Академический Документы
Профессиональный Документы
Культура Документы
Manual de Laboratorio
Laboratorio de Fsica General I
2014
Prlogo
Este manual tiene como objetivo servir de gua para la realizacin de las prcticas del curso
de Laboratorio de Fsica General I, impartido en el Instituto Tecnolgico de Costa Rica. La
gua se divide en tres partes.
En la primera parte, se presentan algunos fundamentos tericos y convenciones
establecidas que se relacionan con el desarrollo de las Experiencias y Prcticas de
Laboratorio.
En la segunda parte, se encuentran las Experiencias de Laboratorio cuyo objetivo es que el
estudiante desarrolle habilidad en el tratamiento de datos experimentales, en la
observacin y el anlisis de la informacin.
Dado que este es el primer curso de Laboratorio de Fsica, las Experiencias orientan
detalladamente al estudiante con el propsito de desarrollar el conocimiento a travs de la
observacin de modelos, sin embargo, se plantean cuestionamientos para que el estudiante
sintetice, asimile los conceptos y valores sus propias decisiones.
En la tercera parte de la gua se encuentran las Prcticas de Laboratorio, cuyo nfasis radica
en la utilizacin de los conceptos desarrollados sobre las mediciones, el anlisis sistemtico
i
Los autores.
ii
Contenido
Prlogo ................................................................................................................................................. i
Primera Parte ...................................................................................................................................... 1
Elaboracin de tablas ...................................................................................................................... 2
Principios de Estadstica .................................................................................................................. 6
Evaluacin de la Incertidumbre .................................................................................................... 16
Confeccin de Grficos.................................................................................................................. 23
Cambio de variable........................................................................................................................ 32
Regresin Lineal ............................................................................................................................ 37
Redaccin del Informe .................................................................................................................. 43
Segunda Parte ................................................................................................................................... 56
Introduccin a la Estadstica Bsica .............................................................................................. 57
Incertidumbre en las Mediciones Directas e Indirectas ................................................................ 61
Elaboracin de Grficos ................................................................................................................ 66
Anlisis de regresin ..................................................................................................................... 70
Redaccin de Informes.................................................................................................................. 78
Tercera Parte ..................................................................................................................................... 80
Movimiento Rectilneo Uniformemente Acelerado (MRUA) ........................................................ 81
Movimiento Parablico ................................................................................................................. 88
Dinmica Rotacional...................................................................................................................... 94
Apndices ........................................................................................................................................ 102
Clculos estadsticos utilizando la calculadora ........................................................................... 103
Clculo de la ecuacin de mejor ajuste por el mtodo de mnimos cuadrados mediante la
calculadora .................................................................................................................................. 105
Bibliografa ...................................................................................................................................... 107
iii
Primera Parte
Teora
Elaboracin de tablas
Las tablas proveen una forma muy concisa y clara de presentar grandes cantidades de informacin
en poco espacio. A todas las tablas formales se les debe dar un nmero y un ttulo preciso que va
encima de la tabla. Si se citan en el texto, se deben nombrar con la palabra Tabla seguida por el
nmero de esta. Las tablas deben siempre ajustarse a una sola pgina, es decir, no se deben dividir.
Si es una gran cantidad de datos, se divide en varias tablas, en las que se repiten los encabezados
de las columnas, se asigna el mismo nmero de tabla y el ttulo seguido de la palabra continuacin
entre parntesis. Los encabezados de columna deben estar resaltados en negrita.
A las tablas simples y pequeas, que no sobrepasen las cinco filas con no ms de dos columnas, se
les cataloga como informales. A estas no es necesario ponerles ttulo o nmero. Sin embargo, en
nuestro curso de laboratorio es recomendable numerar las tablas y asignar un ttulo a todas ellas.
Siempre deben darse las unidades de medida, ya sea en el ttulo o en los encabezados de columna
y se encierran entre parntesis, seguidas de un espacio. En cada columna debe usarse slo una
unidad de medida. Por otro lado, para ahorrar espacio, las abreviaturas o siglas deben usarse
siempre que sea posible. Es preferible el uso de decimales en vez de fracciones a menos que estas
sean muy usadas en el rea de estudio.
A continuacin se dan algunos ejemplos que muestran algunas de las diferentes formas de tabular
informacin.
Ejemplo 1:
Tabla 1. Medicin del tiempo y la distancia para el MRUA.
No. de Medicin
Distancia
Tiempo
d ( 0,01 m) t ( 0,01 s)
1
2
3
4
5
En este caso, las cantidades fsicas se mencionan en el ttulo, pero en el encabezado de las columnas
tambin se incluye el smbolo. Lo dado entre parntesis denota la resolucin del indicador del
instrumento. Es importante registrar el nmero de orden de las mediciones, lo que se hace en la
primera columna.
Ejemplo 2:
Tabla 2. Medicin del tiempo (t) y la distancia (d) para el MRUA.
No.
1
2
3
d/m
23,2
23,5
23,4
103 s/t
0,231
0,266
0,254
En este caso, se utiliza en la primera columna la abreviatura No. para referirse al nmero de orden
de las mediciones. En la segunda y tercera columnas, las cantidades son adimensionales. En la
segunda y tercera columnas se dan dos representaciones diferentes en el encabezado de columna,
ambas aceptadas por el SI.
Adems, todos los datos son consistentes con el nmero de cifras significativas asociadas a la
medicin en cada columna. Como se puede observar, en este caso se usaron comas como separador
decimal, pero el SI tambin acepta el punto. Una vez elegido alguno de los dos, se debe ser
consistente y mantenerlo en todo el documento.
Ejemplo 3:
En este ejemplo, en el ttulo se dan los smbolos de las cantidades fsicas y por esto no es necesario
dar nuevamente el nombre en el encabezado de columna. En la notacin de la segunda y tercera
columnas se enfatiza que tanto la variable como la resolucin del instrumento tienen la misma
unidad.
Ejemplo 4:
Tabla 4. Medicin del periodo de un pndulo simple en funcin de la longitud.
Periodo ( 0,01 s)
Angulo ( 1)
(s) ST (s)
T1 T2 T3 T4 T5
(s) ST (s)
T1 T2 T3 T4 T5
En este ejemplo se muestra la manera en que se divide una tabla que no se pueda ajustar a una
pgina completa. Ntese que las mediciones de los periodos se pueden registrar en filas y no en
columnas. En este caso, cada fila corresponde a un ngulo diferente y en las ltimas columnas se
dan los promedios y desviaciones estndar de cada conjunto de datos.
Principios de Estadstica
1. Conceptos bsicos
La estadstica es una disciplina dedicada al desarrollo y aplicacin de la teora y las tcnicas
apropiadas para la recoleccin, clasificacin, presentacin, anlisis e interpretacin de datos
obtenidos por observacin o experimentacin, con lo que luego se puede llegar a conclusiones
basadas en estos, por lo que se ha convertido en una herramienta esencial de la investigacin en
casi todos los campos de la actividad humana.
Todo estudio o investigacin tiene como referencia un conjunto de elementos (personas, animales,
objetos, mediciones, etc.). A la coleccin completa de todos los elementos a estudiar se le denomina
poblacin. La poblacin puede ser finita (tiene un nmero limitado de elementos) o infinita (tiene
un nmero infinito de elementos).
Un ejemplo de poblacin finita son los estudiantes del TEC del presente ao. Otro ejemplo seran
los estudiantes de secundaria de Costa Rica en el presente ao. En este caso, aunque es una
poblacin mucho ms grande, sigue siendo finita. Por otro lado, un ejemplo de poblacin infinita
sera los estudiantes del TEC. En este caso, como no se da mayor especificacin, la poblacin
comprende los estudiantes del TEC en el pasado, presente y futuro, por lo que sera una poblacin
con una cantidad de elementos infinita.
Cabe resaltar que si se va a analizar un proceso o experimento, los elementos a estudiar son las
mediciones u observaciones. Dado que, tericamente, las mediciones se pueden repetir
indefinidamente bajo las mismas condiciones, la poblacin de mediciones u observaciones es
infinita.
Toda investigacin, estudio o experimento se realiza, habitualmente, con el objetivo de obtener
conclusiones o resultados y poder generalizarlos a la poblacin total. Una forma de hacer esto es
realizar el experimento a toda la poblacin, es decir, hacer un censo. No obstante, en la mayora de
los casos, esto no es posible para poblaciones infinitas o para poblaciones finitas muy grandes no es
prctico (por el factor econmico o de tiempo). Es por eso que lo ms fcil, barato y rpido de hacer
es tomar una muestra de la poblacin, analizarla y luego generalizar los resultados a la poblacin.
Durante el muestreo, siempre habr un error asociado debido a la inferencia que se hace de la
muestra a la poblacin. Pero, tambin se debe ser cuidadoso, ya que la muestra podra no ser
representativa de la poblacin y la generalizacin sera errnea.
Entonces, qu podemos hacer para que la muestra s sea representativa de la poblacin? Para ello
influyen dos elementos importantes: el tamao de la muestra y el proceso de adquisicin de la
misma. En general, entre mayor sea la muestra, ms representativa es. Respecto a la adquisicin de
la muestra, se debe de hacer de manera completamente aleatoria, esto para evitar sesgos (las
observaciones tienden a un comportamiento que se desva de los resultados esperados).
Por otro lado, un concepto importante para caracterizar y representar un conjunto de datos
obtenidos de las muestras o poblaciones es la media aritmtica, que es una medida de posicin,
tambin llamada promedio. Este da una idea de lo tpico o caracterstico del fenmeno en
consideracin. Su clculo se realiza de la siguiente manera:
promedio =
Por ejemplo, se toma una muestra de estudiantes y sus edades (e) son: 19, 20, 18, 19, 22, 24, 23, 20
aos. As, la edad promedio es:
=
19 + 20 + 18 + 19 + 22 + 24 + 23 + 20 165
=
= 20,625 21 aos
8
8
(desviaciones)
=
nmero de datos
)
.
La desviacin estndar brinda informacin sobre cunto se alejan las observaciones (o mediciones)
del promedio del conjunto. Esta es la medida de dispersin ms utilizada, no obstante, su cuadrado
tambin tiene mucha importancia y recibe el nombre de varianza:
(desviaciones)
( )
=
nmero de datos
.
Para determinar claramente si los clculos realizados son para toda la poblacin o para una muestra,
se usan smbolos diferentes. Esto se muestra en el siguiente cuadro:
Tabla 1. Ecuaciones utilizadas para el clculo de los parmetros de la poblacin
y los estadsticos de las muestras.
Grupo de referencia Promedio Desviacin estndar
Muestra (n)
Poblacin (N)
0=
/=
=
)
1
0)
.
Varianza
( )
/ =
1
=
0)
.
Es muy comn que se tengan que comparar dos o ms conjuntos de datos con respecto a su
variabilidad. Si los datos no estn dados en las mismas unidades o si los promedios de los conjuntos
no son similares, la desviacin estndar no sirve para este propsito.
