Captulo 4

Mtodos cualitativos de anlisis grfico

Objetivos
En muchos problemas se busca encontrar la dependencia entre dos variable, x e y. Para
ellos se observa la variacin de una, y, en funcin de la otra x. La variable y podra ser,
por ejemplo, el estiramiento de un resorte e x la fuerza aplicada. En este captulo se
presenta algunos mtodos cualitativos de anlisis grfico para la interpretacin de datos
y modos de determinacin de relaciones o regularidades implcitas en ellos. Se discuten
los casos en que las variables estn vinculadas mediante una relacin lineal, potencial o
exponencial, como ejemplos ms sobresalientes. Tambin se presentan algunos criterios
de seleccionar de las escalas ms convenientes para un grfico de datos. En particular se
discute la utilidad de las escalas lineales, semi-logartmicas o doble-logartmicas, junto
al procedimiento de linealizacin como recurso til para encontrar relaciones entre
variables.
Importancia de la representacin grfica
Uno de los recursos ms usados por los investigadores para evaluar el grado de
acuerdo entre una teora y las observaciones, consiste en comparar las predicciones de
dicha teora o modelo con los resultados experimentales en un mismo grfico. En la
figura 4.1 se comparan dos modelos tericos o interpretativos con los resultados
observados, indicados por smbolos circulares. A simple vista se observa que el modelo
B (recta) brinda una mejor descripcin de los datos que el modelo A, curva en lnea de
puntos.
120
100

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).

Experimento de Fsica - S. Gil 2011

49

Asimismo, la representacin grfica de los datos experimentales es en muchos casos

una fuente de inspiracin para interpretar los resultados o desarrollar modelos y teoras
explicativas de las observaciones. De hecho el anlisis grfico de resultados es una
herramienta muy usada tanto en las ciencias experimentales como en muchas disciplinas
acadmicas y en diversas reas de la vida cotidiana. En las figuras 4.2 y 3 se muestran
ejemplos de ello. En la figura 4.2 se grafica el consumo total de energa de Argentina y
su Producto Bruto Interno (PBI) como funcin del tiempo. La conexin o correlacin
entre estas variables es aparente y nos sugiere que exploremos la dependencia entre
estas variables.
Consumo de energa en la Republica Argentina
Total_Sec.

40

PBI (G$ 1993)

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

Experimento de Fsica - S. Gil 2011

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)

La figura 4.3 muestra un ejemplo de este tipo. El parmetro a es la pendiente de la recta

y b la ordenada del origen o la ordenada de interseccin de la recta con el eje vertical y.
Una relacin lineal entre dos variables es fcil de identificar a simple vista. Sin
embargo, no es tan fcil, a simple vista, saber si las variables presentan una relacin
potencial, exponencial o de otro tipo.3,4
Relacin potencial
Las variables X e Y presentan una dependencia potencial si:
Y = aX b

(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.

Experimento de Fsica - S. Gil 2011

51

Para facilitar la tarea de encontrar tanto el exponente de escala b como la constante

a , es conveniente representar log(Y ) en funcin de log(X ) . Para comprender porque
hacemos esto, tomemos el logaritmo a ambos miembros de la Ec.4.2:
log(Y ) = log(aX b ) = log(a ) + b log( X )
~
~
Si Y log(Y ) y X log( X ) tenemos que:
~
~
Y = log(a ) + bX

(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).

Experimento de Fsica - S. Gil 2011

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.

