RIGOR ESTADÍSTICO Y VISUALIZACIÓN

RIGOR ESTADÍSTICO Y VISUALIZACIÓN

Resultados: tablas, cajas y bigotes y Speedup

Procesamiento de imágenes para incrementar el brillo · 100 ejecuciones por configuración

① Metodología ② Tablas ③ Cajas y bigotes ④ Nativo vs. Virtual ⑤ Speedup ⑥ Síntesis

① Metodología estadística y de medición

Para cada combinación de algoritmo × tamaño de imagen × número de hilos × entorno se registraron 100 tiempos de ejecución independientes. Sobre esa muestra se calcularon los estadísticos que sustentan tanto las tablas como los diagramas de cajas y bigotes.

4

entornos (Windows/Linux · nativo/VirtualBox)

5

implementaciones

3

tamaños de imagen

144

configuraciones

14 400

ejecuciones medidas

Estadísticos calculados sobre cada muestra de n = 100

Media, mediana, desviación estándar, mínimo, máximo, cuartiles (Q1, Q3), rango intercuartílico (IQR = Q3−Q1) y coeficiente de variación (CV = desv./media). Se prioriza la mediana por ser robusta ante los outliers propios de la contención de CPU y la planificación del sistema operativo.

Definición de Speedup

Calculado contra la versión Secuencial del mismo entorno e imagen, usando medianas:

Speedup(config) = mediana( T_Secuencial ) / mediana( T_config )  [mismo entorno · misma imagen]

> 1 indica aceleración; < 1 indica que la versión fue más lenta que la secuencial.

Entornos y set de imágenes

Imagen	Archivo	Dimensiones (px)
Mediana	mediana.bmp	620 × 465 px
Grande	grande.bmp	1240 × 930 px
Muy grande	muy_grande.bmp	2480 × 1860 px

Dataset: tres imágenes BMP idénticas cuya resolución se duplica en cada paso (620×465 → 1240×930 → 2480×1860), por lo que el número de píxeles se cuadruplica entre niveles. Esto permite evaluar la escalabilidad de los hilos bajo una carga de cómputo creciente de forma exponencial.

Software de análisis: Python · pandas · NumPy · Matplotlib · Seaborn.

② Tablas de resultados

Mediana de tiempo (ms) y Speedup por configuración. El color de la columna Speedup codifica: ≥ 2× ≥ 1.2× ≥ 1.05× ≈ 1× < 1×.

Mejor configuración por entorno e imagen

Entorno	Imagen	Mejor configuración	Mediana mejor (ms)	Mediana Secuencial (ms)	Speedup
Windows 11 nativo	Mediana	SIMD+POSIX · 2 hilos	0.2516	1.972	7.84×
	Grande	SIMD+POSIX · 2 hilos	0.4226	6.442	15.24×
	Muy grande	SIMD+POSIX · 8 hilos	1.065	28.61	26.86×
Windows 11 en VirtualBox (host Linux)	Mediana	SIMD+POSIX · 2 hilos	0.2964	2.300	7.76×
	Grande	SIMD+POSIX · 2 hilos	0.4944	7.601	15.37×
	Muy grande	SIMD+POSIX · 8 hilos	1.254	33.84	26.98×
Linux nativo	Mediana	OpenMP · 8 hilos	0.0730	0.2400	3.29×
	Grande	OpenMP · 8 hilos	0.3115	0.6290	2.02×
	Muy grande	SIMD+POSIX · 4 hilos	1.201	2.359	1.96×
Linux en VirtualBox (host Windows 11)	Mediana	OpenMP · 4 hilos	0.0670	0.1575	2.35×
	Grande	OpenMP · 4 hilos	0.2720	0.5035	1.85×
	Muy grande	OpenMP · 8 hilos	1.191	3.345	2.81×

Windows 11 nativo

Configuración	Mediana		Grande		Muy grande
	ms	Speedup	ms	Speedup	ms	Speedup
Secuencial · 1 hilo	1.972	1.00×	6.442	1.00×	28.61	1.00×
SIMD+POSIX · 1 hilos	0.2616	7.54×	0.7401	8.70×	6.310	4.53×
SIMD+POSIX · 2 hilos	0.2516	7.84×	0.4226	15.24×	3.117	9.18×
SIMD+POSIX · 4 hilos	0.3170	6.22×	0.4991	12.91×	1.332	21.48×
SIMD+POSIX · 8 hilos	0.4148	4.75×	0.6921	9.31×	1.065	26.86×
SIMD+POSIX · 16 hilos	0.7592	2.60×	1.223	5.27×	1.281	22.34×
OpenMP · 2 hilos	1.058	1.86×	4.069	1.58×	16.40	1.74×
OpenMP · 4 hilos	0.5756	3.43×	3.206	2.01×	7.483	3.82×
OpenMP · 8 hilos	0.4556	4.33×	1.765	3.65×	6.852	4.18×
OpenMP · 16 hilos	0.4542	4.34×	1.713	3.76×	6.833	4.19×
Python NumPy (IA)	0.2757	7.15×	14.34	0.45×	55.19	0.52×
Python Pillow (IA)	12.15	0.16×	39.88	0.16×	151.12	0.19×

