Analítica web
Reflexiones desde el mercado español de Analítica Web

Correlación implica causalidad, ¿o no?

Se lee en 2 minutos

En nuestro día a día, nos encontramos con noticias sobre estudios científicos de todo tipo, incluso es habitual utilizar las conclusiones de los estudios en discusiones para convencer a nuestros oponentes. Pero, ¿tomamos adecuadamente las conclusiones de un estudio?

Mientras tomaba mi primer café del día, he ojeado dos noticias en el periódico que me han llamado la atención. En la sección de Economía he leído sobre el aumento de los ingresos de la compañía Samsung, y a continuación, me ha sorprendido la devaluación del euro frente al dólar en una nueva noticia. Tras esto, he llegado a la conclusión de que desde 2002 existe una correlación entre el cambio de dólares por euros y los ingresos anuales de Samsung. ¿No me creéis? Mirad los siguientes gráficos:

Fuente: www.libremercado.com

Fuente: www.abanfin.com

Como ya decían nuestros antiguos, Cum hoc ergo propter hoc “por esto, por tanto a causa de esto”. Pero para entender bien que intenta decirnos esta frase, necesitamos conocer el significado de la Correlación, que no es nada más que la fuerza con la que dos variables lineales están relacionadas.

Volviendo al ejemplo anterior, la variable A (tipo de cambio de dólares a euros) está fuertemente relacionada con la variable B (ingresos anuales de la compañía Samsung) porque cuando aumenta A, también lo hace B con una fuerza similar. Sin embargo, la conclusión que puede llegar a tomar un lector al leer un estudio o un científico a la hora de tomar conclusiones puede ser incorrecta si se precipita, como voluntariamente he hecho yo con mi ejemplo.

Es decir, que si mañana leyendo el periódico encontramos una noticia de un estudio científico en la cual se han comparado dos grupos, uno de personas flacas (grupo 1) y otro de obesas (grupo 2), y observado que la lectura (variable p) es la principal afición del grupo 2, personas obesas (variable q); uno debe acordarse de que Correlación no implica causalidad antes de sacar cualquier conclusión porque existen varias posibilidades:

  1. p q: Leer engorda. Es a la primera conclusión que se nos pasaría por la cabeza, pero ¿debemos finalizar en este punto nuestro análisis? Lógicamente no.
  1. q p: Engordar provoca leer. Esto es conocido como “falacia de dirección incorrecta” porque la causalidad es justo lo contrario a lo que pensábamos inicialmente. Puede ser que al engordar unos cuantos kilos de más, nos sintamos más cansados y prefiramos estar acostados en el sofá leyendo un buen libro antes que ir al gym a hacer el ridículo con unas mallas apretadas que resaltan nuestro sobrepeso y tener que sufrir con ejercicios anaeróbicos.
  1. p → r q: Leer necesita reposo y tranquilidad (variable r) que en exceso causa que engordes por falta de ejercicio. Es decir, que un factor que no se había tenido en cuenta en nuestra primera hipótesis, pueda estar causando que relacionemos p con q erróneamente. En este caso, el exceso de reposo sería el responsable de engordar (r q).
  1. t p q: Las personas solitarias y tranquilas (variable t) puede que se inclinen por actividades también solitarias y tranquilas como la lectura, y eviten ejercicios que les hagan sudar, por lo que tienden a engordar. Dicho de otro modo, es otra variable, t, quien causa p y q al mismo tiempo.
  1. q p q: Es un caso similar a nuestro segundo ejemplo, donde ganar unos kilos provoca cansancio y preferir actividades más relajadas como la lectura que, a su vez, causan engordar todavía más. Esto es conocido como relación sinérgica.
  1. Finalmente, podría ser que la relación sea tan compleja con numerosas variables que los hechos sean simples coincidencias.

Ahora que ya sabemos que la correlación no implica necesariamente causalidad, debemos evitar caer en el absurdo de sacar conclusiones apresuradas. Por lo tanto, no es necesario hacer unas flexiones y sentadillas para evitar engordar al finalizar esta lectura.

Escribe tu comentario

5 + Ocho =

Navegar