinculados a los organismos públicos competentes a través de los “núcleos” de productores
cuya cobertura es generalmente minoritaria.
Si ese tipo de esfuerzo continúa, el estudio de la producción agropecuaria, de la tecnología
y del empleo de mano de obra puede progresar sustancialmente al reflejar mejor el distinto com
portamiento de las diferentes clases de unidad productiva, gobernadas por diferentes tipos de
racionalidad económica.
(5) Véase de ese organismo, “Estructura y costo real de producción agrícola por estratos de productores nucleados en el sistema
de producción agropecuaria”, Boletín Estadístico No. 6-78 del Subsistema 2: Costos de Producción (Lima, junio 1978).
15
II.
COEFICIENTES DE MANO DE OBRA EN LA AGRICULTURA PERUANA
1. NOCIONES GENERALES
Los coeficientes de mano de obra que se usarán en este trabajo indican la cantidad de uni
dades de tiempo de trabajo (usualmente, días/hombre) que se requieren para cada línea produc
tiva, expresado en términos de una determinada escala de tamaño de los recursos disponibles.
Así, por ejemplo, para los cultivos se tratará de los requerimientos por hectárea; para la ganade
ría, se usarán los requerimientos por cabeza de ganado existente (de cada especie).
Estos coeficientes indican, pues, la cantidad de tiempo de trabajo aplicable a esa unidad de
tamaño (hectárea o cabeza) independientemente de la producción que se obtenga con ella. En
otras palabras, un mayor requerimiento por hectárea no siempre significa un mayor requeri
miento por tonelada producida: puede implicar precisamente lo contrario. En efecto, la mayor
cosecha por hectárea puede significar un mayor requerimiento de trabajo para la tarea de cose
cha, pero no para otras tareas: la zona con cosecha más rendidora requerirá más trabajo por hec
tárea, pero probablemente menos trabajo por unidad física de producto. Los rendimientos in
fluyen sólo sobre una parte de los requerimientos; el resto del trabajo requerido puede conside
rarse independiente del rendimiento (por ejemplo, el trabajo de siembra o de riego); por consi
guiente, el impacto de un aumento del rendimiento sobre el requerimiento de mano de obra por
hectárea es en general positivo y menor que 1, mientras que el efecto por unidad de producto es
negativo.
Por otro lado, lo que aquí se mide es el requerimiento de trabajo directo, y no la cantidad
total de trabajo directa e indirectamente requerido para la producción. En este último concepto
debería incluirse el trabajo requerido para la producción de los medios de producción utilizados
(insumos, desgaste de implementos, etc.), y que se aproximan al concepto de valor-trabajo de la
economía clásica, o al concepto keynesiano del “multiplicador de empleo”, cantidad adicional de
trabajo en la economía en su conjunto, originada por un incremento unitario de producción sec
torial. Los requerimientos de trabajo directo, en cambio, corresponden teóricamente al concepto
de creación de valor-trabajo. El valor agregado por el trabajo directo se expresa en el valor agre
gado neto de la producción, es decir, en el ingreso neto generado por ella, y que se obtiene des
contando del valor bruto de producción el importe de los insumos físicos y las depreciaciones:
incluye salarios, utilidades, intereses, renta predial, e impuestos. Obviamente un requerimiento
de trabajo concreto no debe confundirse con el requerimiento de trabajo abstracto que se plas
ma en el valor. Un trabajo concreto cualquiera, con determinado nivel de calificación y todas sus
otras características, puede equivaler a más o menos unidades de trabajo social promedio; esta
diferencia se expresará tanto en el valor creado por ese trabajo, cuanto en el valor de la respec17
tiva fuerza de trabajo (aunque ambos efectos no tienen que ser necesariamente proporcionales).
La relación entre trabajo concreto requerido y trabajo abstracto expresable en valor no es nece
sario explicitarlo para los fines de este estudio, que se centra únicamente en el aspecto técnicomaterial de la producción sin pretender extraer conclusiones sobre la creación de valor en el pro
ceso de trabajo; en todo caso, la creación de valor en una agricultura campesina o en una agri
cultura capitalista tiene particularidades muy complejas dependiendo de la incidencia
de la renta
del suelo y de la ganancia como categoría determinantes de la frontera de producción6.
Un menor requerimiento de trabajo promedio (incluyendo tierras de diferente calidad) no
necesariamente corresponde a una actividad más rentable o eficiente. En estos coeficientes que
sólo incluyen trabajo directo no se está computando el mayor o menor requerimiento de medios
de producción que cada proceso productivo necesita. Menor trabajo puede significar más trac
tores, y quizá mayor costo por tonelada producida (o no). Sería preciso un estudio más com
pleto de los costos de producción en su conjunto para poder extraer conclusiones al respecto; el
presente estudio se limita a analizar uno de los elementos de ese costo: los requerimientos mate
riales de mano de obra.
Tampoco un menor requerimiento laboral significa necesariamente un menor costo de mano
de obra. Este concepto depende del nivel de salarios de la zona, que puede variar ampliamente.
El mayor requerimiento laboral de algunas zonas puede traducirse en un menor costo monetario
de la mano de obra si los salarios locales son suficientemente bajos comparados con los de otras
zonas en que reine la situación inversa (salarios altos, menores requerimientos por hectárea).
Existen algunas indicaciones sobre nivel salarial vigente en la agricultura en diferentes zonas, pa
ra diferentes
tareas y en diferentes épocas, pero no hay hasta ahora un estudio integral de este
problema7. Este estudio versa sobre cantidades de días/hombre, no sobre la retribución o costo
de ese trabajo.
Otra característica de los coeficientes es que son fijos, en un doble sentido: no permiten
(para cada área geográfica) más que un valor numérico posible, sin opciones tecnológicas; y además,
tienen una estacionalidad prefijada que no es influida por factores variables (lluvias, por ejem
plo). La primera inflexibilidad es comprensible: no se trata de un repertorio de técnicas dispo
nibles que —de acuerdo con su fluctuante rentabilidad— determine las opciones microeconómicas de las unidades productivas: son en cambio un valor expost, que pretende sintetizar la opción
tecnológica más conveniente a partir de datos conocidos sobre sueldos, equipos productivos, in
sumos, precios, etc. Obviamente, estas circunstancias pueden cambiar a lo largo del tiempo, pero
en plazos razonables no cambian radicalmente. En cuanto a la estacionalidad, se cuenta teórica
mente con la información suficiente como para flexibilizar los coeficientes, ya que la secuencia
de operaciones de un cultivo puede arrancar en un mes variable según la evolución climática re
gistrada u otras variables conocidas; de hecho hay datos sobre el calendario de siembras para
cada zona (datos en general inéditos del Ministerio de Agricultura, disponible por lo menos para
(6) En una agricultura capitalista, la producción puede emprenderse -si la demanda lo requiere— hasta en aquellas tierras que
permiten pagar el salario comente y obtener una tasa de ganancia normal sobre la inversión, así cano el alquiler de las tierras
marginales privadas si no hay tierras libres (o sea, la renta absoluta). En una economía campesina, esa frontera puede sobre
ponerse hasta explotar las tierras que sólo permiten pagar el salario corriente (si hay un mercado de trabajo) o cubrir la sub
sistencia (si ese mercado no existe o no es accesible): Véase nuestro trabajo “Campesinado, precio y salario” (Apuntes No.
9, 1979). En cualquiera de los dos casos, la cantidad de trabajo necesario (que determina el valor del producto) es el que
se requiere en la tierra peor que haya sido necesario explotar, valorizado según la regla correspondiente al tipo de economía
predominante (parcelaria o capitalista). En general, ceteris paribus la economía parcelaria determina precios inferiores (el
trabajo se plasma en un valor menor).
(7) El informe sobre costo de producción citado en la nota (5) incluye promedios de salarios pagados en cada micro-zona consi
derada, por parte de los diferentes estratos de productores (pequeños, medianos, empresas). Lo mismo ocurre en diversos es
tudios sobre costo de producción, aunque muchos de éstos imputan simplemente el salario legal (que no coincide siempre
con el salario efectivamente pagado). Hay una serie de datos históricos disponibles en la contabilidad de las haciendas (en el
Archivo del Fuero Agrario pueden consultarse diversos casos, mayormente inéditos en este aspecto) y en publicaciones ofi
ciales como los Anuarios Estadísticos del Perú hasta la década del 40. Véase nuestro ya citado trabajo “Campesinado, precio
y salario” y el documentado trabajo de Shane Hunt “Real wages and economic growth in Perú, 1900-1940” (Boston University, 1977), así como los trabajos de Pablo Macera sobre las haciendas peruanas del siglo XIX en sus Trabajos de Historia
(Lima, INC, 1977, Tomo IV).
18
los últimos años). Pero en este estudio se omite considerar ese problema, tomando los coeficien
tes como constantes y su estacionalidad (supuestamente un promedio obtenido en determinado
año) como fija.
Los distintos niveles tecnológicos dan origen a diferentes requerimientos de trabajo para
el mismo cultivo o para la misma actividad pecuaria. En general, el peso exacto de cada tecno
logía en una cierta zona no se conoce con precisión, y sólo puede estimársela con cierto grado de
aproximación. En función de esa ponderación, los distintos requerimientos se combinan en un
único requerimiento para toda el área, dando coeficientes que representan el nivel tecnológico
promedio para esa zona. Si a lo largo del tiempo cambia la distribución de las hectáreas o del
ganado sobre las diferentes tecnologías, o sea si varía la composición del espectro tecnológico
efectivo aun cuando no se introduzcan nuevas técnicas, el coeficiente debería variar en conse
cuencia, lo cual en general no será posible debido a la ausencia de datos secuenciales sobre la
evolución del nivel tecnológico. Es de esperar que para un período más o menos breve este fac
tor tenga una influencia limitada, haciéndose sentir más bien en el largo plazo (por ello nuestros
estimados para 1929, basados en coeficientes de 1967, deben considerarse como meramente
aproximados, y posiblemente como subestimaciones del requerimiento real —ya que el progreso
técnico posiblemente ha ido disminuyendo los requerimientos de diferentes cultivos y tareas—).
Para las tareas de cultivo, en este estudio se usan sobre todo los requerimientos surgidos de
los presupuestos básicos del Banco Agrario, calculados por el CEEB para 1967. Desde esa fecha,
el propio Banco ha actualizado algunos presupuestos pero los cambios no son significativos. La
comparación entre esa fuente y otros estudios de costo de producción tampoco da lugar a gran
des variaciones, aunque sí excepcionalmente para algunos productos concretos. Por razones de
homogeneidad se ha preferido seguir usando el conjunto de coeficientes usados por el CEEB pa
ra 1967, ajustándolo sólo marginalmente. Para la actividad pecuaria, en cambio, el procedimien
to del CEEB fue demasiado grueso, y se ha preferido elaborar un conjunto de coeficientes total
mente nuevo.
Mencionaremos aquí, sin embargo, uno de los escasos cambios introducidos. Se trata de los
coeficientes para la producción de caña de azúcar en los años 1929 y 1944, particularmente en
la costa norte del país, donde este cultivo es componente principal de los requerimientos de mano
de obra. Los presupuestos de cultivo del Banco Agrario utilizados por el CEEB se basan en una
tecnología ya mecanizada, que necesita escasamente alrededor de 50 jomadas anuales por hectá
rea de caña cortada. Sin embargo, en épocas anteriores el requerimiento era sustancialmente ma
yor. Al respecto se han consultado diversos manuales y obras técnicas, así como datos de los
grandes complejos azucareros de la costa norte y las estadísticas sobre personal ocupado en ellos;
como resultado se han adoptado coeficientes anuales de 200 jornadas para 1929 y de 100 joma
das para 1944, manteniendo los coeficientes del CEEB para 1961 y 1972. Para el mes de juno se
han considerado 24 días de trabajo por hectárea en 1929, y 15 días en 1944. Se han verificado
estos coeficientes mediante compulsa de casos concretos, encontrándose una razonable coinci
dencia. Para los demás cultivos no se ha introducido ningún cambio de este género, pero el pro
greso tecnológico ha sido tan sustancial en el caso azucarero que ignorarlo hubiera distorsionado
totalmente los resultados.
Sin embargo, hacemos un ajuste global en las cifras de 1929 a 1961 para reflejar cambios
en los requerimientos unitarios (aparte del caso de la caña) y para cubrir también los diferentes
grados de omisión. No es posible distribuir detalladamente estos ajustes por productos y por área
geográfica.
Otro caso en que hemos introducido modificaciones de alguna importancia es el de la pro
ducción de plátano en la región de la selva (especialmente en los departamentos de Amazonas,
Loreto y San Martín), donde los coeficientes del CEEB eran claramente erróneos. Por un lado,
los coeficientes de dicho estudio contemplaban sólo una cosecha anual, cuando en realidad es
19
usual obtener dos en plazos semestrales; por otro lado, cuando las extensiones de plátano son
grandes se toman importantes los requerimientos de trabajo para la instalación y renovación de
las plantaciones (rozar el terreno de selva, prepararlo, abonar, sembrar, etc.), trabajo que se rea
liza normalmente tras explotar una parcela durante alrededor de diez años —aunque muchas veces
el suelo se agota antes de transcurrir ese período—. Conservadoramente, hemos aplicado los re
querimientos de instalación del cultivo a razón de un 10 por ciento del área total cosechada. Pa
ra que pueda ser apreciada la importancia de esta corrección, vale la pena señalar que en el caso
del departamento de Loreto los requerimientos adicionales por instalación y renovación de un
10% anual de platanales significó un incremento de medio millón de jornadas por año, mientras
que la consideración de la segunda recolección implicó alrededor de seiscientas mil jomadas más,
todo lo cual implica un aumento de aproximadamente un 25% en los requerimientos totales de
ese departamento.
Correcciones similares deberían introducirse para otros cultivos permanentes, pero no se
disponía de datos apropiados; los casos más salientes son sin duda los del café, la coca, los fruta
les y los pastos cultivados al corte y al pastoreo. En el orden nacional la omisión no es significa
tiva, pero puede llegar a ser importante en algunas provincias. Lo mismo ocurre con la omisión
de todo requerimiento laboral para la actividad de extracción forestal y para la caza de animales
silvestres, que se estima representa alrededor del 1% de los requerimientos nacionales pero que
en algunas zonas (por ejemplo Pucallpa) pueden ser un componente relevante de la demanda de
mano de obra. En este caso hemos preferido atenemos a una definición restrictiva del sector
agrícola, incluyendo sólo las tareas agrícolas y pecuarias y excluyendo la silvicultura (maderable
y no maderable), la caza, la pesca tanto marítima como de agua dulce, y las tareas colaterales de
la explotación agrícola (administración, mercadeo, primera elaboración de los productos dentro
de la chacra, traslado de personas o de productos, extracción de leña, recolección de abono de co
rral, etc.).
Con respecto a los pastos cultivados al pastoreo, sólo se han considerado requerimientos en
las cuencas lecheras de Cajamarca, el Mantaro, Arequipa y Lima, en las cuales se contaba con los
respectivos coeficientes para alfalfa de pastoreo (que es la principal fuente de alimentos para los
vacunos de leche de esas cuencas). En el resto del país se ha omitido considerar requerimientos
para los pastos de pastoreo, pues por un lado se carecía de datos sobre sus requerimientos y, por
otro, en muchas provincias y departamentos se trata de variedades que no requieren práctica
mente trabajo.
En cuanto concierne a la comparación de los requerimientos con la población ocupada en
la agricultura, para tratar de salvar en parte la no-comparabilidad de ambas cifras se ha recurrido
a los procedimientos que a continuación se mencionan.
a) Las jomadas mensuales requeridas se han reducido a meses/hombre en base al número esti
mado de días útiles de cada mes. Para obtener estos últimos se ha usado el estudio del CEEB
para 1961, relacionando las jomadas disponibles mensuales (en el volumen Primera estimación
del subempleo, etc.) con la población activa estimada para ese año (en el volumen La fuerza la
boral actual y proyectada, etc.).
b) Para efectuar una comparación con la ocupación censal de mano de obra, y poder así con
trastar la hipótesis de un eventual “excedente de mano de obra”, se tomó la población ocu
pada en la agricultura, de 6 años y más, excepto los que declararon actividades no contempladas
en los requerimientos. Para ello se tomó como punto de partida el gran grupo ocupacional “Tra
bajadores agrícolas y forestales, pescadores y cazadores”, que abarca diversos grupos primarios
de ocupación. Se excluyó a los siguientes grupos primarios:
601 Directores de explotaciones agrícolas
602 Jefes de explotaciones agrícolas
20
627 Obreros agrícolas en el cultivo de huertas, jardines y viveros (principalmente son jardi
neros).
629 Avicultores
630 Sericicultores
631 Sangradores de árboles, excepto caucho
641 Taladores y trozadores de árboles
642 Trabajadores forestales, excepto taladores y trozadores de árboles
651 Pescadores de alta mar
652 Pescadores de agua dulce
653 Piscicultores
654 Balleneros
655 Cazadores de animales en general y trabajadores asimilados
659 Pescadores y trabajadores asimilados no clasificados en otro código.
Para efectuar esta discriminación hubo que acudir a los tabulados inéditos del Censo de Po
blación 1972, disponibles en la Oficina Nacional de Estadística (Tabulado No. 26), ya que en los
volúmenes departamentales ese cuadro sólo se publica a nivel de departamento (Cuadro 26) y no
de provincia. Los tabulados se pudieron usar en su totalidad, excepto los del departamento de
Lima por haber sido extraídos (o sustraídos) de la Oficina citada. Por ese motivo, en las provin
cias de Lima hubo que utilizar los cuadros publicados para estimar el mismo dato; el procedimien
to usado fue el siguiente:
a) Se tomó como punto de partida la población ocupada de 15 años y más, en el Gran Grupo
“Trabajadores agrícolas y forestales, pescadores y cazadores” (Cuadro 28 de los volúmenes
departamentales), restándole las personas de ese mismo grupo que estaban ocupadas en la Pesca
(Cuadro 32), para cada provincia.
b) Se añadió a esa cifra los “Trabajadores agrícolas y forestales, etc.” de 6 a 14 años que estu
viesen en la condición de “ocupados” (Cuadro 27), restándole el total de personas de 6-14
años ocupadas en la Pesca (Cuadro 24), asumiendo que en su inmensa mayoría se trata de pesca
dores, ya que el Censo no los clasifica al mismo tiempo por rama y por grupo ocupacional.
c) Los “Obreros de huertas, jardines y viveros” fueron asignados íntegramente a la provincia
de Lima, asumiendo que se trata fundamentalmente de jardineros (ese departamento alberga
una elevada proporción del total nacional en ese grupo).
d) Las restantes categorías a excluir (Directores y jefes, cazadores, taladores, etc.) fueron des
contados en forma proporcional de las distintas provincias, hasta alcanzar el total de traba
jadores agrícolas “estrictos” que el Cuadro 26 de los volúmenes departamentales asigna al depar
tamento de Lima una vez descontadas las categorías antes mencionadas.
La única dificultad con la cifra así construida radica en que hay algunos “trabajadores agrí
colas, etc.” que no laboran en la agricultura sino en otras ramas de actividad, a veces por errores
de clasificación y otras veces por situaciones especiales. No se pudo hacer la separación porque
no existe un cuadro que cruce los grupos primarios de ocupación y las ramas de actividad. Esto
puede tener importancia en algunas provincias, aunque a nivel nacional es casi insignificante (se
trata de sólo unos 15,000 trabajadores agrícolas en otros sectores, excepto los que trabajan en
la pesca). Una de las provincias afectadas es Chancay, donde un grupo importante de trabajado
res agrícolas aparece en el sector industrial, probablemente porque el establecimiento donde tra
bajaban era agro-industrial y fue clasificado en la industria manufacturera; en ese caso, el error no
tiene consecuencias porque los trabajadores eran efectivamente agrícolas. Otro es el caso cuando
un “lampero”, por ejemplo, trabaja en la minería o la construcción y es erróneamente clasifi
cado como “trabajador agrícola” debido al nombre de su tarea, pero estos casos son en general
muy raros.
21
De esta forma, las actividades incluidas son las de agricultor, ganadero, trabajador agrícola
o ganadero (familiar o asalariado), avicultor, horticultor, y otras análogas, para las cuales se han
contemplado requerimientos. Con esto aumenta la comparabilidad pero no se la logra completa
mente, pues el Censo sólo recoge la actividad declarada como principal (puede haber declaracio
nes inexactas, o inexactamente registradas, y puede haber actividades secundarias), y se refiere
a sólo una semana, situada en los primeros días del mes de junio. En algunas provincias (notable
mente en el caso de las del altiplano puneño) al parecer no se registró como económicamente ac
tivos a los niños pastores, de modo que la ocupación ganadera aparece sustanciaimente subesti
mada. Lo mismo cabe decir del trabajo de las mujeres, sobre todo en las áreas de pastoreo.
La comparación entre los meses/hombre requeridos y las personas ocupadas tiene una difi
cultad adicional, que consiste en aparear los datos mensuales de los requerimientos con la ocu
pación registrada en una cierta semana. La estacionalidad exacta de los cultivos y de las activi
dades pecuarias no siempre coincide con los coeficientes rígidos que aquí se utilizar, va que las
condiciones climáticas y otros factores pueden adelantar o retrasar cualquiera ce ellas: por otro
lado, las jornadas previstas para un determinado mes pueden distribuirse en una forma cualquiera
a lo largo de sus cuatro semanas. En este caso se supone que la distribución es uniforme a lo largo
de todos los días útiles del mes, pero en algunos casos ello puede conllevar un errar. Y conside
rando que el Censo se tomó a comienzos de junio, conviene tomar como patron. ce comparación
los requerimientos de los meses de mayo y junio: si no hay déficit o exceso de ocupación, las per
sonas ocupadas deberían estar comprendidas entre los meses/hombre requeridos en mayo y los
requeridos en junio, y probablemente más cerca de los de junio. En otra sección ce este estudio
se presenta una correlación entre ocupación y requerimientos, donde este análisis se aplica con
mayor detalle y se extraen de él algunas conclusiones.
2. COEFICIENTES DE MANO DE OBRA PARA CULTIVOS AGRICOLAS
En un área geográfica concreta, generalmente aquella que corresponde a la jurisdicción de
una Agencia del Banco Agrario, esta institución realiza estudios y estimaciones destinados a es
tablecer los costos de producción predominantes en la zona bajo diferentes condiciones, los cua
les luego utiliza para el otorgamiento de créditos a los productores individuales o a las empresas
situadas en la zona. En esos presupuestos no sólo se incluye —entre otros requerimientos— el de
mano de obra, sino también el calendario de tareas a cumplir pues ese dato es importante para
fijar el flujo financiero del crédito. Para cada una de las tareas previstas (preparación del terreno,
siembra, abono, etc.) el presupuesto señala un período determinado, generalmente uno o más
meses del año, en el cual la tarea debe ser realizada. En cada tarea se señalar, los jornales reque
ridos así como otros insumos específicos. Esta es la información básica que se ha usado para
estimar los requerimientos en el presente trabajo.
Las posibilidades técnicas contempladas en los presupuestos usualmente cubren tres niveles
tecnológicos (tecnificado, semitecnificado, empírico) y dos situaciones (riego y secano), es decir
un total de seis condiciones técnicas posibles —no todas las cuales deben estar necesariamente
presentes en cada caso—. En cada agencia se preparan presupuestos para cada uno de los cultivos
financiados por el Banco, preparando hasta seis presupuestos para cada área o sub-área diferencia
da que se identifique dentro de la jurisdicción de la agencia. Las solicitudes individuales de cré
dito son luego enmarcadas en alguno de estos presupuestos a fin de considerar su viabilidad.
El análisis efectuado por el CEEB, referido a los presupuestos vigentes en el año 1967, tomó
esta información básica y obtuvo coeficientes combinados, promediando los diferentes presu
puestos con el peso que tuvieron —aproximadamente— en la zona considerada; es probable, sin
embargo, que esta ponderación haya tenido algún sesgo —posiblemente en favor de las unidades
22
mas tecnificadas— debido a la composición más o menos privilegiada de la clientela del Banco res
pecto al conjunto de los productores. Es por ello que los coeficientes así obtenidos deben ser
considerados como posibilidades óptimas, no necesariamente al alcance del productor campe
sino más pobre, como normas técnicas a veces inalcanzables, y no como reflejo del empleo efectivo. Este es probablemente bastante mayor que el señalado en los coeficientes.
Ante esta característica, cabe preguntarse qué validez puede tener el uso de estos coeficien
tes teóricos, que no reflejan el uso efectivo de trabajo. La respuesta es relativamente simple. El
uso efectivo difiere del teórico básicamente por dos tipos de causas.c) Porque hay razones económicas que hacen más apropiada (en algunas unidades producti
vas) una tecnología diferente de aquella señalada en los coeficientes técnicos.
b) Porque algunas unidades utilizan irracionalmente (o sub-utilizan) la fuerza de trabajo, espe
cialmente la fuerza de trabajo familiar.
La influencia específica de cada uno de estos motivos es difícil determinar. El primero de
ellos tiene indudablemente algún influjo, generalmente en el sentido de generar más trabajo que
el indicado teóricamente. El otro puede estar presente cuando la familia tiene menos tierras y re
cursos físicos que los necesarios para emplear plenamente su fuerza familiar de trabajo, factor
éste último que no se puede ajustar fácilmente en el corto plazo. Durante un período más o me
nos largo, las familias pueden utilizar más fuerza de trabajo de la requerida teóricamente, porque
no está a su alcance ni la reducción de esa fuerza disponible ni la adquisición de más medios de
producción. Este elemento —generalmente aducido para explicar el excedente o sub-empleo de
la mano de obra rural— también contribuye a elevar el uso efectivo de trabajo respecto a los re
querimientos.
Un indicador apropiado de los requerimientos debería tomar en cuenta el motivo (a), ya
que esas unidades productivas no pueden —racionalmente— usar los coeficientes teóricos señala
dos. Pero se debería descartar el factor (b) porque al considerarlo se estaría convirtiendo un des
pilfarro de trabajo en un requisito técnico deseable: el mayor uso efectivo de trabajo originado
en ese factor debe ser considerado como despilfarro, y no como requerimiento laboral auténtico.
Sin embargo, no es fácil hacer la distinción empíricamente porque los presupuestos de cultivo no
abarcan generalmente a todas las unidades, como queda dicho, sino que excluyen al estrato más
pobre y marginal. El auténtico requerimiento racional de trabajo agrícola estará situado en algún
punto entre el uso efectivo y el requerimiento teórico basado en los presupuestos del Banco Agra
rio, pero no es fácil darle un valor empírico a esa discrepancia.
Esto, sin embargo, señala el carácter casi seguramente subestimado que tienen los coeficien
tes de mano de obra disponibles. Si bien no siempre los adelantos técnicos incrementan la canti
dad de trabajo directo por hectárea, para una gran cantidad de productos ocurre así. Al mismo
tiempo, los cálculos de costo de producción suponen muchas veces un trabajo cotidiano más pro
longado que lo usual, o más intenso, de modo que en la práctica el mismo trabajo puede realizarse
en un mayor número de horas (o de días). La estimación de requerimientos obtenida entonces
para ios cultivos constituirá una cifra mínima, correspondiente a una definición conservadora
en la práctica se requerirá una cantidad de trabajo algo mayor.
En un presupuesto típico de cultivo, se señalan una serie de tareas concretas: preparación
del terreno, siembra, abonamiento, riego, aplicación de pesticidas o herbicidas, deshierbo, cose
cha (y tal vez alguna más, según los casos). Cada una de ellas tiene un calendario de aplicación,
que generalmente está unido a la fecha de siembra aunque no de manera mecánica. En otras pa
labras, dentro de ciertos márgenes de error el conocimiento de la fecha de siembra permite esti
mar la fecha probable en que se realizarán las demás tareas pudiendo la fecha de siembra variar
dentro de límites conocidos. Los pasos en la elaboración de coeficientes son los siguientes:
23
a)
Si las tareas a cumplir se denominan A, B, C, etc., y los meses en que han de ser realizadas
se numeran (1, 2, 3,...) sin indicar todavía a qué mes calendario corresponden, el presupues
to de requerimientos de mano de obra podría lucir en la forma siguiente (expresado en días/
hombre):
Las tareas pueden ser las arriba señaladas: por ejemplo, A puede ser la preparación del terre
no, B la siembra, etc. Normalmente el presupuesto no es tan taxativo en cuanto al calendario;
por ejemplo, para la tarea E (digamos, para el deshierbo) el presupuesto puede indicar 6 días de
labor distribuidos en algún punto entre el tercer y quinto mes, y estos 6 días son distribuidos
por partes iguales entre los tres meses simplemente por carecerse. de información precisa sobre
el momento en que efectivamente se realiza la tarea. El supuesto implícito es que las distintas
fechas escogidas por las unidades productivas arrojan una distribución promedio uniforme sobre
los tres meses indicados; pero esa distribución no tiene por qué ser uniforme: ¿por qué no cuatro
días en el primer mes, y un día en los dos meses restantes, o cualquier otra combinación o distri
bución posible de los 6 días en tres meses? La distribución uniforme, en todo caso, es la mejor
“apuesta” que se puede hacer en ausencia de otra información relevante, pero también podría
pensarse que es buena la hipótesis de una distribución “normal”, con más labores en el mes cen
tral y menos en los meses extremos del trimestre indicado. Estas incertidumbres significan que
los coeficientes albergan un cierto grado de subjetividad por parte de quien construye los valores
numéricos a partir de los presupuestos básicos de cultivo.
b) Suponiendo que se conoce la distribución de las tareas a lo largo de una secuencia abstracta
de meses, es preciso ahora calendarizar la secuencia indicando a qué período concreto co
rresponde el “Mes No. 1”; esto implica, por ejemplo, conocer la fecha de siembra para cada pro
ducto en cada micro-zona a la cual el presupuesto se aplica, tarea nada simple pues en parte ello
depende de las lluvias y otros factores análogamente aleatorios. El presupuesto normalmente in
dica un período probable de siembra (por ejemplo, octubre-diciembre), pero no indica, nueva
mente, la distribución de la siembra a lo largo de ese período.
Desde los primeros años de la década de 1970, junto con la Reforma Agraria, se estable
cieron “calendarios de siembra” en cada zona agraria; su validez no es universal, pues tiende a
reflejar sobre todo la situación de las unidades productivas ligadas al Estado: si las unidades no
vinculadas al Estado tienen microclimas diferentes (por ejemplo, tierras a mayor altura), su ca
lendario será distinto. De todos modos, el calendario de siembras es el mejor dato que se posee
y sería conveniente tenerlo en cuenta.
24
c)
Cuando se cuenta con la distribución de la siembra por meses del calendario, suponiendo
que las otras tareas varían de acuerdo al calendario de siembras se puede obtener requeri
mientos por meses reales y concretos. En un mes determinado “i”, una proporción k2 está en el
mes número 2, y así sucesivamente. Si es Rij el requerimiento del cultivo “j” en el mes número
“i”, y es K¡jm la proporción del total de tierras (dedicadas al cultivo “j”) que en el mes ”m” es
tán en el mes número “i” de la secuencia productiva, entonces en el mes “m” se requiere para
el cultivo “i”:
Estos requerimientos por mes-calendario no deben coincidir, obviamente, con los requeri
mientos fijados en el presupuesto para los diferentes meses abstractos del proceso vegetativo. En
general, la existencia de diferentes fechas de siembra tenderá a suavizar la estacionalidad de los
requerimientos, pues los distribuirá sobre un mayor número de meses en total, y “llenará” par
cialmente los huecos entre una y otra etapa del proceso productivo.
d) Los coeficientes así obtenidos, por otro lado, se refieren siempre a determinada pondera
ción de los distintos niveles tecnológicos; sin embargo, el peso relativo de cada tecnología
no se determina fácilmente. Podría utilizarse como indicador la distribución de los créditos agro
pecuarios entre los diferentes niveles tecnológicos, pero ésto reflejaría la tecnología de los clien
tes del Banco Agrario, probablemente más sofisticada en promedio que el conjunto de los pro
ductores. La manera más adecuada de medir la distribución de tecnologías en cada área sería el
procesamiento más profundo del Censo Agropecuario, donde se generó información sobre uso de
fertilizantes, riego, mano de obra asalariada, personal especializado, tractores, semilla comparada,
etc.; esta información debería ser combinada para obtener la matriz tecnológica de cada zona,
es decir, la cantidad de hectáreas de cada producto que se alberga bajo cada combinación de esos
elementos (en algunos casos, incluso, el Censo indica qué producto concreto es beneficiado con
determinado adelanto técnico: así por ejemplo se señala el cultivo abonado o regado, y el cultivo
para el cual se compra semilla; no se indica, en cambio, qué cultivo recibe los servicios del trac
tor, el arado o el personal especializado). Este análisis requeriría procesar nuevamente el Censo
Agropecuario, ya que los cuadros publicados del de 1972 no satisfacen este propósito: cada va
riable tecnológica ha sido tabulada por separado, cruzada con el tamaño de las unidades pero no
con otras características de éstas. De esta manera la estimación de los niveles tecnológicos y su
distribución podría ser mejorada sustancialmente. En las circunstancias actuales, la ponderación
que se ha usado (la que usaron los técnicos del CEEB para ponderar los presupuestos de 1967)
deben considerarse como mera aproximación.
En este estudio no se ha utilizado tampoco en forma directa los calendarios de siembra, que
como quedó dicho están disponibles únicamente para los años más recientes. Se ha usado, en
cambio, la calendarización usada por el CEEB, el cual simplemente distribuyó los coeficientes
uniformemente entre los distintos meses en que podía comenzar la secuencia (suponiendo igual
frecuencia de siembra en cada uno de esos meses), corrigiendo esta uniformidad sólo en algunos
casos en que se conocía la distribución efectiva. Esta opción puede haber causado algunas distor
siones, que si bien se autocompensan en el nivel nacional, pueden ser significativas al nivel de una
misma provincia; por ello la calendarización estacional de los coeficientes aquí usados debe con
siderarse como meramente aproximada.
Desde 1974 hasta 1977 un grupo de trabajo estuvo preparando nuevos coeficientes en el
Ministerio de Agricultura; su labor se ha detenido 8 luego, dejando un saldo inconcluso que con
siste básicamente de una publicación metodológica y una cantidad de materiales inéditos sobre
requerimientos de mano de obra (incluyendo mayor cantidad de productos y coeficientes más
(8) “Análisis y perspectivas de la ocupación en el agro: metodología general”; Ministerio de Agricultura y Alimentación, Oficina
Sectorial de Planificación Agraria, Lima, julio 1978.
25
actualizados). Desgraciadamente, la forma en que estos coeficientes están presentados no permi
te su utilización directa: se requeriría calendarizar las siembras y sumar ponderadamente los di
ferentes niveles tecnológicos, además de recompensar los coeficientes en términos de las subdivi
siones políticas del país ya que se dan en términos de zonas y agencias del Ministerio de Agricul
tura. Esta labor es compleja y demandaría una cantidad de tiempo y recursos que este estudio
no pudo afrontar. Por ello se ha preferido utilizar el mismo conjunto de coeficientes del CEEB,
añadiendo solamente algunas correcciones marginales y algunos cultivos nuevos (por ejemplo,
se han calculado requerimientos para la coca, basados en el estudio del Valle de La Convención
efectuado en el marco del proyecto GEAR — Generación de Empleo en el Ambito Rural). En
cambio, nuestros coeficientes para la explotación pecuaria han utilizado elementos recogidos en
el marco de ese proyecto inconcluso, aunque con importantes modificaciones que oportuna
mente se especificarán. También se han introducido modificaciones en los coeficientes del CEEB
en algunos casos en que se detectó alguna anormalidad visible y corregible fácilmente. Por ejem
plo, los inaceptables coeficientes del CEEB para el café de Oxapampa y Chanchamayo fueron
reemplazados por los de Satipo, considerados más realistas, aunque “retardados” en un mes.
Algunos coeficientes provinciales resultarán a simple vista extraños para los conocedores de
la zona. Debe recordarse que ellos no expresan el requerimiento efectivo de cada tierra, sino un
promedio ponderado de varios niveles tecnológicos, de varias subzonas, de varios calendarios de
siembra, y de varias fechas posibles para las otras tareas una vez fijada la fecha de siembra. Y que
todo ello no se basa en las prácticas predominantes, sino en las normas consideradas como “ra
cionales” por el Banco Agrario.
En algunos casos, la insuficiencia de la información produce inexactitudes inevitables. Tal
es el caso de los pastos cultivados, que involucran tanto los cultivados al corte como aquellos los
destinados al pastoreo. Los coeficientes disponibles se refieren a pastos cosechados, mientras que
las cifras de la Estadística Agraria, lo mismo que las de los censos agropecuarios de 1929 y 1961,
no distinguen entre ambos. Obviamente, los pastos cultivados para pastoreo tienen sólo mínimos
requerimientos laborales, especialmente para mantenimiento y renovación. La solución elegida
consistió en prescindir de dichos pastos cuando la información lo permite (caso del Censo Agro
pecuario de 1972) y asignar en otros casos los coeficientes a un cierto porcentaje de los pastos
cultivados —correspondientes aproximadamente a los pastos cultivados al corte según las propor
ciones registradas en 1972—, En general, estos cultivos no inciden decisivamente en la superficie
total, salvo unos pocos casos.
Por otra parte, en cada provincia se registran algunos cultivos que no aparecen presupuesta
dos por el Banco, y cuyo requerimiento, por ende, no se conoce. Normalmente las hectáreas ocu
padas por esos cultivos residuales son muy pocas: a nivel departamental, no suelen ser superiores
al 5% del total, excepto en algún caso aislado. El tratamiento de este residuo se ha efectuado si
guiendo un procedimiento muy simple: se ha supuesto que esas hectáreas requieren en promedio
las mismas cantidades de trabajo que el promedio de las hectáreas con coeficientes conocidos. Pa
ra estimarlo, siendo T el área sembrada total y A el área sembrada con cultivos de coeficiente co
nocido, se multiplicaron los requerimientos del área A por factor T/A obteniendo un estimado
de los requerimientos totales. También se supuso que la estacionalidad de esos cultivos es la mis
ma que la de los cultivos conocidos, de modo que el factor T/A se aplicó también a ios requerimien
tos mensuales-, este supuesto —usado por el CEEB— no siempre es realista; es posible que —donde
hay riego o lluvias suficientes— los cultivos “menores” actúen anti-estacionalmente, o se distri
buyan más uniformemente entre los diferentes meses; ello llevaría a distribuir los requerimien
tos residuales en otra forma (por ejemplo, en forma equitativa en los doce meses del año). El
efecto de este procedimiento, sin embargo, no es notable dada la escasa magnitud del residuo;
para la generalidad de las provincias y departamentos, el supuesto de igual estacionalidad “aguza”
la estacionalidad global, mientras el otro la “achata” o “suaviza”, pero en una magnitud no de
masiado significativa. Con una superficie residual no superior al 10% del total, y con un reque
rimiento máximo que excede apenas en un 20% al requerimiento promedio, el pico máximo
26
puede crecer en sólo un 2°/o según la forma en que se distribuya el residuo. Este impacto, sin em
bargo, puede ser mayor en algunas provincias donde el residuo y/o la estacionalidad sean mayores.
Para la estimación de los requerimientos departamentales, adicionalmente, hemos construido
coeficientes por combinación de los coeficientes provinciales respectivos. Para ello, la pondera
ción utilizada fue la de 1967 (que figura en la ya citada estimación del CEEB), como fecha in
termedia entre los diferentes años para los cuales ofrecemos estimaciones departamentales dentro
del período 1929-76, ya que las ponderaciones de 1972 podían resultar demasiado sesgadas hacia
la actualidad. Si se contara con datos provinciales en diferentes fechas podría haberse variado la
ponderación, pero ello fue imposible dada la carencia de datos a ese nivel, excepto para 1961 y
1972. La ponderación de las provincias en el coeficiente departamental, por otro lado, difícil
mente varíe en pocos años sustancialmente. Esta promediación, además, no fue hecha en térmi
nos exactos sino con valores redondeados para facilitar los cálculos, factor que no puede haber
influido significativamente en los resultados.
Algunos productos tienen diferentes requerimientos según que se coseche el fruto a distin
tos grados de maduración; por ejemplo, las arvejas o habas de grano verde y de grano seco; el
maíz choclo y el maíz grano, etc. Donde se contaba con ambos coeficientes se los incluyó; en
algunos casos se contaba con uno solo, que se aplicó indistintamente; en otros casos, las hectáreas
no aparecían diferenciadas según el grado de maduración del producto, pareciendo por ejemplo
“arveja” sin más especificaciones; en esos casos se aplicó el coeficiente que se suponía mayoritario, o una combinación lineal de los dos. La diferencia en estos casos no es muy grande: signi
fica una variación en la calendarización de la cosecha; el error introducido no es por ende signifi
cativo a nivel anual, aunque puede contribuir a recargar algunos meses en detrimento de otros.
En líneas generales, el choclo ocupa un área mucho menor que el maíz grano, y las leguminosas
de grano verde mucho menos que las de grano seco; en caso de duda, por lo tanto, se prefirió usar
el coeficiente de grano seco, demorando por ende la fecha de la recolección para la porción mino
ritaria que se cosecha antes. La magnitud del área involucrada y de los requerimientos que se al
teran por ésto es prácticamente insignificante.
En todos los casos, las tareas de cultivo consideradas finalizan con la cosecha. No se incluye
la trilla y elaboración del producto, cuando estas actividades no son simultáneas con la cosecha;
tampoco el desmote del algodón, la molienda de azúcar, etc. Se excluye el tiempo gastado en
comprar insumos (incluyendo viajes hasta el lugar de expendio), en obtener crédito, en adminis
trar el fundo, en comercializar la producción, y en otras tareas no estrictamente agrícolas. Se in
cluye únicamente el trabajo directo requerido por el proceso de labranza y cultivo, desde la pre
paración del terreno hasta la cosecha del producto9. Esto refuerza la idea de que no se puede de
ducir de aquí una estimación sobre el empleo total de la fuerza de trabajo agrícola, que debe ser
medido al nivel de la familia rural estudiando su “presupuesto de tiempo”10.
Por último, cabe señalar que los requerimientos, expresados simplemente en “jomadas de
trabajo”, necesitarían mayor precisión en varios aspectos:
1. Hay tareas particularmente aptas para el trabajo de hombres adultos, o de mujers o personas
jóvenes; esto se refleja en las preferencias de los productores por uno u otro tipo de perso
nal; el diferente trabajo se refleja también en distinta productividad y diferente salario; sería
conveniente —una vez discriminadas las tareas según la edad y sexo predominantes en ellas—
(9) Se excluye también el tiempo necesario para el trayecto hacia y desde la parcela, que puede a veces ser importante dada la
fragmentación de las tierras en las zonas serranas sobre todo.
(10) Entre los pocos ejemplos peruanos, Félix Olaguivel (de la Universidad Técnica del Altiplano) ha estudiado los presupuestos
de tiempo de dos comunidades de Puno: Jacantaya y Culta. Por gentileza de su autor hemos podido consultar detallada
mente los materiales, aún inéditos, de esta investigación. Un breve informe se ha publicado en la revista Semestre Econó
mico, del Dpto. de Economía de dicha Universidad, No. 1 (Octubre 1978): Félix Olaguivel, “Presupuesto de tiempo en las
comunidades campesinas de Jacantaya y Culta en Puno”.
27
reducir las jomadas brutas a una equivalencia homogénea (por ejemplo, en términos de jor
nadas de hombre adulto).
2. Hay algunos cultivos en que los presupuestos no estipulan propiamente días de trabajo por
hectárea, sino solamente salarios a destajo (por ejemplo, en el café donde se pagan salarios
por arroba). La conversión de arrobas a jornadas se basa en información concerniente a la
cantidad normalmente recogida en un día de trabajo, pero esta cantidad puede variar con
distintas circunstancias.
3. Otros cultivos traen sus requerimientos expresados en “tareas” y no en días. Una “tarea”
suele coincidir aproximadamente con una jornada de trabajo, aunque en algunas zonas se
observan “tareas” de medio día. Hay un elemento de incertidumbre en la conversión de
tareas a jornadas.
4. La duración efectiva de la jomada laboral varía según las zonas y los trabajos concretos rea
lizados. La gran altitud, por ejemplo, dificulta las jomadas prolongadas en la sierra, por lo
cual suelen limitarse a unas 6 horas de trabajo (un total de ocho o nueve horas con varios
descansos para comer o para mascar coca); en otras zonas la extensión es mayor (véase nues
tro trabajo “El subempleo en el Perú: una visión crítica”, Apuntes No. 8. 1978, pp. 21-22).
Una adecuada mensuración de los requerimientos debería hacerse en horas hombre y no
en días, pero tal refinamiento no es posible por el momento.
5. En los presupuestos correspondientes al cultivo “tecnificado” suele incluirse el uso de trac
tores u otras máquinas. En los semitecnificados, en cambio, aparecen las “yuntas” (animales
de labor). El costo del uso de estas fuentes de energía se calcula en términos de horas de
servicio (única vez en que se usan las horas como unidad). En dicho costo se incluye no
sólo el alquiler de la máquina o de los animales, sino también la retribución del conductor
de los mismos (maquinista, tractorista, gañán, etc.), en forma indiscriminada Los requeri
mientos de horas/hombre por estos conceptos no aparecen incluidos entre ios requerimien
tos. Si bien su incidencia no es mucha, puede llegar a ser respetable en algunas zonas, sobre
todo en lo referente al gañán de las yuntas (3/4 partes de las unidades ce la sierra de 1 a
5 Has., y 2/3.partes de las de 5 a 20 Has., usan energía animal o mecánica, cubriendo la ma
yor parte de la superficie cultivada de esa región; proporciones iguales o mayores se dan en
la costa y la selva). Una hectárea típica de la costa puede requerir de dos a seis horas de trac
tor o máquina, lo cual obviamente requiere entre 0.25 y 0.75 jomadas de trabajo del tracto
rista; si el trabajo se hace con yunta, se requieren usualmente tiempos mucho mayores, del
orden de dos a cuatro días por hectárea o más, lo cual eleva en forma significativa los
requerimientos de trabajo —sobre todo de la preparación del terreno y de la siembra—;
siendo 80 días-hombre al año los requerimientos medios aproximados de toda la agricultura,
el trabajo de gañán y el tractorista puede significar un incremento del orden del 5 al 10% en
el total de requerimientos, en las hectáreas que los usan, y quizá entre 2 y 5% en el total.
Pese a estas limitaciones, se cree que los requerimientos agrícolas son estimados con algún
grado de fidelidad por los coeficientes que se utilizan aquí; utilizar otros más recientes no signi
ficaría mayores cambios (los coeficientes de 1972, usados por el Grupo Ocupación en el Agro,
no varían significativamente sobre los de 1967 usados por el CEEB, para la mayoría de cultivos);
si bien en conjunto pueden subestimar el valor absoluto de los requerimientos, reflejan por lo
menos la tendencia de su evolución; y si bien puede haber errores en la estacionalización, es po
sible que éstos se anulen mutuamente al considerar áreas mayores (departamentos, por ejemplo).
28
3. COEFICIENTES DE MANO DE OBRA EN LA ACTIVIDAD PECUARIA
En los distintos estudios sobre requerimiento de mano de obra en la agricultura peruana
que se han efectuado hasta el presente, la actividad 11pecuaria ha recibido un tratamiento más bien
superficial. El estudio de Thorbecke y Stoutjesdijk simplemente no la considera, limitándose
a los requerimientos del cultivo agrícola. 12Un estimado del INP del año 1965 (incluido luego en
el Plan Sectorial Agropecuario de 1967) incluye los requerimientos pecuarios aunque no de
talle el procedimiento seguido para obtenerlos. El estudio del CEEB, ya citado, elabora coefi
cientes para obtenerlos. El estudio del CEEB, ya citado, elabora coeficientes para la actividad
pecuaria pero con características de extrema simplificación. Si por un lado los coeficientes agrí
colas podrían considerarse subestimados, los de la ganadería parecen al contrario exagerados, pa
ra algunas especies sobre todo.
El enfoque del CEEB se basó en el estudio de sólo una especie ganadera: los ovinos. Los
requerimientos de la explotación ovina fueron estimados en base a tres estudios: dos en la sierra
central y uno para el conjunto de la ganadería de Puno (siempre en haciendas tecnificadas o por
lo menos relativamente grandes). Con esta base se estimaron los coeficientes de dos niveles tec
nológicos: “tecnificado” y “semitécnico”. Los de nivel empírico fueron simplemente estimados
suponiendo que cada 1000 animales en ese nivel requieren el doble de personal que en el nivel
semitécnico. La distribución del ganado entre los tres niveles fue también puramente estimativa:
71% empírico, 21% semitécnico, 8% tecnificado. No se efectuó ninguna zonificación: los
mismos coeficientes se aplicaron a todo el país.
Una vez estimados los requerimientos ovinos en esta forma, las restantes especies se redu
jeron a unidades de ovino, mediante coeficientes de conversión. Estos coeficientes, sin embargo,
no corresponden al mayor o menor uso de mano de obra que requieren las distintas especies, sino
sólo a su requerimiento de pasturas. En efecto, se basan en disposiciones técnicas del Ministerio
de Agricultura y de la Ley de Reforma Agraria y su reglamentación, las cuales asignan tierras de
pastos en distintas proporciones según la especie animal de que se trate. Obviamente, mayor re
querimientos de pastos no significa necesariamente mayor necesidad de personal, al menos no
en forma estrictamente proporcional; por ejemplo, los coeficientes para el ganado equino (caba
llar, mular y asnal) implican 8 a 9 veces más pastura que las ovejas, pero esto no significa que
para atenderlos se requiera 8-9 veces más personal, y lo mismo pasa con los vacunos cuya pro
porción de pastura es similar. No se intentó ningún estudio sobre otras especies, ni se diferenció
por zonas.
Este método es, por supuesto, muy riesgoso, y envuelve serias posibilidades de error, algu
nas muy evidentes. Por ejemplo: se incluye para los ovinos un mayor requerimiento en la época
de la esquila (alrededor del mes de febrero); al usar los ovinos como unidad de referencia, se
aplica el requerimiento por esquila a todas las especies (por ejemplo, vacunos o caballares, cuyo
peso específico es equivalente a cuatro veces el stock de ovinos) de modo que las “necesidades”
de mano de obra en febrero resultan enormemente exageradas (aparte de ello, la esquila se con
centró en febrero para todo el país, cuando en realidad la fecha varía entre diciembre y abril
aproximadamente).
En el grupo de trabajo sobre ocupación en al agro del Ministerio de Agricultura, a cuya in
conclusa labor se ha hecho antes referencia, se realizó un estudio más completo del sector pecua
rio, aunque tampoco sus resultados pueden ser tomados sin modificaciones.
(11) Erik Thorbecke - E. Stoutjesdijk: Employment and output: a methodoiogy applied to Perú and Guatemala (París, OECD,
1971).
(12) Perú - Instituto Nacional de Planificación: Perú: Plan de desarrollo económico y social 1967-1970 - Plan sectorial agropecua
rio (2 volúmenes; Lima, 1966).
29
Este grupo utilizó una cantidad de estudios existentes, y realizó investigaciones originales
en algunos casos, para determinar los requerimientos de mano de obra de cada actividad pecuaria
en cada área jurisdiccional del Ministerio de Agricultura (zonas y agencias). Sus estudios se cen
traron en las unidades productivas más grandes, dejando de lado los rebaños pequeños que —sin
embargo— representan una proporción importante de las existencias de ganado. Por ejemplo, en
el caso de los ovinos, el requerimiento calculado para el nivel “empírico” corresponde a rebaños
de magnitud respetable (se requiere un hombre por día cada 300 animales aproximadamente),
cuando más de la mitad del stock ovino es criado en rebaños de tamaño inferior que de todos
modos requieren —si sobrepasan un mínimo determinado— el cuidado de una persona permanen
temente). Por ello en el presente estudio introduciremos a estos coeficientes alguna modifica
ción para contemplar los requerimientos de los rebaños más pequeños.
El grupo Ocupación en el Agro estudió por separado los requerimientos del ganado ovino,
del ganado vacuno criado para carne, del ganado vacuno lechero, del ganado caprino, de las lla
mas, de las alpacas y los porcinos. No incluyó ganado equino, aves, cuyes o conejos. Su proce
dimiento general incluye tres aspectos.a) Determinación del alcance de cada nivel tecnológico (estimado genéricamente para cada una
de las zonas agrarias).
b) Conversión del número de cabezas a un número de “unidades animales” standarizadas, ge
neralmente iguales a un animal adulto de determinado sexo, a fin de corregir la presencia de
variables proporciones por sexo y edad.
c) Estimación de los requerimientos en días/hombre por día por unidad animal homogénea
de cada especie. No se considera ninguna variación estacional, asumiendo un número fijo
de días de atención pecuaria por mes, a lo largo de todo el año.
Uno de los inconvenientes del enfoque del Grupo Ocupación del Ministerio de Agricultura,
como dijimos, radica en que se concentró en unidades productivas con cierta escala mínima, de
modo que aun en la tecnología “empírica” resulta un requerimiento de un día-hombre para re
baños de tamaño bastante elevado. Las tareas de pastoreo no son fácilmente divisibles: si ópti
mamente un pastor puede cuidar, digamos, 300 ovinos con tecnología empírica, un productor
que tenga 200 animales no por eso tendrá que salir menos tiempo por día; su atención tendrá
que distribuirse durante el mismo tiempo entre un número menor de animales; esta situación no
indica ninguna “irracionalidad” propia de la conducta del productor, sino el requerimiento de
trabajo condicionado por la estructura de tenencia del ganado, que impide manejar rebaños más
numerosos por pastor como sería el caso en haciendas grandes. En esos rebaños pequeños no
siempre es posible usar una fracción proporcional de cada día, sino que generalmente se requie
re más que la proporción correspondiente. En el ejemplo dado, un rebaño de 100 animales di
fícilmente requerirá 1/3 de día; probablemente hará falta más, digamos 2/3 de día o quizá más,
para su atención. Si se traza la función lineal que relaciona el tamaño del hato y el número de
días/hombre requeridos, la función debe sufrir una quebradura a la altura del tamaño “crítico”,
es decir al nivel de tamaño que requiere exactamente un día/hombre (en nuestro ejemplo, 300
animales). Por debajo de esa cifra se debe estimar una función con mayor pendiente. En la Fig. 1,
la recta punteada “a” sería la prolongación de los requerimientos si la atención de los rebaños
fuese perfectamente divisible; la línea llena “b” indica la probable ubicación de la función, la
cual cae a cero en las proximidades del tamaño cero, pero se mantiene siempre por encima de
la recta “a”. En casi todas las especies se efectuará esta corrección a los coeficientes dados por
el Grupo Ocupación, añadiéndole lo que constituiría un cuarto nivel tecnológico: rebaños empí
ricos pequeños.
En el caso, por ejemplo, del ganado vacuno, los requerimientos estimados por el mencio
nado Grupo Ocupación para el nivel empírico de tecnología señalan aproximadamente 0.03 días/
30
hombre por animal (con algunas variaciones regionales), o sea alrededor de 30 cabezas por hom
bre. Para ese ganado, según el Censo Agropecuario de 1972 alrededor del 70% de los animales
era mantenido en hatos de hasta 20 cabezas, con un promedio de 4 cabezas por cada productor
involucrado. Evidentemente, sería ilusorio suponer que esos animales eran atendidos, en pro
medio, por 4/30 de día/hombre o sea alrededor de una hora diaria, ya que un rebaño de 4 vacu
nos normalmente requiera bastante más que esa cantidad. Tampoco sería realista asignarles un
requerimiento uniforme de un día/hombre por hato, ya que en muchos casos los vacunos serán
atendidos en forma conjunta con animales de otras especies y no por todo el día. Habrá que
asumir ciertas hipótesis un tanto aproximadas acerca de la cantidad efectiva de trabajo requerida
por animal en los rebaños pequeños. En el caso de los vacunos, los rebaños de 1 a 20 animales
puede suponerse que requieren en promedio 1/5 de día/hombre por hato, o sea 6/30 en lugar de
4/30, y en forma similar para el resto de las especies; este estimado es obviamente un poco arbi
trario, y en general se lo ha asignado de manera altamente conservadora para no presuponer un
requerimiento de trabajo excesivamente amplio.
