BIOMECÁNICA
ANÁLISIS DE GRÁFICAS
Fundamentación teórica del Método de Mínimos Cuadrados
Uno de los objetivos de los físicos al tratar de buscar Y
una explicación para el comportamiento de la y5
naturaleza consiste en establecer interdependencias
causales entre variables. Las variables que podemos y4 cambiar
a voluntad se llaman independientes, V.I., en y3
tanto que, aquellas que varían al variar la y2
independiente, se denominan variables dependientes,
V.D. y1
X
Cuando se obtiene como resultado de un experimento x1 x2 x3 x4 x5
una serie de puntos, nube de puntos, que pueden ser
agrupados por una línea, podemos también buscar la Gráfica 1
relación entre ellos.
En la gráfica 1 se muestran las parejas ordenadas Y
resultados de un experimento: (x1,y1), (x2,y2), (x3,y3), y5 e5
(x4,y4), (x5,y5). Se puede observar que la nube de
puntos conforma aproximadamente una línea recta. y4 e4
y e
Vamos a suponer que existe una línea recta tal que los 3 3 errores
y2 e2
por exceso se contrarrestan con los errores por
e1
defecto, tal como lo muestra la gráfica 2. 1 y
X
Como la ecuación de la recta es y a.x b , donde a es la
x1 x2 x3 x4 x5
pendiente de la recta y b es la ordenada del punto de
corte del eje y, podemos afirmar que la imagen para un Gráfica 2
valor de x1 según el experimento es y1 y según la recta
es a.x1+b.
Así, el error para el punto x1 es: e1=y1-a.x1-b
En x2 es: e2=y2-a.x2-b, para x3 es: e3=y3-
a.x3-b
En x4 es: e4=y4-a.x4-b y para x5 es: e5=y5-a.x5-b.
Ahora, podemos construir una función de error, fe que sea la suma de todos
los errores. Así podemos intentar inicialmente un proceso donde fe e i 0
.
Sin embargo, un gran número de líneas cumplen con esta condición, porque
cualquier error por exceso puede ser compensado por un error por defecto, en
conclusión, una función de error definida así no es muy útil; esto se puede observar
en la gráfica 3,
donde, a pesar de notarse que la línea trazada no corresponde a los puntos
1/
6
obtenidos experimentalmente los errores por exceso y por defecto se anulan y su
suma es 0.
2/
6
Y
Alguna persona tuvo la idea de redefinir la función y5
e
5
de error en la forma
fe f e2 . La idea se centra y4 e4
en que cualquier error, por exceso por defecto, al y3 e3
e2
ser elevado al cuadrado genera siempre una y2
e1
contribución positiva a la función. Así, la función
y1
de error f e nunca será cero (si fe fuera cero,
todos los puntos estarían sobre la recta). X
x1 x2 x3 x4 x5
Gráfica 3
La función es: fe ( a.x b)2 ( a.x b)2 ... ( a.x b)2 .
y1 1 y 2 y N
2 N
Desarrollando el cuadrado de los polinomios para los cinco puntos supuestos se
obtienen 45 términos en la forma (intente demostrarlo):
f e y i2 2.a. xi .yi 2.b.i y a2 .i x 2 2.a.b. x N.b2
i
Como esta función no puede ser cero, lo máximo que podemos hacer es determinar su
mínimo valor. Esto se logra cuando se iguala a cero la primera derivada de la función
de error.
d
daf e 2. xi 2.a. x 2 2.b. x
i i
(1 y también:
)
.yi 0
d
dbf e 2. 2.a. 2.N.b (2)
0
yi xi
A partir de la ecuación (2) se . yi a. (3)
tiene: xbi
N
Podemos ahora reemplazar (3) en (1) y obtenemos:
N. x .y x .
y x .
2
x . x .y
y
a
i i
2
i
2
i (4) y b i i
2
2 i i i (5)
N.
N. x i
xi xi xi
A pesar de lo dicho, no podemos afirmar que siempre la relación entre dos variables
sea lineal y que las relaciones (4) y (5) determinen los valores para la línea de
tendencia. En ocasiones podemos observar relaciones que sean potencias o
exponenciales o logarítmicas y el método estudiado no se puede utilizar.
En estos casos hay necesidad inicialmente de llevar la curva a una línea recta, este
proceso se denomina linealización.
Si, por ejemplo, la relación entre las variables x y y es una potencia de la forma
y A..xn (6) , al realizar la gráfica para y en función de x, obtendremos una curva;
entonces podemos cambiar de espacio numérico y verificar si allí se es posible obtener
una línea recta. Observemos que, si tomamos el logaritmo en base 10 en cada lado de
la relación (6) obtenemos
log y log( A..xn ) log( x n ) log( A) [Link]( x) y, si
log( A)
redefinimos
log y Y log x y log A obtendremos la ecuación
, X B
Y n.X B (7) que es la misma (6) pero en el espacio de los logaritmos. Ahora, si
la gráfica obtenida allí es una línea recta habremos confirmado la suposición de
partida, es decir, que entre x y y existía la relación y A..xn . También cabe observar
que la pendiente n en el espacio de los logaritmos corresponde al exponente n de la
ecuación (6) y el valor de la constante A se puede hallar fácilmente haciendo
10logA 10B A . De esta forma habremos llegado a la expresión numérica completa
para la ecuación (6).
