Anexos

2. Realizar la gráfica en Voltaje Vs Distancia en papel milimetrado

3. Utilizando el método de mínimos cuadrados encuentre la ecuación que
describe el experimento

Código del paquete informático utilizado: MatLab

%Aproximacion Discreta para sistemas de puntos por minimos cuadrados para
%sistemas linelaes.
i=input('Ingrese el numero de parejas ordenadas del sistema: \n'); % 12
muestras
x=input('Ingrese los valores ordenados de X de manera matricial: \n'); %
distancia % %[0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6]
y=input('Ingrese los valores ordenados de y de manera matricial: \n'); %
voltaje %[0.596 0.817 1.5 1.253 1.473 1.693 1.870 2.074 2.267 2.480 2.493
3.025]
sumx=sum(x);
sumy=sum(y);
sumx2=sum(x.^2);
sumxy=sum(x.*y);
Ao=((sumx2*sumy)-(sumx*sumxy))/((i*sumx2)-(sumx)^2);
A1=((i*sumxy)-(sumx*sumy))/((i*sumx2)-(sumx)^2);
disp('La sumatoria de las X es igual a : '),disp(sumx);
disp('La sumatoria de las Y es igual a : '),disp(sumy);
disp('La sumatoria de las X cuadradas es igual a : '),disp(sumx2);
disp('La sumatoria de las X por Y es igual a : '),disp(sumxy);
disp('El valor de Ao es igual a : '),disp(Ao);
disp('El valor de A1 es igual a : '),disp(A1);
fprintf('El sistema de ecuaciones se ordena de la manera Yc=0.5289+0.3896*X');
plot(x,y,'-*g')
title ('Volytaje vs Distancia')
grid minor;
xlabel('Distancia [cm]');
ylabel('Voltaje [v]');
% Para poder ver la ecuacion en grafica seleccionar Tools-> Basic Fittings-
>Linear -> Show Equation

Grafica obtenida de la regresión por mínimos cuadrados.

4. Con un paquete informático grafique Voltaje vs Distancia, encuentre la
ecuación de tendencia y el valor de 𝑹𝟐 , y compárelo con el coeficiente 𝑹𝟐 , dado
por el programa informático
Grafica obtenida de los valores experimentales:

Resultados obtenidos en Matlab

El programa nos arroja la matriz de covarianza que corresponde a la siguiente
expresión:

𝑆𝐶𝑥 2 𝑆𝐶𝑥𝑦
𝐶=[ ]
𝑆𝐶𝑥𝑦 𝑆𝐶𝑦 2
 Donde la diagonal secundaria representa la covarianza de la muestra 𝑆𝐶𝑥𝑦 y la
diagonal principal los valores de la varianza de x 𝑆𝐶𝑥 2 y la varianza de y 𝑆𝐶𝑦 2

De igual manera al usar la función de Matlab para calcular el coeficiente de

correlación lineal nos arroja una matriz dada por la siguiente expresión:

1 𝑅
𝑅=[ ]
𝑅 1
Donde la diagonal secundaria representa el coeficiente de correlación lineal de la
muestra.
Resultados obtenidos en Matlab

Código del paquete informático utilizado las funciones propias de MatLab

%% Trabajo 4 Coeficiente de correlacion lineal y regresion usando funciones propias de
matlab
disp('La matriz de covarianza usando la funcion de matlab es: ');
C = cov(x,y)
disp('La matriz de coefeicientes de correlacion usando la funcion de usando es: ');
R1 = corrcoef(x,y)

5. Con los datos de la Tabla 1, hallar los coeficientes de regresión lineal R y el

coeficiente de regresión cuadrática 𝑹𝟐 , y compárelo con el coeficiente 𝑹𝟐 , dado
por el programa informático.
Resultados obtenidos en Matlab
Código del paquete informático utilizado las fórmulas de la practica: MatLab
%% Trabajo 5, encontrar la ecuacion de tendencia y coeficiente de regresion Lineal
disp('La sumatoria de las distancias es igual a : '),disp(sumx);
disp('La sumatoria de los voltajes es igual a : '),disp(sumy);
disp('El cuadrado de las distancia (d^2) es:, ');d_2=(x.^2)'
disp('La sumatoria de las distancias al cuadrado (d^2) es : '),disp(sumx2);
disp('El producto de la distancia por el voltaje es:, ');d_v=(x.*y)'
disp('La sumatoria del producto de la distancia por el voltaje es: '),disp(sumxy);
%% Coeficiente de regresion Lineal
% covarianza xy
SC_xy=(1/(i-1)).*sum((x-(sumx/i)).*(y-(sumy/i)));
disp('La covarianza de la muestra es: '),disp(SC_xy); % C = cov(x,y)
% varianza x
SC_x=((1/(i-1)).*sum((x-(sumx/i)).^2)).^(1/2);
disp('La varianza de x de la muestra es: '),disp(SC_x);
% varianza y
SC_y=((1/(i-1)).*sum((y-(sumy/i)).^2)).^(1/2);
disp('La varianza de y de la muestra es: '),disp(SC_y);
% coeficiente de correlacion
R=(SC_xy)/((SC_x)*(SC_y));
disp('El coeficiente de correlacion Lineal es: '),disp(R);
%% Coeficiente de regresion R^2
SC_yy=sum((y-(sumy/i)).^2);
disp('El coefciente de SC_yy es: '),disp(SC_yy);
syms X;
f=0.5289+0.3896*X;
SC_R=sum((subs(f,x)-(sumy/i)).^2);
disp('El coefciente de SC_R es: ');
vpa(SC_R,4)
R_2=(SC_R)/(SC_yy);
disp('El coeficiente de regresion es: ');
vpa(R_2,4)
error=((SC_R)/(i)).^(1/2);
disp('El error medio de la regresion es: ');
vpa(error,4)
Conclusión
Se puede observar que el coeficiente de correlación lineal es 𝑅 = 0.9788 , el cual nos
demuestra que existe una fuerte relación entre las dos variables obtenidas por el método
de los mínimos cuadrados, mientras que el coeficiente de regresión 𝑅 2 = 0.958 es muy
cercano al valor de 1, lo que nos indica que el modelo de regresión es bueno, los valores
obtenidos utilizando las funciones de Matlab y las formulas de la practica son los mismos.
6. Completar la tabla 4 con los datos tomados en la tabla 2.
Resultados obtenidos en Matlab
Código del paquete informático utilizado las fórmulas de la practica: MatLab
%% trabajo 6 Valores tabla 4
clc; clear all;
t=[6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63];
v=[6.32 5.96 4.45 2.95 1.982 1.321 0.878 0.588 0.422 0.2772 0.1964 0.1415 0.1047 0.0798
0.0617 0.0484 0.0392 0.0333 0.0292 0.0263];
n=20;
sumt=sum(t);
sumv=sum(v);
disp('La sumatoria de los tiempos es: '),disp(sumt);
disp('La sumatoria de los voltajes es: '),disp(sumv);
disp('La funcion y=ln(V) evaluada para cada valor de voltaje es: ')
y1=log(v);
y1_1= log(v)'
sumy1=sum(y1);
disp('La sumatoria de la funcion y=ln(V) evaluada es: '),disp(sumy1);
disp('El cuadrado de los tiempos (t^2) es:, ')
t_2=t.^2;
t_22=(t.^2)'
sumt_2=sum(t_2);
disp('La sumatoria del cuadrado de los tiempos es: '),disp(sumt_2);
disp('La funcion y2=t*ln(V) evaluada para cada valor de voltaje y tiempo es: ')
y2=t.*y1;
y2=(t.*y1)'
sumy2=sum(y2);
disp('La sumatoria de la funcion y=t*ln(V) evaluada es: '),disp(sumy2);

7. Realizar la gráfica en Voltaje Vs Tiempo en papel milimetrado

8. Con un paquete informático grafique Voltaje vs Tiempo, encuentre la
ecuación de tendencia. Compare los resultados con los encontrados en el
trabajo 7 y encuentre el error.
Resultados obtenidos en Matlab
Código del paquete informático utilizado las fórmulas de la practica: MatLab
%% Trabajo 8 Ecuacion de tendencia, grafica de Voltaje vs tiempo, y valor de R^2
figure(2)
plot(t,v,'-*r')
title ('Voltaje vs tiempo')
grid minor;
xlabel('Tiempo [seg]');
ylabel('Voltaje [v]');
% Ecuacion de tendencia
disp('Los coeficientes de la regresion cuadratica son:');
p=polyfit(t,v,2)
disp('El sistema de ecuaciones se ordena de la manera Yc=0.004*X^2-0.37*X+8');
% Coeficiente de regresion R^2
SC_yy2=sum((v-(sumv/20)).^2);
disp('El coefciente de SC_yy es: '),disp(SC_yy2);
syms X;
f=0.004.*X^2-0.37.*X+8;
SC_R2=sum((subs(f,t)-(sumv/20)).^2);
disp('El coefciente de SC_R es: ');
vpa(SC_R2,4)
R_22=(SC_R2)/(SC_yy2);
disp('El coeficiente de regresion es: ');
vpa(R_22,4)
error=((SC_R2)/(20)).^(1/2);
disp('El error medio de la regresion es: ');
vpa(error,4)

Grafica obtenida de los valores experimentales:

Grafica obtenida de la regresión por mínimos cuadrados.

