Beruflich Dokumente
Kultur Dokumente
Marco terico
Semforo inteligente: Un semforo inteligente es un dispositivo que nos sirve para reducir
el tiempo de espera durante el color rojo del semforo, existen de diversos tipos y con
diferentes caractersticas, pero el que vamos a utilizar en este momento ser uno que su
duracin en el color rojo es de 15 segundos que es el ideal para lugares con puente
peatonal y con mucho flujo de automviles.
Qu es la probabilidad?
Sin duda usted se encuentra familiarizado con trminos como probabilidad, azar y posibilidad. Con frecuencia se les
emplea de manera indistinta. El meteorlogo anuncia que hay 70% de probabilidad de lluvia para el domingo del
Sper Tazn. Con base en una encuesta de consumidores que degustaron un pepinillo recin elaborado con sabor a
pltano, la probabilidad de que sea un xito financiero si se le comercializa es de 0.03. (Esto significa que la
probabilidad de que el pepinillo sabor a pltano sea aceptado por el pblico es muy remota.) Qu es la probabilidad?
En general es un nmero que describe la posibilidad de que algo suceda.
PROBABILIDAD Valor entre cero y uno, inclusive, que describe la posibilidad relativa (oportunidad o casualidad) de
que ocurra un evento.
EVENTO Conjunto de uno o ms resultados de un experimento.
Probabilidad subjetiva
Si se cuenta con poca o ninguna experiencia o informacin con la cual sustentar la probabilidad, es posible
aproximarla en forma subjetiva. En esencia, esto significa que un individuo evala las opiniones e informacin
disponibles y luego calcula o asigna la probabilidad. Esta probabilidad se denomina adecuadamente probabilidad
subjetiva.
Regla del complemento La probabilidad de que una bolsa de verduras mixtas seleccionadas
pese menos, P(A), ms la probabilidad de que no sea una bolsa con menos peso, P(-A), que se lee no A, deber ser
por lgica igual a 1. Esto se escribe:
Tal es la regla del complemento. Se emplea para determinar la probabilidad de que un evento ocurra restando de 1
la probabilidad de un evento que no ha ocurrido. Esta regla es til porque a veces es ms fcil calcular la probabilidad
de que un evento suceda determinando la probabilidad de que no suceda y restando el resultado de 1. Observe que
los eventos A y,-A son mutuamente excluyentes y colectivamente exhaustivos. Por consiguiente, las probabilidades
de A y, -A suman 1. Un diagrama de Venn ilustra la regla del complemento de la siguiente manera:
En el caso de tres eventos independientes, A, B y C, la regla especial de la multiplicacin que se utiliza para
determinar la probabilidad de que los tres eventos ocurran es:
La regla general de la multiplicacin sirve para determinar la probabilidad conjunta de dos eventos cuando stos no
son independientes. Por ejemplo, cuando el evento B ocurre despus del evento A, y A influye en la probabilidad de
que el evento B suceda, entonces A y B no son independientes.
La regla general de la multiplicacin establece que en caso de dos eventos, A y B, la probabilidad
conjunta de que ambos eventos ocurran se determina multiplicando la probabilidad de que ocurra el evento A por la
probabilidad condicional de que ocurra el evento B, dado que A ha ocurrido. Simblicamente, la probabilidad
conjunta, P(A y B), se calcula de la siguiente manera:
Tablas de contingencias
A menudo, los resultados de una encuesta se registran en una tabla de dos direcciones y se utilizan para determinar
diversas probabilidades. Ya se ha descrito esta idea a partir de la pgina 126 del captulo 4. Para recordarlo: una tabla
de dos direcciones es una tabla de contingencia.
Diagramas de rbol
El diagrama de rbol es una grfica til para organizar clculos que implican varias etapas. Cada segmento del
rbol constituye una etapa del problema. Las ramas del rbol se ponderan por medio de probabilidades.
