Probabilidades y Estadística Descriptiva e Inferencial · IV Medio · Análisis de Datos y Estadística Descriptiva · 1.º Período

Correlación y asociación entre variables

Estudio de la relación entre dos variables cuantitativas mediante diagramas de dispersión y el coeficiente de correlación. Permite identificar tendencias y posibles relaciones causales en contextos reales.

En resumen:La correlación y asociación entre variables es un pilar de la alfabetización estadística moderna. En este nivel, los estudiantes aprenden a identificar si existe una relación lineal entre dos variables cuantitativas mediante el coeficiente de correlación de Pearson y diagramas de dispersión. Este análisis es fundamental para comprender fenómenos complejos en Chile, como la relación entre años de escolaridad e ingresos o entre la inversión en salud y la esperanza de vida.

• Objetivos de Aprendizaje (OA)
• OA 1
• OA b

Acerca de este tema

La correlación y asociación entre variables es un pilar de la alfabetización estadística moderna. En este nivel, los estudiantes aprenden a identificar si existe una relación lineal entre dos variables cuantitativas mediante el coeficiente de correlación de Pearson y diagramas de dispersión. Este análisis es fundamental para comprender fenómenos complejos en Chile, como la relación entre años de escolaridad e ingresos o entre la inversión en salud y la esperanza de vida.

El foco principal es distinguir entre correlación y causalidad, una habilidad crítica para evitar interpretaciones erróneas de noticias y estudios científicos. Al explorar datos locales, los estudiantes desarrollan un pensamiento escéptico saludable y aprenden a usar la estadística como una herramienta de investigación social. Los estudiantes asimilan estos conceptos con mayor rapidez mediante la discusión estructurada y la explicación entre pares sobre casos de estudio reales.

Preguntas Clave

1. ¿Qué significa que dos variables estén correlacionadas?
2. ¿Implica la correlación una relación de causalidad?
3. ¿Cómo podemos predecir el comportamiento de una variable en función de otra?

Cuidado con estas ideas erróneas

Idea errónea común

Asumir que un coeficiente de correlación de cero significa que no hay relación entre las variables.

Qué enseñar en su lugar

El coeficiente de Pearson solo mide relaciones lineales. Las actividades de visualización ayudan a los estudiantes a ver que puede existir una relación curva (cuadrática) muy fuerte que el coeficiente lineal no detecta, reforzando la importancia de mirar siempre el gráfico.

Idea errónea común

Pensar que una correlación negativa indica un error en los datos o una relación débil.

Qué enseñar en su lugar

Muchos alumnos asocian 'negativo' con 'malo' o 'inexistente'. A través de ejemplos prácticos, como la relación entre altitud y temperatura en la Cordillera de los Andes, pueden visualizar que una correlación negativa es simplemente una relación inversa igual de fuerte que una positiva.

Ideas de aprendizaje activo

Análisis de Estudio de Caso

Galería de Correlaciones Espurias

Los estudiantes crean carteles con gráficos que muestran correlaciones altas pero absurdas (ej. consumo de helados y ataques de tiburones). El resto del curso camina por la sala evaluando por qué no hay causalidad y qué variable oculta podría explicar la relación.

40 min·Grupos pequeños

Juego de Simulación

El Consultor de Datos

En parejas, los estudiantes reciben bases de datos sobre exportaciones chilenas (cobre, litio, fruta) y deben usar software para encontrar qué variables están más asociadas. Deben presentar una recomendación estratégica basada en la fuerza de la correlación encontrada.

50 min·Parejas

Análisis de Estudio de Caso

Debate Estructurado: ¿Correlación es Causalidad?

Se presenta un estudio real sobre hábitos de estudio y notas. Un grupo debe defender que la relación es causal, mientras el otro debe proponer variables intervinientes (motivación, entorno familiar) que invaliden la causalidad directa.

30 min·Toda la clase

Preguntas frecuentes

¿Cómo se puede enseñar la diferencia entre correlación y causalidad de forma activa?

La mejor estrategia es mediante el análisis de casos y el debate. Al pedir a los estudiantes que propongan 'terceras variables' para explicar una correlación observada, ellos mismos descubren que la estadística muestra patrones, pero la lógica y el contexto determinan la causa. Las simulaciones con datos reales de su entorno hacen que este concepto sea inolvidable.

¿Qué rango de valores puede tomar el coeficiente de correlación?

El coeficiente de Pearson (r) siempre oscila entre -1 y 1. Un valor de 1 indica una relación lineal positiva perfecta, -1 una relación negativa perfecta, y 0 indica la ausencia total de relación lineal entre las variables estudiadas.

¿Para qué sirve la recta de regresión en un diagrama de dispersión?

La recta de regresión es el modelo matemático que mejor resume la tendencia de los datos. Permite realizar predicciones sobre el comportamiento de una variable (dependiente) dado un valor específico de la otra (independiente), siempre dentro del rango de los datos observados.

¿Cuándo es apropiado usar el coeficiente de Pearson?

Se debe usar cuando ambas variables son cuantitativas y su relación parece ser lineal en el gráfico de dispersión. Además, es sensible a valores atípicos, por lo que es vital revisar la distribución de los datos antes de concluir sobre la fuerza de la asociación.