1 Tema

Evolucion de articulos importados bajo el rubro vehiculos durante el anio 2025.

2 Objetivo

Analizar la evolucion mensual de las importaciones registradas por Aduanas/DNIT bajo el rubro vehiculos durante el anio 2025, diferenciando entre cantidad de registros aduaneros y cantidad estadistica reportada.

3 Hipotesis

La hipotesis plantea que diciembre es el mes con mayor importacion de vehiculos durante el anio 2025.

Para contrastarla, se revisaran dos indicadores:

Registros aduaneros: cantidad de filas del conjunto de datos filtrado.
Unidades reportadas: suma de CANTIDAD ESTADISTICA cuando la unidad de medida es UNIDAD.

4 Fuente de datos

Los datos provienen del portal de datos abiertos de Aduanas/DNIT:

https://datosabiertos.aduana.gov.py/ddaa/app/#/inicio

Antes de ejecutar este documento, colocar los archivos mensuales en una carpeta local y configurar la variable data_dir en el siguiente bloque.

Los archivos esperados son:

2025_ENERO.csv
2025_FEBRERO.csv
2025_MARZO.csv
2025_ABRIL.csv
2025_MAYO.csv
2025_JUNIO.csv
2025_JULIO.csv
2025_AGOSTO.csv
2025_SEPTIEMBRE.csv
2025_OCTUBRE.csv
2025_NOVIEMBRE.csv
2025_DICIEMBRE.csv

5 Configuracion inicial

anio <- 2025

6 Opcion recomendada: crear una carpeta “datos” junto a este archivo .Rmd.

6.1 data_dir <- “D:/Fuente de datos”

data_dir <- "D:/Fuente de datos"

salidas_dir <- "salidas"
dir.create(salidas_dir, showWarnings = FALSE, recursive = TRUE)

meses <- data.frame(
  MES_NUM = 1:12,
  MES_NOMBRE = c(
    "Enero", "Febrero", "Marzo", "Abril",
    "Mayo", "Junio", "Julio", "Agosto",
    "Septiembre", "Octubre", "Noviembre", "Diciembre"
  ),
  MES_ARCHIVO = c(
    "ENERO", "FEBRERO", "MARZO", "ABRIL",
    "MAYO", "JUNIO", "JULIO", "AGOSTO",
    "SEPTIEMBRE", "OCTUBRE", "NOVIEMBRE", "DICIEMBRE"
  ),
  stringsAsFactors = FALSE
)

meses$ARCHIVO <- file.path(data_dir, paste0(anio, "_", meses$MES_ARCHIVO, ".csv"))

knitr::kable(
  meses[, c("MES_NUM", "MES_NOMBRE", "ARCHIVO")],
  caption = "Archivos mensuales esperados"
)

Archivos mensuales esperados
MES_NUM	MES_NOMBRE	ARCHIVO
1	Enero	D:/Fuente de datos/2025_ENERO.csv
2	Febrero	D:/Fuente de datos/2025_FEBRERO.csv
3	Marzo	D:/Fuente de datos/2025_MARZO.csv
4	Abril	D:/Fuente de datos/2025_ABRIL.csv
5	Mayo	D:/Fuente de datos/2025_MAYO.csv
6	Junio	D:/Fuente de datos/2025_JUNIO.csv
7	Julio	D:/Fuente de datos/2025_JULIO.csv
8	Agosto	D:/Fuente de datos/2025_AGOSTO.csv
9	Septiembre	D:/Fuente de datos/2025_SEPTIEMBRE.csv
10	Octubre	D:/Fuente de datos/2025_OCTUBRE.csv
11	Noviembre	D:/Fuente de datos/2025_NOVIEMBRE.csv
12	Diciembre	D:/Fuente de datos/2025_DICIEMBRE.csv

7 Funciones auxiliares

normalizar_texto <- function(x) {
  x <- as.character(x)
  x <- iconv(x, from = "", to = "UTF-8", sub = "")
  x <- trimws(toupper(x))
  x
}

convertir_numero_py <- function(x) {
  if (is.numeric(x)) {
    return(x)
  }
  x <- trimws(as.character(x))
  x[x %in% c("", "NA", "N/A", "NULL", "null")] <- NA
  x <- gsub("\\.", "", x)
  x <- gsub(",", ".", x)
  suppressWarnings(as.numeric(x))
}

leer_mes <- function(path, mes_nombre, mes_num) {
  if (!file.exists(path)) {
    stop("No se encontro el archivo: ", path)
  }

  base <- data.table::fread(
    path,
    sep = ",",
    header = TRUE,
    encoding = "UTF-8",
    na.strings = c("", "NA", "N/A", "NULL"),
    showProgress = FALSE
  )

  names(base) <- trimws(names(base))
  base$MES_NOMBRE <- mes_nombre
  base$MES_NUM <- mes_num
  base$ARCHIVO_ORIGEN <- basename(path)
  base
}

