Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AUTÓNOMA DEL ESTADO DE MÉXICO
FACULTAD DE CIENCIAS AGRÍCOLAS
PE. INGENIERO AGRÓNOMO FITOTECNISTA
MATEMÁTICAS APLICADAS EN AGRONOMÍA
TEMA: CONSTRUCCIÓN DE MODELOS MATEMÁTICOS LINEALES
MODELOS LINEALES. ESTUDIO DE CASO: CONVERSIÓN DE TEMPERATURAS EN CUATRO ESCALAS, °C, °F, K, °R
EJEMPLO: Conversión de °C → °F; Modelo: °F = f(°C)
Xi = °C Yi = °F
‐50 ‐58 COMPETENCIA GENÉRICA DE APRENDIZAJE: Formulación de
‐40 ‐40 modelos matemáticos a partir de un fenómeno real de interés
‐30 ‐22 por el investigador.
‐20 ‐4
‐10 14 Estudio de caso: Comportamiento de la temperatura como
0 32 magnitud escalar de la cantidad de calor en un sistema
10 50 termodinámico.
20 68
30 86 CONOCIMIENTO PREVIO: Variable termodinámica relacionada
40 104 con la energía interna o molecular (U) de un sistema, medible
50 122 mediante un termómetro en diferentes escalas de
60 140
temperatura (Grados Celsius (°C), Fahrenheit (°F), Kelvin (K),
70 158
80 176 Rankine (°R), etc.), tomando como referencia para su
90 194 construcción los estados de agregación molecular de la
100 212 materia: Temperaturas de fusión (solidificación) y de ebullición
110 230 (condensación) del agua (H2O) como disolvente universal.
120 248 Ejemplo:
130 266
140 284 SÓLIDO → LÍQUIDO → GAS
150 302 Fusión Ebullición
(0 °C) (100 °C)
(Escala Celsius o Centígrada)
(32 °F) (212 °F)
(Escala Fahrenheit)
(273 K) (373 K)
(Escala Kelvin)
(491.67 °R) (671.67 °R)
(Escala Rankine)
Donde:
Escala Celsius: Andrés Celsius, 1742 (Sueco)
Escala Fahrenheit: Daniel Gabriel Fahrenheit, 1724 (Holandés)
Escala Kelvin: William Thomson, Lord Kelvin, 1848 (Inglés)
Escala Rankine: William Rankine, 1859 (Escocés)
Analizando la tendencia de los datos observados en la tabla y graficando cada pareja de
datos (X, Y) para obtener su diagrama de dispersión, se observa que se comportan linealmente (Yi =
mXi + a, donde m, pendiente de la recta definida como m = tan α, ángulo de inclinación de la recta
= Y/X = °F/°C, rapidez de cambio y a = ordenada al origen donde la recta intersecta al eje Y en el
punto (0, Y)); se observa también que las variables X e Y están correlacionadas positivamente, es
decir, ambas crecen simultáneamente.
Atendiendo este análisis, se pueden usar como herramientas matemáticas para proponer
un modelo lineal:
1. m = tan α = rapidez de cambio = f(x2) – f(x1) / x2 – x1, para P1 (x1, f(x1)) y P2 (x2, f(x2)),
ecuación de la recta que pasa por dos puntos para el cálculo de m.
2. f(x) – f(x1) = m(x – x1), para P1 (x1, f(x1)), ecuación de la recta que pasa por un punto.
Con base en todo lo anterior y aplicando estas herramientas a los datos observados en la tabla de
arriba:
P1 = Punto de fusión del agua = (x1 = 0°C, f(x1) = 32°F) ó P1(0°C, 32°F)
P2 = Punto de ebullición del agua = (x2 = 100°C, f(x2) = 212°F) ó P2(100°C, 212°F)
PASO 1. Cálculo de m = f(x2) – f(x1) / x2 – x1 = (212 – 32)°F / (100 – 0)°C = 180°F / 100°C = 9/5 °F/°C =
1.8 °F/°C, que se interpreta como rapidez de cambio = 1.8 °F por cada grado °C que se eleva la
temperatura (a).
PASO 2. Obtención del modelo matemático que se propone para explicar el comportamiento de los
datos reales:
Aplicando la herramienta matemática 2 y sustituyendo (a) para P1 (ó P2) se tiene:
PASO 3. Comprobación de la eficacia del modelo propuesto para explicar el fenómeno de interés.
Para ello se puede sustituir cualquier valor °C y corroborar si corresponde con el valor registrado en
la escala Fahrenheit.
