1

MARCO TERICO: TRATAMIENTO DE DATOS

EXPERIMENTALES Y ERRORES EN LA MEDIDA

Es muy frecuente para los estudiantes concluir que en las prcticas de laboratorios de fsica
las diferencias entre los resultados obtenidos y los esperados radican en "errores de tipo
humano" o en otros factores, como por ejemplo las prdidas por friccin. En realidad, la
explicacin no debera ser tan facilista ya que para dar una conclusin ms realista es
necesario contar con un tratamiento estadstico de datos, el cual es una herramienta
poderosa que permite identificar el origen de las discrepancias entre teora y experimento.
El fundamento principal de las ciencias experimentales radica en obtener informacin
mediante la observacin de los fenmenos que ocurren en la naturaleza. Para que esta
informacin sea vlida es necesario tratarla, interpretarla y analizarla para lograr una
correcta interpretacin. Lo que se busca en las prcticas de laboratorio es que el estudiante
realice mediciones de cantidades fsicas, interprete los resultados a partir del tratamiento
estadstico de los datos (pendiente, intercepto, coeficiente de correlacin, entre otros) y a
partir de ellos pueda inferir o corroborar una teora fsica, todo ello teniendo en cuenta los
diversos errores presentes en el experimento.
La validez de toda teora cientfica se fundamenta en la contrastacin con la evidencia
experimental que est soportada por la medicin de las variables fsicas. No obstante, el
medir una cantidad fsica sin especificar su rango de incertidumbre o fiabilidad, no contiene
mucha utilidad en la ciencia. La incertidumbre de una medida fsica dice mucho acerca de
la tecnologa involucrada en el instrumento de medicin y del mtodo de clculo o modelo
empleado en la obtencin de este valor. A la vez, medir una sola vez una variable fsica
tampoco da un buen criterio de confiabilidad, ya que todas las variables que influyen en un
experimento no pueden ser absolutamente controladas; es por ello que las mediciones
deben efectuarse varias veces bajo idnticas condiciones. Un tratamiento estadstico de las
fluctuaciones de estas mediciones efectuadas bajo idnticas condiciones, alrededor de un
cierto valor ms probable, da una idea no slo de la reproducibilidad de la medida sino de
la confiabilidad del mtodo de medicin empleado.

1. DEFINICIONES FUNDAMENTALES

1.1 Valor promedio o media de una medida:
Sea X la cantidad a medir, si se repite la medicin en las mismas condiciones n veces, se
obtienen n resultados para x ( )
1 2 3 4
, , , ,.....
n
x x x x x , y se puede calcular el promedio
aritmtico x de los
i
x medidos, as:

2


1 2 3
.....
i
n
x
x x x x
x
n n
+ + + +
= =

(1)

1.2 Errores absolutos y Errores relativos:

Cada valor
i
x presenta una variacin con respecto al valor medio x , conocida como error
absoluto y est dado por:
i i
x x x = A
La media de estos errores absolutos permite obtener el error absoluto medio as:
n
x x
x
i

= A
(2)

El error relativo, , de cada medida
i
x , se define como el error absoluto dividido por la
media x . El error relativo medio se acostumbra escribir en porcentaje y se obtiene al
multiplicar por 100:
% 100 100
i
x x
x
x n x
c

A
= =

(3)

Los experimentos que se hacen en este nivel deberan arrojar resultados con errores
relativos menores al 10%. Un resultado de un experimento significativo en un laboratorio
de investigacin debe tener un error del 1% o menos.

El error absoluto si bien es el resultado final que se quiere obtener, tiene un inconveniente.
Si por ejemplo se afirma que la longitud, L, se mide con un error de 1 cm, no se puede
concluir nada sobre la calidad de la medida ya que no se sabe cul era la cantidad a medir.
Si L es 50 cm, se tiene un error relativo de 1/50 = 0,02 = 2% lo que es aceptable. Mientras
que si la cantidad a medir es de 5 m el error relativo es ahora 1/500 = 0,002 = 0,2% lo que
es excelente.