8 Carga y union de datos

faltan_archivos <- meses$ARCHIVO[!file.exists(meses$ARCHIVO)]
if (length(faltan_archivos) > 0) {
  stop(
    "Faltan archivos mensuales. Revisar data_dir o nombres de archivos:\n",
    paste(faltan_archivos, collapse = "\n")
  )
}

lista_mensual <- Map(
  leer_mes,
  path = meses$ARCHIVO,
  mes_nombre = meses$MES_NOMBRE,
  mes_num = meses$MES_NUM
)

datos <- data.table::rbindlist(lista_mensual, fill = TRUE)
datos <- as.data.frame(datos)

cat("Total de registros cargados:", scales::comma(nrow(datos), big.mark = ".", decimal.mark = ","), "\n")

## Total de registros cargados: 5.054.024

9 Revision de columnas principales

columnas_requeridas <- c("RUBRO", "CANTIDAD ESTADISTICA", "UNIDAD MEDIDA ESTADISTICA")
columnas_faltantes <- setdiff(columnas_requeridas, names(datos))

if (length(columnas_faltantes) > 0) {
  stop(
    "Faltan columnas requeridas en la base: ",
    paste(columnas_faltantes, collapse = ", ")
  )
}

if (!"FOB DOLAR" %in% names(datos)) {
  datos[["FOB DOLAR"]] <- NA_character_
}

if (!"IMPONIBLE DOLAR" %in% names(datos)) {
  datos[["IMPONIBLE DOLAR"]] <- NA_character_
}

if (!"DESPACHO CIFRADO" %in% names(datos)) {
  datos[["DESPACHO CIFRADO"]] <- NA_character_
}

knitr::kable(
  data.frame(
    columna = names(datos),
    stringsAsFactors = FALSE
  ),
  caption = "Columnas disponibles en la base unificada"
)

Columnas disponibles en la base unificada
columna
DESPACHO CIFRADO
OPERACION
DESTINACION
REGIMEN
OFICIALIZACION
CANCELACION
AÑO
MES
ADUANA
COTIZACION
MEDIO TRANSPORTE
CANAL
ITEM
PAIS ORIGEN
PAIS PROCEDENCIA/DESTINO
USO
UNIDAD MEDIDA ESTADISTICA
CANTIDAD ESTADISTICA
KILO NETO
KILO BRUTO
FOB DOLAR
FLETE DOLAR
SEGURO DOLAR
IMPONIBLE DOLAR
IMPONIBLE GS
AJUSTE A INCLUIR
AJUSTE A DEDUCIR
POSICION
RUBRO
DESC CAPITULO
DESC PARTIDA
DESC POSICION
MERCADERIA
MARCA ITEM
ACUERDO
NUMERO SUBITEM
CANTIDAD SUBITEM
PRECION UNITARIO SUBITEM
DESC SUBITEM
MARCA SUBITEM
DERECHO
ISC
SERVICIO
RENTA
IVA
OTROS
TOTAL
MES_NOMBRE
MES_NUM
ARCHIVO_ORIGEN

10 Limpieza de variables analíticas

datos_limpios <- datos %>%
  mutate(
    RUBRO_LIMPIO = normalizar_texto(RUBRO),
    UNIDAD_LIMPIA = normalizar_texto(`UNIDAD MEDIDA ESTADISTICA`),
    CANTIDAD_ESTADISTICA_NUM = convertir_numero_py(`CANTIDAD ESTADISTICA`),
    FOB_DOLAR_NUM = convertir_numero_py(`FOB DOLAR`),
    IMPONIBLE_DOLAR_NUM = convertir_numero_py(`IMPONIBLE DOLAR`)
  )

rubros_disponibles <- datos_limpios %>%
  count(RUBRO_LIMPIO, sort = TRUE)

knitr::kable(
  head(rubros_disponibles, 20),
  caption = "Principales rubros encontrados en la base"
)

