You are on page 1of 13

1.

- OBJETIVO

* Identificar las leyes que responden a los fenómenos físicos mediante el análisis de datos * Aprender la representación de datos usando papeles gráficos y hojas de cálculo. * Aprender técnicas de ajuste de curvas, principalmente el método de regresión lineal, utilizando papeles gráficos, una calculadora y también la hoja de cálculo más popular MS EXCEL.

-MATERIALES * Una hoja de papel milimetrado.. . * Una hoja de papel Semi logarítmico * Una calculadora científica.. * Una hoja de papel logarítmico.Que también nos permite realizar representaciones graficas con una mayor exactitud. además de facilitarnos otras operaciones básicas.Material que nos permite encontrar la pendiente e intercepto.-material importante para poder efectuar representaciones graficas con exactitud.2.

aunque la representación gráfica no sea una línea Recta. Introducción Análisis de regresión Análisis de regresión El análisis de regresión es un intento de examinar la relación que existe entre una variable dependiente (variable respuesta) y un conjunto de variables independientes (predictores). La ecuación de regresión contiene una serie de parámetros de regresión ( constantes ) que establecen la relación cuantitativa entre las variables Independientes y la dependiente. Los parámetros de un modelo de regresión pueden estimarse de varias maneras. en promedio. . Por ejemplo Y = abX ..TEORIA Qué es la El término regresión fue acuñado por Francis Galton en el siglo XIX para referirse a fenómenos biológicos: los descendientes de progenitores excepcionales son. por ejemplo utilizando el método de mínimos cuadrados el método de máxima verosimilitud técnicas bayesianas Introducción Tipos de regresión Regresión lineal y no lineal Regresión lineal: la relación entre la respuesta Y (variable dependiente) y las variables Independientes Xi es lineal Y = 0 + 1X1 + 2X2 +. y más parecidos a sus ancestros más distantes (Galton utilizó el término reversión al hablar de guisantes en 1877. Estos parámetros se estiman a partir de datos. . El modelo matemático que establece dicha relación es la ecuación de regresión. La variable dependiente se modela como una variable aleatoria. + nXn. y regression al referirse a la altura de humanos en 1885).3. Algunos problemas no lineales pueden linealizarse realizando una transformación Adecuada. En este sentido. una relación del tipo Y = 0 + 1X + 2X2 También es lineal (lineal en X y X2). menos excepcionales que los progenitores.

Se linealiza tomando logaritmos a ambos lados. En este tema vamos a concentrarnos en la regresión lineal simple: y = AX +B Regresión lineal simple Tratamiento clásico Ejemplo de diagrama de dispersión. Un coeficiente de correlación alto no significa que exista una dependencia directa entre las variables. que siempre habrá que construir para extraer más información. En ningún caso puede substituir al diagrama de dispersión. no se puede extraer una conclusión de causa y efecto basándose únicamente en el coeficiente de correlación. De lo único que nos informa es de que la correlación no es lineal (no se ajusta a una recta). pero es posible que pueda existir una buena correlación de otro tipo. (1980). es decir ln(Y) = ln(a) + Xln(b). Los datos corresponden a las medidas de dispersión de velocidades y luminosidad en una muestra de 40 galaxias elípticas realizadas por Schechter P.L. El que en un caso se obtenga un coeficiente de correlación bajo no significa que no pueda existir correlación entre las variables. Debilidades de la regresión lineal Tanto la recta de regresión como el coeficiente de correlación no son robustos. Formas muy diferentes de la nube de puntos pueden conducir al mismo coeficiente de correlación. Es decir. en el sentido de que resultan muy afectados por medidas particulares que se alejen mucho de la tendencia general. No hay que olvidar que el coeficiente de correlación no es má s que una medida resumen. . en muchos casos. La regresión de y sobre x vendrá dada entonces por y = a + bx. En general hay que tener en cuenta que puede existir una tercera variable escondida que puede producir una correlación que. con a y b dos parámetros a determinar. Gráficamente. Cuando en un diagrama de dispersión los datos se distribuyen aproximadamente a lo largo de una línea recta ajustaremos una recta de regresión. a será la ordenada en el origen y b la pendiente de la recta. Regresión no lineal: aquella en la que la relación entre la respuesta y las variables Independientes no es una función lineal o linealizable. puede no tener sentido.

0 * Paso 2.5 9.. * Paso 1.0 20.1. X 1.0 Y 8. para hallar dichas incógnitas pasamos a resolver en las siguientes formulas.0 29.5 3.0 14.Se tuvo que encontrar los coeficientes de la siguiente ecuación Y=AX + B esto se calcularía mediante tabulación en la calculadora o matemáticamente. A=m= A = de datos y Estadística Avanzada C1u3rso 2010/2011 16 / 29 T a 4: Regresión lineal simple ( ) .. Para poder hallar la grafica de la ecuación Y=Y(x) se tuvo que realizar los siguientes pasos que a continuación mencionaremos: PARA LA ECUACION Y=Y(x).0 23.0 26.0 6.4...5 12.EXPERIMENTO 4.0 17.0 7.PROCEDIMIENTO.0 4.0 10.0 11.Se tuvo que tabular los pares ordenados de X . Y en el papel milimetrado y así hallar una grafica que corresponda a una ecuación de primer grado.

0 20. si: g = 9.0 11.25 81..Para culminar reemplazamos los coeficientes de modo que la ecuación lineal queda de la siguiente manera.8m/ es la aceleración de la gravedad.0 348.25 9.RESULTADOS.0 63.2.0 7.1).25 36.0 273.-Teóricamente se conoce que el periodo de oscilación para un péndulo simple es: T=2 . (G.0 102.0 14. comparando esta ecuación con las ecuaciones experimentales T = T (L) obtenidas en (G. T=2 T .0 56.. Entonces.Y=1188 2.De los valores obtenidos para el coeficiente de correlación usando regresión lineal y regresión potencial ¿cuál de las regresiones ajusta mejor la distribución de puntos? De los datos obtenidos se tiene: En regresión lineal A = 1. donde g = 9.5 9.3).0 207..0 20.5 12.5 3.51 B = 3.999 Por lo cual se deduce que es una regresión exponencial ya que su radio se aproxima más a uno.25 144.0 X.0 =459 *CUESTIONARIO 1.2). 2.0 26.60 R = 0.0 110.Y 12.0 33.0 4.8m/ a) .0 23.0 29.0 10. encuentre el valor experimental de la gravedad.* Paso 3. (G.91 B = 0.0 17.0 150.5 R = 0.0 Y=148 X. X 1.Se tuvo que realizar las siguientes tablas.5 6.0 X=54 Y 8. 4..989 b) En regresión exponencial A = 4.

Aplicación de un criterio conocido a otros casos similares para extraer conclusiones o hipótesis . que: Entonces: T =  = 4. Método que permite obtener el valor aproximado de una función entre dos puntos de valor conocido.64m/ . . g = 1. Se basa en suponer que el curso de los acontecimientos continuará en la misma dirección y con velocidad constante (o con una velocidad creciente o decreciente a un ritmo constante = una extrapolación logarítmica). .Si se . convirtiéndose en las reglas que utilizamos para llegar a una nueva conclusión . prosiguen el mismo curso que hasta el presente? El objeto investigado es ahí la va riable dependiente.. Método que consiste en suponer que el curso de acontecimientos continuara en el futuro. El principal uso de la interpolación ha sido el de hallar valores intermedios en tablas trigonométricas. Estimar el valor de una función dentro el dominio de la muestra . Deducción del valor de un variable en una magnitud a partir dede otros valores no incluidos en dicha magnitud .¿A que se denomina interpolación y extrapolación? INTERPOLACION. El proceso de calcular de valores numéricos desconocidos a partir de otras ya conocidos mediante la aplicación de logaritmos concretos EXTRAPOLACION E INTRAPOLACION .91 B = 0. las condiciones marco configuran la variable independiente.T sabe . Es la construcción de nuevos puntos datos partiendo del conocimiento de un conjunto de puntos datos discretos .91 3.5 . A = 4. . . El objetivo de una extrapolación es lograr una afirmación del tipo siguiente: ¿Cómo evolucionará el objeto investigado si se mantienen todas las condiciones-marco existentes. es decir. La extrapolación es el método más habitual de pronóstico.

encontrándose que el tiempo depende del tamaño del orificio y de la cantidad del agua que contiene.98  .7 13.6.75X+1.5 7.9 4 t(s) 26.5 26. un experimento consistió en investigar el tiempo para vaciar el recipiente por un orificio en el fondo.5 2 3 5 A) X H 30 10 4 1 30 t(s) 73.5 23.4 6.7 1.75 B= B= B= 1.2 18.8 2.5 A= A= A=1.92 r=0.0 43.5 3.7 15.8 10 t(s) 43.5 La ecuación t=f(h) Y T 73.2 3.5 41.2 1 t(s) 13.0 6.7 10.92 T=1. H(cm) D(cm) 1.

78 B= B= B=-98.78X-98.765 .c) X D 1.875 =0.5 3.5 23.7 r=-0.7 10.7 T=48.5 2 3 5 A= A= La ecuación t=f(D) Y T 43.9  A=48.

7 15 6.5 23.1395*(6) T=16.5 2 3 5 1.9069*(20)-9.7 10.3972 * El valor de cuando H=40cm y D=6 (extrapolación) T= a + b (H)+c(D) T=34.8 43.D) Tiempo :Y 73 41.9 26.5 2 3 5 1.81721916 b=0.c) la ecuación t=f(H.9069*(40)-9.8172+0.8172+0.5 2 FORMULA GENERAL Y=a + b + r= a=34.2572 .2 H(cm) 30 30 30 30 10 10 10 10 4 4 4 4 1 1 D(cm) 1.5 2 3 5 1.8 2.4 6.5 3.2 18.5 7.2 13.1395965217 c) el valor de t cuando H=20cm y D=4 (interpolación) T= a + b (H)+c(D) T=34.1395*(6) T=16.906913852 c=-9.

Lo importante es que un gráfico debe servir para un posterior tratamiento de los datos.5. especialmente en los casos en que: Los experimentos se llevan a cabo mid iendo una variable Y en función de otra X que se varía independientemente y se quiere interpretar la relación funcional entre ellas. Como elemento ordenador de la información colectada en un experimento. Interesa estudiar si dos variables mantienen una correlación (causal o no) y cómo es esta vinculación o grado de interdependencia. Explorar los datos obtenidos en la recolección. en primera instancia.ANALISIS DE RESULTADOS 5. etc. 5. Por ejemplo: estudio de la relación entre el peso y la altura de personas. Analizar descriptivamente los datos por variable.. Por ejemplo: medición del período de un péndulo en función de su longitud.1. relaci ón entre la velocidad máxima que alcanza un velero y su extensión desde proa a popa. un gráfico debe construirse sobre la base de una elección adecuada tanto de las variables como de las escalas. donde quede resumida la información para su apreciación y análisis.-ASPECTOS CUANTITATIVOS Analizar los datos Decidir el programa de análisis de datos que se utilizara.-ASPECTOS CUALITATIVOS.2. . En la mayoría de los casos un gráfico es más útil que una tabla de valores. de que la información que se quiere representar quede expuesta de una manera lo suficientemente clara y explícita como para que la rep resentación gráfica hable por sí sola . La presentación y análisis de los resultados experimentales debe considerarse como parte integral de los experimentos. Se trata. etc. que lleve a inferir las leyes subyacentes en ellos y ahondar así en las posibles implicaciones y generalizaciones de los resultados obtenidos en los experimentos. Es realmente útil que los datos obtenidos se presenten en un gráfico. medición de la caída de potencial en un alambre en función de la corriente aplicada.

.-En el trabajo realizado se presentaron las siguientes discusiones.2.DISCUCIONES.RECOMENDACIÓNES.DISCUCIONES Y RECOMENDACIONES 6.. 6... validez y objetividad de los instrumentos de medición utilizados. Preparar los resultados para presentarlos. * El tipo de escala a utilizar en la realización de las graficas ya que al no usar una escala adecuada la grafica podría variar de su forma grafica original.1. * Para determinar la pendiente en el caso que la grafica sea una recta. * Las rectas o curvas que se grafican deben ser continuas y suaves y deben pasar por la mayor densidad de puntos. Evaluar la confiabilidad. ¿Qué Procedimiento se sigue para analizar cuantitativamente los datos? En la actualidad el análisis de datos se lleva a cabo por computadora. * Las graficas deben utilizar el máximo de papel para esto se deb en adecuar convenientemente la escala de los ejes. * Se discutió también la tendencia de la primera grafica a una recta.Visualizar los datos por variable. Analizar e interpretar mediante pruebas estadísticas las hipótesis planteadas (análisis Estadístico Inferencial) Realizar análisis adicionales. Se centra en la interpretación de los resultados de los métodos de análisis cuantitativo y no en los procedimientos de cálculo.Para realizar el experimento se debe tener en cuenta lo siguiente. * Solo se deben presentar algunos representativos que indiquen como varían la escala. se debe construir un triangulo a partir de dos puntos bien separados que pertenezcan a la recta y cuyos catetos sean paralelos a los ejes coordenados de esta manera se minimizan los errore s relativos de construcción y medición de los catetos y la pendiente se calcula como . 6.

1997 4. The box plot: a simple visual method to interpret data. Ann Intern Med 1989. Practical statistics for medical research. London: Chapman & Hall. Am Heart J 1988. Amara IA. J Clin Epidemiol 1993. Williamson DF. repr. Singer PA.7. Altman DG.-BIBLIOGRAFIA 1.. Statistics Notes: Presentation of numerical data. Feinstein AR. Simpson RJ. 1th ed. 1997. Altman DA. Parker RA. BMJ 1996. 110 (11): 916-21. 2. Kendrick JS. 3. . Graphical display of categorical data. 116 (6 Part 1): 1663-5. 5. 46(3): 231-6. Johnson TA. 312: 572. The box-plot: an exploratory analysis for biomedical publications. Bland JM.