2 anÁlisis de una experiencia con data studio
TRANSCRIPT
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
1/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
1
ANLISIS DE UNAEXPERIENCIA CON DATA
STUDIO
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
2/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
2
I) INTRODUCCION:
grfico del programa Data Studio es una aplicacin que nos permitegraficar diversas funciones como posicin v/s tiempo, velocidad v/s
tiempo, entre otras. Todas a partir de tablas de datos.La forma correcta de ingresar los valores a nuestra tabla de datos estadada siempre por definir en primera instancia cual de nuestras variableses independiente y cual es dependiente. Esto nos permite saber quedatos colocar en el eje X (variable independiente) y que datos ubicarcomo eje Y (variable dependiente). Junto con esto, es clave adjuntarlas unidades de medida correspondientes a nuestros valores y porsupuesto ingresar correctamente las magnitudes implicadas.Finalmente, se definen las cifras significativas con las que trabajaremos.
II) OBJETIVO
La finalidad de esta prctica es estudiar el empleo de las grficaspara la obtencin de las relaciones funcionales entre dosmagnitudes fsicas.
Verificar los resultados proporcionados por el software, con losmodelos matemticos conocidos y establecer diferencias.
Introducir datos experimentales e interpretar su comportamiento
en una grfica.
III) FUNDAMENTO TEORICO
Funciones, tipos y representacin
TIPOS DE FUNCIONES
En el estudio de las ciencias fundamentales, existen muchos tipos defunciones utilizadas para describir fenmenos; sin embargo, noscentraremos en las 3 ms importantes.
Funcin Lineal
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
3/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
3
Funcin Potencial
Es aquella en que la variable dependiente est relacionada con lavariable independiente, mediante una potencia de esta. Muchasleyes en fsica trabajan con este tipo de funciones, cuya ecuacinmatemtica es
Siendo a, K Rnmeros reales, con a > 0. As pues, se obtiene unabanico de exponenciales, todas ellas similares, que dependen dela base a que utilicen.
Funcin exponencial
https://es.wikipedia.org/wiki/N%C3%BAmero_realhttps://es.wikipedia.org/wiki/N%C3%BAmero_real -
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
4/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
4
Es aquella en que la variable dependiente se relacionaexponencialmente con la variable independiente. La ecuacinmatemtica que rige esta funcin es:
Dondek: coeficientea: es la basen: correspondiente al exponente, junto al valor de la variableindependiente x
REPRESENTACION DE FUNCIONES
Existen 3 mtodos
Mtodo analtico: Consiste enrepresentar la funcin mediante unafrmula o ecuacin matemtica
Mtodo de tabulacin : consiste en obtener valores numricos dela funcin para ciertos valores del argumento realizando luego unproceso llamado tabulacin
T
(das)0 1 2 3 4 5 6 7 8 9 10
A (%)10
084 70 59 49 41 34 27 24 20 17
Y = kanx
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
5/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
5
Mtodo grfico: Este mtodo consiste en representar una funcin
por medio de la construccin de una grfica, para lo cual se puedeusar un computador o algn papel especial (milimetrado, polarlogartmico, etc.). Una grfica es la representacin geomtrica quepermite visualizar el carcter de variacin de la funcin.
MNIMOSCUADRADOSEs una tcnica de anlisis numrico encuadrada dentro de laoptimizacin matemtica, en la que, dados un conjunto de paresordenados: variable independiente, variable dependiente, y una familia
de funciones, se intenta encontrar la funcin, dentro de dicha familia,que mejor se aproxime a los datos (un "mejor ajuste"), de acuerdo con elcriterio de mnimo error cuadrtico.
En su forma ms simple, intenta minimizar la suma de cuadrados de lasdiferencias en las ordenadas (llamadas residuos) entre los puntosgenerados por la funcin elegida y los correspondientes valores en losdatos. Especficamente, se llama mnimos cuadrados promedio (LMS)cuando el nmero de datos medidos es 1 y se usa el mtodo dedescenso por gradiente para minimizar el residuo cuadrado. Se puededemostrar que LMS minimiza el residuo cuadrado esperado, con el
mnimo de operaciones (por iteracin), pero requiere un gran nmero deiteraciones para converger.
https://es.wikipedia.org/wiki/An%C3%A1lisis_num%C3%A9ricohttps://es.wikipedia.org/wiki/Optimizaci%C3%B3n_matem%C3%A1ticahttps://es.wikipedia.org/wiki/Funci%C3%B3n_(matem%C3%A1tica)https://es.wikipedia.org/w/index.php?title=M%C3%A1ximo_y_m%C3%ADnimo&action=edit&redlink=1https://es.wikipedia.org/w/index.php?title=Teor%C3%ADa_de_errores&action=edit&redlink=1https://es.wikipedia.org/w/index.php?title=Filtro_de_m%C3%ADnimos_cuadrados_promedio&action=edit&redlink=1https://es.wikipedia.org/w/index.php?title=Descenso_por_gradiente&action=edit&redlink=1https://es.wikipedia.org/wiki/An%C3%A1lisis_num%C3%A9ricohttps://es.wikipedia.org/wiki/Optimizaci%C3%B3n_matem%C3%A1ticahttps://es.wikipedia.org/wiki/Funci%C3%B3n_(matem%C3%A1tica)https://es.wikipedia.org/w/index.php?title=M%C3%A1ximo_y_m%C3%ADnimo&action=edit&redlink=1https://es.wikipedia.org/w/index.php?title=Teor%C3%ADa_de_errores&action=edit&redlink=1https://es.wikipedia.org/w/index.php?title=Filtro_de_m%C3%ADnimos_cuadrados_promedio&action=edit&redlink=1https://es.wikipedia.org/w/index.php?title=Descenso_por_gradiente&action=edit&redlink=1 -
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
6/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
6
Desde un punto de vista estadstico, un requisito implcito para quefuncione el mtodo de mnimos cuadrados es que los errores de cadamedida estn distribuidos de forma aleatoria. El teorema de Gauss-Mrkov prueba que los estimadores mnimos cuadrticos carecen desesgo y que el muestreo de datos no tiene que ajustarse, por ejemplo, a
una distribucin normal. Tambin es importante que los datos aprocesar estn bien escogidos, para que permitan visibilidad en lasvariables que han de ser resueltas (para dar ms peso a un dato enparticular, vase mnimos cuadrados ponderados).
La tcnica de mnimos cuadrados se usa comnmente en el ajuste decurvas. Muchos otros problemas de optimizacin pueden expresarsetambin en forma de mnimos cuadrados, minimizando la energa omaximizando la entropa.
En 1829, Gauss fue capaz de establecer la razn del xito maravilloso de
este procedimiento: simplemente, el mtodo de mnimos cuadrados esptimo en muchos aspectos. El argumento concreto se conoce comoteorema de Gauss-Mrkov.
AJUSTE POR MNIMOS CUADRADOS
Existen numerosas leyes fsicas en las que se sabe de antemano que dosmagnitudes x e y se relacionan a travs de una ecuacin lineal
y = ax + b
Donde las constantes b (ordenada en el origen) y a (pendiente)dependen del tipo de sistema que se estudia y, a menudo, son losparmetros que se pretende encontrar.
EJEMPLO: La fuerza F de traccin sobre un muelle y el alargamiento l queexperimenta ste estn ligadas a travs de una ley lineal:
l = (1/K)F
Con ordenada en el origen cero y
donde el inverso de la pendiente (K)es una caractersticapropia de cada muelle: lallamada constante elstica delmismo.
https://es.wikipedia.org/wiki/Teorema_de_Gauss-M%C3%A1rkovhttps://es.wikipedia.org/wiki/Teorema_de_Gauss-M%C3%A1rkovhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_normalhttps://es.wikipedia.org/w/index.php?title=M%C3%ADnimos_cuadrados_ponderados&action=edit&redlink=1https://es.wikipedia.org/wiki/Ajuste_de_curvashttps://es.wikipedia.org/wiki/Ajuste_de_curvashttps://es.wikipedia.org/wiki/Energ%C3%ADahttps://es.wikipedia.org/wiki/Entrop%C3%ADahttps://es.wikipedia.org/wiki/Teorema_de_Gauss-M%C3%A1rkovhttps://es.wikipedia.org/wiki/Teorema_de_Gauss-M%C3%A1rkovhttps://es.wikipedia.org/wiki/Teorema_de_Gauss-M%C3%A1rkovhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_normalhttps://es.wikipedia.org/w/index.php?title=M%C3%ADnimos_cuadrados_ponderados&action=edit&redlink=1https://es.wikipedia.org/wiki/Ajuste_de_curvashttps://es.wikipedia.org/wiki/Ajuste_de_curvashttps://es.wikipedia.org/wiki/Energ%C3%ADahttps://es.wikipedia.org/wiki/Entrop%C3%ADahttps://es.wikipedia.org/wiki/Teorema_de_Gauss-M%C3%A1rkov -
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
7/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
7
El mtodo ms efectivo para determinar los parmetros a y b se conocecomo tcnica de mnimos cuadrados. Consiste en someter el sistema adiferentes condiciones, fijando para ello distintos valores de la variable
independiente x, y anotando en cada caso el correspondiente valormedido para la variable dependiente y. De este modo se dispone de unaserie de puntos (x1,y1), .... (xn,yn) que, representados grficamente,deberan caer sobre una lnea recta. Sin embargo, los erroresexperimentales siempre presentes hacen que no se hallenperfectamente alineados (ver
Fig. 1). El mtodo de mnimos cuadrados determina los valores de losparmetros a y b de la recta que mejor se ajusta a los datosexperimentales. Sin detallar el procedimiento, se dar aqu simplementeel resultado:
APLICACIN DE LOS METODOS DE MINIMOS CUADRADOS
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
8/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
8
Se calcula la pendiente y la ordenada en el origen:
( )
=
22
ii
iiii
xxp
yxyxpm
( )
=
22
2
ii
iiiii
xxp
yxxyxpb
IV) MATERIALES Y EQUIPOS:
-La gua de laboratorio.
- Software Data Studio de Pasco.
-Computadora con puerto USB.
- Interfaz Science Workshop 750.
a) Interfaz Science Workshop 750.
El 750 utiliza sensores Science Workshop y no se puede utilizar sensoresPASPORT.
Ideal para:
Electrnica / circuitos Entendimiento instrumentacin
Feedback y control
Siete canales de entrada:
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
9/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
9
Con el 750, todos los 7 canales pueden ser utilizados simultneamente.No hay limitaciones sobre qu combinaciones de sensores se puedenutilizar. Entradas analgicas y digitales pueden ser mezclados encualquier combinacin. Cuatro Canales Digitales - Utilice hasta 4fotopuentes o 2 sensores de movimiento giratorio, un sensor demovimiento Photogate y II, o cualquier otra combinacin. Tres canalesanalgicos - Tasa Max muestra de 250.000 Hz cuando se usa un solocanal.
Incluye:
Equipo que incluye Science Workshop 750 caja de interfaz USB Adaptador de CA, 12 V CC, 60 Hz, 40 W Cable USB
Equipo adicional necesario1. USB compatible con PC2. Cualquier sensor PASCO Science Workshop3. Data Studio software, versin 1.7 o posterior
b) Data Studio
Data Studio es el nico software que necesitar para adquirir ymanipular datos tomados con cualquiera de las interfases y sensoresPasPort y Science Workshop de PASCO en su laboratorio de CienciasNaturales o trabajos de campo.
Con Data Studio sus alumnos podrn usar la interfase, mostar lasmediciones en una cantidad de maneras diferentes, analizar losresultados con poderosas herramientas computacionales y an redactarsus informes incluyendo los datos experimentales de maneraautomtica.
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
10/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
10
V) PROCEDIMIENTO:
Primera actividad (ajuste lineal)
Usando Data studio con la actividad para edicin de tablas,ingresar los datos de la tabla (2), obtenidos de la medicin de lavelocidad en funcin del tiempo t(s), para un mvil.
Digite los datos de la tabla (2) en el block de notas de Windows yguarde un archivo con el nombre de exper1.txt, en la carpeta demis documentos.
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
11/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
11
Ingrese al software DataStudio y seleccione introducir datos y luegoelija en el men archivo la opcin importar datos.
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
12/29
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
13/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
13
En el formato para presentacin de grficos desactive la unin depuntos con lneas.
Escoja del men de ajuste el tipo ms apropiado segn laconfiguracin de nube de puntos observada (en este caso lineal).
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
14/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
14
Usando las ecuaciones dadas en clase verifique los resultadosproporcionados por el sistema para la recta de regresin y promedio(parmetros m y b).
TIEMPO(s) VELOCIDAD(m/s) XiYi Xi2
0.000 1.000 0.000 0.0000.250 1.900 0.475 0.0620.500 1.800 0.900 0.2500.750 2.350 1.762 0.5621.000 2.300 2.300 1.0001.250 2.500 3.125 1.5621.500 2.550 3.825 2.2501.750 3.150 5.512 3.0622.000 2.750 5.500 4.0002.250 3.900 4.875 5.5622.500 3.300 8.250 6.2502.750 3.820 10.500 7.562
3.000 3.450 10.350 9.0003.250 4.310 14.007 10.5623.500 3.910 13.685 12.2503.750 4.635 17.381 14.062
4.000 3.830 15.320 16.0004.250 5.140 21.845 18.0624.500 4.960 22.320 20.2504.750 5.850 27.787 22.5625.000 5.100 25.500 25.0005.250 5.700 29.925 27.5625.500 5.900 32.450 30.2505.750 6.430 36.972 33.062
6.000 6.000 36.000 36.0006.250 6.350 39.687 39.062
6.500 6.702 43.563 42.2506.750 6.588 44.469 45.5627.000 7.600 53.200 49.0007.250 7.300 52.925 52.5627.500 7.450 55.875 56.2507.750 7.555 58.551 60.0627.800 8.678 67.688 60.8407.850 9.767 76.670 61.622xi =133.15 Yi = 164.525 XiYi = 843.194 Xi2 =
773.954
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
15/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
15
M = 34(843.194) (133.15) (164.525) = 0.78734(773.954) (133.15)2
B = (164.525)(773.954) (843.194) (133.15) = 1.75434(773.954) (133.15)2
VI) DATOS EXPERIMENTALES
DATOS EXPERIMENTALES
( )
=
22
ii
iiii
xxp
yxyxpm
( )
=
22
2
ii
iiiii
xxp
yxxyxpb
TABLA (2) TIEMPO VS VELOCIDAD
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
16/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
16
TIEMPO(s)
VELOCIDAD(m/s)
XiYi Xi2
0.000 1.000 0.000 0.0000.250 1.900 0.475 0.062
0.500 1.800 0.900 0.2500.750 2.350 1.762 0.5621.000 2.300 2.300 1.0001.250 2.500 3.125 1.5621.500 2.550 3.825 2.2501.750 3.150 5.512 3.0622.000 2.750 5.500 4.0002.250 3.900 4.875 5.5622.500 3.300 8.250 6.2502.750 3.820 10.500 7.5623.000 3.450 10.350 9.0003.250 4.310 14.007 10.562
3.500 3.910 13.685 12.2503.750 4.635 17.381 14.0624.000 3.830 15.320 16.0004.250 5.140 21.845 18.0624.500 4.960 22.320 20.2504.750 5.850 27.787 22.5625.000 5.100 25.500 25.0005.250 5.700 29.925 27.5625.500 5.900 32.450 30.2505.750 6.430 36.972 33.0626.000 6.000 36.000 36.000
6.250 6.350 39.687 39.0626.500 6.702 43.563 42.2506.750 6.588 44.469 45.5627.000 7.600 53.200 49.0007.250 7.300 52.925 52.5627.500 7.450 55.875 56.2507.750 7.555 58.551 60.0627.800 8.678 67.688 60.8407.850 9.767 76.670 61.622xi=133.15
Yi =164.525
XiYi =843.194
Xi2 =773.954
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
17/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
17
M = 34(843.194) (133.15) (164.525) = 0.78734(773.954) (133.15)2
B = (164.525)(773.954) (843.194) (133.15) = 1.75434(773.954) (133.15)2
TABLA (3)
TIEMPO VS POCISION
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
18/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
18
TIEMPO(s)
POSICION(m)
0.000 0.8500.250 0.8500.500 0.5000.750 1.8501.000 1.6001.250 3.5501.500 2.0501.750 5.3002.000 4.6502.250 5.1002.500 6.4902.750 5.8003.000 9.0403.250 9.250
3.500 10.7103.750 10.5004.000 14.0504.250 12.2504.500 15.1004.750 16.3005.000 17.650
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
19/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
19
VII) Clculos y resultados
Actividad 1
Ajuste lineal
Con los datos de la tabla (2) tiempo vs velocidad, realizamos la grfica
Ecuacin matemtica:
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
20/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
20
Hallando valores:
Velocidad inicial:
V0 = b = 1.31789
Aceleracin del mvil
a = m = 0.85726
Valor mximo y mnimo de la velocidad
Mn. = 1.000
Mx. = 9.767
Desviacin estndar en datos ingresados:
Des. Est. = 2.162
Ajuste cuadrtico
Con los datos de la tabla (3) de tiempo vs posicin, realizamos la grficacon el programa data studio.
Y = mx +b
V = mt +b V = V0 + at
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
21/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
21
Ecuacin matemtica:
Hallar valores:
Velocidad inicial:
V0 = B = 1.2363
Aceleracin del mvil:
a = (2) A = 0.88120
Valor mximo y mnimo de la velocidad:
Mn. = 0.500
Mx. = 17.650
Desviacin estndar en datos ingresados:
Des. Est. = 5.476
Comparando valores
Realizando un anlisis de comparacin entre los valores dados por losgrficos y realizados por el mtodo matemtico tenemos lo siguiente:
Clculo matemtico Clculo grfico
Clculo lineal m = 0.787
b = 1.54
m = 0.8572
b = 1.3178
VIII) CONCLUSIONES:
d = V0t + (1/2)at2
Ax2 + Bx + C = 0 (1/2)at2 + V0t + (-d) = 0
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
22/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
22
1. Al comparar los clculos obtenidos mediante el programaDataStudio con los matemticos no coinciden habiendo unporcentaje de error.
2. Logramos relacionar la velocidad con el tiempo as vimos su
comportamiento en la grafica ajustndolo linealmente.
3. Aprendimos a graficar una ecuacin y hallar sus magnitudes:
Cuestionario:
1) Es posible determinar la funcin que relaciona las variables x e ysin realizar un ajuste?
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
23/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
23
No es posible, ya que la funcin ajuste es la nica que relaciona, une ydenota la variacin de un fenmeno de acuerdo a los cambios querealiza.
2) Es posible aplicar el mtodo de mnimos cuadrados para ajustar
polinomios?
Hasta ahora se ha estudiado el problema de aproximar una funciny =f(x), a travs de una funcin interpolante dados unos valores ((x1, f(x1)),(x2, f(x2)),...,(xn,f(xn))).
Ahora estudiaremos el siguiente problema:
Supongamos que existe una relacin funcionaly = f(x) entre dos valoresxyy, con fdesconocida y se conocen valoresyk que aproximan a f(xk), osea:
, k= 0, 1,..., n
Con desconocido.
Se trata de recuperar la funcin fa partir de los datosyk, k= 0, 1,..., n.
Este problema se conoce como ajuste de datos (caso discreto).Trabajaremos en el caso en el que fes una funcin polinmica.
Si f es polinmica (f(x) = pm(x)), entonces el problema se transforma en:
Dados n+1 puntos (x0, y0), (x1, y1),..., (xn, yn) con x0, x1,..., xn nmerosreales diferentes, se trata de encontrar un polinomio
, con m < nm
que mejor se ajuste a los datos. En otras palabras:
Sea mnimo.
El grado m del polinomio pm(x) se puede escoger libremente, porejemplo, para una aplicacin que se pretenda dar al polinomio. Enmuchos casos, el grado ser uno y el polinomio obtenido se llamar la
http://aprendeenlinea.udea.edu.co/lms/moodle/filter/tex/displaytex.php?p_m+(x)+=+a_0++++a_1+x++++%5Cldots++++a_m+x%5Em+http://aprendeenlinea.udea.edu.co/lms/moodle/filter/tex/displaytex.php?+%5Cvarepsilon+_k+http://aprendeenlinea.udea.edu.co/lms/moodle/filter/tex/displaytex.php?f(x_k+)+=+y_k+++%5Cvarepsilon+_k+ -
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
24/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
24
recta que mejor se ajusta o la recta de mnimos cuadrados paralos datos.
Una condicin necesaria para la existencia de un mnimo relativo de lafuncin S es que las derivadas de la funcin con respecto a las aj, sean
cero.
De esto resultan las siguientes m+1 ecuaciones con incgnitas a0, a1,...,am:
Si en las ecuaciones anteriores cancelamos el dos, obtenemos:
ste es un sistema de m+1 ecuaciones con m+1 incgnitas a0, a1,..., am,que se llama sistema de ecuaciones normales.
Este sistema de ecuaciones tiene solucin nica (puede demostrarse),por esta razn, se garantiza la existencia de un nico polinomio deajuste segn mnimos cuadrados, en el caso de que x1, x2,..., xn sontodos distintos.
Para el caso de m = 1, p1(x) = a0 + a1x es la recta de mnimoscuadrados, a0 y a1 se obtienen resolviendo el sistema:
3) En qu consiste el procedimiento de linearizacin?
http://aprendeenlinea.udea.edu.co/lms/moodle/filter/tex/displaytex.php?%5Cleft[+%7B%5Cmatrix%7B%7B%5Cunderbrace+%7B%5Cleft(+%7B%5Csum%5Climits_%7Bk+=+0%7D%5En+%7Bx_k%5E0+%7D+%7D+%5Cright)%7D_%7Bn+++1%7Da_0++++%5Cleft(+%7B%5Csum%5Climits_%7Bk+=+0%7D%5En+%7Bx_k+%7D+%7D+%5Cright)a_1++=+%5Csum%5Climits_%7Bk+=+0%7D%5En+%7By_k+%7D+%7D%5Ccr+%7B%5Cleft(+%7B%5Csum%5Climits_%7Bk+=+0%7D%5En+%7Bx_k+%7D+%7D+%5Cright)a_0++++%5Cleft(+%7B%5Csum%5Climits_%7Bk+=+0%7D%5En+%7Bx_k%5E2+%7D+%7D+%5Cright)a_1++=+%5Csum%5Climits_%7Bk+=+0%7D%5En+%7Bx_k+y_k+%7D+%7D++%5Ccr+%7D+%7D+%5Cright. -
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
25/29
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
26/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
26
Lo que hace la linearizacin es calcular ese resultado "motriz"en funcin de tus resultados parciales y variables mientras ladesviacin (o margen de error) sea ms grande la linearizaciontiende a equivocarse ,esto nos da de resultados particulares
otros muchos ms generales y completos.
4)
Con los resultados de la primera actividad del mvil luego de unahora de iniciado su recorrido.
---------0.787 m/s2
---------1.754 m/s
Calcular la velocidad del mvil luego de 1 hora de iniciado su recorrido:
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
27/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
27
5) Indique algn fenmeno natural cuyo comportamiento pueda serdescrito usando una ecuacin exponencial.
Una poblacin de bacterias crece segn el modelo: P(t) = 2 3t,donde tes la cantidad de minutos transcurridos. Cuntos minutos
habr que esperar para que el nmero de bacterias sea 1.000?Segn el enunciado, debe cumplirse que: P(t) = 2 3t = 1.000.Aplicando logaritmo a ambos lados: log (2 3t) = log (1.000) log 2+ t log 3 = 3
en el aumento de un capital invertido a inters continuo o en elcrecimiento de las poblaciones. En sentido inverso, tambin lassustancias radiactivas siguen una ley exponencial en su ritmo dedesintegracin para producir otros tipos de tomos y generarenerga y radiaciones ionizantes.
Algunos fenmenos que pueden ser descritos por un crecimientoexponencial, al menos durante un cierto intervalo de tiempo, son:
o El volumen de una esfera al crecer.
o El nmero de clulas de un feto mientras se desarrolla en eltero materno.
o En una economa sin trastornos, los precios crecenexponencialmente, donde la tasa coincide con el ndice deinflacin.
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
28/29
-
7/27/2019 2 ANLISIS DE UNA EXPERIENCIA CON DATA STUDIO
29/29
UNIVERSIDAD NACIONAL DEL CALLAOESCUELA PROFESIONAL DE INGENIERA DE ALIMENTOS
29
X) ANEXOS
En el anlisis de un problema fsico se puede partir de la teoraque predice una cierta ley fsica la cual se expresa con unaecuacin cuya forma matemtica nos guiar al analizar la forma
del grfico. Es decir, graficando los valores experimentales setendrn una curva uniforme que muestra la tendencia de lospuntos. Enseguida se compara la forma de la curva obtenida, conaquello predicho tericamente. Si concuerdan, ello corresponde auna comprobacin experimental de la ley fsica considerada. Lafuncin matemtica ms simple es la lnea recta y es por ello quetiene gran importancia en el anlisis de datos experimentales. Porlo tanto es til linealizar la curva cuando sta no sea una recta.