UNIVERSIDAD NACIONAL DEL

CALLAO
FACULTAD DE INGENIERÍAELÉCTRICA Y ELECTRÓNICA
ESCUELA PROFESIONAL DE INGENIERÍAELÉCTRICA

LABORATORIO N°2

FÍSICA I
CICLO: 2016-B

DOCENTE:

TEMA: ANÁLISIS DE DATOS

INTEGRANTES:

FECHA:

DE MAYO DEL 2017

INDICE GENERAL
1. OBJETIVO

2. Fundamento Teórico
2.1 Modelo físico
2.2 Nube de puntos
2.3 Método de la regresión por mínimo cuadrados
2.3.1 Regresión de X sobre Y
2.4 Desarrollo de los problemas graficas
2.4.1 Recomendaciones
3. El ordenador
3.1 Extensión del método de regresión lineal
4. Equipos y materiales
5. Datos experimentales
.Gráficos y ajustes
.Papeles gráficos
.Usando la hoja de cálculo Excel
.Usando la calculadora científica
 Análisis de datos

1. Objetivos
 Mediante el análisis de datos identificar las leyes que responden a los
fenómenos físicos.
 Aprender y entender las representaciones de los datos usando papeles
gráficos y hojas de cálculos.
 Haciendo el uso de la hoja de cálculo MS-EXCEL, calculadora y los
papeles gráficos ajustar las curvas por método de regresión lineal

2. Fundamento teórico
2.1 modelo físico

El análisis de datos es la actividad de transformar un conjunto de datos con el

objetivo de extraer información útil y facilitar así la formulación de
conclusiones. En función del tipo de datos y de la cuestión planteada, puede
involucrar la aplicación de métodos estadísticos, ajustes de curvas, selección y
rechazo de determinados subconjuntos de datos, y otras técnicas. En
contraste con la teoría de minería de datos, el análisis de datos se utiliza no
tanto para el descubrimiento de patrones ocultos en los datos, sino para la
verificación o rechazo de un modelo existente o para la extracción de
parámetros necesarios para el ajuste de un modelo teórico a la realidad.

2.2 Nube de puntos

La representación gráfica se realiza mediante un dibujo realizado en un

sistema bidimensional de coordenadas cartesianas. En este tipo de diagramas
cada punto representa la puntuación que el sujeto obtiene en las dos
variables, determinando su puntuación por la lectura de los valores que
aparecen en la escala vertical y horizontal.
 Características de la nube de puntos

Según la forma de la nube de puntos podemos obtener la siguiente

información:

 Conocer si existe una relación directa o inversa entre las variables

 Saber si esta relación es fuerte o débil
 Determinar si la relación se ajusta a un modelo lineal o bien a otro
modelo matemático (modelo curvilíneo)
La producción de este de diagramas es el paso más importante a la hora de
estudiar la correlación entre dos variables. Con frecuencia se descuida a
veces este paso, o incluso es despreciado en los análisis de datos, pasando
directamente los autores a utilizar estadísticos más complejos.

La inspección del diagrama es esencial para detectar problemas como son las
puntuaciones “outliers”, que pueden deberse desde una mala introducción de
la información a la mezcla de datos correspondientes a distribuciones distintas.

Es también útil para determinar si los estadísticos de correlación que dependen

de relaciones lineales son apropiados, o bien es necesario sustituirlos por otros
más pertinentes.

2.3. Método de regresión por mínimos cuadrados

Es una herramienta muy eficaz para determinar la función o curva que mejor
describe a una serie de puntos experimentales. El primer caso sencillo donde se
aplicó este método fue para una distribución unidimensional de datos {xi} que
se consistió en determinar el valor medio, es decir, el número real de 𝑥̅, que
mejor representa a la distribución xi.

2.3.1. Regresión lineal

El segundo caso sencillo para aplicar el método de mínimos cuadrados
corresponde a unos distribuidos de pares ordenados {xi, yi} que se pretende
ajustar a una línea recta. Analíticamente, optamos por buscar una recta de
ajuste cuya ecuación es:

Yx = a + bx

Que se adecue mejor a nuestra nube de puntos. Esta recta de ajuste

seleccionada es la llamada recta de regresión por mínimos cuadrados
que se obtiene seleccionando de entre todas las rectas de ajuste posible,
aquella que hace mínimo la suma de los cuadrados de las distancias verticales
(residuos) de los puntos a la recta, es decir:
𝑁
𝑋 2 (𝑎, 𝑏) = ∑𝑖=1[yi − (𝑎 + 𝑏𝑖)]2

Desarrollando el cuadrado se obtiene:

𝑋 2 (a, b) = C + 𝑁𝑎2 + 𝑏 2 ∑ 𝑥̅𝑖 2 − 2a ∑ yi − 2b∑ xiyi + 2ab∑ xi

Esta expresión depende de las variables a, b y de los parámetros N,∑ 𝑥̅𝑖, ∑ 𝑦𝑖,∑
𝑥̅𝑖𝑦𝑖,∑ 𝑥̅𝑖2, ∑ 𝑦𝑖2. El conocimiento de estos parámetros que se calculan a partir
de la distribución {xi, yi} permite obtener todas las respuestas del problema.

Para obtener los resultados más eficaces de a y b se resuelve el sistema de

ecuaciones:

Este sistema de ecuaciones es lineal y su solución es:

a=

b=

Una vez que se tienen los valores del intercepto a y de la pendiente b es

necesario expresar de forma cuantitativa y cualitativa la calidad de ajuste.

Por calidad se entiende, intuitivamente, lo que se separan los puntos

experimentales yi de la predicción de la recta y = a +bx

Cuantitativamente, la calidad de ajuste viene expresada numéricamente por

el valor del residuo medio y del coeficiente de correlación.

El coeficiente de correlación se define como:

r=

Este coeficiente expresa la calidad del ajuste en forma relativa, es un numero

sin unidades a :

x
y al residuo medio 𝜎
De forma que:

x2 = 0 si y solo si r=1
Por lo que, cuanto más cercano a 1 sea el valor de r, mejor será el ajuste. Es
posible demostrar que r nunca puede ser mayor que 1.

Una buena forma de determinar la calidad de un ajuste es observar la gráfica

de los puntos experimentales y compararla con la recta obtenida. El ajuste
será bueno si la línea recta pasa por entre los puntos, dejando la misma
cantidad de puntos a un semiplano y a otro de los que define la recta.

2.4. Desarrollo de los papeles gráficos

1. La serie de datos experimentales obtenidas en el laboratorio tiene que
ser graficadas en papel milimetrada.
2. Comparar la distribución de los puntos obtenidos con algunas de las
funciones obtenidas. En el presente laboratorio nos proponemos realizar
los ajustes a funciones lineales ( y = a+ bx ), potenciales ( y = axb ,b 0 y
1) y exponenciales ( y = aebx).
3. Si la nube de puntos representados en la gráfica es de tendencia lineal
se procede a realizar el ajuste correspondiente usando el método de
regresión lineal por mínimos cuadrados.
4. Si la distribución de los puntos es colineal buscaremos linealizarla del
siguiente modo
a) Graficar en papel logarítmico los n pares experimentales (sin
necesidad de tomar logaritmo a cada uno de ellos). Si se obtiene
una distribución lineal, entonces, con certeza estamos frente a una
función potencial. De no obtener una función lineal, entonces,
b) Graficar en papel semilogaritmicos los n datos de pares
experimentales si se obtiene una distribución lineal entonces con
certeza estamos frente a una función exponencial.

2.4.1. Recomendaciones:

1. Las gráficas en el papel milimetrado deben ocupar el mayor área. Para

esto, se deben adecuar convenientemente las escalas de los ejes que
no necesariamente serán iguales. Utilizar como factor de escala
números que permitan cálculos sencillos.
 2. En los ejes de las gráficas solo se deben presentar algunos números
representativos que indiquen como varia la escala.
3. Las rectas o curvas que se grafiquen deben ser continuas y suaves y que
pasen por la mayor densidad de puntos.
4. Para determinar la pendiente en el caso que la gráficasea una recta, se
debe construir un triángulo rectángulo a partir de dos puntos bien
separados que pertenezcan a la recta y cuyos catetos sean paralelos a
los ejes coordenados. De esta manera se minimizan los errores relativos
de construcción y de medición de los catetos y la pendiente se calcula

como .

El análisis de datos mediante este método es tedioso y pueden provocar

errores. En la actualidad se pueden hacer uso de herramientas como:

3. Ordenador
Se pueden construir programas en c, Fortran, Pascal o Basic para hacer los
ajustes que se requieran. También se puede usar programas como el Gnupolt y
el Excel que permiten mostrar la grafica y obtener la curva y la ecuación de
regresión con su respectivo coeficiente de correlación.

3.1. Extensión del método de regresión lineal

Este método es prácticamente sencillo y tiene doble interés: de un lado, este

tipo de dependencia es frecuente entre magnitudes físicas, de otro lado,
muchas otras dependencias más complicadas pueden reducirse a esta
sencilla mediante un cambio de variable adecuado.

