Ampliació D · 3r ESO

🔗 Dues variables i núvols de punts PREPARA 4t

Parelles (x,y), direcció i intensitat d’associació, valors atípics, causalitat, interpolació i extrapolació.

Altres nivells:1r ESO2n ESO3r ESO

1. D’una variable a dues variables

Fins ara hem estudiat una característica per individu. En estadística bivariant, cada individu aporta una parella (x,y), per exemple (hores d’estudi, nota) o (altura, massa). El vincle entre les dues dades d’un mateix individu s’ha de conservar.

✏️ Tres alumnes

  1. A: (2 h, 6 punts).
  2. B: (4 h, 8 punts).
  3. C: (1 h, 5 punts).
  4. No podem ordenar les hores i les notes per separat, perquè destruiríem les parelles originals.

2. Núvol de punts

Representem cada parella (x,y) com un punt. El conjunt forma un núvol de punts o diagrama de dispersió. La forma del núvol permet estudiar la direcció i la intensitat visual de l’associació.

Patró visualInterpretació
Els punts tendeixen a pujar d’esquerra a dretaAssociació positiva/directa
Els punts tendeixen a baixarAssociació negativa/inversa
No hi ha direcció claraAssociació feble o inexistent
Punts molt propers a una líniaAssociació lineal visualment forta
Punts molt dispersosAssociació més feble

3. Intensitat no és pendent

Una recta molt inclinada no implica una associació més forta. La força depèn de com de prop segueixen els punts una tendència, no de si aquesta tendència puja molt o poc per cada unitat de x.

4. Valors atípics bivariants

Un punt pot quedar molt lluny del patró general. Pot ser un error, un cas especial o informació important. Igual que en una variable, cal investigar-lo abans d’eliminar-lo. En dades bivariants, un punt atípic pot afectar molt una futura recta de tendència.

5. Associació no implica causalitat

Un núvol de punts pot mostrar una associació clara, però no demostra que x causi y. Pot haver-hi variables ocultes, causalitat inversa o una combinació de factors.

✏️ Temperatura i venda de gelats

  1. Podem observar una associació positiva: quan puja la temperatura, solen augmentar les vendes.
  2. Això és compatible amb una relació causal, però el gràfic sol no prova tots els mecanismes.
  3. En altres exemples, com venda de gelats i cremades solars, una tercera variable —la calor/exposició— explica bona part de l’associació.

6. Interpolació i extrapolació

Interpolar: fer una predicció per un valor de x que està dins del rang de dades observades.
Extrapolar: predir fora del rang observat. És més arriscat perquè la tendència pot deixar de continuar.

✏️ Dades entre 1 i 6 hores d’estudi

  1. Predir la nota per 4,5 hores és interpolació.
  2. Predir-la per 15 hores és extrapolació.
  3. Una tendència observada entre 1 i 6 hores no garanteix que continuï igual fins a 15.

7. Què arribarà a 4t?

A 4t podrem quantificar la relació amb eines com el coeficient de correlació i estudiar rectes de regressió. Aquí l’objectiu és construir la intuïció: llegir el núvol, conservar les parelles, descriure direcció/força i justificar si una predicció és prudent.

⚠️ Errors habituals

✅ Autocomprovació

Respon sense mirar els exemples. L’objectiu és comprovar si entens la idea, no només si recordes una fórmula.

1. En un núvol que baixa d’esquerra a dreta hi ha...
2. Predir dins del rang observat és...
3. Una associació forta demostra causalitat?

✅ Resum essencial

Teoria de dues variables i núvols de punts per a Matemàtiques de 3r d'ESO: Parelles (x,y), direcció i intensitat d’associació, valors atípics, causalitat, interpolació i extrapolació.

Informa d'un error o proposa una millora