Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cap 4 Metodos Cualitativos de Analisis
Cap 4 Metodos Cualitativos de Analisis
Modelo A
80
60
40
20
Modelo B
0
100
120
140
160
180
200
220
Figura 4.1 Representacin de datos de la variable Y como funcin otra X. Los smbolos circulares son
los resultados observados. En el mismo grafico se incluyen dos modelos interpretativos. El modelo A
(lnea de puntos) y el modelo B (lnea llena).
49
40
350
300
30
250
20
PBI [G $/1993]
450
400
50
200
2,005
2,000
1,995
1,990
1,985
1,980
100
1,975
1,970
150
1,965
10
1,960
Energa [M_Tep]
60
Ao
Figura 4.2 Representacin del consumo de energa total de la Repblica Argentina como funcin del
tiempo, crculos referidos a eje vertical izquierdo. En esta figura tambin se representa la variacin del
producto bruto interno (PBI) en G$ (109 $, referidos al ao 1993) como funcin del tiempo, referidos al
eje vertical derecho. Esta figura revela una vinculacin entre el consumo de energa y PBI. Las unidades
de energa son millones de Toneladas Equivalentes de Petrleo.
Energa [M_Tep]
60
50
40
30
y = 0.16x - 3.62
2
R = 0.97
20
E.Total (sec)
[M_m3/d]
10
0
100
150
200
250
300
350
PBI [G$ /1993]
400
Figura 4.3 Representacin del consumo de energa total de la Republica Argentina como funcin del
PBI. Esta representacin grfica revela la dependencia aproximadamente lineal entre estas variables.
En la figura 4.3, al representar el consumo de energa como funcin del PBI, resulta
que la dependencia entre estas variables, es aproximadamente lineal. Esta observacin,
nos permite desarrollar un primer modelo del consumo de energa para este pas. Ntese
cmo los grficos nos condujeron a descubrir una relacin implcita en los datos
50
observados. Estas conclusiones, rara vez son tan transparente y sugestivas en una tabla
de datos.
El anlisis grfico de datos es una actividad que ha tenido un gran desarrollo en los
ltimos tiempos ya que es aplicable a un gran nmero de investigaciones cientficas,
econmicas, sociales y de la vida diaria.
Eleccin de las variables
Es natural que al sospechar que dos variables distintas de un mismo sistema estn
relacionadas, que tratemos de investigar la dependencia funcional que las liga. Si las
variables del sistema las designamos como X e Y, el objetivo de nuestro anlisis es
encontrar, la relacin matemtica o funcional entre ellas. Es usual denominar a las
variables que controlamos o que determinan el estado del sistema como independientes.
Las variables que estn determinadas por otras, las llamamos variables dependientes.1,2
Esta divisin no es siempre clara o posible de realizar. En muchos problemas reales, en
general hay varias variables independientes y varias dependientes. Por simplicidad, en
lo que sigue supondremos que el sistema contiene solo dos variables, X la variable
independiente e Y la dependiente. La importancia de este caso es que en muchas
situaciones prcticas, es posible disear un estudio o experimento de modo tal que solo
un parmetro vare por vez, mientras los restantes permanecen constantes. Cuando esto
es posible, el anlisis se simplifica considerablemente.
Relacin lineal
Decimos que la dependencia de Y con X es lineal, si los datos observados se pueden
describir adecuadamente con:
Y = a X + b.
(4.1)
(4.2)
donde a y b son constantes distintas de cero. Esta forma potencial es muy comn en las
ciencias naturales, economa y muchas otras aplicaciones.
51
(4.3)
(4.4)
~
~
Si representamos grficamente Y como funcin de X , obtendremos una recta con
pendiente b y ordenada al origen log(a ) . Con los programas actuales, tales como: Excel
Microsft, OriginOriginlab, Matemtica Wolfram, etc, no es necesario tomar el
logaritmo de los datos, con solo elegir para los ejes escala logartmica, es suficiente.
Una vez realizado el grfico en escala lineal, en casi todos los programas, activando con
el mouse los ejes coordenados, se abre un sub-men que permite variar la escala de los
ejes (lineal, logartmica, etc.). Las figuras 4.4 y 4.5 ejemplifican este mtodo. Cuando
un grfico no lineal, usando escalas adecuadas se transforma en otro que si tiene
apariencia lineal, decimos que las escalas usadas linealizan los datos. La figura 4.5 es
un ejemplo de linealizacin.
3.0
y = 0.9658x
2.5
R = 0.9971
2.0
2.087
1.5
1.0
0.5
0.0
0
0.5
Datos
1
Ajuste lineal
1.5
Ajuste Potencial
Figura 4.4 Representacin de una serie de datos con dependencia potencial en escala
lineal. La lnea de puntos es un ajuste lineal a los datos, mientras que la curva continua es un
ajuste potencial (Y = a.xb).
52
10.0
y = 0.9658x
2.087
R = 0.9971
1.0
0.1
0.0
0.1
1
Datos
Ajuste lineal
10
Ajuste Potencial
Figura 4.5 Los mismos datos de la figura 4.4, mostrados usando escalas logartmicas o
escala log-log. Ntese que la recta, representada por la lnea de puntos, en esta escala no es ms
una recta, mientras que curva potencial (lnea llena) se ve como una recta. Es interesante
comparar cuidadosamente las mismas lneas en la figura 4.5 con la 4.4.
L
g
(4.5)
(4.6)
53
2
1
yb= .
2
g
Y1 (t ) = Ae 1t
(4.7)
Y2 (t ) = A(1 e 2t )
(4.8)
dY1 (t )
= A1e 1t = 1Y1 (t )
dt
(4.9)
dY2 (t )
= A2 e 2t = 2 ( A Y2 (t ))
dt
(4.10)
54
1.2
1
0.8
0.6
0.4
0.2
0
0
8
Y1
Y2
10
0.1
0.01
0
4
x
8
Y1
Y2
55
0.5
dy/dt
0.25
0
-0.25
-0.5
0
0.2
0.4
0.6
0.8
dY1/dt
1
dY2/dt
dY (ti ) Yi +1 Yi
o mejor
dt
ti +1 ti
dY (ti ) Yi +1 Yi 1
dt
ti +1 ti 1
(4.11)
Sin embargo, como los datos tienen errores, la diferencia (Yi+1 Yi) puede ser en
algunos casos menor que el error de medicin, y en tal caso el valor obtenido con la
Ec.(4.11) presentar mucha dispersin. Una manera de mejorar la estimacin de la
derivada de datos experimentales consiste en usar un grupo de datos que estn en un
intervalo donde a priori no se espere mucha variacin en la derivada. Usando un grupo
de valores aproximamos una recta que pase por ellos, cuya pendiente m tomamos como
una estimacin de la pendiente de la curva en el entorno de esos datos, o sea, hacemos
una estimacin local de la derivada dY/dt usando un grupo de valores en vez de usar
pares consecutivos. La funcin pendiente es una funcin muy comn en muchas
planillas de clculo. El grfico que hacemos finalmente es uno de m en funcin de Y. La
mayora de las hojas de clculo usan este procedimiento para el clculo de la derivada
de una funcin representada por un conjunto de datos.
Transformacin de variables - seudovariables
Hay muchas formas funcionales entre variables que no se linealiza usando escalas
logartmicas, por ejemplo:
Y = a + b/ X
(4.12)
No es posible linealizar esta funcin tomando escalas logartmicas. Sin embargo, si
hacemos la transformacin:
Z = 1/ X
tenemos
Y = a +bZ ,
(4.13)
56
identificacin de los ejes con rtulos bien ubicados que indiquen qu variables se
representan y en qu unidades se estn usando,
seleccionar una clara diferenciacin entre los smbolos que se usan para indicar
distintas series de datos. Lo mismo vale para la forma de lneas que corresponden a
distintos modelos propuestos para explicar los datos.
57
Angulo de equlibrio en
funcion de la frecuencia de
rotacin.
Barra de logitud = 30 cm
80
(grado)
60
40
20
0
-
5
f (Hz)
10
Figura 4.8
Ejemplo de grfico y epgrafe. Los cuadrados llenos
corresponden a los resultados medidos y la lnea continua es un modelo que
pretende explicar dichos datos.
Referencias
(ver al final)
Ejercicios y problemas
Es objeto de este ejercicio es desarrollar habilidad en el uso de planillas de clculo. Una
posibilidad es usar ExcelMicrosoft. Una referencia til para aquellos estudiantes con
poca familiaridad en este programa puede encontrarse en: Aprenda Excel 2000, J.
Garca de Jaln et al., Escuela Tcnica Superior de Ingenieros Industriales, Universidad
Politcnica de Madrid:
58
http://www.formacioncontinua.inap.map.es/portal/NuevaWeb/cursos/documentos/Excel
2000.pdf
En estos ejercicios nos proponemos:
generar funciones matemticas de distintos tipos en una planilla de clculo y
representarlas grficamente,
usar de grficos para encontrar soluciones de ecuaciones algebraicas,
representar grficamente funciones en distintos tipos de escalas (lineales,
logartmicas u otras).
1) Usando una planilla de clculo como Excel, genere en hojas separadas pares de
valores (x, y) correspondientes a la funciones:
i. y = 2x+3
ii. y = 2x2+x
iii. y = x+3
y
y=2x+3
y = 2exp(x) 1
iv. y = 3x3 x y
v. y = 2exp(2x) y= 2x+2
y
y = 2x0,75
vi. y = 2exp(2x) , y = 2exp(2x)+3
y = 2x+2 ,
y
y = 2x0,75+2
a) Agrupe los pares (x, y) en columnas y realice una representacin grfica de cada
y = ax 2 + b
ii.
y = ax b
a
y= +b
x
2
y = ax 3 + b
y = a exp( bx )
b
y = a exp( )
x
iii.
iv.
v.
vi.
50
y = a log(bx )
1 1 1
3) Considere la expresin + = . Demuestre que hay dos maneras de linealizar la
x y a
representacin grfica:
vii.
a) representando
1
y
en funcin de
1
,
x
Chip
4004
8088
80286
Intel 386
Intel 486
Pentium
Pentium Pro
Pentium II
Pentium III
Pentium 4
Itanium
Pentium III
Itanium 215
Itanium 2.9
N de
transistores por N de aos a
Ao de
pulgadas
partir de
lanzamiento
cuadradas
1970
3
1971
2.28 x 10
1
4
1979
3.00 x 10
9
5
1982
1.49 x 10
12
5
1985
2.94 x 10
15
6
1989
1.33 x 10
19
6
1993
3.68 x 10
23
6
1995
5.98 x 10
25
6
1997
8.40 x 10
27
7
1999
3.44 x 10
29
7
2001
5.07 x 10
31
7
2001
2.83 x 10
31
8
2002
2.77 x 10
32
8
2004
1.34 x 10
34
8
2004
7.69 x 10
34
51
Poblacin
Mundial x10-9
Ao
Poblacin
Mundial x10-9
2,557
2,594
2,636
1980
1981
1953
1954
2,682
1983
1984
4,690
1955
2,781
2,834
1985
4,852
4,935
1957
1958
2,890
1987
1988
5,021
1959
2,999
3,041
1989
5,195
5,283
1961
1962
3,082
1991
1992
5,367
1963
3,207
3,278
1993
5,533
5,613
1965
1966
3,347
1995
1996
5,694
1967
3,487
3,559
1997
5,852
5,930
1969
1970
3,634
1999
2000
6,006
1971
3,786
3,863
2001
6,156
6,230
3,939
2003
2004
1950
1951
1952
1956
1960
1964
1968
1972
1973
1974
2,730
2,947
3,138
3,418
3,709
4,013
1982
1986
1990
1994
1998
2002
4,453
4,529
4,608
4,770
5,108
5,451
5,773
6,082
6,303
6,377
52
1.E+06
Peso(kg)
1.E+05
1.E+04
1.E+03
1.E+02
y = 2.1538x
1.E+01
3.03
R = 0.9771
1.E+00
1.E-01
0.1
Largo(m)
10
100
1000
2.9
masa(g)
y = 0.03x
2
R = 0.97
100
masa (g)
10
1
10
100
Relacin entre la masa de ratas DBIX y su tamao, longitud. La relacin entre estas
variables resulta evidente a partir de este grfico, Ref.[5].
ndice alfabtico
Nombre del marcador
Anlisis grfico cualitativo
analcualtitativo
Anlisis grfico
anlisis
Correlacin
correlacion
Diseo de grficos
diseograficos
53
Escalas logartmicas
escalalog
Funcin potencial
funcpotencial
Grfico log-log
graficologlog
Ley exponencial
leyexponencial
Planilla de clculo
planilla
Pseudovariables
pseudovariables
Relacin lineal
relaclineal
Transformacin de variables
transfvariables
Variable dependiente
vardepend
Variable independiente
Varindep
linealizacin
linealiza
Referencias
1
54