TRABAJO COLABORATIVO DESCUBRIENDO EL VALOR DE "a"

FISICA I

PRESENTADO POR

Grupo 28
NIDIA ESPERANZA BARRETO VERANO
JULY STEPHANE BARRERA PINILLA
JOSE ABEL JIMENEZ MURCIA

INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRAN COLOMBIANO

FACULTAD DE INGENIERÍA Y CIENCIAS BÁSICAS
INGENIERÍA INDUSTRIAL
COLOMBIA
2017
 TRABAJO COLABORATIVO DESCUBRIENDO EL VALOR DE "a"
FISICA I

PRESENTADO POR

Grupo 28
NIDIA ESPERANZA BARRETO VERANO
JULY STEPHANE BARRERA PINILLA
JOSE ABEL JIMENEZ MURCIA

PRESENTADO A:
HENRY BACCA

INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRAN COLOMBIANO

FACULTAD DE INGENIERÍA Y CIENCIAS BÁSICAS
INGENIERÍA INDUSTRIAL
COLOMBIA
2017
 TRABAJO COLABORATIVO DESCUBRIENDO EL VALOR DE "a" FISICA I

FASE 1-TEÓRICA: Ajustando el mejor modelo.

a) Preguntas previas:

1. ¿Cuáles son los tipos de errores más usuales ciencias?

-Errores directos o instrumentales: Se deben al instrumento o aparato con el que se

mide. No se pueden hacer más pequeños. Cada vez que se mide se obtiene el mismo
resultado. La medida tomada no depende del observador. Está dado por la mitad de la
división mínima del instrumento.

-Errores indirectos: No todo se puede medir de manera directa. Una forma de medir la
velocidad es obtener la distancia recorrida (d + δd) y el tiempo que le tomó a un objeto
recorrerla (t + δt). La velocidad promedio tiene un error indirecto que depende de los
errores de la distancia y el tiempo. Esto es, el error en d y en t se ha “propagado”. La
propagación de errores se refiere a que, si tenemos varias cantidades x, y, con
incertidumbres δx, δy, y se utilizan esos valores para calcular una cantidad z, las
incertidumbres δx, δy se propagan a través del cálculo para producir la incertidumbre δz.

-Errores estadísticos: Se obtienen al repetir un experimento y tomar varias mediciones

o bien cuando varios observadores miden un mismo fenómeno. Supongamos que se
realizan N medidas (x1, x2, x3, …, xN) de la misma cantidad x, usando el mismo método.
Además, suponemos que todas las incertidumbres son pequeñas y aleatorias.

2. ¿A Qué hace referencia la frase “ajuste por mínimos cuadrados”?

Al método de los mínimos cuadrados que nos permite encontrar la ecuación de una recta
a partir de los datos experimentales. Es decir, utilizando solamente las mediciones
experimentales se obtendrá la pendiente y la ordenada al origen de la recta que mejor
se ajuste a tales mediciones. Así pues, solamente nos sirve para ajustar modelos lineales,
si este no es el caso, se debe buscar otro método de ajuste.

3. ¿Qué es un polinomio de mínimos cuadrados?

Consiste en otra alternativa, para ajustar polinomios a los datos. Debido a que los
polinomios pueden manipularse fácilmente, es común ajustar tales funciones a datos
cuya grafica no es lineal. Resulta que para esta situación las ecuaciones normales son
lineales, lo cual es una ventaja adicional.
En el desarrollo, n se usa como el grado del polinomio, y N como el número de pares de
datos. Resulta evidente que si N = n + 1, entonces el polinomio pasa exactamente por
cada punto, de modo que en lo sucesivo siempre se tendrá N > n + 1.

4. ¿Cuándo se calcula una regresión lineal, qué es lo que se está haciendo?

Ajustar la recta a nuestro conjunto de datos y crear una expresión matemática que
permita predecir, de forma aproximada, el valor de la variable dependiente en un
individuo cuando se conoce el valor de una variable predictora (regresión simple) o varias
variables predictoras (regresión múltiple) en ese mismo individuo. A la ecuación que
representa esta relación se le llama modelo de regresión.

5. ¿Cuál es el significado de los parámetros A, B y r de las regresiones aplicadas

a los datos del documento “experimentos.xlsx”

Serie de datos para el cálculo de una regresión (“a” y “b”) y del coeficiente de correlación
(“r”).

b) Evaluación modelo lineal, potencial y exponencial “experimentos.xlsx”:

Luego de analizar las líneas de tendencia para cada uno de los tres experimentos e
interpretar los coeficientes, teniendo en cuenta que una línea de tendencia es más
confiable cuando su valor 𝑹𝟐 está establecido en 1 o cerca de 1, concluimos lo siguiente:

El modelo que mejor se ajusta a los resultados del experimento 1 es el MODELO

LINEAL dado que el coeficiente de determinación R2=0,9999 es mayor respecto a
los modelos potencial y exponencial.

EXPERIMENTO 1.
EXPERIMENTO 2.

EXPERIMENTO 3.
FASE EXPERIMENTAL: Descubriendo el valor de la aceleración

 LAB1MU- Simulación
1. GRÁFICA X VS T
La pendiente de la gráfica x vs t, representa la velocidad (v).

La gráfica posición-tiempo (x-t) de un Movimiento Rectilíneo Uniforme (M.R.U)

representa en el eje horizontal (eje x) el tiempo y en el eje vertical la posición. La
posición (normalmente la coordenada x) aumenta (o disminuye) de manera uniforme con
el paso del tiempo. Podemos distinguir dos casos, cuando la velocidad es positiva o
negativa; En este caso la velocidad es positiva, la coordenada x aumenta.

2. GRÁFICA V VS T
La pendiente de la gráfica v vs t, representa la velocidad (a).
El área v vs t bajo la recta representa el espacio recorrido (x).
La gráfica velocidad-tiempo (v-t) de un Movimiento Rectilíneo Uniforme (M.R.U)
muestra que la velocidad permanece constante a lo largo del tiempo. De nuevo, podemos
distinguir dos casos: positivo, o negativo, para este caso la velocidad es positiva.

 Aceleración.

El área a vs t bajo la recta representa la velocidad. La gráfica aceleración-tiempo (a-t)

muestra que la aceleración constante. En este caso, la velocidad del cuerpo se considera
positiva como negativa. Significa que, para cualquier instante de tiempo, la aceleración
del móvil tiene el mismo valor.

VALOR DE LA ACELERACION:
Formula:

𝒗𝒇 − 𝒗𝟎
𝒂=
𝒕

21.79 − 4.5
𝒂=
10.027
17.29
𝒂=
10.027

𝒂 = 𝟏. 𝟕𝟐𝟒

R: El resultado obtenido coincide con el valor de la pendiente de la gráfica v vs t, la cual

representa la velocidad (a).
CONCLUSIONES.