.
Universidad Militar Nueva Granada
Informe # 3
Análisis de Graficas 1
Alumnos
Alison Dayan Cortes Cruz
Samuel Ramos Vargas
Dayanna Silva
Laura Tatiana Valbuena Garzón
Profesor
Manuel Dario Vinchira Morato
Bogotá D.C
11 DE AGOSTO 2025
Resumen
En esta actividad de laboratorio, nuestro grupo llevó a cabo el estudio de una función lineal
utilizando datos experimentales que recolectamos durante la sesión. En primer lugar,
cronometramos el tiempo que tardó una esfera en recorrer una distancia específica.
Después, empleamos una cuerda para determinar el diámetro de varios círculos de papel
y, a partir de estos valores, calculamos sus radios. Con estos datos, los organizamos en
una tabla y creamos un gráfico que identificaba las variables independientes y
dependientes.
Luego, utilizamos el método de regresión lineal para determinar la ecuación que se ajustara
mejor a nuestros datos experimentales. Calculamos tanto la pendiente como el intercepto
y validamos los resultados mediante el análisis visual y a través de cálculos matemáticos.
Este procedimiento nos ayudó a entender cómo se pueden generar modelos matemáticos
a partir de mediciones experimentales que describen la relación entre dos variables físicas.
Además, mejoramos nuestra capacidad para manejar gráficas, utilizamos fórmulas para
calcular la pendiente y el intercepto, y aprendimos a interpretar la ecuación de la línea en
un contexto físico. También reflexionamos sobre cómo la regresión lineal puede capturar
con precisión la tendencia de un conjunto de datos y permitir hacer predicciones basadas
en mediciones reales.
Objetivo General
Entender y examinar la conexión entre dos variables físicas en un experimento,
empleando gráficos y técnicas de cálculo.
Objetivos Específicos
• Identificar las variables que dependen y se pueden medir en el estudio.
• Examinar la conexión entre las dos variables y descubrir el modelo que más se
adapte a la información.
• Mostrar los datos en gráficos apropiados.
• Establecer la ecuación que ilustra la relación entre las variables a través de un
análisis gráfico.
Marco Teórico
Para detectar y estudiar estas correlaciones, se utiliza el enfoque de regresión lineal. Este
método intenta encontrar la línea que más se ajusta a un conjunto de puntos recolectados
durante un experimento, buscando reducir al mínimo la discrepancia entre los valores
observados y los estimados por el modelo. Esto genera una representación matemática que
ayuda a entender el patrón de los datos y, en múltiples casos, anticipar resultados futuros.
En la práctica llevada a cabo, el empleo de herramientas como la medición de tiempos,
diámetros y radios nos permitió interactuar con variables físicas concretas. La exactitud en
estas mediciones es crucial, ya que cualquier error podría influir negativamente en el
análisis final. Una vez recopilados los datos, se graficaron para reconocer tendencias y
aplicar la regresión lineal, lo que reforzó la relación entre la teoría y su aplicación práctica.
Este procedimiento no solo ayuda a confirmar si hay una relación lineal entre las variables,
sino que también fomenta habilidades como la utilización de instrumentos de medición, la
organización de datos y la interpretación de modelos. Entender estos principios es vital en
la educación de un ingeniero, dado que establece las bases para analizar problemas más
complejos y tomar decisiones fundamentadas en datos.
Materiales
• Papel milimetrado, 3emilogarítmico
• Pita
• Metro
• Calculadora
• Cronometro
• Círculos de papel
• Bola de metal
Procedimiento
• Toma de datos
a) Se procedió a tomar la longitud de los círculos de cartón con una pita rodeando
su perímetro y después midiendo con un flexómetro las marcas tomadas con la
pita, a la vez que se tomó las medidas de los radios:
X Y
n°
Radio Longitud
1 4 25
2 6 37,6
3 8 51,7
4 9 58,5
5 14 88,8
6 15,3 96,5
En la tabla se toma radio como la variable independiente (x) y longitud como la
variable dependiente (y) tomando 6 datos en total.
b) Se procedió a tirar una bola de metal de medidas despreciables tomando el
tiempo que se demoró en recorrer 6 metros tomado el tiempo cada 1 metro:
X Y
N°
Tiempo Metros
1 1,73 1
2 2,73 2
3 3,95 3
4 5,19 4
5 6,53 5
6 8,44 6
En la tabla se toma el tiempo como la variable independiente (x) y los metros
como la variable dependiente (y) tomando en total 6 datos en total.
• Suma de valores, promedios y regresión lineal
Para ambas tablas se hizo la regresión lineal y además a sacar la sumatoria de
valores y el promedio:
∑𝒙𝒊
̅=
𝒙
𝒏
𝐚)
X Y
n° X*Y X2
Radio Longitud
1 4 25 100 16
2 6 37,6 225,6 36
3 8 51,7 413,6 64
4 9 58,5 526,5 81
5 14 88,8 1243,2 196
6 15,3 96,5 1476,45 234,09
SUMATORIA 56,3 358,1 3985,35 627,09
PROMEDIO 9,383 59,683
b)
X Y
N° X*Y X2
Tiempo Metros
1 1,73 1 1,73 2,9929
2 2,73 2 5,46 7,4529
3 3,95 3 11,85 15,6025
4 5,19 4 20,76 26,9361
5 6,53 5 32,65 42,6409
6 8,44 6 50,64 71,2336
SUMATORIA 28,57 21 123,09 166,86
PROMEDIO 4,76 3,50
• Ecuación de la recta
Una vez hacemos todas las sumas necesarias y sacamos los promedios es
momento de sacarla ecuación lineal usando la siguiente formula:
𝒚 = 𝒎𝒙 + 𝒃
donde m = pendiente y b = punto de corte con el eje y, para poder sacar esta
ecuación necesitamos conocer m y b de manera que vamos a utilizar las
siguientes ecuaciones para casa una:
- Para m
∑(𝑥𝑖 𝑦𝑖 ) − 𝑛 ⋅ 𝑥̅ ⋅ 𝑦̅
𝑚=
∑(𝑥 2 ) − 𝑛 ⋅ ̅̅̅
𝑥2
a)
(3.985,35) − 6(9,383)(59,683)
𝑚= = 6,327
627,09 − 6(9,383)2
b)
(123,09) − 6(4,76)(3,50)
𝑚= = 0,749
166,86 − 6(4,76)2
- Para b
𝑏 = ̅̅̅̅ ̅̅̅̅
𝛴𝑦 − 𝑚𝛴𝑥
a)
𝑏 = 59,683 − 6,327(9,383) = 0,313
b)
𝑏 = 3,50 − 0,749(4,76) = −0.0684
ecuación lineal:
a) 𝑦 = 6,327𝑥 + 0,3133 b) 𝑦 = 0,749𝑥 − 0,0684
• Grafica
Graficamos en Excel con la formula lineal:
a)
b)
• Desviación respecto a la media
Comenzamos por multiplicar los valores de x y y por el promedio, sacar los
elevados al cuadrado, multiplicar Dx por Dy y por ultimo sacar las sumatorias:
a)
Dx Dy Dx * Dy Dx2 Dy2
-5,38 -34,68 186,71 28,98 1202,93
-3,38 -22,08 74,72 11,45 487,67
-1,38 -7,98 11,04 1,91 63,73
-0,38 -1,18 0,45 0,15 1,40
4,62 29,12 134,42 21,31 847,78
5,92 36,82 217,83 35,01 1355,47
SUMATORIA 625,18 98,81 3958,99
b)
Dx Dy Dx * Dy Dx2 Dy2
-3,03 -2,50 7,579 9,19 6,25
-2,03 -1,50 3,048 4,13 2,25
-0,81 -0,50 0,406 0,66 0,25
0,43 0,50 0,214 0,18 0,25
1,77 1,50 2,653 3,13 2,25
3,68 2,50 9,196 13,53 6,25
SUMATORIA 23,095 30,82 17,50
Esto se hace para seguir con el procedimiento que es sacar la Correlación de
Pearson, la Suma de Cuadrados de Residuos, Desviación Estándar, m Erro y
b Error.
• Correlación de Pearson
∑(ⅆ𝒙 ⋅ ⅆ𝒚 )
𝒓=
𝟐
√𝜮(ⅆ𝒙 )𝟐 ⋅ 𝜮(ⅆ𝒚 )
a)
625,18
𝒓= = 0,9996 𝒓𝟐 = 0,9991
√(98.81)(3958,99)
b)
23,095
𝒓= = 0,9945 𝒓𝟐 = 0,9890
√(30,82)(17,50)
• Suma de cuadrados de residuos
a)
𝑺𝟐 𝒙𝒚 625,182
𝑺𝑺𝑬 = 𝑺𝒚𝒚 − = 3958,99 − = 3,3711
𝑺𝒙𝒙 98,81
b)
𝑺𝟐 𝒙𝒚 23,0952
𝑺𝑺𝑬 = 𝑺𝒚𝒚 − = 17.50 − = 0,1937
𝑺𝒙𝒙 30,82
• Desviación estándar o sigma
𝑺𝑺𝑬
𝝈=√
𝒏−𝟐
a)
3,3711
√ = 0,9180
𝟔−𝟐
b)
0,193
√ = 0,21948
𝟔−𝟐
• Error Pendiente
𝝈
𝝈𝒎 =
√𝑺𝒙𝒙
a)
0,9180
= 0,0924
√98,81
b)
0,21948
= 0,03959
√30,82
• Error b (punto de corte)
𝟏 ̅̅̅
𝒙𝟐
𝝈𝒃 = 𝝈√ +
𝒏 𝑺𝒙𝒙
a)
𝟏 9,3832
0,9180√ + = 0,9442
𝟔 98,81
b)
𝟏 4.762
0,21948√ + = 0,2085
𝟔 30,82
• Grafica D
a)
b)
Análisis de Datos
Conclusiones
Conclusión (sumatorias)
A partir de la tabla de datos X, Y, XY y X² se calcularon las sumatorias necesarias para
aplicar la fórmula de regresión lineal por el método de mínimos cuadrados. Gracias a eso
se obtuvo la pendiente m = 0,75 y el intercepto b = –0,07, lo que permitió construir la
ecuación de ajuste lineal y = 0,75x – 0,07.
Conclusión (desviaciones Dx y Dy)
En la segunda tabla se trabajó con desviaciones respecto a los promedios (Dx y Dy),
permitiendo obtener los valores de Dx², Dy² y Dx·Dy. Con esos datos se calculó la
correlación de Pearson, dando r ≈ 0,995, lo que indica que existe una correlación positiva
extremadamente alta entre el tiempo y la distancia. Esto valida los resultados obtenidos
con la ecuación de regresión lineal.
Conclusión General Final
Al comparar los dos métodos (por sumatorias y por desviaciones), ambos llevan a los
mismos valores para la ecuación de regresión y demuestran que el movimiento presenta
un comportamiento lineal. Por lo tanto, se confirma que la distancia aumenta
proporcionalmente con el tiempo, lo cual se refleja en la ecuación final y en la correlación
muy cercana a 1.
Bibliografías
• Serway,R.A.., y Jewett, J.W (2018).plysics for Scientist and
Enginners.cengage learning.
• Freedman,D,pisania,R y purves, R.(2007). Statistics.w.w.Norston y Company.
