Ideas de aprendizaje activo
La correlación y la regresión lineal permiten a los estudiantes de III Medio explorar relaciones entre variables y realizar predicciones. Bajo los OA 1 y 3, los jóvenes aprenden a identificar si dos fenómenos están vinculados (como las horas de estudio y el rendimiento académico) y a modelar esa relación mediante una línea recta. En Chile, este análisis es clave para entender temas como la relación entre el crecimiento económico y el consumo de energía, o entre la altitud y la biodiversidad.
Actividad 01
Los estudiantes miden su estatura y el largo de su brazo. Crean un diagrama de dispersión en la sala y usan un hilo para encontrar visualmente la recta que mejor se ajusta, antes de calcularla con software.
¿Por qué la correlación no implica necesariamente causalidad?
Actividad 02
Se muestran gráficos de variables que están altamente correlacionadas pero no tienen relación causal (ej. consumo de queso y títulos de ingeniería). Los estudiantes deben proponer explicaciones creativas y discutir por qué la correlación no implica causalidad.
¿Cómo encontramos la recta que mejor se ajusta a nuestros datos empíricos?
Actividad 03
Usando datos históricos del precio del pan o del dólar en Chile, los grupos crean un modelo de regresión lineal para predecir el valor del próximo mes. Luego comparan su predicción con el dato real y analizan el error.
¿Qué nos dice el coeficiente de determinación sobre nuestro modelo predictivo?
Algunas notas para enseñar esta unidad
Cuidado con estas ideas erróneas
Asumir que un coeficiente de correlación de 0 significa que no hay ninguna relación entre las variables.
Solo significa que no hay una relación *lineal*. Las variables podrían tener una relación curva (cuadrática, por ejemplo). Mostrar gráficos con formas de 'U' ayuda a visualizar que el coeficiente r solo mide la 'rectitud' de la relación.
Extrapolar predicciones mucho más allá del rango de los datos observados.
Muchos estudiantes creen que el modelo lineal sigue para siempre. Es vital discutir ejemplos donde la relación cambia (como el crecimiento humano, que se detiene) para entender los límites de la predicción.
Metodologías usadas en este resumen
Pruebas de hipótesis
Formulación de hipótesis nulas y alternativas para contrastar afirmaciones sobre una población. Cálculo e interpretación del valor-p en distintos contextos científicos y sociales.
8 methodologies
Análisis crítico de estudios estadísticos
Evaluación de la validez y fiabilidad de estudios publicados en medios de comunicación. Identificación de falacias estadísticas, sesgos cognitivos y manipulación de datos.
8 methodologies
Proyecto final de análisis de datos
Desarrollo de una investigación completa, desde la recolección y limpieza de datos hasta la inferencia estadística. Presentación de resultados utilizando herramientas computacionales y visualizaciones efectivas.
8 methodologies