Ver tabla estadística detallada — Windows 11 nativo (36 configuraciones × 100 ejecuciones)

Configuración	Imagen	n	Media	Mediana	Desv. est.	Mín – Máx	IQR	CV	Speedup
Secuencial · 1 hilo	Mediana	100	2.994	1.972	1.770	1.699 – 9.315	2.012	59.1%	1.00×
Secuencial · 1 hilo	Grande	100	6.737	6.442	0.7843	6.192 – 11.47	0.5177	11.6%	1.00×
Secuencial · 1 hilo	Muy grande	100	36.39	28.61	16.76	23.27 – 90.75	18.01	46.0%	1.00×
SIMD+POSIX · 1 hilos	Mediana	100	0.2842	0.2616	0.0562	0.2161 – 0.5224	0.0730	19.8%	7.54×
SIMD+POSIX · 1 hilos	Grande	100	0.7948	0.7401	0.1270	0.6401 – 1.131	0.2341	16.0%	8.70×
SIMD+POSIX · 1 hilos	Muy grande	100	6.810	6.310	4.458	2.099 – 16.21	7.708	65.5%	4.53×
SIMD+POSIX · 2 hilos	Mediana	100	0.2637	0.2516	0.0424	0.2065 – 0.3610	0.0709	16.1%	7.84×
SIMD+POSIX · 2 hilos	Grande	100	0.4453	0.4226	0.1437	0.3816 – 1.797	0.0432	32.3%	15.24×
SIMD+POSIX · 2 hilos	Muy grande	100	3.449	3.117	2.125	1.268 – 10.02	3.427	61.6%	9.18×
SIMD+POSIX · 4 hilos	Mediana	100	0.3209	0.3170	0.0606	0.1974 – 0.4630	0.0818	18.9%	6.22×
SIMD+POSIX · 4 hilos	Grande	100	0.5545	0.4991	0.1749	0.4113 – 1.538	0.0933	31.5%	12.91×
SIMD+POSIX · 4 hilos	Muy grande	100	2.146	1.332	2.039	0.8745 – 16.38	0.8205	95.0%	21.48×
SIMD+POSIX · 8 hilos	Mediana	100	0.4275	0.4148	0.0762	0.3558 – 1.089	0.0452	17.8%	4.75×
SIMD+POSIX · 8 hilos	Grande	100	0.7313	0.6921	0.1527	0.5955 – 1.482	0.0854	20.9%	9.31×
SIMD+POSIX · 8 hilos	Muy grande	100	1.352	1.065	0.8225	0.9550 – 7.716	0.3760	60.8%	26.86×
SIMD+POSIX · 16 hilos	Mediana	100	0.7981	0.7592	0.1292	0.6056 – 1.116	0.2179	16.2%	2.60×
SIMD+POSIX · 16 hilos	Grande	100	1.259	1.223	0.1523	1.037 – 1.946	0.1437	12.1%	5.27×
SIMD+POSIX · 16 hilos	Muy grande	100	1.558	1.281	0.7916	1.145 – 6.388	0.1164	50.8%	22.34×
OpenMP · 2 hilos	Mediana	100	1.130	1.058	0.2109	1.036 – 2.688	0.0544	18.7%	1.86×
OpenMP · 2 hilos	Grande	100	4.393	4.069	0.6264	3.844 – 6.248	0.9797	14.3%	1.58×
OpenMP · 2 hilos	Muy grande	100	23.90	16.40	12.83	14.51 – 97.52	18.26	53.7%	1.74×
OpenMP · 4 hilos	Mediana	100	0.6777	0.5756	0.1666	0.5012 – 1.089	0.3159	24.6%	3.43×
OpenMP · 4 hilos	Grande	100	2.998	3.206	0.3929	1.945 – 3.603	0.6144	13.1%	2.01×
OpenMP · 4 hilos	Muy grande	100	8.288	7.483	1.571	7.234 – 12.66	1.072	19.0%	3.82×
OpenMP · 8 hilos	Mediana	100	0.4701	0.4556	0.0712	0.4268 – 1.103	0.0246	15.1%	4.33×
OpenMP · 8 hilos	Grande	100	1.791	1.765	0.1786	1.623 – 3.395	0.0831	10.0%	3.65×
OpenMP · 8 hilos	Muy grande	100	6.967	6.852	0.4105	6.293 – 8.970	0.5351	5.9%	4.18×
OpenMP · 16 hilos	Mediana	100	0.4774	0.4542	0.1320	0.4111 – 1.597	0.0277	27.7%	4.34×
OpenMP · 16 hilos	Grande	100	1.733	1.713	0.1144	1.570 – 2.558	0.0291	6.6%	3.76×
OpenMP · 16 hilos	Muy grande	100	6.822	6.833	0.2431	6.237 – 7.781	0.1296	3.6%	4.19×
Python NumPy (IA)	Mediana	100	0.3222	0.2757	0.0790	0.2226 – 0.5112	0.1455	24.5%	7.15×
Python NumPy (IA)	Grande	100	12.85	14.34	4.462	1.407 – 17.70	0.6360	34.7%	0.45×
Python NumPy (IA)	Muy grande	100	50.93	55.19	15.37	5.328 – 67.92	1.757	30.2%	0.52×
Python Pillow (IA)	Mediana	100	11.44	12.15	5.367	1.043 – 40.10	1.412	46.9%	0.16×
Python Pillow (IA)	Grande	100	38.95	39.88	13.19	3.801 – 94.54	3.896	33.9%	0.16×
Python Pillow (IA)	Muy grande	100	144.82	151.12	30.37	14.35 – 173.98	5.864	21.0%	0.19×

