UNIVERSIDAD NACIONAL DEL CALLAO

AC
IO
N

FACULTAD DE INGENIERIA ELECTRICA Y ELECTRONICA

ESCUELA PROFESIONAL DE INGENIERIA ELECTRICA

LABORATORIO N 2

RM

FISICA I

FO

CICLO: 2008-A

DOCENTE:

TEMA:

IN

LIC. JULIO CHICANA L.

BRIONES VERDE, Christian Alexander

072583C

CHUCARI MARTINEZ, Jorge Jess

072570 I

GAMARRA QUISPE, Sal Abel

072567H

GONZALES ROJAS, Jonathan Jair

072612C

MEDINA

07

SO

LO

PA

ALUMNOS:

RA

ANALISIS DE DATOS

, Daniel

LIMA - PERU

MAYO - 2008

AC
IO
N

NDICE GENERAL
INTRODUCION. ...................................................................................................................... 2
1. OBJETIVOS ......................................................................................................... 3
2. FUNDAMENTO TEORICO .................................................................................... 3
2.1
Modelo fsico ................................................................................... 3
2.2
Nube de Puntos ............................................................................... 3
Caractersticas de la Nube de Puntos.................................................................... 3
Mtodo de regresin por mnimos cuadrados ......................................................... 4

2.3

Regresin lineal por mnimos cuadrados ............................................. 5

Regresin de X sobre Y ...................................................................................... 8

RM

3. EL ORDENADOR ............................................................................................... 10
4. RECOMENDACIONES ........................................................................................ 11
4.1
DISEO ........................................................................................ 12
Incertidumbre debido a las fluctuaciones ............................................................ 12
variable independiente ..................................................................................... 12

VARIABLE DEPENDIENTE ................................................................. 12

DATOS EXPERIMENTALES ................................................................ 12

FO

4.2
4.3

5. analisis de datos experimentales..................................................................... 13

5.1
GRFICAS Y AJUSTES ..................................................................... 13

IN

Usando papeles grficos ................................................................................... 13

Usando la hoja de clculo Excel ......................................................................... 14

6. CUESTIONARIO ................................................................................................ 15

RA

7. CONCLUSIONES ............................................................................................... 28

SO

LO

PA

8. BIBLIOGRAFIA ................................................................................................. 28

AC
IO
N

INTRODUCCIN

El Anlisis de Datos (AD) es una coleccin de principios y tcnicas estadsticas orientadas a

la descripcin y anlisis de datos multivariados.

Con ellas se busca producir una sntesis significativa con los datos, aceptando perder algo de

RM

la informacin contenida en esos datos a cambio de una mayor significacin. La clave del AD
est en reducir la dimensin de la informacin estadstica para hacerla accesible a nuestra
percepcin, limitada a tres dimensiones espaciales.

FO

La prctica moderna del AD es dinmica y progresa incluyendo y excluyendo variables a

medida que avanza el anlisis, donde intervienen variadas tcnicas. Empleando una imagen,
se dira que la trayectoria del analista de datos es 'no lineal' y difcilmente predecible. En este

IN

proceso se realiza una permanente revisin de los supuestos, hiptesis y conjeturas, a la luz
de los resultados de las sucesivas etapas.

Trabajar con datos multivariados es ms emocionante y riesgoso que hacerlo con una sola

RA

variable. La prctica profesional del AD exige una mayor sofisticacin matemtica que la
requerida por los mtodos estadstico univariados. Esto es particularmente cierto en el mbito

PA

de la inferencia.

Es necesario poseer una cultura matemtica que permita comprender los principios y criterios
que caracterizan los mtodos, sin que ello signifique ir al detalle de las demostraciones,
cualquier interpretacin inteligente de los resultados de un anlisis o la seleccin misma de las

LO

tcnicas, debe descansar en una formacin terica, de cierto, funcional entre dos o ms
variables, con el objetivo de predecir una de ellas a partir de las observaciones sobre las

SO

restantes.

Verificacin de Hiptesis: Pruebas de hiptesis sobre parmetros del modelo probabilstico

multivariado para verificar supuestos o comprobar conjeturas sobre el fenmeno estudiado.

Ahora es interesante y de gran utilidad analizar facetas de problemas de clasificacin basada
en la Teora de Informacin.

