GUÍAS DE LABORATORIO

NÚCLEO DE CIENCIAS BÁSICAS: FÍSICA

2017
 GUÍAS DE LABORATORIO

PRÁCTICA 3: ANÁLISIS GRÁFICO

OBJETIVO

El estudiante debe estar en capacidad de representar una serie de datos de resultados

experimentales por medio de la utilización de gráficas dependiendo del tipo de relación con las
variables, por otro lado deberá obtener información de este tipo de gráficos para su análisis.

MATERIALES Y EQUIPOS

 Hoja milimetrada
 Hoja de papel semi-logarítmica
 Hoja de papel Log-Log
 Regla

MARCO TEÓRICO

3.1. IMPORTANCIA DE LA REPRESENTACIÓN GRÁFICA DE DATOS EXPERIMENTALES

La presentación y análisis de los resultados experimentales debe considerarse como parte integral
de los experimentos. Es realmente útil que los datos obtenidos se presenten en un gráfico, donde
quede resumida la información para su apreciación y análisis. En la mayoría de los casos un gráfico
es más útil que una tabla de valores, especialmente en los casos en que:

 Los experimentos se llevan a cabo midiendo una variable Y en función de otra X que se varía
independientemente y se quiere interpretar la relación funcional entre ellas. Por ejemplo:
medición del período de un péndulo en función de su longitud; medición de la caída de
potencial en un alambre en función de la corriente aplicada; etc.
 Interesa estudiar si dos variables mantienen una correlación (causal o no) y cómo es esta
vinculación o grado de interdependencia. Por ejemplo: estudio de la relación entre el peso y la
altura de personas; relación entre la velocidad máxima que alcanza un velero y su extensión
desde proa a popa; etc.

Se trata, en primera instancia, de que la información que se quiere representar quede expuesta de
una manera lo suficientemente clara y explícita como para que la representación gráfica “hable por
sí sola”. Lo importante es que un gráfico debe servir para un posterior tratamiento de los datos, que
lleve a inferir las leyes subyacentes en ellos y ahondar así en las posibles implicaciones y
generalizaciones de los resultados obtenidos en los experimentos.

Como elemento ordenador de la información colectada en un experimento, un gráfico debe

construirse sobre la base de una elección adecuada tanto de las variables como de las escalas. Dado

MsC. Carol Aguilar Paz

2
 GUÍAS DE LABORATORIO

que los experimentos propuestos en este libro están pensados para estudiar la fenomenología de
numerosos problemas de la física, en este capítulo presentaremos las bases que nos ayuden a
efectuar una adecuada representación gráfica de los datos experimentales. Comentaremos diversas
opciones que se presentan y sobre algunos métodos numéricos de utilidad para el tratamiento
general de los datos.
3.2. ELECCIÓN DE LAS VARIABLES

De una manera muy general, cuando estudiamos un sistema cualquiera, tratamos de obtener las
variaciones o respuestas del sistema ante ciertas perturbaciones que podemos aplicarle de manera
controlada. La Fig. 3.1 representa esquemáticamente un sistema bajo estudio.

Figura 3.1 Representación esquemática de un sistema al que se estudia las respuestas Yi cuando se varía el
conjunto de variables Xi.

Hemos llamado Xi a las “variables de entrada” o “variables independientes” que podemos controlar
y variar. Ante los cambios de Xi, el sistema revela sus características o comportamientos a través de
los cambios que sufren las variables Yi, que pueden llamarse las “variables de salida” o “variables
dependientes”. Por simplicidad, toda vez que queramos estudiar un sistema, será más útil que nos
concentremos en la respuesta de una de las variables de salida ante las variaciones de sólo una de
las variables de entrada, lo que es una situación muy común en un experimento. Las ideas aquí
expuestas pueden fácilmente generalizarse a sistemas de mayor complejidad. En lo que sigue nos
apoyaremos en algunas relaciones funcionales simples con las que nos encontramos a menudo en el
trabajo en el laboratorio y las usaremos para ejemplificar las ideas básicas.
3.2.1. Relación lineal

Una relación entre las variables X e Y del tipo:

𝑌 = 𝑎𝑋 + 𝑏 (3.1)

es tal vez la más simple de todas. La representación gráfica de (3.1) de Y(X) arrojaría una línea recta,
de pendiente a y que corta al eje vertical en b (ordenada al origen). Esta dependencia de Y con X se
llama una relación lineal ente X e Y. La recta es la forma geométrica más simple en dos dimensiones.
Al mismo tiempo, una relación lineal entre dos variables cualesquiera es más fácil de ser identificada
a simple vista. No sería una exageración afirmar que éste es el único caso en que esta discriminación
puede hacerse a simple vista. Entre una recta y una curva nuestro ojo siempre notará la diferencia,
pero no discriminará a la función que define la curva.

En la figura 3.2 están representados datos de una relación lineal. Intentemos inferir cualitativamente
que la serie puede aproximarse por una relación lineal entre las variables X e Y. Para esto usemos una

MsC. Carol Aguilar Paz

3
 GUÍAS DE LABORATORIO

regla práctica: llevemos el papel hasta el nivel de nuestros ojos (podemos cerrar uno como cuando
hacemos puntería) y veamos si los puntos se ven alineados. Este tipo de toma de decisión no debe
desdeñarse en el momento de analizar datos experimentales. La decisión de aceptar o no una
relación lineal entre las variables debe ser tomada por el experimentador, ya sea se espere o no una
vinculación lineal entre las variables en juego. Una vez que decidimos que los datos “caen sobre una
recta”, recién podremos estimar los parámetros (pendiente y ordenada al origen) de la mejor recta
que aproxime la relación funcional: O bien podemos dibujar cuidadosamente esa mejor recta y
definirle los valores de la pendiente y la ordenada al origen, o usar métodos numéricos más generales
para encontrarlos, como veremos más adelante.

Figura 3.2: Representación de dos series de datos con relación lineal, en la figura se ha trazado la mejor
recta, es decir, aquella que tome el mayor número de puntos.

3.2.1.1. Método de los mínimos cuadrados

Uno de los métodos estadísticos más usados para determinar la mejor recta que pasa entre varios
puntos experimentales es el método de los mínimos cuadrados. Para este método no es necesario
graficar los puntos experimentales como en el método anterior. Si la dispersión de los puntos
experimentales es debida sólo a los errores casuales en las medidas, la recta óptima será aquella para
la cual la suma de los cuadrados de las distancias ∆𝑦𝑖 = 𝑦𝑖 − 𝑦0 sea un mínimo, figura 3.3. Por lo
tanto, la desviación de un valor cualquiera 𝑦𝑖 determinado experimentalmente con respecto a su
valor y en la recta que se desea obtener, será:

∆𝑦𝑖 = 𝑦𝑖 − 𝑦0 = 𝑦𝑖 − (𝑏 + 𝑎𝑥𝑖 ) (3.2)

MsC. Carol Aguilar Paz

4
 GUÍAS DE LABORATORIO

Figura 3.3: Representación de la mejor recta obtenida por el método de mínimos cuadrados.

Según el enunciado de este método, entonces la suma mínima para las desviaciones se obtiene
cuando:

∑(∆𝑦𝑖 )2 = ∑[𝑦𝑖 − (𝑏 + 𝑎𝑥𝑖 )]2 = 𝑀í𝑛𝑖𝑚𝑜 (3.3)

Ya que la condición exigida es minimizar la suma anterior, entonces los parámetros a y b deben
ajustarse para cumplir con esta condición. Esto se logra calculando las derivadas parciales de la suma
con respecto a la variable a y con respecto a b e igualándolas a cero.

𝜕 ∑(∆𝑦𝑖 )2
= 2𝑏 ∑𝑛𝑖=1 𝑥𝑖 − 2 ∑𝑛𝑖=1 𝑥𝑖 ∑𝑛𝑖=1 𝑦𝑖 + 2𝑎 ∑𝑛𝑖=1 𝑥𝑖 2 = 0 (3.4)
𝜕𝑎

𝜕 ∑(∆𝑦𝑖 )2
= 2𝑎 ∑𝑛𝑖=1 𝑥𝑖 − 2 ∑𝑛𝑖=1 𝑦𝑖 + 2𝑛𝑏 = 0 (3.5)
𝜕𝑏

La resolución de estas dos ecuaciones con respecto a las variables a y b, permite obtener:

𝑛 ∑𝑛 𝑛 𝑛
𝑖=1 𝑥𝑖 𝑦𝑖 −∑𝑖=1 𝑥𝑖 ∑𝑖=1 𝑦𝑖
𝑎= 2 (3.6)
𝑛 ∑𝑛 2 𝑛
𝑖=1 𝑥𝑖 −(∑𝑖=1 𝑥𝑖 )

