Correlación, tendencias y pruebas A/B | Curso de análisis de datos gratis: Excel, SQL, Power BI y Python

Lo que lograrás en esta lección

Medir si dos variables se mueven juntas con el coeficiente de correlación de Pearson.
Explicar por qué correlación no implica causalidad, con ejemplos concretos.
Estimar una tendencia lineal y reconocer cuándo un pronóstico no es fiable.
Diseñar una prueba A/B y leer su resultado con el valor p.
Calcular todo esto en Excel o Google Sheets.

📥 Practica esta lección

Calcula las correlaciones con las columnas unidades, precio_unitario e importe de Ventas_limpias, y la tendencia con una tabla dinámica de ventas por mes.

ventas-practica-analisis.xlsx · hoja Ventas_limpias

Hasta ahora has descrito qué pasó. En esta lección das un paso hacia el «por qué» y el «qué pasará» con tres herramientas: la correlación, que mide si dos variables se mueven juntas; la tendencia, que resume hacia dónde va una serie en el tiempo; y la prueba A/B, el experimento que permite saber si un cambio causa una mejora. Las tres son poderosas y las tres se malinterpretan con frecuencia, así que aprenderás también sus límites. Es un nivel introductorio: suficiente para usarlas con criterio en tu trabajo.

r = 0,83entre precio unitario e importe: fuerte y positiva

r = −0,25entre precio unitario y unidades: débil y negativa

r = 0,10entre unidades e importe: prácticamente nula, aunque parezca increíble

Correlación: ¿se mueven juntas?

El coeficiente de correlación de Pearson (r) mide la fuerza y la dirección de la relación lineal entre dos variables numéricas. Siempre está entre −1 y 1:

Valor de r	Lectura habitual
Cerca de 1	Fuerte y positiva: cuando una sube, la otra también
Cerca de −1	Fuerte y negativa: cuando una sube, la otra baja
Entre −0,3 y 0,3	Débil o nula (los cortes son orientativos, no una ley)

En Excel se calcula con =COEF.DE.CORREL(rango1; rango2). Con las columnas de Ventas_limpias:

=COEF.DE.CORREL(H2:H198; I2:I198)   → 0,83   precio_unitario e importe
=COEF.DE.CORREL(H2:H198; G2:G198)   → −0,25  precio_unitario y unidades
=COEF.DE.CORREL(G2:G198; I2:I198)   → 0,10   unidades e importe

La primera es lógica: los productos caros generan pedidos grandes. La segunda confirma lo que viste en SQL: quien compra muchas unidades compra cosas baratas (todos los pedidos de 8 o más unidades eran de mouse). La tercera sorprende: ¿más unidades no significan un pedido más grande? No necesariamente: 12 mouses suman 210 USD y una sola laptop, 649. Por eso la correlación es casi nula. Es un gran ejemplo de por qué conviene calcular en lugar de suponer.

Mira siempre el gráfico de dispersión

Un mismo r puede esconder formas muy distintas (una curva, un grupo aparte, un solo punto extremo que lo arrastra todo). Por eso, antes de reportar una correlación, dibuja la dispersión. Este gráfico muestra los 12 meses de 2025: pedidos del mes frente a ventas del mes.

Cada punto es un mes. La relación es fuerte (r = 0,85), pero octubre se aleja de la línea: con solo 15 pedidos vendió 4.798,8 USD porque 4 de ellos fueron de laptops y tablets (3.063 USD entre los cuatro).

1. El coeficiente entre precio unitario y unidades es −0,25. ¿Qué significa?

Que subir el precio un 25% reduce las unidades un 25%.
Que hay una relación negativa débil: los productos más caros tienden a pedirse en menos unidades.
Que no existe ninguna relación entre las dos variables.

El signo indica la dirección (negativa) y el valor absoluto, la fuerza (débil). r no es un porcentaje de cambio ni dice cuánto cambia una variable cuando cambia la otra: para eso se usa la pendiente de una regresión.

Correlación no implica causalidad

Que dos variables se muevan juntas no prueba que una cause la otra. Hay tres explicaciones alternativas que debes descartar siempre:

Una tercera variable

Algo causa las dos. En verano suben las ventas de helados y también las quemaduras de sol: no se causan entre sí; las causa el calor.

Nexo: en el T4 subieron a la vez las ventas de tienda física y las de laptops. La causa común probable es la temporada de fin de año, no que la tienda «venda laptops».

Causalidad inversa

La flecha va al revés de lo que crees.

Ejemplo: las regiones con más gasto en publicidad venden más… pero quizá es porque la empresa invierte más donde ya vende más.

Casualidad

Con muchas variables y pocos datos, siempre aparece alguna correlación por puro azar.

Nexo: con solo 12 meses de un año, cualquier patrón mensual puede ser coincidencia.

La forma más fiable de probar causalidad en negocios es un experimento controlado: cambiar una sola cosa para un grupo elegido al azar y compararlo con otro que no cambia. Eso es una prueba A/B, que verás en un momento.

2. Un colega dice: «En el T4 la tienda física vendió mucho más y las ventas totales subieron; abramos más tiendas para vender más». ¿Cuál es el principal problema?

Que el T4 tiene más días que los otros trimestres.
Que ambas cosas pueden deberse a la temporada de fin de año; la correlación no prueba que la tienda cause el aumento.
Que la tienda física tiene el ticket promedio más bajo.

La temporada es una tercera variable que puede explicar los dos aumentos. Para atribuir el crecimiento a la tienda haría falta comparar con un período o región sin cambios, o un experimento. Además, la tienda física tiene el ticket más alto (206,58), no el más bajo.

Tendencias: hacia dónde va la serie

Una línea de tendencia (regresión lineal) resume una serie temporal con una recta: ventas = intercepto + pendiente × mes. Con las ventas mensuales de 2025 en una columna (B2:B13) y los meses del 1 al 12 en otra (A2:A13):

=PENDIENTE(B2:B13; A2:A13)          → 345,38   (USD más por mes, en promedio)
=INTERSECCION.EJE(B2:B13; A2:A13)   → 961,03
=COEFICIENTE.R2(B2:B13; A2:A13)     → 0,80     (la recta explica el 80% de la variación)
=PRONOSTICO.LINEAL(13; B2:B13; A2:A13) → 5.451,00   (¿enero de 2026?)

Las ventas crecieron, en promedio, 345,38 USD cada mes, y la recta se ajusta bien (R² de 0,80). Pero mira el pronóstico para enero de 2026: 5.451 USD. ¿Es creíble? Enero de 2025 vendió 2.307 y la propia recta estimaba 1.306 para ese mes. Diciembre es alto por la temporada, y una recta no sabe que después de diciembre suele venir una caída. Proyectar la tendencia de un año con estacionalidad lleva a pedir inventario de más en enero.

Antes de pronosticar con una tendencia

Necesitas, idealmente, dos o más años de datos para separar la tendencia de la estacionalidad (comparar enero con enero, diciembre con diciembre). Con un solo año, presenta la tendencia como descripción («crecimos unos 345 USD por mes en 2025»), no como predicción. En Excel, la función PRONOSTICO.ETS sí modela estacionalidad, pero también necesita varios ciclos completos.

3. ¿Por qué no deberías usar 5.451 USD como presupuesto de ventas de enero de 2026?

Porque PRONOSTICO.LINEAL solo funciona con datos diarios.
Porque el R² de 0,80 es demasiado bajo para usar la recta.
Porque la recta ignora la estacionalidad: el alza de fin de año no continúa en enero, y solo hay un año de historia.

La regresión lineal supone que la serie sigue creciendo a ritmo constante. Con un pico estacional en el T4 y un único año de datos, el pronóstico de enero queda inflado. Lo prudente es comparar con enero del año anterior y esperar a tener más historia.

Pruebas A/B: cómo saber si un cambio funciona

Una prueba A/B compara dos versiones de algo (una página, un correo, un precio) mostrando cada una a un grupo de usuarios elegido al azar. Como la única diferencia entre los grupos es la versión, si el resultado cambia, puedes atribuirlo al cambio. Así se hace bien:

HipótesisQué cambias y qué esperas«Un botón de compra más visible aumentará la tasa de conversión del carrito.»
MétricaUna métrica principal, definida antesConversión = compras ÷ visitas al carrito.
TamañoCalcula cuántos usuarios necesitasPara detectar un salto de 4% a 5% hacen falta unos 6.100 usuarios por grupo (regla abajo).
EjecuciónReparto al azar y semanas completasMismo período para ambos grupos y sin mirar el resultado cada día para cortar antes.
LecturaSignificancia y relevancia¿La diferencia es mayor que la que daría el azar (valor p)? ¿Y vale la pena para el negocio?

Un ejemplo con números

Nexo prueba un nuevo diseño de la página de pago (ejemplo hipotético). Resultados tras cuatro semanas:

Versión	Visitas	Compras	Conversión
A (actual)	6.200	248	4,00%
B (nueva)	6.150	307	4,99%

B convierte un 24,8% más (4,99 ÷ 4,00 − 1). Pero ¿podría ser suerte? La prueba z para dos proporciones responde eso:

Proporción conjunta  p = (248 + 307) / (6.200 + 6.150) = 555 / 12.350 = 0,04494
Error estándar      EE = √[ p × (1 − p) × (1/6.200 + 1/6.150) ] = 0,003728
Estadístico          z = (0,04992 − 0,04000) / 0,003728 = 2,66
Valor p (dos colas)    = 2 × (1 − DISTR.NORM.ESTAND.N(2,66; VERDADERO)) = 0,0078

El valor p es la probabilidad de ver una diferencia así de grande (o mayor) si en realidad las dos versiones fueran iguales. Aquí es 0,0078, es decir, menos del 1%. Con el umbral habitual de 0,05, el resultado es estadísticamente significativo: es poco probable que sea solo azar.

