Documente Academic
Documente Profesional
Documente Cultură
EXPERIMENTAL YACHAY
LABORATORIO DE QUÍMICA II
NÚMERO DE GRUPO: 4
PARALELO: F
OBJETIVO:
Tratar datos obtenidos experimentalmente por los alumnos, utilizando regresión lineal un método
estadístico ampliamente utilizado.
PROCEDIMIENTO:
REGRESIÓN
LINEAL
Marcar la primera
Introducir los datos, opción, aparece un
marcar la pestaña Escoger “seleccionar
cuadro vacío,
insertar y el grafico datos y agregar”.
hacer clic con el
tipo dispersión. botón derecho.
De esta forma
podemos leer a Adicionar la ecuación en el Asegurar la existencia
y b de la recta gráfico y presentar el valor R. de la tendencia lineal.
y= ax+b.
Analizar línea de
CÁLCULO DE
tendencia y modelo
RESIDUALES Calcular de Regresión
(Y – Y°)
TRATAMIENTO
DE 3 GRUPOS DE
DATOS
Grupo 1y 2 Grupo 3
Calculo de
Cálculo de la Cálculo de la
entalpia de pendiente.
vaporización
Usando
Usando
Ecuación de
Clausius-Clapeyron
Analizar resultados
y Formular
conclusiones.
PRIMERA TOMA SEGUNDA TOMA TERCERA TOMA
DE DATOS DE DATOS DE DATOS
P[kPa] T[K] P[kPa] T[K] P[kPa] T[K]
1096,6 476,2 601,8 500 601,8 500
665,1 454,5 99,5 392,2 33,1 361
601,8 500 60,3 375,9
403,4 434,8 44,7 370,4
200,3 411,5 33,1 361
99,5 392,2
60,3 375,9
44,7 370,4
33,1 361
RESULTADOS
1. PRIMER TOMA DE DATOS.
PRIMERA TOMA DE DATOS
PARTE 1 PARTE 2 PARTE 3
P[kPa] LnP(Y) T[K] 1/T(X) Y° Y-Y° AH vap. AH=a*R
1096,6 7,00 476,2 0,0021 6,66 0,3440 36,22 KJ/mol*K
665,1 6,50 454,5 0,0022 6,20 0,2973 36,46 KJ/mol*K
601,8 6,40 500 0,0020 7,11 -0,7079 40,53 KJ/mol*K
403,4 6,00 434,8 0,0023 5,75 0,2479 36,69 KJ/mol*K
200,3 5,30 411,5 0,0024 5,16 0,1365 37,12 KJ/mol*K
37,58
99,5 4,60 392,2 0,0025 4,62 -0,0226 37,66 KJ/mol*K
60,3 4,10 375,9 0,0027 4,12 -0,0236 37,66 KJ/mol*K
44,7 3,80 370,4 0,0027 3,94 -0,1444 38,03 KJ/mol*K
33,1 3,50 361 0,0028 3,63 -0,1270 37,97 KJ/mol*K
PROMEDIO 37,59 KJ/mol*K
Tabla 1.- Registro de la primera toma de datos: Dividida en 3 partes: la Parte 1 hace referencia a la obtención
del logaritmo natural de la presión y el inverso de la temperatura de cada dato inicial para aplicar regresión
lineal y obtener una ecuación lineal (y=ax+b) para el cálculo de la entalpia; la Parte 2 se especifica la Y
obtenida(Y°) y (Y-Y°) para obtener los residuales y la Parte 3 son los valores de la entalpia obtenida de dos
maneras: promedio de las entalpias de los datos y como el resultado de la pendiente obtenida en la Parte 1
multiplicada por R.
y = -4520,6x + 16,149
6,00
R² = 0,9385
4,00
2,00
0,00
0,0000 0,0005 0,0010 0,0015 0,0020 0,0025 0,0030
Los X - 1/T (Kj)
Gráfica 1.- Regresión lineal obtenida con los datos de Ln P y 1/T de la tabla 1 ( Parte 1). La ecuación de la
recta tipo y=ax+b sacada a partir de estos datos fue y = -4520,6x + 16,149 donde a= -4520,6 y b= 16,149.
Además se muestra el coeficiente de correlación de Pearson (0,94).
RESIDUALES 1 VS Y°
0,4000
0,2000y = -7E-06x + 6E-05
R² = 7E-10
0,0000
0,00 2,00 4,00 6,00 8,00
Y-Y°
-0,2000
-0,4000
-0,6000
-0,8000
Y°
RESIDUALES 2 VS Y°
0,4000
0,3000 y = 0,1707x - 0,7671
R² = 0,9664
0,2000
Y-Y°
0,1000
0,0000
0,00 2,00 4,00 6,00 8,00
-0,1000
-0,2000
Y°
Gráfica 3.- Grafica de residuales obtenida al eliminar el
valor atípico observado en grafico 3 (Residuales 1).
Gráfica 4.- Regresión lineal obtenida con los datos de LnP y 1/T de la tabla 2 ( Parte 1). La ecuación de la
recta tipo y=ax+b sacada a partir de estos datos fue y = -3681,3x + 13,815 donde a= -3681,3 y b= 13,815.
Además se muestra el coeficiente de correlación de Pearson (0,989).
RESIDUALES2-1 vs Y°
0,20
y = -1E-05x + 0,0005
0,15
R² = 1E-08
0,10
0,05
Y-Y°
0,00
-0,050,00 2,00 4,00 6,00 8,00
-0,10
-0,15
Y°
RESIDUALES2-2 vs Y°
0,20
0,15
y = 0,3782x - 1,4937
0,10 R² = 0,9072
0,05
Y-Y°
0,00
-0,050,00 1,00 2,00 3,00 4,00 5,00
-0,10
-0,15
Y°
6,00
5,00
Y- LnP(K)
4,00
y = -3766,3x + 13,933
R² = 1
3,00
2,00
1,00
0,00
0,0000 0,0005 0,0010 0,0015 0,0020 0,0025 0,0030
X- 1/T(K)
Gráfica 7.- Regresión lineal aplicada a los datos de LnP y 1/T de la tabla 3 para obtener la pendiente. La
ecuación de la recta tipo y=ax+b obtenida a partir de estos datos fue y = -3766,3x + 13,933 donde la
pendiente(a) es igual a -3766,3 y la ordenada al origen (b) es igual a 13,933. Además se muestra el coeficiente
de correlación de Pearson (1).
DISCUSIONES:
En la tabla 1 y 2 se observa que una línea de datos refleja valores atípicos, primera y tercera
línea de datos respectivamente, por tal razón al observar el modelo de regresión lineal y al
realizar la gráfica de residuales se identificó su presencia. Luego, al eliminar estos valor de
la gráfica (residuales 2 y 2-2) se pudo comprobar un cambio en modelo pues sus valores
tienen una menor dispersión y por ende mayor cercanía.
El coeficiente de correlación obtenido con las 2 primeras tablas de datos: 0,8 y 0.989
respectivamente son valores muy próximos a 1, por el contrario en las gráficas de residuales
1 este valor está por (7E-10) y (1E-08) y al corregir el modelo cambio a (0,966) y (0,907)
además en la tercera tabla al utilizar solo dos puntos este coeficiente es de 1.
La entalpía en la segunda tabla tiene una variación menor (rondando los 30 Kj/mol) en todos
los datos a diferencia de la primera, donde los datos se encuentran en una mayor dispersión.
Además, la entalpia de vaporización es siempre positiva, razón por la cual nuestras
pendientes fueron negativas.
CONCLUSIONES
El coeficiente de correlación de los datos de la primera y segunda gráficas son muy próximos
a 1, lo que sugiere que los valores dados tienen dependencia y por ende los valores obtenidos
para el cálculo de la entalpía son confiables ya que el error es mínimo.
Los residuales corroboran o desaprueban los valores obtenidos tomando en cuenta que la
eliminación de un dato atípico puede cambiar totalmente R y demostrar que el modelo es el
adecuado.
El cálculo de los valores de las Entalpias obtenidas en las tablas 1y 2 y la pendiente obtenida
en la tercera toma de datos nos muestran que la regresión lineal es un proceso que agiliza la
obtención de variables a partir de un conjunto de datos utilizando un modelo estadístico.
REFERENCIAS
Devoro.Jayl, Probabilidad y Estadística para Ingeniería y Ciencias, International.
Thomson Editores, México.
Tobin. J, 1958, Estimation of relatioships for limited dependent variables. Econometría.
Peláez IM., (2006), Modelos de Regresión Lineal: Simple y Logística. SEDEN, 1 – 4.
Colé Jl, (2002), Nociones de Regresión Lineal. Octllbre.
Abuín JMB, (2007), Regresión Lineal Múltiple, Estadística.
Araya C. Estadística para laboratorista químico. Primera Edición. Costa Rica. Editorial
de la Universidad de Costa Rica, 2004.
Corbonell E. Regresión Lineal: un enfoque conceptual y práctico. Valencia, España.
Ministerio de Agricultura, pesca y alimentación, 1983