Tres decisiones reales que dependen de esta idea
Compensación y antigüedad
Tu gerencia quiere una regla para ajustar sueldos por años en la empresa.
La pregunta: ¿cuánto de la diferencia salarial explica realmente la antigüedad — y cuánto es otra cosa?Clima y ausentismo
Ausencias y engagement bajaron (o subieron) juntos este trimestre en tu reporte.
La pregunta: ¿son la misma historia, o coincidencia de temporada?La trampa de la correlación espuria
Alguien en la reunión dice «desde que subimos el bono, bajó la rotación» y pide subirlo para todos.
La pregunta: ¿ya revisaste si hay otra explicación antes de comprometer presupuesto?Correlación y regresión, en vivo
Dos cosas, un mismo hilo: primero vas a sentir qué es un coeficiente de correlación jugando con nubes de puntos sintéticas; después vas a ver la recta que ese mismo tipo de relación permite trazar — y usarla, con cautela, para predecir.
a) Sensor de r
Cómo leerlo
El SIGNO de r te dice la dirección: positivo, la nube sube de izquierda a derecha; negativo, baja. La MAGNITUD (qué tan cerca de −1 o +1) te dice qué tan apretada es la nube alrededor de una línea imaginaria — cerca de 0, es una bola sin forma.
Con «Ver datos reales» comprobás algo importante: en la vida real casi nunca ves un r=0.9 perfecto. Un r≈−0.41 entre engagement y ausencias ya es una relación que a RH le importa — no hace falta que sea «fuerte» para ser útil.
b) La recta que predice
Cómo leerlo
La recta no pasa exactamente por los puntos: pasa por EL MEDIO de la nube, minimizando el error total. Movés el slider y el punto naranja «camina» sobre la recta — esa es la predicción del modelo para esa antigüedad, ni más ni menos.
El R² es la letra chica: con ≈0.35, la antigüedad es una pista real pero incompleta. Un salario predicho es un punto de partida para negociar, no una sentencia.
Tres ideas para llevarte tatuadas
Signo vs. fuerza
El signo de r (+ o −) dice la DIRECCIÓN de la relación; el valor absoluto (0 a 1) dice qué tan FUERTE es — son dos preguntas distintas.
En SEP: r(engagement, ausencias) ≈ −0.41: dirección negativa (más engagement, menos ausencias) y fuerza moderada — ni perfecta, ni despreciable. Para qué te sirve: nunca digas solo «hay correlación» — decí hacia dónde y qué tan fuerte.Correlación ≠ causalidad
Que dos variables se muevan juntas no prueba que una cause la otra: puede haber una tercera variable detrás, o pura casualidad.
Caso 1: las empresas que más capacitan tienen más rotación — ¿la capacitación ahuyenta gente, o la alta rotación obliga a capacitar más seguido?Caso 2: los meses con más contrataciones también tienen más renuncias — ambas suben en enero por el ciclo fiscal, no porque una cause la otra. Para qué te sirve: antes de actuar sobre una correlación, preguntate «¿qué más podría explicar esto?».
Leer R² sin miedo
R² (entre 0 y 1) es el porcentaje de la variación de Y que tu variable X logra explicar. El resto sigue sin explicación — no es un fracaso, es honestidad estadística.
En SEP: antigüedad→salario tiene R² ≈ 0.35: la antigüedad explica ~35% de por qué unos ganan más que otros; el 65% restante es depto, puesto, negociación… Para qué te sirve: un R² bajo no invalida el modelo — te dice cuánto (no) confiar en una sola predicción.¿Ya lo tenés? Probate
La próxima semana
Ya tenés todas las piezas sueltas: población y muestra, niveles de medición, gráficos, centro, dispersión, percentiles, z, correlación y regresión. La próxima semana las juntás todas en un mini-análisis completo — de la pregunta al hallazgo — que podés usar de plantilla para tu propio proyecto.