Relación entre Distancia de Caída y Decibelios: Estudio Utilizando phyphox y
Análisis de Regresión en R
Once Joseph
Universidad de Cuenca, Facultad de Ingeniería
Cuenca, Ecuador
Introducción
El presente informe describe un experimento diseñado para analizar la relación entre la distancia de caída
de una moneda y la amplitud de sonido registrada en decibelios (dB) utilizando un modelo de regresión
lineal simple. Este modelo matemático se utiliza para describir la relación entre una variable dependiente
y (en este caso, los decibelios) y una variable independiente x (la distancia de caída en cm). La regresión
lineal simple busca ajustar una línea recta a los datos observados mediante la ecuación:
y = β0 + β1x + e
donde β0 es el intercepto, β1 es la pendiente de la recta, y e representa el error aleatorio o residual. Los
parámetros β0 y β1 se estiman utilizando el método de mínimos cuadrados, que minimiza la suma de los
cuadrados de los errores (e). En este experimento, se midieron los decibelios percibidos por un sensor de
sonido de un celular al dejar caer una moneda desde cuatro alturas diferentes (20 cm, 40 cm, 60 cm, y 80
cm). La importancia de este estudio radica en comprender los conceptos clave del modelo de regresión
lineal.
Materiales y métodos
El experimento se llevó a cabo en un cuarto silencioso para minimizar la interferencia de ruidos externos.
Se utilizó un teléfono celular equipado con la aplicación Phyphox para registrar los niveles de sonido en
decibelios (dB) durante la caída de una moneda.
La pared del cuarto se marcó con cuatro distancias específicas desde el suelo: 20 cm, 40 cm, 60 cm y 80
cm. Estas marcas sirvieron como puntos de referencia para dejar caer la moneda desde diferentes alturas.
La elección de estas distancias permitió analizar cómo varía la intensidad del sonido producido por la
moneda al impactar el suelo desde diferentes alturas.
Para asegurar la aleatorización y evitar sesgos en los datos, se utilizó una hoja de cálculo de Excel para
generar una secuencia aleatoria de las distancias. Se decidió realizar tres repeticiones de cada distancia, lo
que resultó en la siguiente secuencia: 20 cm, 60 cm, 80 cm, 60 cm, 20 cm, 60 cm, 80 cm, 40 cm, 20 cm,
40 cm, 80 cm y 40 cm. Esta secuencia permitió distribuir las mediciones de manera equilibrada a lo largo
del experimento.
El procedimiento consistió en dejar caer la moneda desde las distintas alturas en los tiempos designados,
comenzando a los 0 segundos para la primera distancia de 20 cm. Cada caída se realizó a intervalos de 10
segundos para un total de 110 segundos, lo que cubrió las 12 caídas. Después de cada caída, se registraron
los niveles de decibelios durante el tiempo que la moneda estuvo en contacto con el suelo, utilizando los
datos proporcionados por la aplicación Phyphox.
Una vez concluido el experimento, los datos se exportaron a un archivo de Excel para su análisis. Se
calcularon los promedios de los decibelios registrados durante los periodos en los que la moneda estaba
en contacto con el suelo. Estos promedios se utilizaron para analizar la relación entre la distancia de caída
y la intensidad del sonido mediante una regresión lineal simple.
El análisis estadístico incluyó el cálculo de parámetros como el intercepto β0, la pendiente β1, los valores
observados yi, las distancias xi, los residuos ei, la suma de los cuadrados de las diferencias de x (Sxx), la
suma de los productos de las diferencias de x y y (Sxy), la suma de los cuadrados de los errores (SSE) y la
suma total de los cuadrados (SST). Estos cálculos permitieron evaluar la precisión y la validez del modelo
de regresión lineal simple para describir la relación entre la distancia de caída y la intensidad del sonido
producido.
Resultados y discusión
_Los datos obtenidos después de calcular los promedios de los decibelios registrados durante los periodos
en los que la moneda estaba en contacto con el suelo, fueron:
Tiempo (s) Nivel de presión de sonido (dB) Altura (Cm)
0s -24.87 20
10s -18.32 60
20s -17.55 80
30s -18.14 60
40s -22.47 20
50s -17,93 60
60s -16.43 80
70s -18.84 40
80s -20.28 20
90s -19.47 40
100s -19.69 80
110s -17.89 40
Para analizar los resultados del experimento y ajustar un modelo de regresión lineal simple, se utilizó el
lenguaje de programación R. A continuación, se presenta el cálculo de los parámetros clave, explicando el
proceso y los resultados obtenidos.
