Mario Acosta
Diego Mojica
Juan uyaban
Josseph castro
Resumen
En este informe se va a hablar sobre el laboratorio de la relación lineal de la medición y
como en esté utilizando el diámetro y el área de varias circunferencias logramos hacer una
tabla la cual tiene en ella múltiples datos de medición y una tabla distinta la cual tiene los
datos pero aplicando la incertidumbre del último laboratorio.
abstract
In this report we are going to talk about the laboratory of the linear relationship of the
measurement and since it is using the diameter and the area of several circumferences we
managed to make a table which has multiple measurement data in it and a different table
which has the data but applying the uncertainty of the last laboratory.
Introducción
La medición, por naturaleza podría ser de la clase de procesos en los que tanto el científico
como el ingeniero pueden lograr observar y hacer hipótesis previas donde su comportamiento
hablando en términos físicos. Por esta razón, cuando se planea un experimento, se busca
obtener la mayor cantidad de mediciones necesarias donde las variables que se dan del
fenómeno para poder lograr establecer posibles relaciones entre estas mismas.
Con esta práctica se logrará pretender que se familiarize con métodos que son propios de
los investigadores en la extracción de la información relevante de un fenómeno, a partir de las
mediciones y, en el caso de la ingeniería logra constituir una herramienta directa para el
análisis de los procesos, proyección de escenarios y en la toma de decisiones que generan un
impacto demasiado grande en el proceso
Metodología
En este laboratorio el objetivo fue hallar la dependencia funcional entre diversas figuras
circulares hallando su perímetro y diámetro de cada uno y a partir de estos datos encontrar
sus parámetros y el coeficiente de correlación usando diferentes fórmulas y métodos a
continuación
Primero se utilizó una cuerda y una regla para encontrar los diámetros y perímetros de
cada circulos, con estos cálculos se demostró que independientemente del tamaño del círculo
la circunferencia de un círculo es proporcional al diámetro, la longitud de un círculo es igual
a 2π multiplicado por el radio.
Los datos datos que se tomaron de los círculos su diámetro que se identificaran como X y
su perímetro como Y son:
X Y X:Y:
9,9 32,5 321,75
11,4 37,5 427,5
13,7 44,5 609,65
15,9 52,5 834,75
19,6 64,5 1264,75
21,9 70 1533
24,2 77 1863,4
A partir de estos datos se determinan los promedios de X y Y (Estos se identifican con el
signo X̅ y Ɏ̅ ), para hallar estos promedios se suman todos los datos de X y Y se dividen
entre el número de datos medidos para cada variable (se identifica como n).
9,9+11,4+13,7+15,9+19,6+21,9+24,2
X̅ : 7 = 16,65
32,5+37,5+44,5+52,5+64,5+70+77
7
Ɏ̅ : = 54,07
∑𝑋𝑖𝑌𝑖 = 6854, 25
De los anteriores datos obtenidos se realizó la siguiente gráfica:
Por último usando el método de los mínimos cuadrados nos brinda los algoritmos
matemáticos para hallar los parámetros a los cuales denominamos A y B de la recta ajustada
y el coeficiente de correlación las fórmulas y procedimientos de este método son:
𝑛 𝑛 𝑛
𝑛𝑋Ɏ̅ − ∑ 𝑋 𝑌 𝑋 ∑ 𝑋 𝑖𝑌 𝑖 ∑
2
𝑖 𝑖 𝑖
𝑖=1 −Ɏ
𝑖=1 𝑋
𝐼=1
B= 𝑛 A= 𝑛
𝑛𝑋² 2 2 2
∑𝑋 𝑛𝑋 − ∑ 𝑋
𝑖=1 𝑖
𝐼=1
7𝑥16,65𝑥54,07−(6854,25)
B= 2
7.(16,65) − (159538.25) = 0. 0037
16,65𝑥6852,25−54,07𝑥54,071
A= 2
= 255. 49
7𝑥(6,65) −(54,071)
Resultados
Para llegar a este resultado de manera precisa y confiable, se empleó el método de los
mínimos cuadrados, una herramienta matemática fundamental en la estadística y análisis de
datos.
Mediante la aplicación rigurosa de este método, se logró obtener un resultado que no solo es
preciso, sino que también tiene en cuenta las variaciones inherentes en los datos y reduce al
máximo el efecto de los errores aleatorios. Este enfoque robusto garantiza que el resultado
obtenido sea representativo y confiable, lo que es esencial para tomar decisiones informadas
y basadas en datos.
Resultado obtenido del total de las mediciones
16,65
Análisis de resultados
La conclusión a la que se llegó a través de este análisis respalda la validez y la coherencia de
los datos examinados. Al emplear los mínimos cuadrados, se pudo demostrar con solidez que
el modelo utilizado es capaz de explicar y predecir las relaciones subyacentes entre las
variables, proporcionando una visión más profunda y significativa de los patrones presentes
en los datos.
