Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 Introducción.
¿Qué es el cálculo diferencial e integral? ¿Por qué es útil conocer sus ideas? ¿Qué tipo de
problemas permite resolver?
Figura 1: Línea de tiempo correspondiente a los tres períodos que comprenden el desarrollo del cálculo.
Durante el período de anticipación fue cuando se comenzó a utilizar procesos infinitos para
encontrar el valor de áreas y encontrar máximos y mínimos de cantidades. En la etapa de
desarrollo, Issac Newton (1643 - 1727) y Gottfried Leibniz (1646 - 1716) reunieron todas
estas técnicas bajo los conceptos de derivada e integral. La última etapa, ya a partir del siglo
XIX, corresponde a la formalización del cálculo infinitesimal reformulando los desarrollos en
términos de límite de funciones numéricas y sucesiones.
Las técnicas y procedimientos del cálculo tuvieron mucho éxito y resultaron muy útiles para
explicar fenómenos concretos de otras ciencias como la física, ingeniería o la astronomía. Sus
desarrollos estuvieron íntimamente ligados al desarrollo de las teorías sobre la mecánica, el
electromagnetismo, la dinámica de fluidos, la acústica, la óptica, termodinámica, etc.
En las ciencias químicas o las ciencias biológicas la relación con el cálculo diferencial El reduccionismo es un término de
e integral se establace quizás de manera indirecta, o en términos reduccionistas, a través la sociología que se utiliza para de-
de la física y los conocimientos generados en los estudios del movimiento de partículas, la nominar el proceso mediante el cual
composición de la materia, la termodinámica, la cinética de gases, transporte de energía, etc. se quieren explicar los fenómenos de
Por ejemplo, es común que en los procesos biológicos aparezcan términos como: circulación una ciencia con los términos y pro-
de la sangre, bombas, presión, conexiones nerviosas, redes neuronales, dinámica poblacional, cedimientos de otra. Se dice que una
ciencia es reducida a otra ciencia
etc. O en el caso de sistemas químicos, se considere la intervención de una gran cantidad de
más general.
moléculas que, desde el punto de vista mecánico, se mueven y colisionan en forma aleatoria.
2 Capítulo 1. ¿Qué es el cálculo diferencial e integral?
Otras áreas de la matemática apare- Pero la relación más profunda entre la matemática y las ciencias naturales se establece a
cen en las ciencias naturales apor- través de la noción de modelo. En particular, los modelos matemáticos basados en el cálculo
tando sus estructuras en otro tipo diferencial e integral porque involucran el estudio de cómo cambian o cómo varían los
de modelos, tales como los mode- sistemas. Se trata del estudio de funciones, sus cambios y cómo son esos cambios. La posición
los geométricos en la estructura del de un automóvil cambia en función del tiempo transcurrido, la cantidad de glucosa en la sangre
ADN o en la conformación de na- cambia según aumenta la cantidad de insulina, la velocidad a la que se realiza una reacción
notubos, la teoría de grafos en las
química varía según la temperatura.
redes neuronales, la teoría de sime-
trías en la estructura de los cristales,
la estadística, etc. Presentaremos una versión resumida de la noción de modelo en la construcción del conoci-
miento científico. Los interesados en profundizar sobre el tema pueden consultar:
La noción de modelo en Ciencias. Olimpia Lombardi. Educación en Ciencias. Vol. II. Nro. 4.
https://drive.google.com/file/d/17BpXOp_984iknJ3X2P2m4BqLlkzpRiHw
2 Modelos matemáticos.
Sistema Real La relación entre la matemática y las ciencias naturales no se realiza de forma azarosa
o descontrolada; se enmarca en lo que se denomina modelos. Construimos modelos para
representar de alguna manera, alguna parte de la naturaleza, algún fenómeno o sistema real
que es de nuestro interés.
