Presentacion Informe Final Oficial

INTRODUCCION
Los estudios sobre los volúmenes de transito se realizan con el propósito de

obtener datos reales relacionados con el movimiento de vehículos y/o personas,
sobre puntos o secciones especificas dentro un sistema vial de carreteras o
calles. Dichos datos se expresan en relación con el tiempo, y de su conocimiento
se hace posible el desarrollo de metodologías que permiten estimar de manera
razonable, la calidad del servicio que el sistema ofrece a los usuarios.
Estos estudios varían desde los muy amplios en toda una red o sistema vial,
hasta los muy sencillos en lugares específicos tales como en intersecciones
alejadas, puentes, casetas de cobros, túneles, etc. Las razones para llevar
acabo los estudios de volúmenes de transito son tal variables como los lugares
mismos donde se realizan.
Uno de los métodos para determinar las variables de tráfico, es un conteo manual
de los vehículos, este permite conseguir la distribución de los vehículos, la
distribución del tráfico, las horas pico, según como realicemos el conteo, para
esta práctica es de 5 minutos de precisión.
Este informe tiene por finalidad presentar los detalles y metodología del
desarrollo y los resultados obtenidos durante el conteo volumétrico realizado en
el cruce de la Av. Armendáriz con la Vía Expresa – Paseo de la Republica, los
días 12 y 14 de junio del 2018 en el distrito de Barranco.
OBJETIVOS:
OBJETIVOS GENERALES:
Analizar el flujo de vehículos mixtos que circulan en la Vía Expresa- Paseo de la

Republica y la Avenida Armendáriz.
OBJETIVOS ESPECIFICOS:
 Hacer un conteo de vehículos mixtos en cada tramo de la Vía Expresa y

la avenida Armendáriz
.
 Analizar el volumen de autos mixtos transitados por un periodo de 5
minutos, empezando de 5:40 am – 9:00am.
 Analizar el comportamiento de los datos obtenidos el día martes 12 de

junio y jueves 14 de junio del 2018.
 Comparar los datos obtenidos el día martes 12 de junio y el jueves 14 de

junio del 2018
MARCO TEORICO:
1. DIAGRAMA DE CAJA Y BIGOTE:
Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una

presentación visual que describe varias características importantes, al
mismo tiempo, tales como la dispersión y simetría.
Para su realización se representan los tres cuartiles y los valores mínimo

y máximo de los datos, sobre un rectángulo, alineado horizontal o
verticalmente.
Una gráfica de este tipo consiste en una caja rectangular, donde los lados
más largos muestran el recorrido intercuartílico. Este rectángulo está
dividido por un segmento vertical que indica donde se posiciona la
mediana y por lo tanto su relación con los cuartiles primero y tercero
(recordemos que el segundo cuartil coincide con la mediana).
Esta caja se ubica a escala sobre un segmento que tiene como extremos
los valores mínimo y máximo de la variable. Las líneas que sobresalen de
la caja se llaman bigotes. Estos bigotes tienen un límite de prolongación,
de modo que cualquier dato o caso que no se encuentre dentro de este
rango es marcado e identificado individualmente
EJEMPLO DISTRIBUCIÓN DE EDADES
Utilizamos la ya usada distribución de frecuencias (en tallos y hojas), que

representan la edad de un colectivo de 20 personas.
36 25 37 24 39 20 36 45 31 31
39 24 29 23 41 40 33 24 34 40
ORDENAR LOS DATOS
Para calcular los parámetros estadístico, lo primero es ordenar la

distribución
20 23 24 24 24 25 29 31 31 33 34 36 36 37 39 39 40 40 41 45
CALCULO DE CUARTILES
Q1, el cuartil Primero es el valor mayor que el 25% de los valores de la

distribución. Como N = 20 resulta que N/4 = 5; el primer cuartil es la media
aritmética de dicho valor y el siguiente:
Q1 = (24 + 25) / 2 = 24,5

Q2, el Segundo Cuartil es, evidentemente, la mediana de la distribución,
es el valor de la variable que ocupa el lugar central en un conjunto de
datos ordenados. Como N/2 =10 ; la mediana es la media aritmética de
dicho valor y el siguiente:
Me= Q2 = (33 + 34)/ 2 =33,5
Q3, el Tercer Cuartil, es el valor que sobrepasa al 75% de los valores de

la distribución. En nuestro caso, como 3N / 4 = 15, resulta
Q2 = (39 + 39) / 2 = 39
DIBUJAR LA CAJA Y LOS BIGOTES
El bigote de la izquierda representa al colectivo de edades ( Xmín, Q1)
La primera parte de la caja a (Q1, Q2), La segunda parte de la caja a (Q2,

