UNIVERSIDAD ESTATAL DE MILAGR

INGENIERÍA EN SOFTWARE

ASIGNATURA:
MODELOS MATEMÁTICOS Y SIMULACIÓN

DOCENTE: ING. JHONNY ORTIZ MATA

ESTUDIANTE: SANDY DIAZ OCAÑA

FECHA DE ENTREGA
Domingo 26 DE ENERO

Página 1 de 43
Tarea 3
Los Ejercicios Del 1 Al 6 Deben Tener La Grafica De Dispersión Y Del Modelo Ajustado
Ejercicio 1
El centro de ubicación laboral en State University desea determinar si los
promedios puntuales en notas de los estudiantes (GPs) puede explicar el
número de ofertas laborales que ellos reciben después de graduarse. Los
datos siguientes corresponde a los 10 recién graduados.
Estudiante 1 2 3 4 5 6 7 8 9 10
GPA 3.25 2.35 1.02 0.36 3.69 2.65 2.15 1.25 3.88 3.37
Oferta 3 3 1 0 5 4 2 2 6 2
Tabla 1. Centro De Ubicación Laboral En State University

A. Haga un diagrama de dispersión para los datos.

B. Calcule e interprete el modelo de regresión. ¿Qué le dice este modelo
sobre la relación entre GPA y las ofertas de trabajo?
C. Si Steve tiene un GPA de 3.22, ¿Cuántas ofertas laborales pronostica
usted que el recibirá?

Estudiante 1 2 3 4 5 6 7 8 9 10 TOTAL
GPA 3.25 2.35 1.02 0.36 3.69 2.65 2.15 1.25 3.88 3.37 23.97

Oferta 3 3 1 0 5 4 2 2 6 2 28

XY 9.75 7.05 1.02 0 18.45 10.6 4.3 2.5 23.28 6.74 83.69

𝑿𝟐 10.5625 5.5225 1.0404 0.1296 13.6161 7.0225 4.6225 1.5625 15.0544 11.3569 70.4899

𝒀𝟐 9 9 1 0 25 16 4 4 36 4 108

Tabla 2. diagrama de dispersión para los datos

(X) (Y)
574.5609 671.16
784

SCx 13.03
SCy 29.6
SCxy 16.57
b₁ 1.27
Ӯ 2.8
ẍ 2.40
Intercepto -0.25
Ilustración 1. Grafica del diagrama de dispersión para los datos
Página 2 de 43
El modelo de regresión seria:
Ӯ = −0.25 + 1.27x
Según el modelo de regresión lineal si Steve tiene un GPA de 3,22 recibirá 4 ofertas
laborales. El modelo de regresión línea explica que, si el GPA aumenta una unidad, las
posibilidades de ofertas de trabajo se incrementaran en unas 1,27 unidades.

Ejercicio 2
El profesor Mundane ha notado que muchos de sus estudiantes se han
ausentado de clase este semestre. Considera que puede explicar esta falta de
asistencia por las distancias a las que sus estudiantes viven del campus. Se
practica una encuesta a once estudiantes sobre cuántas millas deben viajar
para asistir a clase y el número de clases a las que han faltado.
Millas 5 6 2 0 9 12 16 5 7 0 8
Ausencias 2 2 4 5 4 2 5 2 3 1 4
Tabla 3. millas y ausencias estudiantes se han ausentado de clase este semestre.
∑𝑥 70 ∑𝑦 34
𝑋́ = = = 6.36 𝑌́ = = = 3.09
𝑛 11 𝑛 11

Tabla 4. Tabulación de datos

∑(𝑥 − 𝑥 2́ 238.54 238.54

𝑠=√ = √ 11 − 1 = √ 10 = √23.854 = 4.8841
)
𝑛−1

∑(𝑥 − 𝑦 2́ 18.909 18.908

𝑠=√ =√
) 11 − 1 = √ = √1.8909 = 1.3751
𝑛−1 10

Página 3 de
 ∑(𝑥 − 𝑥́) (𝑦 − 𝑦́) 16.636364 16.636364
𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ò𝑛 = 𝑟 = = = = 0.2477
(𝑛 − 1)𝑆𝑋𝑆𝑌 (10)6.716 67.16

A. Haga un diagrama de dispersión para los datos.

B. Compare e interprete el modelo de regresión. ¿Qué determina

el profesor?
𝑆𝑦 1.3751
b = r ( ) = b = 0.2477 ( ) = 0.2477(0.281546) = 0.06974
𝑆𝑥 4.8841
a = 𝑦́ − b𝑥́ = 3.09091 − (0.06974 ∗ 6.36364) = 2.64710
Ӯ = 𝐚 + 𝐛𝐱 (𝒃)(𝒙) (𝒚 − 𝒚́) 𝒚 − 𝒚́
2.9958 0.3487 -0.9958 0.9916
3.06554 0.41844 -1.06554 1.1354
2.78658 0.13948 1.21342 1.4724
2.6471 0 2.3529 5.5361
3.27476 0.62766 0.72524 0.5260
3.48398 0.83688 -1.48398 2.2022
3.76294 1.11584 1.23706 1.5303
2.9958 0.3487 -0.9958 0.9916
3.13528 0.48818 -0.13528 0.0183
2.6471 0 -1.6471 2.7129
3.20502 0.55792 0.79498 0.6320
17.7489

𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖ò𝑛 = 𝑟2 = (0.2477)2 = 0.0613585

Página 4 de
 ∑(𝑦 − 𝑦2́ )
17.7489 17.7489
𝐸𝑟𝑟𝑜𝑟 𝐸𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝐸𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛 = 𝑆𝑥𝑦 = √ =√ =√ = √1.9721 = 1.4043
𝑛−2 11 − 2 9

Luego de haber realizado todos los cálculos necesarios para poder determinar el número
exacto de alumnos ausentes nos damos cuenta que la distancia en la que viven los alumnos
no tiene nada que ver con el número de alumnos ausentes, por lo se llega a la conclusión de
que el número de estudiantes ausentes no depende de las millas que recorre. El profesor
puede darse a la idea que las faltas son por cualquier otro motivo.

C. ¿A cuántas clases faltaría usted si viviera a 3?2 millas del campus,

según el modelo?

𝑦̌ = a + bx = 2.64710 + (0.06974 ) (3.2 ) = 2.87 = 3

Luego de haber realizado la formula nos damos cuenta que el modelo tendría 3 ausencias.

Ejercicio 3
Un banco en Atlanta que se especializa en créditos para vivienda intenta
analizar el mercado de finca raíz, midiendo el poder explicativo que las tasas
de interés tienen sobre el número de casas vendidas en el área. Se
compilaron los datos para un periodo de 10 meses, así:
Mes 1 2 3 4 5 6 7 8 9 10
Interés 12.3 10.5 15.6 9.5 10.5 9.3 8.7 14.2 15.2 12
Casas 196 285 125 225 248 303 265 102 105 114

A. Haga un diagrama de dispersión para los datos.

B. Calcule e interprete el modelo de regresión. ¿Qué le dice este modelo
sobre la relación entre las tasas de interés y las ventas de vivienda?
C. Si la tasa de interés es del 9.5%, ¿cantas casas se venderían de acuerdo
con el modelo?