Para comparar cantidades que tengan diferentes unidades o que sus magnitudes fueran muy
diferentes, se utilizan medidas de dispersin relativa; la ms importante es el coeficiente de
variacin (tambin llamado coeficiente de dispersin):
Coeficiente de variacin =
Desviacin estndar
100 %
valor promedio
100 %
/
100 %
2. Distribuciones de frecuencias
Mediante las distribuciones de frecuencias se clasifican los datos en categoras o clases, que
muestran, para cada una de estas, el nmero de elementos o frecuencia que contiene. Estas
frecuencias pueden ser absolutas o relativas. Es por esto que la distribucin de frecuencias permite
mostrar cmo se clasifican los sujetos pertenecientes a una muestra o poblacin de acuerdo a
categoras, modalidades o valores de una sola variable.
En la siguiente tabla se muestra un ejemplo sencillo de una distribucin de frecuencias de variables
discretas. En esta se resume diferentes opiniones de un grupo de estudiantes con respecto al
comedor universitario.
Tabla 2. Distribucin de frecuencias de opiniones de calidad del comedor universitario
Calidad Frecuencia Frecuencia
(clases)
absoluta Relativa (%)
Mala
4
11
Regular
6
17
Buena
17
47
Excelente
9
25
Total
36
100
Si hacemos una grfica de barras de esta tabla, poniendo en la escala horizontal la calidad y en la
escala vertical las frecuencias (que debe empezar en cero), obtenemos lo que se denomina un
histograma. Este se puede hacer con la frecuencia absoluta o con la frecuencia relativa. Como se
puede observar en los siguientes histogramas, hay una mayor tendencia de los estudiantes a decir
que la calidad del comedor es buena:
18
Frecuencia absoluta
16
14
12
10
8
6
4
2
0
Mala
50
45
40
35
30
25
20
15
10
5
0
Mala
Regular
Buena Excelente
Calidad
69
65
54
60
69
70
58
61
63
67
75
64
68
70
59
60
69
65
68
66
Como es claro, as como estn presentados los datos, es muy difcil concluir algo. Por lo tanto, para
entenderlos mejor, lo ideal es hacer una distribucin de frecuencias. Para esto, se pueden seguir los
siguientes pasos:
10
1. Decidir el nmero de clases en las que se clasificaran los datos. Se recomienda que el
nmero de clases sea entre 5 y 20 y deben usarse nmeros enteros. Para el ejemplo,
comencemos seleccionando 5 clases.
2. Luego, hay que estimar la amplitud de clase (el ancho de la clase) con la siguiente expresin:
valor mayor valor menor
= Amplitud de clase
nmero de clases
As, para nuestro caso sera:
74 53
= 4,2
5
Una amplitud de clase de 4,2 no es muy conveniente, por lo que vamos a redondearla a 5. Por
comodidad, es recomendable que la amplitud de clase sea 5, 10 o un mltiplo de estos nmeros.
3. Hay que elegir un punto de partida, es decir, el lmite inferior de clase (estas son las cifras
ms pequeas que pueden pertenecer a las diferentes clases) para la primera clase. Para
ello debemos elegir un nmero ms pequeo que el dato menor o si conviene, se podra
elegir el propio dato menor. En nuestro caso, como el dato menor es 53, no es conveniente
como punto de partida ya que vamos a ir de 5 en 5. En este caso, un punto de partida
adecuado sera 50.
4. Con el lmite ms bajo de la primera clase (punto de partida) y con la amplitud de clase, se
obtienen los dems lmites inferiores de las otras clases: se suma la amplitud de clase al
punto de partida y as se obtiene el segundo lmite de clase inferior. Luego, se suma de
nuevo la amplitud de clase al segundo lmite inferior y se obtiene el tercero, y as
sucesivamente.
Para nuestro caso, como el punto de partida es 50, al sumar la amplitud de clase, el segundo lmite
de clase inferior sera 55, el tercero 60, y as sucesivamente.
5. Se anotan los lmites inferiores de clase en una columna y luego se procede a anotar los
lmites superiores de clase (cifras ms grandes que pueden pertenecer a las diferentes
clases), que se pueden identificar con facilidad. En nuestro caso, la columna inicialmente
sera:
50
55
60
65
70
11
6. Para obtener las frecuencias, es til poner una marca de clase apropiada para cada dato
(son los puntos medios de las clases). Las marcas de clase se calculan sumando el lmite de
clase inferior con el lmite de clase superior y dividiendo este resultado entre dos. En nuestro
caso, las marcas de clase seran: 52, 57, 62, 67 y 72.
Luego, se cuentan los datos que tengan las mismas marcas de clase para obtener las frecuencias de
las clases, que se puede poner en otra columna a la derecha:
Tabla 3. Distribucin de frecuencias de pesos de estudiantes
Peso (kg) Frecuencia
50-54
2
55-59
5
60-64
6
65-69
12
70-75
7
Frecuencia
10
8
6
4
2
0
50-54
55-59
60-64
65-69
70-75
Peso (kg)
Frecuencia
Por otra parte, hay diversas distribuciones de frecuencias, entre las que est la ms importante, la
distribucin normal. Esta se da cuando una variable tiene una distribucin con una grfica simtrica
y en forma de campana, como la de la figura 4.
Frecuencia
Estas distribuciones son sumamente importantes, ya que ocurren con mucha frecuencia en las
aplicaciones reales y porque juegan un papel primordial en la estadstica inferencial. Por otro lado,
si la distribucin poblacional no tiene un comportamiento normal, mediante el Teorema del Lmite
Central (TLC), se puede establecer que para muestras grandes, digamos mayor a 30 datos, la
distribucin de los valores promedio de las muestras ser aproximadamente normal y la desviacin
estndar de esta distribucin tiende al siguiente valor:
A
BC
14
Muestra aleatoria: En esta se seleccionan los miembros de una poblacin de manera que cada
miembro individual tenga la misma posibilidad de ser elegido.
Muestra: Subconjunto de miembros seleccionados de una poblacin.
Poblacin: Coleccin completa de todos los elementos a estudiar (mediciones, personas, etc.).
Variable aleatoria contina: Una variable es continua si sus valores posibles consisten en un
intervalo completo en la recta numrica.
Variable aleatoria discreta: Una variable es discreta si su conjunto de valores es finito.
15
Evaluacin de la Incertidumbre
Las reglas generales para la evaluacin y expresin de la incertidumbre de medida, aceptadas
internacionalmente, se describen en la Gua para la Expresin de la Incertidumbre de Medida,
conocida como la GUM (Evaluation of measurement data Guide to the expression of uncertainty
in measurement), desarrollada por el Comit Conjunto de Guas en Metrologoga (JCGM, Joint
Committee for Guides in Metrology ).
Diversos organismos internacionales, como la Oficina Internacional de Pesas y Medidas (BIPM,
Bureau Internacional de Poids et Mesures), observaron la necesidad de estandarizar los mtodos
para la evaluacin y expresin de la incertidumbre, de manera que las mediciones realizadas en los
diferentes pases y en las diversas reas de la ciencia, la ingeniera, el comercio, la industria y la
reglamentacin, pudiesen ser comparadas fcilmente.
Este gua se basa en un conjunto de normas destinadas a caracterizar la calidad del resultado de una
medicin, para la cual utiliza el concepto de incertidumbre y su cuantificacin.
f)
Incertidumbre estndar
Por la naturaleza del comportamiento de las mediciones, se ha establecido que la incertidumbre
expresada bajo el concepto de una desviacin estndar o tpica es muy recomendable. La
incertidumbre estndar no es la desviacin estndar de un conjunto de datos asociados a una
muestra, pero puede obtenerse a partir de ellos cuando el resultado de una medicin se determina
a partir de una serie de observaciones obtenidas bajo condiciones de repetibilidad, como se muestra
en la siguiente ecuacin:
GC =
BC
HI
es una estimacin de la
23
Cuando se considera que las magnitudes de influencia son independientes, como se considerar en
este curso de laboratorio, puede demostrarse que la incertidumbre estndar asociada a la medicin
es:
GC = MG + G + GN
17
donde G , G , , representan las contribuciones a la incertidumbre de cada una de los factores que
influyen en la medicin y que pueden ser cuantificados.
El valor del mensurando no se conocer, sin embargo se puede dar un valor de estimacin el cual
generalmente se considera como el valor promedio de las mediciones, .
El intervalo de confianza de la medicin de la variable se puede representar por
P GC , + GC Q
o en forma abreviada y muy representativa en la teora de mediciones
= GC
Este medicin nos brinda aproximadamente un 68 % de probabilidad de que el valor del
mensurando se encuentre dentro de este intervalo.
Ejemplo:
Para determinar el voltaje sobre una resistencia, se realizan 5 mediciones utilizando un multmetro
digital (instrumento de medida). La resolucin del indicador (la lectura ms pequea que podramos
observar en la pantalla del instrumento) es 0,001 V. Segn la siguiente tabla de datos, exprese la
medicin del voltaje sobre la resistencia.
Tabla 1: Voltaje determinado, bajo condiciones de repetibilidad, sobre
una resistencia.
No.
1
2
3
4
5
Voltaje
(< 0,001) V
5,007
4,994
5,005
4,990
4,999
Solucin:
Aunque el nmero de datos es pequeo, para efectos ilustrativos el clculo de
la incertidumbre se realizar bajo la suposicin de una distribucin Normal de
los datos.
El valor promedio del conjunto de datos es <T = 4,999 V
18
HV
= 0,003209 V.
0,001
23
= 0,0002887 V
Incertidumbre combinada
Podemos calcular el valor representativo del intervalo de la medicin XT , o sea, el valor de la
estimacin del mensurando, a partir de la evaluacin de la variable X(L, Y, ) en los valores LT, YT, ,
es decir, XT = X(LT, YT, ).
Dependiendo de las condiciones particulares del caso en estudio, existen diversos mtodos para
calcular la incertidumbre estndar. Dentro de los mtodos ms utilizados se encuentran los
siguientes:
19
GZ (XT) =
\X
\X
] G (LT) + [ ] G ^YT_ +
\L
\Y
En forma abreviada
G` = MabJc GJ + abd c Gd +
b`
b`
(2)
b`
,
e
bJ JT, d,
b`
bd
b`
,
e
bd JT, d,
(3)
mo
c
JT
+ al
mp
c
dT
+ = q
(4)
\X
\X
[ GJ ] + [ Gd ] + = rPjJ GJ Q + Pjd Gd Q + = MsJ + sd +
\L
\Y
b`
b`
vara la estimacin de XT en funcin de las variaciones en los valores de las estimaciones LT,
YT, .
Es simple demostrar que la incertidumbre tpica combinada puede calcularse
numricamente calculando los valores de s.