Modelo 1
C La palabra modelo tiene múltiples interpretaciones que van desde la moda, cosmética
y belleza (las modelos de pasarela), la política (profundización del modelo, modelo
Modelo 2 de desarrollo) hasta la connotación normativa como sinómimo de ejemplaridad (el
niño modelo). También existe en las matemáticas una concepción formalista de modelo
asociado a los sistemas axiomáticos. Por eso es necesario determinar con alguna precisión
a qué llamaremos modelo matemático y de esa manera evitar confusiones.
..
. Comenzamos diciendo que no existe el modelo de un sistema real dado, sino una multiplicidad
de modelos según los factores que se eligen, los postulados, las estructuras, etc. La elección
del modelo a utilizar depende del interés de cada caso particular (ver Figura 2).
Modelo n Un sistema real es un sistema complejo, que involucra una gran cantidad de factores, por lo que
se vuelve complicado – y a veces imposible - tener en cuenta todas y cada una de las múltiples
características de sus elementos. Por este motivo se prefiere trabajar con sistemas simplificados
No existe el modelo del sistema. e idealizados, abstrayendo y reduciendo el problema bajo estudio sólo a las variables que se
consideran relevantes. Esta reducción es lo que en ciencias experimentales (biología, química,
física, etc.) se denomina modelo.
Figura 2: Esquema orientativo so-
Todos los modelos tienen un conjunto de definiciones y enunciados que le dan forma. Son
bre diferentes modelos que pueden
las hipótesis teóricas que se hacen sobre el sistema. En muchas ocasiones (vale aclarar que
representar a un mismo sistema.
no siempre ocurre, ni necesariamente tiene que ser así), estos enunciados se escriben en
términos matemáticos. Cuando nos referimos a modelo matemático nos referimos entonces a
la utilización de las herramientas matemáticas (funciones, geometría, etc.) y su propio lenguaje
matemático para modelar una situación correspondiente a un sistema real. Las herramientas
matemáticas podrían variar según las necesidades abarcando uno o varias disciplinas internas de
la matemática como el cálculo infinitesimal, la matemática discreta, la teoría de probabilidades,
la teoría de grafos, etc.
(datos empíricos) y las predicciones teóricas deben contrastarse para determinar el grado de
validez del modelo construido y funcionar como sistema de retroalimentación. En algunos casos
se requiere hacer algunos ajustes; pero en otros casos corresponde abandonar completamente
el modelo.
En la Figura 3 se representa en forma esquemática la situación descripta anteriormente.
Se construye.
Comparación.
Confrontación.
Modelo matemático.
Ecuaciones, definiciones, fórmulas. Predicciones
Generalizaciones, simplificaciones. teóricas
Debemos distinguir los dos grandes niveles en la construcción de un modelo en las ciencias
experimentales:
• el sistema real, y
• el modelo construido.
Entre ambos, sistema real y modelo, se establece una relación compleja. En general sucede
que hay elementos del sistema que se descartan y por lo tanto no aparecen en el modelo que se
está considerando. También puede darse el caso inverso, pueden existir elementos del modelo
construido que no tienen su correspondiente en el sistema real.
A continuación presentamos tres ejemplos de conjuntos de datos recolectados en distintas situaciones. En cada caso, el conjunto de
datos se presenta acompañado por una curva en azul que pretende ser un ajuste posible.
3.6
En los tres gráficos se presentan
3.4 a) un conjunto de datos experimentales representa-
Peso al nacer (en kg)
2.4
34 35 36 37 38 39 40 41 42
Semanas de gestación
(a) Peso al nacer (en kg) vs. la cantidad de semanas de gestación de 32 bebés.
250 8
Población (en millones)
200
Riesgo hospitalario
6
150
100 4
50
2
0
1,800 1,850 1,900 1,950 2,000 6 8 10 12 14 16 18 20
Año Cantidad de semanas
(b) Población de EEUU (en millones de personas) (c) Riesgo hospitalario en 112 pacientes vs. la canti-
extraído de los censos realizados en cada década. dad de semanas de hospitalización.
de tal manera que cada punto P de coordenadas (x, y) de la recta satisface la ecuación 1.
y
(x2, y2 )
y2
(x1, y1 ) y2 − y1
y1
x2 − x1
(0, b)
x1 x2 x
y = mx + b =⇒ y = 3x − 1.