Página 5 de
X Y XY X^2 Y^2 𝑆𝐶𝑥𝑦 = ∑xy − ( ∑x ∗ ∑y
12.3 196 2410.80 151.29 38416 )
n
10.5 285 2992.50 110.25 81225 𝑆𝐶𝑥𝑦 = −1552.4
15.6 125 1950.00 243.36 15625
9.5 225 2137.50 90.25 50625
(∑x)2
10.5 248 2604.00 110.25 61504 2
𝑆𝐶𝑥 = ∑𝑥 − ( )
9.3 303 2817.90 86.49 91809 n
8.7 265 2305.50 75.69 70225 𝑆𝐶𝑥 = 56.58
14.2 102 1448.40 201.64 10404
15.2 105 1596.00 231.04 11025
∑xi
12 114 1368.00 144.00 12996 𝑥̅ = ( )
n
117.8 1968 21630.60 1444.26 443854
𝑥̅ = 11.78

𝑺𝑪𝒙𝒚
𝖰𝟏 = 𝑺𝑪𝒙

𝖰𝟏 = −𝟐𝟕. 𝟒𝟒

𝖰𝟎 = 𝒚̅ − 𝖰𝟏(̅𝒙)
∑yi
𝒚̅ = ( )
n
𝒚̅ = 𝟏𝟗𝟔. 𝟖𝟎

𝖰𝟎 = 𝟓𝟐𝟎. 𝟎
𝒀𝒙 = 𝖰𝟎 + 𝖰𝟏 ∗ 𝒙
𝒀𝒙 = 𝟐𝟓𝟗. 𝟑𝟔
𝒙 = 𝟗. 𝟓

𝒚 = −𝟐𝟕. 𝟒𝟒𝒙 + 𝟓𝟐𝟎. 𝟎𝟒

𝑹𝟐 = 𝟎. 𝟕𝟓𝟑𝟑

Página 6 de
Ejercicio 4
Ajuste los datos siguientes con el modelo de potencias (y= axm). Use la
ecuación de potencias resultante para hacer el pronóstico de y en x = 9
X 2.5 3.5 5 6 7.5 10 12.5 15 17.5 20
Y 13 11 8.5 8.2 7 6.2 5.2 4.8 4.6 4.3

𝒚 = 𝒂𝒙𝒎 → 𝒍𝒏 𝒂 + 𝒎 𝒍𝒏 𝒙 → 𝒚 ∗= 𝒂𝟎 + 𝒂𝟏𝒙 ∗→ 𝒆𝒂𝟎 = 𝒂 𝒂𝟏 = 𝒎

n X Y x*=In(x) y*=In(y) XY x^2 y^2
1 2,5 13 0,9163 2,5649 23502 0,8396 6,5790
2 3,5 11 1,2528 2,3979 3,0040 1,5694 5,7499
3 5 8,5 1,6094 2,1401 3,4443 2,5903 4,5799
4 6 8,2 1,7918 2,1041 3,7701 3,2104 4,4274
5 7,5 7 2,0149 1,9459 3,9208 4,0598 3,7866
6 10 6,2 2,3026 1,8245 4,2012 5,3019 3,3290
7 12,5 5,2 2,5257 1,6487 4,1641 6,3793 2,7181
8 15 4,8 2,7081 1,5686 4,2479 7,3335 2,4606
9 17,5 4,6 2,8622 1,5261 4,3679 8,1922 2,3288
10 20 4,3 2,9957 1,4586 4,3696 8,9744 2,1276

SX SY Sxy Sxx Syy

20,9795 19,1795 37,84 48,451 38,087

𝒂𝟏 = −𝟎, 𝟓𝟒𝟎𝟐𝟖𝟗𝟔
𝒂𝟎 = 𝟑, 𝟎𝟓𝟏𝟒𝟒𝟐𝟗𝟏
𝒎 = −𝟎. 𝟓𝟒𝟎𝟐𝟖𝟗𝟓𝟕𝟗
𝒂 = 𝟐𝟏, 𝟏𝟒𝟓𝟖𝟑𝟑𝟗𝟗

Página 7 de
Página 8 de
Ejercicio 5
Ajuste a un modelo exponencial los siguientes datos.
X 0,4 0,8 1,2 1,6 2 2,3
Y 800 975 1500 1950 2900 3600

𝒚 = 𝒃𝒆𝒎𝒙 → 𝒍𝒏 𝒚 + 𝒎 𝒙 → 𝒚 ∗= 𝒂𝟎 + 𝒂𝟏𝒙 ∗→ 𝒆𝒂𝟎 = 𝒃 𝒂𝟏 = 𝒎

n X Y x*=In(x) y*=In(y) XY x^2 y^2
1 0,4 800 0,4 6,6846 2,6738 0,1600 44,6840
2 0,8 975 0,8 6,8824 5,5059 0,6400 47,3679
3 1,2 1500 1,2 7,3132 8,7759 1,4400 53,4832
4 1,6 1950 1,6 7,5756 12,1209 2,5600 57,3895
5 2 2900 2 7,9725 15,9449 4,0000 63,5602
6 2,3 3600 2,3 8,1887 18,8340 5,2900 67,0546
SX SY Sxy Sxx Syy
8,3 44,61700938 63,85551159 14,09 333,5394987

𝒂𝟏 = 𝟎, 𝟖𝟏𝟖𝟔𝟓𝟏𝟐𝟑
𝒂𝟎 = 𝟔, 𝟑𝟎𝟑𝟕𝟎𝟎𝟕
𝒎 = 𝟎, 𝟖𝟏𝟖𝟔𝟓𝟏𝟐𝟐𝟖
𝒂 = 𝟓𝟒𝟔, 𝟓𝟗𝟎𝟗𝟑𝟗𝟒

Página 9 de
Página 10 de
Ejercicio 6
Dados los datos
X 5 10 15 20 25 30 35 40 45 50
Y 17 25 31 33 37 37 40 40 42 41
Use regresión por mínimos cuadrados para ajustar

A. una línea recta,

B. una ecuación de potencias,
C. una parábola y
D. una ecuación de tasa de crecimiento
E. de saturación. Grafique los datos junto con todas las curvas.