Q3)
El bigote de la derecha viene dado por (Q3, Xmáx).
INFORMACIÓN DEL DIAGRAMA
Podemos obtener abundante información de una distribución a partir de

estas representaciones. Veamos alguna:
La parte izquierda de la caja es mayor que la de la derecha; ello quiere

decir que las edades comprendidas entre el 25% y el 50% de la población
están más dispersas que entre el 50% y el 75%.
El bigote de la izquierda (Xmím, Q1) es más corto que el de la derecha;

por ello el 25% de los más jóvenes están más concentrados que el 25%
de los mayores.
El rango intercuartílico = Q3 - Q1 = 14,5; es decir, el 50% de la población

está comprendido en 14,5 años.
2. CRITERIOS PARA IDENTIFICAR LOS DATOS ATÍPICOS
CRITERIO DE CHAUVENET:
En estadística, el criterio de Chauvenet es un método para calcular si un

dato experimental (a partir de ahora llamado dato dudoso), de un
conjunto de datos experimentales, es probable que sea un valor
atípico (outlier).
Para aplicar el Criterio de Chauvenet, primero se ha de calcular

la media y la desviación estándar (típica) de la información observada.
Basándose en cuánto difiere el valor dudoso de la media, se utiliza la
función de distribución normal (o la tabla de la misma) para determinar
la probabilidad de que una dato dado sea del valor del dato dudoso. Se
multiplica esta probabilidad por el número de datos de la muestra
escogida. Si el resultado es inferior a 0,5; el dato dudoso se puede
descartar.
Ejemplo: una lectura se puede rechazar si la probabilidad de obtener la

desviación específica de la media es menor que 1/(2n).
Por ejemplo, suponemos que un valor se calcula de forma experimental

en varias pruebas como 9, 10, 10, 10,11 y 50. La media obtenida es de
16.7 y la desviación típica es 16.34. 50 difiere de 16,7 por 33,3,
ligeramente más que dos desviaciones típicas. La probabilidad de
obtener información mayor que dos desviaciones típicas respecto de la
media es apenas de 0,05. Se toman seis datos/medidas, así el valor
estadístico (el valor de la información multiplicado por la probabilidad) es
0,05x6=0,3. Porque de acuerdo con el Criterio de Chauvenet 0,3 < 0,5,
la medida del valor de 50 se debe descartar (dejando un nuevo promedio
de 10, con una desviación típica de 0,7).
Otro método para eliminar los datos dudosos es el llamado Criterio de

Peirce. Fue desarrollado unos años antes de que el Criterio de
Chauvenet se publicase, y es más riguroso que la supresión raciona de
los valores atípicos. También hay otros métodos de valores atípicos,
como por ejemplo: Grubbs' Test for Outliers.
La supresión o eliminación de valor atípico es una práctica muy polémica

y muy mal vista entre muchos científicos y formadores en ciencias; y
aunque el Criterio de Chauvenet proporcione un método objetivo y
cuantitativo para la eliminación de datos, no hace que la práctica sea más
científica o más metodológica, sobre todo en pequeños conjuntos de
datos, o donde no se puede suponer la distribución normal. La
eliminación de valores atípicos es más aceptable en áreas de práctica en
las que el modelo de proceso que se ha calculado y la distribución de
mediciones atípicas, se saben con certeza.
Criterio de Chauvenet para rechazar una lectura
Numero de lecturas Razón de máxima aceptación
n k(n)
2 1.15
3 1.38
4 1.54
5 1.65
6 1.73
7 1.80
10 1.96
15 2.13
25 2.33
50 2.57
100 2.81
300 3.14
500 3.29
1000 3.48
Los datos que están fuera de este intervalo serán los atípicos:
̅ + 𝒌(𝒏)𝒔⟩
⟨𝐱̅ − 𝒌(𝒏)𝒔; 𝒙
A DOS DESVIACIONES:
Este criterio se utiliza para identificar los datos atípicos mediante el uso
de un intervalo, empleando la media y desviación estándar de los datos.
El límite inferior del intervalo está dado por la media menos dos veces la
desviación estándar y el límite superior está dado por la media más dos
veces la desviación estándar.
Los datos que estén fuera de dicho intervalo serán los datos atípicos.
Se presenta el siguiente intervalo mencionado:
̅ + 𝟐𝒔⟩
⟨𝐱̅ − 𝟐𝒔; 𝒙
Dónde:
 𝐱̅ : Media aritmética de los datos

