#286 Analisis Básico Público v1 ChatGPT, Claude, R #correlacion #estadistica #variables #causalidad

Análisis de correlación

Explorar relaciones entre variables para orientar análisis posteriores.

Volver a biblioteca
🤖
Modelo probado
ChatGPT, Claude, R
📊
Dificultad
Básico
🔖
Versión
v1
📅
Creado
20/05/2026
Revisado
20/05/2026
⏱️
Tiempo estimado
12 min
🔑
Acceso
Público
Recomendación
🎯

Para qué sirve

Explorar relaciones entre variables para orientar análisis posteriores.

📌

Cuándo usarlo

Cuando se quiere entender qué variables parecen moverse juntas.

📥

Datos de entrada necesarios

Variables, datos y contexto del análisis.

📤

Resultado esperado

Informe de relaciones, cautelas y recomendaciones de validación.

💡

Ejemplo de uso

Variables: inversión en marketing, leads, ventas y churn.

🔧

Consejos para mejorarlo

Ajustar placeholders, tono, extensión y formato al caso real antes de ejecutar el prompt.

📝

Nota del curador

Prompt normalizado para hacerlo más claro, reutilizable y seguro sin cambiar su intención funcional.

⚠️

Restricciones

No inventar datos; indicar los supuestos; adaptar el resultado al contexto real; revisar la salida antes de usarla. No inferir causalidad sin evidencia; diferenciar patrones, hipótesis y conclusiones verificadas.

Prompt completo

Actúa como analista estadístico. Analiza las correlaciones entre estas variables: {VARIABLES} Entrega: 1. Relaciones potencialmente significativas. 2. Intensidad y dirección de la relación, si se aporta dato cuantitativo. 3. Posibles variables confusoras. 4. Riesgo de interpretar correlación como causalidad. 5. Recomendaciones para validar las relaciones. Sé prudente: no afirmes causalidad si no existe diseño o evidencia suficiente.

Personalizar prompt

Completa los valores de las variables para generar un prompt personalizado.

Prompt personalizado

Actúa como analista estadístico. Analiza las correlaciones entre estas variables: {VARIABLES} Entrega: 1. Relaciones potencialmente significativas. 2. Intensidad y dirección de la relación, si se aporta dato cuantitativo. 3. Posibles variables confusoras. 4. Riesgo de interpretar correlación como causalidad. 5. Recomendaciones para validar las relaciones. Sé prudente: no afirmes causalidad si no existe diseño o evidencia suficiente.