∑𝑛 𝑛 2 𝑛 𝑛
𝑖=1 𝑦𝑖 ∑𝑖=1 𝑥𝑖 −∑𝑖=1 𝑥𝑖 ∑𝑖=1 𝑥𝑖 𝑦𝑖
𝑏= 2 (3.7)
𝑛 ∑𝑛 2 𝑛
𝑖=1 𝑥𝑖 −(∑𝑖=1 𝑥𝑖 )

con las cuales se pueden calcular los parámetros a y b determinando así la ecuación de la mejor recta
que se puede trazar entre los puntos experimentales y donde n es el número de pares de valores de y
y x. Para usar este método de los mínimos cuadrados se recomienda usar la tabla 1 para así
ordenar la información y facilitar los cálculos.

MsC. Carol Aguilar Paz

5
 GUÍAS DE LABORATORIO

Tabla 1. Ejemplo para construir los datos por el método de los mínimos cuadrados.

𝑦𝑖 𝑥𝑖 𝑥𝑖 2 𝑥𝑖 𝑦𝑖

∑ 𝑦𝑖 ∑ 𝑥𝑖 ∑ 𝑥𝑖 2 ∑ 𝑥𝑖 𝑦𝑖

Actualmente debido al uso de calculadoras y computadoras es casi de rutina poseer un programa que
permita hacer los cálculos necesarios para el ajuste de la recta. Hay que hacer notar que el uso de este
método no implica hacer el gráfico de la recta, pero por razones pedagógicas es conveniente hacerlo
para así observar más claramente las desviaciones de los puntos experimentales con respecto a la recta
calculada. Una vez obtenido los valores de a y b, es necesario calcular sus errores correspondientes a
y b. Para calcular estos valores por este método, se usan las siguientes expresiones:

𝑛
∆𝑎 = √ 2 𝑆𝑦 (3.8)
∑𝑛 2 𝑛
𝑖=1 𝑥𝑖 −(∑𝑖=1 𝑥𝑖 )

∑𝑛
𝑖=1 𝑥𝑖
2
∆𝑏 = √ 2 𝑆𝑦 (3.9)
∑𝑛 2 𝑛
𝑖=1 𝑥𝑖 −(∑𝑖=1 𝑥𝑖 )

∑𝑛
𝑖=1[𝑦𝑖 −𝑏−𝑎𝑥𝑖 ]
2
𝑆𝑦 = √ (3.10)
𝑛

3.2.2. Función potencial

Supongamos que medimos pares de valores (X, Y) y tenemos conocimiento que la relación
funcional que los vincula es del tipo

𝑌 = 𝑎𝑋 𝐶 (3.11)

donde a y c son constantes. Esta forma funcional potencial es muy común en las ciencias puesto que
sirve como aproximación del comportamiento en una gran variedad de casos. La constante c suele
llamarse “exponente de escala” y define la escala de variación de Y según varía X. Esto es, si X se
multiplica por un factor f, Y cambiará consecuentemente f c veces. El significado físico de la constante
a es el de representar el valor que toma Y cuando X vale la unidad. La dimensión de a es tal que da
homogeneidad dimensional a la ecuación.

Si representáramos los datos medidos Y en función de X relacionados por una expresión como (3.11),
lo que obtendríamos, en el caso en que c > 1, sería una curva. De nuestro análisis cualitativo del
gráfico observaremos una curva “cóncava hacia arriba” si c > 1, mientras que si c < 1, la curva se verá
“cóncava hacia abajo”. Lo que cualquiera de los casos precedentes significa es que una variación de
la variable X a un dado ritmo, hace que la variable Y cambie a un ritmo distinto: más rápido si c > 1,
más lento si c < 1. Esta observación cualitativa (en términos de “más rápido” o “más lento”) bien

MsC. Carol Aguilar Paz

6
 GUÍAS DE LABORATORIO

puede ser buena en una gran variedad de casos de interés en el laboratorio cuando estemos
interesados en descripciones generales de algún fenómeno.

