DEPENDENCIA FUNCIONAL ENTRE DOS VARIABLES

Camargo Gaitn, Karen Viviana.1; Rabelo Gamba, Andrea Marcela.2

RESUMEN
En el siguiente trabajo nos proponemos identificar las caractersticas de la prctica
realizada en el laboratorio de fsica. Esta consista en que teniendo como herramientas una
regla, un comps y una cuerda poder medir el permetro y el radio de diferentes
circunferencias, para poder entender la relacin lineal existente entre estas.
sta prctica experimental muestra y explora la relacin lineal entre una variable en X y Y,
en este caso usando como herramienta y base el procedimiento manual para llegar a una
buena aproximacin. Esta experiencia se realiz con el fin de comprender conceptos y
grficas de las ecuaciones de primer grado. Para lograr el objetivo se utilizaron diferentes
mtodos como formulas y regresin lineal que permite establecer el grado de dependencia
de valores X y Y, prediciendo el estimado que se obtendra para un valor X que no est en
la distribucin.
En estos trabajos experimentales la toma de datos no es la misma en cada momento del
proyecto ni tampoco las metodologas que se utilizan para su medicin arrojan los mismos
resultados, es por esto que se utiliza el mtodo de mnimos cuadrados, el consiste en
someter el sistema a diferentes condiciones, fijando para ello distintos valores de la
variable independiente x, y anotando en cada caso el correspondiente valor medido para la
variable dependiente y. De este modo se dispone de una serie de puntos (x 1,y1), .... (xn,yn)
que, representados grficamente, deberan caer sobre una lnea recta. Sin embargo, los
errores experimentales siempre presentes hacen que no se hallen perfectamente alineados.
Este laboratorio se realiz con el fin de aprender a interpretar datos, obtener resultados ms
precisos y graficar relacionando las variables. Los mtodos ms comunes para analizar un
trabajo experimental, para obtener la relacin entre variables, es por medio de grficas. En
este informe se presentan tablas de los datos recogidos en el laboratorio, como los clculos
extrados de frmulas tericas con las que se proponen averiguar distintos conceptos que
son fundamentales para la interpretacin de resultados obtenidos en una prctica
experimental.
A lo largo del informe queremos analizar si en algunos momentos ciertas medidas tomadas
no son correctas, y concebir siempre que hay un margen de error; ya que este puede afectar
importantemente nuestro trabajo desarrollado. Aqu hacemos ciertos anlisis lgicos para
entender como aparecen estos errores, el cmo evitarlos y tambin el cmo corregirlos.
Los objetivos de esta prctica aplicar el mtodo y la grfica correspondiente, obteniendo la
ecuacin de la recta y su factor de correlacin de los datos tomados en el laboratorio;
Demostrar que entre el radio y el permetro de varias circunferencias y de distintos
tamaos, existe una relacin lineal.
1
Ingeniera Ambiental y Sanitaria / Grupo 10 / cod. 41152028
2
Ingeniera Elctrica / Grupo 10 / cod. 42151192

PALABRAS CLAVE: Relaciones, variables, correlacin, permetro, dimetro

ABSTRACT
In this paper we propose to identify the characteristics of the practice done in the physics laboratory.
This was that tools having as a ruler, a compass and rope to measure the perimeter and radius of
different circumferences, in order to understand the linear relationship between them.
This experimental practice shows and explains the linear relationship between a variable in X and Y, in
this case using the base as a tool and manual procedure to reach a good approximation. This experiment
was carried out in order to understand concepts and graphs of linear equations. To achieve the objective
formulas and different methods such as linear regression for establishing the degree of dependence of X
and Y values, predicting the estimated amount that would be obtained for a value X that is not in the
distribution were used.
In these experimental work data collection is not the same at all times of the project nor the
methodologies used for measuring yield the same results, which is why the least squares method is
used, is to "bring the system to different conditions, by affixing different values of the independent
variable x, and noting in each case the corresponding measured value for the dependent variable y.
Thus it has a number of points (x1, y1),.... (xn, yn) that graphically represented, should fall on a straight
line. However, the experimental errors always present make not already perfectly aligned.
This laboratory was conducted in order to learn to interpret data, more accurate results and graph
relating the variables. The most common methods for analyzing experimental work to obtain the
relationship between variables, is through graphs. This report tables of data collected in the laboratory
and theoretical calculations formulas extracted from the proposed figure out different concepts that are
fundamental to the interpretation of experimental results obtained in practice are presented.
Throughout the report we analyze if certain measures are not correct at times, and conceive whenever
there is a margin of error; as this can significantly affect our work done. Here we make certain logical
analysis to understand how these errors appear, on how to avoid and how to correct them.
The objectives of this practice to apply the method and the corresponding graph, obtaining the equation
of the line and its correlation factor of the data collected in the laboratory; Show that between the
radius and perimeter of various circles of different sizes and there is a linear relationship.
KEY WORDS: Relations, variables, correlation, circumference, diameter

