TRABAJO COLABORATIVO GRUPO 39

ENTREGA No:2

INSTRUCTOR:
Leonardo Guerrero

CURSO:
Física

INTEGRANTES:
Andrés Felipe Segovia Velasco -1611021285
Michael Giovanni Ballén Parra – 1721982635
Manuel Hernán Soto Ponguta – 1621982418
Luis Eduardo Cruz - 1721982027

CORPORACIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO

CAMPUS VIRTUAL
INGENIERÍA INDUSTRIAL
BOGOTÁ
2018
 LANZAMIENTO DE UN PROYECTIL

1). Investigación de ajuste lineal, potencial, exponencial y polinómico. Coeficiente de person y como
se elaboran haciendo uso de la herramienta de Excel.

REGRESION LINEAL

La regresión lineal permite hallar el valor esperado de una variable aleatoria a cuando b toma un
valor específico. La aplicación de este método implica un supuesto de linealidad cuando los valores
de y, presenta un comportamiento creciente o decreciente, por tal razón, se hace indispensable que
previo a la selección de este método exista un análisis de regresión que determine la intensidad de
las relaciones entre las variables que componen el modelo.

El objetivo de un análisis de regresión es determinar la relación que existe entre una variable
dependiente y una o más variables independientes.

La ecuación para le ajuste lineal es: y = a + bx

REGRESIÓN POTENCIAL

Será aquella en la que la función de ajuste sea una función potencial del tipo:

y = a. xb

también en este caso se resuelve linealizando la función tomando logaritmos ya que:

log y = log a + b log x

Considerando las nuevas variables v = log y u= log x resolveríamos la regresión lineal entre ellas de
forma que si el resultado fuera: v*= A +B u

La solución final quedaría como a= antilog A y b= B

REGRESIÓN EXPONENCIAL

Será aquella en la que la función de ajuste será una función exponencial del tipo

y = a.bx
La regresión exponencial aunque no es lineal es linealizable tomando logaritmos ya que haciendo el
cambio de variable

v = log y tendremos que la función anterior nos generaría:

v = log y = log( a.bx) = log a + x log b

la solución de nuestro problema vendría de resolver la regresión lineal entre v ý x, y una vez obtenida
supuesta ésta:

v* = A + B x ; obviamente la solución final será:

a = antilog A y b = antilog B.

REGRESION POLINOMIAL

El objetivo de la regresión no lineal se puede clarificar al considerar el caso de la regresión

polinomial, la cual es mejor no tratar como un caso de regresión no lineal. Cuando la función toma la
forma:

f(x)=ax2+bx+c

la función es no lineal en función de x pero lineal en función de los parámetros desconocidos a, b,

y c. Este es el sentido del término “lineal” en el contexto de la regresión estadística. Los
procedimientos computacionales para la regresión polinomial son procedimientos de regresión lineal
(múltiple), en este caso con dos variables predictoras x y x2. Sin embargo, en ocasiones se sugiere
que la regresión no lineal es necesaria para ajustar polinomios. Las consecuencias prácticas de esta
mala interpretación conducen a que un procedimiento de optimización no lineal sea usado cuando en
realidad hay una solución disponible en términos de regresión lineal. Paquetes (software) estadísticos
consideran, por lo general, más alternativas de regresión lineal que de regresión no lineal en sus
procedimientos.
Algunas veces cuando la relación entre las variables dependientes e independientes es no lineal, es
útil incluir términos polinomiales para ayudar a explicar la variación de nuestra variable dependiente.

Las regresiones polinomiales se pueden ajustar la variable independiente con varios términos

y=a+bx+cx2 <——- Segundo grado

y=a+bx+cx2+dx3 <——- Tercer grado
y=a0+ a1+ a2x2+… anxn <——- Ecuación general para cualquier grado
Que, derivando respecto a cada uno de los coeficientes nos da el planteamiento un sistema de
ecuaciones de la siguiente forma:

Ajuste Lineal a un Conjunto de Datos usando Excel (Enlaces a un sitio externo.)Enlaces a un sitio externo.

