Mtodo de los mnimos cuadrados

Anwibuma-Fsica-FCPN-UMSA

1.

Ajuste lineal

En el campo de las ciencias y la ingeniera, muchos experimentos consisten en una serie de datos obtenidos experimentalmente, dichos datos estn constituidos por pares ordenados de nmeros, los cuales estan asociados con los valores de
dos variables, es decir

Y.

En tal sentido, es necesario contar con una funcin, que exprese analticamente la relacin

funcional que guardan las variables en cuestin (un mejor ajuste). De manera general, se sospecha que la relacin
funcional entre el par de variables experimentales, estn relacionadas de

forma lineal.

Es decir

Y = A + BX,

(1.1)

A y B son constantes. Si las dos variables X y Y estan relacionadas de esta manera, entonces un grco de Y
X (ecuacin 1.1) debe ser una lnea recta de pendiente B , que intercepta al eje Y en Y = A. En mediciones
experimentales, se tiene ms de un dato experimental. En general, se debe tener N mediciones al par de variables, como
donde

versus

el lgico de suponer, cada valor experimental esta sujeto a una incertidumbre, en especial la

sensibilidad

del instrumento

con el que se efectua la toma de datos experimentales.

Antes de proseguir con el mejor ajuste a los datos experimentales, debemos hacer nfasis en la visualizacin de los datos.
La eleccin correcta del tipo de representacin grca depende en gran parte de la preferencia personal del experimentador.
Sin embargo, existen reglas generales que se deben respetar y son de concenso amplio en la comunidad cientca, o sea

El tipo de graco ser ms efectivo cuando este exprese una sencillez unica.

Toda representacin graca debe expresarse absolutamente por si misma, es decir, debe estar correctamente indicados el titulo, origen, escalas y claves explicativas.

Cundo se presentan ms de una variable, cada una debe ser claramente diferenciada.

Por lo general, se representa en el eje vertical o de ordenadas, perpendicular el eje horizontal o de abcisas.

La escala que representa al eje de ordenadas debe comenzar con el 0, si esto no es posible, la posicin de cero debe
indicarse mediante la interrupcin del eje vertical

(Y ).

El grco progresa u aumenta generalmente de izquierda a derecha y de abajo hacia arriba.

Los grcos suelen ser representados en uno cartesiano ortogonal lineal, cartesiano ortogonal logartmico y en uno
cartesiano ortogonal semi-logartmico.

Cartesiano ortogonal lineal. Esta constituido por dos escalas uniformes que forman entre si un ngulo de
horizontal se la denomina eje de las

variable independiente

y en la

ordenada

o abscisas y la vertical eje de las

la

variable dependiente.

u ordenada. En la

Cartesiano ortogonal logartmico. Semejante al ortogonal lineal, excepto que los ejes

abscisa

90o ,

la escala

se representa la

son tomados como

logartmos.

Cartesiano ortogonal semi-logartmico. Semejante al ortogonal lineal, slo que en este caso el eje de abcisas
toma como logartmos, mientras que el eje de ordenadas u

se

mantiene su carcter lineal.

Escala. es una lnea, recta o curva sobre la que se dispone marcas llamadas COTAS, estas representan los valores de la
magnitud que se quiere representar, entre COTA y COTA se encuentra un espacio denominado MODULO O INTERVALO.
As, la escala unidad por unidad es la igualdad que expresa dos longitudes: la del grco y el de la realidad. Un ejemplo
sera que

1 [cm] = 5 [km]; 2 [cm] = 300 [m]

y as sucesivamente. Mientras que, la escala grca es la representacin

dibujada de la escala unidad por unidad, donde cada MODULO O INTERVALO muestra la relacin entre la longitud de
la representacin y el de la realidad (tal como se ve en los mapas cartogrcos).

AJUSTE LINEAL
X versus Y
16

14

12

10

e_i

0
0

10

12

14

Figura 1.1: La Figura muestra la dispersin de los datos experimentales alrededor de la lnea recta, en particular el dato

ei

es la distancia del dato experimental a la lnea recta supuesta la de mejor ajuste.

