Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. OBJETIVOS:
2. INTRODUCCIÓN.
La regresión lineal es una técnica estadística fundamental que se utiliza para modelar la
relación entre dos o más variables. Es especialmente útil cuando queremos entender
cómo una variable dependiente cambia en respuesta a cambios en una variable
independiente. En esta práctica de laboratorio, exploraremos el concepto de regresión
lineal y su aplicación en el análisis de datos experimentales.
La regresión lineal busca encontrar la mejor línea recta que se ajuste a un conjunto de
datos, de manera que minimice la distancia entre los puntos de datos reales y los
predichos por la línea de regresión. Esta línea se caracteriza por dos parámetros
principales: la pendiente y la ordenada al origen. La pendiente indica la tasa de cambio
de la variable dependiente con respecto a la variable independiente, mientras que la
ordenada al origen representa el valor de la variable dependiente cuando la variable
independiente es igual a cero.
Los conceptos de precisión y exactitud suelen usarse sin mucha rigurosidad. Esto no
suele representar un problema si cada vez se aclara el significado de su uso. Sin
embargo, es posible definir el significado de cada concepto, como sigue a continuación.
Cuando se realizan varias mediciones de la misma magnitud en iguales condiciones,
suele ser común que los valores obtenidos no coincidan, sino que se encuentren
distribuidos alrededor de un valor central. En este contexto, el concepto de precisión
tiene que ver con cuán concentrados están dichos valores (repetitividad).
Por otro lado, la exactitud tiene que ver con cuán cerca del verdadero valor se
encuentran los resultados de las sucesivas mediciones.
Al efectuar la medida, sabemos que existe un valor verdadero de la magnitud física que
se estudia, pero, a pesar de todos los cuidados que se tomen al seleccionar el
instrumento utilizado para realizar las medidas y el esmero con que se realicen, nunca
se logrará alcanzar ese valor verdadero y por ello buscaremos la mejor aproximación
que podamos alcanzar.
El valor medido de una cantidad física depende tanto de la precisión del instrumento
como del método de medición, y también de la experiencia y atención del operador. Es
decir, inevitablemente toda medición está afectada por las imperfecciones de los
instrumentos, por las condiciones de la medida y también por las limitaciones de
nuestros sentidos.
En ciencias e ingeniería, llamamos error a la incertidumbre que se tiene en la cantidad
medida. Es un indicador del grado de credibilidad del resultado de una medición.
Cuando reportamos el valor de la cantidad junto con su correspondiente error, quedan
bien especificados los límites dentro de los cuales se encuentra el valor verdadero, dado
que la medición sólo nos brinda un valor aproximado. Los errores son parte inherente
del propio proceso de medición y, generalmente, se suelen clasificar en sistemáticos y
casuales.
Son errores originados por factores accidentales o fortuitos; hacen que las medidas
obtenidas sean a veces mayores que el valor verdadero y otras veces menores. Se deben
a descuidos casuales del observador y a pequeñas variaciones de las condiciones
experimentales que escapan al control del observador. Se caracterizan por el azar de
ambos signos algebraicos, son variables en magnitud y oscilan alrededor de un valor
medio. Veremos que estos errores pueden ser minimizados aplicando criterios
estadísticos por la vía del cálculo de promedios, después de repetir la medición un
número suficiente de veces bajo las mismas condiciones.
Supongamos que una cantidad cuyo valor verdadero es Xv es medida N veces, (utilizando
el mismo instrumento y el mismo procedimiento) y encontramos N resultados: X1, X2,
X3,..., XN. Es posible demostrar (ver referencia 2) que en el límite N → ∞, el valor que
más se acerca al verdadero valor Xv , viene dado por el promedio aritmético de los N
valores:
1 N
x = Xi
N i =1
El error absoluto de una medida (εa) es la diferencia entre el valor real de la medida (X)
y el valor que se ha obtenido en la medición (Xi), (el valor real usado es el valor promedio
ya que no se conoce el real)
εa =|
x − xi |
Es el cociente entre el error absoluto y el valor que consideramos como exacto (la
media). Al igual que el error absoluto puede ser positivo o negativo porque puede se
puede producir por exceso o por defecto y al contrario que él no viene acompañado
de unidades.
𝜀𝑎
εr =
𝑥̄
De igual forma, se puede multiplicar por 100 obteniéndose así el tanto por ciento (%) de
error, se denomina error relativo porcentual.
εr %= εr* 100 %
( x −x )
i
2
= i =1
N ( N − 1)
De acuerdo con la teoría de Gauss de los errores, que supone que estos se producen por
causas aleatorias, se toma como la mejor estimación del error, el llamado error
cuadrático
Supongamos que hay n pares de mediciones (x1, y1), (x2, y2), ... ,(xn, yn) y que los errores
están en su totalidad considerados en los valores de y (es decir, conocemos exactamente
el valor de x). Si suponemos que yi es exactamente axi + b, el error cometido en la medida
será: yi – axi – b. La mejor recta será aquella cuyos valores de a y b minimicen la suma
de los errores para todas las mediciones, porque será aquella que en conjunto se desvíe
menos del conjunto de datos en general. Sin embargo, esto tiene el problema de que
algunos errores pueden ser positivos y otros negativos. Si lo que nosotros miramos es la
suma total, algunos se cancelarían entre sí, lo que no tiene sentido. Para evitarlo lo que
hacemos es minimizar la suma de los cuadrados de los errores, que siempre será
positiva. Tenemos entonces:
Aplicando la condición de mínimo:
La última ecuación muestra que la mejor recta pasa a través del punto:
Ilustración 1
• Asegúrese qué tipo de tendencia será lineal y que están marcadas las dos últimas
opciones (presentar ecuación en el gráfico y presentar el valor R).
Ilustración 3
=PENDIENTE(valores Y; valores X)
=INTERSECCION.EJE(valores Y; valores X)
=PEARSON(valores Y; valores X) → R
=COEFICIENTE.R2(valores Y; valores X) → R2
3. PARTE EXPERIMENTAL.
3.2.1. Actividad 1.
Utilizar la pipeta graduada para medir diferentes cantidades de agua destilada (5, 10,
15, 20, 25, 30, 45, 50, 65, 70, 85, 90, 100)ml.
Anotar los datos de masa correspondiente a cada alícuota de agua destilada (llenar la
tabla de datos).
3.2.2. Actividad 2.
Con los datos de volumen y masa obtenidos calcular la densidad para cada medida
empleando la ecuación:
𝑚𝑎𝑠𝑎
𝜎=
𝑣𝑜𝑙𝑢𝑚𝑒𝑛
Tabla de datos
3.2.3. Actividad 3.
Parámetro Valor
PENDIENTE
INTERSECCION.EJE
COEFICIENTE. R2
3.2.4. Actividad 4.
Parámetro Valor
El valor medio
Error absoluto
Error relativo
La desviación estándar
4. Cuestiones.