PROBABILIDAD Y ESTADÍSTICA

CASTIBLANCO MORALES ANDRÉS FERNANDO

COD.201610264
CELY CABEZAS JOSÉ DAVID
COD 201521793
CORREA BRICEÑO JUAN CAMILO
COD. 201611967

UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA

FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA CIVIL- INGENIERÍA DE TRANSPORTE Y VÍAS
TUNJA
2017

1
 PROBABILIDAD Y ESTADÍSTICA

CASTIBLANCO MORALES ANDRÉS FERNANDO

COD.201610264
CELY CABEZAS JOSE DAVID
COD 201521793
CORREA BRICEÑO JUAN CAMILO
COD. 201611967

Julián Rodrigo Quintero González

Ingeniero en Transporte y Vías
Docente Escuela de Ingeniería de Transporte y Vías

UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA

FACULTAD DE INGENIERÍA
ESCUELAS DE INGENIERÍA CIVIL- INGENIERÍA DE TRANSPORTE Y VÍAS
TUNJA
2017

2
TABLA DE CONTENIDO

INTRODUCCION A LA PROBLEMÁTICA…………………………………………...4

OBJETIVOS……………………………………………………………………………..5

PLATEAMIENTO DEL PROBLEMA…………………………………………………..6

ANALISIS ESTADISTICO……………………………………………………………...7

Análisis de resultados ……………………………………………..……...….10

CONCLUSIONES……………………………………………………………...……….12

RECOMENDACIONES………………………………………………………...………13

ANEXOS …………………………………………………………………………..…….14

3
INTRODUCCION A LA PROBLEMÁTICA

La contaminación acústica vehicular es considerada por la mayoría de la población

de las grandes ciudades como un factor medio ambiental muy importante, que
incide de forma principal en su calidad de vida. La contaminación ambiental
urbana o ruido ambiental es una consecuencia directa no deseada de las propias
actividades que se desarrollan en las grandes ciudades.
El crecimiento de las ciudades a lo largo de los últimos años, y por lo tanto, el
incremento de las acciones que se desarrollan en los núcleos urbanos han
ocasionado un tipo de contaminación que afecta tanto a las relaciones laborales
como al ocio y al descanso, se trata de la contaminación acústica.
En el presente documento se aborda un estudio detallado que permite caracterizar
las variables de esta problemática ambiental con los resultados de mediciones del
corredor vial de la ciudad de Tunja, avenida oriental

4
OBJETIVO GENERAL

Analizar la problemática respecto a la nebulosa contaminación acústica vehicular

considerando el mal tránsito, el factor principal de esta problemática, deteriorando
la vida de los ciudadanos día a día respecto a su salud física y psicológica

OBJETIVOS ESPECÍFICOS
*Realizar un análisis estadístico, desarrollando paso a paso cada uno de los
componentes de esta problemática
*Verificar las causas, buscando una posible solución respectiva, sin afectar el
tránsito vehicular
*Proponer diferentes soluciones inmediatas, viables según las normas y la
seguridad de la comunidad sin afectar la vida diaria de los ciudadanos

5
PLANTEAMIENTO DEL PROBLEMA

Podemos concluir que si el avance de un estado mejora, el grado de

contaminación acústica vehicular acrecienta, sus causas primordiales son el
aumento de la localidad, la expansión urbana, el incremento de propietarios de
vehículos privados, reducción de la ocupación vehicular, situaciones que han
venido creciendo.

Por otra parte el acrecentamiento de potentados de vehículos privados sus

fuentes se derivan de la ampliación económica familiar, el que las personas
perciben a los autos un bien superior y la baja calidad del transporte publico

Cabe recalcar algunas ciudades de gran número de habitantes tienen diferentes

medios de transporte publico de buena calidad para el desplazamiento de sus
ciudadanos, logrando inferir que la ciudad de Tunja tiene 195 496 habitantes
siendo mínima la población para crear varios medios de transporte, derivando el
proceso adecuado para la disminución de la contaminación acústica vehicular para
la ciudad seria la creación de una infraestructura vial para contar con un mayor
acceso a más y mejores carreteras que facilita el desplazamiento de la población.