 𝒔: Desviación estándar de los datos
A TRES DESVIACIONES:
Este criterio es el mismo que el anterior, con la diferencia de que la

amplitud del intervalo es mayor, ya que ahora la amplitud es de tres
veces la desviación estándar por la derecha e izquierda de la media
aritmética; se utiliza para identificar los datos atípicos mediante el uso de
un intervalo, empleando la media y desviación estándar de los datos.
El límite inferior del intervalo está dado por la media menos tres veces la
desviación estándar y el límite superior está dado por la media más tres
veces la desviación estándar.
Los datos que estén fuera de dicho intervalo serán los datos atípicos.
Se presenta el siguiente intervalo mencionado:
̅ + 𝟑𝒔⟩
⟨𝐱̅ − 𝟑𝒔; 𝒙
Dónde:
 𝐱̅ : Media aritmética de los datos

 𝒔: Desviación estándar de los datos
3. PRUEBA DE KOLGOMOROV-SMIRSON (KS)
En estadística, la prueba de Kolmogórov-Smirnov (también prueba K-S) es

una prueba no paramétrica que determina la bondad de ajuste de
dos distribuciones de probabilidad entre sí.
En el caso de que queramos verificar la normalidad de una distribución,

la prueba de Lilliefors conlleva algunas mejoras con respecto a la de
Kolmogórov-Smirnov; y, en general, el test de Shapiro–Wilk o la prueba de
Anderson-Darling son alternativas más potentes.
Conviene tener en cuenta que la prueba Kolmogórov-Smirnov es más

sensible a los valores cercanos a la mediana que a los extremos de la
distribución. La prueba de Anderson-Darling proporciona igual sensibilidad
con valores extremos.
UBICACIÓN DE LA ZONA DE TRABAJO:
Intersección de la av. Armendáriz con la Vía Expresa – Paseo de la

Republica
INTERSECCION VÍA EXPRESA - PASEO DE LA REPÚBLICA CROQUIS
HORA INICIO 05:40 HORA FINAL 09:00
FECHA 12/06/2018 SENTIDO NORTE - SUR

AFORADOR SÁNCHEZ SOLIS, Heimmy Juan
SUPERVISOR FLORES BAZAN, Yuber Mesias
Número de datos 40
1823.25
Suma de datos
45.58125
Media
18.3482504
Desviación estándar
A dos desviaciones
8.884749171
Límite inferior
82.27775083
Límite superior
A tres desviaciones
-9.463501243
Límite inferior
100.6260012
Límite superior
Criterio de Chauvenet ̅ + 𝒌(𝒏)𝝈⟩

⟨𝐱̅ − 𝒌(𝒏)𝝈; 𝒙
0.188
Límite inferior
90.974
Límite superior
VARIABLE ATÍPICA: 82.5

⟨𝐱̅ − 𝒌(𝒏)𝝈; 𝒙
3.4145
Límite inferior
88.3604
Límite superior
VARIABLE ATIPICA: 92
VIA EXPRESA - PASEO DE LA REPUBLICA: NORTE – SUR
Resumen de procesamiento de casos

Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
CANTIDAD DE 40 100,0% 0 0,0% 40 100,0%
VEHÍCULOS MARTES
CANTIDAD DE 40 100,0% 0 0,0% 40 100,0%
VEHICULOS JUEVES
Tanto para el martes como para el jueves, la parte inferior de la caja es mayor que la de
la superior; ello quiere decir que los datos comprendidas entre el 50% y el 75% de la
cantidad de vehículos están más dispersas que entre el 25% y el 50%.
Para el martes, el rango intercuartílico = Q3 - Q1 = 27.2; es decir, el 50% de la cantidad

de vehículos está comprendido en 27.2 vehículos.
Para el jueves, el rango intercuartílico = Q3 - Q1 = 25.5; es decir, el 50% de la cantidad

