ÍNDICE

1. INTRODUCCIÓN............................................................................................................................................2

2. OBJETIVOS.................................................................................................................................................... 3

2.1. OBJETIVO GENERAL..............................................................................................................................3

2.2. OBJETIVOS ESPECÍFICOS:......................................................................................................................3

3. DESARROLLO.................................................................................................................................................4

3.1 MODELOS MATEMÁTICOS A PARTIR DE DATOS EXPERIMENTALES.............................................................4

3.2 DEFINICIÓN R2 Y CHI2/ DOF..........................................................................................................................7

3.3 RESOLUCIÓN CON DATOS PROPUESTOS.....................................................................................................8

3.4 RESOLUCIÓN CON DATOS EXPERIMENTALES (VIVIENDA).........................................................................19

4. INTERPRETACIÓN DE LOS DATOS................................................................................................................31

5. CONCLUSIONES...........................................................................................................................................34

6. RECOMENDACIONES...................................................................................................................................34

7. BIBLIOGRAFÍA.............................................................................................................................................35
1. INTRODUCCIÓN

Al hablar de ajustes con datos experimentales se habla de una ciencia de la estadística en la cual
diferentes tipos de personas son capaz de introducir los datos obtenidos a partir de un experimento u
observación y aplicar cualquiera de los métodos estadísticos disponibles en su ordenador. Esto
desemboca en la aplicación de una prueba estadística equivocada a tenor de los objetivos que se
persiguen, otras veces se utilizarán métodos para los cuales los datos a analizar no cumplen los
requisitos necesarios e indispensables para extraer información válida.
La interpretación de los resultados es otro de los puntos más vulnerables al error en el proceso del
análisis de datos. Todo proceso de análisis de datos puede representarse de la forma compacta por:
DATOS = MODELO + ERROR; en donde DATOS son las observaciones experimentales de las
variables que se someten al análisis, MODELO es alguna función matemática que explique
adecuadamente los datos, esto es, una expresión que postule cómo se puede asociar el conjunto de
variables independientes para explicar los valores de las variables dependientes, mientras que ERROR
mide la falta de ajuste entre los datos experimentales y el modelo teórico propuesto. [2]
Para realizar el ajuste de los datos experimentales se deberá llevar a cabo con la utilización de
programas estadísticos como es el STATGRAPHICS que nos permite realizar este tipo de ajustes a
partir de los datos experimentales en función de todo tipo. Se conoce que la gran mayoría de este tipo
de programas nos ayuda a conocer si el resultado otorgado de estas pruebas de significación nos
indica si el ajuste servirá o no para ser realizado. Además existen diferentes alternativas como es
utilizar la hoja de cálculo de EXCEL en la cual se deberá programas las diferentes celdas de la hoja de
cálculo en la cual se aplica algún método iterativo como es el Newton-Rapson, este ajuste nos brinda
mayores beneficios debido a que se puede comprobar mediante diferentes tests como es el Chi –
cuadrado, ANOVA, disponibles en la hoja. [3]

2
2. OBJETIVOS

2.1. OBJETIVO GENERAL

 Elaborar un modelo de ajuste con datos experimentales de volumen de agua y tiempo en una red
de abastecimiento domiciliaria.

2.2. OBJETIVOS ESPECÍFICOS:

 Investigar sobre los diferentes tipos de modelos de ajustes con datos experimentales.
 Calcular el caudal mediante el ensayo de un grifo de agua en el cual se tenga distintos tipos de
abertura; grifo escasamente abierto, grifo parcialmente abierto y grifo totalmente abierto.

3
3. DESARROLLO

3.1 MODELOS MATEMÁTICOS A PARTIR DE DATOS EXPERIMENTALES

Un modelo matemático es una representación simplificada, a través de ecuaciones, funciones o

fórmulas matemáticas, de un fenómeno o de la relación entre dos o más variables.
Clasificación:
Según las variables: continuos o discretos
Según las ecuaciones: lineales o no lineales
Según la dependencia temporal: estáticos o dinámicos
Según su naturaleza (aleatoriedad): deterministas o estocásticos
Según la resolución de las ecuaciones: analítica o numérica

MODELO DE REGRESIÓN LINEAL

El modelo de regresión lineal es el más utilizado a la hora de predecir los valores de una variable
cuantitativa a partir de los valores de otra variable explicativa también cuantitativa (modelo de
regresión lineal simple).
Si se miden dos variables sobre un mismo sujeto y se sospecha (después de observar la nube de
El objetivo de un modelo de regresión es tratar de explicar la relación que existe entre una
variable dependiente (variable respuesta) Y un conjunto de variables independientes (variables
explicativas) X1,..., Xn
.
MÉTODO DE 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.
Para hacer una estimación del modelo de regresión lineal simple, trataremos de buscar una recta
de la forma:

de modo que se ajuste a la nube de puntos.

4
Para esto utilizaremos el método de mínimos cuadrados. Este método consiste en minimizarla
suma de los cuadrados de los errores:

Es decir, la suma de los cuadrados de las diferencias entre los valores reales observados (y i) y los
valores estimados ( ŷi).

Con este método, las expresiones que se obtiene para a y b son las siguientes:

2
En donde x e y denotan las medias muestrales de X e Y (respectivamente), S xes la varianza

muestral de X y S XY es la covarianza muestral entre X e Y.

Estos parámetros se calculan como:

5
La cantidad b se denomina coeficiente de regresión de Y sobre X, lo denotamos por b y/ x
Para calcular la recta de regresión de X sobre Y se hace aproximando X por ^
X , del modo

Donde,

Observación: La recta de regresión pasa siempre por el centro de gravedad de la nube de puntos,
es decir por el punto  X , Y . [3]

Esquema de desarrollo.

Paso 1: Calcule la media de los valores de x y la media de los valores de y .

Paso 2: Realice la suma de los cuadrados de los valores de x .
Paso 3: Realice la suma de cada valor de x multiplicado por su valor correspondiente y .
Paso 4: Calcule la pendiente de la recta usando la fórmula: donde n es el número total de puntos
de los datos.

Paso 5: Calcule la intercepción en y de la recta usando la fórmula: donde son las medias de las
coordenadas de x e y de los puntos de datos respectivamente.

Paso 6: Use la pendiente y la intercepción en y para formar la ecuación de la recta.

6
3.2 DEFINICIÓN R2 Y CHI2/ DOF

¿Qué es R2 y para qué es empleado ?

R2 se lo denomina como el coeficiente de determinación es decir mide cuanta varianza explica un

modelo cualquiera (no necesariamente lineal, no necesariamente una variable explicativa), en
otras palabras es medir que tan bueno es un modelo y de ahí que comúnmente se conozca a esta
medida como bondad del ajuste que puede ser lineal o no, además pueda tener distintas variables
explicativas, expresándole como el cociente entre la varianza de los datos estimados por el
modelo y las varianzas de los datos observados o de forma equivalente como 1 menos el cociente
entre la varianza de los residuos y la varianza de los daos observados, siendo intuitivo observar
que R2 representa la proporción de varianza explica por el modelo y esta medida se suele
expresar esta vez en tanto por ciento así cuanto más cerca se encuentre de 100 más varianza de la
variable dependiente conseguimos explicar con nuestro modelo siendo teóricamente un modelo
mejor.

¿Qué es Chi2/ Dof y para qué es empleado ?

La distribución de Chi cuadrado con grados de libertad Dof, donde Dof es igual al número de
grupos -1, en esta se describe la distribución de una métrica de Chi cuadrado definida como
norte
X 2 ∑ y 2yo donde cada yi se muestrea independientemente de una distribución normal estándar y
i=1

dof = n - 1. Esta distribución se define sobre valores no negativos, la distribución Chi-cuadrado se

usa comúnmente para análisis de segundos momentos, como análisis de varianza y análisis de
tablas de contingencia. La relación de dos variables chi-cuadrado-distribuido sigue una
distribución F. Los datos reproducidos por el modelo se ajustarán a los datos experimentales. Este
modelo consta de dos parámetros, esto quiere decir que cuando uno se fija, el otro se encuentra
cambiando de tal manera que el chi cuadrado / DOF debe ser mínimo, esto nos indica que el
modelo tiene un solo parámetro libre.

7
 3.3 RESOLUCIÓN CON DATOS PROPUESTOS

Grifo escasamente abierto Grifo parcialmente abierto

Grifo totalmente abierto
Volumen Tempo (s) Caudal (l/s) Volumen Tempo (s) Caudal (l/s)
(litros) (litros)
Volumen Tempo (s) Caudal (l/s)
1 201.84 0.00495 1 30.69 0.03258 (litros)
2 411.44 0.00486 2 59.19 0.03379 1 5.11 0.19569
3 632.69 0.00474 3 88.59 0.03386 2 10.43 0.19175
4 846.38 0.00473 4 117.05 0.03417 3 15.83 0.18951
5 1048.36 0.00477 5 148.69 0.03363 4 21.25 0.18824
6 1274.6 0.00471 6 178.4 0.03363 5 26.33 0.18990
7 1508.33 0.00464 7 209.29 0.03345 6 31.43 0.19090
8 1767.85 0.00453 8 243.85 0.03281 7 36.67 0.19089
9 2002.12 0.00450 9 273.28 0.03293 8 42.55 0.18801
10 2237.09 0.00447 10 303.07 0.03300 9 47.75 0.18848
caudal promedio 0.00469 caudal promedio 0.03339 10 53.85 0.18570
caudal promedio 0.18991

8
9
10
11
12
13
14
15
16
17
18
3.4 RESOLUCIÓN CON DATOS EXPERIMENTALES (VIVIENDA)

2 42.85 0.04667
3 64.59 0.04645
Grifo Escasamente Abierto 4 86.31 0.04634
5 108.03 0.04628
Volumen Tempo (S) Caudal 6 129.9 0.04619
(litros) (L/S) 7 151.27 0.04627
1 82.43 0.01213 8 172.74 0.04631
2 165.64 0.01207 9 194.65 0.04624
3 252.64 0.01187 10 216.97 0.04609
4 339.71 0.01177 caudal promedio 0.04633
5 428.13 0.01168
6 517.27 0.01160
7 606.42 0.01154
8 696.13 0.01149
9 784.01 0.01148
10 877.43 0.01140
Caudal Promedio 0.01170

Grifo parcialmente abierto

Volumen Tempo (s) Caudal (l/s)

(litros)
1 21.53 0.04645

19
 Grifo totalmente abierto

Volumen Tempo (s) Caudal (l/s)

(litros)
1 8.78 0.11390
2 18.16 0.11013
3 26.4 0.11364
4 34.15 0.11713
5 42.93 0.11647
6 51.06 0.11751
7 59.21 0.11822
8 67.36 0.11876
9 75.11 0.11982
10 85.17 0.11741
caudal promedio 0.11630

20
21
22
23
24
25
26
27
28
29
30
31
4. INTERPRETACIÓN DE LOS DATOS
Los datos que obtuvimos en este experimento el cual consistió en abrir el grifo de agua de nuestros hogares
en distintas situaciones (escasamente abierto, parcialmente abierto, totalmente abierto) para obtener una
medición del volumen de agua con respecto al tiempo y así poder analizar el caudal e interpretar los valores
tomados, lo cual nos dio como resultado lo siguiente:

GRIFO DE AGUA ESCASAMENTE ABIERTO:

ESCASAMENTE ABIERTO
1000
900
800
lTIEMPO (S)

700
600
500
400
300
200
100
0
0 2 4 6 8 10 12

VOLÚMEN (LT)

Podemos observar en la gráfica que relaciona el tiempo (en segundos) con respecto al volumen (en litros)
que los datos obtenidos en la medición no muestran una dispersión considerable, pues más bien observamos
que forman una línea “recta” por lo que podemos decir que se genera una relación directamente proporcional
del tiempo con respecto al volumen, es decir que, entre mayor sea el transcurso del tiempo, mayor será el
volumen lo que se resume en que el caudal se mantiene constante.
Al obtener el coeficiente de determinación R2 el cual garantizará la efectividad de las correcciones de nuestra
gráfica en nuestra abertura escasamente abierta obtuvimos el valor de 0,94145 lo que se resume en que la
gráfica representa el 94,14 % de los datos y su variabilidad.
Si analizamos la confiabilidad de nuestro coeficiente de determinación R2tomando en cuenta que este valor
puede variar entre 0 a 1 y que mientras más cercano esté al número 1 es mucho más confiable, podemos
decir que nuestra curva aún puede ajustar su modelo para garantizar una confiabilidad mayor.
En cuanto al número de Reynolds que si recordamos su concepto nos dice que es un número adimensional
utilizado en mecánica de fluidos, diseño de reactores y fenómenos de transporte para caracterizar el
movimiento de un fluido. Su valor indica si el flujo sigue un modelo laminar o turbulento. [4]

32
Por lo cual fue de suma importancia calcular este número para analizar nuestro fluido, dando como resultado
un número de Reynolds de 1438.563, siendo éste menor a 2000 por lo que el caudal de nuestro grifo
escasamente abierto tiene un FLUJO LAMINAR.

GRIFO DE AGUA PARCIALMENTE ABIERTO:

PARCIALMENTE ABIERTO
250

200

150
lTIEMPO (S)

100

50

0
0 2 4 6 8 10 12
VOLÚMEN (LT)

En esta gráfica del grifo parcialmente abierto se observa que, aunque la medición del tiempo es mucho
menor que la del grifo escasamente abierto, se mantiene casi la misma relación lineal entre el tiempo y el
volumen de nuestras mediciones.
Si recordamos la ecuación de continuidad Q= A∗V sabemos que el caudal es el mismo, y al abrir más el
grifo estamos variando el área de salida por lo que también varía la velocidad del fluido, esto a su vez
significa que el tiempo también varía como se puede observar en la gráfica.
Para el cálculo de nuestro coeficiente de determinación R2realizamos el modelado de la función ajustando la
curva con el método de regresión lineal para obtener una línea “recta” en nuestra gráfica dándonos como
resultado un R2=0,6761, lo que es un valor no muy confiable puesto que aún necesita más ajustes en su
modelado para acercarse al 1 y así muestre la variabilidad de nuestros datos.
Mientras tanto en el número de Reynolds que obtuvimos para el grifo parcialmente abierto fue de
ℜ=6922 ,31 siendo este menor a 10500 por lo que podemos decir que es un flujo de transición recordando
que la definición de flujo de transición indica que hay algunas fluctuaciones intermitentes del fluido en un
flujo laminar, aunque no es suficiente para caracterizar un flujo turbulento. [4]

33
GRIFO DE AGUA PARCIALMENTE ABIERTO:

TOTALMENTE ABIERTO
90
80
70
60
lTIEMPO (S)

50
40
30
20
10
0
0 2 4 6 8 10 12
VOLÚMEN (LT)

