Guida per l'insegnante: Problemi sulla correlazione

Risolvi veri problemi sulla correlazione: calcola r passo dopo passo da pochi dati, interpretalo nel contesto, valuta le affermazioni causali e scopri come un valore anomalo cambia r.

Presenta lezioneVisualizza pagina studente

Usa questa lezione in classe

Gratis, senza account per gli studenti.

Condividi con gli studenti

Gli studenti aprono la lezione e si esercitano con correzione immediata.

Scheda da stampare

Tutti gli esercizi su carta, con le soluzioni a parte.

Scheda di esercizi Soluzioni

Quiz di classe

10 domande su Correlazione. Gli studenti partecipano con un nome, tu vedi tutti i punteggi.

Per gli insegnanti

Obiettivi di apprendimento

Calcolare a mano il coefficiente di correlazione $r$ per un insieme di 4-6 punti
Interpretare direzione e intensità di $r$ nel contesto di un problema
Decidere se un'affermazione causale è giustificata e nominare una possibile variabile confondente
Descrivere come un valore anomalo cambia $r$ e decidere quando si può togliere
Controllare i calcoli con la somma nulla degli scarti e l'intervallo $-1 \le r \le 1$

Prerequisiti

• Introduzione alla correlazione: correlazione positiva, negativa e nulla nei diagrammi di dispersione
• Coefficiente di correlazione: la formula di $r$ e la scala di intensità
• Calcolare la media di un piccolo insieme di dati
• Quadrati e radici quadrate con la calcolatrice

Spunti di discussione

1. La correlazione tra le vendite di ombrelli e gli incidenti è $r = 0{,}95$ . Come potresti verificare se a spiegarla è la pioggia e non gli ombrelli?
2. Se misurassi il tempo di studio in minuti invece che in ore, $r$ cambierebbe? Perché?
3. Quando è onesto togliere un valore anomalo e quando è barare?
4. Perché la correlazione tra le stesse due variabili potrebbe essere molto forte in una città e debole in un'altra?

Idee sbagliate comuni

Un $S_{xy}$ più grande significa sempre una correlazione più forte

Rimedio: Mostra due insiemi con lo stesso $r$ ma unità diverse: $S_{xy}$ cresce con le unità, $r$ no. Solo il rapporto $\frac{S_{xy}}{\sqrt{S_{xx} S_{yy}}}$ misura l'intensità.

Se $r$ è vicino a $1$ , l'affermazione di causa ed effetto deve essere vera

Rimedio: Raccogli esempi classici (ombrelli e incidenti stradali, televisori e aspettativa di vita, numero di scarpe e lettura) e fai trovare agli studenti la variabile confondente di ciascuno.

Un solo punto non può contare molto in un insieme di dati

Rimedio: Usa l'esempio del fertilizzante: calcola $r$ con quattro punti ( $r = 1$ ), poi aggiungi il quinto punto e ricalcola ( $r = 0$ ).

Idee di differenziazione

Per studenti in difficoltà:

• Dare una tabella degli scarti con le colonne già intestate: $x_i - \bar{x}$ , $y_i - \bar{y}$ , prodotto, quadrati
• Usare insiemi di dati con medie intere
• Far controllare ogni passo con la calcolatrice prima di andare avanti

Per studenti a livello:

• Calcolare $r$ per 4-6 punti e arrotondare a 2 cifre decimali
• Scrivere per ogni $r$ una frase completa nel contesto (direzione, intensità, variabili)
• Valutare affermazioni causali e nominare una variabile confondente

Per studenti avanzati:

• Trovare un quinto punto che rende negativo un $r$ positivo
• Dimostrare che aggiungere una costante a ogni valore di $y$ non cambia $r$
• Progettare un esperimento controllato che possa verificare un'affermazione causale letta sui giornali

Allineamento agli standard

HSS.ID.C.8 (CCSS.MATH.CONTENT.HSS.ID.C.8)
Calcolare (con la tecnologia) e interpretare il coefficiente di correlazione di un modello lineare
HSS.ID.C.9 (CCSS.MATH.CONTENT.HSS.ID.C.9)
Distinguere tra correlazione e causalità
HSS.ID.B.6 (CCSS.MATH.CONTENT.HSS.ID.B.6)
Rappresentare dati di due variabili quantitative in un diagramma di dispersione e descrivere come sono legate

Risorse della lezione

visualDiagrammi di dispersione con linea di tendenza
I dati sulle ore di studio e l'insieme con il valore anomalo, con la linea di tendenza disegnata
activityGara della tabella degli scarti
A coppie, gli studenti compilano una tabella di scarti, prodotti e quadrati per 5 punti e confrontano il loro $r$
worksheetDetective dei titoli
Gli studenti valutano sei titoli di giornale basati su correlazioni e nominano una variabile confondente per ciascuno

Contenuto della lezione

Tutto ciò che vedono gli studenti: definizione, esempi, errori comuni, applicazioni. Tocca per aprire.