AC
IO
N

ANALISIS DE DATOS

1. OBJETIVOS

Mediante el anlisis de datos poder identificar y entender las leyes que responden a los
fenmenos fsicos.

Saber usar las hojas de clculo para poder hacer representaciones en papeles grficos.

Usar la hoja de clculo MS-EXCEL, una calculadora y papeles grficos ajustar las curvas

RM

por mtodo de regresin lineal.

2.1

FO

2. FUNDAMENTO TEORICO
MODELO FSICO

IN

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

RA

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

PA

modelo existente o para la extraccin de parmetros necesarios para el ajuste de un modelo

2.2

LO

terico a la realidad.

NUBE DE PUNTOS

La representacin grfica se realiza mediante un dibujo realizado en un sistema bidimensional

SO

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;

AC
IO
N

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 curvilineo).

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

RM

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

FO

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

IN

pertinentes.

Mtodo de regresin por mnimos cuadrados

RA

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

PA

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

LO

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

SO

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.

2.3

REGRESIN LINEAL POR MNIMOS CUADRADOS

La forma de la funcin f en principio podra ser arbitraria, y tal vez se tenga que la relacin ms

AC
IO
N

exacta entre las variables peso y altura definidas anteriormente sea algo de la figura

Por el momento no pretendemos encontrar relaciones tan complicadas entre variables, pues
nos vamos a limitar al caso de la regresin lineal. Con este tipo de regresiones nos

FO

cantidades a y b tales que se pueda escribir

e Y, o bien

IN

con el menor error posible entre

sea una variable que toma valores prximos a cero.

RA

de forma que

RM

conformamos con encontrar relaciones funcionales de tipo lineal, es decir, buscamos

Obsrvese que la relacin explica cosas como que si X vara en 1 unidad,

b. Por tanto:

vara la cantidad

PA

Si b>0, las dos variables aumentan o disminuyen a la vez;

Si b<0, cuando una variable aumenta, la otra disminuye.

LO

Por tanto, en el caso de las variables peso y altura lo lgico ser encontrar que b>0.
El problema que se plantea es entonces el de cmo calcular las cantidades a y b a partir de un

SO

conjunto de n observaciones

de forma que se minimice el error. Las etapas en que se divide el proceso que vamos a

Dadas dos variables X, Y, sobre las que definimos

AC
IO
N

desarrollar son de forma esquemtica, las que siguen:

medimos el error que se comete al aproximar Y mediante

calculando la suma de las

diferencias entre los valores reales y los aproximados al cuadrado (para que sean positivas

FO

RM

y no se compensen los errores):

Una aproximacin

de Y, se define a partir de dos cantidades a y b. Vamos

RA

IN

a calcular aquellas que minimizan la funcin

Posteriormente encontraremos frmulas para el clculo directo de a y b que sirvan para

cualquier problema.

Regresin de Y sobre X

PA

Los errores a minimizar son las cantidades

SO

LO

Para calcular la recta de regresin de Y sobre X nos basamos en la figura.

AC
IO
N
RM

Una vez que tenemos definido el error de aproximacin las cantidades que lo minimizan se
calculan derivando con respecto a ambas e igualando a cero (procedimiento de los mnimos

LO

PA

RA

IN

FO

cuadrados):

SO

otra manera de escribir la relacin, que se denomina ecuaciones normales, se escribe como

AC
IO
N

Sustituyendo se tiene que

FO

RM

Lo que nos da las relaciones buscadas:

Regresin de X sobre Y

IN

La cantidad b se denomina coeficiente de regresin de Ysobre X.

Las mismas conclusiones se sacan cuando intentamos hacer la regresin de X sobre Y, pero

RA

atencin!: Para calcular la recta de regresin de X sobre Y es totalmente incorrecto despejar

PA

de

Pues esto nos da la regresin de X sobre

, del modo

SO

LO

sobre Y se hace aproximando X por

, que no es lo que buscamos. La regresin de X

donde

AC
IO
N

pues de este modo se minimiza, en el sentido de los mnimos cuadrados, los errores entre las

cantidades xi y las

PA

RA

IN

FO

RM

Los errores a minimizar son las cantidades

Extensin del mtodo de regresin lineal

El estudio de este mtodo, relativamente ms sencillo, tiene doble inters: de un lado este

LO

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

SO

variable adecuado

Los mtodos de los mnimos 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

AC
IO
N

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.