Ahora imagina la misma prueba con menos tráfico: A con 2.400 visitas y 96 compras (4,0%) y B con 2.380 visitas y 119 compras (5,0%). La mejora es casi idéntica (+25%), pero z = 1,67 y p = 0,095: no es significativo. Con muestras pequeñas, diferencias reales y diferencias por azar se confunden.

Prueba con 6.200 y 6.150 visitasMuestra suficiente

Conversión: 4,00% frente a 4,99%
Valor p: 0,0078
Decisión: Implementar B y seguir midiendo

Significativo

Prueba con 2.400 y 2.380 visitasMuestra pequeña

Conversión: 4,0% frente a 5,0%
Valor p: 0,095
Decisión: No concluir; seguir hasta el tamaño planificado

No concluyente

¿Cuántas visitas hacen falta? Una regla práctica (para 80% de probabilidad de detectar el efecto con un nivel de significancia de 5%) es n ≈ 16 × p × (1 − p) ÷ d² por grupo, donde p es la conversión actual y d la diferencia que quieres detectar. Para pasar de 4% a 5%: 16 × 0,04 × 0,96 ÷ 0,01² ≈ 6.144 visitas por grupo. Si tu web no tiene ese tráfico en un plazo razonable, apunta a cambios más grandes. Para profundizar en conversión y experimentos en la web, revisa la lección de landing pages y conversión.

4. Una prueba A/B da p = 0,095. ¿Qué concluyes?

Que con el umbral de 0,05 no hay evidencia suficiente para afirmar que B es distinta de A; no debes concluir que B gana.
Que hay un 9,5% de probabilidad de que la versión B sea mejor.
Que la versión B es peor que la A.

p = 0,095 indica que una diferencia así aparecería por azar con cierta frecuencia si ambas versiones fueran iguales. No prueba que B sea peor ni da la probabilidad de que B sea mejor: solo dice que los datos no bastan. Lo correcto es completar el tamaño de muestra planificado.

Errores comunes (y qué hacer en su lugar)

Concluir que A causa B porque r es alto.

Busca terceras variables y, si puedes, diseña un experimento.

Reportar r sin mirar el gráfico de dispersión.

Dibuja siempre la dispersión: un solo punto extremo puede crear o esconder una correlación.

Mirar la prueba A/B cada día y cortarla cuando «gana» B.

Fija tamaño y duración antes de empezar y no la detengas antes.

Celebrar un resultado significativo pero diminuto.

Evalúa también si la mejora compensa el costo de implementarla.

Ejercicio práctico

Nexo prueba dos asuntos de correo para su campaña de octubre (ejemplo hipotético). Cada versión se envía a 6.000 suscriptores elegidos al azar. Versión A: 540 clics. Versión B: 630 clics. Calcula la tasa de clics de cada una, la mejora relativa, el estadístico z y el valor p. ¿Qué recomiendas?

Ver solución

Tasa A = 540 / 6.000 = 9,0%      Tasa B = 630 / 6.000 = 10,5%
Mejora relativa = 10,5 / 9,0 − 1 = 16,7%
p conjunta = (540 + 630) / 12.000 = 0,0975
EE = √[0,0975 × 0,9025 × (1/6.000 + 1/6.000)] = 0,005416
z = (0,105 − 0,090) / 0,005416 = 2,77
Valor p = 2 × (1 − DISTR.NORM.ESTAND.N(2,77; VERDADERO)) ≈ 0,0056

Como p ≈ 0,006 < 0,05, la diferencia es estadísticamente significativa: es muy poco probable que se deba al azar. Recomendación: usar el asunto B en los próximos envíos y seguir midiendo, porque la métrica de negocio que importa son las compras, no solo los clics. Si es posible, revisa también si B generó más ventas por correo enviado.

Resumen

Pearson r mide relaciones lineales entre −1 y 1; en Nexo, precio e importe se relacionan fuerte (0,83) y unidades e importe casi nada (0,10).
Correlación no implica causalidad: descarta terceras variables, causalidad inversa y azar.
Una tendencia lineal describe bien 2025 (+345 USD por mes), pero no sirve para pronosticar si ignora la estacionalidad.
Una prueba A/B asigna al azar, fija la métrica y el tamaño antes, y se lee con el valor p.
La misma mejora puede ser significativa o no según el tamaño de la muestra.

En la próxima lección: Python para análisis de datos con pandas. Automatizarás todo el flujo, de la limpieza a los resúmenes, con unas pocas líneas de código.