1.3 Valor real de una magnitud:

El valor real de una magnitud medida (X) puede expresarse empleando las ecuaciones (1)
y (2) es decir, X = valor promedio error absoluto medio

x x X A = (4)

1.4 Porcentaje de error relativo:

Cuando se tiene un valor medido experimentalmente y se tiene un valor terico con el
cual comparar, se puede hallar el porcentaje de error relativo de la siguiente forma:

3

exp
% 100
Valor terico Valor erimental
Valor terico
c

=
(5)


Ejemplo 1: Para calcular el periodo de oscilacin de un pndulo se realizaron cuatro
medidas, obtenindose los siguientes valores: T
1
= 0,412 s, T
2
= 0,409 s, T
3
= 0,410 s,
T
4
= 0,414 s. Con esta informacin, determinar el valor medio, el error absoluto, el error
absoluto medio, el error relativo medio, el porcentaje de error y el valor real.

Valor medio:


1 2 3 4
0, 412 0, 409 0, 410 0, 414
0, 411 s
4 4
x x x x
x
+ + + + + +
= = =


Error absoluto:


1 1
0, 411 0, 412 0, 001 x x x A = = =

2 2
0, 411 0, 409 0, 002 x x x A = = =

3 3
0, 411 0, 410 0, 001 x x x A = = =

4 4
0, 411 0, 414 0, 003 x x x A = = =


Error absoluto medio:

1 2 3 4
4
0, 001 0, 002 0, 001 0, 003
0, 017
4
x x x x
x
A +A +A +A
A =
+ + +
= =

Error relativo medio de las medidas:

0,017
= 0,041
0,411
x
x
c
A
= =
en porcentaje es:
4 ,1 %


El resultado en la medida del periodo de oscilacin del pndulo es:

x 0,411 0,041 x x = A =


1.5 Teora de errores en la medida:

1.5.1 Medidas:
4

Como ya se ha explicado, cuando se realice la medida de cualquier magnitud hay que
indicar el error asociado a la misma. Dado que no conocemos el valor verdadero de la
magnitud que deseamos medir, se siguen ciertos procedimientos para hacer una estimacin
del mismo y de su lmite de error. Con el fin de alcanzar cierta validez estadstica en los
resultados de las medidas es muy conveniente repetir varias veces su determinacin; por
convenio, se ha establecido en 3 este nmero mnimo. No obstante, es posible que en
alguna ocasin no tenga sentido llevar a cabo estas repeticiones, en cuyo caso se considera
que el error absoluto coincide con el valor de la sensibilidad del aparato utilizado para
realizar la medida. En el caso habitual, cuando son 3 las medidas tomadas, pueden
presentarse poco o muy dispersas y en funcin de esta dispersin puede ser conveniente
aumentar o no el nmero de determinaciones del valor de la magnitud.
1.5.2 Tipos de medidas:
Las medidas experimentales estn afectadas por cierta imprecisin en sus valores debido a
las limitaciones en la escala del aparato de medida o a las limitaciones de nuestros sentidos
en el caso de que sean ellos los que deben registrar la informacin. Por tal razn, resulta
imposible conocer el valor exacto de alguna magnitud fsica, sin embargo, el problema
puede ser tratado, estableciendo los lmites dentro de los cuales se encuentra dicho valor. El
valor de las magnitudes fsicas se obtiene experimentalmente efectuando una medida. sta
puede ser directa (obtenida por medio del valor medido de la magnitud en cuestin)
indirecta (medida a partir de otra magnitud ligada con la magnitud problema mediante una
frmula fsica).
1.5.3 Error:
El error se define como la diferencia entre el valor verdadero y el obtenido
experimentalmente. Los errores no siguen una ley determinada y su origen puede estar dado
por mltiples causas, sin embargo, es posible clasificarlos en:

Errores sistemticos: estos errores permanecen constantes a lo largo de todo el proceso de
medida afectndolas de un modo definido siendo el mismo para todas ellas y pueden
subclasificar en:
Errores instrumentales. Son los ocasionados por el instrumento de medida. Es
as, por ejemplo, que cuando se miden longitudes con reglas o calibradores no
tiene sentido tomar dichas medidas varias veces ya que se obtendr el mismo
valor, en estos casos el error absoluto de la medida est dado por la precisin
(mitad de la graduacin ms pequea) del instrumento de medida.
Errores Personales. Dado por limitaciones propias del experimentador.
Errores del mtodo: Generados por la eleccin del mtodo, por ejemplo, cuando
se lleva a cabo la determinacin de una medida mediante un mtodo que no es
idneo.
Errores accidentales: Son los que se producen en las variaciones que pueden darse entre
observaciones sucesivas realizadas por un mismo operador, las causas de estos errores son
incontrolables para el observador y son en su mayora de magnitud muy pequea.
5

1.5.4 Exactitud, precisin y sensibilidad:
La exactitud es el grado de concordancia entre el valor verdadero y el experimental,
mientras que la precisin es el grado de concordancia entre una medida y otras de la
misma naturaleza realizadas en condiciones iguales. La sensibilidad de un equipo de
medida es el valor mnimo de la magnitud que es capaz de medir y normalmente se admite
que la sensibilidad de un aparato viene indicada por el valor de la divisin ms pequea de
la escala de medida.
1.5.5 Propagacin de errores:
Para minimizar los errores obtenidos por clculos, en muchas ocasiones, sobre todo cuando
se trabaja con calculadora o computador, lo ms conveniente es tomar todos los decimales
que aparecen para el nmero en cuestin, de esta manera, su error es muy pequeo y puede
despreciarse frente a los del resto de las magnitudes que intervengan. El procedimiento para
determinar el error de la medida hecha de manera indirecta se entiende mediante el clculo
diferencial, es decir, el error en medidas indirectas se propaga sobre las frmulas como
derivadas implcitas, las cuales se caracterizan por ser tomadas en el caso de mayor error
posible, para lo cual se toman los valores absolutos de las derivadas parciales con el fin de
tener una suma de trminos positivos. Por ejemplo, si medimos el dimetro (2r) y la altura
(h) de un cilindro, podemos determinar su volumen (V) empleando la frmula:

h r V
2
t = (6)
Donde, r es el radio de la parte circular. Si ahora deseamos calcular el error cometido en la
medida, aplicamos derivada implcita, obtenindose:
r rh h r V A + A = A t t 2
2
(7)
Donde Ah, es el error absoluto de la medida de la altura, mientras que Ar corresponde al de
la medida del radio.
Ejemplo 2: Si se tiene un anillo al cual se han medido sus radios y altura con un calibrador
de precisin 0,05 mm y se han obtenido los valores: radio interior 3.00 cm, radio exterior
2.00 cm, espesor 0.600 mm cul es el error propagado al calcular el volumen del anillo?

El volumen de un anillo est dado por:
h r r V
ext
) (
2
int
2
=t


El V ser entonces, por derivacin implcita:



2 2
int int int
( ) 2 2
ext ext ext
V r r h r h r r h r t t t A = A + A A


6

Los valores de
, V A
ext
r A y
int
r A estn dados por el instrumento de medida, es decir valen
0.005 cm. Se debe tomar el mayor error posible, por ello el error en el clculo del
volumen se toma con signo positivo as:
2 2
int int int
( ) 2 2
ext ext ext
V r r h r h r r h r t t t A = A + A + A
Reemplazando se tiene:
2 2 3
((3.00) (2.00) )*(0.06) 0, 943 V cm t = =


2 2
((3.00 2.00 )*(0.005) 2* *3.00*0.06*0.005 V t t A = + +


3
2* *2.00*0.06*0.005 0, 088 cm t =


El valor del real del volumen es, entonces,
3
0, 943 0, 088 V cm =



2. MTODO DE LOS MNIMOS CUADRADOS:

2.1 Descripcin del mtodo

A nivel prctico, surge frecuentemente la necesidad de resolver problemas que involucren
un conjunto de variables que se relacionan entre s. Un caso particular de relacin entre dos
variables es el comportamiento lineal. Un mtodo muy prctico utilizado para encontrar
una recta ajustable al comportamiento lineal, se conoce como el Mtodo de los Mnimos
Cuadrados. Este es un mtodo que se utiliza para buscar la curva (en nuestro caso la recta)
de ajuste ptimo que minimiza la suma de los cuadrados de los errores, de un conjunto de
datos experimentales (ver Figura 1).


Figura 1. Grfica de datos experimentales y ajuste terico

De donde
i
x y
i
y son los datos experimentales y
b mx y + =
es la ecuacin de la mejor
recta de ajuste. Los valores de la pendiente (m) y el intercepto (b) se obtienen con base en
las ecuaciones 8 y 9, las cuales resultan de realizar un procedimiento matemtico para
minimizar la suma de los cuadrados de los errores (S), | |
2
( )
i i
S y mx b = +

.

x
i
y
i

i
y

x
1
y
1
1
y

x
2
y
1

2
y

.
.
.
.
.
.
x
n
y
n

n
y

.
.
.
.
.
.
.
e
1

e
2

.
.
1
y
1
y
y
x
x
1
x
2

2
y
2
y
b mx y + =
7


( )( )
( )
2
2
i i i i
i i
n x y x y
m
n x x

(8)

b y mx =
(9)
x y y son los promedios de los valores de
i
x y
i
y experimentales y n es el nmero de
datos.

Ahora es necesario saber cul es el poder explicativo del modelo de ajuste lineal obtenido.
Esto puede hacerse mediante el coeficiente de determinacin (r
2
) dado por la ecuacin 10:
2
2
2
( )
( )
i
i
y y
r
y y

(10)
Un r
2
= 1 indica que todos los datos experimentales correlacionan un conjunto de puntos
colineales (todos coinciden con la misma lnea recta, para este caso en particular), y entre
ms alejado est el resultado de 1, es indicio de que los datos experimentales se alejan ms
de una verdadera lnea recta. La raz cuadrada del resultado anterior se denomina el
coeficiente de correlacin, e indica la fuerza de la relacin entre x y y. Para que la
correlacin sea buena, se recomienda que r est comprendida entre 0,95 y 1, e incluso, en
algunos casos, se aceptan valores inferiores a 0,95 pero teniendo en cuenta las causas de
error y algunas consideraciones estadsticas.

Ejemplo 3: En la tabla 1 se presentan los datos experimentales del calor (Q en Caloras)
y temperatura T (en
o
C) para 1 gramo de masa de una sustancia en particular. Si la
relacin funcional entre estas dos variables es lineal, y si adems se sabe que la pendiente
de la grfica de Q = f (T) representa el producto entre la masa y el calor especfico (C
p
) de
la sustancia en cuestin, encontrar, empleado el mtodo de mnimos cuadrados, el valor
del calor especfico.

Tabla 1. Datos de calor y temperatura

Q(Cal) 0 0,56 1,09 1,64 2,11 2,61 3,24
T(
o
C) 0 5 10 15 20 25 30

Para hallar la ecuacin de la recta de la forma
b mx y + =
tomamos T como x y Q como
y. Con los datos de la tabla 1 puede hallarse m, b y r.

Tabla 2. Clculos para encontrar m, b y r


x
i
y
i
x
i
y
i
x
i
2

i
y
2
( )
i
y y
2
( )
i
y y
0 0 0 0 0,017 2,528 2,583
5 0,56 2,8 25 0,547 1,124 1,096
10 1,09 10,9 100 1,077 0,281 0,267
15 1,64 24,6 225 1,607 1,96E-8 0,001
8

20 2,11 42,2 400 2,137 0,281 0,253
25 2,61 65,25 625 2,667 1,123 1,006
30 3,24 97,2 900 3,197 2,528 2,666
=

