Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Autor
Marlon Turcios Molina
Cuenta
20222000188
Instructor
Edwin Duban Zuniga
Sección de Laboratorio
Mi 1300
Catedrático
Roberto Erasmo Chinchilla
Sección de Teórica
1000
Fecha de Entrega
1 de Noviembre de 2023
1. INTRODUCCIÓN
Este informe servirá como repaso para los alumnos que cursan el Laboratorio de
Electricidad y Magnetismo I los cuales han estudiado con anterioridad los temas
de Tratamiento de Errores e Interpretación de Gráficas de Datos realizando los de-
ferentes cálculos manualmente, ahora, en este laboratorio se introduce una nueva
herramienta ”Wolfram Mathematica” el cual puede facilitar el proceso de regre-
sión lineal y el redondeo de resultados al estudiante lo que simplifica la presentación
de datos de manera clara y concisa.
2. OBJETIVOS
Emplear correctamente las cifras significativas.
Hacer los siguientes incisos manualmente. Tomar en cuenta las cifras significativas
de los datos en el desarrollo matemático:
1
1. Expresar la longitud del cubo de la forma L =< L > ±∆L.
2
5. Encontrar el volumen del cubo usando los datos de los incisos del 1 al 3 y
haciendo uso correcto de la propagación de errores por medio del método de
derivadas parciales. Expresarlo de la forma V =< V > ±∆V .
6. Calcular la densidad del cubo haciendo uso de los datos de los inciso 4 y 5
empleando el método de las derivadas parciales para la propagación de errores.
Expresar la respuesta de la forma ρ =< ρ > ±∆ρ.
3
3.2. Proceso Completo de Regresión Lineal
Se hicieron las siguientes mediciones de como el periodo se ve afectado a medida
aumenta la masa colgante en un Sistema Masa-Resorte. Recordar que la ecuación
teórica que relaciona el periodo con la masa colgante en dicho sistema es:
s
mc + mef
T = 2π (1)
k
Donde
mc (kg) T(s)
0.049 0.705
0.098 0.827
0.147 0.957
0.246 1.186
0.346 1.349
0.446 1.513
0.546 1.627
0.646 1.739
k = 9,00N/m
mef = 0,0570kg
Hacer los siguientes incisos usando el software Mathematica. Tomar en cuenta
las partes de un gráfico explicadas en el manual para los gráficos en donde se utilizan
el comando Show :
4
Wolfram Mathematica.nb 5
k := 9
mef := 0.0570
x + mef
t := 2 π
k
1. Graficar el periodo como función de la masa colgante T = f (mc ) en el dominio de 0 hasta 2
usando el comando Plot tomando los valores teóricos del sistema en la ecuación 10.
g1 = Plott, {x, 0, 2}, PlotStyle → {Red, None},
representación gráfica estilo de repre⋯ rojo ninguno
AxesLabel → HoldFormmc kg, HoldForm[T (s)], PlotLabel → "T= f(mc )"
etiqueta de ejes forma sin evaluación forma sin evaluación etiqueta de representación
T= f(mc )
Ts
3.0
2.5
2.0
1.5
1.0
mc kg
0.5 1.0 1.5 2.0
T=f(mc )
Ts
1.5
1.0
0.5
mc kg
0.1 0.2 0.3 0.4 0.5 0.6
T=f(mc )
Ts
3.0
2.5
2.0
1.5
1.0
mc kg
0.5 1.0 1.5 2.0
4. Aplicar un cambio de variable a los datos de la tabla 4 para linealizar el gráfico y crear una
nueva tabla con los datos linealizados.
