Universidad de Investigación de Tecnología Experimental Yachay

Escuela de Ciencias Química e Ingeniería

Química II

Prof. Jeanette Cevallos

INFORME

PRÁCTICA N° 1

Regresión Lineal

INTEGRANTES DEL GRUPO

Karen López

Alejandro Silva

Valesska Sánchez

16/03/2024
 RESUMEN

En el presente laboratorio, se realizaron mediciones experimentales del

volumen (ml) y la masa (g) del agua destilada en 10 ocasiones distintas,
aumentando progresivamente el volumen del agua destilada en cada una de
ellas. Para obtener estos resultados, se empleó una pipeta para medir el agua
destilada y luego se procedió a pesarla en una balanza. Estos datos fueron
utilizados para calcular la densidad de cada muestra, asumiendo la densidad
del agua como 1 g/ml. Posteriormente, con el fin de evaluar la precisión y
exactitud de nuestros resultados, se aplicó el método de regresión lineal. Al
trasladar los resultados a una tabla Excel, se insertó el gráfico de dispersión del
volumen versus la masa.

Se puede observar que los datos son bastante precisos y exactos en relación
con la línea de tendencia del gráfico. Luego, se obtuvo la ecuación y el
coeficiente de correlación utilizando las herramientas de la hoja de cálculo.
Esto nos permitió calcular el coeficiente de determinación (R²) y determinar la
ecuación de la línea de regresión, subrayando la importancia de realizar
múltiples repeticiones para mejorar la fiabilidad de los resultados obtenidos.
Además, se consideraron parámetros como el promedio, el error absoluto, el
error relativo y la desviación estándar para obtener una comprensión más
completa de los conceptos relacionados con la regresión lineal y asegurar una
interpretación precisa de los datos experimentales. Estos análisis adicionales
contribuyeron a mejorar la confiabilidad de los resultados obtenidos mediante la
regresión lineal.

Palabras clave: Regresión lineal, Precisión, Exactitud, coeficiente de

determinación
1. Objetivos

1. Utilizar técnicas de regresión lineal para determinar la relación

cuantitativa entre el volumen y la masa del agua.
2. Determine la validez y la precisión de la línea de regresión obtenida
utilizando el cálculo del coeficiente de correlación (R2) para la relación
volumen-masa del agua.
3. Investigar los resultados estadísticos y gráficos para comprender cómo
el volumen afecta la masa del agua y cómo afecta el marco de la
densidad del líquido.

2. Introducción

La regresión lineal se ha convertido en una herramienta importante en el

análisis de datos químicos porque permite modelar las relaciones entre
las variables clave en experimentos de laboratorio.(Carollo,2016) En este
informe, discutiremos cómo utilizamos la regresión lineal para
comprender la relación entre las dos variables principales que utilizamos
en el experimento químico que realizamos. (weisstein, 2022)

Utilizamos un conjunto de datos experimentales durante esta práctica de

laboratorio que incluía mediciones de dos variables: una variable
independiente (X), que representaba volúmenes de agua variados que
oscilan entre 5 ml y 70 ml , y una variable dependiente (Y), que
representaba la masa del agua medida en gramos.(Friendly,2019)
Nuestro objetivo principal fue analizar cómo cambiaba la masa del agua
en respuesta a los cambios en su volumen; esto es esencial para
comprender los procesos químicos subyacentes, especialmente en
términos de la densidad del agua.

Para lograr este objetivo, utilizamos una metodología sistemática

llamada regresión lineal. Esta metodología nos permitió encontrar la
línea recta ideal para nuestros datos experimentales, los dos parámetros
principales de esta línea de regresión son la pendiente y la ordenada al
origen. (Requena,2020 )Mientras que la ordenada al origen representó la
masa del agua cuando el volumen era cero, la pendiente nos
proporcionó información sobre la tasa de cambio de la masa del agua
con respecto a su volumen. Esto puede interpretarse como el error
experimental y la incertidumbre en las mediciones.
3. Metodología

● Para preparar el experimento:

Para medir volúmenes precisos de agua, se utilizó una pipeta de 25

mililitros.
La densidad del agua se estableció como 1.0 g/ml, una propiedad
esencial para calcular la masa correspondiente a cada volumen medido.
Medir el volumen de agua:

Se utilizaron pipetas de 25 ml para medir volúmenes de agua en

incrementos de 5 ml hasta 70 ml.
Cada volumen de agua medido se registró con precisión en una tabla de
datos, asegurando la precisión de las mediciones.

● Calcular la masa total del agua:

Se determinó la masa correspondiente a cada volumen medido

utilizando la densidad del agua de 1,0 g/ml. Esto se pudo lograr
multiplicando el volumen de agua en mililitros por la densidad del agua
en gramos por mililitro.
La tabla de datos contenía los valores de masa obtenidos junto con los
volúmenes correspondientes.

● Analizar datos estadísticos:

Se realizó un análisis estadístico completo con los datos recopilados.

El coeficiente de correlación (r) se calculó para determinar la fuerza y la
dirección de la relación entre el volumen y la masa del agua.
Para caracterizar la distribución y la precisión de los datos
experimentales, se calcularon el promedio, la desviación estándar, el
error absoluto y el error relativo.

● La estructura de la gráfica de dispersión es la siguiente:

Se creó una gráfica de dispersión en la que el eje X representaba los

volúmenes de agua y el eje Y representaba las masas correspondientes.
La relación entre el volumen y la masa del agua se representó trazando
una línea de regresión lineal con los datos del experimento.

● Analizar los resultados:

Se interpretaron los resultados para llegar a conclusiones sobre la

relación entre el volumen y la masa del agua.
Se examinó la precisión de los resultados en el contexto del experimento
y se discutieron posibles fuentes de error.
 Figura 1. Flujograma

4. Resultados y discusión
Tabla 1. Valores de densidad a partir de los datos experimentales de
masa correspondientes a cada alícuota.

Volumen [mL] Masa [g] Densidad [g/mL]

5 4.71 0.942

10 9.75 0.975

15 14.8 0.987

20 19.43 0.972

25 24.8 0.992

30 29.57 0.986

45 44.41 0.987
 50 49.58 0.992

65 64.36 0.990

70 68.8 0.983

Figura 2. Gráfica Volumen vs. Masa y determinación de la recta de

regresión lineal.

Tabla 2. Resultados del modelo de regresión lineal.

Pendiente 0.9896

Intersección con el eje de las -0.1304

ordenadas

Coeficiente R2 0.9999

Tabla 3. Errores y medidas de dispersión de los valores de densidad

obtenidos.

Valor real 1.00

Promedio 0.9804

Error absoluto 0.0196

 Error relativo 0.0196

Desviación Estándar 0.0151

Usando el modelo lineal, se evidencia una fuerte y excelente correlación entre

la variable dependiente de masa y la variable independiente de volumen de
acuerdo al valor del coeficiente R cuadrado, que está muy cercano a uno.
También, la pendiente cercana a uno indica que la tasa de cambio es casi lineal
y directa. Si la variable independiente cambia k unidades, la variable
dependiente también lo hace en un valor muy cercano a k.
Por otro lado, los errores calculados están cercanos a cero y en general no
existe una gran variabilidad en los valores de densidad obtenidos. La precisión
de las mediciones de masa fue mejor, en general, a medida que el volumen de
agua destilada aumentaba. Esto se debe a que para medir los volúmenes
pequeños se necesita una mayor habilidad del investigador, entonces existe
una mayor probabilidad de la existencia de errores humanos.
El valor de densidad del agua encontrado experimentalmente es de 0.9804 ±
0.0151 g/mL.
5. Conclusiones

Al realizar un experimento, el investigador trata de encontrar patrones entre las

variables que entran en juego para así lograr probar una hipótesis o darla de
baja y entonces buscar un mejor modelo. Un análisis de resultados donde la
relación entre las variables independientes y las variables dependientes
muestra una tendencia casi lineal supone varias ventajas: el ajuste del modelo
es sencillo, la predicción de valores para la variable dependiente es más
acertada y la tarea de interpretación y comunicación de los datos es más
llevadera. Sin embargo, si solo se busca esta relación, el investigador puede
estar ignorando factores que alteran el modelo y el desarrollo del experimento
no sería el adecuado.
En el experimento realizado, se encontró una fuerte correlación entre los
valores de volumen y los valores de masa del agua destilada. Esto se evidenció
antes de aplicar la regresión lineal ya que en la gráfica de dispersión, los datos
seguían una tendencia ascendente y no existían valores atípicos. Al encontrar
la recta de regresión lineal se confirmó esta relación y los resultados del

modelo lineal arrojaron una buena descripción del experimento y un valor

constante de la densidad del agua gracias a esta relación casi directa
masa-volumen.

6. Recomendaciones
Para mejorar la precisión y confiabilidad de las mediciones experimentales,
especialmente en este experimento sobre la relación entre el volumen y la
masa del agua, se recomienda que al medir el agua destilada en mililitros con
una pipeta, es fundamental examinar detenidamente el enrase para obtener
una estimación precisa del volumen. Este paso garantiza que cada medición
sea lo más precisa posible y ayuda a reducir el número de errores
experimentales. También podemos tomar en cuenta la limpieza del vaso de
precipitación después de cada medición para evitar la contaminación y
asegurarse de que no quedaron restos que puedan afectar las mediciones
posteriores. Este método minucioso reduce la probabilidad de cometer errores
sistemáticos al calcular el volumen de agua.
Durante la toma de muestras del agua se debe tomar en cuenta que la masa
puede variar ligeramente en la balanza debido a la estabilidad del instrumento y
la temperatura ambiente. Como resultado, se recomienda esperar unos
segundos para registrar los datos y asegurar se de obtener un valor estable
final. Así podemos ver una considerable reducción de errores de medición. Si
ponemos en práctica estas recomendaciones podemos observar cambios
notorios y más reales en nuestra toma de datos, que nos ayudará a la mejora
de los resultados.