𝒚 = 𝒂𝟎 + 𝒂𝟏𝒙
n X Y XY x^2 y^2
1 5 17 85 25 289
2 140 25 250 100 625
3 15 31 465 225 961
4 20 33 660 400 1089
5 25 37 1110 900 1369
7 35 40 1400 1225 1600
8 40 40 1600 1600 1600
9 45 42 1890 2025 1764
10 50 41 2050 2500 1681

SX SY Sxy Sxx Syy

275 343 10435 9625 12347

𝒂𝟏 = 𝟎, 𝟒𝟖𝟔𝟎𝟔𝟎𝟔𝟏
𝒂𝟎 = 𝟐𝟎, 𝟗𝟑𝟑𝟑𝟑𝟑𝟑

Página 11 de
𝒚 = 𝒃𝒙𝒎 𝒍𝒏 𝒚 = 𝒍𝒏 𝒃 + 𝒎 𝒍𝒏 𝒙 → 𝒚 ∗= 𝒂𝟎 + 𝒂𝟏𝒙 ∗→ 𝒆𝒂𝟎 = 𝒃 𝒂𝟏 = 𝒎

n X Y x*x Y*log(y) xy x^2 y^2

1 5 17 5 1,2304 6,1522 25 1,5140
2 10 25 10 1,3979 13,9794 100 1,9542
3 15 31 15 1,4914 22,3704 225 2,2242
4 20 33 20 1,5185 30,3703 400 2,3059
5 25 37 25 1,5682 39,2050 625 2,4593
6 30 37 30 1,5682 47,0461 900 2,4593
7 35 40 35 1,6021 56,0721 1225 2,5666
8 40 40 40 1,6021 64,0824 1600 2,5666
9 45 42 45 1,6232 73,0462 2025 2,6349
10 50 41 50 1,6128 80,6392 2500 2,6011

SX SY Sxy Sxx Syy

275 15,21482114 432,963354 9625 23,28600086

𝒂𝟏 = 𝟎, 𝟎𝟎𝟕𝟎𝟓𝟕𝟑𝟒𝟒
𝒂𝟎 = 𝟏, 𝟑𝟐𝟕𝟒𝟎𝟓𝟏𝟒𝟔
𝒎 = 𝟎, 𝟎𝟎𝟕𝟎𝟓𝟕𝟑𝟒𝟒
𝒃 = 𝟏, 𝟑𝟐𝟕𝟒𝟎𝟓𝟏𝟒𝟔

Página 12 de
𝒎𝒙 𝟏 𝒃𝟏 𝟏 𝟏
→ = + → 𝒃 = 𝒎 ∗ 𝒂𝟏 𝒎=
𝒃+𝒎 𝒚 𝒎𝒙 𝒎 𝒂𝟎

n X Y x*=1/x y*=1/x xy x^2 y^2

1 5 17 0,2 0,05882353 0,1176471 0,04 0,00346021
2 10 25 0,1 0,04 0,004 0,01 0,0015
3 15 31 0,6666667 0,03225806 0,00215054 0,00444444 0,00104058
4 20 33 0,05 0,03030303 0,00151515 0,0025 0,00091827
5 25 37 0,04 0,02702703 0,00108108 0,0016 0,00073046
6 30 37 0,03333333 0,02702703 0,0009009 0,00111111 0,00073046
7 35 40 0,02857143 0,025 0,00071429 0,00081633 0,000625
8 40 40 0,025 0,025 0,000625 0,000625 0,000625
9 45 42 0,02222222 0,02380952 0,0005291 0,00049383 0,00056689
10 50 41 0,02 0,0439024 0,0004878 0,0004 0,00059488

SX SY Sxy Sxx Syy

0,58579365 0,31363845 0,02376857 0,06199071 0,01089176

𝒂𝟏 = 𝟎, 𝟏𝟗𝟒𝟗𝟔𝟗𝟏𝟑
𝒂𝟎 = 𝟎, 𝟎𝟏𝟗𝟗𝟒𝟐𝟔𝟖
𝒎 = 𝟗, 𝟕𝟕𝟔𝟒𝟕𝟕𝟔𝟓
𝒃 = 𝟓𝟎, 𝟏𝟒𝟑𝟕𝟐𝟎𝟒

Página 13 de
𝒚 = 𝒂𝟎 + 𝒂𝟏𝒙 + 𝒂𝟐𝒙𝟐
n X Y XY x^2 y^2 x^3 x^4 y*x^2
1 5 17 85 25 289 125 625 425
2 10 25 250 100 625 1000 10000 2500
3 15 31 465 225 961 3375 50625 6975
4 20 33 660 400 1089 8000 160000 13200
5 25 37 925 625 1369 15625 390625 23125
6 30 37 1110 900 1369 27000 810000 33300
7 35 40 1400 1225 1600 42875 1500625 49000
8 40 40 1600 1600 1600 64000 2560000 64000
9 45 42 1890 2025 1764 91125 4100625 85050
10 50 41 2050 2500 1681 125000 6250000 102500
SX SY Sxy Sxx Syy Sxxx Sxxxx Syx^2
275 343 10435 9625 12347 378125 15833125 380075

𝒂𝟏 = −𝟎, 𝟎𝟏𝟗𝟖𝟕𝟖𝟕𝟗
𝒂𝟎 = 𝟐𝟎, 𝟗𝟑𝟑𝟑𝟑𝟑𝟑
10 275 9625 = 343
275 9625 378125 = 10435
9625 378125 15833125 = 380075

1,39333333 -0,105 0,00166667 𝒂𝟎 12,2666667

-0,105 0,00965152 -0,00016667 𝒂𝟏 1,35272727
0,00166667 0,00166667 3,0303E-06 𝒂𝟐 -0,01575758

Página 14 de
Página 15 de
Ejercicio 7
En un estudio para examinar la relación entre el tiempo requerido para
completar un proyecto de construcción y varias variables independientes
pertinentes, un analista compiló una lista de cuatro variables que podrían ser
útiles para predecir el tiempo de terminación. Estas cuatro variables eran el
tamaño del contrato, x1 (en unidades de $1000), el número de días de trabajo
adversamente afectados por el clima x2, el número de subcontratistas
involucrados en el proyecto x4 y una variable x3 que midió la presencia (x3 =
1) o ausencia (x3 = 0) de una huelga de trabajadores durante la construcción.
Se escogieron al azar 15 proyectos de construcción y se midieron cada una
de las cuatro variables, así como el tiempo para terminar el proyecto
𝒚 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒
29 60 7 0 7
15 80 10 0 8
60 100 8 1 10
10 50 14 0 5
70 200 12 1 11
15 50 4 0 3
75 500 15 1 12
30 75 5 0 6
45 750 10 0 10
90 1200 20 1 12
7 70 5 0 3
21 80 3 0 6
28 300 8 0 8
50 2600 14 1 13
30 110 7 0 4
Obtenga el modelo de regresión múltiple

Página 16 de
Ejercicio 8
Se realizó un experimento para estudiar el tamaño de los calamares
consumidos por tiburones y atunes. Las variables regresaras son
características de la boca del calamar. Los datos del estudio son los
siguientes:
𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒚
1.31 1.07 0.44 0.75 0.35 1.95
1.55 1.49 0.53 0.90 0.47 2.90
0.99 0.84 0.34 0.57 0.32 0.72
0.99 0.83 0.34 0.54 0.27 0.81
1.01 0.90 0.36 0.64 0.30 1.09
1.09 0.93 0.42 0.61 0.31 1.22
1.08 0.90 0.40 0.51 0.31 1.02
1.27 1.08 0.44 0.77 0.34 1.93
0.99 0.85 0.36 0.56 0.29 0.64
1.34 1.13 0.45 0.77 0.37 2.08
1.30 1.10 0.45 0.76 0.38 1.98
1.33 1.10 0.48 0.77 0.38 1.90
1.86 1.47 0.60 1.01 0.65 8.56
1.58 1.34 0.52 0.95 0.50 4.49
1.97 1.59 0.67 1.20 0.59 8.49
1.80 1.56 0.66 1.02 0.59 6.17
1.75 1.58 0.63 1.09 0.59 7.54
1.72 1.43 0.64 1.02 0.63 6.36
1.68 1.57 0.72 0.96 0.68 7.63
1.75 1.59 0.68 1.08 0.62 7.78
2.19 1.86 0.75 1.24 0.72 10.15
1.73 1.67 0.64 1.14 0.55 6.88

En el estudio las variables regresoras y la respuesta considerada son:

X1= longitud del rostral, en pulgadas
X2= longitud de la aleta, en pulgadas
X3= longitud del rostral a la cola, en pulgadas.
X4= longitud de la cola a la aleta, en pulgadas.

Página 17 de
X5= ancho, en pulgadas.
Y= peso en libras.
Estime la ecuación de regresión lineal múltiple.

u v z s t y
n x1 x2 x3 x4 x5 y u^2 v^2 z^2 s^2 t^2 u*v u*z u*s
1 1,31 1,07 0,44 0,75 0,35 1,95 1,716 1,145 0,194 0,563 0,123 1,4 0,58 0,9
2 1,55 1,49 0,53 0,9 0,47 2,9 2,403 2,22 0,281 0,81 0,221 2,31 0,82 1,
3 0,99 0,84 0,34 0,57 0,32 0,72 0,98 0,706 0,116 0,325 0,102 0,83 0,34 0,5
4 0,99 0,83 0,34 0,54 0,27 0,81 0,98 0,689 0,116 0,292 0,073 0,82 0,34 0,5
5 1,01 0,9 0,36 0,64 0,3 1,09 1,02 0,81 0,13 0,41 0,09 0,91 0,36 0,6
6 1,09 0,93 0,42 0,61 0,31 1,22 1,188 0,865 0,176 0,372 0,096 1,01 0,46 0,6
7 1,08 0,9 0,4 0,51 0,31 1,02 1,166 0,81 0,16 0,26 0,096 0,97 0,43 0,5
8 1,27 1,08 0,44 0,77 0,34 1,93 1,613 1,166 0,194 0,593 0,116 1,37 0,56 0,9
9 0,99 0,85 0,36 0,56 0,29 0,64 0,98 0,723 0,13 0,314 0,084 0,84 0,36 0,5
10 1,34 1,13 0,45 0,77 0,37 2,08 1,796 1,277 0,203 0,593 0,137 1,51 0,6 1,0
11 1,3 1,1 0,45 0,76 0,38 1,98 1,69 1,21 0,203 0,578 0,144 1,43 0,59 0,9
12 1,33 1,1 0,48 0,77 0,38 1,9 1,769 1,21 0,23 0,593 0,144 1,46 0,64 1,0
13 1,86 1,47 0,6 1,01 0,65 8,56 3,46 2,161 0,36 1,02 0,423 2,73 1,12 1,8
14 1,58 1,34 0,52 0,95 0,5 4,49 2,496 1,796 0,27 0,903 0,25 2,12 0,82 1,
15 1,97 1,59 0,67 1,2 0,59 8,49 3,881 2,528 0,449 1,44 0,348 3,13 1,32 2,3
16 1,8 1,56 0,66 1,02 0,59 6,17 3,24 2,434 0,436 1,04 0,348 2,81 1,19 1,8
17 1,75 1,58 0,63 1,09 0,59 7,54 3,063 2,496 0,397 1,188 0,348 2,77 1,1 1,9
18 1,72 1,43 0,64 1,02 0,63 6,36 2,958 2,045 0,41 1,04 0,397 2,46 1,1 1,7
19 1,68 1,57 0,72 0,96 0,68 7,63 2,822 2,465 0,518 0,922 0,462 2,64 1,21 1,6
20 1,75 1,59 0,68 1,08 0,62 7,78 3,063 2,528 0,462 1,166 0,384 2,78 1,19 1,8
21 2,19 1,86 0,75 1,24 0,72 10,15 4,796 3,46 0,563 1,538 0,518 4,07 1,64 2,7
22 1,73 1,67 0,64 1,14 0,55 6,88 2,993 2,789 0,41 1,3 0,303 2,89 1,11 1,9
Su Sv Sz Ss St Sy Suu Svv Szz Sss Stt Suv Suz Sus
32,28 27,88 11,52 18,9 10,21 92,29 50,07 37,53 6,405 17,26 5,208 43,3 17,9 29,

u*t u*y v*z v*s v*t v*y z*s z*t z*y s*t s*y t*y
0,459 2,555 0,471 0,803 0,37 2,087 0,33 0,154 0,858 0,263 1,463 0,683
0,729 4,495 0,79 1,341 0,7 4,321 0,477 0,249 1,537 0,423 2,61 1,363
0,317 0,713 0,286 0,479 0,27 0,605 0,194 0,109 0,245 0,182 0,41 0,23
0,267 0,802 0,282 0,448 0,22 0,672 0,184 0,092 0,275 0,146 0,437 0,219
0,303 1,101 0,324 0,576 0,27 0,981 0,23 0,108 0,392 0,192 0,698 0,327
0,338 1,33 0,391 0,567 0,29 1,135 0,256 0,13 0,512 0,189 0,744 0,378
0,335 1,102 0,36 0,459 0,28 0,918 0,204 0,124 0,408 0,158 0,52 0,316
0,432 2,451 0,475 0,832 0,37 2,084 0,339 0,15 0,849 0,262 1,486 0,656
0,287 0,634 0,306 0,476 0,25 0,544 0,202 0,104 0,23 0,162 0,358 0,186
0,496 2,787 0,509 0,87 0,42 2,35 0,347 0,167 0,936 0,285 1,602 0,77
0,494 2,574 0,495 0,836 0,42 2,178 0,342 0,171 0,891 0,289 1,505 0,752
0,505 2,527 0,528 0,847 0,42 2,09 0,37 0,182 0,912 0,293 1,463 0,722

Página 18 de
1,209 15,92 0,882 1,485 0,96 12,58 0,606 0,39 5,136 0,657 8,646 5,564
0,79 7,094 0,697 1,273 0,67 6,017 0,494 0,26 2,335 0,475 4,266 2,245
1,162 16,73 1,065 1,908 0,94 13,5 0,804 0,395 5,688 0,708 10,19 5,009
1,062 11,11 1,03 1,591 0,92 9,625 0,673 0,389 4,072 0,602 6,293 3,64
1,033 13,2 0,995 1,722 0,93 11,91 0,687 0,372 4,75 0,643 8,219 4,449
1,084 10,94 0,915 1,459 0,9 9,095 0,653 0,403 4,07 0,643 6,487 4,007
1,142 12,82 1,13 1,507 1,07 11,98 0,691 0,49 5,494 0,653 7,325 5,188
1,085 13,62 1,081 1,717 0,99 12,37 0,734 0,422 5,29 0,67 8,402 4,824
1,577 22,23 1,395 2,306 1,34 18,88 0,93 0,54 7,613 0,893 12,59 7,308
0,952 11,9 1,069 1,904 0,92 11,49 0,73 0,352 4,403 0,627 7,843 3,784
Sut Suy Svz Svs Svt Svy Szs Szt Szy Sst Ssy Sty
16,06 158,6 15,48 25,41 13,9 137,4 10,48 5,753 56,9 9,413 93,55 52,62

22 32,28 27,88 11,5 18,86 10,21 92,29

32,28 50,07 43,28 17,9 29,35 16,06 158,6
27,88 43,28 37,53 15,5 25,41 13,9 137,4
11,52 17,86 15,48 6,4 10,48 5,753 56,9
18,86 29,35 25,41 10,5 17,26 9,413 93,55
10,21 16,06 13,9 5,75 9,413 5,208 52,62

1,663 -2,26 -0,08 - 1,987 6,008 -6,44 a0

5,13
-2,26 12,43 -2,17 0,77 -10,6 -9,8 1,772 a1
-0,08 -2,17 15,57 - -9,63 0,712 -3,66 a2
16,3
-5,13 0,769 -16,3 81,3 0,302 -39,1 2,411 a3
1,987 -10,6 -9,63 0,3 25,86 7,369 5,397 a4
6,008 -9,8 0,712 39,1 7,369 46,63 14,62 a5

y=(-6,4)+(1,77*x1)+(-3,7*x2)+(2,41*x3)+(5,4*x4)+(14,6*x5)

Página 19 de
Ejercicio 9
Se cree que la energía eléctrica que una planta química consume cada mes se
relaciona con la temperatura ambiental promedio, x1, el número de días del
mes, x2, la pureza promedio del producto, x3, y las toneladas fabricadas del
producto, x4. Se dispone de datos históricos del año anterior, los cuales se
presentan en la siguiente tabla.
𝒚 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒
240 25 24 91 100
236 31 21 90 95
290 45 24 88 110
274 60 25 87 88
301 65 25 91 94
316 72 26 94 99
300 80 25 87 97
296 84 25 86 96
267 75 24 88 110
276 60 25 91 105
288 50 25 90 100
261 38 23 89 98

Página 20 de
Página 21 de
Página 22 de
 12,00 685,00 292,00 1072,00 1192,00 = 3345,00

685,00 43245,00 16852,00 61054,00 68011,00 = 194890,00

296,00 16852,00 7124,00 26089,00 29003,00 = 81678,00

1072,00 61054,00 26089,00 95822,00 106498,00 = 298850,00

1192,00 68011,00 29003,00 106498,00 118860,00 = 332254,00

178,00793 -0,04315 -0,58638 -1,60441 -0,17985 𝒂𝟎 -102,71324

-0,04315 0,00056 -0,00587 0,00177 -0,00004 𝒂𝟏 0,60537
-0,58638 -0,00587 0,11575 -0,02210 0,00079 𝒂𝟐 8,92364
-1,60441 0,00177 -0,02210 0,02357 -0,00064 𝒂𝟑 1,43746
-0,17985 -0,00004 0,00079 -0,00064 0,00222 𝒂𝟒 0,01361

b) Prediga el consumo de energía para un mes en que x1 = 75˚F, x2 = 24 días,

x3 =90% y x4 = 98 toneladas.
Ecuación obtenida:
−102.7132 + 0.6054 X1 + 8.9236 X2 + 1.4375 X3 + 0.0136 X4 − 102.7132 +
(0.6054 ∗ 75) + (8.9236 ∗ 24) + (1.4375 ∗ 90) + (0.0136 ∗ 98) = 287.566
R// 287.566

Página 23 de
Ejercicio 10
Los siguientes datos reflejan información obtenida en 17 hospitales de la
marina estadounidense ubicados en diversos sitios del mundo. Los
regresores son variables de la carga de trabajo, es decir, conceptos que
dan como resultado la necesidad de personal en un hospital. A continuación,
se presenta una descripción breve de las variables:
𝒚 = 𝒉𝒐𝒓𝒂𝒔 𝒅𝒆 𝒕𝒓𝒂𝒃𝒂𝒋𝒐 𝒎𝒆𝒏𝒔𝒖𝒂𝒍𝒆𝒔,
𝒙𝟏 = 𝒄𝒂𝒓𝒈𝒂 𝒅𝒊𝒂𝒓𝒊𝒂 𝒑𝒓𝒐𝒎𝒆𝒅𝒊𝒐 𝒅𝒆 𝒑𝒂𝒄𝒊𝒆𝒏𝒕𝒆𝒔,
𝒙𝟐 = 𝒆𝒙𝒑𝒐𝒔𝒊𝒄𝒊𝒐𝒏𝒆𝒔 𝒅𝒆 𝒓𝒂𝒚𝒐𝒔 𝑿 𝒎𝒆𝒏𝒔𝒖𝒂𝒍𝒆𝒔,
𝒙𝟑 = 𝒅𝒊𝒂𝒔 − 𝒄𝒂𝒎𝒂 𝒐𝒄𝒖𝒑𝒂𝒅𝒐𝒔 𝒑𝒐𝒓 𝒎𝒆𝒔,
𝒙𝟒 = 𝒑𝒐𝒃𝒍𝒂𝒄𝒊𝒐𝒏 𝒆𝒍𝒆𝒈𝒊𝒃𝒍𝒆 𝒆𝒏 𝒆𝒍 𝒂𝒓𝒆𝒂 ⋰ 𝟏𝟎𝟎𝟎,
𝒙𝟓 = 𝒅𝒖𝒓𝒂𝒄𝒊ò𝒏 𝒑𝒓𝒐𝒎𝒆𝒅𝒊𝒐 𝒅𝒆 𝒍𝒂 𝒆𝒔𝒕𝒂𝒏𝒄𝒊𝒂 𝒅𝒆 𝒖𝒏 𝒑𝒂𝒄𝒊𝒆𝒏𝒕𝒆, 𝒆𝒏 𝒅𝒊𝒂𝒔.
Sitio 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒚
1 15.57 2463 472.92 18.0 4.45 566.52
2 44.02 2048 1339.75 9.5 6.92 696.82
3 20.42 3940 620.25 12.8 4.28 1033.15
4 18.74 6505 568.33 36.7 3.90 1003.62
5 49.20 5723 1497.60 35.7 5.50 1611.37
6 44.92 11.520 1365.83 24.0 4.60 1613.27
7 55.48 5779 1687.00 43.3 5.62 1854.17
8 59.28 5969 1639.92 46.7 5.15 2160.55
9 94.39 8461 2872.33 78.7 6.18 2305.58
10 128.02 20.106 3655.08 180.5 6.15 3503.93
11 96.00 13.313 2912.00 60.9 5.88 3571.59
12 131.42 10.771 3921.00 103.7 4.88 3741.40
13 127.21 15.543 3865.67 126.8 5.50 4026.52
14 252.90 36.194 7684.10 157.7 7.00 10.343.81
15 409.20 34.703 12.446.33 169.4 10.75 11.732.17
16 463.70 39.204 14.098.40 331.4 7.05 15.414.94
17 510.22 86.533 15.524.00 371.6 6.35 18.854.45

