Mrida, Yucatn

A 09 de Julio de 2014

Proyecto:
Construccin de un
Puente peatonal en el cruce
de la Av. Itzes y la Av. Jacinto
Canek

Probabilidad y Estadstica

Integrantes:

Barenca Palomo Israel

Cervantes Rogel Edie Alejandro
Llanes Euan Charly Joan
Pech Moo Henry Germn
 INTRODUCCIN

En las siguientes lneas de este documento se muestra todo lo relacionado sobre el Proyecto
de la Construccin de un Puente Peatonal en el cruce de las Avenidas J. Canek e Itzes que es
un Proyecto considerado por el Gobierno del Estado de Yucatn como de anlisis para su
posible realizacin en la zona situada. Se dice que est en anlisis puesto que se quiere
determinar con certeza la futura rentabilidad de este Puente.
Existen muchos factores para determinar la rentabilidad del Puente tales como las
inversiones, la poblacin beneficiada, los movimientos y cambios de la zona en cuestin de
lneas elctricas, los fluidos del trfico vehicular, etc. Pero sin duda uno de los factores es la
rentabilidad del mismo, ya que no se puede determinar de manera sencilla si la poblacin usar
o no el Puente luego de ser construido.
Como equipo nos dimos a la tarea de investigar el comportamiento de una muestra de
trescientas personas tomadas de manera aleatoria en la zona que se piensa construir en
diferentes horas del da. Con los datos estimados de la muestra se realizaron las estimaciones
necesarias para determinar los parmetros que ayuden a entender el comportamiento de la
muestra en relacin con la aceptacin del Puente en la zona.
Cabe destacar que existen muchas maneras de interpretar los resultados obtenidos siempre
y cuando se vean de diferentes perspectivas, pero a lo que nuestro equipo se enfoc es la parte
de la determinacin de la aceptacin del Puente y cmo ste ayudara en la reduccin de los
accidentes vehiculares en la zona.
Esperamos que los resultados presentados sean de suma importancia para la conclusin de
la viabilidad de la Construccin del Puente Peatonal.
 TEMA Y JUSTIFICACIONES

Debido a que en los ltimos meses se han registrado varios incidentes, en los que algunos
han llegado a ser fatales cuando la gente intenta cursar las avenidas Itzes y Canek, ya sea
para acudir al Hospital o simplemente para dirigirse a sus hogares, nos hemos dado a la tarea
de implementar una solucin en la que tanto como peatones y automovilistas sean
beneficiados. En el caso de los peatones, que puedan atravesar estas calles, de manera
segura, sin arriesgar su vida o su integridad; los automovilistas, que estas vas tengan un flujo
ms continuo a fin de evitar los embotellamientos y los accidentes ya sea por un percance con
otro automvil, o en su caso con un peatn. La solucin en la que pensamos es en la
construccin de un puente peatonal en el que las personas podrn desplazarse de un lugar a
otro de manera segura, contar con rampa para discapacitados en todo el trayecto que ste
llegue a ocupar, puntos de descanso debido a que gente de avanzada edad tambin lo utilizar,
las personas podrn tomar la direccin que ms les convenga para poder llegar a su destino. El
nico impacto que ste podra causar es positivo de ayuda a las personas, ya que no afectara
a los automovilistas.
Adems de lo antes mencionado, en este proyecto se busca encontrar las respuestas que
permitan determinar la posible rentabilidad del mismo Puente Peatonal; sera una mala
inversin pensar en esta solucin si no se tiene las bases necesarias para decir que una vez
construido, las personas realmente lo usarn y causarn baja a los ndices de accidentes en la
zona.
Todo lo anterior debido a que, segn datos oficiales de la Secretara de Seguridad Pblica
(SSP) del Estado de Yucatn, en la ciudad de Mrida han muerto un promedio de 43 personas
en avenidas y calles del interior de la ciudad del 2010 a finales del 2011. Esta es una cifra
significativa puesto que se pueden reducir los ndices con alguna alternativa. Adems otro dato
relevante que mencionaremos es que en cada accidente automovilstico se generan prdidas
econmicas por peritajes en promedio de $20,000.00 adems de los daos materiales que cada
vez son ms cercanos a los $150,000.00 por accidente.
Con los datos anteriores, podemos mencionar que el proyecto de la construccin del Puente
peatonal es sumamente relevante para la sociedad meridana.
Probabilidad: La probabilidad se encarga de evaluar todas aquellas actividades en donde se
tiene incertidumbre acerca de los resultados que se pueden esperar, esto quiere decir que la
probabilidad est presente en casi en todas las actividades que se pretenda realizar, ejemplos:

-Cualquier proyecto de Ingeniera o de otras reas

-Competencias deportivas
-Juegos de azar, etc., etc.

