Está en la página 1de 11

UNIVERSIDAD NACIONAL AUTNOMA DE MXICO

FACULTAD DE QUMICA

LABORATORIO DE FSICA

PRCTICA 2.
REGRESIN LINEAL (DENSIDAD)

INTEGRANTES DEL EQUIPO:

Castillo Rueda Diana Jazmin

Prez Durn Paulina Lizbeth

Pacheco Martnez Abril

Rivera Bautista Belem

GRUPO: 34

PROFESOR: Martha E. Buschbeck Alvarado


REGRESIN LINEAL (DENSIDAD)

RESUMEN
En el presente documento se demuestra el uso de la tcnica de regresin lineal que
ayuda a encontrar si existe o no una relacin entre dos o ms variables, en este
caso se hizo uso de dos variables (masa y volumen) y se obtuvo un grupo de
mediciones a las cuales, con la ayuda de la regresin lineal, se determin la forma
de interaccin entre ellas.

INTRODUCCIN
En la mayora de las investigaciones, sin importar el campo del conocimiento en las
que se desarrollen, en las cuales se realicen mediciones, observaciones o
experimentos de donde se obtengan datos de diferentes variables; es fundamental
determinar algn tipo de relacin de dependencia entre las variables con el fin de
hacer predicciones o pronsticos de eventos futuros de acuerdo con el
comportamiento de ellas. La tcnica que sirve como herramienta para tales casos es
conocida como regresin lineal.El anlisis de regresin es una tcnica estadstica
para investigar la relacin funcional entre dos o ms variables, ajustando algn
modelo matemtico. La regresin lineal simple utiliza una sola variable de regresin
y el caso ms sencillo es el modelo de lnea recta. Supngase que se tiene un
conjunto de n pares de observaciones (xi,yi), se busca encontrar una recta que
describa de la mejor manera cada uno de esos pares observados.
La estructura del modelo de regresin lineal es la siguiente:
Y = 0 + 1X +

En esta expresin estamos admitiendo que todos los factores o causas que inuyen
en la variable respuesta Y pueden dividirse en dos grupos: el primero contiene a una
variable explicativa X y el segundo incluye un conjunto amplio de factores no
controlados que englobamos bajo el nombre de perturbacin o error aleatorio, ,que
provoca que la dependencia entre las variables dependiente e independiente no sea
perfecta, sino que est sujeta a incertidumbre.

Diagrama de dispersin
Un diagrama de dispersin es una ilustracin grfica que se usa en el anlisis de
regresin. Consta de una dispersin de puntos tal que cada punto representa un
valor de la variable independiente, y un valor asociado de la variable dependiente.
Brinda dos tipos de informacin, visualmente se pueden determinar los patrones que
indican cmo las variables estn relacionadas (lineal o mediante una curva) y por
otro lado si existe una relacin entre ellas visualizando la clase de lnea o ecuacin
de estimacin que describe a dicha relacin.
Mtodo de mnimos cuadrados
El mtodo que por lo comn se utiliza para ajustar una lnea a los datos muestrales
indicados en el diagrama de dispersin, se llama mtodo de mnimos cuadrados. La
lnea se deriva en forma tal que la suma de los cuadrados de las desviaciones
verticales entre la lnea y los puntos individuales de datos se reduce al mnimo.
El mtodo de mnimos cuadrados sirve para determinar la recta que mejor se ajuste
a los datos muestrales, y los supuestos de este mtodo son:
El error es cero.
Los datos obtenidos de las muestra son estadsticamente independientes.
La varianza del error es igual para todos los valores de X.
Error estndar de estimacin
El siguiente proceso que se necesita en el anlisis de la regresin lineal es cmo
medir la confiabilidad de la ecuacin de estimacin que hemos desarrollado.
El error estndar de estimacin mide la variabilidad o dispersin de los valores
observados
alrededor de la lnea de regresin y se representa como Se.
Cuanto mayor sea el error estndar de la estimacin, ms grande ser la dispersin
(o esparcimiento) de puntos alrededor de la lnea de regresin. Por el contrario, si
Se= 0, se espera que la ecuacin de estimacin sea un estimador perfecto de la
variable dependiente, en este caso todos los puntos caeran directamente sobre la
lnea de regresin y no habra puntos disperso.

