ANÁLISIS DE GRÁFICAS II

LABORATORIO DE FÍSICA MECÁNICA

INTEGRANTES

FELIPE RICARDO ACEVEDO TORRES - 1202667

DANIEL FELIPE PEÑA CAMPAGNOLI - 2904325

MAYRA DANIELA SALAMANCA -1104170

JULIAN ESPITIA CRUZ - 1104221

DOCENTE

MANUEL DARIO VINCHIRA MORATO

UNIVERSIDAD MILITAR NUEVA GRANADA

FACULTAD DE INGENIERÍA

BOGOTÁ D.C

26 DE JUNIO DE 2023

1
 analíticos. El propósito principal es
obtener una comprensión profunda y
precisa de cómo estas variables se
RESUMEN
relacionan entre sí.

En esta práctica experimental, se

OBJETIVOS ESPECÍFICOS
realizaron mediciones utilizando una regla
para determinar el diámetro de 6 círculos
● Determinar las variables que
de papel. El objetivo principal era calcular
pueden ser medidas y establecer su
los radios de cada círculo a partir de los
relación de dependencia e
diámetros obtenidos. Además, se registró
independencia en el contexto de un
la masa de cada círculo utilizando un
experimento.
instrumento de medición adecuado.
● Realizar un análisis minucioso de
la relación entre las variables
Una vez recopilados los datos de los radios
físicas en el experimento y
y las masas, se procedió a elaborar tablas
determinar el modelo matemático
con el fin de representarlos gráficamente.
que mejor se ajusta a los datos
Se utilizó tanto papel milimetrado como
observados.
papel logarítmico para crear las gráficas
● Representar los datos de manera
correspondientes. Esto permitió explorar y
efectiva, en papel tipo de gráfico
visualizar las relaciones entre la masa y el
adecuado, ya sea papel
radio de los círculos.
milimetrado, semilogarítmico o
logarítmico, depende de la relación
La construcción de estas gráficas tenía
que se desea explorar entre los
como objetivo analizar la función
datos, así identificar patrones y
cuadrática que relaciona el radio al
tendencias.
cuadrado con la masa. Al obtener la
● Determinar la ecuación que
ecuación de la recta que mejor se ajusta a
describe la relación entre las
los datos, se buscaba proporcionar
variables mediante el análisis
evidencia empírica que respaldara o
gráfico y realizando los cálculos
ilustrara la teoría estudiada en el contexto
necesarios.
de la relación entre la masa y el radio de
● Verificar la equivalencia de los
los círculos.
resultados obtenidos al realizar los
cálculos y regresiones
correspondientes utilizando una
calculadora.
OBJETIVO GENERAL

Llevar a cabo un análisis exhaustivo de la

relación que existe entre dos variables
físicas en un experimento, empleando
tanto métodos gráficos como métodos

2

MARCO TEÓRICO
● ¿Qué es una regresión?
El análisis de regresión es un método
estadístico que permite examinar la
relación entre dos o más variables e
identificar cuáles son las que tienen mayor
impacto en un tema de interés.
Este tipo de análisis estadístico permite
clasificar matemáticamente a través de
diferentes preguntas como: ¿Qué factores
importan más? ¿Qué factores se pueden
ignorar? ¿Cómo interactúan estos factores
entre sí?, y por último, ¿Qué tan seguro te
sientes de todos estos factores?
El proceso de realizar una regresión
permite determinar con confianza cuáles
son los factores más importantes, cuáles se
pueden ignorar y cómo influyen entre sí.
Dichos factores se denominan variables las
cuales se clasifican en:
Variable(s) dependiente(s)
Es el factor más importante, el cual se está
tratando de entender o predecir.
Variable(s) independiente(s):
Es el factor que tú crees que puede
impactar en tu variable dependiente.
● ¿Cuándo la regresión es lineal
y cuándo no?
La regresión no lineal es una forma de
análisis de regresión en la que los datos se
ajustan a un modelo y luego se expresan
como una función matemática. La
regresión lineal simple relaciona dos
variables (X e Y) con una línea recta (y =
mx + b), mientras que la regresión no
lineal relaciona las dos variables en una
relación no lineal (curva).
El objetivo del modelo es hacer que la
suma de los cuadrados sea lo más pequeña
posible. La suma de cuadrados es una
medida que rastrea cuánto varían las
observaciones Y de la función no lineal
(curva) utilizada para predecir Y.
Se calcula encontrando primero la
diferencia entre la función no lineal
ajustada y cada punto de datos Y en el
conjunto. Luego, cada una de estas
diferencias se eleva al cuadrado.
Finalmente, se suman todas las cifras
cuadradas. Cuanto menor sea la suma de
estos dígitos cuadrados, mejor se ajustará
la función a los puntos de datos en general.
La regresión no lineal utiliza funciones
logarítmicas, funciones trigonométricas,
funciones exponenciales, funciones de
potencia, curvas de Lorenz, funciones de
Gauss y otros métodos de ajuste.
Puntos clave
- Tanto la regresión lineal como la
no lineal predicen las respuestas Y
de una variable X (o variables).
- La regresión no lineal es una
función curva de una variable X (o
variables) que se utiliza para
predecir una variable Y
3
 - La regresión no lineal puede
mostrar una predicción del
crecimiento de la población a lo
largo del tiempo.
El modelo de regresión no lineal es similar
al modelo de regresión lineal en el sentido
de que ambos buscan representar
gráficamente una respuesta particular a
partir de un conjunto de variables. Los
modelos no lineales son más complicados
de desarrollar que los modelos lineales
porque la función se crea a través de una
serie de aproximaciones (iteraciones) que
pueden resultar de prueba y error. Los
matemáticos utilizan varios métodos bien
establecidos, como el método de
Gauss-Newton y el método de
Levenberg-Marquardt.
A menudo, los modelos de regresión que
parecen no lineales a primera vista son en
realidad lineales. El procedimiento de
estimación de curvas se puede utilizar para
identificar la naturaleza de las relaciones
funcionales en juego en los datos, de modo
que se pueda elegir el modelo de regresión
correcto, lineal o no lineal. Los modelos de
regresión lineal, aunque normalmente
forman una línea recta, también pueden
formar curvas, según la forma de la
ecuación de regresión lineal. De manera
similar, puede usar el álgebra para
transformar una ecuación no lineal para
imitar una ecuación lineal; dicha ecuación
no lineal se denomina «intrínsecamente
lineal».
La regresión lineal relaciona dos variables
con una línea recta; la regresión no lineal
relaciona variables usando una curva.
● ¿Cuál es el método de los
mínimos cuadrados?
La regresión lineal de los mínimos
cuadrados (en inglés OLS: Ordinary Least
Squares regression) es un método común
para estimar los coeficientes de las
ecuaciones de regresión lineal que
describen la relación entre una (o varias)
variables independientes cuantitativas y
una variable dependiente. Según el número
de variables, podemos hacer una regresión
simple o múltiple. Se llama regresión de
los mínimos cuadrados porque se basa en
la minimización del error cuadrático.
También podemos utilizar el método del
máximo de verosimilitud y el estimador
del método generalizado de momentos.
● ¿Cuál es el coeficiente de
correlación?
El Coeficiente de correlación es una
medida que permite conocer el grado de
asociación lineal entre dos variables
cuantitativas (X, Y).
En los siguientes Diagramas de dispersión
se puede observar que existe una relación
lineal entre la variable X y la variable Y.
Sin embargo si trazamos una línea recta en
los diagramas.
4
 sentido de la relación lineal entre 2
variables cuantitativas.

Luego de haber aplicado la fórmula

, según el resultado se puede clasificar en
este rango.

Podemos observar que en un diagrama B

los puntos se acercan más a la recta, caso
contrario en el diagrama A, los puntos
están más alejados. Entonces podemos
decir que la relación lineal del diagrama A
es más débil con comparación a la relación
que existe en el diagrama B.

Entre más cercano es a 1 es más fuerte,

Un diagrama dispersión no nos da certeza
entre más cercano a 0 es débil hasta llegar
de que tan débil o fuerte es la relación
hacerse nula, si los valores del coeficiente
lineal, necesitamos una medida que nos de
de relación es -1 es una Asociación lineal
la fuerza de la asociación y la dirección
perfecta Negativa, si es 0 no existe
que toma esta relación.
relación y si es 1 es una Asociación Lineal
perfecta Positiva.
Para esto sirve el coeficiente de
correlación que está dado por la siguiente
fórmula.

● ¿Qué es un modelo
¿De donde sacamos estos valores?
matemático?

Los modelos matemáticos hacen referencia

Recordar entonces que el coeficiente de
correlación lineal, mide la fuerza y el
a una representación simplificada a través
del uso de funciones, ecuaciones y
fórmulas matemáticas. Ya sea que se trate
de un fenómeno o una relación que se
establece entre una o más variables.

