Вы находитесь на странице: 1из 28

UNIVERSIDAD LA GRAN COLOMBIA

USO DEL PAPEL LOG Y SEMILOG

POR: CARLOS RICARDO BAUTISTA


DOCENTE: CARLOS GOMEZ

BOGOTA VIERNES 13 DE NOVIEMBRE DE 2015

INTRODUCCIN

Con el consecutivo avance de las matemticas y de la estadstica vemos como


surgen las graficas para la interpretacin y visualizacin de datos de resultados y
dems, el nico objetivo de dichas graficas es proporcionar al lector que las
observa una forma fcil de representar una realidad o un resultado para que este
con solo el ejercicio de la observacin pueda interpretar de manera fcil lo que
est queriendo decir el creador de la grafica, pero hay algunos casos en que
aquellas graficas no son muy fciles de interpretar porque sus datos se
encuentran muy dispersos los unos de los otros y a su vez estos datos se dividen
en grupos los cuales estn muy separados unos de otros y en ellos los datos muy
amontonados lo que tiene como consecuencia que este tipo de graficas al
observarlas se torne muy complicada la interpretacin de sus datos para este
problema de las graficas difciles se ha desarrollado unas escalas especiales
llamadas logartmicas y un papel especial diseado para plasmar dichas escalas

QUE ES UN LOGARITMO?

Un logaritmo es una expresin algebraica que representa una igualdad y es de la


forma

Se define como el numero al cual debemos elevar una base dada para tener como
resultado el numero escrito.
Ejemplos:
S ie n d o a la ba s e , x e l nm e ro e y e l l oga r tm o .
E J E MP LO S
1.
2.
3.
4.

5.

6.
7.

8.

Propiedades de los logaritmos:

1 . E l lo ga r it m o d e u n p ro d u ct o e s i gu a l a la su m a d e lo s lo ga r it m o s
d e lo s f a ct o re s:

E je m pl o

2 . E l lo ga r it m o d e u n co c ie n t e e s i gu a l a l lo ga r it m o d e l d i vid e n d o
m e n o s e l lo ga ri t m o d e l d i viso r:

E je m pl o

3 . E l lo ga r it m o d e u n a p o t e n c ia e s i g u a l a l p ro d u ct o d e l e xp o n e n t e
p o r e l lo ga r it m o d e la b a se :

E je m pl o

4 . E l lo ga r it m o d e u n a ra z e s i gu a l a l co cie n t e e n t re e l lo ga r it m o
d e l ra d i ca n d o y e l n d ic e d e l a ra z:

E je m pl o

5 . Ca m b io d e b a se :

E je m pl o

CO MO S E G R AF I C A L A F U NCI N =
L a f u n ci n = e s i gu a l a la f u n ci n x = Ln y y la podemos graficar
dando distintos valores a x para obtener su equivalente en y y poder obtener una
tabla de datos.

Y como podemos observar tiene el tpico comportamiento de una funcin


exponencial.

GRAFICA DE LA FUNCIN

Para graficar la funcin = log podemos usar el mtodo tradicional dando valores
a x para obtener su equivalencia en y hacer una tabla y luego graficar.

Grafica de =
Para la grafica de = ln usamos tambin el mtodo tradicional dando
valores a x para obtener su equivalencia en y hacemos una tabla y
graficamos

ECUACIONES LOGARTMICAS
Las ecuaciones logartmicas son aquellas ecuaciones en la que la
incgnita aparece af ectada por un logaritmo
Para resolver ecuaciones logartmica s vamos a tener en cuenta:
1Las propiedades de los logaritmos.
1
2
3
4

5
6
7
2inyectividad del logaritmo:

3Def inicin de logaritmo:

4Adems tenemos que comprobar las soluciones para ve rif icar que
no tenemos logarit mos nulos o negativos.

Ejemplos

1.

En el primer miembro aplicamos del logaritmo de un producto y en


segundo la propiedad del logaritmo de una potencia.

