Dependencia y correlación

Portada de Bestfy Academy sobre Dependencia y correlación

La dependencia entre sucesos significa que conocer el resultado de uno puede cambiar la probabilidad asignada a otro. La correlación es una medida de asociación entre variables, normalmente numéricas, y no es un sinónimo universal de dependencia.

La diferencia se ve mejor con dos preguntas de fútbol

Imagina las condiciones A = «gana el equipo local» y B = «su delantero marca». Una victoria local puede resultar más o menos probable cuando marca el delantero. Por tanto, saber que B ha ocurrido podría cambiar la estimación de A. Hablar de dependencia probabilística consiste en comparar, por ejemplo, P(B dado A) con P(B). Si son distintas, los sucesos no son independientes.

Dos eventos son independientes si el conocimiento de uno no altera la probabilidad del otro. Una forma de expresarlo, cuando P(A) es mayor que cero, es P(B dado A) = P(B). Solo bajo esa condición cabe escribir P(A y B) = P(A) × P(B). En general, sin suponer independencia, se usa P(A y B) = P(A) × P(B dado A).

La correlación, por su parte, se usa frecuentemente para resumir si dos cantidades varían juntas. Por ejemplo, goles marcados por un equipo y número de tiros en una serie de partidos pueden presentar una correlación positiva. Eso no demuestra que cada tiro adicional cause un gol ni permite deducir por sí solo la probabilidad de una combinación concreta de selecciones.

Una ausencia de correlación lineal tampoco demuestra independencia general: pueden existir relaciones no lineales que ese indicador no recoja. Si en una variable binaria se conoce la correlación junto con las probabilidades marginales, sí se puede estudiar su relación, pero es necesario declarar la codificación y el modelo. No conviene mezclar sin más «correlación de estadísticas» con «dependencia de eventos».

Ejemplo: lo que cambia al conocer una condición

Ejemplo ficticio de probabilidades estimadas. Para el partido inventado Puerto Sol–Atlántico Gris, un analista imagina P(A) = 0,60, P(B) = 0,50 y P(B dado A) = 0,80. Son supuestos de aula; no proceden de partidos reales ni de un modelo validado.

Si se multiplicaran indebidamente las dos probabilidades marginales, se obtendría 0,60 × 0,50 = 0,30, es decir, un 30 % para A y B simultáneos. Pero el supuesto concreto indica que, dado que A ocurre, B tiene un 80 %: la regla general da P(A y B) = 0,60 × 0,80 = 0,48, un 48 %. La diferencia de 18 puntos porcentuales no nace de redondear: es la consecuencia de utilizar una hipótesis distinta.

El ejemplo es coherente: si P(B) = 0,50 y P(A y B) = 0,48, apenas 0,02 de probabilidad conjunta queda para B sin A. Esta situación ilustra una dependencia fuerte inventada, no una afirmación sobre un delantero real.

Una casa que permite «Crear apuesta» puede incorporar relaciones entre selecciones al calcular su cuota comercial. No se debe intentar reconstruir esa cuota multiplicando probabilidades marginales sin demostrar independencia. Tampoco puede saberse si el precio es favorable a partir de esta relación por sí sola.

Asociación, causalidad y otros errores

  • «Son partidos distintos, luego son independientes». Los eventos separados podrían compartir contexto, calendario, participantes o errores de estimación. La independencia se justifica, no se adivina.
  • «Están correlacionados, luego uno causa el otro». La asociación puede proceder de factores comunes o de otras relaciones, y por sí sola no prueba causalidad.
  • «Correlación cero significa que no hay relación». No necesariamente: una medida lineal puede ocultar dependencias de otra forma.

Qué debes recordar: para una apuesta conjunta importa la probabilidad condicionada de que se cumplan simultáneamente los sucesos; un coeficiente de correlación no la sustituye automáticamente.

Conceptos relacionados

Probabilidad condicionada; Apuesta combinada; Crear apuesta o bet builder; Probabilidad; Valor esperado.

Publicidad