Nubes de puntos y correlación

Observa los siguientes diagramas de dispersión representados a continuación. Identifica en cada caso si la correlación es positiva, negativa o nula.

Asociá cada una de las siguientes parejas de variables con el tipo de nube de puntos que esperarías obtener (creciente, decreciente o sin forma definida):

1. a) El número de kilómetros recorridos por un auto y el combustible que queda en su tanque.
2. b) La estatura de un grupo de adolescentes y su nota en el escrito de Idioma Español.
3. c) Las horas de entrenamiento de un atleta y su marca personal en una carrera de 100 metros llanos.
4. d) La temperatura exterior en verano y el consumo de energía de los aparatos de aire acondicionado.

Un grupo de investigadores quiere estudiar si existe relación entre el tiempo semanal que los adolescentes dedican a las pantallas de ocio (televisión, celular o consola) y su rendimiento académico. Para eso, seleccionaron una muestra de 8 estudiantes y relevaron los siguientes datos:

1. a) Representá la nube de puntos asociada a esta distribución bidimensional.
2. b) A partir del gráfico, ¿qué tipo de correlación parece existir entre ambas variables (directa o inversa)? Justificá si creés que la relación es fuerte o débil.

En estadística, es fundamental distinguir entre una relación que se puede calcular con una fórmula exacta y otra que solo muestra una tendencia. Indicá si la relación entre las siguientes parejas de variables es funcional o estadística (correlación):

1. a) La cantidad de horas que un estudiante de 1° de bachillerato pasa jugando videojuegos y su nota en el escrito de Economía.
2. b) La longitud del lado de un cuadrado y su perímetro.
3. c) Los litros de nafta que se cargan en un auto y el importe total a pagar en la estación de servicio.
4. d) La estatura de un adolescente y su peso corporal.

Observá el siguiente diagrama de dispersión que representa la relación entre las horas de entrenamiento semanal ($X$) y los puntos anotados en una temporada por un grupo de jugadores de básquetbol ($Y$).

Basándote en la forma de la nube de puntos, respondé:

1. a) ¿Es una relación directa o inversa?
2. b) ¿Cómo calificarías la fuerza de la correlación: fuerte o débil?
3. c) ¿Qué signo esperás que tenga la covarianza $\sigma_{xy}$ para estos datos?

Comparamos dos nubes de puntos representadas en los siguientes gráficos. Ambas muestran una relación directa entre las variables.

1. a) ¿En cuál de los dos gráficos los puntos están más próximos a una posible recta de regresión?
2. b) ¿Cuál de los dos tendrá un coeficiente de correlación $r$ más cercano a $1$?
3. c) Si en el gráfico A el valor de $r$ es $1$, ¿qué valor razonable (entre $0$ y $1$) podrías asignar al gráfico B?

Se midió el peso ($X$) y la altura ($Y$) de los jugadores de un equipo de básquetbol. La nube de puntos muestra una forma muy alargada y estrecha que sigue una dirección ascendente.

¿Qué nos indica que la nube sea "estrecha" respecto a la intensidad de la correlación? ¿Cómo llamarías a la relación entre el peso y la altura en este caso (directa o inversa)?

Una aplicación de música ha analizado los datos de 8 usuarios para ver la relación entre su edad ($X$, en años) y el número de canciones distintas que escuchan al mes ($Y$). La nube de puntos resultante se muestra a continuación:

A la vista de la gráfica, ¿podemos decir que la correlación es fuerte o débil? Justifica si el número de canciones escuchadas tiende a aumentar o a disminuir conforme aumenta la edad según esta muestra.

Dadas las siguientes cuatro nubes de puntos asociadas a diferentes fenómenos sociales, asigna razonadamente a cada una uno de estos coeficientes de correlación: $r_1 = 0,95$, $r_2 = -0,80$, $r_3 = 0,05$ y $r_4 = -0,10$.

Argumenta tu elección basándote en la dispersión respecto a una posible recta y el sentido de la inclinación de los puntos.

La dirección de la relación entre dos variables nos indica cómo varía una cuando cambia la otra. Determiná si existe una correlación positiva, correlación negativa o si las variables están incorrelacionadas en los siguientes casos:

1. a) La cantidad de faltas a clase y la calificación final del curso.
2. b) El número de calzado de una persona y su promedio en Matemática.
3. c) La temperatura exterior en verano y el consumo de energía de los aparatos de aire acondicionado.
4. d) Los años de antigüedad de un celular y su precio de reventa en el mercado de segunda mano.