Teniendo en cuenta la inyect ividad de los logartmos tenemos:

Resolvemos la ecuaci n y comprobamos que no obtenemos un


logartmo nulo o negativo.

2.

En el 2 miembro aplicamos la propiedad del logaritmo de un


cociente.

Restamos en los dos miembros log x y teniedo en cuenta que el log


10 = 1, tenemos:

Teniendo en cuenta la def inicin de logaritmo y que es un logaritmo


decimal:

3.

En primer miembro aplicamos la propiedad del producto y en el 2 la


de la potencia de un logaritmo.

Teniendo en cuenta la inyect ividad de los logartmos tenemos:

Resolvemos la ecuacin y comp robamos la solucin.

4.

Multiplicamos en los dos miembros por log(3 x 4).

En el 2 miembro aplicamos la propiedad de la potencia de un


logaritmo y tenemos en cuenta la inyectividad de los logartmos.

Resolvemos la ecuacin x = 0 no es solucin porque nos


encontrariamos al sustituir en la ecuacin nos encontraramos en el
denominador un logartmo negativo.

Ecuaciones exponenciales
Una ecuacin
aquella ecuacin en
exponencial es
la incgnita apare ce en el exponente .

la

que

Ejemplo:

Para resolver ecuaciones de este tipo vamos a t ratar dif erentes


casos
Caso 1
Realizar las operaciones necesaria para que en los miembros
tengamos la misma base, de modo que podemos igualar los
exponentes.

Ejemplos
1.

2.

Caso 2
Si tenemos la suma de los n trminos de una progresi n geomtrica,
aplicamos la f rmula:

Ejemplo

Caso 3
Cuando tenemos una ecuacin ms compleja podemos recurrir a un
cambio de variable.
Ejemplos
1.
En primer lu gar aplicamos las pro piedades de las potencias del
producto o el cociente, para quitar las sumas o restas de los
exponentes.

Posteriormente realizamos el cambio de variable:

Resolvemos la ecuacin y deshacemos el cambio de variable.

2.

Caso 4
Para despejar una incgnita que est en el exponente de una
potencia, se toman logaritmos cuya b ase es la base de la potencia.

Ejemplo

Grafica de funciones en papel semilogaritmico.


Qu es una graf ica semilogaritmica ?
Una grafica o representacin semilogartmica es una representacin grfica de
una funcin o de un conjunto de valores numricos, en la que el eje de abscisas o
el eje de ordenadas tienen escala logartmica mientras el otro eje tiene una escala
lineal o proporcional.
Si la representacin se hace manualmente, se emplea papel semilogartmico,1 que
posee la escala con las marcas adecuadas para este tipo de representaciones. Se
emplean logaritmos decimales, de base 10.
Cuando se usa este tipo de graficas?
Los datos que siguen una variacin similar a una funcin exponencial, y=aebx, o
aquellas serie de datos cuyo rango abarca varios rdenes de magnitud , son
apropiados para una representacin semilogartmica o logartmica. Por ello, este
tipo de representacin es muy usada en ciencia e ingeniera.
Cualquier conjunto de datos que pueda ajustarse a la expresin
podr representarse en forma de lnea recta,
,
donde
representa el logaritmo en base o natural, ya que ambas expresiones
son equivalentes.2 Si usamos logaritmos en bases , distintas a la natural, la
relacin exponencial linealizada ser

Ejemplo paso a paso para de aplicacin de una grafica en


semilog.
Supongamos que en un eje queremos representar los caudales de varios cauces y
disponemos de los datos que aparecen acontinuacion:

ya ordenados de menor a mayor, desde un arroyo con 16 litros/seg hasta un gran


ro con 154 m3/seg: Si representamos estos datos en una escala aritmtica (un
papel cuadriculado normal) quedar algo tan poco expresivo como esto:

Los cuatro primeros estn amontonados encima del 0, de modo que no sera
vlido si queremos que aparezcan todos los valores. Probamos otra estrategia:
calculamos los logaritmos de los caudales, y los representamos de nuevo en un
papel milimetrado corriente.

