18 de septiembre de 2019

Práctica 2 – Análisis Gráfico

Objetivos:

● Implementar gráficas para la obtención de las relaciones funcionales entre dos magnitudes
físicas.
● Representar gráficamente en papel milimetrado, semilogarítmico y logarítmico una función
a partir de una tabla de valores dada.
● Identificar el tipo de función y la relación de proporcionalidad existente entre las variables.
● Construir la ecuación de la gráfica relacionando las variables.
● Analizar el comportamiento de los datos e interpretar la relación existente entre las variables
graficadas.

Marco Teórico.

Algunas veces al representar gráficamente los datos obtenidos en una experiencia, aparecen
patrones a veces fácilmente reconocibles y en otras no. Pero generalmente al presentarse algún tipo
de dependencia entre variables podemos identificar tres modelos diferentes:

● Modelo lineal: Traza en la gráfica una línea recta que es fácilmente reconocible. Se puede
expresar la relación X-Y mediante la ecuación:

𝑌 = 𝑏𝑋 ± 𝑎
Ecuación 1: Ecuación de una recta.

Donde b es constante y es la pendiente de la recta; y a es la ordenada del origen.

● Modelo potencial: Si la relación X-Y se puede enunciar con la siguiente ecuación:

𝑌 = 𝑎𝑋 𝑏
Ecuación 2: Modelo potencial.

Donde a y b son constantes distintas de cero. Estamos frente a una relación potencial. Para hallar los
coeficientes a y b es sensato linealizar la ecuación aplicando logaritmos, tal que:
 18 de septiembre de 2019

𝑙𝑜𝑔 𝑌 = 𝑙𝑜𝑔 𝑎𝑋 𝑏 = 𝑏 ∗ 𝑙𝑜𝑔 𝑋 + 𝑙𝑜𝑔 𝑎

Ecuación 3: Modelo potencial linealizado.

Realizando los cambios de variables Ŷ = log Y, ă = log 𝑎, χ = log X. Tenemos:

Ŷ = bχ + ă
Ecuación 4: Cambio de variable en el modelo potencial.

● Modelo exponencial: Este último modelo se puede describir con la ecuación:

𝑌 = 𝑎𝑒 𝑏𝑋
Ecuación 5: Modelo exponencial

Donde a y b son constantes diferentes de cero y “e” es el número de Euler. A este modelo también
es preciso linealizarlo utilizando el logaritmo natural y cambios de variables, tal que:

𝑙𝑛 𝑌 = 𝑙𝑛 𝑎𝑒 𝑏𝑋 = 𝑏𝑋 + 𝑙𝑛 𝑎
Ecuación 6: Modelo exponencial linealizado.

Realizando los cambios de variables: 𝑌̂ = 𝑙𝑛 𝑌 , 𝑎̂ = 𝑙𝑛 𝑎 nos queda:

𝑌̂ = 𝑏𝑋 + 𝑎̂
Ecuación 7: Cambio de variable en el modelo potencial.

Cuando realizamos diagramas de dispersión, casi siempre los puntos no muestran

perfectamente alguno de los modelos anteriores; simplemente muestran un patrón reconocible a
simple vista que se ajusta a alguno de ellos. Es entonces que se utiliza una técnica estadística conocida
como Regresión Lineal para hallar la recta que mejor se ajusta a la nube de puntos.
 18 de septiembre de 2019

Dado que se pueden realizar múltiples rectas que se ajusten de buena manera a la nube de
puntos, es conveniente tener un procedimiento que nos ayude a encontrar la que menor error genera.
Uno de ellos es se conoce como Mínimos Cuadrados.

El cual plantea la siguiente fórmula para la obtención de los coeficientes a y b:

̅̅̅̅
𝑋𝑌 − 𝑋̅ ∙ 𝑌̅
𝑏=
̅̅̅̅
𝑋 2 − (𝑋̅)2

𝑎 = 𝑌̅ − 𝑏 ∙ 𝑋̅

Ecuación 7: Mínimos cuadrados para coeficientes a y b.

Donde:

𝑁 𝑁 𝑁
𝑥𝑖 𝑦𝑖 𝑥𝑖 𝑦𝑖
̅̅̅̅
𝑋𝑌 = ∑ ; 𝑋̅ = ∑ ; 𝑌̅ = ∑
𝑁 𝑁 𝑁
𝑖=1 𝑖=1 𝑖=1

𝑁 𝑁
𝑥𝑖 2 𝑦𝑖 2
̅̅̅̅
𝑋2 = ∑ ; ̅𝑌̅̅2̅ = ∑
𝑁 𝑁
𝑖=1 𝑖=1

También se tiene el Coeficiente De Correlación, (r) el cual permite obtener un grado de la

fuerza de la relación entre las variables estudiadas, además de mostrar la calidad del ajuste realizado
con Mínimos Cuadrados.