El diagrama de cajas del martes es más simétrico que el del jueves, esto se puede notar
calculando la diferencia entre las distancia de la Me a los cuartiles.
Casos
CANTIDAD DE VEHÍCULOS 39 100,0% 0 0,0% 39 100,0%
MARTES
CANTIDAD DE VEHICULOS 39 100,0% 0 0,0% 39 100,0%
JUEVES
Descriptivos
Estadístico Desv. Error
CANTIDAD DE VEHÍCULOS Media 44,6346 2,81356
MARTES 95% de intervalo de Límite inferior 38,9389
confianza para la media Límite superior 50,3304
Media recortada al 5% 44,3454
Mediana 42,7500
Varianza 308,730
Desv. Desviación 17,57071
Mínimo 18,25
Máximo 75,25
Rango 57,00
Rango intercuartil 27,50
Asimetría ,281 ,378
Curtosis -1,041 ,741
CANTIDAD DE VEHICULOS Media 44,7051 2,50689
JUEVES 95% de intervalo de Límite inferior 39,6302
Mediana 45,5000
Varianza 245,095
Mínimo 17,50
Máximo 72,75
Rango 55,25
Asimetría -,072 ,378
Percentiles
Percentiles
5 10 25 50 75 90 95
Promedio CANTIDAD DE 20,5000 21,2500 29,0000 42,7500 56,5000 72,2500 75,0000
ponderado(Definición 1) VEHÍCULOS MARTES
CANTIDAD DE 21,2500 21,5000 32,0000 45,5000 57,2500 65,0000 71,5000
VEHICULOS JUEVES
Bisagras de Tukey CANTIDAD DE 29,3750 42,7500 55,3750
VEHÍCULOS MARTES
CANTIDAD DE 32,0000 45,5000 57,1250
VEHICULOS JUEVES
Valores extremos
Número del caso Valor

CANTIDAD DE VEHÍCULOS Mayor 1 19 75,25
MARTES 2 20 75,00
3 23 74,00
4 24 72,25
5 34 71,00
Menor 1 2 18,25
2 8 20,50
3 7 21,25
4 6 21,25
5 1 21,75
CANTIDAD DE VEHICULOS Mayor 1 17 72,75
JUEVES 2 22 71,50
3 20 69,75
4 21 65,00
5 23 63,25
Menor 1 8 17,50
2 3 21,25
3 5 21,50
4 1 21,50
5 4 22,25
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.

CANTIDAD DE VEHÍCULOS ,090 39 ,200* ,941 39 ,042
MARTES
CANTIDAD DE VEHICULOS ,089 39 ,200* ,961 39 ,195

JUEVES
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors
Las variables estadísticas tanto del día jueves como de martes se ajustan a una distribución
normal dado que el parámetro p(sig.)=0.2 que es menor al límite permitido p(sig.)=0.05
CANTIDAD DE VEHICULOS JUEVES
En el histograma se nota que la cantidad de vehículos más probables en 5 minutos es entre 20

a 30 vehículos mientras que la de menor probabilidad es entre 10 a 20 vehículos.
El grafico cuartil-cuartil muestra que tan cerca está la distribución del conjunto de datos,
notamos que están cerca de la línea lo cual es un indicio de normalidad (mediante la
prueba de kolgomorov comprobamos que si es normal)
Los puntos del grafico Q-Q normal sin tendencia se muestran de manera aleatoria sin
tendencia a seguir alguna curva.
CANTIDAD DE VEHICULOS JUEVES
En el histograma se nota que la cantidad de vehículos más probables en 5 minutos es entre 50

a 60 vehículos mientras que la de menor probabilidad es entre 10 a 20 vehículos.
tendencia a seguir alguna curva
DISTRIBUCION NORMAL MARTES:
DISTRIBUCION NORMAL. CANTIDAD DE VEHICULOS MARTES

0.025
0.02
0.015
0.01
0.005
0
0 10 20 30 40 50 60 70 80
CANTIDAD DE VEHICULOS
La grafica muestra el comportamiento normal de la cantidad de vehículos el día martes, lo cual

comprobamos anteriormente haciendo la prueba de kolgomorov.
DISTRIBUCION NORMAL JUEVES:
DISTRIBUCION NORMAL. CANTIDAD DE VEHICULOS JUEVES

0.03
0.025
0.02
0.015
0.01
0.005
0
0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00
CANTIDAD DE VEHICULOS
La grafica muestra el comportamiento normal de la cantidad de vehículos el día jueves, lo cual

