UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERÍA QUÍMICA

Escuela Profesional de Ingeniería Química

ASIGNATURA: LABORATORIO DE FISICA I

TEMA: ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES

GRUPO: 90 G
PRESENTADO POR:
Alderete Cunibertti, Rolando Diego
Hancco Bao, Jean Carlos
Sime Costilla, Miguel Alberto
Vela Huamán, Francisco

PROFESOR:
Lic. Cesar Cabrera Arista

BELLAVISTA 30 DE ABRIL DEL 2015

 INDICE

Objetivos………………………………………………………………………….…3

Marco Teórico………………………………………………………………………4

Cuestionario………………………………………………………………………..8

Recomendaciones………………………………………………………………11

Conclusiones……………………………………………………………………..12

Bibliografía……………………………………………………………………….…13
.

Anexos…………………………………………………………………………………14

2
 OBJETIVOS:

 Establecer la relación entre dos cantidades físicas mediante un experimento

 Desarrollar los métodos gráficos para determinar la relación matemática

entre dos cantidades que se han medido en un experimento

 Aprender el uso correcto del papel grafico así como interpretar las gráficas
que se han dibujado.

 Aprender el uso correcto del método de mínimos cuadrados para hacer

correcciones a la curva derivada

3
 MARCO TEORICO
Cuando se dispone de una serie de datos experimentales, con mucha
frecuencia resulta provechoso determinar la relación matemática entre las
variables dependiente e independiente. Una forma por demás conveniente, es a
través de una ecuación que se ajuste a los datos; en el caso de los datos
experimentales, la ecuación de ajuste, se llama empírica y es muy particular tanto
de los datos como del fenómeno mismo.

Una vez que se han localizado los pares ordenados (x, y) de un experimento en el
plano cartesiano de un papel milimétrico, se traza o dibuja la línea curva, según
sea la tendencia general de los puntos ordenados (x, y) para determinar el tipo de
relación funcional que existe entre las variables. Por lo general estas relaciones
son cuatro formas básicas o fundamentales:
 Lineales
 Potenciales
 Exponenciales
 Logarítmicas
A partir de las cuales se puede identificar la representación de los datos
experimentales, lo que a su vez facilitará la determinación de la curva empírica.

y = mx + b

En donde "m" representa la pendiente ó ángulo de inclinación de la línea. Ésta

puede ser positiva o negativa, y tiene un valor constante. De igual manera la
ordenada al origen o intercepto "b" con el eje "y".

En el caso de las gráficas; potenciales, exponenciales y logarítmicas, estas

presentan algunas características similares. Por ejemplo una gráfica potencial tiene
por ecuación la siguiente expresión:

(2)

Donde “b” es una constante: si la pendiente es positiva (m>0 se tiene una curva
parabólica simple, en cambio si la pendiente es negativa (m<0), la curva es de tipo
hiperbólica, aunque ambas curvas sean potenciales que de paso sea dicho son un
caso particular de las curvas llamadas polinómicas. Estas graficas pueden ser
linearizadas o transformadas a línea recta en virtud de que, aplicando un cambio de
variable a la ecuación de la siguiente manera:

4
 (3)

La ecuación potencial cambia a una estructura de tipo lineal. En el caso de las

ecuaciones exponenciales cuya ecuación de la forma:

(4)

Como en el caso anterior, la linearización de la ecuación exponencial se logra

aplicando logaritmos a ésta, de la siguiente manera:

(5)

De la misma manera las ecuaciones logarítmicas se pueden linearizar,

transformándose en:

(6)

Si consideramos a los cuatro tipos de ecuaciones:

(7)

Para graficarlas solo se requieren conocer los valores de “m” y “b”. Así que
estadísticamente un método general para determinar dichos parámetros, es el
método de los mínimos cuadrados, que es el de mayor exactitud y confiabilidad.

5
El método de los mínimos cuadrados postula que la mejor recta que pasa por los
puntos (pares ordenados x,y) será aquella cuya suma de los cuadrados de los
residuos sea mínima o tienda a cero. Es decir:

(8)

Esto significa que si deseamos estimar la reproducibilidad entre varias medidas de

la misma magnitud o propiedad, siempre se presenta una desviación del valor
medido en una magnitud "d", la cual se define como:

d = Valor medido - valor promedio de las varias medidas

(9)

Esto es, se pretende calcular una función generada a partir de los datos
experimentales, por lo que se plantea:

(10)

Que no necesariamente es la "y" medida experimentalmente, de tal manera que si

la función calculada es una línea recta entonces:

(11)

Por lo que:

(12)

Como se desea un mínimo de la suma de las desviaciones, se deriva en forma

parcial con respecto a “m” y “b”.

