PreInforme 01 Regresión Lineal

Universidad de Investigación de Tecnología Experimental Yachay
Escuela de Ciencias Química e Ingeniería

Química II
Prof. Pablo Andrés Cisneros Pérez
PRE-INFORME
PRÁCTICA N° 1 Regresión Lineal
INTEGRANTES DEL GRUPO

Camila Abrajan
Danna Garces
Renata Macharé
Britney Robalino
Valesska Sánchez
FECHA
14/11/2022
1. Introducción
El siguiente trabajo correspondiente a la práctica de laboratorio del método de regresión
lineal tiene como finalidad la comprensión de conceptos teóricos y prácticos de
determinación de errores durante las mediciones de laboratorio.
Para ello se emplearán los siguientes términos teóricos:
1. Regresión lineal: Permite analizar el comportamiento de una variable a partir de
otra (tal como: “x” y “y”), es decir, muestra una relación entre una variable
dependiente y otra independiente (GraphPad Software, 2009).
2. Relación lineal: Se refiere a una tendencia en los datos que se puede representar
mediante una línea recta, entre elementos de un espacio vectorial o de un módulo
(Relaciones lineales, no lineales y monótonas, 2022).
3. Método de los mínimos: Suponiendo que hay n pares de mediciones (X1,Y1),
(X2,Y2), … , (Xn, Yn) y que los errores permanecen en su integridad considerados
en los valores de Y. Se puede suponer, además, que el error cometido en la
medida tras despejar la ecuación arroja la mejor recta cuyos valores de a y b
minimicen la suma de los errores para las mediciones obtenidas. Esto implica que
la recta va a ser aquella que en términos generales se desvíe menos del grupo de
datos.
Sin embargo, el problema es que algunos errores pueden ser buenos (positivos) y otros
malos (negativos). Para evitarlo, reducimos el número de errores al elevar este cálculo
al cuadrado, lo que siempre arroja un valor que es positivo.

El problema que salta a la vista es que los valores de a y b se pueden obtener para
cualquier conjunto de datos, estén o no relacionados. El parámetro que determina si Y
es realmente una función lineal de X es el coeficiente de correlación o coeficiente de
Pearson.
Este coeficiente es una prueba que mide la interacción estadística entre dos variables
consecutivas. Si la relación entre los elementos no es lineal, el coeficiente no se
presentará correctamente. El valor del coeficiente de correlación puede variar de -1 a 1.
Un valor de 0 implica que no existe relación entre las dos variables. Un valor mayor que
0,8 indica una relación positiva. En otras palabras, cuando aumenta el valor de una
variable, también aumenta el valor de la otra variable, mostrando dependencia entre
ambas. Un valor por debajo de 0 indica un agrupamiento negativo; es decir, cuando
aumenta el valor de una variable, disminuye el valor de la otra.
2. Materiales y reactivos
En esta práctica de laboratorio no utilizaremos reactivos. Un ejemplo de variables para
realizar una regresión lineal podrían ser el pH y la concentración de un compuesto
registradas en una tabla de hoja de cálculo.
Materiales
• Computadora.
• Programa estadístico (Excel).
• Una hoja de cálculo - Excel.
• Datos.
3. Ficha de Seguridad
En la siguiente práctica, no se hará el uso de reactivos químicos, por tanto, no habrá
ficha de seguridad. Un ejemplo de la misma es el siguiente.
4. Cálculos previos
Para calcular la recta que relaciona dos variables (x, y) mediante el método de regresión
lineal se emplean las ecuaciones que se muestran a continuación. Se debe destacar que
estos cálculos se los realiza de forma automática con la ayuda de programas
computacionales como Excel o Google Sheets.
1. Método de mínimos cuadrados:

Se espera minimizar la suma de los cuadrados de los errores, por lo que se busca
el menor valor de Δ. Este valor no presenta ninguna unidad de medida puesto que
corresponde al error.
∆= ∑ (𝑦𝑖 − 𝑎𝑥𝑖 − 𝑏)2
La mejor recta, para los valores de 𝑥𝑖 y de 𝑦𝑖 se calculan con las siguientes
ecuaciones:
∑ 𝑥𝑖
𝑥=
𝑛
∑ 𝑦𝑖
𝑦=
𝑛
En donde las unidades de medida de 𝑥𝑖 y de 𝑦𝑖 corresponden a las unidades en
las que se realizó la toma de datos.
Para el cálculo de los valores de “a” (pendiente de la recta) y “b” (punto de corte
de la recta con el eje y) se emplean las ecuaciones que se muestran a
continuación. El valor de “a” carece de unidad de medida, mientras que el valor
de “b” toma la unidad de medida de la variable correspondiente al eje y.
∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 𝑦