INTRODUCCIN

En la relacin entre dos variables una de ellas (variable Y) se comporta de manera dependiente, por lo
tanto su valor se determina en base del valor de la otra variable (variable X), la cual se comporta de
manera independiente.

Cuando se lleva a cabo un experimento midiendo estas variables son muchos los posibles resultados,
por lo tanto primero se debe hacer una aproximacin a estos datos a travs de la tendencia lineal de los
puntos que hemos graficado bidimensionalmente. Al analizar esto se concluye que son muchas las
posibilidades para trazar relaciones lineales con los puntos graficados, por lo cual se debe hallar aquella
que sea estadsticamente ptima obteniendo el punto de corte y la pendiente, para hallar estos valores
se utiliza el mtodo de mnimos cuadrados, cuyo objetivo es lograr que la suma de los cuadrados de las
diferencias entre un punto medido y el posible valor terico de la variable, sea un mnimo.
Para hallar la recta ms adecuada con los puntos graficados se utiliza el mtodo anteriormente
mencionado y el coeficiente de correlacin (R), pues ste determina la variabilidad mutua entre las
cantidades medidas. El mtodo de mnimos cuadrados y el coeficiente de correlacin nos brindan los
coeficientes de A y B en la recta ptima estadsticamente con las siguientes ecuaciones:

En stas expresiones n representa el nmero total de datos medidos para cada variable (X, Y), y
representa el promedio de cada conjunto de datos de las variables X y Y.

En la expresin de correlacin S X SY

son las desviaciones estndar de cada variable (X y Y)

respectivamente.
En esta ocasin las variables a medir son el permetro y el dimetro de un conjunto de 7 circunferencias
con el objetivo de aproximarse a la relacin directamente proporcional entre estas dos variables:
p=d .

Se dice que hay relacin lineal entre dos valores si al aumentar uno N veces el otro tendra que ser N
veces mayor, y si uno es cero el otro tambin lo es.
Es decir que si hay una relacin lineal entre dos valores estos son proporcionales.
Dos variables o magnitudes estn en relacin lineal cuando, manteniendo constantes el resto de las
variables, el aumento o disminucin de una de ellas implica un aumento o disminucin proporcional en
la otra de forma que su cociente es constante, es decir si una dobla, la otra tambin se dobla, y si una se
disminuye a la mitad la otra tambin disminuye a la mitad, y en general si una vara en un factor k, la
otra
tambin
vara
en
el
mismo
factor
por ejemplo, la aceleracin de una masa est en relacin lineal con la fuerza porque la ecuacin que
liga ambas es f=m*a, de tal forma que, si mantenemos m constante, y la fuerza se multiplica por k,
entonces la aceleracin tambin se multiplica por k.