Tiempos en milisegundos (ms). CV = coef. de variación (desv./media). Speedup = mediana(Secuencial) / mediana(configuración), mismo entorno e imagen.

Windows 11 en VirtualBox (host Linux)

Configuración	Mediana		Grande		Muy grande
	ms	Speedup	ms	Speedup	ms	Speedup
Secuencial · 1 hilo	2.300	1.00×	7.601	1.00×	33.84	1.00×
SIMD+POSIX · 1 hilos	0.3087	7.45×	0.8777	8.66×	7.332	4.61×
SIMD+POSIX · 2 hilos	0.2964	7.76×	0.4944	15.37×	3.705	9.13×
SIMD+POSIX · 4 hilos	0.3722	6.18×	0.5879	12.93×	1.565	21.63×
SIMD+POSIX · 8 hilos	0.4857	4.74×	0.8094	9.39×	1.254	26.98×
SIMD+POSIX · 16 hilos	0.8915	2.58×	1.438	5.29×	1.506	22.47×
OpenMP · 2 hilos	1.249	1.84×	4.787	1.59×	19.25	1.76×
OpenMP · 4 hilos	0.6739	3.41×	3.738	2.03×	8.826	3.83×
OpenMP · 8 hilos	0.5343	4.30×	2.074	3.67×	8.086	4.18×
OpenMP · 16 hilos	0.5303	4.34×	2.013	3.78×	8.045	4.21×
Python NumPy (IA)	0.3235	7.11×	16.82	0.45×	65.09	0.52×
Python Pillow (IA)	14.26	0.16×	46.82	0.16×	177.44	0.19×

Ver tabla estadística detallada — Windows 11 en VirtualBox (host Linux) (36 configuraciones × 100 ejecuciones)

