Glosario

Inferencia causal

¿Qué es Inferencia causal?

La inferencia causal agrupa los métodos que permiten deducir relaciones de causa y efecto a partir de datos, en lugar de quedarse en simples correlaciones. Responde a preguntas como «¿Qué habría pasado si no hubiéramos aplicado esta medida?». Sus herramientas incluyen experimentos aleatorizados como los tests A/B, grafos causales y técnicas estadísticas para datos observacionales. Ejemplo: comprobar si una promoción aumentó de verdad las ventas o si habrían subido igualmente por la temporada.

Temas

Estadística
Causa y efecto
Análisis

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Redes bayesianas

Las redes bayesianas son modelos gráficos que representan las variables como nodos y sus dependencias probabilísticas como flechas dirigidas. Con el teorema de Bayes permiten calcular cómo cambian las nuevas observaciones la probabilidad de otros sucesos. Un ejemplo es el apoyo al diagnóstico: a partir de los síntomas observados se estima la causa más probable. Sus ventajas son la transparencia y el manejo de datos inciertos o incompletos.

Probabilidad
Modelos gráficos
+1

Analítica predictiva

La analítica predictiva usa datos históricos, estadística y aprendizaje automático para estimar acontecimientos futuros probables. Responde a preguntas como: ¿qué clientes van a darse de baja? ¿Cuánto stock necesitarás el mes que viene? ¿Cuándo es probable que falle una máquina? Los resultados son probabilidades, no certezas. Su valor depende mucho de la calidad de los datos y de que las predicciones se usen de verdad en decisiones y procesos.

análisis de datos
previsión
+1

Sesgo

En IA, el sesgo (bias) es una distorsión sistemática de los resultados. Suele deberse a datos de entrenamiento desequilibrados o marcados por la historia, pero también al diseño del modelo o a cómo se plantea la pregunta. Un ejemplo conocido: un filtro de candidaturas que aprende de contrataciones pasadas puede perpetuar desventajas existentes. En estadística, sesgo es además la desviación de una estimación respecto al valor real. Ayudan los datos diversos, las revisiones periódicas y que las decisiones de personal las tome una persona.

Ética de la IA
Equidad
+1

Análisis exploratorio de datos (EDA)

El análisis exploratorio de datos (EDA) es la primera mirada abierta a un conjunto de datos: calculas indicadores, revisas distribuciones y gráficos y buscas patrones, valores atípicos y datos que faltan, todavía sin una hipótesis fija. Sirve para valorar la calidad de los datos y encontrar preguntas útiles para análisis o modelos posteriores. Ejemplo: antes de una previsión de ventas, el EDA revela que un mes se registró de forma incompleta por un cambio de sistema.

Análisis de datos
Estadística
+1

Plantilla