Los problemas de escala y las indivisibilidades propias del pastoreo no emergen tan fácil
mente en la labor de cultivo; por ello en general los requerimientos propiamente agrícolas no han
tenido que sufrir esta modificación.
En las secciones siguientes de este capítulo se consideran los casos particulares de las diver
sas especies, especificando el procedimiento seguido para la estimación de los coeficientes res
pectivos.
3.1. Ganado vacuno
Los requerimientos son totalmente distintos cuando se trata de vacunos para leche y de va
cunos para carne. En realidad, la mayor parte de los vacunos del Perú no son especializados en
carne o en leche: los productores tienen rebaños de doble propósito. Sin embargo, en este estu
dio se estimarán por separado los requisitos del ganado propiamente lechero y del resto por se
parado.
31
Un concepto esencial para hacer esta diferenciación es el de hato lechero, definido como el
conjunto de animales (vacas, toros, terneros, etc.) que es necesario mantener para que exista un
número determinado de vacas en ordeño. Se supone que en todo hato real de doble propósito
existe una porción (que es proporcional al número de vacas ordeñadas) que constituye el hato
lechero, siendo el resto el hato para carne. Para estimar el tamaño del hato lechero se usan facto
res de conversión; el número de vacas ordeñadas, multiplicadas por dichos factores, equivalen
al hato lechero. Como muestra el Cuadro 1, estos factores oscilan alrededor del valor 2.5 para
las principales zonas vacunas del país, y varían de zona en zona y también entre niveles tecnoló
gicos.
El hato lechero de cada departamento o provincia está sujeto (en diversas proporciones) a
un manejo de variado nivel tecnológico. Para cada nivel, los requerimientos de trabajo son dis
tintos. Los niveles tecnológicos lecheros se estiman —a falta de una caracterización más com
pleta— por un solo indicador: el rendimiento de leche por vaca ordeñada, que vana fuertemente
según los tamaños del hato (véase la delimitación de niveles en el Cuadro 2. y los rendimientos
por tamaño en el Cuadro 3)13. La ponderación, pues, de los niveles tecnológicos se efectuará de
acuerdo con la distribución de los vacunos en los distintos estratos de tamaño de ios hatos. Se
considerará una tecnología lechera “empírica” en los hatos vacunos de hasta 50 animales; una
“semitecnificada” en los de 50-99 cabezas, y un nivel “tecnificado” en los hatos vacunos de 100
y más cabezas (estos tamaños del hato total corresponden a tamaños menores del respectivo
“hato lechero”). La ponderación, sin embargo, no se basa en la distribución del total de cabezas,
sino en la de las vacas ordeñadas (de todas maneras, no hay gran diferencia entre ambos criterios).
El grado de concentración del ganado vacuno no varía mucho a través del tiempo: en el
Cuadro 4 puede apreciarse la distribución del ganado vacuno por superficie de las respectivas
unidades agropecuarias poseedoras, en 1961 y 1972, donde se observa la apreciable persistencia
de la pauta distributiva. Por ello se utiliza el patrón de distribución por tamaño del hato, cono
cido para 1972, como patrón invariable de los distintos años considerados El porcentaje de va
cas ordeñadas sobre el total de cabezas tampoco varía mucho en el tiempo vease 1a Estadística
Agraria de diferentes años). El Censo Agropecuario da un promedio de 10% de 'vacas ordeñadas
sobre el stock total, pero esto se refiere sólo al día del Censo (mes de setiembre la Estadística
Agraria arroja un promedio del orden del 15%, posiblemente más representativo del total del
año.
Por ello se usó la Estadística Agraria para calcular la importancia del hato lechero en el con
junto de la ganadería vacuna de cada zona. A tal fin se usó la tasa de ordeño ce ce en 1972 en la
Estadística Agraria departamental, y los factores de conversión a hato lechero dados s en el Cuadro
1 (véase Cuadro 5), promediando los diferentes tipos de tecnología. A partír de alli se calcularon
los requerimientos unitarios de mano de obra originados en la producción lechera en la siguiente
forma: Se promedió en forma ponderada los coeficientes y factores de cada nivel tecnológico,
y se los aplicó sobre el hato lechero calculado; en vista que los coeficientes estimados en la OSPA
se dan términos de días/hombre por unidad animal homogénea, hubo que reducirlos a coeficien
tes expresados en días/hombre por cabeza del hato lechero utilizando los factores de reducción
a unidades homogéneas; en el Cuadro 6 aparecen los factores de reducción y los coeficientes de
mano de obra de cada zona y nivel tecnológico. .Finalmente, multiplicando por la tasa de inci
dencia del hato lechero se redujeron esos requerimientos expresándolos en días hombre por ca
beza de ganado vacuno en general (Cuadro 7).
Sobre la porción de vacunos no-lecheros, obtenida por diferencia al considerar el hato le
chero, se procede en la forma siguiente: primero se estima la incidencia de los hatos con menos
de 20 animales para los cuales se calcula el tamaño promedio y se aplica un requerimiento de 1/5
(13) Existe consenso sobre la subestimación censal de los rendimientos de leche por vaca ordeñada, as: como de los rendimientos
de caá todos los productos agropecuarios (véase el acápite 3.5, más adelante).
32
dia/hombre por día por hato. Sobre los vacunos agrupados en hatos de 20 y más, se aplican los
coeficientes calculados por la OSPA, cuyas variaciones por nivel tecnológico son casi desdeña
bles, y que se dan en el Cuadro 8. El resultado, expresado en días/hombre por cabeza de ganado
vacuno en general, se suma al originado en la producción lechera para obtener los coeficientes de
requerimiento global de mano de obra para el ganado vacuno (Cuadro 9). Para los cálculos de re
querimiento mensual se considera un promedio de 24 días mensuales de trabajo; en realidad,
hay tareas pecuarias que deben ser hechas todos los días (pastoreo, por ejemplo), pero hay otras
que tienen cierta periodicidad, estimándose que la cifra mencionada refleja aproximadamente
esta situación. Por otro lado, las variaciones estacionales (herranza, parición, etc.) no son signi
ficativas. Suponiendo, por ejemplo, un 20% de parición y medio día/hombre por parto, distri
buido entre tres meses posibles de ocurrencia, los requerimientos mensuales no variarían en más
de un 2% en esos meses respecto a los demás meses. Por ello se asume un requerimiento cons
tante sin considerar la estacionalidad (que por otra parte sería necesario estipularla para cada
región, aspecto difícil por falta de información accesible).
En definitiva, los requerimientos por cabeza vacuna existente surgen de la siguiente fórmula:
donde los símbolos representan:
Rv = Días/hombre requeridos diariamente para la ganadería vacuna de todo propósito, por
cabeza de vacuno existente.
L = Hato lechero como proporción de los vacunos existentes (Cuadro 5).
P = Vacunos en hatos de 1-19 cabezas, como proporción del total de vacunos
existentes.
T = Tamaño promedio de los hatos vacunos de 1-19 cabezas.
V = Días/hombre requeridos diariamente por vacuno dedicado a la producción de
carne en
hatos de 20 y más animales (Cuadro 8).
RL = Días/hombre requeridos diariamente para la actividad lechera, por cada cabeza vacuna
existente (Cuadro 7).
Estos requerimientos se han estimado para cada departamento, discriminándose regiones
naturales solamente para el Departamento de Lima, donde la heterogeneidad es muy notoria.
Los resultados expresan un promedio ponderado de los distintos niveles tecnológicos existentes.
La constante 0.2, incorporada en la fórmula, indica el requerimiento estimado para el cuidado
de los hatos vacunos de 1-19 animales, y podría ser objeto de otras estimaciones; como ya se dijo
antes, estos hatos requieren menos de una jomada completa porque —en primer lugar— la tarea
puede ser realizada en menos horas, y —en segundo lugar— el cuidado de estos puede realizarse
en tiempo compartido con el cuidado de animales de otra especie (ovinos, por ejemplo).
33
Cuadro 1
FACTORES DE CONVERSION PARA LA ESTIMACION DEL HATO LECHERO,
POR ZONA AGRARIA Y NIVEL TECNOLOGICO
(a) Hato lechero por vaca ordeñada.
FUENTE: Grupo Ocupación en el Agro, OSPA (Ministerio de Agricultura y Alimentación).
34
Cuadro 2
INTERVALOS QUE DEFINEN LOS NIVELES TECNOLOGICOS DE LA
PRODUCCION DE VACUNOS DE LECHE, POR ZONAS AGRARIAS
FUENTE:
DATOS:
Ing. Miguel Sarria, experto en ganado lechero (UNA y Empresa Ganadera EPS)
Compilados en OSPA, Ministerio de Agricultura y Alimentación.
Cuadro 3
GANADO VACUNO: TAMAÑO DEL HATO
Perú, 1972
(a) Incluye un estimado de 13,288 vacas ordeñadas (lO% de la existencia de vacunos) en las unidades agropecuarias pequeñas
(menos de 0.5 Ha. y menos que todos los mínimos establecidos para diferentes especies de animales). De entre estas unida
des hubo 78,323 que tuvieron vacunos, con 132,886 cabezas en total.
FUENTE: Censo Agropecuario Nacional 1972, Cuadro 19.
35
Cuadro 4
GANADO VACUNO POR TAMAÑO DE LAS UNIDADES AGROPECUARIAS
Perú, 1961 -1972
N OTA: El estrato de 0 a 0.4 Has. incluye las unidades “ sin tierras” y las unidades de tamaño no declarado
FUENTE: Censo Agropecuario 1961 (Cuadro 27) y 1972 (Cuadro 18). Las “unidades agropecuarias sor las que poseían vacu
nos. Las cifras de 1961 son provisionales. Las cifras definitivas (que no se pueden clasificar en esta forma) arrojaron
3.1 millones de vacunos.
36
Cuadro 5
INCIDENCIA DE LA ACTIVIDAD LECHERA
EN LA GANADERIA VACUNA
Tasa de ordeño = vacas ordeñadas/total de vacunos (1972, Anuario Estadístico Agropecuario).
Hato lechero/total =Tasa de ordeño por el factor promedio de conversión de vacas ordeñadas a hato lechero (Cuadro 1).
Lima (Costa) incluye Callao.
37
Cuadro 6
FACTORES DE REDUCCION A UNIDADES ANIMALES HOMOGENEAS
Y COEFICIENTES DE REQUERIMIENTO DE TRABAJO PARA EL HATO LECHERO
(DIAS/HOMBRE DIARIOS POR UNIDAD ANIMAL HOMOGNEA)
(a) Se aplican coeficientes de mano de obra correspondientes a Madre de Dios.
FUENTE: OSPA, Grupo Ocupación en el Agro.
38
Cuadro 7
REQUERIMIENTOS DE TRABAJO POR PRODUCCION LECHERA
(DIAS/HOMBRE POR DIA, POR CABEZA DE GANADO VACUNO EN GENERAL)
EN PROMEDIO
Este coeficiente equivale al producto de los siguientes factores:
a) Proporción de vacas ordeñadas sobre vacunos totales.
b) Factor de conversión de vacas ordeñadas en hato lechero.
c) Factor de reducción a unidades animales homogéneas (vacas).
d) Requerimiento de días/hombre por día por unidad animal homogénea en el hato lechero.
Al mismo tiempo, se han promediado los últimos tres factores de acuerdo a la incidencia de los distintos niveles tecnológicos.
39
Cuadro 8
REQUERIMIENTOS PROMEDIO DE MANO DE OBRA EN LA PRODUCCION
VACUNA PARA CARNE (DIAS/HOMBRE POR DIA POR CABEZA) (a)
(a) Sólo para hatos de 20 y más cabezas. Por debajo de ese tamaño se estima 0.20 día-hombre por día por rebaño.
FUENTE: OSPA (se asume que la relación entre cabezas y unidades homogéneas en promedio es igual a 0.90). Las cifras son
promedios ponderados de las diferentes agencias y subzonas, con algunos ajustes.
Lima (Costa) incluye Callao.
40
Cuadro 9
REQUERIMIENTOS DIARIOS Y MENSUALES DE TRABAJO
(DIAS/HOMBRE POR CABEZA DE GANADO VACUNO EXISTENTE)
Indo ye requerimientos para producción lechera y para carne.
Lona (Costa), incluye Callao.
41
3.2. Ganado Ovino
Las estimaciones de los requerimientos pecuarios efectuadas por el CEEB se basan en la re
ducción de todos los ganados a unidades equivalentes de ovinos, y en el estudio de los requeri
mientos de mano de obra en la ganadería ovina. Estos requerimientos se estudiaron de la si
guiente manera:
a) Se consideraron tres niveles tecnológicos (alto, medio y tradicional).
b) Se asumió una única distribución porcentual de los tres niveles tecnológicos en todo el país:
8% del ganado ovino fue considerado como sujeto a una tecnología “alta”, un 21% a una
tecnología “media” y un 71% a una tecnología “tradicional”.
c) Se estudiaron los requerimientos de alta tecnología mediante el análisis del complejo gana
dero Cerro de Pasco, del cual se estudiaron las planillas de jornales, el calendario de faenas,
etc. Así, resultó un conjunto de coeficientes expresados en jomadas necesarias por día por
cada 1000 animales; el promedio anual fue de 2.49 jornadas por día; las labores de esquila
se cargaron en el mes de febrero, en que el requerimiento sube a 3.97 jomadas por día cada
1000 animales; en el resto del año hay oscilaciones, con un mínimo en diciembre-enero y
un máximo en setiembre, pero nunca muy lejos del promedio (situándose entre 1.9 y 2.6
jomadas por día, aproximadamente, con la única excepción de febrero).
d) Se analizaron algunas haciendas “medianas”, en especial el estudio de pre-adjudicación de
la hacienda Yanarico y un estudio sobre el conjunto de la ganadería de Puno. Estos requeri
mientos fueron, en promedio, tres veces más elevados que en Cerro de Pasco (promedio:
7.45 jomadas por día). La estacionalidad se supuso igual que en Cerro de Pasco.
e) Para el 71% restante se supuso que los requerimientos serían el doble que en las haciendas
medianas (promedio: 14.90 jomadas por día por cada 1000 animales) con la misma estacio
nalidad. Hubo otra hipótesis más conservadora, que les asignó igual requerimiento que en
las haciendas medianas, pero no fue utilizada en las elaboraciones y conclusiones.
f) De esta forma resulta un promedio de 12.34 días/hombre por día por cada 1000 animales,
que en el mes de febrero se elevan a 19.67 días/hombre diarios por millar de cabezas.
Estos coeficientes, si bien pueden resultar más o menos apropiados en muchos aspectos, no
son aceptables sin sustanciales modificaciones. Tienen, sin embargo, la ventaja de proporcionar
una pauta de estacionalidad (que puede ser aprovechada también para el ganado auquénido cuyo
patrón estacional es similar), a diferencia de los estudios del Grupo Ocupación en el Agro, que no
contemplan ninguna fluctuación estacional en las actividades pecuarias. Dicho Grupo elaboró
también coeficientes para el manejo de ganado ovino, en tres niveles tecnológicos, pero en base a
costos de producción de unidades grandes exclusivamente (por ejemplo, el hato mínimo para
ocupar un pastor durante todo el día en la tecnología empírica es de alrededor de las 300 a 400
cabezas, cifra superior a los tamaños normales de los rebaños campesinos). Estos requerimientos
coinciden más o menos, con los que el CEEB atribuyó a la tecnología más elevada (2.49 jomadas
diarias por cada 1000 animales, equivalentes a unos 400 animales por hombre) pero es evidente
que deben contemplarse los requerimientos de los rebaños más chicos y de tecnología más atra
sada.
El CEEB trató estos rebaños tradicionales, propios de la pequeña economía familiar, sólo
de una manera estimativa. Para verificar el acierto de su enfoque, haremos algunas consideracio
nes al respecto, y adicionalmente revisaremos el patrón de estacionalidad adoptada por el CEEB,
que a primera vista parece estar sesgado hacia una exageración de la estacionalidad (especialmen
te por un defectuoso tratamiento de las labores de esquila). Sin embargo, se puede anticipar que
42
el requerimiento promedio resultante de esta revisión coincide cercanamente con el del CEEB,
no así la pauta estacional que resulta mucho más suavizada.
Una proporción bastante elevada del ganado ovino se mantiene en rebaños de escasa magni
tud: prácticamente la mitad de las existencias del país corresponde a rebaños de 1-49 animales;
en 1972, un 54% correspondía a las unidades agropecuarias de menos de 10 hectáreas, porcen
taje que en 1961 había sido del 63% (véanse los Cuadro 10 y 11). Seis millones de ovinos (sobre
12.8 millones existentes) estaban en rebaños de 1-49 animales con un promedio de casi 10 anima
les por unidad. Evidentemente, no todos estos rebaños —como ya vimos en el caso de los vacu
nos— requieren de la jomada completa de un pastor. Probablemente los más pequeños (seiscien
tas mil cabezas en rebaños de 1-4 animales) ni siquiera requieren trabajo diferenciado que requie
ra abandonar las tareas domésticas propiamente dichas. Los 5.4 millones en rebaños de 5-49 ani
males cada uno (promedio: 14 por unidad) probablemente requieren sólo una fracción de jorna
da para su atención (que muchas veces se comparte con el cuidado de vacunos o de otros anima
les). Para el conjunto de los rebaños de hasta 49 animales se supondrá aquí un requerimiento pro
medio de una hora diaria por rebaño: esto equivale a una determinada cantidad de jomadas (de
seis horas) por animal, dependiendo del tamaño promedio de los rebaños de ese estrato; a nivel
nacional, cuyo promedio es de 9.67 animales, implica 18 días hombre cada 1000 animales, o sea
una jomada completa cada 55 animales, para estos hatos de menos de 50 cabezas cada uno.
Entre los seis millones mantenidos en rebaños de 1-49 animales, y los 1.76 millones en re
baños de 2,000 cabezas o más, hay unos cinco millones en rebaños de 50 a 1999 animales, de los
cuales el 87% corresponde al estrato de 50 a 499 cuyas características lo aproximan a la peque
ña ganadería más que a la grande. Para la tecnología “elevada” resultaba un requerimiento de
2.49 jomadas por cada 1000 animales en promedio; para los rebaños de hasta 50 cabezas, como
vimos, el requerimiento sería de 18 jomadas por cada millar de ovinos. El estrato intermedio
debe situarse en una situación también intermedia, aunque más cercana al estrato bajo. Supo
niendo por ejemplo para el estrato intermedio un requerimiento de 10 jomadas cada 1000 ani
males (con un rebaño promedio por pastor equivalente a 100 animales), resulta un requerimiento
ponderado del orden de 12.7 jomadas cada 1000 animales, levemente por encima del promedio
estimado por el CEEB (12.34).
Esta conclusión indicaría que los estimados globales del CEEB no estarían alejados de la
realidad. En realidad, aquí se ha considerado para los rebaños del estrato intermedio un reque
rimiento de 10 jomadas diarias por millar, cuando en realidad deben estar más cerca de los 18
días/hombre asumidos para los hatos pequeños, de modo que el estimado final puede incluso es
tar subestimado. Dicho resultado global implica un rebaño “unitario” (para ocupar una jomada
todos los días) de alrededor de 80 animales por pastor, cifra que no está lejos de las que suelen
estimarse para el pastoreo andino en condiciones generales de baja productividad y explotación
extensiva.
En cuanto al patrón de estacionalidad, su principal irregularidad surge de las labores de es
quila, que elevan considerablemente los requerimientos del mes de febrero en los estimados del
CEEB. Se harán aquí observaciones sobre varios aspectos: en primer lugar, sobre la ubicación
cronológica de esta tarea; segundo, sobre el significado de los coeficientes asignados por el CEEB
a la tecnología “alta” (en base a datos de la hacienda Cerro de Pasco); tercero, sobre la aplicabflídad de ese patrón en forma proporcional a los requerimientos de la tecnología media y baja.
El informe del CEEB, en realidad, admite que las tareas de esquila se realizan en un período
que varía entre diciembre y abril; la variación, de un lado, depende de la región considerada y en
parte es también función de variaciones entre fundos de la misma región; también hay un factor
climático involucrado que —al igual que las siembras de productos agrícolas—puede hacer variar
la estacionalidad entre un año y otro. Este último factor no será considerado ya que todo este
estudio se basa en coeficientes fijos. Tampoco será posible considerar las diferentes fechas de es43
quila en las diferentes zonas de la sierra, principalmente por falta de información apropiada.
Aun así, puede aceptarse que dentro de cada zona la fecha de esquila puede variar, distribuyén
dose los animales esquilados dentro de un cierto período más o menos amplio (aunque febrero
sigue siendo, al parecer, el momento más frecuente de esquila).
Si bien no hay datos concretos sobre el patrón de estacionalidad exacto, ni mucho menos
sobre el calendario de la esquila en cada departamento o provincia, lo cual impide adoptar patro
nes estacionales diferentes en cada división territorial, las posibilidades de error se reducen bas
tante distribuyendo el requerimiento entre varios meses. Para adoptar una pauta simple, se asu
me la siguiente distribución que en muchos expertos consideran representativa:
Enero
Febrero
Marzo
Abril
Total de esquila
10°/o
50°/o
40°/o
10%
100%
Además, es necesario revisar el volumen de trabajo imputado a esta labor. Si bien el in
forme del CEEB no indica los detalles del cálculo, se puede estimar el requerimiento marginal
por esquila como diferencia entre los requerimientos de febrero y los promedios de los restan
tes meses. Esta diferencia resulta ser de 1.81 jornadas por cada 1000 animales existentes. Aho
ra bien, la esquila afecta anualmente (según el Censo Agropecuario de 1972) a un 40% del
total de cabezas, porcentaje que se eleva a un 80% en los rebaños de 2000 y más cabezas (don
de probablemente se aplica la tecnología superior que estos coeficientes reflejan). Tomando
esta última cifra, las 1.81 jomadas adicionales corresponderían a .800 animales esquilados du
rante todo el mes de febrero; suponiendo en dicho mes unos 24 días útiles, esto implica unas
18 cabezas esquiladas por día/hombre; la velocidad implícita sería de tres animales por hora
si el trabajo se hace individualmente, ó 1.5 por hora si el esquilador requiere un ayudante, so
bre la base de una jomada de seis horas efectivas como las que suelen predominar en la sierra.
Esta productividad parece corresponder a la esquila manual, lo cual evidentemente no refle
ja una tecnología mecanizada como la que se aplica en las más modernas unidades productivas
de ganado ovino; con equipos modernos la velocidad puede incrementarse sustancialmente res
pecto a los valores señalados. De todas maneras, dado que el uso de estos implementos es aún
muy reducido en la sierra peruana, el coeficiente puede representar la tecnología utilizada en las
unidades de producción más grandes y (relativamente) más tecnificadas. La distribución de esas
1.81 jomadas en la forma indicada más arriba entre enero y abril arroja un patrón estacional
más suavizado y probablemente más realista.
Para la tecnología baja, el influjo de las labores de esquila sobre los requerimientos de tra
bajo de la ganadería ovina no son tan considerables como en los casos de rebaños grandes mane
jados con tecnología más elaborada.
El principal factor que determina esa diferencia radica en el porcentaje mucho menor de
animales esquilados en los rebaños pequeños propios de la pequeña ganadería familiar (y debería
añadirse, además, el rendimiento de lana también muy inferior, lo cual también contribuye a
disminuir el requerimiento de trabajo para la esquila: los animales de los hatos pequeños rinden
alrededor de un kilo de lana por año, mientras en los rebaños grandes la cifra promedio —según
el Censo 1972— es de 2.2 kilos). Como se puede observar en el Cuadro 11, la esquila afecta al
80% de los ovinos en los rebaños de 2,000 y más animales; en los de 1-49 cabezas el porcentaje
44
esquilado14 es sólo un 29.9%. Si bien en la tecnología empírica los requerimientos unitarios de
trabajo para la esquila son mayores que en la tecnología más sofisticada, ello se compensa sobra
damente por la gran diferencia existente en el porcentaje de esquila, con lo cual el resultado pue
de ser (y lo es para el promedio nacional) que en los hatos pequeños el requerimiento por esquila,
en relación a los animales totales del rebaño, es menor. Según distintos observadores y expertos
que han sido consultados al efecto, puede estimarse que en condiciones rudimentarias la esquila
“tradicional” implica alrededor de un animal esquilado en media hora, normalmente con la par
ticipación de más de una persona; si las herramientas son muy primitivas, como es el caso mu
chas veces, la duración de la tarea puede ser aún mayor. En efecto, es usual que no se usen ti
jeras sino cuchillos; muchas veces inclusive elementos con poco filo o incluso cuchillos de piedra,
lo cual obliga a disminuir el ritmo adicionalmente a fin de no causar heridas al animal. Suponien
do dos animales esquilados 15por hora, y añadiendo un ayudante cada dos esquiladores, en una jor
nada efectiva de seis horas , resulta un requerimiento adicional por esquila en los hatos tradi
cionales y pequeños, equivalente a 1.16 jomadas diarias durante un mes de 24 días, en lugar de
1.81 jomadas encontradas en los estimados del CEEB para alta tecnología. Una distribución es
tacional similar a la adoptada antes (entre enero y abril) hace que la pauta estacional de la peque
ña ganadería ovina (que es mayoritaria) resulte más suave todavía que en el caso de alta tecnolo
gía: los requerimientos del mes de febrero, donde se realizaría el 40% de esta labor, se eleva
rían sólo en un 2% sobre el promedio.
Para el estrato de tamaño intermedio (50 a 1999 animales), donde predominan los más pe
queños (50-499), la esquila afecta alrededor del 30% del ganado. Puede suponerse que la pro
ductividad es mayor que en el estrato pequeño, aunque es difícil estimar la magnitud de la dife
rencia. Suponiendo que la productividad en este estrato exceda en un 50% a la del estrato bajo,
se esquilarían 12 animales por día/hombre en lugar de 8, resultando 1.04 jomadas por millar de
animales si la esquila se concentrase en un mes. Con la mencionada distribución por meses y su
poniendo un requerimiento promedio de 10 jornadas en este estrato tecnológico, la esquila los
elevaría en su punto máximo (febrero) sólo en un 4°/o. Para el promedio de la ganadería ovina,
ponderado los tres estratos, el requerimiento marginal por esquila resulta de 0.476 jornadas por
millar de animales y por día para el mes de febrero (al que se asigna, como se dijo, el 40% de la
labor). Sobre un promedio superior a 12 jomadas diarias por millar, esto representa una desvia
ción estacional máxima no superior al 4% del requerimiento promedio. Las otras causas de es
tacionalidad, como la parición o las atenciones sanitarias, son también muy poco significativas,
especialmente en la tecnología primitiva que constituye la mayor parte.
Estas consideraciones nos llevan a una conclusión similar a la alcanzada con respecto al ga
nado vacuno: es posible prescindir del factor estacional sin demasiada pérdida de precisión. Se
supondrá, por lo tanto, un requerimiento constante de trabajo a lo largo de todo el año, cuyos
coeficientes básicos son los siguientes:
(14) Para obtener esta cifra, del total de ovinos en estos estratos (Cuadro 11) se han descontado los 541,882 existentes en las uni
dades agropecuarias más pequeñas a las que el Censo no interrogó sobre la esquila sino sólo sobre stock de animales.
(15) Sobre la jornada efectiva de la sierra véase nuestro ensayo “El subempleo en el Perú: una visión critica”, en Apuntes No. 8
(1978), pp. 21-22.
45
Asignando a cada estrato ia ponderación correspondiente al total del país (respectivamente
13.75, 39.22 y 47.03 por ciento del ganado), el requerimiento promedio es de 0.305 jomadas
por mes por animal ovino; este promedio, sin embargo, puede variar según la incidencia de la
grande y pequeña ganadería en las diferentes zonas. Para captar estas diferencias se han calculado
promedios ponderados según el peso de cada estrato por departamento, de acuerdo con los da
tos respectivos del Censo Agropecuario de 1972. En base a esa información se calcularon los
coeficientes departamentales que se vuelcan en el Cuadro 13.
Los estratos utilizados, sin embargo, no corresponden estrictamente a los conceptos de alta,
media y baja tecnología. El tamaño del hato es en este aspecto sólo un indicador aproximado,
pues hay hatos grandes explotados en forma tradicional, lo cual de por sí implicaría que el peso
del estrato “alto” tiende a exagerarse de acuerdo con nuestra clasificación. Ahora bien, los po
sibles errores de este tipo no son significativos, como es fácil descubrir.
En efecto, las variaciones “tecnológicas” propiamente dichas (cuidados sanitarios, esquila
mecanizada, etc.) y que afectan sólo a un reducido porcentaje de ovinos, no son el elemento
más importante para definir el requerimiento laboral del pastoreo. Lo que más influye es simple
mente el tamaño del rebaño, que está limitado para la mayor parte de los pastores pequeños y
medianos por la magnitud de su patrimonio familiar y por la limitada accesibilidad a pasturas
naturales. Como surge del Cuadro 11, las mayores concentraciones de ovinos están en los ex
tremos de 1 a 499 animales (dentro de las posibilidades de pastoreo de una familia) y de 2,000
y más animales, con un promedio en este último caso de más de 8,000 cabezas, lo cual implica
necesariamente una economía de hacienda con participación de pastores asalariados o serviles;
en los tamaños intermedios, de 500 a 2000 animales, sólo se agrupa el 5% de los ovinos. Sólo
en el estrato mayor aparecen las posibilidades de aprovechar economías de escala asignando más
animales a cada pastor; para los rebaños de hasta 50 cabezas, que representan alrededor del 47%
del ganado, con un promedio de alrededor de 10 animales, la propiedad atomizada del ganado y
de los pastos inhibe la aplicación de una “tecnología” más eficiente, es decir, impide el manejo
de más animales por pastor; las posibilidades de cooperación comunal son en este caso muy limi
tadas: en la sierra peruana, para la pequeña ganadería los pastos pueden ser comunales pero el
ganado y el pastoreo son privados.
Por otro lado, aun en la tecnología de los grandes rebaños es posible que el requerimiento
efectivo se haya subestimado. Las grandes haciendas suelen contratar sus pastores bajo el régi
men de “huacchillaje”, donde el trabajador pastorea simultáneamente el ganado de la hacienda
y su propio ganado “huaccho”; coexisten por cierto con trabajadores sin ganado, pero —sobre
todo en las últimas décadas— han tenido los
primeros una importante incidencia, sobre todo en
las grandes haciendas de la Sierra Central16. Los “huacchilleros”, pues, pueden añadir cabezas
propias al ganado de la hacienda, las cuales difícilmente hayan sido contabilizadas en la cómpu
tos del CEEB que se basaron en los libros de personal de la hacienda. Este factor disminuiría los
requerimientos por millar de cabezas; pero al propio tiempo, el pastor añade a su propio trabajo
la capacidad laboral de su familia, lo cual representa probablemente un incremento proporcio
nal muy superior al ganado omitido. Un rebaño de 400 ovinos de la hacienda, que es el que co
rresponde a un requerimiento de 2.5 jornadas por millar, puede ser pastoreado junto con 50-100
animales “huaccho”, haciendo un total de 500, pero mediante el concurso del pastor, uno o dos
de ais hijos, y alguna participación de su mujer, un total de dos o tres personas probablemente.
Si se asume para estos casos un estimado de dos personas para 500 cabezas, el requerimiento
correspondiente crecería de 2.5 jomadas diarias por millar, a 4 jomadas. Si bien esta cifra podría
ser más realista que la que da el CEEB, hemos preferido mantener esta última por representar
una estimación más conservadora y por no ser conclusivos los elementos de juicio en que se fun
da la estimación que antecede.
(16) Entre otrasobras, véase Los huacchilleros del Perú de Juan Martínez Alicr (París, Ruedo Ibérico, 1973, también editado por
d IEP de Lima) y d artículo de Florencia Mallon, “Microeconomía y campesinado”, en Análisis No. 4 (Lima, 1978).
46
Sin duda, los coeficientes que aquí se ofrecen son más atendibles que el estimado global
que efectúa el CEEB; también son más útiles que los resultados del Grupo Ocupación, ya que
éstos se refieren sobre todo a grandes rebaños, entre los cuales el requerimiento no varía mucho
según el nivel tecnológico. Sin embargo, la falta de estudios específicos sobre el requerimiento
de trabajo de la pequeña ganadería familiar, que debería ser medido en horas y no en días, y di
ferenciando el rol de los distintos miembros de la familia, impide por ahora llegar a cifras más
precisas. Nuestros resultados, de hecho, sólo hacen variar entre departamentos la composición
de los hatos según su tamaño, pero aplican en todo el país los mismos requerimientos de trabajo
para cada estrato de tamaño; estos valores, en un estudio más detallado, podrían cuantificarse
en forma más desagregada para cada zona del país. Pese a estos defectos, los resultados son pro
bablemente mucho más precisos que las estimaciones anteriores.
Cuadro 10
GANADO OVINO SEGUN TAMAÑO DEL HATO
197 2
FUENTE:
Censo Agropecuario Nacional, Nivel Nacional, Cuadro 22. Excluye las unidades agropecuarias que no tenían ovinos.
47
Cuadro 11
GANADO OVINO POR SUPERFICIE DE LAS UNIDADES AGROPECUARIAS.
1961 - 1972
FUENTE: Censos Agropecuarios de 1961 (Cuadro 32) y de 1972 (Cuadro 20). Ei estrato de 0 a 0.4 Has. incluye también las
unidades sin tierras y las de tamaño no declarado.
Las cifras definitivas para 1961 (que no se pueden clasificar de esta fama) arrojaron sólo 15.2 millones de ovinos. Este cuadro
contiene cifras provisorias.
Cuadro 12
REQUERIMIENTOS MENSUALES MEDIOS DE TRABAJO
(Jornadas por mes por cabeza de ganado ovino)
NOTA: Se asume que el trabajo requiere 24 días por mes.
49
3.3. Ganado Auquénido
Los estudios sobre la cría de alpacas y llamas sólo han florecido en los últimos años. De una
parte hay estudios técnicos, originados principalmente en el proceso de Reforma Agraria y en el
esfuerzo conservacionista; por otro, los antropólogos han “descubierto” las comunidades pasto
riles de la Puna generando una serie de estudios directos sobre su economía y su cultura17.
En el estudio del CEEB, la reducción de estos animales a “unidades ovinos” (sobre la base
de su requerimiento de tierra) usaba un coeficiente de 2.5 ovinos por cada auquénido. Sin embar
go. hay que confrontar también otras fuentes pues no es seguro que el requerimiento de trabajo
guarde la misma proporción.
Por su parte, el Grupo Ocupación en el Agro ha estudiado una serie de casos concretos, sea
proyectos de desarrollo ganadero, empresas asociativas o haciendas, así como consultado exper
tos en el tema, de todo lo cual han surgido coeficientes para tres tipos de manejo: empírico,
semitecnificado y tecnificado. Han calculado también la incidencia de cada tecnología en las di
versas zonas agrarias, y la conversión del hato en unidades animales homogéneas.
Así, por ejemplo, para la zona agraria XII (Puno), se asumen los siguientes coeficientes para
la especie Alpaca:
Para el CEEB los coeficientes resultan más grandes: 0.006225, 0.018625 y 0.03725 por ca
beza de alpaca en ios tres niveles tecnológicos, cuyo peso respectivo es 0.08, 0.21 y 0.71. Sin em
bargo, la principal causa de variación, al parecer radica en que el Grupo Ocupación se ha concen
trado en hatos grandes, donde un solo hombre puede hacerse cargo de muchos animales. Esto
se ve claramente obteniendo la inversa del requerimiento por cabeza de alpaca, es decir el “re
baño unitario” (animales asignados por jornada diaria de trabajo):
Puno: Requerimientos laborales para auquénidos
(Alpacas por jomada diaria de trabajo)
(El CEEB consideró 2.5 equivalentes ovinos por auquénido).
(17) Un excelente panorama puede hallarse en la recopilación dirigida por Jorge Flores Ochoa, Pastores de puna (Lima, IEP,
1977).
50
Para otras zonas del país, los requerimientos estimados por el Grupo Ocupación no se apar
tan demasiado del caso de Puno. Los requerimientos de nivel tecnificado son los mismos en todo
el país; los de nivel semitécnico bajan a 0.00148 jomadas diarias por unidad animal en la sierra
central (Lima, Junín; Huancavelica, Ayacucho) y a 0.00154 en Cuzco y Apurímac; los de nivel
empírico bajan a 0.00167 en la sierra central y a 0.00182 en Cuzco y Apurímac; todo ello no
implica cambios muy sustanciales en la cobertura de representatividad de los coeficientes. Los
factores de reducción y las ponderaciones tampoco varían significativamente (véase Cuadros 16
y 17). Para el caso de las llamas, el Grupo Ocupación estima solamente un tipo de manejo (empí
rico) y con un único coeficiente para todo el país: 0.005 jornadas diarias por unidad animal ho
mogénea, o sea un rebaño unitario de 200 unidades homogéneas (243 cabezas).
Al igual que en otros casos, la estructura de propiedad de los rebaños quita significado a
estos coeficientes: ellos se refieren al uso eficiente de trabajo dada una cierta cantidad de tierra
y una cierta cantidad de capital invertido en animales e instalaciones. No se refiere al uso más
eficiente del trabajo con las cantidades promedio de tierra y animales. En los Cuadros 13 a 15
se muestra la distribución registrada del ganado auquénido por superficie de las unidades agro
pecuarias en 1961 y 1972; se ha añadido, para mayor claridad, el tamaño promedio de los reba
ños en cada estrato, ya que para este ganado no se ha publicado un cuadro por tamaño del hato.
Cuadro 13
GANADO AUQUENIDO
SEGUN TAMAÑO DE LAS UNIDADES AGROPECUARIAS - 1961
FUENTE: Censo Agropecuario 1961, Cuadro 32.
(a) Incluye una unidad de tamaño no declarado, con 7 auquénidos. y 9824 unidades “sin tierras” (es decir, sin tierras agríco
las) con 634,706 auquénidos, a razón de 64.61 cada una; incluye además 12902 unidades con menos de media hectárea
de tierra, coa 226,007 auquénidos a razón de 17.52 cada una.
51
Cuadro 14
GANADO AUQUENIDO
SEGUN TAMAÑO DE LAS UNIDADES AGROPECUARIAS - 1972
FUENTE: Censo Agropecuario 1972, Censo Nacional, Cuadro 23.
(a) Incluye unidades sin tierras y de tamaño no declarado.
52
Cuadro 15
DISTRIBUCION PORCENTUAL DEL GANADO AUQUENIDO
SEGUN TAMAÑO DE LAS UNIDADES AGROPECUARIAS
FUENTE: Censos Agropecuarios de 1961 (Cuadro 32) y de 1972 (Caudro 23), con elaboración añadida de porcen
tajes.
(a) Incluye unidades sin tierras y de tamaño no declarado.
53
Cuadro 16
ALPACA: IMPORTANCIA DE LOS NIVELES TECNOLOGICOS
POR ZONA AGRARIA
Fuente: OSPA
Cuadro 17
COEFICIENTES DE CONVERSION EN UNIDAD ANIMAL
HOMOGENEA (ALPACAS) POR ZONAS AGRARIAS
Fuente: OSPA
54
Como puede deducirse de los cuadros, entre 1961 y 1972 se ha producido una leve concen
tración adicional del ganado auquénido ya que disminuye el porcentaje en las unidades de menor
tamaño y aumenta en las de mayor superficie (Cuadro 15). De acuerdo con las cifras de 1972,
sólo en las unidades de 2,500 hectáreas y más el tamaño de los rebaños alcanzaba dimensiones
compatibles con los requerimientos técnicos del Grupo Ocupación: en ese estrato había 1,357.58
alpacas por unidad, junto a un número muy inferior de llamas. En 1961, la cifra (en conjunto
para ambas especies) había sido de sólo 362.57 auquénidos. En los demás estratos, los tamaños
son mucho más pequeños. Esta situación hace que el manejo recomendado en esos coeficientes,
aun para una tecnología empírica, sólo sea aplicable a una porción muy minoritaria del ganado
auquénido. Es preciso adoptar hipótesis específicas para los rebaños menores, que son la amplia
mayoría.
Por otro lado, como ya se observó para el caso ovino, los requerimientos de las haciendas
suelen basarse en cálculos sobre el ganado entregado a cada pastor, pero éste luego trabaja acom
pañado de miembros de su familia, de modo que en realidad el rebaño entregado por persona re
sulta considerablemente menor en las tres tecnologías.
En las dos especies consideradas, la estructura de tenencia varía considerablemente. Las
alpacas tienen una considerable incidencia en las haciendas grandes, y por la calidad de su lana
han sido objeto de cierto desarrollo tecnológico; las llamas, en cambio, utilizadas primaria
mente como animal de carga, son mantenidas sobre todo en las unidades agropecuarias pequeñas.
Así por ejemplo en 1972, para los estratos de 0 a 5 hectáreas había 836 llamas por cada 1000
alpacas, mientras en el estrato de 2,500 y más hectáreas, había sólo 34 llamas por cada 1000 al
pacas. En promedio por unidad había 36.38 alpacas, mientras las llamas eran retenidas a razón
de 12.09 animales por unidad tenedora. Esta situación también contrasta con las estimaciones
del Grupo Ocupación, que estimó un requerimiento único de 0.005 jomadas diarias de trabajo
por cada llama, equivalentes a 200 llamas por jomada. Sin necesidad de suponer una jomada
por rebaño (ya que pueden ser atendidas ambas especies a la vez, y a veces junto con ovinos),
evidentemente estas cifras son demasiado altas, incompatibles con la estructura de tenencia.
Estas consideraciones mueven a retener como válidos los coeficientes estimados por el CEEB,
como expresión aproximada de ios auténticos requerimientos laborales de estas especies. Los ta
maños por pastor que en esas cifras están implícitos, como se ha visto, resultan bastante cercanos
a los tamaños promedio observados de acuerdo con el área de las explotaciones agropecuarias. El
mínimo rebaño sería el de la tecnología empírica, con 27 auquénidos por jornada diaria de trabajo;
esto sobrepasa el tamaño de los hatos más chicos, pues (con la excepción de las unidades de 0 a
0.4 Has., que tienen alrededor de 30), las unidades de poco tamaño tienen hatos que no superan
las 20 cabezas. En esas unidades, implícitamente, se atribuiría menos de una jomada por rebaño
(como ya hicimos en el caso de los ovinos), admitiendo la posibilidad de pastoreo conjunto con
otras especies.
El peso de los distintos niveles tecnológicos no es fácil de determinar. Dada la relativa ho
mogeneidad de las condiciones reinantes en las distintas partes de la sierra respecto a estas espe
cies andinas, se ha preferido por simplicidad la adopción de un único sistema de ponderación.
Para el nivel de concentración más elevada y de mejor tecnología, el CEEB adoptó (para ovinos)
un porcentaje del 8%; vista la concentración de los auquénidos, que alcanza una cifra similar en
las unidades de 2,500 Has. y más, parece conveniente mantener ese orden de magnitud. Para la
tecnología “intermedia”, en cambio, el 21% asignado por el CEEB parece excesivo: sólo un
16% del ganado auquénido está en las unidades de 100 a 2499 Has. en 1972, y el 17% en 1961,
y difícilmente todo ese ganado sea manejado con una tecnología superior a la empírica. Tam
poco puede suponerse que sólo un pastor atienda el hato de cada unidad. Por ello, se estima en
un 8% la incidencia de los rebaños grandes, y en un 15% la de los rebaños medios, dejando un
77% en los de menor tamaño. De este modo, los requerimientos del CEEB arrojan un promedio
ponderado de 38.54 animales por jorrada diaria de trabajo, que para mayor simplicidad se re55
dondearán en 40, con una equivalencia de 0.025 jornadas diarias por cabeza de este ganado. Se
supondrá que estas ponderaciones valen en todos los años y en todas las zonas consideradas. La
cifra es algo inferior a la que estipuló el CEEB (0.03085). El valor que aquí resulta para las uni
dades más grandes (0.0062) es sin embargo mayor que el requerimiento calculado por el Grupo
Ocupación (0.00266), referido como dijimos a rebaños muy numerosos manejado bajo sistemas
de hacienda.
3.4. Ganado Equino
El Grupo Ocupación en el Agro no efectuó cálculo alguno de requerimiento laboral para
caballos, asnos y muías; el CEEB, en cambio, les otorgó una equivalencia-ovinos similar a la del
ganado vacuno, es decir, alrededor de 10 animales por jornada diaria de trabajo. En realidad, la
definición de los requerimientos laborales para estos animales no resulta sencilla pues el trabajo
que ellos requieren se atiende, en parte, al hacerlos trabajar en tareas agrícolas o no agrícolas. Lo
mismo que con los bueyes, el ganado equino sirve como ganado de labor, atendido —mientras
trabaja— por un gañán o personal similar; también en caso de servir como animal de carga, ya sea
en forma individual o en recuas de varios animales, o como fuerza de tracción uncido a vehículos
o a máquinas, el “requerimiento de trabajo” originado en su crianza y utilización se confunde en
parte con el trabajo necesario para utilizarlos, y que quizá ha sido contabilizado en el respectivo
proceso laboral.
Así, por ejemplo, la alimentación de los asnos efectuada por el conductor de una recua don
de esos animales sirven como medio de transporte, ¿ha de ser considerada una labor pecuaria
o habrá de ser incluida en los requerimientos laborales del sector transporte? El trabajo de un
gañán, ¿es una tarea pecuaria o debe computarse en el cultivo donde colabora?
Desde el punto de vista teórico, sin embargo, la línea divisoria no es difícil de establecer.
Son tareas pecuarias las que están enderezadas a colaborar en la procreación, crianza, alimenta
ción y cuidado de los animales, con exclusión de las tareas que impliquen su utilización (por
ejemplo, el manejo de animales como medio de transporte) o que representen su aprovechamiento
en cualquier otra forma (como animales de labor, en la agricultura). Las dificultades surgen como
consecuencia de dos factores; en primer lugar, la superposición práctica de ambos tipos de tareas;
en segundo lugar, la inexistencia de cálculos detallados sobre el tiempo de trabajo necesario en
cada una de ellas.
La equivalencia en ovinos, elegida por el CEEB como criterio, y que se basa en el uso de pas
tos por cada especie, conducía a identificar los requerimientos de equinos y vacunos, como si
fuesen equivalentes.
La naturaleza de las tareas es, sin embargo, bastante distinta. El tamaño de ios rebaños es
más reducido (no más de uno a tres equinos es la regla general), y no hay ninguna actividad in
tensiva (quizá exceptuando unos pocos establecimientos dedicados a la crianza de caballos de
paso, sometidos a más intensos cuidados). Por simplicidad, sin embargo, y tomando en cuenta
las características de este ganado, es factible aceptar el criterio del CEEB que adopta una equiva
lencia directa con los del ganado vacuno. Pero la base de la equivalencia debería situarse en los
requerimientos de vacunos excluyendo la producción lechera, y que se limitan a la crianza y cui
dado de los animales.
En el Cuadro 8 se dieron coeficientes para la atención de vacunos “para carne”, en especial
para aquellos agrupados en hatos de cierta magnitud (20 y más cabezas). Con los datos del Censo
Agropecuario no es fácil determinar el tamaño de las existencias de equinos por unidad, ya que
caballos, muías y asnos se dan por separado; pero de todos modos es fácil advertir que la mayor
56
parte corresponde a rebaños chicos. En 1972, por ejemplo, sólo 10,656 caballos en unidades
que superaban las 2,500 Has. eran tenidos en tropas promedio de 23 animales cada una. Sete
cientos mil animales (sobre un total de 725,000) corresponde a estratos cuyo promedio no su
pera los cinco animales caballares por unidad tenedora; el promedio nacional es de 2.2 animales
por unidad. Para los asnos, las unidades más grandes (2,500 Has. y más) los poseían en hatos con
un promedio de 20 animales; la abrumadora mayoría (707,000 sobre 714,000) estaban en estra
tos cuyo promedio no superaba los tres animales por finca; el promedio nacional era de 1.77 ani
males por unidad agropecuaria involucrada. Con las muías se repite el panorama. Los equinos son
poseídos en muy pequeño número, con rarísimas excepciones, y sirven fundamentalmente a ne
cesidades de provisión de energía motriz para las unidades agropecuarias (bestias de carga, bestias
de labor, vehículo para el transporte de personas, etc.).
Dejando de lado requerimientos extraordinarios como la parición o la herranza, que en tan
escaso número no son relevantes, el cuidado de estos animales se realiza sin mayores dificultades
en la propia economía hogareña, dedicándoles algún rato por día para su alimentación y cuidado.
Un hato de menos de cinco equinos difícilmente lleve más de una hora diaria de atención, según
estiman diversos especialistas consultados. Aunque la mayor parte de los hatos tienen menos de
cinco animales, y no todas las tareas son divisibles proporcionalmente, puede adoptarse conser
vadoramente un requerimiento del orden antedicho (una hora por cinco equinos). Con 6 horas
diarias de trabajo efectivo, la atención de los equinos demandaría una jomada cada 30 animales,
o sea 0.033 jomadas diarias por animal, cifra bastante similar a las reproducidas en el cuadro 8
para el caso de los vacunos. Con 1.5 millones de equinos en el país, este requerimiento significa
50,000 jomadas por día a nivel nacional (aunque el número de personas involucradas ha de ser
bastante mayor, pues la atención se realiza a tiempo parcial, combinada con otras actividades
agropecuarias). Si estos equinos estuviesen agrupados en hatos más numerosos, su atención po
dría hacerse con menor trabajo, pero esta posibilidad es meramente teórica: la estructura de te
nencia existente determina ampliamente los requerimientos de trabajo.
3.5. Ganado Porcino
El CEEB consideró a los porcinos como equivalentes a tres ovinos, lo cual daba un requeri
miento de una jomada diaria de trabajo por cada 27 animales (oscilando entre 134 cabezas en
las unidades más tecnificadas, 45 en las semitécnicas, y 22 en las empíricas, cuyos pesos eran 8,
21 y 71 por ciento). El Grupo Ocupación de la OSPA, en cambio, realizó un estudio específico
sobre una variedad de casos concretos, sobre todo respecto a granjas especializadas en la cría de
porcinos: sus coeficientes representan por lo tanto un tamaño mayor de piara, y una tecnología
superior al promedio. Por un lado, los estudios empíricos permitieron cuantificar las jornadas ne
cesarias por “unidad animal homogénea” en varias zonas del país (Cuadro 19). Por otro, estima
ron la incidencia de cada nivel tecnológico (Cuadro 20) y los factores de conversión a unidades
animales homogéneas (Cuadro 21) por zonas agrarias; estos cálculos se basan en un estudio ofi
cial sobre producción de carne en el Perú.
Para el Grupo Ocupación, una jomada diaria de trabajo corresponde en Lima a 303 porci
nos en el nivel más tecnificado, 200 en el manejo semitecnificado, y 104 en manejo empírico; en
las 'zonas estudiadas de la selva y sierra, la piara unitaria se reduce a 65-90 animales. Evidente
mente se hace referencia aquí a tres tecnologías de manejo de una granja porcina especializada,
pero no a las tecnologías existentes para toda la existencia porcina del país, donde priman piaras
mucho más pequeñas. En 1972 la mitad de los porcinos estaba en piaras de 1-4 animales, con
menos de dos cabezas cada una en promedio, y un tercio adicional en piaras de 5 a 19 porcinos.
Había en esa fecha sólo un 7.5% en grupos de 100 y más animales, con un promedio de 267.5
cabezas cada uno. La incidencia de la “alta tecnología” puede corresponder cercanamente con
estos tamaños de piara (tanto el Grupo Ocupación como el CEEB suponen un requerimiento de
57
Cuadro 19
ESTIMACIONES DISPONIBLES DE REQUERIMIENTOS PARA LA CRIA
DE PORCINOS (JORNADAS DIARIAS POR CABEZA)
FUENTE: (1) Datos inéditos del Grupo Ocupación, OSPA. (2) CEEB, Requerimientos mensuales de mano de obra, etc. (Lima,
1970).
una jornada diaria para piaras de entre 100 y 200 animales). Los casos en que hay menos de 5
porcinos requieren una cantidad de trabajo muy pequeña, dado que en esta especie desaparece
el trabajo de pastoreo-, los animales llevan una vida sedentaria cerca de la vivienda, y se alimentan
con desechos de comida o alimentos que pueden entregárseles en el corral. Aun admitiendo una
cierta carga de trabajo de alimentación y cuidado, junto con tareas ocasionales (parición, etc.),
difícilmente un par de cerdos pueda demandar mucho trabajo al día; si una piara “empírica”
absorbe una jomada cada 60 animales, aproximadamente, entonces —suponiendo ó horas de tra
bajo efectivo— esto representa 10 animales por hora o seis minutos por animal. Si se toma una
jomada más larga, como por ejemplo ocho horas, cada animal absorbería correspondientemente
más: con ocho horas serían siete animales y medio por hora, es decir ocho minutos por animal. El
pequeño “rebaño” de menos de dos porcinos, típico de la mitad de todas las existencias de porci
nos, absorbería entre 12 y 16 minutos por día, o en promedio, un cuarto de hora diario. Estas
tareas, por supuesto, se pueden realizar a la par que se realizan otras faenas agrícolas u hogareñas,
y pueden ser más extensas pues se han usado aquí coeficientes basados en piaras más grandes
donde puede haber economías de escala.
En definitiva, sólo un porcentaje pequeño es mantenido en piaras de tamaño regular o gran
de (16.1% en grupos de 20 y más animales; 7.5% en grupos de 100 y más). La gran mayoría
agrupada en cantidades muy pequeñas (50% en piaras de 1 a 4 cabezas. 34% en piaras de 5 a
19) obliga a asignarles un requerimiento un poco superior ai que los datos disponibles asignan a
la tecnología “empírica” (en la cual se originó la precedente estimación de 15 minutos por día).
Suponiendo por cada hato de hasta 19 animales un requerimiento de 15 minutos diarios por ani
mal, así como un requerimiento de 0.02 jornadas por animal en hatos de 20 a 99 animales, y de
0.006 jomadas por animal en hatos de 100 y más cabezas, el promedio se sitúa en 0.045 jomadas
diarias por animal, o sea 22.3 animales por jomada requerida. En Lima, donde se sitúa el 57%
de los porcinos en el estrato de 100 y más cabezas por piara, el promedio disminuye a 0.0165
jomadas por animal (60 animales por jornada). En el resto del país se asume un promedio de
0.029 jornadas/animal (34 animales por jornada).
58
Cuadro 20
DISTRIBUCION DE LA ESPECIE PORCINA POR NIVELES TECNOLOGICOS
Y POR ZONAS AGRARIAS
FUENTE: Cálculos efectuados por la OAPA-OSPA a partir de la distribución porcentual y nivel de explotación del
Estudio de Evaluación del Problema de Carnes del Perú.
Cuadro 21
COEFICIENTES DE CONVERSION EN UNIDADES HOMOGENEAS (MARRANAS)
POR ZONAS AGRARIAS
FUENTE: Cálculos efectuados por la OAPA-OSPA a partir de la clasificación de la especie porcina presentado el
Estudio Evaluación del Problema de la Carne en el Perú.