Configuración	Imagen	n	Media	Mediana	Desv. est.	Mín – Máx	IQR	CV	Speedup
Secuencial · 1 hilo	Mediana	100	3.511	2.300	2.064	1.964 – 10.71	2.380	58.8%	1.00×
Secuencial · 1 hilo	Grande	100	7.916	7.601	0.9366	7.197 – 13.64	0.5603	11.8%	1.00×
Secuencial · 1 hilo	Muy grande	100	42.80	33.84	19.70	27.25 – 106.84	21.21	46.0%	1.00×
SIMD+POSIX · 1 hilos	Mediana	100	0.3328	0.3087	0.0655	0.2540 – 0.6103	0.0890	19.7%	7.45×
SIMD+POSIX · 1 hilos	Grande	100	0.9340	0.8777	0.1508	0.7407 – 1.356	0.2793	16.1%	8.66×
SIMD+POSIX · 1 hilos	Muy grande	100	8.016	7.332	5.243	2.425 – 19.39	9.104	65.4%	4.61×
SIMD+POSIX · 2 hilos	Mediana	100	0.3099	0.2964	0.0498	0.2420 – 0.4172	0.0849	16.1%	7.76×
SIMD+POSIX · 2 hilos	Grande	100	0.5234	0.4944	0.1694	0.4475 – 2.113	0.0556	32.4%	15.37×
SIMD+POSIX · 2 hilos	Muy grande	100	4.063	3.705	2.504	1.470 – 11.68	4.078	61.6%	9.13×
SIMD+POSIX · 4 hilos	Mediana	100	0.3774	0.3722	0.0720	0.2357 – 0.5401	0.0980	19.1%	6.18×
SIMD+POSIX · 4 hilos	Grande	100	0.6509	0.5879	0.2038	0.4865 – 1.785	0.1087	31.3%	12.93×
SIMD+POSIX · 4 hilos	Muy grande	100	2.523	1.565	2.375	1.030 – 18.94	0.9623	94.1%	21.63×
SIMD+POSIX · 8 hilos	Mediana	100	0.5015	0.4857	0.0900	0.4120 – 1.278	0.0522	17.9%	4.74×
SIMD+POSIX · 8 hilos	Grande	100	0.8598	0.8094	0.1806	0.6871 – 1.751	0.0979	21.0%	9.39×
SIMD+POSIX · 8 hilos	Muy grande	100	1.589	1.254	0.9669	1.124 – 9.114	0.4534	60.8%	26.98×
SIMD+POSIX · 16 hilos	Mediana	100	0.9370	0.8915	0.1537	0.7029 – 1.336	0.2566	16.4%	2.58×
SIMD+POSIX · 16 hilos	Grande	100	1.480	1.438	0.1779	1.223 – 2.247	0.1561	12.0%	5.29×
SIMD+POSIX · 16 hilos	Muy grande	100	1.827	1.506	0.9199	1.346 – 7.414	0.1413	50.4%	22.47×
OpenMP · 2 hilos	Mediana	100	1.325	1.249	0.2444	1.196 – 3.107	0.0591	18.4%	1.84×
OpenMP · 2 hilos	Grande	100	5.168	4.787	0.7493	4.440 – 7.476	1.102	14.5%	1.59×
OpenMP · 2 hilos	Muy grande	100	28.01	19.25	15.01	16.83 – 115.09	21.08	53.6%	1.76×
OpenMP · 4 hilos	Mediana	100	0.7978	0.6739	0.1983	0.5837 – 1.274	0.3711	24.9%	3.41×
OpenMP · 4 hilos	Grande	100	3.528	3.738	0.4563	2.289 – 4.252	0.7218	12.9%	2.03×
OpenMP · 4 hilos	Muy grande	100	9.729	8.826	1.799	8.382 – 14.91	1.242	18.5%	3.83×
OpenMP · 8 hilos	Mediana	100	0.5536	0.5343	0.0839	0.4984 – 1.297	0.0317	15.2%	4.30×
OpenMP · 8 hilos	Grande	100	2.107	2.074	0.2162	1.890 – 4.039	0.1051	10.3%	3.67×
OpenMP · 8 hilos	Muy grande	100	8.198	8.086	0.5096	7.462 – 10.63	0.6024	6.2%	4.18×
OpenMP · 16 hilos	Mediana	100	0.5612	0.5303	0.1574	0.4785 – 1.909	0.0347	28.0%	4.34×
OpenMP · 16 hilos	Grande	100	2.040	2.013	0.1338	1.833 – 2.980	0.0575	6.6%	3.78×
OpenMP · 16 hilos	Muy grande	100	8.008	8.045	0.2998	7.261 – 9.128	0.2313	3.7%	4.21×
Python NumPy (IA)	Mediana	100	0.3786	0.3235	0.0930	0.2591 – 0.6013	0.1680	24.6%	7.11×
Python NumPy (IA)	Grande	100	15.09	16.82	5.247	1.640 – 21.02	0.9113	34.8%	0.45×
Python NumPy (IA)	Muy grande	100	59.98	65.09	18.14	6.294 – 80.46	2.901	30.2%	0.52×
Python Pillow (IA)	Mediana	100	13.47	14.26	6.278	1.228 – 46.27	1.806	46.6%	0.16×
Python Pillow (IA)	Grande	100	45.82	46.82	15.47	4.425 – 110.06	4.478	33.8%	0.16×
Python Pillow (IA)	Muy grande	100	170.14	177.44	35.68	16.90 – 202.60	6.784	21.0%	0.19×

Tiempos en milisegundos (ms). CV = coef. de variación (desv./media). Speedup = mediana(Secuencial) / mediana(configuración), mismo entorno e imagen.

Linux nativo

Configuración	Mediana		Grande		Muy grande
	ms	Speedup	ms	Speedup	ms	Speedup
Secuencial · 1 hilo	0.2400	1.00×	0.6290	1.00×	2.359	1.00×
SIMD+POSIX · 1 hilos	0.1520	1.58×	0.6570	0.96×	2.242	1.05×
SIMD+POSIX · 2 hilos	0.0960	2.50×	0.4095	1.54×	1.598	1.48×
SIMD+POSIX · 4 hilos	0.1020	2.35×	0.3570	1.76×	1.201	1.96×
SIMD+POSIX · 8 hilos	0.2030	1.18×	0.3970	1.58×	1.522	1.55×
SIMD+POSIX · 16 hilos	0.3940	0.61×	0.4850	1.30×	1.543	1.53×
OpenMP · 2 hilos	0.1725	1.39×	0.6505	0.97×	2.675	0.88×
OpenMP · 4 hilos	0.1405	1.71×	0.4170	1.51×	1.389	1.70×
OpenMP · 8 hilos	0.0730	3.29×	0.3115	2.02×	2.103	1.12×
OpenMP · 16 hilos	0.2070	1.16×	0.6255	1.01×	1.797	1.31×
Python NumPy (IA)	0.8765	0.27×	3.827	0.16×	7.397	0.32×
Python Pillow (IA)	2.280	0.11×	7.727	0.08×	29.44	0.08×