mc +mef 4 π2
T = 2 π* k
→ T2 = k
(mc + mef )
Donde
Variable Dependiente T2
variable Independiente mc
4 π2
Pendiente k
4 π2
Intercepto k
mef
5. Graficar los datos linealizados del inciso anterior usando el comando ListPlot.
gl2 = ListPlottabla5, PlotStyle → {Blue, None},
representación de lista estilo de repre⋯ azul ninguno
AxesLabel → HoldFormmc kg, HoldForm[T (s)], PlotLabel → "T=f(mc )"
etiqueta de ejes forma sin evaluación forma sin evaluación etiqueta de representación
T=f(mc )
Ts
3.0
2.5
2.0
1.5
1.0
0.5
mc kg
0.1 0.2 0.3 0.4 0.5 0.6
6. Aplicar regresión lineal a los datos linealizados del inciso 4 utilizando el comando
LinearModelFit[x, a] y obtener las incertidumbres de la pendiente e intercepto utilizando el
Wolfram Mathematica.nb 7
comando
ParameterTable. Recuerde presentar la pendiente e incertidumbre de la siguiente manera
(m = < m > ±Δm) y (b = < b > ±Δb) respectivamente
model = LinearModelFit[tabla5, x, x]
ajusta a modelo lineal
incertidumbres = model["ParameterTable"]
Estimate Standard Error t-Statistic P-Value
1 0.300441 0.0304389 9.8703 0.0000623931
x 4.31065 0.0810555 53.1815 2.96705 × 10-9
Round[4.310652936975702, 1]
entero más próximo
Round[0.08105550035185147, 0.01]
entero más próximo
0.08
Round[0.3004413733841662, 0.1]
entero más próximo
0.3
Round[0.03043893059415159, 0.01]
entero más próximo
0.03
T=f(mc )
Ts
mc kg
0.5 1.0 1.5 2.0
T=f(mc )
Ts
mc kg
0.5 1.0 1.5 2.0
Clear[m, Δm]
borra
4 π2
k= /. m → 4
m
π2
Round[k, 10]
entero más próximo
10
Wolfram Mathematica.nb 9
2
4 π2
Δk = Sqrt D , m * Δm /. {m → 4, Δm → 0.08}
raíz cuadradam
0.197392
Round[Δk, 0.10]
entero más próximo
0.2
N
k = < 10 > ±0.20 m
10. Calcular la masa efectiva del resorte con su respectiva incertidumbre absoluta mediante
propagación de errores, y expresar el valor de la siguiente forma: (mef = < mef > ±Δmef ).
4 π2
Dado que el intercepto (b = < 0.3 > ±0.03) es igual a la siguiente expresión b = k
mef podemos
calcular el valor central de mef de la siguiente forma mef = b*k
4 π2
Clear[b, k]
borra
b*k
mef = /. {b → 0.3, k → 10}
4 π2
0.0759909
Round[mef , 0.01]
entero más próximo
0.08
b*k 2
Δmef = Sqrt D , b * Δb /. {b → 0.3, k → 10, Δb → 0.03}
4
raíz cuadrada π2
0.00759909
Round[Δmef , 0.001]
entero más próximo
0.008
11. Calcular el error porcentual e incertidumbre porcentual de los datos de la masa efectiva y
constante de restauración del resorte.
Abs[10 - 9]
Ek = * 100
10
10
0.20
Ik = * 100
10
2.
Los valores calculados para el error e incertidumbre porcentual para la masa efectiva
son:
10 Wolfram Mathematica.nb
% Emef = 28.75 × %
% Imef = 10 × %
Abs[0.0800 - 0.0570]
Emef = * 100
0.0800
28.75
0.008
Imef = * 100
0.080
10.
Los valores calculados para el error e incertidumbre porcentual para la constante de restau-
ración son:
% Ek = 10 %
% Ik = 2 %
4. CONCLUSIONES
Es importante señalar la versatilidad de la metodologı́a anterior aplicada en
Mathematica pues permiten ajustar eficientemente los datos a modelos lineales,
polinómicos, exponenciales y logarı́tmicos, ası́ como calcular, diagnosticar y
visualizar el modelo de regresión resultante.
11