APÉNDICE 1

GRAFICAS Y MANEJO DEL PAPEL LOG-LOG Y SEMI LOG

1.1 Relación Lineal

Una relación lineal entre las variables x e y

Y =ax+ b (1.1)

Es la más simple de todas. La representación gráfica de y (x ) arrojaría una

línea recta, de pendiente a y que corta al eje vertical en b (ordenada del origen
o intersección con el eje y). Es importante notar que una recta es la forma
geométrica más simple en dos dimensiones. Al mismo tiempo, una relación
lineal entre dos variables cualesquiera es más fácil de ser identificada a simple
vista, y no sería una exageración afirmar que éste es el único caso en que esta
discriminación puede hacerse a simple vista. Entre una recta y una curva
nuestro ojo siempre notará la diferencia, pero no discriminará a la función que
define la curva.

En la Fig. 1.1. Están representadas dos series de datos. Para inferir

cualitativamente cuál de las series puede aproximarse mejor por una relación
lineal entre las variables x e y, es útil la siguiente regla práctica: llevemos el
papel hasta el nivel de nuestros ojos (podemos cerrar uno como cuando
hacemos puntería) y veamos si los puntos se ven alineados. Este tipo de toma
de decisión no debe desdeñarse en el momento de analizar datos
experimentales. La decisión de aceptar o no una relación lineal entre las
variables debe ser tomada por el experimentador, ya sea que se espere o no
una vinculación lineal entre las variables en juego. Una vez que decidimos que
los datos "caen sobre una recta", entonces podremos estimar los parámetros
(pendiente y ordenada al origen) de la mejor recta que aproxime la relación
funcional. O bien podemos dibujar esa mejor recta y definirle los valores de la
pendiente y la ordenada al origen, o usar métodos numéricos más generales
para encontrarlos, como veremos más adelante.

Figura 1.1. Representación de dos series de datos. ¿Cuál aproxima mejor una
relación lineal entre las variables x e y?
1.2. Función Potencial

Supongamos que medimos pares de valores ( x , y ) y tenemos conocimiento

que la relación función 1.2 que los vincula es del tipo

y=a xb (1.2)

donde a y b son constantes. Esta forma funcional potencial es muy común en

las ciencias puesto que sirve corno aproximación del comportamiento en una
gran variedad de casos.

La constante b suele llamarse "exponente de escala" y define la escala de

variación de y según varía x. Esto es, si “x " se multiplica por un factor f, " y”,
cambiará consecuentemente f b, veces.

El significado físico de la constante a es el de representar el valor que toma y

cuando x vale la unidad. La dimensión de a es tal que da homogeneidad
dimensional a la ecuación.

Transformación de variable

Si en la ecuación (1.2) que representa la función potencial, transformamos las

variables haciendo el cambio (suponiendo que conocemos el exponente b):

x ¿= xb y¿= y

y representamos las nuevas variables ( x ¿, y ¿) = ( x b, y), lo que obtenemos es

una relación lineal entre las variables transformadas o pseudovariables y
decimos que hemos linealizado la representación gráfica. En este caso hemos
transformado la variable x, pero bien podríamos haber optado por el cambio en
la variable dependiente, o sea,

x ¿= x y ¿ = y 1/ b

y también habríamos obtenido una relación lineal entre las nuevas variables
representadas ( x ¿ , y ¿ )=(x , y 1 /b )(x*, y*).

Está claro que lo anterior es inmediato de realizar si conocemos el valor del

exponente b. Además, observamos que un gráfico linealizado nos da el valor
de la constante a [ver Ecuación (1.2)] si evaluamos la pendiente de la recta
que resulta.

En el caso más general, supongamos que no conocemos a a ni a b, y que

ambas constantes deben encontrarse como resultado de la investigación
experimental.
Entonces, ¿cómo procedemos?
Para facilitar la tarea de encontrar tanto el exponente de escala b como la
constante a, es conveniente representar log ⁡( y) en función de log ⁡( x). Esto
queda claro si transformamos nuestra ecuación original más general y=a xb ,
sacándoles el logaritmo a ambos miembros

log ( y )=log ⁡(a x b )

log ( y )=log ( x ) +b log ⁡(x) (1.3)

Comparando esta última expresión con un gráfico de log ⁡( y) en función de

log ⁡( x) podremos ver que la ecuación representa una recta que tiene pendiente
b y ordenada al origen log ⁡(a).

Este tipo de representación gráfica es extremadamente ente útil cuando se

analizan ecuaciones algebraicas, se estudian correlaciones, leyes de
crecimiento, etc.

Elección de las escalas

Hemos visto cómo elegir las nuevas variables con el fin de llevar la
representación gráfica a una representación lineal. Lo que hemos propuesto es
la transformación de las variables y la representación de las nuevas. Una
manera alternativa de análisis es recurrir a gráficos en los que sus ejes tengan
escalas logarítmicas.

Retomando el ejemplo del caso de variables x, y relacionadas por la función

potencial y=a xb , en vez de recurrir a un gráfico de variables transformadas
( log ( x ) , log ( y ) ), podemos representar directamente los pares de valores ( x , y )
en un gráfico donde sus dos ejes tengan escalas logarítmicas.
Para ver más claramente esto, sustituyamos:

Y =log ( y ) X =log ( yx ) A=log ( a ) (1.4)

De esta forma la ecuación (1.3) queda

Y = A +bX (1.5)

Que representa la ecuación de una línea recta similar a la Ecuación (1.1)

La figura 1.3 ejemplifica este método de linealización que no requiere la

obtención del logaritmo de los valores de los puntos a representar, gracias a
que las escalas son logarítmicas.
 Figura 1.3. Ejemplo de un gráfico con escalas logarítmicas.

Un gráfico doble-logarítmico como el de la figura 1.3 también es llamado

gráfico log-log. La posición de las grillas más gruesas identifica un valor igual a
una potencia de 10. Por lo tanto, en cada eje, el espacio entre esas grillas
representa una década de variación de las variables, es decir, entre 10 n y 10n+1,
cualquiera sea n. Las ocho grillas intermedias indexan los valores k x10 n, k= 2,
3, 4,…9.

Esto hace muy simple la construcción de ejes en escalas logarítmicas. Esto

requiere marcar intervalos fijos a distancias 1, 10, 100, 1000,... (10 0, 101, 102,
103,...). Si los datos a representar no cubren un rango tan amplio de valores, los
intervalos pueden realizarse a distancias de 1, 2, 4, 8, 16, 32,… (2 0, 21, 22, 23,
24, 25,...).

Observando la figura 1.3 podemos darnos cuenta que las escalas logarítmicas
son "más democráticas" que las lineales, puesto que dejan ocupar el mismo
espacio en el gráfico a los intervalos entre décadas entre valores "pequeños"
que el espacio ocupado por los intervalos entre décadas entre valores
"grandes". Podemos ver, por ejemplo, que el lugar reservado para los valores
entre 10-5 y 10-4 es idéntico al reservado para el intervalo 10 8 y 109. Si las
variables x e y se representan ambas en escalas logarítmicas, la función
potencial de la ecuación (1.2) quedará representada por una recta cuya
pendiente es b y cuya ordenada al origen ord=log ⁡(a), por lo que a=10ord .

A su vez, si los datos ( x , y ) representados en un gráfico doble-logarítmico

siguen una relación lineal, podemos inferir que y a e x b, descubriendo en este
caso la ley subyacente. Para calcular directamente del gráfico el valor de b, hay
que contar cuántas décadas varía y cuando x varía una.

En el ejemplo de la figura 1.3, la línea C tiene pendiente b 1, por tanto y a x .

Para la línea B, b=1.5, lo que implica y a x 1.5.

¿Cuál es la pendiente de la recta A?

Esta representación puede hacerse sobre papeles especialmente diseñados

(papel logarítmico) que se consigue en las librerías. Con las ventajas que
ofrecen hoy en día los programas de computadora, este tipo de representación
puede realizarse de manera inmediata para sacar mayor provecho al análisis
de los datos experimentales.
Si la representación se hace sobre papel logarítmico, la determinación de la
pendiente se puede hacer con cierta precisión con una simple regla. Para ello
se debe trazar un triangulo rectángulo (lo más grande posible para disminuir el
error), usando como hipotenusa la recta de la gráfica. La pendiente se
determina por el cociente de la longitud en milímetros del lado opuesto sobre la
longitud en milímetros de la base de dicho triángulo como se muestra en la
figura 1.4.
∆y
b=
∆x

Figura 1.4. Determinación de la pendiente en papel logarítmico midiendo los

lados del triángulo rectángulo trazado bajo la recta.

Muchos programas de análisis de datos o planillas de cálculo, tales como

Excel, QuatroPro, Origin, SigmaPlot, etc., permiten realizar estos cambios muy
fácilmente. Una vez realizado el gráfico en escala lineal, picando o activando
con el ratón los ejes coordenados, se abre un sub-menú que permite variar la
escala de los ejes (lineal, logarítmica, etc.). En Internet también se puede
conseguir programas gratuitos que pueden ser usados para estos fines.

Aplicaciones de gráficos log–log

Hay una gran variedad de casos donde es sumamente ventajosa la

representación gráfica en escalas logarítmicas. En cierta manera, es a lo que
recurre un experimentador de inmediato cuando quiere darse cuenta de "la
forma de la ley que siguen sus datos". Efectivamente, es una manera rápida y
eficiente de evaluar las tendencias de los resultados y dar un primer paso en el
análisis. También es útil recurrir a estas escalas en los casos en los que el
rango de valores es muy amplio y los datos que manejamos varían en varios
órdenes de magnitud.

Relación entre magnitudes:

En una situación usual en el laboratorio, podríamos estar interesados en saber

si una muestra conductora puede describirse como un conductor óhmico. Si
hacemos circular una corriente eléctrica I por la muestra y medimos la
diferencia de potencial V que se produce, y repetimos este procedimiento para
varios valores de la intensidad de la corriente, tendremos los datos V –I para
llevar a un gráfico. En primera instancia, un gráfico con escalas lineales sirve
para abrir el juego. Aquí caben varias posibilidades. Una de ellas es usar
nuestro ojo, como ya comentamos, y decidir si la relación entre V e I puede
considerarse lineal, lo que nos diría si el material conductor es óhmico - (la
relación entre V e I es lineal) o no. Pero supongamos que queremos ir más allá.
Si verdaderamente el conductor es óhmico, un gráfico log–log en las variables
V e I debería resultar lineal y, lo que es más importante, la pendiente de la
recta debería ser igual a uno (el exponente de I es uno). De ser así, la
conclusión sobre que el material es óhmico adquiere más valor tras este
análisis.

Búsqueda de posibles correlaciones entre variables:

Puede obtenerse mucha información cualitativa de un experimento si se

conocen las proporcionalidades entre las variables involucradas. En este
sentido podemos aprovechar un gráfico log–log para pronosticar tendencias.
Podría ser deseable "anticiparnos" al resultado de un experimento –más aun si
es caro o de largo aliento– estableciendo las leyes de escala entre las
variables, para así saber cómo varía la variable de salida, y, frente a un cambio
de la variable de entrada, x. Esto redundaría en mejoras sobre la marcha de
nuestros diseños y estrategias experimentales.

Cuándo conviene usar escalas logarítmicas:

Se mide una propiedad Σ de 100 ml de un líquido puro. Luego se lo diluye en

agua al 10% y se repite la medición. La solución se diluye otra vez al 10% y se
mide de nuevo. La operación se repite cuatro veces más. Para cada muestra
se obtiene Σ = 1 (líquido puro), 1.02, 1.04, 1.08, 1.24, 1.59, 1.95 (en unidades
arbitrarias). Representar en un gráfico apropiado el resultado del experimento.

1.2. MÉTODOS CUANTITATIVOS DE ANÁLISIS GRÁFICO

1.2.1. Ajuste de curvas por mínimos cuadrados

Es una de las técnicas matemáticas que permite, encontrar la función

matemática más probable de las cantidades que han sido medidas
experimentalmente buscando minimizar la incertidumbre propia de las
variables.
Si el análisis gráfico da como resultado una línea recta de corte a y pendiente
b, la escogencia de la recta más probable permite determinar los valores más
probables de a y b. Igualmente se encontrarían estos valores de la función
matemática media así:
Si las cantidades medidas son x, y, podemos considerar que la recta media
sería:
y ´=a+b x i (1.6)
La distancia de cada punto a esta recta es la incertidumbre (ver figura 1.5)
definida como:
ε i= y i – y ´

Recordemos que al menos una medida experimental se expresaría

M =M ´ ± ΔM

Ecuación compatible con la determinación del error en la medición (εi).

Figura 1.5. Gráfico de datos asociados a un modelo lineal. La cantidad y i – y

Representa la desviación de cada observación de y, respecto del valor

predicho por el modelo y (x ).

Como podemos haber realizado n mediciones entonces tenemos en general

una sumatoria.
n n
∑ ε i= ∑ ( y i− y ´ )
i=1 i=1 (1.7)
para tener sólo valores positivos de la incertidumbre podemos elevar la
ecuación al cuadrado.
n n n
∑ (εi )2=∑ ( y i− y ´ )2= ∑ ( y i−a−bx i )2
i=1 i=1 i=1 (1.8)
Si la incertidumbre se pretende minimizar, el procedimiento matemático sería
derivar e igualar a cero:
2
∂ ∑ ( ε i )2 ∂ ∑ ( εi )
=0 =0
∂a y ∂b (1.9)
obteniendo las siguientes ecuaciones:
n n
∑ y i =na+b ∑ x i
i=1 i=1 (1.10)
n n n
∑ y i x i=a ∑ xi +b ∑ xi 2
i=1 i=1 (1.11)
i=1
Las incógnitas a determinar serían el corte a y la pendiente b.
Si dividimos por n las ecuaciones anteriores las expresiones matemáticas
quedarían:

y ´=a+bx ´ (1.12)
 ( xy )´ =a x +b x ´2 (1.14)

Resolviendo estas ecuaciones se obtiene finalmente que:

( xy)´−x ´− y ´
b=
x´ 2 −( x´ )2 (1.15)

a= y´−bx (1.16)
donde:

∑ xi ∑ yi ∑ xi yi ∑ x i2
b= y´= ( xy )´= x 2 ´=
n , n , n , n

EJEMPLO:
Supongamos la siguiente información cinemática

y (cm) 105 195 301 390 510 602

X (s) 10 20 30 40 50 60

Realice en papel milimetrado una gráfica de y vs x.

Encuentre en la gráfica el corte con el eje vertical y la pendiente. ¿Qué
concluye?
Compare sus resultados can los obtenidos por mínimos que a continuación se
detalla.

No. X y Xy x2
1 10 105 1050 100
2 20 195 3900 400
3 30 301 9030 900
4 40 390 15600 1600
5 50 510 25500 2500
6 60 602 36120 3600
Total 210 2103 91200 9100

Obtenemos de la información anterior:

x´ = 35
y´ = 350
x2´= 1517
(x´)2= 1225
x´y´ = 15200
x´ y´ = 12250
Entonces la pendiente
( xy )´−x ´− y ´ 15200−35−350
b= = =10
x ´ 2 −( x ´ )2 1517−1225
Y el punto de corte
 a= y´−bx=350−10 x35=0
¿Qué resultado se obtuvo del análisis gráfico y, qué conclusión saca
comparando los dos métodos?
La expresiones usadas para encontrar la pendiente y el punto de corte se
determinaron dividiendo tanto en el numerador como en el denominador por n.
Si no se hace esto, las expresiones para b y a quedan:
n ∑ x i y i − ∑ xi ∑ y i
b=
n ∑ x 2 −( ∑ x i )2
i (1.17)

a=
∑ y i −∑ x i
n (1.18)
Usando los métodos vistos de teoría de errores se puede determinar la
incertidumbre en la determinación de la pendiente y punto de corte calculando
la desviación estándar de la distribución de valores de ε i alrededor de la mejor
línea, que llamaremos Σ y, Esta última está dada por:
∑ εi u
∑ y= √
n−2 [ y ] (1.19)
¿] Representa unidades de y. Acá la desviación estándar se calcula usando
n−2 en el denominador en vez de n−1 como consecuencia de aplicar la
definición de desviación estándar a la posición de una línea en un plano.

Los valores de las incertidumbres Δb y Δa de la pendiente y el punto de corte

respectivamente, están dados por las siguientes expresiones:
uy
Δb=∑ y ×
√ n
n ∑ x 2i −(∑ x i )2 u x [] (1.20)
∑ x 2i
Δa=∑ y ×
√ n ∑ x 2i −( ∑ xi )2
[uy ]
(1.21)
Estos valores pueden usarse en combinación con los valores de b y a para
indicar los intervalos con el significado normal, es decir que los intervalos de
una desviación estándar (σ ) nos dan una probabilidad del 68% de encerrar el
valor central del universo en cuestión, dos desviaciones estándar (2 σ ) el 95%,
etc.

Una ventaja muy importante del método de mínimos cuadrados es que nos
proporciona valores estadísticamente significativos de las incertidumbres en la
pendiente y el punto de corte, que se derivan objetivamente de la dispersión
real en los mismos puntos experimentales, sin perjuicio de cualquier afirmación
optimista que queramos hacer sobre las incertidumbres de los valores medidos.
Una vez se haya determinado los valores de b , a , Δb y Δa, se puede escribir la
ecuación correspondiente. Por ejemplo, para el caso de una dependencia
lineal, la ecuación final se escribiría de la forma:

y=(a ± Δa)+(b ± Δb) x (1.22)

En donde en lugar de a , b, Δa y Δb aparecen los valores respectivos hallados.

La línea que mejor se ajusta a los puntos experimentales también ya puede ser
dibujada sobre los puntos experimentales de la gráfica. Para ello se usa la
ecuación encontrada. Se toman dos valores cualesquiera de la abscisa, ojala
que se encuentren en los extremos izquierdo y derecho cercanos a los valores
de los puntos experimentales y se calcula el valor de la ordenada usando la
ecuación. Luego con los dos pares de valores hallados se dibujan los dos
puntos sobre la gráfica y se traza la recta por ellos. Desde luego esto no es
ningún problema si el gráfico se hace en computador, ya que el programa hará
automáticamente este trabajo por Ud.

1.2.2. El coeficiente de correlación

El coeficiente de correlación es una cantidad que da la calidad del ajuste por

mínimos cuadrados a los datos originales. El coeficiente de correlación se
denota por r (para algunos por R) y se determina usando la expresión:

n ∑ x i y i− ∑ x i ∑ y i
r=
2 2 2 2
√ [ n ∑ x −( ∑ x ) ][n ∑ y −( ∑ y ) ]
i i i i (1.23)

Una vez calculado, el coeficiente de correlación proporcionará un índice muy

importante, esto es, una medida del grado en el que la variación observada en
una cantidad puede atribuirse a la variación de la otra.

En la Fig. 1.6 se ilustran varias gráficas en las que se observa diferentes

medidas tomadas con diferentes grados de dispersión y el correspondiente
valor del coeficiente de correlación obtenido a partir de los puntos
experimentales usando la Ec. (1. 23). En las gráficas se puede ver que a
medida que aumenta la dispersión, el coeficiente de correlación r va
disminuyendo hasta el punto que se puede afirmar que prácticamente la
variación observada en la magnitud vertical no se puede atribuir a la variación
de la magnitud en el eje de la abscisa.

Fig. 1.6. Coeficiente de correlación para los ajustes lineales a datos cada vez
más ruidosos

1.2.3. Ajuste por mínimos cuadrados da las siguientes expresiones para la

Pendiente y el punto de corte:

1.2.3.1. Funciones potenciales

Dada la función potencial de la forma:
y= A x B (1.24)
el ajuste por mínimos cuadrados da las siguientes expresiones para la
pendiente y el punto de corte:
n n n
n ∑ (log ( xi )log( y i ))−∑ log( xi ) ∑ log( y i )
i=1 i=1 i=1
r= n n
2 2
n ∑ (log( x i )) −( ∑ (log( x i )))
i=1 i=1 (1.25)
n n

∑ log( y i )−b ∑ log( x ) i

i=1 i=1
a=
n (1.26)
O sustituyendo:
Y =log( y ) X =log(x ) (1.27)
Y simplificando,
XY −X .Y
b=
X 2 −( X )2 (1.28)
a=Y−b X (1.29)

Es muy importante tener en cuenta que en estas expresiones:

B≡ b (1.30)

A ≡ log(a) (1.31)

Esto quiere decir que una vez se encuentre el valor del punto de corte a, se
debe calcular el anti-logaritmo de este valor para escribir la ecuación final.

1.2.3.1. Funciones exponenciales

Para ajustar por mínimos cuadrados una función de la forma:

y (x )=k • edx (1.32)

La pendiente y el punto de corte se calculan:

n n n n

∑ y i ∑ ( xi y i ln( y i ))−∑ ( x i y i )∑ ( y i ln( y i ))

i=1 i=1 i=1 i=1
b= n n n

∑ y 2i ∑ ( x 2i y i )−∑ ( x i y i ) 2
i=1 i=1 i=1 (1.33)
n n n n

∑ ( xi2 y i )∑ ( y i ln( y i ))−∑ ( x i y ) ∑ (x i y ln( y i )) i i

i=1 i=1 i=1 i=1
a= n n n
2 2 2
∑ y ∑(x i i y i )−( ∑ ( x i y i ))
i=1 i=1 i=1 (1.34)
Aquí:
d ≡b (1.35)
 k =exp(a) (1.36)

Una vez se calculan b y a, se determinan los valores de d y k para colocarlos

en la expresión que se desea determinar finalmente.

1.2.3.1. Funciones logarítmicas

Dada una función de la forma:

y=a+b lnx, (1.37)

Los coeficientes pueden ser hallados por ajuste de mínimos cuadrados usando
las siguientes expresiones:
n n n
n ∑ ( y i ln xi )−∑ y i ∑ ln x i
i=1 i=1 i=1 y .X−y . X
b= n n
=
x 2−( X ) 2
∑ ( ln x i )2−(∑ ln x i ) 2
i=1 i=1 (1.38)
n n
∑ y i −b ∑ y i ( ln x i )
a= i=1 i=1
= y−b X
n (1.39)

Aquí: X =ln x, Y =ln y

APENDICE 2
ELEMENTOS DE ESTADISTICA

Correlación

Los requerimientos de las ciencias van más allá del comportamiento de una
variable y en muchos de sus problemas necesita investigar la relación entre
variables. Así por ejemplo, ¿existe alguna relación entre la altura de los
árboles y el diámetro de sus troncos a cierto nivel del suelo? ¿Existe alguna
relación entre el grado de oscuridad nocturna, la temperatura del ambiente y
el apetito de los ratones? ¿Hay alguna relación entre las calificaciones
obtenidas por los estudiantes en sus exámenes de admisión a la
universidad y su rendimiento académico en ella? ¿Existe alguna relación
entre la alimentación de las personas y las afecciones cardiacas? Si existen
relaciones de asociación entre las variables entonces, ¿será posible hacer
estimaciones del valor de una de ellas conociendo el valor de la otra
variable? Precisamente este es el tema central de la correlación.

Para investigar la relación entre dos variables necesitamos estudiar

distribuciones bidimensionales ya ello dedicamos el primer punto de esta
unidad.

A. La línea recta en el plano cartesiano

Si existe una relación entre los valores de las variables x e y, ella se puede
graficar. Las relaciones de equivalencia de primer grado, su grafica es una
línea recta, si la relación no es de primer grado, su grafica es una línea curva.
Sea, por ejemplo, la relación
Y =2 x +3

Si tabulamos valores que satisfacen la igualdad

X -2 -1 0 1 2
y -1 1 3 5 7

Encontramos que ellos están situados sobre una línea recta, figura 2.1.
 Figura 2.1

La ecuación y=bx+ c tiene por grafica una línea recta y para trazar basta
tabular dos puntos ( x , y ).

Los valores de b y cdefinen: b la dirección de la recta, y c su posición; en

coeficiente b recibe el nombre de pendiente o coeficiente angular. Por ejemplo,
las rectas L1: y=2 x +3; L2: y=2 x +1; L13: y=2 x – 1 son paralelas entre sí por
tener la misma pendiente b = 2, figura 2.2. En cambio las rectas L1: y=2 x +3, L2
: y=x +3, L31: y=−3 x +3 de la figura 2.3 no son paralelas, pero por tener el
mismo coeficiente de posición c = 3 sobre el eje Y.

Figura 2.2 Figura 2.3

Las rectas y=x e y=−x. Estas rectas son casos particulares de y=bx+ c en
ellas el coeficiente de posición c=0 indica que pasan por el punto x=0, y=0, o
sea el origen (0,0) . La recta y=x corresponde a la función idéntica en ella b=1
y c=0; su grafica se muestra en la figura 2.4 y es la recta bisectriz del ángulo
que conforman los ejes X e Y (primer cuadrante). La recta y=−x tiene por
grafica la figura 2.5; esta recta es bisectriz del ángulo de los ejes X e Y en el
segundo cuadrante.

Figura 2.4 figura 2.5

B. CORRELACION

Para investigar la relación entre dos variables, en estadística se han

creado los coeficientes de correlación que permiten expresar
cuantitativamente el grado de relación que existe entre las dos variables.
La naturaleza de las distribuciones que se correlacionan, sus escalas de
medidas y sus características, son los factores determinantes para la
selección de la técnica y del coeficiente de correlación que se aplicara.
En general todas estas técnicas siguen un procedimiento similar que se
inicia con la confrontación, para los mismos sucesos, de las series de
medidas de las dos variables. Para estas confrontaciones se utilizan los
llamados diagramas de dispersión, que son planos cartesianos en los
que se marcan los puntos correspondientes a los pares ( X , Y ) de los
valores de las variables. Con algo de práctica es posible dar una
estimación del grado de correlación de las dos variables investigadas.
En las figuras 2.6 a 2.10 mostramos algunos diagramas de dispersión.
No hay correlación o variable no correlacionadas

r=0
Figura 2.6

Correlaciones positivas al crecer o decrecer X crece o decrece Y

 r=1 r=.8
Figura 2.7 Figura 2.8
Correlación negativa al crecer o decrece X decrece o crece Y

r=-1 r=-0.8
Figura 2.9 Figura 2.10

Los coeficientes de correlación son medidas que indican la situación

relativa de los mismos sucesos respecto a las dos variables y son
números que varían entre los límites +1 y – 1. Su magnitud indica el
grado de asociación entre las variables; los valores ± 1 son indicadores
de una correlación perfecta positiva o negativa.
De acuerdo con el objetivo del texto, que es el de describir y dar
nociones básicas sobre temas estadística, solo estudiaremos dos
cálculos de r; el coeficiente r de correlación lineal del producto-
momento, que se emplea para variables de intervalo o de razón, y el
coeficiente de correlación rs por rangos de Spearman, que se utiliza para
datos ordinales.
Coeficiente r (producto-momento) de correlación lineal

Σxy
r= x=X − X́
2 2
√( Σ x )( Σ y )
y=Y −Ý
Ejemplo de aplicación
Sean los pares (XY): (1; 1.5), (2; 2.2), (2.5; 2), (3; 2.5), (4; 4.5), (4.5; 4), (5; 5),
(6; 5).
Primero se procede a dibujar el diagrama de dispersión (figura 2.11).
 Figura 2.11
Este diagrama muestra que la correlación es cercana a +1.
Para el cálculo de r se procede así:

X Y X − X́ =x Y −Ý = y X2 XY Y2
1.0 1.5 -2.5 -1.8 6.2 4.5 3.2
2.0 2.2 -1.5 -1.1 2.2 1.6 1.2
2.5 2.0 -1.0 -1.3 1.0 1.3 1.7
3.0 2.5 -0.5 -0.8 0.2 0.4 0.6
4.0 4.5 0.5 1.2 0.2 0.6 1.4
4.5 4.0 1.0 0.7 1.0 0.7 0.5
5.0 5.0 1.5 1.7 2.2 2.6 2.9
6.0 5.0 2.5 1.7 6.2 4.2 2.9
Σ 28 26.7 19.2 15.9 14.4

N=8
ΣX =28
28
X́ = =3.5
8
ΣY =26.7
26.7
Ý = =3.3
8
Σ x 2=19.2
Σ y 2=14.4
Σxy=15.9
Σxy 15.9
r= =
2 2
√ ( Σ x ) ( Σ y ) √ ( 19.2 ) (14.4)
Respuesta: r =0.96

C. Coeficiente de correlación por rangos de Spearman

Este coeficiente de correlación se utiliza cuando una o ambas escalas de

medidas son ordinales, es decir que los elementos de una de las series o de
ambas son posiciones. Supongamos, a manera de ejemplo, que una de las
variables sea el orden de llegada en una carrera y la otra la estatura de los
corredores.
El coeficiente de correlación por rangos r sse calcula aplicando la formula

6 Σ D2
r s=1− 2
n( n −1)
Para cálculos der s es necesario obtener la diferencia D entre los rangos, y si
una de las escalas no es ordinal, entonces se asigna rango a las puntuaciones.

Ejemplo de aplicación. Los exámenes de 8 alumnos fueron ordenados, tanto

los de admisiones como sus calificaciones, de 1 a 8 en el primer semestre.
En los siguientes pares (X, Y) X es el orden obtenido en el examen de admisión
e Y el oren de las calificaciones en el primer semestre; hallar r s
(1,2), (2,3), (3,1), (4,5), (5,7), (6,4), (7,8), (8,8)

D -1 -1 2 -1 -2 2 1 0
D2 1 1 4 1 4 4 1 0 ΣD2 =16

6 Σ D2 6 (16) 96
r s=1− 2
=1− =1− =0.81
n(n −1) 8(64−1) 504
Respuesta: rs=0.81

La correlación y la casualidad. Los coeficientes de correlación son solo

medidas de la covariación de las variables, y en cuanto a la variación misma
puede deberse a causas que afectan a cada variable de una misma manera o
de maneras opuestas, o bien una de ellas es causa de la variación de otra, o
puede suceder que la relación causal sea reciproca; todo esto es ajeno a la
comprobación de la existencia de la correlación y del valor del coeficiente de
correlación.

Solo nos hemos referido a la correlación lineal que es la de más frecuente

aplicación, pero puede ocurrir que las variables estén relacionadas en forma
no lineal, y en tal caso, un bajo valor de r no pone en evidencia la no
existencia de correlación. En todo caso es recomendable construir el
correspondiente diagrama de dispersión, ya que el mostrara si se debe o no
trabajar sobre la base de una correlación lineal.

REGRESIÓN

La regresión también estudia la relación entre dos variables, pero restringiendo

una de ellas con el objeto de estudiar las variaciones de una variable cuando la
otra permanece constante. En otras palabras, la regresión es un método que se
emplea para predecir el valor de una variable en función de valores dados a la
otra variable (u otra variable). En estadística la palabra predecir no se utiliza en
el sentido en que la emplean los astrólogos, futurólogos o mentalistas, sino
más bien en un sentido lógico que es el de utilizar el conocimiento del
comportamiento de una variable para obtener información sobre otra variable.

En todos los casos de regresión existe una dependencia funcional entre las
variables. En el caso de dos variables, siendo una de ellas ( X ), variable
independiente y la otra (Y ), la dependiente, se habla de regresión de Y sobre X
; por ejemplo, los ingenieros forestales utilizan la regresión de la altura de los
arboles sobre su diámetro, lo cual significa que midiendo el diámetro (variable
independiente) y reemplazando su valor en una relación definida según la clase
de árbol se obtiene la altura, y aun sin necesidad de cálculos aprecian la altura
utilizando graficas de la función de dependencia, altura = función del diámetro.
Estas graficas son líneas que pueden ser rectas o curvas. Aquí solo
estudiaremos los ajustes que originan líneas rectas.

B. regresión lineal

Para guiar nuestro análisis sobre dos variables, pongamos como ejemplo el
caso de una industria metal-mecánica que paga los operarios por cada unidad
de elemento torneado. Tenemos una relación entre las variables piezas
producidas y jornales. Utilizando el eje X como eje de unidades producidas y el
eje Y, como eje de jornales, ubiquemos los puntos que corresponden a la
producción de 10 operarios de diferentes categorías (figura 2.12)

Unidad Jornales
15 150
20 200
25 250
28 280
30 300
35 350
38 380
40 400
42 420
45 450

Figura 2.12
En este ejemplo, las dos variables tienen una correlación perfecta, su grafica es
una línea recta cuya ecuación es Y =10 X que es la recta de regresión de los
jornales sobre las unidades producidas (regresión de Y sobre X ). Si se cambia
a $ b la remuneración por unidad torneada, la recta de regresión será Y =bX y
pasa por (0 , 0) .

En un acuerdo obrero-patronal se cambia las condiciones de pago y se

conviene en pagar $ 150 como base y sobre esta suma pagar $7 por unidad
torneada. Marcando en un sistema cartesiano los puntos que corresponden a
los valores ( X , Y ) unidades y jornales, se obtiene la grafica de la figura 2.12
que es la recta cuya ecuación es Y =150+ 7 X

Si se cambia la base a $ c y la remuneración a $ b por unidad torneada, la recta

de regresión de Y sobre X tendrá por ecuación Y =c+ bX.

En ambos casos las líneas de regresión permiten lecturas fuera de los valores
experimentados. Si se efectúan lecturas entre dos valores experimentados, se
dice que se ha interpolado entre esos valores; la operación de leer valores
sobre la línea, más allá de los limites experimentados, se llama extrapolación.
En particular, la operación de extrapolación suele conducir a resultados
absurdos o irreales, como por ejemplo obtener por extrapolación unidades
torneadas negativas; por esta razón, al extrapolar se debe ser cuidadoso y
conocer con claridad lo que se desea.

500
Unidade Jornales 450
s 400
10 220 350
20 290 300
250
25 325 200
28 346 150
30 360 100
35 395 50
38 416 0
5 10 15 20 25 30 35 40 45 50
40 430
42 444
45 465 Figura 2.13

Por lo general sucede en las aplicaciones prácticas que las correlaciones entre
x e y no son perfectas. En consecuencia, al ubicar en un sistema cartesiano los
datos que son pares ( X , Y ), se obtienen situaciones como las que muestra en
la figura 2.14. En esta figura cada par de puntos define una recta y

Figura 2.14

No existe recta alguna que pase por todos los puntos, pero intuitivamente
comprendemos que existe una recta de mayor adecuación y trataríamos de
trazarla lo más cerca posible de los puntos de modo que sus desviaciones con
respecto a ellos sean lo menor posible. Tal línea existe y se llama línea de
mejor ajuste y queda definida como la línea que hace mínima la suma de los
cuadrados de las desviaciones respecto a ellas de todos los puntos que
corresponden a la información recogida. Si estudiamos la regresión Y sobre X ,
las desviaciones d se miden en la dirección del eje vertical (figura 2.15), cuya
magnitud es la desviación del valor observado con relación a la lectura del valor
sobre la línea de regresión. En caso de que se desee la regresión de X sobre Y
, las desviaciones dse miden en la dirección del eje horizontal (figura 2.16), de
donde resulta que las dos rectas no son coincidentes, se acercan tanto más
entre sí cuanto más alta es la correlación entre X e Y . En el caso de que la
correlación sea perfecta, r =1, las dos rectas de regresión lineal Y sobre X y X
sobre Y coinciden.

Figura 2.15 figura 2.16

Con el método de los mínimos cuadrados se determinan los coeficientes b y c

de la línea de regresión de Y sobre X

Y =c+ bX

El valor del coeficiente angular pendiente b está dado por

∑ xy
b y=
∑ x2

El símbolob y se utilizan para indicar la pendiente de la recte de regresión Y

sobre X .

El coeficiente de posición c está dado por:

c=Ý −b y X́
∑ xy
Se puede expresar b y en otra forma recordando que r = y que
√ ∑ x2 ∑ y2
2 ∑ x2 2 ∑ y2
sx= ; s y=
N N

También se puede expresar b y en la forma:

 sy
b y =r
sx
Para los coeficientes de b y c de la línea de regresión de X sobre Y se tiene

∑ xy sx
b y= 2
; c= X́ −b X Ý ; (b x =r )
∑x sy

Las formulas anteriores se pueden transformar en obras equivalentes que

permiten trabajar con los datos originales.

Los valores de yobtenidos aplicando la ecuación de la recta de regresión de Y

sobre X . Normalmente se designan por Y ’ (Y prima) los valores de Y predicha.

Varianza residual y error estándar de la estimación. La línea de regresión de Y

sobre X nos da valores predichos de Y para valores conocidos de la variable X .
Estos estimativos presentan diferencias con el valor real de la variable, en el
caso de Y la diferencia Y −Y ’ nos conduce a la varianza con relación a la línea
de regresión de Y sobre X ; esta varianza se denomina varianza residual y
queda definida por la media de los cuadrados de las diferencias entre los
valores reales y los estimados.

∑(Y −Y ' )2
Para la regresión Y sobre X s2xy =
N

∑( X−X ' )2
Para la regresión X sobre Y s2xy =
N

La raíz cuadrada de la varianza residual es el error estándar de loa estimación:

∑ (Y −Y ' )2
Para Y sobre X s yx =
N

∑( X−X ' )2
Para X sobre Y s xy =
N

El error estándar de la estimación tiene propiedades similares a las de la

desviación estándar, y estas propiedades permiten construir rectas paralelas a
la recta de regresión a distancias verticales, por ejemplo ± 2 xy: entre estas dos
líneas paralelas a la recta de regresión quedan incluidos alrededor del 95 % de
los puntos ( X , Y ).

Variación explicada y variación no explicada. Haciendo intervenir la variable Y ,

la media aritmética Ý y el valor predicho Y ´, se obtienen las siguientes sumas
de cuadrados de diferencias:

1. La suma de cuadrados de las diferencias entre el valor estimado y la media

aritmética de los valores reales, o sea ∑ (Y −Ý )2, es la variación explicada.
2. La suma de cuadraros de las diferencia entre el valor real y el valor
estimado, o sea∑ (Y −Y ' )2, es la variación no explicada.

3. La suma de los cuadrados de la diferencia entre el valor real y la media

aritmética de los valores reales Ý , o sea (Y −Ý )2 , es la variación total. Entre
las anteriores sumas existe la relación:

(Y −Ý )2=(Y −Y ' )2+(Y ' −Ý )2

Ejemplo de aplicación
Los datos de un problema son los pares
( X , Y ):(2,2) ,( 4,3),(5,3) ,(6,4),(7,6) ,(8,5),(9,7) ,(10 , 6).

Figura 2.17

(a) Dibujar el diagrama de dispersión.

Respuesta: Figura 2.17.

(b) Construir por apreciación visual a mano alzada una recta de regresión de Y
sobre X .
Respuesta: La recta PQ. Figura 2.17, trazada buscando compensar las
desviaciones; esta recta pasa por los puntos P( 4,3) y Q(10 ; 6,7), y es la
recta que para nuestra apreciación aproxima mejor los datos.

(c) Ejemplo: la recta Y =c+ bX debe pasar por P( 4 ; 3) y Q(10 ; 6.7)

3=c+ 4 b
6.7=c +10 b
3.7=6 b ; b=0.617
3=c+ 4 ( 0.617 ) , c=c+ 0.532

Ecuación de la recta: Y =0.532+ 0.617 X

(d) Hacer un cuadro de datos ( X , Y ) y los valoresY predicho (Y ´ ).

 Respuesta:

X 2 4 5 6 7 8 9 10
Y 2 3 3 4 6 5 7 6
Y´ 1.8 3.0 3.6 4.2 4.9 5.5 6.1 6.7

Para el cálculo de Y ´ se procede a reemplazar el valor de X en

Y ´=0.532+ 0.617, así X =2; Y ´=0.532+ 0.617(2)=1.766 .

(e) Utilizando las formulas estudiadas hallar la recta de regresión de Y sobre X

y los valores estimados Y ´.

Respuesta: Primero organizamos un cuadro con los valores dados

X X − X́ =x Y Y −Ý = y xy x2 y2
2 -4.38 2 -2.5 10.95 19.18 6.25
4 -2.38 3 -1.5 3.75 5.66 2.25
5 -1.38 3 -1.5 2.07 2.50 2.25
6 -0.38 4 -0.5 0.19 0.14 0.26
7 0.62 6 1.5 0.93 0.38 2.25
8 1.62 5 0.5 0.81 2.62 0.25
9 2.62 7 2.5 6.55 6.86 6.25
10 3.62 6 1.5 5.43 13.10 2.25
51 36 30.50 50.44 22.00

N=8
∑ Xi 51
X́ = = =6.38
N 8
∑ Yi 36
Ý = = =4.5
N 8
∑ xy 30.50
b y= = =0.605
∑ x2 50.44
c=Ý −b y X́ =4.5−6.38 ( 0.605 )=0.640
Y ' =0.640+ 0.605 X
Valores de Y predichos (Y ´ )

X 2 4 5 6 7 8 9 10
Y 2 3 3 4 6 5 7 6
Y´ 1.9 3.1 3.7 4.3 4.9 5.5 6.1 6.7

(f) Hacer un cuadro comparativo de los valores Y ´ obtenidos en el punto (d) y

en el punto (e)

Y 2.0 4.0 5.0 6. 7.0 8.0 9.0 10.0

0
Y 2.0 3.0 3.0 4. 6.0 5.0 7.0 6.0
0
 Y´ 1.8 3.0 3.6 4. 4.9 5.5 6.1 6.7
2
Y´ 1.9 3.1 3.7 4. 4.9 5.5 6.1 6.7
3

Método mano alzada:

Método aplicado
Formulas:

(g) Extrapolar para X =14, aplicando formulas y aplicando la recta obtenida a

mano alzada.

Con la recta a mano alzada: Y ´=0.532+ 0.617=9.17

Con la recta obtenida con formulas: Y ´=0.640+0.605(14)=9.11
APENDICE 3
ALGO SOBRE EXCEL

Introducción

La hoja de cálculo se ha convertido hoy día en una de las herramientas más

utilizadas para la manipulación, análisis y representación gráfica de datos. Son
ampliamente usadas en muchas áreas: ingeniería, economía, negocios,
finanzas, estadística, etc.

Más que otro tipo de programa para computadoras personales, la hoja de

cálculo ha modificado la forma en que se realizan los negocios, permitiendo
controlar y manipular datos que de otra manera sería muy difícil o imposible. Es
sorprendente como una hoja de cálculo puede reducir el trabajo en tareas que
involucren cálculos repetitivos, como la elaboración de presupuestos,
proyecciones empresariales, simulaciones científicas, etc.; pero también
permite revelar las relaciones ocultas que hay entre los datos que manipula y
que muchas veces da sentido a la especulación.

Excel (figura 3.1), es en la actualidad a la hoja de cálculo por excelencia. La

estrategia de Microsoft de integrar sus paquetes básicos en el popular Office
produjo como uno de sus resultados más significativos que Excel pasara a ser
considerado un estándar dentro de las hojas de cálculo y desde mi punto de
vista la aplicación mejor lograda del paquete Office. Por esto vamos a usar
Excel en el desarrollo del presente documento.

Excel es una herramienta con un gran potencial, aunque la mayoría utilizamos

únicamente las opciones básicas. Es como una potente calculadora que nos
permite: realizar tediosas operaciones matemáticas de una manera fácil y
rápida, calcular complejas interrelaciones entre filas y/o columnas de datos,
ordenar o buscar datos y presentar en forma gráfica los resultados obtenidos.
Antes de proceder a construir gráficas con Excel vamos a retomar algunos
conceptos básicos. En la figura 3.1 se muestra la interface de la Excel.

Figura 3.1. Hoja de cálculo Microsoft Excel

 Figura 3.2: Barra de menú

 Figura 3.3 boton de Excel.

1. Botón de Microsoft office (o botón de office). Contiene el menú con

las opciones principales (abrir, Guardar, Imprimir, etc.)
2. Cinta de opciones. Contiene botones con las funciones del programa
organizadas por fichas. Al pulsar sobre los botones, las tareas que
tengan asociadas entran en funcionamiento. Haciendo clic en las fichas
se cambia de cinta para acceder a otros botones y, por tanto, a otras
funciones.
3. Grupo. Reúnen botones cuyas funciones pertenecen a un mismo tipo de
trabajo.
4. Barra de herramientas de acceso rápido. Contiene botones con las
funciones más utilizadas. Podemos añadir y eliminar los botones que
deseemos a esta barra.
5. Celdas. Son las encargadas de albergar los datos de Excel. En ellas se
escriben rótulos de texto, datos numéricos, fórmulas, funciones, etc.
6. Encabezado de filas/columnas. Los encabezados indican la
numeración de las filas y columnas. También tienen funciones como
seleccionar filas o columnas completas (haciendo clic en una) y ampliar
o reducir la altura y anchura de las celdas (haciendo clic entre dos y
arrastrando).
7. Posición actual del cursor. Indica dónde se encuentra el usuario en
cada momento. Al introducir datos en Excel irán a parar a esa escala.
8. Barra de desplazamiento. Permite moverse por la hoja de cálculo.
 9. Barra de estado. Muestra información complementaria del programa
según se suceden las diferentes situaciones de trabajo.
10. Etiquetas de hojas. Se emplean para acceder a las distintas hojas del
libro de trabajo. Se hace clic en una para acceder a su contenido. Como
se va a ver, cada hoja del libro ofrece una tabla de celdas que están
distribuidas en filas y columnas numeradas: las filas de forma numérica-
1, 2,3, etc.- y las columnas de forma alfabética-a, b, c, etc.-

Referenciando una Celdas:

Cuando se abre una nueva de hoja de cálculo los renglones se

extienden horizontalmente a través de la cuadricula y las columnas
verticalmente. Una celda es el resultado de la intersección de un renglón
y una columna. Las columnas se identifican por letras (A, B, C....) y los
renglones por números (1, 2,3...) por lo que, una celda se identifica por
medio de la combinación de la letra de la columna y el número del
renglón. Por ejemplo D3, es la celda de la columna D y; a fila 3.
Continuación.

Figura 3.4 Referenciando una celda

Selección de celdas y rangos:

Para seleccionar una celda solamente tiene que hacer un clic sobre la misma
para que ésta se active.

Para seleccionar un rango realice:

1.-Ponga el cursor sobre la primera celda del rango.

2.-Arrastre el ratón hasta la última celda del rango.

3.-Suelte el botón del ratón.

Introducción de datos:

Para introducir datos en una celda realice lo siguiente:

1.-Selecione una celda haciendo un clic sobre ella.

2.-Introduzca los datos en la barra de entrada.

3.-Pulse ENTER para confirmar la entrada.

Introducción de fórmulas:

1.-Seleccione una celda haciendo clic sobre ella.

2.-Teclee un signo igual (=) en la barra de entrada.

3.-Intruduzca la fórmula después del signo igual.

4.-Confirme la entrada pulsando ENTER.

Edición de celdas:

1.-Seleccione una celda.

2.-En la barra de entrada (o fórmulas), haga un clic en el lugar donde desea

insertar los datos e introduzca los cambios.

3.-Pulse ENTER para confirmar la entrada.

Borrar contenido de una celda o un rango:

1.-Seleccione la celda o rango.

2.-Elija Borrar o Clear del menú Edición y seleccione Todo o All.

Formateo de los datos:

Es posible cambiar el aspecto de los datos de una hoja de cálculo cambiando

el formato del contenido de una celda o un rango. El formateo de los números
se realiza de la siguiente manera:

1.-Seleccione la celda o rango

2.- Elija Celda en el menú Formato y en la nueva pantalla que aparece

seleccione el folder que dice Número o Number

3.-Seleccione el formato numérico deseado.

-General 43.666
 -Moneda $43.67

-Porcentaje 4367.00%

-Científico 4.37 e + 1

-Fijo con dos decimales 43.67

Alinear contenido:

1.-Seleccionar la celda o rango

2.-Elija Alineación en el menú Formato
3.-Seleccione el tipo de alineación deseado

 General
 Izquierda
 Central
 Derecha

Insertar / borrar celda, columna y renglón:

Para insertar renglones y columnas completas:

1.-Seleccione el renglón de abajo o la columna a la derecha del lugar donde

desea insertar un renglón o columna (puede seleccionar un renglón o una
columna completa haciendo clic en su cabecera).

2.- Elija celdas, columnas o renglón en el menú Insertar

Añadir bordes a celdas:

1.-Seleccione el rango que desea agregar el borde

2.-Elija celda en el menú formato y en la pantalla que aparece seleccione

Border.

3.-Seleccione las opciones de donde se quieren los bordes, el tipo de línea

deseado y el color de la línea.

Impresión de un rango:

1.-Seleccione el rango que desea imprimir

2.-Elija Imprimir del menú file. Ahí aparece una pantalla para seleccionar que
se desea solo un rango, el número de copias y a colores y/o escala de grises o
blanco y negro.

3.-Haga clic en Ok

Creación de fórmulas:
Utilizar una fórmula nos puede facilitar la manipulación de los datos de una hoja
de cálculo. Con una fórmula pueden realizar operaciones, tales como suma,
multiplicación, comparación, etc.

Una fórmula combina los valores de algunas celdas con operadores, tales
como suma, resta, multiplicación, división y funciones predefinidas para
producir un nuevo valor. Las fórmulas se escriben en la barra de entrada y
siempre inician con un signo igual (=). La siguiente ilustración muestra
ejemplos de fórmulas que contienen algunos de los elementos que se pueden
incluir:

= (B4/25)+ RAIZ (3): divide el contenido de la celda B4 por 25 y le suma la raíz

cuadrada de 3.

=POTENCIA (B5; 3): eleva el contenido de la celda B5 a la potencia 3.

=SUMA (B2:B6.PROMEDIO (B1:E1)): suma los contenidos de las celdas B2 a

la B6 al promedio de las celdas de la B1 a la E1.

Nota: Cuando se trabaja con un sistema en inglés la funciones predefinidas

como suma , valor máximo, promedio, raíz cuadrada, seno, coseno, etc. se
debe escribir en inglés, o si el paquete esta en español las funciones deberán ir
en español. Una forma de averiguar es dando clic sobre el botón de funciones
fx.

Los operadores usados en Excel son:

- : Resta o negación
+: Suma o confirmación
%: Porciento
* y /: Multiplicación y división.
&: Unión de texto.
= < > <= >= <>: Comparación

Creación de una gráfica en Excel:

1.-Seleccione un rango de celdas a graficar e introduzca los valores. Recuerde

que es muy importante que usted sepa cuál es la variable independiente y la
dependiente, los primeros datos debe introducirlo en la columna de la izquierda
y los segundos en la columna de la derecha respectivamente, así;
 Figura 3.5

2.-Selecciona el icono facilitador de gráficos de la barra de herramientas.

Figura 3.6

3.-En este momento aparece el menú de los tipos de gráficas y siga los pasos
que propone el facilitador de gráficos.

4. Seleccione el tipo de grafico que desea hacer.

 Figura 3.7

5. Dele aceptar y aparecerá la grafica de los datos que tiene a

disposición.
 Figura 3.8

4. Ahora bien, si desea cambiar los intervalos, que aparecen en el grafico,

por los originales, debe darle clic a los números del eje horizontal y
aparecerá lo siguiente:

Figura 3.9

5. Luego de da clic derecho con el mouse y aparecerá:

 Figura 3.10

6. Dar clic en Dar formato a eje y aparecerá:

Figura 3.11

7. Para el eje vertical repita los pasos del 5 al 7.

8. Una vez haya definido el rango entre los ejes, vamos a determinar la
recta de regresión y su ecuación. Le damos clic a la recta y aparecerá
 Figura 3.12

9. Damos clic donde dice Agregar línea de tendencia y :

Figura 3.13
Figura 3.14
EL INFORME DE LABORATORIO

La buena redacción científica es un parte muy importante en el proceso de investigar e informar los
resultados obtenidos en nuestros experimentos. El mejor experimento jamás montado sobre un fenómeno
dado puede tener poco o ningún valor si no se comunica a otras personas, y se les comunica bien, con
buena redacción clara y atractiva. Aunque la comunicación puede ser oral, como es normalmente en
congresos y conferencias científicas, en la abrumadora mayoría de los casos la gente se entera de
nuestro trabajo a través de páginas impresas. Nuestra obligación de optimizar la habilidad de redacción
no es, por tanto, un asunto trivial, y debería considerarse como una parte esencial e integral de nuestras
actividades experimentales. Nuestra redacción debe ser lo suficientemente buena para atraer y retener la
atención y el interés de nuestros lectores.
En este proceso es importe destacar que no existen recetas que nos digan cómo escribir bien un informe
o artículo científico. Cada uno de nosotros tiene una forma diferente de expresar sus pensamientos, y
cada uno debe permitir que su estilo se desarrolle a su modo particular. Esto requiere una práctica amplia
y debemos considerar la redacción de informes en un primer curso de laboratorio de Física como una
excelente oportunidad para ganar experiencia en ello.
En la redacción y escritura de un informe científico hay que tener presente siempre algo muy importante y
es que hay una persona cuyos intereses deben captar nuestra atención en primer lugar: la persona que
se ocupa de leer nuestro informe o articulo y debemos concentrar nuestra atención en ella. El escrito debe
estar redactado de tal forma que esa persona a quien va dirigido entienda perfectamente todo aquello que
queremos comunicarle.
En cuanto respecta al lenguaje normalmente usado en las publicaciones científicas, es una práctica
común usar un estilo despreocupado, caracterizado por el uso de la voz pasiva y las construcciones
impersonales.
Como se mencionó arriba, no existen recetas de estilos, sin embargo en lo que sigue a continuación se
dan algunas pautas para presentar los informes de una forma clara y ordenada. Al final se da los
diferentes puntos que debe tener el informe que se debe presentar sobre los resultados obtenidos en las
prácticas de laboratorio que ustedes realizarán en este curso de física.

PUNTOS A TENER EN CUENTA CUANDO SE PRESENTA EL INFORME DE UNA PRACTICA

1. El nombre del informe debe ser claro, además debe contener el primer nombre del o los autores
que realizan la práctica.
2. No se deben transcribir de manera fiel las preguntas y las respuestas del pre informe, pero
téngalas en cuenta para el informe, además todas las magnitudes medidas o calculadas van
acompañadas de sus correspondientes unidades.
3. Todas las magnitudes o calculadas van acompañadas de sus correspondientes incertidumbres,
calculados y redondeados correctamente al número de cifras significativas que corresponda.
4. El informe debe contener las tablas y graficas necesarias para explicar y justificar las medidas y
cálculos realizados.
5. Las conclusiones deben contener un comentario sintetizado de los resultados obtenidos, su
validez y su interpretación física. Recuerde que dicho apartado es, por lo menos, tan importante
como las medidas y cálculos que se han realizado. Las conclusiones no tiene por qué ser muy
extensas y no deben contener afirmaciones arbitrarias ni obvias.
6. No hace falta dar una larga introducción teórica. Con una breve introducción indicando que
medidas se toman y qué se va a hacer con ellas, basta.
7. Los datos medidos directamente deben aparecer en la práctica, agrupados en tablas. Además
estas tablas pueden (y es aconsejable que así sea) contener los resultados intermedios.
8. No hay que redondear en los cálculos intermedios.
9. Hay que explicar de dónde salen los errores, por qué se han tomado esos valores y no otros.
10. Hay que escribir qué formulas se utilizan.
11. Hay que explicar por qué se escogen determinada forma para hacer el cálculo del error y no otra.
Incluso si en la guía de la práctica viene indicada que hay que utilizarlas, hay que razonar por
qué esto es así.
12. Cuando se muestra las fórmulas utilizadas, si estas se copian de los apuntes, hay que tener
cuidado con la nomenclatura. En los apuntes puede aparecer la variable, J, H, O, N, etc., pero en
el experimento que estas realizando normalmente no aparecen estas variables, sino que
seguramente se están utilizando V, T, R, etc., la nomenclatura de las formulas debe ser acorde
con la nomenclatura utilizada en el resto del informe.
 13. Hay que tener cuidado con la presentación. No utilizar letra demasiado pequeña, no horizontal,
evitar los errores ortográficos. En resumen, que sea legible, se entienda y se vea que es un
verdadero informe científico.
14. En las graficas: los puntos no se unen, cada punto con sus barras de error, y si se ha hecho un
ajuste, dibujar la curva resultante.
15. Hay que poner unidades tanto en los cálculos, como en el resultado final y los errores.
16. El cálculo de la incertidumbre de un resultado debe estar situado inmediatamente después del
cálculo del resultado (o estar indicada su posición). No puede aparecer el resultado al comienzo
y su incertidumbre al final.
17. Hay que redondear en el resultado, tal y como se indica en los apuntes de teoría.
18. Los resultados deben aparecer redondeados, con sus incertidumbres y sus unidades.
19. Usar las consideraciones de estilo propuesta por los sistemas de medida establecidos
internacionalmente.

A continuación se presentan los puntos que debe contener el informe científico que se debe
presentar para dar a conocer los resultados del experimento realizado.

EJEMPLO DE UN ARTICULO CIENTIFICO

Determinación de la velocidad de una partícula que se mueve con velocidad constante

Jesús Ceptible-Quisquilloso1; Eva Caución-Inmediata1, 2; Ramón Dongo-Frito1

Laboratorio de Física Experimental, Facultad de Ingeniería, Universidad del Magdalena
Santa Marta- Agosto 02 de 2010

RESUMEN/ ABSTRACT
(En español e inglés, respectivamente). Permite al lector tener una rápida idea del contenido del
informe. No olvide que un resumen está constituido: qué se hizo, cómo lo hizo, (sin confundirlo
con el desarrollo del experimento) y conclusiones importantes. Debe ser breve, no pasar de 10
renglones. Es por eso que debe ser lo último que se hace.

Palabras claves: (Escribir cinco palabras clave)

Ejemplo :Se presenta el estudio realizado del movimiento uniforme…

ABSTRACT

1. Introducción

Se restringe únicamente al tema específico a tratar: contextualiza, justifica, presenta la

motivación y los objetivos de trabajo. Debe ir al grano, por ejemplo, si va a hablar del
movimiento uniforme, no es necesario hacer un tratado teórico-histórico acerca de todas las
leyes de Newton. Si escriben ecuaciones anote las que de verdad va a utilizar en el trabajo, no
se trata de hacer ctrl+c y ctrl+v de libros y/o páginas de internet. Eventualmente es necesario
deducir explícitamente paso a paso alguna(s) ecuación(es) debido a su valor aclaratorio o
explicativo. Numerar las ecuaciones, por lo menos aquellas que sean referenciadas
posteriormente en el texto. Si introduce símbolos y/o letras aclare cuál es su significado. No
debe exceder 12 renglones.

2. Descripción del problema

Realice una breve descripción de lo que está investigando y justificando el principio físico, los
métodos y técnicas de medición. Describir el dispositivo experimental con un esquema
completo, claro y detallado (no el montaje que aparece en la guía), descripción del desarrollo
de la experiencia.

3. Resultados

Aquí se presentan los resultados obtenidos, en la forma de tablas, gráficos, etc., (con
leyendas, unidades físicas, cálculo de errores, entre otros). Cada grafico, tabla, figura, debe
estar anunciado en el texto, debidamente numerado y con una leyenda que lo identifique. Es
imprescindible el correcto manejo de los errores e incertidumbres. Presentar los cálculos
 correspondientes, necesarios para alcanzar los resultados esperados, sin necesidad de
incurrir en las repeticiones para cada dato, para esto son las tablas.

4. Discusión y análisis

(Es la parte principal del informe). Extraer la información útil de los resultados obtenidos.
Evaluar la validez, los valores de los resultados en relación con los modelos teóricos u otros
resultados. Comparación con otras fuentes, con estimación anteriores. Interpretar los
resultados con su error respectivo, en relación a modelos existentes o nuevos (propuestos
en el trabajo). Discusión de su significado y su relación con diversas aplicaciones del tema.
Discusión de los resultados en relación con otros métodos. Crítica del trabajo propio. Este
punto puede ser más desarrollado en un informe de laboratorio que en un artículo publicado.
Aquí se trata no sólo de anunciar un resultado, sino también, permitir su repetición en las
mejores condiciones y de proponer mejorías.

5. Conclusiones

Resumen crítico de la experiencia. Debe contestar a la introducción, guarda relación con los
objetivos propuestos y es consecuente con los resultados sobresalientes y la discusión e
interpretación de los resultados obtenidos y anuncia futuros desarrollos, aplicaciones, etc.
Deben ser breves, concisas y numeradas; mejor escriba pocas con mucho sentido que
muchas sin sentido alguno. Evite escribir lo publicado por otros autores, esta debe ser
consecuencia de su trabajo y de lo reportado a lo largo de su informe. Haga referencias
alusivas al texto de donde se obtiene(n) esa(s) conclusión(es).

En las conclusiones no se escribe la teoría, ésta la reproduce el experimento. Lo más

normal es que haya errores introducidos por el experimentador, los cuales deben ser
reportados. No existe el experimento 100% perfecto. De igual forma no se trata de alagar al
profesor y/o a la institución, ni de anotar lo importante o no que es para usted o para su
carrera el desarrollo de la experiencia, sino de mencionar aplicaciones tecnológicas,
científicas o del día a día del principio físico en el que se fundamenta la experiencia
desarrollada.

6. Referencias

Se puede distinguir:

Referencias Internas. Se trata de referencias a ¨objetos¨ (ecuaciones, tablas, figuras,

capítulos, entre otras) del mismo informe. Ejemplos: … ver Ec. (5.1)… según fig. (9).

Referencias Externas. Son referencias a otros trabajos (artículos, libros,…). Aparecen entre
¨ [¨ y ¨] ¨ y se listan al final del informe, en la parte de bibliografías o de referencias.

Las referencias externas son importantes por razones de ética y de derechos de autor.
Permiten aliviar el trabajo evitando reproducir un desarrollo matemático por ejemplo.