Correlación y Regresión Lineal Simple

La correlación y regresión lineal simple requieren que los estudiantes manipulen datos reales para internalizar conceptos abstractos. Trabajar con variables cuantitativas concretas, como medidas corporales o estadísticas deportivas, hace tangible la relación entre variables y facilita la comprensión de la pendiente, el intercepto y el significado de r.

• IV Medio
• Matemática
• 4 actividades
• 20 min–50 min

Objetivos de Aprendizaje

1. Calcular el coeficiente de correlación de Pearson (r) para cuantificar la fuerza y dirección de la relación lineal entre dos variables cuantitativas.
2. Interpretar el valor del coeficiente de correlación (r) en el contexto de datos reales, distinguiendo entre correlación fuerte, débil y nula.
3. Determinar la ecuación de la recta de regresión lineal simple (y = mx + b) a partir de un conjunto de datos y explicar el significado de la pendiente (m) y la ordenada al origen (b).
4. Utilizar la ecuación de regresión lineal para predecir el valor de una variable dependiente basándose en el valor de una variable independiente.
5. Criticar afirmaciones que confunden correlación con causalidad, explicando por qué la asociación entre dos variables no garantiza una relación causa-efecto.

Enseñanza entre Pares

⏱ 35 min·Parejas

Enseñanza entre Pares: Datos corporales y correlación

Los estudiantes miden alturas y pesos de compañeros en pares. Calculan el coeficiente r con calculadora gráfica o Excel, grafican la dispersión y discuten la fuerza de la relación. Finalmente, comparan resultados con la clase.

Preparación y detalles

¿Cómo se cuantifica la fuerza y dirección de la relación lineal entre dos variables?

Consejo de Facilitación: Durante 'Pares: Datos corporales y correlación', pida a los estudiantes que midan su estatura y longitud de brazo en centímetros para calcular r manualmente y reflexionar sobre la precisión de sus cálculos.

Setup: Área de presentación al frente, o múltiples estaciones de enseñanza

Materials: Tarjetas de asignación de temas, Plantilla de planificación de lección, Formulario de retroalimentación entre pares, Materiales para apoyo visual

• Comprender
• Aplicar
• Analizar
• Crear
• Autogestión
• Habilidades de Relación

Aprendizaje Basado en Problemas

⏱ 50 min·Grupos pequeños

Grupos pequeños: Regresión con datos deportivos

Cada grupo selecciona datos públicos de goles vs. tiros en fútbol chileno. Ajustan la recta de regresión en software, predicen valores y evalúan el ajuste con r². Presentan hallazgos y limitaciones.

Preparación y detalles

¿Por qué la correlación no implica causalidad?

Consejo de Facilitación: En 'Grupos pequeños: Regresión con datos deportivos', distribuya conjuntos de datos con valores atípicos para que los grupos identifiquen su impacto en la recta de regresión y en r.

Setup: Grupos en mesas con acceso a materiales de investigación

Materials: Documento del escenario del problema, Tabla SQA o marco de indagación, Biblioteca de recursos, Plantilla de presentación de solución

• Analizar
• Evaluar
• Crear
• Toma de Decisiones
• Autogestión
• Habilidades de Relación

Aprendizaje Basado en Problemas

⏱ 25 min·Toda la clase

Clase completa: Simulación de causalidad

Proyecta ejemplos espurios como helados y ahogados. La clase vota por causalidad, calcula r y discute por qué correlación no implica causa. Registra conclusiones en pizarra compartida.

Preparación y detalles

¿Cómo se utiliza la regresión lineal para predecir el valor de una variable a partir de otra?

Consejo de Facilitación: En la 'Simulación de causalidad' de clase completa, asigne roles específicos a los estudiantes —como variables ocultas— para que representen roles en una relación espuria y discutan cómo factores externos distorsionan la interpretación.

Setup: Grupos en mesas con acceso a materiales de investigación

Materials: Documento del escenario del problema, Tabla SQA o marco de indagación, Biblioteca de recursos, Plantilla de presentación de solución

• Analizar
• Evaluar
• Crear
• Toma de Decisiones
• Autogestión
• Habilidades de Relación

Aprendizaje Basado en Problemas

⏱ 20 min·Individual

Individual: Predicciones personales

Cada estudiante elige dos variables de su vida diaria, recolecta 15 datos, calcula regresión y predice un valor futuro. Comparte en foro virtual para retroalimentación.

Preparación y detalles

¿Cómo se cuantifica la fuerza y dirección de la relación lineal entre dos variables?

Consejo de Facilitación: Durante 'Predicciones personales', proporcione una hoja de cálculo con datos históricos de su escuela para que los estudiantes elijan variables significativas y calculen predicciones con intervalos de confianza.