En esta gráfica donde las mediciones se realizaron con el grifo totalmente abierto se puede apreciar que el
tiempo ha disminuido considerablemente si lo compramos con las anteriores mediciones en las que el grifo
estaba escasamente y parcialmente abierto, pues obviamente al abrir el grifo aumentamos el área de salida
del fluido.
En esta ocasión el cálculo del coeficiente de determinación fue R2=0,6493 lo que al igual que en la anterior
medición nos indica que podemos seguir ajustando el modelado de nuestra curva para que nuestro
coeficiente de determinación R2 se acerque a 1 y sea un valor más confiable puesto que un 64,93% no refleja
el total de la variabilidad de los datos medidos.
En cuanto al número de Reynolds obtuvimos un valor de ℜ=14262 ,68 lo cual supera los 10500 lo que
significa que cuando abrimos completamente el grifo de agua obtenemos un flujo TURBULENTO que es
aquel en el que hay fluctuaciones en el flujo todo el tiempo y las partículas invaden la trayectoria de las
partículas adyacentes, mezclándose y desplazándose de una manera aleatoria [3]. Esto se asemeja a la
realidad puesto que si lo comprobamos en nuestros hogares observamos que el flujo de agua al abrir
totalmente el grifo es “Brusco” debido al movimiento irregular de sus partículas.
Después de haber realizado las tres mediciones con distintas circunstancias del grifo (escasamente,
parcialmente, y totalmente abierto) podemos interpretar los datos y sus gráficas confirmando que el régimen
de flujo está influenciado por la abertura del grifo, es decir por el área de salida del fluido, esto en
condiciones cotidianas en los hogares, por lo que el abastecimiento de agua en nuestros hogares es aceptable
ya que el caudal y la presión con la que llega cumple con nuestras expectativas.

34
5. CONCLUSIONES

 Mediante la investigación se pudo identificar que podemos comprobar la eficacia de un método mediante
el Chi cuadrado en la hoja de cálculo de EXCEL siendo este un beneficio que nos brinda el ajuste del
método iterativo conocido como Newton – Rapson.
 Cuando se obtienen datos estos tienes un error significativo, el método de los minimos cuadrados 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 que pueden existir.
 El modelado de funciones que abarcan nuestros datos y expresan los ajustes de curva son fundamentales
para analizar datos a futuro y debemos realizarlos las veces que sea necesario para obtener un coeficiente
de determinación R^2 cercano a 1 lo que nos indica la eficacia de la regresión lineal y la confiabilidad de
los datos a futuro que obtengamos de nuestra función.

6. RECOMENDACIONES

 Se recomienda investigar los diferentes tipos de modelos a partir de datos experimentales para
comprobar cuál de ellos es más eficientes y las ventajas que nos brindan al momento de interpretar los
datos obtenidos en los ensayos de observación.
 Para comprobar la eficacia y tener una buena confiabilidad de los datos realizar los ajustes de curva hasta
que el coeficiente de determinación R^2sea muy cercano a 1 por ejemplo 0,9992 y así estaremos seguros
que nuestros datos son fiables en los proceso que realicemos a futuro.
 Se recomienda tener en claro cada uno de los conceptos antes mencionados en el o informe con la
finalidad de obtener un modelo que se ajuste a las necesidades del observador y de los datos obtenidos.
 Cuando se haga uso del método de mínimos cuadrados se debe buscar una línea de mejor ajuste que
explique la posible relación entre una variable independiente y una variable dependiente.

35
7. BIBLIOGRAFÍA

[1] C. Isidro, «Número de Reynolds,» Aerodinámica y Actuación de avión , Paraninfo, 2004.

[2] «Varsity Tutor,» [En línea]. Available: https://www.varsitytutors.com/hotmath/hotmath_help/spanish/topics/
line-of-best-fit. [Último acceso: 4 11 2020].
[3] R. Serrano Gallego, INTRODUCCIÓN AL ANÁLISIS DE DATOS EXPERIMENTALES:
TRATAMIENTO DE DATOS EN BIOENSAYOS, Universitat Jaume I, 2003.
[4] E. A. Catalá, «Alario,» 22 Enero 2012. [En línea]. Available: https://enriquealario.com/fisuras-no-
estructurales-en-elementos-de-hormigon/.
[5] Schlumberger, «Oilfield Glossary en Español,» 2020. [En línea]. Available: Oilfield Glossary en
Españolhttps://www.glossary.oilfield.slb.com/es/Terms/t/transition_flow.aspx.

8. PRESENTACIÓN

36