Comparación teoría experimento

Comparación teoría experimento

Gráfica 1

A partir del experimento realizado, tomando las medidas de diámetro y longitud de 6 círculos de diferentes tamaños. Se obtuvieron los datos para realizar una gráfica (método gráfico) de modelo de regresión lineal y(x) = a + bx, que se ajusta a una línea recta que minimiza la discrepancia ente los valores de salida previstos y reales; observamos que tendieron al número pi=3.14 demostrando de misma manera que el porcentaje de error en las medidas realizadas fue bajo.

En el método analítico, los mínimos cuadrados calculados en excel obtenemos que el coeficiente de correlación r(2)←elevado =0.9999 el resultado nos indica la bondad del ajuste r oscila entre 0 y 1; entre más cercano a 1 quiere decir que hay una buena correlación lineal como el caso de la gráfica número 1.

Conociendo los resultados dados tanto en el modelo gráfico y analítico, podemos afirmar que las medidas tomadas son precisas y exactas.

Gráfica 2

Teniendo en cuenta los valores obtenidos a partir de la medición de los 6 círculos, hallamos radio y área. Usamos el método gráfico de modelo de regresión no lineal (función potencial) y(x) = ax(b)←- (ESTÁ ELEVADO) que es la relación entre la variable dependiente y un conjunto de variables independientes, observamos que esta vez los datos están un poco alejados de pi=3.14, lo que nos lleva a deducir que el porcentaje de error aumento. En cuanto al modelo utilizado, vemos que se ajusta bien a los datos debido a que la diferencia entre los valores observados y los valores de predicción son pequeñas y no representan sesgo.

Para el método analítico, mínimos de cuadrados también calculado en Excel obtenemos el coeficiente de correlación r(2)<--- elevado= 0.9996 se puede evidenciar que se alejó de 1; sin embargo, está muy cerca del valor, lo que lleva deducir que tiene un buen ajuste.

Así pues se observa que el porcentaje de error aumentó para los dos métodos, no obstante los valores siguen siendo precisos y exactos.

Finalmente podemos deducir que el método de mínimos cuadrados genera más confianza, ya que sirve para cualquiera tipo de regresión y debido a que r oscila entre 0 y 1, podemos determinar el ajuste, mientras que en la regresión lineal no se pueden capturar relaciones no lineales sin transformar la entrada, por lo que es más complejo hacer que se ajuste a funciones no lineales.