Correlación no es causalidad — Datos, 14–17 años
Un patrón entre dos medidas no demuestra por sí solo que una cause la otra. Datos, 14–17 años.
La idea
La correlación describe un patrón en el que dos variables cambian juntas. Una correlación positiva significa que los valores mayores de una suelen ir con valores mayores de la otra; una negativa, que suelen ir con valores menores. Describe una asociación, no la razón que hay detrás.
Por qué la necesitamos
Encontrar patrones puede ayudar a hacer predicciones, pero confundir un patrón con una causa puede llevar a malas decisiones. Dos variables pueden estar afectadas por un tercer factor, una puede causar la otra o el patrón puede ser casual. Un análisis cuidadoso pregunta qué otras explicaciones podrían justificar la relación antes de recomendar una acción.
Ejemplo resuelto
Imagina que una localidad registra cada mes las ventas de helados y las visitas a la piscina. Ambas suben de 1000 y 200 en primavera a 3000 y 600 en verano, y después bajan. Las variables tienen correlación positiva. Sería incorrecto concluir que comprar helados provoca ir a la piscina: el calor aumenta las dos y actúa como tercer factor.
El error habitual
El error tentador es decir: «A aumenta cuando B aumenta, así que A causa B». Parece razonable porque las causas suelen crear patrones. Sin embargo, los datos quizá no muestran qué variable apareció primero, pueden omitir una tercera variable o reflejar una coincidencia. Un gráfico puede revelar una relación, pero no demostrar por sí solo la causalidad.
Dónde se utiliza
Los investigadores usan correlaciones para detectar posibles relaciones entre ejercicio y salud, lluvia y crecimiento de los cultivos, o sueño y concentración. Esas relaciones pueden sugerir preguntas y experimentos útiles. Las decisiones médicas, sociales y empresariales necesitan pruebas más sólidas cuando se espera que cambiar algo provoque otra cosa, como un ensayo controlado o una comparación bien diseñada.
Sigue explorando
Otros idiomas
Cargando MyLeoNes™…