Espacio muestral: Es el conjunto de todos los casos posibles en que se pueda dar un evento
deseado. Por decir de una manera, es el conjunto de todos los resultados posibles.
Evento: Es un subconjunto del espacio muestral, en el que solo se cumplen ciertas
caractersticas determinadas.
Variables aleatorias: Se llama variable aleatoria a toda funcin que asocia a cada elemento del
espacio muestral E un nmero real. Se utilizan letras maysculas X, Y,... para designar
variables aleatorias, y las respectivas minsculas (x, y,...) para designar valores concretos de
las mismas.
Variables aleatorias continuas: Una variable aleatoria discreta es aquella que slo puede
tomar valores enteros.
Variables aleatorias discretas: Una variable aleatoria continua es aquella que puede tomar
todos los valores posibles dentro de un cierto intervalo de la recta real.
Estimacin: Llamamos estimacin al procedimiento utilizado cuando se quiere conocer las
caractersticas de un parmetro poblacional, a partir del conocimiento de una muestra.
Estimacin de parmetros por intervalos de confianza: Dada una muestra aleatoria simple
correspondiente a una variable aleatoria dependiente de un parmetro , diremos que los
estadsticos L1 y L2 son un intervalo de confianza para con nivel de confianza (1 ) 100 %,
si se verifica:

1. L1 < L2 para toda muestra de tamao n.

2. P(L1 L2) = 1 .

Hay que destacar que en la segunda condicin, en nuestro contexto, el valor del parmetro es
fijo, lo que es aleatorio son los estadsticos que delimitan el intervalo.

A la hora de plantearnos la obtencin de un intervalo de confianza hemos de adoptar una serie

de decisiones previas.

La primera y ms importante es la eleccin del parmetro poblacional del cual deseamos

obtener la estimacin. Generalmente esta eleccin est relacionada con el tipo de distribucin
que asumimos para la variable estudiada. De manera usual el parmetro poblacional se
corresponde con alguno de los parmetros de las distribuciones, por ejemplo, si deseamos un
intervalo de confianza para la probabilidad de un suceso trabajaramos con el parmetro p de la
distribucin Binomial. En algn caso, sin embargo, podemos estar interesados en la obtencin
de un intervalo de confianza para algn parmetro, por ejemplo la media poblacional, sin hacer
ninguna suposicin sobre la distribucin de la variable. Estaramos dentro de la denominada
estimacin no paramtrica.

Una segunda eleccin es el nivel de confianza con el que deseamos trabajar. No es una
eleccin sin importancia, puesto que del nivel de confianza depender la precisin de la
estimacin que obtengamos, es decir, la anchura del intervalo. A mayor nivel de confianza
exigido, mayor ser el radio del intervalo y por tanto menor la precisin en la estimacin.
Generalmente se trabaja con niveles de confianza del orden del 90 % o 95 %.

Intervalo de confianza para la media de una distribucin Normal: Dada una variable
aleatoria con distribucin Normal N(, ), el objetivo es la construccin de un intervalo de
confianza para el parmetro , basado en una muestra de tamao n de la variable.

Desde el punto de vista didctico hemos de considerar dos posibilidades sobre la desviacin
tpica de la variable: que sea conocida o que sea desconocida y tengamos que estimarla a partir
de la muestra. El caso de conocida, ya comentado anteriormente, no pasa de ser un caso
acadmico con poca aplicacin en la prctica, sin embargo es til desde el punto de vista
didctico.

Caso de varianza conocida

Dada una muestra X1, ..., Xn, el estadstico

Se distribuye segn una Normal estndar. Por tanto, aplicando el mtodo del pivote podemos
construir la expresin

Donde z/2 es el valor de una distribucin Normal estndar que deja a su derecha una
probabilidad de /2, de la que se deduce el intervalo de confianza
Puede repasarse la construccin ms detallada.

