Introducción:

El tráfico vehicular es un tema que es de gran interés y cada vez se habla

más de ello por ser un problema cotidiano en la vida de los habitantes de Lima. Yo
vivo en San Isidro, un lugar no muy cercano a mi colegio. Debido a que el trayecto
de mi casa hacia mi colegio es un tramo largo esto se traduce en estar
constantemente sumido en una espera considerable tanto de ida como de vuelta.
El tiempo desperdiciado en dicho trayecto parece cada vez más extenso y cabe
mencionar que el problema también repercute en la salud de las personas
(depresión, estrés) y existe una repercusión económica (taxis: opción que
garantiza menos tiempo pero mayor costo). Este tema además es muy hablado en
mi familia ya que casi todos los miembros de esta tienen que recorrer también
largas distancias. Es por eso que ahora al presentarse la oportunidad de investigar
dicho problema me parece interesante estudiar o analizar el tiempo en que una
persona invierte en su vida cotidiana desplazándose a su trabajo o centro de
estudio.

El objetivo de mi exploración matemática es analizar los datos recolectados (Tu

Ruta/aplicación de transporte público) y producir un conjunto de proyecciones así
como la elaboración de cuadros y gráficas basadas en datos de distancia de
trayecto, tiempo del trayecto y horas congestionadas por vehículos para encontrar
un resultado lo más aproximado posible del tiempo de trayecto de una persona en
Lima en tres distritos mediante el transporte público.

Para la realización de esta investigación matemática, primero se recolectarán

datos de forma regular tomando como referencia dos horas diferentes (8:00 a.m. y
7:00 p.m.) ya que según estudios son las horas de mayor congestión y también
poruqe son las horas de llegada a mi colegio y llegada a mi hogar. En la
investigación va a existir un punto fijo de destino, que es mi centro de estudio, y
otros tres puntos que se presume son otras personas que viven a la misma
distancia del punto establecido (mi centro de estudio), y su domicilio pero a
diferentes puntos cardinales (la distancia es aprox. 10 km). El mes de inicio es
Enero (mes con menor tráfico vehicular) y se notara una diferencia con el mes de
marzo (reinicio de clases escolares y universitarias). Los lugares seleccionados
son tres distritos: San Isidro, Surco y San Juan de Lurigancho.
Presentación de datos

Tráfico vehicular¹
 Distritos con mayor tráfico
-San Juan de Lurigancho: 8.1%
-Santiago de Surco: 6.4%
-San Isidro (Ubicación de mi hogar): 4.7%
 75.6% se moviliza en transporte público.

Horas de mayor tráfico vehicular²

Tabla 1: Horas de mayor tráfico y porcentajes en Lima

Horas de mayor tráfico %

5:00 a.m. 8.2%

6 a 8 a.m. 51.2%
8 a 10 a.m. 33.7%
10 a 12 a.m. 13.1%
12 a 2 a.m. 11.7%
2 a 4 a.m. 15.1%
4 a 6 a.m. 25.2%
6 a 8 a.m. 30.1%
8 a 10 a.m. 27.1%
10 a 12 a.m. 12.5%

 Promedio de distancias recorridas por los limeños para llegar a su trabajo o centro de
estudio: 16 km ²

¹ Lima Cómo Vamos

² Universidad del Pacífico
Chi cuadrado

Aplicaremos la prueba chi cuadrada la cual ´´ es una medida de la discrepancia entre las
frecuencias observadas y las esperadas´´. (Mario F. Triola, 2009). Lo destacado de la prueba Chi
cuadrado es que analiza dos variables que a primera vista no presentan ninguna relación.

Datos brutos

En las siguientes tres tablas, se puede observar dos horas establecidas en los tres distritos al ser
consideradas las horas con mayor tráfico vehicular en Lima Metropolitana (ver tabla
1/presentación de datos). Además, el tiempo ha sido medido en minutos y se aprecia tres colores
para diferenciar las categorías de tiempo invertido en el traslado.

