UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA HIDRAÚLICA

INFORME DE PRÁCTICA

“SALIDA DE CAMPO: PERFORACIÒN Y VOLADURA”

INTEGRANTES:

CASTREJÒN CARRASCO,
LÒPEZ VASQUEZ, EDWIN
MORI LINARES MAGALI
ARIAS ROMERO, WILSON

DOCENTE:

GASPAR MENDEZ,

CAJAMARCA – PERÚ
2018

1
 ÍNDICE

INTRODUCCIÓN: ..................................................................................... 3

OBJETIVOS: .............................................................................................. 4
a) Objetivos Generales: .................................................................................... 4
b) Objetivos Específicos: .................................................................................. 4

MARCO TEÓRICO ................................................................................... 5

1. CONCEPTO BÁSICOS: ............................... Error! Bookmark not defined.

2. ECUACIONES DE REGRESIÓN: ......................................................... 12

3. COEFICIENTE DE CORRELACIÓN (r): ............................................ 12

4. TIPOS DE REGRESIÓN. ........................................................................ 12

PROCEDIMIENTO: ................................................................................ 16

CÁLCULOS Y RESULTADOS: ............................................................. 17

CONCLUSIONES: ................................................................................... 28

REFERENCIAS BIBLIOGRÁFICAS:................................................... 28

 BIBLIOGRAFIA: ..................................................................................... 28

 LINKOGRAFIA: ...................................................................................... 28

ANEXOS: .................................................................................................. 29

Ilustración 1: Ubicación satelital de la estación meteorológica ........................ 29

Ilustración 2: Ubicación satelital de la estación meteorológica. ....................... 29

Datos de temperatura tomados de SENAMHI del mes de Enero de los años

2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018. ............................ 30

2
INTRODUCCIÓN:

El continuo desarrollo de la economía y el crecimiento de la población han

hecho que se produzca un gran cambio en la industria y en especial en la Minería.
La falta de reservas y el difícil acceso a éstas hacen que las exploraciones y las
campañas de prospección se realicen cada vez en lugares más inhóspitos y/o a
mayor profundidad, lo que implica mayores inversiones y riesgo económico. Para
reducir estos riesgos y mejorar la eficiencia de los proyectos, la industria se ha
apoyado en la tecnología, la cual, se ha vuelto una herramienta indispensable para el
desarrollo de cualquier actividad tanto Geóloga como Minera.
El procedimiento a seguir en cualquier proyecto tanto para obras de superficie o
subterráneas es el siguiente:
Fase de exploración: Geofísica, Geoquímica, Geobotánica, rastreo de agua…
La investigación minera (exploración en la literatura anglosajona): etapa de
mayor precisión donde se determina el tamaño y valor del depósito mineral.
Estudios de mercado.
Ingeniería, construcción y preparación de la mina.
Puesta en marcha y explotación.
Restauración y cierre.

Es cierto que a veces la línea entre una fase y otra no está muy definida pero los
trabajos que se realizan en cada una de las etapas son absolutamente necesarios y
reportan un valor añadido al trabajo.
Todo esto se resume en que cada vez es más necesario un mayor conocimiento y
estudio del proyecto para así conseguir reducir los riesgos económicos y mejorar la
productividad de los sistemas de explotación.

3
OBJETIVOS:

a) Objetivos Generales:

 Describir la diferente maquinaria que se utiliza para la perforación y

voladura en un túnel.
b) Objetivos Específicos:

 Describir funciones, rendimientos y otros de equipos para Mov. de

Tierra.
 Averiguar los diferentes métodos utilizados para la perforación
horizontal.

4
 MARCO TEÓRICO

1. TUNELADORAS:

1.1. Equipos de perforación frontal

Los robustos equipos de perforación frontal de Epiroc están diseñados para la

perforación subterránea de barrenos en minería y túneles. Se pueden equipar con
hasta cuatro brazos, cubriendo unas secciones transversales de 6 m2 a 206 m2.

a) Jumbos de minería y excavación de túneles para perforación de

galerías y perforación frontal

Los equipos de perforación frontal de Epiroc se utilizan para perforación de

barrenos para voladura en minería de interior y excavación de túneles. Los equipos
están dotados de hasta cuatro brazos, lo que permite cubrir unas secciones
transversales de 6 m2 a 206 m2. Ofrecemos equipos con nuestro fiable sistema DCS
(sistema de control directo) o con el sistema RCS (sistema de control automatizado
de equipos de perforación), a los que se pueden añadir diferentes niveles de
automatización. Está disponible una extensa gama de martillos con una potencia de
impacto de 16 kW a 40 kW.

Figura nº1: jumbos de minería y excavación.

Máxima productividad

Los Boomer E3 y Boomer E4 son equipos de perforación frontal hidráulicos

para galerías y túneles medianos a grandes, con secciones transversales de hasta 205
m². Incluso en las condiciones de roca más duras, es fácil romper el terreno con el
sólido brazo BUT 45. Los equipos de perforación de la serie Boomer E incorporan
nuestro sistema de control RCS reconocido internacionalmente. Para optimizar el
tiempo productivo, estos equipos cuentan con funciones de autodiagnóstico. Gracias

5
 a sus duraderas sartas de perforación, se consigue una perforación de alta precisión y
reducida sobre-excavación. Los potentes equipos Boomer E3 y Boomer E4 son una
excelente inversión.

