Media: 15 minutos
Desviación estándar: 5 minutos
Réplicas: 30
# --- Simulación de tiempos de atención (Distribución Normal) ---
set.seed(123) # Fijar semilla para reproducibilidad
n <- 20 # Número de clientes por réplica
replicas <- 30 # Número de réplicas
# Simular 30 réplicas y calcular el promedio de cada una
promedios_normal <- replicate(replicas, mean(rnorm(n, mean = 15, sd = 5)))
# Mostrar los primeros resultados
promedios_normal
## [1] 15.70812 14.74371 15.53243 14.40041 16.87547 13.20310 14.80825 14.13332
## [9] 15.83445 14.33221 15.29742 14.80830 14.88379 16.04741 16.97471 14.80494
## [17] 15.25109 14.62870 15.14293 14.26677 13.94018 16.03292 14.81796 16.50615
## [25] 16.34905 13.62300 16.26086 15.50509 14.79653 13.75702
Media: 3.5 minutos
Réplicas: 30
# --- Simulación de tiempos entre llegadas (Distribución Exponencial) ---
promedios_exponencial <- replicate(replicas, mean(rexp(n, rate = 1/3.5)))
# Mostrar los primeros resultados
promedios_exponencial
## [1] 4.128988 4.585578 2.883060 4.145512 2.433087 5.055695 2.420080 3.680780
## [9] 3.666126 5.784791 3.814230 3.536007 3.273484 3.077473 3.484573 3.514125
## [17] 3.001881 3.330810 2.939259 3.131979 3.081971 4.381512 3.474137 4.233632
## [25] 3.391420 3.213681 4.132584 4.064521 3.356930 3.208657
Para estimar la media poblacional de cada conjunto de promedios se calcula el intervalo de confianza al 95%.
# --- Función para calcular el IC del 95% ---
ic_media <- function(x, confianza = 0.95) {
n <- length(x)
m <- mean(x)
s <- sd(x)
alpha <- 1 - confianza
error <- qt(1 - alpha/2, df = n-1) * s / sqrt(n)
c(inferior = m - error, superior = m + error)
}
# Calcular medias, desviaciones e IC
media_normal <- mean(promedios_normal)
desv_normal <- sd(promedios_normal)
ic_normal <- ic_media(promedios_normal)
media_expon <- mean(promedios_exponencial)
desv_expon <- sd(promedios_exponencial)
ic_expon <- ic_media(promedios_exponencial)
# Mostrar resultados en consola
cat("---- RESULTADOS ----\n")
## ---- RESULTADOS ----
cat("Distribución NORMAL\n")
## Distribución NORMAL
cat("Media:", media_normal, "\n")
## Media: 15.10888
cat("Desviación estándar:", desv_normal, "\n")
## Desviación estándar: 0.9667275
cat("IC 95%:", ic_normal, "\n\n")
## IC 95%: 14.74789 15.46986
cat("Distribución EXPONENCIAL\n")
## Distribución EXPONENCIAL
cat("Media:", media_expon, "\n")
## Media: 3.614219
cat("Desviación estándar:", desv_expon, "\n")
## Desviación estándar: 0.729924
cat("IC 95%:", ic_expon, "\n")
## IC 95%: 3.341661 3.886777
# --- Gráfico comparativo ---
boxplot(promedios_normal, promedios_exponencial,
names = c("Normal", "Exponencial"),
col = c("skyblue", "lightgreen"),
main = "Comparación de Promedios por Distribución",
ylab = "Tiempo promedio (minutos)")
# --- Comentario ---
cat("ANÁLISIS:\n")
## ANÁLISIS:
cat("La distribución Normal muestra menor variabilidad y un intervalo más estrecho.\n")
## La distribución Normal muestra menor variabilidad y un intervalo más estrecho.
cat("La distribución Exponencial presenta mayor dispersión e intervalos más amplios,\n")
## La distribución Exponencial presenta mayor dispersión e intervalos más amplios,
cat("reflejando una naturaleza más aleatoria en los tiempos entre llegadas.\n")
## reflejando una naturaleza más aleatoria en los tiempos entre llegadas.