(a) (b)
𝐶
Figura 3.4. Representación de la función 𝑌 = 𝑎𝑋 , (a) c<1 y (b) c>1. [1]

3.2.2.1. Transformación de variables, proceso de linealización

Si en la ecuación (3.11) transformamos las variables haciendo el cambio

𝑋∗ = 𝑋𝐶 𝑌∗ = 𝑌

Toda vez que conozcamos el exponente C, representamos las nuevas variables (X*, Y*) = (Xc, Y), lo
que obtenemos es una relación lineal entre las variables transformadas y decimos que hemos
linealizado la representación gráfica. En este caso hemos transformamos la variable X, pero bien
podríamos haber optado por el cambio en la variable dependiente Y, o sea,

𝑋∗ = 𝑋 𝑌 ∗ = 𝑌 𝑙⁄𝐶

Está claro que lo anterior es inmediato de realizar si conocemos el valor del exponente c. Además,
observamos que un gráfico linealizado nos da el valor de la constante a [Ec. (3.11)] si evaluamos la
pendiente de la recta que resulta.

En el caso más general, supongamos que no conocemos a “a” ni a “c”, y que ambas constantes deben
encontrarse como resultado de la investigación llevada a cabo con el experimento. Entonces, ¿cómo
graficar? Para facilitar la tarea de encontrar tanto el exponente de escala c como la constante a, es
conveniente representar log(Y) versus log(X). Esto queda claro si transformamos nuestra ecuación
original más general Y = aXC, sacándoles el logaritmo a ambos miembros.

𝑙𝑜𝑔 (𝑌) = 𝑙𝑜𝑔 (𝑎𝑋 𝐶 ) 3.3

𝑙𝑜𝑔 (𝑌) = 𝑙𝑜𝑔 (𝑎) + log (𝑋 𝐶 ) 3.4

𝑙𝑜𝑔 (𝑌) = 𝑙𝑜𝑔 (𝑎) + C log (𝑋) 3.5

Comparando esta última expresión con un gráfico de log (Y) en función de log(X) se puede ver que la
ecuación representa una recta que tiene pendiente c y ordenada al origen igual a log(a). Este tipo de

MsC. Carol Aguilar Paz

7
 GUÍAS DE LABORATORIO

representación gráfica es extremadamente útil cuando se analizan ecuaciones algebraicas, se

estudian correlaciones, leyes de crecimiento, etc. En la práctica no es necesario tomar los logaritmos
de los datos, sino representarlos en escalas logarítmicas, para lo cual ya existen papeles
especialmente diseñados para realizar estos gráficos. Así mismo casi todos los buenos paquetes de
graficación usando computadora, brindan la posibilidad de representar los datos en escalas lineales
(las normales) o logarítmicas.

La pendiente de la recta será:

log 𝑦2 −log 𝑦1
𝑐= (3.6)
log 𝑥2 −log 𝑥1

3.2.2.2. Elección de las escalas

Hemos visto cómo elegir las variables con el fin de lograr la mejor representación llevando el caso al
de una relación lineal. Lo que hemos propuesto es la transformación de las variables y la
representación de las nuevas. Una manera alternativa de análisis es recurrir a gráficos en los que sus
ejes tengan escalas logarítmicas. Retomando el ejemplo del caso de variables X, Y relacionadas por la
función potencial 𝑌 = 𝑎𝑋 𝐶 , en vez de recurrir a un gráfico log(Y) en función de log(X), podemos
representar directamente los pares de valores (X, Y) en un gráfico donde sus dos ejes contengan
escalas logarítmicas [ver figura 3.5].

Un gráfico doble-logarítmico como el de la figura 3.5 también es llamado “gráfico log-log”. La posición
de las grillas más gruesas identifica un valor igual a una potencia de 10. Por lo tanto, en cada eje, el
espacio entre esas grillas representa una década de variación de las variables, es decir, entre 10n y
10n+1, cualquiera sea n. Las ocho grillas intermedias indexan los valores k ´10n , k = 2, 3, 4, ..., 9. Esto
hace muy simple la construcción de ejes en escalas logarítmicas. Esto requiere marcar intervalos fijos
a distancias 1, 10, 100, 1000, ... (100, 101, 102, 103, ...). Si los datos a representar no cubren un rango
tan amplio de valores, los intervalos pueden realizarse a distancias de 1, 2, 4, 8, 16, 32, ... (2 0, 21, 22,
23, 24, 25, ...).