REGRESIN SIMPLE Y CORRELACIN

La Regresin y la correlacin son dos tcnicas estadsticas que se pueden utilizar para
solucionar problemas comunes en los negocios.
Muchos estudios se basan en la creencia de que es posible identificar y cuantificar alguna Relacin
Funcional entre dos o ms variables, donde una variable depende de la otra variable.
Se puede decir que Y depende de X, en donde Y y X son dos variables cualquiera en un modelo de
Regresin Simple.
"Y es una funcin de X"
Y =f (X )
Como Y depende de X,
Y es la variable dependiente, y
X es la variable independiente.
En el Modelo de Regresin es muy importante identificar cul es la variable dependiente y cul es la
variable independiente.
En el Modelo de Regresin Simple se establece que Y es una funcin de slo una variable
independiente, razn por la cual se le denomina tambin Regresin Di variada porque slo hay dos
variables, una dependiente y otra independiente y se representa as:
Y =f (X )
"Y est regresando por X"
La variable dependiente es la variable que se desea explicar, predecir. Tambin se le llama regresando
variable de respuesta. La variable independiente x se le denomina variable explicativa regresor y se le
utiliza para explicar y. (Rincon Pino & Villareal, 2005)
ANALISIS ESTADISTICO
La grafica se basa en la lnea recta, ya que podemos observar la relacin que existe entre las variables.
La ecuacin de una lnea recta es:
Y =mx +b+ e
Donde:
m es la pendiente.
b es el punto de corte con el eje y.
e es el error.
Una vez medidos los valores correspondientes a las variables, los datos pasan al grfico. En algunos
casos podemos ver que los puntos se encuentran muy cercanos a una recta, (si es relacin lineal) y
podemos ajustar a ojo esa recta. Esta recta se llama recta de regresin de valores experimentales dados
y se utilizar para predecir valores de la variable dependiente que no se han medido. Pero si los puntos
estn muy dispersos es ms difcil ajustar una recta a ojo, y diferentes personas pueden ajustar rectas
completamente diferentes entre estos puntos.
Por lo tanto es necesario tener un mtodo matemtico para poder interpretar los puntos y poder trazar la
recta nica que depende de los puntos dados. Un procedimiento para realizar esta operacin es el
mtodo de los mnimos cuadrados. (Chinchilla, s.f.)
MINIMOS CUADRADOS

El Mtodo de ajuste por Mnimos Cuadrados sirve para encontrar una funcin y = f(x, 1, 2,..., m), en
la que habr que calcular los parmetros 1, 2,..., m. Esta funcin debe ser la que se ajuste lo mejor
posible a una tabla de valores que relaciona las dos variables x e y obtenida experimentalmente:
Xi
Yi

X1

X2 Xn

Y1

Y2 Yn

Para calcular los parmetros se impone la condicin de que sea mnima la funcin:
i
f ( x i , 1, 2,... , m ) y

S ( 1, 2,. .. , m) =

i=1

Como S (1, 2,..., m) es una funcin de m variables, una condicin necesaria para que tenga un valor
extremo en un punto es que sus derivadas parciales en ese punto sean todas nulas. De aqu obtenemos
un sistema de m ecuaciones, con m incgnitas:
S
S
S
=0,
=0, ... ,
=0
1
2
m
Cuyas soluciones, los parmetros 1, 2,..., m nos indican como es la funcin que mejor se ajusta a
los datos, es decir, f(x, 1, 2,..., m). (Gil, s.f.)

En particular, nos interesa cuantificar la intensidad de la relacin lineal entre dos variables. El
parmetro que nos da tal cuantificacin es el coeficiente de correlacin lineal de Pearson r, cuyo valor
oscila entre 1 y +1:

y 1 y

( )2 1

t=1

( x t x )
t =1

( xt x )( y 1 y )

cov ( x , y ) t =1
1 r=
=
sx s y

Imagen 1. Diagrama de las diferentes correlaciones existentes.

Como se observa en los diagramas anteriores, el valor de r se aproxima a +1 cuando la correlacin
tiende a ser lineal directa (mayores valores de X significan mayores valores de Y), y se aproxima a 1
cuando la correlacin tiende a ser lineal inversa. Es importante notar que la existencia de correlacin
entre variables no implica causalidad. Atencin!: si no hay correlacin de ningn tipo entre dos v.a.,
entonces tampoco habr correlacin lineal, por lo que r = 0. Sin embargo, el que ocurra r = 0 slo nos
dice que no hay correlacin lineal, pero puede que la haya de otro tipo. (Vila, Sedano, Lpez, & Juan,
s.f.)

El siguiente diagrama resume el anlisis del coeficiente de correlacin entre dos variable:

METODOLOGIA

Para el experimento encontramos crculos de diferentes tamaos a los cuales se les midi su dimetro y
su permetro con la ayuda de una cuerda y una regla.
Con la cuerda que nos dieron para la prctica medimos el permetro de las circunferencias y su
correspondiente dimetro con la regla. Anotando los valores en la tabla de datos.
Una vez que medimos las cantidades solicitadas de los diferentes crculos de la prctica definimos cual
variable medida define el comportamiento de la otra. Elaboramos una grfica de la variable que
tomamos y obtuvimos la relacin entre las variables.
N
1
2

d(cm)
2.4 0,1
3.6 0,1

3
4
5
6
7
8
TOTAL
PROCEDIMIE
NTO

4.8 0,1
5.9 0,1
6.6 0,1
7.5 0,1
8 0,1
9 0,1
47.8
5.97

r(cm)
1.2 0,1
1.8
0,1 0,1
2.4 0,1
3.0 0,1
3.3 0,1
3.8 0,1
4 0,1
4.5 0,1
24
3

l(cm)
7.5 0,1
11.3 0,1
15.1 0,1
18.8 0,1
20.7 0,1
23.9 0,1
25.1 0,1
28.3 0,1
150.7
18.75

