Advertencias sobre la correlación

Introducción a la estadística en R

Maggie Matsui

Content Developer, DataCamp

Relaciones no lineales

Diagrama de dispersión de variables con una relación cuadrática

$$r = 0.18$$

Relaciones no lineales

Lo que vemos:

diagrama de dispersión de variables con una relación cuadrática con línea de tendencia cuadrática

Lo que ve el coeficiente de correlación:

diagrama de dispersión de variables con una relación cuadrática con una línea de tendencia lineal

La correlación solo tiene en cuenta las relaciones lineales

La correlación no debe utilizarse a ciegas

cor(df$x, df$y)

0.1786163

Visualiza siempre tus datos

diagrama de dispersión de variables con una relación cuadrática

Datos sobre el sueño de los mamíferos

msleep

   name                       vore  sleep_total awake  bodywt
 1 Cheetah                    carni        12.1  11.9  50    
 2 Owl monkey                 omni         17     7     0.48 
 3 Mountain beaver            herbi        14.4   9.6   1.35 
 4 Greater short-tailed shrew omni         14.9   9.1   0.019
 5 Cow                        herbi         4    20   600    
 6 Three-toed sloth           herbi        14.4   9.6   3.85 
 ...

Peso corporal frente a tiempo de vigilia

Gráfico de dispersión del peso corporal frente al tiempo de vigilia

cor(msleep$bodywt, msleep$awake)

0.3119801

Distribución del peso corporal

Histograma de la variable «bodywt»

Transformación logarítmica

msleep %>%
  mutate(log_bodywt = log(bodywt)) %>%

  ggplot(aes(log_bodywt, awake)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE)

cor(msleep$log_bodywt, msleep$awake)

0.5687943

Diagrama de dispersión del log del peso corporal frente al tiempo de vigilia

Otras transformaciones

Transformación logarítmica (log(x))
Transformación de raíz cuadrada (sqrt(x))
Transformación recíproca (1 / x)
Combinaciones de estas, por ejemplo:
- log(x) y log(y)
- sqrt(x) y 1 / y

¿Por qué utilizar una transformación?

Algunos métodos estadísticos se basan en que las variables tienen una relación lineal
- Coeficiente de correlación
- Regresión lineal

Introducción a la regresión en R

La correlación no implica causalidad

x está correlacionado con y no significa x que cause y

Diagrama de dispersión del consumo de margarina per cápita en EE. UU frente a la tasa de divorcios en Maine. Las variables están muy correlacionadas, con un coeficiente de correlación de 0,99

Confusión

El consumo de café (x) apunta al cáncer de pulmón (y)

Confusión

El consumo de café (x) apunta al cáncer de pulmón (y) con el tabaquismo (factor de confusión) arriba

Confusión

El consumo de café (x) apunta al cáncer de pulmón (y) con el tabaquismo (factor de confusión). Doble flecha entre fumar y beber café, etiquetada como "asociación".

Confusión

El consumo de café (x) apunta al cáncer de pulmón (y) con el tabaquismo (factor de confusión). Doble flecha entre fumar y beber café, etiquetada como "asociación". Flecha del tabaquismo al cáncer de pulmón etiquetada como "causalidad"

Confusión

Consumo de café (x) con doble flecha hacia el cáncer de pulmón (y) etiquetado como "asociación". Doble flecha entre fumar y beber café, etiquetada como "asociación". Flecha del tabaquismo al cáncer de pulmón etiquetada de "causalidad".

Las vacaciones (x) apuntan a las ventas al por menor (y). Las ofertas especiales (factor de confusión) tienen doble flecha hacia las vacaciones y una flecha hacia las ventas al por menor.

¡Practiquemos!

Introducción a la estadística en R