Figura nº1: jumbos de minería y excavación.

Figura nº1: jumbos de minería y excavación.

b) Boomer E

Ideal para grandes aplicaciones mineras y proyectos de construcción

1. Potencia concentrada
2. Una inversión sólida
3. Fácil de controlar
El reducido desgaste del fungible, la gran precisión de perforación y la reducida
sobreexcavación convierten a la serie Boomer E en una sólida inversión
Potencia para aumentar la productividad

Los equipos Boomer E1 y E2 Boomer ofrecen unas áreas de cobertura de hasta 112 m2,
lo que hace que sean ideales para grandes aplicaciones de minería y proyectos de

6
construcción. Gracias a su diseño compacto, estos equipos pueden utilizarse también en
túneles relativamente pequeños. Los dos robustos y flexibles brazos BUT 45, junto con
los martillos COP, optimizan la productividad. La perforación se controla mediante
ordenador con el galardonado sistema de control RCS (Rig Control System) para
garantizar la precisión y la productividad, maximizar el tiempo productivo y reducir los
costes. El reducido desgaste del fungible, la gran precisión de perforación y la reducción
de sobreexcavación, convierten al Boomer E en una sólida inversión.

Figura nº1: jumbos de minería y excavación.

c) Boomer L

El Boomer L es un equipo de perforación frontal hidráulico para galerías y túneles de

tamaño mediano.

1. Seguridad y control
2. Perforación frontal fiable
3. Gran economía de perforación
Para lograr una mayor productividad, los componentes del equipo están diseñados para
una gran durabilidad y los sistemas están basados en piezas estándar para que el equipo
sea fácil y económico de mantener.

Perforación frontal eficiente

Los Boomer L1 y L2 son modernos equipos de perforación frontal hidráulicos,

adecuados para galerías y túneles medianos con secciones transversales de hasta 64 m2.
Están equipados con un sistema de control directo (DCS) robusto y fiable. El Boomer
L1 tiene un brazo BUT 35 y un martillo COP que optimizan la productividad. Para
lograr una mayor productividad, los componentes del equipo están diseñados para una
gran durabilidad y los sistemas están basados en piezas estándar para hacer que el
7
equipo sea fácil y económico de mantener. Si necesita una perforación de alto
rendimiento, puede confiar en el Boomer L1 para aumentar su producción de forma
segura.

d) Boomer S1

Equipo de perforación frontal hidráulico adecuado para galerías y túneles pequeños.

1. Perforación intensa
2. Duración de las barras de perforación
3. Amplio radio de trabajo
El avance controlado por la presión de rotación de la función antiatranque mejora la
duración del fungible de perforación con el martillo COP.
Perforación de alto rendimiento

El Boomer S1 es un equipo de perforación frontal hidráulico adecuado para galerías y

túneles pequeños con secciones transversales de hasta 31 m2. El doble trípode del brazo
BUT 29 permite un posicionamiento rápido y preciso con mantenimiento del
paralelismo hidráulico en todas las direcciones. El avance controlado por la presión de
rotación de la función antiatranque mejora la duración del fungible de perforación con
el martillo COP. El motor diésel de bajas emisiones proporciona un potente rendimiento
con un menor impacto medioambiental. Si necesita una perforación de alto rendimiento
en galerías pequeñas, puede confiar en el Boomer S1.

8
 e) Boomer S1 L

Equipo de perforación frontal hidráulico de perfil bajo para galerías y túneles pequeños.

1. Perforación de perfil bajo

2. Excelente maniobrabilidad
3. Duración de las barras de perforación

El motor diésel ofrece un potente rendimiento con bajas emisiones

Equipo de perforación subterránea flexible

El Boomer S1 L es un equipo de perforación frontal hidráulico de perfil bajo, adecuado

para galerías y túneles pequeños con secciones transversales de hasta 29 m2. El brazo
BUT 28 permite un posicionamiento rápido y preciso, manteniendo el paralelismo
hidráulico en todas las direcciones. Los martillos COP 1638HD+ o COP 1838HD+
destacan en diversas condiciones de roca. El doble sistema de amortiguación maximiza
la vida útil del fungible. El motor diésel ofrece un potente rendimiento con bajas
emisiones. Puede confiar en el Boomer S1 L de perfil bajo para una perforación de alto
rendimiento en galerías pequeñas.

9
 f) Boomer S2

Pequeño equipo de perforación frontal de 2 brazos, ideal para el desarrollo de minas y

pequeños túneles.

1. Seguro y eficiente
2. Equipo de perforación compacto
3. Preparado para la automatización

Cuando la automatización se une con la robustez

Robusto equipo de perforación frontal

Dotado de dos potentes brazos BUT S, el Boomer S2 es el equipo de perforación más

productivo de su clase. Este compacto equipo de perforación frontal es el más
inteligente y duro en galerías pequeñas. Los operadores pueden trabajar cómodamente
en la cabina opcional con certificación ROPS y FOPS. Al tener menos mangueras en los
brazos, los operadores tienen una excelente visibilidad para maniobrar en espacios
reducidos. Combinando complementos digitales inteligentes con un chasis sólido y un
potente motor diésel, el Boomer S2 reducirá sus costes operativos a la vez que aumenta
la productividad.

10
 g) Boomer M

El Boomer M es un robusto equipo de perforación frontal para aplicaciones de

excavación de túneles y minería.