Función lineal Cambio Forma lineal

y = ax2 x2 = z y = az
y = a√𝑥̅ √𝑥̅ = z y = az
y = axn ln(y)=Y; ln(a)=b; ln(x)=X Y = b + nX
y = aexp(nx) ln(y) = Y; ln(a) = b Y = b + nx

4. Equipos y materiales
 hoja de papel milimetrado
 hoja de papel logarítmico
 hoja de papel semi-logaritmico
 calculadora científica
5. Datos experimentales

I.DISTRIBUCION LINEAL (LIN): 𝑦 = 𝑏 + 𝑚𝑥̅ o 𝑦 = 𝐴 + 𝐵𝑋

Utilizamos los siguientes valores de los datos experimentales obtenidos en el

laboratorio

x 1 2 3 4 5 6 7

y 6 10 14 18 22 26 30

Se desea obtener la ecuación que relaciona las variables 𝑦 = 𝑦(𝑥̅)

1. Procedimiento manual

1.1 Utilizando papel milimetrado Y vs X. Grafica 1

1.2 Ajuste los puntos usando el método método de Regresión Lineal por
Mínimos Cuadrados (RLMC).Complete la tabla

TABLA 1
n x y xy x2 y2
1 1 6 6 1 36
2 2 10 20 4 100
3 3 14 42 9 196
4 4 18 72 16 324
5 5 22 110 25 484
6 6 26 156 36 676
7 7 30 210 49 900
∑ 28 126 616 140 2716

1.3 Calcule:

𝐧∑𝐱𝐲−∑𝐱𝐲 ∑y−m∑x
Pendiente: 𝒎 = 𝐧.∑𝐱𝟐−(∑𝐱)𝟐 = 4 ; Intercepto: 𝑏 = =2
n

n∑xy−∑xy
Coeficiente de correlación: 𝑟 = =1
√(n.∑x2−(∑x)2)(n.∑y2−(∑y)2)

1.4 Escribiendo la ecuación ajustada 𝑦 = 𝑦(𝑥̅) y su coeficiente de correlación

Ecuación Ajustada Coeficiente de correlación

𝑦 = 4𝑥̅ + 2 r=1
2. Use calculadora científica

Procedimiento de uso para la función de regresión

2.1Para borrar los datos de la memoria oprima:

2.2 Seleccionamos el tipo de regresión

2.2.1 Usted podrá visualizar 8 tipos de regresiones.

1. Lin (lineal) 4. Pwr (potencial)

2. Log (logarítmica) 5. Inv (inversa)
3. Exp (exponencial) 6. Quad (cuadrática)

2.2.2 Seleccionamos el tipo de regresión: lineal 𝑨 + 𝑩𝑿 y tipeamos lo

valores de X e Y AC

X Y
1 6
2 10
3 14
4 18
5 22
6 26
7 30

2.3 para calcular los coeficientes de regrecion A, B y r

2.3 Escriba la ecuación ajustada y su coeficiente de correlación:

Ecuación ajustada Coeficiente de la correlación

𝑦 = 4𝑥̅ + 2 𝑟=1

3. Usando la hoja de cálculo EXEL

3.1Presente una escala milimétrica graficando las variables X y Y. Grafica 2

35
Y

30 Distribucion Lineal
25

20 y = 4x + 2
R² = 1
15

10

0 X
0 2 4 6 8

En la gráfica en escala milimétrica podemos observar que tiene una tendencia

lineal

Ecuación Ajustada Coeficiente de correlación

𝑦 = 4𝑥̅ + 2 𝑟=1

4. Comentarios

4.1 ¿Se corresponden los resultados obtenidos en las tres secciones anteriores?

-Gracias a las regresiones lineales podemos aproximar una ecuación Y=b+mx

a una recta

-La constante de regresión nos da a conocer si una función es una recta

-A partir de las gráficas 1 dibujadas en el papel milimetrado podemos afirmar
lo siguiente.
Se puede afirmar que la gráfica obtenida es una función Lineal, ya que en el
pape milimetrado tuvo una tendencia lineal
Distribución Potencial (PWR): 𝑌 = K 𝑋 𝑛 o 𝑌 = A 𝑋𝐵
Utilizamos los siguientes valores de los datos experimentales obtenidos en el
laboratorio

X 0.5 4.0 8.0 12.0 15.0 18.0 22.0

y 0.4 19.2 80.4 176.4 273.6 392.5 584.4

Se desea obtener la ecuación que relaciona las variables 𝑦 = 𝑦(𝑥̅)

