Trabajo Colaborativo, subgrupo 9

Semanas 2-7, Junio de 2018

Lanzamientos de proyectil
De Oro Sining José Luis Orjuela Herrera Jhon Freddy Rey Mendez Jhorman
Cód. 1511024279 Cód. 1521020839 Cód. 1711026625
Rodríguez Duque Karen Jiseth Pérez Tejedor Julián Andrés
Cód. 1621022425 Cód. 1711020758

Resumen — En el presente informe se presenta todos los aspectos relevantes al trabajo colaborativo realizado a través del
simulador PHET®. En el cual, se determinó el valor de la gravedad ajustando los valores obtenidos de alcance horizontal y
altura inicial por medio del simulador. Esto, seleccionando el mejor ajuste de los datos con la ayuda del coeficiente de Pearson,
obteniendo un error relativo porcentual de 0.228 % para el valor de la gravedad con respecto al teórico.

Palabras clave: Movimiento de proyectil, Ajuste de datos, coeficiente de Pearson.

Abstract — the following report presents all relevant aspects of the collaborative work carried out through the PHET® simulator.
In which, the value of gravity was determined by adjusting the values obtained of horizontal range and initial height by means of
the simulator. This was made possible by choosing the best adjustment of data with the help of the Pearson coefficient, obtaining
a percentage relative error of 0.228 % for the value of gravity with respect to the theoretical one.

Keywords: Projectile Motion, Data adjustment, Pearson’s coefficient.

INTRODUCCIÓN
Un proyectil es un objeto sobre el cual la única fuerza que actúa es la gravedad. Existe una variedad de ejemplos de proyectiles.
Un objeto que es dejado caer del reposo es un proyectil. Un objeto que es lanzado verticalmente hacia arriba también es un
proyectil. Y un objeto que es lanzado hacia arriba en un ángulo con respecto a la horizontal también es un proyectil. Todos los
ejemplos antes mencionados se considerarán proyectiles solo si la influencia de la resistencia del aire es despreciable. Por lo tanto,
un proyectil se define como cualquier objeto que una vez lanzado o dejado caer continúa en movimiento por su propia inercia y
solo es influenciado por la fuerza de la gravedad [1].

Una de las formas más sencillas de lidiar con el movimiento de proyectiles es analizar el movimiento en cada dirección por
separado. En otras palabras, se tendrán un conjunto de ecuaciones para describir el movimiento horizontal (movimiento rectilíneo
uniforme) y otro para describir el movimiento vertical (movimiento uniformemente acelerado). Esto es posible ya que el cambio
en la velocidad vertical no afecta la velocidad horizontal del proyectil y viceversa. Puesto de otra manera, si dispararas una bala
horizontalmente y al mismo tiempo dejases caer otra, ambas tocarían el suelo al mismo tiempo [2]. La Tabla 1 muestra las
principales ecuaciones del movimiento de proyectil.

Tabla 1. Ecuaciones movimiento de proyectil [3]

𝑋 = 𝑉0,𝑥 𝑡 (1)
Movimiento Horizontal
𝑔 2
𝑌 = 𝑌0 + 𝑉0,𝑦 − 𝑡 (2)
Movimiento Vertical 2

Ajuste lineal
Un ajuste lineal busca modelar la relación de dependencia entre dos variables ajustando una ecuación lineal a los datos
observados. Una variable se considera dependiente 𝑌, y la otra independiente 𝑋. Por ejemplo, una persona podría relacionar el
peso de individuos con sus alturas respectivas usando un ajuste lineal [4].
Lanzamientos de proyectil 2

Un ajuste lineal tiene una ecuación de la forma:

𝑌 = 𝐴 + 𝐵𝑋
Donde cada término corresponde a:
𝑌: 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
𝑋: 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
𝐴: 𝑖𝑛𝑡𝑒𝑟𝑐𝑒𝑝𝑡𝑜 𝑐𝑜𝑛 𝑒𝑙 𝑒𝑗𝑒 𝑦 (𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑦 𝑐𝑢𝑎𝑛𝑑𝑜 𝑥 = 0)
𝐵: 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑙í𝑛𝑒𝑎
Antes de intentar ajustar un modelo lineal a los datos observados, primero se debe determinar si existe o no una relación entre las
variables de interés. Esto no necesariamente implica que una variable causa la otra, pero sí que existe una asociación significativa
entre las dos variables.