La Figura 1.1 ilustra los pares de datos experimentales

(xi , yi )

contenidos en el primer plano cartesiano, en este se puede

visualizar la dsitribucin de los datos entorno a una lnea recta que parte del origen de coordenadas (no necesariamente).

ei

La distancia del dato experimental i-simo simbolizado con

a la lnea recta supuesta la de mejor ajuste, representa la

diferencia entre el valor observado experimentalmente y el valor terico, representados como

di ,

estas

di

deben ser lo

sucientemenete pequeas a n de cumplir el requisito de que los datos observados virtualmente esten contenidos en la

di

lnea recta de mejor ajuste, en tal sentido, las diferencias

como tales no satisfacen la condicin expuesta, entonces

se sugiere tomar el cuadrado de estas y hacerlas mnimas, es decir

d = e21 + e22 + e23 + . . . . . . + e2i + . . . . . . + e2n =

e2i

(1.2)

i=1
Si asumimos que los datos experimentales estn contenidos en la lnea recta de mejor ajuste, es decir la ecuacin
1.1, consecuentemente, debemos hallar los coecientes

B.

Entonces, los mejores coecientes sern aquellos que

minimizan el cuadrado de las diferencias dadas en la ecuacin 1.2, esto da lugar al denominado

cuadrados.

El gradiente de

mtodo de mnimos

igualado a cero ser la solucin buscada. Observando la Figura 1.1, podemos extraer la

siguiente informacin:

di = Y obs
Yiteorica = Yiobs (A + BXi )
i

(1.3)

De manera que la ecuacin 1.3 debe ser elevada al cuadrado, tal como lo expresa la ecuacin 1.2, es decir

d = (Y1 A BX1 ) +(Y2 A BX2 ) +(Y3 A BX3 ) +. . . . . .+(Yi A BXi ) +. . . . . .+(Yn A BXn )

(1.4)
El gradiente de

es:

[
d =

d
B
d
A

[
=

0
0

]
(1.5)

Las componentes del gradiente (ecuacin 1.5) se obtienen como:

d
B
d
A

(1.6)

Evaluando por separado el gradiente de la ecuacin 1.6 a la ecuacin 1.4, se puede expresar en una sola expresin matricial
de la forma:

1
[(
)(
)
(
)] 1

Y1 A BX1 Y2 A BX2 . . . . . . Yn A BXn .

..
1
2

X1
X2

.
.

.
Xn

[
=

]
0

(1.7)

AJUSTE LINEAL

Tomando la transpuesta de la ecuacin 1.7 obtenemos:

1
X1

1
X2

Rscribiendo la ecuacin 1.8 de la forma:

1
X1

1
X2

...
...

...
...

1
Xn

Y1 A BX1
[
]
Y2 A BX2

= 0

...
0
Yn A BXn

Y1

]
Y2
1

.
Xn
..

YN

1 X1
1 X2

..
.
.
.
.
1 Xn

[
A

a a la matriz que tiene la informacin de los datos de la variable independiente X

que la informacin de la variable dependiente esta representado por la matriz Y , es
Sea

at (Y a) =

a Y a a

La solucin de la ecuacin 1.10 es

La dimensin de

(1.8)

[
=

at

0
0

]
(1.9)

su matriz transpuesta. Mientras

decir

(1.10)

( )1 t
= at a
aY

(1.11)

depende del nmero de datos experimentales y del nmero de coecientes a determinar.

Ejemplos de aplicacin
1. Ejercicio nmero 8 del captulo 4: Ajuste de curvas de Alvarez-Huayta

3o

edicin. Las velocidades en funcin del

tiempo para un automvil que se mueve con movimiento uniformemente acelerado, se muestran en la siguiente
tabla.
Calcule:
(a) La ecuacin emprica
(b) La aceleracin del automvil.
(c) La velocidad del automvil para 15 segundos.
(d) El tiempo para el cual el automvil alcanza una velocidad de

t[s]
v[

m
s ]

100

[ km ]
h

1,5

2,5

3,5

5,0

7,5

9,5

12,0

8,5

10,0

12,5

15,0

20,5

25,0

32,0

Respuesta:
(a) Es inmediata, ya que el dato de entrada es el movimiento uniformemente acelerado, la ecuacin correspondiente
parte de las leyes de la cinemtica, es decir

v = vo + at

(1.12)

(b) En vista de la ecuacon 1.12, se ve que esta es lineal, de manera que los datos experimentales sern ajustados
a una funcin lineal, tal como lo traduce la ecuacin 1.11, con los coecientes
variable independiente como

X=t

y dependiente como

Y = v,

A = vo

B = a,

mientras que la

en tal sentido, se forma una ecuacin semejante

a la ecuacin 1.1. La misin es entonces determinar los coecientes que mejor ajusten a la ecuacin 1.12, es decir

B.

