Universidad Nacional Autónoma

De Honduras En El Valle de Sula

Repaso De Tratamiento De Errores e Interpretación

Gráfica De Datos
Enlace Overleaf

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.

Calcular la incertidumbre absoluta mediante el método diferencial de medicio-

nes indirectas.

Desarrollar el proceso completo de regresión lineal de forma manual y de forma

semiautomática con el uso del software Mathematica.

Interpretar el significado de la pendiente e intercepto según las ecuaciones

empı́ricas.

3. CALCULO Y ANÁLISIS DE RESULTADOS

3.1. Incertidumbres en las Mediciones Directas e Indirectas
Se hicieron las siguientes mediciones de las dimensiones de un bloque de madera
con una regla graduada y su masa usando una balanza calibrada:

No. Logitud (cm) Espesor (cm) Masa (Kg)

1 8.3 3.5 0.087
2 8.4 3.4 0.088
3 8.3 3.5 0.088
4 8.3 3.5 0.087
5 8.4 3.4 0.087

Cuadro 1: Tabla de Datos del Ejercicio 1

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. Expresar el ancho del cubo de la forma A =< A > ±∆A.

3. Expresar el espesor del cubo de la forma E =< E > ±∆E.

4. Expresar la masa del cubo de la forma m =< m > ±∆m.

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

T → representa el periodo del sistema

mc → representa la masa colgante en el extremo del resorte

mef → representa la masa efectiva del resorte

k → representa la constante de restauración del resorte

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

Cuadro 2: Tabla de Datos del Ejercicio 2

Los datos teóricos del resorte son:

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

tabla4 := {{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

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 = Plott, {x, 0, 2}, PlotStyle → {Red, None},
representación gráfica estilo de repre⋯ rojo ninguno
AxesLabel → HoldFormmc 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

2. Graficar los datos de tabla 4 usando el comando ListPlot.

g2 = ListPlottabla4, PlotStyle → {Blue, None},
representación de lista estilo de repre⋯ azul ninguno
AxesLabel → HoldFormmc kg, HoldForm[T (s)], PlotLabel → "T=f(mc )"
etiqueta de ejes forma sin evaluación forma sin evaluación etiqueta de representación

T=f(mc )
Ts

1.5

1.0

0.5

mc kg
0.1 0.2 0.3 0.4 0.5 0.6

3. Utilizar el comando Show para superponer los gráficos del inciso 1 y 2.

6 Wolfram Mathematica.nb

graficas = Show[{g1, g2}]

muestra

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

tabla5 := 0.049, 0.7052 , 0.098, 0.8272 , 0.147, 0.9572 , 0.246, 1.1862 ,

0.346, 1.3492 , 0.446, 1.5132 , 0.546, 1.6272 , 0.646, 1.7392 

5. Graficar los datos linealizados del inciso anterior usando el comando ListPlot.
gl2 = ListPlottabla5, PlotStyle → {Blue, None},
representación de lista estilo de repre⋯ azul ninguno
AxesLabel → HoldFormmc 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

FittedModel 0.300441 + 4.31065 x 

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

m = < 4 > ±0.08

Round[0.3004413733841662, 0.1]
entero más próximo

0.3

Round[0.03043893059415159, 0.01]
entero más próximo

0.03

b = < 0.3 > ±0.03

7. Gráficar la ecuación de la regresión lineal utilizando el comando Plot.

8 Wolfram Mathematica.nb

gl1 = Plotmodel["BestFit"], {x, 0, 2}, PlotStyle → {Red, None},

representación gráfica estilo de repre⋯ rojo ninguno
AxesLabel → HoldFormmc kg, HoldForm[T (s)], PlotLabel → "T=f(mc )"
etiqueta de ejes forma sin evaluación forma sin evaluación etiqueta de representación

T=f(mc )
Ts

mc kg
0.5 1.0 1.5 2.0

8. Utilizar el comando Show para superponer los gráficos del inciso 5 y 7.

Show[gl1, gl2]
muestra

T=f(mc )
Ts

mc kg
0.5 1.0 1.5 2.0

9. Calcular la constante de restauración del resorte con su respectiva incertidumbre absoluta

mediante propagación de errores, y expresar el valor de la siguiente forma: (k = < k > ±Δk).
4 π2
Dado que la pendiente (m = < 4 > ±0.08) es igual a la siguiente expresión m = k
podemos calcu-
4 π2
lar el valor central de la constante de la siguiente forma k =
m

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

mef = < 0.08 > ±0.008 kg

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.

La herramienta Wolfram Mathematica simplifica al estudiante el análisis y

la elaboración de gráficos durante procesos del estudio de los datos arrojados
durante la practica de laboratorio.

11