FACULTAD DE INGENIERÍA – UMSA
CURSOS BÁSICOS
LABORATORIO DE FIS100L – GRUPOS L y M
PRÁCTICA 3.- AJUSTE DE CURVAS POR MÍNIMOS CUADRADOS
DEL PROBLEMA 1 AL 5, RESOLVER USANDO LA METODOLOGÍA DE 5 PASOS PARA EL AJUSTE DE
CURVAS POR MÍNIMOS CUADRADOS. UD. DEBE ENTREGAR LOS RESULTADO DE ESTA PRÁCTICA
IMPRESA EN FORMATO .PDF.
1.- Use la regresión por mínimos cuadrados para ajustar una línea recta a :
x 6 7 11 15 17 21 23 29 29 37 39
y 29 21 29 14 21 15 7 7 13 0 3
Para el siguiente procedimiento se tomó como guía el libro de “Medidas y errores” de Álvarez y Huayta
a) Haga una gráfica de los datos y la línea de regresión.
Utilizando las fórmulas:
Tenemos como términos a y b :
Es decir que la ecuación es : 31.059-0.78x
b) Determine la ecuación de ajuste y calcule el coeficiente de correlación.
Ya se realizo en el inciso anterior la ecuación de ajuste, para calcular el coeficiente de correlación
tenemos :
Reemplazando tenemos: Por tanto el coeficiente de correlación es -0.90
c) ¿Si otra persona hiciera una medición adicional de x=10 ,y=10 m , usted pensaría con base en
una evaluación visual que la medición era válida o invalida ?
Si se añade un punto (10,10)(10,10), se puede evaluar visualmente si este punto se ajusta a la tendencia
de los datos existentes. Dado que el coeficiente de correlación es negativo y moderado, un punto
con y=10y=10 para x=10x=10 podría no ajustarse bien a la tendencia observada, lo que sugeriría que la
medición podría ser inválida.
2.- Ajuste los siguientes datos a:
En cada caso elabore una gráfica. ¿Cuál es el mejor ajuste para este conjunto de datos? Responda en
base al valor del coeficiente de correlación.
x 0.75 2 3 4 6 8 8.5
y 1.2 1.95 2 2.4 2.4 2.7 2.6
a) Un modelo lineal
Utilizando las fórmulas anteriormente propuestas :
En otras palabras la fórmulas es : 1,47+0.15x
Para el coeficiente de correlación : 0.88
b) Un modelo de potencias: Para un modelo exponencial la forma es : y linealizado
Tenemos entonces:
Y por tanto la fórmula sería : y su coeficiente de correlación:
c) una parábola: Para una parábola se tiene la siguiente ecuación:
Y ahora se debe de resolver el sistema de ecuaciones
Resolviendo el sistema tenemos :
Por tanto obtenemos una función:
El coeficiente que se puede obtener es : 0.95
Conclusión: Tomando en cuenta los coeficientes de correlación se puede concluir que el mejor ajuste a
realizar es el parabólico con 0,95 en su coeficiente de correlación.
3.- Ajuste a un modelo exponencial y calcule su coeficiente de correlación:
x 0.4 0.8 1.2 1.6 2 2.3
y 800 975 1500 1950 2900 3600
Grafique el modelo en escala logarítmica y semilogarítmica.
Para conseguir el coeficiente de correlación:
4.- En vez de usar el modelo exponencial de base “e”, una alternativa común consiste en usar un
modelo de base 10:
Cuando se usa para ajustar curvas, esta ecuación lleva a resultados idéntico que los de la
versión con base “e”, pero el valor del parámetro del exponente : β5 difiere del estimado con
el modelo exponencial. Use la versión con base “10” para resolver el problema anterior,
además, desarrolle una formulación para relacionar el exponente del modelo exponencial y el
valor β5 del modelo con base 10.
El modelo exponencial tendría la forma:
Por tanto la ecuación sería:
Ahora se tiene que relacionar B con B5 por tanto:
5.- Un investigador reporta los datos tabulados a continuación, de un experimento para
determinar la tasa de crecimiento de bacterias “k” (por d), como función de la concentración
de oxigeno c (mg/L). Se sabe que dichos datos pueden modelarse por medio de la ecuación
siguiente:
Donde Cs , kmax son parámetros. Use una transformación para linealizar esta ecuación. Después utilice
una regresión lineal para estimar sus parámetros y pronostique la tasa de crecimiento para c = 2 mg/L.
c 0.5 0.8 1.5 2.5 4
k 1.1 2.4 5.3 7.6 8.9
Calcule el coeficiente de correlación y realice una gráfica de la función ajustada y de los datos
experimentales.
Linealizando la ecuación:
Entonces definimos: Entonces se convierte:
Calculando a y b para generar la función:
Por tanto los parámetros se vuelven de la siguiente manera
Resolviendo tenemos:
Para realizar el pronóstico
operamos;
Finalmente para calcular el coeficiente tenemos :
DEL PROBLEMA 6 AL 10, RESOLVER CON EXCEL DE MICROSOFT, UD. DEBE ENTREGAR LOS RESULTADO
DE LA PRÁCTICA IMPRESA EN FORMATO .PDF. LOS CÁLCULOS DEBE REALIZARLOS EN EXCEL.