3.6. Aves
Los requerimientos de trabajo para el cuidado de aves de corral sólo suelen computarse en
el caso de granjas especializadas en la producción avícola. Una serie de estudios técnicos y empí
ricos concuerdan en estimar la necesidad de un jornal permanente por cada 1500-1800 aves en
estas granjas, de acuerdo con el nivel técnico predominante en el Perú (en particular en los alre
dedores de Lima Metropolitana). Una parte sustancial de estos animales son mantenidos en esta
blecimientos de este tipo: en 1972, doce millones de gallináceas (sobre un total de veinte millo
nes) se agrupaban en sólo 672 unidades productivas (promedio: 17,865 aves por granja), con un
mínimo de 5,000 aves cada una. Al propio tiempo, algo más de cinco millones de aves se halla
ban en 815,068 unidades, en grupos de 1-99 aves (promedio: 6 aves por unidad productiva). En
estos casos, lo mismo que en los minoritarios casos intermedios —donde predominan las de 1000
a 4999 cabezas, con 2.3 millones (promedio: 2291 aves por unidad) sobre las de 100 a 999 que
sólo albergan 580,163 (promedio: 238 por unidad)— los requerimientos pueden ser calculados
sobre la base de la tecnología de gran escala, pues en buena parte el trabajo es divisible y se ab
sorbe en el conjunto de tareas hogareñas.
Calculando en base a 1500 animales por jornada diaria de trabajo, se está adoptando una hi
pótesis conservadora pues se aplica ese coeficiente, basado en grupos grandes y especializados, a
gallineros pequeños de escala hogareña donde sin duda ha de haber deseconomías de escala.
De todos modos, la incidencia de estos animales sobre los requerimientos totales no es muy
grande: con ese coeficiente las gallinas, gallos y pollos, junto con patos, pavos y otras aves análo
gas, generarían en todo el país unas 14,189 jomadas diarias completas de trabajo (repartidas en
tre un número mucho mayor de unidades poseedoras de pequeñas cantidades de aves). Las uni
dades con 100 ó más gallináceos absorberían unas 8003 jornadas por día, es decir un 56.4% del
total, que corresponde a su incidencia en las existencias totales de aves en las unidades agropecua
rias. Es probable que —si se aplicase a las unidades pequeñas un coeficiente más apropiado— las
jomadas requeridas por estos animales se elevarían bastante, pero su incidencia global seguiría
siendo muy reducida.
3.7. Cuyes
Ni el CEEB ni el Grupo de la OSPA se ocuparon de estos animales. El Censo Agropecuario
de 1961 reportó 3.4 millones de cuyes en unidades agropecuarias (con un promedio de 9 cuyes
por unidad involucrada); el de 1972 registró 4.27 millones (promedio: 8.1 por unidad). El tama
ño de los grupos de cuyes no varía sobremanera en función del tamaño (superficie) de las unida
des: las más grandes (2500 Has. y más) alcanzaban en promedio a 34 cuyes en 1961 ya 53 en
1972, con una incidencia minúscula en el total; la mayor parte se agrupaba en fincas pequeñas,
con no más de diez animales cada una típicamente.
Las granjas especializadas en la cría de cuyes requieren personal similar a las avícolas, del
orden de una persona cada 1500 animales para ocupar su jornada completa. Sin embargo, este
tipo de animales, mantenido en criaderos de tamaño hogareño, requiere más trabajo por lo regu
lar que lo demandado por las aves. Considerando que aquí la concentración observada en la in
dustria avícola no es el caso general, y que las existencias típicas no superan los diez animales,
puede suponerse una atención diaria de alrededor de quince minutos para un grupo de diez cu
yes. Esto significa una jornada de 6 horas cada 240 cuyes, o una jomada de 8 horas cada 320,
Considerando la incidencia de grupos más grandes y especializados, donde reinaría un requeri
miento de alrededor de 1500 animales por jomada, se puede adoptar un nivel promedio dei or
den de 300 animales por jomada diaria completa. Los 4.27 millones registrados en 1972 repre
sentarían así un trabajo diario equivalente a unas 5338 jornadas en el total del país.
60
Si bien hablamos aquí de requerimientos y no de existencia del ganado, es bueno destacar
a esta altura que las existencias de cuyes según la Estadística Agraria parecen fuertemente exa
geradas, ya que a pesar de que los censos agropecuarios registran respectivamente 3.4 y 4.27 mi
llones de cabezas, los anuarios de estadística agropecuaria señalan alrededor de 20 millones de
estos animales. Esto hace prácticamente imposible estudiar ios requerimientos de trabajo origi
nados en la cría de cuyes en forma secuencial en base a esos datos, debiéndonos limitar al análisis
de datos censales; por otro lado, en la estadística de 1929 no fueron contemplados. Su escasa
importancia global hace insignificante la omisión.
3.8. Recapitulación
Las estimaciones efectuadas, dentro de sus grandes limitaciones, suministran a nuestro juicio
una base mejor para el estudio de los requerimientos pecuarios respecto a los coeficientes ya co
nocidos (los del CEEB), que en general tendían a exagerar los requerimientos, y los elaborados
(y aún inéditos) por el Grupo Ocupación en el Agro, que en general tienden a subestimar los re
querimientos.
En este segundo caso, la subestimación surge —como hemos visto— de considerar preponderantemente las explotaciones grandes, sin tomar en cuenta las limitantes a la productividad del
trabajo que surgen de la estructura de tenencia. Al incorporar el factor tamaño de los hatos par
ticulares se está integrando en los requerimientos —de algún modo— la racionalidad específica
de la ganadería campesina, que opera en base a pequeños números de animales dentro de una
economía familiar de producción múltiple donde se integran varias especies de ganado, varios
cultivos, y otras actividades como la artesanía y el comercio. La utilización racional del trabajo
en los grandes rebaños no es practicable en este marco campesino, y es por ello que fue necesa
rio tomar en cuenta la incidencia de los hatos pequeños dentro de cada tipo de ganado.
En el caso del CEEB, la distorsión provenía de que se tomó como base para la equivalencia
en ovinos el Reglamento de Tierras de la Ley de Reforma Agraria en 1969, es decir, se supuso
que los requerimientos relativos de trabajo eran proporcionales al requerimiento de pastos de ca
da especie, un supuesto claramente falso. Los vacunos y equinos, por ejemplo, requieren 8-9 ve
ces más tierra de pastos que los ovinos, pero no por ello necesitan ocho o nueve veces más traba
jo: según nuestras estimaciones, para el promedio del país en 1972 la equivalencia de los vacunos
era de aproximadamente cuatro ovinos, y la de los equinos correspondía a alrededor de dos ovi
nos solamente. Y casos similares se dan en las otras especies, donde (salvo en caprinos) nuestras
equivalencias en ovinos son inferiores a las del CEEB.
Nuestros coeficientes conservan una de las ventajas de los estimados del Grupo Ocupación,
al menos para las principales especies: se suministran en forma diferenciada por departamentos.
El CEEB, en cambio, consideraba un único coeficiente para todo el país. En cambio, hemos pre
ferido omitir las variaciones estacionales, que el CEEB consideró pero no el Grupo Ocupación.
La estacionalidad más saliente, la de esquila, que se aplica a ovinos y auquénidos (aunque el
CEEB la aplicó, vía equivalencia en ovinos, a todas las especies) resultó exagerada en el trabajo
del CEEB por su concentración en un solo mes del año; si se consideran las diferentes tasas de
esquila, se distribuye la labor entre varios meses posibles, y no se computa la esquila para las es
pecies donde no corresponde, su incidencia resulta mínima. Otras tareas estacionales, como la
parición, tampoco redundan en variaciones significativas (nuestros estimados dan una fluctuación
de 2°!o posible por encima del promedio, y un 4°/o para la esquila). Dada la inseguridad existente
sobre la fecha en que se realiza cada labor en las diferentes zonas, y su escasa incidencia, se ha
preferido considerar los requerimientos pecuarios como constantes. Dado que ellos fueron calcu
lados primero en jomadas por día, se los ha transformado en jomadas por mes asumiendo un pro
medio de 24 días de trabajo pecuario por mes. Esta cifra no debe ser confundida con la cantidad
de días útiles o laborables: no se refiere a la cantidad de días en que cada persona está disponi61
ble para el trabajo, sino a la cantidad de días en que debe realizarse por mes el trabajo pecuario.
Si bien varias de las tareas son diarias, sin descanso posible (pastoreo, por ejemplo), otras se rea
lizan en forma periódica, y por ello se asigna una cantidad de días inferior a la totalidad de los
días del mes-, la cifra escogida (24) representa un 85.7°/o de los días de febrero (mes de esquila),
un 809o de los meses de 30 días y un 77.49o de los meses de 31 días, con un promedio anual
(288/365) de 78.99o. El CEEB adoptó al respecto un supuesto similar, asumiendo 5 días sin
trabajo pecuario en cada mes, con lo cual resultaban 305 días de trabajo por año. Nuestra cifra
de 288 días tiende también a restringir los requerimientos de trabajo pecuario y concuerda con
el enfoque general de naturaleza conservadora con el cual hemos venido estimando los requeri
mientos.
Sin embargo, a la hora de estimar la cantidad de personas necesarias para cumplir esas ta
reas, lo más correcto será considerar el total de requerimientos dividiéndolo entre 30 días (o en
tre 31), para obtener una cifra de meses/hombre. Esto es así porque las tareas, de hecho, se re
parten entre todos los días del mes, aun cuando —si se las realizara en forma sistemática— no ocu
parían una jomada completa durante todo el mes. La carga de trabajo aquí tiende a distribuirse
en todas las jomadas del calendario, aun cuando la cantidad de horas de trabajo puede variar se
gún la naturaleza de las tareas demandadas. Los 24 días supuestamente requeridos por mes se
reparten, de hecho, entre los 30 días de cada mes (ó 31 en los meses más largos), traduciéndose
así simplemente en jornadas más cortas o menos intensas, pero no en menor cantidad de días
ocupados. Este enfoque tiende a limitar adicionalmente los requerimientos, pues una cierta can
tidad de jomadas equivale así a una menor cantidad de meses/hombre (es decir, a una menor
cantidad de personas ocupadas).
En el Cuadro 22 se sintetizan los coeficientes unitarios de requerimiento para la actividad
pecuaria, por especie y por departamento. Se presume el mismo coeficiente para todas las pro
vincias de cada departamento, excepto en el caso del departamento de Lima en el cual se ha dis
tinguido (para algunas especies) la costa y la sierra.
62
Cuadro 22
REQUERIMIENTOS DE TRABAJO PARA LA ACTIVIDAD PECUARIA
POR DEPARTAMENTO
(Jomadas mensuales por cabeza de ganado) (a)
(a) Se supone actividad pecuaria durante 24 días por mes.
En Lima (Costa) y en Lima (Total) se incluye la Provincia Constitucional del Callao. Se incluyen los coeficientes de todas las es
pecies en todos los departamentos, aun cuando normalmente no existen ejemplares de algunas de ellas en determinados departa
mentos (por ejemplo, auquénidos en la selva).
63
III
EL NIVEL DE LA ACTIVIDAD AGROPECUARIA
1. PROBLEMAS GENERALES
En esencia, el enfoque de este estudio consiste en multiplicar coeficientes unitarios de tra
bajo por una determinada escala de aplicación (o de actividad), es decir, por el indicador elegido
para representar el volumen que alcanza cada actividad dentro del área considerada.
Para el caso de los cultivos, la unidad considerada en los coeficientes ha sido la hectárea
cosechada; para la actividad pecuaria, los coeficientes aparecen en términos de jomadas por ca
beza de ganado.
Esto plantea de por sí ciertas dificultades y ambigüedades. Uno de los problemas inmedia
tos es el de la escala de producción de cada unidad agropecuaria en cada línea de actividad. Todo
nuestro enfoque se basa en coeficientes fijos, lo cual —entre otros aspectos— implica que no se
contempla ninguna influencia de la escala de producción sobre los requerimientos de trabajo,
excepto para la ganadería donde el tamaño de los hatos ha sido incorporado dentro de los coefi
cientes. Para las tareas de cultivo, la escala de producción tiene una influencia relativamente limi
tada:. un incremento de la superficie bajo cultivo generalmente incrementará proporcionalmente
todos los insumos productivos (trabajo, fertilizante, etc.); si es que se trata de tierras de similar
calidad. Si se supone un progresivo desplazamiento hacia tierras peores, el aumento de la produc
ción a lo largo del tiempo significaría un aumento (y no una disminución) en los requerimientos
de trabajo por hectárea; por ejemplo, la ocupación de tierras eriazas o selváticas implica un in
cremento en las labores de preparación del terreno. Pero ese no es siempre el caso: a veces las
nuevas tierras son más (y no menos) productivas que las anteriores.
Al respecto, conviene distinguir la escala de toda la producción y la escala de cada unidad
agropecuaria. La expansión de un cierto producto no necesariamente implica el incremento en el
tamaño de cada fundo; más bien puede suceder lo contrario, como en el reiterado proceso de
“pulverización” de las unidades campesinas que ha sido hallado en diversos países. Respecto a la
fijeza de los coeficientes, en el caso de la industria fabril se admite generalmente que la rama de
producción en su conjunto es menos sensible a variaciones en la escala que cada firma individual;
en el caso de la agricultura, la sensibilidad de ambas es más baja, pero además puede darse una re
lación inversa a la anterior: la agricultura en su conjunto puede tener tecnología variable a escala
(pasaje a tierras peores) pero cada firma puede tener una tecnología mucho menos sensible ante
aumentos en el tamaño de su propia área cultivada; al nivel de cada fundo existen, sin duda, eco
nomías de escala, pero éstas son admitidamente menores que en otras esferas de producción
65
(ganadería, industria manufacturera, etc.). Por este motivo, puede admitirse con facilidad la idea
de un coeficiente fijo, no sensible a la escala, tanto al nivel de la “industria” agrícola, como de la
firma individual. Los requerimientos de trabajo de un cierto territorio resultarían así por la sim
ple multiplicación del área cosechada y el requerimiento unitario (por hectárea), al menos como
primera aproximación.
La variación de los coeficientes en el tiempo, que ya hemos aludido antes, es otra dificultad
para la comparación a lo largo de varios años. En el caso peruano, los cambios tecnológicos que
puede incidir en el uso de trabajo (como la mecanización) han tenido un desarrollo pobre, y sólo
en ciertos cultivos como el azúcar y el algodón, donde la comparación de largo plazo tendría me
nor sentido. De hecho, en este trabajo esto se ignora casi totalmente, aplicándose los mismos coe
ficientes a diferentes años, incluso algunos bastante lejanos (hasta 1929), dando en ese caso un
valor solamente indicativo a los resultados que se alcancen. Sin embargo, luego se aplican algunas
correcciones para ajustar los resultados en función de este aspecto.
Otro problema surge por el uso de la superficie cosechada como indicador del nivel de acti
vidad. En el caso de la agricultura, hay otros posibles indicadores que vale la pena considerar,
principalmente la superficie sembrada y la producción obtenida. Entre la superficie sembrada y
la cosechada hay generalmente alguna diferencia por áreas sembradas y malogradas (por granizo,
lluvia, helada o incluso por abandono ante una baja de precios u otros factores no naturales);
normalmente se siembra algo más de lo cosechado. Por otra parte, lo que aquí se computa es la
acción de cosechar, y no las simples hectáreas, de modo que una hectárea con dos cultivos por
año se contabiliza como dos hectáreas. Afortunadamente, éste es el criterio que se sigue en las
estadísticas y censos agropecuarios del Perú.
El uso de la producción en lugar del área cosechada puede ser bastante significativo en algu
nos casos; en primer lugar en los casos donde los requerimientos de trabajo originales (los presu
puestos de costo de producción) aparecen en salarios a destajo y no por día —ése es, por ejemplo,
el caso del café, donde se paga por arroba—, de modo que el número de jornadas ha sido derivado
mediante datos indirectos sobre rendimientos; en segundo lugar, hay algunos cultivos cuya densi
dad de siembra es variable, de modo que en una hectárea puede haber diferente cantidad de plan
tas, en cuyo caso la producción se convierte en un indicador más fidedigno (también podría ser
la cantidad de plantas); tal es el caso de varios cultivos permanentes como frutales o café. Tiene
la virtud adicional de reflejar las variaciones en los requerimientos laborales de la cosecha, los cua
les obviamente son mayores cuando hay más cosecha que recoger. Sin embargo, una mala cosecha
no necesariamente disminuye los requerimientos: a veces, ni siquiera los de cosecha, y mucho
menos los del resto de las tareas de cultivo (siembra, riego, etc.). Para el tratamiento más correc
to de este tema habría que tomar las hectáreas sembradas como indicador para la preparación
del terreno, la siembra, la fertilización, el riego, etc., y la producción como indicador del volu
men de cosecha (haciendo variar en consecuencia los requerimientos de trabajo de esa tarea en
particular). Este refinamiento no es posible sin un extraordinario trabajo adicional, de modo que
en el presente estudio no se lo ha tomado en cuenta. El uso de la producción como indicadores,
en cambio, indispensable en algunos casos en que el área ocupada por el cultivo no está disponi
ble: en este estudio, como se verá, se han estimado algunas áreas en base a datos de producción
(por ejemplo, la de coca del valle de La Convención, para 1929, ya que en ese año ese valle no
fue registrado en la estadística).
Otro elemento en contra del uso de las hectáreas es el incierto carácter de muchos datos so
bre superficie cultivada. En primer lugar, muchos cultivos en el Perú se practican en superficies
muy pequeñas, dentro de un amplio programa de cultivos de subsistencia que varían bastante aun
dentro de una misma chacra, ocupando cada uno de ellos una superficie bastante pequeña; nor
malmente, además, esas superficies son de difícil medición debido al relieve y otros factores; asi
mismo, su extensión se expresa en una multitud de unidades autóctonas o tradicionales de me66
dida (topo, fanegada, yugada, etc.) de escasa precisión y gran variabilidad en el tiempo y en el
espacio, cuya conversión a hectáreas no es siempre fácil. Además, los informes de los producto
res en el Censo Agropecuario se refieren a diversas parcelas bajo su conducción, que no están a la
vista del agente censal lo cual impide la verificación de la exactitud de los datos suministrados;
tampoco se controla, normalmente, la densidad del cultivo, que puede ser variable.
Si estos problemas aparecen con el Censo Agropecuario, en el cual se efectúa un verdadero
conteo caso por caso, mucho más inciertos son los datos de la Estadística Agraria, que se basan
en información obtenida por muestreo y en estimaciones de los funcionarios del Ministerio de
Agricultura destacados en cada zona; la incertidumbre es mayor cuando se trata de cultivos de
subsistencia, practicados primariamente por productores campesinos de escasa tecnificación y en
parcelas pequeñas diseminadas; en esas condiciones, la estimación de la superficie total ocupada
por un cierto cultivo en una cierta área puede ser muy difícil. La variación en los criterios utili
zados genera, además, inconsistencias entre un año y otro, dificultando la construcción de series.
Algo similar cabe decir del uso de las cabezas de ganado para la actividad pecuaria. Como
hemos visto al tratar los respectivos coeficientes, el nivel de éstos depende de la incidencia de de
terminadas actividades dentro del hato total (por ejemplo, la tasa de ordeño en el ganado vacuno:
el mismo número de cabezas puede representar diferentes cantidades de vacas ordeñadas, y por
ende un distinto requerimiento de mano de obra). Hasta donde fue posible se han reflejado estas
diferencias en los requerimientos, pero de un lado hay especies donde no se hizo diferenciación
alguna al respecto; y de otro lado, se han tomado como base los datos de 1972, y a veces tam
bién los de 1961, suponiendo una constancia que a veces puede no darse en realidad. La estruc
tura de tamaño de los hatos, que también se recoge en los coeficientes, puede variar entre una y
otra fecha: ya hemos visto que tienen cierta permanencia, sin embargo, al menos entre 1961 y
1972, y esto podría amenguar los temores al respecto.
En definitiva, el uso de la superficie cosechada y de las cabezas de ganado parece respaldado
por razones suficientes de conveniencia, racionalidad y viabilidad, .ya que se trata de indicadores
bastante fieles del volumen de actividad y que están fácilmente disponibles en las distintas fechas
que nos interesan. Sería deseable, sin embargo, refinar los estudios incorporando otras variables
tanto en los requerimientos unitarios cuanto en los indicadores del volumen de actividad.
2. LA ESTADISTICA AGROPECUARIA DE 1929
En 1929 el gobierno realizó la primera investigación integral de la agricultura peruana, me
diante un sistema de tipo censal. Si bien el informe publicado no detalla los procedimientos se
guidos, puede inferirse que hubo un relevamiento caso por caso de todas las unidades agropecua
rias, al menos en teoría. Sin embargo, en esa época había amplias zonas del país donde reinaban
sistemas de producción que dificultaban enormemente la tarea; de un lado, las áreas propiamen
te campesinas, con población de habla únicamente indígena y con una fuerte distancia social res
pecto de los funcionarios; luego, las áreas de latifundio serrano tradicional que constituían casi
una jurisdicción aparte, donde el aparato de Estado no era muy bienvenido por lo general. A to
das ellas, además, les afectaba la carencia de caminos adecuados y el bajo nivel cultural y técnico
de los funcionarios disponibles, así como la falta de normas precisas para el levantamiento de la
información.
El resultado, por ello, no es perfecto ni mucho menos. Hubo en todo el país distritos y aun
provincias enteras que no fueron censadas (uno de los casos típicos es la del valle de La Conven
ción, en el Cuzco); seguramente en las áreas censadas hubo también un apreciable porcentaje de
omisión censal, superior probablemente al de otros censos agropecuarios; no está claro si en esos
casos los funcionarios introdujeron algún ajuste por omisión. Asimismo, en varios aspectos la in67
formación no se publica en forma realmente aprovechable: hay productos como el café cuyo
volumen de actividad aparece por número de plantas y no por hectáreas, por ejemplo, lo que difi
culta el uso de los coeficientes disponibles excepto previa reducción de cafetos a hectáreas. Cier
tos productos, como la coca, no fueron registrados. Una importante variable, como la mano de
obra utilizada, ha sido publicada en una forma que no es claramente interpretable (peor, sin em
bargo, es la completa omisión de ese tema en los censos agropecuarios posteriores).
En líneas generales, no estamos en condiciones de salvar los defectos intrínsecos de la esta
dística agropecuaria de 1929, como tampoco de las fuentes restantes: hemos de tomarlas como
son, tratando de tener conciencia de la existencia de sesgos, y si es posible, de la dirección del
sesgo. En este caso, parece haber claramente una subestimación por omisión, en diversas zonas.
Un trabajo relativamente factible podría ser el de estimar los distritos y provincias omitidos, pro
ducto por producto, en base a otras fuentes (Censos Agropecuarios, por ejemplo), pero no ha
sido emprendido en el marco de esté estudio. Tan sólo incorporaremos, como se verá, un ajuste
global por omisión y cambio tecnológico.
Se han hecho, en cambio, algunas correcciones indispensables en algunos casos en que se
detectó algún error u omisión salvable y notoria. Estos casos se tratan a continuación.
2.1. La Convención en 1929
Esta provincia no fue censada en absoluto en esta fecha; la dificultad del transporte debe
haberse sumado a la resistencia de los hacendados de la zona. Hemos recurrido para la estimación
del área cultivada de algunos productos 1al conocido trabajo de Eric Hobsbawm, “Un caso de neofeudalismo en el Perú: La Convención” . Con respecto al café, Hobsbawm estima para 1929 una
producción transportada en el ferrocarril Cuzco-Santa Ana de 220 TM en 1916 y 413 TM en
1940; por interpolación se obtiene para 1929 una producción de 325 TM (datos en la pág. 200
de la edición citada de Hobsbawm; las fuentes genéricas son la Geografía Económica del Perú de
Paz Soldán y la obra de K. Kaerger Landwirtschaft). En la pág. 195 Hobsbawm da un rendimien
to de 817 kg./ha. para el café, aunque parece provenir de estimaciones más tardías a nivel nacio
nal; con esa base se puede estimar para 1929 un área cosechada de café de alrededor de 398 Has.
Para el caso de la coca, por un procedimiento similar (y con el rendimiento promedio de 1961)
se estimó para 1929 una superficie cosechada de 3,574 Has. En esa época, según Hobsbawm, el
cultivo del té era incipiente y por lo tanto no fue considerado aquí. Así se agota la lista de pro
ductos de La Convención acerca de los cuales es posible tener para esa fecha alguna información.
Hay, sin duda, una subestimación: parte de la producción no era transportada por ferrocarril a
a Cuzco, y además habría otros productos (sobre todo de subsistencia) así como ganado-, sin em
bargo, dado que para 1929 se ofrecen datos sólo a nivel departamental y para esa fecha La Con
vención no estaba aún densamente poblada, puede suponerse que el residuo omitido no es muy
significativo a nivel de todo el departamento; por otro lado no es posible llegar más lejos en la es
timación.
2.2. Maíz en Cajamarca (1929)
El maíz aparece cultivado en 71,208 Has. en la estadística de 1929 para el departamento
de Cajamarca; en los censos agropecuarios más recientes la cifra es de 64,132 Has. en 1961 (Censo
Agropecuario 1961, Cuadro 20 a nivel nacional por dpto.), y de 92,426.9 en 1972 (Censo Agro
pecuario 1972, Cajamarca, tomo I, Cuadro 13, incluyendo maíz grano, choclo y chala). La cifra
(1) En la obra colectiva Capitalismo y desarrollo de la agricultura, editorial A. Corazón, Serie Comunicación; ha sido publicado
en otros varios sitios. Se cita a partir de la recopilación de J osé V egas Pozo, El problema agrario en el Perú, I (Lima, UNMSM
-CienciasSociales, 1977), pp. 165-200.
68
global parece a primera vista compatible con las más contemporáneas, bajo el supuesto de un es
tancamiento o caída entre 1929 y 1961. Sin embargo, hay algunos distritos con datos evidente
mente exagerados, que aparentemente han inflado la cifra de 1929 más allá de compensar la pro
bable omisión cometida. Hemos detectado situaciones de este tipo en dos distritos: Santa Cruz
(provincia Hualgayoc), hoy integrante, junto con otros distritos vecinos, de la provincia de Santa
Cruz (creada en 1950), y Huambos (provincia de Chota).
Con respecto a Santa Cruz: en 1929 el distrito aparece con 83,804 Has. en sus unidades
agropecuarias, incluyendo 32,000 Has. de pastos naturales y 24,000 Has. “cultivables” no culti
vadas, además de 27.804 Has. cultivadas; entre éstas, no menos de 16,700 se atribuyeron al cul
tivo del maíz (6O9'o de las tierras cultivadas). La cifra atribuida al maíz parece excesiva, posible
mente debida a un error numérico en las planillas.
En 1972, el ex-distrito de Santa Cruz aparece subdividido en varios distritos: Santa Cruz,
Andabamba, Catache, Ninabamba, Pulán y Yauyucán2. Entre todos exhiben en el Censo Agro
pecuario de ese año 71,036.10 Has., de las cuales 7,218 Has. dieron cultivos transitorios y otras
946.89 cultivos permanentes, es decir un total de 8,185, entre las cuales 3,672.84 Has. con maíz
(grano, choclo o chala). La caída aparente en la superficie de maíz es notable, pues se reduce a
sólo un 20% de su nivel en 1929; sin embargo, también cae la superficie cultivada total, y no
sólo por causa del maíz, en más de 20,000 Has., de las cuales el maíz explica algo más de la mi
tad. ¿Se trata de un proceso real, o hay una exageración en 1929?
De un lado, la caída parece improbable si se observa que la población de la zona ha tenido
un aumento del 50% más o menos en el período 1940-1961, manteniéndose hasta 1972 la cifra
de 1961; el crecimiento también se observa para las zonas rurales, como lo muestra el cuadro 23.
Cuadro 23
POBLACION EN LA JURISDICCION DEL DISTRITO DE SANTA CRUZ
(demarcación de 1929)
FUENTE: Censos.
(a) Para guardar homogeneidad en la definición, sólo se considera urbano el pueblo de Santa Cruz, y
no los caseríos que posteriormente fueron elevados a la categoría urbana por el mero hecho de
ser cabecera distrital.
Por otro lado, la zona de Santa Cruz en los años veinte de nuestro siglo había desarrollado
una apreciable producción porcina en varias haciendas, las cuales mantenían una importante pro
ducción de maíz para la alimentación del ganado; esta línea de producción declinó en los años
cuarenta y cincuenta al ser reemplazada por la cría de vacunos y por otros cultivos; esto podría
(2) Véase Justino Tarazona, Demarcación política del Perú, Lima, Dirección Nacional de Estadística v Censos, 1968, tomo 1
pp. 790-792, y Ley 18684 del año 1967.
69
explicar una cierta caída en la superficie de maíz3; sin embargo, difícilmente podrían explicar
una caída tan brusca: la superficie total de maíz de 1929 podría estar exagerada de todas mane
ras, aunque la cifra correcta se situaría sin duda por encima de la de 1972.
Adoptando una hipótesis bastante probable a juicio de expertos consultados, hemos decidi
do suponer que la superficie de maíz en Santa Cruz en 1929 no fue de 16,700 Has. sino de 6,700.
De este modo el distrito estaría cultivando el 10.9% del total de maíz del departamento (que
se reducen a un 3.97% en 1972), y la superficie total se reduciría, en términos absolutos, en
10,000 Has.
En el distrito de Huambos (que sin modificaciones sigue integrando la provincia de Chota)
la situación es similar. Aparecen en 1929 un total de 12,487 Has. cultivadas, de las cuales la ma
yor parte (11,000, un número sugestivamente redondo) dedicadas al maíz. En 1972 el distrito
cultivaba sólo 2,596 Has. de maíz sobre 4,022 Has. cultivadas y 11,963 Has. agropecuarias to
tales (en 1929 se contabilizaron 32,348). Los cultivos diferentes del maíz, como se ve, no cam
biaron mucho: entre ambas fechas pasaron de 1,487 a 1,426. La población total de Huambos
evolucionó en la forma descrita en el Cuadro 24.
Cuadro 24
POBLACION DEL DISTRITO DE HUAMBOS
(Chota)
FUENTE: Censos.
El estancamiento de los otros cultivos corresponde estrechamente con el relativo estanca
miento de la población, que en más de 30 años apenas creció un 45% (o sea un 1.2% anual
aproximadamente). La reducción aparente del maíz parece excesiva pues la población rural no
disminuye sino aumenta, y los otros cultivos tampoco caen en términos absolutos; puede estar
presente algún proceso similar al caso de Santa Cruz, pero no hay evidencias en nuestro poder
al respecto, y en todo caso la caída parece excesiva. Difícilmente las tierras aptas para maíz en
la zona puedan estar en proporción tan alta como el 90% del total.
Para estimar una cifra más realista, se observa que en 1972 Huambos tenía el 11.74% del
maíz de la provincia de Chota. En 1929, ese porcentaje era probablemente algo mayor, debido a
que con posterioridad se han añadido tierras de altitudes más bajas. Si el error hubiese consistido
—como se supuso en Santa Cruz— en la adición de una cifra, tendríamos 1,100 Has. en lugar de
11,000. Esto daría un porcentaje muy bajo para el distrito; la cifra correcta es probablemente
algo mayor, pero en tomo a 2,000 Has. Luego de otras pequeñas correcciones en las restantes
(3) Estos datos me fueron gentilmente suministrados por John S. Gitlitz, de la State University of New York at Purchase, y se
basan en sus investigaciones históricas y de campo en la zona. Véase también Lewis Taylor, “Cambios capitalistas en las ha
ciendas cajamarquinas, 1880-1935” (mimeo, 1982).
70
provincias, se llegó a un total departamental de 53,538 Has. de maíz, cifra bastante compatible
con las registradas en 1961 y 1972 y con el crecimiento que tuvo, desde 1940, la población rural
cajamarquina.
2.3. Menestras en Cajamarca (1929)
Según la estadística de 1929, la superficie cultivada con menestras en Cajamarca se clasifi
caba de la siguiente manera:
(a) Básicamente, los míanos productos cosechados en verde.
Sin embargo, algunas de las cifras no deben ser tomadas al pie de la letra: la propia publica
ción las señala como “cultivos asociados” (sembrados en forma intercalada con otro7 cultivo).
Concretamente, así aparecen caracterizadas 10,205 Has. de frijoles y pallares en Cuten o, y otras
3 Has. en Cajamarca y 380 en Chota. En forma similar se clasifican 7,610 Has. de legumbres en
Chota (todas en el distrito de Huambos).
Hay aquí dos cuestiones a dilucidar: primero, la existencia de una doble computación de
las mismas hectáreas cuando en ellas hay un cultivo asociado con otro: en tales casos, la solución
correcta sería la computación de sólo una parte (por ejemplo la mitad) de los requerimientos de
cada cultivo, ya que en esas hectáreas la densidad de siembra es aproximadamente la mitad que
con un único cultivo. Por otro lado, parece haber también errores como los ya analizados ante
riormente.
Para contar con algún elemento de comparación en el Censo de 1972, debe recordarse que
en 1929 el Censo no abarcó la provincia de Jaén (que hoy está subdividida entre las provincias
de Jaén y San Ignacio). También debe tenerse en cuenta que la actual provincia de San Miguel es
taba integrada por cuatro distritos de la provincia de Hualgayoc (Llapa, Niepos, San Gregorio y
San Miguel de Pallaques), del mismo modo que la actual provincia de Santa Cruz fue creada en
base al distrito de Santa Cruz (provincia de Hualgayoc) y varios distritos de la provincia de Chota
que en 1929 formaban parte de los distritos de Cachén (hoy Miracosta) y Cochabamba. La ho
mologación territorial entre 1929 y 1972 es, pues, bastante difícil pues involucra fragmentos de
distrito, y la información sólo está desagregada en ambos censos hasta el nivel distrital. Por for
tuna, es posible tratar solamente algunas provincias y distritos que no han sido modificados en
su jurisdicción territorial, o lo han sido de manera manejable.
71
En 1972, el distrito de Huambos no exhibe superficies ni lejanamente similares a las que se
le atribuyen en 1929 para las legumbres frescas. Sumando todas las variedades, ese distrito sólo
tiene 259.3 Has. de legumbres. Las 7,610 Has. de legumbres asociadas a otros cultivos, que fi
guran en 1929, son probablemente 7.61 Has. ya que parece sumamente difícil que semejante ex
tensión se haya dedicado a esos cultivos (el error es semejante al registrado para el maíz en ese
mismo distrito).
Con respecto a la enorme superficie de menestras registrada en Cutervo, provincia que hoy
conserva su mismo territorio aunque ha habido creación de distritos por subdivisión, se han mez
clado probablemente dos cuestiones. De las 12,635 Has. de frijoles y pallares, la mayor parte
(10,205) son cultivos asociados; y sólo 2,430 serían cultivos independientes de esas plantas. Las
18,770 Has. de habas y arvejas, en cambio, son consideradas como cultivo independiente y están
probablemente exageradas.
En 1972, la provincia de Cutervo cultivaba 2,242.73 Has. de habas y arvejas (principalmen
te estas últimas), 1,382.24 Has. de frijoles y pallares, y 131.73 Has. de lentejas y garbanzos (más
alguna superficie residual con otros productos similares: choclo, zarandaja, caupí, etc.). El total
de superficie cultivada con cultivos transitorios en la provincia era de 28,571 Has., de las cuales
el maíz ocupaba 13,526, y además había 8,379 Has. de cultivos permanentes (la mitad de ellas,
pastos para pastoreo). Estos totales no permiten suponer que en 1929 haya habido en Cutervo
semejante superficie de menestras. En 1972, la provincia generaba un 18.9% del total provin
cial de habas y arvejas, y un 30.0% de los frijoles y pallares, excluyendo en ambos cálculos Jaén
y San Ignacio que en 1929 no fueron censadas. En aquella época el porcentaje de Cutervo era
probablemente igual o un poco mayor (por la posterior incorporación de tierras apropiadas a
estos cultivos). Admitiendo un 20 y un 35% de la superficie departamental respectivamente,
resulta para Cutervo en 1929 un área de 2,338 Has. con habas y arvejas, y de 2,668 Has. con
frijoles y pallares.
Tomando estimativamente dichas cifras, que no parecen irreales, el departamento de Cajamarca tendría en 1929 las siguientes superficies cultivadas: habas y arvejas: 11,689 Has.; frijo
les y pallares: 8,894 Has.
2.4. Maíz en Ayacucho (1929)
El Departamento registró en esa fecha un total de 57,794 Has. de maíz, de las cuales 50,397
correspondieron a los distritos de Chuschi o Chusqui (40,000) y Huambalpa (10,397), ambos en
la provincia de Cangallo.
En 1972, Chuschi sólo cultivó 595 Has. de maíz (grano, choclo o chala), mientras el terri
torio que pertenecía a Huambalpa (ahora dividido entre Huambalpa y Accomarca) exhibe 1,529
Has. con ese producto. La superficie agropecuaria total de Chuschi era (en 1972) de sólo 3,483
Has., casi todas de labranza, mientras los otros dos tenían 17,869 clasificadas en tierras de cul
tivo (5,593), pastos naturales (8,983), montes y bosques (3,117) y un pequeño residuo de “otros
tipos de tierra” y “tierras no clasificadas”; los tres distritos albergaban en 1972 el 28% de la
superficie de maíz de la provincia de Cangallo.
Las posibilidades de que Chuschi haya cultivado en 1929 nada menos que 40,000 Has. de
maíz son prácticamente nulas: la superficie total del distrito no se acerca siquiera a esa cifra
(equivalente a 400 Km. cuadrados). En cuanto a Huambalpa-Accomarca, es factible pensar en
una reducción del área cultivada luego de 1929, pues la población rural (y total) de esos distritos
cayó notablemente entre 1940 y censos posteriores (ver Cuadro 25), a diferencia de Chuschi que
ofrece un panorama de estancamiento demográfico.
72
Cuadro 25
POBLACION DE CHUSCHI Y HUAMBALPA-ACCOMARCA
(Dpto. Ayacucho)
(a) Para mayor comparabilidad se ha considerado “urbana” —igual que en 1940 y 1961— sólo la población de la
villa de Chuschi y el pueblo de Huambalpa, ya que en 1972 también se consideró al pueblo de Accomarca, aho
ra capital de distrito, y a otros pueblos con características “urbanas” según la definición censal. De acuerdo al
censo, Chuschi tuvo una población “urbana” de 3,347, y Huambalpa-Accomarca 2,309, con una rebaja correla
tiva en la población “rural”.
FUENTE: Censos.
Si la superficie con maíz en ambos distritos hubiese evolucionado a la par de la población
rural de ambos, y suponiendo para 1929 una población rural similar a la de 1940, se podría esti
mar para aquel año unas 514 Has. de maíz en Chuschi y unas 2,782 en Huambalpa, es decir
3,295 en total: si estos distritos hubiesen tenido entonces el mismo peso en la provincia que tu
vieron en 1972, la provincia de Cangallo hubiese tenido 11,768 Has. de maíz y el departamento
de Ayacucho unas 19,165; la provincia de Lucanas no fue censada en 1929, lo cual podría añadir
a lo sumo unas 800 Has. más. Nuestra estimación es, pues, que Ayacucho en 1929 tenía unas
20,000 Has. con maíz, cifra bastante compatible con las de 1961 (32,980) y de 1972 (35,018),
pues la población rural del departamento creció entre 1940 -y 1961 (de 273,390 a 306,872) y se
estancó luego (1972 = 306,904). De este modo, el área maicera se reduce en 37,794 Has. respec
to a la cifra reportada por la publicación oficial de 1929.
2.5. La papa en Puno (1929)
De las correcciones que estamos efectuando sobre las cifras de 1929, ésta es la más clamo
rosa ya que altera bastante los requerimientos laborales de todo el departamento, donde la papa
(cultivo altamente intensivo en mano de obra) es uno délos productos agrícolas principales.
Según lo publicado para 1929, en el Perú se cultivaron 282,567 Has. de papa, de las cuales
correspondieron 145,708 Has. al departamento de Puno. Este departamento tuvo cifras mucho
menores (del orden de las 40,000 - 50,000 Has.) en los censos y estadísticas agrarias posteriores,
por lo cual la cifra parece excesiva. Mayor es la sorpresa cuando se comprueba que de las 145,708
hectáreas nada menos que 107,000 corresponden a un solo distrito: el de Usicavos, provincia de
Carabaya. Esa cifra no tiene sentido alguno si se conocen las dimensiones de dicho distrito. Si
tuado cerca de Coasa y del Nevado Quenamari, su territorio total representa apenas una pequeña
fracción de los 1,070 Km. cuadrados que tendría que haber tenido cultivados nada más que con
papa. La superficie total de sus unidades agropecuarias en 1972 alcanzó sólo a 19,498.7 Has., de
las cuales 18,487.84 con pastos naturales. Tuvo sólo 652 Has. de cultivo (más de la mitad en des
canso), y 91.54 Has. con papa. Esta última cifra debería elevarse un poco, pues se omitió clasi73
ficar los cultivos de las unidades más pequeñas, que ocuparon 64 Has. en total, probablemente
unas 40 Has. de cultivo y unas 20 Has. de papa, o menos; en definitiva, Usicayos no albergaba
más que 100 Has. de papa.
Probablemente, las 107,000 Has. de 1929 son en realidad 107, equivocadamente transcrip
tas (error bastante frecuente en la época por no haber todavía una convención generalizada so
bre el uso del punto y de la coma para la separación de los decimales y/o de los millares). Si así
fuese, y contemplando también la situación de algunos distritos de la misma provincia que no
fueron censados en esa oportunidad, el área de papa en Carabaya se elevaría sólo a 7,161 Has., y
el total de Puno a 40,140, cifra perfectamente compatible con las de 1961 (32,027) y de 1972
(57,828), sobre todo porque parece haber consenso en tomo a la hipótesis de que en 1961 se
subestimó el cultivo de papa en el Censo Agropecuario.
2.6. La papa en Junín (1929)
El Censo Agropecuario de 1929 trae un área de 30,740 Has. de papa en el actual departa
mento de Junín, y 4,247 en el actual departamento de Pasco (entonces unidos bajo el nombre
del primero). Esta superficie parece muy alta comparándola con las 16,889 registradas en 1961,
y las 24,086 censadas en 1972.
Sin embargo, las estimaciones de la estadística agraria desde la década del cincuenta hasta la
actualidad han dado superficies mayores, del orden de las 30,000 Has., a la papa de Junín, como
se comenta más abajo en el acápite 5.; esta situación impide llegar a una solución totalmente sa
tisfactoria, aunque en general nos resulta más confiable en este punto el dato censal más reciente
(1961 y 1972).
De hecho, los datos de 1929 exhiben algunas innegables sobreestimaciones. La mitad del
área total corresponde a las actuales provincias de Jauja, Concepción y Satipo, entonces agrupa
das como provincia de Jauja, con 15,788 Has. Otras 9,261 corresponden a las actuales provincias
de Tarma y Junín (entonces sólo Tarma). Dentro de ellas, algunos distritos concentran superfi
cies muy altas. Los casos más notorios son los del distrito de Comas (hoy anexado a la provincia
de Concepción), que aparece con 5,565 Has.; la cifra es claramente falsa si se considera la super
ficie agrícola de ese distrito, que en 1972 tenía sólo 762 Has. de papa y apenas 1,045 bajo cul
tivos transitorios. Es probable que la cifra correcta haya sido 565, y que se haya producido la
duplicación del primer dígito. Lo mismo sucede con el distrito de Marco (Provincia de Jauja),
cuyas 1,107 Has. de papa probablemente correspondan a sólo 107: en 1972 tuvo apenas 115 Has.
con ese producto, y sólo 635 con cultivos transitorios en general. San Jerónimo, en la provincia
de Huancayo, exhibe 1,264 Has. de papa, pero en 1972 sólo tenía 90 Has. de ese producto y
422 Has. de cultivos anuales en general: la cifra de 1929 probablemente no superaba las 100 Has.
de papa, y podría ser fijada quizá en esa cifra que representa un máximo probable. El área de
papa en Tarma y Junín para 1929 resulta más del doble de la registrada en 1972: la exageración
parece localizarse en los distritos de Palcamayo, Acobamba y Tarma; el ajuste en Palcamayo (si
milar a otros anteriores) baja de 1,165 a 165; en Acobamba, de 677 a 67; en Tarma; de 3,781 a
2,781 (asignando a esa zona el mismo rendimiento que la vecina Huasahuasi).
Otros distritos con sobreestimaciones visibles son los de Palca (provincia de Tarma) cuyas
inverosímiles 442 Has. se pueden reducir a 42, y Santa Rosa de Ocopa (provincia de Concepción),
de 656 a 65, Chongos Bajo (provincia de Huancayo), de 533 a 53, y Uicumayo (provincia de
Junín), de 1,759 a 750.
Con estas modificaciones, limitadas a los casos más evidentes, el área con papa en el actual
departamento de Junín queda reducida para el año 1929 a 18,485 Has.
74
Esta cifra parece compatible con las de 1961 y 1972; para 1944 se presenta un problema
inverso pues Luis Rose Ugarte (ver acápite 3. más abajo) reporta para Junín y Pasco sólo 11,700
Has., pero ello parece deberse a un error involuntario pues —de acuerdo con los rendimientos de
la papa que dicho autor asigna a departamentos vecinos— la cifra correcta estaría situada proba
blemente en 21,700 (de las cuales una fracción, del orden de tres o cuatro mil, corresponderían
a Pasco).
En la estadística agraria, tanto antes como después de los progresos metodológicos intro
ducidos en 1964, se asigna a Junín un área papera superior a las 30,000 hectáreas, similar a la
que se reporta (erróneamente) para 1929, pero en este contexto preferimos atenemos a las cifras
censales de 1961 y 1972 que indican en esa zona una superficie menor; en el acápite 6. volvere
mos a tratar este punto.
2.7. Sembríos asociados en 1929
En 1929, diversos sembríos aparecen señalados como asociados (sembrados en forma interca
lada) con otros cultivos. En tales casos; la menor densidad de cada uno de los dos cultivos asociados
implicaría que los requerimientos de trabajo de cada uno de ellos debería rebajarse, en promedio,
a la mitad (suponiendo que se siembre con una densidad igual a la mitad de lo corriente). Pero
para efectuar esto sería menester conocer exactamente qué otro sembrío iba asociado con el cul
tivo considerado, y el censo de 1929 no permite esta clarificación. Contabiliza alguno de los sem
bríos como “asociado” sin indicar con cuál de los otros cultivos se cultiva conjuntamente. Así,
por ejemplo, en el departamento Amazonas aparecen 1,823 Has. de habas y arvejas en forma de
cultivo asociado, sin indicar con qué cultivo se asociaban; en el mismo departamento se dan
4,899 Has. de frijol asociado, cifra bastante elevada que debería corregirse.
En Ancash, aparecen como cultivo asociado la mitad de las hectáreas de habas-arvejas
(3,515) junto a 3,382 sin esa cualificación. Asimismo, se señalan 2,261 Has. de cultivo asociado
de papas, junto a 11,982 no asociadas. Igualmente, se dan como cultivo asociado la mayor parte
de las hectáreas de quinua (422 sobre 581) y un número no muy significativo en otros cultivos.
Fuera del caso de Cajamarca, ya analizados, no hay otros casos significativos en el resto del
país. El tratamiento de los casos señalados se hará de la siguiente manera:
a. En Amazonas, para 1944 se señala una producción de menestras de 3,000 toneladas, sin in
dicar superficie por tratarse de sembríos asociados cuyo hectareaje ya ha sido considerado
en otros cultivos. Para 1929 la producción registrada fue de 644 TM de habas y arvejas, 1,621 TM
de frijoles y pallares, y 12 TM de lentejas y garbanzos. En d Censo de 1972, el rendimiento por
hectárea para los cultivos señalados, en ese departamento, estuvo muy cerca de los rendimientos
aparentes de 1929, como lo muestran las cifras siguientes.
Rendimiento censal en el departamento de Amazonas (kg./Ha.)
La similitud de los rendimientos en ambos relevamientos indica que el tratamiento de la
superficie ha sido el mismo. Para guardar homogeneidad, es conveniente por lo tanto usar direc
tamente las superficies registradas sin efectuar modificaciones respecto al carácter de cultivo aso
ciado. El volumen registrado (especialmente de frijol) parece un poco alto, pues en 1972 hubo
3,567 Has. luego de un aumento importante de la población rural departamental, y una cifra si
milar (3,511) en 1961, de modo que podría haberse incurrido en una exageración en 1929; de
todas maneras se ha optado por mantener la cifra intacta.
Adicionalmente, como se verá en el acápite 3., se ha considerado para 1944 una superficie
de “menestras” (agrupamiento de frijoles, arvejas, etc., de gran seco) correspondiente a la pro
ducción indicada y a los rendimientos y estructura productiva de 1929, obteniéndose una super
ficie cultivada estimada en 8,906 Has.
b. En Ancash, el error es de otra índole. Los rendimientos de las hectáreas “asociadas” son
aparentemente mucho mayores que en las hectáreas de cultivo simple, y también son mayo
res que los rendimientos registrados en la misma zona en 1972. Las superficies asociadas apare
cen sólo en ciertas provincias, y en esos casos son así clasificadas todas las tierras dedicadas a
esos cultivos. Las “habas y arvejas” aparecen como cultivo asociado en todos los distritos de las
provincias de Huaraz y Yungay, y en casi todos los de Huaylas. La papa aparece como cultivo
asociado en la provincia de Huaylas (toda el área en todos los distritos), y la quinua sólo en la
totalidad de distritos de Huaylas, Huaraz y Huari. En todos los casos, el rendimiento es mayor
en las áreas asociadas.
Las habas y arvejas, por ejemplo, aparecen con 1.55 TM/Ha. en las áreas de cultivo asocia
do, y con sólo 805 Kg./Ha. en el resto. En 1972, esos cultivos registran sólo 413 Kg./Ha. Si bien
es factible una disminución de los rendimientos (sobre todo después del terremoto de 1970), no
parece probable una caída tan brusca. De hecho, la estadística agraria de esos años (probable
mente en base a datos anteriores al terremoto) asume rendimientos que oscilan en unos 900 Kg.
para las arvejas y poco más de 1000 Kg, para las habas, es decir, en el nivel registrado en 1929
aproximadamente. En la estadística de Rose Ugarte para 1943-44 se atribuye a las “menestras”
1,088 Kg. por Ha., que parece ser un rendimiento correcto. Esto implicaría que los rendimien
tos de 1929 para áreas de cultivo simple (805 Kg. por Ha. de arvejas y habas) estarían bien; que
da por explicar el rendimiento aparentemente más alto en las áreas de cultivo asociado. Una ex
plicación posible puede ser una mucho mayor intensidad de siembra, bajo condiciones de cultivo
hortícola, y con riego, lo cual puede justificar que estas plantas arrojen semejantes rendimientos
por hectárea a pesar de estar intercaladas con otros cultivos.
En definitiva, en este caso tampoco parece razonable alterar las cifras publicadas, y es por
eso que se toman directamente las hectáreas de cultivo (simple o asociado) y se les aplica el re
querimiento previsto por hectárea.
Para el caso de las papas y la quinua la situación es similar. En el primero de estos dos pro
ductos, el rendimiento es menor con el cultivo asociado, pero dentro de un margen similar al
atribuido por Rose Ugarte y por estadísticas de fecha posterior (los de 1972 son muy inferiores
en el censo); para la quinua, el rendimiento bajo cultivo asociado es superior a ios casos de cul
tivo simple. En todos los casos se ha preferido tomar la superficie total cultivada, independiente
mente del carácter simple o asociado del cultivo.
2.8. Jaén-San Ignacio en 1929
En 1929 este territorio, que entonces formaba sólo la provincia de Jaén (luego subdividido
en dos provincias) no fue censado. Esta omisión disminuye notablemente el área de café del de
partamento de Cajamarca, en la cual sobresale el área de Jaén. En el censo de 1929 aparecen
76
2,339 Has. de café en todo el departamento, y de ellas la inmensa mayoría en Cutervo (2,200).
De hecho, en 1972 Cutervo fue la única provincia cafetalera significativa dentro de ese departa
mento, si se excluye Jaén y San Ignacio. Tenía en esta última fecha 3,399 Has. de café.
El crecimiento de Jaén y San Ignacio en las últimas décadas ha sido muy rápido. Su pobla
ción creció de 22,663 habitantes a 107,105, en el período 1940-1972, es decir alrededor del
5% anual. El área cultivada de la zona se dedicaba en 1972 sobre todo al café (28,952 Has.), a
pastos cultivados (18,015 Has.) y a cultivos transitorios de tipo alimenticio (31,879), mayor
mente arroz, maíz, yuca, plátano y frijol. El principal cultivo comercial es el café. Es muy pro
bable que la expansión de la superficie cultivada total haya crecido más o menos a la par del café,
y más o menos al mismo ritmo que la población.
Para 1944, Rose Ugarte reporta 10,700 Has. de café en todo el departamento; por interpo
lación entre 1929 y 1972, Cutervo no pasaría en esa fecha de 2,700 Has., lo cual indicaría unas
8,000 Has. en Jaén-San Ignacio. Aplicando hacia atrás una tasa anual del 5°/o, para 1929 resulta
en esa zona un área cafetalera del orden de las 3,900 Has. y un área total cultivada de aproxima
damente 8,300 Has. Estas cifras se han añadido estimativamente a las del resto de Cajamarca,
resultando para el café 6,239 Has. y para el total cultivado 201,331 (cifra casi igual que la de
1944). Esto representa un aumento del 4.33°/o en la superficie cultivada y del 5.88% en el con
junto de requerimientos laborales del departamento, los cuales pasan (para la actividad agrícola)
de 12.7 a 13.45 millones de jomadas. Anotemos de paso que aplicando la tasa retrospectiva del
5% desde 1972 hasta 1929, y no desde 1944, resulta para 1929 un área muy similar: 3,552 Has.,
lo cual tiende a aumentar la verosimilitud de la estimación efectuada.
3. LA ESTADISTICA AGRARIA DE 1941-1944
En el año 1945 se publicó La situación alimenticia en el Perú, de Luis Rose Ugarte, quien
era jefe de la División de Estudios Económicos del SCIPA (Servicio Cooperativo Inter-Americano
de Producción de Alimentos) integrado al recién creado Ministerio de Agricultura. La obra pro
cura presentar la información disponible sobre la producción de alimentos a escala departamen
tal. incluyendo una descripción general de tipo geográfico y demográfico, un análisis de la dis
tribución y uso de la tierra, y capítulos especiales sobre producción, consumo, precios, importa
ción y exportación, salarios agrícolas, y un extenso apéndice de cuadros por producto y por de
partamento.
El valor de las cifras no es homogéneo. Rose Ugarte incluye un mapa con la ubicación de
los representantes rurales del SCIPA, donde se advierte que algunos departamentos carecen de ta
les funcionarios (Tumbes, Amazonas, San Martín, Pasco, Huancavelica, Madre de Dios). Ade
más, en la mayor parte parece que los citados representantes (localizados en las capitales o ciu
dades importantes) no tenían acceso directo a las zonas más alejadas, especialmente aquellas do
minadas por haciendas tradicionales o por comunidades indígenas. El autor indica: “No había
datos completos para ningún departamento, ni suficientes para la mayoría, y en algunos casos,
apenas los indispensables para saber de la existencia geográfica de un departamento. Pero (...)
debimos decidimos a incluir entonces los departamentos no visitados. Hemos estimado su situa
ción basados en las referencias a nuestro alcance” (pag. xiii). En varios casos, la cifra proporcio
nada es la de 1929, o una muy similar, sugiriendo que se ha tomado aquella estadística como
base, en ausencia de datos más recientes.
