@profecamor

#QUADRATIC FRICTION - EULER METHOD import numpy as np import matplotlib.pyplot as plt from math import cos, sin, pi # Parámetros m=1 # masa kg b=0.001 # coeficiente de arrastre g=9.81 # aceleración debido a la gravedad

mu<-0.4 #coeficiente g<-9.8#m/s² m<-50 #kg te<-30*pi/180 #angulo F=mu*m*g/(cos(te)+mu*sin(te)) N=m*g/(1+mu*tan(te)) cat("Tensión:",F,"\n") cat("Reacción:",N,"\n")

P0<-101325 #Pa g<-9.81 #m/s² d<-1000 #kg/m³ h<-15 n<-3 #Presión manométrica P1=(n+1)*P0 P2=P0 h=(P1-P0)/(g*d)+h cat("Altura alcanzada en h metros es:",h,"\n")

an1 <- (2)*pi/180 an2 <- (12)*pi/180 an3 <- (13)*pi/180 T0 <- 25.3 #Teperatura inicial en °C T1 <- 95.3 #Teperatura final en °C Lo <- 0.70 #Longitud inicial de la barra en m r <- 0.001975 #Radio estimado del pin en m DL1 <- an1*r #Dilatación térmica en m DL2 <- an2*r #Dilatación térmica en m

da <- 0.998 #Densidad del agua en g/cm^3 h1 <- 19 #Altura del agua en cm h2 <- 20.7 #Altura del aceite en cm Deltah1 <- 0.1 #Error de la regla en cm Deltah2 <- 0.1 #Error de la regla en cm dx <- (h1/h2)*da #Densidad del aceite en g/cm^3 fh1 <- (da/h2) #Derivada de la función densidad con respecto a h1 fh2 <- (-h1/h2^2)*da #Derivada de la función densidad con respecto a h2

#Temperaturas medidas en °C Tx<-80 #Temperatura inicial de la sustancia Ta<-22.3 #Temperatura inicial del agua T<-24.4 #Temperatura de equilibrio #Masas medidas en gramos ma<-180.1 #Masa del agua que esta dentro del vaso mx<-225.6 #Masa de la sustancia problema ca<-1 #calor especifico del agua en (cal/g°C) o (4186 J/kgK)

T0<-22 #Temperatura inicial de la sustancia a<-19*10^(-6) #Coeficiente de dilatación térmica del material d0<-24.41 #Diámetro de la esfera a temperatura ambiente en mm d1<-24.58 #Diámetro de la esfera despues de ser calentada en mm #calculo de la temperatura final del objeto en esutido V0=4*pi/3*(d0/2)^3 #Volumen de la esfera a temperatura ambiente V1=4*pi/3*(d1/2)^3 #Volumen de la esfera despues de ser calentada DeltaV=V1-V0

r <- 9.925 #Radio del objeto medido con pie de Rey en mm z <- 37.45 #Espesor del objeto medido con tornillo micrométrico en mm m <- 98.7 #masa del objeto medido en gramos Deltar <- 0.05 #Resolución del pie de rey en mm Deltaz <- 0.05 #Resolución del tornillo Micrométrico en mm Deltam <- 0.1 #Resolución de la bascula en gramos fr <- 2*pi*r*z #Derivada de la función volumen con respecto a r fz <- pi*r^2 #Derivada de la función volumen con respecto a z

r <- 7.92 #Radio del objeto medido con tornillo Micrométrico en mm m <- 5 #masa del objeto medido en gramos Deltar <- 0.01 #Resolución del tornillo Micrométrico en mm Deltam <- 0.1 #Resolución de la bascula en gramos fr <- 4*pi*r^2 #Derivada de la función volumen con respecto a r Vol=4*pi*r^3/(3*1000) #Volumen de la esfera en cm³ Deltav=sqrt((fr*Deltar)^2)/1000 #Error del volumen