9. Realizar el grafico de logaritmo natural del Voltaje vs Tiempo en papel

milimetrado y adjúntelo.
10. Con un paquete informático grafique Logaritmo natural del Voltaje vs
Tiempo, encuentre la ecuación de tendencia. Compare los resultados con los
encontrados en el trabajo 9 y encuentre el error.
Resultados obtenidos en Matlab
Código del paquete informático utilizado las fórmulas de la practica: MatLab

%% Trabajo 10 Ecuacion de tendencia, grafica de Logaritmo Natural del Voltaje vs tiempo,

y valor de R^2
figure(4)
plot(t,y1,'-*m')
title ('Logaritmo Natural del Voltaje vs tiempo')
grid minor;
xlabel('Tiempo [seg]');
ylabel('Logaritmo Natural del Voltaje[v]');
% Ecuacion de tendencia
disp('Los coeficientes de la regresion cuadratica son:');
p=polyfit(t,y1,2)
disp('El sistema de ecuaciones se ordena de la manera Yc=0.0008*X^2-0.1582*X+3.1423');
% Coeficiente de regresion R^2
SC_yy3=sum((y1-(sumy1/20)).^2);
disp('El coefciente de SC_yy es: '),disp(SC_yy3);
syms X;
f=0.0008*X^2-0.1582*X+3.1423;
SC_R3=sum((subs(f,t)-(sumy1/20)).^2);
disp('El coefciente de SC_R es: ');
vpa(SC_R3,4)
R_23=(SC_R3)/(SC_yy3);
disp('El coeficiente de regresion es: ');
vpa(R_23,4)
error=((SC_R3)/(20)).^(1/2);
disp('El error medio de la regresion es: ');
vpa(error,4)
Grafica obtenida de los valores experimentales:
Grafica obtenida de la regresión por mínimos cuadrados.

11. Usando el método de los mínimos cuadrados, encuentre la ecuación del

Logaritmo natural del Voltaje en función del tiempo 𝒍𝒏(𝑽) = 𝒕
Resultados obtenidos en Matlab
Código del paquete informático utilizado las fórmulas de la practica: MatLab
%% Trabajo 11 metodo de minimos cuadrados Logaritmo Natural del Voltaje en funcion del
tiempo
x=[6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63];
y=[6.32 5.96 4.45 2.95 1.982 1.321 0.878 0.588 0.422 0.2772 0.1964 0.1415 0.1047 0.0798
0.0617 0.0484 0.0392 0.0333 0.0292 0.0263];
sumx=sum(x);
sumy=sum(y1);
sumx2=sum(x.^2);
sumxy=sum(x.*y1);
Ao=((sumx2*sumy)-(sumx*sumxy))/((20*sumx2)-(sumx)^2);
A1=((20*sumxy)-(sumx*sumy))/((20*sumx2)-(sumx)^2);
disp('La sumatoria de las X es igual a : '),disp(sumx);
disp('La sumatoria de las Y es igual a : '),disp(sumy);
disp('La sumatoria de las X cuadradas es igual a : '),disp(sumx2);
disp('La sumatoria de las X por Y es igual a : '),disp(sumxy);
disp('El valor de Ao es igual a : '),disp(Ao);
disp('El valor de A1 es igual a : '),disp(A1);
disp('El sistema de ecuaciones se ordena de la manera Yc=4.4603-0.0917*X');

12. Con los datos de la tabla 2, hallar los coeficientes de regresión lineal R y el
coeficiente de regresión cuadrático 𝑹𝟐 , y compárelo con el coeficiente de 𝑹𝟐 ,
dado por el programa informático.
Resultados obtenidos en Matlab

Código del paquete informático utilizado las fórmulas de la practica y las funciones
propias de Matlab
%% Coeficiente de regresión Lineal con fórmulas de la practica Voltaje vs Tiempo
% covarianza xy
SC_xy=(1/(20-1)).*sum((x-(sumx/20)).*(y-(sumy/20)));
disp('La covarianza de la muestra es: '),disp(SC_xy); % C = cov(x,y)
% varianza x
SC_x=((1/(20-1)).*sum((x-(sumx/20)).^2)).^(1/2);
disp('La varianza de x de la muestra es: '),disp(SC_x);
% varianza y
SC_y=((1/(20-1)).*sum((y-(sumy/20)).^2)).^(1/2);
disp('La varianza de y de la muestra es: '),disp(SC_y);
% coeficiente de correlacion
R=(SC_xy)/((SC_x)*(SC_y));
disp('El coeficiente de correlacion Lineal es: '),disp(R);
% Coeficiente de correlacion lineal y regresion usando funciones propias de matlab
disp('La matriz de covarianza usando la funcion de matlab es: ');
C = cov(x,y)
disp('La matriz de coefeicientes de correlacion usando la funcion de usando es: ');
R1 = corrcoef(x,y)