En forma análoga podemos proceder con relaciones que no sean lineales pero que se
puedan linealizar.
La literatura científica también muestra métodos de análisis de resultados
experimentales donde se puede considerar que existe una relación no lineal entre las
variables y se han elaborado métodos similares al de mínimos cuadrados para el
análisis de esos resultados. Cada uno de ellos ha desarrollado un factor de correlación
r2 que nos permite evaluar qué tanto se acercan los puntos experimentales a la
ecuación obtenida. Entre más cercano a 1 hay más correspondencia entre los datos y
la ecuación.
Finalmente, el coeficiente de correlación r2 para el método de mínimos cuadrados es:
Fundamentación teórica del Método de Mínimos Cuadrados.
Elaborada por: Jimmy Mendieta Sanabria. Pontificia Universidad Javeriana. Bogotá, 2009.
OBJETIVOS
Identificar el tipo de relación existente entre dos variables.
Repasar la construcción de gráficas.
Emplear el método de Mínimos Cuadrados en linealización.
Emplear el método de linealización mediante funciones logarítmicas.
Emplear el método de regresión potencial
PREGUNTAS GENERADORAS
1. ¿Qué son variables dependientes?
2. ¿Qué son variables independientes?
3. ¿Cuál es la ecuación de la línea recta? ¿Qué representa cada término en la ecuación?
4. ¿En qué consiste el método de mínimos cuadrados para la linealización? Cuándo se puede
utilizar?
5. ¿En qué consiste el método de regresión de potencias?
PROTOCOLO
Parte A
En un soporte universal coloque un resorte de tal manera que pueda medir la longitud inicial (lo)
(ver figura 2.1a) del resorte con una regla. Posteriormente coloque una masa M en el extremo
libre del resorte y suéltelo. Mida la longitud final (lf ) (ver figura 2.1b) y calcule la elongación ( l)
del resorte. Repita este procedimiento 10 veces, realizando cambios de 100 g cada vez, midiendo
la elongación que genera cada masa, registre los resultados obtenidos en la tabla de datos 2.1 .
(a) Longitud inicial (b) Longitud
final
Figura 2.1: Medición de longitudes inicial y final
Realice una gráfica en papel milimetrado de elongación (l) en función de la masa (M).
(Dibuje los puntos experimentales sin unirlos, y con marcas visibles.)
Determine la pendiente y el punto de corte de la recta utilizando el método de Mínimos
Cuadrados.
Escriba la ecuación que relaciona la elongación del resorte en función de la masa que
cuelga de él. (Escriba los resultados en las unidades adecuadas).
Con la ecuación obtenida dibuje la recta sobre los puntos experimentales obtenidos.
Masa (g) Longitud final (lf, cm) l (cm)
Tabla 1: Tabla de datos tomados y calculados
Parte B
Utilizando las masas de la parte A, realice inicialmente el mismo procedimiento; coloque la masa,
espere a que esté en equilibrio estático el sistema y posteriormente levante con su mano la masa
una distancia de 1cm. Déjela en libertad y registre en el cronómetro el tiempo que tarda en hacer
10 oscilaciones. Repita este procedimiento 5 veces para cada masa y calcule el tiempo promedio.
Masa (g) Tiempo promedio
que tarda en dar 10
oscilaciones (s)
Tabla 2: Tabla de datos tomados y calculados
Realice una gráfica en papel milimetrado del tiempo promedio (t) en función de la masa
(M). (Dibuje los puntos experimentales sin unirlos, y con marcas visibles.)
Realice una gráfica en papel logarítmico del tiempo promedio (t) en función de la masa
(M). (Dibuje los puntos experimentales sin unirlos, y con marcas visibles.) o realice una
gráfica del logaritmo del tiempo en función del logaritmo de la masa
Determine la pendiente y el punto de corte de la recta utilizando el método de Mínimos
Cuadrados.
Escriba la ecuación que relaciona el tiempo de oscilación en función de la masa que cuelga
de él. (Escriba los resultados en las unidades adecuadas).
Con la ecuación obtenida dibuje la curva sobre los puntos experimentales obtenidos.
PREGUNTAS ORIENTADORAS
1. ¿Cuándo es posible utilizar el método de Mínimos Cuadrados para linealizar? Por qué?
2. ¿Cuántos puntos experimentales caen exactamente sobre la nueva recta?
3. ¿Qué puede concluir de esto? ¿Qué le dice lo anterior comparando con el coeficiente de
correlación r?
4. ¿Qué tan útil es el método de Mínimos Cuadrados para linealizar?
5. ¿Cuándo es posible utilizar el método de regresión de potencias?
x=c(13,7,12,6,34,14,47,25,45,2,13,26,10,8,1,14,41,10,3,21,8,13,28,24,16,19,4,7,36,37,20,15
,16, 15,17,31,17,3,11,46,24,8,40,17,18,12,27,16,4,14,23,9,29,12,2,6,12,18,9,16)
10:06 a. m.
hist(x,seq(0.5,48.5,by=8),plot=F) y=c( 0.5, 8.5, 16.5, 24.5, 32.5, 40.5, 48.5)
fa=c(0,14,14+21,14+21+11,14+21+11+6,14+21+11+6+4,14+21+11+6+4+4) length(y) length(fa)
plot(y,fa) lines(y,fa,type="l")