Distrito 1: Tabla 2.0

SAN ISIDRO (ENERO)

Semana 3 Lunes 15 Martes 16 Miércoles 17 Jueves 18 Viernes 19 Sábado 20 Domingo 21
08:00 a.m. 71 74 69 61
07:00 p.m. 79 85 75 71
Semana 4 Lunes 22 Martes 23 Miércoles 24 Jueves 25 Viernes 26 Sábado 27 Domingo 28
08:00 a.m. 70 73 73 71 73 71 60
07:00 p.m. 77 74 76 74 88 81 69
Semana 5 Lunes 29 Martes 30 Miércoles 31 Jueves Viernes Sábado Domingo
08:00 a.m. 66 72 72
07:00 p.m. 72 75 72

Distrito 2:Tabla2.1

SURCO (ENERO)
Semana 3 Lunes 15 Martes 16 Miércoles 17 Jueves 18 Viernes 19 Sábado 20 Domingo 21
08:00 a.m. 91 96 95 82
07:00 p.m. 97 99 93 90
Semana 4 Lunes 22 Martes 23 Miércoles 24 Jueves 25 Viernes 26 Sábado 27 Domingo 28
08:00 a.m. 83 81 85 91 96 92 76
07:00 p.m. 85 84 88 95 99 97 83
Semana 5 Lunes 29 Martes 30 Miércoles 31 Jueves Viernes Sábado Domingo
08:00 a.m. 82 87 87
07:00 p.m. 87 89 86
Distrito 3: Tabla 2.3

SAN JUAN DE LURIGANCHO (ENERO)

Semana 3 Lunes 15 Martes 16 Miércoles 17 Jueves 18 Viernes 19 Sábado 20 Domingo 21
08:00 a.m. 91 93 96 90
07:00 p.m. 102 105 107 99
Semana 4 Lunes 22 Martes 23 Miércoles 24 Jueves 25 Viernes 26 Sábado 27 Domingo 28
08:00 a.m. 86 92 94 91 94 95 88
07:00 p.m. 89 98 99 98 101 109 93
Semana 5 Lunes 29 Martes 30 Miércoles 31 Jueves Viernes Sábado Domingo
08:00 a.m. 86 91 95
07:00 p.m. 91 98 108

Distrito 1: Tabla 3.0

SAN ISIDRO (MARZO)

Semana 2 Lunes 5 Martes 6 Miércoles 7 Jueves 8 Viernes 9 Sábado 10 Domingo 11
08:00 a.m. 67 69 71 70 66
07:00 p.m. 72 70 73 68 68
Semana 3 Lunes 12 Martes 13 Miércoles 14 Jueves 15 Viernes 16 Sábado 17 Domingo 18
08:00 a.m. 73 74 66 67 72 69 67
07:00 p.m. 81 76 79 76 81 88 66
Semana 4 Lunes 19 Martes 20 Miércoles 21 Jueves 22 Viernes 23 Sábado 24 Domingo 25
08:00 a.m. 77 66
07:00 p.m. 84 89

Distrito 2:Tabla3.1

SURCO(MARZO)
Semana 2 Lunes 5 Martes 6 Miércoles 7 Jueves 8 Viernes 9 Sábado 10 Domingo 11
08:00 a.m. 72 75 77 75 75
07:00 p.m. 68 83 84 87 67
Semana 3 Lunes 12 Martes 13 Miércoles 14 Jueves 15 Viernes 16 Sábado 17 Domingo 18
08:00 a.m. 80 79 85 85 88 86 76
07:00 p.m. 89 95 86 96 92 95 79
Semana 4 Lunes 19 Martes 20 Miércoles 21 Jueves 22 Viernes 23 Sábado 24 Domingo 25
08:00 a.m. 79 85
07:00 p.m. 89 96
Distrito 3: Tabla 3.3

SAN JUAN DE LURIGANCHO (MARZO)

Semana 2 Lunes 5 Martes 6 Miércoles 7 Jueves 8 Viernes 9 Sábado 10 Domingo 11
08:00 a.m. 84 80 84 81 86
07:00 p.m. 82 86 85 88 80
Semana 3 Lunes 12 Martes 13 Miércoles 14 Jueves 15 Viernes 16 Sábado 17 Domingo 18
08:00 a.m. 87 88 80 90 95 84 87
07:00 p.m. 97 95 95 98 101 107 90
Semana 4 Lunes 19 Martes 20 Miércoles 21 Jueves 22 Viernes 23 Sábado 24 Domingo 25
08:00 a.m. 95 97
07:00 p.m. 98 99

Se establece como hipótesis nula ( H0 ) que el tiempo de trayecto de una persona en Lima desde su
hogar a su destino es independiente al distrito en el cual reside o se dirige.

La hipótesis alternativa (H1 ) es que el tiempo de trayecto de una persona en Lima desde su hogar
a su destino no es independiente al distrito en el cual reside o se dirige.

Antes de iniciar el procesamiento de datos, cabe señalar que se utilizara un nivel de significancia
de α =0.05. En otras palabras, se lograra una veracidad de hasta el 95% y un margen de error
menor a 5%. (Mario F. Triola, 2009)

A continuación se presentarán los datos procesados en forma de una tabla de contingencia a

partir de las anteriores tablas.

Datos procesados

Tablas de contingencia (frecuencias obtenidas)/Total de minutos

Tabla 4(ENERO)

TIEMPO DE TIEMPO DE TIEMPO DE

ENERO RECORRIDO RECORRIDO RECORRIDO
TOTAL
BAJO (66- MEDIO (75- ALTO (94-
75) 94) 108)
SAN
ISIDRO 1635 409 0 2044
SURCO 0 1722 774 2496
SAN JUAN
DE
LURIGANC
HO 0 1367 1312 2679
TOTAL 1635 3498 2086 7219
 Tabla 5(MARZO)

TIEMPO DE TIEMPO DE TIEMPO DE

RECORRIDO RECORRIDO RECORRIDO TOTAL
BAJO (66- MEDIO (75- ALTO (94-
75) 94) 109)
SAN ISIDRO 1314 731 0 2045
SURCO 139 1802 382 2323

SAN JUAN DE
LURIGANCHO 0 1265 1254 2519
TOTAL 1453 3798 1636 6887

Las tablas anteriores, son tablas de frecuencias obtenidas u observadas. A continuación, se

presentara una tabla de frecuencias esperadas de ambos meses a partir de la siguiente formula:

𝑇𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎×𝑇𝑜𝑡𝑎𝑙𝑓𝑖𝑙𝑎
= 𝐺𝑟𝑎𝑛 𝑇𝑜𝑡𝑎𝑙
(Johnson/Kuby, 2008)

Tabla de contingencia (frecuencias esperadas)

Tabla5.0(Enero) Tabla 6.0 (Marzo)

TIEMPO DE TIEMPO DE TIEMPO DE TIEMPO DE TIEMPO DE TIEMPO DE

RECORRIDO BAJO RECORRIDO MEDIO RECORRIDO RECORRIDO RECORRIDO RECORRIDO ALTO
(66-75) (75-94) ALTO (94-108) BAJO (66-75) MEDIO (75-94) (94-109)
× × ×
× × ×
SAN ISIDRO
San Isidro
× × × ×
× ×
SURCO Surco
× × × San Juan de × × ×
SAN JUAN DE
LURIGANCHO Lurigancho

Tabla 5.1 (Enero) Tabla 6.1 (Marzo)

TIEMPO DE TIEMPO DE TIEMPO DE TIEMPO DE TIEMPO DE TIEMPO DE
RECORRIDO BAJO RECORRIDO MEDIO RECORRIDO RECORRIDO BAJO RECORRIDO RECORRIDO ALTO
(66-75) (75-94) ALTO (94-108) (66-75) MEDIO (75-94) (94-108)
SAN ISIDRO 431.45 1127.76 485.79
SAN ISIDRO 462.94 990.43 590.63 SURCO 490.10 1281.07 551.83
SAN JUAN
SURCO 565.31 1209.45 721.24 DE
SAN JUAN DE LURIGANCH
LURIGANCHO 606.76 1298.12 774.12 O 531.45 1389.16 598.39
Corrección de Yates

Debido a que se obtuvo valores menores a 5 en la tabla de contingencia de las frecuencias

obtenidas (Tabla 4 y 5), se aplica la corrección de Yates que nos permitiría tener un menor error en
el cálculo. Es la formula del Chi cuadrado calculado excepto que aparece un - 0.5. Posteriormente,
se realizara una comparación de resultados con el valor crítico. En esta fórmula, O es la frecuencia
del valor observado y E es la frecuencia del valor esperado.

