ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL

Proyecto Estadística
La estadística en mi carrera

Tema:
ANÁLISIS DE MÉTODOS ALGORÍTMICOS DE ORDENAMIENTO

Integrantes:

Cindy Adriana Bohórquez Santana

Xavier Andrés Santos Guzmán

Guayaquil, 30 de Noviembre del 2016

 1. INTRODUCCIÓN AL TEMA DE ESTUDIO

En computación y matemáticas un algoritmo de ordenamiento es una sucesión de pasos

que pone elementos de una lista o un vector en una secuencia dada por una relación de orden,

es decir, el resultado de salida ha de ser una permutación de la entrada que satisfaga la

relación de orden dada. Las relaciones de orden más usadas son el orden numérico y el orden

lexicográfico. Ordenamientos eficientes son importantes para optimizar el uso de otros

algoritmos que requieren listas ordenadas para una ejecución rápida. También es útil para

poner datos en forma canónica y para generar resultados legibles por humanos.

Desde los comienzos de la computación, el problema del ordenamiento ha atraído gran

cantidad de investigación, tal vez debido a la complejidad de resolverlo eficientemente a

pesar de su planteamiento simple y familiar.

Es la operación de arreglar los elementos en algún orden secuencial de acuerdo a un

criterio de ordenamiento. El propósito principal de un ordenamiento es el de facilitar las

búsquedas de los miembros del conjunto ordenado. El ordenar un grupo de datos significa

mover los datos o sus referencias para que queden en una secuencia por categorías y en forma

ascendente o descendente.

1
 2. IMPORTANCIA DE LA ESTADÍSTICA EN LA DE INGENIERÍA EN

CIENCIAS COMPUTACIONALES

En carrera de Ingeniería en Sistemas Computacionales frecuentemente se realizan

estudios sistemático de la factibilidad, estructura, expresión y mecanización de

procedimientos metódicos (o algoritmos) que subyacen en la adquisición, representación,

procesamiento, almacenamiento, comunicación y acceso a la información, si dicha

información está codificada en forma de bits en una memoria de computadora, los procesos

que antes se hacían manuales ahora se dan de forma automatizada, pero como saber cuáles

son los métodos más eficientes a usar para la implementación de lo requerido. Aquí encaja la

estadística, con el objetivo de tratar de tomar la mejor decisión de tal forma que podamos

elegir claramente qué camino tomar.

En los algoritmos, los cuales son la estructura de todo sistema informático y

automatizado, la estadística siempre trata de que sean finitos, eficaces y efectivos: finito que

se realice en un mínimo tiempo; eficaz que consuma poca memoria; efectivo que funcione

correctamente; para esto se realizan varias pruebas con el fin de tomar muestras de las

variables a optimizar e implementando operaciones estadísticas podremos presentar los

resultados obtenidos del estudio de una forma clara y precisa, para posteriormente tomar las

decisiones más convenientes.

2
 3. DESCRIPCIÓN DE VARIABLES ALEATORIAS

En nuestro estudio analizaremos 4 los métodos de ordenamiento los cuales son: Inserción,

Selección, Bubble y ShellSort. Con la toma de datos 100 aleatorios en el software estadístico

MiniTab, y la utilización de Excel se analizarán las siguientes variables:

 Variable No. 1: Tiempo de ejecución

Se denomina tiempo de ejecución al intervalo de tiempo en el que un programa de

computadora ejecuta una instrucción, en nuestro caso un algoritmo de ordenamiento. El

intervalo finaliza en el momento en que el IDE de programación envía la señal de

terminación, sea ésta una terminación normal, en que el programa tuvo la posibilidad de

concluir sus instrucciones satisfactoriamente, o una terminación anormal, en el que el

programa produjo algún error y el sistema debió forzar su finalización.

Este término suele emplearse, en oposición a tiempo de compilación, para indicar si una

acción o hecho sucede en uno u otro tiempo. En nuestro estudio la unidad básica de

representación será el segundo, modelado a una distribución continua exponencial, ya que se

trata de tiempo en valores decimales.

 Variable No. 2: Consumo de memoria

La memoria de acceso aleatorio (RAM, por sus siglas en inglés) es uno de los elementos

más importantes de los ordenadores convencionales y los dispositivos móviles, ya que la

CPU hace uso de ella para guardar los datos y las instrucciones que está ejecutando en un

3
momento determinado. Por tanto, actúa de manera temporal y pierde el contenido cuando se

apaga o reinicia el aparato, o bien cuando deja de hacerse uso de un programa.

En este estudio la unidad básica de representación al consumo de memoria será el

Megabyte, modelado a una distribución continua exponencial, ya que se trata de tiempo en

valores decimales.

 Variable No. 3: Algoritmo de preferencia por programador

Diremos que algoritmo prefieren por lo general los programadores, siendo esto un dato

cualitativo de tal forma que idealizado seria: 1.- Burbuja, 2.- ShellSort, 3.- Selección, 4.-

Inserción, para así poderlo trabajar como una distribución discreta binomial o geométrica.

 Variable No. 4: Lenguaje de preferencia por programador

Diremos que lenguaje de programación prefieren por lo general los programadores,

siendo esto un dato cualitativo de tal forma que idealizado seria: 1.- Python, 2.- Java, 3.-

Otros, para así poderlo trabajar como una distribución discreta binomial o geométrica.

 Variable No. 5: OS más utilizado por los programadores

Diremos que sistema operativo prefieren por lo general los programadores, siendo esto un

dato cualitativo de tal forma que idealizado seria: 1.- Windows, 2.- Mac, 3.- Linux, para así

poderlo trabajar como una distribución discreta binomial o geométrica.

4
 4. ANÁLISIS DESCRIPTIVO E INTERPRETACIÓN DE RESULTADOS.

Los tiempos y consumo de memoria se ajustan al ordenamiento de un vector con 65 500

elementos desordenados, que en cada prueba el orden no es el mismo, por ende los tiempos

varían y su consumo de memoria también.

4.1. Variable No. 1

Tabla de medidas de dispersión, tendencia central, posición del tiempo

Medi Desviación Coeficiente Mínim
Variable Varianza Q1 Mediana Q3 Máximo
a Estándar de variación o
Bubble 89,66 82,54 6812,07 0,92 1,18 28,37 59,54 135,35 420,66
ShellSort 0,45 0,43 0,19 0,97 0,00 0,11 0,30 0,57 1,92
Selecció
59,85 53,50 2862,16 0,89 0,42 21,82 38,65 91,44
n 221,31
Inserción 71,08 79,06 6250,93 1,11 0,82 21,98 42,37 87,93 391,52

4.1.1. Algoritmo de Ordenamiento Bubble

Datos 1.1: del Tiempo Ejecución Bubble

11,144 23,969 33,101 45,024 59,779 123,598 147,999 207,076
1,1789 95,2025
9 7 3 1 0 0 2 0
11,752 25,370 34,392 49,158 60,739 125,303 152,671 216,436
1,8997 95,5671
8 5 2 3 5 3 8 6
12,499 25,714 35,200 49,487 62,219 126,156 154,733 218,267
3,1415 96,0990
6 1 9 6 8 9 8 2
13,244 25,917 35,861 50,606 63,968 133,635 164,589 237,952
6,3373 97,7775
3 6 5 2 8 2 0 0
15,397 26,210 36,490 50,708 65,404 108,207 135,195 171,196 244,650
6,6242
0 8 0 4 2 6 3 3 0
15,732 29,085 37,381 53,386 66,122 110,361 135,817 174,030 268,641
6,8723
4 9 6 0 8 4 3 4 8
17,785 29,496 38,061 53,791 71,685 112,029 137,064 174,411 284,853
7,0073
8 0 0 8 7 3 1 9 4
18,948 29,983 40,513 55,229 82,505 116,388 139,635 175,709 287,489
8,3184
7 5 3 9 3 1 1 9 8
19,523 31,809 43,325 57,581 91,345 119,611 140,815 188,665 342,059
9,6349
4 5 4 9 6 7 0 4 4
10,022 22,191 33,006 45,002 59,295 93,325 123,524 145,094 196,263 420,655
1 1 0 9 8 3 2 9 0 7

Tabla 1.1
Tabla de frecuencias tiempo de ordenamiento Bubble
Marca Frecuencia Frecuencia Frecuencia Frecuencia
Clase INTERVALO
clase absoluta relativa acumulada acumulada

5
 Lm Ls
relativa
1 1,1789 61,1789 31,1789 52 0,52 52 0,52
2 61,1789 121,1789 91,1789 17 0,17 69 0,69
3 121,1789 181,1789 151,1789 19 0,19 88 0,88
4 181,1789 241,1789 211,1789 6 0,06 94 0,94
5 241,1789 301,1789 271,1789 4 0,04 98 0,98
6 301,1789 361,1789 331,1789 1 0,01 99 0,99
7 361,1789 421,1789 391,1789 1 0,01 100 1,00

Histograma Bubble
0.6
0.52
0.5
Frecuencia relativa

0.4

0.3
0.17 0.19
0.2

0.1 0.06 0.04

0.01 0.01
0
1 2 3 4 5 6 7
Clase

Ilustración 1.1 Histograma de Frecuencias tiempo de ordenamiento Bubble

Gráfica de caja de Burbuja

400

300
Burbuja

200

100

Ilustración 2.1 Diagrama de Cajas de tiempo de ordenamiento Bubble

4.1.2. Algoritmo de Ordenamiento ShellSort

6
Datos 1.2: del Tiempo Ejecución Bubble
0,0005 0,0667 0,1003 0,1481 0,2485 0,3068 0,4307 0,5465 0,7118 1,0942
0,0100 0,0670 0,1024 0,1528 0,2500 0,3105 0,4374 0,5534 0,7240 1,1086
0,0147 0,0752 0,1032 0,1679 0,2600 0,3258 0,4505 0,5647 0,7566 1,1395
0,0161 0,0817 0,1038 0,1739 0,2611 0,3264 0,4622 0,5659 0,7575 1,3317
0,0217 0,0851 0,1080 0,1740 0,2666 0,3633 0,4764 0,5679 0,8242 1,4765
0,0266 0,0864 0,1088 0,2064 0,2773 0,3697 0,4961 0,5886 0,8581 1,5578
0,0346 0,0874 0,1159 0,2143 0,2815 0,3928 0,4995 0,6561 0,8978 1,6243
0,0372 0,0891 0,1161 0,2213 0,2867 0,3956 0,5033 0,6577 0,9041 1,6403
0,0492 0,0942 0,1426 0,2251 0,2972 0,3988 0,5134 0,6600 0,9665 1,7917
0,0530 0,0945 0,1456 0,2474 0,3005 0,4294 0,5375 0,6777 1,0557 1,9185

Tabla 1.2
Tabla de frecuencias ShellSort

INTERVALO Frecuencia
Clas Marca Frecuencia Frecuencia Frecuencia
acumulada
e clase absoluta relativa acumulada
Lm Ls relativa
0,280
1 0,0005 0,1405 46 0,46 46 0,46
5
0,560
2 0,2805 0,4205 26 0,26 72 0,72
5
0,840
3 0,5605 0,7005 13 0,13 85 0,85
5
1,120
4 0,8405 0,9805 7 0,07 92 0,92
5
1,400
5 1,1205 1,2605 2 0,02 94 0,94
5
1,680
6 1,4005 1,5405 4 0,04 98 0,98
5
1,960
7 1,6805 1,8205 2 0,02 100 1,00
5

Histograma Shell Sort

0.5 0.46
0.45
0.4
frecuencia relativa

0.35
0.3 0.26
0.25
0.2
0.15 0.13
0.1 0.07
0.02 0.04 0.02
0.05
0
1 2 3 4 5 6 7
Clase

Ilustración 1.2 Histograma de Frecuencias tiempo de ordenamiento ShellSort

7
 Gráfica de caja de ShellSort
2,0

1,5

ShellSort
1,0

0,5

0,0

Ilustración 2.2 Diagrama de Cajas de tiempo de ordenamiento ShellSort

4.1.3. Algoritmo de Ordenamiento Selección

Datos 1.3: del Tiempo Ejecución Selección

105,617 155,828
0,4178 9,8792 16,6588 23,1847 29,9256 38,8646 56,0305 80,4496 5 1
108,031 161,599
1,4512 10,2518 20,0851 25,5744 30,3776 39,0226 58,5456 82,1787 4 7
109,615 163,403
1,4802 10,3849 21,0311 25,9224 30,6092 41,8641 65,7634 85,3192 5 4
111,453 167,837
3,3126 10,4991 21,4677 27,3100 31,1103 42,7421 67,2231 88,4758 6 2
111,537 168,377
3,6020 11,7620 21,5663 27,9506 31,5565 43,5195 67,9885 91,0143 6 9
116,451 175,268
3,7881 11,8064 21,9057 28,4789 32,5523 43,6685 68,0695 92,7270 0 2
118,653 179,580
5,1365 12,3456 22,2362 28,7852 32,9123 47,3981 70,0127 97,5426 2 4
119,410 184,423
6,2108 12,5261 22,4572 29,0568 34,0813 51,8487 71,5738 97,5882 5 0
127,816 220,791
7,0560 12,5570 22,8236 29,1279 34,7364 52,3083 73,6725 98,6167 9 9
104,820 137,643 221,310
7,3429 15,1572 23,0106 29,3098 38,4306 55,0397 75,5853 3 9 4

Tabla 1.3
Tabla de frecuencias Selección

INTERVALO Frecuencia
Frecuencia Frecuencia Frecuencia
Clase Marca clase acumulada
absoluta relativa acumulada
Lm Ls relativa
1 0,8170 56,8170 28,8170 61 0,61 61 0,61
2 56,8170 112,8170 84,8170 24 0,24 85 0,85