Por consiguiente:

AJUSTE LINEAL

a =

[
t

[
at a =

)1
aa
t

[
=

[
at Y

1 1, 5
1 2, 5
1 3, 5
1 5, 0
1 7, 5
1 9, 5
1 12, 0
1
1, 5

1
1, 5

1
2, 5

1
1
3, 5 5, 0

1
2, 5

1
7, 5

1
1
9, 5 12, 0

1
1
3, 5 5, 0

1
2, 5

1
1
1

7, 5 9, 5 12, 0

0, 53246239 0, 06571655
0, 06571655 0, 01108472

1
1, 5

1
1
3, 5 5, 0

1
1

9, 5 12, 0

1
7, 5

1 1, 5
1 2, 5
1 3, 5
1 5, 0
1 7, 5
1 9, 5
1 12, 0

8, 5
10, 0
12, 5
15, 0
20, 5
25, 0
32, 0

[
]

7, 0
41, 5
=

41, 5 336,25

[
]

= 123, 50

931, 75

( )1 t
=
= at a
aY
[
]
[
][
]
A
0, 53246239 0, 06571655
123, 50
=
B
0, 06571655 0, 01108472
931, 75
[
]
[
]
A
4, 527712
=
B
2, 212193
A
B

(1.13)

Como puede evidenciarse de la ecuacin 1.13, los coecientes que mejor ajustan a la ecuacin 1.12 estn dados en
la ecuacin 1.13, en tal sentido, la ecuacin del movimiento uniformemente acelerado ser:

v
v

= A + Bt
= 4, 5 + 2, 2t

(1.14)

De manera que la pendiente de la ecuacin 1.15 representa la aceleracin del automvil, es decir
(c) Para el clculo de la velocidad a los

2, 2

[m]

s2 .

15 [s], recurrimos a la ecuacin 1.15, para ello sustituimos el valor asignado

y calculamos la velocidad del automvil, o sea

v
v

[m]
[m]
[m]
+ 2, 212193 2 15 [s] = 37, 7
= 4, 527712
s
s
[m] s
= 37, 7
s

(d) De la ecuacin 1.15 se procede a despejar el tiempo empleado para la velocidad de

[ km ]

[ km ]

[ ]
3 km

4, 527712 3600 10
[ ]
2
2, 212193 (3600) 103 km
h2
10, 5 [s]
100

100

2. Ejercicio nmero 10 del captulo 4: Ajuste de curvas de Alvarez-Huayta

, es decir

= 10, 50996264 [s]

3o

edicin. Las pruebas acerca del consumo

de combustible de un vehculo que viaja a diferentes velocidades produjeron los siguientes resultados (codicados):

AJUSTE LINEAL

V(x)

20

30

40

50

60

70

80

90

C(y)

18,3

18,8

19,1

19,3

19,5

19,7

19,8

20,0

Se cree que la relacin entre las dos variables es del tipo

y = A + Bx. Obtenga la ecuacin de la lnea de regresin.

Respuesta
Es posible proceder como en el ejercicio 1 para calcular los coecientes

y = A + Bx.

que mejor ajustan a la ecuacin

Sin embargo, una calculadora cientca tal como la CASIO fx-3600P, nos permite obtener dichos

coecientes de manera inmediata, para ello se debe consultar el manual de operacin de tal calculadora, para
el presenta caso se coloca la calculadora en el mode 2 (LR) y se resetea la mquina a n de eliminar datos
anteriormente introducidos -INV+AC-, luego se introduce los datos en el siguiente orden:
20 + la tecla

[xD , yD ] y 18,3 + la tecla RU Ndata , si seguimos ese orden hasta introducir todos los datos, obtenemos

los coecientes mediante la instruccin:

La tecla INV + la tecla nmero 7 nos da el coeciente
coeciente

B = 0, 0225.

