🔗 Dues variables i núvols de punts PREPARA 4t
Parelles (x,y), direcció i intensitat d’associació, valors atípics, causalitat, interpolació i extrapolació.
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
- A: (2 h, 6 punts).
- B: (4 h, 8 punts).
- C: (1 h, 5 punts).
- 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 visual | Interpretació |
|---|---|
| Els punts tendeixen a pujar d’esquerra a dreta | Associació positiva/directa |
| Els punts tendeixen a baixar | Associació negativa/inversa |
| No hi ha direcció clara | Associació feble o inexistent |
| Punts molt propers a una línia | Associació lineal visualment forta |
| Punts molt dispersos | Associació 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
- Podem observar una associació positiva: quan puja la temperatura, solen augmentar les vendes.
- Això és compatible amb una relació causal, però el gràfic sol no prova tots els mecanismes.
- 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
✏️ Dades entre 1 i 6 hores d’estudi
- Predir la nota per 4,5 hores és interpolació.
- Predir-la per 15 hores és extrapolació.
- 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
- Ordenar x i y per separat i perdre les parelles originals.
- Confondre una pendent gran amb una correlació forta.
- Afirmar causalitat només perquè els punts segueixen una tendència.
- Extrapolar molt lluny sense advertir que la predicció és menys fiable.
- Eliminar un punt apartat sense comprovar què representa.
✅ Autocomprovació
Respon sense mirar els exemples. L’objectiu és comprovar si entens la idea, no només si recordes una fórmula.
✅ 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.
- D’una variable a dues variables
- Tres alumnes
- Núvol de punts
- Intensitat no és pendent
- Valors atípics bivariants