SEMANA 3

SEMANA 4

Promedio de oscilación de todos los datos recolectados.

El procedimiento para obtener el promedio de las oscilaciones fue con la

formula =PROMEDIO por medio del programa de Excel. También puede ser
calculado sumando los periodos, dividiendo entre el número de periodos.

El periodo del movimiento armónico de un péndulo simple en aproximación de

pequeñas oscilaciones es
L= longitud del péndulo
g = aceleración de la gravedad local
T= periodo de movimiento para pequeñas oscilaciones

Despejando g obtenemos
Valor de la aceleración de la gravedad
Los promedios obtenidos anteriormente serán los periodos con los que se
trabajaran para hallar la aceleración de la gravedad.
LONGITUD (cm) PERIODO
20 1,0018 786,73 7,86 m/s^2
40 1,4978 703,90 7,03 m/s^2
60 1,8698 677,51 6,77 m/s^2
80 2,503 504,11 5,04 m/s^2
100 2,7172 543,70 5,43 m/s^2

De la siguiente manera obtenemos la aceleración de la gravedad, reemplazando

los valores de la formula
Error Porcentual
La formula es la siguiente:
g= es la gravedad que equivale a 9,8 m/ s2
G = Aceleración de la gravedad

G m/s^2 Error relativo porcentual

7,86 m/s^2 19,79%
7,03 m/s^2 28,26%
6,77 m/s^2 30,91%
5,04 m/s^2 48,57%
5,43 m/s^2 44,59%
REGRESIÓN LINEAL
En estadística la regresión lineal o ajuste lineal es un modelo matemático usado
para aproximar la relación de dependencia entre una variable independiente Y, las
variables independientes Xi y un término aleatorio. Este modelo puede ser
expresado como:

Donde:
Yt: Variable dependiente, explicada o regresando.
XI, X2, X3, Xp: Variables explicativas, independientes.
: Parámetros, miden la influencia que las variables explicativas tienen

sobre el recreciendo.
REGRESION POTENCIAL
La regresión examina la relación entre dos variables pero restringiendo una de
ellas con el objeto de estudiar las variaciones de una variable cuando la otra
permanece constante. En otras palabras, la regresión es un método que se
emplea para predecir el valor de una variable en función de valores dados a la otra
variable.
En todos los casos de regresión existe una dependencia funcional entre las
variables. En el caso de dos variables, siendo una de ellas (X) variable
independiente y la otra (Y) la dependiente, se habla de regresión de Y sobre X;
Por ejemplo, los ingenieros forestales utilizan la regresión de la altura de los
arboles sobre su diámetro, lo cual significa que midiendo el diámetro (variable
independiente) y reemplazando su valor en una relación definida según la clase de
árbol se obtiene la altura, y aun sin necesidad de cálculos aprecian la altura
utilizando graficas de la función de dependencia, altura = función del diámetro.
REGRESION EXPONENCIAL
La regresión examina la relación entre dos variables pero restringiendo una de
ellas con el objeto de estudiar las variaciones de una variable cuando la otra
permanece constante. En otras palabras, la regresión es un externo. Que se
emplea para predecir el valor de una variable en función de valores dados a la otra
variable.
REGRESION POLINOMIAL
Es una forma de regresión lineal en el que la relación entre la variable
independiente x y la variable dependiente Y se modela como un polinomio.
Regresión polinómica se ajusta a una relación no lineal entre el valor de x y y.
Se ha utilizado para describir los fenómenos no lineales tales como la tasa de
crecimiento de los tejidos, la distribución de los isótopos de carbono en los
sedimentos del lago, y la progresión de epidemias de enfermedades.
se pretende obtener los valores de los parámetros asociados con la mejor curva
de ajuste (habitualmente, con el método de los mínimos cuadrados).
Condiciones para su uso:

 Que exista una agrupación de datos con los cuales trabajar

• Potencias al 2, 3 o 4 Dependiendo de los signos la función puede tomar
cualquiera de las formas mostradas en la Figura.
PROCEDIMIENTO

1. Primero será identificar el grado del polinomio o la función

2. Hallaremos las derivadas con respecto a cada uno de los coeficientes del
polinomio. Este método al adaptarse a una curva utiliza ecuaciones de
segundo grado.

3. Hacer una tabla con diferentes sumatorias (desde sumatorias en X y Y hasta

sumatorias de x a la 4). También hallaremos las sumatorias de XY y X al 2 por
Y

4. Igualaremos las derivadas a 0 para hallar un sistema de ecuaciones

polinomiales con las derivadas de esta forma: Resolveremos el sistema de
ecuaciones con algún método numérico conocido (desde eliminación de gauss
hasta gauss-seidel y demás)
COEFICIENTE DE PEARSON
La covariación es el grado de concordancia de las posiciones relativas de los
datos de dos variables. En consecuencia el coeficiente de correlación de Pearson
opera con puntuaciones tipificadas (que miden posiciones relativas) y se define:
El fundamento del coeficiente de Pearson es el siguiente: Cuanto más intensa sea
la concordancia (en sentido directo o inverso) de las posiciones relativas de los
datos en las dos variables, el producto del numerador toma mayor valor (en
sentido absoluto). Si la concordancia es exacta, el numerador es igual a N (o a
-N), y el índice toma un valor igual a 1 (o -1).
SEMANA 5

Convertimos gramos a kilos, y los centímetros a metros.

masa(g) 0 20 40 60 80 100 120

masa (kg)
0.02 0.04 0.06 0.08 0.1 0.12

fuerza (n)
0.196 0.392 0.588 0.784 0.98 1.176

estiramie
nto

o Δ 0.01 0.02 0.03 0.04 0.05 0.06

x (m)

elasticida
d 19.6 19.6 19.6 19.6 19.6 19.6

Resorte |1|
 Resorte |2|

masa(g) 0 20 40 60 80 100 120

masa (kg)
0.02 0.04 0.06 0.08 0.1 0.12

fuerza (n)
0.196 0.392 0.588 0.784 0.98 1.176

estiramie
nto

o Δ 0.015 0.03 0.004 0.06 0.007 0.09

x (m)
13.0666 13.0666 13.0666 13.0666 13.0666 13.0666
elasticida
66 66 66 66 66 66
d

masa(g) 0 20 40 60 80 100 120

masa (kg)
0.02 0.04 0.06 0.08 0.1 0.12

fuerza (n)
0.196 0.392 0.588 0.784 0.98 1.176

estiramie
nto
0.005 0.01 0.015 0.02 0.025 0.03
o Δ

x (m)

elasticida
d 39.2 39.2 39.2 39.2 39.2 39.2
 Resorte |3|

Ahora con los datos se debe hacer un promedio de la fuerza y las

distancias para hallar la constante de elasticidad.

k=fΔ×

Tabla 1 k=0.196

0.01=19.6

Tabla 2 k=0.1960.015=13.0666667

Tabla 3