Trabajo colaborativo Fsica I

Semanas 2 - 7 (nov 1 - dic 5) 2017

Descubriendo el valor de a
1. Fase terica: Ajustando el mejor modelo.

Preguntas previas:

Cules son los tipos de errores ms usuales ciencias?

El error de exactitud: Es la desviacin existente entre la media de los valores

observados y el valor real. Es un error sistemtico que puede ser positivo o negativo,
equivaliendo al valor que hay que corregir para calibrar el equipo, o sea ajustarlo a su
valor verdadero.

El error de precisin: Se calcula partiendo de la realizacin de un nmero de mediciones

en una misma pieza o patrn, las cuales variarn entre ellas, siendo por tanto este error
de tipo aleatorio. Esta dispersin es inherente a todos los equipos de medida, debido a las
holguras de sus mecanismos, variaciones en la fuente de alimentacin de un circuito
elctrico, etc. Se suele dar en funcin de la desviacin tpica, por lo cual se necesita
efectuar un mnimo de mediciones para que tenga un nivel de confianza.

A Qu hace referencia la frase ajuste por mnimos cuadrados?

Se refiere al proceso de encontrar un modelo matemtico que describa a un conjunto de

datos experimentales por medio del mtodo de mnimos cuadrados, esto es, que la
diferencia entre los valores experimentales y los valores dados por la funcin sean
mnimos.

Qu es un polinomio de mnimos cuadrados?

Es un polinomio hallado a partir del conjunto de datos experimentales con el mtodo de

mnimos cuadrados de forma que su curva se ajusta a los datos de forma que tenga el
mnimo error posible.

Cundo se calcula una regresin lineal, qu es lo que se est haciendo?

Se calculan los parmetros de una funcin lineal, es decir la pendiente y el intercepto, tal
que la recta se ajuste lo ms fielmente posible a los datos experimentales,

Cul es el significado de los parmetros A, B y r de las regresiones aplicadas a los datos

del documento experimentos.xlsx
Estos parmetros corresponden a los coeficientes de las funciones lineal, potencial y
exponencial que modelan al conjunto de datos experimentales. Es decir: en el caso lineal:
y=A+Bx, en el caso potencial: y=AxB, en el caso exponencial: y=AeBx.

El valor de r es el coeficiente de correlacin de Pearson el cual informa la confiabilidad del

modelo hallado para predecir el valor de la variable dependiente a partir de la variable
independiente.

Para cada uno de los datos del archivo experimentos.xlsx:

https://www.dropbox.com/s/i2br1lcv1ojf8kg/experimentos.xlsx?dl=0
Evale cul modelo (lineal, potencial o exponencial) se ajusta mejor a los datos de la
tabla. En el archivo encontrar cuatro pestaas, en las tres primeras, los datos de los
experimentos. En la ltima, un ejemplo, que sigue las siguientes indicaciones:

1. Modelo lineal: y = A + Bx, y R^2 el coeficiente de correlacin de Pearson.

2. Modelo potencial: y = Ax^B, R^2 el coeficiente de correlacin de Pearson.
3. Modelo exponencial: y = Ae^(Bx), R^2 el coeficiente de correlacin de Pearson.

El objetivo es que se descubra, con argumentos estadsticos, cul de estos tres modelos
ajusta mejor los datos en cada experimento. Importante: No copiar la teora fsica ni
extensos procedimientos estadsticos, los valores de A, B y r de las regresiones se deben
obtener con Excel o una calculadora cientfica, lo importante es la interpretacin fsica de
estos coeficientes.

Nota 1: de acuerdo a las polticas del trabajo colaborativo, se espera que los estudiantes
vayan registrando sus aportes en el foro y una vez se consolide una respuesta, esta se
suba al enlace del grupo.

Nota 2: No se espera extensos desarrollos estadsticos, para los clculos se puede usar
Excel o calculadora.
Desarrollo de la actividad

Realizamos el procedimiento en el software Excel.

EXPERIMENTO # 1

Podemos concluir tanto grficamente o como analticamente, que el modelo que se ajusta
de una forma ms exacta a los datos del experimento #1 es el modelo lineal pues la
recta se aproxima fielmente a los puntos de la grfica y el valor de R2=0,9999 es el ms
cercano a 1 respecto a los otros modelos.

EXPERIMENTO # 2

Podemos concluir tanto grficamente o como analticamente, que el modelo que se ajusta
de una forma ms exacta a los datos del experimento #2 es el modelo potencialpues la
curva se aproxima fielmente a los puntos de la grfica y el valor de R2=0,9964 es el ms
cercano a 1 respecto a los otros modelos.
EXPERIMENTO # 3

Podemos concluir tanto grficamente o como analticamente, que el modelo que se ajusta
de una forma ms exacta a los datos del experimento #3 es el modelo exponencial pues
la curva se aproxima fielmente a los puntos de la grfica y el valor de R2=1nos indica que
es un modelo muy exacto respecto a los otros modelos.