La clasificación de los productos es la misma en todos los departamentos; algunos figuran
separadamente y otros aparecen englobados en un grupo de productos afines; los agrupamientos practicados son: “Menestras”, “Legumbres”, “Yuca, camote, etc.”, “Frutas”, “Café, cacao,
77
etc.” y “Diversos”. Para el tratamiento de tales casos se ha utilizado, donde es posible, el coefi
ciente que corresponde al cultivo más frecuente de cada categoría en el respectivo departamento,
o un promedio estimado de varios coeficientes; en otros casos, se ha preferido no hacer un tra
tamiento específico de esos agrupamientos, englobándolos en las hectáreas residuales.
La obra de Rose Ugarte suministra estimados de la existencia de ganado en 1944, bastante
defectuosos y discutibles. Particularmente extrañas son las cifras de ganado lanar, que se elevan
a veinte millones de cabezas (la estimación efectuada sobre terreno en 1941 dio sólo 13 millones).
Se ha preferido, por ello, considerarla estimación oficial de 1941 como representativa para este pe
ríodo, y que puede hallarse por ejemplo en el Anuario Estadístico del Perú de 1944-1945. Las ci
fras, pues, vienen a referirse al período 1941-44, y son un poco más tardías para los cultivos que
para el ganado (el margen de error introducido no es, probablemente, muy alto).
Sin embargo, fue necesario añadir estimaciones para la existencia de llamas y alpacas, que
la estadística de 1941 no incluye. Para ello se ha usado como criterio una interpolación entre
los datos de 1929 y 1961, lo cual arrojó 1’850,321 auquénidos. Su distribución entre alpacas y
llamas no puede hacerse directamente porque en 1961 el censo no distingue entre ambas espe
cies. En 1929 se registraron 608,380 alpacas y 598,873 llamas, de modo que las alpacas repre
sentaban el 50.3%; en 1972 hubo 1'978,827 alpacas y 1'194,471 llamas, siendo las primeras
un 62% del total. Tomando una cifra intermedia (55% de alpacas), para 1944 corresponderían
1*017,676 alpacas y 832,645 llamas. Si se interpola directamente (y por separado) entre 1929 y
1972 los resultados son casi iguales.- 1*086,443 alpacas y 806,640 llamas. Estas últimas son las
cifras que se adoptaron, en las cuales las alpacas representan un 57.4%. Es posible que para 1929
haya habido una cierta subestimación de este ganado, mayoritariamente poseído por pequeños
productores, pero es difícil hacer alguna mejora en las cifras de ese año.
Se han efectuado en los cultivos de 1943-44 algunas correcciones de menor cuantía. En
Ancash, la superficie dedicada a la papa tiene un grado importante de omisión: apenas aparecen
7.000 Has., cuando en los censos la cifra ha estado (desde 1929) por encima de las 20,000. Usan
do como base una interpolación lineal entre las cifras de los censos de 1929 y 1961, se asignó
para 1944 una superficie de 21,274 Has. con papa. En Puno aparecen 42,400 Has. de quinua,
cifra evidentemente exagerada: en los tres censos realizados resultaron cifras mucho menores:
10,223 en 1929, una superficie similar (10,941) en 1961, y algo más (18,409) en 1972. Proba
blemente la cifra estimada para 1944 fue de 12,400, deslizándose un error mecanográfico que
convirtió esa cifra en 42,400. La simple interpolación daría 10,560 Has. para 1944, y así se ha
tomado.
En Amazonas, la publicación de Rose Ugarte reporta 3,000 toneladas de menestras produ
cidas, sin indicar superficie cultivada. Aparentemente, ello se debe a que —según el censo de
1929— esa superficie se da en cultivos asociados, de modo que el autor ha preferido evitar la
duplicación. De acuerdo al rendimiento por hectárea registrado en 1929 y en 1972 (véase el
acápite 2.6.) se ha atribuido una superficie de 8,906 hectáreas para esa producción de menestras.
Otro problema que hubo que resolver fue el de los departamentos de Junín y Pasco, que
Rose considera como una unidad pues el segundo de ellos se creó precisamente en aquella época.
Por un lado, como ya anticipáramos, es necesario corregir la superficie de papa reportada
para Junín-Pasco, de 11,700 a 21,700. La subdivisión entre ambos se efectuó tomando como re
ferencia los datos de 1929 y 1961. Le correspondieron a Pasco 14,000 Has. cultivadas en total
(excluyendo la provincia de Oxapampa, todavía poco explotada, y que en 1929 no fue censada).
De esas 14,000 se imputaron: 2,000 a la cebada; 3,500 a la papa; 2,000 al maíz; 3,000 al trigo;
2.000 a los pastos cultivados; lo cual totaliza 12,500 Has.; el resto (1,500) se consideró como un
residuo no discriminado.
78
De tal modo, a Junín le quedaron.- 21,000 de cebada; 28,600 al trigo; 18,200 de papa;
12,600 de maíz; 2,100 de pastos cultivados; y un total de 100,500 Has. (compatibles con los
95,880 de 1929 y los 100,075 de 1961). El resto de las áreas reportadas por Rose Ugarte se asig
naron a Junín propiamente dicho. En Pasco se añadieron, además, 2,000 Has. de café.
Por otra parte, hay que mencionar el caso del departamento de Madre de Dios. Rose Ugarte
incluye algunas cifras para este territorio, pero las mismas son claramente insuficientes. En los
otros relevamientos, el departamento mostró las siguientes superficies totales cultivadas:
1929:
4,784Has.
1961:
4,275Has.
1972:
4,073Has.
Dentro de lo que parece ser una tendencia secular decreciente (que se habría acentuado en
1976-78 por abandono de cultivos impulsados por la “fiebre del oro”) el área cultivada de Madre
de Dios se mantuvo por encima de las cuatro mil hectáreas. Sin embargo, Rose Ugarte computa
sólo 1,050 Has. La importancia absoluta del departamento en la agricultura nacional y en los
requerimientos de trabajo agrícola es bajísima, y es por ello que se ha resuelto eliminar simple
mente las estimaciones de Rose Ugarte para 1944 y usar en cambio datos interpolados entre 1929
y 1961.
Con respecto al stock ganadero, se tomó el de 1941 (Anuario Estadístico del Perú, 194445); para las especies faltantes (porcinos, auquénidos, aves) se efectuó una interpolación entre los
datos de 1929 y 1961.
4. EL CENSO AGROPECUARIO DE 1961
Después del imperfecto censo agropecuario de 1929, el de 1961 exhibe indudablemente ma
yor calidad. Sin embargo, resulta todavía inadecuado en muchos aspectos, sobre todo por la po
breza de su procesamiento.
Se publicó primero en 1965 un volumen a nivel nacional4 con “resultados finales de primera
prioridad”, que incluye la superficie cultivada con diferentes cultivos transitorios, con pastos o
con cultivos permanentes, así como las existencias de cada tipo de ganado. Luego, desde 1968,
comenzaron a aparecer volúmenes departamentales; varios aparecieron en 1968-70 y otros en
1972-75: a la fecha, quedan inéditos los volúmenes de San Martín, Tacna y Tumbes; de igual
modo, algún volumen no incluye todos los cuadros deseables (por ejemplo, Amazonas sólo in
cluye ganado vacuno, sin cuantificar las existencias de otras especies). No nos fue posible locali
zar los cuadros inéditos de esos departamentos, aunque probablemente existen.
Los volúmenes departamentales son la única fuente existente sobre cultivos permanentes,
que el volumen nacional no discrimina por departamentos. Pero su principal virtud es que publi
ca cifras revisadas para la existencia de ganado, cifras que difieren a veces sustancialmente de las
publicadas en el volumen nacional.
La discrepancia es notable, sobre todo, respecto de los caprinos que el volumen nacional
fijaba en 4.9 millones y que resultan ser sólo 1.4 millón. Pero hay correcciones notorias también
para equinos, vacunos y ovinos. Las cifras provisionales de auquénidos no han sido corregidas,
(4) Dirección Nacional de Estadística y Censos, Primer Censo Nacional Agropecuario (Lima, sin fecha., introducción fechada en
1965). Se designa este censo como el “primero” pues el de 1929 fue rotulado como “Estadística”(Ministerio de Fomento,
Dirección de Agricultura y Ganadería, Estadística General Agro-Pecuaria del Perú - Año 1929 (Lima, 1931).
79
aunque evidentemente necesitaban alguna revisión: hay algunas inconsistencias dignas de aten
ción. Por ejemplo, aparecen auquénidos en zonas de selva amazónica (provincia de Maynas, entre
otras), o en Tumbes, que sin duda son el fruto de un error de clasificación. Se trata de cantidades
pequeñas, que no influirían sobre los resultados; en todo caso, se ha preferido prescindir de ese
ganado cuando se lo pudo detectar.
En cuanto a los cultivos, las cifras provisionales y las definitivas coinciden en su gran mayo
ría; cuando hubo alguna discrepancia se prefirió obviamente el volumen departamental. A éstos
sólo en algún caso aislado se les efectuó una corrección. Por ejemplo, se da una cifra de más de
7,000 Has. de naranjales en la provincia de Chiclayo que evidentemente responden a un error;
debe tratarse sin duda del número de plantas y no del número de hectáreas. Se ha reemplazado
esa cifra por un estimado del área de naranjales de la zona, en base a datos locales, a la Estadís
tica agraria y Censos de 1929 y 1972 referidos al mismo departamento.
Con respecto a los departamentos cuyos volúmenes no se publicaron (San Martín, Tacna.
Tumbes) e igualmente con respecto a Amazonas, las existencias de ganado se extrajeron del
Anuario Estadístico del Perú de 1966, que reproduce las cifras revisadas del Censo Agropecuario
de 1961 (pp. 1003-1009), excepto los cuyes, para ios cuales se tomaron las cifras del volumen
provisorio a nivel nacional, por no haberse publicado en dicho Anuario las cifras revisadas.
Los cultivos permanentes de esos departamentos, cuando no estaban disponibles directa
mente, han _tenido que ser estimados en base a estadística agraria de años adyacentes, usando
como chequeo la cifra nacional de cada cultivo permanente publicada en el mismo Anuario y
en el volumen nacional del Censo Agropecuario.
5. EL CENSO AGROPECUARIO DE 1972
Con gran ventaja, este relevamiento es el mejor efectuado en el Perú, y sus cuadros publica
dos son sumamente amplios y detallados. Abarca 33 volúmenes (uño nacional y el resto departa
mentales: algunos departamentos ocupan dos tomos) y en cada uno de ellos hay tres series de
cuadros: la primera clasifica distintas variables según el tamaño de las unidades agropecuarias, a
nivel de provincia; la segunda, clasifica las variables a nivel de distrito, sin hacer distinciones de
tamaño; la tercera es similar a la primera, pero a nivel de regiones naturales dentro del departa
mento (o del país), sin distinguir provincias o distritos. Casi todos los cuadros indican al mismo
tiempo el número de unidades agropecuarias que figura en cierta situación, y el número de hec
táreas (o cabezas de ganado) que les corresponde. En el caso del ganado, sobre todo para las es
pecies principales (vacunos, ovinos, porcinos, gallináceos) hay una clasificación especial por ta
maño del hato. Respecto al destino y uso de las tierras, se hicieron dos mediciones: por un lado
se registró el uso de la tierra en el mes de mayo de 1972, clasificándolas como cultivada, en bar
becho (es decir, que había sido cultivada en los últimos 12 meses), en descanso (cultivada más
de un año antes, pero no más de siete años antes), de pastos naturales, de montes y bosques, y
otras clases de tierras (eriazas, lagunas, cerros, caminos, etc.); las tierras de cultivo se clasificaron
en tierras de riego y secano. Por otro lado, se registró la superficie y producción de cada cultivo
en los doce meses anteriores a la fecha censal (setiembre de 1971 a setiembre de 1972), también
dividida en cada caso según se usara riego o cultivo de secano. Todo esto, a su vez, clasificado se
gún el tamaño de las unidades agropecuarias respectivas; de este modo, por ejemplo, se puede sa
ber cuántas unidades de 5 a menos de 20 Has. cultivaron papa en determinada provincia en esos
doce meses, qué número total de Has. le dedicaron, y qué producción obtuvieron, distinguiendo
claramente las Has. cuya producción fue declarada a fin de poder calcular el rendimiento5, todo
ello para los casos de cultivo con riego y para los de cultivos de secano separadamente.
(5) De acuerdo con esta distinción, las hectáreas dedicadas a cada cultivo se dividen en dos grupos: “superficie con producción”
(es decir con producción declarada) y “sin producción”, o sea, que no declararon la producción habida en ei período de refe
rencia.
80
Las instrucciones censales fueron confeccionadas con gran cuidado a fin de asegurar una
mejor cobertura y a fin de medir más adecuadamente las distintas variables; por ejemplo, parece
haberse hecho un esfuerzo especial para el cálculo de equivalencias entre unidades de medida au
tóctonas o tradicionales y las unidades del sistema métrico decimal.
Una de las características notables de estos resultados es que los rendimientos registrados
son particularmente bajos para varios productos. La papa, por ejemplo, que la Estadística Agraria
considera con un rendimiento promedio (nacional) superior a las cinco TM por Ha., aparece con
sólo 2.3 TM por Ha. (el cultivo arrojó rendimientos similares a los de la estadística agraria sólo
en las unidades más grandes, y especialmente bajo riego, lo cual sugiere que las cifras corrientes
están influidas por mediciones tomadas en unidades de ese tipo). Sin embargo, en este estudio
no se consideran los rendimientos sino solamente la superficie, de modo que todo posible error o
subestimación de la producción declarada no influye sobre nuestros resultados.
En cuanto a la superficie, los formularios censales eran bastante detallados: se interrogó so
bre el destino de las tierras de cada parcela (cada unidad agropecuaria puede estar compuesta por
varios lotes discontinuos de terreno dentro del mismo distrito, los cuales llevan el nombre de par
celas), evitando respuestas globales que pudieran subestimar las cifras. Si bien los censos agrope
cuarios, sobre todo en áreas campesinas, no están exentos de fuertes tendencias al error, nuestra
impresión es que este Censo es bastante más confiable que la estadística agraria disponible; su
porcentaje de omisión no es fácil de estimar, pero probablemente no es muy alto; en relevamien
tos de este tipo se admite que el margen de omisión censal está por encima de los censos de po
blación (por ser el universo únicamente rural y por ende de más difícil acceso); el Censo de Po
blación de 1972 tuvo (según muestreo) una omisión del orden del 3-4%, de modo que el Agro
pecuario pudo haber tenido razonablemente alrededor de un 8-10% de omisión, especialmente
en zonas muy apartadas; sin embargo, la cantidad de cultivos y ganado existentes en esas zonas
es menos significativo que el porcentaje de unidades agropecuarias omitidas, ya que los funciona
rios censales se ocuparon de censar las zonas donde se concentra la propiedad de la tierra, las
áreas cultivadas y el ganado.
Dos importantes defectos —para nuestros propósitos y para otros tipos de análisis— en el
Censo Agropecuario de 1972, son los siguientes.a. El insuficiente estudio del uso de mano de obra en las unidades agropecuarias.
b. La forma uni-dimensional de las tabulaciones (excepto con respecto al tamaño).
Acerca del primer punto mencionado, el Censo Agropecuario sólo efectuó dos preguntas:
primero, preguntó a cada unidad agropecuaria si usó en los últimos doce meses algún trabajador
asalariado, y en tal caso si lo hizo en forma eventual o en forma permanente; no se cuantifico el
número de asalariados utilizados, ni el número de días trabajados por ellos, como tampoco el
trabajo aportado por la familia del productor o por la ayuda no remunerada de otros campesinos.
Segundo, preguntó si se había utilizado los servicios de personal especializado en ciencias agrí
colas, una pregunta poco significativa porque este tipo de personal fue usado solamente por una
pequeña fracción, sobre todo en la costa. En otros censos agropecuarios la cuestión se trata más
ampliamente dentro de los límites permitidos en un censo: se puede medir, por ejemplo, el nú
mero de trabajadores permanentes de cada unidad agropecuaria en una fecha o período de refe
rencia, así como el número de trabajadores temporarios en esa misma fecha o período, o el nú
mero de personas (y días) que trabajan en el momento de mayor ocupación (la cosecha, por
ejemplo), distinguiendo trabajo familiar, de reciprocidad y asalariado. Sería recomendable que
en futuros censos agropecuarios se contemple este tipo de preguntas. Del mismo modo podría
ampliarse la información sobre el productor y su familia, y sobre la población que vive y/o tra
baja permanentemente en cada unidad agropecuaria.
81
Con relación al segundo aspecto señalado, el Censo presenta sus cuadros en forma bastante
simple: cada variable se presenta por separado, “cruzada” solamente por tamaño de las unida
des. Sólo esporádicamente se efectúan cruzamientos adicionales, como por ejemplo al clasifi
carse el uso de fertilizantes por el cultivo al cual se destinó la tierra fertilizada (aunque sólo se
indica el número de unidades involucradas y no la superficie afectada). En otros términos, para
citar ejemplos concretos: se puede saber la superficie de las SAIS pero no se puede saber cuán
tas SAIS siembran papa, o cuántas tienen tractores; se sabe cuántas usan tractores (aunque no
por cuánto tiempo al año) pero no se puede saber qué cosa cultivan. Sería recomendable progra
mar en el futuro cuadros con dos o más variables al mismo tiempo, aun sacrificando parte de la
detallada clasificación por tamaño; por ejemplo, para la determinación del nivel tecnológico pre
valeciente se requeriría cruzar información sobre el uso de diferentes adelantos técnicos (fertili
zantes, maquinaria, semilla comprada, riego, etc.); también es importante distinguir los diferen
tes tipos de productor según las relaciones de producción en que está inmerso: esto es, clasificar
el uso de la tierra o el nivel tecnológico o la producción por el tipo de tenencia, por la condición
jurídica del productor y por el uso de mano de obra asalariada eventual o permanente. La clasifi
cación por tamaño es un indicador útil del carácter de la explotación, pero no totalmente seguro:
hay unidades de comuneros tradicionales con miles de hectáreas de pastos o de tierras eriazas, y
en cambio hay fundos modernos con poca extensión-, tampoco es inequívoco el tamaño bruto
de la unidad cuando alberga diferentes tipos de tierra: la clasificación por tamaño podría ha
cerse más funcional si se adapta al propósito de cada cuadro (ganado por el tamaño del hato; cul
tivos por la extensión cultivada; otras variables por la tierra standarizada de acuerdo con su valor
agropecuario, suponiendo que hubiera criterios confiables al respectó;6. De hecho, los coeficien
tes unitarios discriminados por nivel tecnológico que ha elaborado el Grupo Ocupación en la
OSPA no han podido aplicarse plenamente porque suponen una caracterización por niveles tec
nológicos y a nivel de cada unidad productiva, distrito por distrito, la cual sólo podría lograrse
mediante un reprocesamiento del Censo Agropecuario 1972; los miembros de dicho Grupo
—ahora desactivado— han tratado en vano de lograr ese objetivo, y sería conveniente alentar de
todos modos su consecución para no frustrar el inmenso trabajo ya realizado, con lo cual ade
más se podría lograr la obtención de muchos cuadros muy útiles que las tabulaciones disponi
bles no proveen.
6. LA ESTADISTICA AGRARIA DE 1964 A 1979
Si bien hay datos anuales relativamente completos en la Estadística Agraria (por producto
y por departamento) desde 1942, en el periodo que se inicia en 1964 se promovió fuertemente la
calidad de las estadísticas agropecuarias, proceso sin duda relacionado con las presiones campe
sinas y con el proceso de Reforma Agraria ya insinuado en los últimos años cincuenta y que
cobró un inicio de realidad durante la década del sesenta para ser efectivizado luego por el go
bierno militar desde 1969. En 1964 se realizó un trabajo básico de muestreo a nivel de todo el
país, que sirvió de base para una estimación más acertada en los años posteriores. Se publicó una
estadística agraria de 1963, todavía con los viejos procedimientos, incluyendo también algunas
cifras de 1959-62 que no habían aparecido en anuarios estadísticos, y desde 1964 se cuenta con
la serie “Estadística Agraria” que se extiende con ese nombre hasta 1971, publicada por el Mi
nisterio de Agricultura. Los volúmenes de 1964 a 1968 fueron inpresos cuidadosamente y con
tienen cuadros por departamento y por producto, y balances de oferta y demanda de cada pro
ducto. Desde 1964 se distingue además —dentro de cada departamento— las regiones naturales
(costa, sierra, selva), y desde 1966 también se subdivide cada cifra según el cultivo sea de riego o
de secano, de manera que cada variable aparece simultáneamente clasificada por departamento.
(6) Es encomiable el esfuerzo realizado por J osé María Caballero para standarizar la tierra agropecuaria, esfuerzo que puede con
ducir a una verdadera reconsideración de muchos conceptos sobre la concentración terrateniente en el agro peruano Ye ase
una versión preliminar en su trabajo “Reforma y reestructuración agraria en el Perú” (CISEPA, 1976), y su libro Economía
agraria de la sierra peruana (Lima, IEP, 1981).
82
región natural y forma de obtención del agua. No hay, en cambio, subdivisión por provincias o
distritos, ni por zonas agrarias. La estadística abarca superficie, producción física, y valor bruto
de producción a precios de productor (hasta 1963 algunos precios eran captados en los merca
dos de acopio y no en chacra), para todos los productos agrícolas; para la producción pecuaria
se incluye el número de cabezas, el número de animales ordeñados, esquilados o sacrificados, y
la cantidad y valor de los diversos subproductos (carne, cueros, leche, lana, etc.).
Luego de 1971, la publicación se interrumpió varios años; posteriormente, el Ministerio de
Alimentación asumió la tarea pendiente y publicó las mismas series para los años 1972-1976, con
el título Anuario Estadístico Agropecuario. Luego de una nueva interrupción, en 1981 aparecie
ron tres volúmenes de estadística agrícola únicamente, correspondientes a los años 1977-1979.
Con respecto a esos años no hay información desagregada por departamentos sobre existencias
ganaderas o producción pecuaria. Tampoco están disponibles los datos de 1980 y posteriores, a
pesar de contarse, como es usual, con estimados preliminares a nivel nacional.
Esta desigual serie estadística es una fuente muy útil, pero tiene diversos problemas. Uno de
los más importantes es la falta de criterios explícitos y uniformes para la recopilación de datos
y la estimación consiguiente; no se han publicado nunca las reglas y procedimientos detallados
que se utilizan para la estimación; aparentemente, dichas reglas y procedimientos no son muy
claros7. Es probable que haya fundados motivos para este proceder, pero desdichadamente ello
lleva a frecuentes discontinuidades inexplicables en las cifras publicadas de un año al otro.
Por ejemplo, en el departamento de Pasco la superficie agrícola activa tuvo aparentemente
la siguiente evolución:
1964:
1965:
1966:
1967:
1968:
30,910
30,360
62,805
70,565
54,485
(Desde 1969 en adelante el valor se mantuvo en torno a 55,000 Has.) La lectura de la serie
indica un brusco aumento en el año 1966, en que la superficie cultivada se duplica con creces
(una tasa de crecimiento casi imposible en un solo año), crece todavía en 1967, y luego se sitúa
bastante por debajo para estancarse durante varios años. Lo más probable es que en 1966 se ha
yan ajustado anteriores estimaciones consideradas insuficientes para algunas áreas, elevando la
cifra precedente, y luego —a su vez— se haya advertido una exageración en el aumento practi
cado y se haya procedido a rebajar la cifra. Todo esto es perfectamente comprensible en cual
quier organismo estadístico que seria y responsablemente revisa sus métodos y sus resultados y
los va ajustando periódicamente; pero seria mucho más útil que —al tiempo de hacer el ajúste
se advierta al lector sobre ello y si es posible se reajusten retrospectivamente las cifras anteriores
(como se ha hecho varias veces con las cuentas nacionales del Perú).
El ejemplo citado podría multiplicarse. El ejemplo más conspicuo es el de la papa, particu
larmente en algunos departamentos como Junín. El área normal de papa estimada por la Esta
dística Agraria en ese departamento hasta 1968 era del orden de las 35,000 Has. Entre 1969 y
1971 las cifras saltan a 58,305, a 67,500, a 67,700. Los Anuarios del Ministerio de Alimentación
la rebajan a 45,000 en 1972, 45,500 en 1973, 44,300 en 1974, y desemboca en 33,710 en 1975
y 34,800 en 1976, es decir en cifras similares a las de la década anterior. Es cierto que el cultivo
puede haberse expandido en tomo a 1970, para luego decrecer; sin embargo, es difícil admitir
(7) Es usual escuchar que las estimaciones en cuestión no pueden explicitar sus reglas metodológicas porque son “un arte, más
que una ciencia”, y se basan principalmente en la experiencia y la autoridad de los técnicos intervinientes.
83
casi una duplicación de la superficie de papa entre 1968 y 1970, y luego un retorno en tres años
a las magnitudes anteriores. Un fenómeno de esa índole no habría pasado desapercibido: las
30,000 Has. adicionales de papa deberían haberse obtenido en tierras de altitud y características
apropiadas, que no existen en tal cantidad; al mismo tiempo, los productos que podrían compe
tir con la papa, y que deberían haber disminuido notablemente, se mantuvieron o aun crecieron.
El aumento de 1969-71, evidentemente, es el fruto de una estimación que resultó exagerada.
Estas fluctuaciones tienen importantes consecuencias: en los últimos años, por ejemplo,
varias publicaciones han enfatizado la “caída de la producción de papa” utilizando series de 1970
a 1979, sin advertir que si se arranca de años anteriores la caída se esfuma y se convierte en un
estancamiento secular con lenta tendencia positiva (la exageración en Junín, junto con fenóme
nos similares en Ancash y otros departamentos, explican la mayor parte de la diferencia entre las
cifras de 1970-71 y el promedio de años anteriores).
Por otra parte, la Estadística a menudo difiere de las cifras censales, que se basan en una
enumeración exhaustiva de las unidades agropecuarias y son, por ende, más confiables en princi
pio que las estimaciones corrientes (aun cuando tienen bastantes elementos objetables y algún
grado de omisión). Para usar el mismo ejemplo, Junín mostró en el censo de 1972 sólo veinti
cuatro mil hectáreas de papa, y sólo diecisiete mil en 1961. Es probable que la publicación del
censo agropecuario en 1974 haya motivado una revisión de las cifras de papa en ése y otros de
partamentos, que terminó en su drástico retorno a niveles históricos en 1975-76.
Otro rubro en el cual es defectuosa la estadística agraria es el de la existencia de cuyes. Los
censos de 1961 y 1972 enumeraron alrededor de cuatro millones de estos roedores en las unida
des agropecuarias censadas; sin embargo, desde 1964 la estadística agraria fluctúa alrededor de
veinte millones de unidades. Es posible que el muestreo de 1964 haya revelado un número de
cuyes relativamente más elevado que el censo de 1961, pero la diferencia es demasiado notable:
es sumamente difícil que el 80°/o de los cuyes mantenidos en crianza hayan escapado al releva
miento censal y hayan sido captados, en cambio, por los estudios muéstrales. Dado que los cuves
no añaden requerimientos laborales apreciables, se ha preferido omitir esta especie en los reque
rimientos pecuarios, excepto para 1961 y 1972 en que nos basamos en los Censos Agropecuarios.
Del mismo modo, las estadísticas de la década pasada no lograron prever la declinación del
ganado ovino que sobrevino en esos años de luchas campesinas y descapitalización de los lati
fundios tradicionales.- de dieciséis millones estimados para 1972, el censo sólo encontró 12.8 mi
llones, bastante menos que en 1961. En el caso de los caprinos, las cifras de los anuarios de 1963
a 1966 utilizan cifras derivadas de las cifras provisionales del censo de 1961, rebajándolos brusca
mente en 1967; como ya se señaló, los resultados definitivos de 1961 dieron sólo 1.4 millón de
caprinos, y no 4.9 millones que aparecían en las cifras provisionales. Similares situaciones se ob
servan en otras especies (véase La acumulación de capital en la agricultura peruana, de H. Maletta
y J. Foronda, Lima, Universidad del Pacífico, 1980, cap. 2).
Pese a todo, las series de la estadística agraria suministran una base para el estudio cronoló
gico de los requerimientos laborales en la agricultura, excepción hecha de ciertas “discontinui
dades” evidentes como las citadas de Pasco y Junín; salvados esos casos —generalmente discerníbles— se puede suponer que aunque difieran los valores absolutos las tendencias que surgen de la
estadística agraria corresponden probablemente a la realidad. Por esa razón, a las estimaciones
basadas en los censos se añade aquí un estudio de dichas series (que no pueden ser comparadas,
sin embargo, con los datos censales).
Hubo que hacer una inescapable corrección en algún caso aislado de naturaleza muy evi
dente. Por ejemplo, en 1964 la estadística indica sólo 11,000 auquénidos en Ayacucho, depar
tamento que en todos los demás años tiene cifras muy superiores (entre 100,000 y 200,000, por
lo general, a lo largo de la década del sesenta; 190,000 en el censo de 1961). En ese caso particu84
lar se tomó el promedio de 1963 y 1965 en lugar de la cifra citada. El mismo temperamento se
adoptó en unos pocos casos similares.
Salvo las señaladas, no se efectuó ninguna otra modificación en las cifras de la Estadística
Agraria, aun cuando se tiene conciencia de la existencia de discontinuidades y exageraciones, de
las que hemos señalado los casos más notables.
Como panorama global de las discrepancias existentes se incluye el cuadro 26, donde se
compara el área cosechada para 1972 en las dos fuentes disponibles: el Anuario Estadístico Agro
pecuario y el Censo Nacional Agropecuario de ese año. Como se puede apreciar fácilmente, hay
una aceptable coincidencia en la cifra global, pero con importantes discrepancias en la distribu
ción por departamentos. Los casos más notables son los de Ayacucho, Cajamarca, Cuzco, Huan
cavelica, Piura y Puno, en que el Anuario da cifras inferiores al Censo, mientras en otros como
Ancash, Arequipa, Junín, Lambayeque, Lima-Callao y Loreto las cifras del Anuario son nota
blemente superiores a las que registró el Censo. Algunas de las discrepancias son relativamente
fáciles de localizar: en Loreto y San Martín la estadística arroja mucho más pasto cultivado que
el Censo, y lo mismo en Madre de Dios; en Cajamarca, la mayor parte de la diferencia correspon
de a unas 30,000 Has. de maíz que aparecen censadas y de las cuales el Anuario no hace men
ción. En otros casos se trata de divergencias en una pluralidad de cultivos. Diferencias simila
res, aunque aquí con variación también en el total del país, se pueden encontrar para las exis
tencias pecuarias.
En el Cuadro 26a, como resumen, se incluyen las cifras de superficie total cosechadas por
departamentos para todo el período 1964-79, que puede ser de utilidad pues los volúmenes publi
cados desde 1969 en adelante no suministran los datos en esta forma.
7. RECAPITULACION
Si bien la estadística agraria peruana ha avanzado notablemente en los últimos años, la base
productiva de la agricultura es todavía un dato relativamente incierto, pleno de zonas grises y
con cifras inseguras. Estudios de campo en diversos lugares han mostrado discrepancias notables
entre las cifras disponibles y la realidad (por ejemplo, recientemente se verificó en Piura una su
perficie cultivada bastante superior a la prevista en las estadísticas; en otros casos la diferencia es
en sentido inverso). Existen relevamientos aerofotográficos que sólo excepcionalmente se han
usado para cuantificar las áreas sembradas, y que además van perdiendo rápidamente actualidad
con lo cual su costo de producción se va convirtiendo en un gasto inútil o en una inversión subutilizada. Mientras no haya evaluaciones censales repetidas y confiables, mientras no se perfec
cione la producción y el análisis de datos aerofotográficos o estudios de muestreo a nivel na
cional, ios datos sobre superficie, rendimiento o cabezas de ganado seguirán siendo inseguras;
de cualquier manera, las más antiguas lo seguirán siendo irremediablemente.
Para el futuro, las recomendaciones más obvias ya han sido esbozadas:
a. Clarificar los métodos y reglas de estimación utilizados en la confección de la estadística
agropecuaria.
b. Explicitar los motivos y alcances de los ajustes efectuados cada año para mejorar la cober
tura o para salvar omisiones anteriores, efectuando si es posible la corrección retrospectiva,
para asegurar la continuidad y comparabilidad de los datos.
85
Cuadro 26
SUPERFICIE COSECHADA EN 1972 SEGUN DOS FUENTES
(a) Incluye pastos cultivados al pastoreo (que no se cosecha) pues los Anuarios no distinguen entre
esos pastos y aquellos destinados al corte.
86
Cuadro 26a
SUPERFICIE COSECHADA PO!i DEPARTAMf;JSTOS, 1964-1979
(~
hectárea.l
~
1964
1965
1967
1968
1969
1970
1911
197l
1973
1974
1975
1976
1977
1978
1979
48,027
184,898
59,129
70,522
129,530
221,741
99,616
47,351
81,412
91,133
144,919
207,871
107,2¡5
50,165
185,580
58,994
74,054
129,058
224,115
100,314
49,213
82,569
100,767
144,761
212,505
47,838
173,977
34,904
77,060
63,099
196,826
45,223
76,442
125,298
236,383
119,370
73,056
116,961
90,721
239,914
199,354
61,910
194,298
50,985
75,681
123,716
249,543
62,544
167,527
52,603
79,449
;125,133
72,676
171,739
48,100
70,416
126,225
274,185
114,292
66,855
101,484
89,578
238,087
190,831
71,004
161,814
48,315
85,946
123,379
275,995
108,110
57,267
102,038
92,346
171,287
180,419
77,227
174,984
45,433
77,201
113,850
272,865
116,618
65,525
98,343
90,090
173,140
170,045
77,376
162,993
46,627
77,222
113,986
269,762
116,112
67,261
97,883
86,865
169,666
139,853
85,386
148,407
46,435
78,354
261,282
118,156
54,671
104,994
88,721
186,724
185,147
75,692
171,117
53,655
71,610
123,851
267,944
120,412
56,934
109,170
88,798
206,317
173,425
67,278
172,960
50,794
119,790
198,984
88,625
68,586
97,187
91,973
190,468
163,368
SS,002
202,607
35,818
73,665
120,132
229,648
103,059
76,283
110,666
97,906
226,554
179,126
111,575
111,860
121,004
184,447
109,256
8,410
13,121
79,474
172,421
104,585
89,133
17,881
183,646
111,320
166,434
101,362
8,000
11,444
49,947
142,750
100,450
84,099
19,411
99,746
161,414
102,106
109,117
162,572
96,817
8,027
12,690
54,389
162,491
115,119
93,427
21,859
9,983
108,13S
157,046
95,866
7,652
12,555
42,492
162,485
118,746
124,541
2Q,556
11,531
153,031
98,540
7,102
12,504
43,330
138,982
121,124
142,325
21,850
8,228
t24,ua
187,610
114,200
8,602
12,907
54,378
170,331
116,997
95,459
18,408
9,495
i 30,534
162,409
138,642
5,514
12,744
54,485
139,633
87,992
76,281
17,667
.
La Libertad
54,212
171,508
48,580
78,289
131,786
191,393
129,899
47,350
82,316
101,347
141,537
192,787
60,888
78,302
133,100
170,087
121,930
60,442
74,120
101,396
137,784
208,479
Lambayequc
Lima y Callao
Lo reto
Madre de Dios
Moquegua
Paseo
Piura
Puno
San Martín
Tacna
Tumbes
87,717
200,074
66,129
5,950
120,000
30,910
133,210
110,325
62,558
15,600
7,510
113,140
194,383
61,121
5,490
12,611
30,360
1S3,H3
110,1.29
60,803
17,905
10,315
Amuonas
Ancash
87
1966
Apurímac
Arequipa
Ayacucho
Cajamarca
Cuzco
Huancavelica
Huinuco
lea
junín
43,963
18~,372
217,749
94,670
5,445
12,174
62,805
176,740
95,990
11,659
16,760
10,462
116,794
179,793
99,491
5,345
11,663
70,565
181,448
104,98!1
67,047
17,384
9 ,868
2'102,987 2 '141,453 2'257 ,838 2'276,542
Totales
- -
-~
116,595
68,019
133,281
9,042
11,624
55,471
169,788
121,104
93,591
18,635
9,368
2'167,930 2'411,037 2'494,1"57 2'495,1S7
73,211
109,467
152,191
100,594
8,164
11,728
48,272
178,677
123,429
84,382
128,089
276,833
121,614
58,148
110,501
91,450
193,525
174,171
9,301
19,166
9,116
2'301,153
2'364,111
-~
103,996
165,406
96,687
8,448
12,016
48,052
157,876
123,557
85,466
20,933
10,634
85,855
148,449
183,390
7,820
12,709
48,087
160,103
115,1 S9
93,587
2S,714
8¡928
9,885
82,319
10,695
115,362
273,386
118,012
68,546
99,657
82,193
171 ,930
155,052
90,640
154,551
105,584
6,640
12,289
44,511
151,728
118,758
164,974
21,965
11,612
'-
2'351,645 2'313,353 2'310,139 2'336,926 2'257,408 2'325,972
~-
------
-
c.
Incorporar más preguntas sobre mano de obra en los censos agropecuarios. Continuar tam
bién el estudio por muestreo de los costos de producción, y analizar más a fondo la docu
mentación de costos del Banco Agrario, para mejorar la información sobre requerimientos
unitarios y uso de mano de obra.
d. Incorporar a la estadística agraria, junto a la superficie y la producción, informes sobre re
querimientos teóricos de mano de obra en base a coeficientes actualizados zona por zona,
y tal vez datos adicionales como salarios agrícolas vigentes en cada zona.
e.
Re-procesar el Censo Agropecuario de 1972 a fin de obtener datos cruzados más apropia
dos para diversos análisis a que dicha información da lugar y que no son posibles por ahora.
f.
Programar en igual forma las tabulaciones del Censo Agropecuario de 1981, procurando en
lo posible su conexión con el Censo de Población a realizarse simultáneamente; en este as
pecto sería deseable poder “reunir” los cuestionarios llenados por un productor y su familia
en ambos censos, lo cual puede hacerse con cierta facilidad dándoles un número o identifi
cación común.
Es de expresar que el esfuerzo realizado en este estudio para reunir la información existen
te y calcular aunque sea en forma preliminar una amplia gama de cifras sobre demanda de trabajo
en la agricultura peruana puede servir de base para mejorar los conocimientos al respecto y para
perfeccionar las bases estadísticas del sector en el sentido indicado.
88
SEGUNDA PARTE
ANALISIS DE ALGUNOS RESULTADOS GENERALES
INTRODUCCION
Los resultados de nuestras estimaciones son demasiado complejos como para analizarlos
aquí. El propósito de este volumen es, como ya se dijo al inicio, simplemente presentar dichos
resultados así como sus bases metodológicas.
Sin embargo, hemos querido presentar sintéticamente algunas conclusiones muy provisio
nales que se desprenden de las cifras alcanzadas. Dichas conclusiones tratan de resumir breve
mente la tendencia histórica de estos requerimientos, su distribución geográfica en el país, sus
patrones de estacionalidad y, finalmente, la relación que guardan con las cifras referentes a la
disponibilidad de la mano de obra agrícola, tal como se la mide en el censo de población.
En estas conclusiones, sin embargo, deben tenerse en cuenta las limitaciones intrínsecas de
los datos, por lo cual hemos preferido poner por delante las consideraciones teóricas y metodo
lógicas de la primera parte. Pero igualmente creemos que vale la pena presentarlos como una sim
ple muestra de los usos que podría dársele a la información.
Otros posibles enfoques podrían centrarse en el análisis a nivel de productos o de provin
cias específicas, lo cual revelaría mucho más sobre los patrones específicos de crecimiento y de
estacionalidad. Asimismo, podrían intentarse ajustes de los resultados para cubrir sus más visi
bles deficiencias: aumentar los requerimientos unitarios de 1929 y 1944 para aquellos productos
en que se ha producido avance tecnológico (ahorrador de mano de obra); corregir las inconsis
tencias de algunos años (particularmente 1969-71) en la Estadística Agraria; añadir los requeri
mientos de otras tareas (trilla, mercadeo, trámites, administración, etc.) no incluidos en estos
cálculos; incluir el sector de explotación forestal (recolección de frutos selváticos, explotación
maderera, etc.), tampoco incorporados en nuestras cifras; y así sucesivamente. Todo ello redun
daría sin duda en un mejoramiento de las cifras.
Al mismo tiempo, una extensión obvia de este trabajo sería el cálculo de requerimientos se
gún tamaño de las fincas, dato adicional disponible en el censo de 1972 y (con menor detalle)
en el de 1961. Esto debería hacerse si se poseen datos sobre tecnología media de cada nivel de
tamaño, datos que en la actualidad no están disponibles; pero aún aplicando los mismos coefi
cientes en todos los tamaños (lo cual es factible, por lo menos, para una gran parte de los culti
vos, aunque no para algunos de ellos y para la ganadería) podrían obtenerse resultados muy va
liosos. Dejamos ésta y otras tareas para las investigaciones futuras sobre este tema.
1. LA EVOLUCION GLOBAL
Desde 1929 hasta 1972, los requerimientos laborales de la actividad agropecuaria, estima
dos en este estudio, aumentaron en forma sostenida, aun después .de hacer ajustes en las cifras
obtenidas. El Cuadro 27 indica claramente que en ese lapso las cifras globales pasaron de unos
200 a unos 360 millones de jomadas por año, creciendo a un ritmo algo superior al l°/o anual.
91
Cuadro 27
REQUERIMIENTOS LABORALES AGROPECUARIOS
(Millones de días/hombre por año y por mes)
Perú, 1929-1972
El ajuste se refiere al diferente grado de omisión de las distintas fechas, y al cambio en los coeficientes unita
rios debido al progreso tecnológico durante el lapso considerado.
Cuadro 28
TASA ANUAL DE CRECIMIENTO ACUMULATIVO
DE LOS REQUERIMIENTOS LABORALES AGROPECUARIOS
Perú, 1929-1972 (en porcentaje)
FUENTE: Cuadro 27.
Si en lugar de tomar los requerimientos anuales se consideran solamente los del mes de junio
(que coinciden con el momento de máxima demanda de trabajo a lo largo del año) los resultados
son similares, como muestran las columnas de la derecha de los cuadros precedentes. Sin embar
go, la comparación entre ambos grupos de cifras permite ver que el grado de estacionalidad de la
demanda ha variado. Entre 1929 y 1961, si se consideran las cifras ajustadas, los requerimientos
de junio han crecido más lentamente que los del resto del año, es decir, disminuyendo la impor
tancia del “mes pico”. En el período 1961-72, en cambio, la demanda de junio crece más que la
del resto del año, acentuándose la estacionalidad. Probablemente ello se debe a la mayor inciden
cia de algunos cultivos como el café, el arroz y otros que aumentan su importancia en ese lapso,
y cuyas cosechas se realizan en períodos que incluyen el mes de junio.
92
En el total de los requerimientos anuales, la importancia relativa de las actividades agrícolas
y de las pecuarias no ha variado mucho en el tiempo. El porcentaje representado por las tareas
agrícolas presentó los siguientes valores globales:
1929:
1944:
1961:
1972.
49.35%
47.12%
48.35%
50.26%
Dados los márgenes de error de todas las cifras, las diferencias de una fecha a otra no resul
tan muy significativas. En general, las tareas agropecuarias se distribuyen más o menos por par
tes iguales entre tareas agrícolas y tareas pecuarias. Esta constatación es sumamente importante
por cuanto es frecuente considerar que las actividades pecuarias no implican empleo masivo de
mano de obra. En realidad, es difícil encontrar en el Perú personas ocupadas exclusivamente en
la ganadería (excepto los casos especiales de las granjas lecheras o avícolas, por ejemplo). Las ac
tividades pecuarias son realizadas como tarea marginal por los trabajadores agrícolas, y a menudo
están a cargo de mujeres o niños junto con otras “tareas del hogar”. Es frecuente, inclusive, que
los niños o mujeres cuya única tarea es ésa ni siquiera resulten incluidos en las cifras censales de
población activa. Un poco más adelante volveremos sobre este punto al comparar los requerimien
tos con la población activa a nivel de provincias.
Aparte de la serie basada en los censos de 1929 a 1972 se tiene una serie anual para el pe
ríodo 1964-1979 (aunque los últimos tres años de la misma sólo cubren las actividades agrícolas).
Estas cifras no son comparables directamente con las anteriores, pues provienen de estimaciones
directas y no de relevamientos censales. En general (véase por ejemplo el año 1972) la Estadís
tica Agraria anual arroja cifras superiores a las de los censos-, en parte ello puede deberse a omisio
nes censales, pero también a errores de exageración en la Estadística Agraria (particularmente
notables en 1969-71 y que sobrevivían aún en 1972 al no haber sido corregidos completamente).
Pero aun admitiendo esas diferencias es importante destacar que la serie anual permite visualizar
el comportamiento de los requerimientos en el corto plazo, donde probablemente su tendencia
es correcta, excepto cuando ocurren bruscos cambios metodológicos como en el período 196971.
A lo largo del período 1964-79 los requerimientos agrícolas aparecen globalmente muy es
tancados. El período 1969-71 claramente aparece fuera de la tendencia, probablemente debido
a errores en las estimaciones de superficie cultivada. Pero dejando de lado ese período es evidente
que la demanda global de trabajo agrícola permanece casi estática, oscilando entre 166 y 180
millones de jomadas por año. En el mes de junio el estancamiento es aún más visible, variando
apenas entre 19 y 22 millones de jornadas (en el discutible período 1969-71 llega a 23 millones).
Esto no implica, obviamente, un estancamiento de la producción agrícola: en ese lapso el PBI
agrícola tuvo un crecimiento positivo, aun cuando globalmente insatisfactorio; pero el creci
miento no significó mayor empleo de mano de obra. Tampoco hubo estancamiento de la super
ficie cultivada, pero evidentemente los nuevos cultivos fueron menos intensivos en mano de obra
que los anteriores, ocasionando el comportamiento estático de la demanda de mano de obra.
En el subsector pecuario (dejando nuevamente de lado los anómalos datos de 1969-71) se
observa en cambio un leve crecimiento tendencial, desde unos 180 a unos 200 millones de joma
das anuales, que corresponden a la expansión de la ganadería vacuna lechera y de carne, y al re
lativo retroceso de la ganadería ovina, mucho más extensiva y que provee menos empleo uni
tario.
93
Cuadro 29
REQUERIMIENTOS LABORALES AGROPECUARIOS
(En millones de días/hombre)
Perú, 1964-1979
(a) Estos años muestran una. discontinuidad en la superficie cultivada de varios productos, lo cual incrementa tem
poralmente los requerimientos globales de la agricultura; también aparecen cifras exageradas en el sector pecua
rio.
(b) No disponible.
La columna “Total” puede no coincidir con la suma de agrícola y pecuario por causa del redondeo.
Como resultado, la demanda global de trabajo agropecuario manifiesta un comportamiento
estático, con leve tendencia creciente, a lo largo de estos años. En ello ha influido por cierto la
sequía y la crisis de 1977-79, pero aún sin considerar esos últimos años la serie seguiría mostran
do estancamiento o crecimiento lento. Los requerimientos agrícolas crecieron en un 5.69o desde
el trienio 1964-66 hasta 1973-75, lo que representa una tasa anual acumulativa de sólo un 0.69o
anual, ritmo evidentemente muy bajo (si se consideran los años 1977-79 como término de la evo
lución, el ritmo sería de apenas 0.249o anual). Al incluir el sector pecuario, levemente más diná
mico, los requerimientos crecen a razón de un 0.689o anual entre 1964-66 y 1974-76, sin evitar
de todos modos un resultado de cuasi estancamiento.
Los puntos de variación más saltante (aparte de los errores señalados en 1969-71) están re
presentados sin duda por la crisis de 1968, los excelentes resultados de 1973, y las declinaciones
de 1977-78, todo lo cual concuerda con la información general disponible y refuerza los argu
mentos en favor de la utilidad y representatividad de estos resultados, aun cuando sean pasibles
de diversas limitaciones como hemos señalado antes.
94
Cuadro 30
REQUERIMIENTOS ANUALES DE TRABAJO
PARA TAREAS AGRICOLAS, 1929-1972
(jomadas por año, por departamentos)
Cuadro 31
REQUERIMIENTOS ANUALES DE TRABAJO
PARA TAREAS PECUARIAS, 1929-72
(jomadas por año, por departamentos)
95
Cuadro 32
REQUERIMIENTOS ANUALES DE TRABAJO
PARA TAREAS AGRICOLAS Y PECUARIAS, 1929-1972
(jomadas por año, por departamentos)
Cuadro 33
REQUERIMIENTOS DE TRABAJO EN EL MES DE JUNIO
PARA TAREAS AGRICOLAS, 1929-72
(jomadas pormes, por departamentos)
96
Cuadro 34
REQUERIMIENTOS DE TRABAJO EN EL MES DE JUNIO
PARA TAREAS PECUARIAS, 1929-1972
(jomadas por mes, por departamento)
Cuadro 35
REQUERIMIENTOS DE TRABAJO EN EL MES DE JUNIO
POR TAREAS AGRICOLAS Y PECUARIAS, 1929-72
(jomadas por mes, por departamentos)
97
Cua'dro 36
REQUERIMIENTOS - ANUALES DE TRABJ\.IO: PARA TAREAS. AGRL_COLAS, 1964-12_79
((jornadas de trabajo por año)
1~
1
1
1
1?64
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
t9n
1976
1977
1978
1979
D~tos.
1
Amazonas
Ancash
Apurlmac
Arequipa
Ayacucho
Cajamarca
Cuzco
Huancselica
Huánuco
lea
]un{n
La Libertad
Larnbayeque
Lima y Callao
Lo reto
Dios
~de
Moquegua
Paseo
Piura
Puno
San Martín
Tacna
Tumbes
Total
-
3'trn,779 . 3'207,635
11'163,970 11'550,786
4'820,5~
5'882,990
7'164.186
7'112,152
6'806,778 6'569,444
13'773,385 11'506,229
14'101,568 13'251,196
5'560,618
4'393,124
7 '109,906 6'230,365
5'816,007
5'869,341
13'503,762 12'178,344
13'505,064 14'880,019
6'894,593
8'879,359
13'444,9S4 13'0U,868
5'430,988
4'876,296
456,302
494,088
985,476 1'028,639
1' 850, 377
2'323,318
12'387,Zl0 12'959,287
13'303,430 12'047,403
4'644,644 4'486,755
1'185,892 1'!171,521
767,032
952,895
3' 543,201
3'688,824 3'587,985 4'113.557 4'595,320
11'799,819 11'913'764 10'800,921 13'381,813 12'750,002
5'684,689
5'539,548 3'461,732 3'618,315 4'600,556
6'31iJ,094 6'609,360 6'802,847 6'338,096 6'281,200
6'423,660 5'866,696 6'103,684 6'533,202
6'442,555
12' 829,803 13'334,049 12'171,406 10'715,258 14'144,596
10'208,094 12'112.359 8'935.060 10'836,225 12'155,019
7'753,698 4'803,687 6'500,583 7'306,377 6'965,911
6'736,189
6'733,986 7'826,007 9'578,636 9'612,323
5'237,488 6'370,829 5'248,556 5'512,903 5'198,767
13'036,359 18'346,151 17'457,519 19'984,943 21'328,601
14'678,955 15'139,499 11 '039,514 12'478,385 15'268,001
8'088,736
9'268,187 5'300,441 8'688,656 9'960,431
14'190,728 12'312,224 11'172,101 12'584,811 12'862,539
6'728,250 6'962,004 9'439,477 7'517,370 8'060,437
460,169
416,287
463,950
528,871
468,778
1'006,338
1'067,218 1'092,813 1'072,848
965,499
4'842,047
5'128,3S7 4'593,365 6'694,604 3'889,450
15'253,836 15'697,573 11'806,829 14'359,874 13'845,703
10'823,037 11'891,325 12'176,125 13'179,567 15'232,170
4'644,258 4'457,892 5'324,667 6'052,227 6'412,878
1'338,250 1'386,576 1'714,924 1'452,321 1'475,409
1'032,708 1'040,316
819,988
919,118
984,534
5'135,188 4'758,128 5'436,842 3'769,459
12'433,663 10'247,538 10'290,790 10'320,604
5'294,31 7 5'417,108 5'575,269 5'345,515
6'063,598 6 ' 332,863
5'638,583 5'867,124
6'574,078 7'114,207 7'066,488 7'359,723
15'508,401 16'548,609 17'769,445 16'325.730
12'119,022 12'469,858 12'630,635 12'896,239
6'503,957 5'021,489 5'002,241
5'154,258
10'817,158 8'676,621
9'499.672 9'296,339
5'008,238 4'944,062 4'974,252 5'147,503
20'927,574 16'492,919 18'298,567 17'192,864
12'686,425 12'960,055 12'344,739 12' 105,088
10'975,584 10'112,461 9'152,565 8'983,570
12'357,523 11'354,138 10'099,413 11'614, 786
7'810,157 6'169,885
5'961,760 5'379,706
548,690
444,047
495,045
511,522
958,676
934,957
955,578
978,546
3'832,247
3'314,968 3' 108,474 3'165,009
14'112,887 10'963,621 14'794,961 13'608,389
15'835,431 15'098,084 15'363,788 15'053,962
6'703,463
5'302,661
5'021,310 4'956,221
1'493,818 1'656,S04 1'508,738 1'640,274
998,615
963,298
4'987,701
5'054.465
5'690,244 5'674,314
9'543,890 10'067.949 10'473,716 9 '803,023
4'687,015 4'917,228 4'647,904 4'765,361
7'106,000 4'775,555 6'301,31 S 6'074,902
7'168.622 7'350,767 7'070,079 7'187,068
17'669,940 17'213,028 17'225,169 17'157,038
11'052,182 11'541,348 12'704,249 12'692,909
5'004,520 4'691,884 4'586,572 4'751 ,251
8' 764,510 8'523,553
8'498,443
8'533.404
5'tl06,S52 4'565,646 5'009,006 4'863,116
14'924,560 15'700,015 16'880,085 16'819,097
12' 689,040 12'890,776 11'931,546 9'516,114
8 '825,513 9'889,905
9'26.3~
6'797,057
11'066,515 10'463,144 10'548,401 10'413,390
5'550,293
5'503,699 5'570,632 5'936,909
466,056
490,239
509,709
508,875
1'036,533 1'016,560 1'028,231
991,165
3'055,234 3'345,501
2'611,253
2'632,154
13.296,649 12'634,709 13'150,831 11'171 ,846
14'123,445 13'003,545 12'917,263 13'511,048
5'725,226 5'455,192 6'203,467 7'592,696
2'018,076 1 '663,938 1'600,362 1'703,618
971,591
1'042,!137
846,853
1'407,937 1'191,115
940,475
6'321,930
9'116,707
4'750,868
6'265,488
7'709,328
1 7'513,257
13'160,598
4'9$0,936
8'807,663
4'684,305
17'162,301
10'660,901
7'443,671
10'672,597
6'831,715
532,747
911,395
2'647,575
12'345,025
13'230,061
8'932,352
1'732,821
1'244,510
167' 440,349 166'381,214 172'680,910 180'585,838 163'530,248 183'03 3,498 193 '858,768 194'698, 710 177'298,081 181'929,630 177'715,168 175'214,925 172'730,243 176'492,781 170'287 ,470 177'688,751
----_L..._
- - --
--
-
---
------------
---------
Cuadro 37
~
-~
o
1964
-
2'101,440
11'965,800
11'849,520
7'243,080
12'883,200
14'298,080
13'211,4ÓO
11'436,720
7'396,680
1'145,616
8'883,480
9'869,040
2'239,800
.
