Construccion

Capitulo IV: Resultados

4.1) Presentación de datos obtenidos en la investigación

En la investigación realizada en este proyecto se considero un análisis cualitativo de un material especifico de la construcción con más fácil acceso para los alumnos que realizaron los muestreos. Nos enfocamos en el muro de tabique hueco Santa Julia, el cual tuvimos acceso a lotes en almacén de obra de Unidad médica familiar con 10 consultorios ubicada en Blvd. Calesa y Cimarrón, Hermosillo, Sonora.

Para efectuar el muestreo tomamos lotes de 100 ladrillos cada uno, tomando en cuenta la apariencia de cada uno y el daño que presentaron debido al transporte del sitio de fabricación a obra. Se analizaron 7 lotes de ladrillos en los cuales se obtuvieron los sig. Datos:

Lote Bloques con mala apariencia (B.M.A.) Bloques golpeados (B.P.)

1 5 4

2 4 5

3 6 3

4 5 6

5 4 4

6 3 5

7 7 6

Condiciones de evaluación

Bloques con mala apariencia: Estos bloques tenían como característica que su recubrimiento vidrieado de color blanco, estaba manchado o había sido golpeado. De haber sido colocados el muro había presentado mala apariencia para el publico.

Bloques golpeados: estos bloques estaban bastante golpeados de las esquinas, lo cual no era conveniente colocarlos como muro.

Analisis de datos con Excel

Las hojas de cálculo como Excel (y cualquier lenguaje de programación estándar) son capaces de generar números pseudo-aleatorios provenientes de una distribución uniforme entre el 0 y el 1. Este tipo de números pseudo-aleatorios son los elementos básicos a partir de los cuales se desarrolla cualquier simulación por ordenador. En Excel, es posible obtener un número pseudo-aleatorio -proveniente de una distribución uniforme entre el 0 y el 1- usando la función ALEATORIO.

Los números generados mediante la función ALEATORIO tienen dos propiedades que los hacen equiparables a números completamente aleatorios:

1.Cada vez que se usa la función ALEATORIO, cualquier número real entre 0 y 1 tiene la misma probabilidad de ser generado (de ahí el nombre de distribución uniforme).

2. Los diferentes números generados son estadísticamente independientes unos de otros (es decir, el valor del número generado en un momento dado no depende de los generados con anterioridad).

La función ALEATORIO es una función volátil de Excel. Esto significa que cada vez que pulsamos la tecla F9 o cambiemos alguno de los inputs del modelo, todas las celdas donde aparezca la función ALEATORIO serán recalculadas de forma automática.

Se pueden encontrar ejemplos del uso de ALEATORIO en el propio menú de ayuda de Excel.

Podemos interpretar la frecuencia relativa como la probabilidad de que ocurra el suceso asociado, en este caso, la probabilidad de un determinado número de consultas (así, p.e., la probabilidad de que se obtengamos 3 bloques con mala apariencia en un lote sería de 0,30), por lo que la tabla anterior nos proporciona la distribución de probabilidad asociada a una variable aleatoria

Supongamos que queremos conocer el número esperado (o medio) de bloques golpeados por lote. La respuesta a esta pregunta es fácil si recurrimos a la teoría de la probabilidad: Denotando por X a la variable aleatoria que representa el número de bloques golpeados por bloque, sabemos que:

Por otra parte, también podemos usar simulación de Monte Carlo para estimar el número esperado de consultas diarias (en este caso se ha podido obtener el valor exacto usando teoría de probabilidad, pero ello no siempre será factible). Veamos cómo:

Cuando se conozca la distribución de probabilidad asociada a una variable aleatoria discreta, será posible usar la columna de frecuencias relativas acumuladas para obtener los llamados intervalos de números aleatorios asociados a cada suceso.

B.M.A. Frec. Abs. Frec. Relativa Frec.Relativa Ac. Numeros aleatorios Numero esperado de B.M.A. según datos aleatorios

0 2 0.13 0.13 0.867932902 5

1 3 0.19 0.31 0.954785119 7

2 4 0.25 0.56 0.969397056 7

3 1 0.06 0.63 0.408137858 2

4 2 0.13 0.75 0.604155281 3

5 2 0.13 0.88 0.223587916 1

6 1 0.06 0.94 0.756321393 5

7 1 0.06 1.00 0.36226782 2

Total 16 1.00

B.G. Frec. Abs. Frec. Relativa Frec.Relativa Ac. Numeros aleatorios Numero esperado de B.G. según datos aleatorios

0 1 0.13 0.13 0.189645945 3

1 0 0.00 0.13 0.409380985 4

2 0 0.00 0.13 0.095402267 0

3 1 0.13 0.25 0.820095056 6

4 2 0.25 0.50 0.08626163 0

5 2 0.25 0.75 0.264428861 4

6 2 0.25 1.00 0.461540224 4

7 0 0.00 1.00 0.566323523 5

Total 8 1.00

Al generar un número pseudo-aleatorio con el ordenador (proveniente de una distribución uniforme entre 0 y 1), estaremos llevando a cabo un experimento cuyo resultado, obtenido de forma aleatoria y según la distribución de probabilidad anterior, estará asociado a un suceso.

4.2) Analisis y resultados de la investigación

Mediante un análisis de simulación de Monte carlo pudimos obtener los sig. Valores de predicción de piezas en los sig lotes por llegar, ya sean con mala apariencia o golpeados. Bajo la función SI pudimos obtener los valores analizando las frecuencias absolutas obtenidas en el levantamiento de datos:

B.M.A. Frec. Abs. Frec. Relativa Frec.Relativa Ac. Numeros aleatorios Numero esperado de B.M.A. según datos aleatorios

...