LABORATORIO 1

TRATAMIENTO DE DATOS EXPERIMENTALES

OBJETIVOS
1. Cuantificar el error en las medidas de datos experimentales.
2. Modelar fenómenos físicos mediante la correlación de datos experimentales empleando
el método de mínimos cuadrados.
3. Linealizar funciones teniendo en cuenta el tipo de gráfica que relaciona sus variables
físicas.
4. Obtener los errores presentes al emplear el método de los mínimos cuadrados, en el caso
particular de la regresión lineal.

MATERIALES
• Calculadora
• Regla
• Lápiz

MARCO TEÓRICO
1. Definiciones Fundamentales:
Marco teórico
Medición: El fin de la medición es estimar el valor del mensurando, el cual es el valor de la
magnitud particular bajo medición. El resultado obtenido en una medición no es más que una
aproximación o estimación del valor verdadero del mensurando y se considera completo
siempre y cuando se acompañe de una declaración de la incertidumbre de dicha estimación.
El mensurando hace referencia a la característica o propiedad del objeto de interés para la
medición. La definición del mensurando es función de la exactitud de medida requerida por
la medición y debe realizarse lo más completamente posible con el fin de que, a pesar de los
efectos prácticos asociados con el proceso de medición, el valor sea único.
Ejemplo: Si se desea determinar la longitud de una barra de acero de valor nominal de un
metro con exactitud micrométrica, la especificación de la medida debe incluir la temperatura
y la presión a las que se define la longitud debido a su efecto en la estabilidad dimensional
del material. Sin embargo, si se desea determinar la longitud únicamente con exactitud
milimétrica la especificación de la medición no requiere definir un valor de temperatura o
presión o de algún otro parámetro.
Reporte de la medición: Para que una medición se considere completa es necesario reportar
un mejor estimador de la medida, que llamaremos y la respectiva incertidumbre de la
estimación que brinda información sobre la precisión de la medición realizada.
De esta forma, siempre que se realice una medición, su valor se debe reportar de la siguiente
manera:

𝑥 = 𝑥𝑒 ± 𝑢 (1)
Este resultado nos indica que el verdadero valor del mensurando se encuentra probablemente
en el intervalo:

𝑥𝑒 − 𝑢 ≤ 𝑥 ≤ 𝑥𝑒 + 𝑢.
Ejemplo: Suponga que un estudiante está interesado en medir la aceleración de la gravedad
en el laboratorio de práctica. Una vez realizada la medición obtiene un valor de la gravedad
de 9,75 𝑚/𝑠 2 y una incertidumbre de 0,065𝑚/𝑠 2 . El reporte de la medición siempre se debe
realizar con una cifra significativa en la incertidumbre y ajustando el mejor estimador de la
medición al número de cifras resultantes con tal de que la lectura de la medición sea sencilla
de esta forma 𝑔𝑒 = 9,75 𝑚/𝑠 2 y 𝑢 = 0,07 𝑚/𝑠 2 y el reporte de la magnitud de la
aceleración de la gravedad es 𝑔 = 9,75 ± 0,07 𝑚/𝑠 2 lo que indicia que el valor verdadero
del mensurando, que para nuestro caso es la magnitud de la aceleración de la gravedad en el
laboratorio de práctica de física mecánica, se encuentra entre 9,68 𝑚/𝑠 2 ≤ 𝑔 ≤ 9,82 𝑚/𝑠 2 .

