ANALISIS DE LOS MODELOS Y MOVIMIENTO PARABOLICO

OBJETIVO

 Identificar el modelo que mejor se ajuste a los datos obtenidos mediante el

laboratorio práctico de movimiento parabólico, y por otro lado identificar el
valor de la gravedad en el modelo adecuado.

RESUMEN
Esta práctica tiene como objetivo identificar de manera correcta el modelo de
regresión que se ajuste a una serie de datos, luego mediante la simulación virtual
mirar las gráficas que esta produce, hacer la gráfica de x vs y pedida e identificar
su modelo y mediante su analisis hallar la gravedad.

INTRODUCCION
En el estudio de movimiento de proyectiles debemos tener en cuenta las dos
dimensiones en las cuales actúa el movimiento. En nuestro caso debemos tener
en cuenta que aceleración en caída libre g (gravedad) es constante durante el
movimiento y está dirigida verticalmente hacia abajo, la resistencia del aire vamos
a despreciarla y así mismo ignorar la rotación de la tierra. Con estas
apreciaciones claras podemos encontrar la trayectoria que tiene un proyectil que
está dada gráficamente por una parábola.

La trayectoria de un proyectil se define en el plano X–Y de manera que la

velocidad inicial: v0 tenga componentes v0x y v0y en los respectivos ejes.
Además, las componentes de la aceleración: aX = 0 y aY = -g.

MARCO TEORICO

Regresión lineal es una técnica que permite cuantificar la relación que puede ser
observada cuando se grafica un diagrama de puntos dispersos correspondientes a
dos variables, cuya tendencia general es rectilínea (Figura la); relación que cabe
compendiar mediante una ecuación “del mejor ajuste” de la forma: y = a + bx.

Regresión potencial será aquella en la que la función de ajuste sea una función
potencial del tipo: y = a. xb. También en este caso se resuelve linealizando la
función tomando logaritmos ya que: log y = log a + b log x

Considerando las nuevas variables v = log y u= log x resolveríamos la regresión

lineal entre ellas de forma que si el resultado fuera: v*= A +Bu. La solución final
quedaría como a= antilog A y b= B.

Regresión exponencial Será aquella en la que la función de ajuste será una

función exponencial del tipo y = a.b^x. La regresión exponencial aunque no es
lineal es linealizable tomando logaritmos ya que haciendo el cambio de variable
v = log y tendremos que la función anterior nos generaría: v = log y = log ( a.bx) =
log a + x log b. la solución de nuestro problema vendría de resolver la regresión
lineal entre v ý x, y una vez obtenida supuesta ésta:

v* = A + B x ; obviamente la solución final será: a = antilog A y b = antilog B.

MONTAJE EXPERIMENTAL
Ajustando el mejor modelo
1. Para cada uno de los experimentos del archivo “experimentos.xlsx”
(documento proveído por el tutor, vía correo y foro general), evalúe cuál
modelo (lineal, potencial o exponencial) se ajusta mejor a los datos de la
tabla. En el archivo encontrará cuatro pestañas, en las tres primeras, los
datos de los experimentos. En la última, un ejemplo, que sigue las
siguientes indicaciones:
a. Modelo lineal: y = A + Bx, y R^2 el coeficiente de correlación de
Pearson.
b. Modelo potencial: y = Ax^B, R^2 el coeficiente de correlación de
Pearson.
c. Modelo exponencial: y = Ae^(Bx), R^2 el coeficiente de correlación
de Pearson.
El objetivo es que se descubra, con argumentos estadísticos, cuál de estos
tres modelos ajusta mejor los datos en cada experimento.
 El modelo que mejor se ajusta a los puntos que sigue la gráfica es el
modelo lineal y, ya que su correlación es la más cercana a 1, lo
obtendremos así:

71 349,62
𝑥̅ = = 3,38 𝑦̅ = = 16,64
21 21

1406,33−21∗3,38∗16,64
b= = 3,19 𝐴 = 16,64 − 3,19 ∗ 3,38 = 5,85
310,25−21∗11,42

El modelo lineal quedaría y=𝟑, 𝟏𝟗𝒙 + 𝟓, 𝟖𝟓

Experimento # 2
( 𝑥 2
x y log x log y log x* log y
0,25 47,55 -0,602059991 1,677144181 -1,009741411 0,362476233
0,5 14,72 -0,301029996 1,167892606 -0,351570706 0,090619058
0,75 7,43 -0,124938737 0,870818227 -0,108798929 0,015609688
1 4,53 0 0,655644754 0 0
1,25 3,13 0,096910013 0,495126348 0,047982701 0,009391551
1,5 2,32 0,176091259 0,364581399 0,064199598 0,031008132
1,75 1,76 0,243038049 0,244408693 0,059400612 0,059067493
2 1,45 0,301029996 0,160987938 0,048462198 0,090619058
2,25 1,15 0,352182518 0,059089508 0,020810292 0,124032526
2,5 1,00 0,397940009 0,000788589 0,000313811 0,158356251
2,75 0,82 0,439332694 -0,085923705 -0,037749093 0,193013216
3 0,75 0,477121255 -0,125554657 -0,059904795 0,227644692
3,25 0,71 0,511883361 -0,149311931 -0,076430293 0,262024575
3,5 0,57 0,544068044 -0,245537195 -0,133588941 0,296010037
3,75 0,59 0,574031268 -0,229151955 -0,131540387 0,329511896
4 0,53 0,602059991 -0,275947898 -0,166137189 0,362476233
4,25 0,50 0,62838893 -0,297901713 -0,187198139 0,394872647
4,5 0,44 0,653212514 -0,352474269 -0,230240604 0,426686588
4,75 0,32 0,67669361 -0,492076166 -0,332984797 0,457914241
5 0,38 0,698970004 -0,417929282 -0,292120032 0,488559067
5,25 0,36 0,720159303 -0,444910478 -0,32040642 0,518629422

𝑥= 57,75 𝑦= 90,99 𝑥 = 7,065084094 𝑦= 2,579762996 𝑥∗ 𝑦 = -3,197242524 𝑥 2 = 4,898522605

El modelo que mejor se ajusta es el potencial ya que se ajusta a la forma de
los puntos en la gráfica, y su correlación es la más cercana a 1.
Función potencial: Y = aXb.

El coeficiente de correlación que más se acerca a uno es el modelo lineal, el cual

sigue la trayectoria de los puntos.

∑ 𝑥∗ 𝑦 − 𝑛̅̅̅̅̅̅
𝑥 ∗ ̅̅̅̅̅̅
𝑦
𝐵= 𝐿 𝐴 = ̅̅̅̅̅̅ ̅̅̅̅̅̅
𝑦 − 𝐵 log 𝑥
∑(log 𝑥 2 − 𝑛 ∗ ̅̅̅̅̅̅̅̅̅̅
( 𝑥 2

7,06 2,5797
̅̅̅̅̅̅
𝑥= = 0,336 ̅̅̅̅̅̅
log 𝑦 = = 0,1228
21 21

−3,1972 − 21 ∗ 0,336 ∗ 0,1228

𝐵= = −1,61
4,8985 − 21 ∗ 0,1128

𝐿 𝐴 = 0,1228 + 1,61 ∗ 0,336 = 0.66 − −−→ 𝑎𝑛𝑡𝑖 0,664 = 4,62

queda: y= 𝟒, 𝟔𝟐𝒙−𝟏,𝟔𝟏

Regresión Exponencial es el que mas se acerca a 1 en su correlacion, por lo

tanto seria : 𝒚 = 𝒂𝒆𝒃𝒙
Mediante una transformación lineal, tomando logaritmos neperianos, se convierte
el problema en una cuestión de regresión lineal. Es decir, tomando logaritmos
neperianos:
𝐥𝐧(𝒚 = 𝒃𝒙 + 𝐥𝐧(𝒂
1 ̅̅̅̅̅̅∗∑ 𝑥
∑ 𝑥∗𝑙𝑛𝑦−𝑙𝑛𝑦
𝑥̅ = ∑𝑛𝑖=1 𝑎𝑖 b=
𝑛 ∑ 𝑥 2 − 𝑥̅ ∗ ∑ 𝑥
 1 ̅̅̅̅̅̅−𝑏∗𝑥̅
̅̅̅̅̅
𝑛𝑦 = ∑𝑛𝑖=1 𝑎𝑖 a= 𝑒 𝑙𝑛𝑦
𝑛

1 57,75
𝑥̅ = 𝑛 ∑𝑛𝑖=1 𝑎𝑖 = = 2,75
21

1 51,198
̅̅̅̅̅
𝑛𝑦 = ∑𝑛𝑖=1 𝑎𝑖 = = 2,438
𝑛 21

̅̅̅̅̅̅∗∑ 𝑥
∑ 𝑥∗𝑙𝑛𝑦−𝑙𝑛𝑦 83,26−2,438∗57,75
b= ∑ 𝑥2
= = -1,195
− 𝑥̅ ∗ ∑ 𝑥 206,93−2,75∗57,75

a= 𝑒 ̅̅̅̅
𝑛𝑦 −𝑏∗𝑥̅
= 𝑒 2,438+1,195∗2,75 = 𝑒 5,7242 = 306,18

El modelo exponencial es el que mejor se ajusta a los datos y quedaría

y = 306,18𝒆−𝟏,𝟏𝟗𝟓𝒙

2. Descubriendo el valor de g
Haciendo uso del aplicativo, LAB3MP, se estudia la relación entre la altura de
disparo y el alcance en la horizontal, para descubrir el valor de la gravedad.
 Una vez abierto el aplicativo, ajuste los siguientes datos:
Velocidad inicial: la que desee (distinta de cero). Se sugiere un valor superior a 20
m/s.
Ángulo de lanzamiento: 0°, obligatorio.
Altura inicial: Se deben tomar 15 valores diferentes, no negativos ni cero.
 Clic en simular.
Ensamblar una tabla de 15 entradas. En la primera columna, los valores de x final
de cada experimento. En la segunda, los valores de altura inicial. Nota: datos
obtenidos con v0 = 45 m/s.

xf (m) y0 (m)
22,52 1
36,026 3
51,856 6
54,119 7
63,228 9
72,221 12
74,407 13
79,196 15
83,443 16
85,646 17
92,418 20
94,82 21
99,316 23
101,532 24
105,994 27

Una vez tenga la tabla, estudie cuál modelo ajusta mejor los datos, si el lineal, el
potencial o el exponencial.

El modelo que se ajusta es el potencial, se puede saber también por la correlación

que se acerca mucho a 1.

● Con la interpretación de los parámetros del mejor modelo, deduzca

cuál es el valor de g en su experimento.
Según las gráficas de este movimiento parabólico se pudo observar la similitud
𝑔
con la formula 𝑦 = 2𝑣2 ∗ 𝑥 2 , luego la fórmula de regresión es y=mx^2, siendo la
0
gravedad 9,8.

CONCLUSIONES

En este laboratorio aprendimos a diferenciar los tipo de regresiones y sus

respectivas gráficas, además se aprendió como hallar manualmente estas
regresiones, y lo comprobamos estadísticamente que ese era el valor correcto, ya
que la correlación a medida que es más cercana a uno es la que mejor moldea la
regresión ya que cuando es igual a uno es una correlación perfecta, por otro lado,
en el movimiento parabólico identificamos su grafica adecuada y miramos el tipo
de trayectoria sigue dependiendo de la altura tomada.

REFERENCIAS

[1] 9.2 R. A. Serway, FÍSICA, Tomo I, 4ª. Edición, Mc Graw Hill, 1997, Secciones
4.2 y 4.3.

[2] Física, Resnick, Robert; Holliday, David; Krane, Kenneth S, edit. CECSA (1993)