El coeciente de correlacin lineal y el coeciente de determinacin


Nuestro objetivo en adelante ser medir la bondad del ajuste de la recta de
regresin a los datos observados y cuanticar al mismo tiempo el grado de
asociacin lineal existente entre las variables en cuestin. A mejor ajuste, mejores
sern las predicciones realizadas con el modelo.
El coeficiente de correlacin lineal
Para medir la asociacin lineal entre dos variables X e Y se utiliza una medida
adimensional denominada coeciente de correlacin lineal, dado por:

El coeciente de correlacin lineal toma valores entre -1 y 1 y su interpretacin es la


siguiente:
Un valor cercano o igual a 0 indica respectivamente poca o ninguna relacin lineal
entre las variables.
Cuanto ms se acerque en valor absoluto a 1 mayor ser el grado de asociacin
lineal entre las variables. Un coeciente igual a 1 en valor absoluto indica una
dependencia lineal exacta entre las variables.
Un coeciente positivo indica asociacin lineal positiva, es decir, tienden a variar
en el mismo sentido.
Un coeciente negativo indica asociacin lineal negativa, es decir, tienden a variar
en sentido opuesto.

El coeciente de determinacin
Segn hemos visto, el coeciente de correlacin lineal puede interpretarse como
una medida de la bondad del ajuste del modelo lineal, concretamente, un valor del
coeciente igual a 1 o -1 indica dependencia lineal exacta, en cuyo caso el ajuste es
perfecto. No obstante, para cuanticar la bondad del ajuste de un modelo, lineal o
no, se utiliza una medida que se denomina coeciente de determinacin lineal R2
que en modelo de regresin lineal coincide con el cuadrado del coeciente de
correlacin lineal: R2 =r2

El coeciente de determinacin toma valores entre 0 y 1, y cuanto ms se aproxime


a 1 mejor ser el ajuste y por lo tanto mayor la abilidad de las predicciones que con
l realicemos.

Para el presente experimento se tom como variables dos propiedades extensivas


(masa y volumen), el comportamiento de tales variables conforman la propiedad
llamada densidad: La densidad es una magnitud referida a la cantidad de masa
contenida en un determinado volumen. Y se representa con la siguiente ecuacin:

DESARROLLO EXPERIMENTAL

Material:
-1 probeta de 100 mL -Regla
-Barra de plastilina -Vaso de precipitado 150 mL
-Balanza granataria

Tabla1. Caracterstica de los instrumentos

Caracterstica de los Instrumento 1 Instrumento 2


instrumentos

Nombre Probeta Balanza granataria

Marca PYREX OHAUS


Modelo

Mensurando Volumen Masa

Unidades mL g, mg

Alcance 100 mL 0.01 mg

Intervalo de indicacin 0 a 100 mL 0 a 100 g

Resolucin 20mL 0.01 g

Metodo analitico
Determinar la densidad a travs de las propiedades extensivas que la definen:
1. Medir la masa de un cubo de plastilina.
2. Medir la longitud de una de sus aristas.
3. Repetir 10 veces las mismas mediciones

Mtodo grfico
1. Medir masas diferentes de plastilina, stas tienen que ir aumentando
proporcionalmente 3g.
2. En una probeta de 100 ml agregar 30 ml de agua destilada.
3. Agregar una por una las masas de plastilina e ir anotando el volumen
desplazado.
4. Debern ser 10 mediciones.

Tabla 2. Datos de la barra de plastilina

Masa (g) Largo (cm)

Instrumento utilizado Balanza granataria Regla

Medicin 1 120.75 4

Medicin 2 120.74 4.1

Medicin 3 120.75 4.2

Medicin 4 120.75 3.8

Medicin 5 120.75 4.1

Medicin 6 120.75 4

Medicin 7 120.74 3.8

Medicin 8 120.75 4
Medicin 9 120.76 3.8

Medicin 10 120.75 4

Tabla 3. Datos de las variables medidas

Masa Volumen desplazado

Instrumento utilizado Balanza granataria Probeta

Unidades g mL

Pareja de datos 1 7.2 35

Pareja de datos 2 10.21 36

Pareja de datos 3 13.7 38

Pareja de datos 4 16.7 40

Pareja de datos 5 19.7 42

Pareja de datos 6 23.2 44

Pareja de datos 7 26.1 45

Pareja de datos 8 29.1 48

Pareja de datos 9 32.7 49

Pareja de datos 10 35.6 51

RESULTADOS
Mtodo analtico
Tabla 4. Incertidumbres estimadas para mediciones directas

