Diferencia entre revisiones de «Relación espuria»
Contenido eliminado Contenido añadido
Adición de ejemplos y de un subtema. |
m (Bot) Normalización de fechas |
||
Línea 5:
== Ejemplos ==
Un caso bien conocido de relación espuria puede encontrarse en la literatura de series de tiempo, donde una regresión espuria es una regresión que proporciona pruebas estadísticas engañosas de una relación lineal entre variables independientes no estacionarias. De hecho, la no estacionalidad puede deberse a la presencia de una raíz unitaria en ambas variables <ref>{{Cita publicación|url=https://www.jstor.org/stable/10.2307/2341482?origin=crossref|título=Why do we Sometimes get Nonsense-Correlations between Time-Series?--A Study in Sampling and the Nature of Time-Series|apellidos=Yule|nombre=G. Udny|fecha=1926-1|publicación=Journal of the Royal Statistical Society|volumen=89|número=1|páginas=1|fechaacceso=
Un ejemplo de una relación espuria puede ser ilustrado examinando las ventas de helados de una ciudad. Estas son más altas cuando la tasa de sofocamientos es mayor. Sostener que la venta de helados [[Causalidad (física)|causa]] los sofocamientos sería implicar una relación espuria entre las dos. En realidad, una [[ola de calor]] puede haber causado ambas. La ola de calor es un ejemplo de variable escondida.
Otro ejemplo comúnmente observado es una serie de estadísticas holandesas que muestran una correlación positiva entre el número de cigüeñas que anidan en una serie de manantiales y el número de bebés humanos que nacen en ese momento. Por supuesto que no había una conexión causal; se correlacionaron entre sí sólo porque se correlacionaron con el clima nueve meses antes de las observaciones<ref>{{Cita libro|edición=2nd ed|título=Data collection and analysis|url=https://www.worldcat.org/oclc/297537627|editorial=SAGE Publications in association with the Open University|fecha=2006|fechaacceso=
== Prueba de hipótesis ==
|