Principales rubros encontrados en la base
RUBRO_LIMPIO	n
REPUESTOS (AUTOPARTE)	1045226
MANUFACTURAS DE TEJIDOS ( PRENDAS Y COMPLEMENTOS DE VESTIR)	452575
BIENES DE CAPITAL	353467
VEHICULOS	304007
PLASTICOS Y SUS MANUFACTURAS	283963
CAPITULO 85 MAQUINAS, APARATOS Y MATERIAL ELECTRICO Y SUS PARTES; APARATOS DE GRABACION O DE REPROD	192379
INFORMATICA Y TELECOMUNICACIONES	184759
MANUFACTURAS DE FUNDICION DE HIERRO	151522
ACEITES ESENCIALES, PERFUMES Y COSMETICOS	149872
JUGUETES	128609
CEREALES (TRIGO, ARROZ, MAIZ Y SORGO)	122174
CALZADOS Y SUS PARTES	101580
MANUFACTURAS DIVERSAS DE METAL COMUN (HERRAMIENTAS, CUBIERTOS, GUARNICIONES Y OTROS)	96725
MUEBLES	92412
PAPEL Y CARTON	88610
CALDERAS, MAQUINAS, APARATOS Y ARTEFACTOS MECANICOS; PARTES DE ESTAS MAQUINAS O APARATOS, REACTORES NUCLEARES	78627
ELECTRONICA	75609
PRODUCTOS QUIMICOS	70370
COLORANTES Y PINTURAS	66177
PIELES Y CUEROS, Y SUS MANUFACTURAS	59130

11 Filtro del rubro vehiculos

vehiculos <- datos_limpios %>%
  filter(grepl("VEHIC", RUBRO_LIMPIO, ignore.case = TRUE))

cat("Registros del rubro vehiculos:", scales::comma(nrow(vehiculos), big.mark = ".", decimal.mark = ","), "\n")

## Registros del rubro vehiculos: 304.048

vehiculos %>%
  count(RUBRO_LIMPIO, sort = TRUE) %>%
  knitr::kable(caption = "Valores de RUBRO incluidos en el filtro de vehiculos")

Valores de RUBRO incluidos en el filtro de vehiculos
RUBRO_LIMPIO	n
VEHICULOS	304007
CAPITULO 88 AERONAVES, VEHICULOS ESPACIALES, Y SUS PARTES	27
CAPITULO 88AERONAVES, VEHICULOS ESPACIALES Y SUS PARTES	14

12 Resumen mensual

resumen_calculado <- vehiculos %>%
  group_by(MES_NUM, MES_NOMBRE) %>%
  summarise(
    registros = n(),
    despachos_unicos = length(unique(na.omit(`DESPACHO CIFRADO`))),
    unidades_reportadas = sum(
      ifelse(UNIDAD_LIMPIA == "UNIDAD", CANTIDAD_ESTADISTICA_NUM, 0),
      na.rm = TRUE
    ),
    cantidad_estadistica_total = sum(CANTIDAD_ESTADISTICA_NUM, na.rm = TRUE),
    fob_dolar = sum(FOB_DOLAR_NUM, na.rm = TRUE),
    imponible_dolar = sum(IMPONIBLE_DOLAR_NUM, na.rm = TRUE),
    .groups = "drop"
  )

resumen_mes <- meses[, c("MES_NUM", "MES_NOMBRE")] %>%
  left_join(resumen_calculado, by = c("MES_NUM", "MES_NOMBRE")) %>%
  arrange(MES_NUM)

columnas_numericas <- c(
  "registros", "despachos_unicos", "unidades_reportadas",
  "cantidad_estadistica_total", "fob_dolar", "imponible_dolar"
)

for (columna in columnas_numericas) {
  resumen_mes[[columna]][is.na(resumen_mes[[columna]])] <- 0
}

resumen_mes <- resumen_mes %>%
  mutate(
    MES_FACTOR = factor(MES_NOMBRE, levels = meses$MES_NOMBRE),
    es_max_unidades = unidades_reportadas == max(unidades_reportadas, na.rm = TRUE),
    es_max_registros = registros == max(registros, na.rm = TRUE)
  )

tabla_mensual <- resumen_mes %>%
  transmute(
    Mes = MES_NOMBRE,
    `Registros aduaneros` = registros,
    `Despachos unicos` = despachos_unicos,
    `Unidades reportadas` = unidades_reportadas,
    `Cantidad estadistica total` = cantidad_estadistica_total,
    `FOB dolar` = round(fob_dolar, 2),
    `Imponible dolar` = round(imponible_dolar, 2)
  )

write.csv(
  tabla_mensual,
  file.path(salidas_dir, paste0("tabla_resumen_mensual_vehiculos_", anio, ".csv")),
  row.names = FALSE,
  fileEncoding = "UTF-8"
)

knitr::kable(
  tabla_mensual,
  caption = "Resumen mensual de importaciones del rubro vehiculos"
)

