Corporación Universitaria de la Costa, CUC

Lab. Física Mecánica

Dirigido a:

Licenciado. Armando Yance

Presentado por:

Andrea Jaramillo Fuenmayor, Javier Conrado Gómez

Grupo AD1

Barranquilla, 9 de abril de 2010

Función no lineal:
y y

y= mx+b

y= f(x)= ?

x

x

Una variedad de fenómenos físicos obedecen a una relación lineal, pero vemos, que si llegamos a una función y= f(x) lineal, se puede resolver el problema, debido a que la obtención de los parámetros en una ecuación lineal es fácil. El hecho de no existir un método general para rectificar una curva a pesar del apoyo que las teorías físicas nos brindan para la interpretación de los datos experimentales, nos obliga a utilizar algunos métodos aislados. Existen dos familias de curvas, (comunes para la explicación de los fenómenos físicos) para las cuales se puede obtener de una forma general y sencilla la ecuación o expresión analítica del caso. Estas formas comunes son: 1. Las funciones potenciales: (Logarítmica):

Disponemos de datos de una variable estadística bimensional (X,Y). Al representar el diagrama de dispersión y unir los puntos observamos que en lugar de indicarnos la existencia de una relación lineal entre las variables, muestra una relación de tipo potencial. Se dice que una función f(x) es una función potencia de x si f(x) es proporcional a una potencia de x. Si b es la constante de proporcionalidad, y m es la potencia, entonces la relación potencial es: y= bš

b y m son parámetros desconocidos.

y
y

x
Ž‘‰

Ž‘‰

Ž‘‰

Ž‘‰ = m Ž‘‰ +Ž‘‰

x

Ž‘‰

Para linealizar la función potencial tomamos logaritmos. Se obtiene así el llamado modelo log-lineal. Ž‘‰ Ž‘‰  Ž‘‰

El coeficiente de regresión m indica lo siguiente: m es el incremento porcentual esperado de la variable dependiente (Y) al incrementar en un 1% la variable independiente (X). Es decir, m expresa la elasticidad de la variable dependiente respecto a la independiente. ¿Cómo aplicamos ahora el método de Mínimos Cuadrados? Hacemos los siguientes cambios: Ž‘‰  Ž‘‰ =c m=d Ž‘‰ de forma que obtenemos el modelo lineal de :

2. Las funciones exponenciales. (Semilogarítmica):

Una función exponencial a primera vista puede reconocerse cuando hay un rápido crecimiento de una variable a medida que aumenta la otra (exponencial creciente), o porque una variable tiende asintóticamente hacia un cierto valor constante a medida que se incrementa indefinidamente la otra (exponencial decreciente). Cuando se grafican datos de dos variables medidas experimentalmente, es frecuente que no se presente una dependencia lineal entre ellas. Usualmente se presentan curvas en las que no es fácil decidir el tipo de dependencia que existe entre las variables. Si la curva de datos experimentales sigue una tendencia exponencial, es decir donde la relación entre dos variables experimentales medidas se ajusta a una función del tipo: › „ƒ

donde a y b son parámetros desconocidos. Como se hizo con el modelo potencial, podemos calcular fácilmente los parámetros a y b del modelo exponencial tomando logaritmos para transformarlo en un modelo lineal. Así: Ž‘‰ › š Ž‘‰ „ Ž‘‰ ƒ O Ž‘‰ › Ž‘‰ „ Ž‘‰ ƒ que es un modelo lineal. El coeficiente de regresión (log b) indica lo siguiente: Ž‘‰ es el incremento esperado en tanto por uno de la variable independiente (Y) al incrementar en una unidad la variable dependiente (X). Haciendo los cambios: Ž‘‰  Ž‘‰ =c= pendiente Ž‘‰ =d= intersección mx=u

obtenemos la recta de regresión de :

La representación gráfica de datos experimentales facilita las conclusiones, apreciaciones y análisis que se requiera hacer de la experimentación. Cuando se gráfica, hay que tener claridad de cuál es la variable independiente (x) y calcular la variable (y). Primero se realiza el gráfico. Si se obtiene una recta, la ecuación que la interpreta es: y= mx + b Los parámetros ³m´ y ³b´ se pueden calcular directamente del gráfico al igual que los errores ³ ´ y ³ ´ de estos parámetros. Si la escala utilizada permite la representación de los errores. Para una mayor exactitud se puede usar el método de los mínimos cuadrados, calculando en ellos el error de la ecuación empírica como el promedio de los porcentajes de desviación. Cuando la función que representamos no es una recta, se trata de efectuar un cambio de variables que permita linealizar la función, que en algunos casos resulta imposible. Ejemplo: Ventas de Compaq: Ingresos de ventas de computadores Compaq son mostrados en la siguiente tabla, donde t representa años desde 1990. Obtenga el modelo exponencial de regresión para los datos. tt = Año (1990 = 0) 0 2 4 7

RR = Ingreso ($ billón) 3 4 11 25

* Datos son redondeados. Fuente: Informes de compañía/The New York Times, Enero 27, 1998, p. D1. Solución Pues necesitamos modelar logR como una función lineal de t, primero construimos una tabla con x=t y y=logR , y entonces calculamos la recta de regresión, y=mx+b. x (=t)x (=t) 0 2 4 7

y (=logR)y (=logR) 0.477121 0.602060 1.04139 1.39794

La recta de regresión que obtenemos es y=0 13907x+0 42765 Por lo tanto, el modelo exponencial deseado es R=A” donde r=10m=100 13907 1 3774, y A=100 42765 2 6770. Nuestra modelo de ingresos es, por lo tanto, R=2 6770 Bibliografía: y y y y La Nomografía como introducción al Laboratorio de Física / Javier Jaramillo Colpas. http://www.uv.es http://www.eumed.net/cursecon/medir/no-lineal.htm http://www.zweigmedia.com/MundoReal/calctopic1/regression.html Ejercicio gráfica ecuación lineal:
X T (C°) 10 20 30 40 50 150 Y R( ) 12,3 12,9 13,6 13,8 14,5 67,1 


XY TR 100 400 900 1600 2500 5500 123 258 408 552 725 2066

R( )
15 14.5 14 13.5 13 12.5 12 0 10 20 30 40

y = 0.053x + 11.83

T (C°)
50 60

R= R= La m es hallada por medio de:  

Y la b es hallada por medio de:    Entonces: m= b= 
        

 

= 0,053 = 11,83

Sign up to vote on this title
UsefulNot useful