1.

OBJETIVOS
Mediante el anlisis de datos podremos identificar y entender las leyes que responden a los fenmenos fsicos. Aprender a utilizar las hojas de clculo para poder realizar las correspondientes representaciones en los papeles grficos (milimetrado, logartmico, semilogartmico). Utilizar correctamente la hoja de clculo MS EXCEL, una calculadora y papeles grficos. Realizar el ajuste de curvas utilizando el mtodo de regresin lineal.

2. MATERIALES Una hoja de papel milimetrado. Una hoja de papel logartmico. Una hoja de papel semi-logartmico. Una calculadora cientfica. Programa Excel.

3. TEORA
3.1 MODELO FSICO

Anlisis de datos es la actividad de transformar un conjunto de datos con el objetivo de extraer informacin til y facilitar as la formulacin de conclusiones. En funcin del tipo de datos y de la cuestin planteada, puede involucrar la aplicacin de mtodos estadsticos, ajuste de curvas, seleccin o rechazo de determinados subconjuntos de datos, y otras tcnicas. En contraste con la tcnica de minera de datos, el anlisis de datos se utiliza no tanto para el descubrimiento de patrones ocultos en los datos, sino para la verificacin o rechazo de un modelo existente o para la extraccin de parmetros necesarios para el ajuste de un modelo terico a la realidad. 3.2 NUBE DE PUNTOS

La representacin grfica se realiza mediante un dibujo realizado en un sistema B bidimensional de coordenadas cartesianas. En este tipo de diagramas cada punto representa la puntuacin que el sujeto obtiene en las dos variables, determinando su puntuacin por la lectura de los valores que aparecen en la escala vertical y horizontal. Caractersticas de la Nube de Puntos. Segn la forma de la nube de puntos podemos obtener la siguiente informacin: a) Conocer si existe una relacin directa o inversa entre las variables. b) Saber si esa relacin es fuerte o dbil. c) Determinar si la relacin se ajusta a un modelo lineal o bien a otro modelo matemtico (ej: modelo curvilneo). La produccin de este tipo de diagramas es el paso ms importante a la hora de estudiar la correlacin entre dos variables. Con frecuencia se descuida a veces este paso, o incluso es despreciado en los anlisis de datos pasando directamente los autores a utilizar estadsticos ms complejos. La inspeccin del diagrama es esencial para detectar problemas como son las puntuaciones "outliers", que pueden deberse desde una mala introduccin de la informacin a la mezcla de datos correspondientes a distribuciones distintas. Es tambin til para determinar si los estadsticos de correlacin que dependen de relaciones lineales son apropiados, o bien es necesario sustituirlos por otros ms pertinentes.

3.3

MTODO DE REGRESION POR MINIMOS CUADRADOS

Cuando se asocia un error sustancial a los datos, la interpolacin polinomial es inapropiada y puede llevar a resultados no satisfactorios cuando se usa para predecir valores intermedios. Los datos experimentales a menudo son de ese tipo. Una estrategia mas apropiada en estos casos es la de obtener una funcin aproximada que ajuste adecuadamente el comportamiento o la tendencia general de los datos, sin coincidir necesariamente con cada punto en particular. Una lnea recta puede usarse en la caracterizacin de la tendencia de los datos sin pasar cobre ningn punto en particular. Una manera de determinar la lnea, es inspeccionar de manera visual los datos graficados y luego trazar la mejor lnea a travs de los puntos. Aunque este enfoque recurre al sentido comn y es valido para clculos a simple vista es deficiente ya que es arbitrario. Es decir, a menos que los puntos definan una lnea recta perfecta (en cuyo caso la interpolacin seria apropiada), cada analista trazara rectas diferentes. La manera de quitar esta subjetividad es considerar un criterio que cuantifique la suficiencia del ajuste. Una forma de hacerlo es obtener una curva que minimice la diferencia entre los datos y la curva y el mtodo para llevar a cabo este objetivo es al que se le llama regresin con mnimos cuadrados. 3.4 REGRESION LINEAL POR MINIMOS CUADRADOS

El siguiente caso sencillo para aplicar el mtodo de mnimos cuadrados es el de una distribucin de pares ordenados { | }, que se pretende ajustar a una lnea recta. Analticamente, optamos por buscar una recta de ajuste cuya ecuacin general es f(x) = a + b.x que se adecue mejor a nuestra nube de puntos. Esta recta de ajuste seleccionada es la llamada Recta de regresin por mnimos cuadrados y que se obtiene seleccionando de entre todas las rectas de ajuste posibles, aquella que hace mnimo la suma de los cuadrados de las distancias (residuos) de los puntos a la recta, es decir:

Desarrollando el cuadrado se obtiene:

Esta expresin depende de a, b y los nicos parmetros que entran en ellas son:

El conocimiento de estos parmetros que se calculan a partir de la distribucin { | } permite obtener todas las respuestas del problema. Para obtener los clculos ms eficaces de a y b se resuelve el sistema de ecuaciones:

Este sistema de ecuaciones es lineal y su solucin es:

Una vez que se tienen los valores de a0 y b0 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 prediccin de la recta a0 + b0x. Cuantitativamente, la calidad de ajuste viene expresada numricamente por el valor del residuo medio y del coeficiente de relacin. El coeficiente de relacin:

Este coeficiente expresa la calidad del ajuste en forma relativa, es una nmero sin unidades, y est ligado a x2 (llamado tambin chi-cuadrado) y al residuo medio por:

De forma que:

X2 = 0

r=1

Por lo que cuanto ms cercano a 1 sea el valor de r2 mejor ser el ajuste. Es posible demostrar que r nunca puede ser mayor que 1. Cualitativamente, una buena forma de determinar la calidad de un ajuste es observar la grfica de los puntos experimentales y compararla con la recta obtenida. El ajuste ser bueno si la lnea recta pasa por entre los puntos, dejando la misma cantidad de puntos a un semiplano y a otro de los que define la recta.

3.5

EXTENSION DEL METODO DE REGRESIN LINEAL

El estudio de este mtodo, relativamente sencillo, tiene doble inters: de un lado, este tipo de dependencia es frecuente entre magnitudes fsicas, de otro lado, muchas otras dependencias ms complicadas pueden reducirse a esta sencilla mediante un cambio de variable.

Funcin inicial

Cambio ; ; ;

Forma lineal

3.6

LOS METODOS DE LOS MINIMOS CUADRADOS Y EL ORDENADOR

El anlisis de datos mediante este mtodo es tedioso y puede provocar errores. En la actualidad se pueden hacer uso de herramientas tales como: La calculadora cientfica Las calculadoras suelen tener un modo de clculo del mtodo de los mnimos cuadrado. Para saber ver en la calculadora si tienes el modo LR, del ingles lineal regresin. En caso afirmativo la calculadora nos dar inmediatamente los valores de a, b, y R, axial como los parmetros de la ecuacin (*). Otras calculadoras ms modernas pueden representar otro modo de regresin tales como: Logartmica, exponencial, potencial, inversa, cuadrtica.

El ordenador Se pueden construir programas en C, fortran, pascal, o basic, para hacer los ajustes que se requieran. Tambin se puede usar el EXCEL que nos permite graficas y presentar las curvas de regresin con sus respectivas formulas de correspondencia y correlacin.

Utilizacin de papeles grficos i. Una vez obtenida la serie de datos experimentales el siguiente paso es graficarlas de primera intencin en papel milimetrado. ii. Comparar la distribucin de los puntos obtenidos con alguna de las funciones conocidas, en el presente laboratorio nos proponemos realizar los ajustes lineales (y = a + b.x), potenciales (y = a.xb , b 0 y 1) y exponenciales (y = a.ebx). iii. Si la nube de puntos representados en la grfica es de tendencia lineal se procede a realizar el ajuste correspondiente, por el mtodo de regresin lineal. iv. Si la distribucin de los puntos es no lineal, buscaremos linealizarla del siguiente modo: a) Graficar en papel logartmico, los N pares de datos experimentales ( no tomar logaritmos), si se obtiene una distribucin lineal, entonces, con certeza estamos frente a una funcin de tipo potencial de la forma: y = a.xb , b 0 y 1 . b) Graficar en papel semi-logartmico, los N pares de datos experimentales (no tomar logaritmos), si se obtiene una distribucin lineal, entonces, con certeza estamos frente a una funcin de tipo exponencial de la forma y = a.ebx Recomendaciones i. Las grficas deben utilizar el mximo de papel, para esto se deben adecuar convenientemente las escalas de los ejes. ii. Solo se deben presentar algunos nmeros representativos que indiquen cmo vara la escala.

iii. Las rectas o curvas que se grafiquen deben ser continuas y suaves y que
pasen por la mayor densidad de puntos. Para determinar la pendiente en el caso que la grfica sea una recta, se debe construir un tringulo rectngulo 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 construccin y de medicin de los catetos y la pendiente se calcula como

3.7

VARIABLES INDEPENDIENTES

La variable independiente generalmente se ubica a lo largo del eje X. 3.8 VARIABLES DEPENDIENTES

La variable dependiente generalmente se ubica a lo largo del eje Y.

4. EXPERIMENTO
4.1 PROCEDIMIENTO

En nuestra clase respectiva, se nos encarg hallar los siguientes datos: i. ii. Se nos pide encontrar en primer lugar la ecuacin ajustada. Tambin tenemos que graficar los puntos hallados en la hoja milimetrada, logartmica y semi-logartmica.

5. ANALISIS DE DATOS RESULTADOS

CUESTIONARIO 5.1 De los valores obtenidos para el coeficiente de correlacin usando

regresin lineal y regresin potencial. Cul de las regresiones ajusta mejor la distribucin de puntos? Presente en el mismo grfico las lneas de tendencia para cada caso.

De los datos obtenidos se tiene: a) en regresin lineal: A=1.51; B=3.60; R=0.989 b) en regresin exponencial: A=4.91; B=0.5; R=0.999

Por lo cual se deduce que es una regresin exponencial ya que su radio se aproxima ms a uno.

