LABORATORIO 1

TRATAMIENTO DE DATOS
EXPERIMENTALES
PRE-INFORME

LESLY DAYANA CAÑAS LOPEZ

COD: 1017512 |
 Pre informe

1. Definir los siguientes conceptos: Cantidad física, medida, magnitud

fundamental, cantidad escalar y cantidad vectorial.

Cantidad física:
Cantidad física o magnitud física es la característica de un cuerpo, objeto, sustancia
que es susceptible a ser medida. Su característica principal es que puede describir los
fenómenos físicos como la temperatura, masa, tiempo, etc.

Medida:
Acción o efecto de medir, es el resultado de una medición a un objeto en específico.

Magnitud fundamental:
Son aquellas que reflejan las propiedades de la materia. Las magnitudes fundamentales
son elementales e independientes, es decir, no pueden ser expresadas en términos de
otras magnitudes.

Cantidad escalar:
Una cantidad escalar se especifica totalmente por su magnitud, que consta de un número
y una unidad, como por ejemplo 30 kg es una cantidad escalar.
Cantidad vectorial:
Una cantidad vectorial se especifica totalmente por una magnitud y una dirección. Consiste
en un número, una unidad y una dirección, como por ejemplo 30 km/h hacia el norte.
2. ¿Qué son cifras significativas y cómo se manejan?
Se denominan cifras significativas al conjunto de los dígitos que se conocen con seguridad
en una medida.
Se manejan de la siguiente forma:

• Cualquier cifra distinta de cero se considera significativa.

• Se consideran cifras significativas los ceros situados entre dos dígitos distintos de
cero y los situados después de la coma decimal.
• Sin embargo no se consideran cifras significativas los ceros situados al comienzo
de un número, incluidos aquellos situados a la derecha de la coma decimal hasta
llegar a un dígito distinto de cero.
• Tampoco se consideran significativos los ceros situados al final de un número sin
coma decimal, excepto si se indican con un punto.

3. ¿Cuál es la diferencia entre precisión y exactitud?

Precisión se refiere a la dispersión del conjunto de valores obtenidos de mediciones
repetidas de una magnitud, entre menos sea su dispersión mayor es la precisión
Exactitud se refiere a cuán cerca del valor real se encuentra el valor medido. En términos
estadísticos, la exactitud está relacionada con el sesgo de una estimación. Cuanto menor
es el sesgo más exacta es una estimación.
Observemos el siguiente ejemplo

4. ¿Cuáles son los errores más comunes en la toma de datos experimentales?

Algunos de los errores que se cometen a la hora de tomar los datos experimentales son el
mal uso de los instrumentos de medición o que los instrumentos estén mal calibrados y esto
afecta nuestros datos ya que serían erróneos.

5. Consultar en qué consiste el método de los mínimos cuadrados y usarlo,

mostrando todo el proceso (empleando las fórmulas), para obtener la relación
lineal que existe entre las variables Voltaje (V) contra corriente (I), v = f(I),
cuyos datos se muestran a continuación:

Vamos a realizar el procedimiento de mínimos cuadrados, la finalidad que tiene es poder

representar la relación lineal de los datos y utilizaremos las siguientes ecuaciones:
a) Debemos realizar el grafico V vs I con los datos de la tabla

V= f(I)
10
9
8
7
6
v

5
4
3
2
1
0
0 1 2 3 4 5 6 7

b) Necesitamos encontrar una recta y = mx + b. Debemos aplicar el método de

mínimos cuadrados. Como ya sabemos entonces, encontraremos el valor (V*I) y
I^2.

c) Ahora podemos obtener los valores de las sumatorias de cada columna.