Página 24 de
 Genere una ecuación para el modelo de regresión.

u v z s t y
n x1 x2 x3 x4 x5 y u^2 v^2 z^2 s^2 t^2
1 15,57 2463 472,92 18 4,45 566,52 242,4 6E+06 223653 324 19,803
2 44,02 2048 1339,75 9,5 6,92 696,82 1938 4E+06 2E+06 90,25 47,886
3 20,42 3940 620,25 12,8 4,28 1033,15 417 2E+07 384710 163,84 18,318
4 18,74 6505 568,33 36,7 3,9 1003,62 351,2 4E+07 322999 1346,89 15,21
5 49,2 5723 1497 35,7 5,5 1611,37 2421 3E+07 2E+06 1274,49 30,25
6 44,92 11,52 1365,83 24 4,6 1613,27 2018 132,71 2E+06 576 21,16
7 55,48 5779 1687 43,3 5,62 1854,17 3078 3E+07 3E+06 1874,89 31,584
8 59,28 5969 1639,92 46,7 5,15 5160,55 3514 4E+07 3E+06 2180,89 26,523
9 94,39 8461 2872,33 78,7 6,18 2305,58 8909 7E+07 8E+06 6193,69 38,192
10 128,02 20,1 3655,08 180,5 6,15 3503,93 16389 404,01 1E+07 32580,3 37,823
11 96 13,31 2912 60,9 5,88 3571,59 9216 177,16 8E+06 3708,81 34,574
12 131,42 10,77 3921 103,7 4,88 3741,4 17271 115,99 2E+07 10753,7 23,814
13 127,21 15,54 3865,67 126,8 5,5 4026,52 16182 241,58 1E+07 16078,2 30,25
14 252,9 36,19 7684,1 157,7 7 10343,81 63958 1310 6E+07 24869,3 49
15 409,2 34,7 12446,3 169,4 10,75 11732,17 2E+05 1204,3 2E+08 28696,4 115,56
16 463,7 39,2 14098,4 331,4 7,05 15414,94 2E+05 1537 2E+08 109826 49,703
17 510,22 86,53 15524 371,6 6,35 18854,45 3E+05 7488 2E+08 138087 40,323
Su Sv Sz Ss St Sy Suu Svv Szz Sss Stt
2520,7 41156 76169,9 1807 100,2 87033,86 8E+05 2E+08 7E+08 378624 629,98

Página 25 de
u*v u*z u*s u*t u*y v*z v*s v*t v*y z*s z*t z*y
38349 7363,4 280,3 69,2865 8821 1E+06 44334 10960 1E+06 8512,6 2104,49 267919
90153 58976 418,2 304,618 30674 3E+06 19456 14172 1E+06 12728 9271,07 933565
80455 12666 261,4 87,3976 21097 2E+06 50432 16863 4E+06 7939,2 2654,67 640811
1E+05 10651 687,8 73,086 18808 4E+06 238733,5 25370 7E+06 20858 2216,49 570387
3E+05 73652 1756 270,6 79279 9E+06 204311,1 31477 9E+06 53443 8233,5 2E+06
517,5 61353 1078 206,632 72468 15734 276,48 52,99 18585 32780 6282,82 2E+06
3E+05 93595 2402 311,798 1E+05 1E+07 250230,7 32478 1E+07 73047 9480,94 3E+06
4E+05 97214 2768 305,292 3E+05 1E+07 278752,3 30740 3E+07 76584 8445,59 8E+06
8E+05 271119 7428 583,33 2E+05 2E+07 665880,7 52289 2E+07 226052 17751 7E+06
2573 467923 23108 787,323 4E+05 73467 3628,05 123,6 70429 659742 22478,7 1E+07
1278 279552 5846 564,48 3E+05 38759 810,579 78,26 47538 177341 17122,6 1E+07
1415 515298 13628 641,33 5E+05 42229 1116,849 52,56 40295 406608 19134,5 1E+07
1977 491752 16130 699,655 5E+05 60084 1970,852 85,49 62584 490167 21261,2 2E+07
9153 2E+06 39882 1770,3 3E+06 3E+05 5707,794 253,4 374384 1E+06 53788,7 8E+07
14200 5E+06 69318 4398,9 5E+06 4E+05 5878,688 373,1 407141 2E+06 133798 1E+08
18179 7E+06 2E+05 3269,09 7E+06 6E+05 12992,21 276,4 604327 5E+06 99393,7 2E+08
44151 8E+06 2E+05 3239,9 1E+07 1E+06 32155,66 549,5 2E+06 6E+06 98577,4 3E+08
Suv Suz Sus Sut Suy Svz Svs Svt Svy Szs Szt Szy
2E+06 2E+07 5E+05 17583 3E+07 7E+07 1816667 2E+05 9E+07 2E+07 531995 8E+08

Página 26 de
 s*t s*y t*y
80,1 10197 2521
65,74 6619,8 4822 17 2521 41155,88 76170 1807,4 100,16 87034
54,78 13224 4422 2521 8E+05 2178972 2E+07 528262 17583 3E+07
143,1 36833 3914 41156 2E+06 2,41E+08 7E+07 2E+06 216194 9E+07
196,4 57526 8863 76170 2E+07 65293721 7E+08 2E+07 531995 8E+08
110,4 38718 7421 1807 5E+05 1816667 2E+07 378624 11913 2E+07
243,3 80286 10420 100,2 17583 216194,2 5E+05 216194 629,98 593091
240,5 240998 26577
486,4 181449 14248 0,269 -0,12 -4,2E-05 0,004 0,0109 -9E-04 700,96
1110 632459 21549 - 0,013 1,79E-06 -0 1E-05 -5E-05 140,95
0,023
358,1 217510 21001 -4E- 2E-06 9,77E-09 -0 -9E-09 -1E-10 0,089
05
506,1 387983 18258 7E-04 -0 -5,6E-08 1E-05 1E-08 1E-06 -3,451
697,4 510563 22146 -2E- -0 -2,6E-11 7E-08 2E-07 5E-06 -0,033
05
1104 2E+06 72407 0,004 0,02 4,34E-07 -0 -0,002 0,0002 -208,9
1821 2E+06 1E+05
2336 5E+06 1E+05
2360 7E+06 1E+05
Sst Ssy Sty
11913 2E+07 6E+05 y=(701)+(141*x1)+(0,089*x2)+(-3,451*x3)+(-0,033*x4)+(-208,9*x5)

Página 27 de
Ejercicio 11
Determina si los siguientes grafos son isomorfos. Justifica tu respuesta.

a=3 a’=3
b= b’=
3 3
c=3 c’=3

En la presente situación nos damos cuenta que estos grafos si son isomorfos porque,
V(G)={a,b,c,d}
E(G)={ab,ad,ac,bc,bd,cb,cd,ca}
V(H)={a’,b’,c’,d’}
E(H)={a’c’,a’b’,c’b’,d’a,d’c’,d’b’}
Por lo cual nos damos cuenta que si son isomorfismo porque para que esto sea tiene que
cada par de vértices adyacentes, corresponde con un par de vértices adyacentes del otro.