A = 18, 075;

la tecla INV + la tecla nmero 8 da el

En tal sentido, el resultado deseado ser

y = 18, 08 + 0, 02x
Ntese la gran diferencia con el ejercicio nmero 1.

3o

edicin. Los alargamientos X observados

(F = kX) para distintas fuerzas aplicadas F , se presentan en la siguiente
K del resorte.

3. Ejercicio nmero 9 del captulo 4: Ajuste de curvas de Alvarez-Huayta

en un resorte que obedece la ley de Hooke
tabla. Calclese la constante de rigidez

F[N]

12,0

17,5

25,0

30,5

35,0

42,2

48,5

X[m]

0,10

0,15

0,20

0,25

0,30

0,35

0,40

Respuesta
A diferencia de los ejercicios 1 y 2 dados lineas arriba, procederemos a emplear el programa grco GNUPLOT que
permite obtener simultaneamente la grca deseada y los coecientes

AyB

buscados, a tal efecto se debe realizar

un pequeo script (programa). La salida de resultados es como sigue:

Constante Elastica de un Resorte

50
Datos experimentales
Linea de ajuste
45

40

35
Fuerza, F [N]

30

25

20

15

10
0.1

0.15

0.2

0.25
Elongacion, X [m]

0.3

0.35

0.4

Figura 1.2: Se muestra en asterisco los datos experimentales y lnea continua la funcin de ajuste lneal.

La salida de resultados es como sigue:

Iteration 4 WSSR : 2.69107
delta(WSSR) : -2.65143e-06

delta(WSSR)/WSSR : -9.85268e-07
limit for stopping : 1e-05 lambda : 7.32291e-05

resultant parameter values

A = 120.643

INCERTIDUMBRES EN LA PENDIENTE Y EL INTERCEPTO

B = -0.0607143
After 4 iterations the t converged.
nal sum of squares of residuals : 2.69107
rel. change during last iteration : -9.85268e-07
degrees of freedom (FIT_NDF) : 5
rms of residuals (FIT_STDFIT) = sqrt(WSSR/ndf ) : 0.733631
variance of residuals (reduced chisquare) = WSSR/ndf : 0.538214
Final set of parameters
=============
A = 120.643
B = -0.0607143

Asymptotic Standard Error

=============
+/- 2.773 (2.298 %)
+/- 0.7466 (1230 %)

correlation matrix of the t parameters:

A
B

A
B
1,00
0,928 1,00

El resultado deseado esta representado por el coeciente

ser muy completo, ya que a los coecientes

AyB

A = 120,643

[N ]

m . El presente ejercicio tiene la virtud de

acompaan sus correspondientes incertidumbres y la grca que

enriquese al ejercicio. De manera que la ecuacin lneal toma la forma:

F = 0, 0607143 + 120, 643X

o

F = (0, 0607143 0, 7466) + (120, 643 2, 773) X

(1.15)

El resultado de la ecuacin 1.15 obedece a una distribucin normal.

2.

Incertidumbres en la pendiente y el intercepto

La ecuacin 1.11 permite obtener los coecientes

que mejor ajustan a los datos experimentales, a su vez la

desviacin estndar de la pendiente y el intercepto se calculan en trminos de la desviacin estndar de la distribucin

de valores dada en la ecuacin 1.2 que la denominaremos

SY =

Sy , la cual
v
u N
u
u
d2i
u
t i=1

esta dada por

(2.1)

N 2

De manera que los valores tanto para desviaciones estndar del intercepto y la pendiente estan dadas por:

SB

v
u
N
= SY u
(N
)2
u N
u

tN
2
X
X
i

i=1

SA

i=1

v
u
N
u

u
Xi2
u
u
i=1
= SY u
(N
)2
u N
u

2
tN
X
X
i

i=1

(2.2)

i=1

Y sus correspondientes incertidumbres las ecribimos como:

EB

EA

t( ,N 2) SB
2
t( ,N 2) SA
2

(2.3)

INCERTIDUMBRES EN LA PENDIENTE Y EL INTERCEPTO

Entonces la ecuacin de mejor ajuste puede escribirse como:

Y = (A EA ) + (B EB ) X

(2.4)