Ver tabla estadística detallada — Linux nativo (36 configuraciones × 100 ejecuciones)

Configuración	Imagen	n	Media	Mediana	Desv. est.	Mín – Máx	IQR	CV	Speedup
Secuencial · 1 hilo	Mediana	100	0.2314	0.2400	0.0502	0.1210 – 0.4150	0.0475	21.7%	1.00×
Secuencial · 1 hilo	Grande	100	0.7408	0.6290	0.2299	0.5010 – 1.440	0.3218	31.0%	1.00×
Secuencial · 1 hilo	Muy grande	100	2.379	2.359	0.2145	2.064 – 3.043	0.2275	9.0%	1.00×
SIMD+POSIX · 1 hilos	Mediana	100	0.1620	0.1520	0.0308	0.1360 – 0.3730	0.0345	19.0%	1.58×
SIMD+POSIX · 1 hilos	Grande	100	0.6741	0.6570	0.0712	0.5770 – 1.088	0.0460	10.6%	0.96×
SIMD+POSIX · 1 hilos	Muy grande	100	2.259	2.242	0.0722	2.169 – 2.499	0.1110	3.2%	1.05×
SIMD+POSIX · 2 hilos	Mediana	100	0.1050	0.0960	0.0216	0.0900 – 0.2500	0.0180	20.6%	2.50×
SIMD+POSIX · 2 hilos	Grande	100	0.4245	0.4095	0.0631	0.3520 – 0.7690	0.0665	14.9%	1.54×
SIMD+POSIX · 2 hilos	Muy grande	100	1.559	1.598	0.1879	1.229 – 1.905	0.2945	12.0%	1.48×
SIMD+POSIX · 4 hilos	Mediana	100	0.1101	0.1020	0.0196	0.0960 – 0.2130	0.0140	17.8%	2.35×
SIMD+POSIX · 4 hilos	Grande	100	0.3600	0.3570	0.0491	0.2830 – 0.4870	0.0657	13.7%	1.76×
SIMD+POSIX · 4 hilos	Muy grande	100	1.221	1.201	0.0944	1.115 – 1.558	0.0865	7.7%	1.96×
SIMD+POSIX · 8 hilos	Mediana	100	0.2064	0.2030	0.0285	0.1680 – 0.2970	0.0425	13.8%	1.18×
SIMD+POSIX · 8 hilos	Grande	100	0.4599	0.3970	0.2225	0.3050 – 2.036	0.1257	48.4%	1.58×
SIMD+POSIX · 8 hilos	Muy grande	100	1.476	1.522	0.1165	1.233 – 1.675	0.1695	7.9%	1.55×
SIMD+POSIX · 16 hilos	Mediana	100	0.4068	0.3940	0.0540	0.3160 – 0.6550	0.0617	13.3%	0.61×
SIMD+POSIX · 16 hilos	Grande	100	0.4946	0.4850	0.0546	0.4040 – 0.6880	0.0663	11.0%	1.30×
SIMD+POSIX · 16 hilos	Muy grande	100	1.553	1.543	0.1640	1.226 – 2.075	0.2272	10.6%	1.53×
OpenMP · 2 hilos	Mediana	100	0.1814	0.1725	0.0319	0.1540 – 0.3590	0.0400	17.6%	1.39×
OpenMP · 2 hilos	Grande	100	0.6930	0.6505	0.1340	0.5530 – 1.136	0.1007	19.3%	0.97×
OpenMP · 2 hilos	Muy grande	100	2.694	2.675	0.2796	2.306 – 3.521	0.4412	10.4%	0.88×
OpenMP · 4 hilos	Mediana	100	0.1457	0.1405	0.0161	0.1360 – 0.2590	0.0120	11.1%	1.71×
OpenMP · 4 hilos	Grande	100	0.4094	0.4170	0.0820	0.2990 – 0.6390	0.1525	20.0%	1.51×
OpenMP · 4 hilos	Muy grande	100	1.457	1.389	0.2059	1.229 – 2.032	0.3813	14.1%	1.70×
OpenMP · 8 hilos	Mediana	100	0.6918	0.0730	1.674	0.0720 – 7.687	0.0123	242.0%	3.29×
OpenMP · 8 hilos	Grande	100	0.6357	0.3115	0.7103	0.2900 – 4.220	0.4582	111.7%	2.02×
OpenMP · 8 hilos	Muy grande	100	2.378	2.103	0.9988	1.214 – 4.862	1.012	42.0%	1.12×
OpenMP · 16 hilos	Mediana	100	0.3135	0.2070	0.4412	0.1210 – 3.958	0.0658	140.7%	1.16×
OpenMP · 16 hilos	Grande	100	0.6996	0.6255	0.2736	0.4240 – 2.565	0.1743	39.1%	1.01×
OpenMP · 16 hilos	Muy grande	100	1.851	1.797	0.2820	1.372 – 3.892	0.2993	15.2%	1.31×
Python NumPy (IA)	Mediana	100	0.8930	0.8765	0.1108	0.7303 – 1.245	0.1407	12.4%	0.27×
Python NumPy (IA)	Grande	100	3.902	3.827	0.4733	3.163 – 5.412	0.6676	12.1%	0.16×
Python NumPy (IA)	Muy grande	100	9.349	7.397	5.166	5.231 – 34.42	2.877	55.3%	0.32×
Python Pillow (IA)	Mediana	100	2.323	2.280	0.3091	1.859 – 3.215	0.4105	13.3%	0.11×
Python Pillow (IA)	Grande	100	7.833	7.727	0.7115	6.798 – 10.45	0.8490	9.1%	0.08×
Python Pillow (IA)	Muy grande	100	29.31	29.44	2.417	26.26 – 39.05	3.826	8.2%	0.08×