Ahora los puntos aparecen bien diferenciados, pero, adems de la molestia de


tener que calcular los logaritmos, el observador no capta los valores: cmo
podemos adivinar que el punto situado en 1,50 en realidad se refiere a un caudal
de 32 m3 /seg? La solucin es representar los puntos en una escala logartmica:
no es preciso calcular nada, nosotros situamos en la escala los valores de los
caudales, pero lo que determina su posicin son los logaritmos de los caudales:

Graficas en papel log


Una representacin logartmica es una representacin grfica de una funcin o
de un conjunto de valores numricos, en la que el eje de abscisas y el eje de
ordenadas tienen escala logartmica. o semi curvas lineales
Si la representacin se hace manualmente, se emplea papel logartmico,1 que
posee la escala con las marcas adecuadas para este tipo de representaciones. Se
emplean logaritmos decimales, de base 10.

usamos papel logartmico para graficar cuando los datos que vamos a graficar
siguen una variacin similar a una funcin potencial, y=axn, en ambos ejes tanto
en el horizontal como en el vertical o aquella serie de datos cuyo rango abarca
varios rdenes de magnitud son apropiados para una representacin logartmica.
Por ello, este tipo de representacin es muy usada en ciencias e ingeniera.
Cualquier conjunto de datos que pueda ajustarse a la expresin

podr

representarse en forma de lnea recta,


, si usamos
representacin logartmica ya que ambas expresiones son equivalentes.
CUL ES LA RELACIN ENTRE UNA GRAFICA LOG LOG Y UNA
NORMAL?
Al comparar una grafica en papel log log y una normal en muchos casos podremos
observar que como los dos ejes avanzan de forma exponencial ambos grficos de
una misma serie de datos pueden quedar en forma de recta pero con la diferencia
de qe en una escala en papel logartmico los valores de dicha tabla pueden
observarse mejor ya que all hay variedad de distintos ciclos todos en base 10 ej:
1-10, 10-100, 100-1000
Ejemplo de una grafica en papel log log
Como ejemplo de representacin logartmica vamos a representar los datos del
periodo de revolucin de algunos planetas en funcin del semieje mayor de su
trayectoria (leyes de Kepler), que aparecen en la tabla inferior.

Planeta
Mercurio
Venus
Tierra
Marte
Jpiter

Semieje
mayor
en
m
57,9
108,2
149,6
227,9
778,3

Periodo de
revolucin
en
7,58
19,36
31,47
59,19
373,32

Representacin logartmica del periodo de revolucin frente al semieje mayor de


los planetas del sistema solar. Para un ajuste de la lnea recta, ver serie
estadstica de dos variables.

La misma serie de datos en representacin cartesiana, habra conducido a un


amontonamiento de los primeros puntos para permitir colocar el ltimo punto, y
habra colocado dichos puntos en una curva parecida a unafuncin polinomial.
ANLISIS DE REGRESIN
Que es un anlisis de regresin?
El anlisis de regresin lineal es una tcnica estadstica utilizada para estudiar la
relacin entre variables. Se adapta a una amplia variedad de situaciones. En la
investigacin social, el anlisis de regresin se utiliza para predecir un amplio
rango de fenmenos, desde medidas econmicas hasta diferentes aspectos del
comportamiento humano. En el contexto de la investigacin de mercados puede
utilizarse para determinar en cul de diferentes medios de comunicacin puede
resultar ms eficaz invertir; o para predecir el nmero de ventas de un
determinado producto.

La recta de regresin
En el captulo anterior (sobre correlacin lineal) hemos visto que un diagrama de
dispersin ofrece una idea bastante aproximada sobre el tipo de relacin existente
entre dos variables. Pero, adems, un diagrama de dispersin tambin puede
utilizarse como una forma de cuantificar el grado de relacin lineal existente entre
dos variables: basta con observar el grado en el que la nube de puntos se ajusta a
una lnea recta.

