Usando Predictive Power Score Para Hacer Correlaciones Parte 1

Usando Predictive Power Score Para Hacer Correlaciones - Parte 1
En estadística, la correlación o dependencia es cualquier relación estadística, ya sea causal o no, entre dos variables aleatorias o datos bivariados.
En el sentido más amplio, la correlación es cualquier asociación estadística, aunque comúnmente se refiere al grado en que un par de variables se relacionan linealmente.
Entre los ejemplos conocidos de fenómenos dependientes figuran la correlación entre la altura de los padres y su descendencia y la correlación entre el precio de un bien y la cantidad que los consumidores están dispuestos a comprar, como se representa en la denominada curva de la demanda.
Las correlaciones son útiles porque pueden indicar una relación predictiva que puede ser explotada en la práctica
Por ejemplo, una empresa de electricidad puede producir menos energía en un día templado basándose en la correlación entre la demanda de electricidad y el clima
En este ejemplo, existe una relación causal, porque el clima extremo hace que las personas utilicen más electricidad para calentarse o enfriarse
Sin embargo, en general, la presencia de una correlación no es suficiente para inferir la presencia de una relación causal (es decir, la correlación no implica causalidad).
Formalmente, las variables aleatorias son dependientes si no satisfacen una propiedad matemática de independencia probabilística.
En el lenguaje informal, correlación es sinónimo de dependencia.
Esencialmente, la correlación es la medida de la forma en que dos o más variables se relacionan entre sí. Hay varios coeficientes de correlación