Ejemplo 4.2 — Ecuación de una recta conociendo la pendiente y punto que le pertenece.
La ecuación de la recta que pasa por el punto P = (−1, 3) y tiene pendiente m = −2 es
Ejemplo 4.3 — Ecuación de una recta conociendo dos puntos que le pertenecen.
Para calcular la ecuación de la recta que pasa por los puntos P = (3, 1) y Q = (9, 6)
podemos proceder, en un primer paso, calculando la pendiente de la recta
y2 − y1 6 − 1 5
m= = =
x2 − x1 9 − 3 6
y en un segundo paso, determinando la ecuación de la recta procediendo como en el
Ejemplo 4.2 usando el valor calculado para m = 56 y el punto P = (3, 1)
5
y − y0 = m(x − x0 ) =⇒(x − 3). y−1=
6
El procedimiento será igualmente válido si consideráramos el otro punto Q = (9, 6).
9 ◦
[◦ F] = [ C] + 32
5
b) ¿Es cierto que 5◦ C es equivalente a 41◦ F? ¿Es cierto que 0◦ F equivalen a −18◦ C?
120
100
grados Fahrenheit
80
60
40
0 10 20 30 40 50
grados Celsius
4 Modelos lineales 7
Actividad 1.2 La presión del aire suministrado por el regulador a un buzo varía linealmente
con la profundidad en el agua. Cuando el buzo está a 10 metros, el regulador entrega 2.02
atmósferas, mientras que a 20 metros, el regulador entrega 3.04 atmósferas. Encuentren la
presión de aire entregado en la superficie (0 metros de profundidad), a los 15 metros de
profundad, y a los 40 metros de profundidad (la profundidad máxima permitida para buceo
recreativo). Representen la relación entre la presión del aire y la profundidad en el agua.
presión del aire (en atmósferas)
Semanas de
2
gestación Peso al nacer
36 2.420
0 10 20 30 40 38 2.940
38 3.130
profundidad del buzo (en metros) 34 2.450
39 2.760
Figura 8: Relación lineal entre la presión del aire y la profundidad en el agua. 35 2.440
40 3.226
42 3.301
37 2.729
4.2 Modelos lineales estadísticos 40 3.410
36 2.715
Como primer ejemplo de modelo lineal estadístico trabajaremos con un estudio realizado 39 3.095
con 32 bebés en el que se consignaron los datos de la cantidad de semanas de gestación al 39 3.130
momento de nacer y el peso (en kilogramos) del bebé al momento del nacimiento. Los datos 39 3.244
se presentan en la Tabla 1 y en la Figura 9. 35 2.520
39 2.928
3.6 41 3.523
42 3.446
3.4 38 2.920
39 2.957
Peso al nacer (en kg)
3.2 42 3.530
38 2.580
3 37 3.040
42 3.500
2.8 41 3.200
39 3.322
2.6 40 3.459
42 3.346
2.4 35 2.619
41 3.175
34 35 36 37 38 39 40 41 42 38 2.740
Semanas de gestación 36 2.841
Figura 9: Peso al nacer (en kg) vs. la cantidad de semanas de gestación de 32 bebés. Tabla 1: Peso al nacer (en kg) de 32
bebés y la cantidad de semanas de
gestación al nacer.
Actividad 1.3 Discutan en el grupo y escriban un párrafo que describa los datos tal como se
observan en la Figura 9. Por ejemplo, es interesante intentar responder las preguntas ¿los
datos están alineados? ¿tienen una forma específica? ¿alguna característica que se pueda
destacar?