̅̅̅̅ − 𝑋̅ ∙ 𝑌̅
𝑋𝑌
𝑟=
̅̅̅̅2 − (𝑋̅)2 ][𝑌
√[𝑋 ̅̅̅2̅ − (𝑌̅)2 ]

Ecuación 8: Coeficiente de correlación.

Experiencia 1

a) La gráfica de la experiencia 1 está adjunta en papel milimetrado.

b) Al comparar la gráfica de la experiencia 1 con las gráficas vistas en clase, es posible
determinar que la función descrita es una función lineal con una relación directa entre sus
variables.
 18 de septiembre de 2019

c) Si la recta no pasa por el origen es posible decir que la velocidad del objeto en el tiempo 0 es
diferente de 0 y por lo tanto el objeto no partió del reposo.
d) El valor de la pendiente se determinó usando la fórmula señalada más adelante. El valor
obtenido fue de b= 3, este valor indica cómo cambia la velocidad a medida que transcurre el
tiempo. Es decir que el avanzar un segundo la velocidad aumenta 3m/s.
̅̅̅̅
𝑋𝑌 − 𝑋̅ ∙ 𝑌̅
𝑏=
̅̅̅̅
𝑋 2 − (𝑋̅)2
Ecuación 9: Pendiente de una recta.

e) La ecuación que describe la relación entre estas dos variables es Y=3X + 5. El valor de b (3)
y de a (5) se obtuvieron mediante la regresión lineal. El valor de a se encontró usando la
fórmula:
𝑎 = 𝑌̅ − 𝑏𝑋̅
Ecuación 10: Ecuación de la ordenada de origen.
f) De la experiencia 1, es posible concluir que es un caso muy ideal en donde todos los puntos
coinciden perfectamente con la línea de ajuste. Esto en la práctica es imposible, ya que
siempre hay un error asociado a la toma de datos.

Gráfica 1: Velocidad (m/s) vs Tiempo(s)

 18 de septiembre de 2019

Experiencia 2

a) Las gráficas en papel milimetrado y papel log se encuentran adjuntas.

b) Al graficar los datos experimentales en papel milimetrado se obtiene una función potencial
que se ajusta a la Ecuación 2 y es de carácter creciente:

c) Para obtener una línea recta se utiliza el método de mínimos cuadrados. Sea Y la distancia y
X el tiempo. En el primer paso se linealiza:
𝑌̅ = log(𝑎𝑥 𝑏 ) 𝑋̅ = log (𝑋)
Ecuación 11: Cambio de variable mediante la aplicación de logaritmo.

Luego aplicando las ecuaciones 1 y 2 se obtiene la ecuación de una recta del modelo
potencial.

d) El valor de la pendiente “b” se determina usando la ecuación 1, obteniendo como valor:

b = 1.98, siendo este valor la potencia de X.
e) La forma de la ecuación para las variables X e Y luego de realizar la Regresión Lineal es:
𝒀 = 𝟓. 𝟎𝟑𝑿𝟏.𝟗𝟖
Ecuación 12: Ecuación obtenida en la experiencia.

f) Se concluye que a partir de los datos obtenidos y la regresión lineal aplicada la ecuación
resultante describe en un ambiente ideal y aislado el cambio de altura con respecto a la
aceleración por tiempo al cuadrado, es decir, la fórmula teórica:
𝑔𝑡 2
ℎ=
2
Ecuación 13: Posición de una partícula durante el movimiento semiparabólico

El valor obtenido para “a” es muy cercano g/2 siendo “g” la gravedad, y el valor de “b”
obtenido es cercano a 2, el cual es la potencia a la cual está elevada la variable “t”, siendo “t”
el tiempo. Al ser datos experimentales realizados en un medio no aislado, se observa
variación con respecto al valor teórico esperado para la altura “h” o posición del objeto en el
movimiento uniformemente acelerado.
 18 de septiembre de 2019

Gráfica 2: Posición (m) vs Tiempo(s)

Gráfica 3: Papel log-log Posición (m) vs Tiempo(s)

 18 de septiembre de 2019

Experiencia 3

a) Las gráficas adjuntan en papel semilogarítmico y papel milimetrado.

b) La función obtenida al graficar en el papel milimetrado es una función exponencial
decreciente de forma 𝑌 = 𝑎𝑒 𝑏𝑥 , a diferencia de las anteriores que correspondían a una
función lineal y una potencia.
c) Al ser una función exponencial es posible aplicar logaritmo natural a ambos lados de la
ecuación, obteniendo:𝑙𝑛(𝑌) = 𝑙𝑛(𝑎) + 𝑏𝑥 ∗ 𝑙𝑛(𝑒)al ser ln(e)=1 se simplifica a𝑙𝑛(𝑌) =
𝑙𝑛(𝑎) + 𝑏𝑥. Reemplazando los logaritmos ln(Y)=Ỹ y ln(a)=ã entonces se obtiene: Ỹ = 𝑏𝑥 +
ã. Obteniendo así la ecuación de una recta.
d) Siendo “b” la pendiente de la recta, se utiliza la ecuación 1, cambiando el valor de Y por Ỹ
siendo Ỹ = ln(Y).
Así se obtiene 𝑏 = −5,145 ∗ 10−3, lo que representa la razón de cambio del ln(Y) con
respecto a x, es decir el ln(%Po) con respecto al tiempo en días.

e) Para determinar la ecuación es necesario el uso de la ordenada al origen (ecuación 2),

teniendo en este caso: ã = 𝑐 − 𝑏𝑥 donde c=Ỹ, adicionalmente es necesario aplicar revertir el
ln por lo que se tiene:

𝑎 = 𝑒ã
Ecuación 14: Ordenada de origen para una función exponencial.

Teniendo a y b se despeja la ecuación 𝑌 = 𝑎𝑒 𝑏𝑥 donde Y=%Po y se obtiene:

%𝑃𝑜 = 104,33 ∗ 𝑒 −5,145𝑥

Ecuación 15: Función que describe la desintegración del polonio con respecto al tiempo.

f) Según los datos obtenidos mediante la regresión, se evidencia el comportamiento

inversamente exponencial de la desintegración de los elementos radiactivos con respecto al
tiempo, esto se evidencia mediante la ley de desintegración radiactiva, que se describe
mediante:
ln (2)
𝑁 = 𝑁0 𝑒 −𝜆𝑡 𝑇= 𝜆

Ecuación 16: Ley de la desintegración radiactiva

Con lo anterior se confirma el comportamiento exponencial de la cantidad de elemento

químico con el tiempo.
 18 de septiembre de 2019

Gráfica 4: Desintegración del polonio vs Tiempo(s)

Gráfica 5: Papel semilogarítmico Desintegración del polonio vs Tiempo(s)

Análisis.

Realizando una síntesis de las cuestiones abordadas en cada una de las experiencias, podemos
notar la aparición de cada uno de los modelos de los que disponemos para representar medidas
obtenidas en jornadas de medición, y su relación con una o más variables que pueden modificar el
resultado de laboratorio.
 18 de septiembre de 2019

Por ejemplo, al estudiar los resultados mostrados en la tabla de la Experiencia 1,

evidenciamos que la nube de dispersión obtenida manifiesta un patrón de línea recta, con poca cabida
al error, es decir que los puntos se ajustan realmente a la recta. Este tipo de resultados se puede
encontrar en montajes experimentales con condiciones que hacen “muy fuerte” la correspondencia
lineal entre las variables.

Por otro lado, en la Experiencia 2 al comparar las representaciones gráficas realizadas en cada
tipo de papel (escala milimétrica y escala semilogarítmica) podemos observar en la escala milimétrica
la aparición en la nube de dispersión una curva característica del modelo potencial. El cual se ha de
linealizar con el uso de logaritmos que posteriormente se grafican en la hoja de escala
semilogarítmica.

Y, por último, con la Experiencia 3 obtuvimos dos diagramas de dispersión: uno inscrito en
papel milimétrico, el cual manifiesta en su nube de dispersión una curva, característica del modelo
exponencial, la cual decrece; y el segundo presenta la forma de dicho diagrama de manera linealizada
con las ecuaciones para tratar modelos exponenciales

Conclusiones.

Con lo realizado en esta práctica podemos concluir:

● Podemos representar los datos experimentales obtenidos en el laboratorio con el uso de

diagramas de dispersión.
● La cercanía entre los puntos se puede enumerar mediante el cálculo del coeficiente de
correlación, el cual marca la fuerza de la relación entre variables.
● La aparición de patrones (como rectas y curvas) en las nubes de dispersión indican un tipo
de relación entre las variables analizadas, el cual puede ser descrito mediante una ecuación.

Bibliografía:

Guía, Introducción al Análisis Gráfico (2012). Capítulo 2.