Mentir con estadistica

Dataset inicial

Construccion del dataset

# Dependiente:
y <- rnorm(100, 10, 2)
# Independiente:
x <- rnorm(100, 35, 12)

Correlacion

# correlacion
cor(x, y)

## [1] 0.1669181

Grafico

plot(x, y)
abline(lm(y ~ x), col = 'red')

Regresion lineal

lm <- lm(y ~ x)
summary(lm)

## 
## Call:
## lm(formula = y ~ x)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.8040 -1.2145 -0.0129  1.0022  4.0940 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  9.15050    0.52311  17.493   <2e-16 ***
## x            0.02588    0.01544   1.676   0.0969 .  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.901 on 98 degrees of freedom
## Multiple R-squared:  0.02786,    Adjusted R-squared:  0.01794 
## F-statistic: 2.809 on 1 and 98 DF,  p-value: 0.09694

Dataset ordenado

Construccion del dataset

# Dependiente:
y1 <- sort(y)
# Independiente:
x1 <- sort(x)

Correlacion

# correlacion
cor(x1, y1)

## [1] 0.9920692

Grafico

plot(x1, y1)
abline(lm(y1 ~ x1), col = 'red')

Regresion lineal

lm1 <- lm(y1 ~ x1)
summary(lm1)

## 
## Call:
## lm(formula = y1 ~ x1)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.64857 -0.14478 -0.02257  0.19644  0.63700 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 5.113036   0.066687   76.67   <2e-16 ***
## x1          0.153797   0.001968   78.14   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.2424 on 98 degrees of freedom
## Multiple R-squared:  0.9842, Adjusted R-squared:  0.984 
## F-statistic:  6105 on 1 and 98 DF,  p-value: < 2.2e-16

Grafico conjunto

par(mfrow = c(1, 2))

plot(x, y, main = 'original')
abline(lm(y1 ~ x1), col = 'red')

plot(x1, y1, main = 'ordenado')
abline(lm(y1 ~ x1), col = 'red')

Conclusion:

Cualquiera puede hacer mal uso de la estidistica estimados, experimenten y cuestionen todo xd.

Un ejemplo claro de esto es, si coloco 1 litro de aguta expuesta al sol y decido registrar el nivel de agua restante despues de un determinado tiempo, por ejemplo: (t en horas y V en litros)

• t1: 0, V = 1
• t2: 1 , V = 0.8
• t3: 2, V = 0.5
• . . .

Es logico pensar que a mas tiempo menos volumen de agua no? es logico por la evaporacion, pero que pasa si ordenamos la informacion sin importar el contexto de esta?

• t1: 0, V = 0.5
• t2: 1 , V = 0.8
• t3: 2, V = 1
• . . .

Con la informacion ordenada estariamos concluyendo que a mas tiempo, mas volumen de agua, es algo coherente? nooooooooooooooo, es falso, como chuchas si dejas un litro de agua expuesta al sol, despues de un tiempo esperariamos encontrar mas agua que la inicialmente dejada? xd

Ese es un ejemplo sencillo y que facilmente puede representar el caso y muestra claramente como podemos alterar los datos para obtener resultados acorde a lo que nosotros queremos mostrar, no hagan mal uso de la estadistica plz :v