Errores en la medición
Algo de lo cual se tiene certeza es que cada vez que realizamos una medida existe una gran
probabilidad de cometer algún tipo de error que nos ofrezca un resultado más o menos alejado
del que realmente deberíamos obtener. De entre los errores más comunes se pueden distinguir
dos grandes grupos:
Errores sistemáticos: relacionados con la forma en la que se utiliza el instrumento de
medida. Dentro de estos se pueden distinguir:
• Error de calibrado. Es uno de los más frecuentes y está ligado directamente al
instrumento. Muchos de ellos deben ser configurados de forma apropiada antes de ser
utilizados (calibrado), si esto no se hace correctamente todas las medidas realizadas
tendrán añadidas un sesgo.
• Error de paralaje. Es propio de instrumentos de medida analógicos como por
ejemplo aquellos que poseen agujas para marcar los valores. Dos observadores
situados en posiciones oblicuas a la aguja pueden leer valores diferentes.
Errores aleatorios o accidentales: Se tratan de errores que se producen debido a causas que
no se pueden controlar. Para intentar reducir el efecto de este tipo de errores se suele medir
varias veces en las mismas condiciones y se considera como valor final más probable la
media aritmética de los datos obtenidos.
Cuantitativamente el error de medida es percibido como la diferencia entre el valor verdadero
del mensurando, notado como, y el valor estimado de la medición; la discrepancia entre estos
dos valores permite tener una idea de la exactitud de la medición realizada.
En casos prácticos el valor verdadero del mensurando hace referencia al valor aceptado por
la comunidad científica como el valor verdadero de una propiedad o magnitud física o
química, conocido como “valor teórico”. En el caso de elementos o equipos especializados
fabricados por empresas, los valores dispuestos por ellos en certificados o manuales son
llamados “valores nominales”.
Así pues, hay dos maneras de cuantificar la exactitud de una medición: la primera es por
medio del error absoluto de la medida definido como:

𝜀 = |𝑥𝑡 − 𝑥𝑒 | (2)
Que nos muestra que tan alejado se encuentra nuestra medición del valor aceptado por la
comunidad científica o del valor reportado en los documentos de nuestros dispositivos de
medición. Las unidades del error absoluto son las mismas de la medición y del valor
verdadero del mensurando.
La otra forma consiste en un error relativo que por lo general se prefiere presentar en términos
de porcentaje con el fin de tener una idea de qué tan lejos está nuestra medición del valor
teórico respecto a este último y es conocido como error porcentual.
𝑥𝑡 − 𝑥𝑒
𝜀% = | | × 100% (3)
𝑥𝑡
Ejemplo: Siguiendo con el ejemplo de la medición de la magnitud de la gravedad, el mejor
estimador del mensurando obtenido es 𝑔𝑒 = 9,75 𝑚/𝑠 2 y se sabe gracias a la teoría que un
valor convencionalmente aceptado para la intensidad de la gravedad en el lugar de trabajo es
𝑔𝑡 = 9,81 𝑚/𝑠 2 . De tal forma que su error absoluto es:
9,81 𝑚/𝑠 2 − 9,75 𝑚/𝑠 2
𝜀=| | = 0,0061
9,81 𝑚/𝑠 2

Y el error porcentual 𝜀% = 0,61%.

Como se ve, si no se tiene claridad de lo que se está midiendo, de la precisión de los equipos
utilizados y de la exactitud buscada en la medición, el error absoluto no brinda información
de manera tan inmediata como el error porcentual, por lo general en los laboratorios de tipo
académico se busca que este error porcentual no supere el 10%; sin embargo, habrá ocasiones
en el que el método de medición, los equipos utilizados y el ambiente en el que lleva a cabo
pueden elevar el error a aproximadamente un 20%. Por otra parte, en laboratorios de
investigación y desarrollo de alta tecnología se espera que los errores se encuentren entre el
1% y el 2%.
Incertidumbre de medida
La incertidumbre de medida hace referencia a la duda sobre la validez de la medición. La
incertidumbre de medida cuantitativamente hablando es un parámetro asociado a la medida
que permite dar una idea de la dispersión de los valores que se le pueden atribuir
razonablemente al valor del mensurando y de tal forma refleja la imposibilidad de conocer
exactamente el valor del mensurando.
Las incertidumbres se agrupan en dos categorías según su método de evaluación “A” y “B”,
las cuales siempre están apoyadas en distribuciones de probabilidad.
• Incertidumbre tipo A: Es la incertidumbre obtenida a partir de una serie de
observaciones repetidas y es calculada por medio de la desviación estándar de los
datos.
• Incertidumbre tipo B: Es la incertidumbre obtenida a partir de información existente
como certificados de calibración, manuales de quipos, resolución de equipos, etc.