Se podra decir que con la ecuacin 2.4 se tiene resuelto el problema del ajuste de datos experimentales a una

funcin lneal,

sin embargo, la ecuacin 2.4 corresponde a problemas conocidos de la mecnica -por ejemplo la cinemtica-, sin embargo,
hay datos experimentales que no necesariamente corresponden a una dada como la ecuacin 2.4, en tal caso estamos
frente a un problema

no lineal. Entonces surge la pregunta: cuando sabemos que los datos experimentales corresponden

a una funcin lineal o no lineal? -pregunta cuya naturaleza es cuando se desconoce la naturaleza de procedencia de
los datos-. Para dar respuesta a tal interrogante, surge el concepto estadstico de

coeciente de correlacin r,

permite saber si los datos se ajustan a una funcin lineal o no lineal, para ello, el valor de

+1,

este nos

debe estar comprendido entre

cuanto ms prximo se este de la unidad, los datos experimentales corresponderan a una funcin lineal (ver

ecuacin 2.4), caso contrario estamos frente a una no lineal.

La gran variedad de calculadoras cientcas existentes en el mercado, efectuan sin ningun problema el clculo del coeciente de correlacin

r,

la formula estadstica para tal efecto es:

Xi Yi N < X >< Y >

r = v(
)( N
)
u N

u
2
2
2
2
t
Xi N < X >
Yi N < Y >
i=1

i=1

(2.5)

i=1

r de la muestra que es un buen estimador para el

. Para tal efecto se utiliza el denominado contraste de
de que exigen conocer la distribucin muestral de r . Para

Estadsticamente, la ecuacin 2.5 es un coeciente de correlacin

coeciente de correlacin de poblacin terico, denotado por
hiptesis o niveles de signicancia relativos a varios valores

= 0 esta distribucin es simtrica y puede hacerse uso de la distribucin de t-Student. Es decir

H0 : = 0 (no hay asociacin lineal entre X y Y ) versus una hiptesis alternativa determinada por las condiciones del
problema, sea, H1 : < 0 o H1 : > 0: H1 : 6= 0.
La cual tiene (cuando H0 es verdadera) la distribucin t-Student con N 2 grados de libertad. Dependiendo de la hiptesis
alternativa y del nivel de signicancia prejado, se determina la regin de rechazo de la hiptesis de nulidad.
La estadstica para efectuar el contraste de nulidad esta dada por

tcal

r N 2
=
1 r2

(2.6)

Ejemplos de aplicacin
1. De vuelta al Ejercicio nmero 9 del captulo 4: Ajuste de curvas de Alvarez-Huayta

3o

edicin. Determnese el

coeciente de correlacin y la prueba de contraste de nulidad.

Respuesta.
La calculadora cientca CASIO fx-3600P -no solo esta- permite calcular el coeciente de correlacin

r,

es decir,

presionamos la tecla MODE y el nmero 2,seguidamente las teclas INV y AC para un reseteo de la memoria, acto
seguido, introducimos los datos aportados por el ejercicio 3 y los resultados reportados por la calculadora son:

A = 0, 0607

B = 120, 643

r = 0, 998681941

(2.7)

Se puede evidenciar en la ecuacin 2.7 que el coeciente de correlacin es bastante signicativo, esto implica que
los datos si se ajustan a una funcin lineal, corroborndose lo obtenido en la ecuacin 1.15 (sin las incertidumbres).
Sin embargo, se desea saber el grado de asociacin lineal existente entre las variables fuerza aplicada al resorte y
la elongacin respectiva. Para tal efecto, se tomara como nivel de conanza el

95 %

y de la ecuacin 2.6 se tiene:

0, 998681941 7 2
= 43, 508
tcal =
2
1 (0, 998681941)
De la tabla de valores crticos de
el valor crtico es de

0, 754,

r,

se ve que para el nmero de grados de libertad de

(2.8)

y nmero de variables

2,

es decir

tcal > tcritico

(2.9)

La ecuacin 2.9 nos indica que se rechaza la hiptesis nula y concluimos que hay una relacin signicativa entre la
fuerza aplicada al resorte y su elongacin respectiva.

