Capitulo 5 REPRESENTACIONES GRAFICAS Autores: — José Maria Garcia Palanco Marta Sanchez-Cabezudo Tirado‘Téenicas Experimental Representacionesgrificas 5 REPRESENTACIONES GRAFICAS Cualquier experimento tiene por finalidad comprobar Ja validez de un modelo teérico, contrastando los valores experimentales con los predichos por el modelo, o bien, estudiar un fenémeno y, de la informacién obtenida experimentalmente, elaborar un modelo que describa ese fenémeno. Los datos obtenidos a partir de las medidas en un laboratorio deben presentarse de manera que Jos demas obtengan la mayor cantidad y calidad de informacién posible. Para lograr esto recurrimos a las fablas y a las representaciones gréficas. Las tablas nos permiten ver el conijunto de los datos obtenidos sin tener que irlos persiguiendo a lo largo del informe. Con las grifieas no sélo conseguimos una informacion, cuantitativa de Ia magnitud medida sino también su relacién con los parametros del experimento. 5.1 Tablas Cuando sea posible se registrarin las medidas en forma de tablas, puesto que se trata de la forma mas compacta y sencilla de presencar los resultados, de acuerdo con las siguientes recomendaciones: © En las tablas se representardn tanto los datos directos de las medidas del laboratorio como los pasos intetmedios relevantes ¥ los resultados buscados. © Las medidas de una misma magnitud se escribirén preferiblemente sobre una misma columna vertical, ya que es mis sencillo comparar a simple vista un conjunto de datos verticales. © En la cabecera de cada columna se indicaré el nombre de Ia magnitud y/o el simbolo seguido por las unidades. Al indicar en la cabecera las unidades ya no es necesario repetirlas después de cada medida; con esto se ahorra tiempo, energia y se hace mis, claro el informe. © Es conveniente elegir las unidades (0 las potencias de 10 adecuadas) para que los miimeros queden expresados en el rango entre 0.1 y 1000. En el caso de que, como consecuiencia de lo indicado, todos Jos valores de una columma de datos inchuyan un. mismo factor potencia de 10, se podré prescindir del mismo, indicando en la cabecera de la columna la magnitud correspondiente multiplicada por el factor inverso del que se ha prescindido en la columna de valores experimentales. © Los errores en Ia estimacién de cada magnitud se pueden poner en la cabecera de la columna correspondiente, si son comes a todas las medidas; si no, pueden ponerse detris de cada medida usando comillas para no tener que repetir su escritura innecesariamente sa‘Téenicas Experimentales Representacionesgrificas Ejempio ‘Amado de ejemplo se puede considerar la siguente tabla: ‘Tabla 5.1 Tabla en la que se han seguido las recomendaciones para la presentacton de datos Deterninacién experimental del eeanei de un solenoide Fes 0 000 Veg @0.1 dv) (eda) JY) Boa) a 5.0 div = 002 Vidiv [reser van _Looesna L013) | © El titulo que aparece justo encima de la tabla nos permite identificar el tipo de cesperimento realizado, o la fase en la que nos encontramos del mismo. * En [a tabla observamos que las tres primeras columnas corresponden a los datos obtenidos directamente de los aparatos, 1a cuarta columna a un célculo intermedio y la liltima al resultado final buseado. La tercera y cuarta columnas representan la misma magnitud: al tomar los datos en el laboratorio siempre es preferible hacerlo tal y como aparecen en la tercera columna, ya que sera mucho mis facil detectar cualquier posible error cometido, pero en el informe final podemos prescindir de esta columna. © Laestimacién del error que aparece en las cabeceras de las tres primeras cohumnas nos inndica que el et1o1 absoluly ey el uismo para todos los datos de la columna, El etror conrespondiente a la magnitud final, quinta columna, se ha obtenido sin embargo por medio de la estimacién estadistica y aparece junto a la media de la magnitud en la tiltima fila. Esto puede hacerse asi porque sabemos que los datos de la tltima columna deben representar un mismo valor obtenido en diferentes condiciones. © Elcriterio seguido tanto para la estimacién del error absoluto de cada valor de la euarta columna como para el cfleulo por estimacién estadistica de la magnitud media de la quinta columna, debe quedar claro en el informe al que pertenece la tabla. © Las unidades de cada magnitud han sido elegidas para que los mimeros que figuran en cada cohmna sean los mis sencillos posibles. + La cohumna que recoge el resultado final B,,,(mT) podria haberse encabezado como Bog 10*(T) para utilizar unidades del sistema internacional, pero los datos recogidos en la cohumna serfan:159, 160, 159 y 158 en cada uno de los experimentos, indicando que los resultados reales son: 156<10* T, 160<10% T, 15910 T y 158«10° T respectivamente ‘© NOTA: En algunas publicaciones se puede encontrar otto crteio en esta cueston, sean el cal el encabezamicnto Bgp”10*(1) Sgnifica que cada dato de Ia columna encabezada esta uniltiplicado por el factor 10°, igual que el criterio anterior, Sélo una observacion del orden de ‘magnitad medida nos permit’ ciscemir cual de los dos s ha utilizado en cada caso 52‘Téenicas Experimental Representacionesgrificas 5.2 Representaciones Graficas El punto de partida para la elaboracién de un grifico, es el anilisis de la tabla de valores ‘obtenidos del experimento. Este andlisis nos permite tomar decisiones y proceder sobre los, siguientes aspectos: 1. Escoger variables En un experimento se suele variar una magnitud (variable independiente) con el fin de observar el efecto que se produce sobre otra (variable dependiente). Por convenio se representa Ia variable independiente en abscisas (eje horizontal) y la variable dependiente en ordenadas (eje vertical). 