PASO 4. Otra manera de corroborar qué tanto el modelo propuesto explica los datos observados, es
usando la técnica de mínimos cuadrados (regresión lineal) para obtener el valor de R2, llamado
Coeficiente de Determinación, con valores comprendidos en el intervalo 0 ≤ R2≤ 1, de tal
manera que mientras su valor se aproxime más a 1, mayor será su aceptación por el investigador
para explicar el fenómeno de su interés; en caso contrario tendrá que revisarlo y ajustarlo, o bien
rechazarlo. Para valores de R2 menores o iguales a 0.5, el modelo deberá rechazarse; para valores
comprendidos entre 0.5 y 0.8 el modelo deberá revisarse y ajustarse más y para valores entre 0.8 y
1.0 el modelo propuesto podrá aceptarse.
Las herramientas matemáticas de regresión que se utilizarán para calcular el valor de R2 son:
R2 = (nb1ΣXiYi + nb0ΣYi – (Yi)2) / (nΣYi2 – (Yi)2) , donde n = número de observaciones; b1 = coeficiente de
regresión = pendiente, “m” y b0 = ordenada al origen de la recta de regresión Yi^ = b1Xi + b0 que mejor
se ajusta a la ecuación de la recta Yi = mXi + a, usada como herramienta matemática en los pasos
anteriores. Para obtener los valores de b1 y b0 de R2, se calculan así:
b1 = m = (nΣXiYi – (Xi)(Yi)) / (nΣXi2 – (Xi)2) b0 = a = (ΣYi – b1(ΣXi)) / n
Ello implica entonces encontrar los siguientes valores:
b1 = (21)(266700) – (1050)(2562) / (21)(129500) – 1102500 = 1.8 = 9/5, donde n = 21 observaciones
b0 = 2562 – 1.8(1050) / 21 = 32
Por tanto la recta de regresión que mejor se ajusta a los datos observados es:
Yi^ = 9/5Xi + 32 ó °F^ = 9/5(°C) + 32
Ahora, calculando el valor de R2:
R2 = ((21)(1.8)(266700) + (21)(32)(2562) ‐ 6563844) / ((21)(562044) – (6563844)) = 1.0
Por otro lado, si hay interés en conocer el grado de asociación entre las variables de estudio (X = °C
y Y = °F) o su correlación, se procede como sigue:
+
°C
NOTA: Si el valor de rXY → 0, entonces las variables X e Y no están asociadas ( Y );
X
si rXY → ‐1, entonces las variables X e Y están correlacionadas negativamente, es decir una de esas
variables crece y la otra decrece ( Y _ )
X
TAREA
1. Analizando cuidadosamente el ejemplo anterior para tu debida comprensión, formula un
modelo matemático (al menos uno diferente para cada integrante del equipo) que permita
convertir:
(a) °F →°C, °C = f(°F); (b) K →°C, °C = f(K); (c) °R →°C, °C = f(°R); (d) °C→K, K = f(°C); (e) °C→°R,
°R = f(°C); (f) K→°F, °F = f(K); (g) °F→K, K = f(°F); (h) °R→°F, °F = f(°R); (i) °F→°R, °R = f(°F); (j)
°R→K, K = f(°R); (k) K→°R, °R = f(K).
2. Aplica los procedimientos de regresión descritos en el ejemplo para obtener la recta de
regresión (Yi^) y calcula el valor de R2 y rXY ; describe tus resultados en cuanto a la bondad del
modelo que propones y el comportamiento de las variables respectivamente. Comprueba
que tu modelo explica los datos observados, sustituyendo algunos de estos datos en tu
ecuación de regresión.
3. Describe la rapidez de cambio utilizando el valor que obtengas del coeficiente de regresión
(b1) en el modelo que propones.
4. Grafica los datos observados en Excel y compara la ecuación de regresión y el valor de R2 que
te da esta plataforma, con lo obtenido en tus cálculos hechos previamente.
5. Calcula el valor de la temperatura en la cual °C = °F y su valor correspondiente en las escalas
K y °R
Nota: Recuerda siempre que en Y = f(X), X, es la variable independiente → Y, variable dependiente.
En el caso del punto de fusión y de ebullición en la escala °R (491.67 y 671.67, respectivamente)
emplea 492 y 672 para evitar los decimales y verifica si este redondeo afecta tus resultados finales
comparados con los valores de la ecuación de regresión y R2 que obtengas en tu gráfica en Excel.