Número de datos 40
CANTIDAD DE 240.5
HORA DE CONTEO
VEHICULOS Suma de datos
5:40 - 5:45 1 6.0125
5:45 - 5:50 0 Media
5:50 - 5:55 1 5.404162095
5:55 - 6:00 1
6:00 - 6:05 0
6:05 - 6:10 1
6:10 - 6:15 0
6:15 - 6:20 0
6:20 - 6:25 0
6:25 - 6:30 4.25 A dos desviaciones
6:30 - 6:35 2.5 -4.79582419
6:35 - 6:40 2 Límite inferior
6:40 - 6:45 4.25 16.82082419
Límite superior
6:45 - 6:50 0
6:50 - 6:55 2
6:55 - 7:00 3
7:00 - 7:05 4
7:05 - 7:10 5 A tres desviaciones
7:10 - 7:15 6
7:15 - 7:20 3.5 -10.19998628
Límite inferior
7:20 - 7:25 12.75 22.22498628
7:25 - 7:30 9 Límite superior
7:30 - 7:35 7.5
7:35 - 7:40 5
7:40 - 7:45 2
7:45 - 7:50 12.5
7:50 - 7:55 1
7:55 - 8:00 11.25
⟨𝐱̅ − 𝒌(𝒏)𝝈; 𝒙
8:00 - 8:05 6.5
8:05 - 8:10 14.75
8:10 - 8:15 8
8:15 - 8:20 7 -7.34
Límite inferior
8:20 - 8:25 10.5 19.37
8:25 - 8:30 7.25 Límite superior
8:30 - 8:35 8.5
8:35 - 8:40 16.25 VARIABLE ATÍPICA: 18.75
8:40 - 8:45 10
8:45 - 8:50 18.75
8:50 - 8:55 16
8:55 - 9:00 15.5
INTERSECCION VÍA EXPRESA Y AV. ARMENDARIS CROQUIS
HORA INICIO 05:40 HORA FINAL 09:00
FECHA 14/06/2018 SENTIDO NORTE - SUR
AFORADOR TORRES SALINAS, Néstor
SUPERVISOR FLORES BAZAN, Yuber Mesías
CANTIDAD DE
HORA DE CONTEO
VEHICULOS
5:40 - 5:45 0 Número de datos 40

5:45 - 5:50 0 220.25
Suma de datos
5:50 - 5:55 1
5:55 - 6:00 1 5.50625
Media
6:00 - 6:05 1
5.27162442
6:05 - 6:10 0 Desviación estándar
6:10 - 6:15 0
6:15 - 6:20 1
6:20 - 6:25 0 A dos desviaciones
6:25 - 6:30 1.25
6:30 - 6:35 0 -5.036998842
Límite inferior
6:35 - 6:40 1
16.04949884
6:40 - 6:45 2 Límite superior
6:45 - 6:50 4
6:50 - 6:55 9.75
6:55 - 7:00 0 A tres desviaciones
7:00 - 7:05 2
-10.30862326
7:05 - 7:10 9 Límite inferior
7:10 - 7:15 6.75 21.32112326
Límite superior
7:15 - 7:20 1
7:20 - 7:25 5
7:25 - 7:30 6.5
7:30 - 7:35 4 Criterio de Chauvenet ̅ + 𝒌(𝒏)𝝈⟩
⟨𝐱̅ − 𝒌(𝒏)𝝈; 𝒙
7:35 - 7:40 5.75
7:40 - 7:45 17.5
7:45 - 7:50 6.25 -20.5
7:50 - 7:55 Límite inferior
4.25
7:55 - 8:00 9.5 18.548
Límite superior
8:00 - 8:05 5.5
8:05 - 8:10 8
8:10 - 8:15 7.25
8:15 - 8:20 9.75 VARIABLES ATÍPICAS: 16.5,17.5 y 18.
8:20 - 8:25 15
8:25 - 8:30 15.5
8:30 - 8:35 6.25
8:35 - 8:40 9
8:40 - 8:45 5
8:45 - 8:50 18
8:50 - 8:55 5
8:55 - 9:00 16.5
DIAGRAMA DE CAJAS

Casos
CANTIDAD DE 40 100,0% 0 0,0% 40 100,0%
VEHICULOS(MARTES)
CANTIDAD DE 40 100,0% 0 0,0% 40 100,0%
VEHICULOS(JUEVES)
Tanto para el martes como para el jueves, la parte superior de la caja es mayor que la
de la inferior; ello quiere decir que los datos comprendidas entre el 25% y el 50% de la
cantidad de vehículos están más dispersas que entre el 50% y el 75%.
Para el martes, el rango intercuartílico = Q3 - Q1 = 8.25; es decir, el 50% de la cantidad