2. Ejes y escalas + Como ya hemos dicho, los ejes tienen, por convenio, una fimeién predeterminada: sobre el eje horizontal se representa la variable independiente (1a que nosotros variamos) y sobre el vertical la variable dependiente (la que nos muestra el efecto). Los ejes deben evar claramente indicada la magnitud que representan, el infervalo de medida y las, unidades en que se expresan los datos. © La eleceidn de Jos intervalos que determinan la escala no es arbitraria: el intervalo representado en el eje debe concordar con el rango de la magnitud representada, de ‘manera que todos los datos figuren deatro de In grfica y ocupen la mayor parte del area de ésta. Tos ajes dehen Hevar indicasiones del valor de la magnitud a intervalos regulares, que no tiene por qué coincidir con los valores de los puntos experimentales: es decir, una misma longitud de eje no puede corresponder a dos intervalos distintos de valores de la magnitud. © No es necesario marcar el valor de todos y cada uno de los intervalos y si deben ser elegidos de forma que el valor de la magnitud se lea con comodidad (por ejemplo, niltiplos o submiiltiplos de 10). © Noes necesario que el origen, el punto de coordenadas (0,0), esté ineluido en la grafica, incluso puede llegar a ser contraproducente 3. Representacién de los datos medidos Las representaciones grificas deben Ievar claramente indicados los datos obtenidos experimentalmente; para ello es necesario sefialarlos sobre la grifica con un simbolo cuyo tamaio y forma permita apreciarlos (y distinguir unos de otros cuando correspondan a diferentes conjuntos de medidas, que se suelen denominar series). Puesto que todos los puntos experimentales van acompaiiados de un cierto grado de error, es recomendable, siempre que sea posible, hacer la reptesentaciin de dichos puntos acotando ‘na regién dentro de la cual cualquier puntc puede representar el valor real de la observacién, de acuerdo con la escala empleada. La xo acotacién de un trazo, se interpreta como la imposibilidad de representar el error (por ser muy pequeiio) en estos casos es conveniente representar los puntos mediante un pequetio circulo, 53‘Téenicas Experimentales Representacionesgrificas + Etrores Regién de Errores no indicados okservacién indicados HH Fig. 5.1 Formas de presentar Ia existencia 0 no del error en una grifiea. En el ejemplo siguiente se representa x= f(t) de acuerdo con los resultados de la Tabla 5.2. 175 150 125 Fw a 75 * 2s ° Sow 16) The Rineemecle ete wen com atoms Table $2 Poin, x, en foci dl dep, para wn nt me oe 02 46s 2 se J] [Fx c10%) com) [50 JL 180 J[ 250 [37.0 480 JL 69.0 |[1100 ][-1330 |[.1560 Para el tiempo, los trazos son del mismo tamatlo para todos los puntos, ya que representan 1 segundo por encima del valor y 1 segundo por debajo del valor. Pata las posiciones, la longitud de los trazos varia debido a que el error de cada medida (10 9%) es diferente. 4. Representacién del comportamiento de las mag ides ‘Los puntos obtenidos experimentalmente no son la tinica informacién que puede deducirse de un experimento, el “espacio” entre los puntos debe ser completado. Para ello en las representaciones grificas hay que ailadir una linea que indique la tendencia (Ia ley fisica) que rige el comportamiento de una magnitud frente a Ia otra, Esta linea debe tener en cuenta que los datos experimentales estan afectados pot exrores, de los que ya hemos hablado, y que por tanto las Ifneas no tienen por que pasar por todos y cada uno de esos puntos experimentales. ‘Como eriterio general (el sentido comin es aplicable siempre) debemos fener en cuenta que: sa‘Téenicas Experimentales Representacionesgrificas © Sise representan variables continuas en cada uno de los ejes, la curva debe ser continua Las variables no suffen casi munca cambios bruscos, por lo que las lineas no estén ccompuestas munca por segmentos rectos; las inflexiones son siempre suaves, y por tanto deben trazarse linens curvas (o una tinica recta) que represente el comportamiento de las, ‘magnitudes involucradas en el experimento. © Las lineas deben pasar por la mayeria de las zonas de observacién de los puntos experimentales: si nno de ellos se aleja demasiado del comportamiento general del resto de los puntos, debe ser estudiado y, en consecuencia, comegido o desechado. © Los puntos experimentales deben estar distribuidos, en lo posible, uniformemente a cada lado de la curva Como ejemplo, podriamos trazar la recta correspondiente al ejemplo anterior, lo cual se observa en la Fig. 5.3. Al aplicar este método geométrico, siempre existe la posibilidad de trazar mis de una recta, aunque se apliquen todos los criterios anterormente expuestos. La forma adecuada de ajustar ‘una expresién analitiea a los puntos experimentales se basa en los métodos de regresién que se estudian en el apartado 5.3. 1s 150 125 x (en) a8 & ° s 0 10 5 20 25 1 1 Fig. $.3 Representacin de la variaclon del espacto, x, con el tlempo, ¢ Cuando sea posible realizar un ajuste por regresién (como por ejemplo el de minimos ‘cuadrados) Ia linea del ajuste debe representatse sobre los datos experimentales. 