Lo que veremos a continuación es que, si un conjunto de datos se ajustan a la forma de una
función del tipo , entonces, al graficar y versus x en un papel logarítmico (Log-Log),
se obtiene una línea recta.
En efecto, tomando logaritmo a ambos lados:
Log y Log (b x n )
Log y n Log x Log b
Si hacemos el cambio de variables
y´= logy; x´= Logx y b´= Logb
entonces se tiene que y n x b
en donde n es la pendiente de la recta (en papel logarítmico) y b es el intercepto. Nótese
que con el cambio de variable, la función potencia adopta la forma de una función lineal.
Para calcular n, se utiliza el método de los mínimos cuadrados. El intercepto de la recta con
el eje vertical de la gráfica en papel logarítmico es Log b, por lo que b se lee directamente de
la gráfica en papel logarítmico.
2.2.3. Función Exponencial.
La expresión de una función potencia tiene la forma
donde x e y son las variables relacionadas y b, a y m son constantes.
Para graficar este tipo de funciones se utiliza el papel semilogarítmico, en donde solamente
una de las escalas (vertical) es logarítmica y la otra (horizontal) es milimetrada. Si se toma
logaritmo a ambos lados de la expresión 3:
Log y Log (b a mx ) Log y ( mLog a )x Log b
Si hacemos el cambio de variables:
y´= logy; a´= mLogx y b´= Logb
Se obtiene entonces la ecuación de una línea recta y a x b
El valor de la pendiente a se calcula mediante el método de los mínimos cuadrados.
Como a = mLoga, debemos hallar el valor de m y el valor de a, y lo que tenemos es una
ecuación con dos incógnitas. Por simplicidad se puede suponer el valor a =10, y así
estaríamos tomando el papel semilogarítmico con una base decimal. También se puede
escoger un valor diferente para a ó para m. Tenemos entonces:
a = m Log10 = m
El intercepto con el eje vertical de la gráfica corresponde a b , y se lee directamente sobre el
valor de cero en la escala lineal.
3.- Ajuste de Curvas
Como se ha podido observar, siempre y cuando sea posible se trata de transformar toda
curva obtenida experimentalmente a una función lineal, con la finalidad de hacer más sencillo
el análisis de la pendiente (m). Para ello, se utilizan métodos para ajustar la recta a los
valores experimentales de la mejor manera posible, entre estos están: Método de los
promedios; Método de los puntos escogidos y Método de los mínimos cuadrados.
Método de los mínimos cuadrados.
Es un procedimiento de análisis numérico en la que, dados un conjunto de datos (pares
ordenados y familia de funciones), se intenta determinar la función continua que mejor se
aproxime a los datos (línea de regresión o la línea de mejor ajuste), proporcionando una
demostración visual de la relación entre los puntos de los mismos. En su forma más simple,
busca minimizar la suma de cuadrados de las diferencias ordenadas (llamadas residuos)
entre los puntos generados por la función y los correspondientes datos. Este método se
utiliza comúnmente para analizar una serie de datos que se obtengan de algún estudio, con
el fin de expresar su comportamiento de manera lineal y así minimizar los errores de la data
tomada.
Es el método más adecuado para el ajuste de puntos experimentales. Si se tiene un conjunto
de N datos (xi, yi) que corresponda a una función lineal, el mejor valor para las constantes y
sus errores quedan determinados por las siguientes expresiones:
∑( ) (∑ ) (∑ )
∑( ) (∑ )
∑( )(∑ ) (∑ )(∑ )
∑( ) (∑ )
El método de mínimos cuadrados calcula a partir de los N pares de datos experimentales (x,
y), los valores m y b que mejor ajustan los datos a una recta. Se entiende por el mejor ajuste
aquella recta que hace mínimas las distancias d de los puntos medidos a la recta. Teniendo
una serie de datos (x, y), mostrados en un gráfico o gráfica, si al conectar punto a punto no
se describe una recta, debemos aplicar el método de mínimos cuadrados, basándonos en su
expresión general:
∑( ) (∑ ) (∑ ) ∑( )(∑ ) (∑ )(∑ )
[ ] [ ]
∑( ) (∑ ) ∑( ) (∑ )