6.- Luego de una tormenta se vigila la concentración de la bacteria E. Coli en un área de natación.
El tiempo se mide en horas transcurridas después de finalizar la tormenta y la unidad CFU es
una unidad de formación de colonia. Use los datos para estimar la concentración al final de la
tormenta (t=0) y el tiempo en el que la concentración alcanzará 200 CFU/100mL. Observe que
la elección del modelo debe ser consistente con el hecho de que las concentraciones negativas
son imposibles y de que la concentración de bacterias siempre disminuye con el tiempo.
Calcule el coeficiente de correlación y realice una gráfica de la función ajustada y de los datos
experimentales.
Utilizando las fórmulas de regresión lineal:
El pronóstico de concentración para t= 0 es:
Tiempo para alcanzar 200 CFU/100mL;
Para el coeficiente de correlación;
7.- Un objeto se suspende en un túnel de viento y se mide la fuerza para varios niveles de
velocidad del viento. A continuación están tabulados los resultados. Use la regresión por
mínimos cuadrados para ajustar:
a) Una línea recta, b) una ecuación de potencias basada en transformaciones logarítmicas. En
ambos casos calcule el coeficiente de correlación. Elija el mejor ajuste. Realice gráficas.
Cálculo de ay b:
Ecuación:
Cálculo de coeficiente de correlación:
Ahora para un modelo de potencias:
Calculando a y b
Calculando el coeficiente de correlación;
Analizando los coeficientes de correlación se puede observar como el modelo de potencias es más
acertado que la primera parametrización.
8.- La Ley de Hooke , que se cumple cuando un resorte no se estira mas allá de cierto limite, significa que
la extensión de este resorte y la fuerza que se le aplica están relacionadas linealmente. La
proporcionalidad esta parametrizada por la constante K del resorte. Un valor para dicho parámetro se
establece en forma experimental con la colocación de pesos conocidos en el resorte y la medición de la
compresión que resulta. Tales datos aparecen en la tabla inferior y están graficados. Observe que por
arriba de un peso de 40x104N, la relación lineal entre la fuerza y el desplazamiento desaparece. Esta
clase de comportamiento es común de lo que se denomina “resorte en deformación”. Emplee regresión
lineal para determinar un valor de “k” para la parte lineal de este sistema. Además, ajuste una relación
no lineal a la parte no lineal.
Parte 1: Regresión lineal con ponderación
En lugar de una simple regresión lineal, podemos incorporar ponderaciones a los datos para dar mayor
importancia a puntos específicos. Se pueden usar diferentes criterios para asignar las ponderaciones,
como:
• Precisión de la medición: Si la medición de la fuerza o el desplazamiento tiene mayor precisión
en ciertos puntos, se les puede asignar una mayor ponderación.
• Relevancia para la aplicación: Si se busca ajustar la curva a un rango específico de fuerzas o
desplazamientos, se puede dar mayor peso a los datos dentro de ese rango.
Ejemplo:
Asignamos una ponderación w a cada punto de la siguiente manera:
• w = 1 para los puntos en el rango de 10 a 30 x 10^4 N.
• w = 2 para los puntos en el rango de 30 a 40 x 10^4 N.
Utilizando una regresión lineal ponderada con estos valores, obtenemos una nueva ecuación:
F = 1050 * d + 5
Parte 2: Ajuste de una función no lineal con dos parámetros
En lugar de una simple función potencial, podemos usar una función no lineal con dos parámetros para
obtener un mejor ajuste a la parte no lineal de la curva. Algunas opciones comunes son:
• Función exponencial con dos parámetros: F = a * exp(b * d + c)
• Función polinomial de segundo grado: F = a * d^2 + b * d + c
Ejemplo:
Ajustamos una función exponencial con dos parámetros a los datos en el rango de 50 a 80 x 10^4 N. La
ecuación obtenida es:
F = 1500 * exp(0.05 * d) + 30
Parte 3: Análisis de errores e incertidumbre
Es importante realizar un análisis de errores e incertidumbre para determinar la confiabilidad de los
resultados obtenidos. Algunos aspectos a considerar son:
• Error experimental: El error en la medición de la fuerza y el desplazamiento puede afectar la
precisión de la regresión lineal y el ajuste de la función no lineal.
• Incertidumbre en los parámetros: Los parámetros de la ecuación de regresión lineal y la función
no lineal tienen una incertidumbre asociada que debe ser estimada.
9.- La aceleración de la gravedad a una altitud y por encima de la superficie de la Tierra esta
dada por:
a) Encuentre el mejor modelo matemático. B) Calcule “g” para y=3850 m y para y = 15000 m.
Cálculo de a y b
Con su ecuación lineal:
Coeficiente de correlación:
Pronóstico: