“correlaciÓn no implica causalidad” · cuando llueve es más probable que truene, pero no es...
TRANSCRIPT
“CORRELACIÓN NO IMPLICA CAUSALIDAD”
Daniel Manzano
Este artículo ha obtenido el primer premio del concurso DIPC de divulgación del evento Ciencia Jot Down 2016
Hay afirmaciones que no sólo son ciertas, sino que además son poderosas. Una de mis
favoritas es sin duda: «Correlación no implica causalidad». En el mundo de los debates
públicos, de las peleas en Twitter y los flames en Menéame siempre es útil contar con
herramientas como esta. La frase en sí viene a significar que el hecho de que dos eventos
se den habitualmente de manera consecutiva no implica que uno sea causa del otro. Así
cuando llueve es más probable que truene, pero no es la lluvia la que causa los truenos.
Imagínate que por un giro del destino te ves envuelto en una discusión sobre, por ejemplo,
si el modelo de educación finés es el ejemplo a seguir en España. No tienes ni idea de
pedagogía, ni del modelo educativo español, ni del finés. Si fuera una discusión en un bar
no pasaría nada, podrías decir que no te interesa, pero es en internet y ya se sabe lo que
eso implica. En el cibermundo no vas a reconocer que no sabes de un tema. Tienes que
discutir, y aún más importante, tienes que ganar. Tu oponente dialéctico está más
preparado que tú. Te bombardea con datos y estudios sobre el informe PISA, sobre los
distintos métodos pedagógicos y sobre muchas otras cosas que no te interesan. Da igual,
porque tú estás curtido en mil ciberbatallas y sabes como contraatacar. Esperas un
momento de descuido de tu oponente. Entonces te colocas bien el palillo que sujetas con
los dientes y afirmas: «Todo eso está muy bien pero no demuestra nada, porque la
correlación no implica causalidad». Ni siquiera importa si estás defendiendo el modelo
finés o atacándolo. Cualquier dato que se te haya dado ha quedado refutado. Correlación
no implica causalidad. El debate termina, y has ganado.
¿Pero tiene realmente este argumento una base sólida? No lo dudes, cualquier persona
con conocimientos básicos de estadística te lo podrá confirmar. En cualquier caso vamos
a indagar un poco más para que sepas usarlo correctamente. Para eso nada mejor que usar
un par de ejemplos.
El ejemplo más clásico es el de los piratas y el calentamiento global. Este se basa en un
estudio desarrollado nada menos que por Bobby Henderson, el creador de la Iglesia
pastafari. Su intención era combatir los argumentos de los creacionistas, un grupo muy
dado a encontrar correlaciones donde no las hay y a concluir que hay una causa detrás.
Casualmente la causa que siempre encuentran es la misma, Dios, causa que, de nuevo
casualmente, coincide con lo que estaban intentando demostrar a priori. Para ilustrar el
hecho de que dos fenómenos se den al mismo tiempo no implica que uno cause el otro
Henderson representó la temperatura global de la Tierra en función del número de piratas
en el mundo.
Pirates Vs Temp.svg: RedAndr / Osado (CC). Fuente: Wikipedia
Claramente se aprecia que a medida que el número de piratas se ha reducido la
temperatura de la atmósfera ha aumentado. Según los argumentos de los creacionistas, y
otros grupos favorables a encontrar causas donde no las hay, esto significaría que la
escasez de piratas es la verdadera causa del calentamiento global. No hay otra explicación.
Por este motivo los seguidores de la religión de Henderson se disfrazan de piratas en el
momento del culto, para combatir así el cambio climático.
Veamos otro ejemplo. La página web Spurious Correlations se dedica a buscar en
distintas bases de datos correlaciones absurdas entre series de datos. Uno de los más
populares es el que aparece en la siguiente gráfica, que representa a través de los años
tanto el número de ahogamientos en piscina producidos en los Estados Unidos como el
número de películas realizadas por Nicolas Cage.
Fuente: tylervigen.com
La correlación es clara. Cuantas más películas hace el bueno de Nicolas más gente muere
ahogada. Lo mejor será que el pobre se retire y así ahorrará sufrimiento al mundo.
Dado que es difícil de creer que la gente se ahoge por culpa de Nicolas Cage, o que los
piratas determinen la temperatura global, podemos concluir que estas correlaciones no
implican que una cosa sea la causa de la otra. Veamos entonces la explicación canónica
a estas gráficas. Que dos fenómenos se den a la vez, o que uno preceda al otro, no implica
que uno sea la causa del otro. Aunque observamos una correlación entre A (películas de
Cage) y B (ahogamientos en piscina) eso no significa que las películas de Nicolas Cage
provoquen que la gente quiera morir de una manera agónica a la vez que refrescante (1).
¿Y si no es A la causa de B por qué se dan los dos fenómenos a la vez de forma repetida?
Bueno, en general si hay una fuerte correlación entre los fenómenos A y B tenemos cuatro
posibilidades:
1. Que A cause B (que los ahogamientos en piscinas hagan que el bueno de Nicolas quiera hacer más cine para animar a las familias).
2. Que B cause A (yo mismo estuve tentado de ahogarme después de ver La Búsqueda 2).
3. Que haya un tercer fenómeno, C, que provocara tanto A como B (es complicado imaginar alguno, pero a lo mejor el Orden Mundial conspira para reducir la población humana tanto mediante el ahogamiento como mediante el aburrimiento).
4. Puro y duro azar. Hay muchos datos en el mundo, así que si los comparamos todos más tarde o más temprano encontraremos este tipo de correlaciones que no significan nada.
Este último punto es el más importante de todos, ya que no se puede demostrar que algo
no ha ocurrido por azar. Así que por muchos datos que te pongan sobre la mesa tú no lo
dudes. Ya tenemos una explicación sencilla y todo encaja. Las correlaciones no tienen
implicación ya que todo puede ser debido a la casualidad en lugar de a la causalidad. Así
que si alguien nos dice que el sistema educativo finés es el mejor porque puntúan muy
alto en PISA podemos callarlo con un firme y convencido «correlación no implica
causalidad».
Ya tenemos un arma dialéctica precisa y afinada, e incluso podemos ir más allá. Si
mañana nos levantamos y leemos la siguiente noticia en el periódico no nos pasará nada
Es evidente que ni las autoridades sanitarias ni el redactor del artículo tienen mucha idea
de matemáticas. Nosotros, que estamos armados con un conocimiento todopoderoso,
sabemos que no hay de que preocuparse. La correlación no implica causalidad. Lo mismo
son los yogures o lo mismo no lo son. Lo mejor será aprovechar para comprar esa marca
aprovechando la bajada de precios. Está claro que tenemos un caso de una fuerte
correlación. Todo el mundo que comió tal yogur murió. Mientras tanto el resto de
personas murieron a un ritmo normal. La correlación está fuera de duda.
Si algún alarmista viene a tocarnos las narices podemos usar el mismo argumento que
antes. Tenemos correlación entre el comer yogur y el morir, así que tenemos cuatro
posibilidades:
1. Los yogures son los causantes de la muerte de las personas. 2. La muerte de las personas es causante de que se comiera antes el yogur. 3. Hay un fenómeno que es causa a la vez de las muertes y de que la gente coma
yogures. 4. Es una simple casualidad. La gente muere, la gente come yogures, ¿qué le vamos a
hacer?
La segunda y tercera posibilidad son bastante improbables. Es difícil de creer que las
muertes causen la ingesta de yogures o que existe un evento que provoque tanto el
consumo de yogures como la muerte de los que los consumen. Sin embargo, demostrar
que no es azar es difícil. La correlación es clara, pero nadie ha demostrado aún que los
yogures estén envenenados.
A estas alturas el avispado lector (o la avispada lectora) ya habrá intuido que este artículo
no es una defensa a ultranza de la frasecita de las narices. Seamos serios. Por mucho que
estemos convencidos de que la correlación no implica causalidad si mañana ocurre algo
así no nos lo plantearíamos ni por un instante. Los yogures están envenenados. No hay
otra posibilidad. Por supuesto que habrá que analizarlos para ver qué ha ocurrido, pero
mientras tanto todos actuaremos guiados por la certeza de que algo ha pasado.
Bryan Keith Lanier
«Man-O-War»
¿Y qué diferencia este caso del caso de los piratas o de las piscinas? Lo primero es el
sentido común, que nos dice que es posible que unos yogures se envenenen, pero que es
mucho más difícil que el noble oficio de la piratería afecte al clima. Lo segundo es la
correlación en sí. Tenemos que tener en cuenta que no todas las correlaciones son iguales,
y que a partir de ellas podemos sacar muchas conclusiones. La correlación no es una
magnitud dicotómica. No es algo que se tiene o no se tiene, es algo que puede ser muy
grande, o muy pequeño.
Volviendo al escabroso ejemplo de los yogures. Además de saber que hay una
correlación, podemos estimar qué probabilidad hay de que ocurra algo así por casualidad.