Para el jueves, el rango intercuartílico = Q3 - Q1 = 7.25; es decir, el 50% de la cantidad

calculando la diferencia entre las distancia de la Me a los cuartiles.
Casos
MARTES 37 94,9% 2 5,1% 39 100,0%
JUEVES 37 94,9% 2 5,1% 39 100,0%
Descriptivos
Estadístico Desv. Error
MARTES Media 5,1419 ,75484
95% de intervalo de confianza Límite inferior 3,6110
para la media Límite superior 6,6728
Mediana 4,2500
Varianza 21,082
Mínimo ,00
Máximo 16,25
Rango 16,25
Curtosis -,363 ,759
JUEVES Media 4,5473 ,68717
95% de intervalo de confianza Límite inferior 3,1536
para la media Límite superior 5,9409
Mediana 4,2500
Varianza 17,472
Mínimo ,00
Máximo 15,50
Rango 15,50
Curtosis ,343 ,759
Percentiles
Percentiles
5 10 25 50 75 90 95
Promedio MARTES ,0000 ,0000 1,0000 4,2500 8,2500 12,5500 14,9000
ponderado(Definición 1) JUEVES ,0000 ,0000 1,0000 4,2500 7,0000 9,7500 15,0500
Bisagras de Tukey MARTES 1,0000 4,2500 8,0000
JUEVES 1,0000 4,2500 6,7500
MARTES ,131 37 ,106 ,912 37 ,006
JUEVES ,163 37 ,014 ,894 37 ,002
Las variables estadísticas tanto del día jueves como de martes se ajustan a una
distribución normal dado que el parámetro p(sig.)=0.014 que es menor al límite
permitido p(sig.)=0.05
CANTIDAD DE VEHICULOS(MARTES)
En el histograma se nota que la cantidad de vehículos más probables en 5 minutos es entre 0 a

1 vehículos mientras que la de menor probabilidad es entre 15 a 16 vehículos.
CANTIDAD DE VEHICULOS(JUEVES)
En el histograma se nota que la cantidad de vehículos más probables en 5 minutos es entre 0 a

1 vehículos mientras que la de menor probabilidad es entre 15 a 16 vehículos.
DISTRIBUCION NORMAL(MARTES)
DISTRIBUCION NORMAL. DEL DIA MARTES

0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 2 4 6 8 10 12 14 16 18
La grafica muestra el comportamiento normal de la cantidad de vehículos el día martes, lo cual

DISTRIBUCION NORMAL(JUEVES)
DISTRIBUCION NORMAL. DEL DIA JUEVES

0.1
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 2 4 6 8 10 12 14 16 18
La grafica muestra el comportamiento normal de la cantidad de vehículos el día jueves, lo cual

TOTAL DE
HORA DE CONTEO
VEHÍCULOS
5:40-5:45 50.75
5:45-5:50 47.5
5:50-5:55 56.25
5:55-6:00 58.5 Número de datos 40
6:00-6:05 63.75
3074.25
6:05-6:10 56.5 Suma de datos
6:10-6:15 65 76.85625
Media
6:15-6:20 68.5
6:20-6:25 64.25 17.93193036
6:25-6:30 99.25
6:30-6:35 83.25
6:35-6:40 84.5
6:40-6:45 82.5
6:45-6:50 106.5
6:50-6:55 79.5 Criterio de Chauvenet ̅ + 𝒌(𝒏)𝝈⟩
⟨𝐱̅ − 𝒌(𝒏)𝝈; 𝒙
6:55-7:00 81.75
7:00-7:05 84.5
7:05-7:10 71.5 32.495
Límite inferior
7:10-7:15 107.25
121.219
7:15-7:20 83.5 Límite superior
7:20-7:25 95.5
7:25-7:30 107.25
7:30-7:35 82.75
A dos desviaciones
7:35-7:40 83.5
7:40-7:45 95.5 40.99238927
Límite inferior
7:45-7:50 101.25
112.7201107
7:55-8:00 100.25
8:00-8:05 71.25
8:05-8:10 95.75
8:10-8:15 63.25
A tres desviaciones
8:15-8:20 63.5
8:20-8:25 46.5 23.06045891
Límite inferior
8:25-8:30 69.5
8:30-8:35 49 130.6520411
Límite superior
8:35-8:40 56
8:40-8:45 98.75 No se identifican datos.
8:45-8:50 79.75
8:50-8:55 62.25
8:55-9:00 69
PROMEDIO DE
HORA DE CONTEO
VEHÍCULOS
5:40-5:45 Número de datos 40
32.5
5:45-5:50 33.5 2961.75
Suma de datos
5:50-5:55 28.25
5:55-6:00 37 74.04375
Media
6:00-6:05 39.25 25.30530802
6:05-6:10 40.25 Desviación estándar
6:10-6:15 43.5
6:15-6:20 62.25
6:20-6:25 52.75
6:25-6:30 70.75 Criterio de Chauvenet ̅ + 𝒌(𝒏)𝝈⟩
⟨𝐱̅ − 𝒌(𝒏)𝝈; 𝒙
6:30-6:35 90
6:35-6:40 104.25
6:40-6:45 101.75 11.438
Límite inferior
6:45-6:50 115.75
6:50-6:55 115.25 136.649
Límite superior
6:55-7:00 88.75
7:00-7:05 101.5
7:05-7:10 78
A dos desviaciones
7:10-7:15 91.5
7:15-7:20 103 23.43313397
Límite inferior
7:20-7:25 98.5
124.654366
7:30-7:35 111
7:35-7:40 102.75
7:40-7:45 105.25 A tres desviaciones
7:45-7:50 78.75
-1.872174048
7:50-7:55 86.5 Límite inferior
7:55-8:00 93.5 149.959674
Límite superior
8:00-8:05 75
8:05-8:10 76
8:10-8:15 61.75
8:15-8:20 68
8:20-8:25 65
8:25-8:30 54.25 No se identifican variables atípicas.
8:30-8:35 58.75
8:35-8:40 69.25
8:40-8:45 49.75
8:45-8:50 53
8:50-8:55 61.25
8:55-9:00 72.25
DIAGRAMA DE CAJAS
Casos
TOTAL DE VEHÍCULOS 40 100,0% 0 0,0% 40 100,0%
MARTES
PROMEDIO DE 40 100,0% 0 0,0% 40 100,0%
VEHÍCULOS JUEVES
para el martes, la parte inferior de la caja es mayor que la de la superior; ello quiere
decir que los datos comprendidas entre el 50% y el 75% de la cantidad de vehículos
están más dispersas que entre el 25% y el 50%, para el caso del jueves sucede lo
contrario.
Para el martes, el rango intercuartílico = Q3 - Q1 =27; es decir, el 50% de la cantidad de

