Академический Документы
Профессиональный Документы
Культура Документы
LABORATORIO FÍSICA I
EXPERIMENTO N° 2: ANÁLISIS DE DATOS
GRUPO : 92G
PROFESOR: Julio Chicana López
INTEGRANTES:
a) NOCIONES PREVIAS
Diagrama de dispersión: es la relación de las variables, en este caso de 2 variables sea
“x” la variable independiente y “y” la variable dependiente , representadas en un
plano , en este caso cartesiano , a través de puntos para este caso será (𝑥, 𝑦)
Papel milimétrico: Es un papel cuyas cuadrículas esta formado por cuadrados de 1 o 2
milímetros de lado, si el diagrama de dispersión tiene una tendencia de recta en este
tipo de papel indicará que la ecuación es lineal . De caso contrario tome otra forma,
entonces la ecuación no es lineal
Papel logarítmico: Es un papel cuyos ejes tienen escala logarítmica, si el diagrama de
dispersión tiene una tendencia de recta en este tipo de papel indicara que la ecuación
es potencial. De caso contrario tome otra forma, entonces la ecuación no es potencial
Papel semilogarítmico: Es un papel cuyo eje de ordenadas esta en escala logarítmica y
el eje de abscisas está en escala milimétrica, si el diagrama de dispersión tiene una
tendencia de papel indicará que la ecuación es exponencial. De caso contrario tome
otra forma, entonces la ecuación no es exponencial
Es aquel procedimiento que nos podrá ayudar a estructurar de la forma más precisa posible la
relación que hay entre dos o más variables. Existen tipos de regresión por mínimos cuadrados,
entre estos tenemos:
𝑦 = 𝑎𝑥 + 𝑏
∑ 𝑦𝑖 − 𝑏 ∑ 𝑥𝑖
𝑎=
𝑛
𝑛 ∑ 𝑥𝑖. 𝑦𝑖 − ∑ 𝑥𝑖 . ∑ 𝑦𝑖
𝑏= 2
𝑛 ∑ 𝑥𝑖 − (∑ 𝑥𝑖)2
Debemos tener en cuenta también el coeficiente de correlación que nos medirá el grado de
cercanía que tienen la relación de los datos dados con la expresión lineal de la regresión,
este parámetro se podrá calcular mediante la siguiente fórmula:
𝑛 ∑ 𝑥𝑖. 𝑦𝑖 − ∑ 𝑥𝑖 . ∑ 𝑦𝑖
𝑟=
√{𝑛 ∑ 𝑥𝑖 2 − (∑ 𝑥𝑖)2 } − {𝑛 ∑ 𝑦𝑖 2 − (∑ 𝑦𝑖)2 }
𝑦 = 𝐴𝑥 𝐵
Para lograr definir mejor “A” y “B”, tendremos que hacer un cambio de variable, sacando el
logaritmo para los dos miembros de la ecuación con la finalidad de obtener una nueva
ecuación de tipo lineal:
𝑙𝑜𝑔𝑦 = 𝑙𝑜𝑔𝐴𝑥 𝐵
log 𝑦 = 𝑙𝑜𝑔𝐴 + 𝐵𝑙𝑜𝑔𝑥
𝑌 = 𝑏 + 𝑚𝑋
De aquí podremos notar que “b” sería en este caso el intercepto y “m” la pendiente, dónde
se podrá calcular mediante lo siguiente:
∑ 𝑌𝑖 − 𝑚 ∑ 𝑋𝑖
𝑏=
𝑛
𝑛 ∑ 𝑋𝑖. 𝑌𝑖 − ∑ 𝑋𝑖 . ∑ 𝑌𝑖
𝑚=
𝑛 ∑ 𝑋𝑖 2 − (∑ 𝑋𝑖)2
𝑦 = 𝐴𝑒 𝐵𝑥
Para poder calcular esta fórmula, sacaremos logaritmo neperiano a ambos miembros de la
ecuación para así llegar a una expresión lineal y poder facilitar los cálculos
𝑙𝑛𝑦 = 𝑙𝑛𝐴𝑒 𝐵𝑥
𝑙𝑛𝑦 = 𝑙𝑛𝐴 + 𝐵𝑥
𝑌 = 𝑏 + 𝑚𝑥
Luego podremos definir a “b” como el intercepto y “m “la pendiente de esta expresión lineal
dada, para poder llegar a los valores respectivos del intercepto y la pendiente se desarrollará
lo siguiente:
∑ 𝑌𝑖 − 𝑚 ∑ 𝑥𝑖
𝑏=
𝑛
𝑛 ∑ 𝑥𝑖. 𝑌𝑖 − ∑ 𝑥𝑖 . ∑ 𝑌𝑖
𝑚=
𝑛 ∑ 𝑥𝑖 2 − (∑ 𝑥𝑖)2
III. EQUIPOS Y MATERIALES
a) Hoja de papel milimétrico. véase en la fígura (3.1)
b) Hoja de papel logarítmico. véase en la fígura (3.2)
c) Hoja de papel semilogarítmico. véase en la fígura (3.3)
d) Calculadora científica. véase en la fígura (3.4)
e) Excel. véase en la fígura (3.5)
fígura (3.5)
IV. PROCEDIMIENTO
Base a nuestra experiencia en el laboratorio daremos algunos procedimiento para hallar la
ecuación que relacione “y” y “x”
METODO MANUAL:
METODO EN EXCEL :
x 1 2 3 4 5 6 7
y 6 10 14 18 22 26 30
A. MÉTODO MANUAL
Para demostrar que es una recta vea la gráfica (5.1) en la siguiente página
luego de confirmar que la gráfica sea una recta procederemos a usar regresión lineal por
mínimos cuadrados.
