Este es un gran clásico, básico y muy importante. Es más, aunque lo tratemos después de haber hablado del error debido al "cherry picking", sin duda este es el fallo estrella al leer información sobre salud, y también sobre otros ámbitos, es sacar la conclusión errónea de que variables que cuando variables se dan juntas existe una relación de causalidad, algo que es totalmente falso.
De esta manera es posible sacar una conclusión completamente errónea a partir de unos datos que pueden ser bastante objetivos. Pensar que porque dos circunstancias ocurran juntas significa que alguna causa la otra es un gran error, y recordaremos por qué:
Correlación y causalidad: juntas, pero no revueltas
La correlación indica la fuerza y la dirección de una relación lineal y de proporcionalidad entre dos variables estadísticas.En el caso de dos variables (A y B), si al aumentar A, aumenta B, y viceversa, podemos decir que existe una correlación.
También puede ser a la inversa (al aumentar A, disminuye B y viceversa). Sin embargo, que exista esa relación lineal no implica causalidad, que sería poder afirmar que el cambio en una de las variables es directamente lo que provoca el cambio en la otra.
Por esto los autores de los estudios suelen hacer referencia en sus conclusiones a la correlación entre variables, si existe, pero también especifican si solo han podido establecer la correlación o si han determinado alguna causalidad. En los casos en los que solo hay correlación, deben especificarlo, del mismo modo que periodistas o medios deben tener muy presente este hecho, para no generar información engañosa.
Correlación sin causalidad: ejemplos extremos
Hay variables que no tienen nada que ver una con otra pero que tienen una alta correlación. En el vídeo superior, Tim Minchin, humorista, actor y músico, hace un monólogo sobre este tema, que creo que puede servir para aquellos que todavía no se convenzan (aunque tal vez su humor no guste a todos, eso es cierto).
Y para ver más, de forma gráfica, acerca de este tipo de error, esta web se encarga de recopilar extrañas correlaciones con variables que se ve que no tienen nada que ver; aun así, la correlación es muy alta. Entrando a la página puedes ver algunas de ejemplo, y también puedes crear las tuyas propias.
Por ejemplo, yo he creado esta gráfica que muestra la correlación entre ciclistas muertos por choques con objetos estáticos y el gasto militar de EEUU. Habría quien afirmaría que el gasto de EEUU se hace para poner obstáculos que causen muertes a los ciclistas.
En Xataka Ciencia se hicieron eco de esta web hace casi un año, poniendo más ejemplos de correlaciones absurdas en un artículo que también busca destacar la importancia de recordar que correlación y causalidad son cosas muy diferentes, y que no se debe abusar de establecer relaciones donde no las hay, confundiendo y desinformando.
Imagen | Pixabay Vídeo | Youtube
-
La noticia Errores en la información de salud (II): Correlación no implica causalidad fue publicada originalmente en Vitónica por Miguel López .
via Vitónica http://feeds.weblogssl.com/~r/Vitonica/~3/qYSlHnrsuo0/errores-en-la-informacion-de-salud-ii-correlacion-no-implica-causalidad
No hay comentarios:
Publicar un comentario