Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CURSO : FÍSICA 1
PRACTICA : 3
INTEGRANTES:
No Apellidos Nombres
1 Chacon Osorio Blademir
2 Iturri Pio Miguel ángel
3 Lopez Villacorta Alexis Felipe
4 Sinarahua Sarmiento Jarley
1. Teoría
Ajuste por mínimos cuadrados 𝒚=𝒎𝒙+𝒃, para N datos experimentales.
Tabla 1
𝑥 𝑦 𝑥𝑦 𝑥2
∑𝑥 = ∑𝑦 = ∑𝑥𝑦 = ∑𝑥2 =
2. Montaje experimental
Se ha utilizado un resorte cuya longitud sin deformar es 6 cm. El resorte se fija
verticalmente y en su extremo libre se coloca una masa M, su longitud L aumenta. La tabla
2 muestra los valores de L para diversos valores de M obtenidos en el mismo experimento.
3. Resultados
Tabla 2
𝑌 𝑀(𝑔) 0 100 200 300 400
𝑋 𝐿(𝑐𝑚) 6 9 12 15 18
4. Actividades
1. Usando papel milimétrico represente para la Tabla 2, 𝑀 =𝑀(𝐿)
2. Usando el método de mínimos cuadrados ajuste los datos y encuentre la ecuación
experimental.
3. Discutir los resultados
4. Anotar sus conclusiones
II. OBJETIVOS
1. Evaluar la relación entre dos variables
2. Comprender el concepto de ajuste lineal y su importancia en el análisis de datos.
3. Aprender a identificar si un conjunto de datos sigue una tendencia lineal.
4. Dominar el cálculo de la recta de regresión lineal utilizando el método de los
mínimos cuadrados
III. REVISIÓN DE LITERATURA
y=mx+b
IV. RESULTADOS
Tabla 1. Cuadro de datos.
𝑥 𝑦 𝑥𝑦 𝑥2
6 0 0 36
9 100 900 81
12 200 2400 144
15 300 4500 225
18 400 7200 324
∑𝑥 = 60 ∑𝑦 =1000 ∑𝑥𝑦 =15000 ∑𝑥2 =810
450
400
350
300
250
200
150
100
50
0
4 6 8 10 12 14 16 18 20
V. CALCULOS
Escala
X= 10■ < > 20cm
Y= 10■ < > 500g
Metodo de Minimos Cuadrados
N= 5
VI. CONCLUSIONES
El ajuste lineal es una herramienta fundamental en el análisis de datos, ya que nos
permite modelar y entender las relaciones lineales entre variables.
A través del análisis de los datos y la identificación de patrones lineales, podemos
tomar decisiones informadas y realizar predicciones precisas en diferentes
contextos.
El método de los mínimos cuadrados nos permite encontrar la recta de regresión
lineal que mejor se ajusta a nuestros datos, minimizando la distancia entre los
puntos y la recta.
La recta de regresión lineal nos proporciona información valiosa sobre la relación
entre las variables, como la pendiente y la intersección en el eje y, que pueden ser
interpretadas en el contexto del problema.
VII. BIBLOGRAFIA
Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression
Analysis. John Wiley & Sons.
Draper, N. R., & Smith, H. (2014). Applied Regression Analysis. John Wiley & Sons.
Kutner, M. H., Nachtsheim, C. J., & Neter, J. (2004). Applied Linear Regression Models.
McGraw-Hill.