2. Complete la tabla.
DATOS
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
Σ 28 126 616 140 2716
3. Ajuste de curvas por el método de Regresión Lineal por Mínimos
Cuadrados:
La pendiente:
7(616) − (28)(126)
𝑏= =4
7(140) − 282
El intercepto:
126 − 4(28)
𝑎= =2
7
El coeficiente de correlación:
7(616) − (28)(126)
𝑟= =1
√7(140) − 282 {7(2716) − 1262 )}
𝑦 = 2 + 4𝑥 𝑟 =1
B. CALCULADORA CIENTÍFICA
Ecuación Ajustada
𝑦 = 2 + 4𝑥
Coeficiente de correlación
𝑟 =1
C. EXCEL
Presente la distribución de puntos, la línea de tendencia y el coeficiente de
correlación.
𝑦 = 4𝑥 + 2 𝑟=1
D. SMATPHONE
Presente la distribución de puntos, la línea de tendencia y el coeficiente de
correlación usando la aplicación graphical analysis 4
𝑦 = 4𝑥 + 2 𝑟=1
Conclusiones:
Para saber que la ecuación de relación entre las variables sea una lineal , basta con gráficar en el
papel milimetrado el diagrama de dispersión y que tienda a una recta
A. MÉTODO MANUAL
1. Graficar y vs. x en papel milimetrado.
2. Graficar y vs. x en papel logarítmico.
Para demostrar que es una ecuación potencial se debe gráficar en el papel milimétrado un
arco y en el papel logarítmico una recta. ver las gráficas 5.2 y 5.3 de la contiguas páginas
después procederemos a usar regresión lineal por mínimos cuadrados como haremos a
continuación ,pero antes :
Justificación:
𝑦 = 𝐴𝑥 𝐵
log 𝑦 = log 𝐴 + 𝐵 log 𝑥
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:
El intercepto:
12.8346 − 2 (6.0567)
𝑏= = 0.1
7
El coeficiente de
correlación:
7(14.8722) − 6.0567(12.8346)
𝑟= =1
√(7(7.1932) − (6.0567)2 )(7(30.8199) − (12.8346)2 )
𝑟
𝐵 = 𝑚 =2
𝑦 = 1.3𝑥 2 𝑟=1
B. CALCULADORA CIENTÍFICA
Ecuación Ajustada
𝑦 = 1.5𝑥 2
Coeficiente de correlación
𝑟 = 0.9
C. EXCEL
Presente la distribución de puntos, la línea de tendencia y el coeficiente de
correlación.
𝑦 = 1.5𝑥 2 R=0.9
D. SMATPHONE
Presente la distribución de puntos, la línea de tendencia y el coeficiente de
correlación usando la aplicación graphical analysis 4
Dada la tabla de datos, se desea obtener la ecuación que relaciona las variables 𝑦 = 𝑦(𝑥)
x 5 10 15 20 25 30 35
y 167 112 75 51 34 23 15
A. MÉTODO MANUAL
La pendiente :
7(493.8973) − 140(27.4552)
𝑚= = −0.07
7(3500) − 1402
El intercepto:
27.4552 − (−0.07)(140) 38.6412
𝑏= = = 5.5
7 7
El coeficiente de correlación:
𝑦 = 249,6𝑒 −0.07𝑥 𝑟 = −1
E. CALCULADORA CIENTÍFICA
F. EXCEL
Presente la distribución de puntos, la línea de tendencia y el
coeficiente de correlación.
