Análisis e interpretación de datos

experimentales
EECYT
Técnicas de análisis matemático
¿Qué hacer con los datos de un experimento?

Existen varias técnicas de análisis matemático que se pueden aplicar para

analizar los datos.

Se estudiarán en esta sección las técnicas de ajuste de curvas para las relaciones:

⚫ Lineal
⚫ Potencial
⚫ Exponencial
Diagrama de dispersión
El diagrama de dispersión nos permite observar gráficamente los datos y
sacar conclusiones preliminares acerca de la posible relación entre las
variables.
Relación lineal
Si la relación entre variables es de tipo lineal, se aplica el método de
mínimos cuadrados, el cual consiste en encontrar la recta a la que mejor
se ajustan los datos experimentales de acuerdo con el criterio de mínimo
error cuadrático.
Relación Lineal
⚫ 
Relación Lineal
⚫ 
Relación Lineal
Se busca encontrar la recta que mejor se ajuste a los datos experimentales
obtenidos de la medición

 
 Método de mínimos cuadrados
Para que la línea estimada de regresión se ajuste bien a los datos se desea que
las diferencias entre los valores observados de y (yi) y los valores estimados de
y (ŷi) sean mínimas.
Error cuadrático
Valores estimados
 
 

  Sumatoria error cuadrático

 
 
Método de mínimos cuadrados
Este método emplea los datos de la muestra para determinar las
características de la recta que hacen mínima la suma de los cuadrados de
las desviaciones:

 
Relación Lineal
Minimizar la ecuación anterior implica calcular las derivadas parciales de
la expresión con respecto a los coeficientes de regresión a y b e igualar a
cero las dos derivadas.

Las operaciones anteriores requieren del estudio previo del cálculo

diferencial. Por lo anterior, estas ecuaciones no se desarrollarán y solo se
muestran en esta presentación los resultados de las mismas.
Relación Lineal
Supongamos que nuestros resultados experimentales son los siguientes:
Relación Lineal

Donde:
n: es el número de datos
a: es la pendiente.
b: es el intercepto con el eje de las abscisas.
Relación Lineal
Puede resultar que, en realidad, los datos no se ajusten a una línea recta, sino a otra
curva, sin embargo el método hace su trabajo sin importarle esto último. Por lo
anterior, necesitamos un criterio para determinar qué tan bien se ajustan los datos a
una recta. Para eso existe el llamado coeficiente de correlación lineal el que se calcula
por:
Respecto al valor de r
⚫ El coeficiente de correlación lineal (r) está entre –1 y 1.

⚫ Entre más cerca este r2 de 1, mejor se ajustan los datos y entre más alejado se
encuentre la correlación disminuye.

⚫ Nos permite saber, dependiendo del valor de r y el número de pares

ordenados utilizados, qué tanto se ajustan los datos a una línea recta.
Número de datos y coeficiente de correlación lineal
En la siguiente tabla se muestran los porcentajes de probabilidad de que dos variables NO
estén en relación lineal, para un “r” dado y una cantidad “n” de mediciones (pares ordenados).
Incerteza
⚫ 
Ejemplo
Al hacer pasar diferentes valores de corriente a través de una resistencia se encontró que el
voltaje entre las terminales de la misma varía de acuerdo a los siguientes resultados
experimentales:

Corrientes (A) - X Voltaje (V) - Y

0.20 0.80
0.40 1.40
0.50 1.50
0.60 1.80
0.70 2.30
0.80 2.20
0.90 2.90
1.00 3.50
1.10 3.70
1.30 4.10

Encuentre la línea recta a la que mejor se ajustan los datos y determine que tan bien se ajustan
utilizando el coeficiente de correlación lineal. Además, indique las unidades de las constantes a
yb
 Dispersión de datos
4.5

Voltaje (V) - Y
4

3.5

2.5
Voltaje (V)

1.5

0.5

0
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40

Corriente (A)
Solución
1. Se agregan tres columnas a la tabla. En la primera columna se
multiplica la corriente por el voltaje, en la segunda se eleva la
corriente al cuadrado y en la tercera se eleva el voltaje al cuadrado.

2. Se hace la sumatoria de todas las columnas.

 Corriente (A) - X Voltaje (V) - Y XY X^2 Y^2 (Y-aX-b)^2
0.20 0.80 0.16 0.04 0.64 0.02
0.40 1.40 0.56 0.16 1.96 0.01
0.50 1.50 0.75 0.25 2.25 0.01
0.60 1.80 1.08 0.36 3.24 0.02
0.70 2.30 1.61 0.49 5.29 0.00
0.80 2.20 1.76 0.64 4.84 0.14
0.90 2.90 2.61 0.81 8.41 0.00
1.00 3.50 3.5 1.00 12.25 0.08
1.10 3.70 4.07 1.21 13.69 0.03
1.30 4.10 5.33 1.69 16.81 0.01
Sumatorias 7.50 24.20 21.43 6.65 69.38 0.32
Ahora se sustituye en las formulas para la pendiente, el intercepto y el
coeficiente de correlación lineal:

 
⚫ 
Incerteza
⚫ 
⚫ 
Dispersión de datos y línea de tendencia.
4.5

Voltaje (V) - Y
4 f(x) = 3.2 x + 0.0199999999999987
R² = 0.970414201183432

3.5

2.5
Voltaje (V)

1.5

0.5

0
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40

Corriente (A)
Ejercicio
Un vehículo se mueve sobre una autopista plana. Encuentre si la relación funcional entre las
variables de tiempo (independiente) y posición (dependiente) puede ajustarse a una línea recta
(considere 5% de probabilidad de que el ajuste no sea lineal como máximo aceptable), utilizando los
siguientes datos:
Tiempo (s) Posición (m)
0.0 2.0
0.5 0.1
1.0 2.0
1.5 10.1
2.0 32.0

2.5 78.1

¿Qué representa la pendiente de la recta?

Solución
Posición (m) - Y
90.0

80.0

70.0

60.0

f(x) = 27.6742857142857 x − 13.8761904761905

50.0 R² = 0.719250698523856

40.0

30.0

20.0

10.0

0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0