Analiza datos de otros: variable oculta (temperatura) en el ejemplo de ventas de helados y casos de ahogamiento; arrastra un valor atípico para ver cómo se arruina la correlación; peligro de predicción fuera del rango de datos (extrapolación); critica afirmaciones
Volver a la simulación
Con la simulación de examen de datos de dos variables cuantitativas, aprenderás a evaluar los datos estadísticos con ojo crítico y a descubrir errores de interpretación comunes. Aprenderás los conceptos de variable oculta, extrapolación y valores atípicos a través de ejemplos como la venta de helados y los casos de ahogamiento, o la variación de la estatura infantil, mientras cuestionas la verdadera causalidad detrás de los datos. Esta herramienta interactiva es la guía perfecta para analizar correctamente las afirmaciones estadísticas que encuentras en los medios de comunicación y en la vida diaria.
¿Qué puedes hacer en esta simulación?
Puedes disminuir o aumentar el valor del coeficiente de correlación r arrastrando el punto atípico rojo y observar el efecto destructivo de los valores atípicos en la relación lineal.
Puedes examinar cómo las variables ocultas y comunes, como la temperatura, pueden inducir a error en los datos en el ejemplo de las ventas de helados y los casos de ahogamiento.
Puedes probar los resultados absurdos que generarían las predicciones hechas fuera del rango de datos (extrapolación) utilizando los datos de crecimiento en altura de los niños.
Puedes evaluar diferentes afirmaciones y escenarios dados, emparejarlos con las opciones correctas y consolidar tus conocimientos con retroalimentación instantánea.
Puedes restablecer la simulación usando el botón Reiniciar y probar diferentes escenarios nuevamente.
Conceptos básicos y fórmulas
En las investigaciones estadísticas, la relación entre dos variables cuantitativas se mide con el coeficiente de correlación (r). Sin embargo, la correlación no siempre significa causalidad (relación de causa y efecto). Las variables ocultas pueden actuar como un tercer factor que afecta a ambas variables simultáneamente. Además, las predicciones de extrapolación realizadas fuera del rango de datos actual (valores mínimos y máximos) pueden provocar grandes errores. La fórmula r = Σ((x - x_media)(y - y_media)) / √(Σ(x - x_media)^2 Σ(y - y_media)^2) proporciona la fuerza y la dirección de la relación lineal entre dos variables.
¿Cómo se usa?
Ve al panel del experimento y lee atentamente los escenarios y afirmaciones presentados en la pantalla.
Coloca las tarjetas o las opciones en las casillas correspondientes tocándolas o arrastrándolas y soltándolas.
Observa el cambio en la correlación arrastrando el punto atípico rojo en el gráfico.
Ve al instante la precisión de tus predicciones pulsando el botón Comprobar.
Repite el experimento guiado revisando los pasos que has hecho de forma incompleta o incorrecta.
Preguntas frecuentes
¿Por qué la correlación no siempre significa causalidad?
Aunque dos variables parezcan aumentar o disminuir juntas, esto no demuestra que una sea la causa de la otra. Puede haber una variable oculta subyacente (por ejemplo, la temperatura ambiente) que afecte a ambas.
¿Cómo afecta un valor atípico al coeficiente de correlación?
Un solo extremo (valor atípico) añadido posteriormente al conjunto de datos o medido erróneamente puede sesgar por completo el valor r, que indica la fuerza de la relación lineal, y destruir una relación fuerte.
¿Qué es la extrapolación y por qué es peligrosa?
Es el proceso de hacer predicciones para valores fuera de los límites del conjunto de datos que posees. La suposición de que la tendencia actual continuará indefinidamente de la misma manera puede producir resultados absurdos y contrarios a la realidad.