Ejercicio 1- Distribución Pooison

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:

ᴍ = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑟𝑜𝑗𝑜/𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜

50 𝑠
ᴍ=
10 𝑠/𝑣𝑒ℎ
ᴍ = 5 𝑣𝑒ℎ

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.

En la tabla siguiente se describe los valores de cada variable

Año TPDS %A %B %C 2008 7,090 50 16 34
1997 6,831 62 7 31 2009 8,301 53 16 31
1998 6,766 67 7 26 2010 7,651 50 11 39
1999 6,796 63 10 27 2011 11,473 63 12 25
2000 6,558 57 13 30
2012 8,899 60 12 28
2001 7,005 66 9 25
2013 9,417 57 13 30
2002 3,171 58 12 30
2014 7,369 53 14 33
2003 7,339 66 7 27
2004 5,652 55 18 27 2015 11,145 50 12 38
2005 7,591 59 18 23 2016 16,942 63 10 27
2006 6,365 55 14 31 2017 12,731 61 12 27
2007 7,958 46 16 38 2018 11,677 61 7 32

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 la toma de velocidades por el método de placas en un corredor de la Avenida Norte de la

ciudad de Tunja, entre la glorieta Norte y la Estación de Bomberos, en la cual se registraron 70 datos
de velocidades a vehículos aleatorios. Se desea obtener las tablas de frecuencias para los datos no
agrupados.

DATO TIPO DE VEHICULO VELOCIDAD

1 AUTOMOVIL 40 36 CAMION 62
2 BUS 45 37 BUS 56
3 BUS 68 38 AUTOMOVIL 53
4 AUTOMOVIL 52 39 AUTOMOVIL 65
5 AUTOMOVIL 56 40 AUTOMOVIL 59
6 AUTOMOVIL 80 41 AUTOMOVIL 62
7 AUTOMOVIL 63 42 AUTOMOVIL 59
8 AUTOMOVIL 71 43 AUTOMOVIL 60
9 AUTOMOVIL 54 44 AUTOMOVIL 47
10 TAXI 52 45 AUTOMOVIL 46
11 TAXI 57 46 AUTOMOVIL 67
12 AUTOMOVIL 64 47 BUS 68
13 AUTOMOVIL 47 48 BUS 46
14 AUTOMOVIL 49 49 BUS 58
15 CAMION 50 50 TAXI 59
16 BUS 50 51 TAXI 45
17 CAMION 54 52 CAMION 56
18 CAMION 49 53 TAXI 45
19 TAXI 49 54 CAMION 67
20 TAXI 56 55 BUS 62
21 TAXI 53 56 BUS 59
22 TAXI 47 57 CAMION 68
23 BUS 54 58 TAXI 58
24 AUTOMOVIL 66 59 TAXI 63
25 AUTOMOVIL 58 60 BUS 55
26 AUTOMOVIL 44 61 BUS 61
27 AUTOMOVIL 61 62 TAXI 61
28 AUTOMOVIL 47 63 AUTOMOVIL 59
29 AUTOMOVIL 52 64 AUTOMOVIL 57
30 AUTOMOVIL 57 65 AUTOMOVIL 43
31 TAXI 45 66 AUTOMOVIL 49
32 TAXI 58 67 AUTOMOVIL 54
33 CAMION 50 68 AUTOMOVIL 69
34 CAMION 41 69 AUTOMOVIL 67
35 CAMION 49 70 AUTOMOVIL 50
Se insertan los valores de datos no agrupados en el software Sistema R, de tal forma que se le
asignan el nombre “velocidades” como se muestra a continuación, estos valores se pueden mostrar
en forma de tabla con el comando data.frame.

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.

Posteriormente se procede a obtener la tabla de frecuencias a partir de la inserción de los comandos

as.data.frame donde se le asigna el nombre de “Tablafrec”. A continuacion se muestra los valores
llamando la variable asignada a la tabla de frecuencias.
Se procede a la determinación de las frecuencias acumuladas a partir de la tabla de frecuencias,
para lo cual se ingresa el comando transform para convertir la tabla de frecuencias en frecuencias
acumuladas de la siguiente manera:

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.