Amazon&s
Ancash
Apurímac
Arequipa
Ay&<:Ucho
99
Cajamarca
Cuzco
Huancavelica
Huánuco
1e a
Junín
L& Libertad
Lambayeque
Lima y Callao
Lo reto
Madre de Dios
Moquegua
Paseo
Piura
Puno
San M&rdn
Tacna
Tumbes
'total
1!>65
2'106.,672
12'168,224
10'681,920
7'114,272
12'886,560
14'145,984
9'230,016
12'035,280
7'916,256
1'089,960
9 '616,440
9'781,896
2'049,288
7'83S,652
9'037,176
1' 125,840
1'184,880
96,756
114,168
1'664,140 1'083,732
2'678,760
2'815,008
6'543,600 6'083,640
47'674,200 48'226,680
922,800 1'189.260
1'344,888 1'373,808
615,624
606,984
1966
1967
'
1968
1970
1969
2'101 ,200
2'112,192
2'026,464
2'156,784
11'431,464 11'549,424 11'949,528 12'579,408
11'638,680 11' 869,260 12'842,064 16'898,940
6'3H,720
6'461,064 6'096,048 6'058,776
13'662,43C 13'670,230 13'772,938 17'548,656
14'169,360 14'181,192 13'466,648 13'497,288
13'492,360 13'587,936 13'158,696 14'252,760
12'071,664 11'733,600 11'666,400 11'593,380
7'901,280
7'970,880 8'005,056
8'170,260
1'082,760 1'100,232 1'162,380 1'139,796
9'539,700 9 ' 580,884 10'353,672 10'905,900
9'809,804 9'854,244 9'767,436
9'714,732
2'202,720
2'342,652
2'024,076
2'289,840
8'403,600
8'927,580
9'185,976 10'651,368
1 '169,760 1'219,680 1 '583,304 1' 599,036
115,488
126,288
196,272
203,616
1'440,984 1'338,540 1'322,616 1'21-00,120
2'839,980
2'839,140
3'133,812 3'897,156
6 ' 593,076
6'981,984 6'758,484 6'727,740
48'155,040 50'113,452 S6'763,3S2 51'072,096
1'205,340 1'218,132 1'401,180 1'526,220
1 '377,828 1'401,288
1'353,936 1'320,108
589,284
588,516
623,700
607,248
1971
1972
2'282,316
2'449,332
2'467,752
12'963,048 12'63S,880 11 '414,196
19'083,360 20'202,984 16'2sa,904
7'576,776
7' 544,532 7'773,240
18,079,440 21,10S,88C 17,917,872
13'385,544 15'915,612 14'953,516
15'145,656 15'215,784 16'512,264
11'593,380 11'178,120 11'837,568
8'084,052
8'536,212
8'011,260
1'203,480 1'406,508 1'973,196
11'283,852 12'405,180 11'630,208
9'626,412 9'261,684
8'906,316
2'184,696
2'781,708
3'137,856
11'961,240 13'133,940 12'290,89Z
1'648,960 1'767,300 1'448,112
186,912
189,540
183,360
1'282,944 1'176,168 1'236,396
3'858,180
3'836,700
3'620,064
6'626,844 6'593,568 7'374,108
49'825,248 44'233,128 37'508,460
1'492,620 1'565,040 1 '544,316
1'414,908 1'409,400 1'267,248
618,144
606,384
652,560
1973
2'507,472
11'098,008
15'738,936
7'861,920
18'743,244
14'651,604
16'809,320
9'723,372
7'759,884
2'096,856
11'494,884
8'919,120
3'268,476
11'534,064
1'4S2,S28
187,500
1'270,740
3'547,1 52
7'778,352
37'774,536
1'569,984
1'270,008
633,960
1974
1975
1976
2'561,040 2'702,952
2'728,,6
11'296,392 11'307,084 11'340,732
15'780,036 16'076,652 15746,580
7'997,568
7'934,556
7'920,792
19'065,792 19'145,028 19'219,256
15'336,588 15'399,888 15'480,672
16'906,080 16'827,488 16'864,924
12'780,876 12'712,644 12'702,240
7'834,524 7'861,452
7'868,760
2'221,440 2'294,591
2'316,468
11'409,460 11'422,620 11'441,856
9'099,108
8'998,884 8'821 ,920
3'384,084
3'502,164 3'578,496
11'942,088 12'495,552 12'379.212
1'489,608 1'514,472
1 '534,632
196,992
196,920
200,451
1'288,164 1'296,264 1'313,988
3'518,220
3'510,432
3'519,624
7'890,348
8'180,652
8'367,168
38'132,016 36'917,016 36'541,104
1'666,440 1'670,928 1'711,776
1'287,336 1'323,948 1'365,312
639,168
669,336
683,004
186' 287,040 181'2116, 180 187'417,922 190'802,566 193'380,262 205'811,228 211'408,012 215'150,584 199'915,264 197'691,914 203'723,368 203'961,524 203'647,923
--
--------
•-
--------
-----
-
Cuadro 39
REQ1JERIMIENTOS DE TRABAJO EN EL- MES Dlf]UNIO PARA TAREAS AGRICOLAS, 1964-1979
(jornadas por mes, por deparwnento)
~
1964
1965
1966
1967
1968
1969
1?70
1971
1972
1973
1974
1975
1976
1?77
1978
1979
ot.
Amazonas
Ancasb
Apurúna.c
Arequipa
Ay~CUcbo
Cajamarca
101
Cwco
Huancavelica
Huánuco
l ea
Jun{n
La Libertad
Lambayeque
Lima y Callao
Loreto
Madre de Dios
Moquegua
l>asco
Plura
Puno
San Martín
Tacna
1\Jmbes
T o' a 1
'-----
450,996
1'105,741
698,143
590,843
1'175,844
865,355
1'687,141
419,761
46M15
517,133
1'397,028
1'174,312
843,319
1'382,01 7
873,838
86,798
109,007
134,81 8
1'859,759
2'529,876
863,570
157,355
80,997
399,083
370,755
1'089,347 1'165,557
410,842
470,410
443,691
1'117,831 1'233,598 1' 322,413
526,882
859,190
494,649
606,888
588,544
585,724
1'127,387 1'023,428 t'06poo
1'286,781 1'407,462 1 '523,275
1 '493,706 1'055,983 1'305,121
645,275
497,113
674,905
6514,574
470,037
512,480
872,006
853,998
622,763
554,284
1'163,661 1'129,810
1'054,849 1'430,530
1'686,571 1'261,982
782,361
!161,879
466,305
408,596
463,242
547,446
453,265
.513,048
1'312,20.5 1'373,855 1'695,285 1'898,548
879,813
1'206,356 ] '225.413 1'2.55,712
684,687
1'066,158
969,078
967,723
970,961
1'250,367 1'284,907 1'078,334
536,282
1'244,692
632,644
617,668
1'107,564
1'492,227
1'525,408
642,279
685,746
443,837
45.5,831
2'239,619 2'394,054
975,309 1'175.772
1'006,303 1'060,706
1'082.332 1'079,520
1'482,778 1'627,139
93,713
94,010
126,411
129,827
608,075
1'183,001
S62,S2S
664,421
876,233
890,814
804,871
711,889
119,089
626,089
6SO,S61
597,773
1'104,191 1'165,756 1'149,370
1'613,720 1'698,190 1'835,395
1'396,329 1'430,754 1'464,909
588,351
499,584
501,255
869,693
653,183
656,712
427,610
412,537
419,683
2'388,203 1'783,208 1'983,549
1'185,1.50
813,907 1'168,891
1'134,177 1'078,530
1'01.5,830
922,367
1'555,202 1'181,167
8.5,241
96,371
572,341
603,731
621,979
669,114
655,427
751 ,698
881,731
789,784
853,826
893,265
887,896
867,87S
653,824
641,206
7S4A12
651,789
6Z~;oz5
647,989
610,582
717,211
587,448
609,935
658,226
654,509
1 '192,649 1'155,664 1 '188,716 1'124,212 1'136,765 1'209,501
1'821,889 1'814,646 1 '743,516 1'764,082 1'762,325 1'758,072
1'483,759 1'282,226 1'292,079 1'344,394 1'337,H8 1'350,030
500,048
503,348
462,637
447,097
453,293
459,795
701,045
611,855
649,986
654,700
718,399
752,82.7
430,298
415,575
348,751
389,094
406,591
400,990
1'844,571 1'536,704 1'596,738 1'488,268 1'457,659 1'476:145
1'006,876 1'084,.556 1'065,618 1'055,814
851,636
953,241
850,965
940,311
952,790
9.56,533
908,758
942,761
725,098
838,848
940,361
896,315
835,482
866,8S9
860,576
907,668
1'128,565 1'022,168 1'068,810 1'052,494 1'070,623 1'139,519 1'264.080
93,611
97,914
92,943
87,.520
91,543
90,406
92,682
134,090
136,865
123,882
124,182
131,813
131,287
128,163
789,877 1'241,095 1'264,1 so 1' 858,657
102,156
95,143
79,306
96,923
116,402
125,867
116,609
117,424
122,298
122,600
474,868
372,151
535,859
332,422
302,606
253,.523
234,540
236,129
220,107
248,591
195,552
192,307
194,954
188,017
406, 302
1
'729,774
1'882,660
2'024,188
2'571,220
1'936,705
2'416,033
2'400,272
2'507,453
2'.512,584
2'224,666
2'166,692
2'058,567
2'196,608
1'899,425 2'430, 732
1'814,229 2'052,899 2'208,790 2'418,417 2'S35,172 2'963,246 3'094,351 2'77 3,202 2'926,492 2'879,964 2'671,065 2'343,.531 2'299,378 2'445,.523 2'402,192
767,120
721,624
680,652
876,684
888,083
921,463
744,282
711,763
790,706 1'021,722 6'900,050 1'016,245 1'145,071
696,771
783,088
199,347
203,711
207,759
212,023
191,165
251,168
238,766
232,646
357,654
296,846
287,038
303,510
287,087
189,19.5
190,798
136,267
134,188
146,077
107,583
91,849
113,234
116,279
119,395
118,492
118,344
129,514
805,361
119,905
89,646
93,663
19'447,466 19'0$1,778 20'776,902 21'185,087 20'045,194 22'282,174 23'397,987 23'764,123 20'536,335 22'047,142 21'266,851 20'61 5,183 20'220,207 20'243,758 19'887,085 20'708,485
1
Cuadro 4-º
1~64-97_
~
1964
102
Amazonas
Ancash
Apurímac
Arequipa
Ayacueho
Cajamarea
Cuzco
Huaneaveliea
Huánueo
1e a
Jun{n
La Libertad
Larobayeque
LimayCallao
Lo reto
Madre de Dios
Moquegua
Paseo
Piura
Puno
San Martín
Taena
Tumbes
1---- - To ta 1
~
196.5
1967
1966
1968
1969
1970
1971
1972
1973
1914
197.5
1976
S.
-
175,120
998,350
987,460
614,790
1'on,6oo
1'191,540
1'100,950
985,060
616,390
?5,468
740,290
822,420
186,650
753,098
98,740
8,063
138,678
223,980
545,300
3'972,850
76,900
112,074
50,582
175,556
1'016,052
175,100
1'012,355
176,016
1 '012,435
890,160
.95,256
1'073,880
1'178,471
969,890
540,520
1'138,536
1'180,780
1 '124,370
993,772
664,240
90,230
989,105
541,222
1'139,186
1'181,766
1 '132,328
1' 105,168
990,740
659,688
90,830
801,3'10
815,158
170,774
652,971
93,820
9,514
90,311
234,584
506,970
4'018,890
99 ,105
114,484
51,302
-- ---
549,423
4'012,920
100,445
114,8j9
49,107
91,686
798,407
821,187
195,221
743,965
101,640
10,524
- --
- - --
---------
-
508,898
1'462,388
1'124,774
1'187,810
966,11 S
680,855
94,983
908,S25
809,561
190,820
887,614
133,253
16,968
116,677
324,763
560,645
4'256,008
127,185
110,009
50,604
111,545
236,595
581,832
4'176,121
101,511
116,774
116,765
112,828
49,043
51,975
-- --·
-
514,684
1'163,394
1'120,554
765,498
131,942
16,356
110,218
261,151
563,207
4 '304,446
15'.568,353 15'435,054 15'676,660 15'952,997
- - - - - - - - - - - - --
179,732
1'048,284
1'408,245
1'096,558
972,200
658,440
96,865
862,806
813,953
168,673
977,800
667,088
794,975
817 ,467
183,560
700,300
97,480
9,624
120,082
236,665
168,872
995,960
1'070,172
------------
-
190,643
1'085,684
1'590,280
634,071
1 '756,620
1'115,462
1'262,138
966,115
673,671
100,290
940,321
802,201
182,058
996,770
137,413
15,576
106,912
321,515
552,237
4'152,104
124,385
117,909
.51,512
204,111
1'057,790
1'683,582
205,646
951,963
1'354,492
655,930
1'493.156
1'246,047
1'376,022
986,464
667,605
164,433
969,184
742,193
261,488
1 '024,241
120,726
15,280
103,033
301,672
614,509
3'125,705
128,693
105,604
54,380
635,751
1'758,840
1'326,301
1'297,982
931,510
711,351
117,209
1'033,765
771,807
231,809
1'094,495
147,275
15,795
98,014
319,725
549,464
3'686,094
130,420
117,450
50,352
211,206
925,614
1'338,578
665,400
1'562,037
1'220,967
1'400,780
1'010,081
646,657
174,738
957,907
743,260
272,373
961,172
121,044
15,625
105,895
295,596
648,196
3'147,878
130,832
105,834
52,830
213,470
942,148
1'314,996
668,624
1'588,816
1 '278,049
1'408,840
1'065,123
652,877
185,120
950,788
758,259
282,007
995,174
124,134
16,416
107,347
293,185
657,529
3'177,668
138,870
107,278
53,264
225,246
943,037
1'339,721
676,029
1'163,419
1'283,324
1'402,320
1'059,387
655,121
191,216
951,885
749,907
291,847
1'041,296
126,206
16,410
108,022
290,536
681,721
3'076,418
139,244
110,329
55,778
227,413
945,841
1' 312,215
675,026
1'601,688
1'290,056
1'405,388
1'058,520
655,730
193,039
953,488
735,160
298,208
1'031,601
127,886
16,704
109,499
293,302
697,264
3'045,092
142,648
113,776
56,917
15'737.517 17'155,016 17'875,887 17'970,892 16'668,466 16'714,500 16'979,982 16'578,419 16'986,451
---- ------
- - - - - - - --
------------
--
-
--
-----
------
-----
-----
1
103
2. LA ESTRUCTURA REGIONAL
Los cuadros No. 30 al No. 41 resumen los resultados alcanzados para los períodos 1929-72
(Censos Agropecuarios) y 1964-76 (Estadística Agraria) a nivel departamental. Sería laborioso
detallar lo que de ellos puede deducirse-, sólo haremos algunos señalamientos notables.
La subdivisión por departamentos no permite captar las tendencias del requerimiento de
trabajo por regiones naturales, ya que casi todos los departamentos participan de más de una de
ellas. En particular, casi toda la Ceja de Selva pertenece a departamentos serranos, y a la vez los
departamentos costeños tienen en su mayoría una parte serrana. Sin embargo, un agrupamiento
simplificado que atiende a la ubicación predominante de cada departamento puede ser útil.
Cuadro 42
REQUERIMIENTOS LABORALES AGROPECUARIOS
POR GRUPOS DE DEPARTAMENTOS
(En millones de jomadas por año)
Predominantemente costeños: Arequipa*, lca, La Libertad, Lambayeque, Lima-
Callao, Moquegua, Piura, Tacna, Tumbes.
Predominantemente serranos: Ancash, Apurímac, Ayacucho, Cajamarca, Cuzco,
Huancavelica, Huánuco, Junín, Pasco, Puno.
Selva amazónica: Amazonas, Loreto, Madre de Dios, San Martín.
(*) Arequipa es considerada como “predominantemente costeño” por la importancia de sus cultivos de costa
y porque en conjunto su agricultura pertenece al sistema de aguas del Océano Pacífico. Sin embargo, debe
recordarse que su ganadería y p arte de su agricultura, son netamente serranas.
La primera constatación de este cuadro es el veloz incremento de la región amazónica, que
en cuatro décadas multiplica sus requerimientos más de cinco veces, pasando de un 2 a un 6 por
ciento del total (aunque ello está aquí exagerado porque no se han hecho ajustes en las cifras más
antiguas). Esto se vería aún más claramente si se incluyeran las actividades forestales: un estimado
del Ministerio de Agricultura indica que tales tareas absorben alrededor de un 1.59o del total
nacional hacia 1972, con lo cual se añadirían otros cinco millones de jomadas por año de modo
que la Amazonia representaría para esa fecha alrededor del 7.59o del total, sin contar la Ceja de
Sdva. Las actividades forestales más importantes son las de producción maderable (sobre todo
en la zona de Pucallpa) y la extracción de castaña (en Madre de Dios), pero está diseminada por
distintas partes de toda la región.
104
Los ciatos de los departamentos costeños muestran una expansión apreciable (casi al doble
en cuarenta años). Ello se debe, de una parte, al crecimiento de la superficie cultivada de la Costa
que en ese lapso pasó de 384,000 a 744,000 hectáreas. De otro lado, sin embargo, se debe a que
hemos usado los mismos coeficientes de mano de obra a lo largo de todo ese período, excepto
para el azúcar; considerando que desde 1950 hubo una apreciable mecanización, y que los coefi
cientes representan la tecnología de 1967, es posible que el trabajo efectivamente requerido en
cada fecha haya sido mayor, aumentando la discrepancia cuanto más lejano sea el año conside
rado. Estimamos que la casi duplicación de la superficie cultivada entre 1929 y 1972 debe ha
ber significado un aumento de alrededor de 40°/o en los requerimientos; aceptando como bueno
el estimado de 1972, ello indicaría para 1929 un requerimiento de 73 millones de jomadas, en
lugar de los 57 millones reportados aquí. Dada la aceleración de la expansión en el uso de fuerza
mecánica entre 1961 y 1972 (véase Acumulación de capital en la agricultura peruana de H. Maletta y J. Foronda, Lima, Universidad del Pacífico, 1980) es posible que los requerimientos efec
tivos no hayan tenido aumento alguno entre esos dos últimos censos, y que quizá hayan decre
cido. En efecto, la población ocupada en la agricultura en esos departamentos sufrió efectiva
mente recortes en ese lapso, lo cual induce a pensar en una disminución de la demanda de tra
bajo en la agricultura de la región costeña.
En cuanto a los departamentos “predominantemente serranos”, ellos comprenden a la vez
partes de Sierra y de Ceja de Selva. La mayor parte de la expansión ocurrida en esos departamen
tos corresponde precisamente a los valles montañosos orientales, con cultivos tropicales, y no a
los valles interandinos o a la producción ganadera de las punas. Dado que los datos vienen sólo
por departamentos, es difícil hacer la distinción, sobre todo en el caso pecuario. Para el subsector agrícola, es evidente el relativo estancamiento en la sierra y el veloz incremento en la Ceja
de Selva (Cuadro 43).
Cuadro 43
REQUERIMIENTOS ANUALES POR TAREAS AGRICOLAS
EN LOS DEPARTAMENTOS PREDOMINANTEMENTE SERRANOS
(En millones de jomadas), 1929-1972
(a) Café, té, cacao, plátano, coca, papaya, palta, caña de azúcar, cítricos, yuca. Se añade un 10% para
cubrir otros cultivos no detallados.
La Ceja de Selva aumenta sus requerimientos más de diez veces en una cuarentena de años
mientras el resto de los requerimientos agrícolas de estos departamentos tiene un incremento mu
cho más lento. Esto sería verdad aun después de ajustarse las cifras.
Debe recordarse que el Censo de 1961 tiene probablemente un cierto grado de omisión
en la región serrana; por ejemplo, registró sólo 185,000 Has. de papa, cuando se estiman para
ese año alrededor de 235,000. Ello conduciría a pensar que si se corrigieran los estimados de
1961 en ese sentido, los cultivos serranos habrían mostrado una disminución entre esa fecha
105
y 1972, ya que sólo por concepto de papa habría que añadir alrededor de 5—6 millones de jor
nadas. Los menores volúmenes registrados en 1929 y 1944 pueden obedecer a un hecho real
(hasta 1961 la población rural serrana exhibía aún un lento crecimiento) y en parte a las omi
siones de los datos de esas fechas, que deben ser tomados con cautela.
En definitiva, en estos departamentos los cultivos de Montaña representaban sólo el 7.69o
de los requerimientos en 1929, y han pasado a representar un 379o en 1972 (dentro de los re
querimientos agrícolas), lo cual habla bien a las claras del desplazamiento del eje productivo ha
cia altitudes más bajas y hacia las quebradas cálidas de la Ceja de Selva. Un proceso análogo,
aunque mucho más leve, se produce también en el aspecto pecuario, con el aumento del ganado
porcino, vacuno y equino en las zonas bajas, y el decrecimiento que —entre 1961 y 1972— expe
rimentan los ovinos situados en las partes más altas. Y por supuesto similares resultados se obten
drían usando los requerimientos del mes de junio en lugar de los anuales.
3. LA ESTRUCTURA REGIONAL Y LAS VARIACIONES ESTACIONALES
Más útil quizá que la división departamental es la clasificación de las provincias en regiones
naturales más o menos homogéneas. Esto ha sido posible solamente para el año 1972. En el cua
dro que sigue aparecen los resultados a nivel nacional, lo que permite apreciar los diferentes pa
trones estacionales de cada región.
Se toman a la vez regiones longitudinales y transversales, resultando diez agrupamientos:
Costa norte, Costa central, Costa sur, Sierra norte, Sierra central, Sierra sur, Montaña norte,
Montaña central, Montaña sur, y Selva. El criterio utilizado para ubicar las provincias fue su alti
tud promedio y el tipo de cultivos predominantes.
Los meses de máximo requerimiento varían según la región de que se trate. En la costa, el
máximo se alcanza en el norte en el mes de junio con un 509o por encima del promedio; en el
centro en el mes de mayo con un 269o sobre el promedio de esa región; y en la costa sur en el
mes de mayo con un 309o más que el promedio de esa parte del país.
En la sierra norte, el máximo se alcanza en julio, con un 279o más que el promedio; en la
sierra central, en octubre (179o encima del promedio) y en la sierra sur en mayo, un 449o más
que la media anual de esa zona.
En la ceja de selva, o montaña, los requerimientos alcanzan su máximo local en el norte en
el mes de julio (509o más que la media anual), en el centro en el mes de abril (879o arriba del
promedio), y en el sur en julio un 909o por encima de su media anual. Por último en la selva
amazónica —que no hemos subdividido transversalmente— el máximo corresponde al mes de
diciembre, donde los requerimientos representan un 909o más que la media de los doce meses
en esa región.
Estas cifras indican claramente que la menor estacionalidad se da en la sierra, mientras que
los mayores desequilibrios temporales aparecen en la selva y la montaña (la costa ocupa un lugar
intermedio en este aspecto). Probablemente ello se debe a la mayor especialización de las acti
vidades agrícolas en la selva y la montaña, así como en la costa, respecto a la sierra.
Por otra parte, los picos en la demanda de cada región aparecen, en la mayor parte de los
casos, cuando la región serrana aledaña no está en su época de máxima demanda, lo cual sin
duda facilita los desplazamientos estacionales de mano de obra.
El cuadro 45 complementa esta información permitiendo apreciar la estructura mensual de
los requerimientos de 1976, por departamentos, aunque referidos tan sólo a las tareas agrícolas
(las pecuarias, que se suponen uniformes a lo largo del año, pueden ser tomadas del cuadro 37).
106
Cuadro 44
REQUERIMIENTOS DE TRABAJO (EN JORNADAS POR REGIONES)
PERU 1972
N O T A : Se han agrupado las provincias por altitud, y en casos dudosos por el tipo de agricultura predominante. La provincia de
Taima ha sido dividida en Taima y Chanchamayo, a pesar de que en 1972 estaban aún unidas, y de ese modo agrupar
las respectivamente en la Sierra Central y la Montaña Central.
107
108
4. FUERZA DE TRABAJO Y DEMANDA DE MANO DE OBRA
Una cuestión muy importante para determinar la situación de las áreas rurales es el balance
de la fuerza de trabajo disponible y los respectivos requerimientos. Una hipótesis muy extendida
supone que por línea general en las áreas campesinas tradicionales la fuerza de trabajo excede
significativamente a los requerimientos, lo que da pábulo a los esquemas que se basan en la exis
tencia de un “excedente de mano de obra”. Hemos tratado en otros trabajos este problema, plan
teando nuestras objeciones teóricas y empíricas a estos enfoques, tanto a nivel conceptual como
en el caso del Perú (véase “El subempleo en el Perú: una visión crítica” en Apuntes No. 8, 1978-.
“La absorción de mano de obra en el sector agropecuario”, AMIDEP, Seminario sobre Población
y Empleo, 1978; y “Algunas consideraciones sobre ei problema del empleo en el Perú”, presen
tado en el Seminario-Taller sobre Demografía Social, AMIDEP/ Universidad Católica, 1980: y
“El empleo en la agricultura peruana”, Universidad Católica, Seminario sobre empleo, 1980).
Aquí queremos referimos tan sólo a la posibilidad de relacionar los requerimientos teóricos de
mano de obra agrícola con la magnitud del empleo de trabajadores agropecuarios registrado en
el censo de población, a nivel de provincia.
En la parte metodológica de este trabajo se detallan las dificultades que esto entraña, toda
vez que se trata de mediciones sólo aproximadas, que contienen algunos errores y sesgos, y que
se refieren a diferentes períodos de referencia. Por ello sería utópico esperar una corresponden
cia perfecta. Lo más que se puede esperar es una correlación entre el volumen de empleo obser
vado y los requerimientos teóricos de mano de obra.
El cuadro siguiente muestra los resultados de la comparación. En general se observa una es
trecha correspondencia, aun cuando hay algunos departamentos en que se notan sesgos de alguna
importancia.
Los más notorios son los que aparecen en las áreas de puna, es decir en el departamento de
Puno y ciertas provincias de Cuzco. En esas zonas, el requerimiento es bastante más alto que el
empleo, debido probablemente a que predominan las tareas pecuarias en que intervienen niños
y mujeres que tienden a no ser incluidos en la población activa, y también a que las tareas pecua
rias, en realidad, se ejecutan durante todos los días del mes, y no solamente en los días hábiles.
Un sesgo de sentido contrario (pocos requerimientos respecto del empleo) se observa en los de
partamentos de Loreto y San Martín, probablemente por no disponer de coeficientes estaciona
les confiables para la Amazonia y además por no haber podido descontar un grupo de trabaja
dores forestales (caucheros) que figuran englobados en un grupo mayor.
Pero en líneas generales, y fuera de excepciones como éstas, las personas que declararon tra
bajar en tareas agropecuarias en cada provincia corresponden a niveles compatibles con los reque
rimientos de trabajo de mayo y junio, acercándose a uno de ellos o a su promedio, o excediéndo
los por exceso o por defecto pero dentro de límites razonables. Vistos los problemas metodoló
gicos subyacentes, estos resultados alientan la hipótesis de que si los datos de empleo y de reque
rimientos se hicieran más exactos y más comparables, ambas cifran tenderían a coincidir; en
otros términos, sugieren la idea de que el volumen de empleo observable corresponde con bastan
te precisión -a las necesidades técnicas, sin grandes excesos ni grandes déficits.
109
C uadro 46
PERU: EMPLEO AGROPECUARIO CENSADO Y REQUERIMIENTO LABORAL
MAYO A JUNIO 1972
110
(...continuación Cuadro 46)
111
(...continuación Cuadro 46)
112
(...continuación Cuadro 46)
113
(...continuación Cuadro 46)
(a) Los trabajadores agrícolas ocupados corresponden a la población económicamente activa ocupada, de 6 años y más, en el
grupo ocupadonal “Trabajadores agrícolas y forestales, cazadores y pescadores”, excepto aquellos grupos primarios de ocu
pación cuyas tareas no están contempladas en los requerimientos (se han excluido así a los pescadores, cazadores y trabaja
dores forestales, así como a los jardineros, sericicultores, apicultores, etc.). Los datos se han extraído de los tabulados iné
ditos del Censo de 1972, existentes en el INE. Para el Departamento de lima se efectuó una estimación ya que el cuadro
respectivo ha desaparecido de la citada oficina.
(b) Los requerimientos de mayo y junio (y su promedio) se ha reducido a meses/hombre utilizando el número de días útiles dis
ponibles en cada provincia en esos meses, dato elaborado por el estudio del CEEB. En la mayor parte de los casos, hubo 2 5
días útiles en mayo y 24 en junio, aunque en algunas provincias hubo menos, debido a fiestas locales.
5. REQUERIMIENTOS PROMEDIO A NIVEL NACIONAL
Tomando como base la Estadística Agraria de 1976, con datos a nivel departamental, he
mos calculado los requerimientos nacionales para determinados cultivos principales. Si bien este
procedimiento es sólo aproximado, permite obtener dos resultados: de una parte, la importancia
relativa de cada cultivo en la demanda global de trabajo agrícola. En segundo término, los coefi
cientes promedio de trabajo requerido en diversos cultivos, de acuerdo a la suma ponderada de
sus requerimientos departamentales.
114
Se podría haber hecho lo mismo en base a los datos provinciales, lo que hubiera sido un
poco más exacto, pero también mucho más laborioso. Creemos, por otro lado, que al tomar la
estructura productiva de 1976 nos acercamos más a la actualidad.
El cuadro 47 indica para ese año el total de requerimientos anuales distribuido por cultivos
y por especies ganaderas.
Cuadro 47
ESTRUCTURA DE LOS REQUERIMIENTOS LABORALES
AGROPECUARIOS POR PRODUCTO - 1976
(En días/hombre por año)
(a) Sumas redondeadas que pueden no coincidir.
115
Como se puede ver, en ese año (el último para el cual disponemos de datos pecuarios) los
requerimientos agrícolas representaban el 45.124b del total; dentro de las actividades de cultivo,
a su vez, los productos considerados representaban más del 90% del total, siendo la papa, el
maíz, el café y el arroz los más importantes: esos cuatro productos representaban alrededor del
54% de todo el trabajo agrícola.
En realidad, existe consenso que las cifras oficiales de los últimos años no consiguen captar
toda la extensión dedicada al cultivo de la coca; para 1976 la Estadística Agraria arrojaba no más
de 13,475 hectáreas, cuando estimaciones de los especialistas en narcotráfico daban una cifra
tres veces mayor, es decir en tomo a 40,000 hectáreas como mínimo. Si así fuese, la planta de
coca arrojaría un requerimiento de siete millones de jomadas laborales para ese año, lo que re
presentaría un incremento de su respectivo porcentaje hasta alrededor de un 2% del total agro
pecuario, o equivalentemente un 4% del total agrícola. Esta insuficiencia debe tenerse en cuenta,
pero no obstante no alteraría notablemente los resultados aquí ofrecidos.
En el sector pecuario, vacunos y ovinos absorben un 60% del total de requerimientos labo
rales de la ganadería, es decir alrededor de un 32% del total de requerimientos agropecuarios en
su conjunto. El conjunto formado por los cuatro cultivos mencionados más arriba, con la produc
ción ovina y vacuna, cubren un 57% del total de requerimientos laborales agropecuarios del país.
Si bien estos promedios están afectados por cambios en la participación de cada departa
mento dentro del total nacional, son una base para obtener coeficientes de alcance nacional que
pueden ser aplicados, en primera aproximación, sin recurrir a un análisis desagregado por provin
cias o departamentos.
En el cuadro 48, por fin, aparece la desagregación mensual de los requerimientos de cada
cultivo considerado, a nivel nacional. La estacionalidad resultante, por supuesto, no coincide ne
cesariamente con la de una determinada zona de cultivo, pues proviene de la suma de requeri
mientos de diferentes zonas, lo que tiende a suavizar la estacionalidad. Esto es particularmente
evidente cuando el producto incluye variedades muy heterogéneas y se cultiva en muy diferen
tes zonas, como es el caso del maíz por ejemplo.
116
Cuadro 48
REQUERIMIENTOS MENSUALES DE TRABAJO POR CULTIVO,
A NIVEL NACIONAL (1976)
(a) Se refiere a 96,140 Has.; excluye 2,150 sin información. •
(b) Se refiere a 132,600 Has.; excluye 560 Has. sin información.
(c) Se refiere a 58,980 Has.; excluye 3,440 Has. sin información.
(a) Se refiere a 64,165 Has.; excluye 295 Has. sin información.
(b) Se refiere a 419,195 Has.; excluye 520 Has. sin información.
(c) Se refiere a 133,145 Has.; excluye 780 Has. sin información.
(d) Se refiere a 133,145 Has.; excluye 780 Has. sin información.
La cifra del “Total” no coincide con la suma de los meses por redondeo.
117
(a) Se refiere a 252,810 Has.; no hay zonas sin información.
(b) Se refiere a 120,659 Has.; excluye 122 Has. sin información.
(c) Se refiere a 128,865 Has.; excluye 2,960 Has. sin información.
Los requerimientos por Ha. para el total del año no coinciden con la suma de los meses por efecto del redondeo.
(a) Se refiere a 35,703 Has.; excluye 150 Has. sin información.
(b) Se refiere a 13,475 Has.; excluye 70 Has. sin información.
Convención.
(c) Se refiere a 174,250 Has.; excluye 350 Has. sin información.
Los requerimientos para el total del año no coinciden con la suma de
Seusó para todo el país el requerimientocalculado
los requerimientos mensuales por efecto
118
para La
del redondeo.
TERCERA PARTE
CUADROS ESTADISTICOS
NOTA
Se publican solamente los cuadros más importantes. Aparecen así los requerimientos anuales por
producto y departamento para la serie 1929-72 y para 1964-79 (se omiten los detalles del mes de
junio). Asimismo, aparecen los requerimientos mensuales por provincia para 1972, pero sin de
tallar productos.
I
REQUERIMIENTOS AGROPECUARIOS ANUALES
POR
DEPARTAMENTO Y PRODUCTO
1929 - 1972
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE AMAZONAS
(a) En 1929, “arveja” incluye habas, las cuales en cambio aparecen incluidas en el “resto” en los años 1961 y 1962. En 1944,
la categoría “frijol” incluye todo tipo de menestras. Para ese mismo año, la superficie de menestras ha sido estimada en base
a la producción registrada y al rendimiento observado en 1929 y 1961.
(b) Incluido en café.
En 1961 se excluyen 922 auquénidos registrados por el Censo, que se consideran fruto de un error de clasificación.
123
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE ANCASH
(a) Incluido en arveja. Se adopta un coeficiente de 59 jornadas/Ha. como promedio entre arveja (56) y haba (62).
(b) Incluido en arveja. Se adopta un coeficiente de 58 jomada s (el coeficiente del frijol es de 49).
(c) Incluido en yuca.
Para 1944 se han considerado 21,274 Has. de papa (la fuente da sólo 7,000), estimado por interpolación entre 1929 y 1961.
124
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE APURIMAC
(a) Incluido en haba.
125
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE AREQUIPA
( a) Incluido en frijol.
(b) Incluido en yuca.
En 1961, la quinua incluye otros cereales no mencionados.
126
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE AYACUCHO
(a) Incluido en haba.
En 1929 se ha estimado el área con maíz ante el evidente error de la fuente consultada (véase explicación en el texto).
127
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE CAJAMARCA
(*) Inchiido en otros pastos cultivados.
(b) Incluido en arveja seca. Coeficiente conjunto: 59.
(c) Incluido en frijoL
(d) Incluido en yuca.
Para 1929 se ha corregido la superficie censal de maíz, café, frijol y arveja. Según se explica en d texto.
128
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE CUZCO
(a) Incluido en café.
La superficie con café y «oca en 1929 ha sido estimada (ver texto).
129
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE HUANCAVELICA
(a) Incluido en baba.
(b) Incluido en frijol.
(c) Incluido en yuca.
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE HUANUCO
(a) Incluido en haba. Coeficiente conjunto: 57.
(b) Incluido en café.
131
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE ICA
(a) Incluido en frijol.
(b) Incluido en vid.
132
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE JUNIN
(») Incluido en haba.
133
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE LA LIBERTAD
(a) Incluido en haba.
(b) Incluido en lenteja.
(c) Incluido en frijol.
(d) Incluido en yuca.
Para la caña de azúcar se consideran 200 jornadas/año en 1929, 100 jomadas/año en 1944, y 50 jomadas/año en 1961 y 1972.
134
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE LAMBAYEQUE
(a) incluido en frijol
(b) Incluido en yuca.
(c) Incluido en limón; insignificante.
(d) Incluido en frijol.
Pata la Caña de azúcar se han considerado 200 jornadas por año en 1929 y 100 en 1944; para 1961 y 1972 se ha tomado un c De
ciente de 52 jomadas por año.
Se ha corregido la superficie censal de naranjo (7,386 Has.) por ser totalmente irreal. Probablemente se trataba del numero x
plantas y no de Has. Se han considerado sólo 70 Has. de naranjos.
135
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE LIMA Y PROV. DEL CALLAO
(a) Incluido en maíz grano.
(b) Incluido en baba. Coeficiente: 57.
(c) Incluido en frijol.
(d) Incluido en camote.
(e) Incluido en pastos cultivados.
136
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE LORETO
(a) Incluida en café.
El plátano en 1929 fue estimado en base al número de plantas, de acuerdo a la densidad promedio de 1961. En 1944 incluye tam
bién otras tintas.
En 1961 se han «nítido 4,982 Has. de cancho, así como 1,239 cabezas de ganado auquénido que se consideran fruto de un error
de Hagfíftifjñn.
137
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE MADRE DE DIOS
(a) Incluido en otros pastos cultivados.
Para 1944 se ha recurrido a una interpolación lineal entre 1929 y 1961 por la evidente ineaxaetitud de los datos estadísticos de
1944, en lo que se refiere a la actividad agrícola. En 1961 se han emitido 106 cabezas de ganado auquénido, que se consideran
fruto de un error de clasificación.
138
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE MOQUEGUA
(a) Incluido en baba.
El olvido de 1944 ha sido estimado por interpolación, pues la fuente no lo da por separado.
139
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE PASCO
Las cifras de 1944 son estimadas. La fuente no distingue entre Pasco y Junín.
Los estimados se han restado de las cifras que la fuente suministra para Junín, excepto el café que ha sido añadido por conside
rarse que el área cafetalera de Pasco (Oxapampa) no está incluida en las estimaciones de 1944. En el caso de la actividad pecuaria,
los datos se estimaron por interpolación 1929-61.
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE PIURA
(a) Incluido en maíz grano.
(b) Incluido en fríjol seco.
(c) Incluido en arveja seca. Coeficiente utilizado: 55.
(d) Incluido en yuca.
(e) Incluido en frijol seco. Coeficiente utilizado:
58.
En 1961 se han excluido 1,779 cabezas de ganado vacuno auquénido, reportadas en el censo que se consideran fruto de un error
de clasificación.
141
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE PUNO
(a) Incluido en cebada forrajera. Coeficiente utilizado: 34.
(b) Incluido en maíz grano.
(c) Incluido en baba.
(d) Incluido en café.
Las afinas de papa de 1929, como se «replica en el texto, han sido corregidas de un evidente e importante error en la fuente.
142
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE SAN MARTIN
(a) Incluido en café.
143
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE TACNA
(a) Incluido en maíz grano.
Pana 1944 la superficie de viñedos es un estimado no suministrado por la fuente.
144
REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO
(en jomadas)
1929-1972
DEPARTAMENTO DE TUMBES
(a) Incluido en yuca.
En 1961 se han excluido 507 cabezas de ganado auquénido, que se consideran fruto de un error de clasificación censal.
145
II
REQUERIMIENTOS AGROPECUARIOS ANUALES
POR
DEPARTAMENTO Y PRODUCTO
1964 - 1979
REQUERIMIENTOS ANUALES AGROPECUARIOS
DEPARTAM.E NTO D_E AMAZONAS
(1964-7~)
Ac:dvldad
l. A,rfc:ola
Pastos
Cacao
Café
Coca
Arro.z
Mala:
'
149
Trigo
I?Utano
Arveja
Frijol
Papa
Yuca
Sub-total
Tobll
Por Ha.
1964
53,360
17,250
9M,500
21,120
271,500
960,000
126,500
210,000
H,OOO
126,000
180,000
322,000
3'288,230
3'877,779
71.53
1965
1966
1967
1968
1969
1970
1971
l97Z
1973
1974
1975
1976
Toul
3. AIJopec:uarla (1 + 2)
1 "296,000 1'296,000 1'296,000 1'296,000 1'440,000 1'483,200 1'512,000 1'584,000 1'612,800 1'641,600 1'713,600 1'756,800 1'766,880
240,000
240,000
243,276
237,252
220,200
225,216
227,976
223,212
223,212
210,672
250,800
260,832
200,640
-
1978
28,060
21,068
33,120
57,776
63,664
67,896
85,146
84,226
89,240
90,881
38,180
26,680
101,899
89,792
33,1 20
30,475
19,550
20,815
18,860
19,205
19,205
19,205
18,975
23,230
24,725
34,040
19,550
19,895
600,060
925,275
991,523 1'004,663
990,915 1'050,653
689,MO
608,273
732,555
989,333
951,008 951,008 1'847,594 2'030,678
22,880
13,728
22,000
22,880
22,880
21,120
19,712
20,064
14,960
13,552
22,880
22,880
40,656
51,216
968,350
941,200
407,250
524,900 649,790
817,215 1'031,700 1'099,575 1'126,725 1'034,415 1'145,730 965,635 1'217,225
606,900
750,000
175,500
580,700
836,100
919,800
868,200 921,900 927,600
974,100 1'026,540
584,000 630,000 552,BOO 703,200
106,700
61,650
75,350
64,900
47,850
35,750
30,250
25,515
24,200
23,650
27,115
17,380
110,000
98,450
186,375
210,525
162,750
206,850
130,200
124,425
149,100
115,500
118,650
203,700
237,405
211,785
204,750
155,40Q
14,250
10,000
6,750
7,000
9,000
15,250
17,750
16,250
8,750
54,250
5,250
7,250
9,400
7,650
120,645
567,315
563,031
496,125
460,530
461,790
423,045
444,150
473,760
316,260
578,340 614,565
492,975
492,660
183,000
100,000 100,000
102,000
93,000
160,000
108,500 141,500
135,000
133,000
141,600 128,400
140,000
149,000
194,120
221,720
170,200
191,360 164,220
173,880
178,480
205,160
208,380
220,524
218,132
175,260
303,500
189,060
2'806,6H 3'160,455 3'079,229 3'126,493 3'505,147 3'869,889 3'705,282 4'079,754 3'701,394 3'332,384 4'105,630 4'331,793 5'143,892 5'247,435
3'207,635 3'543,201 3'688,824 3'587,98!! 4'113,557 4'595,320 5'135,188 4'758,128 5'436,842 3'769,459 4'987,701 5'054,465 5'690,244 5'674,314
56.03
70.25
73.53
75.00
14.79
72.83
82.95
76.08
71.83
69.55
33.08
73.33
72.96
73.78
2. Pec:uaria
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
1977
-
-
-
-
-
-
-
-
-
-
-
-
221,760
231,360
139,200
255,360
264,000
144,000
192,000
240,000
249,600
265,920
172,800
144,000
172,800
359,136
365,820
371,664
271,440
321,552
100,224
334,080
141 ,984
208,800
341,592
417,600
417,600
334,080
36,720
63,360
43,200
44,640
14,400
21,600
21,600
18,000
21,600
33,120
33,840
14,400
21,600
57,600
58,368
58,560
58,560
26,880
32,640
33,600
47,040
51,600
57.984
28,800
24,000
25,920
2'101,440 2' 106,672 2'101,200 2'112,192 2'026,464 2'156,784 2'182,316 1'449,332 2'467,752 2 ' 507,471 2'561,040 2'701,951 2'728,956
5'919,219 5'314,307 5'644,401 5'801 ,016 5'614,449 6'270,341 6'877,636 7'584,510 7'225,880 7'944,314 6'330,499 7'690,653 7'783,421
-
1979
102,856
25,645
2'209,053
53,680
977,400
1'324'>,000
20,515
218,295
9,600
149,751
100,400
244,628
5'443,823
6'321 ,930
74.04
~
!.REQUERIMIENTOS AN-UALES AGROPECUARIOS
1DEPARTAMENTO. DE ANC_ASJi]
(1964-7
Actividad
1964
1965
1966
1967
1967
1969
~
1970
1971
1972
1973
1974
1975
1976
1977
1978
150,050
40,200
2'216, 700
2'257,650
1 '620,025
26,108
5,800
17,340
227,080
130,830
125,550
32,560
135,840
2'305,200
93,450
216,040
121.950
4,400
9'730,778
0'473,716
64.26
155,604
38,400
1'662,900
2'112,650
1'573,550
12,810
5,394
19,040
269,640
124,21 S
140,120
48,840
146.880
2'311.200
115,700
212,960
121,000
11,600
9'082,500
9'803,023
60.14
1979
1
l. Agrícola
150
Pastos
Arrol
Cebada
Maíz
Trigo
Aj{
Sandía
Tomate
Arveja
Frijol
liaba
Camote
Olluco
Papa
Yuca
Algodón
Caña de azúcar
Maní
Sub·total
Total
Por Ha.
132,840
146,205
137,295
138,SIO
145,638
160,947
163,944
169,128
173,2 59
170.748
169.695
145,200
121,800
121,200
240,000
103,800
02,000
120,000 178,800
110,400
110,400
78,000
1'842,000 1'890,000 1'918,800 1'897,800 2'040,000 1'872,600 1'771 ,200 1'775,700 1'749,900 1'681,200 1'728,900
2'088,000 2'285,200 2'215,600 2'291,000 2'345,520 2' 528,800 2'575,200 2'534,600 2' 132,660 2'094,380 2'105,400
1'512,500 1'677,500 1'695,650 1'706,650 1'852,400 1 '790,250 1 '743,500 1'785,300 1'937,100 1'752,850 1'825,175
13,420
23,1 80
22,.570
21,655
17,690
24,400
18,300
12,810
10,980
10,370
9 ,760
6,380
10,440
14,500
17,400
17,110
11,600
12,760
11,020
11,020
11.600
28,560
34,000
42,160
92,180
13,300
23,120
31,280
22,780
22,100
20,060
15,300
154,000
222,880
238,000
211,120
193,760
199,926
154,560
122,080
178.640
113,400
123,760
120,050 132,300
117,600
144,060
75,950
129,850
123,970
102,900
99,225
118,090
143,570
245,52 0
191,890
236,840
218,240
255,440
199,020
187,860
151,280
140,120
135,470
143,530
40,700
45,140
22,200
46,990
48,100
29,230
24,235
21,460
18,315
26,825
22,200
223,680
198,240
204,480
115,200 163,200 218,400
176,160
192,960
110,880
134,880
149,280
, 0
3'362,400 3'378,000 4'548,000 4'068,000 3'741,600 2'667,600 2'463,000 2'384,400
3' 570,000 3'180,000 3'2~8
142,400
164,650 . 166,430
113,030
39,000
160,645
81,800
71 ,200
81,880
81,880
72,980
334,400
105,600
44,000
488,000
228,800
118,800
12,320
24,640
61,600
156,640
116,160
118,250
140,000
113,500
115,000
85,750
95,000
68,500
85,000
76,250
80,750
93,750
9,200
4,000
7,200
6,000
6 ,000
6 ,000
4,400
8,200
12,200
10,800
10'484,074 10'760,385 10'342,025 10'848,280 8'725,753 12'119,832 11 ' 382,409 11'034.398 9'533,569 9 ' 174, 733 9'204,290
11'163,970 U'SS0,786 11'799,819 11'913,764 10'800,921 13'381,813 12'750,002 12'433.663 10'247,538 10'290,790 10'320,604
63.82
64.20
62.08
66.05
65.09
63 .69
63.99
61.17
60.14
59.67
64.78
168.966
154.710
49,200
45,600
1 '693,200 1'687,500
2'099,600 2'262,000
1'748,450 1'741 ,575
16,470
15,555
6.380
5,800
16,320
17,340
115,920
10.360
142,100
147,980
121,210
164 ,300
37,000
27,010
123,840
114,240
2'238,000 2'244,000
60,520
53,400
132,000
178,200
115,500
117,000
10,600
16,000
8'892,096 9'005,750
9'543,890 10'067,949
58.98
58.62
149, 364
61,6801
1'652,400
1'652,4781
1'092,410
12,810
5,2781
22,780
290,920
lOS , 191
147, 560 ¡
58,090 1
156.960
2'428.440
133,500
191.224
113,450
12,200
8'287,335
9'116,707
61.43
l. Pecuaria
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
Total
4'989,000 4'989,000 5' 009,160 5'009, 160 4'909,176 5' 388,120 5'587,680 5'308,296 4'651,740 4'370,364 4'460,172 4'480,128 4'500,084
3'866,400 4'076,904 4'196,904 4'196,904 4!040,904 4'068.312 4'081 ,200 4'038,240 3'312,216 3'271 ,404 3'318,660 3'297,180 3'295,032
-
-
-
-
-
-
-
-
-
-
-
-
-
767,600
796,81)0
796,800
816,000
902,400 1'008,000 1'006,080 1'003,200 1'003,200 1'003,200 998,400
768,000
998,400
1'670,400 1'670,400 1'336,320 1' 336,320 1'369,368 1'361 ,376 1'369,368 1'269,504 1'419,840 1'440,720 1'457,400 1'453,248 1'453,248
576,000
576,000
720,000
720,000
720,000
763,200
763,200
835,200
849,600
828,000
843,840
831,600
830,160
88,320
89,280
90,240
94,080
96,000
153,600
178,560
96,000
177,600
184,320
213,120
263.808
246.528
11'965,800 12'168,224 U'4U,464 ll'H9,424 J 1'949,528 U'579,408 12'.9 63,048 12'635,880 11'414,196 11'098,000 ~1'296,3
11'307,084 11'340,732
-
3. Agropecuaria (1+ 2) 23'129, 770 2.3'719,010 23'2.31,283 H463,l8H 22'750,449 25'961,2.ll 25'713,050 25'069,543 2.1'661,734 21'388,798 21'616,996 2.0'8,0,974 2.1'408,681
1
1
REQUERIMIENTOS- ANUALES AGROPECUARIOS
DEPARTAMENTO DEA PURIMAC
(!964-1972}
Actividad
151
l. A¡ríc:ola
Pastos
Coca
Melo¡;otón
Cebada
Maíz
Quinua
Trigo
Cebolla
Col
Arveja
Haba
Frijol
Oca y Olluco
Papa
Caña de azúc.a r
Sub-total
Total
Por Ha.
1964
87,400
-
-
1965
64,400
-
-
228,000
467,400
1'836,000 2'091,000
24,750
31,500
612,000
518,400
3,930
6,550
4,000
10,200
15,810
123,000 139,400
27,000
22,500
153,600
278,400
1'596,000 1'862,000
6,240
12,688
4'616,571 5'605,700
4'820,588 5'882,990
99.23
96.62
1966
45,080
-
1967
46,920
-
1968
34,040
-
1969
35,880
-
1970
39,560
-
1971
48,300
-
16,016
12,480
16,016
16,432
13,520
16,016
524,400
535,800
239,400
208,050
194,940
212,610
1'958,400 1'958,400 1'326,000 1 '336,200 1'856,400 2'111,400
18,000
18,900
8,550
9,000
11,700
12,375
558,000
561,600
256,320
261,720
142,480
223,200
15,065
15,065
11,790
9,170
11,135
10,480
8,000
9,000
6,000
5,000
7,500
9,000
11,220
5,865
7,650
8,160
10,965
8,415
123,820
150,060
85,280
63,960
71,750
75,440
20,700
22,950
14,850
10,800
27,000
33,300
286,080
284,160
139,200
H4,400
147,360
177,120
1'802,150 1'864,660
1'270,150 1'675,800 1'799,540
13,260
13,000
10,660
9,620
17,940
5'386,836 5'373,071 3'282,720 3'376,670 4'230,546 4'727,232
5'684,689 5'539,548 3'461,732 3'618,315 4'600,556 5'294,317
96.14
93.90
99.18
101.02
101.73
103.84
1972
48,300
1913
50,600
-
-
16,432
198,930
2'233,800
9,225
289,800
10,480
7,000
12,750
77,900
48,600
162,528
1'602,650
8,840
4'727,355
5'417,108
102.98
16,432
219,450
1'989,000
12,680
280,800
10,480
7,000
11,475
110,290
44,550
199,680
2'011,625
11,960
4'976,022
5'575,269
103.91
1974
50,600
-
1915
50,600
-
1916
50,600
-
15,392
15,600
15,392
175,845
207,480
205,200
2'050,200 1'795,200 2'060,400
10,350
10,575
13,050
237,600
253,080
224;280
7,850
22,270
7,860
6,000
8,000
8,000
10,710
15,045
14,790
77,080
79,540
82,000
54,450
67,500
67,500
105,600
109,600
62,400
1'95.5,100
144,380 1'542,800
11,440
10,920
8,320
4'768,267 4'089,327 4' 36:1,055
5'345,515 4'687,015 4'917,228
105.24
97.01
102.23
1. Pecuaria
Vacunos
Ovinos
Auquénidos
Equino•
Porcinos
Caprinos
Aves
Total
3'135,000 3'135,000 3'762,000 3'824,700 4'012,800 5'028,540
2'343,000 2'428,200 2'428,200 2'470,800 2'470,800 2'896,800
1'440,000 1'440,000 1'440,000 1'440,000 2'016,000 2'844,000
672,000
672,000
960,000
960,000 1'152,000 1'536,000
835,200 1'085,760
835,200
835,200
835,200
876,960
542,880
501,120
501,120
501,120
559,584
835,200
2'923,200 1'670,400 1'712,160 1'753,920 1'795,680 2'672,640
11'849,5:20 10'681,920 11'638,680 11'869,260 1:!'842,064 16'898,940
J. Agropecuuia (1 + 2)
16'670,108 16'564,910 17'323,369 17 1408,808 16'303,796 211517,255 23'683,916 25'497,301 21'671,012 21'314,205 21'125,551 20'763,667 111663,808
5'016,000 5'392,200 5'141,400 4'890,600 4'953,:100
2'896,800 2'896,800 2'343,000 2'300,400 2'300,400
2'736,000 2'736,000 2'592,000 2'541,600 2'520,000
1'920,000 1'728,000 1'776,000 1'680,000 1'680,000
1'252,800 1'269,504 1'252,800 1'236,096 1'236,096
918,720 1'085,760 1'060,704 1'002,240 1'002,240
4'343,040 5'094,720 2'088,000 2'088,000 2'088,000
9'083,360 20'202,984 16'253,904 15'738,936 15'780,036 ~6'07,52
4'928,220
2'300,400
2'858,400
1'680,000
1'211,040
1'002,240
2'096,352
4'903,140
2'300,400
2'520,000
1'680,000
1'211,040
1'002,240
2'129,760
15'746,580
1977
1978
1919
39,100
37,260
34,960
10,400
12,480
10,400
188,100 207,480
196,365
2'032,656 2'055,300 2'065,500
13,050
12,825
13,500
220,176
237,600
226,800
13,100
10,480
9,825
6,000
12,500
6,000
16,830
18,105
19,380
78,310
79,950
85,690
61,200
66,150
69,300
124,800
120,000
128,352
1 '596,000 1'675,800 1 '642,550
5,720
5,460
5,356
4'411,074 4'554,110 .rsos,626
4'647,904 4'765,361 4'750,868
102.30
102.31
102.20
-
REQUERIMIENTOS ANUALES AGJ!OPECUARIOS
PEARTÁM
Actividad
l. Agrícola
152
Pastos
Manuno
Melocotón
Olivo
Peral
Vid
Arroz
Cebada
Maíz
Quinua
Trigo
Plátano
Sandía
Ají
Ajo
Cebolla
Col
Lechuga
Tomate
Zanahoria
Zapallo
Prijol
Haba
Camote
Oca y Olluco
Papa
Yuca
Algodón
Caña de azúcar
Sub-total
Total
Por Ha.