Los grficos doble-logartmicos, como los de la figura 4.5, tambin se llaman

grficos loglog. Ntese que en escala logartmica, las dcadas son equidistantes, o sea
la distancia entre 0.1 y 1 es igual a la de 1 hasta 10 y as sucesivamente. Esto es muy
diferente a lo que ocurre en las escalas lineales o normales, donde la distancia entre 0 a
1 es igual a la de 1 a 2 y as sucesivamente, como se ve en las figuras 4.3 y 4.4.
Por otra parte, si sospechamos que los valores observados (X, Y), tienen una
dependencia potencial, al representarlos en un grfico doble-logartmico o log-log, los
mismos se alinearan en una tendencia lineal. Es decir los datos se linealizan. Esto nos
permitir inferir que un determinado conjunto de datos est vinculado por una relacin
funcional de tipo potencial, o sea que Y X b . De este modo el grafico nos permite
descubrir la ley subyacente que liga las variables X e Y. Este tipo de representacin
grfica es muy til cuando se estudian leyes de crecimiento, etc.

Se mide el perodo T de un pndulo simple para distintas longitudes L. En el

caso de pequeas amplitudes de oscilacin, ambas variables estn
relacionadas por
T = 2

L
g

(4.5)

donde g es la aceleracin de la gravedad. Esta expresin se puede escribir

como:
T = aLb ,

Experimento de Fsica - S. Gil 2011

(4.6)

53

que es potencial con a =

2
1
yb= .
2
g

De un grfico de T en funcin de L, en escala log-log, nos permite inferir

que la Ec.(4.6) describe bien nuestros datos y a su vez obtener las
constantes a y b. El valor de b nos permite determinar el valor de la
aceleracin de la gravedad g. De igual modo podramos haber graficado T2
en funcin de L. Es claro que en este ltimo caso, la relacin entre estas dos
variables es tambin lineal y de la pendiente es posible obtener 42/g, de
donde se puede despejar g. En particular, si no conocisemos la ubicacin
del centro de masa al bulbo del pndulo y hubisemos tomado como
longitud medida, Lmedid, la distancia del pivote a un punto alejado del centro
de masa del bulbo una cierta distancia L.
Es claro que al graficar T2 en funcin de Lmedido obtendremos una recta con
ordenada en el origen, del tipo T2 =a.Lmedido.+ b. Del ajuste de los datos
podemos obtener tanto a = 42/g como b = 42L/g y a partir de estos
valores podemos deducir tanto el valor de g como la distancia L del centro
de masa del bulbo al punto de medicin elegido.
Relacin exponencial
Otro caso particular de mucho inters es el de una relacin exponencial
entre dos variables. Para fijar ideas supongamos que estamos considerando dos
variables, Y1 e Y2, como funcin de t. Si las relaciones entre estas variables son:

Y1 (t ) = Ae 1t

(4.7)

Y2 (t ) = A(1 e 2t )

(4.8)

sus representaciones grficas sern como se muestra en la figura 4.6.

Es fcil notar que, que la primera de estas relaciones (Y1) se linealiza en escala
semilogartmica pero la segunda (Y2) no. En este caso, es conveniente recordar que la
derivada de ambas expresiones s tiene una relacin funcional simple, a saber:

dY1 (t )
= A1e 1t = 1Y1 (t )
dt

(4.9)

dY2 (t )
= A2 e 2t = 2 ( A Y2 (t ))
dt

Experimento de Fsica - S. Gil 2011

(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

Figura 4.6 Representacin en escala de las funciones (4.7) y (4.8) en escala

lineal (panel superior) y en escala semilogartmica (panel inferior). Ntese que solo
la representacin de la expresin (4.6) se linealiza en escala semilogartmica.
Por lo tanto, usando una representacin de la derivada en funcin de la variable
dependiente (dY1/dt o dY2 /dt ) en funcin de (Y1 o Y2) es cuando obtenemos una recta.
De los valores de las pendientes y sus ordenadas al origen podemos estimar los
parmetros A y , Ecs.(4.9) y (4.10). En la figura 4.7 se muestran las mismas funciones
que en la figura 4.5 usando la representacin propuesta. Es claro que esta alternativa es
muy til para este tipo de problemas.

Experimento de Fsica - S. Gil 2011

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

Figura 4.7 Representacin en escala lineal de las derivadas dY1/dt y

dY2/dt en funcin de las variables dependientes Y1 e Y2
respectivamente. En este ejemplo, 1 = 2, por lo tanto los datos se
alienan (linealizan) en dos rectas paralelas.