Datos del Experimento
_Los datos obtenidos del experimento son los siguientes:
distancias <- c(20, 60, 80, 60, 20, 60, 80, 40, 20, 40, 80, 40)
decibelios <- c(-24.87, -18.32, -17.55, -18.14, -22.47, -17.93, -16.43, -18.84, -20.28, -19.47, -19.69, -17.89)
Cálculo de las medias
xi_hat <- mean(distancias)
yi_hat <- mean(decibelios)
xi_hat
yi_hat
_Los valores obtenidos fueron:
xi_hat = 50 ; yi_hat = -19.32333
Ajuste del Modelo de Regresión Lineal
_Primero, ajustamos el modelo de regresión lineal simple utilizando la función lm() en R:
modelo <- lm(decibelios ~ distancias)
summary(modelo)
Parámetros del Modelo
_Los coeficientes del modelo se obtienen directamente del resumen del modelo ajustado:
coeficientes <- coef(modelo)
beta0_hat <- coeficientes[1]
beta1_hat <- coeficientes[2]
beta0_hat
beta1_hat
_Los valores obtenidos son:
^
β 0 = -22.96167 ; ^
β 1 = 0.07276667
Residuos (ei)
_Los residuos (ei) son la diferencia entre los valores observados y las predicciones:
residuos <- residuals(modelo)
residuos
Sumas de Cuadrados
_Para evaluar la calidad del ajuste del modelo, calculamos las sumas de cuadrados:
Sxx <- sum((distancias - xi_hat))^2
Sxy <- sum((distancias – xi_hat)) * (decibelios – yi_hat)
SSE <- sum(residuos^2)
SST <- sum((decibelios - yi_hat)^2)
Sxx
Sxy
SSE
SST
_Los valores obtenidos son:
Sxx = 6000 ; Sxy = 436.6 ; SSE = 28.12074 ; SST = 59.89067
Varianza del error aleatorio
varianza_error <- SSE / (length(distancias) - 2)
varianza_error
_Se obtuvo el valor:
σ2 = 2.812074
Gráfico de la línea de regresión
plot(distancias, decibelios, main = "Relación entre la Distancia de Caída y los Decibelios", xlab =
"Distancia (cm)", ylab = "Decibelios (dB)", pch = 16, col = "blue")
abline(modelo, col = "red", lwd = 2)
_Lo que devuelve:
_ Los puntos de datos se distribuyen en torno a una línea de regresión que indica una tendencia positiva: a
mayor distancia, mayor amplitud de sonido registrada. Este patrón sugiere que la altura desde la cual cae
la moneda influye significativamente en los decibelios percibidos por el sensor del celular. La alineación
de los puntos con la línea de regresión subraya la consistencia de esta relación, validando el uso de la
regresión lineal simple para modelar y predecir el comportamiento acústico en función de la altura de
caída. Este análisis proporciona una base sólida para comprender cómo diferentes alturas afectan la
percepción sonora en un entorno controlado y silencioso.
Conclusión
_ En conclusión, el experimento realizado utilizando phyphox para medir los decibelios percibidos por el
celular al dejar caer una moneda desde diferentes alturas, con el análisis realizado completamente en R,
ha proporcionado resultados robustos y coherentes. Mediante el uso de la regresión lineal simple, se ha
demostrado claramente una relación positiva entre la distancia de caída y la intensidad del sonido
registrado. Los cálculos de los parámetros de la regresión así como la interpretación de yi, xi, ei, Sxx,
Sxy, SSE y SST, permitieron una comprensión profunda de los conceptos subyacentes de la regresión
lineal.
El gráfico generado en R, que muestra tanto los puntos de datos como la línea de regresión lineal
ajustada, confirma visualmente la relación observada. Los puntos de datos se alinean notablemente bien
con la línea de regresión, validando la eficacia del modelo para predecir la intensidad del sonido en
función de la altura de caída de la moneda.
Este estudio cumplió con el objetivo de comprender y aplicar los principios de la regresión lineal,
utilizando herramientas estadísticas avanzadas como R para el análisis de datos. Además, subraya la
capacidad de phyphox como una herramienta útil para la experimentación científica en la medición
precisa y la comprensión del comportamiento acústico en entornos controlados.
Referencias
_ Egea, J., & Kessler, M. (2010). Regresión lineal con R commander. Universidad politécnica de
Cartagena, departamento de matemática aplicada y estadística.
_ Tusell, F. (2011). Análisis de regresión. Introducción teórica y práctica basada en R. Adolescence. An
age of opportunity.
_ Arellano, A., & Peña, D. (2020). Modelos de regresión lineal para predecir el consumo de agua
potable. Revista Digital Novasinergia, 3(1), 27-36.