Evaluación de la incertidumbre estándar (u)

• Evaluación tipo A de la incertidumbre: En algunas ocasiones es necesario realizar
un conjunto de 𝑛 observaciones repetidas e independientes unas de otras, 𝑥𝑖 , con el
fin de controlar el error aleatorio generado en el proceso de medición, por ejemplo,
la medición del tiempo que tarda un cuerpo en recorrer cierta distancia en caída libre,
usando un cronómetro. En este caso, la mejor forma de estimar el valor de la
medición, que llamaremos valor estimado 𝑥𝑒 , es por medio de la media aritmética
muestral 𝑥̅ :

𝑛
1
𝑥𝑒 = 𝑥̅ = ∑ 𝑥𝑖 (4)
𝑛
𝑖=1

Para la estimación de la incertidumbre estándar 𝑢, en nuestro caso llamada

únicamente incertidumbre, se utiliza la desviación estándar muestral de la media 𝑠𝑥̅ :

𝑠𝑥
𝑢 = 𝑠𝑥̅ = (5)
√𝑛

Donde 𝑠𝑥 es la desviación estándar muestral de los datos y es calculada a través de la

varianza muestral 𝑠𝑥2 por medio de:

𝑛
1
𝑠𝑥2 = ∑(𝑥𝑖 − 𝑥̅ )2 (6)
𝑛−1
𝑖=1

Siendo la desviación estándar la raíz cuadrada de la varianza.

 𝑛
1
𝑠𝑥 = √ ∑(𝑥𝑖 − 𝑥̅ )2 (7)
𝑛−1
𝑖=1

• Evaluación tipo B de la incertidumbre: En el caso en el que no tiene sentido repetir

la medición ya que siempre se obtendrá el mismo valor de medición, como medir la
longitud de una varilla con una cinta métrica, el estimador del valor del mensurando
es tomado igual al valor entregado por el instrumento de medición y su incertidumbre
puede ser conocida por medio de diferentes fuentes:

▪ Resultados de mediciones anteriores.

▪ Experiencia o conocimientos generales sobre el comportamiento y las
propiedades de los materiales e instrumentos utilizados.
▪ Especificaciones del fabricante.
▪ Datos suministrados por certificados de calibración u otros tipos de certificados.
▪ Incertidumbres asignadas a valores de referencias procedentes de libros y
manuales.

En la práctica, una de las formas de estimar la incertidumbre de medición cuando no

se dispone ninguna de las anteriores es por medio de la resolución del equipo y se
diferencia si el equipo es de naturaleza digital o analógica.

Resolución: Es la mínima medición que puede realizar un equipo de medición, es

decir, es la mínima división o el mínimo paso que el equipo puede realizar para
diferenciar un valor de otro. En el caso de una cinta métrica la resolución suele ser de
o de y este es el mínimo valor que el equipo permitirá conocer al usuario; un valor
por debajo de esta longitud no podrá ser registrado con éxito.

Equipos digitales: La incertidumbre de medición de los equipos digitales es igual a

la resolución del equipo.

𝑢 = 𝑟𝑒𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛

Hay ocasiones en las que no es posible realizar la medición de forma directa; en estos
casos para conocer el valor de una magnitud es necesario conocer previamente el
valor de otras magnitudes relacionadas a ésta. El cálculo de la medida de interés se
puede hacer por medio de modelos matemáticos provenientes de la física, la biología,
la química y demás ciencias o por medio de métodos estadísticos como la regresión.

En el caso del uso de modelos matemáticos, para conocer el valor de una medida
indirecta se utiliza la propagación de la incertidumbre como herramienta matemática
para conocer el valor correspondiente de la incertidumbre de la medida indirecta.
Por su lado en la regresión suele ser de interés conocer los coeficientes de los modelos
estadísticos obtenidos ya que en ellos se encuentran los valores de las mediciones de
interés y para calcular su incertidumbre es necesario estimar sus desviaciones.

Propagación de la incertidumbre

Como se resaltó anteriormente, en muchas de las ocasiones hay mediciones que no

se pueden realizar de forma directa ya sea por la naturaleza de la magnitud a medir o
por el método de medición utilizado, por ejemplo, la magnitud aceleración de la
gravedad por medio de un péndulo simple. Una de las formas de afrontar este
inconveniente está apoyado fuertemente en modelos matemáticos y en la teoría del
cálculo de variaciones.
La propagación de incertidumbre parte de un modelo matemático que representa el
fenómeno por medio del cual se puede realizar la medición y con el que se puede
conocer el valor de interés a partir de las mediciones de otras variables.

Supongamos que la medición indirecta se representa como 𝑦, y que a la vez es una

función de las mediciones directas 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑁 que se compone de sus
estimadores 𝑥𝑒1 , 𝑥𝑒2 , 𝑥𝑒3 , … , 𝑥𝑒𝑁 y las incertidumbres 𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑁 ; el objetivo es
conocer la incertidumbre de 𝑦 conocida como incertidumbre combinada 𝑢𝑐 , la cual
capta el efecto de todas las mediciones directas en la incertidumbre de la medición
indirecta.
𝑦 = 𝑓 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑁 )

El cálculo del estimador de la medición indirecta se hace reemplazando directamente

los estimadores de las medidas directas en la ecuación.

𝑦𝑒 = 𝑓 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑁 )

El cálculo de la incertidumbre combinada se apoya en el cálculo de variaciones y se

conoce por medio de la ecuación:

𝑁 2
𝜕𝑦
𝑢𝑐2 = ∑ [ ] 𝑢𝑖2 (8)
𝜕𝑥𝑖 𝑥1=𝑥
𝑖=1 𝑒1 ,𝑥2=𝑥𝑒2 ,…,𝑥𝑁=𝑥𝑒𝑁

La ecuación anterior indica que para conocer el valor de la incertidumbre combinada

es necesario realizar la derivada parcial de la función por medio de la cual es posible
conocer a respecto a cada una de las variables 𝑥𝑖 que representan las mediciones
directas, y reemplazar en la derivada resultante cada una de las variables por los
valores de sus mejores estimadores 𝑥𝑒𝑖 ,multiplicarlo por la correspondiente
 incertidumbre 𝑢𝑖 y por último realizar el cálculo de la raíz de la suma cuadrada de
cada uno de estos productos.

Así el reporte de la medida indirecta es de la forma:

𝑦 = 𝑦𝑒 ± 𝑢𝑐 (9)

Ejemplo: Una forma experimental para conocer el valor de la magnitud de la gravedad 𝑔 es

por medio del uso de un péndulo simple de periodo 𝑇 el cual se puede calcular por medio de
la ecuación 𝑇 = 2𝜋√𝐿⁄𝑔 donde 𝐿 es la longitud del péndulo. En un experimento se pide
reportar el valor de la gravedad con su respectiva incertidumbre con una longitud de la cuerda
del péndulo 𝐿 = 1,40 ± 0,01 𝑚 y un periodo de 𝑇 = 2,39 ± 0,01 𝑠.
Para proceder a calcular la aceleración de la gravedad a partir de los datos obtenidos es
necesario obtener una función de la gravedad en términos del periodo y la longitud del
péndulo.
𝐿
𝑔 = 4𝜋 2
𝑇2
Para calcular el estimador de la medición solo se deben reemplazar los valores de los
estimadores de las medidas del periodo y la longitud en la ecuación obtenida.

1,40 𝑚 𝑚
𝑔 = 4𝜋 2 = 9,6759
(2,39)2 𝑠 2 𝑠2
En este caso la ecuación para calcular la incertidumbre combinada se puede escribir de la
forma
𝑁 𝑁
𝜕𝑔 2 2
𝜕𝑔 2
2
𝑢𝑐 = ∑ [ ] 𝑢𝐿 + ∑ [ ] 𝑢2𝑇
𝜕𝐿 𝑙=𝐿𝑒 ,𝑇=𝑇𝑒 𝜕𝑇 𝑙=𝐿𝑒 ,𝑇=𝑇𝑒
𝑖=1 𝑖=1

Como primer paso es necesario derivar la función respecto a cada variable medida manejando
las otras como constantes (derivadas parciales).

𝜕𝑔 4𝜋2 𝜕𝑔 𝐿
= 2 = −8𝜋 3
𝜕𝐿 𝑇 𝜕𝑇 𝑇
Ahora se debe reemplazar en cada una de las ecuaciones los valores de los estimadores.
 𝜕𝑔 4𝜋 2 1 1
| = = 1,7278 2
𝜕𝐿 𝐿=1,40 𝑚, 𝑇=2,39𝑠
2
(2,39) 𝑠 2 𝑠

𝜕𝑔 1,40 𝑚 𝑚
| = −8𝜋 = −8,0970 3
𝜕𝑇 𝐿=1,40 𝑚, 𝑇=2,39𝑠
(2,39) 𝑠
3 3 𝑠

Ahora se puede multiplicar por la incertidumbre respectiva de cada variable y posteriormente

realizar la suma cuadrada de los productos.

1 2
𝑚 2 𝑚2
𝑢𝑐2 = (1,7278 2
) (0,01 𝑚) + (−8,0970 2
) (0,01 𝑠) = 0,0069
𝑠2 𝑠3 𝑠4
Una vez obtenida la suma cuadrada es necesario hallar su raíz para conocer el valor de la
incertidumbre combinada.

𝑚
𝑢𝑐2 = 0,083
𝑠2
Actividad: Con un flexómetro mida una altura mínima de 1,5 m, posteriormente tome un
objeto (balín) y déjelo caer desde dicha altura y anote en la tabla el tiempo que tarda en
recorrer dicha distancia (medida que debe realizar otro estudiante); repita dicho proceso
cuatro veces más. Después de realizadas las medidas calcule el promedio y la incertidumbre
en la medida.
t1= t2= t3= t4= t5=

𝑡1 +𝑡2+𝑡3+𝑡4+𝑡5
Valor promedio: 𝑡̅ = =
5

Desviación típica o estándar: 𝑆=

El resultado en la medida del tiempo es:

𝑠
𝑋 = 𝑋̅ ± =
√𝑛
¿Qué puede concluir de todos los resultados anteriores?
_________________________________________________________________________
_________________________________________________________________________
_________________________________________________________________________

2. Método de los Mínimos Cuadrados:

Surge con frecuencia a nivel práctico la necesidad de resolver problemas que involucren
un conjunto de variables que se relacionan entre sí; variables que tienen una relación
inherente, y es necesario explorar la naturaleza de la misma. El análisis de regresión es
una técnica estadística para modelar e investigar la relación entre dos o más variables, y
utiliza el método de mínimos cuadrados, el cual es procedimiento más preciso que se
utiliza para buscar la curva de ajuste óptimo que minimiza la suma de los cuadrados de
los errores, de un conjunto de datos experimentales (ver figura 1).

Figura 1.1. Gráfica de datos experimentales y ajuste teórico

Desde un punto de vista estadístico, un requisito implícito para que funcione el método
de mínimos cuadrados es que los errores de cada medida estén distribuidos de forma
aleatoria.
A continuación se muestran algunos modelos de regresión simple utilizados en las
calculadoras comunes, Excel y Geogebra.
Regresión lineal 𝑦 = 𝐵𝑥 + 𝐴
Regresión cuadrática 𝑦 = 𝐶𝑥 2 + 𝐵𝑥 + 𝐴
Regresión logarítmica 𝑦 = 𝐴 + 𝐵𝑙𝑛𝑥
Regresión exponencial 𝑦 = 𝐴𝑒 𝐵𝑥
Regresión potencia 𝑦 = 𝐴𝑥 𝐵
Regresión inversa 𝐵
𝑦=𝐴+
𝑥
Crecimiento 𝑦 = 𝐴. 𝐵 𝑥
 Seno (en Geogebra) 𝑦 = 𝐴 + 𝐵 sin(𝐶𝑥 + 𝐷)
Logística (en Geogebra) 𝐴
𝑦=
1 − 𝐵𝑒 −𝐶𝑥

