INTRODUCCIN

Como todos sabemos el hombre siempre a sentido curiosidad, por el mundo que los rodea, siempre ha buscado el modo de explicar la diversidad de sucesos observados. Pues para esto con el paso de los aos apareci la estadstica el cual nos va ha permitir sacar conclusiones a partir de muchos datos experimentales que tomemos. Estos datos son seleccionados a partir de muestras que nos brinden confianza, los mismos que son tratados a travs de clculos matemticos, grficos.

I. OBJETIVOS Obtener grficas de datos organizados en tablas. Construir comportamiento. II. MATERIALES: Hojas de papel milimetrado. Hojas de papel logartmicas. Hojas de papel semilogartmica. ecuaciones experimentales e interpretar su

III. FUNDAMENTO TEORICO Los datos obtenidos en un proceso de medicin se organizan en tablas. Las tablas de valores as confeccionadas nos informan acerca de relaciones existentes entre una magnitud y otra. Una alternativa para establecer dichas relaciones es hacer representaciones grficas en un sistema de ejes coordenados con divisiones milimetradas, logartmicas o semilogartmicas segn sea el caso. De estas se buscan grficas lineales (rectas), para facilitar la construccin de las frmulas experimentales que representen las leyes que gobiernan el fenmeno. a) Se grafica en un papel milimetrado los valores de la Tabla. b) Se compara la distribucin de puntos obtenida con curvas conocidas. Entre estas grficas tenemos.

Si se logra identificar la forma de la distribucin de los puntos, el siguiente paso es realizar el ajuste de curvas correspondiente mediante la tcnica de mnimos cuadrados. El modelo de ajuste que se utilizar es lineal, esto significa que la ecuacin que se busca tiene la forma de una recta cuya ecuacin es: y = mx + b Donde la pendiente m y la ordenada en el origen b son constantes a determinar. El primer paso es llevar los datos experimentales a un papel milimetrado. Si la distribucin de puntos no tiene una tendencia lineal, se pasa a un papel logartmico o semilogartmico; en algunos de estos papeles la distribucin de los puntos saldr una lnea recta. Para las relaciones de la forma y = kxn, n diferente de 1, sus grficos en el papel logartmico son rectas con pendiente m = n que cortan al eje vertical en b = k (Se recomienda preferentemente usar papel logartmico 3x3; cada ciclo est asociado a una potencia de base 10. El origen de un eje coordenado logartmico puede empezar con...,10-1, 100, 101, 102, etc. (para relaciones exponenciales se recomienda utilizar el papel semilogartmico. En papel milimetrado tambin se pueden construir grficos lineales para ecuaciones de curvas. Esto depender de los valores asignados a los ejes coordenados. Para esto es necesario tratar los datos.

Mtodo de mnimos cuadrados. El mtodo de mnimos cuadrados es una tcnica comnmente utilizada para el ajuste de una curva del tipo y = f(x), a un conjunto de puntos (x1;y1), (x2;y2),..., (xn;yn); el mtodo se basa en el concepto de minimizar la suma de los 2 cuadrados de los errores, e 1 + e 2 +.... + e 2 , donde ei es el i-simo error, esto n 2 es, para un xi dado, xi es la distancia entre el punto yi de los datos y el valor yi = f(xi) ledo de la curva ajustada, como se aprecia en la Fig. 1. El mtodo se aplica comnmente a las funciones lineales, funciones potencia, funciones exponenciales y polinomiales; en cada caso el mtodo requiere la solucin de un conjunto de ecuaciones algebraicas lineales simultneas donde las cantidades desconocidas son las constantes en la ecuacin de la curva. Por ejemplo, supngase que se desea hacer pasar la funcin lineal (recta) y=+ bx por un conjunto de n pares de puntos, resultado de una medicin experimental, entonces para obtener el sistema de ecuaciones algebraicas lineales simultneas (ecuaciones normales) cuya solucin nos permita determinar las constantes a y b, utilizamos el concepto de minimizacin del cuadrado de los errores, as sea S la suma de estos errores.
N N

S = E12 = (a + bxi yi ) 2
i =1 i =1

S= (a + bx1 y1)2 + (a + bx2 y2)2 +... + (a + bxN yN)2 Luego, para minimizar S, igualamos a cero las derivadas parciales de S con respecto a a y b.

S = 2[ (a + bx1 y1) + (a + bx 2 y 2) + ... + (a + bxN yN )] = 0 a S = 2[ (a + bx1 y1) x1 + (a + bx 2 y 2) x 2 + ... + (a + bxN yN ) xN ] = 0 a Agrupando trminos obtenemos un sistema de dos ecuaciones algebraicas simultneamente, para a y b: N N Na + b Xi = yi i =1 i =1 N N N a Xi + b Xi 2 = xiyi i =1 i =1 i =1 Procediendo de la misma forma se encuentran las ecuaciones normales para los siguientes casos: Funcin Potencia: y = axb . En este caso las 2 ecuaciones normales, cuya solucin nos permite determinar completamente las constantes a y b, son:
N N N log(a) + log(xi)b = log(yi) i = 1 i =1

N N 2 (xi)b = N log(xi) log(yi) log(xi) log(a) + log i = 1 i =1 i =1

 Funcin exponencial: y = aebx En este caso se obtienen dos ecuaciones algebraicas lineales simultneas, las cuales son:
N N N log(a) + xi b = log(yi) i = 1 i =1

N N N xi log(a) + xi 2 (xi)b = xi log(xi) i = 1 i =1 i =1

Donde de nuevo tenemos que solucionar estas ecuaciones para determinar los valores de a y b. Funcin polinomial y = c1 + c2x + c3x2+... + cN+1xN Para ste caso, se obtienen N ecuaciones algebraicas lineales simultneas, las cuales son:
N N N 2 N N Nc1 + xic2 + x ic3 + ... + xi cN + 1 = yi i =1 i =1 i =1 i =1

N N N N xic2 + xi 2 c2 + ... + xi N + 1cN + 1 = xiyi i = 1 i = 1 i =1 i =1

N N N N + 1c2 + ... + N xi 2N cN + 1 = N xi N yi xi c2 + xi i =1 i = 1 i =1 i =1

De la solucin de ste sistema de ecuaciones, obtenemos los valores de las constantes c1, c2, c3,..., cN. De la distribucin lineal de puntos obtenida en el papel milimetrado, logartmico o semilogartmico se calculan la pendiente m y la ordenada b. Como ya lo hemos descrito el mtodo ms adecuado para una distribucin lineal es la tcnica de mnimos cuadrados. Para aplicar esto primero se construye una tabla de la forma:

xi x1 x2 . . xp

yi y1 y2 . . yp
i

xiyi x1y1 x2y2 . . xpyp

i

xi2 x12 x22 . . xp2

xy

i i

x2

Se calcula la pendiente y la ordenada en el origen: p xi y i xi y i p x i2 ( x i )

2

m=

b=

p xi2 y i xi xi y i p xi2 ( xi )
2

Donde p es el nmero de mediciones. Luego, la frmula experimental es la ecuacin de la recta: y = mx + b

Una vez ajustada la distribucin lineal, se procede a hacer los clculos a fin de encontrar la frmula experimental buscada. En los casos de las distribuciones lineales en papeles logartmico y semilogartmico las formulas experimentales son: y = bxm ............................................. se grafica en papel logartmico. y = b10mx, y = be2,303mx ............. se grafica en papel semilogartmico. Donde se considera que 10 = e2,303 Dado que en el ajuste lineal es por el mtodo de los mnimos cuadrados la tabla se convierte en logartmica y semilogartmica, cuidando de colocar los valores con un mnimo de cuatro decimales de redondeo en cada columna. Se debe observar que las ecuaciones de la recta en esas escalas son: log y = mlogx + logb, y logy = mx + logb La ordenada en el origen b obtenida por la frmula ser b, que corresponde a logb, por lo que b se calcula como antilogaritmo de b. = antilog b. En caso de no ser necesario hacer el ajuste, m se calcula con la pendiente de la distribucin lineal donde el valor b se toma como el punto correspondiente al corte de la prolongacin de la recta con el eje vertical. Asi b

Mtodo de aproximacin de pares de puntos Para utilizar este mtodo debemos tener presente las siguientes consideraciones: Se aplica a grficas donde los puntos del eje horizontal estn igualmente espaciados. Los puntos se dividen en dos grupos iguales. Un grupo para valores bajos de y, otro grupo para valores altos de y. A continuacin se aparean los puntos uno de cada grupo. Luego se calcula la diferencia de los valores de y para cada par de puntos. A continuacin se calcula el valor medio de las diferencias y Por la primera consideracin se sabe que la distancia x entre cada par de puntos es la misma, por lo tanto la pendiente de la recta ajustada ser m=

y x

Se determina el valor medio de x y el valor medio de y. Como la mejor recta ajustada debe pasar por el punto (x, y) con una pendiente igual a m, entonces la ecuacin de la recta ser.