Resumen mensual de importaciones del rubro vehiculos
Mes	Registros aduaneros	Despachos unicos	Unidades reportadas	Cantidad estadistica total	FOB dolar	Imponible dolar
Enero	24771	1905	69120947	69120947	6229248718	7040439896
Febrero	11927	1771	88255508	88255508	408949355	454559754
Marzo	19325	1938	23459685	23459685	1678678270	1866311995
Abril	21194	2019	43231621	43231621	4185568430	4597875415
Mayo	26622	2173	80166684	80166684	3968417137	4309325749
Junio	14455	2026	26489008	26489008	454342722	489657626
Julio	19439	2296	61670823	61670823	2025754289	2129726400
Agosto	19174	2181	50580446	54927034	1955360116	2077474610
Septiembre	20418	2311	88793776	88793776	1589989780	1728219253
Octubre	43956	2799	129162681	129162681	8633385339	9422326006
Noviembre	41161	2116	49064850	49064850	4506716451	5020521528
Diciembre	41606	2595	95035224	95035224	6676190379	7116076617

13 Contraste de la hipotesis

mes_max_unidades <- resumen_mes %>%
  slice_max(unidades_reportadas, n = 1, with_ties = FALSE)

mes_max_registros <- resumen_mes %>%
  slice_max(registros, n = 1, with_ties = FALSE)

diciembre <- resumen_mes %>%
  filter(MES_NOMBRE == "Diciembre")

hipotesis_unidades <- diciembre$unidades_reportadas == mes_max_unidades$unidades_reportadas
hipotesis_registros <- diciembre$registros == mes_max_registros$registros

resultado_hipotesis <- data.frame(
  Indicador = c("Unidades reportadas", "Registros aduaneros"),
  `Mes con mayor valor` = c(mes_max_unidades$MES_NOMBRE, mes_max_registros$MES_NOMBRE),
  `Valor maximo` = c(mes_max_unidades$unidades_reportadas, mes_max_registros$registros),
  `Valor diciembre` = c(diciembre$unidades_reportadas, diciembre$registros),
  `Diciembre es maximo` = c(hipotesis_unidades, hipotesis_registros),
  check.names = FALSE
)

knitr::kable(
  resultado_hipotesis,
  caption = "Contraste de la hipotesis segun indicadores principales"
)

Contraste de la hipotesis segun indicadores principales
Indicador	Mes con mayor valor	Valor maximo	Valor diciembre	Diciembre es maximo
Unidades reportadas	Octubre	129162681	95035224	FALSE
Registros aduaneros	Octubre	43956	41606	FALSE

14 Contraste de la hipotesis

mes_max_unidades <- resumen_mes %>%
  slice_max(unidades_reportadas, n = 1, with_ties = FALSE)

mes_max_registros <- resumen_mes %>%
  slice_max(registros, n = 1, with_ties = FALSE)

diciembre <- resumen_mes %>%
  filter(MES_NOMBRE == "Diciembre")

hipotesis_unidades <- diciembre$unidades_reportadas == mes_max_unidades$unidades_reportadas
hipotesis_registros <- diciembre$registros == mes_max_registros$registros

resultado_hipotesis <- data.frame(
  Indicador = c("Unidades reportadas", "Registros aduaneros"),
  `Mes con mayor valor` = c(mes_max_unidades$MES_NOMBRE, mes_max_registros$MES_NOMBRE),
  `Valor maximo` = c(mes_max_unidades$unidades_reportadas, mes_max_registros$registros),
  `Valor diciembre` = c(diciembre$unidades_reportadas, diciembre$registros),
  `Diciembre es maximo` = c(hipotesis_unidades, hipotesis_registros),
  check.names = FALSE
)

knitr::kable(
  resultado_hipotesis,
  caption = "Contraste de la hipotesis segun indicadores principales"
)

Contraste de la hipotesis segun indicadores principales
Indicador	Mes con mayor valor	Valor maximo	Valor diciembre	Diciembre es maximo
Unidades reportadas	Octubre	129162681	95035224	FALSE
Registros aduaneros	Octubre	43956	41606	FALSE

De acuerdo con el indicador unidades reportadas, el mes con mayor valor fue Octubre, con 129.162.681 unidades. Diciembre registro 95.035.224 unidades.