1
sJ = tX^LT + GJ , YT, j, _ X^LT GJ , YT, j, _u
2
20
1
sd = tX^LT, YT + Gd , j, _ X^LT, YT Gd , j, _u
2
Si las incertidumbres de las variables a, b, , son pequeas, con este mtodo se obtienen
los mismos resultados con respecto a los mtodos anteriores.
Ejemplo:
La posicin de un objeto se puede determinar de la relacin X = LY . Se conocen los valores de las
variables a y b.
L = (10,20 0,57) mw
s
Y = 20,43 (1 1,8 %) s
(Nota: Hemos preservado un nmero mayor de cifras significativas para aplicar los criterios de
redondeo hasta el final).
a) Ley de propagacin de la incertidumbre:
b`
bJ
b`
= bJ e
G` =
JT, d,
= YT = 417,385
G` =
\X
\X
GJ ] + [ Gd ]
\L
\Y
b`
bd
b`
= bd e
JT, d,
= 2LTYT = 416,772
1,8
20,43y] = 283,00 0,28 10N m
100
21
Por tanto
X = 4,26(28) 10N m = (4,26 0,28) 10N m
Observe que se recomienda expresar la incertidumbre con un mximo de 2 cifras significativas.
G`
z=q=
XT
al
GJ
Gd
c + [l
] =
LT
YT
[1
0,57
0,37
] + [2
] = 0,06659
10,20
20,43
1
1
sJ = tX^LT + GJ , YT_ X^LT GJ , YT_u = t(LT + GJ )YT (LT GJ )YT u
2
2
1
= {10,77 20,43 9,63 20,43 | = 237,909 m
2
Por tanto
1
1
sd = tX^LT, YT + Gd _ X^LT, YT Gd _u = }LT^YT + Gd _ LT^YT Gd _ ~
2
2
1
= {10,20 20,80 10,20 20,06 | = 154,206 m
2
G` = r(237,909) + (154,206) = 283,51 0,28 10N m
22
Confeccin de Grficos
Las grficos1 deben su nombre al hecho de que son una forma grfica de organizar series de datos
para observar de forma visual la relacin matemtica que se manifiesta entra las variables
representadas.
Los grficos presentan la informacin de manera concisa, por lo que es posible determinar y analizar
de forma sencilla el comportamiento de procesos y fenmenos que de otra manera sera
complicado establecer. Adems, mediante los mtodos de extrapolacin e interpolacin, es posible
encontrar valores que no se determinaron por medios experimentales. Formalmente, es posible
determinar la correlacin estadstica para las series de datos graficadas, esto requiere de un anlisis
matemtico que desarrollaremos ms adelante.
Dependiendo de la informacin disponible y de lo que se quiera mostrar, hay varios tipos de grficos,
entre los que se encuentran:
Grfico de barras:
Cada barra representa una cantidad de una misma variable. Se usa para comparar dos o
ms valores de una misma situacin.
Se muestran a continuacin algunos ejemplos de grficos, tomados de otras fuentes:
Grficos circulares (o grfico de pastel): Se usan para mostrar informacin que se presenta
en porcentajes y es til cuando se quiere comparar datos. Se suele ordenar de mayor a
menor o de arriba hacia abajo.
Por ejemplo, la informacin de la grfica anterior podra presentarse en grficas circulares
como las que se ven a continuacin:
24
Guanacaste
7,6%
Limn
9,0%
San Jos
32,6%
Puntarenas
9,6%
Heredia
10,1%
Alajuela
19,7%
Cartago
11,4%
Guanacaste
6,9%
Limn
8,9%
Puntarenas
9,4%
Heredia
9,3%
San Jos
35,3%
Alajuela
18,8%
Cartago
11,3%
Grficos de dispersin:
En el desarrollo de los cursos de Laboratorio de Fsica General se utilizarn primordialmente
los grficos de dispersin, por lo que los estudiaremos con especial nfasis.
Los grficos de dispersin presentan la informacin en un sistema de coordenadas
cartesianas donde, a cada uno de los ejes x y y se les adjudica una escala asociada con el
25
fenmeno medido. Los valores de los pares de datos se representan como puntos en un
plano cartesiano.
En este tipo de grficos es posible observar una correlacin entre dos variables, de las que
una ser la variable independiente y la otra jugar el papel de la variable dependiente. Como
regla general, la variable independiente del fenmeno se representa en el eje de las abscisas
(x) y la variable dependiente en el eje de las ordenadas (y).
El grfico que se presenta finalmente es una coleccin de puntos, cada uno determina el
valor que se lee segn las escalas de los ejes horizontal y vertical. La tendencia que tenga
esta serie de puntos nos indica, intuitivamente, la correlacin que hay entre las dos variables
x y y.
En la literatura es posible encontrar una gran variedad de estilos para los grficos de
dispersin; en nuestro curso de laboratorio adoptaremos algunas de las normas ms
utilizadas, de tal forma que el adaptarse a otros estilos sea una tarea sencilla.
Por ejemplo, supongamos que se desea estudiar la variacin de la densidad del agua con los
cambios de temperatura. Se determina la densidad para una muestra de agua a diferentes
temperaturas. El resultado se resume en la siguiente tabla:
Tabla 1: Variacin de la densidad del agua con la temperatura
Temperatura
(C )
0
1
2
3
4
5
6
7
8
9
10
11
12
Densidad
(kg/m3)
999,82
999,89
999,94
999,98
1000,00
1000,00
999,99
999,96
999,91
999,85
999,77
999,68
999,58
Temperatura
(C )
13
14
15
16
17
18
19
20
21
22
23
24
25
Densidad
(kg/m3)
999,46
999,33
999,19
999,03
998,86
998,68
998,49
998,29
998,08
997,86
997,62
997,38
997,13
Antes de graficar es necesario tener claro cul de las dos variables es la independiente y cul ser la
dependiente. En este caso, al cambiar la temperatura cambia la densidad del agua, por lo que la
variable independiente ser la temperatura. As, al graficar las variables (x,y)=(T,d) se obtiene la
siguiente grfica:
26
1000,5
1000,0
Densidad (kg/m3)
999,5
999,0
998,5
998,0
997,5
997,0
996,5
0
10
20
Temperatura (C)
El grfico debe tener un ttulo, que sin entrar en detalles d una idea del fenmeno que est
siendo analizado. En l se deben incluir explcitamente las variables que se estn graficando.
El ttulo se coloca en la parte inferior de la grfica y debe numerarse.
Los ejes deben estar rotulados de manera tal que quede claro cul variable se asocia a cada
uno, adems se deben indicar las unidades de la variable que se est graficando. No se debe
olvidar que al graficar las variables matemticas, x y y se transforman en variables fsicas y
como tales deben ser expresadas las magnitudes y su respectiva unidad, es decir, de forma
completa.
Las escalas en ambos ejes deben permitir una lectura sencilla y rpida.
Los valores correspondientes a cada par de datos no suelen sealarse sobre los ejes, si no
nicamente los mltiplos y submltiplos de la escala principal, de modo tal que la
informacin quede uniformemente separada.
Para mejorar la interpretacin visual de la grfica es necesario que los pares de datos (los
puntos) abarquen la mayor cantidad de rea posible. Para el ejemplo presentado de la Tabla
1 se puede ver que los datos de temperatura estn dentro del intervalo entre 0 C y 25 C.
Para la densidad el valor ms alto es 999,82 kg/m3 y el ms bajo es 997,13 kg/m3. Esto se
refleja en la grfica, pues al ver el eje de la variable independiente observamos que su escala
inicia en 0 C y finaliza en 26 pero, al analizar la escala del eje de la variable dependiente
27
vemos que no inicia en 0 kg/m3. Al no tener ningn valor menor a 997,13 kg/m3, no es
necesario incluir un rango de valores ms bajo pues, no nos da ninguna informacin y
presentara un grfico ms reducido lo que est indicado.
Si el grfico se hace a mano, todas las consideraciones anteriores deben ser igualmente
tomadas en cuenta y adems debe ser dibujado en papel milimtrico.
la serie de datos. Si se usa algn software de graficacin para computadora, se debe seleccionar la
escala logartmica, el programa mismo se encargar de usar los ciclos que sean necesarios.
En el caso de que tanto la variable independiente como la dependiente cambien en dos o ms
rdenes de magnitud, se emplea el papel doblemente logartmico (log-log), como el que se ve en la
Figura 6. Esto ser de especial ayuda cuando se conoce o se sospecha que la relacin entre las
variables es del tipo potencial, es decir:
X=
donde A y B son constantes que pueden llegar a determinarse por medio de la grfica o
estadsticamente.
Graficar en papel logartmico es equivalente a tomar el logaritmo de cada uno de los datos para
presentarlo en una grfica lineal como las que estudiamos en la seccin anterior.
X=
log X = log( )
log X = log + B log
donde se grafica log y en funcin de log x. La ventaja de hacerlo directamente en la escala
logartmica es que nos ahorramos el paso de hacer el clculo de los logaritmos para los datos pues,
se grafican las variables x y y originales. El comportamiento de la serie de datos en la escala
logartmica es lineal, el valor de la pendiente ser el de la potencia B y la interseccin tambin puede
calcularse de la informacin que brinda el grfico.
Si solo una de las dos variables tiene un rango de varios rdenes de magnitud se utiliza papel
semilogartmico, en este una de las escalas es lineal y la otra logartmica. La relacin terica de este
tipo de fenmenos es:
X = C
ln X = ln( C )
ln X = ln + ln C
ln X = ln +
que sera como graficar ln y en funcin de x. El comportamiento de los pares de datos en la grfica
semilogartmica es lineal y podemos encontrar el valor del exponente B de la pendiente y tambin
puede obtenerse el valor de constante A de la informacin adicional que se obtiene del grfico.
Linealizacin
Cuando la relacin terica entre las variables que se miden es conocida, es posible hacer los cambios
necesarios para que la grfica sea lineal. A este mtodo de graficacin se le llama cambio de variable
29
o linealizacin, porque se hace una seleccin de las magnitudes representadas en cada uno de los
ejes coordenados con el fin de que los pares de datos tengan un comportamiento lineal.
Trabajar con grficas de comportamiento lineal, ante cualquier otro tipo de tendencia entre las
variables, tiene algunas ventajas, entre ellas que permite la comprobacin visual de la ley que est
siendo estudiada y es ms sencillo determinar matemticamente la correlacin entre las variables.
Encontrar la relacin matemtica entre las variables es un tema que trataremos en la siguiente
seccin.
Ejemplo:
El periodo T de un sistema masaresorte (tiempo que tarda un objeto, atado a un resorte, en realizar
un ciclo completo movindose de lado a lado) est relacionado con la masa del objeto de la siguiente
manera
= 2M
f
donde k es la constante del resorte y m es la masa del objeto.