IV.

PROCEDIMIENTO.

Se analizaran tres experimentos: la conduccin de corriente por un hilo de conductor de nicron, la evacuacin de agua de un depsito y la actividad radiactiva del radn. 4.1. En la tabla 1 se tiene las medidas de la intensidad de corriente elctrica i conducida por un hilo conductor de nicrn, y de la diferencia de potencial V aplicada entre los extremos. TABLA 1

i (A) 0,5 1,5 2,0 4,0

V (V) 2,18 4,36 8,72 17,44

4.2. La Tabla 2 muestra la medida de tiempos de vaciado (t) de un depsito con agua las medidas de las alturas de agua para cuatro llaves de salida de diferentes dimetros (D).

TABLA 2

h(cm.) D(cm) 1,5 2,0 3,0 5,0

30

10

Tiempo de Vaciado t(s) 73,0 41,2 18,4 6,8 43,0 23,7 10,5 3,9 26,7 15,0 6,8 2,2 13,5 7,2 3,7 1,5

4.3. La Tabla 3 muestra los porcentajes de las medidas de la actividad radiactiva del radn, donde el da cero se detect una desintegracin de 4,3x1018 ncleos. TABLA 3 T (das) A (%) 0 100 1 84 2 70 3 59 4 49 5 41 6 34 7 27 8 24 9 20 10 17

V.

APLICACIONES De la tabla 1: a) grafique en una hoja de papel milimetrado V vs. i De la tabla 2: b) En papel milimetrado grafico de t vs. D para cada una de las alturas.

1. Grafico de las siguientes distribuciones:

c) d) e) f)

En papel milimetrado grafico de t vs. h para cada dimetro. En papel logartmico t vs. D para cada una de las alturas. En papel logartmico t vs. h para cada dimetro. Haga z=1/D2 y grafique t=t(z) en papel milimetrado.
h(cm) D(cm) 1.5 2.0 3.0 5.0 7.0 30 20 10 4 1

z= 1

D2

Tiempo de vaciado t (s) 73 41.2 18.4 6.8 3.2 59.9 33.7 14.9 5.3 2.7 43 23.7 10.5 3.9 2 26.7 15 6.8 2.6 1.3 13.5 7.8 3.7 1.5 0.8 0.44 0.25 0.11 0.04 0.02

De la tabla 3: g) En papel milimetrado grafico de A vs. T. h) En papel semilogartmico grafico de A vs. T.

2. Formulas experimentales: a) obtenga las formulas experimentales unsando el mtodo de regresin lineal Para d=1.5 cm. Log xi 1.4771 1 0.6020 0 3.0791 Log yi 1.8633 1.6335 1.4265 1.1203 6.0436 Log xi Log yi 2.7523 1.6335 0.8588 0.0000 5.2446 (Log xi)2 2.1818 1.0000 0.3844 0.0000 3.5662

Aplicando mnimos cuadrados: 4(5.2446) (3.0791)(6.0436 ) 20.9784 18.6088 2.3696 = = = 0.4953 14.2648 9.4808 4.784 4(3.5662) (3.0791) 2

m=

b' =

(3.5662 )(6.0436 ) (3.0791)(5.2446 ) 21.5527 16.1486 5.4041 = = = 1.1296 4.784 4.784 4(3.5662 ) (3.0791) 2

b = antilog b =13.4778 Para h=30 Log y = mLog x + Log b = 0.4953 1.4771 + 1.1296 = 1.8612 y ' = anti log y = 72.6453 Para h=10 Log y = mLog x + Log b = 0.4953 1 + 1.1296 = 1.6249 y ' = anti log y = 42.1599 Para h=4 Log y = mLog x + Log b = 0.4953 0.6020 + 1.1296 = 1.4278 y ' = anti log y = 26.7775 Para h=1 Log y = mLog x + Log b = 0.4953 0 + 1.1296 = 1.1296 y ' = anti log y = 13.4772 3. Interpolacin y extrapolacin: Considerando sus graficas (en donde ha obtenido rectas)

a) Calculo del tiempo en que se ha desintegrado el 50% de los ncleos de radn segn la tabla 3. Por mtodo de los mnimos cuadrados: xi 0 1 2 3 4 5 6 7 8 9 10 55 Entonces: Log yi 2.000 1.9243 1.8451 1.7708 1.6902 1.6128 1.5315 1.4314 1.3821 1.3010 1.2304 17.7196

xi Logyi
0 1.9243 3.6902 5.3124 6.7608 8.0640 9.1890 10.0198 11.0568 11.709 12.3044 80.0307

xi2 0 1 4 9 16 25 36 49 64 81 100 385

Desarrollando la regresin lineal:

Utilizando:

Reemplazando valores:

Le tomara casi 4 das para llegar al 50% de su desintegracin.

b) Halle los tiempos de vaciado del agua si: Ecuacin hallada mediante la tabla #2: Entonces hallamos los valores de t para los datos pedidos de siguiente tabla:

CASOS 01 02 03 04

ALTURA (h) (cm) 20 40 25 49

DIMETRO (d) (cm) 4,0 1,0 3,5 1,0

TIEMPO (t) (s) 8,47 191,62 12,38 212,24

c) Comparacin de resultados obtenidos en la parte a) con las formulas experimentales.

T (das) T (das) por formula experimental A (%)

10

0.04

1.01

2.03

2.98

4.015

5.01

6.05

7.34

7.99

9.01

9.92

100

84

70

59

49

41

34

27

24

20

17

forma experimental Para el caso b son datos relativos que se desprenden de lo obtenido

h 4. Haga w = para las alturas y dimetros correspondientes a: d2

t(s) 73.0 43.0

d2 2.25 2.25

h
5.4772 3.1623

w=

d2 2.4343 1.4054

26.7 15.0 10.5 3.9 1.5

2.25 4.00 9.00 25.0 25.0

2.0000 2.0000 3.1623 3.1623 1.0000

0.8889 0.5000 0.3514 0.1265 0.0400

5. Grafico de t=t(w) en milimetrado La ecuacin experimental correspondiente:

1

t = t(h,d).

Para el grafico t=t(h) t h Para el grafico t=t(d) t

2 Entonces t h 2 d 1

1 d2
1

2 y la ecuacin general viene dada por t = k h 2 d

6. Para investigar: a. Regresin Mltiple: Este tipo se presenta cuando dos o ms variables independientes influyen sobre una variable dependiente. Ejemplo: Y = f(x, w, z). Por ejemplo: Podra ser una regresin de tipo mltiple: Una Empresa de desarrollo de software establece relacionar sus Ventas en funcin del numero de pedidos de los tipos de software que desarrolla (Sistemas, Educativos y Automatizaciones Empresariales), para atender 10 proyectos en el presente ao.

En la Tabla representa Y (Ventas miles de S/.) e X (N pedidos de sistemas), W (N de pedidos de Aplicaciones Educativas) y Z (N de pedidos de Automatizaciones empresariales).

Y X

440 50

455 40 140 68

470 35 110 70

510 45 130 64

506 51 125 67

480 55 115 72

460 53 100 70

500 48 103 73

490 38 118 69

450 44 98 74

W 105 Z 75

Objetivo: Se presentara primero el anlisis de regresin mltiple al desarrollar y explicar el uso de la ecuacin de regresin mltiple, as como el error estndar mltiple de estimacin. Despus se medir la fuerza de la relacin entre las variables independientes, utilizando los coeficientes mltiples de determinacin. Anlisis de Regresin Mltiple Dispone de una ecuacin con dos variables independientes adicionales:

Se puede ampliar para cualquier nmero "m" de variables independientes:

Para poder resolver y obtener y en una ecuacin de regresin mltiple el clculo se presenta muy tediosa porque se tiene atender 3 ecuaciones que se generan por el mtodo de mnimo de cuadrados:

Para poder resolver se puede utilizar programas informticos como AD+, SPSS y Minitab y Excel.

a) Mediante el siguiente problema podremos ilustrar la aplicacin de Regresin Multiple: En la Facultad de Ingeniera de Sistemas y Computo de la Universidad "Inca Garcilaso de la Vega" se quiere entender los factores de aprendizaje de los alumnos que cursan la asignatura de PHP, para lo cual se escoge al azar una muestra de 15 alumnos y ellos registran notas promedios en las asignaturas de Algoritmos, Base de Datos y Programacin como se muestran en el siguiente cuadro.

Alumno 1 2 3 4 5

PHP 13 13 13 15 16

Algoritmos 15 14 16 20 18

Base de Datos 15 13 13 14 18

Programacin 13 12 14 16 17

6 7 8 9 10 11 12 13 14 15

15 12 13 13 13 11 14 15 15 15

16 13 16 15 14 12 16 17 19 13

17 15 14 14 13 12 11 16 14 15

15 11 15 13 10 10 14 15 16 10

Lo que buscamos es construir un modelo para determinar la dependencia que exista de aprendizaje reflejada en las notas de la asignatura de PHP, conociendo las notas de las asignaturas Algoritmos, Base de Datos y Programacin. Se presentara la siguiente ecuacin a resolver:

Utilizando las formulas de las ecuaciones normales a los datos obtendremos los coeficientes de regresin o utilizando Regresin de Anlisis de datos, en la Hoja de Calculo de Excel podemos calcular tambin los coeficientes de regresin:

Por lo tanto podemos construir la ecuacin de regresin que buscamos:

CONCLUSIONES

La prctica realizada nos ha permitido aprender como se realizan los grficos a partir de datos experimentales y como adaptarlos mejor para as entenderlos y sacar conclusiones de los mismos.

Por otro lado nos permite analizar, a travs de clculos matemticos y estadsticos.

 Esta experiencia nos sirve para aplicarla en la realidad para as brindar informacin exacta en cualquier anlisis de muestras de datos experimentales.

BIBLIOGRAFA

ASMAT AZAHUANCHE, Humberto.

1992 Manual de Laboratorio de Fsica General UNI, Lima, UNI. Manual de Laboratorio Fsica I, U.N.M.S.M, Lima PEREZ TERREL, Walter; SABRERA ALVARADO, Rgulo.

1992 Fsica I, Lima, W.H. Editores S.A.

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE QUMICA E INGENIERIA QUIMICA

MOVIMIENTO, VELOCIDAD Y ACELERACION

Profesor: ADRES DIAZ. Grupo: Mircoles 4-6 pm

Integrantes:

GUTIERREZ LOPEZ LILIAN JOANNA OCHOA ORTIZ VICTOR JESUS ORTIZ ARANDA JONATHAN

Ciudad Universitaria 26 de mayo del 2010 Lima-Per

c) grficos y formulas experimentales mediante MS EXCEL.

V vs. i
20 18 16 14 12

y = 4.36x + 4E-15 R2 = 1

V 10
8 6 4 2 0 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5

t vs. D
80 70 60 50 40 30 20

h=30cm h=20cm h=10cm h=4cm h=1cm

) s ( t c a v d o p m e i T

10 0 0 1 2 3 4 5 6 7 8

D(cm)

t vs. h
80 70 60 50 40 30 20 10 0 0 5 10 15 20 25 30 35 ) s ( t c a v d o p m e i T

D=1.5 cm

D=2c m

D=3c m

D=5c m

D=7c m

h(cm)

t vs. D (grafico logaritmico)

100

10

h=30cm h=20cm

) s ( c a v d o p m e i t

h=10cm h=4cm 1 h=1cm

0.1 1.5 2 3 5 7

D(cm)

t vs h (grafico logaritmico)
100

tiempo de vaciado t(s)

10

D=1.5cm D=2cm D=3cm D=5cm D=7cm

0.1 1 4 10 20 30

h(cm)

t=t(z)
80 70 60 50 t(s) 40 30 20
y = 29.814x + 0.2965

y = 164.2x + 0.0817 h=30cm y = 134.98x - 0.0768 h=20cm h=10cm y = 96.51x - 0.0949 h=4cm h=1cm y = 59.699x + 0.1405 Lineal (h=30cm) Lineal (h=20cm) Lineal (h=10cm) Lineal (h=4cm) Lineal

10 0

t=t(z)
80 70 60 50 t(s) 40 30 20
y = 29.814x + 0.2965

y = 164.2x + 0.0817 h=30cm y = 134.98x - 0.0768 h=20cm h=10cm y = 96.51x - 0.0949 h=4cm h=1cm y = 59.699x + 0.1405 Lineal (h=30cm) Lineal (h=20cm) Lineal (h=10cm) Lineal (h=4cm) Lineal (h=1cm)

10 0 0.00

0.10

0.20

0.30

0.40

0.50

z(1/cm^2)

A vs T (milimetrado)
120 100 80
A(%) 60

40 20 0 0 2 4 6 t(dias) 8 10 12

d) El mtodo de los mnimos cuadrados es mas confiable debido a que se trabajan los datos con mas detalles.