De acuerdo con el indicador registros aduaneros, el mes con mayor valor fue Octubre, con 43.956 registros. Diciembre registro 41.606 registros.

if (hipotesis_unidades) {
  cat("**Conclusion sobre la hipotesis:** con el indicador de unidades reportadas, la hipotesis se confirma, porque diciembre es el mes con mayor valor.\n")
} else {
  cat("**Conclusion sobre la hipotesis:** con el indicador de unidades reportadas, la hipotesis no se confirma, porque el mes con mayor valor es ", mes_max_unidades$MES_NOMBRE, " y no diciembre.\n", sep = "")
}

Conclusion sobre la hipotesis: con el indicador de unidades reportadas, la hipotesis no se confirma, porque el mes con mayor valor es Octubre y no diciembre.

15 Figuras mejoradas

15.1 Evolucion mensual de unidades reportadas

p_unidades <- ggplot(
  resumen_mes,
  aes(x = MES_FACTOR, y = unidades_reportadas, group = 1)
) +
  geom_line(color = "#1D4ED8", linewidth = 1) +
  geom_point(aes(color = es_max_unidades), size = 3.4) +
  geom_text(
    aes(label = scales::comma(unidades_reportadas, big.mark = ".", decimal.mark = ",")),
    vjust = -0.8,
    size = 3.2
  ) +
  scale_color_manual(values = c("FALSE" = "#1D4ED8", "TRUE" = "#B42318")) +
  scale_y_continuous(labels = scales::label_number(big.mark = ".", decimal.mark = ",")) +
  labs(
    title = paste("Importacion de vehiculos por mes -", anio),
    subtitle = paste0(
      "Indicador: unidades reportadas. Mes maximo: ",
      mes_max_unidades$MES_NOMBRE,
      " (",
      scales::comma(mes_max_unidades$unidades_reportadas, big.mark = ".", decimal.mark = ","),
      ")"
    ),
    x = "Mes",
    y = "Unidades reportadas",
    caption = "Fuente: Datos abiertos de Aduanas/DNIT. Elaboracion propia."
  ) +
  theme_minimal(base_size = 12) +
  theme(
    legend.position = "none",
    axis.text.x = element_text(angle = 45, hjust = 1),
    plot.title = element_text(face = "bold")
  )

p_unidades

ggsave(
  file.path(salidas_dir, paste0("figura_01_evolucion_unidades_vehiculos_", anio, ".png")),
  p_unidades,
  width = 10,
  height = 6,
  dpi = 300
)

15.2 Ranking mensual de unidades reportadas

p_ranking <- ggplot(
  resumen_mes,
  aes(x = reorder(MES_NOMBRE, unidades_reportadas), y = unidades_reportadas)
) +
  geom_col(aes(fill = es_max_unidades), width = 0.72) +
  geom_text(
    aes(label = scales::comma(unidades_reportadas, big.mark = ".", decimal.mark = ",")),
    hjust = -0.1,
    size = 3.4
  ) +
  coord_flip() +
  scale_fill_manual(values = c("FALSE" = "#64748B", "TRUE" = "#B42318")) +
  scale_y_continuous(
    labels = scales::label_number(big.mark = ".", decimal.mark = ","),
    expand = expansion(mult = c(0, 0.12))
  ) +
  labs(
    title = paste("Ranking mensual de importacion de vehiculos -", anio),
    subtitle = "El color resalta el mes con mayor cantidad de unidades reportadas",
    x = "Mes",
    y = "Unidades reportadas",
    caption = "Fuente: Datos abiertos de Aduanas/DNIT. Elaboracion propia."
  ) +
  theme_minimal(base_size = 12) +
  theme(
    legend.position = "none",
    plot.title = element_text(face = "bold")
  )

p_ranking

ggsave(
  file.path(salidas_dir, paste0("figura_02_ranking_unidades_vehiculos_", anio, ".png")),
  p_ranking,
  width = 10,
  height = 6,
  dpi = 300
)