5.2

Tericamente se conoce que el perodo de oscilacin para un pndulo

simple es T= 2 , donde g=9.8 m/s2 es la aceleracin de la gravedad. Entonces, comparando esta ecuacin con las ecuaciones experimentales T=T(L) obtenidas en (G 1),(G 2),(G 3), encuentre el valor experimental de la gravedad.

5.3

A que se denomina interpolacin y extrapolacin?

INTERPOLAR: Estimar el valor de una funcin dentro del dominio de la muestra. El proceso de calcular valores numricos desconocidos a partir de otros ya conocidos mediante la aplicacin de algoritmos concretos. En otras palabras: Sacarse de la manga de nmeros (en imgenes digitales: pxeles) que no existen deducindolos de otros que s existen mediante clculos numricos ms o menos complicados. Mtodo que permite obtener el valor aproximado de una funcin entre dos puntos de valor conocido. La extrapolacin, en cambio, consiste en obtener el valor aproximado de una funcin fuera del intervalo determinado por dos puntos de valor conocido. Es la construccin de nuevos puntos datos partiendo del conocimiento de un conjunto de puntos datos discretos. EXTRAPOLAR: Se basa en suponer que el curso de los acontecimientos continuar en la misma direccin y con velocidad constante (o con una velocidad creciente o decreciente a un ritmo constante = una extrapolacin logartmica). Aplicacin de un criterio conocido a otros casos similares para extraer conclusiones o hiptesis. Deduccin del valor de una variable en una magnitud a partir de otros valores no incluidos en dicha magnitud. Es el proceso de construir nuevos puntos de datos a partir de un conjunto discreto de puntos conocidos. Es similar al proceso de interpolacin, que construye nuevos puntos entre puntos conocidos, pero sus resultados son menos significativos, y estn sujetos a mayor incertidumbre.

Mtodo que consiste en suponer que el curso de los acontecimientos continuar en el futuro, convirtindose en las reglas que utilizamos para llegar a una nueva conclusin.

5.4

Calcule el valor de T para L = 45 cm y 110 cm.

5.5

Conociendo la ecuacin terica, realice el siguiente cambio e variable . Qu tipo de relacin hay ahora entre T y Z? Grafique en papel

milimetrado esta nueva relacin de variables y realice el ajuste correspondiente. Presente la ecuacin T=T(L) que se obtiene segn este mtodo.

5.6

Un experimento consisti en investigar el tiempo para vaciar el recipiente

por un orificio en el fondo, encontramos que el tiempo depende del tamao del orificio y de la cantidad de agua que contiene. H (cm) D (cm) 1.5 2 3 5 30 T (seg) 73.0 41.2 18.4 6.8 10 T (seg) 43.5 23.7 10.5 3.9 4 T (seg) 26.7 15.0 6.8 2.2 1 T (seg) 13.5 7.2 3.7 1.5

a) La ecuacin t = f(h) Tabla 1

X H
30 10 4 1

Y T
73.0 43.5 26.7 13.5

Tabla 2

X D
30 10 4 1

Y T
41.2 23.7 15 7.2

Tabla 3

X D
30 10 4 1

Y T
18.4 10.5 6.8 3.7

Tabla 4

X D
30 10 4 1

Y T
6.8 3.9 2.2 1.5

b) La ecuacin t = f(D)

Tabla 1

X D
1.5 2 3 5

Y T
73 41.2 18.4 6.8

Tabla 2

X D
1.5 2 3 5

Y T
43.5 23.7 10.5 3.9

Tabla 3

X D
1.5 2 3 5

Y T
73 41.2 18.4 6.8

Tabla 4

X D
1.5 2 3 5

Y T
13.5 7.2 3.7 1.5

c) La ecuacin t = f(h,D)

Tiempo: Y
73 41.2 18.4 6.8 43.5 23.7 10.5 3.9 26.7 15 6.8 2.2 13.5 7.2 3.7 1.5

H en cm: X1
30 30 30 30 10 10 10 10 4 4 4 4 1 1 1 1

D en cm: X2
1.5 2 3 5 1.5 2 3 5 1.5 2 3 5 1.5 2 3 5

6. DISCUSION Y CONCLUSIONES

Gracias a las regresiones lineales y mltiples podemos aproximar una ecuacin Y = F(X) o Y = F(X1; X2) a una recta.

La constante de regresin nos da a conocer si una funcin es una recta o no.

Los papeles grficos identifican una clase de funcin (puede ser lineal, exponencial o potencial) y cada una con su respectiva grfica.

7. BIBLIOGRAFA
Serway, Beichner, Fsica, Tomo I, 5ta edicin, McGraw-Hill, Mxico, 2002

Sears, Zemansky, Young, Fsica Universitaria, Vol. I, /ma Edicin, Mxico Addisson Longman, 1998.

M. Alonso, E. Finn, Fsica, Addisson Wesley Iberoamericana, EE.UU., 1995

Gua de Laboratorio FISICA I- Universidad Nacional del Callao