Teorema de Bayes
En el siglo XVIII, el reverendo Thomas Bayes, un ministro presbiteriano ingls, plante esta pregunta: Dios realmente
existe? Dado su inters en las matemticas, intent crear una frmula para llegar a la probabilidad de que Dios
existiera sobre la base de la evidencia de que dispona en la Tierra. Ms tarde, Pierre-Simon Laplace perfeccion el
trabajo de Bayes y le dio el nombre de teorema de Bayes. De una forma entendible, el teorema de Bayes es el
siguiente:
Principios de conteo
Si la cantidad de posibles resultados de un experimento es pequea, resulta relativamente fcil contarlas.
Frmula de la multiplicacin
Primero la frmula de la multiplicacin.
Frmula de las permutaciones
Como se ve, la frmula de la multiplicacin se aplica para determinar el nmero de posibles disposiciones de dos o
ms grupos. La frmula de las permutaciones se aplica para determinar el nmero posible de disposiciones cuando
slo hay un grupo de objetos.
Esta distribucin posee diversas aplicaciones. Se le utiliza como modelo para describir la distribucin de errores en
una entrada de datos, el nmero de rayones y otras imperfecciones en las cabinas de automviles recin pintados, el
nmero de partes defectuosas en envos, el nmero de clientes que esperan mesa en un restaurante o que esperan
entrar en una de las atracciones de Disney World y el nmero de accidentes en la carretera federal I-75 en un periodo
de tres meses.
La distribucin de Poisson se describe matemticamente por medio de la siguiente frmula:
Capitulo ll
Recopilacin de datos
Con ayuda de un cronmetro determinamos el tiempo de duracin de los 3 semforos, en
rojo y en verde, cabe aclarar que en el tiempo tomado como verde est incluido el
tiempo del semforo en amarillo, adems se cont el nmero de vehculos que se quedan
durante el tiempo rojo y de igual manera el del tiempo verde con el fin de determinar
qu tan factible seria el uso de un semforo inteligente para evitar los atascamientos a las
afueras de la Universidad.
Para tener una idea ms precisa del nmero de vehculos y el tiempo se tomaron varias
veces los datos y durante diferentes das, para seguidamente sacar una media de tiempos,
autos y trabajar de una manera ms eficiente en nuestro proyecto.
Los nmeros de pruebas fueron tomados a distintas horas y las pruebas se hicieron en
distintos das. A continuacin, se muestra una tabla con los tiempos, das y numero de
automviles que pasaron por los 3 diferentes semforos que existen fuera de la
universidad.
Da Lunes:
Semforo 1 Semforo 2 Semforo 3
Pruebas Verde Rojo Verde Rojo Verde Rojo
1 # de autos 3 2 31 19 5 4
2 # de autos 5 3 42 15 5 6
3 # de autos 3 3 36 34 2 3
4 # de autos 4 2 24 26 1 2
5 # de autos 6 2 26 25 3 2
6 # de autos 1 1 35 26 2 0
7 # de autos 12 4 26 18 2 0
8 # de autos 0 1 33 23 0 2
9 # de autos 2 1 26 19 5 1
10 # de autos 1 2 15 31 2 0
Media: 2.77 2.1 29.4 23.6 2.7 2
*la prueba #7 del semforo 1 en rojo se considera un dato atpico y lo descartamos para
que no altere la media.
Da Mircoles:
Semforo 1 Semforo 2 Semforo 3
Pruebas Verde Rojo Verde Rojo Verde Rojo
1 # de autos 3 2 30 26 4 2
2 # de autos 6 1 22 13 6 0
3 # de autos 5 2 15 18 2 0
4 # de autos 1 4 12 27 0 2
5 # de autos 0 1 26 21 1 0
6 # de autos 5 3 30 16 3 1
7 # de autos 6 2 14 19 0 0
8 # de autos 4 1 17 14 3 1
9 # de autos 2 3 20 22 0 0
10 # de autos 3 3 19 16 2 0
Media: 3.5 2.2 20.5 19.2 2.1 0.6
Da Viernes:
Semforo 1 Semforo 2 Semforo 3
Pruebas Verde Rojo Verde Rojo Verde Rojo
1 # de autos 4 3 31 23 2 1
2 # de autos 5 3 42 30 3 2
3 # de autos 5 4 50 62 1 0
4 # de autos 0 2 36 12 5 3
5 # de autos 6 5 22 28 2 0
6 # de autos 3 3 34 16 0 0
7 # de autos 5 3 18 16 5 0
8 # de autos 3 2 26 22 2 1
9 # de autos 4 2 12 18 0 2
10 # de autos 2 0 14 10 1 2
Media: 3.7 2.7 28.5 23.7 2.1 1.1
Donde:
El semforo 1 es el que est ubicado frente a la Universidad.