vehículos está comprendido en 27 vehículos.
Para el jueves, el rango intercuartílico = Q3 - Q1 =40.8125 ; es decir, el 50% de la

cantidad de vehículos está comprendido en 40.8125 vehículos.
calculando la diferencia entre las distancias de la Me a los cuartiles.
MEDIDAS DESCRIPTIVAS
Estadístic Desv.
o Error
Media 76,8563 2,83529
95% de intervalo de Límite inferior 71,1213
Mediana 79,6250
TOTAL DE VEHÍCULOS Varianza 321,554
DÍA MARTES Desv. Desviación 17,93193
Mínimo 46,50
Máximo 107,25
Rango 60,75
Media 74,0438 4,00112
95% de intervalo de Límite inferior 65,9507
Mediana 73,6250
TOTAL DE VEHÍCULOS Varianza 640,359
DÍA JUEVES Desv. Desviación 25,30531
Mínimo 28,25
Máximo 115,75
Rango 87,50
Asimetría -,105 ,374
PRUEBAS DE NORMALIDAD
TOTAL DE VEHÍCULOS ,101 40 ,200* ,955 40 ,112
DÍA MARTES
TOTAL DE VEHÍCULOS ,094 40 ,200* ,959 40 ,160
DÍA JUEVES
*. Esto es un límite inferior de la significación verdadera.
Las variables estadísticas tanto del día jueves como de martes se ajustan a una
distribución normal dado que el parámetro p=0.2 que es menor al límite permitido
p=0.5
0.02
DISTRIBUCIÓN NORMAL FLUJO VEHICULAR DIA
MARTES
0.015
0.01
0.005
0
0 20 40 60 80 100 120 140
DISTRIBUCIÓN NORMAL FLUJO

VEHICULAR DIA JUEVES
0.025
0.02
0.015
0.01
0.005
0
0 20 40 60 80 100 120
CANTIDAD DE VEHÍCULOS MARTES

CANTIDAD DE VEHÍCULOS JUEVES
CONCLUSIONES
 Debemos de aplicar la mayor cantidad de criterios disponibles para la
ubicación de datos atípicos con la finalidad de tener un mejor ajuste en la
distribución normal.
 El diagrama de cajas resulta efectivo para un numero de variables no
menor de 30.
RECOMENDACIONES
 Debemos de tener en cuenta la distancia del lugar de conteo para tomar las
debidas precauciones a fin de llegar a tiempo.
 Debemos de ubicarnos en un punto donde nos dé una visualización completa de
la vía, para poder evitar el paso de vehículos inadvertidos.
 Debemos de mantenernos concentrado en el conteo del flujo vehicular e
evitar el pase de vehículos inadvertidos, ya que puede traer resultados
incorrectos en el procesamiento de datos.

Presentacion Informe Final Oficial

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Presentacion Informe Final Oficial

Hochgeladen von

Copyright:

Verfügbare Formate

INTRODUCCION

Los estudios sobre los volúmenes de transito se realizan con el propósito de

Analizar el flujo de vehículos mixtos que circulan en la Vía Expresa- Paseo de la

 Hacer un conteo de vehículos mixtos en cada tramo de la Vía Expresa y

 Analizar el comportamiento de los datos obtenidos el día martes 12 de

 Comparar los datos obtenidos el día martes 12 de junio y el jueves 14 de

Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una

Para su realización se representan los tres cuartiles y los valores mínimo

EJEMPLO DISTRIBUCIÓN DE EDADES

Utilizamos la ya usada distribución de frecuencias (en tallos y hojas), que

ORDENAR LOS DATOS

Para calcular los parámetros estadístico, lo primero es ordenar la

Q1, el cuartil Primero es el valor mayor que el 25% de los valores de la

Q1 = (24 + 25) / 2 = 24,5

Me= Q2 = (33 + 34)/ 2 =33,5

Q3, el Tercer Cuartil, es el valor que sobrepasa al 75% de los valores de

DIBUJAR LA CAJA Y LOS BIGOTES

El bigote de la izquierda representa al colectivo de edades ( Xmín, Q1)

La primera parte de la caja a (Q1, Q2), La segunda parte de la caja a (Q2,

El bigote de la derecha viene dado por (Q3, Xmáx).

INFORMACIÓN DEL DIAGRAMA

Podemos obtener abundante información de una distribución a partir de

La parte izquierda de la caja es mayor que la de la derecha; ello quiere

El bigote de la izquierda (Xmím, Q1) es más corto que el de la derecha;

El rango intercuartílico = Q3 - Q1 = 14,5; es decir, el 50% de la población

En estadística, el criterio de Chauvenet es un método para calcular si un

Para aplicar el Criterio de Chauvenet, primero se ha de calcular

Ejemplo: una lectura se puede rechazar si la probabilidad de obtener la

Por ejemplo, suponemos que un valor se calcula de forma experimental

Otro método para eliminar los datos dudosos es el llamado Criterio de

La supresión o eliminación de valor atípico es una práctica muy polémica

Criterio de Chauvenet para rechazar una lectura

Numero de lecturas Razón de máxima aceptación

Se presenta el siguiente intervalo mencionado:

 𝐱̅ : Media aritmética de los datos

Este criterio es el mismo que el anterior, con la diferencia de que la

Se presenta el siguiente intervalo mencionado:

 𝐱̅ : Media aritmética de los datos

En estadística, la prueba de Kolmogórov-Smirnov (también prueba K-S) es

En el caso de que queramos verificar la normalidad de una distribución,

Conviene tener en cuenta que la prueba Kolmogórov-Smirnov es más

Intersección de la av. Armendáriz con la Vía Expresa – Paseo de la

HORA INICIO 05:40 HORA FINAL 09:00

FECHA 12/06/2018 SENTIDO NORTE - SUR

Criterio de Chauvenet ̅ + 𝒌(𝒏)𝝈⟩

VARIABLE ATÍPICA: 82.5

Resumen de procesamiento de casos

Para el martes, el rango intercuartílico = Q3 - Q1 = 27.2; es decir, el 50% de la cantidad

Para el jueves, el rango intercuartílico = Q3 - Q1 = 25.5; es decir, el 50% de la cantidad

Número del caso Valor

Estadístico gl Sig. Estadístico gl Sig.

CANTIDAD DE VEHICULOS ,089 39 ,200* ,961 39 ,195

*. Esto es un límite inferior de la significación verdadera.

a. Corrección de significación de Lilliefors

CANTIDAD DE VEHICULOS JUEVES

En el histograma se nota que la cantidad de vehículos más probables en 5 minutos es entre 20

En el histograma se nota que la cantidad de vehículos más probables en 5 minutos es entre 50

DISTRIBUCION NORMAL MARTES:

DISTRIBUCION NORMAL. CANTIDAD DE VEHICULOS MARTES

La grafica muestra el comportamiento normal de la cantidad de vehículos el día martes, lo cual

DISTRIBUCION NORMAL. CANTIDAD DE VEHICULOS JUEVES

La grafica muestra el comportamiento normal de la cantidad de vehículos el día jueves, lo cual

5:40 - 5:45 0 Número de datos 40