6
ANALISIS ESTADISTICO
*VALORES UTILIZADOS
-Mediana
𝑛(0,5) − ∑ 𝑓𝑖𝑎
𝑀𝑒 = 𝐿𝑖 + 𝑎 [ ]
𝑓𝑖
899(0,5) − 529
𝑀𝑒 = 70,7 + 4 [ ] = 69,09𝑑𝐵𝑎
197
-Desviación típica
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ ) ∗ 𝑛𝑖
𝑆=√
𝑛−1

[(69,02 − 56,7)2 ∗ 42 + (69,02 − 60,7)2 + ⋯ + (69,02 − 92,7)2 ]𝑑𝐵𝑎2

𝑆=√
899 − 1
𝑆 = 7,023𝑑𝐵𝑎

*DATOS
3.5 MEDIDAS DE FORMA

3.5.1 SESGO
1
∑(𝑋𝑖 − 𝑋̅)3 ∗ 𝑛𝑖
𝑔1 = 𝑛
1 3
(𝑛 ∑(𝑋𝑖 − 𝑋̅)2 ∗ 𝑛𝑖)2

𝑔1
1 3 3 3
899 (56.7 − 69.02) ∗ 42 + (60.7 − 69.02) ∗ 151 + (64.7 − 69.02) ∗ 166 +
(68.7 − 69.02)3 ∗ 169 + (72.7 − 69.02)3 ∗ 197 + (76.7 − 69.02)3 ∗ 101 +
(80.7 − 69.02)3 ∗ 40 + (84.7 − 69.02)3 ∗ 19 + (88.7 − 69.02)3 ∗ 13 + (92.7 − 69.02)3 ∗ 1
=
1
[899 (56.7 − 69.02)2 ∗ 42 + (60.7 − 69.02)2 ∗ 151 + (64.7 − 69.02)2 ∗ 166 +
(56.7 − 69.02)2 ∗ 42 + (60.7 − 69.02)2 ∗ 151 + (64.7 − 69.02)2 ∗ 166 +
3
(80.7 − 69.02)2 ∗ 40 + (84.7 − 69.02)2 ∗ 19 + (88.7 − 69.02)2 ∗ 13 + (92.7 − 69.02)2 ∗ 1]2

𝑔1
1
(−86965.48557) + (−13383.18029) + (−5.537792) + 9817.698304
899 ((−78538.28506) +
+ 45751.46803 + 63736.54528 + 73247.32621 + 99087.44602 + 13278.38003))
=
1
[899 (6374.8608 + 10452.5824 + 3097.9584 + 17.3056 + 2667.8528 + 5957.2224 +
3
5456.896 + 4671.3856 + 5034.9312 + 560.7424)]2

7
 1
(126026.3752)
𝑔1 = 899
1 3
[899 44291.7376]2

140.1850669
𝑔1 =
345.8155675

𝑔1 = 0.405375235 𝑑𝐵

3.5.2 ÍNDICE DE ASIMETRÍA DE PEARSON

𝑋̅ − 𝑀𝑜
𝐴𝑆 =
𝑆
69.02 − 71.60
𝐴𝑆 =
7.023

−2.58
𝐴𝑆 = = −0.367364374 𝑑𝐵𝐴
7.023

3.5.3 ÍNDICE DE ASIMETRÍA DE FISHER

∑(𝑋𝑖 − 𝑋̅)
𝐴𝑆 = 𝑛
𝑆3

(−12.32) + (−8.32) + (−4.32) + (−0.32) + 3.68 +

𝐴𝑆 = 7.68 + 11.68 + 15.68 + 19.68 + 23.68
899
(7.023)3

56.8
𝐴𝑆 =
899
346.3921212

8
 0.063181313
𝐴𝑆 = = 1.82398𝑥10−4 𝑑𝐵
346.3921212

3.5.4 CURTOSIS

1
∑(𝑋𝑖 − 𝑋̅)4 ∗ 𝑛𝑖
𝑔2 = 𝑛 −3
1 ̅ 2 2
(𝑛 ∑(𝑋𝑖 − 𝑋) ∗ 𝑛𝑖)

𝑔2
1 4 4 4
899 (56.7 − 69.02) ∗ 42 + (60.7 − 69.02) ∗ 151 + (64.7 − 69.02) ∗ 166 +
(68.7 − 69.02)4 ∗ 169 + (72.7 − 69.02)4 ∗ 197 + (76.7 − 69.02)4 ∗ 101 +
(80.7 − 69.02)4 ∗ 40 + (84.7 − 69.02)4 ∗ 19 + (88.7 − 69.02)4 ∗ 13 + (92.7 − 69.02)4 ∗ 1
=
1 2 2 2
899 (56.7 − 69.02) ∗ 42 + (60.7 − 69.02) ∗ 151 + (64.7 − 69.02) ∗ 166 +
(68.7 − 69.02)2 ∗ 169 + (72.7 − 69.02)2 ∗ 197 + (76.7 − 69.02)2 ∗ 101 +
(80.7 − 69.02)2 ∗ 40 + (84.7 − 69.02)2 ∗ 19 + (88.7 − 69.02)2 ∗ 13 + (92.7 − 69.02)2 ∗ 1