8 Capítulo 1. ¿Qué es el cálculo diferencial e integral?
Los datos recopilados se encuentran dispersos de manera tal que la elección de algún modelo
determinista simple representa un problema no sencillo de resolver. Sin embargo, por la
disposición de los puntos en el sistema de ejes cartesianos y también por un criterio de
simplicidad, se propone comenzar con modelos lineales. El problema consiste en elegir una
recta que represente al conjunto de datos de la mejor manera posible. Para lo cual tendremos
que decidir previamente, qué entendemos por “la mejor manera posible”. Considerando que
las rectas están determinadas por la pendiente y la ordenada al origen buscamos una manera
de elegir m (la pendiente) y b (la ordenada al origen) para que la recta de ecuación
p = ms + b
se aproxime lo mejor posible a los datos recopilados. En este caso, hemos decidido tomar a
• s como la variable en el eje horizontal asociada a la cantidad de semanas de gestación,
• p como la variable en el eje vertical asociada el peso del bebé al nacer (en kilogramos).
Hay infinitas rectas posibles para elegir. A continuación presentamos 4 opciones de rectas
para ajustar a los datos recolectados.
Actividad 1.4 Discutan en grupo, estableciendo algún criterio consensuado, ¿cuál de los
siguientes 4 modelos lineales propuestos es el mejor.
3.6 3.6
3.4 3.4
Peso al nacer (en kg)
3.2 3.2
3 3
2.8 2.8
2.6
2.6
2.4
2.4
34 35 36 37 38 39 40 41 42 34 35 36 37 38 39 40 41 42
Semanas de gestación Semanas de gestación
(a) Modelo lineal 1: p = 0.15s − 2.76. (b) Modelo lineal 2: p = 0.21s − 5.1.
3.6 3.6
3.4 3.4
Peso al nacer (en kg)
3.2 3.2
3 3
2.8 2.8
2.6 2.6
2.4 2.4
34 35 36 37 38 39 40 41 42 34 35 36 37 38 39 40 41 42
Semanas de gestación Semanas de gestación
(c) Modelo lineal 3: p = 0.15s − 2.8. (d) Modelo lineal 4: p = 0.1s − 0.73.
Figura 10: Cuatro modelos lineales propuestos para ajustar los datos observados de peso y semanas de gestación de la Tabla 1.
4 Modelos lineales 9
El error cuadrático medio nos da una medida del error que se comete con la recta elegida:
a) El ECM siempre es un número mayor o igual a 0.
b) La única opción para que el ECM sea igual a 0 es cuando la recta elegida pasa exactamente
por todos los puntos experimentales.
c) Si el ECM es un valor cercano a 0 quiere decir que la recta elegida está muy próxima
de los puntos experimentales.
A continuación calcularemos el ECM para el modelo p = 0.15s − 2.76 asociado a los datos
del peso y las semanas de gestiación de los 32 bebés.
Tabla 2: Determinación del EMC para el modelo p = 0.15s − 2.76 asociado a los datos de la Tabla 1.
Se ha calculado que el ECM del modelo p = 0.15s − 2.76 es: 0.0285. De la misma manera,
calculamos los ECM para los otros 3 modelos propuestos en la Figura 10.
4 Modelos lineales 11
Actividad 1.5Hemos calculado el ECM de cuatro modelos elegidos como ejemplo. No está
muy claro por qué elegimos esos cuatro y no otros.
a) ¿Hay otros modelos lineales que se puedan utilizar? Propongan dos distintos a los
utilizados previamente.
b) ¿Es posible que los modelos propuestos en el inciso anterior tengan un ECM menor
al encontrado 0.0285?
C Para poder calcular el ECM de los nuevos modelos tendríamos que utilizar alguna
planilla de cálculo o software de manera de agilizar los cálculos. No lo haremos en
esta oportunidad.
