1 Ajuste de Curvas: Análisis de

Regresión

Objetivos
? Modelar en forma matemática el comportamiento de
una variable de respuesta en función de una o más
variables independientes.

? Representar graficamente una secuencia de datos ex-

perimentales en escala lineal y logarítmica.

Materiales
1. Bitacora experimental.

2. Calculadora.
Figura 1.1: Ilustración del método de mínimos cuadrados don-
3. Regla. de la mejor línea pasa a través (lo más cerca posible) de todos los
puntos.
Marco teórico
En un experimento se realizan mediciones de los va-
lores de x y y de diferentes cantidades y se “sospecha” de valores m y c, la desviación de la lectura i-ésima será
que estas están relacionadas de alguna manera particu- (o residuo):
lar mediante alguna función y = y(x). Para saberlo, se
grafican los valores de x y y en un gráfico conveniente di = yi − mxi − c . (1.2)
y luego se trata de encontrar la curva más adecuada que
pase lo más cerca posible de todos los puntos experimen-
Los valores a tener en cuenta para m y c serán aquellos
tales. Por ejemplo, supóngase que los puntos en el gráfico
para los cuales la suma cuadrática:
muestran una relación lineal de la forma:

y(x) = mx + c . (1.1) n
X n
X
S= d2i = (yi − mxi − c)2 , (1.3)
El problema ahora será encontrar los valores de los pará- i=1 i=1
metros m y c para la mejor línea recta que pase a través
de los puntos experimentales. El método estadístico pa- sea mínima1 . Para ello se debe cumplir que:
ra calcular los mejores valores de m y c se conoce como
método de mínimos cuadrados o regresión lineal simple. n
∂S X
= −2 xi (yi − mxi − c) = 0 , (1.4)
∂m i=1
El Método ∂S Xn
= −2 (yi − mxi − c) = 0 . (1.5)
∂c i=1
Supóngase que se tienen n parejas de medidas (x1 , y1 ),
(x2 , y2 ), . . . , (xn , yn ), y además, que los errores se encuen-
tran unicamente en los valores de y. Para una pareja dada 1 De ahí el nombre de mínimos cuadrados.
2 Ajuste de Curvas: Análisis de Regresión

Por lo tanto, m y c deben cumplir simultáneamente las el cual, en general, se interpreta como la proporción de la
ecuaciones: variabilidad en los datos que es explicada por el modelo
n n n
(si se multiplica por 100 indica el porcentaje de datos que
m
X
x2i + c
X
xi =
X
xi yi , (1.6) ajusta el modelo). En el caso particular del modelo de lí-
i=1 i=1 i=1
nea recta de regresión, se tiene el coeficiente de correlación,
n
X n
X r, el cual mide la intensidad de la relación lineal entre dos
m xi + cn = yi . (1.7) variables x y y, y se relaciona con R mediante:
i=1 i=1
r = |R| .
De la Ec. (1.7) se tiene que la mejor línea debe pasar por
el punto: Se puede ver que −1 ≤ r ≤ 1; si r es próximo a −1, en-
tonces se tiene una relación lineal negativa fuerte, si r es
n n
1X 1X próximo a cero, entonces no hay correlación lineal, y fi-
x̄ = xi , ȳ = yi , (1.8)
n i=1 n i=1 nalmente si r es próximo a 1, entonces se tendrá una rela-
ción lineal positiva fuerte.
i.e., pasa a través del punto medio de los datos. Además,
para m y c se tiene: Experimento
Pn Considérese un experimento mediante el cual se quie-
(xi − x̄)yi re testear la relación entre la resistencia de un semicon-
m = Pi=1
n 2
, (1.9)
i=1 (xi − x̄) ductor y su temperatura. El semiconductor es una mues-
c = ȳ − mx̄ . (1.10) tra de silcona bastante pura, y una teoría simple sugie-
re que la resistencia R depende de la temperatura T de
Los errores estándar estimados en m y c estarán dados acuerdo con la relación:
por:  
T0
R = R0 exp , (1.17)
Pn T
2 1 i=1 d2i
(∆m) ≈ , (1.11)
D (n − 2) donde R0 y T0 son constantes. La resistencia se midió co-
 2
 P n 2
1 x̄ d
(∆c)2 ≈ + i=1 i
, (1.12) nectando la muestra en serie con un resistor estándar de
n D (n − 2) resistencia fija Rs , y midiendo el voltaje V1 a través de la
muestra y V2 a través del resistor cuando la misma co-
donde: rriente pasa a través de los dos elementos. De esta mane-
Xn ra:
2
D= (xi − x̄) . (1.13)
V1
i=1 R = Rs . (1.18)
V2
En el caso particular para el cual se requiera que los datos
La temperatura se midió usando una termocupla
pasen necesariamente a través del origen (punto (0, 0)), el
de niquel-cromo/cobre-niquel. Los datos obtenidos se
valor para m será:
muestran en la tabla 1.1.
Pn
xi yi T (K) R (Ω)
m = Pi=1 n 2 , (1.14)
i=1 i x 570.6 148.1
555.9 202.6
y el error estándar estimado será:
549.4 227.1
Pn 2 544.1 255.1
2 1 i=1 di 527.3 362.0
(∆m) ≈ n P 2 . (1.15)
i=1 xi (n − 1) 522.2 406.1
513.1 502.5
Finalmente, la medida estadística de qué tan bueno es el
2 497.6 750.1
ajuste está dada por el coeficiente de determinación R , el
484.9 1026.7
cual está dado por:
Pn 2
Tabla 1.1: Variación de la resistencia de una muestra de silicona
2 [ − x̄)(yi − ȳ)]
i=1 (xi con la temperatura. Las incertidumbres para T y R son ±0.2 y
R = Pn 2
Pn 2
, (1.16)
i=1 (xi − x̄) · i=1 (yi − ȳ) ±0.4 respectivamente para todos los valores.
Ajuste de Curvas: Análisis de Regresión 3

