Relaciones Entre Variables

Relaciones Estadísticas
y Causalidad
 Por qué tendríamos interés en la causalidad

l La ciencia se preocupa de entender los fenómenos de la

realidad
l Busca explicaciones (teorías)
l Que tengan capacidad predictiva
l En el caso más simple: Dado un efecto, ¿cuál es la
probable causa?
l Dado un Y, cuál es el probable determinante X?
 ¿Qué es causalidad?

l Normalmente las personas explican ciertos resultados en

términos de una relación causal.
l Ejemplo, cuando alguien dice que
l “una buena educación es necesaria para tener un buen
nivel de vida”
l “si estudio más tiempo tendré una mejor nota”.
l Las personas esperan un resultado, dadas ciertas
condiciones.
 Causalidad según la ciencia

l En la ciencia, un hecho presenta numerosas

condiciones o causas determinantes que actúan
conjuntamente para hacer que el efecto sea probable.
l La noción científica define el efecto como algo que es
sólo probable. Esto recibe el nombre de relación causal
probabilística.
 Condiciones para demostrar la causalidad

l Variación Concomitante
l Las variables deben variar conjuntamente en la forma
prevista por la hipótesis
l Tiempo de la ocurrencia
l El hecho causante debe ocurrir antes o simultáneamente
con el efecto.
l Ausencia de otros factores
l No deben existir otras posibles explicaciones que puedan
generar el efecto estudiado
 Relaciones entre variables

Variable Variable
Independiente X Y Dependiente o
o Explicativa Respuesta

Factores que Variable de

explican las Interés
diferencias
Un ejemplo
¿Qué es una relación estadística entre dos variables?

l Significa que ciertos valores de una carácterística de

interés ocurren cuando ocurren ciertos valores de otra
carácterística
l Ejemplo:
l Un alto consumo de combustible va normalmente
acompañado de un gran tamaño del vehículo.
l Una vida saludable va acompañada de buenos hábitos
de alimentación
 Una versión más elaborada

l Una relación estadística entre dos variables significa que

CAMBIOS en una variable (la independiente) está
asociada a a CAMBIOS en la otra variable (la
dependiente)
l Ejemplo:
l Si aumento el peso de un vehículo, aumentará su
consumo de gasolina.
 ¿Causa y Efecto?

l ¿Significa esto que la condición de una carácterística

causa la condición en la segunda característica?
 Una relación no implica causalidad

l Falacia: “cum hoc ergo propter hoc”

l Del latín: "con esto, por lo tanto, debido a esto”
l La falacia se puede expresar como sigue:
l A coincide con B.
l Por lo tanto, A causa B.
 Relaciones estadísticas

l Establecer una relación estadística entre variables es

verificar que cambios en una variable (la dependiente)
están asociados a cambios en la otra variable (la
dependiente)

Cambios en la Cambios
Variable
Independiente o
Explicativa
X Y Variable
Dependiente o
Respuesta
 Relación entre variables

Variable Variable
Independiente o
Explicativa
X Y Dependiente o
Respuesta

Puede ser Puede ser

• Cualitativa • Cualitativa
• Cuantitativa • Cuantitativa
 Ejemplo
Una variable cuantitativa (Compra) versus
una variable cualitativa (Lealtad)
TABLA Nº 5.
Cantidad comprada promedio por lealtad a la marca. Período Pre

Total Leales No leales

Compra anual promedio (onzas) 15.5 24.5 11.3
Desviación estándar (onzas) 10.4 5.8 5.6

Base: Número de familias usuarias 589 188 401

Ejemplo: Ventas por tipo de cliente

Chart of Mean( Ventas_Netas )

90

80

70
Mean of Ventas_Netas
60

50

40

30

20

10

0
Promotional Regular
Tipo_Cliente
Ejemplo: Ventas por tipo de cliente

Boxplot of Ventas_Netas
300

250

Ventas_Netas 200

150

100

50

0
Promotional Regular
Tipo_Cliente
 Ejemplo:

Una variable cualitativa (lealtad) versus otra

variable cualitativa (educación)
TABLA Nº 21.
Distribución de lealtad a la marca, por nivel de educación del jefe de familia

Total Primaria Secundaria Superior

Leales a la marca 32% 28% 33% 37%
No leales a la marca 68% 72% 67% 63%

Total 100% 100% 100% 100%

Base 589 244 206 139
Tipo de Cliente versus Estado Civil
Relación entre dos variables
cuantitativas

Los diagramas de dispersión y el índice

de correlación permiten analizar la
relación entre dos variables cuantitativas
Diagrama de Correlación
 Coeficiente de Correlación
Mide la asociación entre dos variables, indicando el
sentido de la asociación.

-1 < r < 1

Correlación Correlación
Inversa Directa
Perfecta Perfecta
Relación inversa perfecta (r=-1)
Relación directa perfecta (r=1)

x
Relación nula (r=0)
Relación inversa imperfecta (r=-0.9)
Relación inversa imperfecta (r=-0.5)
Relación directa imperfecta (r=0.8)
Relación directa imperfecta (r=0.9)