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
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 ).
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
variable dependiente.
u ordenada. En la
Cartesiano ortogonal logartmico. Semejante al ortogonal lineal, excepto que los ejes
abscisa
90o ,
la escala
se representa la
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
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
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
(xi , yi )
visualizar la dsitribucin de los datos entorno a una lnea recta que parte del origen de coordenadas (no necesariamente).
ei
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
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.
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)
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
X1
X2
.
.
.
Xn
[
=
]
0
(1.7)
AJUSTE LINEAL
1
X1
1
X2
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
at (Y a) =
a Y a a
La dimensin de
(1.8)
[
=
at
0
0
]
(1.9)
decir
(1.10)
( )1 t
= at a
aY
(1.11)
Ejemplos de aplicacin
1. Ejercicio nmero 8 del captulo 4: Ajuste de curvas de Alvarez-Huayta
3o
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
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 .
v
v
[m]
[m]
[m]
+ 2, 212193 2 15 [s] = 37, 7
= 4, 527712
s
s
[m] s
= 37, 7
s
[ km ]
[ km ]
[ ]
3 km
4, 527712 3600 10
[ ]
2
2, 212193 (3600) 103 km
h2
10, 5 [s]
100
100
, es decir
3o
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
Respuesta
Es posible proceder como en el ejercicio 1 para calcular los coecientes
y = A + Bx.
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
B = 0, 0225.
A = 18, 075;
y = 18, 08 + 0, 02x
Ntese la gran diferencia con el ejercicio nmero 1.
3o
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
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.
delta(WSSR)/WSSR : -9.85268e-07
limit for stopping : 1e-05 lambda : 7.32291e-05
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
A
B
A
B
1,00
0,928 1,00
AyB
A = 120,643
[N ]
(1.15)
2.
SY =
Sy , la cual
v
u N
u
u
d2i
u
t i=1
(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
EB
EA
t( ,N 2) SB
2
t( ,N 2) SA
2
(2.3)
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
cuanto ms prximo se este de la unidad, los datos experimentales corresponderan a una funcin lineal (ver
r,
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
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
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 %
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,
(2.8)
y nmero de variables
2,
es decir
(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.
3o
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
(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
tN
X2
X
=
72=5
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
v = (4, 5 2, 2) + (2, 2 0, 3) t
3.
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
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,
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
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
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
==============
a = 0.00870358
=============
+/- 0.0008017 (9.211 %)
b = 2.11276
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
tcal =
10
b bo
SB
(3.4)
donde
SB
Ho
se acepta si
tcal
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 %.
forma:
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
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:
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.
Y = 0, 58e2,2X
Se deja como iniciativa al estudiante el calcular las incertidumbres para los coecientes
conanza el
b.
99, 8 %.
Problemas propuestos
h.
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
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
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 %,
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