Reorganizando la expresin para agrupar las constantes, se puede escribir como:
=[
] i
h
Si se grafica T en funcin de m, tendr la forma de una curva (relacin potencial), pero si se grafica
las variables T en funcin de m1/2, obtendremos una lnea recta que pasa por el origen y cuya
pendiente tiene el valor constante
30
Periodo, T [s]
masa, m [kg]
m1/2
31
Cambio de variable
Supongamos que se realiza un experimento en el que se adquieren datos de dos variables. Para
analizar el experimento realizamos una grfica de una variable (variable 1) en funcin de la otra
variable (variable 2). Entonces, notamos en la grfica que la tendencia entre estas dos variables no
es lineal. De hecho, normalmente el modelo que representa un fenmeno natural no es una funcin
lineal, es decir, su grfica no es una lnea recta.
Uno de los objetivos del anlisis experimental es encontrar la curva de mejor ajuste que describe el
comportamiento cuantitativo de los datos, su ecuacin se denomina ecuacin experimental o
ecuacin emprica. Como los modelos lineales son ms fciles de analizar, se pueden tratar de
transformar las funciones no lineales a la forma lineal, lo cual en muchas situaciones es posible. A
este procedimiento se le denomina linealizacin. Uno de los mtodos que permite linealizar algunos
modelos es el llamado cambio de variable.
Para utilizar este mtodo de manera efectiva es necesario conocer la relacin terica que existe
entre las variables, sino, se tendra que recurrir a la prueba y error hasta que la grfica se linealice.
Cuando se cuenta con una ecuacin terica, se puede proponer un cambio de variable
reacomodando la ecuacin y definiendo nuevas variables, tal que la nueva ecuacin quede de la
forma:
() = (j /L 1) ( ) + (j /L 2)
Si se grafica la variable1 en funcin de la variable2, obtendremos una relacin lineal, puesto que
hemos reacomodado todo para que quedara en forma de la ecuacin de la recta:
() = (j /L 1) ( ) + (j /L 2)
X = +Y
Es importante recordar que el cambio de variable es un herramienta matemtica para obtener una
lnea recta a la que se le pueda calcular fcilmente la ecuacin emprica, pero su grfica (y por lo
tanto la ecuacin de esta) no describen el fenmeno fsico real. Luego de adquirir la ecuacin
emprica de la lnea recta, se debe invertir el cambio de variable que hicimos y obtener la ecuacin
emprica en trminos de las variables originales.
32
Ejemplo:
En el experimento del pndulo simple, se ata una masa a una cuerda y se hace oscilar. Se miden los
diferentes perodos (T) del pndulo segn diferentes longitudes (L) de la cuerda, con lo que se
obtienen los siguientes datos:
Tabla 1. Longitud (L) y periodo (T) de un pndulo simple.
L (m)
0,1
0,3
1,0
3,0
6,0
9,0
T (s)
0,6
1,1
2,1
3,4
5,0
6,0
7,0
6,0
5,0
4,0
3,0
2,0
1,0
0,0
0,0
2,0
4,0
6,0
8,0
10,0
En este caso la tendencia no es lineal, pero se puede transformar a una tendencia lineal, aplicando
un cambio de variable. La ecuacin terica para el pndulo simple es:
33
= 2M
Reacomodando:
=
h
i
(1)
Como se puede observar, la ecuacin es de tipo potencial, con la variable = i . Esta ecuacin se
puede reacomodar a la forma de la ecuacin de la lnea recta si se aplica logaritmo a ambos lados:
log() = log
log() = log
i
h
+ log ai c
h
1
log() = log + log()
2
r
2
As, el cambio de variable sera Y = log(T ) y X = log( L ) . Al graficar con estas nuevas variables
se espera una tendencia lineal, con pendiente =
obtienen los valores de las nuevas variables que se muestran en la siguiente tabla:
Tabla 2. Variables X y Y.
L (m)
0,1
0,3
1,0
3,0
6,0
9,0
34
1,0
0,8
0,6
0,4
Y = 0,5085X + 0,3002
0,2
0,0
-2,0
-0,2
2,0 X
0,0
-0,4
2
2
= [ d ] = [ ,N ] 9,9 /
10
10
Y el valor experimental del exponente:
= 0,5085
1
2
Como se observa del cambio de variable, podemos obtener los valores de las constantes de la
ecuacin terica original. As, se puede obtener la ecuacin emprica completa si estos se sustituyen
en la ecuacin original (1). Es decir, ahora podemos volver a las variables originales y a la grfica
original. Esta ecuacin emprica tambin puede representarse en el Figura 1, ya que sera la ecuacin
exacta que indica la tendencia de los datos experimentales (ver Figura 3):
35
7,0
6,0
5,0
4,0
T = 1,9962L0,5085
3,0
2,0
1,0
0,0
0,0
2,0
4,0
6,0
8,0
10,0
Para tener una mejor idea de cmo realizar los cambios de variables se puede observar la siguiente
tabla. En esta se muestran algunos cambios de variables comunes:
dC
Recproca: X = L + Y C
Potencial modificada:
X = +L d
Transformacin
= ln (X)
=
= ln (L)
=Y
= log (X)
= log ( )
= log (L)
=Y
=X
1
=
=Y
=X
= d
=L
Forma lineal
= +
= +
=L+
=+
36
Regresin Lineal
Determinacin de la recta de mejor ajuste
Cuando se estudia un fenmeno es deseable determinar cmo se encuentran relacionadas
las variables bajo observacin. Con este fin, la informacin se organiza, ya sea en tablas en
las que se resumen los datos recolectados o en grficos, que de forma rpida y sencilla,
facilitan visualizar alguna tendencia en su comportamiento. Estos mtodos permiten
observar la tendencia de comportamiento de las variables de forma cualitativa pero a veces
es necesario cuantificar la relacin; para eso se debe encontrar una ecuacin que se ajuste
al comportamiento de las variables analizadas.
Partamos de un ejemplo, del anlisis de la variacin de la velocidad en funcin del tiempo
para un movimiento con aceleracin constante. Al hacer las mediciones en el laboratorio se
obtienen los siguientes resultados:
Tabla 1. Velocidad (v) en funcin del tiempo (t) para un movimiento con
aceleracin constante
t (s)
v (m/s)
1,0
8,0
1,5
9,7
2,0
10,8
2,5
12,4
3,0
13,9
3,5
15,8
4,0
17,0
4,5
18,8
5,0
19,7
37
21,0
19,0
v [m/s]
17,0
15,0
13,0
11,0
9,0
7,0
0,0
2,0
4,0
6,0
t [s]
Figura 1. Velocidad en funcin del tiempo para un movimiento con aceleracin uniforme
De la grfica es posible observar que, adems de que ambas variables son crecientes, la
serie de datos tiene una tendencia lineal.
Si pudiramos trazar una recta que se ajuste a esta tendencia podramos determinar su
ecuacin y por lo tanto tener una relacin cuantitativa entre las variables. Sera posible
entonces determinar el valor de la velocidad en cualquier tiempo intermedio (interpolar),
como tambin para tiempos mayores y menores a los medidos en el experimento
(extrapolar).
Pero Cul lnea sera la vlida? Podramos pensar que es posible trazar esta lnea a mano
alzada pero esto hara que el proceso tenga una componente subjetiva y es deseable que
eso no suceda. La que buscamos es la recta de mejor ajuste, que por definicin es la recta
que pasa lo ms cerca posible de todos los puntos (pares de datos). Para encontrarla se
utilizan algunos procedimientos estadsticos que aseguran determinar el valor de la
pendiente y el intercepto de esta recta, utilizando como insumo el valor de los pares de
datos medidos en el experimento.
Uno de los mtodos ms utilizados se llama Mnimos Cuadrados y se basa en minimizar,
matemticamente, el cuadrado de las diferencias verticales (ei) entre el dato experimental
y la recta de mejor ajuste, como se muestra en la Figura 2. Con el fin de simplificar el clculo
se asume que nicamente la variable y tiene incertidumbre. En la prctica, se requiere que
38
yi
ei = yi y i
yi
x
Figura 2. Ajuste de una lnea recta.
(e )
i =1
[ei ] = [ yi yi ] = yi ( mxi + b )
i =1
i =1
i =1
39
m=
i =1
n
i =1
n ( xi yi ) xi yi
i =1
n xi2 ( xi ) 2
i =1
i =1
(1)
n
b=
x y x (x y )
i =1
2
i
i =1
n
i =1
i =1
n xi2 ( xi ) 2
i =1
i =1
Existen otras formas de obtener el valor de los parmetros de recta de mejor ajuste sin
necesidad de utilizar el clculo diferencial e integral (ver mtodo de multiplicadores en la
Experiencia 4)
El mtodo de Mnimos Cuadrados ofrece ventajas para determinar la recta de mejor ajuste,
es el mtodo ms utilizado, por lo que est disponible tanto en calculadoras cientficas
como en programas para el tratamiento de datos.
En nuestro ejemplo, al realizar los clculos (utilizando Excel) se obtiene: = 3,00 y
Y = 5,02.
21,0
19,0
v = 3,00 t + 5,02
v [m/s]
17,0
15,0
13,0
11,0
9,0
7,0
0,0
2,0
t [s]
4,0
6,0
Figura 3. Recta de mejor ajuste para la velocidad en funcin del tiempo. Movimiento
uniformemente acelerado.
40
En este caso, los parmetros de la recta de mejor ajuste pueden relacionarse con los
parmetros del movimiento
X = + Y = L +
Obsrvese que adems de determinar la ecuacin que representa el movimiento para
cualquier tiempo entre 0 s y 5 s, si para tiempos mayores se pudiese asegurar que el
movimiento mantiene constante la aceleracin, es posible predecir informacin importante
del movimiento. Por comparacin directa, se puede obtener la aceleracin a= 3,00 m/s2 y
la velocidad inicial del movimiento vo= 5,02 m/s.
A la determinacin de la ecuacin de la recta de mejor ajuste, cual sea el mtodo por el que
se la encuentre, se le llama regresin lineal.
Coeficiente de correlacin
Para el uso de las ecuaciones de la pendiente y la interseccin (ecuacin 1) se requiere que
la relacin entre las variables sea lineal, si no lo es, de igual manera se obtendr una
ecuacin de la recta pero esta no tendr ningn significado fsico real. Para determinar si la
serie de datos que est siendo tratada se adeca al modelo lineal de mejor ajuste se calcula
un parmetro que se llama el coeficiente de correlacin (r) o coeficiente de correlacin de
Pearson.
n
r=
i =1
i =1
n xi yi xi yi
i =1
n 2 n
n xi xi
i =1
i =1
n 2 n 2
n yi yi
i =1
i =1
( )(X XT)
M( ) (X XT)
41
( y y)
= 1
( y y)
2
2
42
43
Ejemplo:
Se midi la longitud de la barra de cobre como una funcin de la temperatura. El grfico
mostrado en la Figura 1 indica que el aumento en la longitud de la barra es directamente
proporcional al incremento en la temperatura.
44
Ejemplos:
a) Una comparacin de las propiedades trmicas aislantes del poliestireno y de la fibra
de vidrio.
b) Medicin del calor especfico del agua por medio de calorimetra convencional.