Tiempos en milisegundos (ms). CV = coef. de variación (desv./media). Speedup = mediana(Secuencial) / mediana(configuración), mismo entorno e imagen.

Linux en VirtualBox (host Windows 11)

Configuración	Mediana		Grande		Muy grande
	ms	Speedup	ms	Speedup	ms	Speedup
Secuencial · 1 hilo	0.1575	1.00×	0.5035	1.00×	3.345	1.00×
SIMD+POSIX · 1 hilos	0.3735	0.42×	1.106	0.46×	2.636	1.27×
SIMD+POSIX · 2 hilos	0.3945	0.40×	0.5675	0.89×	1.804	1.85×
SIMD+POSIX · 4 hilos	0.5490	0.29×	0.8925	0.56×	1.946	1.72×
SIMD+POSIX · 8 hilos	1.679	0.09×	1.611	0.31×	2.854	1.17×
SIMD+POSIX · 16 hilos	3.119	0.05×	3.588	0.14×	4.222	0.79×
OpenMP · 2 hilos	0.1350	1.17×	0.5155	0.98×	2.583	1.29×
OpenMP · 4 hilos	0.0670	2.35×	0.2720	1.85×	1.388	2.41×
OpenMP · 8 hilos	0.1450	1.09×	0.5405	0.93×	1.191	2.81×
OpenMP · 16 hilos	1.212	0.13×	1.373	0.37×	2.498	1.34×
Python NumPy (IA)	0.6996	0.23×	2.798	0.18×	24.95	0.13×
Python Pillow (IA)	1.847	0.09×	6.176	0.08×	24.51	0.14×

Ver tabla estadística detallada — Linux en VirtualBox (host Windows 11) (36 configuraciones × 100 ejecuciones)

