¿Qué información se pierde al reducir una serie de datos de calibración a un único coeficiente de correlación?

Un coeficiente de correlación alto no certifica que una curva de calibración sea lineal. Tampoco certifica que el error se distribuya de manera uniforme a lo largo del rango, ni que el modelo elegido sea el más adecuado para esos datos. Certifica una sola cosa, y es más modesta de lo que parece: que existe una asociación fuerte entre dos variables. El resto de la evaluación queda sin hacer.

Y sin embargo, en no pocos informes de calibración, ese número solo cumple una función decorativa: aparece al pie de la curva, con cuatro o cinco decimales, como si bastara por sí mismo para validar el ajuste. Cuando se revisa ese mismo conjunto de datos con otras herramientas, suele aparecer algo que el r² nunca mostró.

Qué mide en realidad el coeficiente de correlación

El coeficiente de correlación de Pearson (r) cuantifica el grado de asociación lineal entre dos variables. Su cuadrado, el coeficiente de determinación (r²), indica qué proporción de la variabilidad de la variable dependiente queda explicada por el modelo lineal ajustado. Es una medida de asociación, no una medida de adecuación del modelo. Esa distinción, que parece sutil en el papel, tiene consecuencias muy concretas sobre una curva de calibración.

Puede haber un r² de 0,999 en una relación que no es lineal. El ejemplo clásico ya lo mostró Francis Anscombe en 1973: cuatro conjuntos de datos con medias, varianzas y coeficientes de correlación prácticamente idénticos, pero con formas completamente distintas cuando se grafican. Uno es lineal. Otro tiene una curvatura evidente. Otro depende por completo de un único punto influyente. El número era el mismo en los cuatro casos. La relación real, no.

Qué queda sin responder cuando solo se reporta r

La forma real de la relación

Un r² alto no distingue entre una relación estrictamente lineal y una que se aproxima a la linealidad solo dentro del rango observado, con una curvatura que se vuelve evidente apenas se extrapola un poco. Para eso hace falta observar los residuales: la diferencia entre cada valor medido y el valor predicho por la recta. Si esos residuales muestran un patrón, si se curvan hacia arriba en un extremo y hacia abajo en el otro en lugar de dispersarse al azar alrededor de cero, hay una falta de ajuste que el coeficiente de correlación no revela.

El comportamiento del error a lo largo del rango

La varianza del error puede no ser constante. En muchas técnicas analíticas, el error absoluto crece con la concentración: la dispersión en el extremo alto del rango es mayor que en el extremo bajo. Este fenómeno, la heterocedasticidad, invalida el supuesto sobre el que se apoya la regresión lineal ordinaria por mínimos cuadrados. Ajustar una recta común, sin ponderar, le da a los puntos del extremo alto el mismo peso estadístico que a los del extremo bajo, cuando en realidad no lo tienen. La corrección pasa por una regresión ponderada, no por forzar el modelo simple porque el r² "salió bien".

El peso desproporcionado de algunos puntos

Un único punto extremo, alejado del resto del rango, puede inflar el coeficiente de correlación sin que el resto de la curva tenga un comportamiento verdaderamente lineal. Ese punto actúa como palanca: tira de la recta hacia sí mismo y hace que el ajuste parezca mejor de lo que es en la región donde realmente se van a interpolar resultados. El diagnóstico de puntos de alta influencia (leverage) es exactamente el tipo de análisis que un reporte que solo cita r nunca hace.

Lo que pasa entre los niveles calibrados

Una curva de calibración no se usa en los puntos donde fue construida. Se usa para interpolar concentraciones de muestras que caen entre esos niveles. El coeficiente de correlación describe el ajuste global del conjunto de puntos calibrados, pero no dice nada sobre el error de interpolación esperado en una zona intermedia del rango, que es exactamente donde va a trabajar el método en la rutina diaria.

Por qué esto no es un detalle académico

Esta discusión deja de ser un ejercicio estadístico en el momento en que esa curva de calibración se convierte en la base para reportar resultados de laboratorio. Tres consecuencias directas:

Qué mirar en lugar del coeficiente de correlación (o además de él)

• Gráfico de residuales. Es la herramienta más simple y más informativa. Un patrón sistemático en los residuales, cualquier forma que no sea una nube dispersa alrededor de cero, indica que el modelo lineal no describe adecuadamente los datos.
• Prueba de falta de ajuste (lack-of-fit). Cuando se cuenta con réplicas en cada nivel, esta prueba compara la variabilidad debida al error puro con la variabilidad debida a la desviación del modelo, y permite decidir con criterio estadístico si la linealidad es sostenible.
• Evaluación de homocedasticidad. Antes de aceptar una regresión por mínimos cuadrados ordinarios, conviene verificar si la dispersión del error es comparable en todo el rango. Si no lo es, la alternativa técnica es una regresión ponderada.
• Identificación de puntos de alta influencia. Los estadísticos de diagnóstico (distancia de Cook, valores de leverage) muestran si algún punto individual está determinando el ajuste de manera desproporcionada.

Ninguna de estas herramientas es exótica ni requiere software especializado costoso. Todas son perfectamente aplicables en una planilla de cálculo bien construida, y todas dan más información que un coeficiente de correlación aislado.

Preguntas frecuentes

¿Un r² de 0,999 garantiza que la calibración es correcta?
No. Garantiza una fuerte asociación lineal entre las variables observadas, pero no evalúa la forma real de la relación, la homogeneidad del error ni el peso de puntos individuales sobre el ajuste. Puede coexistir con una curvatura real o con heterocedasticidad no detectada.

¿Qué diferencia hay entre correlación y linealidad?
La correlación mide el grado de asociación entre dos variables. La linealidad es una propiedad del modelo: implica que esa asociación se describe adecuadamente mediante una recta, con residuales sin patrón y varianza homogénea. Un coeficiente de correlación alto es una condición necesaria pero no suficiente para afirmar linealidad.

¿Cuándo conviene usar una regresión ponderada en lugar de una regresión lineal simple?
Cuando la varianza del error no es constante a lo largo del rango, algo frecuente en técnicas donde el error absoluto crece con la concentración. En esos casos, una regresión ponderada por el inverso de la varianza en cada nivel da un ajuste más representativo que una regresión ordinaria, que trata a todos los puntos como si tuvieran el mismo peso.

Reducir una curva de calibración a un único número es cómodo, y por eso persiste la práctica. Pero un laboratorio que solo reporta r está describiendo su calibración con menos información de la que ya tiene disponible en sus propios datos, y con menos información de la que un auditor exigente va a pedir tarde o temprano.