Muchos fenómenos estudiados por la ciencia y la ingeniería no siguen necesariamente un comportamiento lineal y, cuando es
posible conocer su estructura, es más que evidente la necesidad de ajustar el modelo real a pesar de no ser lineal. Comúnmente
estos se linealizan para encontrar sus parámetros [5].

Ajuste Exponencial
En ocasiones, el ajuste lineal se puede usar con relaciones que no son inherentemente lineales como se mencionó anteriormente,
sino que pueden hacerse lineales después de una transformación. En particular, consideramos el siguiente modelo exponencial[6]:
𝑦 = 𝛼𝑒 𝛽𝑥
Tomando el logaritmo natural de ambos lados de la ecuación, tenemos la siguiente ecuación equivalente:
ln 𝑦 = ln 𝛼 + 𝛽𝑥
Esta ecuación tiene la forma de un modelo de ajuste lineal (donde se ha añadido un término de error ε):
𝑦 ′ = 𝛼 ′ + 𝛽𝑥 + 𝜀
Ajuste Potencial
Otro modelo de ajuste no lineal es el modelo de ajuste potencial, que se basa en la siguiente ecuación [7]:
𝑦 = 𝛼𝑥 𝛽
Tomando el logaritmo natural de ambos lados de la ecuación, tenemos la siguiente ecuación equivalente:
ln 𝑦 = ln 𝛼 + 𝛽 ln 𝑥
Esta ecuación tiene la forma de un modelo de ajuste lineal (donde se ha añadido un término de error ε):
𝑦 ′ = 𝛼 ′ + 𝛽𝑥′ + 𝜀
Ajuste Polinómico
El modelo polinomial es un modelo lineal, lo que es algo que suele generar confusión. Sin embargo, los estadísticos se refieren a
un modelo lineal como aquel en el que los parámetros ocurren en forma lineal, independientemente de cómo las variables
independientes entran en el modelo [5].
Los modelos polinomiales se pueden usar en aquellas situaciones donde la relación entre el estudio y las variables explicativas es
curvilínea. A veces, una relación no lineal en un rango pequeño de variables explicativas también puede modelarse mediante
polinomios [8].
El modelo polinomial de orden k de una variable viene dado por:
𝑦 = 𝛽0 + 𝛽1 𝑥 + 𝛽2 𝑥 2 + ⋯ + 𝛽𝑘 𝑥 𝑘 + 𝜀
De segundo orden:
𝑦 = 𝛽0 + 𝛽1 𝑥 + 𝛽2 𝑥 2 + 𝜀
Los coeficientes 𝛽1 y 𝛽2 se llaman parámetro de efecto lineal y parámetro de efecto cuadrático respectivamente.
La interpretación del parámetro 𝛽0 es el intercepto con el eje y, y puede incluirse en el modelo siempre que el rango de datos
incluya x = 0. Si x = 0 no está incluido, entonces 𝛽0 no tiene interpretación.
Politécnico Gran
Colombiano
Lanzamientos de proyectil 3

METODOLOGÍA
Se utilizó un simulador de tiro parabólico PHET, proporcionado por la universidad de Colorado en Boulder [9], con el fin de
realizar mediciones del alcance horizontal (𝑋), variando la altura inicial 𝑌0 , y manteniendo los siguientes parámetros constantes:

Tabla 2. Constantes
Ángulo de tiro (𝜶) 55°
Rapidez inicial (𝒗𝟎 ) 12 𝑚⁄𝑠
Masa de la bala 16,00 𝑘𝑔
Diámetro del cañón 0,20 𝑚
Gravedad (𝒈) 9,81 𝑚⁄𝑠 2