Configuración	Imagen	n	Media	Mediana	Desv. est.	Mín – Máx	IQR	CV	Speedup
Secuencial · 1 hilo	Mediana	100	0.2582	0.1575	0.5641	0.1000 – 5.397	0.1230	218.4%	1.00×
Secuencial · 1 hilo	Grande	100	0.6252	0.5035	0.6367	0.4080 – 6.316	0.1907	101.8%	1.00×
Secuencial · 1 hilo	Muy grande	100	4.078	3.345	2.510	1.970 – 19.84	1.713	61.5%	1.00×
SIMD+POSIX · 1 hilos	Mediana	100	0.5269	0.3735	0.4403	0.2400 – 3.166	0.2185	83.6%	0.42×
SIMD+POSIX · 1 hilos	Grande	100	1.457	1.106	0.8723	0.6640 – 4.996	0.8302	59.9%	0.46×
SIMD+POSIX · 1 hilos	Muy grande	100	2.804	2.636	0.6686	2.143 – 6.937	0.4482	23.8%	1.27×
SIMD+POSIX · 2 hilos	Mediana	100	0.7263	0.3945	1.119	0.2200 – 7.027	0.3642	154.0%	0.40×
SIMD+POSIX · 2 hilos	Grande	100	0.8107	0.5675	0.7272	0.4140 – 6.402	0.3077	89.7%	0.89×
SIMD+POSIX · 2 hilos	Muy grande	100	2.423	1.804	1.896	1.305 – 14.66	0.9718	78.2%	1.85×
SIMD+POSIX · 4 hilos	Mediana	100	0.8765	0.5490	1.230	0.2640 – 8.866	0.5537	140.3%	0.29×
SIMD+POSIX · 4 hilos	Grande	100	1.534	0.8925	1.879	0.4220 – 12.34	0.7447	122.5%	0.56×
SIMD+POSIX · 4 hilos	Muy grande	100	2.666	1.946	1.924	1.360 – 14.30	1.225	72.2%	1.72×
SIMD+POSIX · 8 hilos	Mediana	100	3.163	1.679	3.822	0.7500 – 21.34	1.313	120.8%	0.09×
SIMD+POSIX · 8 hilos	Grande	100	2.488	1.611	2.124	1.027 – 13.83	1.480	85.4%	0.31×
SIMD+POSIX · 8 hilos	Muy grande	100	4.093	2.854	3.504	1.914 – 25.64	1.814	85.6%	1.17×
SIMD+POSIX · 16 hilos	Mediana	100	5.947	3.119	7.298	1.421 – 41.32	2.529	122.7%	0.05×
SIMD+POSIX · 16 hilos	Grande	100	5.761	3.588	6.106	1.446 – 39.80	4.262	106.0%	0.14×
SIMD+POSIX · 16 hilos	Muy grande	100	7.795	4.222	8.978	2.370 – 55.34	3.241	115.2%	0.79×
OpenMP · 2 hilos	Mediana	100	0.1932	0.1350	0.1399	0.1210 – 0.9090	0.0605	72.4%	1.17×
OpenMP · 2 hilos	Grande	100	0.7347	0.5155	0.6147	0.4720 – 5.520	0.2177	83.7%	0.98×
OpenMP · 2 hilos	Muy grande	100	2.730	2.583	0.5655	2.061 – 4.523	0.7325	20.7%	1.29×
OpenMP · 4 hilos	Mediana	100	0.0837	0.0670	0.0647	0.0640 – 0.5130	0.0112	77.4%	2.35×
OpenMP · 4 hilos	Grande	100	0.3072	0.2720	0.0923	0.2610 – 0.7540	0.0300	30.1%	1.85×
OpenMP · 4 hilos	Muy grande	100	1.635	1.388	0.5540	1.098 – 4.589	0.8237	33.9%	2.41×
OpenMP · 8 hilos	Mediana	100	0.3012	0.1450	0.9731	0.0710 – 8.018	0.0880	323.0%	1.09×
OpenMP · 8 hilos	Grande	100	0.5382	0.5405	0.1248	0.2660 – 1.425	0.0380	23.2%	0.93×
OpenMP · 8 hilos	Muy grande	100	3.501	1.191	7.129	0.9900 – 32.23	0.5283	203.6%	2.81×
OpenMP · 16 hilos	Mediana	100	3.878	1.212	9.316	0.3210 – 70.73	1.374	240.2%	0.13×
OpenMP · 16 hilos	Grande	100	2.180	1.373	2.443	0.7110 – 23.04	1.466	112.1%	0.37×
OpenMP · 16 hilos	Muy grande	100	4.894	2.498	7.274	1.427 – 51.80	1.688	148.6%	1.34×
Python NumPy (IA)	Mediana	100	0.8088	0.6996	0.4135	0.5645 – 4.050	0.1989	51.1%	0.23×
Python NumPy (IA)	Grande	100	3.075	2.798	1.287	2.281 – 13.58	0.5192	41.8%	0.18×
Python NumPy (IA)	Muy grande	100	34.97	24.95	36.07	5.486 – 225.99	27.05	103.1%	0.13×
Python Pillow (IA)	Mediana	100	2.179	1.847	1.058	1.431 – 6.948	0.7017	48.5%	0.09×
Python Pillow (IA)	Grande	100	7.408	6.176	3.316	5.328 – 27.40	1.465	44.8%	0.08×
Python Pillow (IA)	Muy grande	100	27.01	24.51	7.196	20.32 – 56.08	6.867	26.6%	0.14×

Tiempos en milisegundos (ms). CV = coef. de variación (desv./media). Speedup = mediana(Secuencial) / mediana(configuración), mismo entorno e imagen.

③ Diagramas de cajas y bigotes — 100 ejecuciones por configuración

La distribución completa de las 100 corridas de cada configuración. La altura de la caja y los bigotes revelan la estabilidad; los puntos, los outliers por planificación del SO.

3.1 Panorama por entorno (todos los algoritmos, escala logarítmica)

Panorama de distribuciones — Windows 11 nativo Cada caja resume las 100 ejecuciones de esa configuración: la línea central es la mediana, la caja abarca el rango intercuartílico (Q1–Q3), los bigotes el resto y los puntos son outliers. Ejes: Tiempo de ejecución (ms) vs. configuración.

Panorama de distribuciones — Windows 11 en VirtualBox (host Linux) Cada caja resume las 100 ejecuciones de esa configuración: la línea central es la mediana, la caja abarca el rango intercuartílico (Q1–Q3), los bigotes el resto y los puntos son outliers. Ejes: Tiempo de ejecución (ms) vs. configuración.

Panorama de distribuciones — Linux nativo Cada caja resume las 100 ejecuciones de esa configuración: la línea central es la mediana, la caja abarca el rango intercuartílico (Q1–Q3), los bigotes el resto y los puntos son outliers. Ejes: Tiempo de ejecución (ms) vs. configuración.

Panorama de distribuciones — Linux en VirtualBox (host Windows 11) Cada caja resume las 100 ejecuciones de esa configuración: la línea central es la mediana, la caja abarca el rango intercuartílico (Q1–Q3), los bigotes el resto y los puntos son outliers. Ejes: Tiempo de ejecución (ms) vs. configuración.