Imaginad que vemos en la noticia que un 0.1% de la población española consumió el
citado yogur el día en cuestión. Eso hace unos 460 000 españoles muertos en un día. Este
dato contrastaría con la mortalidad en todo el año 2014, que fue de 395 830 personas
(según datos del INE). Ya el que ocurra algo así es absolutamente improbable. De hecho,
es lo que se suele denominar, estadísticamente imposible. Calcular la probabilidad de
que esto ocurra requiere hacer suposiciones sobre cómo se distribuye la mortalidad entre
la población, las edades de los consumidores de yogur y otros parámetros. Una estimación
muy conservadora me da el resultado de que la probabilidad es menor que una entre
1025(2) Es más probable encontrar algo de principio activo en una disolución homeopática
a que ocurra algo semejante por pura casualidad. Por eso podemos concluir que algo ha
ocurrido, aunque aún no hayamos analizado los yogures.
¿Y qué ocurre entonces con las piscinas y las películas de Nicolas Cage? Pues ocurre
simplemente que ahí la correlación no es tan grande. Ese es el quid de la cuestión y el
mensaje que me gustaría que os quedase después de leer este artículo. Correlación no
implica causalidad, es cierto, pero hay correlaciones más grandes que otras. Como ya
hemos dicho la correlación no es una magnitud binaria. No es tan simple como que exista
o no exista. Hay correlaciones pequeñas como la de las películas de Cage, y hay
correlaciones muy grandes como la del macabro ejemplo del yogur. En el ejemplo de las
piscinas la misma web que lo dio a conocer calcula la probabilidad de que sea azar, un
33.4%. Por supuesto ahí también hay suposiciones detrás, pero la manera de calcularlo es
bastante estándar. ¿Es un 33.4% una probabilidad muy baja? Pues dependerá de para qué.
Si tenemos en cuenta que los autores de la web analizan cientos de miles de cadenas de
datos lo improbable sería que no encontrasen ese tipo de correlaciones espurias.
Simplemente analizando el número de cadenas estudiadas y las correlaciones encontradas
se puede calcular la probabilidad de que sea puro azar o de que pueda tener una causa
más relevante.
A esto precisamente se dedican algunos analistas especializados en Big Data. Analizan
cantidades ingentes de datos y buscan correlaciones que nadie espera. Después, se
dedican a analizar la probabilidad de que sea azar o no, y si no parece serlo lo analizan
con más profundidad. Puede que dos eventos en apariencia desconectados tengan una
relación causal demasiado difícil de apreciar a simple vista. Si encuentras este tipo de
correlaciones puede llegar a ganar mucho dinero, al ser capaz de predecir movimientos
de los mercados que nadie más puede ver.
AmBr0
«Nicolas Cage»
Nadie duda de que la correlación no implica causalidad. Científicos de todos los campos
dedican cantidades ingentes de tiempo a repetir experimentos para distinguir
correlaciones importantes de correlaciones espurias. Incluso se ha observado que muchos
experimentos científicos con grandes correlaciones tienen una probabilidad alta de ser
puramente casuales. Eso ocurre porque en el mundo se realizan muchos experimentos
continuamente. La probabilidad de que nunca se de una correlación espuria es realmente
baja y son precisamente las correlaciones inesperadas las que más interesan a la
comunidad científica. El único remedio para evitar esto es la repetición de los
experimentos. Sin embargo, todo esto no quiere decir que las correlaciones no tenga
relevancia, o que no sean indicativas de causalidad. Tenemos que saber distinguir entre
correlaciones más y menos probables. Tenemos que analizar cada caso cuantitativamente
y averiguar cuál es la probabilidad de que un evento sea aleatorio para saber si debemos
indagar más o no.
Si nos molestamos en mirar los datos antes de aceptarlos o desecharlos aumentaremos
nuestro conocimiento del mundo. Si nos limitamos a desdeñar los datos que contradigan
nuestras ideas preconcebidas con una frase hecha a lo más que podemos aspirar es a ser
el más listo de Menéame. Lo primero es deseable. Lo segundo no es algo que uno deba
incluir en su currículum.
Nicole Tijoux
Notas
(1) Antes de que se me acuse de atacar a Nicolas Cage innecesariamente y empecemos
una discusión gafapasta sobre Leaving Las Vegas me gustaría contrargumentar con sólo
dos palabras: Ghost Rider.
(2) Un uno y veinticinco ceros detrás, o si lo preferís 1000000000000000000000000.