Professional Documents
Culture Documents
Curso: Física I
G. Horario: 94G
Integrantes:
Aspilcueta Culquimboz, Brenda
Benites Temoche, Karoline Lucero
Collantes Briceño, Celeste kimiko
Vera Velasquez, Alexander Yoel
1
I. OBJETIVOS:
Los datos que siguen una variación similar a una función exponencial,
y=a·eb·x
, o aquellas serie de datos cuyo rango abarca varios órdenes de magnitud , son
apropiados para una representación semilogarítmica o logarítmica. Por ello, este
tipo de representación es muy usada en ciencia e ingeniería.
𝑦 = 𝑎. 𝑒 𝑏.𝑥
2
Interpretación de una representación semilogarítmica
1. La ecuación para una línea con un eje de ordenadas en escala logarítmica sería:
∗ log( 𝐹(𝑥)) = 𝑚𝑥 + 𝑏
2. La ecuación de una línea en una gráfica en la que el eje de abscisas posee escala
logarítmica será:
Papel logarítmico
Las bases de logaritmos más empleadas son 10 (base de los logaritmos decimales)
y el número e (base de los logaritmos naturales o neperianos)
La base de los logaritmos también tiene que ser especificada, a menos que el valor
de la escala se considere como una magnitud dimensional expresada en unidades
logarítmicas genéricas (de base indefinida).
Una escala logarítmica es también una escala gráfica en uno o ambos lados de una
gráfica donde x es un número impreso a una distancia c · log (x) desde el punto
marcado con el número. Una regla de cálculo tiene escalas logarítmicas y
los nomogramas a menudo emplean escalas logarítmicas. En una escala
logarítmica, una diferencia igual en orden de magnitud se representa por una
distancia igual. La media geométrica de dos números está a medio camino entre los
números.
3
El papel milimetrado logarítmico, antes del advenimiento de la informática gráfica,
fue una herramienta científica básica. Las representaciones en papel con una escala
semilogarítmica pueden mostrar las funciones exponenciales, como líneas rectas.
Igual ocurre con las funciones potenciales en un papel con dos escalas logarítmicas.
4
Donde N es el número de puntos medidos en el experimento.
III. OPERACIONES:
Tabla N°1
Tabla N°2
5
IV. CUESTIONARIO:
1. Grafique los datos de la tabla Nº 1 en papel semilogarítmico, determine el valor
de b
Tiempo (s) 58 91 119 140 165
𝒎
Aceleración(𝒔𝟐 ) 5.06 3.47 2.52 1.99 1.49
𝐥𝐨𝐠 𝒙 𝐥𝐨𝐠 𝒚
1.763 0.704
1.959 0.540
2.076 0.401
2.146 0.299
2.217 0.173
Hallamos “b”:
∑(log 𝑥)2 × (∑ log 𝑦) − (∑ 𝑥 × log 𝑦)(∑ 𝑥)
𝑏= 2
𝑁 × ∑(log 𝑥)2 − (∑ log 𝑥)
20.779 × 2.118 − (58 × 0.704 + 91 × 0.54 + 119 × 0.401 + 140 × 0.299 + 165 × 0.173) × 573
𝑏=
5 × 20.779 − 103.259
𝑏 = −18741.519
∑ log 𝑥 = 10.161
2
(∑ log 𝑥) = 103.259
∑(log 𝑥)2 = 20.779
∑ log 𝑦 = 2.118
∑ 𝑥 = 573
6
2. Use los datos de la Tabla N° 1 y aplique ajuste de mínimos cuadrados a la recta:
log (y) = log (b) – m.log(x), para determinar m y b
Hallamos “m”:
5(4.158786)−10.161628𝑥2.117919 − 0.727575
m= = = - 1.147773
5(20.778517)− 10.1616282 0.633901
Hallamos “b”:
20.778517(2.117919)−208.192541(573) −119250.318777
b = =
5(20.778517)− 10.1616282 0.633901
= - 188121.360870
3. Grafique los datos de la tabla Nº 2 en papel logarítmico, determine el valor de b.
7
Pasamos los datos a logaritmos:
𝐥𝐨𝐠 𝒙 𝐥𝐨𝐠 𝒚
0.362 1.988
0.462 2.29
0.556 2.572
0.613 2.741
0.681 2.947
Hallamos “b”:
∑(log 𝑥)2 × (∑ log 𝑦) − (∑ 𝑥 × log 𝑦)(∑ 𝑥)
𝑏= 2
𝑁 × ∑(log 𝑥)2 − (∑ log 𝑥)
1.493 × 12.538 − (2.3 × 1.988 + 2.9 × 2.29 + 3.6 × 2.572 + 4.1 × 2.741 + 4.8 × 2.947) × 17.7
𝑏=
5 × 1.493 − 7.15
𝑏 = −2516.984889
∑ log 𝑥 = 2.674
2
(∑ log 𝑥) = 7.15
∑(log 𝑥)2 = (0.131 + 0.213 + 0.309 + 0.376 + 0.464) = 1.493
∑ log 𝑦 = 12.538
∑ 𝑥 = 573
8
Pasamos los datos a logaritmos
:
𝐥𝐨𝐠 𝒙 𝐥𝐨𝐠 𝒚
0.362 1.988
0.462 2.29
0.556 2.572
0.613 2.741
0.681 2.947
Hallamos “m”:
5(6.892) − (2.673)(12.536)
𝑚=
5(1.492) − (7.145)
𝑚 = 3.01991
Hallamos “b”:
1.493 × 12.538 − (2.3 × 1.988 + 2.9 × 2.29 + 3.6 × 2.572 + 4.1 × 2.741 + 4.8 × 2.947) × 17.7
b=
5 × 1.493 − 7.15
𝑏 = −2516.984889
9
5. Halle la dispersión de los resultados del problema 2 y del problema 4.
dispersion
10
0
0 0.5 1 1.5 2 2.5
-10
-20
-30
-40
-50
-60
Series1 Series2
10
V. CONCLUSIONES:
VI. BIBLIOGRAFÍA:
11
VII. ANEXO
Historia del Método de Mínimos Cuadrados
En 1829, Gauss fue capaz de establecer la razón del éxito maravilloso de este
procedimiento: simplemente, el método de mínimos cuadrados es óptimo en
muchos aspectos. El argumento concreto se conoce como teorema de Gauss-
Márkov.
12