Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En una intersección un carril exclusivo para giro a la Izquierda en donde el volumen de giro en la
hora pico corresponde a 360 veh/h y que las llegadas siguen una distribución Poisson. Se desea
determinar la longitud del carril exclusivo para verificar si es adecuado para recepcionar todos los
vehículos que llegan en la hora pico, teniendo en cuenta una probabilidad de sobreocupación del
5%.
Del acceso donde se encuentra el carril exclusivo se conoce que tiene un ciclo 120 s y un tiempo
de verde de 70 s, por lo que se tendría un tiempo de rojo de 50 segundos. Así mismo se considera
un espaciamiento veh de 6 m
Primero se procede a calcular el intervalo promedio que esta dado como el inverso del volumen
horario. Por eso en este caso se realiza la siguiente operación:
ħ = 3600/𝑄
3600 𝑠/ℎ
ħ=
360 𝑣𝑒ℎ/ℎ
ħ = 10 𝑠/𝑣𝑒ℎ
Luego se procede a realizar el cálculo de llegadas que para el caso de la distribución Poisson
corresponde a la media:
con estos cálculos previos, se procede a utilizar el software sistema R para realizar el cálculo
con la distribución Poisson y buscar los vehículos en los cuales se llega a una ocupación del
95%.
Para esto, se utilizará la variable M como los valores a evaluar la función ppois que corresponde
a la distribución Poisson acumulada. Se necesita del tipo acumulado para poder evidenciar en
que punto se llega a la ocupación máxima deseada.
Inicialmente se indica que la variable X consistirá en un intervalo, entre los números 2 al 15.
Posteriormente se evalua la funcion Poisson acumulada ppois, la cual esta compuesta por dos
indicadores: el numero a evaluar y la media. Dado que se quiere valuar el intervalo ya establecido,
dentro de la funcion se llama a la variable M y que la media, para todos los valores, se de 5, con lo
cual se optiene
En los resultados se encuentra que con el paso de 8 vehiculos se tiene probabilidad de 0.932 y con
9 vehiculos de 0.968, por lo cual se evalua el carril exclusivo con giro a la izquierda con 9 vehiculos
y con un espaciamiento de 6 metros, se tiene que el carril exclusivo debe tener una longtud de por
lo menos 54 metros.
Ejercicio 2- Análisis de varianza y R2
Se desea realizar una simulación de una vía, para lo cual se conoce una serie histórica de un lugar
de conteo del INVIAS, es así como se desea saber si estos datos tienen una regresión lineal, para así
poder usar los datos para realizar una proyección del tránsito.
Primero se ingresa los datos de cada variable, esto se realiza de esta manera dado que las columnas
3, 4 y 5 son porcentajes y posteriormente se generarán las variables que muestran las cantidades
correspondientes a cada porcentaje del TPDS, como lo son TPDA, TPDB y TPDC .
año=c(1997,1998,1999,2000,2001,2002,2003,2004,2005,2006,2007,2008,2009,2010,2011,2012,2
013,2014,2015,2016,2017,2018)
TPDS=c(6831,6766,6796,6558,7005,3171,7339,5652,7591,6365,7958,7090,8301,7651,11473,8899
,9417,7369,11145,16942,12731,11677)
a=c(62,67,63,57,66,58,66,55,59,55,46,50,53,50,63,60,57,53,50,63,61,61)
b=c(7,7,10,13,9,12,7,18,18,14,16,16,16,11,12,12,13,14,12,10,12,7)
c=c(31,26,27,30,25,30,27,27,23,31,38,34,31,39,25,28,30,33,38,27,27,32),
TPDA=c(TPDS*a/100)
TPDB=c(TPDS*b/100)
TPDC=c(TPDS*c/100))
Una vez calculados los valores de TPD correspondientes a los porcentajes de autos, buses y
camiones, se procede a convertir toda esta informacion en una tabla llamada tabladatos, para lo
cual se utiliza el comando data.frame. Una vez ingresado el comando dado, se procedió a señalar el
nombre de los valores ingresados (datos) para que fuesen revelados por el programa sistema R
Posterior a esto, se puede ingresa la función summary para obtener un resumen de los datos
estadísticas de todas las variables que conforman la tabla de datos.
Se puede establecer una relación que tiene cada variable independiente con la variable dependiente
“años” por medio de la elaboración de gráficos que muestren el comportamiento de la variable
“años” con respecto a cada variable independiente. Para ello se utiliza la función plot donde se
indica la variable que se ilustrará en “y” que siempre será la variable dependiente “años” y la
variable independiente que se ilustrará en cada el gráfico.
Como se observa, la segunda grafica AÑOS vs TPDB este es el dato que presenta una mayor
dispersion en sus datos.
Posteriormente se buscará realizar una regresión para tener una predicción acerca de las variables
mencionadas; para ello, se realiza el modelo el cual se especificará de tipo lineal. Por ello se tiene
que usar el comando modelo donde se indica que será un modelo lineal y la variable dependiente
es “años” y se da con base en la suma de las variables independientes. Así mismo, después de ello
se aplica el comando anova para realizar un cálculo de análisis de varianza con cada variable y
seguidamente se aplica el comando summary(anova) para observar el resumen del análisis de
varianza.
Asi mismo se usa el comando summary(modelo) para obtener la solución definitiva del modelo y
verificar el nivel de ajuste que el mismo posee.
Se encuentra que tanto los autos como los buses y camiones poseen un R 2 y R2 ajustado bueno y
aceptable, y un valor estadisitico de F alto, por lo cual los datos son validos para usarse como datos
base para una proyección del tránsito de la via de estudio.
Ejercicio 3- Datos no agrupados
Se realiza el cálculo de los datos estadísticos principales de los datos ingresados al programa. Esto
se realiza con la función “summary” que arroja un resumen de los datos estadísticos.
De estos datos de frecuencias, se pueden originar diversos gráficos que representen los
comportamientos que presentan los datos, es así como se genera: un histograma de frecuencias
usando la función hist, complementándola con el comando col=rainbow (6) el cual se traduce en la
asignación de seis (6) colores aleatorios, un grafico de barras y un gráfico de puntos, para lo cual
se usa la función barplot para el grafico de barras y la función plot para el gráfico de puntos.