6
 (13)

(14)

(15)

(16)

Para encontrar el mínimo hay que igualar la primera derivada a cero, y

despejando

7
 CUESTIONARIO:
Hacer un ajuste de mínimos cuadrados a la recta P=kv3 + c que se obtiene
del papel milimetrado y determine el valor de k y de c

V(m/s) 3 6 9 12 15 18 23
P(kW) 0.28 2.20 7.44 17.62 34.43 59.49 124.10
(v)3 27 216 729 1728 3375 5832 12167

∑ xi=24074 ∑ yi=245.56 ∑xiy=2009425.51 ∑ xi2=3.87x1014

P=kv3 + c
7𝑥2009425.51−24074𝑥245.56
K= = 3.01x10-19
7𝑥3.87𝑥1014 −(24074)2

245.56𝑥3.87𝑥1014 −2009425.51𝑥24074
C= =11.031
7𝑥3.87𝑥1014 −(24074)2

8
 Compare los resultados de los problemas. Calcule la diferencia entre los
valores de la potencia obtenidos

(v)3 27 216 729 1728 3375 5832 12167

P=-3.01x10-9 v3+11.031 11.03100008 11.03100065 11.03100219 11.0310052 11.03101016 11.03101755 11.03103662

(v) 3 6 9 12 15 18 23

P=0.178xVe2.996 10.6828597 21.3657194 32.0485791 42.7314388 53.521234 64.09715821 81.90192438

-0.3481 10.33471875 21.01757691 31.7004336 42.49022384 53.06614066 70.87088776

≜𝑷

Escriba las ecuaciones que permiten hacer un ajuste de mínimos cuadrados

a una curva f(x)=ax2+bx+ c

ANÁLISIS DE REGRESIÓN
Uno de los propósitos principales de la curva de ajuste es estimar una de las
variables a partir de la otra. El proceso de estimación se conoce como regresión. Si
Y se va a estimar a partir de X por medio de alguna ecuación la llamamos ecuación
de regresión de Y sobre X y a la curva correspondiente curva de regresión de Y
sobre X.
A continuación se presentan algunos ejemplos de relaciones denominadas
funciones o ecuaciones de predicción:
Yc = a + bX (Línea Recta)
Yc = a + bX + cX2 (Ecuación de segundo grado o cuadrática)
Yc = KXn o Yc = aXb (Ecuación potencial)
Yc = A DX o Yc = a bX (Ecuación exponencial)
En estos ejemplos, Yc representa el valor estimado de la variable dependiente a
partir del valor X, de la variable independiente.

9
Existen varios métodos para determinar la ecuación de regresión. El “método de
mínimos cuadrados” , que se describe más adelante, se considera el mejor; por
fundamentarse en el tratamiento estadístico de los datos experimentales.
Como se mencionó anteriormente, los errores afectan tanto a la variable
independiente como a la variable dependiente, sin embargo en muy diversos casos
la variable independiente puede considerarse sin error (o de error despreciable) y
considerar que la dispersión es debido únicamente a los errores en la variable
dependiente. En este caso se considera que para un valor puntual de X (sin error)
el valor experimental de Y se aparta del valor que predice la curva de regresión.

MÉTODO DE MÍNIMOS CUADRADOS

Generalmente, más de una curva de un tipo dado parece ajustarse a un conjunto
de datos. Para evitar el juicio individual en la construcción de rectas, parábolas u
otras curvas de aproximación, es necesario obtener una definición de la “mejor
curva de ajuste”, mejor parábola de ajuste,” etc
Considérese la Fig.5.2 en la cual los puntos de un conjunto de datos
(hipotéticamente experimentales) se expresan por (X1 , Y1), (X2, Y2) . . . . . (Xn, Yn)

Fig. 5.2 Diferencias entre los valores

de la variable dependiente Y
y los de la curva de aproximación C.

Para un valor dado de x, por ejemplo X1 habrá una diferencia entre el valor de Y1 y
el valor correspondiente de la curva C.
Esta diferencia se denota por D1 y se conoce como desviación, error, o residuo y
puede ser positivo, negativo o cero. Análogamente, correspondiendo a los valores
X2 , X3 . . . , XN obtenemos las desviaciones D2 , D3 , . . . , DN .
Una medida de la “bondad de ajuste” de la curva C al conjunto de datos la suministra
la cantidad D12 + D22 + ….. + DN2. Si la suma es pequeña el ajuste es bueno, si es
grande, el ajuste es

10
 RECOMENDACIONES

 Si se trabajara con logaritmos, considerar hasta tres decimales en las

operaciones para obtener el resultado con el menor error posible.

 Colocar las unidades correspondientes a las variables y constantes en la

ecuación.

 Las escalas sobre ambos ejes han de ser fácilmente subdivisibles para
permitir así una rápida y sencilla lectura. Por supuesto, una vez fijada la
escala, las unidades en un eje han de ser iguales entre sí.

 Utilizar el mayor espacio de la hoja al graficar la curva para obtener una

mejor visión de esta.

11
 Conclusiones:

 Comprobamos que podemos encontrar una relación de cualquier dato

obtenido experimentalmente así como determinar su comportamiento ya sea
lineal o exponencial.

 Logramos aprender el uso del papel filtro al dibujar las gráficas con los datos,
en el papel milimetrado comprobamos si es una recta pero si no lo es lo
graficamos en el papel logarítmico, lo repetimos tantas veces hasta que
logremos la recta y así calculamos el valor de n

 Aprendimos a emplear el método de los mínimos cuadrados con los datos

obtuvimos y comprobamos que la gráfica varia al calcular nuevos valores en
la recta “y”.

12
 BIBLIOGRAFÍA

CHAPRA, S. - CANALE, R., 1992,"Métodos Numéricos para Ingenieros”, México,

Mc Graw-Hill.

GARCÍA MERAYO, F. - NEVOT LUNA, A., 1992,"Análisis Numérico”, España,

Paraninfo.

http://www.geocities.ws/datos_universidad/MNumericos/AjusteDeCurvas.pdf

https://ivanacal.files.wordpress.com/2013/05/minimos-cuadrados.pdf

13
 Anexos
Ajuste por mínimos cuadrados en el programa Excel

Excel dispone de un amplio número de funciones. Para ver la lista pinchar en el

botón “´ f(x)”, se elige la opción todas y se recorre la ventana de la derecha para
observar las distintas funciones disponibles en la aplicación. Nosotros vamos a
aprender a ocupar una de estas funciones realizando ´ una regresión lineal
mediante el método de mínimos cuadrados. Si tenemos un conjunto de datos (x1,
y1),. . ., (xN, yN) que los podemos ajustar por una línea recta y = mx + b. Por
tanto, lo que necesitamos conocer es la pendiente m, y la ordenada b. Para ello
vamos a usar la función “ESTIMACION.LINEAL”. Esta función devuelve una matriz
con ´ los distintos resultados de hacer la regresión (ver la ayuda). Para utilizar esta
función, primero ´ seleccionamos una celda libre y pinchamos en el botón de
funciones “´ f(x)” y seleccionamos la función “ESTIMACION.LINEAL A continuación
hacemos clic en el botón del ´ primer campo “Conocido” y”, y seleccionamos,
mediante el ratón, los valores de ´ y de los datos que queremos aproximar

El segundo campo es el rango de x. En el tercero pondremos “VERDADERO” para

que calcule la ordenada en el origen de la recta b y en el último también
pondremos “VERDADERO” para ´ que la función nos devuelva factores
estadísticos adicionales. Pulsamos “Aceptar” para ejecutar la función. ´ 5

14
Inicialmente, esta función solo devuelve un valor que corresponde a la pendiente
de la recta de ´ regresión. Sin embargo, esta función pertenece al tipo de
funciones que son capaces de devolver ´ una matriz de datos (y no solo un valor ´
único). Si queremos acceder a algunos de estos datos, ´ deberemos primero
seleccionar un rango de celdas de 3 filas y 2 columna, situamos el cursor al lado
de la función que aparece en la barra de fórmulas y pulsamos “Ctrl+May ´
usculas+Enter” ´ que es la combinación de teclas que usa ´ Excel para acceder a
los resultados de las funciones que devuelven una matriz como resultado.
Comprobaremos que ahora aparecen los resultados de la regresión en las celdas
que teníamos seleccionadas. La primera celda (1,1) contiene el valor de la
pendiente de la recta de regresión´ m, y la siguiente a derecha (1,2) el valor de la
ordenada al origen b. Como se muestra en la Tabla

15