𝑎=
∑ 𝑥𝑖2 − ∑ 𝑥𝑖 𝑥
𝑏 = 𝑦 − 𝑎 𝑥
2. Coeficiente de Pearson (Correlación):
Para demostrar que dos variables están relacionadas se calcula el valor de r (el
coeficiente de correlación), este coeficiente no tiene unidad de medida.

𝑛 ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑟= 1
{[ 𝑛 ∑ 𝑥𝑖2 − (∑ 𝑥𝑖 )2 ][𝑛 ∑ 𝑦𝑖2 − (∑ 𝑦𝑖 )2 ]}2
Si el valor de r es mayor que 0.8 existe una relación entre las dos variables.
𝑟 > 0.8
Caso contrario, ambas variables son independientes entre sí.
𝑟 ≤ 0.8
5. Procedimiento Experimental
Para realizar esta práctica de Regresión lineal utilizando las variables X y Y, se
emplearán los siguientes pasos con la ayuda de un programa (Excel).
Paso 1: Establecer un modelo de regresión lineal es estudiar la relación que existe
entre las variables, se debe saber cuáles son las variables “X” y “Y” que se utilizará
en esta práctica de laboratorio, ya que debemos identificar cuáles pueden ser los
mejores predictores para el modelo y qué variables presentan relaciones de tipo
no lineal.
Paso 2: Se procede a transferir ordenadamente en una hoja de Excel los datos
recopilados para con la ayuda de herramientas informáticas hacer un gráfico de
dispersión que nos ayudará a tener una mejor perspectiva acerca de los datos.
Ilustración 1. Tabla de los datos recopilados
Paso 3: Seguido analizamos el gráfico y el contraste de normalidad, para luego
con las ecuaciones dadas encontrar el valor de la pendiente y la intersección la
cual indica el lugar en el que ésta se cruza con un eje.
Ilustración 2. Gráfico de Regresión Lineal con los datos dados

Paso 4: También hacemos uso de una fórmula preestablecida que determina la
correlación de Pearson y aplicamos el método del mínimo cuadrado para reducir
errores.
Ilustración 3. Gráfico de Regresión lineal sin datos disparados en la gráfica
con respecto a la línea de tendencia
Paso 5: Observamos si existe la correlación ya mencionada, teniendo en cuenta
que si da un valor menor que 0 indica que existe una correlación negativa, es
decir, que las dos variables están asociadas en sentido inverso. Si da un valor
mayor que 0 indica que existe una correlación positiva y finalmente, una
correlación de 0, o próxima a 0, indica que no hay relación lineal entre las dos
variables.
Ilustración 4. Gráfico de Regresión Lineal con la línea de tendencia,
ecuación de la recta y el valor de R.
FLUJOGRAMA:
6. Referencias
1. Linear regression. (2009, 8 junio). GraphPad Software.

https://web.archive.org/web/20080222195200/http://www.curvefit.com/linear_regr
ession.htm
2. Relaciones lineales, no lineales y monótonas - Minitab. (2022). (C) Minitab, LLC.
All rights Reserved. 2022. https://support.minitab.com/es-mx/minitab/19/help-
and-how-to/statistics/basic-statistics/supporting-topics/basics/linear-nonlinear-
and-monotonic-relationships/
3. Ortega, C. (2020, 9 november). ¿Qué es el coeficiente de correlación de
Pearson? QuestionPro. Geraadpleegd op 25 mei 2022, van
https://www.questionpro.com/blog/es/coeficiente-de-correlacion-de-pearson/
4. Caetano, M.; Cisneros Pérez, P.; Morera, V.; Terencio, T.; Carrera, V.; Areias, F.
Guión Química 2, 2022.