Definizione

Un problema sulla correlazione ti dà dati accoppiati presi da una situazione reale e ti chiede di misurare, interpretare e valutare la relazione. Conosci già la formula del coefficiente di correlazione

r

dalla lezione *Coefficiente di correlazione*. Qui la usi come un metodo completo.

Il metodo in cinque passi per un piccolo insieme di dati:

1.Trova le medie $\bar{x}$ e $\bar{y}$ .
2.Trova ogni scarto $x_i - \bar{x}$ e $y_i - \bar{y}$ .
3.Somma i prodotti: $S_{xy} = \sum(x_i - \bar{x})(y_i - \bar{y})$ .
4.Somma i quadrati: $S_{xx} = \sum(x_i - \bar{x})^2$ e $S_{yy} = \sum(y_i - \bar{y})^2$ .
5.Dividi:
$r = \frac{S_{xy}}{\sqrt{S_{xx} \cdot S_{yy}}}$

Poi rispondi alla domanda nel contesto:

Direzione: il segno di $r$ (positivo: crescono insieme; negativo: una cresce mentre l'altra cala).
Intensità: la grandezza di $|r|$ (scala qui sotto).
Causalità: un $r$ forte da solo non dimostra mai che una variabile causa l'altra. Cerca una variabile confondente e chiediti se i dati vengono da un esperimento controllato.
Valori anomali: un solo punto insolito può rendere $r$ molto più forte, molto più debole o perfino cambiarne il segno.

	r		Intensità
da $0{,}00$ a $0{,}19$	molto debole
da $0{,}20$ a $0{,}39$	debole
da $0{,}40$ a $0{,}59$	moderata
da $0{,}60$ a $0{,}79$	forte
da $0{,}80$ a $1{,}00$	molto forte

Esempi svolti

Cinque studenti hanno annotato le ore di studio e i punteggi della verifica:

(1, 64)

(2, 63)

(3, 77)

(4, 71)

(5, 75)

. Calcola

r

e interpretalo.

Trova le medie

\bar{x} = \frac{1+2+3+4+5}{5} = 3

\bar{y} = \frac{64+63+77+71+75}{5} = \frac{350}{5} = 70

→

\bar{x} = 3

\bar{y} = 70

Trova gli scarti

x_i - \bar{x}

-2, -1, 0, 1, 2

y_i - \bar{y}

-6, -7, 7, 1, 5

→ Ogni somma degli scarti è

0

(un controllo veloce)

Moltiplica gli scarti e somma

(-2)(-6) + (-1)(-7) + (0)(7) + (1)(1) + (2)(5) = 12 + 7 + 0 + 1 + 10

→

S_{xy} = 30

Eleva gli scarti al quadrato e somma

S_{xx} = 4 + 1 + 0 + 1 + 4 = 10

S_{yy} = 36 + 49 + 49 + 1 + 25 = 160

→

S_{xx} = 10

S_{yy} = 160

Applica la formula

r = \frac{30}{\sqrt{10 \cdot 160}} = \frac{30}{\sqrt{1600}} = \frac{30}{40}

→

r = 0{,}75

Interpreta nel contesto

Segno positivo,

|r| = 0{,}75

è nella fascia da

0{,}60

0{,}79

→ Correlazione positiva forte

Risposta: $r = 0{,}75$ : una correlazione positiva forte. Chi ha studiato più a lungo ha avuto in genere punteggi più alti, anche se lo studente che ha studiato 1 ora ha fatto meglio di quello che ha studiato 2 ore: l'andamento non è perfetto.

Errori comuni

Moltiplicare i valori grezzi $x_i y_i$ invece degli scarti

Perché è sbagliato: La formula $r = \frac{S_{xy}}{\sqrt{S_{xx} S_{yy}}}$ usa le distanze dalle medie. I prodotti grezzi sono sempre grandi e positivi con dati positivi e danno un $r$ sbagliato.

Corretto: Sottrai prima le medie. Controllo veloce: gli scarti di ogni variabile hanno somma $0$ .

Dimenticare la radice quadrata o arrotondare troppo presto

Perché è sbagliato: $\frac{30}{10 \cdot 160} \approx 0{,}019$ non è $r$ . Arrotondare $\sqrt{520}$ a $23$ dà $0{,}957$ invece di $0{,}965$ .

Corretto: Calcola la radice quadrata di $S_{xx} \cdot S_{yy}$ e arrotonda solo il risultato finale a 2 cifre decimali.

Considerare un $r$ forte come prova che una variabile causa l'altra

Perché è sbagliato: I dati osservazionali possono mostrare una forte correlazione perché una variabile confondente influenza entrambe, come la pioggia influenza le vendite di ombrelli e gli incidenti stradali.

Corretto: Di' "è associato a". Solo un esperimento controllato e randomizzato può giustificare un'affermazione causale.

Ignorare un valore anomalo o eliminarlo senza motivo

Perché è sbagliato: Un solo punto può cambiare $r$ da $1$ a $0$ . Ignorarlo nasconde il problema; eliminarlo solo perché dà fastidio è disonesto.

Corretto: Disegna i dati, calcola $r$ con e senza il valore anomalo e toglilo solo con un motivo chiaro (errore di misura, lumaca), dicendo che l'hai fatto.

Perché è importante

I valori di correlazione compaiono ogni giorno nei giornali, nelle relazioni scolastiche e nei progetti di scienze, e molti vengono letti male:

Notizie sulla salute: "Chi beve caffè vive più a lungo" di solito è una correlazione tratta da un sondaggio, non una prova.
Sport: gli allenatori controllano se più ore di allenamento vanno davvero con tempi migliori prima di cambiare un programma.
Commercio ed energia: un negozio confronta la temperatura con le vendite, una famiglia confronta la temperatura esterna con il riscaldamento.
Progetti di scienze: una sola misura sbagliata (un valore anomalo) può rovinare un risultato se nessuno guarda il diagramma di dispersione.

Se sai calcolare

r

da solo, descriverlo con parole semplici e riconoscere un'affermazione causale falsa o un valore anomalo ingannevole, puoi giudicare le statistiche invece di crederci e basta.

Applicazioni nel mondo reale

Scienze motorie

Gli allenatori confrontano le ore di allenamento settimanali con i tempi di corsa per capire se più allenamento va con corse più veloci.

Esempio:

Per un gruppo di corsa le somme sono $S_{xy} = -45$ , $S_{xx} = 25$ e $S_{yy} = 100$ . Un $r$ negativo significa: più allenamento, tempi più bassi (più veloci).

1Provaci tu stesso

Un gruppo di corsa registra per i suoi membri le ore di allenamento a settimana e i tempi sui 5 km (minuti). Le somme sono $S_{xy} = -45$ , $S_{xx} = 25$ e $S_{yy} = 100$ .

Quanto vale il coefficiente di correlazione $r$ ?

Passo 1: Scrivi l'espressione matematica

Calcola $r = \frac{S_{xy}}{\sqrt{S_{xx} \cdot S_{yy}}}$ :

Leggere le notizie con spirito critico

Giornalisti e lettori devono decidere se una correlazione riportata sostiene un'affermazione di causa ed effetto.

Esempio:

Un rapporto trova $r = 0{,}83$ tra il numero di televisori ogni 100 abitanti di un paese e l'aspettativa di vita, e un blog sostiene che i televisori allungano la vita.

2Provaci tu stesso

In molti paesi il numero di televisori ogni 100 abitanti e l'aspettativa di vita hanno $r = 0{,}83$ . Un blog conclude che comprare più televisori fa vivere più a lungo.

L'affermazione causale è giustificata?

Passo 1: Scegli la risposta giusta

Scegli il tuo verdetto:

Controllo qualità dei sensori

Gli ingegneri controllano i dati di misura alla ricerca di letture errate, perché un solo valore sbagliato può nascondere una relazione perfetta.

Esempio:

Un sensore di temperatura viene provato in cinque impostazioni: $(2, 10)$ , $(4, 14)$ , $(6, 18)$ , $(8, 22)$ e una lettura errata $(10, 6)$ .

3Provaci tu stesso

Un sensore dà le letture $(2, 10)$ , $(4, 14)$ , $(6, 18)$ , $(8, 22)$ , $(10, 6)$ . L'ultima lettura è un errore noto. Le medie sono $\bar{x} = 6$ e $\bar{y} = 14$ .

Quanto vale $r$ dopo aver tolto la lettura errata?