2. Resumen
Se recomienda que sea breve entre 50 a 150 palabras. Se debe evitar el detalle que luego
se podr hallar en las secciones siguientes. Aqu se presenta de forma directa lo que fue
hecho, el por qu es importante y las principales conclusiones.
3. Introduccin
Debe describir los fundamentos y los objetivos particulares del experimento. En esta
seccin se refiere al problema a ser investigado y se presenta el estado del arte, con el
cuidado de no dar demasiado detalle, para no perder la atencin del lector, pero tampoco
debe carecer de informacin pues es posible que el lector se confunda.
La extensin de la introduccin depende del tipo de reporte; se recomienda que no exceda
el 20 % del total de todo el informe.
Algunos aspectos que deben ser tomados en cuenta al escribir la introduccin son los
siguientes:
1.
2.
3.
4.
4. Materiales y mtodos
Esta seccin es una descripcin de cmo fue realizado el experimento, adems de que se
presentan los materiales, las muestras y los componentes usados. Se describen en pocas
palabras, las tcnicas experimentales, el procedimiento y el equipo utilizado. Si es necesario
se incluyen diagramas de la configuracin experimental.
Aspectos que pueden tomar en cuenta para facilitar la confeccin de esta seccin:
45
1.
2.
3.
4.
5. Resultados y discusin
No es necesario incluir todos los datos obtenidos en el experimento, nicamente los datos
necesarios para que el anlisis, la discusin y las conclusiones estn bien respaldados. Se
recomienda utilizar grficos, pues adems de presentar grandes cantidades de informacin,
suelen verse en la primera mirada que se d al informe y generalmente el lector lo
observar con ms detalle que una tabla de datos.
En la discusin se interpretar los resultados que se han presentado, enfocndose en los
puntos importantes. Si se considera que alguno de los clculos realizados debe ser
presentado en detalle, como por ejemplo el clculo de incertidumbres, este deber incluirse
en la seccin de apndices o anexos.
Algunos aspectos que deben ser considerados para la confeccin de esta importante
seccin:
1.
2.
3.
4.
5.
6.
Valores medidos.
Descripcin de las incertidumbres.
Grficos.
Clculos.
Comparacin entre el modelo y el sistema.
Discrepancias entre el modelo y el sistema.
6. Conclusiones
Esta es una de las secciones ms importantes y en muchas ocasiones es difcil de
confeccionar. Debemos regresar al propsito del experimento: cul fue su objetivo y cmo
el experimento realizado alcanza ese objetivo. Si otros investigadores han realizado una
investigacin similar, puede incluirse una comparacin de los resultados obtenidos, dando
una referencia al otro trabajo. Si se ha determinado el valor de alguna variable importante,
debe darse explcitamente en las conclusiones.
46
7. Apndices
Hay ocasiones en el que debe incluirse algn material que de presentarse dentro del propio
informe afectara la lectura del reporte, como lo es el desarrollo de algn clculo
matemtico o una demostracin. Tambin pueden incluirse tablas de datos experimentales
o grficos que se considere importantes para complementar la informacin. En muchas
ocasiones, en esta seccin se incluye el listado de un programa de cmputo o una rutina
que fue utilizada en el anlisis de datos.
8. Referencias
Las referencias son una parte importante de los informes pues se da acceso a la informacin
concerniente a la investigacin, a los detalles de las tcnicas experimentales utilizadas y a
los resultados obtenidos por otros investigadores.
Hay varias formas de citar las referencias dentro de un informe. En este curso de laboratorio
hemos acordado el uso de las normas APA, puesto que son normas muy utilizadas en
muchas reas y a travs de ellas ser sencillo adaptarse a otras convenciones.
Ejemplo
A continuacin se presenta un ejemplo de informe, en donde se observan algunas de las
secciones ms importantes que se han mencionado hasta ahora. No se pretende con este
modelo limitar al estudiante al uso exclusivo de estas secciones, al contrario, se incentiva
utilizar o proponer otras formas en donde se muestre y analice adecuadamente la
informacin.
47
Grupo 40
Laboratorio de Fsica General I
Escuela de Fsica, Instituto Tecnolgico de Costa Rica
Agosto de 2013
48
Resumen
Un objeto cayendo libremente bajo la accin de la gravedad, cerca de la superficie de la
Tierra, se mueve con aceleracin constante. En este informe se evalan dos mtodos para
la determinacin de la aceleracin debida a la gravedad, g. En uno de los mtodos se utiliza
la relacin entre g y el tiempo que tarda un objeto en caer una distancia fija. El otro mtodo
se basa en la medida del periodo de un pndulo simple. Ambos mtodos resultan en valores
de g que son consistentes con valores reportados anteriormente, pero se observa que el
mtodo en el que se utiliza el pndulo simple proporciona valores ms exactos y precisos.
1. Introduccin
Todos los cuerpos sobre la superficie de la Tierra experimentan una fuerza de atraccin
debida a la gravedad. El efecto de la fuerza es ms evidente cuando el cuerpo se deja caer
libremente bajo la influencia del campo gravitacional. La ley de Newton de la gravitacin
predice que la aceleracin debida a la gravedad depende de la masa de la Tierra y de la
distancia medida desde el centro de la Tierra, a la que se encuentra el cuerpo que cae. Como
la distancia de cada de un objeto cerca de la superficie de la Tierra es pequea comparada
con el radio de la Tierra, g puede ser considerado constante en todo el recorrido. El objetivo
de este experimento es comparar dos mtodos para establecer el valor del campo
gravitacional, g, cerca de la superficie de la Tierra.
2. Materiales y Mtodos
Cada libre de objeto (Mtodo A)
Se determin el tiempo que una bola de metal tard en caer varias distancias, h. La Figura 1
muestra el arreglo experimental utilizado.
49
La distancia h fue medida con una cinta mtrica, la cual tiene una menor divisin de 1 mm.
La medida del tiempo de cada fue realizada utilizando un cronmetro de mano con una
resolucin de 0,01 s. Para obtener una mejor estimacin del tiempo, se realizaron 5 medidas
para cada distancia (bajo condiciones de repetibilidad)
50
3. Resultados y Discusin
Mtodo A
En la Tabla 1 se muestran los datos obtenidos para la cada libre de la bola como una funcin
de la distancia. La segunda columna de la tabla contiene el valor promedio de las cinco
mediciones realizadas para cada distancia. La desviacin estndar del tiempo corresponde
a la desviacin estndar de la distribucin de las medias (JCGM, 2008).
Tabla 1. Tiempo promedio de cada de la bola para varias distancias.
Distancia
(h 0,01) m
0,86
2,02
3,01
4,26
Tiempo
t (s)
0,38
0,65
0,79
0,99
Desv. Estndar
St (s)
0,06
0,06
0,10
0,10
La relacin entre la distancia, h, a travs de la cual el cuerpo se mueve (a partir del reposo)
con aceleracin constante, a, en el tiempo, t, est dada por (Resnick, Halliday, & Krane,
2004):
= L
(1)
= a J c i
(2)
h
i
(3)
(4)
51
t (s)
0,8
0,6
0,4
Datos Exp.
Lnea mejor ajuste
y = 0,5293x - 0,1109
R = 0,9977
0,2
0,0
0,0
0,5
1,0
1,5
2,0
2,5
h1/2 (m1/2)
Ci ( C )i
(5)
52
Mtodo B
La Tabla 2 muestra los datos obtenidos del periodo del pndulo como una funcin de la
longitud. La incertidumbre en el tiempo corresponde al promedio de la desviacin estndar
aproximada para cada longitud.
Tabla 2. Valores medidos del periodo del pndulo como funcin de la longitud.
Longitud
(L 0,005) m
0,410
0,575
0,700
0,825
0,900
Periodo
(T 0,02) s
1,32
1,55
1,71
1,84
1,93
La relacin entre el periodo del movimiento del pndulo simple (T) y su longitud (L) es
(Sears, Zemansky, & Young, 1988):
=
i
2 ac
(6)
(7)
i
Ai
(8)
h
53
Del mtodo de mnimos cuadrados se obtiene la relacin lineal X = 1,967 + 0,0601 y con
la ecuaciones (5) y (8) se determina, mediante este mtodo, que la aceleracin debida a la
gravedad es:
= (10,2 0,9) m s = 10,2 (1 8,8 %) m s
2,0
1,9
1,8
1,7
T (s)
1,6
1,5
1,4
1,3
Datos Exp.
1,2
1,1
1,0
0,4
0,6
0,8
L1/2
1,0
(m1/2)
Observe que los valores para la aceleracin de la gravedad, determinados usando ambos
mtodos, son consistentes con los valores que se encuentran en la literatura (Crossley,
Hinderer, & Riccardi, 2013). Sin embargo, el mtodo a partir del periodo del pndulo simple
es ms conveniente, pues las mediciones se realizan ms rpidamente y el valor de g
obtenido es ms cercano al publicado por otros investigadores, es decir, es un valor ms
exacto que el obtenido con el mtodo A. En ambos mtodos, la fuente principal de
incertidumbre est en la determinacin del tiempo de los eventos. Sin embargo, en el caso
del pndulo, el tiempo de reaccin es una pequea fraccin del tiempo total de la medicin,
mientras que en el mtodo A el tiempo de reaccin es significativo en cada medida. Quizs,
un medio electromecnico u ptico para sincronizar el inicio y el final del movimiento de la
bola con el instrumento de medicin podra brindar un mejor resultado.
54
4. Conclusiones
Se ha determinado el valor de = (10,2 0,9) m s para la aceleracin debida a la
gravedad estudiando el movimiento de un pndulo simple. Este valor es comparado con el
valor = (7,1 2,9) m s obtenido a partir de la medicin del tiempo de cada libre de
un objeto bajo la accin de la gravedad. La incertidumbre relativa de 8,8 % para el mtodo
del pndulo, comparada con la incertidumbre relativa de 40,8 % para el mtodo de cada
libre, muestra que el resultado obtenido mediante el pndulo simple presenta mayor
precisin, adems de ser ms exacto pues el valor es ms cercano al valor de referencia.
5. Referencias
Baird, D. C. (1991). Experimentacin: Una introduccin a la teora de mediciones y al diseo de
experimentos. Mxico: PRENTICE-HALL HISPANOAMERICANA, S. A.
Crossley, D., Hinderer, J., & Riccardi, U. (2013). The measurement of surface gravity. Reports on
Progress in Physics, 76(046101), 47.
JCGM, C. C. (2008). Evaluacin de datos de medicin -Gua para la expresin de la incertidumbre de
la medida. Madrid: Centro Espaol de Metrologa.
Resnick, R., Halliday, D., & Krane, K. S. (2004). Fsica. Mxico: Compaa Editorial Continental.
Sears, F. W., Zemansky, M. W., & Young, H. D. (1988). Fsica Universitaria (Sexta ed.). Mxico:
Addison-Wesley Iberoamericana, S. A.