𝑔2
1
(967591.6719 + 723552.8399 + 57815.33884 + 1.77209344 + 36129.12976 +
899
351371.2745 + 744442.8489 + 1148518.075 + 1950040.938 + 314432.0392)
=
1
(899 (44291.7376))2

7000.996582
𝑔2 = − 3 = −2.996791706 𝑑𝐵𝐴
2182155.75

9
*ANALISIS DE RESULTADOS 1

La asimetría es la medida que indica la noción de la uniformidad de la distribución

de una variable respecto a la media aritmética. Los coeficientes de asimetría
indican si hay el mismo número de elementos a izquierda y derecha de la media.
Teniendo en cuenta que el valor obtenido en el sesgo es mayor a cero infiriendo
sobre la curva que es asimétrica positiva hacia la parte izquierda de la media
donde se encuentran agrupado la mayoría de los datos.
Desde el índice de asimetría de Pearson que es menor que cero podemos afirmar
que la distribución es asimétrica negativa ya que el valor de la media es menor
que el de la moda. Indicando una ligera asimetría a la izquierda en la distribución
de frecuencias
Según el índice de asimetría de Fisher la distribución es asimétrica positiva debido
a que el resultado es mayor que cero, por tal motivo se ubica a la parte izquierda
de la curva, al igual que la curva de distribución de frecuencias.
Analizando la curtosis se identificó una concentración de valores platicurtica lo
cual significa que la distribución g2 es menor que cero igual como lo indica la
curva de distribución de frecuencias. Esto nos admite saber que se presenta una
baja concentración de valores en la región central de la distribución.
Se observó que estas tienen el mismo comportamiento de la curva de frecuencias.
ANALISIS DE RESULTADO 2
Calcular el tamaño de muestra óptimo para el número de observaciones o para el
estudio realizado en la avenida oriental.
2𝜎
<𝐸
√𝑛
2 ∗ 7,023
< 0,5
√899
0,468 < 0,5
Se asumió que el error máximo pasable de la estimación es de 0,5dBa debido a la
variable tiene un recorrido de 36,5dBa se observó que la frecuencia en de los no
fluctúan de forma brusca y que se mantienen muy parejos uno con respecto del
anterior y que la frecuencia de algunos valores es muy alta como para considerar
que el error sea mayor.
Con base a la operación anterior se considera que el error escogido es apto para
la medición del tamaño de la muestra debido a que la relación de orden se
cumple, en otras palabras si el resultado del lado izquierdo fuera mayor se tendría
que escoger un valor mayor para el error máximo tolerable para cumplir la relación
de orden y en el caso del estudio diría que la forma en cómo se comporta la
variable es muy inestable y esta fluctuando demasiado a lo largo del estudio.
4𝜎 2
𝑛≥ 2
𝐸
4 ∗ (7,023)2
899 ≥
(0,5)2

10
 899 ≥ 789,16
Se observa que el número de observaciones que se tomó para realizar el estudio
estadístico anterior es el ideal ya que cumple la relación de orden y por obvias
razones no es necesario volver a realizar trabajo de campo para la toma de
nuevos datos; como el número de observaciones tomadas es mayor a los
parámetros evaluados se podría escoger un nivel de confianza alto ya que al ver
como se comporta la variable se tendría un mayor nivel de confianza para estimar
si la variable a estudiar estaría dentro del error esperado
Hacer un análisis de sensibilidad para el cálculo del tamaño de la muestra usando
un nivel de confianza del 95%, 90%, 85% y 80%.
𝑍∗𝜎 2
𝑁°𝑚í𝑛𝑖𝑚𝑜 = [ ]
𝐸
Para un nivel de confianza del 95%
1,65 ∗ 7,023 2
𝑁°𝑚í𝑛𝑖𝑚𝑜 = [ ] = 757,911
0,5
Para un nivel de confianza del 90%
1,44 ∗ 7,023 2
𝑁°𝑚í𝑛𝑖𝑚𝑜 = [ ] = 530,633
0,5
Para un nivel de confianza del 85%
1,44 ∗ 7,023 2
𝑁°𝑚í𝑛𝑖𝑚𝑜 = [ ] = 409,102
0,5
Para un nivel de confianza del 80%
1,28 ∗ 7,023 2
𝑁°𝑚í𝑛𝑖𝑚𝑜 = [ ] = 323,241
0,5
Al comparar cada uno de los resultados anteriores se puede concluir que el
número mínimo de observaciones es inversamente proporcional al nivel de
confianza escogido porque el nivel de confianza, hace parte de la estimación de
un intervalo, la cual indica que es un rango de números construidos alrededor de
un parámetro puntual, en este caso la media pero hay que recordar que la media
se ve influencia por los elementos seleccionados en la muestra, por eso cuando se
escoge un nivel mayor de confianza se tendrá mayor certeza de que el parámetro
a buscar este dentro del margen de error pero a la vez un número mayor de datos
ya que pueden haber datos atípicos que aumenten la dispersión pero también hay
que tener en cuenta para el nivel de confianza cómo se comporta la variable o sea
como fluctúa a lo largo del estudio, ya que si no son datos parejos es posible que
la variable puntual (media) no este afuera del margen de error por esto en niveles
de confianza menor se toman menos observaciones porque se espera que los
datos no varíen de forma notable y si lo hacen se soporta con la inferencia que no
pueda estar dentro de error esperado.
Otro parámetro que puede variar con respecto al número mínimo de
observaciones es el error máximo tolerable de la estimación pero en este estudio
se mantuvo constante pero si no lo fuera y se quisiera tomar un error menor al
escogido, el número mínimo de observaciones sería mayor ya que como se
observa en la formula estos son directamente proporcionales.