Numero de datos = 7

∑ 𝑉 = 45

∑ 𝐼 = 29,9

∑ 𝑉 ∗ 𝐼 = 202,81

∑ 𝐼^2 = 305,12
 d) Ahora aplicaremos las fórmulas para así poder encontrar m y b

𝑛 ∗ ∑(𝑉 ∗ 𝐼) − ∑ 𝐼 ∗ ∑ 𝑉
𝑚=
𝑛 ∗ ∑ 𝐼^2 − |∑ 𝐼|^2
7 ∗ 202,81 − 45 ∗ 29,9
𝑚=
7 ∗ 305,12 − |29,9|^2
𝑚 = 1.48

∑ 𝑉 ∗ ∑ 𝐼^2 − ∑ 𝐼 ∗ ∑(𝑉 ∗ 𝐼)
𝑏=
𝑛 ∗ ∑ 𝐼^2 − |∑ 𝐼|^2
45 ∗ 305,12 − 29,9 ∗ 202,81
𝑏=
7 ∗ 305,12 − 29,9^2
𝑏 = 0,06

e) Ahora obtenemos las siguiente ecuación y realizamos el grafico

𝑦 = (1,48)𝑥 + (0,06)

V= f(I)
10
9
y = 1,4894x + 0,0669
8
7
6
v

5
4
3
2
1
0
0 1 2 3 4 5 6 7

Así podemos ver la relación lineal.

 6. Consultar lo que significa el coeficiente de determinación (r2) y el coeficiente
de correlación (r) en el modelo de regresión.

Coeficiente de determinación: El coeficiente de determinación es la proporción de la

varianza total de la variable explicada por la regresión. Es también denominado R
cuadrado y sirve para reflejar la bondad del ajuste de un modelo a la variable que se
pretende explicar. El coeficiente de determinación puede adquirir resultados que oscilan
entre 0 y 1
coeficiente de correlación: es una medida estadística que cuantifica la dependencia lineal
entre dos variables, es decir, si se representan en un diagrama de dispersión los
valores que toman dos variables, el coeficiente de correlación lineal señalará lo bien o lo
mal que el conjunto de puntos representados se aproxima a una recta.

7. Explique en qué consisten los errores en el método de mínimo cuadrados y

cómo calcularlos. Use esta información para calcular dichos errores en el
problema del punto anterior

Los errores en las medidas, se traducirán en errores en los resultados de m y b. Se describe a

continuación un método para calcular estos errores

8. Realizar una breve descripción acerca de lo que trata la linealización y

mostrar un ejemplo. Revisar los ejemplos del marco teórico.

El proceso de linealización consiste en un método por el cual es posible llevar un sistema

o modelo de estudio que no es lineal a una forma lineal. Para ello se puede realizar varios
procesos matemáticos como por ejemplo:
Por sustitución, forma log, exponencial o cambio de variable que es la mas utilizada
Cambio de variable: es uno de los mas usados, solo es necesario conocer el modelo
matemático que se esta estudiando o el comportamiento de los datos obtenidos por medio
de las gráficas o tablas. A esos datos se le realiza un cambio de variable independiente
adecuado y se deja sin modificar los valores dependientes.
La linealización es utilizada para modelar procesos físicos, veamos el siguiente ejemplo:
Se tiene los siguientes datos experimentales que corresponden a las distancias y el
tiempo de un carro que se desplaza en el plano.

1. Primero realizamos la grafica y conocemos el modelos físico que describen los

datos.

Podemos observa una parábola ya que estamos hablando de un modelo de movimiento

rectilíneo uniforme, como el carro parte del reposo nuestra ecuación quedaría de la
siguiente forma

1
𝑥 = 𝑎𝑡 2
2
2. Como ya se conoce el modelo físico y el comportamiento de los datos ya podemos
realizar el cambio de variable:

1 2 1
𝑥= 𝑎𝑡 → 𝑥 = 𝑎𝑇 ; 𝑇 = 𝑡 2
2 2
compararemos la ecuación lineal termino a termino
𝑦 = 𝑚𝑥 + 𝑏
1
𝑦 = 𝑥(𝑉 ∗ 𝐷); 𝑥 = 𝑇(𝑉 ∗ 𝐼); 𝑚= 𝑎
2
3. ahora con el cambio de variable modificaremos la tabla de datos

4. se grafican los nuevos valores y se realiza la regresión lineal ya sea manual o por
medio de una calculadora
haciendo el procedimiento
𝑚=4
𝑏=0
Nuestra ecuación quedaría de esta forma:
𝑦 = 4𝑥
Graficamos: