¿ES MÁS RÁPIDO UBUNTU QUE WINDOWS CALCULANDO NÚMEROS DE FIBONACCI?

¿ES MÁS RÁPIDO UBUNTU QUE WINDOWS
CALCULANDO NÚMEROS DE FIBONACCI?
Pere Valls, Meritxell Molas, Ivan Martínez

RESUMEN
Objetivo: Saber si Ubuntu es más rápido que Windows calculando números de Fibonacci, ya
que esto podría significar que un sistema operativo gestiona mucho mejor el uso de CPU que el
otro.Método: Hemos ejecutado 30 veces el programa Fibonacci.c,adjuntado en el anexo I de este
documento, 15 veces en Ubuntu y otras 15 en Windows. Los valores utilizados han sido valores
entre 35 y 50 ya que valores más pequeños de 35 la precisión con la que recogíamos los datos
no era suficiente, por tanto obteníamos valores nulos y para valores más grandes de 50 el
tiempo que tardaba en hacer el cálculo creemos que era excesivo.
Resultados: Con una confianz̧a del 95%  la diferencia de los logaritmos de  las medias es 0.13
con un IC =[0,18818887 ; 0.07236176]. Rechazamos  H 0 .

Discusión: Ubuntu es un 14% más rápido que Windows en la velocidad de cálculo, por lo tanto
podemos aventurarnos a afirmar  que Ubuntu hace una mejor gestión de recursos a nivel CPU.

INTRODUCCIÓN
Después de trabajar en la asignatura de Sistemas Operativos con programas que requierenniveles elevados de cálculo, hemos tenido la impresión de que Ubuntu es más rápido que
Windows en realizar este tipo de tareas.
Realmente desconocemos si lo que creemos es cierto y, por tanto, haremos un estudio sobre
la diferencia de los tiempos de ejecución del código que calcula los números de Fibonacci.

Objetivo
Averiguar, entre Ubuntu y Windows, cual de los dos sistemas operativos calcula de forma másrápida números de  Fibonacci.

MATERIAL Y MÉTODO
Se ha utilizado un Macbook Pro con procesador Core i7 de Intel de doble núcleo a 2,8 GHz con
4 GB de memoria RAM a 1.333 MHz, en el cual se ha instalado el programa Virtual Box con las
imágenes de Ubuntu y Windows configuradas de la misma manera. Se ha utilizado el códigoFibonacci.c, escrito en C, y dos scripts que calculan los tiempos de manera automática para
valores entre 35 y 50.
Prueba significativa bilateral.
H  0 : μ D = 0
H  1 : μ D = 0
/
Premisas
1.Dos poblaciones pareadas, o una población que ha sido medida dos veces
2.Muestra aleatoria X1, X2, ..., Xn de una distribución normal N( x ), pareada con otra    muestra
aleatoria Y1, Y2, ..., Yn de una distribución normal N( y )
3.Las medias x, y y la desviación estándar son desconocida.Estadístico, distribución de referencia y obtención del valor que delimita la región crítica.

Construcción del intervalo de confianza para la diferencia.

RESULTADOS
Descriptivas
DATOS UBUNTU

DATOS WINDOWS

Min.   : 0.050

Min.   :  0.0800

1st Qu.: 0.435

 1st Qu.:  0.4925

Median : 2.825

 Median :  3.0100

Mean   :16.201

Mean   : 17.5256

3rd Qu.:16.7153rd Qu.: 17.9150

Max.   :98.780

Max.   :107.4700

Sd.

:27.82166

Sd.

:30.26353

Estos son los datos de cada muestra independiente, pero como los trataremos como muestras
apareadas haciendo el cálculo de la diferencia obtenemos:

DIFERENCIAS SIN LOGARITMOS

DIFERENCIAS CON LOGARITMOS

Min.   :0.0300

Min.   :0.04910

1st Qu.:0.0575

1st Qu.:0.06393

 Median :0.1850Median :0.08696

 Mean   :1.3250

Mean   :0.13030

3rd Qu.:1.2000

3rd Qu.:0.15790

 Max.   :8.6900

Max.   :0.47000

Sd.

    :2.456884

Sd.

:0.1086839

fig1. QQNormal de la diferencia de medias sin
        aplicar logaritmos

fig2.QQNorm de la diferencia aplicando logaritmos

Se observa que las diferencias no parecen seguir la D. Normal y que són más amplias a
medidaque se aumenta el valor del número de fibonacci a calcular. Hacemos la transformación log
natural de los tiempos para intentar normalizar la diferencia, aunque no se consigue del todo,
parece que los datos mejoran . La fig. 1 demuestra que la variable no es Normal pero en la fig. 2
observamos como parece que los datos se asimilan algo más a la D. Normal....