Una dificultad de esta representacin es que requiere conocer la derivada de la

funcin en cuestin y para hacerlo debemos usar algn procedimiento numrico. Si
disponemos de mediciones de Y1 e Y2 en funcin de t lo que hacemos es aproximar la
derivada calculando las diferencias finitas usando pares de datos consecutivos:

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

Experimento de Fsica - S. Gil 2011

tenemos

Y = a +bZ ,

(4.13)

56

que describe una relacin lineal entre Y y la nueva seudovariable Z. Adems, si

graficamos Y en funcin de Z, del ajuste de los datos obtenemos los valores de los
parmetros a y b.
Sugerencias para generar grficos
La mayora de las hojas de clculo y programas de graficacin disponibles en las
computadoras incluyen entre sus opciones el diseo de grficos usando los distintos
tipos de escalas descriptas anteriormente. Para lograr grficos sugestivos y claros es
conveniente seguir las siguientes sugerencias:

identificacin de los ejes con rtulos bien ubicados que indiquen qu variables se
representan y en qu unidades se estn usando,

cuando se representan datos que son resultado de mediciones, es conveniente usar

smbolos (cuadrados, crculos, rombos, etc.), en lo posible con sus incertidumbres o
errores absolutos (en la forma de barras que indiquen el tamao de los errores o
incertidumbre). Cuando se desea diferenciar distintas series de datos, es
recomendable el uso smbolos diferentes,

cuando se representan modelos o predicciones tericas es costumbre utilizar lneas

continuas (slidas, de punto, de guiones, etc.)

incluya un epgrafe que describa brevemente lo que se est representado y que

aporte alguna informacin adicional,

carteles interiores al grfico, con informacin complementaria relevante para

entender en qu contexto se muestran los datos o sobre las condiciones
experimentales particulares bajo las que se los han obtenido,

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.

En la figura 4.8 se ilustra este proceder.

Experimento de Fsica - S. Gil 2011

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.

Resumen de conceptos importantes

Se sugiere que el lector d una explicacin concisa de los siguientes conceptos, y
cuando sea posible, indique un ejemplo apropiado.






Por qu es til graficar los datos en

lugar de presentarlos en tablas?
Explique porqu las funciones
potenciales y exponenciales son
linealizables.
Por qu es til realizar cambios de
escalas en los grficos?
Qu concluye si al usar escalas
semilogartmicas una representacin
grfica se linealiza?




Qu concluye si al usar escalas

doble
logartmicas
una
representacin grfica se linealiza?
Por
qu
es
til
usar
pseudovariables?

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:

Experimento de Fsica - S. Gil 2011

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

funcin. Seleccione el dominio de la variable independiente de modo que se

pueda observar claramente la forma de las funciones representadas; haga lo
propio con el rango de la variable dependiente.
b) Para las funciones (iv), (v) y (vi) cambie la escala de los ejes de lineal a
logartmica (eje x solamente, eje y solamente, y ambos a la vez). Discuta y
justifique en que casos la representacin grfica de las funciones se linealiza, al
cambiar la escala de los ejes.
c) Para los sistemas de ecuaciones representadas por (iii) y (iv), encuentre las
races o soluciones del sistema de ecuaciones que representan. Recuerde que las
races de un sistema de ecuaciones son los pares (x,y) que satisfacen
simultneamente todas las ecuaciones que constituyen el sistema. Grficamente,
son las coordenadas de los puntos donde las curvas se cortan. Podra encontrar
las soluciones analticamente en ambos casos (iii) y (iv)? De ser posible,
compare sus resultados con los mtodos grficos. Discuta las ventajas y
desventajas de cada uno de estos mtodos.
2) Proponga el tipo de grfico (lineal, loglog, semilog) y las correspondientes
variables o pseudovariables que permitan linealizar la representacin grfica de cada
una de las siguientes funciones. Indique en cada caso el procedimiento a seguir para
encontrar, a partir del grfico, los valores de las constantes a y b.
i.