Una condición importante de los modelos de regresión anteriores es poder conocer cuál
es el poder explicativo del modelo de ajuste obtenido. Esto puede hacerse mediante el
coeficiente de determinación (𝒓𝟐 ) .
Un 𝑟 2 = 1 indica que el 100% de todos los datos experimentales son explicados por el
modelo de ajuste calculado (en condiciones experimentales jamás dará 1), es decir que
todos los datos pertenecen a la curva del modelo de regresión supuesto. Acá en los
laboratorios de física se aconseja un 𝑟 2 > 0,9. Valores menores demuestra dos cosas, o
que los datos fueron obtenidos de manera incorrecta y se debería realizar de nuevo la
toma de datos, o que el modelo de ajuste supuesto no es el adecuado.
La raíz cuadrada del resultado anterior se denomina el coeficiente de correlación, e
indica la fuerza de la relación entre 𝑥 y 𝑦. Para que la correlación sea buena, se
recomienda que 𝑟 esté comprendida entre 0,95 y 1, e incluso, en algunos casos, se aceptan
valores inferiores a 0,95 pero teniendo en cuenta las causas de error y algunas
consideraciones estadísticas.
Ejercicios 2: Para cada una de las siguientes tablas de datos, construya una gráfica de
dispersión para identificar el modelo de regresión que más se ajuste, obteniendo la
relación funcional y el coeficiente de determinación con su respectiva interpretación.
Caso 1: 𝑤 = 𝑓(𝑦)
𝑤 3,0 6,0 10,0 15,9 22,8 27,6 31,2
𝑦 1 2 3 4 5 6 7
Caso 2: 𝑥 = 𝑓(𝑡)
𝑡 0 1 2 3 4 5 6 7
𝑥 0 3,9 10,5 19,8 33,6 52,7 74,3 99,7

Caso 3: 𝑇 = 𝑓(𝑑)
𝑑 0,1 1 2 3 4 5 6 7
𝑇 1,2 4,0 5,6 6,9 8,0 8,9 9,8 10,6
Ejercicios 3: Si los datos de la tabla abajo relacionada hacen parte de cierto fenómeno cuyo
3𝑝 𝑏
modelo matemático se relaciona mediante la función 𝑤 = 𝑓(𝑡) = 𝑡 , entonces encontrar
𝑛
el valor de 𝑛, 𝑏 y el coeficiente de determinación, con base en el modelo de regresión
adecuado:
𝑤 12,4 37,5 67,1 103,7 145,1 191,2 240,9
𝑦 1 2 3 4 5 6 7

Suponiendo que el valor teórico de 𝑛 = 0,81, entonces calcular el porcentaje de error.

𝑉𝑎𝑙𝑜𝑟 𝑡𝑒ó𝑟𝑖𝑐𝑜 − 𝑉𝑎𝑙𝑜𝑟 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑙

%𝜀 = | | × 100 =
𝑉𝑎𝑙𝑜𝑟 𝑡𝑒ó𝑟𝑖𝑐𝑜

3. Linealización
En ciertas ocasiones se tienen datos cuya relación funcional no coincide con alguno de
los modelos de regresión con que se cuenta a la mano, por lo tanto es necesario realizar
alguna modificación a estos datos a través de algún artificio matemático o cambio de
variable para permitir que la suposición se ajuste al modelo simple de regresión lineal.
1
Por ejemplo, 𝑦 = 2 𝑔𝑡 2 es un modelo matemático de un fenómeno físico que relaciona el
tiempo que tarda un objeto en caída libre en recorrer una distancia vertical 𝑦. Si se gráfica
𝑦 contra 𝑡, se obtiene una curva como se muestra en la figura 2.