Passo 1: Scrivi l'espressione matematica

Confronta $r$ con e senza l'errore:

Punti chiave

1Per calcolare $r$ a mano: medie, scarti, $S_{xy}$ , $S_{xx}$ , $S_{yy}$ , poi $r = \frac{S_{xy}}{\sqrt{S_{xx} S_{yy}}}$
2Controlla il lavoro: gli scarti di ogni variabile hanno somma $0$ e $r$ deve stare tra $-1$ e $1$
3Arrotonda solo il valore finale di $r$ , di solito a 2 cifre decimali
4Interpreta $r$ nel contesto: il segno dà la direzione, $|r|$ dà l'intensità
5Una forte correlazione da dati osservazionali non giustifica un'affermazione causale; cerca le variabili confondenti
6Un solo valore anomalo può rafforzare, indebolire o perfino invertire $r$ : disegna i dati e confronta $r$ con e senza di esso

Domande frequenti

Perché gli scarti hanno sempre somma zero?

La media è il punto di equilibrio dei dati: i valori sopra e sotto si compensano esattamente. Se i tuoi scarti non hanno somma

0

, c'è un errore nella media o in una sottrazione.

Aggiungere lo stesso numero a ogni valore cambia $r$ ?

No. Aggiungere una costante sposta tutti i punti insieme, quindi gli scarti restano uguali. Anche moltiplicare per un numero positivo (per esempio passare da ore a minuti) non cambia

r

. Moltiplicare una variabile per un numero negativo cambia il segno di

r

Quando si può togliere un valore anomalo?

Quando c'è un motivo chiaro che non dipende dal risultato: un errore di misura, un errore di battitura, una pianta mangiata da una lumaca. Di' sempre che l'hai tolto e, se puoi, riporta

r

con e senza quel punto.

Come si può dimostrare la causalità?

Con un esperimento controllato e randomizzato: assegni il trattamento (per esempio il fertilizzante) a caso ad alcuni soggetti e non ad altri, tieni uguale tutto il resto e confronti. L'assegnazione casuale distribuisce le variabili confondenti in modo equilibrato tra i due gruppi.

Glossario

Scarto: La distanza di un valore dalla media, $x_i - \bar{x}$ ; può essere positivo o negativo
$S_{xy}$: La somma dei prodotti degli scarti, $\sum(x_i - \bar{x})(y_i - \bar{y})$ ; il suo segno è il segno di $r$
$S_{xx}$ e $S_{yy}$: Le somme degli scarti al quadrato di $x$ e di $y$ ; non sono mai negative
Valore anomalo (outlier): Un dato lontano dall'andamento degli altri; può cambiare molto $r$
Variabile confondente: Una variabile non inclusa nello studio che influenza entrambe le variabili e può creare una correlazione ingannevole
Esperimento controllato: Uno studio in cui il ricercatore assegna il trattamento a caso; l'unico tipo di studio che può giustificare un'affermazione causale

Scheda formule

Coefficiente di correlazione

r = \frac{S_{xy}}{\sqrt{S_{xx} \cdot S_{yy}}}

$S_{xy} = \sum(x_i - \bar{x})(y_i - \bar{y})$, $S_{xx} = \sum(x_i - \bar{x})^2$, $S_{yy} = \sum(y_i - \bar{y})^2$

Controlli

\sum(x_i - \bar{x}) = 0, \quad -1 \le r \le 1

Se una somma degli scarti non è $0$ o se $|r| > 1$, c'è un errore di calcolo

Scala di intensità

|r|: \ 0{,}2 \ \text{debole}, \ 0{,}4 \ \text{moderata}, \ 0{,}6 \ \text{forte}, \ 0{,}8 \ \text{molto forte}

Ogni livello inizia dal suo valore; sotto $0{,}20$ la correlazione è molto debole

Altro su questo argomento

Guida per l'insegnante: Problemi sulla correlazione

Usa questa lezione in classe

Per gli insegnanti

Per studenti in difficoltà:

Per studenti a livello:

Per studenti avanzati:

Contenuto della lezione

Definizione

Esempi svolti

Errori comuni

Perché è importante

Applicazioni nel mondo reale

Scienze motorie

Leggere le notizie con spirito critico

Controllo qualità dei sensori

Punti chiave

Domande frequenti

Glossario

Scheda formule

Coefficiente di correlazione

Controlli

Scala di intensità

Altro su questo argomento

Introduzione alla correlazione

Coefficiente di correlazione

Interpretare la correlazione

Correlazione e causalità