TODO TIENE UNA
CAUSA
Modelos para Pensar
2015 -10
Motivación
• ¿Qué fue primero el huevo o la gallina?
Motivación
Motivación
Cuestiones centrales
• ¿Causalidad y correlación son lo mismo?
• ¿En qué cambia el mundo al saber las
causas de un evento ó fenómeno?
• ¿Cómo utilizar datos de la naturaleza
para determinar causalidad y/o
correlación?
Causalidad y Correlaciones
Causalidad/Correlación
Se aumenta A
Evento A
+
-
Se disminuye A
En instante T1
Se aumenta B
+
-
Evento B
Se disminuye B
Correlación
En instante T2
Causalidad/Correlación
Evento A
En instante T1
Incidencia
T1 es mayor que T2
Causalidad
Evento B
En instante T2
Condiciones de causalidad
Para que un suceso A sea la causa de un suceso
B se tienen que cumplir tres condiciones:
• Que A suceda antes que B.
• Que siempre que suceda A suceda B.
• Que A y B estén próximos en el espacio y en el
tiempo.
Religions and babies
http://new.ted.com/talks/hans_rosling_religions_and_babies
Bayes: el más sencillo
Red Causal
Una
red
causal
es
una
representación gráfica de las
relaciones
causales
probabilísticas entre un conjunto
de
variables
y/o
eventos
aleatorios. Es un grafo acíclico
dirigido (GAD), puesto que para
ningún nodo de la red existe un
camino directo que empiece y
termine
en
él
mismo.
Adicionalmente, muchas de las
redes bayesianas se consideran
como diagramas de influencia
Gráfico Acíclico Dirigido
Red Bayesiana
• Es un grafo que representa las
relaciones de causalidad
probabilística entre variables y
permite obtener soluciones a
problemas de decisiones bajo
Incertidumbre.
• Estas se construyen bajo el
concepto de independencia
condicional:
A es condicionalmente
independiente a B dado C si:
Caso Práctico: Determinación de riesgo de
monopolio en una economía simple
Mercado
Flujo de
caja
RMS
Acciones
Competencias
Amenaza de
Monopolio
Relaciones
Territorio
Numero de compradores
Opciones
Credibilidad
Numero de competidores
Interdepen.
Barreras de
Entrada/Salida
Información
Asimetría
Competencia
Incrementa
r Distinción
Diferenciación de prod.
Nodos de decisión
Red Bayesiana
Distribución Condicional de un nodo
intermedio
Interdepencia
Número de Competidores
Número de Compradores
Dominación
Simbiosis
Dependencia
Libertad
Uno
5%
90%
5%
0%
Uno
Pocos Muchos
60%
98%
8%
0%
22%
1%
10%
1%
Uno
2%
43%
50%
5%
Dos
Pocos Muchos
30%
60%
38%
10%
17%
0%
15%
30%
Uno
0%
20%
60%
20%
Tres
Pocos Muchos
14%
25%
50%
5%
5%
5%
31%
65%
Uno
1%
1%
98%
0%
Muchos
Pocos Muchos
5%
0%
30%
5%
32%
5%
33%
90%
Como se observa, estas son las distribuciones condicionales de probablidad del
nodo “Interdependencia” dado que sus padres son “Núm. De Competidores” y
“Núm. de Compradores”. La distribución marginal del nodo interdependencia
dependerá las probabilidades condicionales de sus nodos padres y de su
distribución condicional.
Causalidad no es exactamente
correlación
No todo es lineal
Modelos Exponenciales y Polinomiales
Usando datos para comprender la
naturaleza
• http://new.ted.com/talks/david_pizarro_the_s
trange_politics_of_disgust
¿Creacionismo vs. Big Bang?
VS