55
Segunda Parte
Experiencias
56
EXPERIENCIA 1
1.
OBJETIVOS
General:
Introducir al estudiante al tratamiento estadstico de datos en el rea experimental.
Especficos:
1. Introducir al estudiante a la toma de datos experimentales
57
2.
EQUIPO
Tabla 1. Materiales y equipo recomendado.
Cantidad
3.
3.1
Descripcin
Bloque de madera
Pliego de papel blanco (o varias hojas tamao carta unidas con cinta
adhesiva)
Cinta adhesiva
TOMA DE MEDIDAS
MEDIDA DIRECTA DE LA DISTANCIA RECORRIDA
1. Trace sobre el pliego de papel una lnea horizontal, denominada AB. A partir de
esta lnea se soltar el bloque de madera.
2. Seleccione una pared del laboratorio y pegue con cinta adhesiva el pliego de papel.
3. Un estudiante, E1, coloca en la lnea horizontal AB el bloque de madera. Un
segundo estudiante, E2, coloca su mano a unos 20 cm debajo de la lnea AB y a
unos 10 cm de la pared.
4. El estudiante E1 suelta el bloque de madera sin previo aviso y el estudiante E2
trata de detenerlo.
5. Trace una pequea raya sobre el pliego de papel indicando la altura a la que detuvo
el bloque. Use la parte superior del bloque como referencia para hacer esta marca.
Indique junto a la marca el nmero correspondiente a la medicin realizada.
6. Repita 29 veces ms los pasos del 3 al 6 hasta completar 30 medidas.
7. Retire el pliego de papel de la pared.
58
30
4.
4.1
Distancia de cada
d (m)
CLCULOS
MEDIDA DIRECTA DE LA DISTANCIA DE CADA DEL BLOQUE DE MADERA.
1. Calcule el valor promedio, la desviacin estndar y el coeficiente de variacin para
el conjunto de 30 datos.
2. Confeccione una tabla de frecuencias (seleccione adecuadamente los intervalos de
clase y las marcas de clase).
3. Utilizando el programa Excel, haga un histograma para el conjunto de datos de las
distancias.
Opcional:
4. Utilice las herramientas de anlisis de datos de Excel para hacer el histograma.
= M , calcule el tiempo de cada del bloque de madera para cada una de las
60
EXPERIENCIA 2
En general, la incertidumbre de una medida toma en cuenta diversos aspectos, conocidos como
componentes de la incertidumbre. Algunos de estos factores pueden ser cuantificados a partir de la
distribucin estadstica de los resultados de una serie de mediciones y pueden caracterizarse
considerando las desviaciones estndar experimentales. En este caso, se dice que la incertidumbre
es del tipo A. Otras componentes, que tambin pueden ser cuantificadas con desviaciones tpicas o
estndar, se evalan asumiendo distribuciones de probabilidad, basadas en la experiencia del
observador o en otras informaciones disponibles, como por ejemplo, la suministrada por el
fabricante del instrumento. A este tipo de incertidumbre se le conoce como incertidumbre del
tipo B.
Es comn que el resultado de una medicin no se obtenga directamente de las lecturas realizadas
con el instrumento de medicin, sino a partir de los valores de otras magnitudes. Mediante el clculo
de la incertidumbre estndar combinada se puede cuantificar la incertidumbre estndar de una
variable que depende del valor de otras variables.
61
1.
OBJETIVOS
Objetivo General
Aplicar los conceptos bsicos de la teora de mediciones.
Objetivos Especficos
1.
2.
3.
4.
5.
2.
EQUIPO
Tabla 1. Materiales y equipo
Cantidad
3.
Descripcin
Pndulo Simple
Balanza digital
Transportador
TOMA DE MEDIDAS
3.1
3.2
62
3.3
a. Coloque el Smart Timer en el modo TIME PENDULUM, y ajuste el equipo para que la
esfera interrumpa el haz de luz sin golpear el fotosensor.
b. Utilizando el transportador, mida una amplitud (ngulo entre la cuerda y la vertical) de
10.
c. Presione el botn Start/Stop hasta que aparezca un asterisco.
d. Deje oscilar el pndulo y anote el tiempo medido para una sola oscilacin.
e. Bajo las mismas condiciones de medida, realice la medicin 10 veces.
f. Confeccione una tabla adecuada para el ordenamiento de los datos.
g. Anote la resolucin del indicador del instrumento ( - ), que en este caso es el Smart
Timer.
4.
CLCULOS
4.1
BA
63
23
4.2
= AC A ).
23
4.3
23
64
4.4
4
T
\
\
[ ] G + [ ] G =
\
\
4
8
G + N G
T
65
EXPERIENCIA 3
Elaboracin de Grficos
Los grficos son uno de los medios ms utilizados para la presentacin de informacin en general y
de datos estadsticos en particular. La informacin presentada a travs de grficos se entiende ms
rpidamente que en otros medios como tablas, clculos o explicaciones verbales. Adems, los
grficos facilitan el anlisis, estudiar datos, hacer comparaciones y sacar deducciones. Asimismo,
estos son mucho ms llamativos para el lector, por lo que es ms probable que a ste le sea ms
interesante un grfico bien realizado que las explicaciones verbales o una tabla.
Los grficos no son tan detallados o cuantitativos como los datos puros, es decir, dan una visin ms
general del conjunto de datos. No obstante, esto permite ahorrar esfuerzo al lector en la
comprensin e interpretacin global de la informacin. Cabe resaltar que en los grficos no se puede
incluir demasiada informacin o de muy variada naturaleza, pues esto disminuira su utilidad. Sin
embargo, tambin resultan ms adecuados cuando la informacin se debe presentar a personas no
especializadas en el tema especfico o que no estn familiarizadas con el tratamiento de los datos.
Es importante mencionar que, a pesar de los beneficios que aportan los grficos, no deben sustituir
a la presentacin tabular. De hecho, los grficos son elementos complementarios a las tablas que
sirven para reforzar las argumentaciones o conclusiones. Dar un grfico sin su respectiva tabla debe
evitarse y slo darse en situaciones especiales, como cuando se trata de propaganda o de artculos
de divulgacin.
En esta experiencia se utilizarn algunos criterios para realizar grficos manualmente y mediante un
programa de tratamiento de datos. Tambin se desarrollarn algunas de las tcnicas que permiten
visualizar, de manera ms adecuada, el comportamiento de los datos, como es el cambio o
transformacin de variables. Adems, se introducir el uso de Excel para la realizacin de grficos,
debido a que Excel es uno de los software propietarios ms utilizados para este fin.
1. OBJETIVOS
Objetivo general
Utilizar grficos para representar y analizar datos experimentales.
Objetivos especficos
a. Aplicar las principales convenciones para la elaboracin de grficos.
b. Utilizar adecuadamente el papel milimtrico, el papel logartmico y el papel
semilogartmico.
c. Observar grficamente el efecto de los cambios de variable en el anlisis de datos.
d. Elaborar grficos mediante el uso de la computadora.
66
2. PROCEDIMIENTO
2.1
Datos Experimentales
Basados en el diseo experimental utilizado para la medicin del periodo del Pndulo Simple
(Figura 1), se determin la variacin del periodo del pndulo en funcin de la longitud. Los resultados
experimentales se muestran en la Tabla 1.
Segn el modelo terico, el periodo del pndulo vara con la longitud segn la siguiente relacin:
= 2M
Periodo (T 0.0001) s
Longitud
(L 0.2) cm
10.0
20.0
30.0
40.0
50.0
60.0
80.0
100.0
T1
T2
T3
T4
T5
0.6624
0.6625
0.6588
0.6666
0.6652
0.9291
0.9236
0.9253
0.9244
0.9294
1.1145
1.1166
1.1185
1.1204
1.1218
1.2805
1.2819
1.2849
1.2829
1.2845
1.4296
1.4301
1.4325
1.4322
1.4330
1.5628
1.5631
1.5627
1.5638
1.5630
1.8026
1.8040
1.8040
1.8041
1.8044
2.0155
2.0154
2.0155
2.0161
2.0173
a) Introduzca la tabla de datos en una hoja de trabajo de Excel para calcular el periodo
promedio y su incertidumbre estndar para cada longitud. Para ello puede insertar ms
columnas a la derecha.
67
2.2
Siga los criterios vistos en clase para realizar los siguientes grficos en papel milimtrico.
a) T en funcin de L.
b) T en funcin de .
Observe las diferencias entre ambos grficos.
2.3
2.4
Utilizacin de la computadora
Mediante el uso del programa Excel, haga los siguientes grficos de dispersin:
a)
b)
c)
d)
e)
T en funcin de L.
T en funcin de .
en funcin de L.
Log T en funcin de Log L.
T en funcin de L, seleccionando la Escala Logartmica en ambos ejes.
Para cada uno de los grficos anteriores, explique los resultados obtenidos.
68
2.5
En la Tabla 2 se muestra el nmero de bacterias por unidad de volumen (n), en un cultivo, como una
funcin del tiempo (t).
Tabla 2. Nmero de bacterias por unidad de volumen para
diferentes tiempos de observacin
Tiempo
t (h)
0
1
2
3
4
5
6
Nmero de bacterias n
(bact/cm3)
32
47
65
92
132
190
275
69
EXPERIENCIA 4
Anlisis de regresin
En muchas ocasiones, el propsito de nuestra investigacin experimental se basa en observar cmo
se corresponden las propiedades del modelo a las del sistema en estudio. Un caso particular es aquel
en el que el modelo del sistema nos sugiere una relacin lineal entre las variables determinadas
experimentalmente. Existen varias formas de determinar la relacin lineal entre dos variables. Un
mtodo, que permite desarrollar los conceptos fundamentales del anlisis de regresin, es trazar la
lnea recta que mejor se ajuste a los puntos sobre un grfico de dispersin. Aunque simple, este
mtodo de anlisis grfico depende del juicio visual del observador, pues hay varias lneas rectas
que podran satisfacer nuestros criterios. Para solventar esta vulnerabilidad, existen mtodos
estadsticos que no dependen del experimentador, tal es el caso del mtodo de los mnimos
cuadrados. Esencialmente, este mtodo consiste en un criterio para optimizar la recta que mejor se
ajuste a los datos.
Para el caso en que las propiedades de los modelos no sean lineales, es posible transformar una o
ambas variables para que la relacin entre las nuevas variables sea lineal. Este procedimiento se
conoce como cambio o transformacin de variables y a las nuevas variables se les llama variables
transformadas.
En cualquier caso, sea lineal o no, puede aplicarse el mtodo de los mnimos cuadrados con el
propsito de encontrar los parmetros de los que depende el modelo propuesto de relacin entre
las variables.
Ante el problema de encontrar matemticamente el modelo de la relacin entre dos variables, el
mtodo de mnimos cuadrados es de los ms utilizados, por lo que es comn que est disponible en
el software y otros dispositivos, como las calculadoras.