4. Equipo de perforación robusto

5. Brazo de bulonado exclusivo
6. Reducción de los costes operativos

Los brazos BUT 36S y las plataformas laterales en ambos lados de la estación del
operador permiten girar la deslizadera a una posición en la que operador pueda cargar
los bulones de forma segura sin tener que situarse en la parte delantera de la máquina.

Perforación frontal fiable

El Boomer M es un robusto equipo de perforación frontal para minería y excavación de

túneles con un área de cobertura de hasta 65 m2. La cabina opcional con homologación
ROPS/FOPS ofrece un cómodo entorno de trabajo para el operador. Los controles
ergonómicos y fáciles de usar aumentan la productividad del operador. Los brazos BUT
36S y las plataformas laterales en ambos lados de la estación del operador permiten
girar la deslizadera a una posición en la que operador pueda cargar los bulones de forma
segura sin tener que situarse en la parte delantera de la máquina. Si necesita una
perforación de alto rendimiento, puede confiar en el Boomer M para aumentar su
producción de forma segura.

11
 h) Boomer M1 L
i)
2. ECUACIONES DE REGRESIÓN:

Es aquella que permite calcular una variable en función de otra o más variables,
también es una técnica utilizada para inferir datos a partir de otros y hallar una
respuesta de lo que puede suceder. De modo general, diremos que existe
regresión de los valores de una variable con respecto a los de otra, cuando hay
alguna línea, llamada línea de regresión que se ajusta más o menos claramente a
la nube de puntos. Si existe regresión, a la ecuación que nos describe la relación
entre las dos variables la denominamos ecuación de regresión.

3. COEFICIENTE DE CORRELACIÓN (r):

Coeficiente de correlación, este método mide el grado de relación existente entre

dos variables, el valor de r varía de -1 a 1, pero en la práctica se traba con un
valor absoluto de r.

El valor del coeficiente de relación se interpreta de modo que a media que r se

aproxima a 1, es más grande la relación entre los datos, por lo tanto, r
(coeficiente de correlación) mide la aproximación entre las variables. El
coeficiente de correlación se puede clasificar de la siguiente manera:

 Perfecta 1) r = 1
 Excelente 2) r = 0.9 < = r < 1
 Buena 3) r = 0.8 < = r < 0.9
 Regular 4) r = 0.5 < = r < 0.8
 Mala 5) r < 0.5

4. TIPOS DE REGRESIÓN.

12
Se pueden encontrar varios tipos de regresión, como son:

A. Regresión Lineal
Nos centraremos en primer lugar, en el caso de que la función que relaciona
las dos variables X e Y sea la más simple posible, es decir, una línea recta.
Por ello pasaremos a interpretar los coeficientes que determinan una línea
recta.

Toda regresión de la forma:

𝑌 = 𝑎 + 𝑏𝑋……… (1)

La cual determina, al representarla en el plano una línea recta, donde X e Y

son variables y a y b son constantes o parámetro o coeficiente de la línea de
regresión. Para determinar la ecuación de regresión lineal calculamos
fórmulas para los parámetros a y b:

(∑ 𝑌)∗(∑ 𝑋 2 )−(∑ 𝑋)∗(∑ 𝑋𝑌)

𝑎= ……….(2)
𝑁(∑ 𝑋 2 )−(∑ 𝑋)2

𝑁 ∑ 𝑋𝑌−(∑ 𝑋)∗(∑ 𝑌)
𝑏= ……….(3)
𝑁(∑ 𝑋 2 )−(∑ 𝑋)2

De la cual su coeficiente de correlación de regresión lineal es:

∑ 𝑥𝑦
r= …………..(4)
√(∑ 𝑥 2) ∗(∑ 𝑦 2 )

B. Regresión Logarítmica:

Este modelo de regresión es una alternativa cuando el modelo lineal no logra

un coeficiente de determinación apropiado, o cuando el fenómeno en estudio
tiene un comportamiento que puede considerarse potencial o logarítmico. La
forma más simple de tratar de establecer la tendencia es a través de un
diagrama de dispersión o nube de puntos, tal como la siguiente.

La curva logarítmica Y = a + b lnX es también una recta, pero en lugar de

estar referida a las variables originales X e Y, está referida a lnX y a Y.

Ecuación de la regresión logarítmica:

𝑌 = 𝑎 + 𝑏𝑙𝑛𝑋 ………. (5)

De la ecuación número 5, hacemos que el lnX, sea equivalente a X′, para

13
obtener los parámetros a y b, reemplazo obtenemos:

𝑦 = 𝑎 + 𝑏 𝑋′ ..…….. (6)

Entonces de la ecuación 6 obtenemos los coeficientes.

𝑁(∑ 𝑋 ′ Y)−(∑ 𝑋 ′ )(∑ 𝑌)

𝑏= 2 ………… (7)
𝑁(∑ 𝑋 ′ )−(∑ 𝑋 ′ )2

𝑎= ̅
Y−𝑏̅
X ′……………….. (8)

Teniendo un coeficiente de correlación de:

∑ 𝑙𝑛𝑥∗∑ 𝑙𝑛𝑦
𝑏(∑ 𝑙𝑛𝑥∗𝑙𝑛𝑦− )
2
𝑋 = 𝑛
(∑ 𝑙𝑛𝑥)
2 ……….. (9)
∑(𝑙𝑛𝑦)2 −
𝑛

14
C. Regresión Exponencial:

Será aquella en la que la función de ajuste será una función exponencial del tipo.