Caso de varianza desconocida

Dada una muestra X1, ..., Xn, el estadstico

Se distribuye segn una t de Student de n 1 grados de libertad. Por tanto, y siguiendo pasos
similares a los del apartado anterior, el intervalo de confianza resultante es

Donde t/2 es el valor de una distribucin t de Student con n 1 grados de libertad que deja a su
derecha una probabilidad de /2.

Intervalo de confianza para una proporcin: Dada una variable aleatoria con distribucin
Binomial B(n, p), el objetivo es la construccin de un intervalo de confianza para el parmetro p,
basada en una observacin de la variable que ha dado como valor x. El mismo caso se aplica si
estudiamos una Binomial B(1, p) y consideramos el nmero de veces que ocurre el suceso que
define la variable al repetir el experimento n veces en condiciones de independencia.

Existen dos alternativas a la hora de construir un intervalo de confianza para p:

Considerar la aproximacin asinttica de la distribucin Binomial en la distribucin

Normal.

Utilizar un mtodo exacto.

Aproximacin asinttica

Tiene la ventaja de la simplicidad en la expresin y en los clculos, y es la ms referenciada en

la mayora de textos de estadstica. Se basa en la aproximacin
Que, trasladada a la frecuencia relativa, resulta

Tomando como estadstico pivote

Que sigue una distribucin N(0, 1), y aadiendo una correccin por continuidad al pasar de una
variable discreta a una continua, se obtiene el intervalo de confianza asinttico:

Donde z/2 es el valor de una distribucin Normal estndar que deja a su derecha una
probabilidad de /2 para un intervalo de confianza de (1 ) 100 %. Las condiciones
generalmente aceptadas para considerar vlida la aproximacin asinttica anterior son:

El intervalo obtenido es un intervalo asinttico y por tanto condicionado a la validez de la

aproximacin utilizada. Una informacin ms general sobre los intervalos de confianza
asintticos puede encontrase aqu.

Intervalo exacto

Aun cuando las condiciones anteriores no se verifiquen, es posible la construccin de un

intervalo exacto, vlido siempre pero algo ms complicado en los clculos. Es posible demostrar
que un intervalo exacto para el parmetro p viene dado por los valores siguientes:
Donde F/2,a,b es el valor de una distribucin F de Fisher-Snedecor con a y b grados de libertad
que deja a su derecha una probabilidad de /2 para un intervalo de confianza de (1 )100 %.

Intervalo de confianza para la varianza de una distribucin Normal: Dada una

variable aleatoria con distribucin Normal N(; ), el objetivo es la construccin de un intervalo
de confianza para el parmetro , basado en una muestra de tamao n de la variable.

A partir del estadstico:

La frmula para el intervalo de confianza, con nivel de confianza 1 es la siguiente

Donde 2/2 es el valor de una distribucin ji-cuadrado con n 1 grados de libertad que deja a su
derecha una probabilidad de /2.

Hiptesis estadstica: La hiptesis estadstica es una afirmacin o conjetura acerca de una o

ms poblaciones. Esta hiptesis nunca se puede verificar con certeza absoluta, a menos que se
examine toda la poblacin. Esto es imposible en el sentido prctico. Al aceptar una hiptesis,
slo se est implicando que no hay evidencia suficiente para refutarla con el porcentaje de
confianza dado. El resultado de la hiptesis, por la misma incertidumbre, puede ser contrario al
resultado obtenido, pero el riesgo es pequeo si se tiene cuidado en la manera como se
efecta. El mtodo ms utilizado de inferencia implica el empleo de dos hiptesis: la hiptesis
que se desea probar, y la hiptesis contraria. La hiptesis nula es la hiptesis que se desea

H 0 . La hiptesis alternativa es el resultado del rechazo de la

probar, y se representa por

nula. La hiptesis nula siempre establece el valor exacto del parmetro. La hiptesis alternativa
admite una variedad amplia de valores. La hiptesis alternativa puede ser bilateral o unilateral

H1 .
se representa por

Prueba de hiptesis para medias: El promedio aritmtico poblacional es un indicador muy

importante, por lo tanto, frecuentemente se desea probar si dicho promedio ha permanecido
igual, ha aumentado o ha disminuido. A travs de la prueba de hiptesis se determina si la
media poblacional es significativamente mayor o menor que algn valor supuesto.