Masa Lado Densidad

Promedio 0.12075 0.04 Valor calculado 1900

Unidades kg m Unidades kg/m3

Incertidumbre 0.00001 kg 0.001 m Incertidumbre --


Uc de la medida
indirecta
Mtodo grfico.
Grficas de dispersin de datos
Tabla 5. Clculos para realizar la regresin lineal por el mtodo de los cuadrados mnimos.
Relacin volumen- masa


Mnimos cuadrados lineales
Pendiente Ordenada al origen






m= 0.5786 b= 0.0304

Incertidumbre

Sy= 0.0225 Sm= 0.78 Sb=0.0182


Densidad: 570 kg/m3

Relacin masa-volumen

Mnimos cuadrados lineales


Pendiente Ordenada al origen

m= 1.7197 b= 0.0522
Incertidumbre

Sy= 0.00072 Sm= 0.04328 Sb= 0.00186

Densidad: 1710 kg/m3

DISCUSIN:
Se analizaron los diferentes mtodos para calcular el volumen de un cuerpo, en
este caso una figura de plastilina, primero tena un tamao inicial y una masa inicial,
despus le fuimos agregando plastilina por lo que su masa aumentara y al
sumergirlo en el agua el agua desplazada fuera de la probeta alcanza mayor altura y
ms velocidad, entonces tuvimos que cubrir la boca de la probeta para que el agua
no salpicar y el volumen del agua fuera la misma al principio y al final del
experimento. Sin embargo se dio una variacin del volumen del agua debido a que
al momento de agregar la masa (plastilina) a la probeta, se obtiene una prdida del
agua, es decir una variacin del volumen. Con esto se concluye que las medidas no
son correctas pero se aproximan.
Lo que se nos dificulta un poco fue pesar las diferentes masas las cuales fueron
aproximadas a 3g, ya que la balanza tena un pequeo problema de equilibrio y se
tenan que hacer muchos ajustes, pero tratamos de ser lo ms precisas posible.
Para los clculos se lleva a cabo midiendo una variable en funcin de otra, esta
vara independiente y requiere una interpretacin lineal, en este caso se utiliza la
recta para la representacin de datos con el mtodo de cuadrados mnimos, con
esto se concluye que las variables de volumen con respecto a la masa te da una
mejor visualizacin de los datos medidos (con respecto a la grfica) tambin
podemos observar que su coeficiente de relacin es igual para los dos casos y tiene
una buena proximidad, sin embargo es imposible obtener el inverso de la pendiente
para determinar el valor de la densidad.
CONCLUSIONES:
Se utilizaron dos mtodos diferentes para la obtencin de datos y al compararlos se
llega a la conclusin de que el mejor mtodo con menor incertidumbre fue el de
pesar la masa del cubo y medir cada uno de sus lados; debido a que el otro mtodo
tena prdidas en el volumen de la probeta.
Para el anlisis se utiliza el mtodo de cuadrados mnimos siendo ms efectivo para
representar una ecuacin para una estimacin de datos estadsticos, con un
intervalo mnimo de error, ajustandolo a los intervalos lineales y su factor de
correlacin.
BIBLIOGRAFA
Regresin y correlacin lineal simple [en linea] [3 de Marzo del 2017]
<http://asesorias.cuautitlan2.unam.mx/Laboratoriovirtualdeestadistica/CARPE
TA%203%20INFERENCIA_ESTADISTICA/DOC_%20INFERENCIA/TEMA%
204/09%20REGRESION%20Y%20CORRELACION%20LINEAL%20SIMPLE.
pdf>
Aplicacin de la regresin lineal en un problema de pobreza, Diego Fernando
Cardona Madariaga,Javier Leonardo Gonzlez Rodrguez, Miller Rivera
Lozano [En linea] [3 de Marzo del 2017 ]
<http://www.unilibre.edu.co/revistainteraccion/volumen12/art4.pdf>
Regresin lineal simple [En linea] [3 de Marzo del 2017]
<http://www4.ujaen.es/~dmontoro/Metodos/Tema%209.pdf>