INCERTIDUMBRES EN LA PENDIENTE Y EL INTERCEPTO

2. Con relacin al Ejercicio nmero 8 del captulo 4: Ajuste de curvas de Alvarez-Huayta

coeciente de correlacin

3o

edicin. Se pide estimar el

con su repectivo contraste de nulidad y las incertidumbres tanto en el intercepto como

la pendiente.
Respuesta.
Con la calculadora cientca CASIO fx-3600P procedemos a calcular el coeciente de correlacin

r. Dicho coeciente

es:

r = 0, 997330503
Y mediante la ecuacin 2.6 el valor calculado para

tcal

(2.10)

vale:

0, 997330503 7 2
tcal =
= 30, 54
2
1 (0, 997330503)

(2.11)

El valor calculado en la ecuacin 2.11 lo contrastamos por el dado en la tabla de valores crticos de
de libertad y

variables, se tiene

0, 754,

r, para 5 grados

con lo cual

tcal > tcritico

(2.12)

De manera que se concluye rechazando la hiptesis nula y entonces existe una relacin muy estrecha entre el tiempo
empleado por el automvil y su correspondiente velocidad.
Para el computo de las incertidumbres, recurrimos de las ecuaciones 2.1 a la 2.4, es decir

SY

v
u N
u
u
d2i
u
t i=1

SY
SY
SB

N 2
2

i=1

SB

SB

SA

1, 18448832

i=1

7
7 336, 25 1722, 25

0, 124707657
v
u
N
u

u
Xi2
u
u
i=1
= SY u
(N
)2
u N
u

tN
X
X2
i

i=1

SA

1, 18448832

SA

0, 864321371

i=1

336, 25
7 336, 25 1722, 25

Ahora procedemos a calcular las incertidumbres al nivel de conanza del

para

(8, 5 (4,52771194 2,212193191 1,5)) + . . . + (32 (4,52771194 2,212193191 12, 0))

72
= 1, 18448832
v
u
N
= SY u
(N
)2
u N
u

tN
X2
X
=

72=5

grados de libertad se tiene

2, 571,

95 %,

entonces:

EB
EB
EB

= 2, 571 0, 124707657
= 0, 320623386
= 0, 3

EA
EA

= 2, 571 0, 864321371
= 2, 222170245

EA

= 2, 2
8

de la tabla de t-Student vemos que

ALGUNAS ECUACIONES DE AJUSTE NO LINEALES

De manera que el resultado deseado es:

v = (4, 5 2, 2) + (2, 2 0, 3) t
3.

Algunas ecuaciones de ajuste no lineales

Se muestra a continuacin un listado de funciones matemticas no lineales, bajo una transformacin se procede a linealizar
dichas funciones, es decir
Ecuacin original

Ecuacin linealizada

Variables

ln (Y ) = ln (a) + b X
ln (Y ) = ln (a) + b ln (X)
ln (Y ) = a X + b
log (Y ) = a X + b
1
Y =aX +b
1
1
Y =a+b X

bX

Y = ae
Y = aX b
Y = eaX+b
Y = 10aX+b
1
Y = aX+b
X
Y = aX+b

Y = ln (Y ); X = X
Y = ln (Y ); X = ln (X)
Y = ln (Y ); X = X
Y = log (Y ); X = X
Y = Y1 ; X = X
1
Y = Y1 ; X = X

La funciones matemticas de la Tabla anterior corresponden a ecuaciones no lineales, de manera que los datos experimentales se ajustaran a alguna de ellas y ser el coeciente de correlacin

el que determine cual de las funciones

matemticas es la que mejor se ajusta. Al tomar logaritmos naturales a la ecuacin original, esta queda linealizada, es
decir, podemos aplicar las ecuaciones del ajuste lineal sin ningun problema, vale decir, por ejemplo tomemos la ecuacin
Y = aX b , linealizada queda ln (Y ) = ln (a) + b ln (X), donde las nuevas variables son Y = ln (Y ) ; X = ln (X) y

adems ln (a) = A, b = B , con lo cual la ecuacin original queda Y = A + BX , la cual es similar a la ecuacin 1.1,
donde se debe determinar los coecientes de mejor ajuste

B,

tal como se procedo en la seccin de ajuste lineal.