PreInforme 01 Regresión Lineal

Cargado por

Copyright:

Formatos disponibles

PreInforme 01 Regresión Lineal

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

PreInforme 01 Regresión Lineal

Cargado por

Copyright:

Formatos disponibles

Universidad de Investigación de Tecnología Experimental Yachay

Escuela de Ciencias Química e Ingeniería

Prof. Pablo Andrés Cisneros Pérez

INTEGRANTES DEL GRUPO

El siguiente trabajo correspondiente a la práctica de laboratorio del método de regresión

lineal tiene como finalidad la comprensión de conceptos teóricos y prácticos de

determinación de errores durante las mediciones de laboratorio.

Para ello se emplearán los siguientes términos teóricos:

1. Regresión lineal: Permite analizar el comportamiento de una variable a partir de

dependiente y otra independiente (GraphPad Software, 2009).

mediante una línea recta, entre elementos de un espacio vectorial o de un módulo

(Relaciones lineales, no lineales y monótonas, 2022).

3. Método de los mínimos: Suponiendo que hay n pares de mediciones (X1,Y1),

(X2,Y2), … , (Xn, Yn) y que los errores permanecen en su integridad considerados

en los valores de Y. Se puede suponer, además, que el error cometido en la

medida tras despejar la ecuación arroja la mejor recta cuyos valores de a y b

al cuadrado, lo que siempre arroja un valor que es positivo.

cualquier conjunto de datos, estén o no relacionados. El parámetro que determina si Y

es realmente una función lineal de X es el coeficiente de correlación o coeficiente de

consecutivas. Si la relación entre los elementos no es lineal, el coeficiente no se

presentará correctamente. El valor del coeficiente de correlación puede variar de -1 a 1.

variable, también aumenta el valor de la otra variable, mostrando dependencia entre

ambas. Un valor por debajo de 0 indica un agrupamiento negativo; es decir, cuando

aumenta el valor de una variable, disminuye el valor de la otra.

En esta práctica de laboratorio no utilizaremos reactivos. Un ejemplo de variables para

realizar una regresión lineal podrían ser el pH y la concentración de un compuesto

registradas en una tabla de hoja de cálculo.

• Programa estadístico (Excel).

• Una hoja de cálculo - Excel.

ficha de seguridad. Un ejemplo de la misma es el siguiente.

estos cálculos se los realiza de forma automática con la ayuda de programas

computacionales como Excel o Google Sheets.

1. Método de mínimos cuadrados:

∆= ∑ (𝑦𝑖 − 𝑎𝑥𝑖 − 𝑏)2

La mejor recta, para los valores de 𝑥𝑖 y de 𝑦𝑖 se calculan con las siguientes

En donde las unidades de medida de 𝑥𝑖 y de 𝑦𝑖 corresponden a las unidades en

las que se realizó la toma de datos.

de la recta con el eje y) se emplean las ecuaciones que se muestran a

continuación. El valor de “a” carece de unidad de medida, mientras que el valor

de “b” toma la unidad de medida de la variable correspondiente al eje y.

∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 𝑦

2. Coeficiente de Pearson (Correlación):

coeficiente de correlación), este coeficiente no tiene unidad de medida.

Caso contrario, ambas variables son independientes entre sí.

Para realizar esta práctica de Regresión lineal utilizando las variables X y Y, se

emplearán los siguientes pasos con la ayuda de un programa (Excel).

Paso 1: Establecer un modelo de regresión lineal es estudiar la relación que existe

mejores predictores para el modelo y qué variables presentan relaciones de tipo

Paso 2: Se procede a transferir ordenadamente en una hoja de Excel los datos

recopilados para con la ayuda de herramientas informáticas hacer un gráfico de

Paso 3: Seguido analizamos el gráfico y el contraste de normalidad, para luego

con las ecuaciones dadas encontrar el valor de la pendiente y la intersección la

cual indica el lugar en el que ésta se cruza con un eje.

Ilustración 2. Gráfico de Regresión Lineal con los datos dados

correlación de Pearson y aplicamos el método del mínimo cuadrado para reducir

Ilustración 3. Gráfico de Regresión lineal sin datos disparados en la gráfica

con respecto a la línea de tendencia

Paso 5: Observamos si existe la correlación ya mencionada, teniendo en cuenta

ecuación de la recta y el valor de R.