La covarianza $\sigma_{xy}$ nos informa sobre el sentido de la variación conjunta de dos variables. Sin realizar todos los cálculos complejos, observá los siguientes datos que relacionan la temperatura de un refresco ($X$, en $^\circ C$) y el tiempo que lleva fuera de la heladera ($Y$, en minutos):

1. a) ¿A medida que aumenta el tiempo, la temperatura tiende a aumentar o a disminuir?
2. b) Justificá, según tu respuesta anterior, si la covarianza será positiva, negativa o nula.

El coeficiente de correlación de Pearson, $r$, es una medida adimensional que oscila en un rango determinado. De los siguientes valores, indica cuáles no son posibles para un coeficiente de correlación y explica por qué:

1. a) $r = 0,85$
2. b) $r = -1,2$
3. c) $r = 2,5$
4. d) $r = -0,4$
5. e) $r = 0$

Indica si las siguientes afirmaciones sobre las nubes de puntos son verdaderas o falsas:

1. a) Si todos los puntos de la nube están exactamente sobre una línea recta creciente, la correlación es perfecta y positiva ($r = 1$).
2. b) Una nube de puntos con forma circular indica una correlación muy fuerte.
3. c) En una nube de puntos, la variable independiente se representa siempre en el eje de ordenadas ($Y$).
4. d) El diagrama de dispersión permite visualizar rápidamente si existe alguna relación entre dos variables numéricas.

La siguiente tabla muestra la distancia recorrida ($X$, en km) y el tiempo empleado ($Y$, en min) por un ciclista en sus salidas de entrenamiento:

1. a) Dibuja la nube de puntos.
2. b) Traza a mano alzada la recta que mejor se ajuste a los puntos (recta de regresión).
3. c) Utilizando la recta que has dibujado, estima cuánto tiempo tardaría el ciclista en recorrer 45 km. ¿Crees que esta estimación es fiable?

Puedes hacerlo en papel y enviar una foto con tu respuesta.

Se ha realizado un estudio sobre la relación entre el número de libros leídos al año ($X$) y la puntuación en un test de comprensión lectora ($Y$) en un grupo de alumnos. La nube de puntos resultante se muestra a continuación:

1. a) Indica si existe una dependencia funcional o una dependencia estadística. Explica la diferencia entre ambos conceptos usando este ejemplo.
2. b) Clasifica la correlación según su signo y su intensidad (fuerte, moderada o débil).
3. c) ¿Podríamos afirmar que "leer más libros causa necesariamente sacar mejor nota"? Razona la diferencia entre correlación y causalidad.

Un biólogo mide la altura de una especie de planta exótica ($Y$, en cm) en función de la cantidad de fertilizante nitrogenado aplicado ($X$, en mg). Observa que, al principio, la altura aumenta rápidamente con el fertilizante, pero a partir de cierta cantidad, la planta se satura y la altura se estabiliza o incluso decrece ligeramente debido a la toxicidad.

1. Analiza la nube de puntos y determina si un modelo de regresión lineal sería adecuado para describir esta relación en todo el dominio de $X$.

2. Si el biólogo calcula el coeficiente de correlación de Pearson para todos los datos y obtiene un valor cercano a $0$, ¿significa esto que las variables son independientes? Justifica la respuesta basándote en la forma de la nube.

Se ha obtenido la siguiente nube de puntos que relaciona el consumo de energía eléctrica mensual de un hogar ($X$, en kWh) con la temperatura media exterior ese mes ($Y$, en $^\circ C$).

1. Describe la relación entre las variables. ¿Es una relación lineal en todo su recorrido?

2. Justifica por qué el coeficiente de determinación $R^2$ para un ajuste lineal sería muy bajo a pesar de que existe una relación evidente entre las variables.

3. Propón una forma de dividir el estudio de esta nube de puntos para poder aplicar técnicas de regresión lineal de manera efectiva.

Un psicólogo deportivo estudia la relación entre el nivel de activación prepartido (ansiedad, variable $X$) y el rendimiento en tiros libres de jugadores de básquetbol (porcentaje de acierto, variable $Y$). La literatura sugiere que existe un "nivel óptimo" de activación: si es muy bajo, el jugador está apático; si es muy alto, está bloqueado.

1. Dibujá una nube de puntos hipotética que refleje esta situación (conocida como la ley de Yerkes-Dodson).

2. Si un analista de datos calculara la covarianza $s_{xy}$ de esta nube y obtuviera un valor cercano a cero, ¿sería correcto concluir que el nivel de ansiedad no influye en el rendimiento? Justificá tu respuesta analizando la geometría de la nube de puntos que dibujaste.