Figura 1.2. Altura (y) en función del tiempo (t)

De acuerdo a la forma de la curva se puede pensar en una relación de tipo parabólico lo

cual está corroborado por la ecuación de movimiento. Ahora, si se hace 𝑡 2 = 𝑇, nos da una
1
ecuación de la forma 𝑦 = 2 𝑔𝑇, la cual representa la ecuación de una recta 𝑦 = 𝑓(𝑇) (Ver
figura 1.3), y mediante el método de regresión lineal optimizado con el método de mínimos
cuadrados se obtiene una ecuación de la forma 𝑦 = 𝐵𝑥 + 𝐴 = 𝐵𝑇 + 𝐴.

Figura 1.3. Altura (y) en función de tiempo al cuadrado

Ejemplo 4: En el análisis d un objeto en caída libre en cierto planeta se obtuvo los datos de
la tabla 1.1

Tabla 1.1 Datos desplazamiento contra tiempo (caída libre)

𝑤 12,4 37,5 67,1 103,7 145,1 191,2 240,9

𝑦 1 2 3 4 5 6 7

Con base en dicha información, halle la ecuación que relaciona las variables y la
aceleración del movimiento ¿En qué planeta considera que se realizó dicho experimento?
Solución:
Primero se gráfica 𝑥 𝑣𝑠 𝑡 para suponer con base en ella algún tipo de relación.
La gráfica tiene una forma de una parábola con concavidad positiva, entonces puede
suponerse en primera instancia que: 𝑥 = 𝑚𝑡 2 + 𝑏, donde probablemente b sea muy cercano
a cero, ya que de acuerdo a los datos experimentales el vértice de la parábola debe estar en
el origen, Grafique 𝑥 𝑣𝑠 𝑡 2 .
Se crea una nueva variable 𝑇 = 𝑡 2 y se busca ahora la recta 𝑥 = 𝑓(𝑇) = 𝐵𝑇 + 𝐴, esto se
hace por mínimos cuadrados de acuerdo a los ejercicios anteriores.
De donde se obtiene A, B y r:
𝐵= 𝐴= 𝑟2 = r=

Por lo tanto, a ecuación de la recta que relaciona las variables iniciales es

X=

Como la función que relaciona las variables en cuestión, para un objeto en caída, está dada
por:
1 2
∆𝑦 = 𝑣𝑜 𝑡 − 𝑔𝑡
2
1
Y cuando se suelta parte del reposo 𝑣𝑜 = 0, entonces se tiene que: 𝑦 = − 2 𝑔𝑡 2

Lo cual indica que la aceleración del movimiento es: 𝑔=

¿En qué planeta considera que se realizó dicho experimento? __________________. Con
base en dicha suposición, entonces el porcentaje de error en la medida experimental es:
%𝜀 =
Ejemplo 5: Para el círculo dibujado en la hoja siguiente, marque un punto P dentro de él
(que no sea el centro); trace por este punto un segmento (A9a9), luego otro segmento
perpendicular a este y que pase por P (A0a0), por último trace ocho segmentos que pasen por
P y que estén contenidos entre los dos segmentos anteriores como se observa en la figura.
 Figura 1.4. Círculo para segmentarlo
1. Mida los segmentos AP y aP en el punto P divide los segmentos, anote los resultados
en la tabla 1.4.
AP (cm) aP (cm)

2. Haga una gráfica de 𝑎𝑃 = 𝑓(𝐴𝑃). ¿Qué tipo de gráfico obtuvo? Con ayuda de su
gráfica ¿qué relación existirá entre AP y aP?
3. Realice una gráfica de las nuevas variables, de acuerdo a la suposición que hizo.

4. Emplee la calculadora para obtener la pendiente, el intercepto y el coeficiente de

determinación y el de correlación para establecer la relación entre las variables.

Pendiente =

Intercepto =

Coeficiente de determinación =
 Ecuación que relaciona las variables:

5. Empleando la ecuación que relaciona las variables, obtenida en el paso anterior, halle
el valor de aP si AP fuera 3.0 cm.

Conclusiones
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________