1.

- OBJETIVO

* Identificar las leyes que responden a los fenmenos fsicos mediante el anlisis de datos * Aprender la representacin de datos usando papeles grficos y hojas de clculo. * Aprender tcnicas de ajuste de curvas, principalmente el mtodo de regresin lineal, utilizando papeles grficos, una calculadora y tambin la hoja de clculo ms popular MS EXCEL.

2.-MATERIALES * Una hoja de papel milimetrado.-material importante para poder efectuar representaciones graficas con exactitud.

* Una hoja de papel logartmico.- Que tambin nos permite realizar representaciones graficas con una mayor exactitud.

* Una hoja de papel Semi logartmico

* Una calculadora cientfica.- Material que nos permite encontrar la pendiente e intercepto, adems de facilitarnos otras operaciones bsicas.

3.- TEORIA

Qu es la
El trmino regresin fue acuado por Francis Galton en el siglo XIX para referirse a fenmenos biolgicos: los descendientes de progenitores excepcionales son, en promedio, menos excepcionales que los progenitores, y ms parecidos a sus ancestros ms distantes (Galton utiliz el trmino reversin al hablar de guisantes en 1877, y regression al referirse a la altura de humanos en 1885). Introduccin Anlisis de regresin Anlisis de regresin El anlisis de regresin es un intento de examinar la relacin que existe entre una variable dependiente (variable respuesta) y un conjunto de variables independientes (predictores). El modelo matemtico que establece dicha relacin es la ecuacin de regresin. La variable dependiente se modela como una variable aleatoria. La ecuacin de regresin contiene una serie de parmetros de regresin ( constantes ) que establecen la relacin cuantitativa entre las variables Independientes y la dependiente. Estos parmetros se estiman a partir de datos. Los parmetros de un modelo de regresin pueden estimarse de varias maneras, por ejemplo utilizando el mtodo de mnimos cuadrados el mtodo de mxima verosimilitud tcnicas bayesianas Introduccin Tipos de regresin Regresin lineal y no lineal Regresin lineal: la relacin entre la respuesta Y (variable dependiente) y las variables Independientes Xi es lineal Y = 0 + 1X1 + 2X2 +. . . + nXn. En este sentido, una relacin del tipo Y = 0 + 1X + 2X2 Tambin es lineal (lineal en X y X2), aunque la representacin grfica no sea una lnea Recta. Algunos problemas no lineales pueden linealizarse realizando una transformacin Adecuada. Por ejemplo Y = abX

Se linealiza tomando logaritmos a ambos lados, es decir ln(Y) = ln(a) + Xln(b). Regresin no lineal: aquella en la que la relacin entre la respuesta y las variables Independientes no es una funcin lineal o linealizable. En este tema vamos a concentrarnos en la regresin lineal simple: y = AX +B Regresin lineal simple Tratamiento clsico Ejemplo de diagrama de dispersin. Los datos corresponden a las medidas de dispersin de velocidades y luminosidad en una muestra de 40 galaxias elpticas realizadas por Schechter P.L. (1980). Cuando en un diagrama de dispersin los datos se distribuyen aproximadamente a lo largo de una lnea recta ajustaremos una recta de regresin. La regresin de y sobre x vendr dada entonces por y = a + bx, con a y b dos parmetros a determinar. Grficamente, a ser la ordenada en el origen y b la pendiente de la recta. Debilidades de la regresin lineal Tanto la recta de regresin como el coeficiente de correlacin no son robustos, en el sentido de que resultan muy afectados por medidas particulares que se alejen mucho de la tendencia general. No hay que olvidar que el coeficiente de correlacin no es m s que una medida resumen. En ningn caso puede substituir al diagrama de dispersin, que siempre habr que construir para extraer ms informacin. Formas muy diferentes de la nube de puntos pueden conducir al mismo coeficiente de correlacin. El que en un caso se obtenga un coeficiente de correlacin bajo no significa que no pueda existir correlacin entre las variables. De lo nico que nos informa es de que la correlacin no es lineal (no se ajusta a una recta), pero es posible que pueda existir una buena correlacin de otro tipo. Un coeficiente de correlacin alto no significa que exista una dependencia directa entre las variables. Es decir, no se puede extraer una conclusin de causa y efecto basndose nicamente en el coeficiente de correlacin. En general hay que tener en cuenta que puede existir una tercera variable escondida que puede producir una correlacin que, en muchos casos, puede no tener sentido.

4.- EXPERIMENTO 4.1.- PROCEDIMIENTO. Para poder hallar la grafica de la ecuacin Y=Y(x) se tuvo que realizar los siguientes pasos que a continuacin mencionaremos: PARA LA ECUACION Y=Y(x). * Paso 1.- Se tuvo que tabular los pares ordenados de X , Y en el papel milimetrado y as hallar una grafica que corresponda a una ecuacin de primer grado. X 1.5 3.0 4.0 6.0 7.5 9.0 10.5 12.0 Y 8.0 11.0 14.0 17.0 20.0 23.0 26.0 29.0 * Paso 2.- Se tuvo que encontrar los coeficientes de la siguiente ecuacin Y=AX + B esto se calculara mediante tabulacin en la calculadora o matemticamente, para hallar dichas incgnitas pasamos a resolver en las siguientes formulas.

A=m= A =

de datos y Estadstica Avanzada C1u3rso 2010/2011 16 / 29

T a 4: Regresin lineal simple ( )

* Paso 3.- Para culminar reemplazamos los coeficientes de modo que la ecuacin lineal queda de la siguiente manera.

4.2.- RESULTADOS.- Se tuvo que realizar las siguientes tablas.

X 1.5 3.0 4.5 6.0 7.5 9.0 10.5 12.0 X=54

Y 8.0 11.0 14.0 17.0 20.0 23.0 26.0 29.0 Y=148

X.Y 12.0 33.0 63.0 102.0 150.0 207.0 273.0 348.0 X.Y=1188

2.25 9.0 20.25 36.0 56.25 81.0 110.25 144.0 =459

*CUESTIONARIO
1.- De los valores obtenidos para el coeficiente de correlacin usando regresin lineal y regresin potencial cul de las regresiones ajusta mejor la distribucin de puntos? De los datos obtenidos se tiene: En regresin lineal A = 1.51 B = 3.60 R = 0.989 b) En regresin exponencial A = 4.91 B = 0.5 R = 0.999 Por lo cual se deduce que es una regresin exponencial ya que su radio se aproxima ms a uno. 2.-Tericamente se conoce que el periodo de oscilacin para un pndulo simple es: T=2 , donde g = 9.8m/ es la aceleracin de la gravedad. Entonces, comparando esta ecuacin con las ecuaciones experimentales T = T (L) obtenidas en (G.1), (G.2), (G.3), encuentre el valor experimental de la gravedad. T=2 T . si: g = 9.8m/ a)

Si

se ; A = 4.91 B = 0.5 . g = 1.64m/ ;T

sabe .

que:

Entonces: T =  = 4.91

3.- A que se denomina interpolacin y extrapolacin? INTERPOLACION. El principal uso de la interpolacin ha sido el de hallar valores intermedios en tablas trigonomtricas. . Mtodo que permite obtener el valor aproximado de una funcin entre dos puntos de valor conocido. . Estimar el valor de una funcin dentro el dominio de la muestra . Es la construccin de nuevos puntos datos partiendo del conocimiento de un conjunto de puntos datos discretos . El proceso de calcular de valores numricos desconocidos a partir de otras ya conocidos mediante la aplicacin de logaritmos concretos EXTRAPOLACION E INTRAPOLACION . El objetivo de una extrapolacin es lograr una afirmacin del tipo siguiente: Cmo evolucionar el objeto investigado si se mantienen todas las condiciones-marco existentes, es decir, prosiguen el mismo curso que hasta el presente? El objeto investigado es ah la va riable dependiente, las condiciones marco configuran la variable independiente. . Aplicacin de un criterio conocido a otros casos similares para extraer conclusiones o hiptesis . Deduccin del valor de un variable en una magnitud a partir dede otros valores no incluidos en dicha magnitud . La extrapolacin es el mtodo ms habitual de pronstico. Se basa en suponer que el curso de los acontecimientos continuar en la misma direccin y con velocidad constante (o con una velocidad creciente o decreciente a un ritmo constante = una extrapolacin logartmica). . Mtodo que consiste en suponer que el curso de acontecimientos continuara en el futuro, convirtindose en las reglas que utilizamos para llegar a una nueva conclusin

6. un experimento consisti en investigar el tiempo para vaciar el recipiente por un orificio en el fondo, encontrndose que el tiempo depende del tamao del orificio y de la cantidad del agua que contiene. H(cm) D(cm) 1.5 2 3 5 A) X H 30 10 4 1 30 t(s) 73.5 41.2 18.4 6.8 10 t(s) 43.5 23.7 10.5 3.9 4 t(s) 26.7 15.0 6.8 2.2 1 t(s) 13.5 7.2 3.7 1.5

La ecuacin t=f(h) Y T 73.0 43.5 26.7 13.5

A= A= A=1.75 B= B= B= 1.92 T=1.75X+1.92 r=0.98

c) X D 1.5 2 3 5 A= A=

La ecuacin t=f(D) Y T 43.5 23.7 10.5 3.9



A=48.78 B= B= B=-98.7 T=48.78X-98.7 r=-0.875 =0.765

c) la ecuacin t=f(H,D) Tiempo :Y 73 41.2 18.4 6.8 43.5 23.7 10.5 3.9 26.7 15 6.8 2.2 13.5 7.2 H(cm) 30 30 30 30 10 10 10 10 4 4 4 4 1 1 D(cm) 1.5 2 3 5 1.5 2 3 5 1.5 2 3 5 1.5 2

FORMULA GENERAL Y=a + b + r=

a=34.81721916 b=0.906913852 c=-9.1395965217 c) el valor de t cuando H=20cm y D=4 (interpolacin) T= a + b (H)+c(D) T=34.8172+0.9069*(20)-9.1395*(6) T=16.3972 * El valor de cuando H=40cm y D=6 (extrapolacin) T= a + b (H)+c(D) T=34.8172+0.9069*(40)-9.1395*(6) T=16.2572

5.- ANALISIS DE RESULTADOS 5.1.-ASPECTOS CUALITATIVOS. La presentacin y anlisis de los resultados experimentales debe considerarse como parte integral de los experimentos. Es realmente til que los datos obtenidos se presenten en un grfico, donde quede resumida la informacin para su apreciacin y anlisis. En la mayora de los casos un grfico es ms til que una tabla de valores, especialmente en los casos en que: Los experimentos se llevan a cabo mid iendo una variable Y en funcin de otra X que se vara independientemente y se quiere interpretar la relacin funcional entre ellas. Por ejemplo: medicin del perodo de un pndulo en funcin de su longitud; medicin de la cada de potencial en un alambre en funcin de la corriente aplicada; etc. Interesa estudiar si dos variables mantienen una correlacin (causal o no) y cmo es esta vinculacin o grado de interdependencia. Por ejemplo: estudio de la relacin entre el peso y la altura de personas; relaci n entre la velocidad mxima que alcanza un velero y su extensin desde proa a popa; etc. Se trata, en primera instancia, de que la informacin que se quiere representar quede expuesta de una manera lo suficientemente clara y explcita como para que la rep resentacin grfica hable por s sola . Lo importante es que un grfico debe servir para un posterior tratamiento de los datos, que lleve a inferir las leyes subyacentes en ellos y ahondar as en las posibles implicaciones y generalizaciones de los resultados obtenidos en los experimentos. Como elemento ordenador de la informacin colectada en un experimento, un grfico debe construirse sobre la base de una eleccin adecuada tanto de las variables como de las escalas. 5.2.-ASPECTOS CUANTITATIVOS Analizar los datos Decidir el programa de anlisis de datos que se utilizara. Explorar los datos obtenidos en la recoleccin. Analizar descriptivamente los datos por variable.

Visualizar los datos por variable. Evaluar la confiabilidad, validez y objetividad de los instrumentos de medicin utilizados. Analizar e interpretar mediante pruebas estadsticas las hiptesis planteadas (anlisis Estadstico Inferencial) Realizar anlisis adicionales. Preparar los resultados para presentarlos. Qu Procedimiento se sigue para analizar cuantitativamente los datos? En la actualidad el anlisis de datos se lleva a cabo por computadora. Se centra en la interpretacin de los resultados de los mtodos de anlisis cuantitativo y no en los procedimientos de clculo.

6.- DISCUCIONES Y RECOMENDACIONES 6.1.- DISCUCIONES.-En el trabajo realizado se presentaron las siguientes discusiones. * El tipo de escala a utilizar en la realizacin de las graficas ya que al no usar una escala adecuada la grafica podra variar de su forma grafica original. * Se discuti tambin la tendencia de la primera grafica a una recta. 6.2.- RECOMENDACINES.- Para realizar el experimento se debe tener en cuenta lo siguiente. * Las graficas deben utilizar el mximo de papel para esto se deb en adecuar convenientemente la escala de los ejes. * Solo se deben presentar algunos representativos que indiquen como varan la escala. * Las rectas o curvas que se grafican deben ser continuas y suaves y deben pasar por la mayor densidad de puntos. * Para determinar la pendiente en el caso que la grafica sea una recta, se debe construir un triangulo a partir de dos puntos bien separados que pertenezcan a la recta y cuyos catetos sean paralelos a los ejes coordenados de esta manera se minimizan los errore s relativos de construccin y medicin de los catetos y la pendiente se calcula como

7.-BIBLIOGRAFIA
1. 2. 3. Altman DG, Bland JM. Statistics Notes: Presentation of numerical data. BMJ 1996; 312: 572. Singer PA, Feinstein AR. Graphical display of categorical data. J Clin Epidemiol 1993; 46(3): 231-6. Simpson RJ, Johnson TA, Amara IA. The box-plot: an exploratory analysis for biomedical publications. Am Heart J 1988; 116 (6 Part 1): 1663-5. Williamson DF, Parker RA, Kendrick JS. The box plot: a simple visual method to interpret data. Ann Intern Med 1989; 110 (11): 916-21. Altman DA. Practical statistics for medical research. 1th ed., repr. 1997. London: Chapman & Hall; 1997

4.

5.