5
También es una rama de las matemáticas la
cual estudia las diferentes cualidades y
estructuras de modelos, conocida como la
“teoría de los modelos”. Los modelos
matemáticos emplean distintos modelos
científicos en los que se deben integrar
fórmulas que demuestran relaciones,
propuestas de hechos, variables y
entidades entre variables de operaciones.
Elementos de los modelos
matemáticos:
- Las variables
- Parámetros
- Las restricciones
- Las relaciones que se establecen
entre las distintas variables
- Representaciones simplificadas
MATERIALES
Estos materiales desempeñarán un papel
fundamental en el desarrollo de la práctica
y en la obtención de datos confiables.
Círculos de cartulina
Fuente (Propia, 2023)
Reglas
Fuente (Propia, 2023)
ACTIVIDAD A REALIZAR
En este experimento, se llevaron a cabo
mediciones del diámetro de 6 círculos de
cartulina para determinar su radio.
Además, se registró la masa de cada
círculo. El objetivo principal de estas
mediciones fue generar datos para la
construcción de dos gráficas utilizando
papel logarítmico y papel milimetrado.
En primer lugar, se utilizó un instrumento
de medición adecuado para obtener con
precisión el diámetro de cada círculo. A
partir de estos valores, se calculó el radio
dividiendo el diámetro por 2, ya que el
radio es la mitad del diámetro.
Posteriormente, se midió la masa de cada
círculo utilizando una balanza digital. La
masa es una variable adicional que se
consideró en este experimento, ya que
puede tener una relación con el radio o el
diámetro de los círculos.
Con los datos de radio y masa recopilados,
se procedió a construir tres gráficas. En
una de ellas, se utilizó papel logarítmico,
6
que permite representar los datos en una
5 9,43 11,8
escala logarítmica y facilita la
identificación de relaciones exponenciales 6 9,05 14,05
o logarítmicas. En las otras dos gráficas, se
empleó papel milimetrado, que tiene ejes
Tabla 2. Masa x radio elevado al
lineales y permite una representación más
cuadrado.
precisa de los datos.
En este conjunto de datos se incluyen las
medidas obtenidas de masa y radio de
El objetivo de estas gráficas es visualizar y
todos los círculos elevados al cuadrado,
analizar la relación entre el radio y la masa
con la finalidad de determinar la función
de los círculos. Dependiendo de la forma
exponencial.
en que se distribuyan los puntos en cada
● Columna. 1(Número). Número
gráfica, se podrán identificar patrones o
consecutivo de la medida a tomar.
tendencias específicas, y se podrán realizar
● Columna 2(Masa). Número de la
inferencias sobre la relación entre estas
masa arrojado por la balanza
variables físicas.
digital correspondiente al círculo
de la fila correspondiente de la
Tabla 1. Masa x radio.
columna 1.
En este conjunto de datos se incluyen las
● Columna 3(Radio). Número del
medidas obtenidas de masa y radio de
radio correspondiente al círculo de
todos los círculos.
la fila correspondiente de la
● Columna. 1(Número). Número
columna 1 elevado al cuadrado.
consecutivo de la medida a tomar.
● Columna 2(Masa). Número de la
masa arrojado por la balanza MASA X RADIO ELEVADO AL
digital correspondiente al círculo CUADRADO
de la fila correspondiente de la
columna 1. Número m R²
● Columna 3(Radio). Número del 1 0,75 16
radio correspondiente al círculo de
la fila correspondiente de la 2 1,72 36
columna 1.
3 2,97 65,61

MASA x RADIO 4 4,80 100

Número Masa(g) Radio(cm) 5 9,43 139,24

|1 0,75 4 6 9,05 197,40

2 1,72 6

3 2,97 8,1

4 4,80 10

7
GRÁFICAS
Siguiendo las instrucciones y la recta.
requerimientos del docente, las gráficas
correspondientes a nuestro análisis no se
encuentran adjuntas en formato digital en
este texto. En cambio, se han elaborado
manualmente en hojas milimetradas y
logarítmicas que se encuentran ubicadas al
final del informe.
La decisión de representar las gráficas en
hojas milimetradas y logarítmicas hechas
a mano se tomó con el propósito de
garantizar la precisión y la claridad en la
visualización de los datos. Aunque en la
era digital existen herramientas que
permiten generar gráficas de manera
automática, en este caso se optó por un
enfoque más tradicional para asegurar la
fidelidad de las representaciones.
Las gráficas se encuentran en el siguiente
orden:
● Gráfica 1. “Masa vs radio” en
papel milimetrado. En esta gráfica
se representarón los datos
registrados en la tabla 1, tomando
como referencia del eje y la
columna de la masa y en el eje x la
columna de radio. Junto al rótulo
del eje se encuentran la fórmula de
la escala del eje, el error relativo
del eje en cuestión.
● Gráfica 2. “Masa vs radio elevado
al cuadrado”.
En esta gráfica se representarón
los datos registrados en la tabla 2,
tomando como referencia del eje y
la columna de ”masa” y en el eje x
la columna de “Y”. Junto al rótulo
del eje se encuentran la fórmula de
la escala del eje, el error relativo
del eje en cuestión y la ecuación de
● Gráfica 3 .“Masa vs radio” en
papel logarítmico En esta gráfica
se representarón los datos
registrados en la tabla 1.
ANÁLISIS DE DATOS
Al analizar los resultados obtenidos al
graficar los datos en papel milimetrado y
papel logarítmico, no se observaron
diferencias significativas en la
representación visual de las relaciones
entre las variables estudiadas.
Teóricamente en el papel milimetrado, se
puede apreciar una distribución más lineal
de los puntos en la gráfica. Esto indica que
la relación entre las variables es
aproximadamente proporcional, lo que
sugiere una función lineal o cuadrática.
Por otro lado, en el papel logarítmico, se
identifica una curva más suave y gradual
en la distribución de los puntos. Esto
sugiere una relación exponencial o
logarítmica entre las variables, donde los
cambios en una variable están relacionados
de manera no lineal con los cambios en la
otra variable.
Estas diferencias en la representación
gráfica en papel milimetrado y logarítmico
resaltan la importancia de seleccionar el
tipo de papel adecuado según la naturaleza
de los datos y la relación que se busca
analizar. Cada tipo de papel ofrece una
perspectiva única y ayuda a visualizar
diferentes patrones y tendencias en los
datos.
8

Sin embargo, al analizar detalladamente
las gráficas 2 y 3, se encontró que ambas
presentaban una tendencia lineal similar.
Esto indica que la relación entre las
variables estudiadas se puede aproximar
mediante una función lineal en ambos
casos.
En la gráfica 2, donde se utilizó papel
milimetrado, se observó una distribución
de puntos que se alineaba de manera casi
perfecta a una recta. Esto indica una
relación directamente proporcional entre
las variables, donde un incremento en una
variable se traduce en un incremento
proporcional en la otra variable.
sistemáticos durante la realización
de las gráficas.
● Los resultados obtenidos fueron
interpretados de manera minuciosa
y rigurosa, utilizando tanto
métodos gráficos como analíticos.
Se consideró la precisión de las
mediciones y se evaluó la
consistencia de los resultados para
garantizar la fiabilidad de las
conclusiones. Estos análisis y
evaluaciones permitieron obtener
una comprensión completa y
fundamentada de la relación entre
las variables físicas estudiadas en
el experimento.

Aunque no se observó una diferencia

significativa entre estas dos gráficas, es
importante destacar que el uso del papel
logarítmico permitió una mejor
visualización y comprensión de la relación
inversa entre las variables.

CONCLUSIÓN

● El resultado obtenido en este

experimento reveló un hallazgo
contradictorio con respecto a la
teoría establecida previamente.
Esta discrepancia pone de
manifiesto que no siempre se
cumplen las expectativas o
hipótesis planteadas, y resalta la
importancia de analizar
cuidadosamente los datos y
considerar posibles errores

9
Bibliografías: es/coeficiente-de-correlacion-de-pe
arson/
● Ortega, C. (2023b). Análisis de
regresión: Qué es, tipos y cómo
realizarlo. QuestionPro.
https://www.questionpro.com/blog/
es/analisis-de-regresion/

● whatke84@efk43465. (2022, 4
diciembre). ▷ ¿Qué es la regresión
no lineal? Comparación con
regresión lineal - invatatiafaceri.ro.
invatatiafaceri.ro.
https://invatatiafaceri.ro/es/diccion
ario-financiero/que-es-la-regresion-
no-lineal-comparacion-con-regresi
on-lineal/#:~:text=La%20regresi%
C3%B3n%20lineal%20simple%20
relaciona,relaci%C3%B3n%20no%
20lineal%20(curva).

● ¿Qué es la regresión lineal? -

Explicación del modelo de
regresión lineal - AWS. (s. f.).
Amazon Web Services, Inc.
https://aws.amazon.com/es/what-is/
linear-regression/#:~:text=La%20re
gresi%C3%B3n%20lineal%20es%
20una,independiente%20como%20
una%20ecuaci%C3%B3n%20linea
l.

● Regresión lineal de los mínimos

cuadrados (OLS). (s. f.). XLSTAT,
Your data analysis solution.
https://www.xlstat.com/es/solucion
es/funciones/regresion-lineal-de-lo
s-minimos-cuadrados-ols

● Ortega, C. (2023a). ¿Qué es el

coeficiente de correlación de
Pearson? QuestionPro.
https://www.questionpro.com/blog/

10