105 11,25 242,95 2275 7,865 7,873

Se obtienen entonces:
105 x
i
=

11,25 y
i
=

242,95 x y
i i
=

2
2275 x
i
=


Reemplazando estos valores en las ecuaciones (8), (9) y (10) se tiene:

( )( )
( )
2 2
2
7(242, 95) (105)(11, 25)
0,106
7(2275) (105)
i i i i
i i
n x y x y
m
n x x

= = =

1, 60714 0,106 (15) 0, 017 b y mx = = =
0,106 m = 0,017 b =

La ecuacin de la recta obtenida es:
0,106 0,017 y x = +

2
2
2
( )
7,865
0, 99898
( ) 7,873
i
i
y y
r
y y

= = =

2
0,99898 r =

0,99949 r =


Con base en el coeficiente de correlacin, puede decirse que:

Los datos correlacionan un excelente ajuste lineal, es decir, que la relacin funcional
entre las variables Q y T es lineal. El calor es directamente proporcional al cambio de
temperatura de la sustancia en cuestin.

Empleando las variables iniciales Q y T se tiene: Q = 0,106T+0,017

Donde la pendiente representa el producto entre la masa y el calor especfico (C
p
), y como
la masa m = 1 g, entonces el calor especfico ser:


0,106 1
p
o
Cal
g c
C
=

o
0,106
C
p
Cal
c
g
=

9

Buscando en la teora se encuentra que esta sustancia debera ser hierro cuyo calor
especfico es
o
0,107
C
p
Cal
c
g
=

, por lo tanto, el porcentaje de error en el c

p

obtenido experimentalmente es:


- exp 0,107 0,106
% 100 100 0,93 %
0,107
Valor terico Valor erimental
Valor terico
c

= = =

A continuacin se muestra la grfica de los datos experimentales y la recta obtenida en el
mismo plano cartesiano:



Figura 2. Grfico del ejemplo 3
Usando una calculadora tambin es posible obtener de forma directa los
parmetros m, b y r
2
con el comando REG (regresin lineal). A continuacin
se muestra un pequeo tutorial para la calculadora CASIO fx-82MS:

10


2.2 Errores en el mtodo de mnimos cuadrados:
Aplicando, clculo diferencial (derivacin implcita) a los valores de la pendiente y el
intercepto, obtenidos del mtodo de mnimos cuadrados para un ajuste lineal, es posible
determinar los errores cometidos en el clculo de la pendiente y del intercepto, los cuales
vienen dados por:



11

2
1
2
1
( )
( 2) ( )
n
i i
i
n
i
i
y mx b
m
n x x
=
=

A =

2
2
1
2
1
( )
1
( 2)
( )
n
i i
i
n
i
i
y mx b
x
b
n n
x x
=
=
| || |

| |
| | A = +

| |

| |
\ .\ .

(11)
Donde:
m pendiente de la recta de ajuste
b intercepto (trmino independiente) de la recta de ajuste
n nmero de datos analizados
x promedio de los
i
x

Ejemplo 4:

Para utilizar las ecuaciones anteriores lo mejor es hacer una tabla teniendo en cuenta los
valores de m y b ya calculados anteriormente, como se muestra a continuacin:

0,106 m =
0,017 b =

x 15 =


Tabla 3. Datos necesarios para el clculo de errores en el mtodo de mnimos cuadrados


x
i
y
i

i
x x
( )
2
i
x x

i i
y mx b
( )
2
i i
y mx b

0 0 -15 225 -0,017 0,000289
5 0,56 -10 100 0,013 0,000169
10 1,09 -5 25 0,013 0,000169
15 1,64 0 0 0,033 0,001089
20 2,11 5 25 -0,027 0,000729
25 2,61 10 100 -0,057 0,003249
30 3,24 15 225 0,043 0,001849
=

105 11,25 700 0,007543

2
1
2
1
( )
0, 007543
0, 00147
(7 2) 700
( 2) ( )
n
i i
i
n
i
i
y mx b
m
n x x
=
=

A = = =

12

2
2 2
1
2
1
( )
1 0, 007543 1 15
0, 0265
( 2) 7 2 7 700
( )
n
i i
i
n
i
i
y mx b
x
b
n n
x x
=
=
| || |

| |
| |
| |
| | A = + = + =
| |

| | \ .
\ .

| |
\ .\ .