𝑦 = 𝑎 ∗ 𝑏 𝑥 …….. (10)

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 ………. (11)

logy = loga + bX…………. (12)

Aplicando métodos de los mínimos cuadrados obtenemos los parámetros a y b

sin antes asignarle una variable a:

𝐥𝐨𝐠𝒀 = Y'………q
𝐥𝐨𝐠𝒂 = A'………t

Entonces reemplazando q y t en la ecuación 12 se tiene:

Y ′ = A' + bx ………………….. (13)

De donde:

N(ΣXY′)−(ΣX)(ΣY′ )
b= ………… (14)
N(Σ𝑋 2 )−(ΣX)2

̅′−𝑏X
𝐴′=Y ̅………. (15)

Teniendo como coeficiente de correlación:

N(ΣXY′)−(ΣX)( ΣY′)
r= ………… (16)
√(NΣ𝑋 2 −(ΣX)2 )∗(NΣ𝑌′2 −(ΣY′)2 )

D. Regresión Potencial:

Será aquella en la que la función de ajuste sea una función potencial del tipo:

Y = a. 𝑥 𝑏 ………………….. (17)

También en este caso se resuelve linealizando la función tomando logaritmos ya

que:

V=Log y = log a + b log x……. (18)

15
 Aplicando métodos de los mínimos cuadrados obtenemos los parámetros a y b
sin antes asignarle una variable a:

𝐥𝐨𝐠𝒀 = Y'……………. m
𝐥𝐨𝐠𝒂 = A'……………. n
𝐥𝐨𝐠𝑿 = X′……………. p

Entonces reemplazando las variables (m, n, p) en la variable V se obtiene:

V= A +B X′…………. (19)

Luego por el método de mínimos cuadrados obtenemos los parámetros:

𝑁(∑ 𝑋Y′ )−(∑ X′)(∑ Y′)

𝑏= 2 …………. (20)
𝑁(∑ X′ )−(∑ X′)2

A′ = A′ = ̅ ̅′…………….. (21)
Y′ − bX

Teniendo como coeficiente de correlación potencial:

𝑁(∑ X′ Y′ )−(∑ X′ )(∑ Y′)

…………….. (22)
√(𝑁 ∑ X′ 2 −(∑ X′ )2 ∗(𝑁 ∑ Y′ 2 −(∑ Y′)2 )

PROCEDIMIENTO:

a) Análisis de regresión lineal:

 Conseguir los datos de temperatura de SENAMHI del departamento de

Cajamarca (estación meteorológica una) de los últimos 8 años, en esta
ocasión los fenómenos meteorológicos a analizar será la temperatura
promedio.

 De los datos obtenidos de la temperatura promedio, realizar el grafico

correspondiente con su respectiva ecuación lineal.

b) Análisis de regresión logarítmica:

 De acuerdo a los años entre el 2010-2018 los ubicamos en el eje de las

ordenadas en el gráfico.

 Colocar como la abscisa de la gráfica a la temperatura promedio.
16

 Una vez realizado lo anteriormente mencionado, tabulamos los datos en el
Excel y aplicando las formulas (5, 6, 7, 8,9) de las ecuaciones de regresión
logarítmica y hallamos los parámetros a y b y su coeficiente de correlación.

c) Análisis de regresión exponencial:

 tabulamos los 9 datos de los 9 años y temperatura del mes de enero en el Excel.

 luego calculamos con las fórmulas (10, 13, 14, 15,16), el coeficiente de
correlación, para finalmente graficarla.

d) Análisis de regresión potencial:

 con los 9 datos que relacionan a los años y el fenómeno meteorológico

(temperatura), y con ayuda de las fórmulas (17, 20,21y 22), hallamos la
gráfica y coefiente de correlación de la regresión potencial.

CÁLCULOS Y RESULTADOS:

7. REGRESIÓN LINEAL

Con los 9 datos obtenidos entre la temperatura promedio con relación a los 9 años
procedemos a calcular el coeficiente a y b.

AÑO T° Promedio. (°C)

2010 15.9983871
2011 15.0774194
2012 15.8096774
2013 15.9241935
2014 15.8322581
2015 15.7306452
2016 15.0725806
2017 15.6693548
2018 15.2306452

17
TABLA N°1: Esta tabla representa el cálculo estadístico de la temperatura
promedio y año, X viene a ser los años tomados y Y la temperatura promedio
de cada año. Con los datos obtenidos encontramos los valores de los
coeficientes a y b respectivamente

Nº X Y 𝑋2 X*Y 𝑌2
1 2010 15.99 4040100 32139.9 255.6801
2 2011 15.08 4044121 30325.88 227.4064
3 2012 15.81 4048144 31809.72 249.9561
4 2013 15.93 4052169 32067.09 253.7649
5 2014 15.83 4056196 31881.62 250.5889
6 2015 15.73 4060225 31695.95 247.4329
7 2016 17.07 4064256 34413.12 291.3849
8 2017 15.67 4068289 31606.39 245.5489
9 2018 15.23 4072324 30734.14 231.9529
SUMATORIA 18126 142.34 36505824 286673.81 2253.716

Empleando las formulas 2y 3 calculamos los coeficientes a y b de la ecuación

de regresión lineal:

(∑ 𝑌)∗(∑ 𝑋 2 )−(∑ 𝑋)∗(∑ 𝑋𝑌)

𝑎= ……….(2)
𝑁(∑ 𝑋 2 )−(∑ 𝑋)2

(142.34) ∗ (36505824) − (18126) ∗ (286673.81)

a= 9(36505824) − (18126)2

𝑎 = −19.42944

𝑁 ∑ 𝑋𝑌−(∑ 𝑋)∗(∑ 𝑌)
𝑏= ……….(3)
𝑁(∑ 𝑋 2 )−(∑ 𝑋)2

(286673.81) − (18126) ∗ (142.34)

𝑏=
9(36505824) − (18126)2

𝑏 = 0.0175

18
Una vez calculado los valores de a y b, procedemos afirmar que la ecuación de
regresión lineal tiene la forma:

y = 0.0175x - 19.429

TABLA N°2: Esta tabla representa el cálculo estadístico de la temperatura

promedio para calcular el coeficiente de correlación, en este caso los N° es el
número de datos tomados, x es la es los datos de la temperatura promedio, X̅ e
Y̅ representan las medianas de los datos.

Con los datos obtenidos en la tabla N°2 y la formula número 4 calculamos el

coeficiente de correlación:
∑ 𝑥𝑦
r= …………..(4)
√(∑ 𝑥 2) ∗(∑ 𝑦 2 )

1.05
𝑟=
√60 ∗ 2.52982222

r = 0.085223

19
 Por lo tanto, la gráfica de la ecuación de regresión lineal es:

ECUACIÒN LINEAL
Tº PROMEDIO
17.5

17

16.5

16

15.5 y = 0.0175x - 19.429

15

14.5
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

AÑOS

8. REGRESIÓN LOGARÍTMICA:
Con los datos obtenidos entre la temperatura promedio y el año, procedemos a calcular
el coeficiente a y b:

AÑO Tº Prom.(C°)
2010 15.9983871
2011 15.0774194
2012 15.8096774
2013 15.9241935
2014 15.8322581
2015 15.7306452
2016 15.0725806
2017 15.6693548
2018 15.2306452

Tabla N°4: cálculo estadístico de la temperatura y la presión, de una regresión

logarítmica

N° Año(X) T° Prom(Y) x'=lnX x'*y x'2

1 2010 15.99 7.60589 121.618181 57.8495627
2 2011 15.08 7.60638739 114.704322 57.8571291
3 2012 15.81 7.60688453 120.264844 57.8646923
4 2013 15.93 7.60738143 121.185586 57.8722522
5 2014 15.83 7.60787807 120.43271 57.8798088
6 2015 15.73 7.60837447 119.67973 57.8873621
7 2016 17.07 7.60887063 129.883422 57.8949123
8 2017 15.67 7.60936654 119.238774 57.9024591
9 2018 15.23 7.6098622 115.898201 57.9100027
Sumatoria 18126 142.34 68.4708953 1082.90577 4688.2635
̅ = 𝟏𝟓. 𝟖𝟏𝟔
𝐘 ̅  = 𝟕. 𝟔𝟎
𝐗

20
Esta tabla representa el cálculo estadístico de la temperatura y la presión, de una
regresión logarítmica con los cuales podemos obtener los coeficientes a y b empleando
las formulas (7,8):

𝑁(∑ 𝑋 ′ Y)−(∑ 𝑋 ′ )(∑ 𝑌)

𝑏= 2 ………… (7)
𝑁(∑ 𝑋 ′ )−(∑ 𝑋 ′ )2

9(1082.906) − (68.471)(142.34)
b=
9(4688.264) − (68.471)2

9746.154 − 9746,16214
b=
42194,376 − 4688,277841

−8,14𝑥10−3
b=
37506.09816

b = −2.17𝑥10−7

̅−𝑏X
𝑎= Y ̅ ′……………….. (8)

𝑎 = 15.816 − ((−2.17𝑥10−7 ) ∗ (7.60))

𝑎 = 15.816

Entonces la ecuación de regresión logarítmica es:

y = 15.816+ (-2.17x𝟏𝟎−𝟕 )𝑥

Tabla N°4:
N° X Y X'=Lnx X'*Y X'2 Lny
1 2010 15.99 7.60589 121.618181 57.849563 2.7080502
2 2011 15.08 7.6063874 114.704322 57.857129 2.7133694
3 2012 15.81 7.6068845 120.264844 57.864692 2.7606427
4 2013 15.93 7.6073814 121.185586 57.872252 2.7682041
5 2014 15.83 7.6078781 120.43271 57.879809 2.7619069
6 2015 15.73 7.6083745 119.67973 57.887362 2.7555697
7 2016 17.07 7.6088706 129.883422 57.894912 2.8373225
8 2017 15.67 7.6093665 119.238774 57.902459 2.7517481
9 2018 15.23 7.6098622 115.898201 57.910003 2.7232672
sumatoria 18126 142.34 68.470895 1082.90577 4688.2635 24.844
Ῡ=15.816 ̅=7.60
𝐗

21
Con la tabla número 4, obtenemos el coeficiente de correlación logarítmica aplicando la
fórmula 9:

∑ 𝑙𝑛𝑥∗∑ 𝑙𝑛𝑦
𝑏(∑ 𝑙𝑛𝑥∗𝑙𝑛𝑦− )
2
𝑟 = (∑
𝑛
𝑙𝑛𝑥)
2 ……….. (9)
∑(𝑙𝑛𝑦)2 −
𝑛

68.471 ∗ 24.844
−2.17𝑥10−7 (68.471 ∗ 2.76 − )
2
𝑟 = 9
24.8442
2.8 −
9
−7
−2.17𝑥10 (188.98 − 189.01)
𝑟2 =
2.8 − 2.76

2
−2.17𝑥10−7 (−0.03)
𝑟 =
0.04

6.51𝑥10−9
𝑟2 =
0.04

r = 0.0004

Por lo tanto, la gráfica de la ecuación logarítmica es:

22
9. ECUACIÓN EXPONENCIAL

Con los datos obtenidos entre la temperatura promedio y el año, procedemos

calcular el coeficiente a y b:

AÑO Tº Promedio (C°)

2010 15.9983871
2011 15.0774194
2012 15.8096774
2013 15.9241935
2014 15.8322581
2015 15.7306452
2016 15.0725806
2017 15.6693548
2018 15.2306452

Tabla N°5: Esta tabla representa el cálculo estadístico de una regresión exponencial
con los cuales podemos obtener los coeficientes a y b empleando las formulas (14,15).

T°
Nº Año(X) y'=lny X*Y' X^2
Prom(Y)
1 2010 15.99 2.771963527 5571.64669 4040100
2 2011 15.08 2.713369363 5456.58579 4044121
3 2012 15.81 2.760642651 5554.41301 4048144
4 2013 15.93 2.768204124 5572.3949 4052169
5 2014 15.83 2.761906874 5562.48044 4056196
6 2015 15.73 2.755569717 5552.47298 4060225
7 2016 17.07 2.837322537 5720.04223 4064256
8 2017 15.67 2.751748056 5550.27583 4068289
9 2018 15.23 2.723267167 5495.55314 4072324
Sumatoria 18126 142.34 24.84399402 50035.865 36505824

N(ΣXY′)−(ΣX)(ΣY′ )
b= ……… (14)
N(Σ𝑋 2 )−(ΣX)2

9(50035.865) − (18126)(24.84399402)
b=
9(36505824) − (18126)2

450322.785 − 450322.2356
b=
328552416 − 328551876

0.5494
b=
540

b = 0.001
23
 ̅′−𝑏X
𝐴′=Y ̅……….(15)

𝐴′=2.760−(0.001) (2014)

𝐴′=0.746

𝐴=2.1086

Entonces la ecuación de regresión exponencial es:

𝑦′=2.1086+0.001𝑥

𝑦=2.1086𝑒 0.001𝑥

Tabla N°6: datos para el coeficiente de correlación exponencial.

T°
N° Año(X) Y ' = lny X*Y' 𝑿𝟐 𝐘′𝟐
Prom(Y)
1 2010 15.99 2.771963527 5571.64669 4040100 7.68378179
2 2011 15.08 2.713369363 5456.58579 4044121 7.3623733
3 2012 15.81 2.760642651 5554.41301 4048144 7.62114785
4 2013 15.93 2.768204124 5572.3949 4052169 7.66295407
5 2014 15.83 2.761906874 5562.48044 4056196 7.62812958
6 2015 15.73 2.755569717 5552.47298 4060225 7.59316447
7 2016 17.07 2.837322537 5720.04223 4064256 8.05039918
8 2017 15.67 2.751748056 5550.27583 4068289 7.57211737
9 2018 15.23 2.723267167 5495.55314 4072324 7.41618406
Sumatoria 18126 142.34 24.84399402 50035.865 36505824 68.5902517

Con la tabla número 6, obtenemos el coeficiente de correlación exponencial

aplicando la fórmula 16:

N(ΣXY′)−(ΣX)( ΣY′)
r= …………. (16)
√(NΣ𝑋 2 −(ΣX)2 )∗(NΣ𝑌′2 −(ΣY′)2 )

9(50035.865) − (18126)(24.844)
r=
√(9 ∗ 36505824 − (18126)2 ) ∗ (9 ∗ 68.590 − (24.844)2 )

450322.785 − 450322.344
r=
√(328552.416 − 328551.876) ∗ (617.31 − 617.22)

24
 0.441
r=
√(0.54) ∗ (0.09)

0.441
r=
√0.066

0.441
r=
0.26

r = 1.6

Por lo tanto, la gráfica de la ecuación de regresión exponencial es:

REGRESIÓN EXPONENCIAL
4262
4260
y = 2.109e0.0005x
4258
4256
R² = 1
4254
4252
4250 TEMPERATURA °C
Series1
4248
4246 EXPONENCIAL
TEMPERATURA °C
4244 Expon. (Series1)
4242
4240
2009 2011 2013 2015 2017 2019 2021

10. Regresión Potencial:

Con los 9 datos obtenidos entre los años del mes de enero y la temperatura promedio
presión procedemos a calcular el coeficiente a y b:
N° Año(X) T° Prom.(Y)
1 2010 15.99
2 2011 15.08
3 2012 15.81 Tabla N°7: cálculo estadístico de una
4 2013 15.93 regresión potencial.
5 2014 15.83
6 2015 15.73
7 2016 17.07
8 2017 15.67
9 2018 15.23
Sumatoria 18126 142.34

25
 N° Año(X) T° Prom.(Y) x= log(x) y = log(y) X *Y 𝑋2
1 2010 15.99 3.30319606 1.2038485 3.9765475 10.911104
2 2011 15.08 3.30341207 1.1784013 3.8927452 10.912531
3 2012 15.81 3.30362798 1.1989319 3.9608249 10.913958
4 2013 15.93 3.30384377 1.2022158 3.9719331 10.915384
5 2014 15.83 3.30405947 1.1994809 3.9631563 10.916809
6 2015 15.73 3.30427505 1.1967287 3.9543209 10.918234
7 2016 17.07 3.30449053 1.2322335 4.071904 10.919658
8 2017 15.67 3.3047059 1.195069 3.9493516 10.921081
9 2018 15.23 3.30492116 1.1826999 3.9087299 10.922504
Sumatoria 18126 142.34 29.736532 10.78961 35.649513 98.251262

Esta tabla representa el cálculo estadístico de una regresión potencial con los
cuales podemos obtener los coeficientes a y b empleando las formulas (20,21):

𝑁(∑ 𝑋′𝑌 ′ )−(∑ 𝑋 ′ )(∑ 𝑌′)

𝑏= 2 ……… (20)
𝑁(∑ 𝑋 ′ )−(∑ 𝑋′)2

9(35.650) − (29.737)(10.790)
𝑏=
9(98.251) − (10.790)2
320.84562 − 320.845568
𝑏=
884.26136 − 884.261334
5.16𝑥10−5
𝑏=
2.51𝑥10−5
𝑏 = 2.055

𝐴′ = 𝑌′ − 𝑏𝑋′……… (21)
𝐴 = 1.199 − 2.055(3.304)
A′ = 1.199 − 6.790
𝐴′ = −5.591

Entonces la ecuación de regresión es:

Y=a 𝑋 𝑏
Y=0.00000256𝑋 2.055

26
Tabla Nº8: datos para el coeficiente de correlación exponencial

N° Año(X) T° Prom.(Y) x= log(x) y = log(y) X *Y 𝑋2 𝑌2

1 2010 15.99 3.30319606 1.2038485 3.9765475 10.911104 1.4492511
2 2011 15.08 3.30341207 1.1784013 3.8927452 10.912531 1.3886297
3 2012 15.81 3.30362798 1.1989319 3.9608249 10.913958 1.4374376
4 2013 15.93 3.30384377 1.2022158 3.9719331 10.915384 1.4453228
5 2014 15.83 3.30405947 1.1994809 3.9631563 10.916809 1.4387545
6 2015 15.73 3.30427505 1.1967287 3.9543209 10.918234 1.4321596
7 2016 17.07 3.30449053 1.2322335 4.071904 10.919658 1.5183995
8 2017 15.67 3.3047059 1.195069 3.9493516 10.921081 1.4281899
9 2018 15.23 3.30492116 1.1826999 3.9087299 10.922504 1.3987791
Sumatoria 18126 142.34 29.736532 10.78961 35.649513 98.251262 12.936924

Con la tabla número 8, obtenemos el coeficiente de correlación exponencial

aplicando la fórmula 22:

 N=9

𝑁(∑ 𝑋 ′ 𝑌 ′ )−(∑ 𝑋′)(∑ 𝑌′)

𝑟= …….. (22)
2
√(𝑁(∑ 𝑋 ′ )−(∑ 𝑋 ′ )2 )∗(𝑁(∑ 𝑌′2 )−(∑ 𝑌′)2 )

9(35.650) − (29.737)(10.790)
𝑟=
√(9(11.726) − (10.247)2 ) ∗ (9(12.937) − (10.790)2 )

320.84562 − 320.845568
𝑟=
√((884.26136) − (884.261334)) ∗ ((116.432) − (116.416))

5.16𝑥10−5
𝑟=
√(4.18𝑥10−7 )
5.16𝑥10−5
𝑟=
6.46𝑥10−4

𝑟 = 0.080

27
 Por lo tanto, la gráfica de la ecuación de regresión potencial es:

CONCLUSIONES:

 Logramos establecer la ecuación de regresión lineal, logarítmica, exponencial y

potencial.

 Obtuvimos el coeficiente de correlación de la ecuación lineal, logarítmica,

exponencial y potencial.

 Concluimos que las ecuaciones de regresión nos permiten pronosticar con cierta
precisión diferentes fenómenos meteorológicos.

REFERENCIAS BIBLIOGRÁFICAS:

 BIBLIOGRAFIA:

Montgomery. Diseño y análisis de experimentos.Limusa Willey.Segunda

Edicion.Mexico DF.Pg.392.
Medina, Mariano. Iniciación a la meteorología. Editorial Pananinfo. Octava
edición.1994. Pg.23
Los epsgramas.Meteogramas del sistema de predicción por
conjuntos.RAM.

 LINKOGRAFIA:

http://www.tiempo.com/ram/2104/interpretacin-de-mapas-y-
productosmeteorolgicos/.

28
ANEXOS:

Ilustración 1: Ubicación satelital de la estación meteorológica

Ilustración 2: Ubicación satelital de la estación meteorológica.

29
 Datos de temperatura tomados de SENAMHI del mes de Enero de los años 2010,
2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018.