2.
Pé~uari
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Total
3. Agropecuaria (1 + 2)
1964
1965
1966
1967
1968
~ EN'JO
J)_E AREQVIPA
( 1904- f919)
1969
1970
-
197l
1972
1973
1974
1975
1976
1'323,880 1'377,880 1'294,000 1'337,770 1'489,600 1'509,200 1'670,900 1'747,340 1'672,370 1'661,100 1'679,230 1'519,000 1'523,900
26,136
28,072
1,865
32,549
33,275
36,300
37,510
27,830
39,325
43,560
43,560
35,200
33,300
34,100
33,800
33,700
33,000
3 2,000
33,000
33,700
32,300
33,000
57,230
83,780
57,230
59,000
6,050
62,776
80,24()
68,145
81,420
82,60C
83,78(
83,780
94,282
26,600
25,403
20,615
20,349
20,615
19,551
20,349
20,748
21,280
23,940
23,674
121,500
46,170
92,525
141,750
42,795
51,975
85,350
82,650
55,350
41,445
53,325
54,000
41,175
499,800
387,600
377,400
397,800
499,800
496,740
469,206
513,060
483,480
474,300
534,480
560,490
603,840
170,850
186,660 169,830
175,900 106,095
178,500 191,250
181,560
221,850
203,745
211,905
158,610 153,765
1'150,500 1'169,380 961,700
957,600
982,940
994,740
873,200
811,840
840,160
812,430
756,380
708,000
946,950
14,600
14,600
13,870
17,520
6,570
12,775
8,760
5,840
8,395
5,475
5,110
5,840
6,570
205,500
300,000
277,500
189,750
147,750
88,500
100,500
90,375
101,250
116,250 118,500
105,750
114,000
10,200
14,280
15,300
14,280
9,180
10,200
9,180
7,140
6,120
5,100
4,590
4,080
4,080
10,680
13,250
10,680
9,600
4,800
3,600
4,200
2,400
3,600
2,400
3,600
2,670
36,000
37,440
38,880
50,400
38,800
22,320
34,560
33,840
28,800
18,000
19,440
23,760
26,640
97,060
75,900
154,030
147,700
103,390
105,500 165,635
69,630
71,740
179,BO 169,855
185,680 263,750
340,400
276,000
196,880
217,120
219,880
241,040
349,600
341,320
334,880
332,120
356,040
372,600
373,520
21,280
18,620
18,620
23,940
11,035
13,965
13,965
14,630
13,300
14,630
13,965
13,965
33,660
29,070
24,480
13,300
16,065
6,885
6,885
11,475
6,885
10,710
10,710
13,520
36,335
37,180
41,405
49,010
36,335
35,490
24,505
25,350
38,025
38,870
43,940
44,785
10,200
11,400
9,600
8,400
9,000
8,400
9,600
11,400
12,000
12,000
12,000
15,810
12,750
11 ,220
14,790
15,810
17,340
19,380
22,440
23,460
2!1,500
236,000
217,120
174,050
197,945
204,140
197,945
202,370
204,140
203,550
207,090
213,580
259,600
197,535
70,400
102,960
106,040
127,160 114,400
84,920
90,200
99,880
119,240
89,760
101,200
102,960
102,520
45,140
41,070
57,350
37,000
35,520
33,300
32,560
50,320
30,340
29,600
23,316
28,860
26,270
40,320
45,120
24,000
21,120
21,120
37,440
18,720
11,040
8,160
13,440
17,280
10,180
10,560
960,750
722,850
618,540
1'299,300 1'281 ,000 1'024,800 1'119,980
559,065
494,100
527,040
528,870
587,430
558,150
21,450
22,880
35,750
17,160
35,750
40,040
15,730
20,735
17,875
17,160
15,015
12,870
14,729
629,160
706,200
706,200
588,500
638,790
647,350
567,100
377,710
316,720
240,750
232,190
209,720
100,580
271,975
421,245
303,130
333,960
289,685
369,380
250,470
254,265
213,785
255,530
254,265
255,530
211,355
6'768,870 6'756,090 6'013,839 6'294,667 6'478,860 6'050,990 5'972,477 5'692,225 5'564,441 5'396,919 5'556,83 5 5'447,870 5'629,315
7' 164,186 7'112,1S2 6'313,094 6'609,360 6'802,847 6'338,096 6'281,200 6'063,598 6'332,863 5'638,583 5'867,124 7'106,000 5'77S,S55
91.51
90.83
89.52
89.25
88.28
86.04
82. 17
80.12
79.71
78.74
80.14
82.68
82.02
-
-
-
-
-
-
-
2'231,760 2'231,760 1'837,920 1'837,920 2'363,040 2'244,888 2'100,480 2'100,480 2'192,376 2'231,760 2'258,016 2'459,796 2'540,268
619,632
643,944
714,960
667,296
595,800
635,520
814,260 1'000,944 1'000,944 994,992
784,296
993,000
989,028
3'362,400 3'362,400 2'808,000 2'808,000 1'944,000 2'088,000 3'564,000 3'564,00( 3'420,000 3'441,600 3' 528,000 3'290,400 3'204,000
336,000
336,000
451,200
451,200
470,400
480,000
480,000
451,200
432,000
417,600
416,640
403,200
398,400
501,120
H4,080
334,080
417,600
373,248
384,192
417,600
442,560
384,192
~96,720
421,776
442,560
443,496
230,400
288,000
302,400
2)0,400
216,000
194,400
230,400
230,400
331,200
345,600
356,400
349,200
345,600
7'243,080 7'114,272 6'354,720 6'461,064 6'096,048 6'0~8,7
7'576,776 7'S44,H2 7'773,240 7'861,920 7'997,568 7'934,556 7'920,792
14'407,266 14'226,424 12' 667,814 13'070,424 12'898,895 12'396,871 13'857,976 13'608,130 14'106,103 13'500,502 13'864,692 5'040,556 13'696,347
- · - -~
-
-
L____
------
1977
1978
1979
1'622,635 1'724.604 1'654,387
43,076
42,955
43,802
39,300
39,200
35,600
92,630
117,174
126,968
24,738
27,797
28,196
41,175
34,560
29,835
733,890
765,510
801,288
122,043
132,447
198,798
1'141,532
776,086
622,214
7,519
10,366
12,994
87,000
83,100
67,275
4,590
2,856
1,020
7,476
7,654
12,905
27,504
8,784
40,608
159,727
262,062
223,871
540,040
441,600
478,584
29,393
16,625
29,260
11,934
10.710
23,562
75,753
28,223
53,066
16,560
19,800
31,320
52,632
52,632
71,706
211,731
244,530
252,642
122,408
100,320
131 ,736
43,290
48,248
40,034
11,712
18,912
16,128
503,799
543,144
464,637
30,602
19,734
14,300
79,843
93,411
83,246
187,473
175,582
257,301
6'151,049 5'800,430 5'875,665
6'301,315 6'074,902 6'265,488
81.92
78.67
79.96
REQUERJMIENTOS- ANUALES .AGROPECUARIOS..
1964
19.65
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
117,1ZO
164,000
135,840
246,400
147,840
10,080
871,100
2'208,000
875,000
52,400
51,000
122,500
13,200
1'209,000
92,000
15,600
6'049,960
6'569,444
49.36
137,280
299,200
147,840
10,080
837,000
2'028,800
840,000
41,920
50,490
114,950
11,200
1'236,900
119,600
15,600
5'900,860
6'442,555
49.74
155,231
352,000
146,080
12,320
787,400
1'590,400
735,000
31,990
69,360
126,910
10,000
1'153,200
159,620
10,200
5' 345,212
5'866,696
48.97
i$&,880
598,400
156,640
25,760
747,100
1'595,840
735,000
19,650
78,540
142,835
2,800
1'181,100
149,500
12,600
5'604,545
6'103,684
50.56
tsa,6oo
299,200
147,840
10,080
852,500
2'099,200
840,000
. 41,920
53,040
134,260
11,600
1'227,600
124,200
14,400
5'993,120
6'423,660
49.77
153,600
792,000
264,000
25,760
682,000
1'646,080
672,000
20,960
74,970
140,140
6.800
1'078,800
102,120
9,900
5'669,130
6'574,078
53.14
U$,520
1'232,000
316,800
;28,560
682,000
1'760,000
595,000
15,720
94,095
210,700
8,400
1'162,100
87,400
13,800
6'362,495
7'114,207
56.85
159,360
1'267,200
328,240
29,120
639,500
1'817,600
619,500
14,410
115,005
205,800
12,000
1'q8,790
90,160
15,000
6'427,685
7'066,488
57.06
159.360
1'320,000
328,240
29,680
624,650
1'856,000
644,000
19,650
117,810
212,905
12,200
1' 143,900
93,840
10,200
6'572,435
7'359,7:23
57.46
157,920
1'408,000
339,680
30,800
620,000
1'708,800
654,500
31,440
99,960
193,5SO
11,800
1' 153,200
92,000
7,800
6'509,450
7'168,62.2
58.10
U9,6oo
1'408,000
343.,200
30,800
620,000
1'782,400
644,000
20,305
99,960
193,550
11,600
1'134,600
64,400
7,800
6'514,215
7'350,767
58.24
i19,376
1'443,200
369,600
30,240
651,000
1'677,120
346,500
15,720
93,840
157,780
9,400
1'116,000
. 82,800
11,100
6'125,670
7'070,079
62.10
110,112
1'584,000
387,200
30,240
682,620
1'651,840
286,580
16,375
99,195
167,580
8,720
1'143,900
90,160
10,380
6'268,902
7'187,068
63.05
1'865,600
404,800
30,240
713,620
1'682,880
287,38.5
17.030
102.510
180,320
9 ,800
1'1 48,550
104,420
10,680
6'644,2 35
7'709,328
66.8 3
Actividad
1. Agrfcola
Past01
Cal~
Coca
hito
Cebada
Maíz
149,6~
Trigo
153
Cebolla
Awcjá
Haba
Frijol
Papa
Yuca
Caña de azúcar
Sub-total
Total
Por Ha.
l. Pecuaria
Vacunos
Ovínos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
Total
10,080
775,000
2'432,000
875,000
$2,400
61,200
122,500
18,000
1'395,000
87,400
8,400
6'367,700
6'806,778
51.65
5'212,800
3'120,000
1'166,400
960,000
1'002,240
1'368,000
53,760
12'883,200 ~2'86,50
3. A¡ropecuarla (1 '!' 2) 19'68.9,978 ~9'456,0
5'212,800
3'276,000
936,000
1'171,200
1'002,24()
1'238,400
49,920
137,~80
704,000
202,400
25,760
719,200
1'675,200
682,500
1?,650
80,070
133, 525
8,000
1'116,000
121,440
10,200
5'651,545
6'5H,202
52.14
5'212,800 5'212,800 5'039,400 6'602,880 9'122,400
3'276,000 3'283,800 3'315,0()0 3'900,000 4'290,000
1'440,000 1'440,000 1'620,000 2'448,000 2'736,000
1'267,200 1'267,200 1'261,450 1'833,600 2'035,200
1'010,592 1'077,408 1'215,216 1'211,040 1'169,280
1'404,000 1'404,000 1'404,000 1'476,000 1'584,000
51,840
55,680
72,960
100,800
51 ,840
13'662,430 13'670,230 13'772,938 17'548,656 18'079,440 ~1'05,8
20'104,985 20'093,890 19'639,634 23'652,340 24'612,042 ~7'69,58
8'774,880
4'680,000
2'520,000
2'131,200
1'135,872
1'733,760
96,960
6'429,120 6'498,624 6' 689,760 6'828,768 6'933,024
4'602,000 4'464,300 4'524,000 4' 582,500 4'586,400
2'448,000 2'556,000 2'628,000 2'592,000 2'556,000
1'130,880 1'898,880 1'860,480 1'850,880 1'852,800
1'123,872 1'123.872 1'123,872 1'120,224 1'120,224
2'100,960 2'129,760 2'165,760 2'095,200 2'095,200
71,040
71,808
73,920
75,456
76,608
17'917,872 18'743,244 19'065,792 19'145,028 19'219,256
25'032,079 25'809,732 26'425,515 26'313,650 26'510,023
-
{*f
Pf9m~
os
aelosñ
, 1963·f
~ ~5
por contener la cífra de 1964 un evidente error.
----
86,4oo
1
1
REQTIERIMIENT_QS ANULr~
- AGROJ>_ECUIS
~
Actividad
1964
196$
1966
1967
1969
1968
1970
1911
1973
1972
1974
1975
1916
1977
1978
1979
l. Agrícola
1
1
Pastos
Café
Coca
Arroz
Cebad
Maí:t
Trigo
Plátano
Zapallo
Arveja verde
154
Frijol
Arveja seca
Haba
LenteJa
Arracacha
Camote
~ap
Yuca
Cafia de azúcar
Tabaco
Sub-total
Total
Por Ha.
401,592
145,638
126,672
397,670
349,479
2'280,000 1'928,880 2'305,080 2'201,460 2'193,360
52,800
44,000
45,760
45,760
44,000
955,500
882,000 1'085,700 1'098,300 1'144,500
1'395,200 1'139,200 979,840
980,480
794,880
2'444,000 2'343,200 2'334,800 2'327,000 2'049,840
7'83,360
480,480
873,600
787,200
768,960
524,600
45,400
445,300
268,400
439,200
11,725
11,550
138,250
295,065
299,015
213,300
387,040 1'400,970 1'495,270 1'49,83~
246,000
319,0f)O
332,000
325,000
332,000
84,370
61,065
68,735
45,430
1?7,000
14,160
23,600
35,93C
35,9~
35,93<
78,720
87,740
57,400
73,800
22,260
35,700
38,220
35,910
30,450
2'090,000 1'375,000 1'031,250 1'108,800 1'138,500
224,270 195,160
328,000
209,100
216,890
240,000
158,700
164,100
142,800
15:1,000
48,750
62,400
109,200
39,000
68,250
11 '837,198 0'541,892 11'672,500 12'214.743 11'010,749
13'773,385 11'506,229 12'829,803 3'334_,049 12'171,406
71.96
67.65
57.86
59.50
61.17
345,042
1'664,400
33,440
1'249,500
899,840
2'588,400
615,360
359,900
16,800
88,615
1'234,100
355,000
40,710
15,340
108,,240
46,200
1'3~,950
226,320
165,600
58,500
0'715,257
0'715,258
46.66
376,884
412,032
423,342
432,521
438,524
438,567
379,929
441,273
419,184
445,049
1'373,700 1'797,780 3'100,230 3'158,940 3'201,120 3'236,460 3'202,260 3'670,800 3'898,800 4'149,600
32,560
33,440
40,832
42,240
42,240
25,520
42,592
42,592
37,840
11,440
1'306,200 1'381,800 1'023,750 1'029,525 1'041,600 1'364,475 1'228,500 923,055 1'149,435 1'157,415
948,480 1'029,120
840,960
876,800
848,640
832,000
829,440 1'004,992
93 5,()40
916,800
2'928,120 3'070,080 3'164,120 3'1 53,280 3'144,440 3'140,800 3'584,880 3'534,544 3'485,872 3'740,464
660,000
750,000
726,120
804,720
836,400
769,920
775,296
681,552
827,280
SS1,328
673,440
738,10C
779,580
896,700
874,74(
900,366
924,760 1'026,020 1'049,688 1'088,362
17,675
14,700
12,425
6,650
9,275
4,550
6,720
2,345
2,310
2,170
329,430
256,355
322,715
271,760
344,835
249,640
250,430
243,71 S 262,280
288.903
1'234,100 1'084,040 1'069,280 1'086,500 1'164,400 1'023,770 1'278,380 1 '198,512 1'257,798 1'267,8!i4
316,250
292,500
337,500
356,000
284,000
280,500
319,000
357,000
309,250
294,150
43,070
42,480
52,687
65,490
62,540
61,360
45,253
44,899
59,295
43,129
32,45()
36,875
41,300
47,200
49,265
63,720
66,670
69,620
63,425
68,735
145,960
169,740
256,250
269,780
272,650
250,000
246,410
200,736
200,408
194,094
52,950
50,'610
59,640
78,960
73,290
86,730
79,800
93,072
84,756
65,562
1'421,200 2'051,500 2'171,400 2'096,600 2'118,600 2'139,500 2'040,500 2'157,210 1'814,560 1'55!i,370
306,680
374,740
398,520
410,000
427,220
448,540 442,800
544,398
571,622
561,290
224,400
274,200
291,600
300,000
312,600
154,200
256,380
188,400
257,480
328,200
3,900
18,525
7,800
15,600
31,200
64,350
64,350
19,500
19,695
20,085
2'445,089 ~3'802,64
15'050,836 15'40] ,504 14'51 J .243 15'784,089 16'062,857 6'580,453 16'437,270 16'692,642
4'144,596 15'508,401 16'548,609 17'769,445 16'325,730 17'669,940 17'213,028 17'225,169 17'157,038 17'513,257
59.84
62.15
63.34
66.32
58.97
64.02
62.78
63.15
63.60
64.06
2. PeCUJ\ria
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
Total
3. Agr >pecuaria (1 + 2)
7'956,720 7'956,720 7'956,no 8'012,232 7'679,160 7'734,672 7'660,656 8'918,928 8'983,692
2'520,960 2'631 ,504 2'627,til (l 2'579,136 2'482,176 2'474,904 2'474,904 3'456,624 2'278,424
960,00(
960,000
979,200
979,200
969,600
960,000
998,400 1'056,000 1'012,800
1'670,400 1'503,360 1'495,008 1'495,008 1'428,192 1'386,432 1'394,784 1'430,700 1'515,880
864,000
885.600
900,000
612,000
900,000
669,600
612,000
802,80<
812,160
326,400
208,800
210,816
215,616
217,920
329.280
244,800
250,560
250,560
14'298,080 14'5,98~
14'169,360 14'181,192 13'446,648 13'497,288 13'385,544 H'9H,612 14'953,516
-
-
8'586,852 9'122,472 9'196,488 9'252,000
2'390,064 2'432,724 2'431,272 2'431,752
14'65,0~
-
-
-
-
1'032,000 1'067,520 1'082,880 1'100,160
1'561,824 1'616,112 1'628,640 1'629,480
828,000
842,400
807,120
806,400
252,864
255,360
254,208
260,160
15'336,588 15'399,888 15'480,6?2
28'071,465 25'652,213 26'999,163 27'515,241 25'618,054 24'212,546 27'530,140 31'424,013 31'502,125 32'421,049 31 '662,318 33'069,828 32'693, 700
J
REQUERIMIENTOS ANUALES AGROPECUARIOS
DEI'ARTAMEN:l'O DE- CUZCO
1(1964-1979)
Actividad
:
1964
1965
1966
1967
1968
155
1. Agrícola
Pastos
Achiote
Cacao
Café
Coca
Té
Arroz
Cebada.
Maíz
Quinua
Trigo
Plátano
Haba
Oca y olluco
Papa
Yuca
Sub-total
Tobll
Por Ha.
98,164
11,500
69,600
87,000
23,000
138,000
207,000
2'340,000 1'560,000 1'287,000
1'624,480 1'619,200 1'544,800
213,000
213,000
215,840
21,200
19,080
8,480
1'020,000 943,500
655,350
3'036,000 2'976,640 1'947,000
22,050
15,120
31,500 .
495,000
279,900
585,000
47,430 . 131,580 142,290
173,040
235,200
165,440
130,560
91,200
182,400
3'658,000 3'658,000 2'790,000
64,130
47,965
95,400
13'288,470 1'871,520 9'540,269
14'101,568 p '251,196 10'208,094 ~2'1,359
108.56
108.68
102.41
2. Pecuaria
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
Total
4'032,000
5'085,000
2'232,000
672,000
1'002,24{)
86,400
101,760
13'211,400
3. AjJ'opecuaria (1 + l)
27'312,968 22'481,212 23'700,454 H'700,29S 22'093,756 ~5'08,9
19,320
99,912
60,900
69,60C
138,00(
1'287,000
1'544,800
213,000
10,600
668,100
2'006.400
14,805
271,800
142,290
174,720
129,600
2'752.800
50,350
9'573,777
4'032,000 4'176,000
5'337,216 5'329,000
2'232,000 2'268,000
672,000
6n,ooo
835,200
835,200
86,4{)0
144,000
67.200
68,160
9'230,016 13'492,360
120.67
116,380
80,910
80,SOC
1'326,000
1'390,4{)0
245,660
102,820
499,800
1'655,286
14,175
1.71,006
128,520
131,640
127,686
2'033,600
56,710
8'161,075
8'935,060
100.82
4'204,800 4 1032,000
5'369,760 5'117,544
2'268,000 2'376,000
614,000
672,000
843,552
860.256
144,000
108,000
69,120
67,200
3',87,936 13'H8,696
1969
1970
1971
1972
-1973
1974
109,94{)
113,804
118,956
119,416
115,092
87,000
97,440
110,050
95,700
87,000
96,831
80,50C
94,30(
115,000
172,500
149,500
187.450
1'326,000 1'528,800 1'872,000 1'872,000 1'872,000 1'872,000
1'601,600 1'724,800 1'619,200 1'760,000 1'795,200 1'795,200
242,820
242,820
285,420
356,420
356,420
391,920
90,100
99,640
69,960
63,600
63,600
42,400
516,120
773,670
587,010
605,880
615,825
519,435
2'098,800 2'046,000 2'105,400 2'537,040 2'464,440 2'278,320
26,'1-60
8,505
20,790
44,415
24,570
28,350
201,600
193,500
177,300
252,000
239,400
233,100
114,750
H7,700
166,710
171,360
176,715
185,130
203,280
325,080
314,160
302,400
318,780
316,680
161,760
345,600
220,800
254,400
234,240
361,440
2'771.400 2'988,400 2'616,400 2'715,600 2'658,560 2'813,560
60,950
111,300
106,000
116,600
111,300
113,950
9'682,040 10'858,566 10'495,046 11.362,245 1'131,055 11'364,882
0'836,225 12'155,019 12'119,022 2'469,858 12'630,635 12'896,239 ~1'052,8
105.15
101.83
103.94
105.54
104.90
106.04
98,900
4'608,000 4'752,000 5.242,4{)0
5'329,000 5'329,080 5'329,000
2'340,000 2'952,000 2'412,000
758,400
902,400
988,800
960,480
943,776
851,904
180,000
176,400
180.000
76,800
86,400
115,200
4'2,2,760 15'145,656 H'2U,784
~
1975
1976
1977
--
1978
1979
115,000
115,000
96,582
80,793
71,096
95,700
105,183
104,400
104,400
97,440
201,250
195,500
253,000
276,000
299,000
2'028,000 2'106,000 3'120,000 3'354,000 3'744,000
902,880
902,880
875,600
897,600
924,000
427,420
470,020
426,000
355,000
376,300
71,020
36,040
65,720
68,900
72,080
482,460
296,285
46;1,040
267,685
268,1 so
1'774,080 1'933.800 2'539,680 2'530.704 2'537,040
37,800
44,100
21,735
20,160
21,105
240,300
237,375
268,425
246,150
247,500
194,310
194,310
156,060
155,601
155,295
260,400
260,400
194,460
196,560
196,560
412,800
412,860
412,800
427,200
427,200
2'876,800 2'802,400 2'827,200 2'827.200 2'828,440
121,900
116,600
111,406
101,919
105,046
0'208,880 10'248,890 f11'942,984 1'927,4~
2'368,812
1
11'541,348 ~2'704,9
~2'6n,9o
13't6o,s98
102.28
100.98
108.94
109.32
111.52
5'328,000 5'479,960 5'412,960 5'342,400 5'356,800
6'142,680 6'224,000 6'346,080 6'346,080 6'346,080
2'952,000 3'038,400 3'074,400 3'067,200 3'081,600
996,480
948,480
948,480
964,800
960,000
810,144
835,200
835,200
822,672
822,672
197,640
201,600
202,320
203,040
196.560
86,400
86,400
87,360
87,168
89,664
6'512,264 ~6'809,32
16'906,080 6'827,488 6'84,92~
27'300,675 17'334,806 28'982,112 29'439,955 29'802,319 27'879.670 28'4()6,272
IR-EQUERlMIENTOS ANUALES - AGROPECUARIOS:
VEP.ARTAMENIO DE HU.I\"NCAV_ELICA.
(19.6_4-19791
1
Actividad
1. AFÍcola
Cebada
Maíz
Quinua
156
Trigo
Arveja
Haba
Frijol
Pallar
Oca y olluco
Papa
Vuea
Sub-total
Total
Por Ha.
1?64
196.5
1966
1967
448,000
558,000
18,90(
425,600
560,000
558,000
24,57(
588,000
558,000
19,53(
287,000
198,000
117,000
34,000
582,800
12,60(
287,000
246,000
258,300
145,200 150,480
153,780
132,600
145,080
177,840
30,000
6,400
8,000
1,230
2,050
1,640
2,460
62,400
62,400
49,920
62,880
2'074,000 1'952,000 2'196,000 2'196,000
124,200
920
3'922,730 3'632,250 3'?38,090 4'024,790
4'393,124 5'560,618 7'753,698, 4'803,687
92.78
92.00
163.75
97.61
1968
1969
1970
651,000
673,400
634,760
759,500 1'091 ,200 1'072,600
22,365
22,68{
21,735
389,500
241,900
221,400
321,750
206,580
216,1 so
227,760
248,430
262,080
24,800
132,800
120,400
3,280
820
820
170,880
153,600
140,160
3'220,800 3'818,600 3'599,000
2,300
1,840
5'791,365 6'592,230 6'289,105
6'.500,583 7'306,377 6'965,911
94.78
95.78
95.35
-
1971
540,400
1'029,200
21,420
188,600
183,480
229, 320
110,000
1972
1973
1974
1975
1976
516,460
420,000
352,800
394,100
396,200
988,900 1 '010,600 1 ' 116,000 1'209,200 1'040,980
6,306
6,930
6 ,930
9,135
8,820
197,825
291,71 S
305,860
234,725
241,080
191,400
219,450
220,440
166,320
161,040
221, 520
229,710
221,910
169,260
180,960
60,000
31,200
23,600
54,000
42,000
820
205
205
205
1+6,880
136.880
130,080
140,160
3'391,600 2'281,400 2'135,000 2'244,800
1,380
1,380
920
920
5'843,100 4'602, 190 4'475,810 4'633,625
6'S03,9S7 5'021,489 5'002,241 S'1 S4,258
95.62
91.85
87.86
88.64
Caprinos
Avts
Total
3. AFopruiU'ia (1 + 2)
-
------
417,200
411,600
962,860 1 '010,290
8,820
8,820
241,900
170,940
184,860
30,000
1979
408,800
998,510
8,820
239,03 0
191,664
182,.520
23,600
205
89,280
2'440,000
1
1
3'047 ,760 3'047,760 3'047,760 2'709.120 2'709,120 2'624.460 2'624,460 2'539,800 2'607,52.8 2'692, 188 2'793,780 2'709,120 2'675,256
3'04&,000 3'578,400 3' 57 8,400 3'578,400 3'578,400 3'621 ,000 3'621,000 3'493,200 4'047.000 4'174,800 4'686,000 4'686,000 4 '686.000
2'916,000 2'916,000 2'880,000 2'880,000 2'808,000 2'818,000 2'818,800 2'628,000 2'628,000
266,400 2'685,600 2'692,800 2'700,000
672,000
672,000
672.000
672,000
672,000
672,000
672,000
624,000
643,200
647,040
643.200
624,000
624,000
751 ,68(
751.68(
751,68(
751 ,68<
751.680
709,92(
709.92(
709,920
584,640
601,344
615,54(
609,696
617,208
936,000 1'008,000 1'080,000 1'080,000 J '080,000 1'080,000 1'080,000 1'116,000 1'260,000 1'274,400 1'296.000 1'317,600 1' 332,000
65,280
61,824
62,400
67,200
67,200
67,200
67,200
67,200
61.440
67,200
67.200
67,584
67,776
11.436,720 2'035,280 12'071,664 11 ' 73 3,600 11'666,400 11'593,380 1' .593,380 11' 178,120 ~1'837,56
9'723.372 12'780,876 ~2'71,64
12'702,240
15'829,844 7'595,898 19'825,362 16' 537.287 18'166,983 18'899,757 18'559,291 17'682,077 16'859,057 4'725,613 17'935,134~7'1,64
1978
235,750
186,450
187,980
39 ,400
205
287
20S
205
149,760 152,160
100,800
96,000
1'923 ,940 2'098,400 2'131.950 2'231 ,380
460
4'142,805 4'310,227 4'249,535 4'407,875 4'582,429
5'004,520 4'691,884 4'586,572 4'571 ,251 4'582,429 .
87.39
70.18
70.00
70.64
72.23
2. Pecuaria
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
1977
-- -
17'394,124
IREQUERIMIENTOS ANUALES- AGROPECUARIOS
EPARTAMENTO DE HUANUC(j
(19M-t919)
Actividad
1. Agrícola
Pastos
Cacao
Café
Coca
Nar•njo
Maíz
Quinua
Trigo
Plátano
Arveja
Frijol
Haba
Oca y olluco
Papa
Yuca
Sub-total
Total
Por Ha.
2. Pecuaria
Vacunos
Ovinos
Auquéoidos
Equinos
Porcinos
Caprinos
Aves
Total
---·--
-- - - - - - · -
1965
160,080
135,600
508,200
704,000
121,440
113,000
512,40C
651,20C
94,400
36,000
220,000
1'505,000
4,500
352,000
321,600
32,500
85,500
225,000
57,400
2'006,000
100,700
6'548,480
7'109,906
86.37
112,110
31,50(
17,60(
1'338,160
3,600
308,000
328,000
24,050
78,300
55,000
101,140
1'770,000
86,920
6'655,410
6'230,365
84.06
2'823,360
2'224,200
21,600
480,000
1'586,880
180,000
80,640
7' 396,680
2'939,616
2'426,400
21,600
672,000
1'586,880
216,000
S3,760
7'916,256
2'989,44(
2'426,400
7,200
691,200
1'586,880
216,000
53,760
7'970,880
14'506,586~4' 1
'-
1966
240,120
113,000
467,040
633,600
70,725
112,110
40,500
162,800
1'444,800
4,050
318,560
337,600
15,600
80,550
59,000
113,980
1'829,000
96.160
6'139,785
6'736,189
82.74
-
-
Té
Arro1
Cebada
3. AgroP'<:euaria (1 + 2)
1964
46,21
1967
1969
281,196
113,000
450,240
616,000
71,875
112,100
45,000
165,000
1'·565,200
4,500
332,200
345,600
33,150
84,600
59,000
107,420
1'1!88,000
102,090
6'376,771
6'7H,986
81.56
463 ,68C
100,740
541,800
660,880
79,350
113,752
139,950
178,200
1'450,820
4,275
231,380
287,200
42,900
43,425
57,500
165,640
1'947,000
107,830
7'716,332
7'826,007
80.53
3'022,656
2'426,400
7,200
691,200
1'586,880
216,000
54,720
8'005,056
3'072,480
2'426,400
7,200
604,800
1 '503,360
230,400
56,640
7'901,280
14'707 ,069 p4'739,042 ~5'72
-------
1968
- --
7 ,28
507,84(
1970
1971
488,52(
1973
1974
1975
1976
553,560
704,000
98,210
123,900
146,700
133,320
1'358,800
10,800
208,560
547,200
37,700
134,550
59,750
173,840
2'442,600
158,260
8'566,584
9'n8,636
86.55
771,696
177,410
574,980
679,980
721,600
809,600
77,050
83,375
129,800
141,600
189,900
150,300
151,360
220,220
1'487,800 1'462,000
13,050
9,000
274,340
229,240
498,800
416,800
59,800
40,300
114,300
95,400
76,250
66,250
380,890
231,650
2'885,100 4'071,000
145,140
136,530
8'348,580 9'831,951
9'612,323 10'817,158
81.16
82. 18
480,516
151,646
679,980
792,000
83,375
76,700
180,000
250,360
1'603,040
6,750
233,640
424,800
23,400
111,600
19,000
231,240
3'091,600
..,
131,200
8'572,826
8'676,621
82.64
469,476
151,872
680,400
809,600
83,375
74,340
440,100
264,800
1'479,200
4,500
247,060
449,200
26,325
22,950
21,750
221,400
3'138,000
123,820
8'714,168
9'499,612
87.02
473,340
156,279
680,400
809,600
83,720
76,700
159,300
288,200
1'449,100
5,400
251,460
457,200
29,250
112,050
29,250
188,600
3'115,200
123,410
8'568,539
9'296,339
84.13
478,860
156,279
680,400
809,600
83,720
70,800
81,000
275,000
1'371,700
4,900
265,100
482,000
22,750
110,700
41,500
180,400
2'655,000
115,620
7'885,379
8'764,510
85.89
2'923.008
2'842,932
7,200
604,800
1'503,360
216,000
72,960
8'170,260
2'989,44C
2'842,932
7,200
604,800
1'336,320
216,000
87,360
8'08 4,052
2'728,692
3'199,608
10,800
552,000
1'148,400
278,640
93.120
8'011,26 0
2'443,032
3'207,300
12,240
552,000
1'165,104
284,400
95,808
7'759 ,884
2'494,524
3'207,300
14,400
552,000
1'184,316
283,680
98,304
7'834,524
2'491,200 ' 2'474,592
3'206,892 3'206,992
14,400
14,400
552,000
550,080
1'181,808 1'184,316
304,560
320,400
110,592
118,080
7'861,452 7c868,760
1 67,0
1~
169,50(
3'271,776
3'166,452
5,760
580,800
1'185,984
216,000
109.440
8 ' 536,212
7 p 7'748,896 17'696,375 ~ 9'35,70
--------
1972
-----
--------
---·' - - -
474,720
158,700
680,400
809,600
83,720
70,800
109,800
272,800
1'212,600
6,750
161,920
481,600
23,400
110,250
41,000
155,800
2'797,190
127,100
7'778,150
8'523,553
83.99
16'687,881 7' 259,556 7'130,863 6'625,962 6'392,313
--·---
~
-
-
·
---
---
-
1977
492,660
158,700
294,000
1'584,000
67,160
70,800
67,500
262,196
1'180,092
9.225
116,600
481,600
45,175
109,575
37,700
219,760
2'817,840
128,084
8'142,667
8'498,443
86.42
1978
514,740
161,000
294,000
1'760,000
67,160
70,800
56,700
248,776
1'058,058
9,450
95,040
481,600
37,700
113,490
41,600
225,500
2'814,300
127,100
8'177,014
8'533,404
87.18
1979
534,060
161,000
294,000
2'112,000
67,160
71,390
54,000
218,020
1'113,270
7,425
117,920
481,600
33,475
119,025
39,250
201,310
2'702,200
131,282
8'458,387
8"807,663
88.38
1
REQUERIMIENTOS ANUALEs-AGROPEC-UARIOS
--
Actividad
.EPARIAMENTO..DE lCA
(1964-1979)
-
1964
1965
64,350
58,500
16,500
1966
19.67
1968
1969
1970
J971
1972
1973
1974
1975
1976
1977
1978
1979
l. Agrícola
'
Pastos
Mango
Manzano
Naranjo
Olivo
Palto
Pecano
Vid
Maíz
Man{
158
Melón
Plátano
Sandía
Cebolla
Tomate
Zapa.llo
Arveja
Frijol
Garbanzo
Pallar
Camote
Papa
Algodón
Sub·total
Total
Por Ha.
-
-
--
-
9,720
7,920
12,600
192,500
H0,800
15,840
151.250
367,500
9,240
38,800
13,500
6,930
-
-
-
16,200
-
-
4,200
1,800
11,800
29,600
-
-
54,210
18,348
19.824
89,474
15,624
6,666
930
170,720
296,100
7,920
5,335
9,720
2,830
4,800
29,500
7,280
7,600
213,840
540
7,600
12,160
228,800
233,200
10,260
10,800
114,400
124,800
252,200
16,650
22,200
17,760
45,54<>
118,800
92,400
4'410,000 4'340,700 3'685,500
5'537,44{) 5'505,980 4'967,261
5'869,341 5'816,007 .5'237,488
57.47
57.91
57.36
56,940
51,615
61,425
64,935
66,690
58,890
54,435
59,963
59,475
48,165
59,865
88,288
50,895
18,573
13,860
22,176
26,400
23,760
23,100
23,430
26,070
23.760
23,760
22,440
22,440
23 . 100
25,032
23,576
23,576
21,000
25,816
25,816
25,256
25,256
24,976
26,096
3,920
21,952
24,416
84,162
84,079
124,860
124,860
91,383
66,483
91,881
95,U3
99,683
64,823
99,683
91,383
85,573
14,508
14,400
12,600
12,600
15,264
22,572
23,400
22,860
21,600
15,804
21,600
21,600
21,600
7,755
9,636
11,286
11,220
13,530
12,639
12,837
12,705
13,233
13,299
13,200
13,365
13,365
990
1,800
1,800
1,800
2,100
2,730
4,860
1,100
5,580
5,400
7,500
9,600 .
6,150
287,375
247,500
200,750
176,935
290,950
242,000
264,000
280,500
286,000
288,750
289,300
289,575
289,850 1
409,500
400,680
4:26,300
358,680
404,040
422,310
378,000
395,430
501,060
669,270
669,270
427,770
297,444
13,200
7,920
13,200
7,920
6,600
8,250
7,920
9,240
14,190
7,260
5,940
3,300
12,610
14,550
11,640
11,15 5
18,430
13,580
12,610
17,460
9,700
17,460
14,550
12,610
11,155
7,020
21,510
6,750
5,940
7,020
11,880
11,880
9,180
4,860
4,860
8,100
9,180
8,100
4,630
8,410
11,310
7,250
9,860
11,890
13,920
16,530
17,400
17,400
14,500
9,715
15,950
7,200
4,200
5,100
2,400
3,600
3,900
1,200
9,000
4,800
6,000
5,400
3,600
2,400
33,040
56,640
30,680
40,710
40,120
44,840
41,300
35,400
33,040
33,040
55,460
41,300
45,430
13,000
6,500
5,200
8,320
7,020
13,520
14,170
15,860
16,900
15,600
10,400
9,100
7,800
10,640
16,150
19,160
16,530
15,390
21,280
16,720
15,390
15,960
15,770
9,880
7,980
11,780
167,420
198,000 228,800
195,800 220,000 191,840
136,400
118,800
132,000
110,440
88,000
259,600
104,720
11,880
1,890
6,210
6;480
4,590
18,630
9,180
12,285
19,170
17,280
ll,HO
9,180
570
418,600
262,200
425,100
271 ,960
268,840
342,160
286,780
309,920
297,180
429,000
335,920
288,080
259,480
17,020
20,720
26,640
16,650
20,720
14,800
23,310
24,050
24,050
22,940
16,650
19,610
22,940
47,850
54,780
76,890
106,590 142,230
176,880
136,950
130,020 ,.
66,000
52,140
99,330
150,150
178,200
3'654,000 3'483,900 3'376,800 3'150,000 2'992,500 2'993,44-5 3'073,140 3'095,820 2'903,355 2'094,435 2'633,211 2'927,610 3'042,522
5'352,238 4'904,903 5'123,138 4'749.496 4'548,161 4' 707,617 4' 708,393 4'768,744 5' 121,763 4'143,142 4'531,068 4'549,994 4'444.656 ¡
6'370,829 .5'248,556 S'51Z,903 5'198,767 5'008,238 4'944,062 4'974,2.52 5'147,503 5'606,552 4'565,646 5'009,006 4'863,116 4'684,305 '
56.31
56.02
55.98
56.99
56.29
60.71
63.22
57.07
53.18
55.60
57.31
55.41
55.73
1
2. Pecuaria
Vacunos
Ovinos
Au<¡u énidos
Equinos
Porcinos
Caprinos
Aves
Total
96,000
134,400
134,400 134,400
83,520
75,168
75,168
167,040
288,000
288,000
288,000
302,400
37,440
48,000
33,216
34,368
1'145,616 1'089,960 1'0112,760 1'100,232
3. Agropecuaria (1 + 2)
7'014,957 6'905,967 6'320,248 7'471.061 6'410,936 6'652,699 6'402,247 6'414,746 6'917,258 7'071,108 7'368,943 7'901,144 6'882,114
495,600
50,976
-
495,600
55,224
-~-
-
495,600
55,224
-
- -
495,600
55,224
-
460,200
453,120
502,680
543,744
531,000
528,168
495,600
518.256
453.120
106,200
157,596
169,068
168,216
168,216
70,092
72,216
135,936
70,092
7,200
5,160
12,600
13,320
13,320
13,320
13,320
13,320
14,400
124,800
115,200
115,200
105,600
111,360 J17,120
122,880
121,920
120,960
157,020 299,004
299,004
307;356
299,004
299,004
83,520 108,576
108,756
664,560
680,400
680,400
673,200
324,000
302,400
324,000
360,000
641,520
384,672
489,732
513,600
58,368
77,568
115,968
211,968
269,376
327,000
1'162,380 1'139,796 1'203,480 1'406,508 1'973,196 2'096,856 2'221,440 2'294,.592 2'316,468
1
iR.E qUERIMIENTOS ANUALES AGROPECUARIOS
DEPARTAMENTO DE IUNJN
().964-1979)
Actividad
1964
196!1
-
1968
1967
1966
1969
1970
1971
1972
1973
1974
197S
1976
1977
1978
1979
1
159
1. A¡ricola
Pastos
Achiote
Ca.f é
Coca
Cltricos
Palto
Arroz
Cebada
Maíz
Qu inua
Trigo
Papaya
Piila
Plátano
Alcachofa
Cebolla
Col
Lechuga
Zanahoria.
Arveja verde
Arveja seca
Frijol
Haba
Oca y olluco
Papa
Yuca
Sub·total
Total
Por Ha.
2. Pecuaria
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
Total
3. Agropecuaria (1+ 2)
148,320
327,600
180,000
144,720
119,880
217,620
331,200
325,080
311,400
304,200
296,280
306,000
313,200
324,000
328,320
340,200 '
17,400
14,442
14,529
19,836
20,880
22,620
20,880
7,830
21,750
7,830
7,830
8,439
1,305
8,004
7,047
6,525
1
3' 892,000 3'892,000 5'656,605 8'186,266 5 881,368 5' 700,668 5'144,668 5'422,668 5' 061,685 5'214,585 5'242,385 4'936 ,585 5'004,000 7' 044,500 7'141,000 7' 527,000
8,800
8,806
15,664
16,720
15,840
15,840
10,560
10,560
5,280
5,280
1,760
1,760
15.840
10,560
1.760
14.608
800,442
795 ,318
677,100
183,650 283,650
843,813
844,728
830,088
823,866
869,433
848,388
823,500
867,420
453,291
770,247
779,763
424,080
114,000
95,760
150,252
152,190 200,640
424,080
424,080
436,050
441,750
447,450
295,830
295,830
295,032
294,348
295.716
119,460
128,510
68,780
9,050
54,300
70,590
97,740
117,650
90,500
90,500
61,540
54,300
68,780
101,360
69,504
66.789
457,450
457,450
727,650
525,000
532,000
943,950
940,100
905,625
796,425
778,750
765,100
719.250
756,000
702,800
562,100
601,650
525,200
565,760
767,000
759,200
748,280
715,000
716,040
693,160
780,000
743,600
769,600
697,840 1'014,000 1'116,700 1'126,112 1'082,796
21,600
50,400
50 ,400
46,800
43,200
42,480
144,000
36,000
66,240
65,880
36,000
61.920
43,200
46.800
43,920
41,760
40,000
50,000
52,000
51,000
109,000
134,000
129,000
118,000
86,200
89,900
96,800
90,000
91,110
90,500
93,250
93,500
78,864
78,016
85,754
84,800
79,500
78.440
102,820
111,300
128,260 160,060
160,060
132,394
125,716
128,684
254,600
53,600
61,640 . 64,990
9'7,820
201,000
160 ,800
151,420
150,080
152,760
159,460
160,800
154,100
143,916
134,000
313,775
35,105
448,910
472, 780
885,000
169,400
472,780
471,240
401,940
403,865
411,180
442,750
404,250
358,820
359,590
358,050
15,040
15,360
17,920
4,480
3,840
4,480
3,840
2,560
1,920
2,240
3,200
1,920
1,600
1,280
252,175
288,855
315,055
196,500
131,000 183,400
167.680
288,855
262,000
224,010
163,370
227,285
182,090
167,680
321,605
192,570
41,500
34,000
29,000
27,500
35,000
38,500
30,000
24,500
25,000
25,000
23,000
21,000
23,000
19,500
17,000
44,010
76,610
70,090
86,390
123,880
108,395
116,700
124,695
159,740
141,810
127,140
117,360
109,210
122,250
132,820
130,500
128,760
72,500
74,820
66,700
77,140
75,980
105,%0
106,720
90,4 80
68,440
87,000
78,880
93,600
81,510
88,920
109,980
187,200
249,600
247,260
321 ,360
257,400
237,900
192,270 191,880
202,410
179,400
171,210
96,900
98,040
102,030
229,140
283,575
287,280
267,045
229,140
270,750
224,010
200,640
199,500
176,700
183,540
186,960
78,400
77,910
57,330
35,770
48,020
93,100
91 ,140
68,600
66,150
66,150
39,200
115,885
117,600
123,970
116,718
116,865
48,816
130,410
133,380
158,820
297,540
359,910
359,100
323,190
322,380
138,456
320,320
285,660
289,440
334,530
329,670
340,200
353,400
411,060
441,750
522,66()
554,Z80
534,750
455,700
446,400
434,310
334,800
344.100
309,690
316,200
293,880
275,280
258,540
3'090,000 3'090,000 3'562,770 3'7H,1SO 4'9 74,900 6'005,415 6'952,500 6'973,100 4'635,000 4'686,500 4'562,900 3'472,130 3'584,400 3'450,500 3'556,590 3'460,800
177,560
215,740
216,200
208,380
243,340
243,340
195,500
192,280
224,020
552,000
276,000
214,360
170,660
153,732
159,160
235,980
11 '775,256 10'275,456 12'851,770 17'180,705 16'150,965 18'126,566 19'256,676 18'939,391 15'773,491 15'916,668 15'762,355 13'994,689 14'606,560 16'320,861 6'271,105 16'565,770
16' 492,919 18'298,567 17'192,864 14'924,560 15'700,01S 16'880,085 16'819,097 17'162 ,301
13'503,762 12'178,344 13'036,359 18'346,151 17'457,519 19'984,943 21'328,601 ~0'927,54
126.73
91.66
88.21
87.90
95.41
88.39
89.96
88.90
88.33
88.69
88.84
87.13
105.76
99.13
97.49
99.82
-
-
-
3'645,720 3'645,720 3'549,780 3'549,780 4'029,480 4'048,668 4'048,668 4'317,300 4'146,528 4'156,128 4'154,208 4'144,608 4'144,608
3'681,680 3'964,800 3"964,800 3'964,800 4'106,400 4'531,200 4'817,232 5' 667,960 5'130,408 5'002,440 4'960,248 4'960,248 4'974,408
486,000
28,800
324,000
324,000
324,000
439,200
S18,400
522,000
522,000
511,400
482,400
482,400
482,400
700,800
720,000
720,000
710,400
710,400
737,280
708,480
710,40()
672,000
758,400
718,q8o
719,040
710,400
773,400
668,160
835,200
843,552
843,552
843,5S2
835,200
790,104
784,248
835,200
851,904
778,404
784,248
144,000
72.000
86,400
86,400
108,000
144,000
144,000
158,400
165.600
154,800
151,200
1'44,000
144,000
80,640 142,080
168,000
115,200
59,520
59,!120
62,400
153,600 167,040
167,040
167,040
202,560
201,792
8'883,480 9'616,440 9'539,700 9'580,884 10'353,672 10'905,900 11'283,852 12'405,180 11'6 30,208 11'494,884 11'409,460 11'422,620 11'441,856
22'387,242 ~1'794,8
~2'76,059
~7'?2,035
~7'81,9
30'890,843 32'612,453 33'332,754 28'123,127 ~9'73,451
-- - - ----------------
- - - - - - - - - - - - L_ _ _ _ _ _ _ _ _ _ _ _
28'602,324 26'347,180 27'141,871
- - - - - - - - - - - - ------
REQUERIMIENTOS ANUALES AGROPECUARIOS
DEPARTMvtENTO DE LA LIBERTAD
-. (1964-12.79Y
Actividad
1. Agrlcola
Pastos
Café
Coca
Mango
Olivo
Palto
Arroz
Cebada
Maíz
160
Sorgo
Trigo
Plátano
Sandía
Ají
Cebolla
Tomate
Zapallo
Arveja
Frijol
liaba
Lactao
Lenteja
Garbanzo
Za.rr.ndaja
Camote
Papa.
Yuca
Algodón
Caña de azúcar
Sub·total
Total
Por Ha.
1964
1965
2.59,920
55,000
165,440
222,300
24,200
158,400
-
-
5,.500
4,750
19,200
2'572,.500 1'995,000
660,000
855,250
2'240,000 2' 268,800
19,760
45,500
1'380,000 1'518,000
103,000
164,800
7,560
7,410
12,540
4,270
14,640
21,560
49,000
-
-
-
-
117,600
341,700
141,600
118,020
253,930
96,760
-
-
58,500
56,250
42,230
46,740
78,100
50,410
55,500
62,160
2'152,500 2'775,000
190,400
126,000
365,700
310,500
1'074,500 940,000
12'075,940 12'221,760
13'505,064 14'880,019
71.37
70.05
l. Pecuaria
Vacuoos
Ovinos
Equinos
Porcinos
Caprinos
Aves
Total
3. Agr<>pecuaria (1+ Z)
4'255,200
2'637.840
480,000
1'2 52,800
1'080,000
163,200
9'869,o40
-
:23'374,104 ~4
4'255,200
2'737,896
624,000
1'002.240
1'080,000
82,560
9'781,896
'61,95
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
188,955
199,21S
209,646
207,252
205,884
206,739
200,498
198,360
198,360
223,155
223,839
18,700
2,420
17,660
16,500
14,410
14,410
20,900
20,900
20,900
20,900
18,700
117,040
146,080
151,360
H8,720
148,720
148,720
149,600
144,320
140,800
118,800
148,720
7,854
7,755
7,887
8,052
8,745
8,7711
4,785
5,907
7,128
7.524
3,960
7,500
5,500
5,500
14,352
18,240
17,760
20,592
20,736
21,168
29,328
13,150
19,296
13,104
13,920
729,750 1'638,525 2'693,250 2'599,800 2'203,425 2'205,000 2'205,000 2'337,825 2'369,850
2'436,525 2'713,725
720,500 1'127,500 1'090,650 1'087,075
1'067,000 1'122,000 1'007,875 1'058,750 1'078,000 1'058,750 1'158,850
2'021,760 1'977,600 1'507,200 1'840,000 1'840,000 1'626,240 1'956,480 1'733,120 1'748,480 1'824,000 1'925,760
74,100
42,640
780
6,630
1,300
4,680
28,080
50,310
55,380
44,460
36,400
1 '560,000 1'602,000 1'452,300 1'468,800 1'585,800 1'635,000 1'.593,900 1'514,100 1'456,800 1'476,000 1'494,300
158,620
141,110
145,230
133,900
127,720
127,720
124,630
127,720
127,720
167,890
126,690
6,750
4,860
8,100
10,800
2,700
9,180
7,020
7,560
3,510
3,510
8,910
10,830
8,835
8,835
10,260
14,250
16,530
15,390
15,390
15,390
14,535
9,690
21,350
15,55 5
21,045
15,250
18,300
9,760
8,845
13,115
10,065
20,435
19,21 S
?3,810
64,680
51,450
87,710
101,430
67,130
61,250
69,090
52,420
60,760
98,000
4,550
6,650
7,875
7,350
7,000
4,55()
3,850
4,025
4,02.5
4,200
4,550
84,000
88,200
90,552
78,372
63,252
70,812
109,872
114,240
130,200
125,580
93,240
266,660
161,135
248,905
263,645
343,040
320,930
330,310
276,375
373,860
378,550
292,455
80,240
66,080
35,165
74,340
96,160
99,120
51,035
54,57 S
77,880
59,295
9,250
27,010
48,100
22,200
21,830
21,090
39,960
30,320
.51,800
49,950
106,375
28,575
18,225
17,100
96,300
16,875
20,725
13,500
18,050
29,250
33,750
35,550
12,300
15,580
14,350
8,200
10,250
12.300
30,750
28,700
90,200
68,870
102,970
134,900
93,010
133,480
157,975
122,120
109,695
103,660
73,840
64,610
43,660
18,870
37,000
34,595
32,930
46,435
38,850
44,955
41,440
56,055
50.690
2'560,000 2'643,000 2'068,500 2'118,000 2'328,000 2'265,000 2'219,250 2'292,250 2'074,500 2'406,000 2'314,500
109,440
145,040
161,000
134,400
143,420
140,560
127.400
76,440
89,600
146,160
149,520
110,440
45,R8S
20,700
6,900
4,830
7,590
27,600
20,700
8,280
1'180,750 1'060,000 1'079,500 922,250
999,500 1'027 ,250 1:032,000 1'096,000 1' 165,500 1'246,500 1' 188,000
2'5.56,319 12'869,056 9'104,654 10'443,123 13'017,252 10'615,644 11'657,029 10'965,090 11'318,753 11'920,605 12'071,951
4'678,9, 15'139,499 11'039,.514 12'478,385 15'268,001 12'686,425 2'960,055 12'344,H9 :no5,088 12'689,040 12'890,776
71.24
67.57
69.66
76,59
66.48
70.00
71.18
69.50
70.33
70.29
7062
-
-
4'255,200
2'733,348
672,000
985,536
1'080,000
83 ,.520
9'809,604
4'2S5,200
2'733,3 48
672,000
1'027,296
1'080,000
86,400
9'8.54,244
-
-
-
-
-
4'042,440 4'042,440 4'042,440 3'872,232
2'660,580 2'624,196 2'264,196 2'540,172
864,000
940,800
940,800
940,800
1'027,296
985,.536
985,536
876.960
756,000
720,000
1'080,000
972,000
149,760
277,440
308.160
93.120
9'767,436 9'714,732 9'626,412 9'261,684
3'880,740
2'010,216
895,680
1' 002,240
748,800
368,640
8'906,316
3'776,496
2'023,860
895,680
1'025,628
766,800
430,656
8'919,120
3'808,404
2'035,236
909.120
1'046,508
792,000
507,840
9'099,108
3'829,680
1'951,092
794,880
1'035,648
777,600
609,984
8'998,884
1977
206,910
17,050
] 31,824
2,706
5,950
23,040
2'239,230
1'034,550
1'737,600
69.940
1 '23.5,640
81,576
10,638
11,0.58
9,699
68,208
5,285
126,882
302,773
130,980
44,400
34,335
11,029
76,325
41,736
2'419,050
79,128
20,700
1'192,600
1'370,842
1'931,546
70.17
3'882,876
1'951,092
912,000
1'031,472
777,600
266,880
8'821,920
24'488,559 24'993,743 20'806,950 22'193,117 24'894,413 21'948,109 21'866,371 21'263,859 21'204,196 21'687,924 21'71Z,696
--
1978
1979
22.5,720 .
17,71 o
103,840
3,894
5,950
23,136
1'714,335
924,000
1'355,648
159,354
1'158,360
119,480
12,960
12,255
8,235
58,800
5,880
Jl2,896
216,343
89,680
22,200
31,050
11.070
127,800
27,491
2'448,150
52,360
2,160
1' 138,500 1'161 ,250
8'954,006 10'212,607
9'516,114 0'660,901
68.04
68.76
204,345
16,610
131,824
2,706
5,950
23,136
1'119,195
981.200
1 '148,672
93,080
935,160
124,836
13,500
11,6115
8,540
63,700
6,230
119,196
188,136
107,67.5
27,750
31,725
11,316
109,340
26 .899
2'240,100
63.000
-
REQUERIMIENTOS- ANUALES- AGROPECUARIOS
DEPARTMNO~
Ac:dvldad
1. Agrícola
Pastos
Café
Lima y limón
Naranja
Mango
Arroz
Cebada
Maíz
Sorgo
Trigo
Plátano
Tomate
Arveja
Frijol
Lactao
Za.randaja
Garbanzo
Camote
Papa
Yuca
Algodón
Caña de azúcar
Sub-total
Total
Por Ha.
1
161
'
1
1
1
2. Pecuaria
Vacunos
Ovinos
Equinos
Porcinos
Caprinos
Aves
Total
~.
Agropecuaria (1 + 2)
1964
1965
142,140
7,630
186,300
65,400
-
-
-
65,880
2'588,508 3'106,200
40,800
8,640
432,000
940,800
14,820
2,600
7,630
98,100
123,600
133,900
19,600
78,400
38,500
23,800
126.360 117,000
-
-
14,430
168,106
15,120
38,700
74,800
960,000
1'110,720
5'879.076
6'894,593
78.60
81,900
155,800
21,000
63,210
91,800
1'200,000
1'063,400
7'630,410
8'879,359
78.48
1967
1966
214,116
232,116
78,262
83.058
19,104
21,120
17,680
18,928
59,536
62,952
3'724,100 4'175,000
24,000
31,200
889.600
970,560
9,750
6,240
57,770
86,110
198,640
222,480
38,220
49,490
39,725
65,800
67,275
110,175
8,580
16,770
78,390
81,705
58,220
106,190
24,570
22,260
41,280
67,725
96,560 119,680
580,800
473,600
1'192,100 1'111.760
6'927,114 8'134,919
8 '088,736 9'268,187
78.43
79.35
1968
211,692
46,683
21,690
28,912
61,732
1' 361,050
24,960
274,320
1,430
97,010
144,200
53,900
20,125
73,710
4,485
8,775
5,740
22,050
78,090
27,980
472,000
1'229,540
4'342,680
5'300,441
47.51
LÁMBAYE_QUE
09o4-f9r9)
1969
222,594
96,683
26,136
36,920
61,000
3' 122,820
30,240
946,080
9,750
101,376
156.560
60,760
38,500
61,620
7,020
72,735
181,220
35,490
81,270
72,080
661,600
1'040,000
7'122,508
8'688,656
77.67
1970
1971
- -
1972
238,740
254,196
253,920
94,830
95,920
93,740
35,040
40,992
72,768
42,328
44,096
62,536
72,712
83,692
65,880
4'275,200 4'455,560 4'395,320
24,000
25,200
27,600
1'047,840 1'050,960 931,680
8,580
10,140
25,480
83,930
166,225
58,860
160,680 165,830
133,900
47,530
69,090
74,480
66,675
35,630
33,425
117,000
52,260
82,680
20,280
16,770
44,265
71,175
83,235
30,420
161,950 125,050
117,670
28,980
29,820
19,740
66,435
70,950
19,350
106,080
81,600
72,760
407,200
400,000
525,600
1'151,800 1'031,680 1'079,780
8'300,694 8'395,775 8'162,660
9'960,431 10'975,584 10'112,461
80.25
84.08
83.57
1973
262,752
94,285
19,488
41,704
89,426
4'464,745
24,240
862,320
28,990
65,400
127,720
64,680
38,675
106,470
31,590
37,440
125,050
22,260
20,640
84,660
600,400
1'134,380
8'347,315
9'152,565
83.61
1974
279,036
94,285
88,800
43,264
107,848
4'863,875
18,960
825,600
6,760
76,300
135.960
58,800
59,325
98,085
25,935
8,190
88,560
19,110
42,570
78,540
610,800
1'224,260
8'855,463
8'983,570
86.38
1975
265,236
106,820
89,280
44,200
112,240
5'009,165
19,360
898,080
6,500
105,730
152,440
55,860
45,500
64,350
16,380
18,330
12,160
22,890
51,600
64,260
413,600
1'154,920
8'784,901
8'825,513
88.48
1976
265,236
104,640
93,120
44,200
112,240
5'887,585
14,120
1'013,280
15,080
79,570
148,320
33,900
46,550
84,240
15,600
18,720
113,775
19,950
42,350
51,000
100,000
1'192,100
9'516,576
9'889,905
90.64
814,560
916,380 1'140,384 1'242,204 1'052,820 1'170,936 1 '166,856 1'527,300 1'574,136 1'618,944 1'690,212 1'741,128 1'765,560
77,760
77,760
87,480
114,216
145,800
243,000
257,800
267,300
284,316
48,600
63,180
274,596
259,200
211,200
216,000
235,200
264,000
254,400
263,040
264,000
264,960
265,920
220,800
259,200
259.200
233,856
233,856
192,096
242,208
250,560
283,968
542,880
551,232
557,076
584,640
292,320
553.740
557.916
504,000
475,200
511,200
439,200
439,200
370,800
368,640
363,600
372,240
374,400
386,640
392,400
504,000
16,320
103,680
161,268
192,000
205,440
234,432
312,384
67,200
14,208
18,432
41,280
195,840
277,764
2'239,800 2'049,288 2'202,720 2'342,652 2'024,076 2'289.840 2'184,696 2'781,708 3'137,8S6 3'268,476 3'384,084 3'502,164 3'578,496
-
-
-
9'1 34,393 10'928,647 10'291,456 11'610,839 7'324,Sl7 10'978,496 12'145,127 3'757,292 13'250,317 12'421,041 12'367,654 2'327,677 13'468,401
-
-
- - - --
----------
----
1977
243,570
98,754
96,960
43,472
112,240
5'967,077
13,056
919,776
4,992
143,880
146,260
52,920
42,000
104,793
14,820
49,140
102,500
19,194
29,670
48,892
185,600
1'220,960
9'660,526
9'926,367
91.80
1978
200,017
95,266
87,360
41,808
110,776
3'306,600
12,720
609,408
3,640
130,800
137,402
24,402
45,745
96,213
13,650
17,550
82,000
17,850
24,381
45,152
208,000
1'195,012
6'505,752
6'797,057
82.57
1979
189,005
91,342
86,304
41,600
110,410
3'523,700
9,072
858,816
7,800
127,421
131,634
12,838
37,030
81,588.,
11,700
14,820
75,071
15,540
16,641
37,060
493,2001
1'211,652
7'184,2441
7'443,671
82.12
~EQURIMNTOS
ANUALES AGROPECUARIOS
[))EP1UUAM_Illi_Tj) DlLLIMA -y CA-:LLA.O
rr?o'l-:r?-,9)
Actividad
1. Agrícola
P~tso
Chirimoya
Mango
Manzana
Melocotón
Naranjo
Olivo
Palta
Vid
Cebada
Maíz
1
162
1
1
Sorgo
Trigo
Plátano
Sandía
Ají
Col
Coliflor
Cebolla
Betarraga
Pepinillo
Tomate
Zapallo
Zanahoria
Arveja
Frijol
Haba
Paliar
Camote
Papa
Yuca
Algodón
Caña de azúcar
Sub-total
TotaJ
Por Ha.
2. Pecuaria
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
Total
3. Agr¡ j>ecuarla (1 + 2)
1
1964
1965
1966
- - - --- ---··-
1967
1968
1969
1 '410,000 1'085,700 1'003,450 1'017,250 1'009,090 1'006,740
50,600
51,370
48,070
48,400
4,864
480
4,928
5,568
5,600
413;512
433,705
582,295
611,505
131,300
145,200
135,900
144,500
270,544
275,206
411,292
304,066
6,250
5,500
5,500
5,625
5,650
6,300
60,180
61,855
64,310
61,950
59,000
67,190
386.950
450,170
377,140
370,600
305,200
379,320
146,250
231,750
220,500
169,650
161,100
288,000
1'125,000 1'30ÚOO 1'804,500 1'642,500 1'570,725 1'443,600
12,000
13,200
5,100
6,000
7,200
1,800
173,400
196,860
242,250
267,750
143,820
118,830
17,400
27,260
30,740
32,480
29,870
28,710
78,750
62,370
68,040
77,805
114,400 114,440
163,770
181,260
136,740
137,535
205,520
112,240
81,130
82,960
214,11Q
101,920
60,760
99,960
58,800
113,030
113,030
100,330
106,045
114,300
45,720
19,520
16,470
7,930
14,645
4,450
5,340
2,225
281,320
215,800
191,360
149,760
272,480
174,200
115,140
103,740
110,580
117,135
21,350
27,450
39,040
40,870
54,000
52,000
89,200
118,600
90,000
78,800
120,130
216,890
14,965
270,600
20 4,590
181,015
37,050
167,050
107,575
113,750
196,300
141,050
14,100
22,090
16,450
12,690
9,400
28,905
223, 200
250,480
681 ,690
335,140
343,000
158,980
928,050
897,000 1'104,000 1'366,200 1'542,150
962,550
83,300
58,800
53,900
58,800
98,000
58,800
4'977,000 4'424,000 3'685,350 2 '607 '000 3'081,000 2'765,000
721,710
826,200
723,330
715,330
761,400
758,160
11'144,320 0'752,5:10 11'999,955 11'820,114 ll'066,435 10'343,641 ~0'7,295
12'584,811 ~2'86,539
13'444,954 13'015,868 14'190,728 12' 312,224 ~1'72,0
65.17
68.48
67.20
66.96
68.79
68.2 3
-
-
-
-
-
-
-
-
2'778,336
1'283,160
50,400
384,000
557,280
720,000
3'264,000
9'037,176
.2'778,336
1'342,116
432,000
384,000
557,280
756,000
1'585,920
7'835,652
22'482,130 20'851,520 ~2'S
2'802,600
1'352,520
432,000
624,000
557,280
936,000
1 '699,200
8'403,600
Y4,320
-
1970
.
2'802,606
1'342,116
432,000
624,000
604,944
1'152,000
1'969,920
8'927,580
2'930,400 3'222,840
1 '394,136 1'789,488
396,000
504,000
576,000
672,000
619,200
856,800
1'260,000 1'548,000
2'010,240 2'058,240
9'185,976 10'651,368
21'239,804 ~o·
HS.077 3'236,179 ~4'823,79
---
1911
1972
1973
1974
197S
1976
1977
1'066,900 J '096,510 1'078,180
702,053 1'063,140 1'044,480 1'001,100
961,1 so
53,350
33,000
25,520
27,720
28,820
29,370
29,150
27,060
7,36G
4 ,320
4,704
4,160
4,800
6,400
5,280
S,S6R
646,430
637,540
627,38
642,620
653,542
653,415
666,750
730,250
155,00C
150,500
151,000
158,100
161,400
174,300
173,000
168,700
305,990
304,510
n7,228
321,530
316,350
229,030
210,530
207,200
6,300
6,375
6,875
6,875
6,815
6,875
6,875
6,750
73,750
89,915
82,718
86,258
86,43S
86,140
86,140
85,550
459,435
404,935
417,470
423,465
414,200
437,962
437,635
382,917
165,600
281,250
272,475
267,525
266,400
236,700
237,150
182,700
1'402,200 1'288,080 1'327,725 1'289,700 1'297,575 1'300,500 1'691 ,100 1'702,125
16,200
600
1,800
2,100
1,800
10,500
36,000
4,800
129,030
148,920
153,000
145,350
150,195
108,630
134,895
123,267
29,870
24,070
30,160
19,140
20,545
24,360
20,000
24,824
82,530
63,315
58,275
SS, 755
18,900
32,760
34,650
47,628
174,015
173,3 10
156,297
132,765
144,690
124,020
127,200
100,647
167,750
164,700
139,080
160,430
129.320
100,040
99,430
105,896
105,840
105,350
91 ,630
66,150
73,500
26,440
74,048
76,440
105,410
161,290
139,065
156,210
125,095
151,765
180,340
175,260
19,520
18,910
18,300
16,470
18,910
40,870
42,700
38,186
5 ,340
6,230
11,570
7,565
6,675
13,795
13,350
13,350
263,120
261,040
274,560
276,120
236,080
258,960
260,000
260,000
127,680
110,580
106,590
79,230
84,930
96,900
106,020
102,31S
40,260
29,280
28,670
37,110
38,430
51,000
63,440
60,756
77,600
80,800
84,400
70,000
69,400
73,800
75,080
72,400
210,330
189,420
193,930
185,525
213,118
184,295
193,930
280,280
119,925
135,875
121,875
113,100
136,175
115,,0
124,475
133,900
31,960
29,140
30,080
18,095
24,675
26,085
25,850
421,600
421 ,910
405,480
364,870
431,396
356.500
381,300
411,680
1'076,400
938,400
802,125
859,050
711,390
941,850
993,600
993,600
49,000
34,300
41,160
53,900
45,668
49,000
54,880
53,900
2'291,000 1'812,260 1'692,180 1'595,800 1'595,800 1'564,200 1'1 85,000 1'278,852
822,960
912,870
894,078
937,980
927,450
916,920
929,880
942,030
10'093,270 9'851,087 9'295,001 9'704,877 9'678,197 9'837,095 9'368,804
12'357,523 11'354,138 10'099,413 11'614,786 11'066,515 10'563,144 lto'S48,401
68.56
67.29
68.22
66.36
70.22
68.56
64.36
67.17
-
3'90.2,040 4'146,300 3'574,980 3'089,760 3'125,928 3'139,416
2'080,800 2'115,480 1'768,680 1'734,000 1'692,384 1'588,344
540,000
612,000
518,400
446,400
432,000
424,800
672,000
614,400
480,000
412,800
384,000
360,000
856,800 1'676,160 1'690,272 1'514,304 1'570.176 1'602,288
1'836,000 1'052,000 1'987,200 1'965,600 1'972,800 1'980,000
2'073,600 2'169,600 2'271 ,360 2'371,200 2'764,800 3'400,704
11'961,240 13'133,940 12'290,892 11'534,064 11'942.088 12'495,552
25'491,463 123'645,030
~3'562,07 ~3'08,6 ~9'63,47
~4
3'177,732
1'588,344
424,800
352,320
1'634,400
1'990,800
3'210,816
2'379,212
' 964,023
1978
1979
880,310
27,280
5,600
749,300
170,100
207,200
6,825
84,960
295,608
180,900
1'479,735
3,000
117,045
25,404
44,982
91,902
112,118
74,970
123,82!
36,234
13,172
248,768
91,200
62,220
71 ,600
207 ,0 91
10 8,550
22,560
429,102
676,062
43,120
1'616,735
884,682
9'191 ,800
0'413,390
68.05
880,545
27,500
5,600
768,350
170,100
207,100
6,825
86.140
285,907
174,600
1'264,680
1,800
110,9H
25,114
45,360
98,103
112,362
77,420
123,698 1
41,846
13,172
231,088
94,335
61,732
76,280
203 ,770
100,815
22,795
421,910
594,435
42,728
2'255,450
762,210
9'394,795
0'672,597
69.06
REQUERIMIENTOS ANUALES AGROPECUARIOS
DE~TAMNO
~E
L_ORETO
(1~4-il9)
Actividad
1
1. Alltfcola
Pastos
Cacao
can
Coca
Jebe
1
Arroz
Maíz
Plátano
Frijol
Yuca
1
163
Urefta
Yute
Sub-total
Total
Por Ha.
1
:Z. Pecuaria
Vacunos
Ovinos
Auquénidos
Rquinos
Porcinos
1
~prinos
1
'
Aves
Total
:1
1968
1964
1965
1966
46,000
46,000
92,000
103,500
48,300
48,300
575
512,290
123,200
114,400
5,280
1,760
18,820
21,780
20,240
735,000
577,500
987,000
272,290
790,590
219,000
1 '680,000 1'470,000 2'226,000
230,000
234,600
394,226
1'288,000 1'104,000 1'150,000
61,740
529,200
499,800
308,700
4'921,800 4'390,430 6'082,361
5'430,988 4'876,296 6' 728,250
79.78
71.07
82.13
690
138,000
2,300
79,904
80,960
-
480,000
-
19,200
584,640
5,040
96,000
480,000
-
19,200
501,120
5,040
120,480
480,000
-
19,200
542,880
7,200
120,480
1967
-
-
20,24C
12,870
1'144,500 1'471,050
766,500
890,600
2'236,500 2'415,000
465,060
101,200
1'196,000 1'058,000
97,020
177,135
288,120
205,800
6'522,134 6'428,815
6'962,004 9'439,477
69.98
68.09
480,000
660,000
-
19,200
584,640
7,200
128,640
5,064
19,200
1969
1970
138,000
2,990
80,960
1,760
12,870
1'785,000
584,000
2'310,000
82,800
920,000
323,400
117,600
6'359,380
7'517,370
68.81
470,400
132,300
6'836,620
8'060,437
70.58
648,000
7,596
696,000
7,596
-
48,000
751,680
3,600
140,160
138,000
3,450
70,400
-
12,870
2'100,000
657,000
2'415,000
101,200
736,000
38,400
751,680
3,600
151,680
1971
142,600
2,300
70,400
2,992
14,850
2'121,000
474,500
2'205,000
117,760
644,000
720,300
117,600
6'633,302
7'810,157
70.16
1972
1973
1974
177,100
177,100
177,100
7,935
8,050
8,050
61,600
61,600
61,600
4,224
7,040
9,680
16,434
16,830
16,830
1'506,750 1'386,000 1'102,500
488,370
635,100
646,050
1'627,500 1'480,500 1'470,000
111,090 125,120
149,960
722,200
754,400
772,800
709,275
647,535
327,810
102,900
102,900 102,900
5'533,378 5'402,175 4'845,280
6'169,885 5'961,'760 5'379,706
59.27
60.87
55.64
756,000
12,660
-
828,000
5,064
28,800
793,440
3,600
172,800
28,800
409,248
2,880
174,720
-
804,000
5,064
-
28,800
435,144
2,880
176,640
808,800
5,064
28,800
455,184
3,600
188,161
197.5
177,100
8,050
61,600
9,680
16,830
1'134,000
198,195
1'522,500
105,800
644,000
338,100
102,900
4'318,755
5'550,293
54.34
1976
177,100
8,050
62,480
9,680
16,830
1'254,225
474,500
1'607,025
78,200
809,600
294,000
102,900
4'894,590
5'503,699
56.85
822,000
5,064
840,000
28,800
451,008
2,160
205,440
28,800
-
1977
174,800
5,750
17,600
19,360
16,830
1'851,465
270,100
1'575,000
110,400
598,000
367,500
5'006,805
5'570,632
58.11
1978
165,600
1979
161,000
8,050
17,600
6,900
17,600
19,360
23,760
18,315
19,800
1'894,830 2'754,780
559,837
508,153
1'522,500 1'470,000
108,100
95,680
644,000
690,000
382,200
396,900
-
-
5'339,242 6'145,723
5'936,909 6'831 ,715
60.25
64.70
5,064
-
751,680
446,832
7,200
2,160
140,160
211,776
1'184,880 1'125,841) 1'169,760 1'i19,680 1'j8J,304 t'j99,036 1'648,960 1'767,300 1'448,712 1' 452,528 1'489,608 1'514,472 1'545,632
1
• 3. Agropecuarl• (1 + 2)
6'615,868 6' 002,136 7'898,010 8'181,684 1'022,781 9'116,406 9'709,397 3'666,540 7'618,597 7'414,288 6'869,H4 7'064,765 7'038,331
1
-~
~-
1
REQUERIMIENTOS ANUALES AGROPECUARIOS
Actividad
1964
1965
1966
1967
1968
1969
1970
1971
1972
..
1 ~.
1973
1974
1975
1976
1977
1978
1979
-·
1. Agdcol.a
1
1
1
1
1
1
1
9,200
18,400
9.200
18,400
9,200
18,400
13,800
28,520
27,600
27,600
27,600
29,440
30 ,544
30,820
30,360
23,000
16,560
16,560
17,250
18,975
19,320
19,550
17,250
14,950
13,800
44,000
44,000
42,240
47,520
47,168
35,200
3,520
2,640
3,520
3,520
3,520
3,520
3,168
1,760
Aro~
71,000
49,700
49,700
163,300
198,800
102,950
127,800
122,120
132,060
142,000
113,600
56,000
63.000
24,500
63,000
35,000
41,300
35,000
38,500
ill,SOO
35,350
33,600
39,900
25,200
13,780
17,490
19,080
169,200
169,200
169,200
144,800
135,080
115,200
126,000
14,310
144,800
39,200
13,250
108,000
13.250
144,800
23,800
12,720
38,600
15,370
40,600
13,250
31,850
38,500
33,950
24.500
15,370
392.650
456,302
396,890
396,890
371,820
417,610
479,870
500,630
401,585
456,358
494,088
396.890
468,778
460,169
416,287
463,950
528.871
548.690
444,047
495,045
76.69
90.00
86.09
86.09
75.50
55.17
61.48
60.68
55.51
60.64
33,600
381500
14,575
153,000
463,809
511,522
60.55
35,000
24,500
15,370
35,000
87,100
781100
31,500
85,200
Maíz
Plátano
Frijol
Yuca
Sub·total
Total
Por Ha.
49.700
63,000
880
71,000
47,520
3,520
44,000
3,520
49,280
3,520
51,040
3,520
47,520
3,520
19,550
48,400
19,550
44,000
18,400
44,000
18,400
70,400
3,520
17,250
42,240
5.5,248
.5.5,248
117,408
117,408
117,408
121,.548
124,308
12tl,448
5,184
5,184
4,152
4,668
4,668
Pastos
12,880
Cacao
28,750
Café
Coca
31,500
10,600
-
132,060
149,400
162,000
153,000
144,000
406,458
439,120
459,950
450,908
421,550
466,056
490,239
509,709
508,875
532,747
60.00
61.07
66.61
71.65
80.23
135,360
135,360
138,120
4.668
4,668
-
-
2. Pecuaria
Vacunos
1
1
¡
1
¡
41,436
55,248
Ovinos
1,560
1,560
Auquénidos
-
-
Equinos
-
-
-
-
-
-
5,760
5,760
5,760
41,160
37,584
-
-
-
3,600
3,600
14,400
3,600
41,760
41,760
41,760
58,464
4,320
4,320
7,200
7,200
58,464
7,200
7,200
41.760
7,200
5,760
1,440
.5,760
7,680
7,680
7,680
9,600
9,600
9,600
10,560
9,600
96,7.56
114,168
114,488
126,288
196,272
203,616
186,912
189,540
183,360
187,500
Porcinos
1,920
41,760
Caprinos
Aves
Total
-
5,760
3. A¡¡ropccuaria (1+ 2)
553,058
608,2.56
584,266
- - --- ----'- - - - .
586¡4$7
612,559
4.668
-
5,763
5,763
5,763
37,584
40,092
40,092
40,092
1,440
1,512
9,600
9,600
1.440
9,600
10,368
196,992
196,920
200,4.51
662,976
690,690
-
5,763
1,440
-
66'7,566
715, 783
738,230
627,407
682,545
38,500
13,7llll
153,000
'
¡
13,250
38,500
13,780
708,514
REQU~IMNTO
S
ANUALES AGROPECUARIOS
Actividad
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1915
1976
1977
1978
1979
.1
1. Agrícola
Pastos
Olivo
Cebada
Maíz
Trigo
Haba
359,790
54,250
435,500
428,800
442,200
442,200
438,850
425,450
415,400
437,180
54,250
69,750
79,750
68,200
68,200
68,200
68,200
55,760
50,320
44,200
53,720
52,360
68,200
53,720
42,160
24,820
142,500
123,750
104,250
108,750
111,375
110,250
120,000
57.800
23,240
47,600
36,040'
41.480
39,780
38,420
19,090
27,805
24,485
27,390
30,295
49.120
28.635
1,560
31,960
115,125
20,060
26,145
1,950
179,300
858,140
958,676
82.47
975
780
200,490
195,600
931,915
907,225
985,476 1'028,639 1'006,338
82.12
81.57
82.66
Frijol
Papa
Sub-total
Total
Por Ha.
390
187,450
881,180
975
780
585
212,715
235,535
222,495
211,900
954,075
977,620
962,875
938,025
965,499 1'067,218 1'092,813 1'072,848
82.78
83.74
83.29
83.12
449,570
70,525
442,200
70,525
481,060
513,890
491,110
514,560
519,250
70,525
69,750
21,760
114,000
17,000
21,760
69,750
18,700
102,750
25,840
103,875
69.750
25,840
83,625
97,125
139,500
15,980
25,730
17,680
43,860
36,720
36,720
22,440
26,975
26,975
28,220
27,805
35,088
31,540
1,755
585
164,630
975
915
1,170
186,635
164,630
196,415
868,525
933,850
923,235
943,958
978,546 1'036,533 1'016,560 1'028,231
81.44
81.56
80. 11
81.90
1,365
145,885
81.70
915
163,815
865,300
955,578
81.48
69,905
20,400
87,750
20,400
32,370
1,560
136,920
888,555
971,395
79.05
111,375
167,075
852,115
934,957
30,295
942,495
991,165
79.21
2. Pecuaria
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
471,600
238,200
452,736
452,736
433,872
207,240
452.736
209,616
424,440
460,284
473,484
490,464
496,128
238,200
452,736
252,492
452,736
242,964
209,616
183,420
188,184
191,508
198,180
504,000
504,000
468,000
374,400
71,040
385,200
194,844
381,600
71,040
66,240
392,400
66,240
77,676
-
676,800
Total
499,896
202,944
401,040
66,240
77,676
468,000
381,600
338,400
96,000
105,600
105,600
105,600
105,600
103,680
91,200
80,640
108,576
108,576
75,168
75,168
66,816
69,324
79,344
81,012
76,008
81,012
82,680
57,600
57,600
57,600
57,600
43,200
43,200
50,400
56,160
54,000
55,440
58,320
57,960
58,320
1S,360
7,680
7,680
8,604
7,488
10,368
18,048
12,096
12,480
13,056
14,016
13,440
13.632
1
1'664,136 1'083,732 1'440,984 1'338,540 1'322,616 1'400,124 1'282,944 1'176,168 1'236,396 1'270,740 1'288,164 1'296,264 1' 313,988
-
1-----
' · Apop..:uarla (1 • l)
-~
1-
-
1'649,616 2'212,371 2'447,322 2' 304,039 2'389,834 2'492,933 2'355,792 2'134,844 2'171,353 2'226,318 2'266,710 2'332,797 2'330,548
1
REQUERIMIENTOS ANUALES AGROPECUARIOS
Actividad
1964
1965
1966
138,000
110,400
695,000
101,200
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
l. Agrícola
Pastos
Café
Naranjo
Palta
Cebada
Maíz
Trigo
Plátano
Frijol
liaba
Oca y olluco
Papa
Yuca
Sub·total
Total
Por Ha.
695,000
-
-
6,360
23,850
13,200
14,850
123,200
115,500
4,500
6,200
5,400
6,200
6,860
3,840
10,780
3,840
23,250
32,550
556,000
834,000
110,400
138,000
1'706,710 1'970,470
959,100
36,480
25,440
37,950
731,500
92,700
23,560
5,880
76,800
158,100
2'363,000
73,660
4'685,310
1'850,377 2'323,318 4'842,047
59.86
76.52
77.10
133,40(
202,538
110,400
138,138
212,014
211,922
211,968
212,014
221,076
2Z2,180
202,832
193.632
212,032 1
945,200 2 1085,000 2'085,000 1'820,900 1'668,000 1'473,400 1'251,000 1'251,000 1.000,800 1.000,800
834,000
834.ooo •
834.000
36,480
68,400
77,520
77,520
84,360
79,800
91,200
91,200
91,200
84,360
71,364
71,364
71,364
25,440
25,440
25,440
47,700
49,290
57,000
57,240
63,600
63,600
63,600
22,101
22,101
22.101
. 46,200
33,000
26,400
16,500
19,800
7,260
7,425
6,600
6,930
6,600
4,950
3.300
1.650
777,700
446,600
831,600
423,500
331,100
307,230
300,300
289,520
300,300
304,150
284,900
255.640
284,515
97,200
16,200
81,000
9,000
9,900
4,770
4,050
4,500
4,050
4,230
4,050
3,870
4,050
24,800
49,600
49,600
49,600
43,400
41,540
43,400
52,080
52,700
41,540
52,328
52,700 :
52.328
• 8,330
6,370
4,410
4,655
6,615
5,635
5,880
6,860
6,615
6,860
6,223
6,713
7,203
86,400
38,400
72,000
25,440
23,040
22,080
18,720
19,680
22,560
23,280
18,576
14,640
13,200
223,200
167,400
167,400
167,400
106,950
77,190
67,890
73,470
60,450
57,660
50,034
51,150
52.080
3'058,000 1'251,000 2'780,695
834,000
882,650
847,900
806,200
952,150
967,440
945,200
903,500
945,200
924,350
73,600
55,200
55,200
59,800
64,400
69,000
80,960
84,640
179,400
73,600
73,600
81,880
78,200
5'010,990 4'377,970 6'394,133 3'741,843 3'493,659 3'167,827 2'979 ,233 3'102,634 2'970,605 2'850,956 2'519,258 2'541 ,338 2'561 ,625
5'128,357 4'593,365 6'694,604 3'989,450 3'832,247 3'314,968 3'108,474 3'165,009 3'055,234 3'345,501 2'161,253 2'632,154 2'647,575
72.67
84.30
84.24
73.37
69.09
66.37
64.39
65.87
63.54
61.51
61.45
60.75
59.48
2. Pecuarla
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
Total
3. Agro pecuaria (l + Z)
648,600
626,544
687,516
687,516
843,180 1'180,452 1 '141,536 1'102,620
996,252
985,872
946,956
946,956
953,448
1'551,000 1'635,600 1'635,600 1'607,400 1'607,400 1'635,600 1'649,700 1'748,400 1'663,800 1'635,600 1'635,600 1'632,000 1'632,000
50,400
108,000
151,200
72,000
72,000
270,000
338,400
313,200
226,800
190,800
169,200
169,200
169,200
144,000
163,200
163,200
163,200
211,200
307,200
307,200
286,080
264,960
264,960
270,720
270,720
21o,no
250,560 2 50,560
250,560
250,560
258,912
417,600
334,080
292,3 20
334,080
332,412
350,784
342,432
342,432
14,400
14,400
14.400
41,760
41,760
58,464
58,464
66.816
106,908
110,244
118,596
116,928
121,104
16,704
16,704
16,704
28,800
20,160
27,840
28,800
27,264
27,264
27,264
28,032
30,528
30,720
2'687,760 2'815,008 2'839,980 2'839,140 3'133,812 3'987,U6 3'8.58,180 3'836,700 3'620,064 3'547 ,152 3'518,220 3'510,432 3'519,624
4'538,137 5'138,326 7'713,020 7'967,497 7'727,177 ~0'591,76
7'847,630 7'668,947 6'935,032 6'655,626 6'683,229 6'565.666 6'865,125
·-·
--· -
ANUALES AGROPECUARIOS
~EQURIMNTOS
DEPARTAMENTO DE PIURA
(1964-1979)
Actividad
1964
1965
l. Agrícola
Pasros
Café
Lim6n
Mango
Naranjo
Arroz
Cebada
Maíz
Sorgo
Trigo
Maní
Plátano
Cebolla
Tomate
Paliar
Arveja verde
Frijol verde
Arveja ~ca
Frijol ~co
Zarandaja
Camote
Papa
Yuca
Algodón
Caña de azúcar
Sub-total
Total
Por Ha.
1
2. PeL-uaria
Vacunos
Ovinos
Equinos
Porcinos
Caprinos
Aves
Total
3. Agropecuaria (1 + 2)
1966
1967
- - -1-- .
196,350
367,500
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
--
--
1978
1979
307,710
306,600
360,591
381,843
426,657
518,133
512,820
470,894
477,246
489,951
4-95,033
463,155
451,605
480,711
514,737
560,984
288,645
260,925
308,700
31 5,00C
273,000
296,100
323,400
336,00<:
338,100
292,950
292,950
253,050
353,850
496,650
215,040
179,232
184,320
245,760
264,000
178,368
104,640
215,232
224,160
256,128
256,320
362,496
31!2,752
356,832
97,600
101,992
110,044
172,752
215,3 30
208,864
194,346
269,986
291,580
403,210
404,430
297,070
530,090
H2,042
534,726
73, 216
76,856
76,960
96,720
100,880
138,320
134,784
130,000
131,248 111,904
111 ,904
102,960
102,856
101,920
1'241,000
715,400 1 '606.000 1'941,800 1'316,190 2'182, 700 2'774,000 3'197.400 1'679,000 2'379.800 2'117,000 2'359,360 2'639,680 2'628,000 2'506,820 2'522,150
14,400
40,800
80,160
65,520
99,360
76,080
60,960
62,640
60,960
54,580
57,360
30,240
30,240
17,520
14,112
18,240
857,90C
860,200 1'081,000
844,560
538,200
878,140 1'1 08,600 1'094,800 1 '123,090
705,640 1 '120,330 1'374,020
796,490
858,176
639,722
870,918
260
8,580
8,840
2,340
13,000
72,800
128,180
126,100
105,660
36.79C
90,350
195,000 278,226
283,946
366,068
216,000
24-0,000
313,44<1
300,240
216,480
3l1,040
347,280
379,200
382,560
349,920
34-2,240
343,200
236,304
188,880
217,440
5,600
4,800
5,200
4,800
400
400
1,800
2,600
3,000
1,000
800
1,200
1,600
1,440
37,500
230,000
302,500
~2,50
352,500
280,000
260,000
235,000 187,500 173,500
174,500
120,250
135,000 204,250 177,950
204,650
23,400 105,300
265,590
314,730
136,890
111,735
105,885
82,485
91,845
99,450
156,195
59,085
130,455
35,685
54,405
33,111
6,650
19,000
75,050
66,50(
116,850
29,45
20,90<
14,25C
15,675
16,62 ~
8,07~
11,40(
6,900
11,776
6,H8
5,888
1,722
12,300
23,206
22,960
2,050
2,870
410
1,066
123
205
205
25,960
17,110
5,900
10,325
5,310
21.240
3,245
3,245
3,245
3,500
1,770
1,770
1,475
1,180
1,180
36,400
91,520
94,900
31,200
42,120
13,000
4,420
21,580
18,200
23,920
13,000
9,880
260
260
260
86,000
84,25C
53,250
53,250
84,250
80,500
35,000
32,000
21 ,ooc
21,75(
29,00C
30,000
7,500
50,000
59,4-00
147,200
234,320
112,640
248,320
293,760
307,200
27 4,880
304,000
296,320
292,480
261,760
317,440
217,408
188,416
302,720
14,000
37,000
24,000
38,200
33,200
40,800
50,400
42,400
25,800
45,200
25,600
45,800
46,400
22,000
26,000
26,000
27,300
58,800
65,520
70,980
44,520
51,240
54,600
53,970
46,410
22,470
31,920
43,260
40,320
34,566
29,736
32,424
90,000
135,000
77,850
101,250
70,200
75,1 so
67,050
80,550
87,300
85,950
96,300
147,150
136,800
85,140
104,940
102,780
270,600
237,800
235,340
205,820
164,000
168,100
156,620
115,620
104,550
108,240
106,600
104,965
91,840
283,966
138,826
S7,576
8'214,000 8'325,000 8'325,000 8'103,000 6'216,000 6'882,000 5'661,000 5'960,700 5'046,460 5'739,810 7'215,000 6'361,410 4'802,970 5'034,072 4'497,276 5'022,750
10,692
46,9llO
61,020
18,090
21,060
29,484
36,180
29,160
27,270
26,730
11 ,880
23,760
10,800
29,970
27,540
26.946
11'642,174 12'247,230 13'774,542 13'932,713 10'648,749 12'935,223 12'506,419 3'051,188 0'677,147 11'825,07 3 12'923,041 12'663,472 11'860,724 11'736,724 ~0'79,51
11'958,086
12'387,210 2'959,287 15'253 ,836 15'697 ,573 ~1'806,29
13'845,703 14'112,887 10'963,621 14'794,961 13'608,389 13'296,649 12'634,709 3'150,831 1' 171,846 12'345,025
~4'359,87
84.57
86.31
86.51
92.99
84.56
83.28
80.30
83.12
76.80
82.80
86.20
83.05
77.76
80 94
80.38
81.36
-
1
1
":·~¡
-
-
-
-
2'840,160 2'840,160 2'840,160 3'065,280 2'630,208 2'531 ,328 2'412,672 2'452,224 2'709,312 2'926,84f 2'837,856 2'926,84! 2'996,064
298,ll00
308,760
323,700
323,700
318,720
313,740
313,740
846,600
338,640
876,480
856,560
871,500
871,500
576,000
576,000
960,000
960.000
960,000
864,000
739,200
487,680
960,000
490,560
489,600
504.960
514,560
1'002,240
SOl ,12(
501,120
559,584
651,456
613,872
613,872
538,704
701,56!
768,384
843,552
843,552
835,200
1'692,000 1'800,000 1'918,800 2'016,000 2'124,000 2'232,000 2'340,000 2'448,000 2'556,000 2'664,000 2'772,000 2'952,000 3'060,000
134,400
57,600
62,400
60,096
76,800
69,120
82,560
72,96(
72,960
74,880
76.800
81,79•
84,864
6'543,600 6'083,640 6'593,076 6'981,984 6"758,484 6 '727,740 6'626,844 6' 593,568 7'374,108 7'778,352 7'890,348 8'180,652 8'367,168
·-
18'930,810 19'042,927 ~1'846,92
--
-
......
22'679,557 ~8'56,31
_ _ _ _ 1 _ __ _ __
121'087 ,614 20'47%,547 ~0'76,45
.___ _
~8'H7,29
----
_____
122'57 3,313 21'498,737 lzt'477,301 121'001,877
__._
i
1
!
'1
REQUERIMIENTOS ANUALES AGROPECUARIOS
DEPARTAMEÑ.TO DE...f_U.NO
U964-f979)
1
Actividad
1. AFÍcola
Pastos
Cacao
Café
Coca
Arroz
Cebada
Ma{z
168
Quinua
Plátano
Frijol
Haba
Arracacha
Papa
Yuca
Caña de azúcar
Sub-total
Total
Por Ha.
2. Pecuaria
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
Total
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
61~
1,938
799
61
306
306
289
272
306
332
366
366
559
1,966
2,07S
2,449
2,30(
2,30(
2,300
1,150
2,30C
2,300
2,875
1,725
2,30(
2,070
2,070
1,150
1,150
1,150
2,070
1,150
1'408,000 1'408,00( 1'408,00( 1'408,00( 1'408,00C 1'496,000 1'584 ,000 1'760,000 1'920,00( 1'267,200 1'267,200
668,800
534,864
616,000
739,200
968,0001
86,24(
86,24(
86,24(
86.240
105,000
123,200
140,800
105,60(
123,200
105,600
105,600
79,200
79,200
75,680
68,640
66,880 ¡
12,30(
12,30(
8,200
12,300
13,940
10,660
8,200
11,480
8,200
6,560
7,380
8,200
11,890
14,760
12,300
10,660!
840,000 1'176,000
504,00(
567,00(
378,000
560,700
661,080
818,160
690,900
811,440
824,460
729,120 1'197,000 1'180,200 1'131,060 1'143,324 ¡
236,250
169,425
141,075
141,075
76,950
132,300
184,950
199,800
184,950
338,175
193,725
195,975
203,000
195,790
224,350
233,450 1
880,00(
422,400
880,000
968,000
910,800
792,660
778,800
710,380
692,560
720,280
685,520
670,560
727,760
898,084
888,404
591,140 1
21,000
63,000
63,00(
63,000
42,000
42,000
42,000
42,00C
42,000
42,000
45,500
51,100
53,200
45,500
42,000
34,650 1
6 ,89(
6,890
6,890
6,89C
5,830
2,650
3,445
3,710
3.445
4,240
3,445
1,060
1,590
1,431
1,325
1,166 1
106,56(
131,72(
185,000
125,800
72,890
85,470
100,240
235,320
89,160
253,450
187.590
271,125
290,510
334,702
350,538
318,052 1
4,98(
4 ,98(
3,320
6,640
6,640
11,620
14,940
14,110
12,450
7,470
9,130
10,790
7,802
6,640
6,142
8'832,000 7'360,000 6'440,00( 6'992,00< 6'642,400 7'549,520 9'380,320 9'255,200 9'441,040 8'663,640 8'390,400 8'280,000 8'390,400 8'040,800 8'509,080 8'000,320
66,40(
66,400
66,400
66,40C
49,800
48,140
99,600
127,820
106,240
97,940
99,600
83,000
83,000
66,400
53,120
41,500 1
90<
600
600
660
600
360 1
12'567,868 11'448,474 9'723,257 10'393,317 9'297,456 10'850,086 12'989,599 13'045,167 13'526,501 12'162,797 12'027,136 11'048,781 11'574,723 1'480,925 12'030,482 11'420,403
13'303.430 12'047,403 10'823,03í 11'891,325 12'176,125 13'179,567 15'232,170 15'835,431 ~5'098,4
15'363,788 15'053,962 14'123,445 13'0,54~
120.58
109.39
112.75
113.26
138.38
126.02
130.19
130.76
150.30
124.47
121.84
122.64
112.88
1
1
8'127,000 8'127,000 8'127,00( 8'686,860 8'690,472 8'509,872 8'515,296 8'371,896 7'801,920 7'760,388 7'821,792 7'792,896 7'774,836
18'792,000 19'418,400 19'418,400 21'924,000 22'550,400 22'237,200 21'924,000 19'418,400 5'033,600 15' 418,8 30 5'816,600 15'566,040 15'566,040
17'978,400 17'978,400 17' 964,000 16'848,00( 17'856,000 18'000,00( 17'280,000 14'400,000 12'960,000 12'816,000 12'744,000 11'808,000 11'448,000
1'344,000 1'353,600 1' 353,600 1'353,600 1'276,800
988,800
787,200
785,280
766,080
786,240
776,640
768,000
766,080
1'252,800 1'252,800 1'252,80( 1'261,152 1'236,000 1'269,504 1'219,392 1'135,872
836,040
881,136
860,256
868,601
870,276
64,800
64,800
7,200
7,200
7,200
6,480
7,200
9,360
7,920
8,604
8,180
8,640
8,640
115,200
31,680
32,064
32,640
36,480
61,440
92,160
112,320
102,912
103,872
104,448
104,832
107,232
47'674,200 148'226,680 148'155,040 50'113,452 H'653,352 51'072,09( 49' 825,248 44'233,128 37'508,46~
37'774,536 38'132,016 36'917,01( 36'541,104
J. Agropecuaria (1+2) 60'977,630 160'274,083 158'978,077 62'004,777 ~3'829
, 47
j64'2S1,663 165'057 ,418 160'068,559 ~2'60,54
b3'138,324 3'185,978 ~1'04
, 461
149'544,649
---
- -----
REQUERIMIENTOS ANUALES AGROPECUARIOS
DEPARTAMENTO DE SAN MARTIN
(i 964-1979)
A&:tividad
1964
1965
1966
1967
1968
1969
1?70
1971
1972
1973
1974
1975
1976
1977
1978
1979
l . Agrícola
Pt~.so
169
Cacao
Coca
Café
Arroz
Maíz
Plátano
Frijol
Yuca
Tabaco
Sub-total
Total
Por Ha.
2- Pecua.ria
Vacunos
Ovinos
Equinos
1
Porcinos
Caprinos
Aves
Total
3. Agropecuaria (t+-2)
110,400
216,200
220,800
211,600
220,800
239,200
129,720
32,300
33,350
11,2·50
11,250
18,400
3,450
33,3 so
52,800
44,000
44,000
45,760
42 ,240
52 ,800
52,800
630,000
560,000
560,000
578,900
364,000
560,000
560,000
74 4,000
845,680
434,000
620,000
632,400
994,480 1'364,000
455,000
455,000
455,000
445 ,250
705,250
942,500
981,500
1'155,000 1'186,500 1' 176,000 1' 155,000
945,000 1' 260,000 1' 134,000
264,620
515,605
252,500
268,660
298,960
515,100
459,550
460,000
368,000
363,400
391 ,000
478,400
506,000
570,400
501,150
702,000
296,400
351,000
390,000
312,000
214,500
3'849,550 4'010,430 4'147,810 4' 420,060 4' 828,785 5'372,130 5'587 ,310
4 '644,644 4 '486,755 4'644,258 4'457,892 5'324,667 6'052,227 6' 412,878
74.25
73.79
64.81
6 6.49
69.80
61.90
67.18
257,600
270,480
294,400
308,200
322,000
322,000
18,400
8,050
8,050
8,050
8,050
8,050
52,800
49,280
44,000
44,000
44,000
44,000
525,000
350,000
223,300
245,000
315,000
196,700
1'438,400 1'079,420
814,680
541,260 1'034,160
897,760
955,500
942,506
845,000
858,000
854,750
936,000
1'312,500 1'260,000 1'260,000 1'281,000 1' 312,500 1' 312,500
767,600
338,350
373,700
466,115
555,500
544,390
563,040
460,000
469,200
469,200
476,560
487,600
195,000
235,950
243,750
343,200
370,500
184,000
6'082,320 4'997,550 4'667,780 4'515,725 5'201,320 4'981,300
6'703,463 5 1 302,661 5'021,310 4' 956,221 5'725,226 5'455,192
67.99
63.05
59.51
60.00
61.18
58.39
S70,400
28,750
528,000
238,000
892,924
1'127,945
1'329,825
513,181
404,248
150,540
5'783,813
6'203,467
49.81
598,000
644,000
36,800
34,500
880,000
70 4 ,000
238,000
238,000
1'458,488 1'559,176
1'605 ,890 2'495,350
1'417,500 1'522,500
4 54,500
391,779
507,012
376,556
123,630
90,090
7'078,799 8'296,972
1'592,696 8'932,352
54.14
53.35
319,800
351,780
351,780
364,572
511,680
543,660
543,660
511,680
518,076
524,472
543,660
543 ,660
553,260
24 ,600
24,600
24,600
24,600
22,140
39,360
39,360
29,520
19,680
20,664
22,1 40
21,156
21 ,156
115,200
115,200
115,200
115,200
144,000
192,000
192,000
163,200
168,000
172,800
177,600
182,400
185,280
417,600
668,160
668,160
668,160
668,160
626,400
668,160
751 ,680
751,680
764,208
835,200
843,552
847,728
7,200
7,200
7,200
1,200
7,200
21,600
14,400
12,960
7,200
7,200
7,200
7,200
7,200
38,400
28,800
38,400
38,400
48,000
61,440
76,800
96,000
79,680
80,640
80,640
96,960
97,152
922,800 1' 189,260 1'205,340 1'218,132 1'401,180 1'!126,220 1'492,620 1'!165,040 1'!144,316 1'569,984 1'666,440 1'670,928 1'711,776
5'567,4 44 5' 676,015 5'849,598 5'676,024 6'725,847 7'578,447 7'90S,498 8'268,S03 6'846,977 6'591,294 6'622,661 7'396,154 7'166,968
-
-
---
1
REQUERIMIENTOS ANUALES AGROPECUARIOS
DEPART~O
Actividad
1. Agdcola
Putos
Olivo
Vid
Maíz
170
Trigo
Ají
Cebolla
Col
Tomate
Zapallo
Haba
Papa
Algodón
Sub-total
Total
Por Ha.
1964
1965
565,760
693,500
21,560
25,480
25,750
23,690
212,895
264,040
7,700 11,550
40,250
39,100
2,840
6,390
5,880
6,000
12,000
-
-
20,750
24,900
116,250
148,800
56,080
57,770
1'076,425 1 '442,060
1'185,892 1'571,$21
76.02
87.77
492,480
492,480
245,232
417,600
1966
1967
1969
1968
DE TACNA
Ü964-1979)
1970
1971
1972
1973
1974
1975
1976
1978
1979
708,100
678,900
708,100
693,500
722,700
754,090
816,870
869,430
896,440
850,100 1'103,400 1'045,360 1' 063,975 1'036,600
30,282
50,282
30,086
32,046
33,614
31,556
39,5 92
41,824
34,300
49,000
53,704
67,522
75,362
23,175
23,175
25,132
26,265
26,265
25,150
24,823
25,853
26,986
26,986
21,630
24,720
21,836
23,896
199,640 189,175
193,200
193,200
199,238
211,71 S
170,660
217,350
201,290
205,275
140,360
177,320
178,200
235,400
10,780
14,630
14,630
13,860
11,550
10,780
9,625
11,165
14,630
10,070
15,785
8,470
15,400
10,39 5
36,800
40,250
48,300
60,950
57,500
64,400
59,800
39,675
31,050
21,850
44,275
20,125
22,425
24,725
5,680
6,390
5,325
6,795
9,230
10,650
13,135
6,745
5.680
8,875
9,585
8,520
6,03S
7,455
5,460
5,040
5,040
5,880
5,040
5,040
4,620
5,880
6,300
5,880
5,880
6,300
5,460
5,88()
11,250
13,500
1 3,500
15,000
21,000
14,250
22,500
9 ,750
11,250
11,250
11,250
9,750
7, 500
13, 500
14,880
12,400
21,700
26,660
26,040
31,620
27,900
26,660
21,080
18,600
24.800
24,180
25,420
26,040
23,240
27,390
30,295
26,560
23,240
26,560
26,560
26,560
26,560
23,655
21,580
29,880
26,145
25,7 30
148,800
162,750
158,100
150,660
154,380
131,175
118,110
113,460
124,620
151,590
119,S05
63,705
68,355
96,255
34,880
21,800
5,450
1,635
3,270
2,180
2,180
7,085
9,265
5,450
1,090
1 '220,86 7 1'257,362 1'531,938 1 '252,121 1 '293,067 1'307,692 1'381 ,956 1'399,318 t•4hi,602 1'356,325 1'561,940 1'472,137 1 '510,333 1'582,062
1 ' 338,250 1'386,576 1'714,924 1'452,321 1'475,409 1'493,818 1'656,504 1'508,738 1'640,274 2'018,076 1'663,938 1'600,362 1'703,618 1'732,821
79.8~
79.76
97.07
81.22
80.1S
80.16
85.34
78.72
78.36
78.30
76.12
77.85
77 .99
78.89
-
-
2. Pec¡¡aria
Vacunos
Ovinos
Auquénidos
Equinos
Porcinos
Caprinos
Aves
Total
57,600
83,520
91,872
72,000
72,000
79,200
23,040
5,376
7,872
6,912
1'344,888 1'37J,808 1'377,828 1'401,288
3. Agropecuaria (1+ 2)
2'530,780 2'945,329 2'716,078 2'787,864 3'068,860 2'772,429 2'890,317 2'903,218 2'923,,2 2'778,7% 2'927,610 3'342,024 3'029,2SO
235,800
417,600
28,800
75,168
1977
492,480
492,480
242,916
417,600
57,600
83,520
79,200
254,664
417,600
57,600
479,232
459,648
508,896
535,164
477,696
479,064
479,352
492,480
515,460
285 ,324
287,676
268,812
188,640
186,288
183,924
195,120
206,088
349,200
360,000
367,200
370,800
378,000
383,040
383,040
378,040
52,800
52,800
43,200
42,240
43,200
45,120
47,040
49,440
108,576
116,928
91,872
108,576
87,696
94,380
93,540
93,540
54,000
64,800
59,760
69,120
70,920
72,720
77,'160
84,960
9,600
10,560
23,808
26,688
26,880
27,840
28,800
34,368
37,824
1'353,936 1 '320,108 1'414,908 1'409,400 1'267,248 1'270,008 1'287,336 1'323,948 1'365,312
245,232
417,600
52,800
91,872
57,600
-
-
REQUERJMJENTOS.:t\NUALES AGROPECUARIOS
~
DEPARJMiENTO DE TUM.IIES
(t_9:64-l!l_79)
-
1964
Actividad
1
1. Agricola
Arroz
218,4{}0
Maíz
42,000
Plátano
Ají
Tomate
Camote
Yuca
Algod6n
Tabaco
Sub-toral
89,300
1,360
730
4,200
24,150
49,500
214,830
644,470
767,032
102.13
TotB.I
PorHo..
2. P"uaria
Vacunos
206,64D
4,824
57,600
83,520
244,800
Ovinos
Equino&
Porcinos
Caprino•
9,600
606,984
AVti
Total
J, AirOPNUIIil (1 +
~
2,
196$
1966
1961
1968
212,800
221,760
221,760
5(),400
70,560
60,200
84,600
112,800
4,760
2,040
4,080
1,095
13,505
1'7,885
7,560
6,720
5,880
34,500
40,365
32,430
128,700
217,800
208,395
341,880
219,450
272,580
8S3,125
824,725
916,655
952,895 1'M2,708 1'040,316
105.42
92.38
98.71
280,000
3a,660
150,400
3,060
2,555
11,760
8,280
47,520
152,460
206,64D
189,420
4,824
57,600
83,520
259,200
3,824
4,824
57,600
66,816
266,400
4,224
206,64D
6,756
62,400
615,624
589,284
-
189,420
4,824
57,600
58,464
27;1,600
4,608
588,516
689,635
819,98(!
99.66
58,464
280,800
8,640
623,700
1969
1970
1971
358,400
37,800
272,600
1,360
1,460
5,460
18,285
23,760
135,135
854,260
4D3,200
14,000
297,980
680
16,060
1,680
8,970
17,820
97,020
857,410
979,113
98.08
984,534
103.69
873,575
998,61S
106.60
189,420
7,716
189,420
6,756
172,200
5,784
184,260
12,540
62,400
50,112
288;000
62,400
54,288
295,200
17,280
57,600
41,760
309,600
17,280
618,144
606,384
9.600
607,248
412,160
10,080
318,660
680
730
1,260
3,450
20,295
106,260
197Z
347,760
18,460
376,000
1973
1974
1976
H1,720
16,800
416,420
340
2,190
1,260
13,800
9,900
97,020
889,990
940,475 1'042,537
103.17
98.04
248,640
26,320
366,130
340
2,920
1,680
8,280
6,930
57,750
718,990
846,853
94.85
280,000
36,800
4D4,200
340
3,235
1,470
6,900
57,600
62,640
324,000
11,520
194,592
14,472
57,600
66,816
28,800
12,480
199,752
15,432
57,600
79,344
273,600
13,440
206,640
14,472
57,600
75,168
302,400
210,084
14,472
57,600
75,168
313,200
13,056
652,560
633,960
639,168
669,336
12,480
683,004
680
1,460
2,520
3,795
5,940
124,740
881,375
963,298
103.57
224,000
24,360
394,800
1,360
2,555
3,360
5,865
1,980
173,250
831,530
1975
328,160
291,116
480,716
136
3,444
6,969
4,554
46,200
57,750
790,745 1'161,295
971,597 1'407,937
98.29
122.10
1'574,016 1'568,519 1'621,992 1'628,832 1'443,688 1'586,361 1'602,678 1'604,999 1'615,858 1'574,435 1'681,705 1'516,189 1'654,601
..
-. .
- -·-
--
1977
1978
356,608
124,764
480,340
136
1979
348,096
87,953
485,510
136
1,344
966
9,453
2,967
2,376
2,970
38,346
3,927
1'013,367
932,525
1'191,115 1'244,510
111.37
107.17
-
III
REQUERIMIENTOS AGRICOLAS Y AGROPECUARIOS
MENSUALES POR PROVINCIA
1972
RElUIMNT<YS-LABO
~GJU
COLAS
ARo 1972
Enero
TOTAL DEL PAJS
Febrero
Mano
Abril
Mayo
Junio
15'140,812 14'664,681 15'117,707 14'548,389 16'801,488 20'680,132
Julio
Agosto
18'582,706 13'034,833
Octubre.
Setb~.
Novbre.
Dlcbre.
TOTAL
9'019,398 12'139.,932 12'259,972 14'051,893 176' 751,943
Opto. Amazonu
Chachapoyas
Ball'la
Bongara
Luya
Rodríguez de Mendoza
601,105
411,503
354,558
23,113
133,628
41,30.3
436,940
57,645
143,114
11,218
106,737
·18,226
442,722
56,962
199,471
12,801
142,055
31,433
293,527
55,357
203,39.5
7,.570
11,428
15,777
486,642
26,631
254,620
16,020
1.55,436
33,935
641,459
81,822
298,951
30,365
191,411
38,900
864,597
97,582
468,521
33,587
216,461
48,446
514,182
26,108
262,310
27,390
153,273
45,101
2,,232
60,914
83,006
8,922
76,844
27,546
356,045
65,931
160,35.5
14,312
91,011
24,436
359,060
44,741
213,946
9,480
63,340
27,553
362,887
59,776
135,390
21,240
103,047
43,434
5'616,398
681,972
2'877,637
216,018
1'444,681
396,090
Dpto. AnciUh
Huaraz
Aija
Antonio Raimondi
Bolognesi
Carhuaz
Casma
Corongo
Huari
Huaylas
Mariscal Luzu_!iaga
Paliase a
Po,ma.bamba
Recuay
Santa
Sihuas
Vungay
920,386
52,081
23,511
52,023
40,887
61,201
11,732
5?,039
45,475
100,888
40,877
$3-,677
31 ,119
96,693
70,140
81,925
917,515
66,512
30,962
57,817
7,498
32,467
89,517
8,843
231,888
39,498
75,601
34,875
33,653
18,802
78,558
54,931
56,033
1 '402,000
131,533
72,012
120,169
55,33.5
39,751
40,928
1'270,414
11,680
.52,665
64,776
38,239
21,178
17,142
331,077
56,823
135,681
60,188
57,359
37,205
.51,585
79,237
99,497
944,200
6S,S64
50,476
57,.584
42,370
25,219
69,306
5,314
242,911
44,528
41,030
19,376
12,217
21,452
160,576
22,563
63,714
786,279
33,692
29,209
76,278
2.50,828
65,659
134,317
56,023
71,357
38,063
110,463
101,992
99,311
548,695
55,079
7,551
7,273
38,572
31,745
22,164
11,285
2,552
21,670
97,905
41,945
45,804
18,850
46,841
.57,478
41,981
19,143
69,481
8,406
200,206
27,626
67,64.5
33,120
37,068
13,636
71.065
56,779
42,925
768,515
42,005
33,109
82,792
7,707
20,359
3,970
8,702
214,010
38,472
71,630
33,648
37,91 S
16,247
53,057
56,916
47,976
258,752
6,088
4,370
32,430
33,159
1,216
5,780
591
103,529
9,515
630
58!1
279
2,377
52,533
332
S,H8
583,595
43,516
10,818
17,909
75,481
39,642
.5,534
8,436
7 39,018
56,626
10,841
24,207
22,159
57,846
.54,053
11,04.5
100,Z46
48,149
82,.541
769,1ZO
64,994
15,389
45,356
.51,741
50,526
53,464
9,318
126,008
42,421
66,252
27,373
26,148
10,381
70,.536
37,741
48,-549
n,936
10,420
73,382
47,842
70,875
25,922
17,843
78,.581
23,841l
68,143
9'908.489
776,407
369,483
610,102
424,884
414,883
496,636
115,013
1'930,143
469,905
937,733
413,574
433,335
236,39.5
943,870
609,71)9
726,267
Dpto. Apurlmac
Abllncay
Andahuaylas
Antabamba
Aymaracs
Cotabambas
Grau
291,070
17,744
180,959
18,507
25,971
29,309
19,574
256,494
56,629
93,096
7,550
28,644
50,858
19,697
350,094
14,47.5
170,136
12,217
36,569
79,477
37,220
598,196
53,242
300,790
48,160
9S,S81
54,834
45,589
743,250
90,615
402,959
54,694
107,3%
46,751
40,885
800,117
108,557
263,158
43,897
160,677
142,365
81,463
5.58,207
87,9.57
131,380
.53,754
161,729
56.469
66,918
429,843
73,.510
146,629
47,692
91,811
30,224
39,977
236,603
45,31.5
13,512
22,900
62,014
59,979
32,883
570,829
76,622
198,579
37,473
101,993
99,693
56,469
725,923
104,422
301,267
59,911
135,5"
66,998
57,760
441,479
41,367
155,286
3.5,326
82,539
64,051
62,910
6'003,105
77(),4.55
2'357,7.51
442,081
1'090,465
781,008
561,345
Dpto. Arequipa
Arequipa
Carnaná
Caravelí
Castilla
Caylloma
Condesuyos
Islay
La Unión
241,103
94,825
22,078
31,712
17,875
2,372
171
70,956
1,114
U6,488
280,649
91,049
89,198
42,043
1,301
23.669
3,241
15,714
14,434
368,642
140,852
42,188
21,841
37,!34
34,241
19,903
4ó,ll7
26,366
633,933
201,147
8,940
52,467
113,601
70,915
4 8,657
79,790
58,416
531,068
210,0H
27,578
43,60.5
85,911
34,767
26,001
90,229
12,923
540,338
194,663
76,999
58,689
74,8H
17,393
15,543
93,657
8, 543
571,~3
202,8S5
127,876
53,502
94,671
33,728
18,961
24,748
14,8S2
302,468
137,875
10,220
57,210
26,735
14,165
10,237
37,669
8,357
460,342
82,408
55,655
27,837
66,B6
83,578
20,824
70,400
53,509
493,651
123,1.58
125,481
21,147
9,483
66,895
23,864
72,476
51,147
.567,864
1.59,373
109,976
22,903
39,296
78,408
32,479
58,091
67,338
5'147,739
1'698,818
697,30.5
454,943
570,604
491,009
230,379
672,946
331,735
99.118
60,559
1.ll6
21,987
3,610
30,883
10,498
13,099
14,736
14.~59
56,08~
-
67,~.9
30,069
63,613
36,250
~9,314
Enero
Febrero
Dpto. Ayacuclto
Huamangp.
Qln¡allo
Hu anta
' LaMar
Parinacoc:has
Víctor Fajardo
Lucanas
1'240,??8
123,012
280,632
87,886
217,104
56,631
45,717
430,022
Dpto. Cajamarca
Cajamarca
Caja bamba
Celendín
Contumazá
Cutervo
Chota
Hualgp.yoc:
Jaén
San Ignacio
Sa,n Miguel
Santa Cruz
1
176
Prov. Const. Callao
1
1
Dp~o.
cuzco
Cuzco
Acomayo
Anta
Calca
Canas
Can chis
Chwnbivilcas
Espinar
La Convención
Paruro
Paucanambo
Quispicanchis
Urubamba
Dpto. Huancavelica
Huancavelica
Acobamba
Angaraes
Castrovirreyna
Tayacaja
Mano
Abril
1'6H,80?
29,095
47,770
1'419,201
61,923
27,387
22,299
26,134
609,252
19,608
159,882
89,954
272,123
19,138
19,898
28,649
419,360
1'834,703
218,837
110,696
120,273
70,844
214,058
167,560
73,564
289,005
436,140
85,406
48,320
2'331,466
565,639
174,102
175,705
127,496
849,343
153,341
107,034
Mayo
Junio
38,051
1'278,708
79,192
284,518
163,639
519,526
S4,Q63
67550
110,220
1'436,536
169,044
292,251
178,374
380,516
106,625
114,415
195,311
1,801
114,596
46,814
1' 394,302
117,132
68,508
64,711
65,310
219;104
173,194
35,148
272,874
263,684
57,233
57,404
1'803,931
337,827
224,485
111,089
117,076
161,439
247,713
65,963
155,758
217,750
92,090
72,741
1'521,505
148,375
53,160
50,210
65,584
203,051
257,949
77,790
237,847
306,083
75,224
46,232
2'307,111
494,639
151,347
160,979
60,597
133,287
261,162
151,677
337,378
308,638
148,384
99,023
1,265
1,473
7,880
22,535
22,367
1'153,880
35,475
83,898
150,468
70,188
61,406
70,684
69,227
46,302
316,431
39,831
64,934
114,596
30,440
1'014,637
37,154
32,717
195,858
101,290
37.196
46,627
62,467
24,458
241,710
76,085
67,128
25,603
66,344
976,502
1'390,046
785
569,764
8.373
21,157
147,950
31,897
8,842
170,444
73.417
50,205
79,106
61,734
891,923
3,172
3,655
46,421
342
1'680,724
57,702
129.465
252,979
204,333
3,250
61,885
29,798
930,412
253,849
115,516
71,363
118,520
371,164
429,123
89,403
112,715
49,464
22,797
154,744
271,225
67,594
36,526
15,340
14,741
137,024
241,248
61,412
35,345
1,920
15,310
127,261
15,595
-
37,484
216
153,263
4
6,394
-
-
50,719
92,532
238,058
-
-
-
Julio
Agosto
Octubre.
s~tbre.
No libre.
Dlcbre.
TOTAL
105,707
59,249
167,195
467,866
49,910
44,275
104,892
452,326
25,017
70,277
76,714
263,608
774
72
15,864
106,408
2,361
32,051
11,144
38,857
2,578
363
19,054
1'608,463
221,565
252,398
:J72,809
280,356
98,062
88,489
94,784
719,530
84,202
177,225
84,827
198,925
S2,02l
51,297
71,033
685,09, 11'189,579
94,928
953,731
218,803
1'925,775
67,644
3'011,913
129,488 3'068,350
503,022
35,833
94,394
548,769
44,005 1'178,019
590,156
194,602
184,847
120,569
341,648
287,767
119,854
388,986
442,407
137,817
117,795
2'770,H3
315,852
173,367
159,209
98,659
340,179
286,945
104,503
458,053
624,699
122,219
86,648
1'057,583
123,629
52,149
71,891
48,040
80,634
131,745
59,806
2Z7,153
174,043
45,790
42,709
1'186,773
353,809
106,572
115,717
101,868
82,940
125,694
84,258
93,983
13,821
69,245
38,866
1'215,644
98,039
95,118
92,785
74,777
177,423
113,053
53,867
104,511
316,680
47,355
42,036
988,344 :U'338,143
145,196
3'509,124
91,104 1'495,210
117,788
1'425,204
47,890
998,710
101,621
2'904,727
98,437
2'304,560
60,802
994,260
128,857 2'710,000
106,744 3'212,490
1'056,711
61,352
28,559
727,147
16,028
27,366
21,759
8,969
15,819
7,341
2'115,508
7,851
58,745
64,908
293,346
40,486
134,317
69,989
19,848
1'161 ,850
66,139
66,349
49,239
82,441
1'156,432
11,776
54,394
73,470
156,981
2,981
32,002
28,989
482,66:;
111,414
99,251
127,925
120,057
1'523,550
57,702
82,688
25,180
177,441
116,635
116,558
140,123
81,582
384,471
79,918
82,235
88,644
90,373
500,520
7,066
2,176
38,917
76,545
S,602
7,786
12,388
2,206
232,251
15,754
11,832
51 ,802
36,195
l'OU,656
21,070
92.922
117,346
92,552
32,907
64,621
64,748
24,253
234,286
92,969
72,711
68,362
.53,909
1'605,205
48,726
105,999
214,584
162,502
33,350
85,909
60,288
22,049
552,409
95,152
63,502
91,820
68,915
292,511
44,036
95,227
15,915
10,945
126,388
671,514
115,455
145,401
91,982
53,282
265,388
495,055
93,307
111,337
87,849
50,646
151,916
309,006
118,275
6n,468
193.899
76,047
33,957
27,309
306,256
589,210
88,825
106,606
137,653
24,860
231,266
393,313
108,085
29,233
37,360
23,197
195,438
-
999,094
2'9~6.48
-
-
640,956
66,133
19,893
37,645
31,212
-
40,658
21,759
128,314
-----
7,518
160,320
772,060 14'921,720
291,019
5,712
6,941
687.429
17,100 1'159,868
140,574 1'799,459
441,320
34,086
739,475
62.487
36,16$
653,288
28,662
311,094
342,414 6'051,130
2,692
657,632
3,698
576,345
28,06$
878,072
63,464
675,589
442,,0
101,055
92,182
56,129
54,194
138,990
5'702 ,635
1'33S,l95
956,135
639,590
437,566
2' 334,149
Enero
1
1
Febrcro
Mar.~:o
Abril
Mayo
Junlo
J ulio
---
Agosto
Sctbre.
177
156,594
31,825
18,720
534,272
117,132
22,048
195,649
75,430
25,399
57,711
40,903
834,307
224,848
65,324
148,292
93,322
171,481
22,711
108,329
612,747
94,016
89,044
198,752
104,280
36,088
56,837
93,730
748,680
180,149
7,712
216,671
84,046
129,001
51,236
79,871
945,218
79,948
44,488
276,365
99,722
247,679
80,539
116,477
1'015,016
176,898
41,048
223,374
157,423
216,286
125,232
74,755
585,492
178,383
S 5,042
127,224
19,442
126,911
26,383
52,107
295,186
65,702
401
46,721
15,882
106,342
12,656
48,082
Dpto.lca
1e a
Chincha
Nazca
Palpa
Pisco
268,240
55, 147
62,645
43,183
9,846
97,419
319,397
32,699
119,614
35,904
29,113
102,067
24$,905
50,101
11 7,482
20,952
6,964
50,406
357,998
28,234
175,351
80,507
46,058
27,848
434,669
117,270
172,115
61,446
31,740
52,098
316,977
90,027
101,233
29,808
40,652
55,257
466,259
282,813
73,933
46,007
3,794
59,712
557,205
221,635
174,410
28,709
2,116
H0,335
Dpto. Junín
Huancayo
Concepción
Chanchamayo
Jauja
Junín
Satípo
Tanna
Yauli
660,620
245,916
89,094
81.232
87,346
914
142,851
12,618
649
952,709
223,154
164,597
278,224
178,335
2,939
86,680
17,185
1.595
1'378,370
101,485
23,071
368,452
157,931
2,939
711,617
12,573
302
1'634,958
96,405
1,669
1'278,294
1,037
15,205
214,652
27,696
1'174,612
219,963
31,914
390,828
211,137
25,116
200,881
93,076
1,697
1 '416,996
230,749
71,846
380,114
248,231
9,830
441,073
33,103
2,050
1'66.5,184
129,223
71,513
954,017
166,122
113,163
180,598
49,961
587
1'407,523
331,138
30,923
183,372
160,380
404,654
84,926
212,130
2'006,151
274,835
96,690
300.919
310,377
325,473
255,064
703,296
211,354
8,597
55,778
194,552
216,570
13,693
2,752
1'267,327
129,655
28,010
183,352
318,162
24S,701
100,012
262,43.5
931,603
196,351
31,914
1 85,049
226,501
80,277
73,468
138,043
1'288,086
328,086
27,576
179,165
310,852
250,721
100,507
91,179
81$,625
232,247
367,037
216,341
1'005,245
322,172
:!70,552
3U,521
757,349
358,785
39,152
359,412
582,185
80,823
81,143
420,219
471,452
167,384
72,216
231,852
890,190
357,544
117,709
414,937
Dpto. Huánuco
Hu6nuco
Ambo
DosdcMayo
Huama!{es
Lconcio Prado
Marailón
Pachitea
548,043
42,274
41,960
199,1 05
57,~6
Dpto. La Libertad
Trujillo
Bolívar
Huamachuco
Otuzco
Pacasmayo
Pataz
Santiago de: Chuco
Dpto. Lambayeque
Chiclayo
Ferrcñafc
L unbaycquc
1
4·~2.793
-
OctUbre.
Novbre.
Dicbre.
TOTAL
94,912
47,Sl7
638,611
208,923
274,834
68,836
91,723
980,474
179,824
56,035
324,616
92,073
113,558
124,774
84,591
881,672
110,739
175,496
303,263
87,287
53,296
78,544
73.047
9'461.063
1'544,825
646,115
2'898,643
1'095,398
1'662,469
737,278
882,335
330,240
91,310
163,100
51,692
10,268
13,870
272,360
40,077
79,846
64,687
39,8.51
47,899
2,,376
13,465
80,351
64,605
4-,4-51
112,510
757,322
407,765
69,733
53,015
15,873
210,936
4'601,948
1'430,543
1'389,813
580,515
240,720
775,884
84,130
57,835
394,453
38,262
34,336
111,852
54,532
484
800,363
148,247
24,486
384,148
24,579
21,272
110,726
86,824
81
823,769
214,611
113,983
125,532
114,836
19,444
176,400
57,993
970
946,334
179,133
120,498
357,478
130,351
23,700
92,940
47,113
1,121
980,350 13'210,149
189,946
2 '062,962
130,590
901,096 .
5'358,614
365,842
120,946 1'479,113
10,941
279,799
93,097
2'563,367
67,995
554,669
10,529
993
1'887,928
39,577
95,807
465,103
311,284
213,516
323,311
439,330
941,429
160,156
21,479
131,572
423,4!2
20,066
48,744
136,000
750,532
423,339
52,656
178,924
3,466
19,393
63,848
1'194,628
105,349
43,413
225,722
189,074
275,320
168,849
186,901
1'124,305
97,602
36,822
233,017
188,654
278,993
82,156
207,061
656,597
166,001
104,935
38$,661
352,992
45,263
149,461
158,268
518,869
231,039
120,640
167,190
321,2H
140,204
29,519
151,550
314,320
72,524
93,223
148,573
8,906
1'4~5,3S6
960,357
1'002,706 14'505,514
239,351
2'536,793
21,240
451,377
92,406
2'429,985
281,200
3'083,914
113,407 2'413,068
76,330
1'416,862
178,772
2' 173,515
932,927
338,629
330,871
263,427
1
7'619,024
2'512 ,615
1'876,458
3'229 ,951
Enero
Febrero
Marzo
675,7H
35,814
600,786
31,293
24,353
12,004
321,885
926,153
121,223
38,633
26,433
465,970
Dpto.Lima
Lima
Cajatambo
Canta
Chanc:ay
Caflete
Huaroc:hirl
Yauyos
131,090
74,365
76,222
15,749
14,369
178,305
137,194
126,303
97,573
Opto. Lorcto
Maynas
Alto Amazonas
Coronel Ponillo
679,037
185,080
107,817
187,686
323,812
71 ,356
14 3,914
34,760
Lo reto
Requena
Uc:ayali
57,756
60,031
80,667
13,329
17,874
42,579
Opto. Madre de Dios
Tambopata
Manú
Tahuaman\1
42,922
30,177
6,445
6,300
6 ,586
-
Opto. Moquegua
11 o
Mariscal Nieto
General Sánc:hez Cerro
Abril
695,846
130,258
Mayo
1'219,286
220,998
103,956
56,953
588,975
167,805
40,512
40,087
182,521
73,917
53,456
31 ,oso
20,496
285,929
134,943
34,793
58,377
639,154
274,605
154,918
224,718
128,592
36,676
67,952
57,041
54,367
30,271
21,094
16,487
12,765
9,104
69,847
64,S8S
35,391
33,516
32,643
853
5,733
34,947
23,716
8,779
2,452
25,580
8,650
13,532
3,398
12,733
51,525
20,149
486
5,529
6,718
156
1 1,127
60,606
5,837
25,652
40,2 42
10
6,934
13,205
115,481
114,551
143,505
22,036
26;072
67,373
14,945
20,506
79,100
28,529
29 ,277
85,699
Junio
964,753
218,467
26,963
37,564
277,021
314,644
38,667
51,427
Julio
Agosto
Sc:tbre.
Octubre
Novbre.
Dlc:bre.
TOTAL
670,227
861,799
284,918
16,974
24,140
227,180
193,427
921,969
149,803
93,708
43,729
862,836
552,655
66,633
67,629
17,386
271,387
845,988
79,522
9'834,031
1'603,651
74,797
26,966
620,011
363,008
69,352
45,808
41,485
50,893
100,160
11 !1,.555
47,347
370,287
171,973
26,899
30,615
404,816
111,127
28,726
120,034
3'992,487
1'959,438
618,135
677,301
193,696
59,339
61,418
578,449
239,693
84,190
77,331
66,479
83,287
27,469
l'l34,61S
6' 131,059
285,205
83 ,616
216,468
400,780
79,772
68,774
1'998,313
1'157,798
38,168
11,244
14,333
9,194
254,834
104,663
85,793
25,323
22,023
6,500
10,532
366,581
227,761
84,579
54,247
164,562
10,644
35,621
219,607
167,929
38,058
33,806
381,125
161,226
85,559
25,058
19,003
1
1
1
178
1'026,2"7
335,0911
175,131
197,101
95,137
111,378
112,391
589,909
139,208
146,148
125,826
50,630
59,194
68,303
122,881
47,738
8,330
8,446
20,:J02
24,511
13,554
24,731
15,16 8
2,243
7,320
77,690
50,832
25,881
26,749
8,030
4,847
13,872
49,590
42,900
2,871
3,819
17,074
12,214
2,596
2,264
22,913
11,053
S,Sll
6,349
25,098
17,670
7,428
977
12,707
7,351
3,593
1,763
109,260
11,159
45,661
52,440
95,157
5,857
40,462
48,838
109,560
19,946
41,833
47,781
45,092
3,152
21,050
54,642
3,204
29,117
128,932
16,116
41,088
71,728
27,439
1,170
39,878
46,391
49,718
2,763
21,949
25,206
824,813
69,856
324,416
430,541
556,649
61,935
46,115
448,599
333,SH
6S,S10
71,840
196,223
218,169
449,834
45,059
46,2S3
358,522
268,680
42,866
181,369
12,410
262,547
46,463
44,873
J 71,211
3'102,009 1
526,610
!179,427
363,717
127,735
-
1'064,740
846,599
558,128
505,481
1
1
Opto. Paac:o
Pasc:o
Daniel Carribn
Oxaparnp•
39,380
56,463
122,326
46,392
179,422
~-
20,890
279,007
80,529
71,968
126,780
--
23,453
Z7,98S
178,644
67,218
60,750
50,676
58,918
110,041
1'99!1,972
Enero
Dpto. Pluta
Piura
Ayabaca
Huancabamba
Morrop6n
Paita
Su llana
Talara
Opto. Puno
Puno
Al: ángaro
Carabaya
Chucuito
Huancané
Lampa
179
Melgar
Sandia
San Rom4n
Dpto. San Martín
Moyobamba
Huallaga
Lamas
MariS~:l
Cáceres
Rlojf.
San
Dpto.Tama
Tec..
,.............,......
t:ulttfl...,lftlt
........u..
Yller
-
Mayo
Junio
JuHo
Agotto
Setbre.
1'013,903
190,671
166,521
245,.541
94,821
54,168
262,085
1'905,381
832,850
707,633
151,220
142,728
205,401
165,220
1'758,578
459,028
363,720
579,680
131,365
27,212
969,849
261,277
234,128
282,990
44,523
.5,108
604,704
176,368
163,044
420,240
81,238
296,093
883,564
328,535
86,016
119,072
151,5.55
.51,001
147,079
306
96
338
223
141,6.52
171
90,331
.584
197,179
394
264,899
50,148
98,542
32,171
44,3.55
9,228
30,445
152
10
804,921
120,566
953,949
69,050
145,794
7,693
239,817
145,664
164,072
11,728
168,254
1,877
753,859
204,697
169,825
42,983
23,984
138,46.5
29,213
23,885
68,597
52,210
1'622,266
281,291
283,081
37,284
491,164
246,112
42,202
3'\,.515
129,040
11,517
16'529,173
2'240,142
2'775,993
467,796
4'939,506
2'.544,681
592,236
346,237
2'002,041
620,541
402,696
23,710
8,421
116,207
66,312
6,697
181,349
151,089
6,823
Zl8,79J
17,500
491
Jtl,569
23,152
2,094
81,260
17.376
68,622
48,192
6 ,453
60,650
.526,954
51,644
45,823
211,174
75,795
23,063
119,455
4'652,748
355,213
346,307
1'462,029
58,554
J6,247
22,307
250,018
111,9U
109,345
140,673
SS,:WI
56,7JI
1'470,180
714,260
25,324
16,012
121
9,191
2,739
2,066
121
552
Abril
1'117,593
127,982
396,036
190
67,145
197,5.56
152
1'187,482
20,141
138,942
80,936
270,656
129,973
41,430
18,474
315,298
171,632
671,449
198,705
10,681
56,789
153,517
23,337
2.5,070
1,230
53,498
148,622
2'617,060
20,794
21,470
8,431
1 '894,628
274,776
3,172
3,521
380,558
9,710
2'083,802
446,631
433,827
7,304
908,392
136,466
11,642
58,812
56,930
23,798
2 '308,487
605,439
616,397
79,319
132,528
548,925
108,501
82,969
94,225
40,184
2'430,566
203,653
351,492
92,198
509,684
487,207
94,770
72,124
400,856
18,582
833,838
18,189
232,530
12,296
44,794
230,362
41,638
20,129
213,146
11,754
261,494
50,986
25,775
13,430
62,6J 7
18,900
458,183
43,066
44,042
164,268
216,404
17,707
11,314
42,492
30,545
13,287
101,059
283,948
17,216
18,135
68,882
37,513
6,381
13.5,821
327,671
27,780
35,070
97,518
65,320
14,823
87,160
ns,744
37,583
45,903
168,483
93,964
9,970
169,841
767,375
50,435
63,585
261,139
110,937
15,787
259,492
601,599
47,676
55,410
197,153
93,648
24,245
183,467
172,292
14,073
737
29,522
27,683
8,874
8,874
39,726
21,800
17,926
102,462
34,207
68,255
308,306
152,5+4
223,146
77,573
79,867
57,703
187,U 1
104,691
1.55,762
145,573
22,164
89,160
47,681
41,479
81,942
75,091
Z,HK
10),015
JIJ,U8
•.•u
,P,IU
I,IPJ
ll,742
18,848
10,626
3,107
5,115
:U,403
17,3ll
I,OU
H,CI96
83,069
71,176
3,852
361,432
58,044
89,988
343,276
10,784
8,394
2,390
T..lll
Mano
1'421,.01
524,549
129,623
82,246
160,775
79,239
23,088
104,480
Manto
Febrero
-
1'731,953
594,386
JH,I16
J70,6PJ
151,168
141,9111
6J,412
SZ,ZOJ
1,701
4,049
tO,JfH
J,OU
II,U?
......
.
-.
"·'"'
.
369,329
148,257
465,876
,_-
179,844
130,127
15,768
136,267
7,HI
·.;...,;..
-
8,697
146,179
29,1H
207,725
164,494
21,829
7,453
74,239
33,303
2,397
47,400
31,292
11,013
89,264
12,660
113
~
7,977
Octubre
237,831
9.5,717
111.172
38,799
30,702
l-.--
Novbre.
._ _
Dicbre.
TOTAL
717,924 13'302,599
268,S09
4'189,400
1'842,868
117,749
89,264
2'177,740
84,089
2'013,254
38,074
655,883
120,087 2'480,686
152
•••••
7,7"
1,1\41\
.
2,768
759,000 i
156,901
1'573,298
715,920
..........,..
M0,949
IH.OIZ
-a
1
TOTAL DEL PAIS
REQUERIMIENTOS LABORALES AGROPECUARIOS
~o
1972
Enero
30'719,319
Februo
Marzo
Abril
30'168,241 31'092,634 30'147,009
Mayo
Junio
32'923,548
36'547,659
JuUo
Setbre.
AcOlitO
OctUbre
Novbre.
Dicbre.
TOTAL
34' 1,,707 28'799,407 24'844,141 28'505,542 27'715,401 29'800,655 ~65'419,23
-
-
807,387
104,148
420,732
36,963
184,735
60,809
643,222
113,290
309,288
25,068
157,844
37,732
649,004
111,607
265,645
26,651
193,162
50,939
499,809
111,002
269,569
21,420
62,535
35,283
692,924
82,276
320,794
29,870
206,543
53 ,441
847,741
137,467
365,125
44,215
242,528
58,406
1'070,879
153,227
534,695
47,437
267,568
67,952
120,464
81,753
328,484
41 ,240
204,380
64,607
463,514
116,559
149,180
22,772
127,951
47,052
562,327
121,576
226,529
28, 162
142,118
43.942
565,342
100,386
280,120
23,330
114,447
47.059
Yungay
1'932,512
181,859
86,343
59,056
144,443
81,156
90,394
39,467
213,566
109,711
167,828
98,422
97,470
96,739
163,852
140,642
161,564
1'929,641
149,253
65,224
93,362
99 ,918
72,736
118,770
36,578
386,415
103,734
142,541
92,420
77,446
84,422
145,717
125,433
135,672
2'414,126
214,274
106,274
155,714
147,755
80,0ZO
70,121
41,994
405,355
129,895
201,257
113,568
115,150
103,683
177,622
172,494
178,950
1'560,821
137,820
41,813
42,818
130,992
72,014
51,357
39,020
157,079
85,906
164,845
99,490
89,597
84,470
114,000
127,980
121,620
2'282,540
194,421
86,927
100,321
130,659
96,351
50,371
44,877
485,604
121,059
202,621
117,733
101,152
102,825
118,744
149,739
179,136
1'956,326
148,305
84,738
93,129
134,790
65,488
98,499
34,049
397,438
108,764
107,970
76,921
56,010
87,072
227,735
93,065
143,353
1'792,405
116,433
63,471
111,823
92,420
59,412
98,674
36,141
354,733
91,862
134,585
90,665
80,861
79,256
138,224
127,281
122,564
1'780,641
124,746
67,371
118,337
100,127
60,628
33,163
36,437
368,537
102,708
138,570
91,193
81,708
81,867
120,216
127,418
127,61 S
1'270,878
88,829
38,632
67,975
125,579
41,485
34,P73
28,326
258,056
73,751
67,570
58,130
44,072
67,997
119,692
70,834
84,977
1'595,721
126,257
45,080
53,454
167.901
79,911
34,727
36,171
222,376
94,305
130,553
84,918
69,941
76,l){Jl
137,695
108,243
128,188
1'751,144
139,367
45,103
59,752
115,179
98,115
83,246
38,780
254,773
112,385
149,481
93,795
75,729
76,040
140,H1
118,344
150,514
1'781,246 22'054,001
147,735
1'769,299
49,651
790,627
80,901
1'036,642
144,161
1'533,924
90,795
898,1 11
82,657
846,952
37,053
447,893
3'784,467
280,535
106,657
1'240,737
133,192
1'741,013
86,859
1'104,114
69,715
958,851
83,463
1'023,835
145,740 1'749,778
94,350
1'455,823
147,782
1'681,9H
Dpto. Apurímac
Aban ca y
Andahuaylas
Anta bamba
Aymaraes
Cotabambaa
Grau
1'106,072
115,072
479,764
117,103
172,540
117,991
103,602
1'070,496
153,957
391,901
106,146
175,227
139,540
103,725
1'164,096
111,803
468,941
183,132
168,159
121,248
1'412,198
150,570
599,595
146,756
242,144
143,516
129,617
1' 557,252
187,943
701,764
153,290
253,909
135,433
124,913
1'614,119
205,885
561,963
142,493
507,240
231,047
165,491
1'372,209
185,285
430,185
152,350
308,292
145,151
150,946
1'243,845
170,838
445,434
146,288
238,374
118,906
124,005
1'050,605
142,643
312,317
121,496
208,577
148,661
116,911
1'384,831
173,950
497,384
136,069
248,556
188,375
140,497
1'539,925
201,750
600,072
158,507
282,128
155,680
141 ,788
1'255,481 15'771,129
138,695
1'938,391
454,091
5'945,411
133,922
1'625,233
229,102
2'849,221
1'845,192
152,733
146,938
1'569,681
681,579
212, 197
32,353
76,926
49,459
115,665
47,544
96,131
51,304
596,964
177,931
11,391
67,201
35,194
144,176
57,871
38,274
64,926
721,125
208,42 1
99,413
87,257
3 2,885
136.962
50,614
40,889
64,624
809,118
258,224
52,463
67,0S5
68,718
147,534
67,276
71,292
76,556
1'074,409
318,519
19,215
91,681
145,185
184,208
96,030
104,965
108,606
971,544
327,426
37,853
88,819
117,495
148,060
73,374
115,404
63,113
980,814
312,035
87,274
103,903
106,435
130,686
62,916
118,832
58,733
1'011,669
320,227
138,151
98,716
126,255
147,021
66,334
49,923
65,042
742,944
255,247
20,495
102,424
58,319
127,458
57,610
62,844
58,547
900,818
199,780
65,930
73,051
97,720
196,866
68,197
95,575
103,699
934,127
240,530
135,756
66,361
41 ,067
180,188
71,237
97,651
101,337
1'008,340 10'433,4!11
276,745
3 '107,282
820,605
120,251
68,117
997,511
70,880
949,612
1'850,525
191,701
79,852
798,855
83,266
975,046
117,528
934,015
Dpto. Amazona•
Chachapoyas
Bagua
Bongará
Luya
Rodríguez de Mendoza
180
Dpto.Ancuh
Hu ata%
Aija
Antonio Raimondi
Bolognesi
Carhuaz
Casma
Corongo
Huari
Huaylas
Mariscal Luzuriaga
Pallasca
Pomabamba
Recua y
Santa
Sihuas
Dpto. Aftqulpa
Arequipa
Camaná
CaravcH
Castilla
Caylloma
Condcsuyos
Isla y
Le Vnión
110,813
569,169
115,421
201,564
35,090
154,154
62,940
8'091,782
1'349,712
3'671,725
382,218
2'057,965
630,162
--
Enero
Febrero
Mano
Abril
Mayo
Junio
Julio
Agosto
Sctbrc.
Octubre
181
Opto. Ayacucho
Huamanga
Can~
lo
Huanta
La Mar
Parinacochas
Víctor Fajardo
Lucanas
2'578,356
270,612
498,414
163,766
J29,863
214,710
261,311
839,680
2'971,167
176,695
265,552
1'495,087
174,682
185,466
237,893
435,792
1'946,610
167,208
377,664
165,840
384,882
177,217
235,492
438,307
1'756,718
147,600
268,501
H8,418
350,817
158,079
215,594
447,709
2'616,066
226,792
502,300
239,525
632,285
212,092
283,144
519,878
2'773,894
316,644
510,033
2S4,260
493,27S
264.704
330,009
604,969
2'336,452
253,307
277,031
243,081
580,625
207,989
259,869
514,550
1'789,684
172,617
288,059
152,600
376,367
158,853
215,666
425,522
1'443,766
149,961
249,833
87,030
151,616
260,657
215,957
428,712
2'945,821
Dpto. Cajamarca
Cajamarca
Cajabamba
Celendín
Contumazá
Cutervo
Chota
Hua.lgayoc
Jaén
San lgnacío
SanMigue.l
Santa Cruz
3' 139,518
485,066
223,668
205,699
153,099
366,914
364,603
145,902
389,929
486,554
197,295
120,789
3'636,281
831,868
287,074
261,131
209,751
1'002,199
350,384
179,372
116,.519
52,215
226,485
119,283
2'699,117
383,361
181,480
150,137
147,565
371,960
370,237
107,486
373,798
314,098
169,122
129,873
3'108,746
604,056
337,457
196,515
199,331
314,295
444,756
138,301
256,682
268,164
203,919
145,210
2'826,320
414,604
166,132
135,636
147,839
355,907
4)4,992
150,128
338,771
356,497
187,113
118,701
3'611,926
760,868
264,319
246,405
142,852
286,143
458,205
224,015
438,302
B9,on
260,273
171,492
4'231,263
856,385
307,574
270,273
202,824
494,504
484,810
192,192
489,910
492,821
249,706
190,264
4'075,148
582,081
286,339
244,635
180,914
493,035
483,988
176,841
558.917
6,,113
234,108
l 59,117
17,727
17,935
24,342
38,997
38,829
32,490
43,828
Canas
Canchis
Chumbivilcas
Espinar
La Convención
Paruro
Paucartambo
Quispicanchi
Urubamba
2'582,735
63,194
145,592
237,503
150,789
184,934
259,347
300,954
285,274
366.960
109,480
134,072
256,360
88,276
2'443,492
64,873
94,411
282,893
181,891
160,724
235,290
294,194
263,430
292,239
145,734
136,266
167.367
124,180
2'405,357
27,719
99,178
87,251
233,864
123,532
195,057
231,727
238,972
620,293
78,022
90,295
289.714
89,733
2'818,901
28,504
61,694
95,877
251,045
196,945
238,868
310,833
300,706
942,452
72,821
72,793
188,185
58,178
3'109,579
85,421
191,159
340,014
284,934
126,778
250,548
261,525
238,972
533,194
181,063
168,389
269,689
177,893
2'952,405
85,421
144,382
112,215
258,042
240,163
305,221
371,850
320,554
435,000
149,567
151,373
230,408
148,209
Opto. Huancavelka
Huancavelica
Acobamba
Angaraes
Castrovirreyna.
Tayacaja
1'819,111
493,101
178,446
170,376
423,884
553,284
1'317,822
328,655
175,665
148,477
328,161
336,864
1'159,924
306,846
99,476
114,353
320,105
319,144
1'129,947
300,664
98,295
100,933
320,674
309,381
1'181,210
283,288
158,177
114,928
316,309
308,508
1'560,213
354,707
208,351
190,995
3S8,652
447,508
Prov. Conn. Callao
Dpto. Cu.zco
Cuzco
Acomayo
Anra
C;~.lca
-
Novbre.
-
Olcbre.
TOTAL
470,180
648,695
393,115
256,141
304,083
504,442
2•056,888
231,802
395,007
160,713
311,684
210,100
266,891
480,691
2'022,453 27'U7,875
242,528 2'724,931
436,585
4'539,159
143,530
3'922,S45
242,2 47
4'421,458
2'399,910
193,912
3'135,897
309,988
453,663
6'093,91 S
2'362,398
389,858
165,121
157,317
130,295
233,490
328,788
132,138
328,077
224,457
157,679
115,178
2'491,588
620,038
219,544
201,143
184,123
235,796
322,737
156,596
194,907
64,235
181,134
111,335
2' 520,459
364,268
208,090
178,211
157,032
330,279
310,096
126,205
205,435
367,0st4
159,244
114,505
2'293,159 36'995,923
417,419
6'703,872
2'850,874
204,076
2'450,316
203,214
130,145
1'985,770
254,477
4'738,999
295,480 4'669,076
133,140
1'862,316
229,781
3'921,088
157,158 3'817,458
173,241
2'399,379
101,028
1'596,775
38,221
25,431
32,281
23,803
3'544,363
35,570
120,439
151,943
373,947
164,014
322,980
301,716
258,820
1'212,379
135,788
135,487
191,003
140,277
2'585,288
39,495
116,088
160,505
237,582
126,509
220,665
260,716
238,972
691,485
135,782
89,031
179,409
89,048
1'929,375
34,785
63,870
125,952
157,146
129,130
196,449
244,115
241,178
282,780
85,403
80,970
193,566
94,031
2'461,511
48,789
154,616
204,381
173,153
156,435
253,284
296,475
263,225
284,815
162,618
141,849
210,126
111,745
3'034,060
76,445
167,693
301,619
243,103
156,818
274,572
292,015
261,021
602,938
164,801
132,640
233,584
126,751
2'200,915 32'067,981
33,431
623,647
1'427,757
68,635
104,135
2'204,288
221,175 1'766,671
1'923,656
157,614
251,150
3'003,431
3'434,012
267,892
267,634
3'178,759
392,943
6'657,478
72,341
1'493,420
72,836
1'406,001
2'579,240
169,829
121,300
1'369,621
1'383,754
332,559
174,287
186,862
356,010
334,036
1'197,705
357,527
62,950
139,671
327,123
310,434
1'526,167
433,151
138,997
132,970
332,673
488,376
1'477,909
328,077
169,556
236,666
330,224
413,386
1'282,012
347,337
92,183
136,373
328,561
377,558
1'331,249 16'367,023
340,307
4'206,219
1 55,132
1'711,535
1'827,746
1H.142
359,H8
4'101,934
321,110
4'519,589
369,1~
23,980
H7,864
Enero
-
Mano
Febrero
-AbrU
Mayo
1'228,049
149,095
117,066
447,461
153,223
172,324
112,015
76,865
1'114,278
223,953
97,154
444,005
171,088
41,129
H7,901
99,048
1'514,313
231,669
140,430
396,648
188,980
187,211
102,901
166,474
1' 352,753
200,837
164,150
447,108
199,938
51,818
137,027
151,875
1'418,686
286,970
82,818
465,027
179,704
144,731
131,420
138,016
451,H5
98,113
136,800
68,954
19,808
127,660
502,492
15,665
193,769
61,675
39,075
132,308
429,000
93,067
191,637
46,723
16,926
80,647
541,093
71,200
249,506
106,278
56,020
58,089
617,764
160,236
246.270
87,217
41,702
82,339
Dpto.¡unín
Hultncayo
Concepción
Chanchamayo
Jltuja
Junín
Satipo
Tarma
Y&uli
1'424,635
466,228
181,982
95,640
240,385
85,130
155,148
97,299
102,823
1'716,724
443,466
257,485
292,632
331,374
87,155
98,977
101,866
103,769
2'142,385
115,959
382,860
310,970
87,155
723,914
97,254
102,476
2'398,973
316,717
94,557
1'292,702
154,076
99,421
226,949
112,377
102,174
1'938,627
440,275
124,802
405,236
364,176
109,332
213,178
177,757
103,871
Dpto. La Libertad
Trujillo
Bol{vu
Huamachuco
Otuzco
Pacasmayo
Patu
Sltntiago de Chuco
2'178,506
424,702
72,688
336,868
334,561
447,377
201,450
360,860
2'777,134
368,399
138,455
596,289
475,100
353,100
441,997
403,794
1'474,279
304,918
50,362
209,274
368,733
259,293
130,217
151,482
2'038,310
223,219
69,715
336,848
492,343
288,424
216,536
411,165
1'702,586
289,915
73,679
338,545
400,682
123,000
189,992
286,773
Dpto. Lunbayeque
Chiclayo
Ferreñafe
Lambayeque
1'079,340
300,286
424,236
354,818
1'268,960
390,211
427,751
450,998
1'021,064
426,8Z4
96,351
497,889
845,900
148,862
138,342
558,696
735,167
235,423
129,415
379,329
Dpto. Huánuco
Huánuco
Ambo
Dos de M&yo
Huamalles
Leoncio Pr&do
Mar&ñ6n
Pachítea
Dpto. lea
I
ea
Chinchlt
Nazca
P&lpa
Pisco
321.7~
Jurúo
Julio
Agosto
·- ,..._...
Setbre.
Octubre
Novbre.
Dicbre.
TOTAL
1'625,224
186,769
119,594
524,721
195,380
263,409
160 ,729
174,622
1'695,022
283,719
118,154
471,730
253,081
232,016
205,422
132,900
1'265,498
285,204
130,148
375,580
115,100
142,641
106,573
110,252
975,792
172,523
75,507
295,077
111,540
122,072
92,846
106,227
2'105,362
201,733
122,623
886,967
304,581
290,564
149,026
149,868
1'660,480
286,645
131,141
500,072
132,993
175,388
55,579
50,614
85,498
649,354
325,779
148,088
71,778
13,756
89,953
740,300
264,601
248,565
54,480
12,078
160,576
SI3,33S
134,276
237,255
77,463
20,230
44,111
455,45'5
83,043
154,001
90,458
49,813
78,140
458 ,471
56,431
154,506
90,376
14,407
142,751
2'181,011
451,061
164,734
394,522
401,270
94,046
453,370
117,784
104,224
2'429,199
349,535
164,401
968,425
319,161
197,379
192,895
134,642
102,761
1'539,899
304,442
150,723
408,861
191,301
118,552
124.149
139,213
102,658
1'S64,378
368,559
117,374
398,556
177,618
105,488
123,023
171,505
102,255
1'587,784
434,923
206,871
139,940
267,875
103,660
188,697
142,674
103,144
1'710,349
399,445
213 ,386
371,886
283 , 390
107,916
105,237
125,794
103,295
1'744,365 22'378,329
410,258
4'706,706
223,478
2'015,752
380,250
5' 531,510
273,985
3'315,581
95,157
1'290,391
105,394
2'71 0,931
152,676
1'570,841
103,167
1'236,617
2'059,069
421,650
69,341
332,661
485,033
293,444
217,031
239,909
2'658,911
133,141
137,572
618,599
485,465
256,239
439,835
588,060
1'712,412
253,720
63,244
285,068
597,593
62,789
165,268
284,730
1'521,515
516,903
50,671
206,152
353,105
46,189
135,917
212,578
1'965,611
198,913
85,178
379,218
363,255
318,043
285,373
335,631
1'895,288
191,166
78,587
386,513
362,835
321,716
198,680
355,791
1'77),689 23'757,310
332,915
3'659,561
63,005
952,557
4'271,937
245,902
5'174,086
455,381
2'925,744
156,130
192,854
2'815,150
327,502
3'958,275
1'153,90!!
425,583
174,908
!!53,414
920,312
234,040
162,134
524,138
616,707
113,302
206,660
296,745
782,584
299,078
1 77,839
305,667
584,988
208,243
86,718
578,03!!
140,563
150,422
287,050
290,027
'572 ,972
187,734
134,288
204,964
142,736
1'561,678 17'627,135
217,560
2'826,677
250,602
1'547,387
5'878,91 S
551,619
2'24J,294
182,945
1' 851,229
69,026
158,734
1'699,558
131,192
1'580,075
940,417
450,731
143,888
78,786
25,835
241,177
1'196,642
406,668
388,070
401,904
6'799,088
1'946,135
2'279.673
889,767
360,264
1 ' 323,249
10'783,604
3'329,083
2'562,846
4'891,675
l!.nero
Opto. Lbna
Lima
Caja tambo
Canta
Chane ay
Cañete
Huarochirí
Yauyos
183
Opto. Loreto
Mayoas
Alto Amazonas
Coronel Portillo
Loreto
Requcna
Ucayali
1'494,826
201,856
112,466
94,839
480,6!J2
170,684
181,651
2!J2,678
796,Z3l
219,909
127,177
223,930
63,246
69,506
92,463
Febrero
Marzo
Mayo
Julio
Agosto
- -·
1'!114,939
296,300
119,163
103, 331
444,696
174,537
2'038,379
387,040
1'681,929
266,202
203,668
130,182
142,079
234,833
1'680,892
450,960
105,087
106,475
385,947
233,021
176,638
222,264
1'741,062
315,845
181,821
126,564
207,399
147,798
216,543
120,399
435,788
354,238
145,953
227,883
1'489,320
330,604
98,757
118,456
378,374
207,523
145,344
210,262
539,892
200,820
148,771
227,349
S29.0S4
211,567
13-4 ,185
207,071
310,890
94,168
372,028
139,492
105,153
61,567
27,513
15,975
22,328
-- -- .
Junio
1'783,846
384,509
115,076
Setbre.
-
Octubre
1'419,879
197,335
103,862
97,204
337,072
176,788
233,589
274,029
1'781,246
287,265
126,746
109,268
624, 737
441,006
106,185
163,274
71,004
756,348
309,434
174,278
104,196
62,531
63,842
42,067
341,912
163,421
56,036
57,338
21,977
22,240
480,911
1'143,431
707,103
240,075
162,564
89,207
100,829
40,881
42,991
20,900
44,439
369,928
194,491
233,345
100,627
120,853
124,187
174,037
165,508
162,070
56,120
69,269
80,099
82,567
27,690
44,690
25,792
33,986
25,350
44,538
22,030
15, 379
43,689
31,665
20,731
5,440
5,494
45,707
21,410
6,694
17,603
68,548
36,032
56,280
4,718
7,550
25,594
4,443
18,819
27,349
54,375
222,115
181,203
229,912
61,880
43,557
8,292
10,031
25,544
53,905
13,380
2,700
9,464
37,096
10,626
6,183
Opto. Moque¡ua
Ilo
Mariscal Nieto
Sánchez Cerro
117,753
1,152
45,447
71,154
156,545
822
51,045
104,678
Opto. P IUICO
Paseo
Daniel Carrión
Oxapampa
392,860
160,495
114,885
117,480
391,930
1S3,404
109,319
129,207
Opto. Madre de Dios
Tambopa.ta
Manú
Tahua.manu
Abril
192,069
139,788
747,742
80,778
74,412
16,734
23,808
20,990
Dicbre.
---
1'371,748
232,675
155,742
100,221
430,154
125,153
i 32,344
195,459
TOTAL
1'66!J,081 19'663,147
245,564
3'596,1 SS
1'677,36 7
162,910
109,801
1'357,028
5'897,691
563.583
150,721
2'434,566
136,012 1'90 5,567
296,490
2'794,773
695,643
274,522
1'251,809
320,034
7'537,387
2'416,261
1'390,118
l '499,668
103,550
113,575
71,969
92,762
39,265
102,976
252,712
406,270
89,247
80,570
5,995
41,871
24,433
7,358
10,080
44,056
31,050
9,275
3,731
594,083
388,321
106,743
99,019
912,479
671,828
647,033
7,129
4,090
11 ,051
96,648
64,212
27,728
4,708
125,169
676
46,852
77,641
165,626
6,503
65,570
93,553
233,952
16,782
81,006
136,164
214,280
11,825
85,579
116,876
200,177
6,523
80,380
113,274
214,580
20,612
81,751
112,217
150,112
3,818
60,968
85,326
159,662
3,870
63,371
92,421
192,459
1,836
79,796
110,827
154,738
3,429
61,667
89,642
2'085,053
77,848
803,432
1'203,773
420,884
166,988
118,090
834,028
200,394
610,952
203,969
160,653
246,330
495,548
177,839
145,276
172,433
727,Zl3
183,518
135,066
408,629
546,059
181,325
135,205
556,386
218,718
160,781
176,887
456,023
205 ,677
149,563
100,783
458,748
150,869
147,731
160,148
539,926
184,922
133,686
221,318
6'4 30,557
2'188,118
1'645,183
2'597,256
135,806
134,928
498,706
--------- - - - - - -
~8,54
------------ -
229,529
- - -
1
Enero
Dpto. Piura
Plura
Ayabac:a
Huancabambr.
.Mor ropón
Palta
Sullana
Talara
1'179,943
1'876,135
647,085
372,692
253,988
246,990
143,625
Dpto.Puno
Puno
Azángaro
Carabaya
1
l
l
1
1
Febrero
Marzo
Abril
1'490,495
1'642,106
483,968
116,922
301,113
41 9 ,H7
Mayo
Junio
Julio
Agosto
1'591,392
1'517,120
Setbre.
Octubre
Novbre.
1'728,391
1'363,246
1'023,441
Dlcbce.
TOTAL
1
1'772,445
2' 743,923
451,071
313,207
830,169
327,937
581,564
383,813
360,367
172,684
409,590
417,283
394,289
314,470
408,289
477,197
454,732
338.786
282,914
341.611
203,913
391,045
360,818
5'659,831 '
4 ' 759,696 '
351,586
606.789
751,422
261,006
4'178,644
216,342
217,580
125,014
130,570
170.304
3'047.834
46,345
24,871
53.717
843,599
233.602
5,974
3'842,866
1'476,466 21'405,103
261,730
334,786
329,085
290,814
429,491
506,455
237,770
181,036
96,881
66,644
69,811
163,900
31,41 J
42,855
soJ,.sH
82,788
31 1,071
130,738
20,751
409,608
260,594
375,600
249,782
310,694
255,167
203,846
143,960
6,012
5,974
6,406
6,128
5,918
579,391
6,160
6,045
6,216
5,993
5,974
5,832
3'600,176
3' 084,143
5' 029,754
4'496,496
4'721,181
4'843,260
3'246,532
2'674,188
3'217,615
3'366,643
3'166,553
326,1 12
504,676
326,765
752,602
911,410
324,160
356,957
426,537
375,021
510,668
587,262
5'911,794
538,121
409,860
231,276
420,649
833,006
1'005,576
631,709
424,954
545,3S8
544,973
569,004
682,260
7'566,1 41 .
182,918
2'346,070
181,791
253,806
509.624"
950,671
266,685
186,783
187,917
203,620
182,180
217,470
211,771
1'359,834
583,970
961,126
496,236
514,059
691,259
475,426
2'561,640 í
942,606 10'356,810
439,190
431,991
539,638
6'066,993
466,470
331,611
344,600
4'221,012
322,242
334,399
345,029
4'072,405
232,014
132,357
192,800
2'767,161
113 ,294
163,627
188,994
1'957,545
6 'l4l ,144
255,423
722,098
Chucuito
Huanc:ané
Lampa
Melgar
328,988
Sandía
379,058
604,959
316,86 3
327,468
311 ,744
117,258
San Román
283,049
260,039
Dpto. San Martín
Moyobamba
Hu aliaga
Lamas
Mariscal Cáceres
Rioja
San Martín
582,216
340,437
49,120
67,215
207,362
4~5.
72,632
4'034,960 45'481,501
568,302
429,992
842,451
780,7 33
523,888
312,426
305., 570
314,040
410,899
397,168
344,036
311,095
314,035
369,326
393,483
382.638
339,643
312,911
444.318
121,127
120,690
157,985
276,906
111.,160
135,215
151,601
464.616
129,999
123,171
142,709
659,167
458,020
324,227
317,967
137,999
144,720
407,981
23,270
451,704
33,834
649,777
891,408
725,632
296,325
526,729
650,987
43,637
56,489
53,730
20,127
29,764
275,122
12,877
342,826
23,761
23,554
57,698
4 2 7,861
34,487
41,308
58,243
86,758
78,.583
23,664
40,549
68,996
624 ,38 3
111.976
55,574
140,612
304,233
23,910
72,616
31,594
159,301
79,66 3
111 ,716
254 ,268
1'979,157
45,744
84,373
66,253
93,856
975,73 2
9,614
9,930
211,767
4 1,913
5,327
9,686
26,296
195,697
134,898
85 ,586
48. 606
16,520
131,477
69,076
211,577
111,678
91,068
149,873
1'938,314
Dpto. Tacna
Tacna
Tarata
114,043
53,979
60,064
Dpto. Tumbes
Tumbes
Contralmirante Villar
Zarumilla
423,499
343,828
134,998
240.247
111,709
18,056
112,025
13,203
19,020
27,478
14,246
166,239
117,578
200,259
289,910
213,885
119,682
112,133
142,985
205,721
41l,S6S
326,405
183,126
192,419
290,610
161,813
353,277
215,191
2'709,288
54,459
67,385
79,792
123,158
103,288
93,266
150,276
125,929
203,247
79,838
99,153
140,334
100.786
114,405
1'261,280
75,600
81 ,832
79,981
154,930
57,674
198,129
213,436
352,529
213,881
119,125
137,MS
158,738
168,971
138,782
71,561
81,116
81,037
296,938
24,987
30,604
170,163
78,448
98,021
26,078
22,339
42.257
22,347
58,452
28,311
23.619
36.871
25, 333
43,558
25,278
116,137
23,263
125,368
26.275
101,336
24,774
17.44 3
15,399
l l ,S45
19,338
19,984
14,683
12,357
15,219
16,433
97,300
26,321
83,381
198,347
22,347
7,794
64,658
33,544
22,226
8,888
1'448,008
1'649,505
1 '170,952
288,866
189,687