R <- 41.50 #diametro mayor R en mm r <- 39.04 #diametro menor r=R-e y en mm z <- 58.45 #altura del cilindro en mm m <- 96 #masa del objeto DeltaR <- 0.05 #resolución del pie de Rey en mm Deltar <- 0.025 #este error hay que calcularlo, puesto que es una diferencia de medidas Deltaz <- 0.05 #Resolución del pie de Rey en mm Deltam <- 0.1 #Resolución de la báscula g fR <- 2*pi*R*z #Derivada de la función volumen con respecto a x

x <- 37.55 #medida del largo x en mm y <- 38.1 #medida del ancho y en mm z <- 37.45 #medida de la altura z en mm m <- 24.5 #masa del objeto Deltax <- 0.05 #Resolución del pie de Rey en mm Deltay <- 0.05 #Resolución del pie de Rey en mm Deltaz <- 0.05 #Resolución del pie de Rey en mm Deltam <- 0.1 #Resolución de la báscula g fx <- y*z #Derivada de la función volumen con respecto a x

# Datos de ejemplo x <- c(157,147,149,165,183,151,149,157,149,147,168,154,159,149,140) # Datos para el eje x y <- c(48,53,48,66,59,53,54,62,69,57,59,53,55,53,55) # Datos para el eje y # Crear el diagrama de dispersión plot(x, y, main = "Scatter plot", xlab = "Altura (m)", ylab = "Peso (kg)", pch = 16, col = "red") grid(nx = length(x), ny = length(y), lty = 2, col = "gray", lwd = 0.5) # Ajustar la línea de regresión regression <- lm(y ~ x)

ms<-100.9 #masa del objeto. m1<-1207 #masa del biker con agua en gramos m2<-1280 #masa del objeto sumergido en el biker con agua en gramos pa<-0.997 #densidad del agua g/cm³ Deltams<-0.1 #sensibilidad de la gramera Deltam1<-0.1 #sensibilidad de la gramera Deltam2<-0.1 #sensibilidad de la gramera me=m2-m1 #masa de empuje

r <- 7.92 #Radio del objeto medido con tornillo Micrométrico en mm m <- 5 #masa del objeto medido en gramos Deltar <- 0.01 #Resolución del tornillo Micrométrico en mm Deltam <- 0.1 #Resolución de la bascula en gramos fr <- 4*pi*r^2 #Derivada de la función volumen con respecto a r Vol=4*pi*r^3/(3*1000) #Volumen de la esfera en cm³ Deltav=sqrt((fr*Deltar)^2)/1000 #Error del volumen

r <- 9.925 #Radio del objeto medido con pie de Rey en mm z <- 37.45 #Espesor del objeto medido con tornillo micrométrico en mm m <- 98.7 #masa del objeto medido en gramos Deltar <- 0.05 #Resolución del pie de rey en mm Deltaz <- 0.05 #Resolución del tornillo Micrométrico en mm Deltam <- 0.1 #Resolución de la bascula en gramos fr <- 2*pi*r*z #Derivada de la función volumen con respecto a r fz <- pi*r^2 #Derivada de la función volumen con respecto a z

n=10 count <- 0 # inicializamos el conteo for(i in 1:n){ pz <- 10 # número de pares de zapatos ez <- 8 # número de zapatos sacados al azar list <- rep(seq(0, 9), each=2) # creamos un vector con los pares de zapatos del 0 al 9 sim <- sample(list, size=ez, replace=FALSE) # seleccionamos 8 zapatos al azar sin reemplazo

n <- 200 # número de veces que se repetirá el código no_coincidencias <- 0 # Inicializar contador de no coincidencias for (iteracion in 1:n) { zd <- list() # Inicializar lista vacía zi <- list() # Inicializar lista vacía n_lista <- 1 # Inicializar contador while (n_lista <= 8) { d <- sample(0:9, 1) # Generar número aleatorio