Encontramos la recta que mejor ajusta a un conjunto de datos utilizando Excel. Definitivamente hay
formas más simples de hacer esto.

Consideremos estos datos (tabla), a manera de ejemplo, para expilcar como se hace el ajuste lineal,
mediante la herramienta de excel, la cual nos va servir de guia, para hacer esta segunda parte, y
hallar la gravedad :
Para hacer el gráfico de dispersión, seleccionamos con el ratón el rango A1:B17, el cual tiene las
etiquetas para las variables X y Y, así como sus valores. Luego seleccionamos el asistente de
gráficos (Chart Wizard) y aparece la forma siguiente, seleccionamos el tipo de chart XY (Scatter).

Se oprime con el ratón el botón Finish, después de lo cual aparece el gráfico siguiente:

Después de algo de cosmética, podemos cambiar el aspecto del gráfico.

Ahora vamos a añadir una línea de tendencia que mejor ajuste a estos valores. Para añadir la línea
de tendencia a estos datos seleccionamos el gráfico de la figura anterior, después de ello, aparece la
opción de menú Chart, en el menú principal. Seleccionamos el menú Chart y luego la opción Add
Trendline, depués de lo cual aparece la forma:

Excel se da cuenta que los datos parecen tener una tendencia lineal, y selecciona por default la
opción Lineal (Linear). Ahora bien, podemos seleccionar la pestaña Options, y seleccionamos las dos
cajas de opción que vienen en la parte inferior: Display equation on chart y Display R-squared value on
chart, finalmente damos click con el mouse en el botón OK, y aparecen el chart con los elementos
añadidos, la línea que mejor ajusta a los datos, la ecuación de la recta y el estadístico R2 el cual nos
da el nivel de asociación que hay entre las variables X y Y.
La ventana que se abre nos permite añadir diferente líneas de tendencia:

 Exponencial
 Lineal
 Logarítmica
 Polinómica
 Potencial
 Media móvil
Elegiremos, para este caso, la lineal y al final de la ventana marcaremos las opciones:

 Presentar ecuación en el gráfico

 Presentar el valor R cuadrado en el gráfico

Observamos que R2 es igual a 1 y que la ecuación de la recta es:

y=0,5x+1

Al tratarse únicamente de dos puntos en la nube de datos la recta pasa exactamente por ellos y el
ajuste es perfecto (R2=1).

La ecuación de la recta se puede obtener con la siguientes funciones estadísticas.

 a es la constante =INTERSECCION.EJE(conocido_y;conocido_x)
 b es la pendiente =PENDIENTE(conocido_y;conocido_x)
2). Usando el modelo de simulación.

https://phet.colorado.edu/es_PE/simulation/projectile-motion. Repetir la primera parte, pero con 15 datos

de diferentes alturas, de 1 m hasta 15 m.

Rapidez: 10 m/s, ángulo: 50°, masa: 17,60 Kg, diámetro: 0,18m. Son valores fijos para cada uno de
los experimentos.

FIGURA 1

Para una altura de: 8 m, obtenemos una alcance o distancia horizontal de 13,31 m.
FIGURA 2

Para una altura de: 15 m, obtenemos una alcance o distancia horizontal de 16,61m.

FIGURA 3

Para una altura de: 10 m, obtenemos una alcance o distancia horizontal de 14,12 m.
FIGURA 4

Para una altura de: 7 m, obtenemos una alcance o distancia horizontal de 12,90 m.

FIGURA 5

Para una altura de: 5 m, obtenemos una alcance o distancia horizontal de 11,45 m.
FIGURA 6

Para una altura de: 14 m, obtenemos una alcance o distancia horizontal de 15,61 m.

FIGURA 7

Para una altura de: 4 m, obtenemos una alcance o distancia horizontal de 11,41m
FIGURA 8

Para una altura de: 12 m, obtenemos una alcance o distancia horizontal de 14,80 m

FIGURA 9

Para una altura de: 2 m, obtenemos una alcance o distancia horizontal de 10,23 m.
FIGURA 10

Para una altura de: 13 m, obtenemos una alcance o distancia horizontal de 15,20 m.

FIGURA 11

Para una altura de: 1 m, obtenemos una alcance o distancia horizontal de 9,55 m.
FIGURA 12

Para una altura de: 3 m, obtenemos una alcance o distancia horizontal de 10,87 m

FIGURA 13

Para una altura de: 11 m, obtenemos una alcance o distancia horizontal de 14,46
FIGURA 14

Para una altura de: 6 m, obtenemos una alcance o distancia horizontal de 12,43 m.

FIGURA 15

Para una altura de: 9 m, obtenemos una alcance o distancia horizontal de 13,65 m.
Tomando los anteriores datos de relación entre la altura y el alcance máximo, los registramos en la
siguiente tabla:

x 13,31 16,01 14,12 12,9 11,95 15,61 11,41 14,8 10,23 15,2 9,55 10,87 14,46 12,43 13,65
y 8 15 10 7 5 14 4 12 2 13 1 3 11 6 9

La idea es que con el registro de datos obtenidos, se realice un ajuste lineal, potencial, exponencial y
polinómica. Y mirar, cual es la que, se ajusta mejor a los datos.

 Ajuste o Regresión Lineal

No.
Datos X Y X*Y x^2
1 13,31 8 106,48 177,16
2 16,01 15 240,15 256,32
3 14,12 10 141,2 199,37
4 12,9 7 90,3 166,41
5 11,95 5 59,75 142,80
6 15,61 14 218,54 243,67
7 11,41 4 45,64 130,19
8 14,8 12 177,6 219,04
9 10,23 2 20,46 104,65
10 15,2 13 197,6 231,04
11 9,55 1 9,55 91,20
12 10,87 3 32,61 118,16
13 14,46 11 159,06 209,09
14 12,43 6 74,58 154,50
15 13,65 9 122,85 186,32
SUMAS 196,5 120 1696,37 2629,93

Calculo de los coeficientes

Para la ecuación: y = ax + b

a -21,2 Constante
b 2,229 Pendiente

Utilizando la herramienta Excel, logramos elaborar, el grafico tomando el de dispersión y dándole

opción de tendencia lineal. Para hallar el ajuste lineal.
 Altura (y) Vs Alcande Horizontal
16
(x)
y = 2,2295x - 21,206
Valores Altura del Proyectil (y)
14 R² = 0,9903
12

10

8
y
6

0
0 5 10 15 20
Distancia horizontal (x)

Notamos, que la ecuación dado por el mismo grafico, es:

Ec. Y = 2,2295 X -21,206 ;

y el valor del Coeficiente de determinación, R2 es: 0,9903,se podría decir que es casi una
correlación positiva perfecta ya que se acerca a 1.
Esto significa que a medida que se aumenta la altura (y), el alcance del tiro del proyectil, aumenta de
igual forma o proporcionalmente. Los valores de distancia o alcance horizontal que toma son
conforme va aumentando la altura del proyectil.

 Ajuste Potencial

Ahora bien, si hallamos el ajuste Potencial, tomando la tabla de registro de los datos dados por el
experimento elaborado en el programa de simulación.
Para hacer el gráfico, en Excel, hacemos el mismo procedimiento anterior, pero en la opción de
formato línea de tendencia le damos, Potencial.
Y nos da, la siguiente gráfica:
 Altura (y) Vs Alcande Horizontal
20
(x)
18 y = 3E-05x4,8626
Valores Altura del Proyectil (y)

R² = 0,966
16
14
12
10 y
8
6
4
2
0
0 5 10 15 20
Distancia horizontal (x)

Aquí, notamos que nos da diferente, la ecuación:

Y = a Xb
Y = 3e-0,5x4,8626

Los coeficientes son:

a = 3e-0,5
b = 4,8626
El coeficiente de determinación, para este caso, tambien se acerca a 1, pero no es tan perfecto como
el que se presenta en la regresión lineal, en este caso el coeficiente de determinación es; R2= 0,965,
es una correlación positiva casi perfecta.

 Ajuste Exponencial

De igual manera que los ajustes o regresiones anteriores, por medio de la herramienta Excel;
graficamos dándole la opción de Formato línea de Tendencia, para este caso le damos la
Exponencial.
La grafica que nos presenta es la siguiente:
 Altura (y) Vs Alcande Horizontal
Valores Altura del Proyectil (y) 25
(x)

20 y = 0,0448e0,3791x
R² = 0,9365

15
y
10

0
0 5 10 15 20
Distancia horizontal (x)

La ecuación que de la gráfica es:

Y = 0,0448e0,3791x

y = a.bx

Los valores de los coeficientes son:

a. 0,0448
b. e0,3791

El valor que toma el coeficiente de determinación es, R2 =0,9365

Lo cual nos indica una correlación positiva muy cercana a 1.

 Ajuste Polinomial

Para este ajuste o regresión, se hacen los mismos pasos de los anteriores ajustes, solo que al darle
la opción Formato línea tendencia, es Polinómica.

Nos da la siguiente grafica:

 Altura (y) Vs Alcande Horizontal
16
(x)
y = 0,1176x2 - 0,7924x - 2,2329
Valores Altura del Proyectil (y)
14 R² = 0,9994
12

10

8 y
6

0
0 5 10 15 20
Distancia horizontal (x)

La ecuación que nos presenta la grafica es:

Y = 0,1176x2-0,7924x -2,2329

f(x)=ax2+bx+c

Los coeficientes de la ecuación dada son:

a: 0,1176
b: - 0,7924
c: - 2,2329

Y el coeficiente de determinación es R2 = 0,9994

Tambien, al igual que el de regresión lineal, se aproxima a 1, siendo esta una correlación positiva casi perfecta.

En conclusión haciendo una análisis, de la regresión que más se ajusta a los datos obtenidos es el método de
regresión lineal. Primero que todo es mas preciso por el coeficiente de determinación R2 que es 0,9903,
dándonos un coeficiente de correlación r = 0,9951. La correlación es fuerte y directa, y será tanto más
fuerte cuanto más se aproxime r a 1.
Lo que significa que; entre ambas variables hay dependencia funcional y es la recta es creciente.
  CALCULO DE LA GRAVEDAD Y ERROR RELATIVO PORCENTUAL

Hallada la fórmula de regresión lineal:

. Y = 2,2295 X -21,206
Vox = Vo* Cos (ángulo)
Voy = Vo * Sen (ángulo)
Vo = 10
Angulo= 50°

Vox= 9,64966028
-
Voy= 2,62374854

-109,45
Gravedad
Experimental= 5,161 m/s2
Grave.Valor
Teórico = 9,81 m/s2

Formula:

Error relativo % =

Error relativo % =

Error relativo % = 47,39% de la gravedad.

 BIBLIOGRAFÍA

 Mª Angeles palacios, Fernando A. López Hernández , José García Córdoba y Manuel Ruiz
Marín. “INTRODUCCIÓN A LA ESTADÍSTICA PARA LA EMPRESA”. Librería Escarabajal
 Martín-Pliego López, Fco. “Introducción a la estadística económica y empresarial”. Ed.
Thomson
 Casas, J. M., Callealta, J., Núñez, J., Toledo, M. y Ureña, C. (1986). Curso Básico de
Estadística Descriptiva. I.N.A.P.
 Hermoso Gutiérrez, J. A. y Hernández Bastida, A. (1997). Curso Básico de Estadística
Descriptiva y Probabilidad. Ed. Némesis.