Este repositorio contiene los resultados de dos proyectos relacionados con la simulación y análisis estadístico de un sistema de entrega de paquetes en una ciudad basado en el modelo de Crowdshipping. Los proyectos tienen como objetivos principales el análisis de distribuciones de datos simulados y la evaluación del cumplimiento de teorías estadísticas aplicadas al campo de la ingeniería.
Este proyecto se centra en analizar las distribuciones de los tiempos entre llegadas de paquetes y viajeros en el sistema de Crowdshipping. Se trabajó con datos generados mediante un simulador, y se realizó un análisis descriptivo y exploratorio con herramientas estadísticas y de visualización.
Metodología:
- Lectura y limpieza de datos simulados.
- Separación de los datos por origen y destino.
- Cálculo de tiempos entre llegadas para paquetes y viajeros.
- Análisis estadístico descriptivo (media, mediana, desviación estándar, asimetría, curtosis, etc.).
- Comparación de distribuciones con pruebas de bondad de ajuste (Kolmogorov-Smirnov).
Resultados principales:
- Las distribuciones de tiempos entre llegadas mostraron un sesgo positivo, ajustándose mejor a una distribución exponencial.
- La variabilidad fue mayor en los tiempos entre llegadas de paquetes que en los de viajeros.
- Se generaron histogramas, diagramas de cajas y mapas de calor que ilustran la dinámica del sistema.
Este proyecto se orienta a evaluar empíricamente conceptos clave como el Teorema del Límite Central y el riesgo en pruebas de hipótesis mediante el análisis de distribuciones de muestreo derivadas de los datos originales.
Metodología:
- Extracción de muestras aleatorias de tamaño fijo (n=50) de los datos originales.
- Cálculo de medias muestrales y descripción de sus distribuciones.
- Comparación entre la distribución de las medias muestrales y la distribución original.
- Pruebas de hipótesis para evaluar si el tiempo promedio entre llegadas era de 2 segundos, considerando distintos escenarios.
Resultados principales:
- Se observó una transición a distribuciones normales en las medias muestrales, evidenciando el Teorema del Límite Central.
- La hipótesis de que el tiempo promedio entre llegadas es de 2 segundos fue rechazada en el 100% de las pruebas, indicando tiempos de llegada significativamente menores.
- Reporte de resultados: Documentación detallada de cada paso y análisis realizado.
- Notebook: Código Python utilizado para simulación, análisis y visualización.
- Gráficos: Mapas de calor y representaciones visuales de las distribuciones.
- Archivos CSV: Datos procesados para análisis, incluyendo conteos por origen-destino.
- Lenguaje de programación: Python.
- Librerías principales: Pandas, NumPy, Matplotlib, Seaborn, Scipy.
- Simulador: Software desarrollado para modelar el sistema de Crowdshipping.
Ambos proyectos destacan la utilidad de la simulación computacional y el análisis estadístico en la optimización de sistemas logísticos. Los resultados muestran la viabilidad del modelo de Crowdshipping y evidencian aspectos clave para su optimización futura.