← 14 · La lección: señal frente a ruido F6

Una relación con p = 0,014 que explica el 0,04 % de la satisfacción

La pregunta de esta página

¿Las ventas con más unidades tienen mejor satisfacción?

1 El problema

La página 13 cruza ventas y satisfacción. La relación entre el importe y la nota no aparece, pero la de la cantidad sí sale significativa: p = 0,014, por debajo del 0,05 que se usa habitualmente como frontera. Con eso se podría escribir que quien compra más unidades sale más contento.

2 Por qué engaña

El p-valor dice si un efecto se distingue del cero, no si es grande. Con 15.980 ventas, cualquier diferencia minúscula acaba distinguiéndose del cero, porque el margen de error de cualquier estimación hecha con tantos datos es muy pequeño.

3 El principio

Primero el tamaño, después la significación
Significativo quiere decir «probablemente no es cero». Importante quiere decir «cambia algo que importa al negocio». Lo segundo lo contesta el tamaño del efecto, que se da siempre al lado del p-valor.

4 La solución

Para una correlación, elevarla al cuadrado: el resultado es la parte de la variación de una variable que acompaña a la otra. Para una diferencia de medias, la d de Cohen, que la mide en desviaciones típicas.

5 Qué pasa con estos datos

0,014
p-valor
significativo al 5 %
0,0194
correlación r
0,04 %
de la satisfacción que explica

La cantidad explica el 0,04 % de la variación de la satisfacción. El otro 99,96 % depende de todo lo demás. Una campaña para vender más unidades con la idea de tener clientes más contentos no movería la nota de forma apreciable.

Un efecto pequeño en la escala de Cohen puede ser grande en euros. Entre Islas Baleares y Murcia el ticket medio difiere con una d de 0,22 y son 744,28 € por venta. Pero esas dos provincias se eligieron por ser los extremos, y la paradoja de Simpson muestra que la diferencia viene entera de la mezcla de productos.

Además, es uno de tres contrastes
La página 13 hizo tres contrastes. Con tres oportunidades, es menos raro de lo que parece que una salga por debajo de 0,05. Lo explica la página de comparaciones múltiples.

6 Para qué sirve

En cualquier informe con muchos datos: encuestas grandes, pruebas A/B con millones de visitas, registros de años. Cuantos más datos, más cosas salen significativas y más necesario es preguntar por el tamaño del efecto.

El detalle técnico

Correlación de Pearson sobre las 15.980 ventas válidas con satisfacción informada. El r² se calcula en la página a partir del r del JSON.

Tamaño frente a significación
r, p = pearsonr(ventas["cant"], ventas["satisfaccion"])
r2 = r ** 2        # que parte de la variacion de la satisfaccion acompana a la cantidad

Fuentes: eda.json, campo p3_correlacion_ventas_satisfaccion, e inferencia.json, campo f8_potencia.