Figura 1. Simulador PHET

Fueron tomadas 15 medidas de alcance horizontal, para alturas iniciales de 1 a 15 metros, seguido a esto se usó la herramienta de
Excel para graficar los puntos encontrados y realizar ajustes estadísticos. Para ello se aplicaron a los datos ajustes: Lineal,
Exponencial, Potencial y Polinómica de orden 2. Esto con el fin de obtener el mejor ajuste por medio del cálculo del coeficiente
de correlación de Pearson, proporcionado por el mismo Excel, posteriormente se determinó el valor de la gravedad, a través de la
ecuación teórica y la obtenida para el mejor ajuste, luego se calculó el error relativo de este valor con respecto al real usado en el
experimento de 9,81 𝑚⁄𝑠 2 .
RESULTADOS

La Tabla 3 muestra los resultados obtenidos de la simulación bajo las condiciones establecidas.

Tabla 3. Resultados de la simulación

𝑌0 (𝑚) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
𝑋(𝑚) 14,45 15,08 15,65 16,18 16,69 17,17 17,63 18,07 18,49 18,9 19,27 19,68 20,05 20,42 20,77

Para realizar el diagrama de dispersión de datos se seleccionan los datos de la tabla 3 en Excel y se procede a insertar dispersión:

Politécnico Gran
Colombiano
Lanzamientos de proyectil 4

El siguiente paso es seleccionar el conjunto de puntos del diagrama de dispersión haciendo click derecho, agregar línea de
tendencia:

Por último se selecciona el ajuste pertinente, y se selecciona el recuadro “presentar el valor R cuadrado en el gráfico” para
conocer el valor del coeficiente de correlación de Pearson:

Luego de graficar los diferentes ajustes para los datos y determinados los coeficientes de Pearson para cada uno, se obtuvo la
Tabla 4.

Politécnico Gran
Colombiano
Lanzamientos de proyectil 5

Tabla 4. Ajuste de los datos

Tipo de Ajuste Ecuación R 𝑹𝟐

Lineal
20
15
Y [m]

10
𝑌0 = 2,2372𝑥 − 32,046 0,9967 0,9935
5
0
14 16 18 20
X [m]

Exponencial
20
15
Y [m]

10
𝑌0 = 0,0074𝑒 0,378𝑥 0,9630 0,9274
5
0
14 16 18 20
X [m]

Potencial
20
15
Y [m]

10
𝑌0 = 3(10−8 )𝑥 6,7093 0,9747 0,95
5
0
14 16 18 20
X [m]

Polinómica de orden 2
20
15
Y [m]

10
𝑌0 = 0,1033𝑥 2 − 1,4177𝑥 − 0,1028 1 1
5
0
14 16 18 20
X [m]

Politécnico Gran
Colombiano
Lanzamientos de proyectil 6

ANÁLISIS DE RESULTADOS
A partir de las ecuaciones del movimiento de proyectil, buscamos una función de la forma 𝑌0 (𝑋), con el fin de comparar con la
correlación obtenida de mejor ajuste.

De (1) se tiene:
𝑋 = 𝑉0,𝑥 𝑡
𝑋
𝑡= (3)
𝑉0,𝑥

Remplazando (3) en (2)

0
𝑉0,𝑦 𝑔
𝑌 = 𝑌0 + 𝑋− 𝑋2
𝑉0,𝑥 2(𝑉0,𝑥 )2
𝑉0 𝑠𝑒𝑛(𝛼) 𝑔
𝑌0 = − 𝑋+ 𝑋2
𝑉0 cos(𝛼) 2(𝑉0 cos(𝛼))2
Remplazando valores (Tabla 2)
𝑔
𝑌0 = −tan(55°)𝑋 + 𝑋2
2((12)cos(55))2

𝑔
𝑌0 = −1,4281𝑋 + 𝑋 2 (4)
94,749

Como observamos en la Tabla 4 la función que mejor se ajusta a los datos es la polinómica de orden 2, esto por el valor de 1 en el
coeficiente de Pearson, cabe resaltar que para otros ajustes polinómicos de mayor orden también se obtiene este valor de R, sin
embargo, dada la naturaleza de la ecuación teórica (4), que es una función polinómica de orden 2, se elige entonces la de orden 2
como el mejor ajuste.

Ahora bien, al comparar la ecuación 4 con la ecuación obtenida para el ajuste polinómico de orden 2 (Tabla 4), notamos que son
muy similares en su estructura, no obstante, esta última tiene un término más que la ecuación teórica. Este es producto de la
incertidumbre o de los pocos datos que se tomaron para realizar el ajuste, por lo que puede interpretarse como un error.

Tabla 5. Ajustada vs Teórica

Ajustada Teórica
𝑔
𝑦0 = −1,4177𝑋 + 0,1033𝑋 2 − 0,1028 𝑦0 = −1,4281𝑋 + 𝑋2
94,749

Por analogía,

𝑔
= 0,1033 𝑔 = 9,7876
94,749

Error relativo porcentual

El error relativo porcentual es el cociente dado por el error absoluto ( 𝜀𝑎 = 𝑋̅ − 𝑋. donde 𝑋̅ es el valor real o de referencia de la
medida y 𝑋 el valor obtenido en la medición) y el valor real o de referencia de la medida multiplicado por 100. El error relativo
nos sirve de indicador de calidad de mediciones realizadas [10].

𝜀𝑎 𝑋̅ − 𝑋
𝜀𝑟 = ̅ (100%) = (100%)
𝑋 𝑋̅
Reemplazando:

9.81 − 9.7876
𝜀𝑟 = (100%) = 0.228%
9.81

Politécnico Gran
Colombiano
Lanzamientos de proyectil 7

CONCLUSIONES

Como resultado de los ajustes realizados a los datos a partir de regresión de tipo lineal, exponencial, potencial y polinómico, es
posible concluir que un tipo de ajuste correlacionará en mayor proporción las variables de acuerdo al coeficiente de correlación de
Pearson (R). Para el presente trabajo el ajuste polinomial de grado 2 es el que mejor se ajusta a los 15 datos obtenidos de alcance
horizontal y altura inicial, por lo que la aproximación de la variable de interés - la gravedad - tendrá el menor error relativo
posible de entre todos los ajustes. Este fue de 0.228 %. El estudio se realizó teniendo en cuenta variables tales como altura inicial,
ángulo de disparo y velocidad inicial. Otras variables como lo son la masa y diámetro del proyectil y la resistencia del aire no
tienen influencia en el estudio del movimiento. Cabe resaltar que como toda experimento esta provisto de fuentes de error, en este
caso fue muy pequeño y sus posibles causas podrían ser, la poca cantidad de datos al momento de realizar el ajuste, los cuales
podrían haber cerrado aun mas la brecha entre la cantidad real y la teórica.
REFERENCIAS

[1] P. Classroom, “Projectile Motion.” [Online]. Available: http://www.physicsclassroom.com/class/vectors/Lesson-2/What-

is-a-Projectile.
[2] K. Academy, “What is 2D projectile motion?” [Online]. Available: https://www.khanacademy.org/science/physics/two-
dimensional-motion/two-dimensional-projectile-mot/a/what-is-2d-projectile-motion.
[3] R. A. Serway and L. D. Kirkpatrick, Physics for Scientists and Engineers with Modern Physics, vol. 26, no. 4. 1988.
[4] Y. University, “Lienar Regression.” [Online]. Available: http://www.stat.yale.edu/Courses/1997-98/101/linreg.htm.
[5] R. Walpole, R. Myers, S. Myers, and Y. Keying, Probabilidad y estadística para ingeniería y ciencias, vol. 53, no. 9.
2012.
[6] R. S. U. Excel, “Exponential Regression using a Linear Model.” [Online]. Available: http://www.real-
statistics.com/regression/exponential-regression-models/exponential-regression/.
[7] R. S. U. Excel, “Power Regression.” [Online]. Available: http://www.real-statistics.com/regression/power-regression/.
[8] I. K. Shalabh, “Polynomial Regression Models A,” Regres. Anal., pp. 1–12.
[9] U. of C. Boulder, “PHET, Interactive Simulations,” 2002. [Online]. Available:
https://phet.colorado.edu/es/simulation/projectile-motion.
[10] Fisicalab, “Errores Absolutos y Relativos.” [Online]. Available: https://www.fisicalab.com/apartado/errores-absoluto-
relativos#contenidos.

Politécnico Gran
Colombiano