Ejemplos de aplicacin
1. Los siguientes datos experimentales corresponden al movimiento de proyectiles, se quiere determinar la ecuacin
de mejor ajuste, los coecientes que mejor ajustan con sus respectivas incertidumbres.

Y [cm]

0,0

5,0

10,0

15,0

20,0

25,0

30,0

35,0

40,0

45,0

50,0

55,0

60,0

65,0

70,0

75,0

Z [cm]

0,0

0,1

0,5

2,0

4,3

7,6

11,3

15,4

21,0

27,0

33,6

42,2

50,5

59,9

68,0

79,1

Respuesta
El movimiento de proyectiles queda determinado por la ecuacin

[
Z=

]
g
Y2
2vo2

(3.1)

[
La ecuacin 3.1 corresponde a una funcin matemtica no lineal, en ese sentido, si denominamos a

b = 2,

g
2vo2

]
=a

la ecuacin 3.1 queda de la forma

Z = aY b ,

(3.2)

la cual corresponde a una funcin potencial, donde el objetivo es conocer los coecientes

b.

De la Tabla de

funciones matemticas no lineales, vemos que esta corresponde a la segunda la. En tal sentido, dependiendo de
la calculadora cientca -algunas de ellas efectuan el clculo de los coecientes

de manera directa, mientras

que en otras, toca sacar los logaritmos naturales a las dos variables y recien linealizar para obtener los coecientes

b-.

Otra alternativa es hacer uso del programa grco GNUPLOT, el cual nos proporciona simultaneamente el

grco el ajuste correspondiente y los coecientes respectivos, opcin que tomaremos, es decir, la Figura 3.1 ilustra
el ajuste realizado a los datos experimentales, los valores de los respectivos coecientes es:
After 99 iterations the t converged.
nal sum of squares of residuals : 5.01495
rel. change during last iteration : -1.66567e-08
degrees of freedom (FIT_NDF) : 13

ALGUNAS ECUACIONES DE AJUSTE NO LINEALES

rms of residuals (FIT_STDFIT) = sqrt(WSSR/ndf ) : 0.6211

variance of residuals (reduced chisquare) = WSSR/ndf : 0.385766
Final set of parameters

Asymptotic Standard Error

==============
a = 0.00870358

=============
+/- 0.0008017 (9.211 %)

b = 2.11276

+/- 0.02203 (1.043 %)

correlation matrix of the t parameters:

a
b
a 1,000
b 0,999 1,000
Movimiento de Proyectiles
80
Datos experimentales
Linea de ajuste
70

60
Altura de caida Z [cm]

50

40

30

20

10

0
0

10

20

30
40
50
Alcanse horizontal Y [cm]

60

70

80

Figura 3.1: Se muestra tanto los datos experimentales como la lnea de mejor ajuste.

Con los coecientes reportados por GNUPLOT, se puede escribir la ecuacin para el movimiento de proyectiles (ver
ecuacin 3.2) como:

Z = 0, 0087Y 2,1

(3.3)

Por medio de la ecuacin 3.3 se puede calcular la velocidad que lleva el proyectil, es decir

g
2vo2
g
2vo2
vo
vo
A su vez, el coeciente

= a
= 0, 0087

[ ]
977, 5 cm
s2
=
2 0, 0087 [cm1 ]
[ cm ]
= 2, 4
s

b = 2, 1 es relativamente mayor al valor terico, cuyo valor es 2. Para saber cuan signicativo

es nuestro valor experimental respecto al terico, se debe efectuar una prueba de hiptesis nula y una alternativa,
es decir:
1. Formulacin de la hiptesis:
Hiptesis nula

H o : b = bo

Hiptesis alterna

H1 : b6= bo

2. Seleccin y clculo del estadstico:

tcal =
10



b bo 
SB

(3.4)

ALGUNAS ECUACIONES DE AJUSTE NO LINEALES

donde

SB

esta dado por la ecuacin 2.2.

tcal con el valor crtico t( ,N 2) dado en la tabla de valores para

2
< t( ,N 2) y se rechaza si tcal > t( ,N 2) . Prueba similar se efectua

3. Decisin: Se procede a comparar el valor

t-Student. La hiptesis

Ho

se acepta si

tcal

para el intercepto en el eje de ordenadas.

Haciendo uso de la ecuacin 3.4 y la ecuacin 2.2, tenemos:

tcal

tcal



2, 1 2, 0

(3.5)

0, 317727887
0, 3147

Como puede evidenciarse en la ecuacin 3.5, el valor de tcal es inferior al valor crtico
que la hiptesis nula es aceptada, es decir, el valor experimental
nivel de conanza del

b = 2, 1

concuerda

t( ,N 2) = 2, 160, de manera
2
con el valor terico b = 2, 0 al

95 %.

Para el clculo de las incertidumbres en los coecientes

de que a los valores de

recurrimos a las ecuaciones 2.2, teniendo el cuidado

se debe sacar el logaritmo natural, en tal sentido se tiene la ecuacin emprica de la

forma:

Z = (0, 9 243, 7) 102 Y (2,10,7)

2. Ejercicio No.35 del captulo 4: Ajuste de curvas de Alvarez-Huayta. Los valores que se presentan en la tabla (a)
corresponden a fenmenos fsicos poco conocidos. Por un proceso de ajuste de curvas, determine la ecuacin de
mejor ajuste en el presente caso.

X
Y

1, 1
6, 41

1, 2
7, 97

1, 3
9, 95

1, 4
12, 40

1, 5
15, 45

1, 6
19, 26

1, 7
23, 00

1, 8
30, 33

Respuesta
Procedemos a efectuar el clculo del coeciente de correlacin

que mejor ajustan los datos de la tabla anterior,

para ello vamos a realizar tanto el ajuste lineal como no lineal a los datos dados, la calculadora cientca CASIO
fx-3600P nos ayudara para tal propsito, es decir:

Coef iciente de Correlaci

on

a + bx

Y = aebX

Y = aX b

0, 973608882
No

0, 999547677
Si

0, 996927256
No

Y =

1
b+aX

0, 97706158
No

La anterior tabla nos muestra los coecientes de correlacin tanto para la funcin lineal como no lineal, se toma
el coeciente ms alto, en tal sentido, los datos del fenmeno fsico poco conocido corresponden a una funcin
matemtica

exponencial.

De manera que la ecuacin emprica tiene la forma:

Y = 0, 58e2,2X
Se deja como iniciativa al estudiante el calcular las incertidumbres para los coecientes
conanza el

b.

Tome como nivel de

99, 8 %.

Problemas propuestos

Ejercicio No. 12 captulo 4: Ajuste de Curvas de Alvarez-Huayta. En el experimento de la mquina de Atwood se

ha medido el tiempo

que emplea el bloque

en descender distintas alturas

h.

Los resultados se consignan en la

siguiente tabla. Determine (a) La ecuacin experimental, (b) La aceleracin de los bloques.

h [cm]
t [s]

20

40

60

80

100

120

1,15

1,63

2,02

2,33

2,58

2,84

11

ALGUNAS ECUACIONES DE AJUSTE NO LINEALES

Ejercicio No. 17 captulo 4: Ajuste de Curvas de Alvarez-Huayta (con algunas modicaciones). La siguiente tabla
presenta las elongaciones de un resorte dispuesto verticalmente de cuyo extremo se han colgado distintos bloques
de pesos

(mtodo esttico). El valor ms probable en la elongacin del resorte es de

5, 733 [cm],

la tabla

muestra un dato faltante. (a) Determnese el dato faltante, (b) La ecuacin emprica a la que obedecen los datos
experimentales, (c) Calculese las incertidumbres de los coecientes de mejor ajuste al nivel de conanza del

99, 8 %,

(d) obtengase la constante de rigidez del resorte con su respectiva incertidumbre.

W [N ]
X [cm]
+

0,98

1,47

2,5

3,6

1,96

2,45

2,94

3,92

6,1

7,4

9,8

La tabla de datos que se muestra a continuacin corresponde a las posiciones de dos mviles

en funcin del

tiempo. (a) Construya las grcas posicintiempo de ambos mviles en un sistema de ejes comn, (b) calcule la
ecuacin emprica de ambos mviles con su respectiva incertidumbre, (c) calcule la rapidez de los mviles.

X [m]

A
t [s]

X [m]

B
t [s]

16

24

12

32

15

40

18

48

21

56

Mvil

Mvil

12