5. Identificacion y titulo del grafico ‘Hay que tener en cuenta que toda representacién debe ir acompatiada de un titulo que indique claramente el estudio que se ha realizado y el sistema fisico que es objeto de estudio. Este rotulo suele situarse en la parte superior o inferior de Ia grafica y no debe contener informaci6n ya recogida en les ejes (por ejemplo, las unidades de la magnitud representada). ss‘Téenicas Experimentales Representacionesgrificas 6. Papeles especiales En algunos casos Ia representacién de la grafica puede exigir la utilizacién de un papel especial por diversos motivos: © La magnitud (0 magnitudes) representada cubre un intervalo muy grande o afecta a distintas escalas (por ejemplo al medi el comportamiento de un sistema respecto de la frecuencia en distintos rangos de frecuencias desde los Hz hasta los MHz). © Se quiere “linealizar” una curva (por ejemplo una variacién exponencial). = Se quiere representa unis auayuitud ea fancién de la direccién en la que se mide. ‘© Se quiere representar la dependencis entre tres variables en lugar de dos, como es habitual En los dos primeros casos se utilizara un papel semilogaritmico o logaritmico. En el papel semilogaritmico el espaciado entre divisiones en tno de los ejes es proporcional al logaritmo decimal de la magnitud, asi el espaciado entre | y 2 (o entre 1 y 10) es el mismo que entre 10 ‘y 20 (© entre 10 y 100). En el papel logaritmico esto ocurre para los dos ejes, Para el tereer caso se suele ufilizar el “papel polar” en el que Ins divisiones corresponclen a radios y circunferencias en lugar de lineas horizontales y verticales. En el euarto caso se utiliza un papel con representacién triangular. 7, Ejemplos y errores frecuentes Utilizaremos un ejemplo para mostrar los aspectos mencionados en los apartados anteriores. Intentaremos representar la curva de variacion del campo magnetico en el interior de un solenoide. Para ello medimos la fuerza electromotriz, V, inducida en un carrete en funcion de su posicién en el solenoide, X. Asi, obtenemos fos datos de la tabla que figura a courimacion: ‘Tabla 5.3 Fuerza eleetromotriz inducida en un carrete osicion de éste, X, dentro de un solenoide ba] 56‘Téenicas Experimentales Representacionesgrificas Puede fomarse esta grificarealizada a parts de los datos de la tabla anterior como modelo de las cosas que NO debe hacerse: Fig. 54 Grifiea que muestra los errores ms frecuentes en las representaciones grilicas 1 No todos los puntos experimentales estin representados en Ia figura, Los puntos experimentales no figuran o no se distinguen, Los puntos estan unidos por lincas (segmentos escalonados) que no corresponden a una variacién = _Elespacio ocupado por los puntos experimentales dentro de la gréfiea representan una parte minima del espacio total debido a una mala eleccisn del intrvalo de representacion. = Elcolor aftadido al fondo estorba al estar claridad Ia representacion, = Los ejes Xe Y tienen longitudes imy dispares, El tamano del eje vertical es demasiado pequeto, = Eltitlo de fa grafiea no da ninguna informacion sobre lo que se pretende representar, y es redundante ya que “dice” lo mismo que el rétulo del gje ¥. Falta el rotulo del eje X. Faltan las unidades del eje Y. = Los intervalos entre marcas en el eje Y no estén equiespaciados ni representan intervalos iguales entre datos, ‘= Ta ahnndancin da marens on al aja, y la fata de ella en ol gje Y hacen que sea imposible estimar sobre Ja grafica los valores de los puntos experimental, Puede ser iil inclur un pre de figura que aclre el significado de la representacién, ‘Una grifica adecuada podria ser Ia siguiente 100 7 80 60 vomv) 40 20 1,0 10 30 5.0 70 90 (em) Fig. 5.5 Variaciém de la fen, inducida en el interior de un solenoide, V, en funcidn de Ia posieion, x‘Téenicas Experimentales Representacionesgrificas 5.2.1 Escalas Lineales ‘Ya se ha visto que cualquier dependencia, fimeional © no, entre dos variables. puede ser representada gréficamente en un plano y se han dado las normas bisieas que habitualmente se siguen para la confecci6n y presentacién de tales graficos. La ventaja principal que se obtiene al representar datos numéricos de forma grfiea es que se hace visible la relacién que estos datos guardan entre si. Generalmente, las escalas que se utilizan en cada uno de los ejes de coordenadas son escalas limeales, es decir, la unidad de la magnitud que se representa se comesponde con un segmento de Iongitud constante a lo largo de todo el eje 0, dicho de otto modo, a diferencias numéricas iguales corresponden segmentos de igual longitud. En la Fig 5.6 se indican dos gréficas preparadas ambas con escalas lineales. a 400 © 300 y yo = 2 a 100 o 10 » 30 0 2 4 68 8 Fig. 5.6 Gréficas preparadas com escalas lineales ‘Cuando en ambos ejes, la unidad de la magnitud que se representa se comesponde con un segmento de igual longitud, se dice que las escalas son isétropas. Cuando se representa una recta en escalas isétropas, entonces (y sclamente en este caso) el valor numérico de la pendiente fisica de Ia recta es igual al valor de su pendiente geométriea. La pendiente fisica tiene unidades y Ia pendiente geomeétrica no las tiene. En la Fig 5.7 se indica una funeién lineal con este tipo de escalas, Fig. 5.7 Funcin lineal representada ew un grifico de escalas is6tropas 58‘Téenicas Experimentales Representacionesgrificas 5.2.2 Escalas Logaritmicas ‘Muchas veces, al representar grifieamente los datos obtenidos en un experimento no resultan ajustables a una recta. En el caso mas general, el célculo numérico nos. proporciona herramientas para ajustar tales datos experimentales, por ejemplo, a un polinomio de un cierto arado y obtener después los coeficientes del polinomio. ‘Una forma intermedia de actuar, que en general conduce a resultados aceptables, consiste en representar los datos que resultan no lineales, en papel logaritmtico para ver si de este modo se pueden ajustar a una recta, Bésicamente, esto ocurriré cuando los datos obtenidos en el ‘experimento respondan a una relacién potencial o exponencial, 1. Funcién potencial ‘Una fincién potencial tiene la forma: 154] donde x e y son las variables enyos valores obtenemos experimentalmente y A y 1 son las cconstantes fisicas a determinar. Un ejemplo sencillo de este tipo de