En esta situación nos damos cuenta que, si son isomorfos porque tiene que cada par de vértices
adyacentes, corresponde con un par de vértices adyacentes del otro.

Página 28 de
Ejercicio 12
Halle el grado del grafo mediante la suma de los grados de cada vértice.

Grado de cada Vértice:

0= 1 2= 1 4= 1 6= 1 8= 0 10= 1
1= 3 3= 3 5= 1 7= 2 9= 2 11= 1

𝐆𝐫𝐚𝐝𝐨 𝐝𝐞𝐥 𝐆𝐫𝐚𝐟𝐨 → 1 + 3 + 1 + 3 + 1 + 1 + 1 + 2 + 0 + 2 + 1 + 1 = 17

Página 29 de
 Ejercicio 13
Hallar la matriz de adyacencia e incidencia.

Matriz De Adyacencia
P 1 2 3 Q 4 5 6 7 8 9 =
P 0 2 0 0 0 0 0 1 8 0 0 11
1 2 0 1 0 0 0 0 0 6 0 0 9
2 0 1 0 2 0 0 0 0 5 3 9 20
3 0 0 2 0 9 0 0 0 0 0 7 18
Q 0 0 0 9 0 4 0 0 0 0 2 15
4 0 0 0 0 4 0 1 0 0 0 1 6
5 0 0 0 0 0 1 0 9 2 4 3 19
6 1 0 0 0 0 0 9 0 7 0 0 17
7 8 6 5 0 0 0 2 7 0 1 0 29
8 0 0 3 0 0 0 4 0 1 0 6 14
9 0 0 9 7 2 1 3 0 0 6 0 28

Incidencia
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16 A17 A18 A19 A20 A21 A22
P 2 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 8 0 0 0 0
1 2 1 0 0 0 0 0 0 6 0 0 0 0 0 0 0 0 0 0 0 0 0
2 0 1 2 0 0 0 0 0 0 0 5 9 0 0 3 0 0 0 0 0 0 0
3 0 0 2 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 7 0
Q 0 0 0 9 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0
4 0 0 0 0 4 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
5 0 0 0 0 0 1 9 0 0 0 0 0 2 3 0 4 0 0 0 0 0 0
6 0 0 0 0 0 0 9 1 0 7 0 0 0 0 0 0 0 0 0 0 0 0
7 0 0 0 0 0 0 0 0 6 7 5 0 2 0 0 0 1 8 0 0 0 0
8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 4 1 0 0 0 0 6
9 0 0 0 0 0 0 0 0 0 0 0 9 0 3 0 0 0 0 1 2 7 6

Página 30 de
Ejercicio 14
Determine si los siguientes grafos son eulerianos o admiten un recorrido
eulerianos abierto. Determine si son hamiltonianos o admiten un camino
hamiltoniano abierto. Justifique la respuesta.

No es
Los siguientes grafos tienen todos caminos eulerianos porque dada una eulerianos
figura se tienen sólo 2 vértices o puntos impares y, además, si se puede
dibujar de un solo trazo.

No es
Si son es hamiltonianos porque tiene un camino sin vértices
hamiltonianos
repetidos que recorre todos los vértices del grafo.

Si es hamiltonianos porque tiene un

camino sin vértices repetidos que
recorre todos los vértices del grafo.

Página 31 de
Página 32 de
 Ejercicio 15
En base a la matriz de adyacencia, realice el dibujo del grafo en Matlab o
Python.

A B C D E F G H I
A 0 6 0 10 0 0 0 0 0
B 0 0 11 0 15 0 0 13 0
C 0 11 0 0 0 0 0 4 0

A= D
G
10
8
0
0
0
0
0
0
6
0
0
4
0
0
0
5
0
5
E 0 15 0 6 0 2 0 0 0
F 0 0 0 0 2 0 4 0 6
H 0 13 0 0 0 0 5 0 7
I 0 0 0 0 0 6 5 5 0

Página 33 de
Representación En Matlab
E15=[0 6 0 10 0 0 0 0 0;0 0 11 0 15 0 0 13 0;0 11 0 0 0 0 0 4 0;10
0 0 0 6 0 0 0 0;8 0 0 0 0 4 0 5 5;0 15 0 6 0 2 0 0 0;0 0 0 0 2 0 4
0 6;0 13 0 0 0 0 5 0 7;0 0 0 0 0 6 5 5 0];
Nod={'A','B','C','D','E','F','G','H','I'};
G=digraph(E15,Nod)
plot(G,'EdgeColor','r')
title ('Ejercicio 15')

Página 34 de
Ejercicio 16
Halle la matriz de Adyacencia y realice la representación en Matlab o Python

Página 35 de
 Ejercicio 17
Halle la matriz de adyacencia y realice la representación en Matlab o Python

A B C D E F G H I J K
A 0 0 0 0 0 0 6 5 0 0 0
B 0 0 0 0 0 0 4 8 0 0 1
C 3 0 0 0 10 0 0 0 0 0 0
D 8 0 0 0 9 0 0 0 0 0 0

A= E
F
0
0
4
0
0
0
0
2
0
0
0
0
0
0
0 0
0 0
0
0
7
0
G 0 0 7 0 0 6 0 0 0 0 0
H 0 0 0 0 2 0 0 0 4 12 0
I 0 0 2 0 9 5 0 0 0 0 0
J 0 2 0 0 0 0 0 0 0 0 6
K 0 0 0 0 0 0 0 0 11 5 0

Página 36 de
Representación En Matlab
E17=[0 0 0 0 0 0 6 5 0 0 0;0 0 0 0 0 0 4 8 0 0 1;3 0 0 0 10 0 0 0 0
0 0;8 0 0 0 9 0 0 0 0 0 0;0 4 0 0 0 0 0 0 0 0 7;0 0 0 2 0 0 0 0 0 0
0;0 0 7 0 0 6 0 0 0 0 0;0 0 0 0 0 0 0 0 4 12 0;0 0 2 0 0 5 0 0 0 0
0;0 2 0 0 0 0 0 0 0 0 6;0 0 0 0 0 0 0 0 11 5 0];
Nodos={'A','B','C','D','E','F','G','H','I','J','K'};
G=digraph (E17, Nodos)
plot (G,'EdgeColor','b')
title ('Ejercicio 17')

Página 37 de
 Ejercicio 18
Halle la matriz de adyacencia y realice la representación en Matlab o Python