Observando la figura 3.6 podemos advertir que las escalas logarítmicas son “más regulares” que las
lineales, puesto que dejan ocupar el mismo espacio en el gráfico a los intervalos entre décadas entre
valores “pequeños” que el espacio ocupado por los intervalos entre décadas entre valores “grandes”;
podemos ver, por ejemplo, que el lugar reservado para los valores entre 10-5 y 10-4 es idéntico al
reservado para el intervalo 108 y 109. Si las variables X e Y se representan ambas en escalas
logarítmicas, la función potencial de la ecuación (3.11) quedará representada por una recta cuya
pendiente es c y cuya ordenada al origen es ord = log(a), por lo que a = 10ord.

A su vez, si los datos (X, Y) representados en este tipo de gráfico (log-log) siguen una relación lineal,
podemos inferir que Y = X c, descubriendo en este caso la ley subyacente. Para calcular directamente
del gráfico el valor de c, hay que contar cuántas décadas varía Y cuando X varía una. En el ejemplo de
la figura 3.6, una serie de datos de un cuerpo que cae libremente a la tierra, cuando parte del reposo,
la recta representa la ecuación cinemática del movimiento rectilíneo uniforme con aceleración
1
constante (caída libre) 𝑦 = 2 𝑔𝑡 2 , donde y representa la distancia recorrida en metros, g el valor de
la aceleración gravitacional y t el tiempo en segundos. Al linealizar esta ecuación tenemos:
𝑔
𝑙𝑜𝑔 𝑦 = log ( 2 ) + 2 𝑙𝑜𝑔(𝑡) (3.7)

MsC. Carol Aguilar Paz

8
 GUÍAS DE LABORATORIO

Esta representación usualmente se hacía usando un papel especial (papel logarítmico), que, dicho
sea de paso, aun se consigue en las librerías o en laboratorio de investigación de cierta antigüedad
que conservan algunas muestras. Con las ventajas que ofrecen hoy en día los programas de
computadora (Origin, Excel, etc.), este tipo de representación puede realizarse de manera inmediata
para sacar mayor provecho al análisis de los datos experimentales.

Figura 3.6. Ejemplo de un gráfico con escalas logarítmicas. [1]

3.2.3. Función exponencial

La ecuación de una función exponencial está definida por:

𝑦 = 𝑘𝑎𝑏𝑥 (3.8)

Donde k, a y b son constantes. Al representar los valores de las variables, dependiente e

independiente en el papel milimetrado, debe resultar la curva característica de la función
exponencial tal como se indica en la figura 3.7.

Figura 3.7. Gráfica de una función exponencial.

MsC. Carol Aguilar Paz

9
 GUÍAS DE LABORATORIO

Para linealizar esta gráfica, se toma logaritmo a ambos lados de la ecuación

log 𝑦 = 𝑏𝑥 log 𝑎 + log 𝑘 (3.9)

Como a es una constante, Si a vale 10, debe aplicarse logaritmo en base diez. Si a tiene un valor
cualquiera, debe aplicarse logaritmo en base a ese mismo valor. Por ejemplo, si a = 2, se aplica
logaritmo en base 2. Se tiene entonces:

log 𝑦 = 𝑏𝑥 + log 𝑘 (3.10)

Si se hace el cambio de variable:

𝑣 = log 𝑦 (3.11)
𝑢 = log 𝑘 (3.12)
La ecuación de la recta será:

𝑣 = 𝑏𝑥 + 𝑢 (3.13)

que es la ecuación de una recta cuya pendiente viene dada por: que es la ecuación de una recta cuya
pendiente viene dada por:
log 𝑢2 −log 𝑢1
𝑐= (3.14)
𝑥2 −𝑥1

Un ejemplo de este tipo de gráfica se obtiene para la absorción de energía electromagnética en

función del tiempo cuya función es 𝑦 = 𝑘𝑒 𝑎𝑥 , tomando logaritmo se tiene:

ln 𝑦 = ln 𝑘 + ln 𝑒 𝑎𝑥 (3.15)
ln 𝑦 = ln 𝑘 + 𝑎𝑥 ln 𝑒 (3.16)
Como ln e=1, la ecuación representa una línea recta:

ln 𝑦 = ln 𝑘 + 𝑎𝑥 (3.17)

Si k =1 y a=1, la gráfica en papel semi-logarítmico se representa en la figura 3.8.