Para cuantificar el grado de relacin entre las variables, se han definido criterios para hacer
inferencias acerca de los parmetros del modelo, dentro de ellos comnmente se utiliza el
coeficiente de determinacin o el coeficiente de correlacin.
En esta Experiencia se desarrollan los conceptos de regresin a travs de diferentes metodologas
que contemplan anlisis grficos y estadsticos. Se utiliza el caso del pndulo simple pues este
permite diversas posibilidades para el anlisis.
1. OBJETIVOS
Objetivo general:
Evaluar la relacin entre dos variables medidas experimentalmente, mediante la aplicacin
de mtodos grficos y mtodos estadsticos.
Objetivos especficos:
1. Calcular la ecuacin de la recta de mejor ajuste mediante mtodos grficos.
2. Aplicar el mtodo de mnimos cuadrados a modelos de regresin lineal simple.
3. Aplicar el mtodo de mnimos cuadrados a modelos de regresin polinomial.
70
4. Utilizar mtodos abreviados para encontrar los parmetros de la ecuacin de mejor ajuste.
5. Desarrollar destrezas en el uso de herramientas para aplicar el mtodo de mnimos
cuadrados mediante la utilizacin del programa Excel y la calculadora
2.
PROCEDIMIENTO
2.1
Datos Experimentales
Utilice los datos experimentales que relacionan el periodo promedio y la longitud, para un
pndulo simple, obtenidos en la Experiencia 3.
Recuerde que de acuerdo con el modelo terico, el periodo del pndulo vara con la longitud
segn la siguiente relacin:
= 2M
2.2
c) Utilice una copia del grfico en papel milimtrico, T en funcin de . Trace en el grfico
una recta que mejor se ajuste a los datos y que pase por el eje de las ordenadas.
d) Dibuje un tringulo rectngulo tomando dos puntos de la recta y calcule la pendiente de la
recta de mejor ajuste (m).
Para determinar la pendiente utilice los siguientes mtodos:
1. Divida la medida (en centmetros) del lado del tringulo en el eje y entre la medida
del lado del tringulo en el eje x, y multiplique cada valor por la relacin en la
escala.
2. Calcule el cociente de la diferencia de los valores de los puntos en el eje y y la
diferencia de los valores en el eje x.
X
=
71
2.3
f)
2.4
(L2, T2) puede escogerlo arbitrariamente pero debe estar sobre la lnea de mejor ajuste, y n
es el valor calculado de la pendiente de la recta.
Escriba la ecuacin de mejor ajuste con los valores calculados: = f .
Utilice una copia del grfico de nmero de bacterias por unidad de volumen (n) en funcin
del tiempo (t). Para este caso se requiere que la escala en el eje x inicie en t= 0 h.
a) Trace la lnea que mejor se ajuste a los datos, segn su apreciacin.
b) Dibuje un tringulo rectngulo para calcular la pendiente de la recta (b). Observe que en el
eje x se tiene una escala lineal pero en el eje y la escala es logartmica.
(X ) (X )
Donde (x1, y1) y (x2,y2), son puntos arbitrarios que se encuentran sobre la recta de mejor
ajuste.
Y=
72
bH
bA
=0
(1)
=0
(2)
Donde B = (X X) = (X )
3. Utilizando los valores del periodo y la raz de la longitud, haga una tabla en Excel,
para determinar los valores numricos de todas las sumas que se requieren para las
ecuaciones normales.
73
Ejemplo:
( y y)
= 1
( y y)
2
2
Es posible que las funciones de Excel varen ligeramente de acuerdo a la versin utilizada.
Analice y compare los resultados obtenidos en los puntos anteriores.
2.6
Tiempo
t/s
0,0000
0,2374
0,4242
0,5941
0,8939
( y y)
= 1
( y y)
2
2
f.
75
DESAFO (Opcional)
Utilizacin del software libre GNUPLOT para realizar el anlisis de regresin lineal.
a. Abra el Bloc de Notas o el WordPad de los Accesorios de Windows.
b. Escriba las instrucciones que sern ejecutadas en el GNUPLOT y guarde el archivo
con la extensin .ps, por ejemplo: AjusteMinimos.ps. Observe el modelo de archivo
siguiente.
# Instrucciones para REalizar un ajuste de mnimos cuadrados
reset
set title "Regresion" # Para que aparezca un ttulo
set xlabel "Posicin, x/cm" # Para el ttulo del eje x
set ylabel "Tiempo, t/s" # Para el ttulo del eje y
set autoscale # Para que seleccione automticamente una escala
adecuada
set pointsize 1.5 # Para definir el tamao del marcador
f(x) = a*x + b # Para indicar la funcin que se desa ajustar
fit f(x) "datos.dat" using 1:2 via a,b # para indicar los datos y
los parmetros a calcular
plot "datos.dat" using 1:2 title "valores experimentales" with
points, f(x) title "Regresion" with lines # Para que grafique los
datos experimentales y la curva de mejor ajuste.
a. Haga un nuevo archivo con los datos y gurdelo con la extensin .dat, por ejemplo:
datos.dat. Observe el modelo de archivo siguiente.
77
EXPERIENCIA 5
Redaccin de Informes
Una vez recopilados los datos experimentales y haber realizado el anlisis y las conclusiones, los
resultados obtenidos deben ser comunicados en forma clara y concisa.
La escritura de un informe o reporte es una actividad muy comn entre cientficos e ingenieros pues
es un factor importante para la toma de decisiones. El escribir buenos informes requiere de prctica
ya que debemos procurar que tenga una estructura lgica y sea fcil de leer pues, es muy probable
que este sea revisado por personas de diferentes reas.
Es posible que las personas a quienes presente el informe le suministren un formato al que deba
apegarse, sin embargo, en esta experiencia procuraremos desarrollar un formato estndar a partir
del cual sea simple adaptarse a los requerimientos especficos. Un buen reporte escrito describe las
caractersticas importantes del experimento, tales como el estado del arte, los objetivos, la
metodologa, los datos, el anlisis de resultados y las conclusiones.
Mediante esta Experiencia se pretende elaborar un informe de acuerdo a los criterios establecidos
en el laboratorio. Para aprovechar las mediciones y anlisis realizados en las Experiencias anteriores,
el reporte se basar en el experimento del pndulo simple: Experiencias 1, 3 y 4; sin embargo, el
pndulo no ser nuestro objeto de estudio pues lo que deseamos es medir, mediante un pndulo
simple, el valor del campo gravitacional en el laboratorio.
1. PROCEDIMIENTO
1.1. Clculo del campo gravitacional
Utilice los datos experimentales de la variacin del periodo (T) con la longitud (L) para un
pndulo simple y basndose en el anlisis de versus L, mediante el mtodo de mnimos
cuadrados, interprete los parmetros de mejor ajuste para obtener la medida indirecta del valor
del campo gravitacional en el laboratorio.
1.2. Redaccin del informe
Elabore un informe que considere al menos lo siguiente:
a. Portada: Ttulo del informe, autores, institucin, curso, periodo, grupo.
Siga las indicaciones de su profesor, sin embargo, puede desarrollar su creatividad y tomar
en cuenta sus propios aportes, tal como el diseo, la redaccin del ttulo, etc.
b. Resumen: Describa muy brevemente en que consisti el experimento y sus conclusiones.
78
c. Introduccin: Aqu debe presentar el estado del arte, sin mucha extensin, y los objetivos
particulares del experimento. Incluya diagramas, modelos tericos, etc. Puede usar
subttulos si lo requiere. Utilice referencias bibliogrficas.
d. Materiales y Mtodos: Escriba en prosa y refirase al procedimiento y equipo que se utiliz
(no es una copia de la lista de pasos para tomar las medidas). Puede incluir un diagrama o
fotografas del montaje del experimento.
e. Resultados y anlisis: Incluya tablas de datos, grficas y clculos que considere necesarios
para sustentar las conclusiones.
Es importante que tanto los resultados como los clculos realizados estn respaldados con
comentarios.
f.
79
Tercera Parte
Prcticas
80
PRCTICA 1
a (t ) = a
Como era de esperar, esta relacin es muy sencilla dada la condicin de que el valor de la aceleracin
se mantiene constante a travs del tiempo. La figura 1 muestra un esquema de la grfica de
aceleracin en funcin del tiempo.
a
a>0
t
Figura 1. Grfica de aceleracin en funcin del tiempo (MRUA)
En el caso de la velocidad sabemos que debe cambiar de forma constante, por lo que su relacin
con el tiempo debe ser lineal, como se presenta en la siguiente ecuacin:
v(t ) = at + vo
81
v
v
t
t
Figura 2: Grfica de velocidad en funcin del tiempo (MRUA)
De la ecuacin de v(t), cabra esperar que se obtenga una recta cuya pendiente tiene el valor de la
aceleracin y la interseccin indique la velocidad inicial del movimiento (Figura 2).
La descripcin matemtica de posicin para este tipo de movimiento es la siguiente:
1
x(t ) = xo + vot + at 2
2
Como se puede observar, la relacin entre la posicin y el tiempo es cuadrtica, por la tanto la
grfica que se obtiene es una parbola:
t
Figura 3. Grfica de posicin en funcin del tiempo (MRUA)
82
En las grficas mostradas la aceleracin, adems de constate, es positiva. Esto se debe a que la
pendiente de la grfica v vs t sea positiva y que en la grfica x vs t la curva sea cncava hacia arriba.
En el caso de que sea negativa, las grficas cambiaran los signos de estas cantidades pero
mantienen su tendencia: Lnea horizontal en el caso de la aceleracin, lineal en el caso de la
velocidad y parablica para la posicin.
El ejemplo ms cotidiano de aceleracin constante es el de la aceleracin de la gravedad, en el caso
de un cuerpo que se mueve en cada libre cerca de la superficie terrestre. Se simboliza con una letra
g y su valor promedio se toma como 9,74 m/s2, en nuestro laboratorio.
Para este experimento utilizaremos el hecho de que la aceleracin de la gravedad es constante para
asegurar que el cuerpo que vamos a estudiar experimente tambin una aceleracin constante (ver
figura 4).
1. Objetivos
1.1. Objetivo General
Estudiar el movimiento de un objeto que describe un MRUA.
a=
m2
g
m1 + m2
83
3. Equipo
Tabla 1. Equipo mnimo requerido para la realizacin del experimento.
Cantidad
Descripcin
Polea
Smart Timer
Porta masas
Balanza digital
Fotosensores
Pantalla
de
fotosensor
Masa de 20 g
interrupcin
del
4. Procedimiento
4.1. Variacin de la posicin en funcin del tiempo
1. Mida la masa del carrito junto con la pantalla (m1) y antela.
2. Mida la masa del porta masas con una masa adicional sobre ella de 20 g (m2) y antela.
3. En la mesa de trabajo, proceda al montaje del equipo como se muestra en la figura 4.
Utilice la masa colgante: porta masas + 20 g.
m1
m2
Figura 4. Montaje experimental del riel de baja friccin
4. Defina el cero de la cinta mtrica del riel como referencia para la posicin inicial del
carrito.