Tabla 1. Clculos de radio y permetro segn dimetro de una circunferencia. Medida 1

d(cm)

r(cm)

l(cm)

6.1 0,1

3.05

19.2

8.05 0,1

4.02 0,1

25.3 0,1

9.95 0,1

4.97 0,1

31.3 0,1

12 0,1

6 0,1

37.7 0,1

14.05 0,1

7.02 0,1

44.1 0,1

15.9 0,1

7.95 0,1

50.0 0,1

17.8 0,1

8.9 0,1

55.9 0,1

18.9 0,1

9.45 0,1

59.3 0,1

TOTAL

102.75

51.36

322.8

PROMEDI
O

12.84

6.42

40.35

Tabla 2. Clculos de radio y permetro segn dimetro de una circunferencia. Medida 2

ANALISIS DE ERROR

MTODO DE MNIMOS CUADRADOS

TOTAL

X (cm)
2.4 0,1
3.6 0,1
4.8 0,1
5.9 0,1
6.6 0,1
7.5 0,1
8 0,1
9 0,1
47.8

Y (cm)
7.5 0,1
11.3 0,1
15.1 0,1
18.8 0,1
20.7 0,1
23.9 0,1
25.1 0,1
28.3 0,1
150.7

X2 (cm)
5.76
12.96
23.04
34.81
43.56
56.25
64
81
321.38

X*Y (cm)
18
40.68
72.48
110.92
136.62
179.25
200.8
254.7
1010.45

m=

n xy x y
2
n x 2 [ x ]

y x 2 x xy
b=
2
n x 2[ x ]

m=

8(1010.45)(47.8)(150.7)
=3.07
8 ( 321.38 )[47.8]2

(150.7)(321.38)( 47.8 )(1010.45)

=0.46
8 ( 321.38 ) [47.8] 2

3.07+0.46 =3.53

TOTAL

X (cm)

Y (cm)

X2 (cm)

X*Y (cm)

6.1 0,1

19.2 0,1

37.21

117.12

8.05 0,1

25.3 0,1

64.80

203.66

9.95 0,1

31.3 0,1

99

311.435

12 0,1

37.7 0,1

144

452.4

14.05 0,1

44.1 0,1

197.40

619.60

15.9 0,1

50.0 0,1

252.81

795

17.8 0,1

55.9 0,1

316.84

995.02

18.9 0,1

59.3 0,1

357.21

1120.77

102.75

322.8

1469.27

4615

m=

m=

n xy x y
2
n x 2 [ x ]

b=

8( 4615)(102.75)(322.8)
8(1469.27)[ 102.75 ]

=3.13

y x 2 x xy
2
n x 2[ x ]

(322.8)(1469.27)(102.75)( 4615)
8(1469.27) [ 102.75 ]

=0.07

3.13+0.07=3.2

CONCLUSIONES

Determinamos y conocimos partir de mediciones el comportamiento de una relacin lineal de

dos variables a partir de unos datos registrados.
Establecimos la dependencia funcional entre dos variables
Aprendimos y conocimos que era una relacin lineal estableciendo la dependencia funcional
entre dos variables.
Por medio de experimentos logramos establecer la relacin entre el permetro (p) y el dimetro
(d) de una circunferencia.

Bibliografa
Chinchilla, A. M. (s.f.). Obtenido de http://www.ual.es/~aposadas/TeoriaErrores.pdf
Gil, R. P. (s.f.). Obtenido de http://www.mat.ucm.es/~rpardo/docen/cc/Hoja_7_prac_cc0910.pdf
Rincon Pino, M. Y., & Villareal, F. (2005). Obtenido de
http://www.monografias.com/trabajos27/regresion-simple/regresion-simple.shtml
Vila, A., Sedano, M., Lpez, A., & Juan, . (s.f.). Obtenido de
http://www.uoc.edu/in3/emath/docs/RegresionLineal.pdf