7. Anexos
A continuación se presentan las ecuaciones utilizadas para el análisis de
resultados.
𝑚
ρ= 𝑣
(1)

𝑛
1
𝑋= 𝑛
∑ 𝑋𝑖 (2)
𝑖=1

| |
ε𝑎 = |𝑋𝑅 − 𝑋| (3)
| |

; XR: En este caso, para el valor real de densidad del agua, se tomó el
valor ampliamente utilizado de 1.00 g/mL.

ε𝑎
ε𝑟 = 𝑋𝑅
(4)

𝑛 (𝑋 −𝑋 ) 2

σ= ∑ 𝑖
𝑛
𝑅
(5)
𝑖=1
 8. Preguntas específicas

¿Cuál es el objetivo principal del análisis de regresión lineal?

El propósito principal del análisis de regresión lineal consiste en comprender y

representar matemáticamente la relación entre una variable que depende de
otras y una o más variables independientes. Este método emplea una línea
recta para describir dicha relación, con la finalidad de anticipar o explicar los
valores de la variable dependiente basados en los valores de las variables
independientes, en este caso al realizar un experimento al poder observar su
coeficiente de correlación y su ecuación de regresión.

• Define el término "coeficiente de correlación" y explica su importancia

en el análisis de regresión.

El coeficiente de correlación es una medida estadística que señala la

intensidad y dirección de la relación lineal entre dos variables. Se representa
usualmente como "r" y su rango va desde -1 hasta 1. Un valor cercano a 1
indica una correlación positiva perfecta, lo que sugiere que conforme una
variable aumenta, la otra también lo hace en la misma medida. Un valor
cercano a -1 indica una correlación negativa perfecta, lo que implica que al
aumentar una variable, la otra disminuye en proporción, mientras que cuando el
valor de r se acerca a 0, indica que no existe una relación lineal entre las dos
variables.

• ¿Cuál es la diferencia entre la variable independiente y la variable

dependiente en un modelo de regresión lineal?

En un contexto de regresión lineal, la variable independiente (también conocida

como variable predictora) es aquella empleada para anticipar o justificar las
fluctuaciones presentes en la variable dependiente.Por otro lado, la variable
dependiente es aquella que se evalúa o registra y está influenciada por la
variable independiente. En resumen, la variable independiente se ajusta,
mientras que la variable dependiente se evalúa en función de las alteraciones
en la variable independiente.

• ¿Qué significa que el coeficiente de correlación (r) sea cercano a 1? ¿Y

cercano a -1?

Cuando el coeficiente de correlación (r) se acerca a 1, señala una fuerte

correlación positiva entre las dos variables, lo que implica una relación lineal
positiva donde el aumento de una variable coincide con un aumento constante
en la otra. Por otro lado, cuando el coeficiente de correlación (r) se acerca a -1,
indica una fuerte correlación negativa entre las variables, lo que sugiere una
relación lineal negativa donde el aumento de una variable se acompaña de una
disminución constante en la otra.
• ¿Cuál es la importancia de la pendiente y la intersección en una línea de
regresión?

La pendiente y el punto de intersección son elementos esenciales de una línea

de regresión. La pendiente refleja la tasa de cambio en la variable dependiente
por cada cambio unitario en la variable independiente, revelando la dirección y
la fuerza de la relación entre ambas variables. Por otro lado, el punto de
intersección representa el valor de la variable dependiente cuando la variable
independiente es cero, ofreciendo detalles sobre el inicio de la relación entre
las variables. En resumen, la pendiente y el punto de intersección proporcionan
un entendimiento y capacidad predictiva sobre la relación entre las variables en
el modelo de regresión.
9. Referencias

1. Weisstein, E. W. (4 de noviembre de 2022). Least Squares Fitting.

Obtenido de MathWorld:
https://mathworld.wolfram.com/LeastSquaresFitting.html
2. Carollo Limeres, M. C. (2021). Regresión lineal simple Regresión lineal
simple. 1–31.
http://eio.usc.es/eipc1/BASE/BASEMASTER/FORMULARIOS-PHP-DPT
O/MATERIA

3. Edwards, A. L. (2024). Multiple Regression and the Analysis of Variance

and Covariance. San Francisco: CA: W. H. Freeman.
4. Friendly, M., & Denis, D. (2019). The early origins and development of
the scatterplot. Journal of the History of the Behavioral Sciences,
103-130.
5. Montoro, D. (2019). Capítulo 9. Regresión lineal simple. Regresión
Lineal, 11.
http://www4.ujaen.es/~dmontoro/Metodos/Tema 9.pdf
6. Requena Rodríguez, A., & Zuñiga Roman, J. (2020). Química Física
(Primera ed.). Murcia