Fabritzio Fabian Nina Foronda

LABORATORIO DE FIS100L – GRUPOS F y O

PRÁCTICA 3.- AJUSTE DE CURVAS POR MÍNIMOS CUADRADOS

1.- Use la regresión por mínimos cuadrados para ajustar una línea recta a :

x 6 7 11 15 17 21 23 29 29 37 39
y 29 21 29 14 21 15 7 7 13 0 3
a) Haga una gráfica de los datos y la línea de regresión.

Grafica de Datos
35

30

25
y = -0,7805x + 31,059
20
EJE Y

15

10

0
0 5 10 15 20 25 30 35 40 45
EJE X

b) Determine la ecuación de ajuste y calcule el coeficiente de correlación.

x 6 7 11 15 17 21 23 29 29 37 39 234
y 29 21 29 14 21 15 7 7 13 0 3 159
x*y 174 147 319 210 357 315 161 203 377 0 117 2380
x^2 36 49 121 225 289 441 529 841 841 1369 1521 6262
Suma
𝑦 = 𝑚𝑥 + 𝑏
σ𝑥 ∗ σ𝑦 234 ∗ 159
σ 𝑥𝑦 − 2380 −
𝑚= 𝑛 → 11
σ 𝑥 2 234 2 → 𝑚 = −0,78
2
σ𝑥 − 6262 − 11
𝑛

σ𝑦 −0,78 σ 𝑥 159 234

𝑏 = 𝑦ത − 𝑚𝑥ҧ → − → + 0,78 ∗ = 31,05
𝑛 𝑛 11 11

𝑦 = −0,78𝑥 + 31,05

Coeficiente de correlacion 0,90 con este valor podemos ver que el coeficiente de
correlacion es fuerte

c) ¿Si otra persona hiciera una medición adicional de x=10 ,y=10 m , usted pensaría con base en una evaluación visual que
la medición era válida o invalida ?
x 6 7 11 15 17 21 23 29 29 37 39 10
y 29 21 29 14 21 15 7 7 13 0 3 10

GRAFICA DE DATOS
35

30

25

20
EJE Y

15

10

0
0 5 10 15 20 25 30 35 40 45
-5
EJE X

Como podemos observar incluso aumentando la variable de 10 los datos seran de invalida

2.- Ajuste los siguientes datos a: a) Un modelo lineal b) Un modelo de potencias y c ) una parábola.
En cada caso elabore una gráfica. ¿Cuál es el mejor ajuste para este conjunto de datos? Responda en base al valor del
coeficiente de correlación.

x 0,75 2 3 4 6 8 8,5
y 1,2 1,95 2 2,4 2,4 2,7 2,6

a) Un modelo lineal

y
3

2,5

2
y = 0,1548x + 1,4653
EJE Y

1,5

0,5

0
0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00
EJE X

x 0,75 2 3 4 6 8 8,5 32,25

y 1,2 1,95 2 2,4 2,4 2,7 2,6 15,25
x*y 0,90 3,90 6 9,60 14,40 21,60 22,10 78,50
x^2 0,56 4 9 16 36 64 72,25 201,81
Suma
𝑦 = 𝑚𝑥 + 𝑏
σ𝑥 ∗ σ𝑦 32,25 ∗ 15,25
σ 𝑥𝑦 − 78,50 −
𝑚= 𝑛 → 7
σ 𝑥 2 32,25 2 → 𝑚 = 0,15
σ 𝑥2 − 201,81 −
𝑛 7