La fórmula de la corrección de Yates es:

2 (|𝑂−𝐸|−0.5)2
𝑋𝑌𝑎𝑡𝑒𝑠 =∑ 𝐸
(Mario F. Triola, 2009)

(|1635−462.94|−0.5)² (|409−990.43|−0.5)² (|0−590.63|−0.5)² (|0−565.31|−0.5)²

=∑. 462.94
+ 990.43
+ 590.63
+ 565.31
+
(|1722−1209.45|−0.5)² (|774−721.24|−0.5)² (|0−606.76|−0.5)² (|1367−1298.12|−0.5)²
1209.45
+ 721.24
+ 606.76
+ 1298.12
+
(|1312−774.12|−0.5)²
774.12

2
𝑋𝑦𝑎𝑡𝑒𝑠 = 5662.52 (Enero)

(|1314−431.45|−0.5)² (|731−1127.76|−0.5)² (|0−485.79|−0.5)² (|139−490.10|−0.5)²

=∑ + + + +
431.45 1127.76 485.79 490.10
(|1802−1281.07|−0.5)² (|382−551.83|−0.5)² (|0−531.45|−0.5)² (|1265−1389.16|−0.5)²
+ + + +
1281.07 551.83 531.45 1389.16
(|1254−598.39|−0.5)²
598.39

𝑿𝟐𝒀𝒂𝒕𝒆𝒔=4200.13 (Marzo)
Grado de libertad (V)

𝑉 = (𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 − )(𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 − )

𝑉 = ( − )( − ) 𝑉=

Se va a trabajar con un nivel de significancia de 0.05. Para hallar el valor del parámetro ´´p´´ se
utiliza la siguiente fórmula:

𝑝= − 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎

A partir de esto, el valor de´´ p´´ es:

𝑝= − . = .

Chi cuadrado crítico

Para determinar si las variables son dependientes o independientes se tiene que hallar el chi
cuadrado crítico el cual se encuentra en una tabla de valores críticos (tabla z) o tabla de
probabilidades de la distribución t de Student.

Imagen 1: tabla de probabilidades de la distribución t de Student (Paloma B., 2014)

En la imagen 1 se puede apreciar rodeado en rojo los grados de libertad son 4 y el parámetro ´´p´´
es 0.950. Al relacionar dichos se datos se encuentra el chi cuadrado crítico, el cual en este caso es
2.131.

Si el valor calculado de X² es mayor que el valor crítico se deduce que las frecuencias difieren
significativamente de las esperadas y se rechaza 𝐻0 ,de esa forma se acepta la hipótesis
alternativa (H1 ). La comparación entre Chi cuadrado calculado y crítico:

. ≥ . (Enero)

. ≥ . (Marzo)

Conclusiones

Debido a que el Chi cuadrado calculado es mayor se rechaza la hipótesis nula (𝐻0 ) . La hipótesis
alternativa (H1 ): el tiempo de trayecto de un limeño desde su hogar a su destino no es
independiente al distrito en el cual reside o se dirige, es la que se aceptará en los dos meses
(Enero y Marzo).

Los datos esperados no presentaban una constante por lo cual se podía afirmar que no se trataba
de unas variables dependientes. Al proceder con los cálculos, se puedo determinar que si existe
una dependencia entre las variables de tiempo de trayecto y distrito. Esto significa que en Lima
Metropolitana los tiempos de trayecto varían de forma considerable según el distrito por lo cual
no había una constante en los datos.

Esta deducción refleja la realidad del tráfico vehicular en Lima Metropolitana: impredecible. Esto
debido a que en Enero se podía esperar una uniformidad respecto a los tiempos al ser un mes en
que la carga vehicular disminuye notablemente. Por el lado del mes Marzo, al ser un mes en que
se reinician las clases (escolares y universitarias) se podía esperar un incremento notable. Al final
no fue así ya que el mes Enero presento una mayor cantidad total de minutos (véase tablas 4 y 5)
a comparación del mes Marzo lo que además nos permite concluir que el tráfico vehicular en Lima
es constante en todo el año y no hay meses en que haya una reducción de minutos significativo en
cuanto a traslado.
Bibliografía

1. Mario F. Triola. (2009). Estadística. Pg: 392,621 México: Pearson.

2. Paloma B., Mónica A, (2014). Estadística en Ciencias de la Salud. España: Univ. CEU-
Cardenal Herrera.
3. Ronald E. Walpole, Raymond H. Myers, (2012). Probabilidad y estadística para ingeniería y
ciencias. México: Pearson.
4. Spiegel, Murray R. (1977). Probabilidad y Estadística. México: McGraw-Hill.
5. Robert Johnson, Patricia Kuby. (2008). Estadística elemental.Pg:637 Colombia: Cengage
Learning.
6. Javier G. , Nicolás C., Jaime Z.. (2011). Estadística básica. España: Universidad Complutense
de Madrid.