Los interesados pueden obtener una copia de los datos para cargar en la planilla de
cálculo en el siguiente link:
https://docs.google.com/spreadsheets/d/1r0wE_VwdQNZAw-YyUmc6qe2UxyJ2xkIa90_
WpeCGTwE/edit?usp=sharing
En la siguiente sección estudiaremos un método que permite determinar el modelo lineal que
posee el menor ECM posible de manera que, desde este punto de vista, determinaremos el
modelo lineal que mejor se ajusta a los datos experimentales.
Paso 2: Cargar los datos experimentales mediante la opción de Tabla. Cambiar los
encabezados de las columnas por s (para la columna de las semanas) y p para
la columna de los pesos.
Paso 3: Una vez cargados todos los datos. En la siguiente casilla de instrucción escribir
la forma del modelo propuesto de la siguiente manera.
Por lo tanto,
• Pendiente m = 0.131093 kg/[cantidad de semanas]
• Ordenada al origen b = −2.04726 semanas.
p = 0.131093s − 2.04726
Paso 6: Desmos también realiza la gráfica de los valores cargados y del modelo lineal
encontrado. Moviendo la pantalla y ajustando el zoom. Ver Figura 13.
3.6
3.4
Peso al nacer (en kg)
3.2
2.8
2.6
2.4
34 36 38 40 42
Semanas de gestación
El modelo lineal p = 0.131093s − 2.04726 es el mejor modelo lineal que se ajusta a los datos Figura 13: Captura de pantalla de
observados de peso y semanas de gestación de los bebés al nacer según el criterio de error datos y ajuste lineal elaborada en el
cuadrático medio. Paso 6.
14 Capítulo 1. ¿Qué es el cálculo diferencial e integral?
Los datos de la Tabla 1 fueron clasificados según se tratase de madre fumadoras o madre no
fumadora como se presenta a continuación.
Semana de gestación Peso al nacer Madre fumadora Semana de gestación Peso al nacer Madre fumadora
38 3.130 No 38 2.940 Sí
34 2.450 No 36 2.420 Sí
40 3.226 No 39 2.760 Sí
37 2.729 No 35 2.440 Sí
40 3.410 No 42 3.301 Sí
39 3.095 No 36 2.715 Sí
39 3.244 No 39 3.130 Sí
35 2.520 No 39 2.928 Sí
41 3.523 No 42 3.446 Sí
38 2.920 No 39 2.957 Sí
42 3.530 No 38 2.580 Sí
37 3.040 No 42 3.500 Sí
39 3.322 No 41 3.200 Sí
40 3.459 No 42 3.346 Sí
35 2.619 No 41 3.175 Sí
36 2.841 No 38 2.740 Sí
3.6
3.4
Peso al nacer (en kg)
3.2
3
Madres fumadoras
2.8 Madres no fumadoras
2.6
2.4
34 36 38 40 42
Semanas de gestación
5 ¿Por qué cantan más los grillos en verano? Chirridos por Temperatura
En verano, durante las tardes o las noches, el canto de los grillos no pasa desapercibido; es minuto (°C)
difícil evitar escuchar ese “cri-cri” que emiten los grillos machos (los únicos que cantan) 176 26.944
cuando intentan atraer a las hembras. ¿Cómo influye la temperatura ambiente en el “chirrido” 185.6 25.833
de los grillos? 174.4 25.556
140 23.056
Actividad 1.7 Un método casero bastante popular en las provincias del norte dice que se
130.4 20.000
puede conocer la temperatura ambiente escuchando el cantar de los grillos. Hay que contar
115.6 18.889
la cantidad de chirridos por minuto que se escuchan, dividiendo por 7 y luego sumando 4.
110.8 18.333
Se considera en este caso que la temperatura está medida en grados Celsius. Determinen
102 16.389
una expresión algebraica que relacione la temperatura ambiente y la cantidad de chirridos
81.5 13.889
descripta por el método casero. Detallen las variables utilizadas y sus unidades.