fimcién puede ser el movimiento rectilineo ‘uniformemente acelerado: y seria el espacio y x el tiempo. Si tomamos logaritmos decimales en la expresién [ 5.1] obtenemos: 152] log y —log A+ nlogx y haciendo el cambio de variables: ai y'slogy logx queda 183) yi=log tnx’ «que es Ia ecnacién de una recta de pendiente n y ordenada en el origen log A ‘Veamos con un ejemplo fa forma de actuar. Disponemos de los datos experimentales de la Tabla S.4 ‘Tabla 5.4 Datos ajustables a una fanci6n potencial x|[osl[o7s][1 ][2_[s |[to Jfis_ |f2o J[2s »|[25 [ss [9s ][ 397 [282 |[ 995 |[ 2251 [[ aor |[ e2as Silos epresentamos en papel milimetrado, Fig 5.8, vemos claramente que no son gustables ana recta, aunque ‘ienen un aspecto de parabola, 59‘Téenicas Experimentales Representacionesgrificas Movimiento acelerado espacio en funcin del tempo coo coon s 3 4000 2e00 sheet ° 10 20 20 ro Fig, 5.8 Grafica de una funcién potencial de tipo parabslico En la Tabla 5.5 aparecen los valores de log x y log ysorrespondientes alos datos de la Tabla 54. ‘Tabla 5.5 Logaritinos de los datos ajustables a una funcion potencial 0,30 |f -0.12 |[ 0.00 |{ 30 | 0.70 |] 1.00 |f 1.18 |f 1.30 |[ 1.40 y-legy [040 |[ 0.74 || 0:99 || 1.60 || 2.40 |[ 3.00 |] 3. |] 3.60 |[ 280 ‘¥ en la Fig 5.9 co nmsctra ou reprecentasin srifisa, donde vemos que alora si pueden ser ajustados a una recta, 4,00 3.50 2 3,00 wre 250 y" 2,00 41.50 4,00 XK 050 ¥ 0.00 1,00 050 0,00 050 1,00 1,50 2,00 x Fig. 5.9 Representactn de los logaritino; de los datos ajustables a una funcién potencial ‘Obsérvese que se han representado y'= log y en fncién de x= log x y en as escalas aparecen valores suficientes para los rangos dex"y de y' Utilizando la recta de la Fig. 5.9 se podsian obtener las constantes n y 4. En efeeto, la pendiente de la recta representada viene dada por: 155) » ‘y tomando, por gjemplo, los puntos (0,1) y (1,3) se obtiene n = 2,‘Téenicas Experimentales Representacionesgrificas Parax’=0, eee y’= 1 colo que log. A= 1 de donde 4 = 10, ylarelacién buscada queda de la forma: 156] yalor ‘Sin embargo, la forma habitual de procedimicnta no es Ia que se ha descrto. Lo que realmente se hace, para cevtar tener que tomar logaritmos en toda la tabla de datos, es representar Jos datos x e yen ESCALAS, LOGARITMICAS, que son las mismas que las anferiores (Fig. 5.9) pero en lugar de aparever rotulados los rangos de valores de x” ey’ aparecen rotulados los rangos de valores dex ey En estas escalas logaritmicas (Fig. 5.10) se LBE al valor de x de y pero ESTA REPRESENTADO SU LOGARITMO, Movimiento acelerado cscelas logaritmicas yea) *@ Fig. 5.10 Representacion en esealas logaritirieas de los datos ajustables a una funcién potencial Para allar Ia pendiente de ls recta en este grifico, selace de Ia siguiente forma. Como por la formula [5.5] 157] ” resttuyendo el cambio de variables: 158] ral) Jog y, —log 4, Hi meshes 5] y tomando, por ejemplo, los puntos (1, 10) y (20, 4000), tenemos: 4000 vee) 0 20) 130 oF) 159] n= ‘y para x= 1 (o lo que es lo mismo x° = 0), se lee y= 10 , de donde A = 10. ‘La ordenada en el origen se lee para x= I porque log 1 = 0. EL papel pautado como aparece en la Fig. 5.10 se una de esealas doblemente logaritanicas‘Téenicas Experimentales Representacionesgrificas 2. Funcién exponencial ‘Una fimeién exponencial es de la forma: 18:10] y=Ba™ y tomando logaritmos: [st] logy =logB-+nvloga y llamando: 1512] m=rloga queda: 1543] logy=me+logB Evidentemente, las parejas de valores (x;, y) que obtengamos a partir de algiin experiment, representadas en papel milimetrado normal, no responderém a una grifica lineal, pero si se representa ahora y’ = log y en funcién de x, se obtiene una recta enya pendiente se calcula, ‘como siempre, tomando dos puntos de la recta, (x1,9"1) (to, ¥°2) y Ia pendiente es [544] y la ordenada en el origen, para x= 0 es y°(() = log B, de donde se obtiene el valor de B. Fn este easo, vemns que solamente ima de las variables se representa en escala logaritmica, lo ‘que se consigue utilizando el papel semilogaritmico. En la Tubla 5.6 se indica un conjunto de pares de valores que podsian responder a una funeién exponencial, ‘Tabla 5.6 Datos ajustables a una funcién exponencial xp [2 [s EG bo [2 [ps » [[ ss |[ 102 [f s69 |[ 180 [[ 1012 |[ 3200 |[ 18000 En la Fig. 5.11 se representan tales datos en escalaslineales y se observa que no estin sobre una recta ‘Funcin expomenctal undades arbltrarias i as I vo | " / LLY Fig. $.11 Grifiea de una funcién exponencial‘Téenicas Experimentales Representacionesgrificas En la Fig, 5.12 se sepresentan los mismos datos en eScala semilogaritmica (gje de abscisas lineal) y se ve que ya aparecen alincades, por lo que corresponden a una fueién exponencial, 100000 10000 1000 y 100 10 o 5 10 5 20 zi Fig. 5.12 Representacion en esealas semilogaritmicas de los datos ajustables a una funci6n exponencial ‘Para obtener el valor m de la pendiente fomamos, por ejemplo, los puntos: (2,10), (10, 1000) y operando: i) (2 15.15] AA 10 7 1,25, ‘La ordenada en el origen se lee directamente. prolongando la recta hasta que corte al eje y en x= 0, iia endl inll a pero hay que advertir que, en rmichas ocasiones, se puede cometer un error excesivo y habri que recurtir a ‘Procedinientos de regresin lial ‘Conocida m se puode resttuir Ia fancién [5.11] a sa representacion original indicada en [5.10], para una base ‘cualquiera conoci "Naturalmente, en todos los casos anteriores, se pued hacer un tratamiento de regresién lineal como se verd mis adelante, en lugar deun simple ajuste “ojo”.‘Téenicas Experimentales Representacionesgrificas 5.3 Regresiones y Ajustes Con mucha frecuencia, en el desarrollo de proyectos técnico-cientificos se plantea un mismo tipo de problema, aunque puede manifestarse a través de uma doble vertiente: © aBxiste algin tipo de comelacién enre dos mas magnitudes experimentales de un mismo sistema. Es decir que un cambio en una de las variables suponga un cambio proporeional en las otras. * Sila relacién entre variables existe, zpnede deducirse una ley matemitica simple que la reprodnzea analiticamente? En realidad ambas cuestiones se encuentran completamente relacionadas, Hegando a ser las ddos caras de un mismo problema. Si somos eapaces de encontrar una ley matemitica que ligne ciertas variables de un sistema, es evicente que guardarén algtin tipo de relacin entre si, y Viceversa. De momento mantendremos separadas ambas cuestiones y profindizaremos en éllas mediante el anilisis de dos supuestos coneretos. ‘Supuesto n° 1 Imaginemos que tengamos una sospecha razonada de que un cierto factor cuantificable pueda influir en el comportamiento de una variable experimental. Es desde luego una situacion colidiana en cualquier dmubilo tecnoldgico. Nevesitaremos de algim procedinmento matennatieo parar evaluar Ia correlacién, Por cmp, podriamos planter un estudio para ver as posbles ventas de incr pests concentraciones el ign Cr” en el crecimiento de ciertns plantas. Fodrinnos disetar el experimento adccundo y obtener tos resulados que vamos a suponer semgjantes os que aparece etl siguiente Rr Pe plants (g10*) pe) ‘Fig, 5.13 Peso de las plantas en function de la concentracién de Cr” 5.4‘Téenicas Experimentales Representacionesgrificas ‘Ala vista de los resultados obteidos, volvems a plmteamos la cust que dio origen a este supuesto estudio. {Exinte alguna iafluencia entre cl ion CP” y cl crecimiento de las plantas? Silos resultados presentados en la ‘rica fueran reales, el lector podtia ya obtener sis propia conclusiones al respecto. De lo que si estamos ‘eutos e de que exe proble, nalizado por un ulimero sufcinte de lectores separa las interpetaciones a favor y en contra de una forma bastante equitaiva La razén en el fondo es bien simple. Se trata de tn conjunto de resultados que estin mas alli de Ia capacidad Iumana para distingnir objetivamente un patrén geomsirico regular, Nocesitariamos de algiin procedimiento ‘matemitico que evalie por nosotros, y de una forma mas rigurosa, si estos datos estan correlacionado y en defnitva, si debemos dar alguna valid a la hipOtessinicial. A lo largo de cate capitulo veremos que los Ilamados méfodos de regresion son una de las herramientas disponibles para abordar este tipo de cuestiones. Supuesto n° 2 En otras ocasiones Ia correlacién empirica entre dos o mis variables de un mismo sistema, est ya plenamente verifieada, pero nos falta atin saber si esta comrelacién se manifiesta en forma de una funcién matematica simple. Esto supondria grandes ventajas, ya que de este modo podriamos cuantificar el comportamicnto del sistema, Por ejemplo, se ha verificado adecuadamente que la resistencia ala trecién del acero (una aleacién de hietro y ‘cazbouo). es sensible ala proporciéa de otros metales minoritarios presentes en la misma, ;Podsiamos predecis la resistencia a Ja traccion de 1m cierto tipo de acero en funcion de sx contenide en wolframio?. Para ello ‘mediriamos experimentalmente esta propiedad en diferentes muestras de acer y postetiommente sepresentariamos los resultados obtenides, Pasa cootinnar con el ejemplo, supongamos que los resultados ‘obtenidos son los que aparecen en la siguiente grfica: Fig. 5.14 Resistencia a la traccién de un acero en funeién de la cantidad de wolframio A simple vista ya es fil observar que existe una noiable correlacin entre los factores estudiados (lo cual ya era ‘un requisito previo del estudio), pero {existe alguna fancion matemitica simple que reprodhzea este ‘comportamiento?. Este seria el segundo, y principal problema, al que pretendemos dar respuesta @ Io largo del presente capitulo.‘Téenicas Experimental Representacionesgrificas 5.3.1 Correlacién de Variables Sigamos de nuevo trabajando con los datos del tiltimo supuesto, referido al acero. A la vista de los resultados gréficos, estariamos dispiestos a concluir que si son presentados para su interpretacion, simplemente visual, a un grupo de personas, la mayoria de ellas conchuirian que hay una clara correlacion de variables. La siguiente cuestién seria saber la funcién matematica que representa esta correlacién. Si dejamos que este conjunto de observadores: opine también a este respecto, seguramenfe muchos podrian pensar que una simple recta podria ser suficiente para reproducir estos datos. La verdadera dificultad se genera cuando les ppidamos que tracen esta recta. Podriamos encontramos con una situacion parecida a la que aparece en la Fig. 5.15. Es decir, diferentes personas trazarian diferentes rectas de ajuste. Todos, en principio, pueden llevar parte de razén, pero de todas las rectas posibles, habra una que sea la mejor de todas: aquella que se acerque a un mayor mimero de puntos experimentales. Este podria ser un buen planteamiento para encontrar la mejor recta pero no es muy eficaz desde el punto de vista matemético (los humanos podemos contar fécilmente, pero los métodos matemiiticos no pueden hacerlo. Solo pueden establecer relaciones entre variables) ‘Lo cambiaremos por otro planteamiento, mis operativo, y que al final, veremos que engloba cesta mis idea. Fig. 5.15 Posibles rectas que ajustan los datos de resistencia ala traeci6m de un acero ‘La cuestion de partida sera ahora preguntamos por qué los puntos experimentales no estén todos comectamente alineados en un hatito conereto (por ejemplo una recta, paribola, exponencial, efe). Ya sabemos suficientemente que las medidas experimentales vienen afectadas inevitablemente por errores e imprecisiones, y que en el mejor de los casos este error se debe simplemente a la influencia erratica del azar. De esta forma podriamos suponer como hipétesis de partida que la dispersién de puntos obtenida, se debe exclusivamente a la influencia del azar. Si esta influencia no estuviera presente, nuestros puntos estarfan perfectamente alineados sobre una curva matemuitica tal y como se observa en la Fig. 5.16.‘Téenicas Experimentales Representacionesgrificas Medidas ideales Fig. 5.16 Puntos experimentales perfectamente alineados Observamos en la figura 5.17 que cada dato experimental (Vex) aparece disperso segin una distribucién, que previsiblemente ser gaussiana en tomo al valor central marcado por la fimncién matemética en cada punto x. Medidas experimentales Fig. $.17 Puntos experimentales dispersos de acuerdo a una distribucion gaussiana Si realizamos comrectamente una sola medida de Ja variable experimental, sabemos que el valor obtenido estaré mas o menos proximo al valor exacto (aunque desconocido) y que sucesivas medidas en las mismas condiciones, irian generando resultados distribuidos con una_ probabilidad gaussiana a lo largo de un cierto intervalo. Por eso, cabe esperar que cada una de nuestras medidas esté dispersa en torno al valor exacto, por el que deberia pasar la funcién. Silas medidas de todos los puntos experimentales han sido realizadas en similares condiciones, es de esperar que la varianza c’ de la distribucién sea la misma para cada punto. La probabilidad de obtener el valor experimental yy al realizar una medida es: 1 pri: 1817] nee INF POO TR Como estamos admitiendo que hay una cierta funcién matematica ¥(x) que pasa por los valores exactos, tendremos: erti-FtayFae! s.a7‘Téenicas Experimentales Representacionesgrificas yen general, la probabilidad de obtener los a datos del experimento sera: Eber act 1 5.19) Tao M=ee [519] POI: ) Ale Esta probabilidad sera mixima cuando al argumento de la exponencial sea un minimo: Sli-¥@))? =min 52 p-Sai Jo cual se corresponde con una idea ficilmente intuitiva, En efecto, cada uno de los términos di representa Ia distancia entre el valor obtenido experimentalmente (y;) en una medida y el valor exacto de la misma (¥). Por tanto 1a mejor funcién de ajuste ser aquella que haga sainimas las distancias entre los puntos experimentales y la fumecién de ajuste. Fo) T T T T ‘Fig, 5.18 Distaneia d entre el valor experimental y el exacto para encontrarse alineado Al principio de este epigrafe, intentibamos encontrar Ia fmeién que pasaba por un mayor rjimero de puntos experimentales, argumento que no era directamente computable. Ahora lo hemos reemplazado por algo equivalente, pero que si resulta abordable mediante simple céleulo, Cualquier procedimiento encaminado a encontrar la mejor funcién de ajuste a un conjunto de puntos, se denomina Método de Regresién. Con frecuencia, en la bibliografia también se les denomina ajuste por Minimos Cuadrados, aludiendo a la minimizacién de la suma de distancias al cuadrado, entre los puntos experimentales y la recta de ajuste. En cualquier caso, ecuerde que no todos los métodos de regresion se basm en los ninimnos cuadrados, cexistiendo otros métodos de ajuste a los que no haremos referencia,‘Téenicas Experimentales Representacionesgrificas 5.3.2 Regresi6n Lineal Llegados a este punto se hace imprescindible hacer alguna hipétesis sobre la funcién ¥(x) antes de seguir avanzando. La situacién mas sencilla con la que nos podemos encontrar es que Ja fimnei6n de ajuste sea una recta. Cualquier recta tiene por ecuacién general: (523) ¥(Qq)=ax,+b De esta forma, a través de los parémetros y D podremos especificar cualquicra de las infinitas rectas posibles. De todas ellas, cual es ia que nos interesa?. Por supuesto aquella que ‘haga minimo el sumatorio D: 1522] D=S[v,-(ax,+0)]* =min A partir de aqui el desarrollo tan solo consiste en un proceso de célculo elemental. La condicién de minimo se alcanza cuando la derivada primera se anula (también damos por sentado, aunque se podria demostrar, que la derivada segunda ser4 um maximo en dichas circunstancias). co i e)= 1823] aa tHE) =0 1524) B-Zl-s+D]D=0 Estas dos condiciones simulténeas generan un sistema lineal de dos ecuaciones: Vly ee +0)] 5 =0) 15.25] tC > Lbi-@+]|=0 ‘que puede ser expresado de forma mas compacta como: S,-aS,-bS,=0 Sy-aS,-n | 1526) donde hemos llamado: > ton §=Sixy. Sa. 52dm, a 4 Finalmente las soluciones del sistema tomar la forma: 5-55, nS,-S; * SS, 1528) Y(x)=axtd, a‘Téenicas Experimentales Representacionesgrificas Ejempio Se ha estudiado en el laboratorio la absorbancia (4) de un cierto catién BY, a una longitud de onda de 327 mm, y ‘a diferentes concentraciones. Los resultados apareces en la siguiente table: ‘Tabla 8.7 Absorbancia de un cation a diferentes concentraciones Faas [ose [eau usu J oa [ose Concentracién Gotti) || °° 004 |}006 |} 00s |} 0.10 La sbvostancia y In concontracién de una sustancis absorhente se enenentman relacionadas mediante la ley de ‘Beer-Lambest: 1529] ankB"] donde & es una constante caracteristica de cada sistema, desconosida en este caso, pero que puede obtenerse ‘mediante el anlisis de regresién de ests datos experimentales ‘Para realizar el estudio de regresién lineal, podemos comenzar por construir una tabla en la que calculemes todos Jos sumatorios necesarin. ‘Tabla 5.8 Sumatorios para realizar la regresion lineal B=; | yy i Ye ra 8 La recta de ajuste vendri dada por la ecuacion: 1530) Y(a)=ax+b 7 | donde los coofsientes son: 1531] 1532] (Cabe in preguntarse por qué abtenemos wn valor distinto de cero (aunque pequetio) para la ordenada en el origen, en couiradiccién con ley de Beet-Lambert, La