lOMoARcPSD|5641576

Gráfica para un par de datos experimentales

Fisica 1 (Universidad Nacional de San Cristóbal de Huamanga)

StuDocu no está patrocinado ni avalado por ningún colegio o universidad.

Descargado por Ruben Michca Huayllani (michca.ing@gmail.com)
 lOMoARcPSD|5641576

UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE

HUAMANGA

FÍSICA I / (FS – 241)

PRÁCTICA DE LABORATORIO VIRTUAL N°2

GRÁFICA DE UN PAR DE DATOS EXPERIMENTALES

AYACUCHO – PERÚ
2020

I. OBJETIVO

Descargado por Ruben Michca Huayllani (michca.ing@gmail.com)

 lOMoARcPSD|5641576

IIA-UNSCH FS - 241

 Realizar la gráfica de dispersión con los datos obtenidos en las

actividades y hacer el ajuste de curva con el método de mínimos
cuadrados usando el Excel.

II. MATERIALES
 Regla
 Compas
 Transportador
 Cuerda
 Piedra
 Simulador interactivo

III. FUNDAMENTO TEÓRICO

Ajuste de curvas
Básicamente el ajuste de curvas se realiza cuando se tiene una serie de datos
calculados y se desea conocer valores intermedio no conocidos, o también en
aquellos casos en que se desee una versión simplificada de una función que se
ajuste a un número de valores concretos, y posteriormente usar la función
simplificada para derivar nuevos valores.

Hay básicamente dos métodos para lograr ajuste de curvas:

1. Si los datos no son muy exactos o tienen asociado un error (ruido) entonces
la mejor manera es establecer una sola curva que represente la tendencia
general de los datos observados. Se conoce como regresión lineal, cuyo
método más sencillo es la regresión por mínimos cuadrados.
2. Si los datos que se tienen son precisos se trazan una o más curvas que
pasan por cada uno de los puntos de datos. A esto se le llama
interpolación, la cual puede ser lineal o curvilínea.

Regresión por mínimos cuadrados

En este método pretende trazar la recta que más se acerque al conjunto de

datos, a la cual se le llama “línea (recta) de regresión”, expresada
matemáticamente como:

y = a1x + a2

Los valores de a1 y a2 se pueden calcular de las siguientes maneras:

 Usando las fórmulas matemáticas

 Usando Matlab
 Usando la hoja electrónica Excel
 Usando el modelo gráfico de la recta de la regresión lineal

Ajuste de mínimos cuadrados mediante Excel.

Una vez abierta la hoja de cálculo introduciremos en la primera columna los

valores de la variable independiente y en la segunda columna los de la
variable dependiente, esto es, los valores de x en la primera y los valores
de y en la segunda columna, a continuación, seleccionamos las dos
columnas para luego realizar la gráfica de los datos:

Descargado por Ruben Michca Huayllani (michca.ing@gmail.com)

 lOMoARcPSD|5641576

IIA-UNSCH FS - 241

o Dirigirse al Ribbon o cinta de opciones

o Clic en la pestaña o ficha “Insertar”.
o Dirigirse al grupo Gráficos.
o Seleccionar el comando Dispersión.
o Clic en el sub gráfico de dispersión.

Ahora se hará el ajuste de los puntos:

o Clic a uno de los puntos de la gráfica.
o Clic secundario o clic derecho a ese punto seleccionado.
o Seleccionamos la opción de agregar línea de tendencia, haciendo
esto tendremos un cuadro para darle un formato a nuestra línea de
tendencia.
o En línea de tendencia, seleccionamos el casillero de lineal,
polinómico, exponencial, etc; según sea el caso a trabajar.
o Seleccionamos también los casilleros de presentar ecuación en el
gráfico y presentar el valor de R cuadrado en el gráfico.

También es posible obtener estos valores de a1, a2 y R2, siendo la

ecuación y = a1x + a2, en Excel sin la gráfica.
Ya sea que tenemos nuestros valores de “x” desde la celda A3:A10 y los
valores de “y” desde la celda B3:B10, nos situamos en una celda vacía y
escribimos:
o =PENDIENTE (B3:B10; A3:A10), nos aparecerá en valor de la
pendiente, es decir, a1.
o =INTERSECCION.EJE (B3:B10; A3:A10), aparecerá el valor de la
ordenada, a2.
o =COEF.DE.CORREL(B3:B10; A3:A10), coeficiente de correlación, R2.

El coeficiente de correlación (r). Es un parámetro para el estudio de una

distribución bidimensional, que nos indica el grado de dependencia entre las
variables x y y. Su valor puede variar entre 1 y -1:
Si r = -1, todos los puntos se encuentran sobre la recta existiendo una
correlación que es perfecta e inversa.
Si r = 0, no existe ninguna relación entre las variables.
Si r = 1, todos los puntos se encuentran sobre la recta existiendo una
correlación que es perfecta y directa.

IV. ACTIVIDADES
1. Disponga de un resorte helicoidal en forma vertical (resorte de plástico de
anillado), fije uno de sus extremos y en el otro extremo se suspenderán las
masas.
2. Mida la longitud natural del resorte (longitud sin deformación).
3. Suspenda 10 masas pequeñas y para cada una de ellas mida la
deformación del resorte. Complete la tabla 01.
Esta actividad se realizó con la ayuda de una página de interacciones recreativas de la
University of Colorado Boulder.

Descargado por Ruben Michca Huayllani (michca.ing@gmail.com)

 lOMoARcPSD|5641576

IIA-UNSCH FS - 241

Figura 1. Experimento virtual para obtener la deformación del resorte de una masa
determinada.

Tabla 1. Datos del experimento virtual.

N° 1 2 3 4 5 6 7 8 9 10
m (g) 50 52 55 53 51 58 61 56 51 64
δ (cm) 8.2 8.5 9 8.9 8.5 9.9 10.2 9.4 8.7 10.8

4. Disponga de una cuerda y de una pesa de masa pequeña.

5. Fije uno de los extremos de la cuerda y en el otro ubique la masa pequeña,
de manera que dispuso de un sistema pendular.
6. Desplace el péndulo 10º respecto a la vertical (use un transportador), suelte
la masa y registre el tiempo en 5 oscilaciones completas, con la finalidad de
determinar el período de oscilación. Repita la experiencia para 10
longitudes diferentes. Complete la tabla 02.

Figura 2. Materiales para la activad.

Tabla 2. Datos de la segunda actividad.

Descargado por Ruben Michca Huayllani (michca.ing@gmail.com)

 lOMoARcPSD|5641576

IIA-UNSCH FS - 241

N° L t t́ T=t́ /5
(cm) (s) (s) (s)
1 5 2.57 2.52 2.54 2.54 0.51
2 10 3.70 3.79 3.81 3.77 0.75
3 15 4.72 4.73 4.75 4.73 0.95
4 20 5.63 5.65 5.66 5.64 1.13
5 25 6.79 6.75 6.77 6.77 1.35
6 30 7.42 7.45 7,47 7.45 1.49
7 35 8.83 8.80 8.84 8.82 1.76
8 40 9.64 9.63 9.67 9.64 1.92
9 45 10.72 10.75 10.74 10.74 2.15
10 50 11.65 11.68 11.69 11.67 2.33

V. RESULTADOS EXPERIMENTALES
1. Grafique la elongación (δ) como función de la masa (m), correspondiente al
paso 1 del procedimiento (δ = f(m)), determine la ecuación empírica y
ubique la recta de ajuste.

m (g) δ (cm)
50 8.2
Gráfico de Elongación v/s Masa
51 8.5 12
y = 0.1787x - 0.6375
51 8.7 10
R² = 0.9752
52 8.5 8
53 8.9 6
55 9 4
56 9.4 2
58 9.9
0
61 10.2 0 10 20 30 40 50 60 70
64 10.8

Figura 3. Resultado del ajuste de curva de δ = f(m).

2. Graficar la longitud (L), como función del período (T), correspondiente al

paso 2 del procedimiento (L = f(T)), determine la ecuación empírica y
ubique la parábola de ajuste.

Descargado por Ruben Michca Huayllani (michca.ing@gmail.com)

 lOMoARcPSD|5641576

IIA-UNSCH FS - 241

T (s) L (cm)
Gráfica de Longitud v/s Periodo
0.51 5
0.75 10 60

0.95 15 50 y = 0.1455x2 + 24.505x - 7.9871

1.13 20 40 R² = 0.9987
1.35 25 30
1.49 30 20
1.76 35
10
1.92 40
0
2.15 45
0 0.5 1 1.5 2 2.5
2.33 50

Figura 4. Resultado del ajuste de curva de L = f(T).

VI. CONCLUSIONES
Fueron correctos los datos extraídos de las dos actividades, ya que al graficar se
obtuvo una línea de tendencia casi perfecta debido a que no se logra observar puntos
que estén muy alejados a la línea de ajuste. Del mismo modo esto se reafirma con el
valor del coeficiente de correlación de cada una de las gráficas, siendo r = 0.98752982
para el primero y r = 0.99933203 para el segundo, que como se muestra son muy
cercanas a la unidad, siendo este el valor ideal para la correlación de los puntos con
respecto a su recta.

VII. CUESTIONARIO

1. Conceptúe:
• Interpolación. Ponga un ejemplo.
Este método se utiliza cuando se desee conocer valores intermedios en
una serie de datos precisos dados.
Para generar una interpolación de orden n, es necesario contar con n+1
datos conocidos.
El modelo más popular se denomina diferencia dividida de Newton y sus
formas más simples son la interpolación lineal (interpolación de primer
orden) y la interpolación cuadrática (interpolación parabólica) y el caso más
general sería la interpolación polinómica o interpolación en series de
potencia.

Ejemplo: Estimar el logaritmo natural de 3 aplicando interpolación

cuadrática. Los datos conocidos son:

Tabla 3. Valores de x y su respectivo logaritmo natural.

x Ln(x)
1 0
4 1.386294
6 1.791759
Solución.
En la figura 5, presentamos los resultados de la interpolación cuadrática
(línea de color rojo). La línea verde es una interpolación lineal la cual

Descargado por Ruben Michca Huayllani (michca.ing@gmail.com)

 lOMoARcPSD|5641576

IIA-UNSCH FS - 241

trabaja con intervalo más próximo a x = 3. Note que un intervalo más

próximo a x proporciona un mejor resultado (sin importar el grado del
polinomio utilizado) con respecto al valor real (ln3 = 1.09861229).

Figura 5. Resultados de la interpolación cuadrática de Lagrange para

estimar el logaritmo natural de 3.

• Extrapolación. Ponga un ejemplo.

La extrapolación se aplica cuando se estima un valor de f(x) fuera del rango
de los datos conocidos; x0, x1, …, xn. Cuando se realiza una extrapolación,
el error de extrapolar puede ser muy grande ya que la búsqueda se
extiende más allá de la región conocida. por lo que se debe tener cuidado
cuando se requiera extrapolar. Se sugiere la extrapolación cuando esta sea
lo más cercana a un dato conocido.

Ejemplo: En un negocio recién abierto, la primera semana hubo 150

clientes que supusieron unos ingresos de 3600 euros, y la segunda semana
200 clientes que supusieron ingresos de 5600 euros. ¿cuántos clientes se
necesitarían para generar 7000 euros de ingresos?
Solución.
i) Hallamos f(x) = y = m*x + n, resolviendo
3600 = m * 150 + n
5600 = m*200 + n
-> m = (5600 - 3600) / (200 - 150) = 200 / 50 = 40
-> n = 3600 – 40 * 150 = - 2400
Sustituyendo el valor en f(x) obtenemos:
F(x) = 40x – 2400

ii) Extrapolando
-> F(x) = 7000
40 * x – 2400 = 7000
X = (7000 + 2400) / 40 = 235

Rpt. Harían falta 235 clientes para generar unos ingresos de 7000 euros.

Descargado por Ruben Michca Huayllani (michca.ing@gmail.com)

 lOMoARcPSD|5641576

IIA-UNSCH FS - 241

2. En qué consiste los métodos de:

• Linealización.
La linealización es un proceso que permite aproximar un modelo no lineal,
por otro que, si lo es y que cumple por lo tanto las propiedades de los
sistemas lineales, en particular el principio de superposición.
Como se verá esta aproximación no tiene validez universal sino únicamente
en el entorno del punto de funcionamiento elegido, por lo que su aplicación
está indicada para aquellos sistemas cuyas señales sufren pequeñas
variaciones alrededor de sus valores de equilibrio.
En la figura se ve la interpretación gráfica de la linealización que consiste
en llevar los ejes al punto de funcionamiento, sustituir la función y la
variable por sus incrementos respecto a dicho punto, y sustituir la función
por su tangente en dicho punto.

Figura 6. Interpretación gráfica de la linealización

En esta gráfica se deducen fácilmente las consecuencias más importantes
del proceso de linealización:
- El valor de la constante (derivada) depende del punto de funcionamiento
elegido, y, por lo tanto, el modelo linealizado depende también de dicho
punto.
- La proximación entre la curva original y la recta es tanto más exacta
cuanto más cerca estemos del punto elegido, o , lo que es lo mismo, la
linealización es válida en un entorno del punto de funcionamiento.
Una vez linealizado el modelo, las variables originales se sustituyen por las
variables incrementales respecto del punto de funcionamiento elegido.
Caso general:
En caso de que la función a linealizar dependa de n variables, bastará para
desarrollar en serie de sustituir las derivadas parciales con respecto a cada
una de las variables.

Descargado por Ruben Michca Huayllani (michca.ing@gmail.com)

 lOMoARcPSD|5641576

IIA-UNSCH FS - 241

• Cambio de variable.
El método de integración por sustituir o cambio de variable se basa en la
derivada de función compuesta.
∫ f ´ ( u )∗u ´∗dx=F (u¿)+C ¿
Para cambiar de variable identificamos una parte de lo que se va a integrar
con una nueva variable t, de modo que se obtenga una integral más
sencilla.
∫ f ´ ( u )∗u ´∗dx
1. Se hace el cambio de variable y se diferencia en los dos términos:
t=u
dt = u´*dx
Se despeja u y dx, sustituyendo en la integral:
dt
∫ f ´ ( t )∗u´∗( u ´ )=∫ f ´ ( t )∗dt
2. Si la integral resultante es más sencilla, integramos:
∫ f ´ ( t )∗dt=f ( t ) +C
3. Se vuelve a la variable inicial:
f ( t ) +C=f ( u ) +C

VIII. BIBLIOGRAFÍA

- Torre. (s.f.). Física I, Ajuste por mínimos cuadrados. Recuperado de

https://ocw.unican.es/pluginfile.php/1593/course/section/2045/Ajuste%20por
%20minimos%20cuadrados.pdf.

- Romero E. (2007). Métodos Numéricos, Ajuste de curvas. Recuperado de

http://www.geocities.ws/datos_universidad/MNumericos/AjusteDeCurvas.pdf.

- Cruz M. (s.f.). Métodos Numéricos, Interpolación. Recuperado de

http://www.gridmorelos.uaem.mx/~mcruz/cursos/mn/interpolacion.pdf.

- Gonza, D. (2016). Interpolación y extrapolación de datos. Recuperado de

https://doloresgonza.files.wordpress.com/2016/09/interpolacion-1.pdf

- University of Colorado Boulder. (s.f.). Masas y resortes. Recuperado de

https://phet.colorado.edu/sims/html/masses-and-springs/latest/masses-and-
springs_es_PE.html?
fbclid=IwAR3XveF_28_rd1e4hXvYVWYnzS29Ehcv4sk6_01M5bkQcwHkrLnvYf
8yu5I.

- Anónimo. (s.f.). Análisis Dinámico de sistemas, Linealización. Recuperado de

http://isa.uniovi.es/docencia/adsii/H2.pdf.

- Matemáticas online.(s.f.). Métodos de Integración. Recuperado de

https://www.matematicasonline.es/pdf/Temas/2BachCT/Metodos%20de
%20integracion.pdf.

Descargado por Ruben Michca Huayllani (michca.ing@gmail.com)