3. EL ORDENADOR

RM

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

LO

PA

RA

IN

FO

de regresin con sus respectivas formulas de correspondencia y correlacin.

SO

Utilizacin de los papeles grficos

Una vez obtenida la serie de datos experimentales el siguiente paso es graficarlas de

primera intensin en papel milimetrado.

10

a) Comparar la distribucin de los puntos obtenidos con alguna de las funciones obtenida,
en el presente laboratorio nos proponemos realizar los ajustes a
lineales

,b 0 y 1) y exponenciales (Y = a e bx)

AC
IO
N

(y= a + bx), potenciales (y=a x

funciones

b) Si la nube de puntos representados en la grafica es de tendencia lineal se procede a

realizar el ajuste correspondiente, por el mtodo de regresin lineal.

c) Si la distribucin de los puntos es no lineal, buscaremos linealizarla del siguiente modo:

d) Graficar en papel logartmico, los n pares de datos experimentales ( no tomar logaritmos,

RM

si se obtiene una distribucin lineal entonces con certeza estamos en una funcin de tipo
potencial de la forma y es igual a Xb, b
tendramos previamente que:

0 y 1. Para hacer la regresin lineal,

FO

e) Graficar en papel semilogartmico, los n pares de datos experimentales ( no tomar

logaritmos), si se obtiene una distribucin lineal, entonces, con certeza estamos a una
bx

RA

4. RECOMENDACIONES

IN

funcin de tipo exponencial de la forma y= a

Las graficas deben utilizar el mximo de papel, para esto se deben adecuar convenientemente
las escalas de los ejes.

PA

Solo se deben prestar algunos nmeros representativos que indiquen como varia la escala.
Las rectas o curvas que se grafican deben ser continuas y suaves y deben pasar por la mayor
densidad de puntos.

LO

Para determinar la pendiente en el caso que la grafica sea un recta, se debe construir un
triangulo rectngulo a partir de dos puntos bien separados que pertenezcan a la recta y cuyos
catetos sean paralelos a los ejes cordenados. De esta manera se minimizan los errores

SO

relativos de construccin y medicin de lo scatetos y la pendiente se calcula como:

11

4.1

DISEO
Consideremos un pndulo simple, y supongamos que deseamos estudiar la relacin del

de regresin vamos a usar los valores ya establecidos.

Incertidumbre debido a las fluctuaciones

AC
IO
N

periodo de oscilacin con la longitud del mismo. Por ser nuestro objetivo aprender las tcnicas

De acuerdo al numero de mediciones que hagamos cada valor va a variar en cierto valor para
lo cual se halla el promedio o se estima el valor de todas las mediciones para halar el valor

Una hoja de papel milimetrado

Una hoja de papel logartmico

Una hoja de papel semi-logaritmico

Una calculadora cientfica

Programa EXCEL

IN

FO

RM

promedio de las mediciones tomaos en cuenta la siguiente formula

RA

variable independiente

La variable independiente por lo general se ubica a los largo del eje X en nuestro caso es la
LONGITUD de la cuerda.

VARIABLE DEPENDIENTE

PA

4.2

La variable dependiente por lo general se ubica a lo largo del eje Y para nuestro caso es el

DATOS EXPERIMENTALES

SO

4.3

LO

PERIODO DE OSCILACION del pndulo

mediciones
L (m)
T (s)

1
0.1
1.55

2
0.2
2.2

3
0.3
2.69

4
0.4
3.11

5
0.5
3.48

6
0.6
3.81

7
0.7
4.11

8
0.8
4.4

9
0.9
4.66

10
1
4.92

12

5. ANALISIS DE DATOS EXPERIMENTALES

GRFICAS Y AJUSTES
Usando papeles grficos

AC
IO
N

5.1

Graficar T= T(L) en papel milimetrado A que funcin se aproxima esta grfica?

Graficar T= T(L) en papel logartmica Qu puede afirmar qu funcin se aproxima

est

grfica?suponiendo

una

dependencia

de

la

forma

,(funcin

RM

potencial),determine el valor de k y n a partir de su grafica.

Considerando sus grficasDiga que tipo de funcin relaciona las variables en escala
logartmica?

Cules son los cambios de variables necesarios para aplicar el mtodo de regresin

FO

IN

lineal?Presente la ecuacin T= T(L).

Al graficar tanto en papel milimetrado como en logartmico la ecuacin toma la siguiente

forma:

RA

T = KL

Si tomamos logaritmos en ambos miembros:

PA

LogT = LogKL

LogT = LogK + nLogL

LO

Si damos forma de una ecuacin lineal:

SO

T = A0 + B0(L)

Donde:

= Log(T)

A0 = Log(K)

13

B0 = n

AC
IO
N

L = Log(L)

Por lo tanto la nueva tabla asume los siguientes valores:

RM

MEDICIONES

Longitud (L) Tiempo (T)

-1
-0.69

0.43
0.49
0.54
0.58
0.61
0.64
0.67

IN

FO

-0.52
-0.39
-0.3
-0.22
-0.15
-0.09
-0.05

0.19
0.34

0.69

RA

Usando la hoja de clculo Excel

Presente una grfica logartmica.

Presente una grfica en escala milimetrada.

Ajuste los puntos mediante una regresin potencial.Presente la lnea de tendencia,la

PA

Usando la calculadora cientfica

Realice el ajuste correspondiente para determinar la ecuacin T= T(L).Qu indica el

SO

LO

ecuacin T= T(L) y el coeficiente de correlacin.

coeficiente de correlacin?

14

6. CUESTIONARIO

AC
IO
N

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 punto?
Presente en el mismo grfico las lneas de tendencia para cada caso.

1) de los datos obtenidos se tiene:

a) en regresin lineal:
A=1.51; B=3.60; R=0.989

RM

b) en regresin exponencial
A=4.91; B=0.5; R=0.999

FO

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 l perodo de oscilacin para un pndulo simple es T=

IN

Lg

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

; si g = 9.8

2
* L , T=
g

s
2
*L
g

1
2

; T=

1
2
* L2
g

PA

T=

RA

T = 2 L

Si se sabe que:

T = A x ; A= 4.91; B=0.5
b

LO

Entonces:

4.91 x 2 ; T=T (L), Y=Y(X); L=X

SO

1
1
2
2
b
* L2 = A x ;
* L2 =
g
g

2(3.1416)
=4.91; g = 1.64
g

15

5.3 A que se denomina interpolacin y extrapolacin?

AC
IO
N

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 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

RM

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

FO

de puntos datos discretos.

IN

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

Aplicacin de un criterio conocido a otros casos similares para extraer conclusiones o

PA

hiptesis.

RA

ritmo constante = una extrapolacin logartmica).

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

LO

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

SO

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.

16

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

= 9.8

= 2 L

= 2(3.1416)*

9.8 m

b) L=110 cm.;

= 9.8

110 *10 m

=2(3.1416)*

s
g

= 1.64

=2(3.1416)*

s
45 *10
1.64 m

= 2 L

= 1.64

=2(3.1416)*

; T= 3.29

; T 4 = 2 L

g
s
110 *10 m
; T= 5.15 s
1.64 m s
2

PA

RA

d) L=110 cm.;

IN

; T= 2.11

9.8 m

c) L=45 cm.;

FO

; T 2 = 2 L

; T= 1.35

RM

45 *10 m

AC
IO
N

a) L=45 cm.;

LO

5.5 Conociendo la ecuacin terica,realice el siguiente cambio e variable Z = L .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 .

SO

T = 2 L

; si

L ==Z

Adems se sabe:

Y=mx+b

Entonces:

T= 2

Z + 0 ; X=

17

RM

0.32
0.45
0.55
0.63
0.71
0.77
0.84
0.89
0.95
1

AC
IO
N

T
1.55
2.20
2.69
3.11
3.48
3.81
4.11
4.4
4.66
4.92

10
t ( seg )
43.5
23.7
10.5
3.9

IN

30
t ( seg )
73
41.2
18.4
6.8

4
t ( seg )
26.7
15
6.8
2.2

1
t ( seg )
13.5
7.2
3.7
1.5

RA

H ( cm )
D ( cm )
1.5
2
3
5

FO

5.6 Un experimento consisti en investigar el tiempo para vaciar el recipiente por un

orificio en el fondo ,encontrndose que el tiempo depende del tamao del orificio y
de la cantidad de agua que contiene .Los valores obtenidos durante el experimento
son :

Haciendo uso de los papeles grficos y del mtodo de regresin por mnimos cuadrados,

PA

determinar:

a) La ecuacin t = f(h)

SO

LO

Tabla 1

X
H
30
10
4
1

Y
T
73.0
43.5
26.7
13.5

18

(( x )* ( y )) (( (x y ))* ( x ))
A=
((n)* ( x )) ( x1)
2

(2 )

A=

((1017 )* (156.7 )) ((2745.3)* (45))

(2 )
((4)* (1017 )) (45)

A = 1.75

RM

((n)* x y ) (( x )* ( y ))
B=
((n)* ( x )) ( x1)
1

IN

FO

((4) * 2745.3) ((45) * (156.7 ))

(2 )
((4) * (1017 )) (45)

B = 1.92
1.75x + 1.92

r = 0.98
2

= 0.95

PA

RA

T=

(2 )

B=

AC
IO
N

TABLA 2

SO

LO

X
D
30
10
4
1

Y
T
41.2
23.7
15
7.2

(( x )* ( y )) (( (x y ))* ( x ))
A=
((n)* ( x )) ( x1)
2

(2 )

19

A = ((1017 ) * (87.1)) ((1540.2) * (45))

(2 )
((4) * (1017 )) 45
A = 9.43

((n)* x y ) (( x )* ( y ))
B=
((n)* ( x )) ( x1)
1

(2 )

((4) *1540.2) ((45) * (87.1))

(2 )
((4) * (1017 )) (45)

RM

B=

FO

B = 1.09
T=

9.43x + 1.09

= 0.96

RA

IN

r = 0.98

AC
IO
N

( )

TABLA 3

PA

X
D
30
10
4
1

Y
T
18.4
10.5
6.8
3.7

SO

LO

(( x )* ( y )) (( (x y ))* ( x ))
A=
((n)* ( x )) ( x1)
2

(2 )

A = ((1017 ) * (39.4 )) ((687.9 ) * (45))

(2 )
((4) * (1017 )) 45

( )

A = 4.46

20

((n)* x y ) (( x )* ( y ))
B=
((n)* ( x )) ( x1)
1

(2 )

B=

((4) * 687.9) ((45) * (39.4))

(2 )
((4) * (1017 )) (45)

B = 0.47
4.46x + 0.47

RM

T=

r = 0.98
2

= 0.97

FO

AC
IO
N

TABLA 4

Y
T
6.8
3.9
2.2
1.5

RA

IN

X
D
30
10
4
1

(( x )* ( y )) (( (x y ))* ( x ))
A=
((n)* ( x )) ( x1)

PA

(2 )

A = ((1017 ) * (14.4 )) ((253.3) * (45))

(2 )
((4) * (1017)) 45

LO

( )

SO

A = 1.59

((n)* x y ) (( x )* ( y ))
B=
((n)* ( x )) ( x1)
1

(2 )

21

((4) * 253.3) ((45) * (14.4))

(2 )
((4) * (1017 )) (45)

AC
IO
N

B=

B = 0.18
T =1.59x + 0.18
r = 0.98
2

= 0.97

RM

b) La ecuacin t = f(D)

FO

TABLA 1

Y
T
73
41.2
18.4
6.8

RA

IN

X
D
1.5
2
3
5

(( x )* ( y )) (( (x y ))* ( x ))
A=
((n)* ( x )) ( x1)
2

PA

(2 )

((40.25) * (14.4)) ((281.1) * (11.5))

(2 )
((4) * (40.25)) (11.5)

LO

A=

SO

A = 82.72

((n)* x y ) (( x )* ( y ))
B=
((n)* ( x )) ( x1)
1

(2 )

22

((4) * 281.1) ((11.5) * (139.4))

(2 )
((4 ) * (40.25)) (11.5)

AC
IO
N

B=

B = -16.65
T =82.72X+(-16.65)
r = -0.883
2

= 0.78

RM

TABLA 2

Y
T
43.5
23.7
10.5
3.9

IN

FO

X
D
1.5
2
3
5

(( x )* ( y )) (( (x y ))* ( x ))
A=
((n)* ( x )) ( x1)
2

RA

(2 )

((40.25) * (81.6)) ((163.65) * (11.5))

(2 )
((4) * (40.25)) (11.5)

PA

A=

SO

LO

A = 48.78

((n)* x y ) (( x )* ( y ))
B=
((n)* ( x )) ( x1)
1

(2 )