Setup: Grupos en mesas con acceso a materiales de investigación

Materials: Documento del escenario del problema, Tabla SQA o marco de indagación, Biblioteca de recursos, Plantilla de presentación de solución

• Analizar
• Evaluar
• Crear
• Toma de Decisiones
• Autogestión
• Habilidades de Relación

Enseñando Este Tema

Enseñar correlación y regresión lineal exige equilibrar cálculo, interpretación y pensamiento crítico. Evite enfocarse únicamente en fórmulas: priorice la construcción de gráficos de dispersión, la discusión de residuos y la verificación de supuestos como linealidad. Los errores comunes surgen cuando los estudiantes confunden correlación con causalidad o ignoran la variabilidad residual. Use ejemplos cotidianos —como la relación entre horas de sueño y rendimiento académico— para hacer el aprendizaje relevante y memorable.

Qué Esperar

Los estudiantes demostrarán comprensión al calcular e interpretar el coeficiente de correlación, construir y usar la ecuación de regresión para hacer predicciones razonables, y distinguir entre correlación y causalidad en contextos variados. La participación activa en discusiones y simulaciones mostrará su capacidad para cuestionar interpretaciones erróneas comunes.

Cuidado con estas ideas erróneas

Idea errónea común

Durante 'Pares: Datos corporales y correlación', algunos estudiantes pueden asumir que una correlación alta entre estatura y longitud de brazo implica que una causa la otra.

Qué enseñar en su lugar

En esta actividad, guíe a los estudiantes a cuestionar esta idea al analizar factores biológicos comunes (como la genética) que influyen en ambas variables simultáneamente, destacando que la correlación no prueba causalidad.

Idea errónea común

Durante 'Grupos pequeños: Regresión con datos deportivos', los estudiantes pueden interpretar r=0 como ausencia total de relación entre las variables.

Qué enseñar en su lugar

Use esta actividad para mostrar que r=0 solo indica falta de relación lineal; pida a los grupos que grafiquen los datos y busquen patrones no lineales, como curvas cuadráticas en la relación entre minutos jugados y puntos anotados.

Idea errónea común

Durante 'Predicciones personales', los estudiantes pueden creer que la recta de regresión predice valores exactos sin margen de error.

Qué enseñar en su lugar

En esta actividad, enfatice la incertidumbre usando los intervalos de confianza generados por software. Pida a los estudiantes que comparen sus predicciones con valores reales de los datos y discutan por qué hay diferencias.

Ideas de Evaluación

Verificación Rápida

Después de 'Pares: Datos corporales y correlación', entregue a cada estudiante un gráfico de dispersión con datos de estatura y peso. Pídales que calculen r usando calculadora y que expliquen su interpretación en una frase. Luego, solicite la ecuación de regresión y su significado contextual.

Pregunta para Discusión

Durante la 'Simulación de causalidad' de clase completa, plantee el escenario de la correlación entre helados vendidos y ahogamientos en verano. Guíe la discusión para que identifiquen la variable oculta (temperatura) y expliquen por qué la correlación no implica causalidad usando ejemplos concretos del contexto de la simulación.

Boleto de Salida

Después de 'Predicciones personales', entregue a cada estudiante un par de variables contextualizadas (ej. horas de estudio y nota en un examen). Pídales que formulen una hipótesis sobre la relación lineal, predigan el valor de r y escriban la ecuación de regresión, justificando sus respuestas con los datos trabajados.

Extensiones y Apoyo

• Para estudiantes avanzados: Pida que exploren la relación entre dos variables no lineales (ej. tiempo de reacción vs. edad) y propongan una transformación matemática que linealice los datos.
• Para estudiantes que necesitan apoyo: Entregue una guía paso a paso con espacios en blanco para completar cálculos de r y la ecuación de regresión usando datos pre-seleccionados.
• Para profundizar: Invite a los estudiantes a investigar un estudio real que utilice regresión lineal en su comunidad, como análisis de contaminación ambiental o rendimiento agrícola, y presenten sus hallazgos en un formato breve.

Vocabulario Clave

Coeficiente de Correlación de Pearson (r)	Medida estadística que cuantifica la fuerza y dirección de la relación lineal entre dos variables cuantitativas. Varía entre -1 (correlación lineal negativa perfecta) y +1 (correlación lineal positiva perfecta), con 0 indicando ausencia de relación lineal.
Recta de Regresión Lineal Simple	Ecuación de la forma y = mx + b que representa la mejor aproximación lineal a la relación entre dos variables, utilizada para predecir el valor de 'y' (variable dependiente) a partir del valor de 'x' (variable independiente).
Pendiente (m)	En la recta de regresión, representa el cambio promedio en la variable dependiente (y) por cada unidad de cambio en la variable independiente (x).
Ordenada al Origen (b)	En la recta de regresión, es el valor predicho de la variable dependiente (y) cuando la variable independiente (x) es igual a cero.
Gráfico de Dispersión	Representación gráfica de datos que utiliza puntos para mostrar la relación entre dos variables cuantitativas. Permite visualizar patrones, tendencias y la posible existencia de una relación lineal.