No. Por ejemplo,
set.seed(155)
n <- 1000
x <- rnorm(n)
y <- x + rnorm(n)
z <- y - 1.5 * x
m <- cbind(x, y, z)
print(cor(m), digits = 2)
# x y z
#x 1.00 0.72 -0.41
#y 0.72 1.00 0.34
#z -0.41 0.34 1.00La correlación de x con y es positiva; también la de y con z. Pero x y z guardan correlación negativa.
Nota: sacado de aquí.
Hoy toca esto:
Esto es lo que provoca la contaminación: los picos de contaminación coinciden con un aumento radical en los ingresos de los hospitales https://t.co/GpEBg6hqko pic.twitter.com/tvwS1r3Ldi
— Ignacio Escolar (@iescolar) November 23, 2017
Se trata de una invitación para leer el artículo Los picos de contaminación coinciden con un aumento radical en los ingresos hospitalarios, un cúmulo de desafueros epilogados por el ya habitual
Tienes acceso a la serie histórica de hospitalizaciones (p.e. en Madrid) por diversas (muchas) causas.
Tienes acceso a la serie histórica de mediciones de distintos factores ambientales (p.e., en Madrid): ruido, óxidos de nitrógeno, partículas en suspensión,…
Buscas correlaciones (y, por supuesto, las encuentras).
Les asocias p-valore espurios.
Lo escribes en inglés (frecuentemente) y publicas:
¡Eso es a lo que Lakatos llama un señor programa de investigación científica!
Me vais a permitir que escriba una entrada sin mayores pretensiones, inspirada en y adaptada de aquí y que sirva solo de que para representar correlaciones entre variables podemos recurrir a los grafos como en
library(qgraph)
wine.quality <- read.csv("https://goo.gl/0Fz1S8",
sep = ";")
qgraph(cor(wine.quality), shape= "circle",
posCol = "darkgreen",
negCol= "darkred", layout = "groups",
vsize=13)que pinta
mostrando resumidamente cómo se relacionan entre sí determinadas características de los vinos y cómo en última instancia influyen en su calidad (qlt).
Tomemos dos variables aleatorias independientes y positivas,
set.seed(123)
n <- 100
x <- runif(n) + 0.5
y <- runif(n) + 0.5No tengo ni que decir que su correlación es prácticamente cero,
cor(x,y)
#-0.0872707y que en su diagrama de dispersión tampoco vamos a poder leer otra cosa:
Ahora generamos otra variable independiente de las anteriores,
z <- runif(n) + 0.5y calculamos el cociente de las primeras con respecto a esta:
xz <- x / z
yz <- y / z¿Independientes? Hummmm…
Supongo que todos conocéis el tres en raya. El cincuenta en (casi) raya, sin embargo, es esto:
Hay dos variables, (pluviosidad y ratio hombres/mujeres) y los cincuenta punticos casi en raya corresponden a los estados de EE.UU.
¿Asombrosa correlación? No tanto.
Aquí se discute cómo, en realidad, por su cercanía sociocultural y climática cada uno de los estados del gráfico son manifestaciones de tres grupos de ellos que, estos sí, esta? en raya (¿casualmente?).
La pregunta, a propósito, es esta.
Hace muchos, muchos años, era yo un fan de la Geometría Moderna de Dubrovin, Fomenko y Novikov.
Fomenko, además de matemático de talento, es un chalado. Su chaladura se llama Nueva Cronología, una seudoteoría según la cual la historia de la humanidad es mucho más breve de lo que recoge la historia oficial y que las historias que conocemos de tiempos muy remotos (p.e., hace 2000 años) no son sino reformulaciones deformadas de historias mucho más recientes.
Este artículo comienza así:
At a young statistical age John Tukey joined Charlie Winsor’s Society for the Supression of Correlation Coefficients.
¿De verdad que no os intriga el resto?