1. Procedimiento manual

1.1 Utilizando el papel milimetrado Y vs X. Grafica 3.

1.2 Utilizando el papel logarítmico Y vs X. Grafica 4.

1.3 Ajustando los puntos usando el método método de Regresión Lineal por
Mínimos Cuadrados (RLMC).Complete la tabla 2.

Se sabe que: 𝑌 = A 𝑋𝐵
𝑙𝑜𝑔𝑌 = 𝑙𝑜𝑔𝐴 + 𝐵 𝑙𝑜𝑔𝑥̅
𝑌 = 𝑏 + 𝑚𝑋

Esto significa que se puede aplicar el método de RLMC, para las nuevas
variables X e Y. Para lo cual se hace necesario completar la siguiente tabla

n x y X=logx Y=logy XY X2 Y2
1 0.5 0.4 -0.30 -0.40 0.2 0.25 0.16
2 4 19.2 0.60 1.28 76.8 16 368.64
3 8 80.4 0.90 1.91 643.2 64 6464.16
1 12 176.4 1.08 2.25 2116.8 144 31116.96
5 15 273.6 1.18 2.44 4104 225 74856.96
6 18 392.5 1.26 2.59 7065 324 154056.25
7 22 584.4 1.34 2.77 12856.8 484 341523.36
∑ 79.5 1526.9 6.06 12.83 26862.8 1257.25 608386.49

1.4 Calcule:
n∑xy−∑xy ∑y−m∑x
Pendiente: 𝑚 = = 64.97 ; Intercepto: 𝑏 = =-519.83
n.∑x2−(∑x)2 n
n∑xy−∑xy
Coeficiente de correlación: 𝑟 = =0.99
√(n.∑x2−(∑x)2)(n.∑y2−(∑y)2)

Use formulas RLMC b= -519.83 m=64.97

A=1.46 B=1.92
1.5 Escribiendo la ecuación ajustada 𝑦 = 𝑦(𝑥̅) y su coeficiente de correlación:

Ecuación Ajustada Coeficiente de correlación

y = 1.4597x1.9291 𝑟 = 0.99

Análisis de datos experimentales

Gráficas y ajustes

1. Usando papeles gráficos

1.1 Graficar Y= Y (x) en papel milimetrado

1.2 Graficar Y = Y (x) en papel semi-logaritmico

1.3 A partir de las gráficas 1.2 y 1.3 dibujadas en el papel milimetrado y

logarítmico podemos afirmar lo siguiente.

Se puede afirmar que la gráfica obtenida es una función potencial, ya que en

el papel logarítmico la regresión tuvo una tendencia lineal.

2. CALCULADORA CIENTIFICA

2.1Para borrar los datos de la memoria oprima:

2.2 Seleccionamos el tipo de regresión

2.2.1 Usted podrá visualizar 8 tipos de regresiones.

1. Lin (lineal) 4. Pwr (potencial)

2. Log (logarítmica) 5. Inv (inversa)
3. Exp (exponencial) 6. Quad (cuadrática)
2.2.2 Seleccionamos el tipo de regresión: Potencial 𝒀 = 𝐀 𝑿𝑩 y tipiamos los
valores de X e Y AC

x y
0.5 0.4
4 19.2
8 80.4
12 176.4
15 273.6
18 392.5
22 584.4

2.2.3 para calcular los coeficientes de regresión A, B y r

2.3 Escriba la ecuación ajustada y su coeficiente de correlación:

Ecuación ajustada Coeficiente de la correlación

y= 1.4597x1.9291 𝑟 = 0.99

3. Usando la hoja de cálculo EXEL

3.1 Presente una escala milimétrica graficando las variables X y Y. Grafica 5

DISTRIBUCION POTENCIAL
Y

700
600
500 y = 1.4597x1.9291
400 R² = 0.9997

300
200
100
0 X
0 5 10 15 20 25
En la gráfica en escala milimétrica podemos observar que tiene una tendencia
potencial

Ecuación ajustada Coeficiente de la correlación

4. Comentarios

4.1 ¿Se correspondes los resultados obtenidos en las tres secciones anteriores?