σ𝑦 0,15 σ 𝑥 15,25 32,25

𝑏 = 𝑦ത − 𝑚𝑥ҧ → − → − 0,15 ∗ = 1,46
𝑛 𝑛 7 7
𝑦 = 0,15𝑥 + 1,46
b) Un modelo de potencias
x 0,75 2 3 4 6 8 8,5 32,25
y 1,2 1,95 2 2,4 2,4 2,7 2,6 15,25
x=logx -0,12 0,30 0,48 0,60 0,78 0,90 0,9294 3,87
y=logy 0,08 0,29 0,301 0,3802 0,3802 0,4314 0,415 2,28
x´y´ -0,01 0,087 0,144 0,2289 0,30 0,3896 0,3857 1,52
x^2 0,016 0,091 0,228 0,362 0,606 0,816 0,864 2,98
Suma
𝑦 = 𝐴𝑥 𝑏 → log 𝑦 = log 𝐴 +log 𝑥 𝑏 → log 𝑦 = log 𝐴 + 𝑏 log 𝑥 → 𝑦´ = 𝐴´ + 𝑏𝑥´

𝑛(σ 𝑥ý´) − (σ 𝑥´)(σ 𝑦´) 7 ∗ 1,52 − 3,87 ∗ 2,28

𝑏= → → 𝑏 = 0,31
𝑛 σ 𝑥´2 − (σ 𝑥´)^2 7 ∗ 2,98 − 3,872

2,28 3,87
𝐴= − 0,31 ∗ → 𝐴 = 0,15 → 𝐴 = 100,15 → 𝐴 = 1,43
7 7
𝑦 = 1,43𝑥 0,31

Modelo potencial
3

2,5

2
y = 1,4233x0,3114
1,5

0,5

0
0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00

c ) una parábola.

x 0,75 2 3 4 6 8 8,5 32,25

y 1,2 1,95 2 2,4 2,4 2,7 2,6 15,25
x*y 0,90 3,90 6 9,60 14,40 21,60 22,10 78,50
x^2 0,56 4 9 16 36 64 72,25 201,81
x^3 0,42 8,00 27 64 216 512 614,13 1441,55
x^4 0,32 16 81 256 1296 4096 5220,1 10965,38
x^2y 0,68 7,80 18 38,40 86,40 172,8 187,85 511,93
Suma

a𝑛 + 𝑏 σ 𝑥 + c σ 𝑥 2 = σ 𝑦 7𝑎 + 32,25𝑏 + 201,81𝑐 = 15,25

aσ 𝑥+bσ 𝑥 2 + 𝑐 σ 𝑥 3 = σ 𝑥 𝑦 32,25a+201,81b+1441,55c=78,50
aσ 𝑥 2 + 𝑏 σ 𝑥 3 + 𝑐 σ 𝑥 4 = σ 𝑥 2 𝑦 201,81a+1441,55b+10965,38c=511,93

𝑎 = 0,99, 𝑏 = 0,45, 𝑐 = 0,03

𝑦 = 0,99 + 0,45𝑥 − 0,03𝑥 2

Metodo Parabolico
3

2,5

1,5

0,5

0
0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00

Como podemos observar el metodo potencial es el mejor para que se ajuste

3.- Ajuste a un modelo exponencial y calcule su coeficiente de correlación:

x 0,4 0,8 1,2 1,6 2 2,3
y 800 975 1500 1950 2900 3600
Grafique el modelo en escala logarítmica y semilogarítmica.
Metodo logaritmico
x 0,4 0,8 1,2 1,6 2 2,3 8,3
y 800 975 1500 1950 2900 3600 11725
x=logx -0,4 -0,10 0,08 0,20 0,30 0,36 0,45
y=logy 2,90 2,989 3,176 3,29 3,4624 3,5563 19,4
x´y´ -1,16 -0,29 0,251 0,6716 1,04 1,2864 1,81
x^2 0,158 0,009 0,006 0,042 0,091 0,131 0,44
Suma
𝑦 = 𝐴 + 𝑏 ln 𝑥
𝑛(σ 𝑥ý´) − (σ 𝑥´)(σ 𝑦´) 6 ∗ 1,81 − 0,45 ∗ 11725
𝑏= 2
→ → 𝑏 = −2160,16
𝑛 σ 𝑥´ − (σ 𝑥´)^2 6 ∗ 0,44 − 0,452
 11725 0,45
𝐴= − (−2160,16) ∗ → 𝐴 = 2116,18
6 6
𝑦 = 2116,18 − 2160,16 ln 𝑥

