Universidad de Costa Rica

Facultad de Ciencias Básicas

Escuela de Física

Laboratorio de Física General I (FS-211)

Graficación (II): Recta de mejor ajuste

Profesor:

Daniel Bolívar Roviski

Estudiantes:

Sandra Camila Coghi Redondo

Daniel Zúñiga Rojas

Grupo 06

Agosto, 2020
 Graficación (II): Recta de mejor ajuste

I. Objetivos:

Objetivo general:

Introducir al estudiante, por medio de la utilización de simuladores, en la técnica de

los mínimos cuadrados y curva de mejor ajuste para su posterior aplicación en el
análisis y presentación de los resultados obtenidos en las sesiones de laboratorio.

Objetivos específicos:

1. Adquirir destrezas en el manejo del simulador PhET.

2. Determinar el tipo de ajuste más adecuado para un conjunto de datos.

3. Introducir el significado de diversos conceptos estadísticos tales como:

coeficiente de correlación, distribución de Pearson y prueba de chi-cuadrado.

II. Marco Teórico:

Existen técnicas de optimización que se utilizan para análisis de conjuntos de datos.

Uno de los métodos que se puede utilizar es el ajuste de curvas que mediante
interpolaciones aproxima una curva polinámica que contiene la mayor cantidad de
puntos de un conjunto de datos de dispersión para así reducir el error. También es
definido como la diferencia entre el estimador y lo que se estima.

Los ajustes de curvas se pueden realizar por:

· Regresiones lineales, se relaciones variables con comportamiento lineal.

· Mínimos cuadrados, se utiliza una variable como referencia y se establecen

interpolaciones.

· Regresiones lineales múltiples, se establece una relación entre una variable

independiente y varias dependientes.

Al igual, hay parámetros estadísticos como medidas de dependencia e

independencia y las medidas de significancia; que facilitan al analista la
interpretación de datos.

III. Trabajo Previo:

Prueba de Chi-cuadrado: determina la diferencia existente entre una variable que
se desvía más de la previsto respecto a una distribución regular de grupos, estima
si los datos obtenidos se ajustan a los resultados esperados, se utiliza para estudiar
tendencias. Consiste en la suma de las diferencias para cada grupo entre lo que se
obtuvo y lo que se esperaría si la hipótesis nula (resultados obtenidos previamente)
fuera cierta.
Coeficiente de correlación: relación de covarianza determinada por la desviación
estándar entre dos variables, define que tan conveniente sería una función lineal
para explicar las variables; produce valores desde -1 a 1.
Coeficiente de determinación: se calcula por la relación de las varianzas previstas
por un modelo y las varianzas de los datos obtenidos, de esta manera determina
qué tan eficiente es el modelo propuesto en explicar la varianza.

IV. Procedimiento

PARTE 1: INICIACIÓN DEL SIMULADOR Y FUNCIONES GENERALES

1. Ingresar al siguiente enlace que dispone el simulador a utilizar:

https://phet.colorado.edu/es/simulation/curve-fitting

2. Darle click al botón de reproducir en la gráfica que aparece en la página.

3. Arrastrar las bolas de la parte inferior izquierda de color naranja dentro del
gráfico, para así generar un conjunto de datos.

4. Con el grupo de datos generado, seleccionar el recuadro superior derecho

que tiene la opción de “Curva y Valores” para visualizar la curva de mejor ajuste y
las coordenadas de cada bola. La configuración se mantiene durante toda la
simulación.

5. Luego, seleccionar el ícono de ajuste que se necesite dependiendo el caso,

ya sea lineal, cuadrático o cúbico.

6. En el recuadro de Desviaciones podrá visualizar las medidas de coeficiente

de correlación y del chi-cuadrado.

PARTE 2: INTERPRETACIÓN DEL COMPORTAMIENTO DE UN CONJUNTO DE

DATOS.

1. De forma aproximada, colocar las bolas en la gráfica para cada caso según los
datos registrados en las Tablas 1, 2 y 3 mostradas en líneas abajo.
2. Seleccionar el mejor tipo de ajuste según el comportamiento observado.
3. Registrar en la Tabla 4 los resultados obtenidos.
4. Realizar una captura de pantalla para cada gráfica y adjuntarlo en el reporte.

CASO 1: La espectroscopia es una técnica ampliamente utilizada en la química

analítica para determinar la identidad de una sustancia según la absorción de
radiación ultravioleta, visible o infrarroja de la misma. Un meteorito, fue pulverizado
en un molino de bolas y el polvo resultante fue tratado con varios ácidos minerales
para obtener una disolución homogénea, se sabe que dicha disolución contiene una
cantidad desconocida de Paladio(II) la cual fue determinada por un método
espectrométrico donde se obtuvieron los siguientes resultados:

Tabla 1. Absorbancia de la muestra de Paladio(II) según la cantidad de titulante

añadido.

Volumen(mL) Absorbancia

0,0 0,209

4,0 0,300

6,0 0,400

8,0 0,450

10,0 0,500

CASO 2: El peso de un bebé en gestación aumenta de forma gradual a medida que

el período de embarazo aumenta. Si se toma la coordenada (0,0) como el momento
de nacimiento, se sabe que el niño seguirá creciendo y aumentando de peso luego
de este punto. Tomando los valores negativos como el tiempo en el que el bebé
está en el vientre de su madre y los valores positivos cuando ya este ha nacido, se
tienen los siguientes datos:

Tabla 2. Aumento del peso de un bebé desde su período de gestación hasta

unos meses después de su nacimiento

Número de mes Peso (kg)

-5 0,24

-2 1,60

0 3,40

3 6,20

9 9,20

CASO 3: Un cuerpo lanzado desde cierta altura puede, desde un punto de vista
físico, modelarse como el lanzamiento de un proyectil que se mueve en dos
dimensiones. Un niño lanzó una pelota desde su ventana en un edificio de diez
metros de altura y se registró en la tabla 3 la distancia recorrida en cada lapso
hasta su llegada al suelo.
 Tabla 3. Distancia recorrida por la pelota en función del tiempo de
vuelo

Tiempo (s) Distancia (m)

3,0 -10,00

2,5 -6,00

2,0 -3,40

1,0 -1,60

0,0 0,00

Tabla 4. Gráficas y sus respectivas medidas de mejor ajuste para cada caso
reportado

Gráfica r^2 X^2

Referencias:

Dawson, G. F. (2009). Interpretación fácil de la bioestadística: La conexión entre la

evidencia y las decisiones médicas. Barcelona, España: Saunders.

Rodríguez, M. E.; Álvarez, S.; Bravo, E. (2001). Coeficientes de Asociación.

México: Plaza y Valdez.