Explicá razonadamente por qué los siguientes datos no podrían representarse correctamente mediante una nube de puntos en el contexto de la estadística bidimensional:

Se sospecha que existe una relación entre el número de faltas de asistencia a clase ($X$) y la nota final del trimestre ($Y$). Se han representado los datos de una clase en el siguiente diagrama:

En el gráfico aparece un punto de color rojo que se separa claramente de la tendencia general del grupo. ¿Cómo se denomina a este tipo de puntos en estadística y qué podría significar en este contexto real?

Un influencer analiza la relación entre el número de horas que dedica a editar un video ($X$) y el número de "likes" que recibe en las primeras 24 horas ($Y$, en miles). Tras publicar 10 videos, obtiene una nube de puntos muy estrecha y ascendente, excepto por un video que, tras solo 1 hora de edición, consiguió un número masivo de "likes" debido a un reto viral.

1. a) ¿Cómo se denomina técnicamente a ese punto que se aleja de la tendencia general de la nube?
2. b) Si el influencer decide eliminar ese dato especial de su estudio, ¿qué ocurriría con el valor absoluto del coeficiente de correlación $r$? ¿Aumentaría o disminuiría? Justificá tu respuesta.
3. c) ¿La relación entre las variables pasaría a ser más o menos lineal tras eliminar dicho punto?

Dadas las siguientes parejas de variables, indicá para cuáles de ellas tendría sentido construir una nube de puntos para analizar su relación. Justificá tu decisión en cada caso:

1. El nombre de los alumnos de la clase y su estatura.

2. El número de horas de estudio y la calificación en un examen.

3. El color de ojos y el género de una persona.

4. El precio de un auto usado y sus kilómetros recorridos.

Un grupo de investigadores analiza la relación entre el tiempo semanal dedicado a videojuegos de estrategia (variable $X$, en horas) y la puntuación obtenida en un test de razonamiento lógico (variable $Y$, de 0 a 100). Los datos de 10 adolescentes muestran una correlación lineal positiva muy fuerte, a excepción de un individuo que dedica 25 horas semanales y obtiene solo 10 puntos en el test.

Basándote en la representación gráfica:

1. Explica razonadamente cómo afecta el punto $P$ al valor del coeficiente de correlación de Pearson $r$ y a la pendiente de la futura recta de regresión.

2. Si elimináramos el punto $P$, ¿podríamos afirmar que existe una relación de causalidad entre jugar a videojuegos y el razonamiento lógico? Justifica tu respuesta analizando la naturaleza de las variables.

Se estudia la relación entre la inversión en publicidad en redes sociales ($X$, en miles de pesos) y el número de nuevos suscriptores ($Y$, en cientos) para dos aplicaciones móviles distintas, "App A" y "App B". Las nubes de puntos resultantes muestran que ambas tienen una media de inversión de $\bar{x} = 200$ y una media de suscriptores de $\bar{y} = 12$. Sin embargo, la App A presenta una nube muy dispersa en forma circular, mientras que la App B presenta una nube muy estrecha y alargada con pendiente negativa.

1. Realizá un bosquejo de ambas nubes de puntos en un mismo sistema de ejes, diferenciándolas por colores o símbolos.

2. Compará los coeficientes de correlación $r_A$ y $r_B$. ¿En qué caso es más confiable realizar una predicción del número de suscriptores basándose en la inversión?

3. ¿Qué significaría, en el contexto del marketing, que la App B tenga una pendiente negativa?

En un estudio sobre demografía urbana, se representan en el eje $X$ la densidad de población (hab/$km^2$) y en el eje $Y$ el precio promedio del alquiler ($\$/m^2$). La nube de puntos obtenida presenta una estructura muy peculiar: dos grupos de puntos claramente diferenciados ("clústeres"). El grupo 1 corresponde a barrios periféricos y el grupo 2 a barrios del centro histórico.

1. Si dentro de cada grupo por separado la correlación es positiva y fuerte, pero al considerar todos los puntos juntos la nube parece no tener tendencia clara, ¿qué problemas encontraríamos al intentar calcular un único coeficiente de correlación de Pearson para toda la ciudad?

2. Explicá cómo la existencia de variables cualitativas ocultas (como el tipo de barrio) puede "engañar" a la interpretación de una nube de puntos bidimensional.

Considera una nube de puntos con una correlación lineal positiva muy fuerte ($r = 0,98$). Supongamos que transformamos todos los valores de la variable $X$ mediante la operación $X' = X + 50$ y todos los valores de la variable $Y$ mediante $Y' = 3 \cdot Y$.

1. Describe qué cambios experimentaría la nube de puntos en el plano (traslación, deformación, cambio de escala).

2. Razona, sin realizar cálculos, si el nuevo coeficiente de correlación $r'$ será mayor, menor o igual al original $r$.

3. ¿Cambiaría la fiabilidad de las predicciones si usáramos la nueva nube de puntos transformada? Explica por qué.