Hiptesis

Se puede plantear uno de los siguientes tres tipos de hiptesis:

- Prueba de hiptesis a dos colas

H0 : =k

H1 : k

- Prueba de hiptesis a una cola superior

H0 : =k H0 : k

H1 : >k H1 : >k

- Prueba de hiptesis a una cola inferior

H0 : =k H0 : k

H1 : < k H1 : < k

En las distribuciones en el muestreo se vio que para el caso de la media, hay tres situaciones,
por consiguiente la estadstica de trabajo a utilizar depende de los supuestos de la poblacin y
del tamao de la muestra.

Regla de decisin:

Prueba de hiptesis para la media si se selecciona una muestra aleatoria de tamao n 30 de

una poblacin con cualquier distribucin.
La estadstica de trabajo a usar es la expresin:
Donde: es el valor que se est suponiendo en la hiptesis nula (H0).
Si se ha planteado la hiptesis alternativa como: H 1 : k se tiene una prueba de hiptesis a
dos colas, por lo tanto, el nivel de significancia ( ) se divide en dos partes iguales, quedando
estos valores en los extremos de la distribucin como se aprecia en la figura 3.1

Figura 3.1 Regla de decisin para una prueba de hiptesis a dos colas.
y pertenecen a una distribucin normal estndar. Si el valor de la estadstica de trabajo
(Zx) est entre y no se rechaza la hiptesis nula, en caso contrario se rechaza H 0 lo
cual implica aceptar H1. Es decir:

- Si se ha planteado la hiptesis alternativa como:

H1 : > k, se tiene una prueba de hiptesis a una cola superior, quedando el nivel de
significancia ( ) en la parte superior de la distribucin, como se aprecia en la figura 3.2

Figura 3.2 Regla de decisin para una prueba de hiptesis a una cola superior.
pertenece a una distribucin normal estndar. Si el valor de la estadstica de trabajo (Z x) es
menor que no se rechaza la hiptesis nula, en caso contrario se rechaza H 0 lo cual implica
aceptar H1. Es decir,
Si se ha planteado la hiptesis alternativa como:
H1 : < k, se tiene una prueba de hiptesis a una cola inferior, quedando el nivel de significancia
( ) en la parte inferior de la distribucin, como se aprecia en la figura 3.3

Figura 3.3 Regla de decisin para una prueba de hiptesis a una cola inferior.
Z pertenece a una distribucin normal estndar. Si el valor de la estadstica de trabajo (Zx) es
mayor que Z no se rechaza la hiptesis nula, en caso contrario se rechaza H 0 lo cual implica
aceptar H1. Es decir,

Prueba de hiptesis para la proporcin: Frecuentemente se desea estimar la proporcin de

elementos que tienen una caracterstica determinada, en tal caso, las observaciones son de
naturaleza cualitativa. Cuando se analiza informacin cualitativa y se est interesado en
verificar un supuesto acerca de la proporcin poblacional de elementos que tienen determinada
caracterstica, es til trabajar con la prueba de hiptesis para la proporcin.
Hiptesis
Como en el caso de la media, se puede plantear uno de los siguientes tres tipos de hiptesis:
- Prueba de hiptesis a dos colas
H0 : =k
H1 : k
- Prueba de hiptesis a una cola superior
H0 : =k H0 : k
H1 : > k H1 : >k
- Prueba de hiptesis a una cola inferior
H0 : =k H0 : k
H1: <k H1 : <k
Cuando se va a estimar una proporcin el tamao de la muestra (n) siempre debe ser mayor a
30, por lo tanto se tiene un solo caso.
La estadstica de trabajo a utilizar es la expresin (1.13):