explicacién esta en la presencia de enrores aleatorios, ‘Nuestra funcién ajusta ciegamente los datos. sin cefrse a una justificacion teérica 1533] 21 [B"]+0,0018 520‘Téenicas Experimentales Representacionesgrificas 6.3.3 Estimacién del Error en un Ajuste ese a que hemos mencionado Ia idea de que, para una funcién dada, un ajuste por regresién proporciona los coeficientes que mejor reproducen los datos experimentales, estos no necesariamente son valores exactos. Por simplicidad consideremos el caso de ma recta de regresin en la que determinamos su pendiente (a) y su ordenada en el origen (6) Si repetimos las medidas experimentales para los mismos valores de las abcisas xj, obtendremos nuevos valores de y,, que en definitiva nos llevarin a coeficientes de ajuste algo diferente los anteriores. Si repetimos este proceso muchas veces veremos como los distintos valores obtenidos para la pendiente a tendrfan una distribucién gaussiana en tomo a un valor central, e igualmente obtendriamos para b. {Qué ventaja podriamos sacar a esta situacién?. En realidad puede demostrarse que resulta posible calcular la varianza (es decir una medida del error o el margen de incertidumbre) del ajuste, entendida como la desviacién de los puntos experimentales con respecto al correspondiente valor obtenido por regresi6n. La expresién para esta varianza 5,” es: 1534) 1535] pale te-8] donde el significado de los términos 5, son los que ya definimos en el estudio de la regresién lineal. En su momento se definis también el témino Ss [5.27], el cual no interviene en el c:leulo de la ordenada en el origen ni en el de la pendiente, Podemos comprobar ahora que si interviene en el célculo de la incertidumbre ‘otal del ajuste. Igualmente puede demostrarse que la varianza de los coeficientes de ajuste se calcula de: 2 __ Sy Pry ta n8,-S, n3,-53 2__nst 1536) s: z ‘Normalmente la ordenada en el origen y la pendiente de wna recta de ajuste suelen tener alain significado fisico concreto, y su determinacién suele ser el objeto del estudio. A la vista de las, expresiones anteriores observamos que mediante un procedimiento de regresién podemos también determinar el error y, por tanto, el limite de confianza de las magnitudes fisicas que reprosentan los coeficiontes de la recta de ajuste. Fn realidad, la raiz cnadrada de estas, varianzas puede ser identificada con el error absoluto de dichas magnitudes fisicas.‘Téenicas Experimental Representacionesgrificas 5.3.4 Coeficiente de Correlaci6n Hasta el momento hemos dado por supueste que podemos realizar el ajuste de un eonjunto de datos experimentales a una determinada funcién. Sin embargo esto no significa que le funcién elegida represente suficientemente bien los datos de partida, Seria conveniente disponer de algin procedimiento para medir objetivamente si, dentro de la natural dispersion de los puntos, este conjunto puede ser descrito por una funcién de ajuste. Puede demostrarse que, para un ajuste lineal, el Hamado coeficienre de correlacién (r), definido como: 15371 S; SS, ‘cumple esta importante misién. El coeficiente solo puede variar entre los limites #1, de forma tal que: = Ajuste perfecto: |r|= ~ Ajuste mulo: r=0 Miés atin, su cuadrado puede entenderse como el tanto por uno de efectividad del ajuste {538} Grado de ajuste (%) = 100 7° ro r= 086 (749%) Fig. 5.19 Ajuste con baja correlacion ¢ incluso con poca dispersion‘Téenicas Experimentales Representacionesgrificas Yq) r=0.98 (96%) Fig. .20 Ajuste com alta correlacién e incluso con alta dispersion Podriamos pensar que un ajuste realizado con una efectividad del 74% (Fig. 5.19) puede offecemos grandes garantias de reproducit los datos experimentales, y sin embargo no es asi. En efecto, el coeficiente de correlacién solo da cuenta del grado en que los cambios de la variable x generan cambios proporcionales en Ia variable y, con independencia de la dispersién de puntos. Por tanto un grado de ajuste del 74%, supone también que hay un 26% de los cambios que no pueden ser explicados mediante regresién lineal. Tal vez en este caso, deberiamos elegir otro tipo de funcién para el ajuste. Si la recta fuera la eleccién correcta estariamos en correlaciones muy proximas al 100%, con independencia de la mayor 0 menor dispersion de puntos (Fig. 5.20), 5.4 Interpolacién Para terminar este capitulo, haremos referencia a un problema que en cierto modo guarda relacién con los procedimientos de correlacién. Hasta ahora nos hemos centrado en el caso de disponer de un conjunto de datos experimentales, con la logica dispersion inherente al proceso de medida, y que necesitamos ajustar a algin tipo de funcién matematica para alcanzar un doble objetivo: Por un lado facilitar el céleulo y la prediccién de nuevos resultados, y por ‘iro, obtener conclusiones acerca del error y el grado de confianza de los resultados. En otras ocasiones nos enfrentamos a una circunstancia algo distinta: necesitamos conocer el valor de una funeién ¥(x) en un punto x9 a partir de valores de Ja funcién en puntos proximos, adste, es decir, interpolar Pensemos por ejemplo que estamos estudiando un problema en el que necesitamos conocer la presién de vapor del agua. Podemos acudir a un socorrido handbook en el que sin duda encontraremos tabuladas las presiones de vapor del agua entre O°C y 100°C. Tal vez encontremos que los inerementos de Ia tabla son de un grado centigrado, pero nuestro problema requiere que conozcamos la presién de vapor a 86.4 °C. Son por tanto 100 puntos ‘que deberiamos representar grificamente, y tratar de ajustar a alguna funcién matemitica. Sin duda un esfuerzo que poeas personas estarian dispuestas a asumir. En otras ocasiones es una fmcién matematica algo enrevesada la que nos plantea dificultades.