Ecuación Ajustada
𝑦 = 249,7𝑒 −0,07𝑥
1 2 3 4 5 6 7 8 9 10
Mediciones
L (m) 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
T (s) 1.55 2.20 2.69 3.11 3.48 3.81 4.11 4.40 4.66 4.92
n x y logx =X Logy=Y XY 𝑋2 𝑌2
1 0.1 1.55 -1 0.1903317 -0.1903317 1 0.03622616
2 0.2 2.2 -0.69897 0.34242268 -0.23934318 0.48855907 0.11725329
3 0.3 2.69 -0.52287875 0.42975228 -0.22470833 0.27340218 0.18468702
4 0.4 3.11 -0.39794001 0.49276039 -0.19608907 0.15835625 0.2428128
5 0.5 3.48 -0.30103 0.54157924 -0.1630316 0.09061906 0.29330808
6 0.6 3.81 -0.22184875 0.58092498 -0.12887748 0.04921687 0.33747383
7 0.7 4.11 -0.15490196 0.61384182 -0.0950853 0.02399462 0.37680178
8 0.8 4.4 -0.09691001 0.64345268 -0.06235701 0.00939155 0.41403135
9 0.9 4.66 -0.04575749 0.66838592 -0.03058366 0.00209375 0.44673973
10 1 4.92 0 0.6919651 0 0 0.4788157
5.5 34.93 -3.44023697 5.19541679 -17.8734649 11.8352304 26.9923556
1.7. Por último, calcule las constantes que acompañan a sus variables originales x e y
En escala milimetrada
En escala logarítmica
VI. CUESTIONARIO
1)¿Cuál es su comentario acerca de las cuatro formas utilizadas para calcular los coeficientes de
correlación?¿existen diferencias en los resultados?
En vista de las operaciones anteriormente realizada se llega a la conclusión que la forma más
operativa para calcular el coeficiente de correlación es el del método manual , ya que se necesitan
las gráficas y los cálculos.
la interpolación es una gráfica definida por una serie de relaciones de datos establecidos,
a diferencia de la regresión esta siempre pasará por todos los puntos.
la interpolación permite realizar una función más sencilla
la extrapolación es similar a la interpolación ya que busca ajustar datos a una gráfica la
diferencia es que la extrapolación está sujeta a una mayor incertidumbre.
la extrapolación también es estimar más allá del intervalo ya que tiende a formar una
gráfica que vaya más allá del límite por ejemplo, para la extrapolación lineal tiende a
formar una línea tangente al final de los datos obtenidos pero con una proyección que
sobrepasará el límite.
Para L= 45 cm
𝑇 = 4.9(45)0.5 → T = 32.9 s
Para L= 110 cm
T = 4.9(110)0.5 → T= 51.4 s
a) La ecuación t = 𝑓(𝐻)
b) La ecuación t = 𝑓(𝐷)
c) La ecuación t = 𝑓(𝐻, 𝐷)
d) El valor de t cuando 𝐻 = 20𝑐𝑚 𝑦 𝐷 = 4(𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛)
e) El valor de t cuando 𝐻 = 40𝑐𝑚 𝑦 𝐷 = 6(𝑒𝑥𝑡𝑟𝑎𝑝𝑜𝑙𝑖𝑐𝑖ó𝑛
7) Graficar usando la carta polar (a mano) y también usando el Excel en este caso el ángulo 𝜽
debe expresarse en radianes. Identifique cada gráfica.
a) 𝑟 = 4 sin2 𝜃 :
Ver la gráfica de esta relación hecho a mano en la figura 7.1 en las dos siguientes páginas ,
después de que haya observado la fígura a mano lo verificaremos en la aplicación Excel a
continuación:
https://sites.google.com/site/numerictron/unidad-4/4-3-
regresion-por-minimos-cuadrados-lineal-y-cuadratica
http://maralboran.org/wikipedia/index.php/Distribuciones_bi
dimensionales._Nubes_de_puntos._Correlación_%281ºBach%
29
http://www.famaf.proed.unc.edu.ar/pluginfile.php/12717/m
od_resource/content/2/An%C3%A1lisis_de_Datos_e_Incertid
umbres_en_F%C3%ADsica_Experimental.pdf
https://es.slideshare.net/leonaffteloy/informe-sobre-analisis-
de-datos-estadistticos