A medida que avanza la tecnología de realidad virtual (RV), la investigación se ha centrado en mejorar el contenido de RV para una experiencia de usuario más realista. El análisis tradicional de emociones se basa en encuestas, pero sufren de respuestas tardías y disminución de la inmersión, lo que conduce a resultados distorsionados. Para superar estas limitaciones, proponemos un método de análisis de emociones utilizando datos de sensores en el entorno de RV. Nuestro enfoque puede aprovechar la respuesta inmediata del usuario y no reducir la inmersión. Se aplicaron métodos de regresión lineal, análisis de clasificación y basados en árboles a datos de sensores de electrocardiograma y respuesta de la piel galvánica (GSR) para medir los valores de valencia y excitación. Introdujimos un nuevo modelo de dimensión emocional mediante el análisis de correlaciones entre emociones y los valores de valencia y excitación. Los resultados experimentales demostraron la mayor precisión del 77% y 92.3% para la predicción de valencia y excitación, respectivamente, utilizando datos de sensores GSR. Además, se logró una precisión del 80.25% en la predicción de valencia y excitación utilizando nueve emociones. Nuestro modelo propuesto mejora el contenido de RV a través de un análisis de emociones más preciso en un entorno de RV, lo que puede ser útil para dirigirse a clientes en diversas industrias, como marketing, juegos, educación y atención médica.