El semforo 2 es el que est fuera de la Universidad.
El semforo 3 es el que est fuera de la Urbanizacin la Colina.
A continuacin, se tomarn las medias de los datos para determinar los valores con los que
se va a trabajar la distribucin de probabilidad.
Lunes:
Semforo 1 Semforo 2 Semforo 3
Verde Rojo Verde Rojo Verde Rojo
Media: 2.77 2.1 29.4 23.6 2.7 2
Mircoles:
Semforo 1 Semforo 2 Semforo 3
Verde Rojo Verde Rojo Verde Rojo
Media: 3.5 2.2 20.5 19.2 2.1 0.6
Viernes:
Semforo 1 Semforo 2 Semforo 3
Verde Rojo Verde Rojo Verde Rojo
Media: 3.7 2.7 28.5 23.7 2.1 1.1
Calcularemos una media de cada semforo con relacin entre das los diferentes das.
Semforo 1 (verde)
2.77 + 3.5 + 3.7
=
3
= .
Semforo 1 (rojo)
2.1 + 2.2 + 2.7
=
3
= .
Semforo 2 (verde)
29.4 + 20.5 + 28.5
=
3
= .
Semforo 2 (rojo)
23.6 + 19.2 + 23.7
=
3
= .
Semforo 3 (verde)
2.7 + 2.1 + 2.1
=
3
= .
Semforo 3 (rojo)
2 + 0.6 + 1.1
=
3
= .
A continuacin, se muestran los tiempos tomados con el cronmetro del celular para saber
la duracin de cada semforo en Verde y en Rojo.
Aplicaciones estadsticas
A continuacin, nos platearemos diferentes casos que nos ayudaran para aclarar las dudas
sobre si es o no factible la implementacin de un semforo inteligente teniendo en cuenta
diversos escenarios que podran suceder.
Nos platearemos la posibilidad de que un auto pase o se quede en el semforo en rojo, para
esto tenemos los datos recopilados en los que interpretamos las probabilidades a priori de
cada caso, para poder encontrar esta probabilidad tomaremos el caso del da lunes como el
representativo para nuestros clculos, el da lunes en el semforo 2 durante el tiempo tomado
pasaron 530 automviles de los cuales 294 estuvieron durante el verde y 236 durante el rojo,
para calcular la probabilidad aremos el siguiente calculo
294
530 = 0.554
Para determinar la probabilidad de que el auto se quede en el semforo en rojo usaremos la regla del
complemento as: Probabilidad de quedarse durante el rojo = (1-0.544)= 0.445.
ahora que tenemos calculado la probabilidad a priori apoyndonos en el Teorema de Bayes
sabremos de una manera ms exacta las probabilidades que deseamos calcular.
A este evento lo llamaremos el evento B y se conoce que existen personas que se pasan el semforo
en rojo, con la ayuda de cmaras se calcula que la probabilidad de que un auto se pase el semforo
en rojo es del 0.26 a ste evento lo llamaremos el evento P(B|A1).
Y tenemos el caso de la cmara indique que un auto pasa el semforo en rojo cuando en realidad
estuvo en verde es de 0.09 a este evento lo llamaremos P(B|A2).
Elegimos al azar a un automvil y verificamos con la cmara, y buscaremos Cul es la probabilidad
de que el automvil realmente se pase un semforo en rojo? Y llamaremos P(A1|B) que se interpreta
as : P(se haya quedado en el semforo en rojo| despus de la prueba veamos que se paso)
(1 )(|1 )
(1 |) =
(1 )(|1 ) + (2 )(|2 )
(0.445)(0.09)
(1 |) =
(0.445)(0.09) + (0.554)(0.26)
(1 |) = 0.22
Para Facilitar la ilustracin de nuestros clculos nos ayudaremos de una Tabla de Contingencia.
Como conclusin podemos deducir que la probabilidad de que un Automvil se haya quedado en
rojo pero que revisando las cmaras en realidad si se pas el semforo es de 0.22
Datos:
N: 134
s: 74
n: 20
x: 10
( )
() =
() = .
Como conclusin podemos notar que la probabilidad de que de los automviles tomados el
da mircoles en el semforo 1 10 al azar pasen el semforo en verde es de 16,81% una
probabilidad baja con la que podamos haciendo la idea de que es buena la implementacin
de un semforo inteligente.
Ahora, observando las caractersticas y datos que tenemos podemos llegar a la conclusin
de que la distribucin de probabilidad que vamos a usar es la distribucin de Poisson
debido a que tenemos variables aleatorias discretas que pueden tomar un valor cualquiera
en un intervalo de tiempo, esta distribucin es la que ms se ajusta.
la frmula de la distribucin de Poisson es la siguiente:
() =
!
Para 1:
(0.925)1 ( 0.925 )
(1) =
1!
() = .
Ahora que sabemos la manera que va distribuida una distribucin de Poisson con un
tiempo estimado de 1.83 minutos
analizaremos una tabla comparativa entre los valores de un semforo 2 en verde con 40
segundos:
Semforo normal Semforo inteligente
0,36676343 0,27028434
0,19805225 0,05478664
0,07129881 0,0074035
0,01925068 0,00075034
0,00415815 6,0838E-05
0,00074847 4,1106E-06
0,00011548 2,3806E-07
1,5589E-05 1,2064E-08
1,8707E-06 5,4341E-10
2,0204E-07 2,203E-11
Semforo Normal Chart Title
0.4 0.3
0.35
0.25
0.3
0.2
0.25
0.2 0.15
0.15
0.1
0.1
0.05
0.05
0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Como podemos ver en los grficos y la tabla el uso de un semforo inteligente sera una
solucin a los atascamientos en las afueras de la universidad, como podemos ver mucho
menos automviles quedaran atascados en un semforo inteligente.
A continuacin, se muestra las razones por las cuales decidimos usar un mtodo de
muestreo, para facilitar nuestro trabajo.
- Establecer contacto con toda la poblacin requera mucho tiempo.
- Los resultados de nuestra muestra son adecuados.
= .
Prueba 1:
= 25.62
Error de muestreo:
. . = .
Prueba 2:
= 26.2
Error de muestreo:
. . = .
Prueba 1:
= 27.2
Error de muestreo:
. . = .
Podemos llegar a determinar que la prueba que mejor se valora es la prueba N 2, as que
procederemos a trabajar con esta prueba.
Para elaborar nuestra investigacin hemos decidido utilizar un nivel de confianza del 95%,
es decir, un nivel de significancia del 5%. Utilizando el error de muestreo con la prueba 2
obtenemos que:
Grfica del intervalo de confianza del 95%
=
. .
=
3
3858
= .
Ahora basndonos en el Apndice B1 del libro de Lind tenemos que el rea bajo esta curva
va a ser 0.4162
y caer dentro de nuestro intervalo de confianza
Valor S:
2
X
30 90,25
22 2,25
15 30,25
12 72,25
26 30,25
30 90,25
14 42,25
17 12,25
20 0,25
19 2,25
20,5 372,5 0,0965
Ahora, si queremos determinar un nivel de confianza del 95% nuestro valor de T ser: con
n=10
T=1.83
+
0.095
20.5 + 1.83
10
=20.5549