Figura 3.7. Gráfica en papel semi-logarítmico de la función exponencial. [1]

MsC. Carol Aguilar Paz

10
 GUÍAS DE LABORATORIO

3.5. DISEÑO DE GRÁFICOS

Los programas de representación gráfica disponibles en las computadoras incluyen entre sus
opciones el diseño de gráficos usando los distintos tipos de escalas mencionadas en este capítulo.
Pero, ya sea que el gráfico vaya a realizarse usando estos programas o a mano, es conveniente
considerar algunos “trucos del buen dibujante” para que la información contenida en el dibujo
adquiera la relevancia que le corresponde. Es así que, además de la correcta elección de las variables
y de las escalas, un gráfico adquirirá una mejor presentación si se cuidan algunos detalles:

 Identificación de los ejes con rótulos bien ubicados que digan qué variables se representan y
en qué unidades se mide.
 Uso de símbolos que ubiquen los datos (cuadrados, círculos, rombos, etc.), en lo posible con
sus incertidumbres (barras); que haya una diferenciación de distintas series de datos cuando se
presenten varios resultados, para lo que es recomendable el uso de diferentes símbolos.
 Inclusión de un epígrafe, que es un texto descriptivo de lo que está representado en el gráfico
y que además puede manifestar información adicional importante.
 Carteles interiores al gráfico, con información complementaria relevante para entender en qué
contexto se muestran los datos o sobre las condiciones experimentales particulares bajo las que
se los han obtenido.
 Una clara diferenciación entre lo que es propio del resultado experimental del trabajo y lo que
corresponde a una comparación con una teoría o modelo propuesto (por ejemplo, usar líneas
continuas) o a resultados extraídos de otras fuentes.

3.6. BIBLIOGRAFÍA

1. Guías del departamento de Física, Universidad del Cauca. 2000.

2. D. C. Baird, Experimentación (Prentice Hall). ISBN 0-13-295338-2.
3. T. McMahon, "Size and shape in Biology," Science 179, 1201 (1973)
4. Dana Mackenzie, "New clues to why size equals destiny," Science 284, 1607 (1999).
5. Eduardo E. Rodríguez, "A proposal for experimental homework," Phys. Teach. 36, 435 (1998).
6. Christopher Deacon, "The importance of graphs in undergraduate physics," Phys. Teach. 37, 270 (1999).
7. Ernesto Martínez, Logarithmic Park (Instituto Balseiro, Bariloche, 1997).
8. Trabajos prácticos de física, J. Fernández y E. Galloni, Centro de Estudiantes de Ing. UBA, Buenos Aires
(1963).
9. Curso superior de física práctica, B. L. Worsnop y H. T. Flint, Eudeba, Buenos Aires (1964).

MsC. Carol Aguilar Paz

11
 GUÍAS DE LABORATORIO

PRÁCTICA DE LABORATORIO

1. Se pide al estudiante llevar al laboratorio hojas de papel milimetrado, bi-logarítmico (log-log) y semi-
logarítmico, una regla y calculadora.
2. Realizar un análisis sobre la información presentada en la guía, esta información será necesaria para
realizar las siguientes gráficas de datos experimentales.
3. Sean los siguientes datos, realice su gráfica en el papel milimetrado, si la dispersión es lineal obtenga la
mejor recta utilizando el método de mínimos cuadrados, determine su pendiente y explique el significado
físico del gráfico obtenido.

Tiempo
0 1 2 3 4 5 6 7 8 9 10
(s)
Velocidad
5.1 14.8 24.3 33.2 44 59.3 63.8 74.5 83.5 94.5 104.6
(m/s)

4. Para los datos registrados en la tabla 2, realice la gráfica en el papel milimetrado, si el resultado es una
curva, realice la linealización en una hoja semi-logarítmica, determine la pendiente de la línea recta y
analice los resultados obtenidos de la gráfica.

Tiempo
0 1 2 3 4 5 6 7 8 9 10
(s)
Voltaje
1 2,71 7,38 20,08 54,59 148,39 403,35 1096,40 2980,24 8100,88 22019,83
(mV)

5. Para los datos registrados en la tabla 3, realice la gráfica en el papel milimetrado, si el resultado es una
curva, realice la linealización en una hoja log-log, determine la pendiente de la línea recta y analice los
resultados obtenidos de la gráfica.

Posición (r) Campo Eléctrico

(m) (N/C)
1 2
2 16
3 54
4 128
5 250
6 432
7 686
8 1024
9 1458
10 2000
11 2666
12 3456
13 4394
14 5488
15 6750
16 8192
17 9826
18 11654
19 13718
20 16000

MsC. Carol Aguilar Paz

12