Calculo de la entalpia de vaporización a partir de la correlación de Temperatura y presión gases ideales

# Cálculo de la entalpía de vaporización a partir de datos de Temperatura y presión. 
P=c(17.54,31.82,55.32,92.51,149.38,233.7)  # Introduce valores de Presión (Hgmm)
T= c(20,30,40,50,60,70) # Introduce valores de Temperatura (°C)
Tk=T+273.15         # Transforma grados Celcius a Kelvin
lnP=log(P)          # Calcula el logaritmo natural de la Presión 
iT=1/Tk             # Calcula el inverso de temperatura (K)
reg=lm(lnP~iT)      # Calcula la regresión lineal
plot(iT,lnP, abline(reg, col = "green"), col="red", xlab = "1/T (°C)",
     ylab="Ln(P-mmHg)")   # Grafica los valores transformados 1/T vs lnP y la pendiente
summary(reg)                  # Visualiza los valores del modelo linear
c=coef(reg)                   # Extrae los coeficientes de la regresión linear
b=signif(c[1])                # Asigna valor a "b"(Intercept) a partir de "c"
m=signif(c[2])                # Asigna valor a "m"(pendiente)
R= 8.314            # J*K^-1*mol^-1   , introduce el valor de R
dH= m*R*-1          # calcula la entalpía de vaporización
dH                  # visualiza la entalpía de vaporizacion en Julios
dHkJ=dH/1000        # convierte los Julios en kiloJulios
dHkJ                # visualiza el valor entalpía de vap en kilojulios

Análisis deshidratación osmótica

# Datos de cinética de deshidratación osmótica de 0,20,40,60 y 1440 minutoso 
tiempo<-(c(0,0,0,20,20,20,40,40,40,60,60,60,1440,1440,1440)) # factor tiempo
peso<-(c(100,100,100,
         90.55,84.55,83.57,
         80.25,81.51,83.4,
         79.45,77.6,77.6,
         61.6,62.7,59.75)) # peso (g)
brix<-(c(62,62,62,
         56.2,56,56.3,
         54,51.1,53.1,
         54,52.7,55.1,
         47,49,50)) # grados brix

X<-data.frame(tiempo,peso,brix)       # Crear tabla con los todos los datos

Y<-data.frame(tiempo[1:12],peso[1:12],brix[1:12])   # Crear tabla con datos hasta 60 min
View(X)

cor(X,use = "complete.obs", method = "pearson")   # Genera correlación con todos los datos

pairs(~tiempo+peso+brix, data=X, col= "orangered", 
      main="Correlaciones 24 hrs" )    # Genera gráficos de correlaciones con todos los datos

cor(Y,use = "complete.obs", method = "pearson")   # Genera correlación con todos los datos

pairs(~tiempo[1:12]+peso[1:12]+brix[1:12], data=Y, 
      col= "seagreen", main="Correlaciones 60min" )  # Genera gráficos de correlaciones hasta los 60 minutos

# Graficar con intervalo de confianza del 95% 
library(ggplot2)        # instalar previamente el paquete de "ggplot2"
rep<-(c(1,2,3,1,2,3,1,2,3,1,2,3,1,2,3)) # Agregar las replicas
Z<- data.frame(rep, tiempo, peso, brix) # crear matriz de datos 
View(Z)
ggplot(Z, aes(x=peso, y=brix, color=rep)) +
  geom_point(shape=1) +    # usar circulos
  geom_smooth(method=lm)   # Agregar línea de tendencia