-Gracias a las regresiones lineales podemos aproximar una ecuación

𝑌 = A 𝑋 𝐵 a una
-La constante de regresión nos da a conocer si una función es una recta
-A partir de las gráficas 1 dibujadas en el papel milimetrado podemos afirmar
lo siguiente.
Se puede afirmar que la gráfica obtenida es una función potencial, ya que en
el pape milimetrado tuvo una tendencia lineal
III.Distribución Exponencial (EXP) 𝑌 = k 𝑒 𝑛𝑥 o 𝑌 = A 𝑒 𝐵𝑥
Utilizamos los siguientes valores de los datos experimentales obtenidos en el
laboratorio

X 5 10 15 20 25 30 35

y 167 112 75 51 34 23 15

Se desea obtener la ecuación que relaciona las variables 𝑦 = 𝑦(𝑥̅)

1. Procedimiento manual

1.1 Utilizando el papel milimetrado Y vs X. Grafica 6.

1.2 Utilizando el papel logarítmico Y vs X. Grafica 7.

1.3 Utilizando el papel semi logarítmico Y vs X. Grafica 8.

1.3 Ajustando los puntos usando el método método de Regresión Lineal por
Mínimos Cuadrados (RLMC).Complete la tabla 2.

Se sabe que:

𝑌 = A 𝑒 𝐵𝑥
𝑙𝑛𝑌 = 𝑙𝑛𝐴 + 𝐵𝑥̅ 𝑙𝑛𝑒
𝑌 = 𝑏 + 𝑚𝑋

Esto significa que se puede aplicar el método de RLMC, para las nuevas
variables X e Y. Para lo cual se hace necesario completar la siguiente tabla

TABLA 3
Datos
n x y Y=lny x.y x2
1 5 167.58 5.1215 837.9 25
2 10 112.33 4.7214 1123.3 100
 3 15 75.29 4.3213 1129.35 225
1 20 50.47 3.9214 1009.4 400
5 25 33.84 3.5216 846 625
6 30 22.68 3.1215 680.4 900
7 35 15.20 2.7213 532 1225
∑ 140 477.39 27.4501 6158.35 3500

1.4 Calcule:
n∑xy−∑xy ∑y−m∑x
Pendiente: 𝑚 = = 7.54 ; Intercepto: 𝑏 = =-82.62
n.∑x2−(∑x)2 n

n∑xy−∑xy
Coeficiente de correlación: 𝑟 = =
√(n.∑x2−(∑x)2)(n.∑y2−(∑y)2)

Use formulas RLMC b= -82.62 m= 7.54

A = 250 B= -0.08

1.5 Escribiendo la ecuación ajustada 𝑦 = 𝑦(𝑥̅) y su coeficiente de correlacion:

Ecuación Ajustada Coeficiente de correlación

y = 250e−0.08x 𝑟=1

Análisis de datos experimentales

Gráficas y ajustes

1. Usando papeles gráficos

1.1 Graficar Y = Y (x) en papel milimetrado

1.2 Graficar Y = Y (x) en papel semi-logaritmico

1.3 Graficar Y = Y (x) en papel logarítmica

1.3 A partir de las grafica 1.2, 1.3 y 1.4 dibujadas en el papel milimetrado
podemos afirmar lo siguiente.

Se puede afirmar que la gráfica obtenida es una función exponencial, ya que

en el papel semi-logaritmico la regresión tuvo una tendencia lineal.

2. Uso de la calculadora

2.1Para borrar los datos de la memoria oprima:

 2.2 Seleccionamos el tipo de regresión

2.2.1 Usted podrá visualizar 8 tipos de regresiones.

1. Lin (lineal) 4. Pwr (potencial)

2. Log (logarítmica) 5. Inv (inversa)
3. Exp (exponencial) 6. Quad (cuadrática)

2.2.2 Seleccionamos el tipo de regresión: Exponencial 𝑌 = A 𝑒 𝐵𝑥 y tipeamos lo

valores de X e Y AC

x y
5 167.58
10 112.33
15 75.29
20 50.47
25 33.84
30 22.68
35 15.2
40 10.19

2.2.3 para calcular los coeficientes de regresión A, B y r

2.3 Escriba la ecuación ajustada y su coeficiente de correlación:

Ecuación Ajustada Coeficiente de correlación

y = 250e−0.08x 𝑟=1

3. Usando la hoja de cálculo EXEL

3.1 Presente una escala milimétrica graficando las variables X y Y. Grafica 9

 FUNCION EXPONENCIAL

Y
200

y = 250e-0.08x
150 R² = 1

100

50

0 X
0 10 20 30 40 50

En la gráfica en escala milimétrica podemos observar que tiene una tendencia

exponencial

Ecuación ajustada Coeficiente de la correlación

y = 250e−0.08x 𝑟=1

4. Comentarios

4.1 ¿Se corresponde los resultados obtenidos en las tres secciones anteriores?