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.

Experimento de Fsica - S. Gil 2011

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

b) representando el producto xy en funcin de la suma x + y.

Indique cmo se puede obtener el valor de la constante a de cada grfico.
4) En 1965, Gordon F. Moore, uno de los fundadores de Intel (compaa que fabrica
microprocesadores de computadoras) hizo una interesante observacin, que pas a
conocerse como Ley de Moore. Not que el nmero de transistores que podan
integrarse en un chip creca rpidamente. Esto lo llev a afirmar que el nmero de
transistores por pulgada en los chips se duplicaba cada ao y que la tendencia
continuara durante las siguientes dcadas. Ms tarde, en 1975, modific su propia
ley al afirmar que el ritmo bajara y que la capacidad de integracin se duplicara
aproximadamente cada 24 meses.
a) Sobre la base de los datos que se reproducen a continuacin, analice la
validez de la aseveracin de Moore.
b) Qu puede decir de la validez de la ley enunciada primeramente y la
segunda? Discuta y argumente las razones que fundamentan sus
conclusiones.

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

Tabla 1. Caractersticas de los chips de computadoras que produjo Intel en las

ltimas dcadas.

Experimento de Fsica - S. Gil 2011

51

5) Un grupo de investigadores analiza la evolucin de la poblacin mundial de los

ltimos cincuenta aos para evaluar planes de accin para distintos organismos,
tanto econmicos (FMI, Banco Mundial y OMC, entre otros) como de desarrollo
social y humano (UNESCO, UNICEF, OIT y OMS, entre otros). A partir de los
datos suministrados por un organismo oficial se confeccion la siguiente tabla.
Ao

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

Tabla tomada de: http://www.census.gov/ipc/www/worldhis.html.

a) Grafique la poblacin P como funcin del tiempo, y la derivada de la
poblacin, dP/dt, como funcin del tiempo.
b) Grafique el crecimiento porcentual CP de poblacin como funcin del
tiempo, es decir, CP = (dP/dt)/P(t). Cmo vara el crecimiento como
funcin del tiempo? Segn sus resultados, cmo espera que siga el
crecimiento de la poblacin mundial en los prximos 50 aos?
c) Encuentre la mejor funcin que represente tanto dP/dt, y P(t) como
funcin del tiempo. Cmo espera que evolucione la poblacin mundial en
los prximos 100 aos?
d) Puede predecir cuntos habitantes habr en el ao 2050 y 2100?
Compare sus predicciones con otras fuentes? Cmo explicara sus
resultados?

Experimento de Fsica - S. Gil 2011

52

Posibles figuras ilustrativas

Dinosauiros

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

Relacin entre la masa (peso) de varios dinosaurios y su tamao, longitud de cabeza a

cola. La relacin entre estas variables resulta evidente a partir de este grfico. Datos
tomados de http://en.wikipedia.org/wiki/Dinosaur_size.
Ratas BD IX

1000
2.9

masa(g)

y = 0.03x
2
R = 0.97

100

masa (g)
10
1

10

100

Longitud Cuerpo (cm)

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

Experimento de Fsica - S. Gil 2011

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

D. C. Baird, Experimentacin, 2 ed., Prentice-Hall Hispanoamericana S.A., Mxico, 1991.

Christopher Deacon, "The importance of graphs in undergraduate physics," Phys. Teach. 37, 270, 1999.
3
S. Gil y E. Rodrguez, Fsica re-Creativa, Prentice Hall, Buenos Aires 2001.
http://www.fisicarecreativa.com
4
C. E. Swartz, Used Math for the first two years of college science, American Association of Physics
Teachers, 2 ed., 1993.
2

Experimento de Fsica - S. Gil 2011

54