15.3 Comparacion entre registros y unidades

comparacion <- resumen_mes %>%
  select(MES_FACTOR, registros, unidades_reportadas) %>%
  pivot_longer(
    cols = c(registros, unidades_reportadas),
    names_to = "indicador",
    values_to = "valor"
  ) %>%
  mutate(
    indicador = recode(
      indicador,
      registros = "Registros aduaneros",
      unidades_reportadas = "Unidades reportadas"
    )
  )

p_comparacion <- ggplot(
  comparacion,
  aes(x = MES_FACTOR, y = valor, group = indicador, color = indicador)
) +
  geom_line(linewidth = 1) +
  geom_point(size = 2.8) +
  scale_y_continuous(labels = scales::label_number(big.mark = ".", decimal.mark = ",")) +
  labs(
    title = paste("Registros aduaneros y unidades reportadas -", anio),
    subtitle = "La comparacion ayuda a no confundir filas de la base con cantidad fisica importada",
    x = "Mes",
    y = "Valor",
    color = "Indicador",
    caption = "Fuente: Datos abiertos de Aduanas/DNIT. Elaboracion propia."
  ) +
  theme_minimal(base_size = 12) +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1),
    plot.title = element_text(face = "bold"),
    legend.position = "bottom"
  )

p_comparacion

ggsave(
  file.path(salidas_dir, paste0("figura_03_comparacion_registros_unidades_", anio, ".png")),
  p_comparacion,
  width = 10,
  height = 6,
  dpi = 300
)

15.4 Valor FOB mensual

p_fob <- ggplot(
  resumen_mes,
  aes(x = MES_FACTOR, y = fob_dolar)
) +
  geom_col(fill = "#0B5D3B", width = 0.72) +
  geom_text(
    aes(label = scales::dollar(fob_dolar, prefix = "US$ ", big.mark = ".", decimal.mark = ",")),
    angle = 90,
    hjust = -0.05,
    size = 3
  ) +
  scale_y_continuous(
    labels = scales::dollar_format(prefix = "US$ ", big.mark = ".", decimal.mark = ","),
    expand = expansion(mult = c(0, 0.20))
  ) +
  labs(
    title = paste("Valor FOB mensual del rubro vehiculos -", anio),
    subtitle = "Indicador monetario complementario a la cantidad de registros y unidades",
    x = "Mes",
    y = "FOB dolar",
    caption = "Fuente: Datos abiertos de Aduanas/DNIT. Elaboracion propia."
  ) +
  theme_minimal(base_size = 12) +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1),
    plot.title = element_text(face = "bold")
  )

p_fob

ggsave(
  file.path(salidas_dir, paste0("figura_04_fob_vehiculos_", anio, ".png")),
  p_fob,
  width = 10,
  height = 6,
  dpi = 300
)

if (hipotesis_unidades & hipotesis_registros) {
  cat("**Conclusión final:** La hipótesis se confirma completamente, ya que diciembre presenta el mayor valor tanto en unidades reportadas como en registros aduaneros.")
} else if (hipotesis_unidades | hipotesis_registros) {
  cat("**Conclusión final:** La hipótesis se confirma parcialmente, ya que diciembre alcanza el valor máximo en uno de los indicadores analizados, pero no en ambos.")
} else {
  cat("**Conclusión final:** La hipótesis no se confirma. Diciembre no presenta el mayor nivel de importación según ninguno de los indicadores analizados.")
}

## **Conclusión final:** La hipótesis no se confirma. Diciembre no presenta el mayor nivel de importación según ninguno de los indicadores analizados.

16 Conclusión

El análisis de las importaciones del rubro vehículos durante 2025 muestra diferencias entre la cantidad de registros aduaneros y la cantidad física de unidades reportadas. Por ello, la evaluación de la hipótesis se realizó principalmente utilizando la variable CANTIDAD ESTADISTICA para los registros cuya unidad de medida corresponde a UNIDAD.

Los resultados indican que el mes con mayor volumen de importación fue Octubre, con 129.162.681 unidades reportadas. En consecuencia, la hipótesis inicial de que diciembre sería el mes con mayor importación no se confirma.

Este estudio describe la evolución observada en los datos disponibles, sin atribuir causas específicas a las variaciones registradas entre los meses.

Por lo tanto, para sostener que diciembre fue el mes con mayor importacion, diciembre deberia aparecer como maximo en el indicador elegido. En esta revision, el documento declara automaticamente si la hipotesis se confirma o no con base en las unidades reportadas.

“Evolucion de articulos importados bajo el rubro vehiculos durante 2025”

Luis_Speratti

2026-06-09