Correlación con límites
Pearson resume asociación lineal y Spearman asociación monótona. Ambas pueden cambiar por outliers, mezcla de grupos o variables omitidas; ninguna prueba por sí sola causalidad.
Módulo 05 · Unidad II
Correlación y regresión lineal
Cuantificar relaciones, diagnosticar supuestos y evaluar errores con una interpretación conectada al negocio.
Dedicación2 encuentros
RequisitosMódulos 01 y 04
Centro del módulo
Índice interactivo
Abrí cada recurso y marcá el avance. El estado se conserva en tu navegador.
| Recurso | Acceso |
|---|---|
| Guía del módulo | Abrir recurso |
| Simulación interactiva | Abrir recurso |
| Cuestionario | Abrir recurso |
| Glosario | Abrir recurso |
| Notebook en Colab | Abrir recurso |
Al completar el módulo
Resultados de aprendizaje
- Interpretar covarianza, correlación y coeficientes sin afirmar causalidad.
- Ajustar regresiones simples y múltiples.
- Diagnosticar linealidad, residuos, varianza y colinealidad.
- Comparar MAE, MSE, RMSE y R cuadrado según el costo del error.
Marco conceptual
Ideas que organizan la práctica
Modelo lineal
La regresión estima una media condicional como combinación de predictores. Cada coeficiente se interpreta manteniendo constantes los demás, dentro del rango observado.
Diagnóstico
Residuos contra predicciones, Q-Q plots, palanca y VIF ayudan a detectar no linealidad, heterocedasticidad, colinealidad e influencia.
Error y valor
MAE conserva unidades y es robusto; RMSE penaliza más los errores grandes; R cuadrado compara variabilidad explicada. Ninguna métrica reemplaza el costo económico.
Nivel profesional
Profundización aplicada
Estos temas conectan el fundamento con decisiones modernas, evaluación rigurosa y operación real.
Intervalos de confianza y predicción, bootstrap y propagación de incertidumbre.
Regularización Ridge/Lasso y estabilidad ante colinealidad.
Modelos con interacciones, no linealidad y errores robustos.
Control de calidad
Errores frecuentes que invalidan la conclusión
- Interpretar coeficientes como efectos causales sin diseño de identificación.
- Reportar R² sin error fuera de muestra ni unidades de negocio.
- Extrapolar fuera del rango observado sin análisis de sensibilidad.
Caso de negocio
Decidir con contexto
Una empresa estima ventas en función de inversión, precio y estacionalidad para definir presupuesto y rango de incertidumbre.
Explorar en la simulaciónPráctica guiada
Secuencia de laboratorio
- 01Explorar relaciones y posibles grupos.
- 02Ajustar un baseline y una regresión múltiple.
- 03Inspeccionar residuos y observaciones influyentes.
- 04Comparar métricas y comunicar un intervalo.
Desafío de transferencia
Tomar una decisión defendible
Traducí error e intervalo predictivo a una política de inventario con costo por exceso y faltante.
- Escribí una hipótesis antes de calcular.
- Definí la evidencia que podría refutarla.
- Compará al menos dos escenarios.
- Terminá con acción, límite y responsable.
Producto del módulo
Entregable esperado
Modelo lineal con interpretación, diagnóstico de residuos, validación y traducción de error a una consecuencia operativa.