Asociación entre variables y lectura crítica

Supongamos que para una máquina registramos sus horas de funcionamiento y las unidades que produjo. Una pareja (2; 30) significa dos horas y treinta unidades de esa máquina en el periodo definido. La primera coordenada va al eje horizontal y la segunda al vertical.

Un diagrama de dispersión coloca un punto por pareja. Conservamos quién aportó cada par: ordenar las dos columnas por separado destruiría esa información. Las escalas, las unidades y la población observada también forman parte de la lectura.

Una tendencia positiva acompaña valores mayores de x con valores generalmente mayores de y. Una negativa los acompaña con menores. Se trata del conjunto: puede haber alguna bajada dentro de una tendencia positiva. Positiva no significa que todas las coordenadas sean positivas.

La forma puede parecer una recta, una curva u otro patrón. La fuerza indica cuánto se concentran los puntos alrededor del patrón que estamos describiendo. No equivale a pendiente grande: cambiar metros por centímetros cambia la pendiente numérica y no la concentración lineal.

La media de x da una referencia horizontal y la media de y una vertical. Para cada pareja restamos esas medias. Si las dos desviaciones tienen el mismo signo, su producto es positivo; si tienen signos contrarios, es negativo. Sumamos esos productos para ver si predomina una variación conjunta lineal.

Para quitar las unidades y ajustar la escala usamos r = Σ[(xᵢ − x̄)(yᵢ − ȳ)] / √{Σ(xᵢ − x̄)² · Σ(yᵢ − ȳ)²}. Cada suma recorre las mismas parejas. El denominador debe ser positivo: ambas variables tienen que variar. El resultado está entre −1 y 1.

r = 1 significa alineación exacta con pendiente positiva; r = −1, con pendiente negativa. Si una variable es constante, el denominador es cero y r no se define por esta fórmula. Un r próximo a cero describe poca asociación lineal; no descarta toda relación.

Dibujamos los pares (−2; 4), (−1; 1), (0; 0), (1; 1), (2; 4).

Primero las salidas bajan y después suben: una única recta no resume esa forma.

La media de x es cero y la de y es dos. Los productos de desviaciones son −4, 1, 0, −1 y 4: suman cero. Ambas variables varían, así que r es cero. La relación cuadrática sigue siendo exacta; lo que se cancela es el resumen lineal.

Describir dice qué valores aparecen juntos. Afirmar una causa añade qué ocurriría al intervenir: cambiar deliberadamente una condición produciría un cambio en otra. Una coincidencia en un conjunto de observaciones no demuestra por sí sola ese efecto.

Puede existir una causa común, un sentido inverso de relación o una selección que genere el patrón. Elegir aleatoriamente una muestra y asignar aleatoriamente una intervención son operaciones diferentes: la primera ayuda a estudiar una población; la segunda puede ayudar a separar efectos bajo las condiciones del experimento.

Si una ciudad tiene más habitantes, puede registrar más bicicletas y más libros prestados simplemente por tener más personas. Antes de atribuir una relación directa a los recuentos, consideramos el tamaño de las unidades y el periodo.

Dividir por población da tasas comparables en una escala común, si el denominador es adecuado. Es un ajuste concreto de tamaño, no una solución automática de todas las diferencias. Comparar ciudades tampoco permite deducir qué hace cada persona: la unidad de observación sigue siendo la ciudad.

Un punto muy alejado puede cambiar mucho una correlación o una recta ajustada. Revisamos si se midió mal, pertenece a otro contexto o es un caso válido. No lo eliminamos solo porque estorbe a la tendencia que esperábamos.

Observar solo una parte seleccionada puede cambiar el patrón. Una regla que encaja en unas entradas tampoco queda demostrada fuera de ellas. Extrapolar significa predecir fuera del intervalo observado; necesita una justificación del modelo.

Seguimos una secuencia: identificar unidades y variables; conservar parejas; dibujar; describir dirección y forma; calcular un resumen apropiado si hace falta; y delimitar el alcance. Un coeficiente sin unidades de observación ni dibujo puede ocultar información esencial.

En la conclusión separamos lo observado, la predicción bajo un modelo y una explicación causal. Cuando decimos que una causa no está demostrada, damos una razón concreta del problema: un tamaño de grupo, una selección o una forma curva que el resumen lineal pierde.