B=

((4) *163.65) ((11.5) * (81.6))

(2 )
((4) * (40.25)) (11.5)
23

B = -98.7

AC
IO
N

T = 48.78X+(-9.87)
r = - 0.875

= 0.765

RM

TABLA 3
Y
T
26.7
15
6.8
2.2

FO

X
D
1.5
2
3
5

(2 )

RA

((40.25) * (50.7 )) ((101.45) * (11.5))

(2 )
((4) * (40.25)) (11.5)

PA

A=

IN

(( x )* ( y )) (( (x y ))* ( x ))
A=
((n)* ( x )) ( x1)

LO

A = 30.4

((n)* x y ) (( x )* ( y ))
((n)* ( x )) ( x1)
1

SO

B=

B=

(2 )

((4) *101.45) ((11.5) * (50.7 ))

(2 )
((4) * (40.25)) (11.5)

B = -6.16

24

T =30.4X+(-6.16)

AC
IO
N

r = - 0.89

= 0.78
TABLA 4

Y
T
13.5
7.2
3.7
1.5

RM

X
D
1.5
2
3
5

RA

((n)* x y ) (( x )* ( y ))
((n)* ( x )) ( x1)
1

PA

(2 )

((4) * 53.25) ((11.5) * (25.9))

(2 )
((4) * (40.25)) (11.5)

LO

B=

(2 )

((40.25) * (25.9)) ((53.25) * (11.5))

(2 )
((4) * (40.25)) (11.5)

A = 14.96

B=

IN

A=

FO

(( x )* ( y )) (( (x y ))* ( x ))
A=
((n)* ( x )) ( x1)

SO

B = -2.95

T =14.96X+(-2.95)
r = - 0.87

= 0.76

25

D cm
1.5
2
3
5
1.5
2
3
5
1.5
2
3
5
1.5
2
3
5

IN

FO

RM

H cm :
30
30
30
30
10
10
10
10
4
4
4
4
1
1
1
1

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

AC
IO
N

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

Formula General :

( y y )
1 (y y )

RA

y = a + b x1 + c x2 ; r =

PA

Para hallar a,b y c :

y = aN +b x + c x
1

LO

x y = a x + b x
1

SO

x x = a x
2

299.9
5226.7
599.45

=
=
=

+ c x1 x2

+ b x1 x2 + c x2
2

16a + 180b + 46c

180a + 4068b + 517.5c
46a + 517.5b + 161c

26

34.82 +0.91x+(-9.14)y

(73 y ) (41.2 y ) (.... y )

(73 48.3149) + (41.2 43.7452)

2

+ (.....)

AC
IO
N

=
=

(73 y ) + (41.2 y ) + (.... y ) + ......

=
2

- 0.296254678

= 48.31495
= 43.7452

= 34.6057

= 16.3267

= 30.17695

18.6
1686.660832
1 (5694.28)

= 25.6072
= 16.4677

PA

Y
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y

RA

r
r

RM

r
r

34.81721916
0.906913852
-9.1395965217

FO

=
=
=

IN

a
b
c

= -1.8113

= 24.73555

= 20.1658
10

= 11.0263
11

= -7.2527
12

= 22.01485
13

= 17.4451
14

= 8.3056
15

= -9.9734
16

SO

LO

27

d) El valor de t cuando H = 20 cm y D = 4 ( interpolacin )

T = 34.8172 + 0.9069*(20) 9.1395*(4)

T = 16.3972

AC
IO
N

T = a + b(H) + c(D)

e) El valor de t cuando H = 20 cm y D = 6 ( extrapolacin )

T = a + b(H) + c(D)

RM

T = 34.8172 + 0.9069*(40) 9.1395*(6)

FO

T = 16.2562

7. CONCLUSIONES

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

IN

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

Los papeles grficos identifica una clase de funcin (puede ser lineal, exponencial y

RA

PA

potencial) cada una de acuerdo a su propia grafica.

LO

8. BIBLIOGRAFIA

Bibliografa: Errores y mediciones, A. Gonzlez Arias,Ed. Cientfico Tcnica,1983;

Laboratorio de Fsica , Ed. ENPES, agosto 1988.
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 de Ingeniera

Gua de Laboratorio FISICA I- Universidad Nacional del Callao

SO

28