ESTIMACIN DE LA ECUACIN DE REGRESIN MUESTRAL


Consiste en determinar los valores de "a" y "b " a partir de la muestra, es decir,
encontrar los valores de a y b con los datos observados de la muestra.
El mtodo de estimacin es el de Mnimos Cuadrados, mediante el cual se
obtiene:

Ahora bien, aunque un diagrama de dispersin permite formarse una primera


impresin muy rpida sobre el tipo de relacin existente entre dos variables,
utilizarlo como una forma de cuantificar esa relacin tiene un serio inconveniente:
la relacin entre dos variables no siempre es perfecta o nula; de hecho,
habitualmente no es ni lo uno ni lo otro
.
Supongamos que disponemos de un pequeo conjunto de datos con informacin
sobre 35 marcas de cerveza y que estamos interesados en estudiar la relacin
entre el grado de alcohol de las cervezas y su contenido calrico. Un buen punto
de partida para formarnos una primera impresin de esa relacin podra ser la
representacin de la nube de puntos, tal como muestra
el diagrama de dispersin de la figura 18.1.

Figura 18.1. Diagrama de dispersin de porcentaje de alcohol por n de caloras.


El eje vertical muestra el nmero de caloras (por cada tercio de litro) y el
horizontal el contenido nde alcohol (expresado en porcentaje). A simple vista,
parece existir una relacin positiva entre ambas variables: conforme aumenta el
porcentaje de alcohol, tambin aumenta el nmero de caloras. En esta muestra
no hay cervezas que teniendo alto contenido de alcohol tengan pocas caloras y
tampoco hay cervezas que teniendo muchas caloras tengan poco alcohol. La
mayor parte de las cervezas de la muestra se agrupan entre el 4,5 % y el 5 % de
alcohol, siendo relativamente pocas las cervezas que tienen un contenido de
alcohol inferior a se.
Puesto que una lnea recta posee una frmula muy simple, Yi = B0 + B1 Xi
podemos comenzar obteniendo los coeficientes B0 y B1 que definen la recta. El
coeficiente B1 es la pendiente de la recta: el cambio medio que se produce en el
nmero de caloras (Yi) por cada unidad de cambio que se produce en el
porcentaje de alcohol (Xi) . El coeficiente B0 es el punto en el que la recta corta el
eje vertical: el nmero medio de caloras que corresponde a una cerveza con
porcentaje de alcohol cero. Conociendo los valores de estos dos coeficientes,
nuestro interlocutor podra reproducir la recta y describir con ella la relacin
existente entre el contenido de alcohol y el nmero de caloras. Aunque no
entremos todava en detalles de
cmo obtener los valores de B0 y B1, s podemos ver cmo es esa recta
(figura 18.2).

La primera informacin que obtenemos (tabla 18.1) se refiere al coeficiente de


correlacin mltiple (R) y a su cuadrado. Puesto que slo tenemos dos variables,
el coeficiente de correlacin mltiple no es otra cosa que el valor absoluto del
coeficiente de correlacin de Pearson entre esas dos variables (ver captulo
anterior). Su cuadrado (R cuadrado) es el coeficiente de determinacin:

(los residuos son las diferencias existentes entre las puntuaciones observadas y
los pronsticos obtenidos con la recta). Tal como hemos sealado ya, R 2 expresa
la proporcin de varianza de la variable dependiente que est explicada por la
variable independiente. En nuestro ejemplo (tabla 18.1), R toma un valor muy alto
(su mximo es 1); y R 2 nos indica que el 77,5 % de la variacin de salario est

explicada por salini. Es importante resaltar en este momento que el anlisis de


regresin no permite afirmar que las relaciones detectadas sean de tipo causal:
slo es posible hablar de grado de relacin.

cuadrado corregida es una correccin a la baja de R 2 que se basa en el nmero


de casos y de variables independientes:

(p se refiere al nmero de variables independientes). En una situacin con pocos


casos y muchas variables independientes, R 2 puede ser artificialmente alta. En tal
caso, el valor de R 2 corregida ser sustancialmente ms bajo que el de R 2. En
nuestro ejemplo, como hay 474 casos y una sola variable independiente, los dos
valores de R 2 (el corregido y el no corregido) son prcticamente iguales.
El error tpico de la estimacin (al que llamaremos Se) es la desviacin tpica de
los residuos, es decir, la desviacin tpica de las distancias existentes entre las
puntuaciones en la variable dependiente (Yi) y los pronsticos efectuados con la
recta de regresin
aunque no exactamente, pues la suma de las distancias al
cuadrado estn divididas por nn2:

En realidad, este error tpico es la raz cuadrada de la media cuadrtica residual


de la tabla 18.2). Representa una medida de la parte de variabilidad de la variable
dependiente que no es explicada por la recta de regresin. En general, cuanto
mejor es el ajuste, ms pequeo es este error tpico.

La tabla resumen del ANOVA (tabla 18.2) nos informa sobre si existe o no relacin
significativa entre las variables. El estadstico F permite contrastar la hiptesis nula
de que el valor poblacional de R es cero, lo cual, en el modelo de regresin
simple, equivale a contrastar la hiptesis de que la pendiente de la recta de
regresin vale cero. El nivel crtico (Sig.) indica que, si suponemos que el valor
poblacional de R es cero, es improbable (probabilidad = 0,000) que R, en esta
muestra, tome el valor 0,88. Lo cual implica que R es mayor que cero y que, en
consecuencia, ambas variables estn linealmente relacionadas.
ECUACIN DE REGRESIN
La tabla 18.3 muestra los coeficientes de la recta de regresin. La columna
etiquetada Coeficientes no estandarizados contiene los coeficientes de regresin
parcial que definen la ecuacin de regresin en puntuaciones directas.

El coeficiente correspondiente a la Constante es el origen de la recta de regresin


(lo que hemos llamado B0):

Y el coeficiente correspondiente a Salario inicial es la pendiente de la recta de


regresin (lo que hemos llamado B1):

B1 indica el cambio medio que corresponde a la variable dependiente (salario) por


cada unidad de cambio de la variable independiente (salini). Segn esto, la
ecuacin de regresin queda de la siguiente manera:
Pronstico en salario = 1928,206 + 1,909 salini

A cada valor de salini le corresponde un pronstico en salario basado en un


incremento constante (1928,206) ms 1,909 veces el valor de salini.
Pruebas de significacin
Finalmente, los estadsticos t y sus niveles crticos (Sig.) nos permiten contrastar
las hiptesis nulas de que los coeficientes de regresin valen cero en la poblacin.
Estos estadsticos t se obtienen dividiendo los coeficientes de regresin B0 y B1
entre sus correspondientes errores tpicos:

siendo:

Estos estadsticos t se distribuyen segn el modelo de probabilidad t de Student


con nn2 grados de libertad. Por tanto, pueden ser utilizados para decidir si un
determinado coeficiente de regresin es significativamente distinto de cero y, en
consecuencia, si la variable independiente est significativamente relacionada con
la dependiente. Puesto que en regresin simple slo trabajamos con una variable
independiente, el resultado del estadstico t es equivalente al del estadstico F de
la tabla del ANOVA (de hecho, t 2 = F).

CONCLUSIONES:
A partir de los resultados de la tabla 18.3, podemos llegar a las siguientes
conclusiones:
1. El origen poblacional de la recta de regresin (0) es significativamente distinto
de cero (generalmente, contrastar la hiptesis 0 = 0" carece de utilidad, pues no
contiene informacin sobre la relacin entre Xi e Yi).
2. La pendiente poblacional de la recta de regresin (el coeficiente de regresin 1
correspondiente a salini) es significativamente distinta de cero, lo cual nos permite
concluir que entre salario y salini existe relacin lineal significativa.