‘Téenicas Experimental Representacionesgrificas Por ejemplo tal vez estamos interesados en calcular la integral; [539] pero al no ser analitica, no tendremos resultados directos para cualquier valor de x. En la bibliografia encontraremos tablas de esta funcién, para una gran cantidad de valores de x. Por desgracia tal vez verifiquemos una vez més Ia indemostrable Ley de Murphy, y el valor que ‘vamios buseando sea precisamente uno de los que faltan en la tabla. Tanto en este caso, como en el anterior, la solucién més sensata no serd ajustar todo el coujuulo de datos, ui resolver uuucticamente la integral, sino tratar de interpoiar el valor buseado a partir de datos eonocidos, y que sean proximos a él El caso mas simple de interpolacién es aquel que utiliza solo dos puntos, uno de ellos situado algo por debajo del valor buscado y el otto algo por encima. Como es evident, Ia funcién ‘matemitica de mas bajo orden, que pasa per dos puntos, es la linea recta y si disponemos de una pareja de puntos (x1, v1) e (x2, y2), tal vez estemos en condiciones de interpolar el valor FU»), donde x», es una abseisa intermedia avy y x». ves] y ™ Xe ¥ Fig. 5:21 Recta que interpola el valor entre dos puntos, Para ello tan solo tendremos que calcular la ecuacién de dicha recta: (ay at Bx, =, oy, [540] y(X)=at px > awn. * > ws y aplicarla al punto de nuestro interés: [sat] ¥(tq)* 9) = a+ PX Elesultado obtenido sesuramente se parecer mucho al que obtendriamos si conocigsemos el valor de la funcién en el punto tp, pero no sera idéntico. La razén es que estamos tratando de aproximar una funcién matemética, con une cierta curvatura, mediante una simple recta. Si el incremento de separacién entre las ordenadas y; e y no es muy grande, tal vez sea razonable aproximar este tramo mediante una recta. En caso contrario, el error cometido puede ser significativo.‘Téenicas Experimentales Representacionesgrificas La alienativa inmediata a los casos dificultosos es emplear otto tipo de funcién interpoladora, tal vez un polinomio de orden 2. Sin embargo veremos que esta solucién no es plenamente satisfactoria. Para encontrar la ecuacién de un polinomio de segundo orden, necesitamos conocer 3 puntos por los que pase dicha eurva: 15.2] 4+ pxtye y de esta forma plantear un sistema de ecuaciones euya solucién determine el valor de los cocficientes a £7: ’ T T T vO) ‘Hig. 9.22 Interpotacion coa un polinomio de segundo orden Podemos comprobar en la figura que el nuevo valor que necesitamos interpolar x, estar situado necesariamente entre dos de los puntos, dejando el tercero en una situacién més asimétrica. Si los puntos experimentales 10 pueden ser representados exactamente por un polinomio de segundo orden, esto se traducira en una pérdida de la capacidad para interpolar correctamente el valor buscado. Consideren:os ahora un polinomio de tercer grado: [543] y(x)=a+ Bxtyr dx Para determinar sus coeficientes necesitamos un total de 4 puntos. ¥ Ya Ys vO) va Ms mM Fig. 5.23 Interpolacién con un polinomio de tercer orden 525‘Téenicas Experimentales Representacionesgrificas De esta forma la coordenada sobre Ia que necesitamos interpolar, si puede colocarse en una posicién central con respecto a los puntos base de interpolacién. Los resultados obtenidos serdn asi més préximos al valor exacto. La conclusién final que debemos extraer es que las interpolaciones mediante polinomios deben llevarse a cabo, preferentemente, con polinomios de orden impar (1, 3,5, ete), situando siempre el punto a interpolar en una posiciéa central. Ejemplo Ralizar una interpolacién sobre la tabla de niveles de confianza de una distibucién normal, y ‘determinar cual es el factor z que corresponde a un nivel de confianza del 75%. Tabla $9 Niveles de confianza para una distribucién normal Factor: |[Nivet de conftanza (%) || Factor: || Nivel de confianzn (%) os7 __|[so 196 _ [9s 100 [fos 200 |[96 129 [so 258 |[9 164 [oo 300 |[997 Podemos comenzar por realizar una interpolacién lineal. Para un nivel de confianza del 75%, los dos valores tabulados mais proximos son: (68, 1,00) ¥ (80, 1,29), A pastir de ellos podcaos plantcar cl sistema: a+ pos a 1a a+ B80=1,29) ~0,6433 40,0242 75= 11717 ‘Podemos también ensayar la interpolacién mediante an polinomio de 3* orden. En este caso el sistema ser a+ 50+ 750" +550? =0,67] sas THAR TEESE LO) 075) ase (843) a+ 0+ y80" + 580° =1,29 ne 14 £904 9? +390" =1.6 [La solucién exacta a este problema es Y(x) ~ 1.18035, ponigndose de manifiesto el mejor grado de aproximmacién ‘con cl polinomio de tercer grado, aun cumdo la interpolacion lineal sea razonablemente proxima, y desde Inezo smnicho mis rapida de calcula. 5.26‘Téenicas Experimental Representacionesgrificas Por limo deberfamos meneionar un problema relacionado con los anteriores, la exrrapolacién, Ahora se trata de encontrar an valor que se encuentra préximo, pero fuera del intervalo de puntos conocidos. La siguiente figura puede ayudamos a comprender mejor esta situacién: Fig. 5.24 Grifiea explicativa del procedimiento de extrapolacién El procedimiento a seguir en una extrapola:in es el mismo que en la interpolacién, pero en ‘general los resultados obtenidos serdn menos precisos. La razén podemos observarla en la figura anterior. Al estar fuera del rango de los datos, desconocemos el habito que deseribe la coleccion de puntos, y puede que la funcion de extrapolacion nos situe en una posicion alejada del verdadero valor. En general, los resultados de una extrapolacién deber ser mangjados con extremada cautela, y solamente podremos considerarlos aceptables, si se conoce bien el hibito de Ia fimein, o si estamos en un punto muy proximo al extremo de los datos disponibles. 527