De lo anterior se concluye entonces que el valor real de la pendiente (m) y el intercepto (b)
ser:
0,106 0, 00147 m = y
0,017 0,0265 b =



NOTA: El procedimiento anterior es muy importante y estos errores deben ser tenidos
siempre en cuenta, pero debido a que la mayora de las calculadoras utilizadas por los
estudiantes no arrojan este resultado tal y como lo hacen con m, b y r, entonces el clculo
de error en el mtodo de mnimos cuadrados no ser tenido en cuenta para los resultados en
las prcticas de este laboratorio por lo largo que resulta.

Estos errores se obtienen fcilmente cuando se emplean programas como Excel u Origin
entre otros.


3. LINEALIZACIN:

Este mtodo permite tomar la ecuacin de una curva, y a travs de una modificacin
(cambio de variable), expresarla como la ecuacin de una recta, la cual se optimiza con el
mtodo de los mnimos cuadrados. Por ejemplo, si 2 y a x k = + representa un modelo
matemtico de cierto fenmeno fsico, es fcil observar que cuando se grafica y contra x, se
obtiene una curva como se muestra en la figura 3.
















Figura 3. Grfica de la funcin 2 y a x k = +
y x X x =

y
1
x
1 1
x
y
2
x
2

2
x
y
3
.

.
.
x
3
.
.
.

3
x

.
.
.

y
n
x
n

n
x
13


De acuerdo a la forma de la curva se puede pensar en una relacin funcional de tipo raz
cuadrada, lo cual est corroborado por la ecuacin del modelo. Ahora, si se hace X x = ,
nos da una ecuacin de la forma 2 X y a k = + , la cual representa la ecuacin de una recta,
y al graficar y contra X (Figura 4), se puede obtener el modelo lineal utilizando el mtodo
de los mnimos cuadrados, de la forma: X y m b = + , de donde 2 m a = y b k =

Figura 4. Grfica de los datos linealizados:
( )
( ) X y f x f = =

Ejemplo 5: En el anlisis del periodo de oscilacin de un sistema masa - resorte se
obtuvieron los datos de periodo (T) contra masa (M) que se muestran en la tabla 4. Si se
sabe que la relacin funcional entre dichas variables es de la forma
2
2
T
4
k
M
t
= , donde k
representa la constante elstica del resorte; entonces, con base en la linealizacin de los
datos, aplicar el mtodo de mnimos cuadrados para encontrar el valor experimental de la
constante k del sistema masa resorte en cuestin.


Tabla 4. Datos masa contra periodo

T (s) 0 0,39 0,56 0,74 0,89 1,06 1,16 1,26
M (Kg) 0 0,02 0,04 0,06 0,08 0,1 0,12 0,14


14



Figura 5. Grfico de masa contra periodo
Para linealizar los datos anteriores se hace X = T
2
, debido a la forma de la grfica. Al
graficar M = f (X) de la ecuacin que resulta despus de linealizar
2
X
4
k
M
t
| |
=
|
\ .
, se
obtiene una lnea recta como se muestra a continuacin:


Tabla 5. Linealizacin de los datos masa contra periodo
(masa contra periodo al cuadrado)

X (s
2
) 0 0,152 0,314 0,548 0,792 1,124 1,346 1,588
M (Kg) 0 0,02 0,04 0,06 0,08 0,1 0,12 0,14

De la anterior tabla se puede aplicar el mtodo de mnimos cuadrados para encontrar la
ecuacin que relaciona las variables M = f(X), la cual se presenta en el siguiente grfico:


Figura 6. Grfico de masa contra periodo al cuadrado


15

Cuya pendiente e intercepto, con sus respectivos errores son:

m = 0,0842 0, 00347 m A =
b = 0,0083 0, 00316 b A =


De la anterior informacin se puede concluir que como la relacin funcional entre la masa y
el periodo de oscilacin de un sistema masa resorte es
2
2
T
4
k
M
t
= y la ecuacin
obtenida de los datos de la tabla 4 despus de aplicar la linealizacin y el mtodo de
mnimos cuadrados es
2
0, 0842 T 0, 0083 M = + , entonces la constante elstica del
sistema ser:

( )
2
2
0, 0842 0, 00347 0, 0842 0, 00347 4 3, 3241 0,1369
4
k N N
k
m m
t
t
= = ~
Ejemplo 6: Use los datos de la tabla 6 (z = f(P)) y el mtodo de linealizacin y mnimos
cuadrados para encontrar el valor experimental de w si se sabe que tales datos correlacionan
el modelo matemtico:


1
z w
P
=
(12)

Tabla 6. Datos del ejemplo 6

P 1 2 3 4 5 6 7 8
z 5,31 3,12 2,23 1,54 1,05 0,88 0,79 0,68


Figura 7. Grfico de ( ) z f P =
16


Lo primero que se debe hacer es linealizar los datos de la tabla 6 ya que la ecuacin (12),
como se observa en la figura 7, no representa una ecuacin lineal, por lo tanto, si se hace
1
P
x =
, es claro que
( ) z f x =
si representa una funcin lineal como se muestra a
continuacin:

z w x =


Entonces la nueva tabla de los datos linealizados ser:

Tabla 7. Datos de la tabla 6 linealizados

x=1/P 1 0,50 0,33 0,25 0,20 0,17 0,14 0,13
z 5,31 3,12 2,23 1,54 1,05 0,88 0,79 0,68

Y aplicando el mtodo de mnimos cuadrados de
( ) z f x =
, se obtiene:


Figura 8. Grfico de mnimos cuadrados de z = f(1/P)

Cuya pendiente e intercepto, con sus respectivos errores son:

m = 5,3912 0, 2982 m A =
b = 0,1169 0,1303 b A =

Con la informacin anterior se puede concluir que el valor experimental de w es

5, 3912 0, 2982 w=


Ejemplo 7: Use los datos de la tabla 8, (y = f(x)) y el mtodo de linealizacin y mnimos
cuadrados para encontrar el valor de las constantes a y b, si se sabe que tales datos
correlacionan el modelo matemtico:
17


(13)

Tabla 8. Tabla de datos del ejemplo 7

x 1 3 5 7 9
y 1210,3 22,167 9,9604 7,0693 5,8432


Figura 9. Grfico de ( ) y f x =
Lo primero es linealizar los datos de la tabla 8, ya que como se puede observar en la figura
9, estos datos no representan una funcin lineal. La linealizacin de la ecuacin (13), la
cual representa una funcin exponencial, implica utilizar funciones logartmicas como se
muestra a continuacin:
( )
1
ln ln ln ln ln ln ln
b
x b
x
y ae y a e y b a
x
= = + = +


La linealizacin estara dada por las siguientes sustituciones:

1
Y ln , X
x
y = =


Con lo cual se obtiene la siguiente tabla de datos linealizados:

Tabla 9. Datos de la tabla 8 linealizados

1
X
x
= 1 1/3 1/5 1/7 1/9
Y ln y = 7,099 3,099 2,299 1,956 1,765

Y al aplicar el mtodo de mnimos cuadrados con estos nuevos datos linealizados se pueden
obtener los parmetros a y b como se observa en el siguiente grfico:

b
x
y ae =
18



Figura 10. Grfico de ln (1/ ) y f x = obtenida con el mtodo
de mnimos cuadrados


Cuya pendiente e intercepto, con sus respectivos errores son:

m = 6,00035 0, 00047 m A =
b = 1,09865 0, 00023 b A =

Al comparar la ecuacin obtenida por mnimos cuadrados que se muestra en la figura 10
con la ecuacin
1
ln ln y b a
x
= +
, se puede concluir que:

6, 00035 0, 00047 y ln 1, 09865 0, 00023 3 b a a = = ~