8
 3 112,8170 168,8170 140,8170 10 0,1 95 0,95
4 168,8170 224,8170 196,8170 5 0,05 100 1,00
5 224,8170 280,8170 252,8170 0 0 100 1,00
6 280,8170 336,8170 308,8170 0 0 100 1,00
7 336,8170 392,8170 364,8170 0 0 100 1,00

Histograma Selecti on
0.7
0.61
0.6
frecuencia relativa

0.5
0.4
0.3 0.24
0.2
0.1
0.1 0.05
0 0 0
0
1 2 3 4 5 6 7
clase

Ilustración 1.3 Histograma de Frecuencias tiempo de ordenamiento Selección

Gráfica de caja de Seleccion
250

200

150
Seleccion

100

50

Ilustración 3.3 Diagrama de Cajas de tiempo de ordenamiento Selección

4.1.4. Algoritmo de Ordenamiento Inserción

Datos 1.4: del Tiempo Ejecución Inserción

0,817 13,511 24,124 34,485 42,966 57,337 117,682 165,321
0 7,4510 4 5 9 0 5 71,9021 2 6
1,981 16,256 27,931 34,694 43,442 58,510 120,385 187,537
9 9,6259 9 9 7 2 1 73,3537 8 3

9
 1,982 18,628 29,289 35,553 43,897 63,997 120,636 192,236
2 9,8117 6 1 7 9 1 82,6565 3 7
3,862 10,072 18,858 29,791 35,851 46,381 64,903 131,226 233,008
4 0 1 6 0 7 3 86,1446 2 2
4,127 10,231 21,906 30,302 37,436 47,481 66,411 135,731 245,147
3 5 8 5 0 8 9 87,4321 4 9
4,707 11,080 22,003 30,969 37,451 49,114 66,501 141,721 272,311
2 2 8 9 1 7 3 89,4168 0 2
4,996 11,202 22,365 31,384 37,688 51,203 67,168 101,522 146,784 294,751
2 9 9 7 3 7 6 1 2 2
5,095 11,384 22,617 31,417 38,776 53,090 69,142 104,776 148,686 315,280
5 4 1 7 7 5 4 4 2 8
6,499 11,801 23,221 32,183 39,785 53,598 69,884 106,951 152,710 351,779
3 4 9 3 4 4 2 2 3 3
6,800 12,529 23,817 32,959 41,783 56,197 71,713 115,116 157,947 391,524
1 9 7 7 2 4 9 8 8 6

Tabla 1.4
Tabla de frecuencias consumo de memoria Inserción

INTERVALO Frecuencia
Clas Marca Frecuencia Frecuencia Frecuencia
acumulada
e clase absoluta relativa acumulada
Lm Ls relativa
1 0,0242 1,8242 0,9242 57 0,57 57 0,57
2 1,8242 3,6242 2,7242 23 0,23 80 0,80
3 3,6242 5,4242 4,5242 12 0,12 92 0,92
4 5,4242 7,2242 6,3242 0 0 92 0,92
5 7,2242 9,0242 8,1242 3 0,03 95 0,95
10,824
6 9,0242 9,9242 3 0,03 98 0,98
2
10,824 12,624
7 11,7242 2 0,02 100 1,00
2 2

10
 Histograma Inserti on
0.7
0.6
0.6
frecuencia relativa

0.5
0.4
0.3
0.19
0.2
0.12
0.1 0.03
0.02 0.02 0.02
0
1 2 3 4 5 6 7
clase

Ilustración 1.4 Histograma de Frecuencias tiempo de ordenamiento Inserción

Gráfica de caja de Insercion

350

300

250
Insercion

200

150

100

50

Ilustración 4.4 Diagrama de Cajas de tiempo de ordenamiento Inserción

4.2. Variable No. 2

Tabla 2
Tabla de medidas de dispersión, tendencia central, posición del tiempo
Medi Desviación Varianz Coeficiente de Mínim Median Máxim
Variable Q1 Q3
a Estándar a variación o a o
0,9 4,7
Bubble 3,21 3,14 9,88 0,98 0,03 2,05
5 9 13,57
0,4 2,2
ShellSort 1,53 1,54 2,38 1,01 0,00 1,02
1 4 6,89
Selecció 0,6 2,8
2,14 2,08 4,32 0,97 0,00 1,55
n 1 5 10,46
0,6 3,0
Inserción 2,30 2,57 6,61 1,12 0,02 1,33
8 4 12,01
Nota:

11
 4.2.1. Algoritmo de Ordenamiento Bubble

Datos 2.1: del Consumo de Memoria en Blubble

0,0332 11,2134 0,6697 0,9506 1,2132 1,6588 2,2081 3,1317 5,2771 6,4558
0,0402 0,3931 0,7272 0,9934 1,2446 1,6688 2,3785 3,3973 5,3145 6,9413
0,1107 12,3453 0,7403 1,0341 1,2562 1,9531 2,4017 3,4381 5,5003 6,9906
0,1143 0,4475 0,7707 1,0524 1,3779 2,0236 2,4404 3,9256 5,5012 7,4534
0,1395 11,2344 0,8052 1,0768 1,4597 2,0379 2,5983 4,1757 5,7301 7,4899
0,1564 0,5796 0,8227 1,0855 1,5170 2,0556 2,6008 4,1796 6,0621 7,5262
9,2345 0,5852 0,8952 1,1036 1,5191 2,0924 2,6121 4,2632 6,1116 7,8097
0,2599 0,5960 0,9089 1,1247 1,5327 2,0976 2,6784 4,5877 6,2235 8,4629
12,3454 0,6086 0,9469 1,1388 1,5400 2,1769 2,7423 4,6130 6,2658 9,3817
0,3843 0,6478 0,9501 1,1831 1,5624 2,1901 2,9169 4,6310 6,3098 13,5659

Tabla 2.1
Tabla de frecuencias consumo de memoria Bubble

INTERVALO Frecuencia
Clas Marca Frecuencia Frecuencia Frecuencia
acumulada
e clase absoluta relativa acumulada
Lm Ls relativa
1 0,0332 2,0332 1,0332 49 0,49 49 0,49
2 2,0332 4,0332 3,0332 20 0,2 69 0,69
3 4,0332 6,0332 5,0332 11 0,11 80 0,80
4 6,0332 8,0332 7,0332 12 0,12 92 0,92
10,033
5 8,0332 9,0332 3 0,03 95 0,95
2
10,033 12,033
6 11,0332 2 0,02 97 0,97
2 2
12,033 14,033
7 13,0332 3 0,03 100 1,00
2 2

12
 Histograma Bubble
0.6
0.49
0.5

0.4
Frecuencia

0.3
0.2
0.2
0.11 0.12
0.1
0.03 0.02 0.03
0
1 2 3 4 5 6 7
Clases

Ilustración 3.1 Histograma de Frecuencias Consumo Memoria Bubble

Gráfica de caja de Burbuja

14

12

10

8
Burbuja

Ilustración 4.1 Diagrama de Cajas de consumo memoria Bubble

13
 4.2.2. Algoritmo de Ordenamiento ShellSort

Datos 2.2: del Consumo de Memoria en ShellSort

0,0014 0,1232 0,2842 0,5108 0,6671 1,0417 1,5284 1,9902 2,5857 3,5737
0,0127 0,1348 0,2943 0,5160 0,7411 1,0503 1,5340 1,9919 2,6523 3,6108
0,0387 0,1527 0,2966 0,5405 0,7832 1,1164 1,5612 2,0561 2,6849 3,8028
0,0440 0,1545 0,3039 0,5435 0,8111 1,1382 1,5780 2,1564 2,8508 4,4396
0,0459 0,1570 0,3332 0,5554 0,8426 1,1843 1,6291 2,2322 3,2654 4,4626
0,0699 0,1591 0,4411 0,6182 0,8717 1,1988 1,6905 2,2831 3,3078 5,1294
0,0733 0,2003 0,4694 0,6477 0,9211 1,2086 1,6968 2,2898 3,3432 5,2348
0,0871 0,2267 0,4792 0,6480 0,9346 1,2930 1,7437 2,4437 3,3751 6,1298
0,0980 0,2555 0,4830 0,6520 0,9522 1,3532 1,7899 2,5542 3,4382 6,8453
0,1034 0,2639 0,5094 0,6671 1,0011 1,5203 1,8652 2,5688 3,5163 6,8949

Tabla 2.2
Tabla de frecuencias consumo de memoria ShellSort
Frecuencia
Clas INTERVALO Marca Frecuencia Frecuencia Frecuencia
acumulada
e clase absoluta relativa acumulada
Lm Ls relativa
0,004 1,004
1 0,5041 50 0,5 50 0,50
1 1
1,004 2,004
2 1,5041 22 0,22 72 0,72
1 1
2,004 3,004
3 2,5041 12 0,12 84 0,84
1 1
3,004 4,004
4 3,5041 9 0,09 93 0,93
1 1
4,004 5,004
5 4,5041 2 0,02 95 0,95
1 1
5,004 6,004
6 5,5041 2 0,02 97 0,97
1 1
6,004 7,004
7 6,5041 3 0,03 100 1,00
1 1

14
 Histograma Shell Sort
0.6
0.5
0.5

0.4
Axis Title

0.3
0.22
0.2
0.12
0.09
0.1
0.02 0.02 0.03
0
1 2 3 4 5 6 7
Axis Title

Ilustración 3.2 Histograma de Frecuencias Consumo Memoria ShellSort

Gráfica de caja de ShellSort

7

4
ShellSort

Ilustración 4.2 Diagrama de Cajas de consumo memoria ShellSort

4.2.3. Algoritmo de Ordenamiento Selección

Datos 2.3: del Consumo de Memoria en Selección

0,0041 0,2101 0,4849 0,7003 1,1765 1,5548 2,0624 2,7067 3,4558 5,1670
0,0067 0,2352 0,5135 0,7265 1,1988 1,6683 2,2569 2,7484 3,4564 5,4106
0,0138 0,2446 0,5412 0,7458 1,2046 1,7276 2,2631 2,7575 3,5679 5,6342
0,0718 0,2669 0,5869 0,7585 1,3261 1,8023 2,3337 2,7881 3,7201 5,8736
0,0801 0,3066 0,5990 0,7611 1,3398 1,8406 2,3338 2,8462 3,8828 6,0563
0,0886 0,3707 0,6144 0,7735 1,3924 1,8640 2,3548 2,8673 3,8982 7,6793
0,1164 0,3736 0,6291 0,8258 1,4392 1,8688 2,4548 3,1039 4,2830 7,6833

15
0,1203 0,4167 0,6310 0,9798 1,4759 1,9431 2,5136 3,1708 4,3593 7,7421
0,1981 0,4246 0,6427 1,0787 1,5161 1,9630 2,5530 3,2124 4,6832 8,1431
0,1993 0,4656 0,6740 1,1333 1,5372 1,9767 2,6687 3,3577 4,8395 10,4551

Tabla 2.3
Tabla de frecuencias consumo de memoria Selección

INTERVALO Frecuencia
Clas Marca Frecuencia Frecuencia Frecuencia
acumulada
e clase absoluta relativa acumulada
Lm Ls relativa
0,001
1 1,5014 0,7514 48 0,48 48 0,48
4
1,501
2 3,0014 2,2514 28 0,28 76 0,76
4
3,001
3 4,5014 3,7514 12 0,12 88 0,88
4
4,501
4 6,0014 5,2514 6 0,06 94 0,94
4
6,001
5 7,5014 6,7514 1 0,01 95 0,95
4
7,501
6 9,0014 8,2514 4 0,04 99 0,99
4
9,001 10,501
7 9,7514 1 0,01 100 1,00
4 4

Histograma Selecti on
0.6

0.5 0.48

0.4
Axis Title

0.3 0.28

0.2
0.12
0.1 0.06 0.04
0.01 0.01
0
1 2 3 4 5 6 7
Axis Title

Ilustración 3.3 Histograma de Frecuencias Consumo Memoria Selección

16
 Gráfica de caja de Seleccion

10

Seleccion 8

Ilustración 4.3 Diagrama de Cajas de consumo memoria Selección

4.2.4. Algoritmo de Ordenamiento Inserción

Datos 2.4: del Consumo de Memoria en Inserción

0,0242 0,1897 0,4148 0,8203 1,0223 1,3619 2,0420 2,6466 3,6891 5,3175
0,0273 0,1989 0,5149 0,8489 1,0419 1,4133 2,1049 2,8729 3,7103 5,3770
0,0441 0,1993 0,5551 0,8600 1,0915 1,5762 2,1190 2,9063 3,7157 7,3303
0,0700 0,2023 0,5774 0,8797 1,1107 1,5870 2,1355 2,9719 4,2174 8,0079
0,0884 0,2187 0,6198 0,8831 1,1191 1,6803 2,2285 3,0044 4,3122 8,1597
0,1170 0,2294 0,6982 0,8857 1,1683 1,6888 2,2689 3,1384 4,3987 9,2095
0,1489 0,2944 0,7163 0,8943 1,1886 1,7581 2,3435 3,1444 4,4126 9,8742
0,1555 0,3237 0,7222 0,9016 1,1978 1,9415 2,4418 3,2952 4,5172 10,3250
0,1588 0,3307 0,7405 0,9477 1,2920 1,9565 2,4788 3,3444 4,7292 10,9849
0,1608 0,3383 0,8200 0,9632 1,2970 1,9941 2,5442 3,5379 5,1620 12,0099
Tabla 2.4

Tabla de frecuencias consumo de memoria Inserción

17
 INTERVALO Frecuencia
Clas Marca Frecuencia Frecuencia Frecuencia
acumulada
e Lm Ls clase absoluta relativa acumulada
relativa
1 0,0242 1,8242 0,9242 57 0,57 57 0,57
2 1,8242 3,6242 2,7242 23 0,23 80 0,80
3 3,6242 5,4242 4,5242 12 0,12 92 0,92
4 5,4242 7,2242 6,3242 0 0 92 0,92
5 7,2242 9,0242 8,1242 3 0,03 95 0,95
6 9,0242 10,8242 9,9242 3 0,03 98 0,98
10,824
7 12,6242 11,7242 2 0,02 100 1,00
2

Histograma Inserti on
0.6 0.57

0.5
Frecuencia Relativa

0.4

0.3
0.23
0.2
0.12
0.1
0.03 0.03 0.02
0
0
1 2 3 4 5 6 7
Clases

Ilustración 3.4 Histograma de Frecuencias Consumo Memoria Inserción

Gráfica de caja de Inserción

12

10

8
Inserción

Ilustración 4.4 Diagrama de Cajas de consumo memoria Inserción

18
 4-26;1-23;2-25;-3-26

4.3. Variable No. 3

Datos 3: datos representativos de datos cualitativos

4 3 3 3 4 3 1 4 2 4
4 3 2 2 1 4 4 4 4 2
1 2 2 1 3 2 4 1 2 2
3 1 4 2 1 4 4 3 3 3
2 3 3 1 4 2 3 2 4 4
1 1 1 3 3 1 1 4 4 1
2 2 1 2 1 1 4 3 4 1
3 1 2 2 3 3 3 2 3 2
3 2 4 3 1 2 4 3 2 4
2 3 1 1 4 3 4 4 1 2

Tabla 3
Tabla de medidas de dispersión, tendencia central, posición del tiempo
Mod Desviación Varianz Coeficiente de Mínim Median Máxim
Variable Q1 Q3
a Estándar a variación o a o
Preferenci 2,0 3,0
3y4 1,08 1,17 2,31 1,00 2,50
a 0 0 4,00

Tabla 3.1
Tabla de frecuencias preferencia algoritmo
 
Clas Frecuencia Frecuencia Frecuencia Frecuencia acumulada
e absoluta relativa acumulada relativa
 
Burbuja 1 23 0,23 23 0,23
ShellSort 2 25 0,25 48 0,48
Selecció
3 26 0,26 74 0,74
n
Inserción 4 26 0,26 100 1

19
 Histograma Preferencia de Algoritmo
0.27
0.26
0.26
0.25
Frecuencia Relativa

0.25
0.24
0.24
0.23
0.23
0.22
0.22
1 2 3 4
Clase

Ilustración 5 Histograma de Frecuencias Preferencia Algoritmo

Gráfica de caja de pref. Algoritmo

4,0

3,5

3,0
Algoritmo

2,5

2,0

1,5

1,0

Ilustración 6 Diagrama de Cajas de Preferencia de Algoritmo

4.4. Variable No. 4

Datos 4: datos representativos de datos cualitativos

1 2 1 1 2 2 2 3 3 1
1 1 1 3 2 2 3 1 3 2
3 3 1 2 2 1 2 1 3 1
2 1 3 2 2 3 3 2 1 3

20
 2 3 3 3 2 3 1 3 3 3
2 1 2 2 2 3 2 2 1 3
1 3 3 3 2 3 3 2 1 1
3 1 3 1 2 1 3 1 3 1
1 3 2 1 3 1 3 1 3 2
1 2 2 1 3 1 2 2 3 2

Tabla 4
Tabla de frecuencias preferencia lenguaje

Clas Frecuencia Frecuencia Frecuencia Frecuencia acumulada

e absoluta relativa acumulada relativa
 
Pytho
1 32 0,32 32 0,32
n
Java 2 32 0,32 64 0,64
Otros 3 36 0,36 100 1,00

Histograma preferencia lenguajes

0.37
0.36
0.36
0.35
frecuencia

0.34
0.33
0.32 0.32
0.32
0.31
0.3
1 2 3
Clases

Ilustración 6 Histograma de Frecuencias Preferencia Lenguaje

21
 Gráfica de caja de lenguaje

3,0

2,5

Lenguaje 2,0

1,5

1,0

Ilustración 7 Diagrama de Cajas de Preferencia de Lenguaje

4.5. Variable No. 5

Datos 5: datos representativos de datos cualitativos

1 1 1 2 1 1 1 2 3 1
2 1 3 3 3 1 1 3 3 3
3 2 1 3 3 1 3 2 2 1
3 3 2 1 2 2 1 3 1 2
3 2 2 1 2 2 1 2 3 3
1 3 1 3 1 3 1 2 3 1
2 3 1 2 3 1 1 3 1 1
1 2 2 3 3 1 2 1 2 3
2 1 2 2 1 3 1 2 2 3
3 3 1 3 2 1 2 3 3 2

Tabla 5
Tabla de frecuencias preferencia lenguaje

Frecuencia Frecuencia Frecuencia Frecuencia acumulada

Clase
absoluta relativa acumulada relativa
 
Window
1 36 0,36 36 0,36
s
Mac 2 30 0,30 66 0,66
Linux 3 34 0,34 100 1,00

Tabla de medidas de dispersión, tendencia central, posición del tiempo

Mod Desviación Varianz
Variable Coeficiente de variación Q1 Mediana Q3
a Estándar a
Preferencia 1 0,84 0,71 2,36 1,0 2,00 3,00

22
 0

Histogrma preferencia OS
0.37
0.36
0.36
0.35
0.34
0.34
0.33
0.32
0.31
0.3
0.3
0.29
0.28
0.27
1 2 3

Ilustración 8 Histograma de Frecuencias Preferencia OS

Gráfica de caja de os

3,0

2,5

2,0
os

1,5

1,0

Ilustración 9 Diagrama de Cajas de Preferencia de OS

23
 5. CONCLUSIONES

Gracias al análisis realizado y al uso de las herramientas estadísticas podemos llegar a las

siguientes conclusiones:

 Por medio de la variable “Tiempo de ejecución” resultó que ordenar arreglos por el

método de “ShellSort” es más eficiente que por medio del resto de los algoritmos,

pudimos evidenciar esto gracias a obtener su media, y esta resultó ser menor al de los

demás algoritmos.

 Con respecto a la variable aleatoria discreta “Consumo de memoria”, entre los cuatro

algoritmos analizados el algoritmo, ShellSort tiene una media mucho mayor en

comparación al resto de algoritmo; aunque, su coeficiente de variación es mayor al

resto de los algoritmos por tener una media menor al resto llegamos a la conclusión

que para casos en donde se tiene pocos recursos de memoria es mejor utilizar el

algoritmo de "ShellSort".

Mediante las variables aleatorias cualitativas en la cual tenemos tres variables a analizar

siendo estas:

 Preferencia de Algoritmo por Programador: Un 26% de los programadores

entrevistados, manifestaron que tienen una inclinación por utilizar el algoritmo

"ShellSort" para la ordenación de datos, y a la vez otro 26% concluyo que prefieren

el algoritmo de "Inserción" para utilizarlos en su ordenación de información.

24
 Lenguaje de Preferencia por Programador: Cada programador tiene un lenguaje de

preferencia, ya sea porque este es eficiente, rápido o simplemente porque el

programador se siente cómodo al trabajar con él, por lo que decimos analizarlo en esta

variable; luego de realizar el análisis, un 32% se siente más cómodo al utilizar el

programar en el lenguaje "Python", mientras otro 32% dice que es más eficiente

programar en "JAVA"; pero, la mayoría de los entrevistados alegó que prefieren

utilizar otro lenguaje de programación para dar vida a sus códigos.

 OS más utilizado por los Programadores: Existen varios Sistemas Operativos (OS)

usados hoy en día pero los más nombrados son: Mac, Windows y Linux, y mediante

nuestro análisis de los 100 programadores entrevistados un 36% dicen que utilizan

mayormente el sistema operativo de Windows, además pudimos ver que el menor

porcentaje lo tenía el sistema operativo Mac alcanzando este un 30%.

25
6. BIBLIOGRAFÍA.

 Aho, A. V., Hopcroft, J. E., & Ullman, J. D. (1988). Estructuras de datos y algoritmos
(Vol. 1) Addison-Wesley Iberoamericana. Obtenido de:
http://dspace.ucbscz.edu.bo/dspace/handle/123456789/1147
 G., ALMAGRO, M., & LLABRÉS, T. (2004). Estadística práctica con MiniTab.
Obtenido de: https://books.google.es/books?
hl=es&lr=&id=7RaoAgAAQBAJ&oi=fnd&pg=PR18&dq=minit+ab&ots=jnm2i5c02
T&sig=lSRKzZaE3wMptrUtZp22EG21tZA
 Javier Gutiérrez, Michael González. Parte II: Estructuras de Datos y Algoritmos.
UNIVERSIDAD DE CANTABRIA FACULTAD DE CIENCIAS.
http://www.ctr.unican.es/asignaturas/lan/algoritmos-2en1.pdf
 Luis E. Vargas Azcona. Problemas y Algoritmos.
http://lobishomen.files.wordpress.com/2011/01/libropre3.pdf
 Fernando A. Lagos B. Algoritmos de Ordenamiento Informe de
http://blog.zerial.org/ficheros/Informe_Ordenamiento.pdf

26