3.2 Tiempo vs. número de hilos (algoritmos paralelos en C)

Tiempo vs. hilos — Windows 11 nativo Distribución de las 100 ejecuciones de los algoritmos paralelos en C al variar los hilos. La línea discontinua marca la mediana del Secuencial. Ejes: Tiempo (ms) vs. nº de hilos.

Tiempo vs. hilos — Windows 11 en VirtualBox (host Linux) Distribución de las 100 ejecuciones de los algoritmos paralelos en C al variar los hilos. La línea discontinua marca la mediana del Secuencial. Ejes: Tiempo (ms) vs. nº de hilos.

Tiempo vs. hilos — Linux nativo Distribución de las 100 ejecuciones de los algoritmos paralelos en C al variar los hilos. La línea discontinua marca la mediana del Secuencial. Ejes: Tiempo (ms) vs. nº de hilos.

Tiempo vs. hilos — Linux en VirtualBox (host Windows 11) Distribución de las 100 ejecuciones de los algoritmos paralelos en C al variar los hilos. La línea discontinua marca la mediana del Secuencial. Ejes: Tiempo (ms) vs. nº de hilos.

④ Nativo vs. Virtualizado (preguntas 3 y 4)

Un mismo sistema operativo, nativo o dentro de VirtualBox, para la implementación insignia SIMD+POSIX.

Linux: nativo vs. VirtualBox (Pregunta 3) SIMD+POSIX. Las cajas claras (VM) muestran más outliers y mayor dispersión que las nativas.

Windows: nativo vs. VirtualBox (Pregunta 4) SIMD+POSIX. Penalización por virtualización en Windows.

Los 4 entornos lado a lado (imagen muy grande) Escala logarítmica para Secuencial (1 hilo) y SIMD+POSIX (8 hilos).

⑤ Análisis de Speedup

5.1 Speedup vs. número de hilos

Speedup vs. hilos — Windows 11 nativo Speedup = mediana(Secuencial) / mediana(configuración). La línea punteada en 1× separa aceleración (arriba) de penalización (abajo). Ejes: Speedup (×) vs. nº de hilos.

Speedup vs. hilos — Windows 11 en VirtualBox (host Linux) Speedup = mediana(Secuencial) / mediana(configuración). La línea punteada en 1× separa aceleración (arriba) de penalización (abajo). Ejes: Speedup (×) vs. nº de hilos.

Speedup vs. hilos — Linux nativo Speedup = mediana(Secuencial) / mediana(configuración). La línea punteada en 1× separa aceleración (arriba) de penalización (abajo). Ejes: Speedup (×) vs. nº de hilos.

Speedup vs. hilos — Linux en VirtualBox (host Windows 11) Speedup = mediana(Secuencial) / mediana(configuración). La línea punteada en 1× separa aceleración (arriba) de penalización (abajo). Ejes: Speedup (×) vs. nº de hilos.

5.2 Speedup vs. tamaño de imagen (hilos fijos)

Speedup vs. imagen — Windows 11 nativo Evolución del Speedup conforme crece la imagen, a hilos fijos. Ejes: Speedup (×) vs. tamaño de imagen.

Speedup vs. imagen — Windows 11 en VirtualBox (host Linux) Evolución del Speedup conforme crece la imagen, a hilos fijos. Ejes: Speedup (×) vs. tamaño de imagen.

Speedup vs. imagen — Linux nativo Evolución del Speedup conforme crece la imagen, a hilos fijos. Ejes: Speedup (×) vs. tamaño de imagen.

Speedup vs. imagen — Linux en VirtualBox (host Windows 11) Evolución del Speedup conforme crece la imagen, a hilos fijos. Ejes: Speedup (×) vs. tamaño de imagen.

5.3 C/C++ (bajo nivel) vs. Python generado por IA

C/C++ vs. Python (IA) — Speedup Escala logarítmica. Todas las barras de C superan 1×; las de Python quedan por debajo.

5.4 Mapa de calor del Speedup

Mapa de calor del Speedup Verde = aceleración (>1×); rojo = más lento que el secuencial (<1×). El número es el Speedup exacto.

⑥ Síntesis de lo que muestran los datos

• Las implementaciones en C con SIMD+POSIX dominan en todos los entornos; en Windows alcanzan un Speedup de hasta 27.0× (SIMD+POSIX · 8 hilos en Muy grande), porque su secuencial no está vectorizado y SIMD aprovecha vectorización + hilos.
• El Python generado por IA (NumPy/Pillow) queda sistemáticamente por debajo de 1×: más lento que el secuencial en C (rojo en el mapa de calor).
• La virtualización añade dispersión: las máquinas virtuales muestran más outliers y mayor IQR, sobre todo a 8 y 16 hilos.
• El Speedup tiende a saturarse o caer al pasar de 4–8 hilos, coherente con el límite de núcleos físicos.

Universidad del Istmo (UNISTMO) · Sistemas de Cómputo Paralelo y Distribuido