Análisis Referencias
La idea es encontrar mediante una regresión lineal los
valores (con su respectiva incertidumbre) de T0 y R0 en 1. S QUIRES G. L., Practical Physics, Cambridge Univ.
la Ec. (1.17) y de esta manera la ecuación “experimental” Press, 4th Ed., UK, 2001.
que ajusta la línea de tendencia a los puntos experimen-
2. G UTIÉRREZ H., D E LA VARA R., Análisis y Diseño
tales. Para ello, proceda como sigue:
de Experimentos, McGraw Hill, 2da Ed., México D,F.,
México, 2008.
1. Grafique los datos de la tabla 1.1 teniendo en cuenta
la escala a usar, las unidades y las incertidumbres.
¿Qué tipo de relación puede observar?

2. Lleve, mediante algo de álgebra, la Ec. (1.17) a una

ecuación de la forma:

y = ax + b . (1.19)

¿Quienes son y, x, a y b?

3. Realice una tabla donde muestre los nuevos valores

x y y según el cambio de variable anterior. Grafique
estos nuevos datos en otro plot con la escala y las
unidades adecuadas.

4. Usando el método de mínimos cuadrados determine los

valores de ajuste para a y b con sus respectivas in-
certidumbres y grafique la línea de tendencia en el
plot de los datos de x y y. Hint: Realice una tabla con
los parámetros x, y, x2 , y 2 , xy y d, para efectuar las
sumas necesarias.

5. Regrese a las variables originales, ¿qué valores tiene

T0 y R0 ? Grafique la línea de tendencia en el plot de
R vs T .

6. La teoría muestra que el gap de energía Eg entre la

banda de valencia y la banda de conducción de un
semiconductor está relacionado con T0 mediante:

Eg = 2kT0 , (1.20)

donde k es la constante de Boltzmann. Use el valor de

T0 hallado, y los valores de la literatura para k y de-
termine el valor de Eg , comparando este último con
el valor aceptado de 1.06 eV para la silicona pura.
(No olvide expresar Eg en electro-Volts eV).

Conclusiones

1. ¿Cuál es el grado de ajuste (coeficiente de correla-

ción) para los datos experimentales?

2. Exprese e interprete los resultados obtenidos usando

el error relativo en las medidas obtenidas.