AÑO 2010 AÑO 2011 AÑO 2012 AÑO 2013

Temperatura Temperatura Temperatura Temperatura Temperatura Temperatura Temperatura Temperatura
Día/mes/año Día/mes/año Día/mes/año Día/mes/año
Max (°c) Min (°c) Max (°c) Min (°c) Max (°c) Min (°c) Max (°c) Min (°c)

1-Ene-10 23.2 6.9 1-Ene-11 22 7.8 1-Ene-12 22 11.7 1-Ene-13 19.8 11

2-Ene-10 24.4 7.6 2-Ene-11 20.7 6 2-Ene-12 21 12.5 2-Ene-13 20.6 8.1
3-Ene-10 22.6 9.4 3-Ene-11 20.5 3.8 3-Ene-12 22.2 11.8 3-Ene-13 18.3 1.8
4-Ene-10 22.2 13 4-Ene-11 21.5 4.4 4-Ene-12 20.3 11.2 4-Ene-13 22.4 11.9
5-Ene-10 18 10.6 5-Ene-11 21.2 7.4 5-Ene-12 20 10.9 5-Ene-13 23 11.3
6-Ene-10 20.2 11.7 6-Ene-11 21.9 11.5 6-Ene-12 21.6 11.6 6-Ene-13 22.9 10.4
7-Ene-10 22.2 11.1 7-Ene-11 19.6 9.9 7-Ene-12 19.8 11.5 7-Ene-13 21.9 8.7
8-Ene-10 22.5 9.2 8-Ene-11 19.1 10.5 8-Ene-12 21.1 10.1 8-Ene-13 20.5 9.1
9-Ene-10 20.8 11.8 9-Ene-11 20.1 11.3 9-Ene-12 21.3 11.9 9-Ene-13 21.2 11.9
10-Ene-10 18.9 11.5 10-Ene-11 18.9 10.2 10-Ene-12 21.5 7.1 10-Ene-13 21.6 10.1
11-Ene-10 21.9 10.8 11-Ene-11 22.6 7.6 11-Ene-12 21.5 7.4 11-Ene-13 24 11.6
12-Ene-10 21.6 9.8 12-Ene-11 22 8.9 12-Ene-12 21.8 11.4 12-Ene-13 21.9 11.9
13-Ene-10 22.6 8.6 13-Ene-11 22 11.9 13-Ene-12 21.3 12.7 13-Ene-13 22.7 9.8
14-Ene-10 20.6 8.9 14-Ene-11 20.6 11.6 14-Ene-12 21 11.3 14-Ene-13 24 10.5
15-Ene-10 22.3 7.3 15-Ene-11 20.5 11.3 15-Ene-12 20.5 10.7 15-Ene-13 23.1 11.4
16-Ene-10 22 9.4 16-Ene-11 21.7 10.8 16-Ene-12 20.6 11 16-Ene-13 22.7 9.5
17-Ene-10 22.5 12.2 17-Ene-11 20.9 9.7 17-Ene-12 19.9 11.8 17-Ene-13 23 9.2
18-Ene-10 21.7 10.7 18-Ene-11 21.1 12.2 18-Ene-12 21.8 11.4 18-Ene-13 24.4 6.1
19-Ene-10 20.8 11.6 19-Ene-11 22 11.3 19-Ene-12 21.8 10.9 19-Ene-13 22.3 7
20-Ene-10 21.3 8.7 20-Ene-11 20.6 11.6 20-Ene-12 20.8 11.4 20-Ene-13 23.6 6.9
21-Ene-10 21.7 10.3 21-Ene-11 21.3 9.1 21-Ene-12 20.2 11.4 21-Ene-13 23.6 9
22-Ene-10 21 11.7 22-Ene-11 20.8 6.4 22-Ene-12 20.6 8.7 22-Ene-13 20.3 10
23-Ene-10 21.6 10.5 23-Ene-11 21.5 6.2 23-Ene-12 21.6 8.8 23-Ene-13 20.9 12.7
24-Ene-10 20.9 10.6 24-Ene-11 22 5.4 24-Ene-12 21.8 8.3 24-Ene-13 19.6 11.4
25-Ene-10 22 11 25-Ene-11 20.6 5.6 25-Ene-12 21.3 8.7 25-Ene-13 22.8 10.9
26-Ene-10 23.9 8.2 26-Ene-11 22.7 7.3 26-Ene-12 22.5 10.8 26-Ene-13 22.7 8
27-Ene-10 22.7 10.3 27-Ene-11 22 8.2 27-Ene-12 16.8 11.8 27-Ene-13 22.1 9.6
28-Ene-10 23.5 9.7 28-Ene-11 20.6 11 28-Ene-12 18.4 11.2 28-Ene-13 18.9 13
29-Ene-10 24 13.8 29-Ene-11 18.9 12 29-Ene-12 20.9 10.6 29-Ene-13 21.6 11.7
30-Ene-10 22.3 7.9 30-Ene-11 20.4 10.2 30-Ene-12 20.6 11.3 30-Ene-13 23.7 10.3
31-Ene-10 21.6 9.6 31-Ene-11 21.7 11.7 31-Ene-12 20.8 11 31-Ene-13 24 8.4
PROMEDIO 21.8548387 10.1419355 15.9983871 PROMEDIO 21.0322581 9.12258065 15.0774194 PROMEDIO 20.8806452 10.7387097 15.8096774 PROMEDIO 22.0677419 9.78064516 15.9241935

Imagen N°3: T° año 2010, 2011, 2012, 2013.

30
Imagen N°4: T° año 2014.

Imagen N°5: T° año 2015.

31
 Imagen N°6: T° año 2016.

Imagen N°7: T° año 2017.

32
Imagen N°8: T° año 2018.

33
34