50 12.778
La Tabla 5, construida en base a los datos experimentales de un estudio realizado en Colorado 144.8 22.500
(Estados Unidos) en el año 2007, relaciona el promedio de la cantidad de chirridos de una 140 22.222
especie de grillos emitidos durante un minuto con la temperatura ambiente en grados Celsius. 132.4 21.667
126 20.556
Actividad 1.8 Utilicen Desmos para realizar las actividades: 115.2 19.167
a) Representen gráficamente los datos de la tabla mediante un gráfico de puntos. En 85.2 15.556
el eje horizontal ubicar la cantidad de chirridos y en el eje vertical la temperatura. 151.2 23.889
Incorpore al gráfico la recta asociada al método casero. 148 22.917
b) Realicen un ajuste lineal mediante el método de mínimos cuadrados. Incorporen al 94.64 16.111
gráfico anterior la recta obtenida. 74 11.111
c) Describan la diferencia entre las rectas encontradas. ¿Cuál considera que aproxima 110.8 18.333
mejor los datos? 104 17.222
d) ¿Qué limitaciones aparecen desde el punto de vista biológico para utilizar estos 86.8 15.000
modelos?
e) ¿En qué rango de temperaturas son válidos? Tabla 5: Chirridos por minuto y tem-
f) ¿Cómo puede mejorarse la precisión del modelo determinado por mínimos cuadrados? peratura de una especie de grillos en
g) ¿Por qué cantan más los grillos en verano? Nebraska.
Las respuestas que pudieron desarrollar dan cuenta de la complejidad de la relación entre el
problema biológico y el modelo matemático. Es muy probable que las respuestas no hayan
sido completas pero seguramente permiten apreciar cómo se aproximan el modelo matemático
y el problema biológico y en parte, algunas de las limitaciones y modos de utilización.
La pregunta d) es de naturaleza biológica, y la matemática juega un papel pobre allí. Podríamos
preguntarnos sobre las cuestiones biológicas que se estudian. Desde un punto de vista práctico,
este termómetro biológico tiene usos limitados. Los grillos generalmente cantan sólo algunos
meses en el año y durante la noche cuando la temperatura es superior a los 10° C.
Las preguntas e) y f) resultan importantes por el vínculo entre el proceso de modelado
matemático y el problema biológico que se estudia. El rango de validez en cuanto a las
temperaturas determinan el dominio en el cual corresponderá usar el modelo. Generalmente,
los límites para usar el modelo matemático están dados por los puntos entre los cuales se han
recolectado los datos (o posiblemente ligeramente un poco más allá de los datos recolectados).
En nuestro caso, los datos disponibles se encuentran entre los 11°C y los 27°C. Que es
apropiada para las noches en Colorado durante agosto y septiembre. El método casero, aunque
alejado un poco de los datos recopilados, es mucho más sencillo de utilizar en una noche de
verano con amigos.
La última pregunta g) puede ponerse también en términos de limitaciones del modelo. El
modelo no puede responder a la pregunta de causalidad entre las dos variables. No hay una
explicación del fenómeno que permita deducir cómo influye la temperatura ambiente en la
frecuencia con la que los grillos frotan sus patas traseras para generar el chirrido; sólo una
correlación estadística de las observaciones. Será necesario conocer más sobre el metabolismo
y la morfología del insecto para plantear alguna hipótesis de respuesta a la pregunta. Luego
vendrán otras tantas como: ¿Por qué es tan difícil ubicar al grillo que canta cuando estamos en
una habitación? ¿Por qué cantan al unísono todos los grillos del campo?
16 Capítulo 1. ¿Qué es el cálculo diferencial e integral?
Actividad 1.9 En las actividades previas ubicamos en el eje horizontal los valores corres-
pondientes a los chirridos por minuto de los grillos y en el eje vertical a la temperatura
ambiente. Sin embargo, es más natural que la variable independiente sea la temperatura
dado que por algún mecanismo que desconocemos afecta al grillo haciendo que produzca
más chirridos por minuto. Encuentren, a partir de la ecuación obtenida en la Actividad
1.8 item b) la ecuación lineal que represente la cantidad de chirridos en función de la
temperatura. Estime la cantidad de chirridos por minuto cuando la temperatura es de 21◦ C.
6 Ejercitación
En cada caso, hallen la ecuación de la recta que satisface las condiciones
Ejercicio 1.1
mencionadas:
1
a) pasa por el punto (2, −3) y tiene pendiente −
3
b) pasa por el punto (7, 5) y tiene pendiente 0
c) pasa por los puntos (3, −1) y (2, −1)
d) pasa por los puntos (−1, 3) y (5, −3)
e) corta al eje y en 2 y pasa por el punto (−2, 3)
f) paralela a la recta 3x − 6y = 1 y pasa por el punto (1, 0)
g) perpendicular a la recta 4x − 3y + 2 = 0 y pasa por el punto (3, 2).
Ejercicio 1.2 Escriban la ecuación de una recta para cada una de las siguientes gráficas
10 26
10 33
20 19 Ejercicio 1.4 Encuentren la ecuación de la recta que pasa por los puntos (−1, 2) y (2, 0).
20 27 ¿Cuál es la pendiente y la ordenada al origen para esta recta? Grafiquen la recta.
20 23
30 14
Ejercicio 1.5 En un experimento para observar el efecto de la temperatura de almacenamiento
30 19
en la actividad de un antibiótico se almacenaron tres porciones de 1 gramo del antibiótico
30 21
durante tiempos iguales a cada una de las siguientes temperaturas: 0◦ C, 10◦ C, 20◦ C y
30◦ C. Las lecturas de actividad observadas al final del período experimental son las que se
Tabla 6: Actividad de los antibióticos.
muestran en la Tabla 6.
La actividad U de los antibióticos es una medida relativa; se calcula comparando la inhibición
del antibiótico analizado en microorganismos sensibles y específicos por concentraciones
conocidas y una sustancia de referencia. Bajo ciertas condiciones (concentraciones y
sustancia de referencia), en esa comparación, se establece una unidad de referencia de 1 U.
6 Ejercitación 17
Ejercicio 1.6Los problemas visuales y muscoesqueléticos relacionados con el uso de Figura 15: Amplitud entre párpados.
monitores se han vuelto bastantes recientes. Se estudia la relación entre el área de superficie ASO (cm2 ) Amplitud (cm)
del ojo (ASO, en cm2 ) y la amplitud entre los párpados (en cm) de 19 individuos y se
presentan los resultados en la Tabla 7. 0.4 1.02
a) Determinen el ajuste lineal de mínimos cuadrados correspondiente. 0.48 0.88
b) ¿Qué unidades corresponden a la pendiente y a la ordenada al origen del modelo 0.57 1.52
encontrado? 0.7 1.5
c) Según el modelo lineal encontrado, ¿qué amplitud entre párpados se espera para un 0.75 1.8
individuo cuya superficie ocular es de 1 cm2 ? 0.78 1.63
0.84 2
0.99 2.48
1.12 3.05
Ejercicio 1.7Para un gas que se mantiene a volumen constante, la presión P depende 1.15 3.18
linealmente de la tempertura T. Luego, podemos escribir la ecuación 1.25 3.68
1.25 3.82
P = kT + b, 1.3 4.27
1.34 3.12
para algunas constantes k y b.
1.4 3.75
a) Supongamos que se corre un experimento y se encuentra que cuando T = 0 C,la
◦
1.43 4.1
presión P = 760 mm de Hg. Y que cuando T = 100 C, la presión P = 1040 mm
◦
1.49 3.77
de Hg. Encuentren las constantes k y b para la ecuación anterior (indicando sus
1.58 4.21
unidades).
1.6 4.92
b) El cero absoluto puede aproximarse encontrando dónde la presión es P = 0. Encuentren
la temperatura en ◦ C para el cero absoluto a partir del item anterior.
Tabla 7: ASO vs. amplitud de los
párpados.