(3.5)
REGLA DE DECISION
Si se ha planteado la hiptesis alternativa como:
H1: k se tiene una prueba de hiptesis a dos colas, por lo tanto, el nivel de significancia ( )
se divide en dos partes iguales, quedando estos valores en los extremos de la distribucin
como se aprecia en la figura 3.1
y pertenecen a una distribucin normal estndar. Si el valor de la estadstica de trabajo
(Zp) est entre y no se rechaza la hiptesis nula, en caso contrario se rechaza H0 lo
cual implica aceptar H1 . Es decir, si < Zp < no se rechaza H0 .
- Si se ha planteado la hiptesis alternativa como:
H1 : > k, se tiene una prueba de hiptesis a una cola superior, quedando el nivel de
significancia ( ) en la parte superior de la distribucin, vease figura 3.2
pertenece a una distribucin normal estndar. Si el valor de la estadstica de trabajo (Z p ) es
menor que no se rechaza la hiptesis nula, en caso contrario se rechaza H 0 lo cual implica
aceptar H1 . Es decir, si Zp < no se rechaza H0 .
- Si se ha planteado la hiptesis alternativa como:
H1 : < k, se tiene una prueba de hiptesis a una cola inferior, quedando el nivel de
significancia ( ) en la parte inferior de la distribucin, vease figura 3.3
Z pertenece a una distribucin normal estndar. Si el valor de la estadstica de trabajo (Z p ) es
mayor que Z no se rechaza la hiptesis nula, en caso contrario se rechaza H0 lo cual implica
aceptar H1 . Es decir, si Zp > Z no se rechaza H0.
Anlisis de regresin: Es el mtodo que permite estudiar la relacin entre dos o ms
variables, buscando un objetivo final de predecir o estimar el valor de una variable con base en
el valor de otra variable conocida. Por ejemplo, la relacin entre costos y produccin; salarios y
horas de trabajo; oferta y demanda; salarios y productividad; variacin de la poblacin y aos,
ventas y meses; etc. La regresin lineal es una tcnica empleada para desarrollar una ecuacin
que permita expresar la relacin entre dos variables. Es decir, permite pronosticar o predecir el
valor de una variable en funcin de los valores dados de la otra.
Se trata pues de una dependencia funcional entre las dos variables. Una (la X) ser la variable
independiente mientras que la otra (la Y) ser la variable dependiente. Se habla as de una
regresin de Y sobre (o en funcin de) X. Al mtodo que se utiliza regularmente para obtener la
recta de regresin se le conoce como mtodo de los mnimos cuadrados. La ecuacin de la
recta estimada est dada por:

Donde:
Se lee "Ye estimado". Variable dependiente (la que se va a predecir)
Intercepcin del eje Y, el punto donde la lnea de regresin intercepta
al eje Y cuando X = 0
Variable independiente
Pendiente de la lnea de regresin (llamada coeficiente de regresin)

En esta ecuacin hay dos valores desconocidas: a y b, que deben determinarse aplicando el
mtodo de los mnimos cuadrados, buscando as la mejor recta que se ajuste a los datos. Se
tiene entonces:

Donde:

Pendiente de la recta
Intercepto de la variable Y
Valores de la variable independiente
: Valores de la variable dependiente
: Tamao de la muestra
Pasos

1. Elaborar el diagrama de dispersin para observar la tendencia de los datos

2. Obtener la ecuacin de la recta que se ajuste mejor a los datos ( )

3. Evaluar la ecuacin por medio del ndice de correlacin para determinar el grado de relacin
entre las variables y as definir cul es la utilidad de la ecuacin para predecir y estimar.
4. Si los datos estn ajustados al modelo lineal, entonces se utiliza la ecuacin obtenida de los
datos para predecir y estimar.

Correlacin: La correlacin entre dos variables busca determinar el grado de relacin que
existe entre ellas. Para determinar esta relacin se calcula por medio de los coeficientes de
correlacin (r)

El coeficiente de correlacin es un nmero que vara entre +1 y -1. Su magnitud indica el grado
de asociacin entre las variables, si es 0 indica que no existe relacin alguna y los valores
extremos +1 y -1 indican una correlacin perfecta. As, cuando el coeficiente de correlacin r es
cercano a 1, se dice que el modelo de regresin lineal tiene un alto grado de confiabilidad, si al
contrario este se acerca a 0 su grado de confiabilidad es muy bajo y se recomienda no utilizar el
modelo de regresin. Una Correlacin lineal es positiva cuando al aumentar o disminuir los
valores de la variable independiente aumenta o disminuyen los valores de la variable
dependiente. En el grfico de dispersin, los puntos tienen forma ascendente y por lo tanto la
recta de ajuste tendr una pendiente positiva.
Una Correlacin lineal es negativa cuando al aumentar los valores de la variable independiente
disminuyen los valores de la variable dependiente, o viceversa, En este caso lo puntos
descendern y la pendiente de la recta de ajuste ser negativa
El coeficiente de determinacin es un indicador de tendencia. Expresa la proporcin de la
variacin total de las valores de la variable y que se pueden contabilizar o explicar por una

relacin lineal con los valores de la variable aleatoria x. R2=tendencia lineal

Correlacin Negativa Fuerte 0.9 a 1
Correlacin Negativa Moderada 0.5 a 0.9
Correlacin Negativa Dbil 0 a 0.5
No relacionado 0
Correlacin Positiva Dbil 0 a -0.5
Correlacin Positiva Moderada -0.5 a -0.9
Correlacin Positiva Fuerte -0.9 a -1

Tendencia lineal dbil 0 a 0.25

Tendencia lineal moderada 0.25 a 0.81
Tendencia lineal fuerte 0.81 a 1

Propuesta de solucin del problema:

La solucin del problema a los accidentes automovilsticos, es la construccin de un puente
peatonal, el cual, el ciudadano que circule por esas vas, no corra ningn riesgo para poder
llegar a su destino, con las encuestas realizadas los peatones, que normalmente circulan por
estas avenidas, comentaron que es algo necesario ya que podra reducir el nmero de
accidentes considerablemente, aunque a ciencia cierta y debido a que solo nos concentramos
en la seguridad del peatn, podra ser que la construccin del puente implique problemas al
momento de su construccin, ya que como todo proyecto requiere tiempo, esto puede implicar
el cierre de calles y pueda causar un congestionamiento mayor de automviles, pero existen
vas alternas para poder solucionar el problema, de igual manera, si el proyecto de construccin
de se llevara a cabo, las lneas de cableado elctrico y cableado de comunicaciones,
perjudicaran la estructura, poniendo est en peligro, la posible solucin sera colocar los cables
bajo tierra solo en los tramos donde estos pudieran representar algn peligro, algunos
semforos ya no seran necesarios, y en la misma estructura se podran instalar cmaras de
seguridad, esto con el fin de reforzar la vigilancia en esta zona a fin de evitar problemas
mayores, de igual manera la publicidad acerca de la concientizacin de los peatones, al
momento de atravesar alguna avenida, ya que con este proyecto solo podramos dar la solucin
a los accidentes de este entronque, pero existen varios sitios dentro de la cuidad donde ocurre
la misma situacin de riesgo que el peatn corre al intentar atravesar una avenida, por lo cual
este tipo de proyecto da lugar a una proteccin al ciudadano.

RESULTADOS MS SIGNIFICATIVOS DEL PROYECTO

Durante la realizacin del proyecto y, sobre todo, en el anlisis de los datos que se
obtuvieron de la muestra realizada, se fueron revelando, gracias a las aplicaciones de la
Probabilidad y la Estadstica, ciertos resultados que vienen siendo de suma importancia para la
determinacin de conclusiones finales y decisivas del proyecto del Construccin de este Puente
Peatonal.
Primeramente analizamos los resultados obtenidos con base al conocimiento de los
intervalos de confianza. Los resultados que se obtuvieron revelan de cierta manera el
aproximado comportamiento de futuras muestras en el estudio de la poblacin que puede ser
beneficiada con los servicios del Puente.

INTERVALOS DE CONFIANZA.

1. Se obtuvo, dentro de un intervalo de confianza del 95%, que la proporcin de la muestra de

personas que s usen frecuentemente el cruce de las avenidas J. Canek e Itzes, est dentro
de un intervalo que va de 57.53% y 68.46%. Esto es algo aceptable para el Proyecto, puesto
que si se usa de manera frecuente el cruce donde se podra realizar, podra ser ste un
indicador de rentabilidad del mismo. El intervalo es relevante pues si el Proyecto es rentable,
quiere decir que el factor costo-beneficio es bueno para aqul que se decida invertir en la
realizacin del Proyecto; en este caso, las correspondientes. Otra dato que nos proporciona
este resultado es que el nivel de personas que usa el cruce es alto, por lo que se demuestra
que la concurrencia en la zona es un factor que provoca los altos ndices de accidentes
automovilsticos y peatonales.
2. Se obtuvo, de igual forma, dentro de un intervalo de confianza del 95%, que la media de los
das que se usa el cruce de las avenidas est dado por el intervalo que van de los 3.0689 a
los 3.5249 das por semana. Pero como los decimales no son sobresalientes en los das, se
puede decir que la muestra dice usar el cruce 3 das por semana. Esto suscita a pensar que
estos 3 das se encuentran en el fin de semana cuando (segn la SSP) suceden el mayor
 nmero de accidentes en la zona por la concurrencia habida en el lugar por eventos fortuitos
(mayor nmero de personas por acudir al hospital, visitas al parque cercano de La Paz,
parque Centenario, etc.).

3. Finalmente, con un 95% de confianza, se obtuvo que la proporcin de las personas que no
cruzan la avenida teniendo el semforo para peatones en rojo est dentro del intervalo del
59.18% al 70.01%. Una conjetura es que las causas de los accidentes viales en las avenidas
pueden deberse ms an por las malas decisiones de los automovilistas y no de los
peatones quienes se preocupan ms por su integridad. El intervalo antes mencionado es un
indicador de qu tanto se puede usar el Puente una vez realizado, ya que una de las cosas
que interesa del proyecto es saber la rentabilidad del mismo.

PRUEBAS DE HIPTESIS

En las pruebas de hiptesis que se realizaron se trat de demostrar ciertas suposiciones que
nos generaran las conclusiones ms cercanas a la realidad y con apego al comportamiento de
la poblacin. Los resultados obtenidos fueron relevantes pues marcan la tendencia de las
conclusiones sobre la rentabilidad del Puente como apoyo a la reduccin de accidentes en la
zona del cruce de avenidas. Se obtuvo lo siguiente:

1. Se demostr, con un nivel de significancia de =0.05 , que la propocin de las personas

que usan frecuentemente el cruce de avenidas es mayor al 55%. Cabe destacar que se us
como referencia el 55% ya que se sabe que a partir de valores superiores a esta
porcentualidad, la probabilidad de que las personas usen el cruce y por consiguiente, dieran
rentabilidad al Puente, tiende a ser ms alta y ms conviniente para el mismo.

2. De igual forma, con un nivel de significancia de =0.05 , se demostr que no hay

evidencia suficiente para sostener que la media de los das de uso del cruce de avenidas se
mayor a 4 das, si no a valores iguales o menores a stos. Analizando el resultado, se puede
decir que la media de los das a la semana en que se usa el cruce de avenidas es menor al
50%, puesto que se usan menos de 4 das por semana. Este dato es de cierta manera algo
contrastante con lo que beneficia al Proyecto, ya que si la muestra se sigue comportanto de
esta manera, puede existir la suposicin que el Puente quede en desuso por lapsos de das.
3. Finalmente, con el mismo nivel de significancia de =0.05 , se demostr que hay

evidencia suficiente para decir que existe una diferencia entre la proporcin de personas que
usan frecuentemente el cruce de avenidas y la proporcin de personas que s usaran el
puente luego de ser realizado. Cabe destacar que si bien existe evidencia para decir que hay
diferencia entre ambas propociones, es necesario tomar en cuenta que la proporcin de
personas que usarn el puente es mayor a la proporcin de personas que usan el cruce de
la avenida, cosa que es beneficioso para nuestro Proyecto y la rentabilidad del mismo.
ANLISIS DE REGRESIN LINEAL Y CORRELACIN

En este anlisis del comportamiento de los datos se realiz un estudio en la relacin del
nmero de das de la semana con la frecuencia en que la muestra contest que usa el cruce de
avenidas.
En los resultados obtenidos se tuvo una correlacin positiva fuerte y que la tendencia lineal
es moderada, por lo que se pudo determinar que la relacin entre el nmero de das a la
semana y la frecuencia en que se usa el cruce de avenidas es moderado y no guarda cierta
relevancia para determinar los das de la semana en que se usar mayor nmero de veces el
cruce y el Puente.
http://www.inpahu.edu.co/tecnologias/Estadistica/analisis.html

http://www.virtual.unal.edu.co/cursos/sedes/manizales/4030006/lecciones/ca
pitulotres/tema2.html

Walpole, R. E., Myers, R. H., & Myers, S. L. (1999). Probabilidad y estadstica

para ingenieros. Pearson Educacin.

Levin, R. I., & Rubin, D. S. (1996). Estadstica para administradores. Prentice-

Hall Hispanoamericana.

http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/01ConceptoI
I.htm

http://www.vitutor.com/pro/3/a_1.html

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0
C8m1t8.htm