Metodo Logaritmico
4000

3500

3000

2500

2000

1500

1000

500

0
0 0,5 1 1,5 2 2,5
4.- En vez de usar el modelo exponencial de base “e”, una alternativa común consiste en usar un modelo de base 10:

Cuando se usa para ajustar curvas, esta ecuación lleva a resultados idéntico que los de la versión con base “e”, pero el
valor del parámetro del exponente : B5 difiere del estimado con
el modelo exponencial. Use la versión con base “10” para resolver el problema anterior,
además, desarrolle una formulación para relacionar el exponente del modelo exponencial y el
valor B5 del modelo con base 10.

x 0,4 0,8 1,2 1,6 2 2,3 8,3

y 800 975 1500 1950 2900 3600 11725

𝑏2
𝑦 = 𝑎5 10𝑏5𝑥 → 2900 = 𝑎5𝑏 −1 →= → 𝑏 3 = 0,53 → 𝑏 = 0,81
𝑎
8,3𝑎
𝑎 = 11725 = → 𝑎 = 546,59
0,81
𝑦 = 546,6𝑒 0,81𝑥

Metodo Exponencial
4000

3500 y = 546,59e0,8187x

3000

2500

2000

1500

1000
 1000

500

0
0,0 0,5 1,0 1,5 2,0 2,5

5.- Un investigador reporta los datos tabulados a continuación, de un experimento para

determinar la tasa de crecimiento de bacterias “k” (por d), como función de la concentración
de oxigeno c (mg/L). Se sabe que dichos datos pueden modelarse por medio de la ecuación
siguiente:

Donde Cs , kmax son parámetros. Use una transformación para linealizar esta ecuación. Después utilice una regresión
lineal para estimar sus parámetros y pronostique la tasa de crecimiento para c = 2 mg/L
c 0,5 0,8 1,5 2,5 4
k 1,1 2,4 5,3 7,6 8,9

Calcule el coeficiente de correlación y realice una gráfica de la función ajustada y de los datos experimentales.
c 0,5 0,8 1,5 2,5 5 10,3
k 1,1 2,4 5,3 7,6 8,9 25,3
c*k 0,55 1,92 7,95 19 44,5 73,92
c^2 0,25 0,64 2,25 6,25 25 34,39
Suma
𝑦 = 𝑚𝑥 + 𝑏
σ𝑐 ∗ σ𝑘 10,3 ∗ 25,3
σ 𝑐𝑘 − 73,92 −
𝑚= 𝑛 → 5
σ 𝑐 2 10,3 2 → 𝑚 = 1,65
σ 𝑐2 − 34,39 −
𝑛 5
σ𝑘 1,65 σ 𝑐 25,3 10,3
𝑏 = 𝑦ത − 𝑚𝑥ҧ → − → − 1,65 ∗ = 1,66
𝑛 𝑛 5 5
𝑦 = 1,65𝑥 + 1,66
1 𝑐 1
= 2
+ , 𝑎 = 1,65 ; 𝑏 = 1,66
𝑘 𝑘∗𝑐 𝑘
𝑐 1
𝑎= ; 𝑏=
𝑘 𝑘𝑚𝑎𝑥
1
𝑐 = 𝑎𝑘 → 𝑐 = 1,65 ∗ 25,3 ⇒ 𝑐 = 41,75 → 𝑘 = → 𝑘 = 0,60
𝑏
Para c=2mg/l
1 𝑐 1 1 2 1 1
= 2
+ → = 2
+ → = 2,5 → 𝑘𝑚𝑎𝑥 = 0,4
𝑘 𝑘∗𝑐 𝑘 𝑘 0,60 ∗ 2 0,60 𝑘

6.- Luego de una tormenta se vigila la concentración de la bacteria E. Coli en un área de natación.
t(horas)
c(CFU/1 4 8 12 16 20 24
00ml) 1590 1320 1000 900 650 560
El tiempo se mide en horas transcurridas después de finalizar la tormenta y la unidad CFU es
una unidad de formación de colonia. Use los datos para estimar la concentración al final de la
tormenta (t=0) y el tiempo en el que la concentración alcanzará 200 CFU/100mL. Observe que
la elección del modelo debe ser consistente con el hecho de que las concentraciones negativas
son imposibles y de que la concentración de bacterias siempre disminuye con el tiempo.
Calcule el coeficiente de correlación y realice una gráfica de la función ajustada y de los datos experimentales.

c(CFU/100ml)
1800
1600
1400
1200
1000
800
600 y = -51,857x + 1729,3

400
200
0
0 5 10 15 20 25 30

El coeficiente de correlacion es : 0,98 con este valor podemos ver que el coeficiente de
correlacion es perfecto

7.- Un objeto se suspende en un túnel de viento y se mide la fuerza para varios niveles de
velocidad del viento. A continuación están tabulados los resultados. Use la regresión por
mínimos cuadrados para ajustar :

v,m/s 10 20 30 40 50 60 70 80
FN 25 70 380 550 610 1220 830 1450

a) Una línea recta, b) una ecuación de potencias basada en transformaciones logarítmicas. En ambos casos
calcule el coeficiente de correlación. Elija el mejor ajuste. Realice gráficas.

Tunel de viento
1600

1400

1200
y = 19,47x - 234,29
1000

800

600

400
 400

200

0
0 10 20 30 40 50 60 70 80 90
-200

v,m/s 10 20 30 40 50 60 70 80 360
FN 25 70 380 550 610 1220 830 1450 5135
v*f 250 1400 11400 22000 30500 73200 58100 116000 312850
v^2 100 400 900 1600 2500 3600 4900 6400 20400
Suma
𝑦 = 𝑚𝑥 + 𝑏
σ𝑣 ∗ σ𝐹 360 ∗ 5135
σ 𝑣𝐹 − 312850 −
𝑚= 𝑛 → 8 → 𝑚 = 19,47
σ 𝑣 2 360 2
σ 𝑣2 − 20400 − 8
𝑛
σ𝐹 19,47 σ 𝑣 5135 360
𝑏 = 𝑦ത − 𝑚𝑥ҧ → − → − 19,47 ∗ = −234,28
𝑛 𝑛 8 8
𝑦 = 19,47𝑥 − 234,28

El coeficiente de correlacion es: 0,99 Como podemos ver el correlacion es perfecta

b) una ecuación de potencias basada en transformaciones logarítmicas. En ambos casos calcule el coeficiente de
correlación. Elija el mejor ajuste. Realice gráficas.
v,m/s 10 20 30 40 50 60 70 80 360
FN 25 70 380 550 610 1220 830 1450 5135
v=lnv 2,30 3,00 3,40 3,69 3,91 4,09 4,25 4,38 29,03
v´f 57,56 209,7 1292,5 2028,9 2386,3 4995,1 3526,3 6353,94 20850,2
v^2 5,302 8,974 11,57 13,608 15,304 16,764 18,05 19,2022 108,772
Suma
𝑦 = 𝐴 + 𝑏 ln 𝑥

𝑛(σ 𝑥ý) − (σ 𝑥´)(σ 𝑦) 8 ∗ 20850,2 − 29,03 ∗ 5135

𝑏= 2
→ → 𝑏 = 646,72
𝑛 σ 𝑥´ − (σ 𝑥´)^2 8 ∗ 108,77 − 29,032

5135 29,03
𝐴= − 646,72 ∗ → 𝐴 = −1704,91
8 8
𝑦 = −1704,91 + 646,72 ln 𝑥

FN
1600
1400
1200
1000
800
600
400
200
 200
0
-200 0 10 20 30 40 50 60 70 80 90

-400

8.- La Ley de Hooke , que se cumple cuando un resorte no se estira mas allá de cierto limite, significa que la extensión de
este resorte y la fuerza que se le aplica están relacionadas linealmente. La proporcionalidad esta parametrizada por la
constante K del resorte. Un valor para dicho parámetro se establece en forma experimental con la colocación de pesos
conocidos en el resorte y la medición de la compresión que resulta. Tales datos aparecen en la tabla inferior y están
graficados. Observe que por arriba de un peso de 40x104N, la relación lineal entre la fuerza y el desplazamiento
desaparece. Esta clase de comportamiento es común de lo que se denomina “resorte en deformación”. Emplee regresión
lineal para determinar un valor de “k” para la parte lineal de este sistema. Además, ajuste una relación no lineal a la parte
no lineal
d(m) 0,1 0,17 0,27 0,35 0,39 0,42 0,43 0,44
F 10 20 30 40 50 60 70 80

Ley de Hooke
90
80
y = 180,23x - 12,898
70
60
50
40
30
20
10
0
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5

d(m) 0,1 0,17 0,27 0,35 0,39 0,42 0,43 0,44 2,57
F 10 20 30 40 50 60 70 80 360
d*f 1 3,4 8,1 14 19,5 25,2 30,1 35,2 136,5
d^2 0,01 0,029 0,07 0,12 0,15 0,18 0,18 0,19 0,94
Suma
𝑦 = 𝑚𝑥 + 𝑏

σ𝑥 ∗ σ𝑦 2,57 ∗ 360
σ 𝑥𝑦 − 136,5 −
𝑚= 𝑛 → 8 → 𝑚 = 180,23
σ 𝑥 2 2,57 2
2
σ𝑥 − 0,94 −
𝑛 8

σ𝑦 180,23 σ 𝑥 260 2,57

𝑏 = 𝑦ത − 𝑚𝑥ҧ → − → − 180,23 ∗ = −12,90
𝑛 𝑛 8 8

𝑦 = 180,23𝑥 − 12,90

9.- La aceleración de la gravedad a una altitud y por encima de la superficie de la Tierra esta dada por:
y,m 0 30000 60000 90000 120000
g,m/s^2 9,81 9,749 9,688 9,6278 9,5682

a) Encuentre el mejor modelo matemático. B) Calcule “g” para y=3850 m y para y = 55000 m.

Superficie de la Tierra
9,85

9,8

9,75

9,7

9,65

9,6 y = -2E-06x + 9,8094

9,55
0 20000 40000 60000 80000 100000 120000 140000

𝑦 = −2𝑥10−6 𝑥 + 9,80

36,67𝑥10−11 ∗ 5,97𝑥1024 36,67𝑥10−11 ∗ 5,97𝑥1024

𝑔= → 𝑔 = 9,79 𝑔 = → 𝑔 = 9,64
6371000 + 3850 2 6371000 + 55000 2
10.- La siguiente tabla muestra las velocidades de un automóvil en función del tiempo que se mueve con movimiento
uniformemente acelerado.

t,s 1,6 2,5 3,7 5,2 7,4 9,7 12,2

v,m/s 8,6 10,2 12,3 14,8 20,6 25,2 32,1

Calcular: a) El modelo matemático y su coeficiente de correlación (sugerencia: v = v0 + at), b) La aceleración del automóvil,
c) En 20 s, cual es su velocidad? d) El tiempo en segundos, cuando alcanza una velocidad de 50 km/hr.

Automovil
35

30 y = 2,2062x + 4,3541

25

20

15

10

0
0 2 4 6 8 10 12 14
 0 2 4 6 8 10 12 14

El coeficiente de la correlacion es 0,997 Como podemos observar el coeficeinte de correlacion es perfecta

𝑣𝑓 − 𝑣𝑜 32,1 − 8,6
𝑎= →𝑎= → 𝑎 = 1,93
𝑡 12,2
𝑣 = 𝑣𝑜 + 𝑎𝑡 → 𝑣 = 8,6 + 1,93 ∗ 20 → 𝑣 = 47,2

50𝑘𝑚 1ℎ 1000𝑚 𝑚 𝑣𝑓 − 𝑣𝑜 13,89 − 8,6

∗ ∗ = 13,89 𝑡= →𝑡= → 𝑡 = 2,74
ℎ 3600𝑠 1𝑘𝑚 𝑠 𝑎 1,92