Chalatenango

San salvador
Ahuachapán

San Vicente
La libertad

San miguel
Santa Ana

Sonsonate

Cuscatlán

La unión
Usulután

Morazán
Cabañas
La paz

Ahuachapán 0 83 56 0 0 0 0 0 0 0 0 0 0 0
Santa Ana 83 0 76 53 45 0 0 0 0 0 0 0 0 0
Sonsonate 56 76 0 0 38 0 0 0 0 0 0 0 0 0
Chalatenango 0 53 0 0 67 74 76 0 67 0 0 0 0 0
La libertad 0 45 38 67 0 64 0 0 0 0 0 0 0 0
San salvador 0 0 0 74 64 0 55 78 0 0 0 0 0 0
A = Cuscatlán 0 0 0 76 0 55 0 88 56 49 0 0 0 0
La paz 0 0 0 0 0 78 88 0 0 48 0 0 0 0
Cabañas 0 0 0 67 0 0 56 0 0 39 0 0 0 0
San Vicente 0 0 0 0 0 0 49 48 39 0 82 97 0 0
Usulután 0 0 0 0 0 0 0 48 0 82 0 77 0 0
San miguel 0 0 0 0 0 0 0 0 0 97 77 0 66 57
Morazán 0 0 0 0 0 0 0 0 0 0 0 66 0 54
La unión 0 0 0 0 0 0 0 0 0 0 0 57 54 0

Página 38 de
Representación En Matlab
E18=[0 83 56 0 0 0 0 0 0 0 0 0 0 0;83 0 76 53 45 0 0 0 0 0 0 0 0
0;56 76 0 0 38 0 0 0 0 0 0 0 0 0;0 53 0 0 67 74 76 0 67 0 0 0 0 0;0
45 38 67 0 64 0 0 0 0 0 0 0 0;0 0 0 74 64 0 55 78 0 0 0 0 0 0;0 0 0
76 0 55 0 88 56 49 0 0 0 0;0 0 0 0 0 78 88 0 0 48 0 0 0 0;0 0 0 67
0 0 56 0 0 39 0 0 0 0;0 0 0 0 0 0 49 48 39 0 82 97 0 0;0 0 0 0 0 0
0 0 0 82 0 77 0 0;0 0 0 0 0 0 0 0 0 97 77 0 66 57;0 0 0 0 0 0 0 0 0
0 0 66 0 54;0 0 0 0 0 0 0 0 0 0 0 57 54 0];
nod= {'Ahuachapan','Santa Ana','Sonsonate','Chalatenango','La
Libertad', 'San Salvador','Cuscatlán','La Paz','Cabañas','San
Vicente','Usulután','San Miguel','Morazán','La Unión'};
G=graph (E18, nod)
plot(G,'EdgeColor','k')
title ('Ejercicio 18')

Página 39 de
 Ejercicio 19
Halle la matriz de adyacencia y realice la representación en Matlab o Python

A B C D E F G H I J L N S
A 0 6 0 0 0 0 0 0 0 0 0 0 0
B 0 0 0 0 4 0 0 0 0 0 0 0 0
C 13 0 0 7 0 0 0 0 0 0 0 0 0
D 5 0 0 0 5 0 0 0 0 0 0 0 0
A= E 0 0 0 5 0 6 0 0 5 9 0 0 0
F 0 12 0 0 0 0 0 0 0 0 0 0 0
G 0 0 5 0 0 0 0 6 0 0 0 0 0
H 0 0 0 5 0 0 6 0 0 0 0 0 0
I 0 0 0 0 5 0 0 6 0 3 4 0 0
J 0 0 0 0 9 7 0 0 1 0 0 4 0
L 0 0 0 0 0 0 0 0 0 0 0 2 5
N 0 0 0 0 0 0 0 0 0 8 2 0 0
S 0 0 0 0 0 0 7 5 0 0 0 0 0

Página 40 de
Representación En Matlab
E19=[0 6 0 0 0 0 0 0 0 0 0 0 0;0 0 0 0 4 0 0 0 0 0 0 0 0;13 0 0 7 0
0 0 0 0 0 0 0 0;5 0 0 0 5 0 0 0 0 0 0 0 0;0 0 0 5 0 6 0 0 5 9 0 0
0;0 12 0 0 0 0 0 0 0 0 0 0 0;0 0 5 0 0 0 0 6 0 0 0 0 0;0 0 0 5 0 0
6 0 0 0 0 0 0;0 0 0 0 5 0 0 6 0 3 4 0 0;0 0 0 0 9 7 0 0 0 0 0 4 0;0
0 0 0 0 0 0 0 0 0 0 2 5;0 0 0 0 0 0 0 0 0 8 2 0 0;0 0 0 0 0 0 7 5 0
0 0 0 0];
Nodos={'A','B','C','D','E','F','G','H','I','J','L','N','S'};
G=digraph (E19, Nodos)
plot(G,'EdgeColor','k')
title ('Ejercicio 19')

Página 41 de
Ejercicio 20
Halle la matriz de incidencia posterior, incidencia previa y la matriz de
incidencia de la siguiente red de Petri.

T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12

1 0 1 0 0 0 0 0 0 0 0 0 0
2 1 0 0 0 0 0 0 0 0 0 0 0
Matriz De Incidencia Previa

3 0 0 0 1 0 0 0 0 0 0 0 0
4 0 0 0 0 0 1 0 0 0 0 0 0
5 0 0 0 0 1 0 0 0 0 0 0 0
6 0 0 1 0 0 0 0 0 0 0 0 0
7 0 0 0 0 0 0 1 0 0 0 0 0
8 0 0 0 0 0 0 0 0 0 1 0 0
9 0 0 0 0 0 0 0 0 1 0 0 0
10 0 0 0 0 0 0 0 0 0 0 0 0
11 0 0 0 0 0 0 0 1 0 0 0 0
12 0 0 0 0 0 0 0 0 0 0 0 0

Página 42 de
 T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12
1 1 0 0 0 0 0 0 0 0 0 0 0
Matriz De Incidencia Posterior

2 0 0 0 0 0 0 0 0 0 0 0 0
3 1 0 0 0 0 0 0 0 0 0 0 0
4 0 0 0 1 0 0 0 0 0 0 0 0
5 0 0 1 1 0 0 0 0 0 0 0 0
6 1 0 0 0 0 0 0 0 0 0 0 0
7 0 0 0 0 1 0 0 0 0 0 0 0
8 0 1 0 0 0 1 0 0 0 0 0 0
9 0 0 0 0 1 0 0 0 0 0 0 0
10 0 0 0 0 0 0 1 1 0 0 0 0
11 0 0 0 0 0 0 0 0 0 0 1 0
12 0 0 0 0 0 0 0 1 0 0 0 1

T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12

1 1 -1 0 0 0 0 0 0 0 0 0 0
2 -1 0 0 0 0 0 0 0 0 0 0 0
3 1 0 0 -1 0 0 0 0 0 0 0 0
Matriz De Incidencia

4 0 0 0 1 0 -1 0 0 0 0 0 0
5 0 0 1 1 -1 0 0 0 0 0 0 0
6 1 0 -1 0 0 0 0 0 0 0 0 0
7 0 0 0 0 1 0 -1 0 0 0 0 0
8 0 1 0 0 0 1 0 0 0 -1 0 0
9 0 0 0 0 1 0 0 0 -1 0 0 0
10 0 0 0 0 0 0 1 1 0 0 0 0
11 0 0 0 0 0 0 0 -1 0 0 1 0
12 0 0 0 0 0 0 0 1 0 0 0 1

Página 43 de