11
CONCLUSIONES

Las externalidades de tráfico en perímetro urbano, razonadas más negativas en

cuanto a los enseres producidos en la eficacia de vida del ser humano son la
contaminación acústica, la accidentalidad, la contaminación atmosférica y la
ocupación del espacio.
Los vehículos a motor son la principal fuente de ruido en las ciudades induciendo
niveles que a menudo superan los límites máximos recomendados e incluso
permitidos.
La contaminación acústica, además de ser una molestia, provoca cansancio,
estrés y otras alteraciones que perturban la salud de las personas. Dificulta la
comunicación cómoda de personas en la calle lo que provoca que la vía urbana
pierda la función de espacio de relación social.
Se analiza la problemática de un espacio definido como lo es la avenida oriental
de la ciudad de Tunja estudiando diferentes situaciones dependiendo la hora el
día, el estado de la vía y su señalización

12
 RECOMENDACIONES

La preliminar investigación nos lleva a un análisis frente a la contaminación

acústica vehicular, con una base de datos tomados con anterioridad, basándonos
en los aprendizajes vistos en clase y por lo tanto puestos en práctica.
 Precaución con la transferencia de datos al momento de transcribirlos a los
programas Microsoft Excel y Microsoft Word

 Ser meticulosos con las cifras después de la coma para el correcto procedimiento
de realización de cálculos y así lograr un correcto análisis estadístico completo.

 podría realizar el estudio para saber si los niveles de emisión sonora medidos en
dBa están por encima del máximo permitido, las mediciones se pueden tomar en
horas pico, como a medio día o a las siete de la noche.

 Se podría tomar intervalos de datos más amplios (de minutos) para poder
observar como varían los niveles de emisión sonora en una o dos horas, en este
caso horas pico.

13
ANEXOS
*CALCULO MEDIDAS DE FORMA

14
* TABLA DE DATOS AGRUPADOS
xi max 54.7 intervalos
# Limite limite
xi min 91.2
intervalos inferior superior
Re 36.5 0
intervalos 10 1 54.7 58.69
xi 4.000 2 58.7 62.69
3 62.7 66.69
4 66.7 70.69
5 70.7 74.69
6 74.7 78.69
7 78.7 82.69
8 82.7 86.69
9 86.7 90.69
10 90.7 94.69

*ESTADISTICA DESCRIPTIVA

intervalo marca Fi Fa Fri Fra

54.7 58.69 56.7 42 4.67% 42 4.67%
58.7 62.69 60.7 151 16.80% 193 21.47%
62.7 66.69 64.7 166 18.46% 359 39.93%
66.7 70.69 68.7 169 18.80% 528 58.73%
70.7 74.69 72.7 197 21.91% 725 80.65%
74.7 78.69 76.7 101 11.23% 826 91.88%
78.7 82.69 80.7 40 4.45% 866 96.33%
82.7 86.69 84.7 19 2.11% 885 98.44%
86.7 90.69 88.7 13 1.45% 898 99.89%
90.7 94.69 92.7 1 0.11% 899 100.00%

Histograma de frecuencias
250 120%
200 100%
Frecuencia

80%
150
60%
100 Frecuencia
40%
50 20% % acumulado
0 0%
56.7
60.7
64.7
68.7
72.7
76.7
80.7
84.7
88.7
92.7

Clase

15
16
SESGO
A B SUMATORIA EN A SUMATORIA EN B
POR 1/899 POR 1/899
(MARCA- (MARCA-
MEDIA)^3*Fi MEDIA)^2*Fi
-78538.28506 6374.8608 126026.3752 44291.7376
-86965.48557 10452.5824 140.1850669 345.8155675
-13383.18029 3097.9584
-5.537792 17.3056
9817.698304 2667.8528
45751.46803 5957.2224 0.405375235
63736.54528 5456.896
73247.32621 4671.3856
99087.44602 5034.9312
13278.38003 560.7424

curtosis

967591.6719 6374.8608
723552.8399 10452.5824
57815.33884 3097.9584
1.77209344 17.3056
36129.12976 2667.8528
351371.2745 5957.2224
744442.8489 5456.896
1148518.075 4671.3856
1950040.938 5034.9312
314432.0392 560.7424
6293895.928 44291.7376
7000.996582 1961758020
2182155.75
-2.99679171

intervalo Xi Fi Fa Fri Fra

54.7 58.69 56.7 42 4.67% 42 4.67%
58.7 62.69 60.7 151 16.80% 193 21.47%
62.7 66.69 64.7 166 18.46% 359 39.93%
66.7 70.69 68.7 169 18.80% 528 58.73%
70.7 74.69 72.7 197 21.91% 725 80.65%
74.7 78.69 76.7 101 11.23% 826 91.88%
78.7 82.69 80.7 40 4.45% 866 96.33%
82.7 86.69 84.7 19 2.11% 885 98.44%
86.7 90.69 88.7 13 1.45% 898 99.89%
90.7 94.69 92.7 1 0.11% 899 100.00%

17
Cálculo de la
media
Xi*Fi ∑(Xi*Fi) ∑(Xi*Fi)/n
2381.4 62049.3 69.02035595
9165.7
10740.2
11610.3
14321.9
7746.7
3228
1609.3
1153.1
92.7
Cálculo de la
mediana
Li a n*0,5 ∑fa fi
70.7 4 449.5 528 197

(n*0,5-∑fa)/fi
a*(n*0,5- Li-a*(n*0,5-
∑fa)/fi ∑fa)/fi
-
-0.398477157 69.10609137
1.593908629

Cálculo de la
moda
Li a fi fi-1 fi+1
70.7 4 197 169 101

fi-(fi-1) fi-(fi+1) (fi-fi-1)+(fi- a*fi-1

fi+1)
28 96 124 112

a*fi-1/(fi-fi-1)+(fi- Li+1/(fi-fi-1)+(fi-
fi+1) fi+1)
0.903225806 71.60322581

18
intervalo Xi Fi Fa Fri Fra (X-Xi)^2 ((X-Xi)^2)*Fi
54.7 58.69 56.7 42 4.67% 42 4.67% 151.7911708 6375.229172
58.7 62.69 60.7 151 16.80% 193 21.47% 69.22832315 10453.4768
62.7 66.69 64.7 166 18.46% 359 39.93% 18.66547554 3098.46894
66.7 70.69 68.7 169 18.80% 528 58.73% 0.102627935 17.34412108
70.7 74.69 72.7 197 21.91% 725 80.65% 13.53978033 2667.336724
74.7 78.69 76.7 101 11.23% 826 91.88% 58.97693272 5956.670205
78.7 82.69 80.7 40 4.45% 866 96.33% 136.4140851 5456.563404
82.7 86.69 84.7 19 2.11% 885 98.44% 245.8512375 4671.173513
86.7 90.69 88.7 13 1.45% 898 99.89% 387.2883899 5034.749069
90.7 94.69 92.7 1 0.11% 899 100.00% 560.7255423 560.7255423

media Calculo de la varianza (σ)

∑((X- ∑((X-
69.02035595
Xi)^2)*Fi Xi)^2)*Fi/∑ni
44291.73749 49.26778363

Cálculo de la desviación típica (S)

∑((X- ∑((X- (∑((X-Xi)^2)*Fi/n-
Xi)^2)*Fi Xi)^2)*Fi/n-1 1)^0,5
44291.73749 49.32264753 7.023008439

Cálculo del coeficiente de variación (CV)

S media S/media
7.023008439 69.02035595 10.18%

cálculo del error estandár de la media (E)

S (n)^0,5 S/(media)^0,5
7.023008439 29.9833287 0.234230445

19