5. Coloque un fotosensor fijo, a 30 cm de la referencia, conectndolo a la entrada 1 del
Smart Timer.
6. Coloque un segundo foto sensor a 40 cm de la referencia, conectndolo a la entrada 2
del Smart Timer.
84
86
87
PRCTICA 2
Movimiento Parablico
Un cuerpo que se lanza con velocidad inicial v
y que se mueve bajo la influencia de un campo
gravitacional, describe una trayectoria parablica. El movimiento resultante es bidimensional,
contenido en el plano definido por el vector velocidad inicial.
El vector velocidad inicial del cuerpo es fundamental para determinar las caractersticas del
movimiento: el plano en que se mover, la mxima altura, el alcance horizontal (xmax) que tendr
el mvil y por lo tanto tambin su tiempo de vuelo.
vx = vox
v y = voy gt
x = vox t
y = yo + voy t 12 gt 2
Las ecuaciones que se presentan toman como eje de referencia el punto de inicio del
movimiento y como direcciones positivas el eje y hacia arriba y el eje x hacia la derecha.
88
La comprobacin de que el recorrido espacial que sigue el cuerpo es una parbola viene dada
por la ecuacin de movimiento X = X( ). De las ecuaciones dadas en la Tabla 1 se obtiene:
y ( x) = yo + tan( o ) x
g
x2
2
2v cos ( o )
2
o
(1)
La relacin (1) es una ecuacin cuadrtica en el plano x-y, por lo que la trayectoria de
movimiento en el espacio es una parbola.
En esta prctica se espera que los estudiantes mejoren las habilidades para realizar mediciones
directas e indirectas, as como, desarrollen ms ampliamente los apartados de anlisis de
resultados y conclusiones; con este fin se estudiar el movimiento parablico de una esfera
metlica.
1. Objetivos
1.1. Objetivo General
Estudiar cualitativa y cuantitativamente, el movimiento de un objeto bajo la accin del
campo gravitacional.
89
3. Equipo
Tabla 1. Equipo mnimo requerido para la realizacin del experimento
Cantidad
Descripcin
Lanzador de balines
Prensa de mesa
Smart Timer
Fotosensor simple
Sensor de impacto
Tabla de madera
Baln
Cinta mtrica
Escuadra de madera
Plomada
Cinta adhesiva
4. Procedimiento
4.1. Estimacin de la rapidez inicial de salida del objeto
1. Coloque un fotosensor con cronmetro en la gua de acople y sitelo justo en la posicin
de salida del baln. (Observe la Figura 1).
90
Figura 1. Montaje del fotosensor para disparar el baln. A: Orificio de disparo, B: Gatillo,
C: Riel para colocar el soporte de los fotosensores, D: gua de acople para el
fotosensor y E: fotosensor.
5. Introduzca el baln en el disparador utilizando el tubo plstico y llvelo a la posicin de
disparo de corto alcance (deber escuchar solamente un clic).
6. Con el cronmetro en la posicin GATE, mida 5 veces el tiempo que tarda el baln en
pasar por el fotosensor. Seleccione en el cronmetro la posicin de mayor sensibilidad
(menor resolucin del indicador). Registre los datos en una tabla adecuada.
7. Con un calibrador, mida en 3 posiciones diferentes el dimetro del baln.
8. Anote la resolucin de los indicadores del cronmetro y del calibrador.
91
5. Clculos
5.1. Determinacin de la rapidez de lanzamiento
1. Calcule el valor promedio y la incertidumbre estndar del tiempo que tarda el baln en
pasar por el fotosensor.
2. Calcule el valor promedio y la incertidumbre estndar del dimetro del baln.
3. Con los valores promedio del tiempo y del dimetro del baln, calcule la rapidez inicial de
lanzamiento:
= ^, _ =
92
c .
93
PRCTICA 3
Dinmica Rotacional
Esencialmente, un cuerpo rgido en rotacin consiste en un objeto en movimiento alrededor de un
eje. El movimiento de rotacin puede darse dentro de un gran mbito de escalas, desde partculas
hasta galaxias.
Para simplificar el estudio del movimiento de rotacin es preferible utilizar variables asociadas a la
dinmica de rotacin, como la posicin angular (
), la velocidad angular (
), la aceleracin angular
(
) y el momento de la fuerza o torque (), entre otros. Mediante esta descripcin del movimiento
se obtiene una gran similitud entre las expresiones matemticas del movimiento de traslacin y el
movimiento de rotacin, lo que nos permite definir e interpretar los parmetros del movimiento de
rotacin. Uno de estos parmetros es el momento de inercia de un cuerpo rgido, usualmente
representado mediante la variable I, el cual es una cantidad escalar.
Podemos observar la similitud entre las expresiones del movimiento de rotacin y traslacin en las
ecuaciones de la energa cintica:
=
: Traslacin
: Rotacin
(1)
(2)
Estas relaciones nos permiten hacer una interpretacin fsica del momento de inercia: I es inercia
de rotacin, como la masa es inercia de traslacin. Es decir, entre mayor sea el momento de inercia
del objeto, mayor ser la oposicin a los cambios en el estado de movimiento de rotacin de este.
El momento de inercia de un cuerpo es una magnitud que depende de la masa del cuerpo y su
geometra, o sea, de cmo la masa est distribuida en el espacio. Dado que un objeto podra girar
alrededor de un nmero indefinido de ejes, existira un nmero indefinido de momentos de inercia,
sin embargo, en muchas ocasiones el movimiento se estudia respecto a ejes que corresponden a
ejes de simetra del cuerpo o paralelos a stos, o a un eje que pase por el centro de masa.
Hay varias formas de calcular la inercia de rotacin de un cuerpo rgido. Tericamente se aplica el
clculo diferencial e integral mediante la ecuacin (3).
= d
(3)
Tambin, es posible utilizar expresiones que nos facilitan el clculo del momento de inercia respecto
a ejes que sean paralelos entre ellos. Por medio de un clculo simple, el teorema de Steiner o
teorema de los ejes paralelos, podemos relacionar el momento de inercia de un objeto de masa M
94
que gira alrededor de un eje que es paralelo a otro que pase por el centro de masa del objeto (CM)
y se encuentre separado una distancia a:
= + L
(4)
El momento de inercia puede sumarse o restarse, por lo que podramos calcular el momento de
inercia de un cuerpo compuesto, como la suma de los momentos de inercia de cada una de las
partes. As mismo, mediante substraccin, podramos calcular el momento de inercia de un objeto
homogneo, como el cilindro hueco, en el que consideramos un cilindro slido y substraemos el
momento de inercia de un cilindro imaginario, hecho del mismo material y que rellene el hueco.
Otro concepto que es importante en el estudio del movimiento de rotacin de los cuerpos rgidos
es el radio de giro (k), el cual representa la distancia del eje a la cual toda la masa (M) se podra
concentrar en un punto sin cambiar el momento de inercia, lo que correspondera con un concepto
similar a la posicin del centro de masa en el movimiento de traslacin.
f = M
(5)
En esta prctica de laboratorio se utilizarn algunos de los mtodos, tericos y experimentales, con
los que puede obtenerse el momento de inercia de una polea en forma de disco, girando alrededor
de un eje perpendicular a su plano.
1. Objetivos
1.1. Objetivo General
Determinar experimentalmente el momento de inercia de un objeto a partir de clculos
estadsticos y de un anlisis de regresin.
95
3. Equipo
Tabla 1: Equipo mnimo requerido para la realizacin del experimento.
Cantidad
Descripcin
1
1
1
1
1
1
1
1
1
1
5
1
1
Polea
Prensa de mesa
Prensa de nuez pequea
Vernier
Smart Timer
Cinta mtrica
Porta masas
Balanza digital
Varilla de 10 cm
Varilla de 130 cm
Masas diferentes
Sensor de impacto
Prensa doble (selecta)
96
4. Procedimiento
4.1. General
1. Arme el equipo segn la Figura 1.
2.
3.
4.
5.
6.
7.
M=(
) kg
Dimetro
D=(
)m
h=(
)m
A=(
)m
H=(
)m
Espesor de la polea
=(
)m
5. Clculos
5.1. Momento de inercia de la polea en forma terica.
1. Con las expresiones solicitadas en el trabajo previo, calcule el valor numrico del
momento de inercia de un cilindro macizo de Aluminio de radio = /2 y longitud .
Suponga que la densidad del Aluminio es 2 710 kg/m3.
Resp.: =
98
y longitud = L.
Resp.: = L( )
Resp.: = , = L( )
g =
(6)
99
= .
100
101
Apndices
102
APNDICE A
103
Ejemplo:
En el ejemplo siguiente se muestra la estatura y el peso de un grupo de personas.
Tabla 1. Estatura y Peso de un grupo de personas, sin importar su edad y sexo.
No.
1
2
3
4
5
6
7
8
Estatura (m)
1,69
1,74
1,79
1,55
1,70
1,82
1,80
1,67
Peso (kg)
60
70
69
60
54
80
72
52
Ejercicio:
Introduzca los datos de Peso en la calculara y obtenga el valor promedio y la desviacin
estndar de la muestra.
a) Acceda a la tabla de datos e introduzca dos datos adicionales: 41 kg y 73 kg.
b) Acceda a la tabla de datos y elimine el tercer dato (Se sita sobre el dato se oprime
DEL).
c) Obtenga el valor promedio y la desviacin estndar de este nuevo conjunto de
datos.
104
APNDICE B
105
Ejemplo:
En la Tabla 1 se muestran los datos de cmo vara la variable y en funcin de la variable x.
Tabla 1. Valores experimentales de x y y
x
8,0
15,0
16,5
20,0
27,5
y
17,5
30,4
34,0
40,0
56,2
Ejercicio:
Para el ejemplo anterior, mediante el uso de los funciones y X, estime:
a. El valor de y para x =10.
b. El valor de x para y = 100.
106
Bibliografa
Sobre experimentacin existe gran cantidad de literatura. En la lista siguiente se presenta algunas
de las fuentes que pueden utilizarse como referencia para un estudio individual de los conceptos
fundamentales de la experimentacin y el anlisis de datos. Adems, se sugieren varias referencias
clsicas para la consulta de los conceptos generales de Fsica.
107
Sears, F. W., Zemansky, M. W., & Young, H. D. (1988). Fsica Universitaria (Sexta ed.). Mxico:
Addison-Wesley Iberoamericana, S. A.
Somoza, A. M., Cuevas, E., Garca Molina, R., Ortuo, M., Ruiz, J., & Abelln, J. (2001). Laboratorio
de Fsica. Murcia (Espaa): ICE Universidad de Murcia.
Triola, M. F. (2007). Estadstica para las Ciencias Sociales. Mxico: Pearson Educacin.
Venegas Rojas, D. (2013). La montaa rusa y la conservacin de la energa mecnica total.
InformaTEC.
108