UNIDAD V ANLISIS DE DATOS EXPERIMENTALES POR MNIMOS CUADRADOS

CONTENIDO 5.1 Ajuste de Curvas

5.2 Anlisis de Regresin

5.3 Mtodos de Mnimos Cuadrados

5.4 Regresin Lineal

5.5 Regresin Curvilnea

5.5.1 Funcin Potencial: YC = a Xb

5.5.2 Funcin Exponencial: YC = a bx

5.1 AJUSTE DE CURVAS Uno de los objetivos en el anlisis de resultados es el llegar a establecer una relacin cuantitativa entre dos o ms variables y mediante esta relacin poder efectuar predicciones.

Por lo general la relacin consiste en una ecuacin que expresa cmo la variable dependiente (cuyo valor se desea predecir) es afectada por una o ms variables independientes.

En esta unidad se ilustra la forma de establecer la posible relacin de una variable dependiente con otra variable considerada independiente. El primer paso es disponer de una coleccin de datos obtenidos experimentalmente. Si se simbolizan por X y Y las variables independiente y dependiente respectivamente, y sus valores particulares por X1, Y1, X2, Y2, etc., en una tabla se dispondran as.

El siguiente paso es representar los puntos (X1, Y1 ), (X2, Y2) . . . . , (XN, YN) en un sistema de coordenadas rectangulares. El sistema de puntos resultantes se llama diagrama de dispersin.

Con el diagrama de dispersin es posible representar una curva que se aproxime a los datos, es decir, que siga la tendencia de los mismos. Tal curva se llama curva de aproximacin. En la figura 5.1 (a) , por ejemplo, se ve que los datos experimentales se aproximan bien a una lnea recta y se dice que entre las variables existe una relacin lineal. En b), existe una relacin no lineal.

Las curvas mostradas en la Fig. 5.1 se denominan curvas de aproximacin y describen la tendencia de los puntos en el diagrama de dispersin. El problema general de hallar la ecuacin de la curva de aproximacin que se ajuste mejor al conjunto de datos con los que se obtuvo el diagrama de dispersin se denomina determinacin de la CURVA DE AJUSTE. Una curva de aproximacin como la de la Fig. 5.1 (a) sugiere una ecuacin lineal; (ecuacin de la recta) Y = a + bX; mientras que la de la curva en la Fig. 5.1 (b) sugiere una ecuacin cuadrtica (parablica) de la forma Y = a + bX + cX2

La dispersin de los puntos se debe a los errores que afectan en el proceso de medicin tanto a la variable dependiente como a la independiente. En ocasiones puede despreciarse el error en la variable independiente al compararse con el error (o variacin aleatoria) de la variable dependiente. Esto depender de la situacin particular de las causas de error sobre cada variable al realizar el experimento.

Ejemplo: Del anlisis de un fenmeno se obtuvieron los siguientes resultados.

5.2 ANLISIS DE REGRESIN Uno de los propsitos principales de la curva de ajuste es estimar una de las variables a partir de la otra. El proceso de estimacin se conoce como regresin. Si Y se va a estimar a partir de X por medio de alguna ecuacin la llamamos ecuacin de regresin de Y sobre X y a la curva correspondiente curva de regresin de Y sobre X. A continuacin se presentan algunos ejemplos de relaciones denominadas funciones o ecuaciones de prediccin:

Lnea Recta: Yc = a + bX Ecuacin de segundo grado o cuadrtica: Yc = a + bX + cX2

Ecuacin potencial: Yc = KXn o Yc = aXb Ecuacin exponencial: Yc = A DX o Yc = a bX

En estos ejemplos, Yc representa el valor estimado de la variable dependiente a partir del valor X, de la variable independiente. Existen varios mtodos para determinar la ecuacin de regresin. El "mtodo de mnimos cuadrados", que se describe mas adelante, se considera el mejor; por fundamentarse en el tratamiento estadstico de los datos experimentales.

Como se mencion anteriormente, los errores afectan tanto a la variable independiente como a la variable dependiente, sin embargo en muy diversos casos la variable independiente puede considerarse sin error (o de error despreciable) y considerar que la dispersin es debido nicamente a los errores en la variable dependiente. En este caso se considera que para un valor puntual de X (sin error) el valor experimental de Y se aparta del valor que predice la curva de regresin.

5.3 MTODO DE MNIMOS CUADRADOS Generalmente, ms de una curva de un tipo dado parece ajustarse a un conjunto de datos. Para evitar el juicio individual en la construccin de rectas, parbolas u otras curvas de aproximacin, es necesario obtener una definicin de la "mejor curva de ajuste", mejor parbola de ajuste," etc. Considrese la Fig. 5.2 en la cual los puntos de un conjunto de datos (hipotticamente experimentales) se expresan por (X1 , Y1), (X2, Y2) . . . . . (Xn, Yn).

Para un valor dado de x, por ejemplo X1 habr una diferencia entre el valor de Y1 y el valor correspondiente de la curva C. Esta diferencia se denota por D1 y se conoce como desviacin, error, o residuo y puede ser positivo, negativo o cero. Anlogamente, correspondiendo a los valores X2 , X3 . . . , XN obtenemos las desviaciones D2 , D3 , . . . , DN

Una medida de la "bondad de ajuste" de la curva C al conjunto de datos la suministra la cantidad D12 + D22 + .. + DN2. Si la suma es pequea el ajuste es bueno, si es grande, el ajuste es malo. Definicin: De todas las curvas de aproximacin correspondientes a un conjunto de puntos dados, la curva que tenga la propiedad de que D12 + D22 + .. + DN2 es mnimo, se conoce como la mejor curva de ajuste.

Una curva con esta propiedad se dice que ajusta los datos por mnimos cuadrados y se llama "Curva de regresin de mnimos cuadrados" o simplemente "Curva de mnimos cuadrados.

Una recta con esta propiedad se llama recta de mnimos cuadrados, una parbola con esta propiedad se llama parbola de mnimos cuadrados, etc.

5.4 REGRESIN LINEAL Se aplica el mtodo de mnimos cuadrados para determinar la ecuacin de regresin. Para una relacin lineal en general Yc = a + bX ; Yc representa el valor terico de Yi el valor estimado de Y que corresponde a un valor particular de X. El criterio de mnimos cuadrados requiere la determinacin de los valores de "a" y "b" tal que Z = (Yi - Yc)2 sea un mnimo (es decir, que tienda a cero). En la ecuacin de la relacin lineal "a" y "b" se denominan coeficientes de regresin: "a" es la intercepcin con el eje de las ordenadas Y "b" es la pendiente de la lnea, que mejor se ajusta.

Como se busca la recta que mejor se ajuste a los puntos experimentales, el intercepto a y la pendiente b adquieren el carcter de variables; ya que estos parmetros son los que diferencian a una recta de otra. Sea: Z = (Yi - Yc)2 Sustituyendo Yc = a + bX Z = (Yi - a - bX)2 Debe ser un mnimo de acuerdo a la definicin de mejor curva de ajuste (en este caso, mejor recta de ajuste).

Utilizando el clculo diferencial con derivadas parciales actuando sobre sumatorias, se llega a establecer un sistema de dos ecuaciones, denominadas ecuaciones normales para la regresin lineal o ecuaciones normales para la recta de mnimos cuadrados.

Donde n es el nmero de pares ordenados (X, Y) o nmero de puntos o nmero de observaciones, a y b son incgnitas que representan, como ya se mencion, respectivamente, el intercepto y la pendiente de la recta de mnimos cuadrados.

Para resolver estas ecuaciones se requiere obtener X, Y, XY y X2 Simultaneando las ecuaciones (1) y (2), de manera literal, ests se disponen de la siguiente manera:

Ejemplo: Se quiere determinar la constante K (N/m) de un resorte, a partir de la ley de Hooke. Para el experimento se dispone de diferentes masas y por cada variacin de masa, se mide la deformacin del resorte. El equipo con el cual, se harn las pruebas se muestra a continuacin:

La tabla de datos, generada a partir de la observacin es:

Considere las siguientes observaciones: La ley de Hooke: Fs = K*x (N) Aceleracin de la gravedad: g = 9.78 m/s2
Construya preliminarmente la tabla de datos que relacione la fuerza con la deformacin:

La tabla de datos, generada a partir de la observacin es:

Construya el diagrama de dispersin, para la relacin entre las variables de fuerza contra deformacin del resorte. Con esto se verificar la tendencia de los datos experimentados.

Grafico:
Diagrama de Dispersin

Grafico:
Curva de Aproximacin

Al analizar la dispersin de los datos y trazando la tendencia de ellos, podemos observar que es una relacin lineal. Por lo consiguiente aplicaremos el mtodo de mnimos cuadrados. Acomodando las ecuaciones de mnimos cuadrados a las variables que poseemos en el experimento:

Construya la tabla para satisfacer las relaciones anteriores:

Llenando la tabla con los datos requeridos:

Resolviendo las ecuaciones de solucin:

Resolviendo para a

Resolviendo para b

Finalmente, la ecuacin de regresin queda as:

Se tomaran dos de los datos de la variable independiente y se realizara una interpolacin con la ecuacin calculada (a travs del mtodo de mnimos cuadrados). Este procedimiento se realizara para determinar la Curva de regresin de mnimos cuadrados

Grafico:
Curva de Regresin de Mnimos Cuadrados

5.5 Regresin Curvilnea 5.5.1 Funcin potencial o curva geomtrica: Yc = aXb

Aplicando logaritmo a la funcin Yc = aXb, tenemos:

Log Yc = Log a + b Log X Tal como hemos dicho anteriormente, la expresin (Log Yi - Log Yc)2 es un mnimo; sustituyendo en esta expresin Log Yc por su valor, tenemos: (Log Yi - Log a - b Log X)2 (es un mnimo)

Al derivar parcialmente con respecto a "a" y respecto a "b" e igualar a cero las derivadas, obtenemos las ecuaciones normales siguientes:

Log Y = n Log a + b Log X Log X Log Y = Log a Log X + b (Log X)2

Despejando para a y b tenemos que:

(1) (2)

Ejemplo: Una muestra de un gas ideal se expande, segn la tabla de datos extrados del experimento; el proceso se da en condiciones de cuasiequilibrio, para el cual podemos decir que la relacin entre las variables es: P = kVb

Grafico

Grafico

Relacionando las variables a y b

ecuaciones para

determinar las

Aplicndola a nuestras variables

Plantear la tabla en relacin con las ecuaciones:

Tabla con los datos obtenidos:

Sustituir los datos calculados en las ecuaciones, para determinar las constantes k y b

Calculo para determinar la constante k:

Calculo para determinar la constante b:

La Ecuacin de regresin se puede expresar como:

De acuerdo al planteamiento anterior, la relacin entre las variables se puede escribir de la siguiente manera:

(Pa)

Curva de regresin parablica de mnimos cuadrados

5.5 REGRESIN CURVILNEA 5.5.2 Caso Exponencial: Yc = A DX La funcin exponencial se presenta en multitud de fenmenos de crecimiento animal, vegetal, econmico, fsicos, etc. En todos ellos la variable mas usada es el tiempo. En el crecimiento exponencial, cada valor de Y se obtiene multiplicando el valor anterior por una cantidad constante D

Donde A es el valor inicial para x=0, adems, A es el factor por el que se multiplica en cada unidad de la variable independiente. Si 0 < D < 1 se trata de un decrecimiento exponencial. La funcin exponencial sirve para describir cualquier proceso que evolucione de modo que el aumento (o disminucin) en un pequeo intervalo, sea proporcional a lo que haba al comienzo del mismo.

Al aplicar clculo integral, se llega a una expresin del tipo Y = A DX , que es una relacin exponencial ya que x est como exponente de una base D.

Para encontrar la funcin que mejor se ajusta a los resultados obtenidos, haremos uso de los mnimos cuadrados.

Aplicando logaritmo a Yc = ADX tenemos:

Log Yc = Log A + X Log D Como en los casos anteriores, interesa minimizar la expresin: Z = (Log Yi - Log a - X Log b)2

Al derivar parcialmente con respecto a A" y D" e igualar a cero las derivadas llegamos a las siguientes ecuaciones normales:

Log Yi = n Log A + Log D Xi X Log Yi = Log A Xi + Log D Xi2

(1) (2)

En este caso, X representa a la variable independiente, y Y es la variable dependiente. Despejando para A y D:

Ejemplo: Se lleva a verificacin la ley de enfriamiento de Newton y se dispone el equipo como se muestra en la figura. Luego que el termmetro alcanza el equilibrio en el medio ambiente, se obtuvieron los siguientes datos:

Grafico

Grafico

Relacionando las ecuaciones para variables A y D :

determinar las

Aplicndola a nuestras variables:

Plantear la tabla en relacin con las ecuaciones:

Tabla con los datos obtenidos:

Sustituir los datos calculados en la tabla, para las ecuaciones de mnimos cuadrados:

De acuerdo al planteamiento anterior, la relacin entre las variables se puede escribir de la siguiente manera:

Graficar de la funcin anterior en papel milimetrado.

Curva de regresin exponencial de mnimos cuadrados

Curva de regresin exponencial de mnimos cuadrados

UNIDAD V ANLISIS DE DATOS EXPERIMENTALES POR MNIMOS CUADRADOS

(DISCUSION II)

Ejercicio 13 Un grupo de alumnos investigaron sobre el movimiento parablico de un baln, los valores que obtuvieron se muestran en la tabla siguiente:

a. Diagrama de dispersin y dibujar curva de aprox. b. Ecuacin de regresin c. Encontrar el error en el exponente

a. Diagrama de dispersin y dibujar la curva de aprox.

a. Diagrama de dispersin y dibujar la curva de aprox.

b. Determinar ecuacin de regresin que relaciona las variables X e Y

Construccin de tabla:

Llenar los campos:

Ecuaciones normales:

Calculo de constante a

Calculo de constante b

Ecuacin de ajuste:

Curva de ajuste:

Ejercicio 16: Un grupo de alumnos investigo la relacin que existe entre la variacin de temperatura y el tiempo que tarde en enfriarse hasta la temperatura ambiente

a. Hacer diagrama de dispersin b. Dibujar curva de aproximacin c. Determinar la ecuacin de regresin

a. Diagrama de dispersin.

Curva de aproximacin y ecuacin de regresin.

Curva de ajuste: