Sé que esta es una pregunta antigua, pero viniendo de un fondo de ingeniería/ análisis de políticas, pienso en estas cosas un poco. Por lo tanto, creo que cambiar una variable independiente por una desviación estándar es un método para mostrar tanto la Magnitud del cambio como la Probabilidad del cambio.
Por ejemplo, las personas comúnmente realizan análisis de sensibilidad para determinar cómo reacciona un modelo a cambios en una determinada variable independiente. A menudo, los cambios muestran cierto grado de sensibilidad (por ejemplo, un cambio del 10% en X conduce a un cambio del 10% en Y) pero tales análisis no proporcionan ninguna indicación de cuán probable es un cambio del 10% en X. Puedes ver cómo esto podría convertirse en un problema:
Imagina que un cambio del 10% en A cambia Y en un 10% y un cambio del 10% en B también cambia Y en un 10%. Uno pensaría que la sensibilidad del modelo a ambos parámetros es la misma (y tal vez técnicamente lo sea) pero esto ignora el mundo real. Quizás A sea el precio de la gasolina (que cambia frecuentemente y a veces en gran medida) y B sea el tiempo que tarda la Tierra en rotar alrededor del sol (no cambiará un 10%... esperemos). Una vez que sepamos que un cambio del 10% en A es más probable, y por lo tanto los resultados del modelo son más propensos a cambiar debido al resultado de A, seríamos más propensos a intentar mejorar el modelo reduciendo la incertidumbre asociada con A.
