Tema 5: Correlación: caso continuo

Los alumnos del curso de humanidades “Ciencia para pensar mejor” podéis dejar aquí comentarios, observaciones, preguntas… todo lo que penséis que puede aclarar cuestiones o aportar algo a los demás.

Anuncios

  1. Guillermo Enrique Guerrero Muñoz

    Buenos días,

    Es siempre la correlación sinónimo de causalidad?
    A veces, oímos noticias tan rocambolescas que es imposible no preguntarse acerca de su veracidad, dichas noticias (a menudo estudios desarrollados por Dios sabe que universidad) suelen estar basadas en una relación de correlación, de manera que parece innegable dudar de ellas. Pero si profundizamos un poco podemos observar como realmente se han tomado dos variables forzadas a la coincidencia (y su posterior mediatización), que aunque concordantes, no tienen sentido alguno.
    Por ejemplo… “La luna llena provoca cambios en el comportamiento humano”, la correlación seguramente se ha hecho sin tener en cuenta que la luna llena coincide siempre con la noche del viernes, último día laboral de la semana para la mayoría de la gente, y principal aliado de los bares.
    Como este hay miles de ejemplos más en los que desafortunadamente las noticias son más creíbles, y si no tenemos cuidado pasan de formar parte de nuestras creencias a base “fundamentada” en nuestro día a día. La correlación es una magnífica herramienta cuando dos variables guardan sentido, usada para sacar medicinas a la venta o para decidir sobre la contratación en una empresa, pero a la vez puede ser muy peligrosa, como cualquier dato erróneo contrastado con una explicación “científica”.

    Aquí os dejo un enlace que comparte muchos ejemplos de correlación sin sentido.
    https://afanporsaber.com/falsas-correlaciones#.XAYu1WhKjIU

    Un saludo

    • CARLOS ASTILLEROS APARICIO

      Hola a todos.

      Como comenta nuestro compañero Guillermo Enrique, la correlación no implica causalidad y hay que identificar bien la variable oculta que nos puede llevar a una conclusión errónea. Además de los ejemplos que aportas, he encontrado otra página web con mas ejemplos de correlaciones erróneas:
      https://www.xatakaciencia.com/psicologia/correlacion-no-implica-causalidad-hay-que-decirlo-mas
      Teniendo presente estos ejemplos, espero que tomemos más conciencia a la hora de ver las gráficas y que por mucho que se parezca dos variables, al compararlas no implica que tengan una relación a primera vista.

      Muchas gracias.
      Carlos

  2. Irene Rayo Fernández

    Hola a todos!

    Creo que la conclusión que todos sacamos la semana pasada es que correlación no significa causalidad.
    Como esta sentencia es autoconclusiva, poco más podemos añadir al respecto. Sin embargo, personalmente considero que no deberíamos conformarnos con lo que hemos aprendido en clase y que deberíamos interiorizar este concepto. Es decir, aunque nosotros sepamos que una buena correlación no significa causalidad, no significa que sepamos identificar las afirmaciones falsas.

    Por este motivo, he buscado algún caso más y me gustaría compartirlo con vosotros porque nos puede venir bien de cara al examen de la semana que viene.

    – Un estudio realizado en un colegio demuestra que a mayor tamaño de pie, mayor compresión lectora. ¿Cuál puede ser la respuesta?
    Bien, en este caso, debemos intuir que tras esta conclusión debe haber una variable oculta: la edad. Entre el tamaño de pie y la comprensión lectora no hay una correlación que implique causalidad. Sin embargo, los niños mayores poseen mejor comprensión lectora y, evidentemente, están más desarrollados y tienen un tamaño de pie mayor.

    – La correlación entre el precio de las manzanas y el de los televisores es bastante alta. ¿A qué se puede deber?
    En este caso, a simple vista no sabemos qué relación puede haber entre las manzanas y los televisores y necesitamos pensar cuál puede ser su unión. Esta es el petróleo: para transportar las manzanas se necesita petróleo y para producir los televisores se necesita el petróleo como materia prima. Por este motivo, si el petróleo sube de precio, las manzanas y los televisores también se verán encarecidos y por eso hay una buena correlación entre ellos.
    Este ejemplo sería bueno para alumnos que no tienen una gran base matemática.

    Espero que haya sido de vuestra ayuda!

    Un saludo!!

  3. CALEB FRANCISCO VICENTE MORENO

    Hola a todos.
    Como bien han dicho mis compañeros, a todos nos quedó claro que la correlación no conlleva causalidad. Es por esto, entre otras razones, por la que concluíamos que la correlación necesita de una interpretación, y veíamos algunas gráficas, en las que debido a algunos outliers (valores atípicos) o debido a malas aproximaciones en cuanto a las rectas de regresión, estas podían ser extraordinariamente equivocadas. Es por este motivo por el quiero destacar la importancia de conseguir un muestreo estadístico de dos situaciones estadísticamente correlacionadas de forma lógica, y eliminando esos outliers, o aplicándoles una política de costes que los disminuya la probabilidad de error, para que el resultado sea lo más correcto posible.

  4. Victor Casas Molina

    Recuerdo que en algunas clases de estadística de primero, había algunas transparencias que advertían que es necesario conocer la distribución de los datos (sobre todo atendiendo a sus medidas de centralización: media moda y mediana) antes de tratar de establecer correlaciones, lo que parece trivial, en algunas ocasiones originan problemas difíciles de encontrar en las gráficas, pues son tan obvios, que a menudo no se revisan:
    En la clase pasada recordé con los gráficos de altura separados por sexos, que en el caso de juntar las dos muestras, estamos ante una distribución bimodal (que no binomial), donde hay dos campanas diferentes con diferente forma ( hombres y mujeres) y al tratar de realizar regresiones lineales la correlación no guarda para nada relación con las que se obtendría separando los grupos.
    Tener las medidas de estadística descriptiva en mente es útil no sólo para evitar caer en absurdos, sino para que si hubiese que realizar cualquier simulación, saber lo que se está haciendo manejando las herramientas informáticas.

  5. Mario Alonso Sánchez

    Buenas tardes a todos,

    Siempre que hablamos sobre la correlación en caso continuo, lo relacionamos con términos matemáticos como pueden ser la varianza, la regresión a la media etc. Pero estos términos no son suficientes para explicar la correlación como señalan algunos compañeros, ya que con ellos no llegamos a una conclusión definitiva. Da la sensación que lo que nos rodea es el comienzo de algo, que nos lleva por un camino que nunca se acaba. Para completar esta explicación la ampliamos con nuestra experiencia lógica adquirida a lo largo de la vida.

    En mi opinión, el fallo se acentúa en el hecho de hacer el estudio con una sola variable, por ello al contrario que mis compañeros, pongo un ejemplo donde debería de haber una correlación y sin embargo no la hay. Se considera que el cocinar con mantequilla y manteca acentúa la hipertensión y el colesterol. En España tenemos la costumbre de cocinar con aceite de oliva, considerado más sano. Sin embargo casi el 43% de la población adulta en España es hipertensa (datos sacados de http://www.medicosypacientes.com), estos datos rompen la correlación porque una comida sana no conlleva necesariamente una tensión arterial sana. La explicación podría estar en que hemos tomado únicamente un dato. No nos vale con un dato, tenemos que analizarlo en un contexto sin olvidarnos de la importancia del mismo.

    Como conclusión, no existe ninguna correlación con varianza perfecta, debido a que utilizamos aproximaciones y márgenes de error de un solo dato. Aunque estas correlaciones son necesarias en la vida real (medicina, DataAnalysis, política … ) es necesario complementarlas con algo de “sentido común”.

    Saludos
    Mario Alonso Sánchez

  6. Sergio Bautista Ortega

    Buenas tardes,
    por naturaleza tendemos a buscar explicaciones para todo, aunque a menudo estas explicaciones son erróneas porque no tienen una verdadera reflexión detrás.
    Esta tendencia a enlazar conceptos en el mismo momento que suenan bien, que pegan, puede ser utilizada para inducir ideas a las masas. Una vez aceptamos esta idea, tendemos a confirmarla, por lo que es fácil que permanezca este pensamiento en el tiempo.
    Por eso es importante tener claro que correlación no implica causalidad.
    https://www.gaussianos.com/hay-que-decirlo-mas-correlacion-implica-causalidad/

    • ABRAHAM HUELAMO IZQUIERDO

      Hola a todos,

      En respuesta a Sergio quería añadir esta noticia que investigando un poco del tema encontré. Como explica mi compañero en multiples ocasiones confundimos entre correlación y causalidad.

      Unos investigadores han descubierto que en las gráficas relacionadas con correlaciones lo mejor es girar la gráfica 45 grados Como expresasn ellos mismos: “Proponen que se roten las gráficas de nubes de puntos, o diagramas de dispersión, 45 grados en sentido contrario al de las agujas del reloj, lo que les da forma de rombo, con ejes simétricos. Esperan que esa orientación inusual de la gráfica «choque» y fuerce por ello a los que la miren a considerar explícitamente, y cabe esperar a que lo rechacen, el prejuicio de la causalidad.”

      Os adjunto la noticia,
      Un saludo

      https://www.investigacionyciencia.es/noticias/rombos-contra-la-confusin-entre-correlacin-y-causalidad-16819

  7. JOSE JULIAN GALLARDO ESTRADA

    Buenos días,

    Investigando un poco sobre las diferencias entre causalidad y correlación me he topado con una falacia que, en un principio creía que habíamos mencionado en clase (luego leí más pausadamente y vi que no era así). Esta es la falacia de ‘cum hoc ergo propter hoc’, parecida a ‘post hoc ergo propter hoc’ pero no igual. Comparten entre ellas que están creando una causalidad de un razonamiento erróneo. La última de ellas crea la causalidad de que dos sucesos ocurran uno detrás de otro en el tiempo, la primera, la que nos interesa en este tema, crea una causalidad de la correlación estadística entre dos sucesos que suceden al mismo tiempo, creando así una relación de causa que puede no ser cierta. Véase un ejemplo tan tonto como afirmar que

    Me parece genial que, aun no estando en el tema de falacias, podamos relacionar de manera tan directa los distintos temarios en la asignatura. Eso sí, ¿habrá alguna causalidad que Juan no nos ha explicado o estamos cayendo en esta falacia tan curiosa? En cualquier caso y dejando las bromas aparte, recomiendo echar un vistazo a este tema. He visto que un compañero de clase, Víctor Casas, dio un enlace a la definición de ‘cum hoc ergo propter hoc’ en el tema de lógica. Yo le voy a acompañar con un vídeo en inglés (los subtítulos van bien, no debería haber problema de entendimiento) que lo resume muy bien con dos o tres ejemplos muy fáciles de entender: https://youtu.be/QdWptDS_HXc

    Un saludo.

    • Victor Casas Molina

      Aparecen tan frecuentemente en este problema, como bien se ve en las falsas correlaciones que han compartido Guillermo y Carlos al principio, que Hume, el famoso empirista, utilizó esta falacia para argumentar un aforismo clave de su pensamiento, el afirmaba que ” la relación causal entre dos eventos no puede ser percibida, y en cambio sólo se puede percibir correlación. Sin embargo, es posible realizar experimentos para descartar falsas causas”. Tratando de explicar que en esta falacia solo puedes percibir lo segundo, pero no sabes qué implica qué, al no saber esto último no se puede establecer siempre la causalidad. Una especie de demostración formal de la no implicación entre correlación y causalidad.

  8. Victor Casas Molina

    Repasando esta mañana para el examen he recordado que en ciertas ocasiones, he encontrado en lugar de la n de la muestra en la varianza, un n-1 conocido como la correción de Bessel, el caso es que las he estado usando indistintamente durante toda la carrera, pero como de pasada en Wikipedia he encontrado que guarda relación con la mejora de la estimación poblacional he decidido publicarlo:

    La correción está pensada para eliminar el sesgo estadístico, es decir, lograr buena representatividad de la muestra sobre la población:
    La idea parte de que la varianza esta subestimada, esto es así por la probabilidad, donde según entiendo es más probable encontrar una muestra con una varianza subestimada que certera, por eso simplemente se resta al denominador 1 para volver a obtener un estimador insesgado.
    La explicación matemática más fácil que he encontrado la podéis encontrar aquí: https://es.quora.com/Qu%C3%A9-significa-N-1-en-una-varianza-de-muestra

  9. Álvaro Piqueras

    Buenas tardes,
    Respecto al tema de las correlaciones tratado en este curso, me he interesado por el tema de los problemas de Fermi, el cual partía de datos insuficientes y era capaz de desarrollar soluciones muy aproximadas. Como por ejemplo solía poner a sus estudiantes en problemas de este para que intentaran resolver ejercicios como cuántos afinadores de pianos había en Chicago o por ejemplo calcular cuanto tarda en llegar al fondo una bola lanzada desde un barco en las Marianas.
    Todo esto lo solucionaba el científico mediante la teoría de que todo esta relacionado con todo y por tanto lo mas sencillo será descomponer el propio problema en diferentes subproblemas centrándonos en el orden de magnitud. Gracias a esto se podía estimar cosas como el numero de afinadores de piano.
    Hay (5.000.000 personas) / (2 personas/casa) * (1 piano/20 casas) * (1 afinación por piano por año) = 125.000 afinaciones por año.
    Como cada afinador trabaja 50 * 5 * 8 = 2000 horas por año y cada afinación requiere 2 horas, cada afinador realiza 1000 afinaciones por año.
    Como se calcularon 125.000 afinaciones por año, mirando la población de Chicago habrá 125 afinadores.
    Esto viene muy bien explicado en artículos como https://www.eoi.es/blogs/antoniocaparros/2012/02/02/problemas-fermi/

  10. Francisco Manzano Barrios

    Sobre el tema tratado en clase, considero que ante un estudio que nos presentan o que nos encontremos en un medio de comunicación, y en el cual lleguen a la conclusión de que una correlación de datos implica una causalidad en los mismos, debemos analizarlo haciendo varias reflexiones:

    -La variable valorada para la correlación es suficiente para llegar a conclusiones definitivas. Quizás habría que valorar otra u otras variables que nos llevarían a unos resultados diferentes.

    -Aplicar un sentido crítico a las conclusiones, dado que pudieran deberse a unas coincidencias o a algún factor que afecta por igual a las cifras de correlación.
    Aquí hay una serie de ejemplos donde se puede ver el error en este tipo de correlaciones: https://www.guioteca.com/matematicas/correlacion-no-es-causalidad-uno-de-los-errores-mas-frecuentes-y-extranos-ejemplos-para-explicarlo/

  11. Alejandro Fernández Carvajal

    Buenos días,

    Como bien han comentado varios de nuestros compañeros, durante este tema hemos llegado a la conclusión de que correlación no implica causalidad. La correlación entre dos variables nos indica únicamente el grado de relación que hay entre ellas, no que una de ellas sea causa de la anterior. Es por ello que la relación entre las dos variables puede no tener sentido, aproximarse a una correlación lineal y llevarnos a confusión, cuando estos ejemplos se pueden dar por pura casualidad. Adjunto un ejemplo: https://commons.wikimedia.org/wiki/File:TEMPERATURASvsPIRATAS.png

    Aparte de esto, me ha parecido interesante buscar sobre la investigación correlacional, un tema que fácilmente puede dar bastante que hablar. Dentro de este tipo de investigación, el investigador no siempre tiene la oportunidad de elegir las variables a comparar, ya que las elegidas muchas veces no tienen sentido, o simplemente las únicas que poseen lógica en el estudio aparecen por sí solas. Podemos encontrar tres tipos diferentes: las naturales (o de observación natural), en las cuales se realiza un estudio sobre unas variables sin intervenir en su funcionamiento o su entorno;los cuestionarios, en estos se preselecciona el grupo o el ámbito a estudiar, aunque tiene el inconveniente de que los encuestados pueden no ser siempre sinceros;y por último, el análisis de información, que consiste en hacer un estudio de investigaciones previas de otras personas para establecer unas relaciones en concreto. Este último tiene el inconveniente de que para que los resultados sean lógicos debemos tener al alcance de nuestra mano una gran cantidad de información para comparar.

    Para terminar, me gustaría añadir un ejemplo de lo fundamental que es seleccionar bien las variables a la hora de realizar un estudio correlacional. https://www.lifeder.com/investigacion-correlacional/ (Identificación de autismo en niños)

  12. ABRAHAM HUELAMO IZQUIERDO

    Hola a todos,

    Investigando sobre el tema de la regresión a la media. Este término fue utilizado por primera vez por Francis Galton. Los efectos de la regresión a la media pueden encontrarse en cualquier parte, pero no los reconocemos. Galton llegó a la conclusión de que “la recesión inevitablemente se da cuando la correlación entre dos mediciones es menos que perfecta”.

    Esto se puede aplicar a todo, hasta el día a día. Cuando tenemos buenos días o sacamos buenas notas nos alegramos, mientras que cundo las cosas salen mal nos deprimimos y nos culpamos. Sin embargo lo mas probable es que esto se deba a la suerte, si entendemos suerte como las fluctuaciones de un proceso aleatorio. Realmente lo que vale, es decidir tu talento real, es la media que sostienes en el tiempo, no el suceso extremo. Es decir no tenemos que basarnos solo en la última observación, lo importante es la suma de todo.

    Un saludo

  13. David Badía Núñez

    Buenas tardes

    He estado pensando una posible razón que explique porqué ser rico está asociado a votar republicano y a su vez ser rico está asociado a vivir en un estado rico y vivir en un estado rico se relaciona con votar demócrata. Para ello voy a considerar lo siguiente:

    – Las personas ricas tienden a vivir en estados y zonas ricas por una mera cuestión de estatus, porque están rodeados de otras personas de su mismo nivel…

    – El partido demócrata tiende a hacer políticas sociales, como puede ser el intento de instaurar una sanidad pública mientras que los republicanos creen en la bajada de impuestos y, en consecuencia, recortar servicios sociales.

    – Un estado es rico gracias a un pequeño porcentaje de la población que tiene mucho dinero, o incluso empresas que generan ingentes cantidades de dinero, en vez de que toda la población tenga una patrimonio bueno pero sin ser excesivo.

    Enlazando ya los puntos, en un estado rico, por el hecho de tener dinero, se pueden aplicar políticas sociales. Como la mayoría de la población de un estado rico no es rica, quieren poder optar a sanidad, educación… Por lo tanto, votarán demócrata y como son mayoría ganarán. En el otro lado están los ricos que como tienen un seguro de salud privado, van a colegios privados… consideran que no deben ser ellos los que paguen los gastos de los demás además de creer injusto el alto porcentaje que se les aplica en impuestos, por lo tanto votarán republicano.

    Por último, recordar que me he basado en el caso general y que habrá casos particulares en los que ricos voten demócrata y viceversa.

    Un saludo

  14. Marta Moure Garrido

    ¡Buenas tardes!

    He estado leyendo diferentes artículos sobre la correlación y en primer lugar os quería compartir en enlace sobre el coeficiente de correlación: https://ice.unizar.es/sites/ice.unizar.es/files/users/leteo/materiales/01._documento_1_correlaciones.pdf

    El coeficiente de correlación expresa en qué grado los sujetos tienen el mismo orden en dos variables, es decir, si están relacionadas o no. Si los sujetos más altos pesan más y los más bajitos pesan menos, entre peso y altura tendremos una correlación positiva: a mayor altura, mayor peso.

    También os quería comentar algunas de “las trampas de la estadística”, centrándome en la correlación,regresión y la trampa de la causalidad. Como he comentado, la correlación sólo nos muestra si dos variables están relacionadas, en ningún caso nos dice si son dependientes, y no digamos si implica causalidad o no.

    Pero el error no consiste sólo en el concepto, sino en usar el coeficiente de correlación de Pearson sin cumplir las exigencias; por ejemplo, calcular la correlación entre el peso y el IMC, ya que el IMC incluye el peso.

    Os dejo un enlace donde explican más “trampas de la estadística”:
    http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1139-76322014000300012

    Podríamos imaginar que esta viñeta puede referirse a esta asignatura:
    vieta.png

    Un saludo

  15. JAIME PARRAS VEGA

    Hola a todos.
    En este tema se hace mención al experimento Scottish Mental Survey el cual me llamo la atención, por lo que he estado investigando un poco sobre el tema.
    Los objetivos principales del experimento fueron calcular las tasa de déficit mental en escocia y tener información acerca de la distribución de la inteligencia. El experimento consistió en examinar, en 1932, al 95% de las personas nacidas en 1921. Se examino a 44,210 niños y 43,288 niñas. Escocia es el único país en hacer este experimento con un numero tan descomunal de personas en esta índole. El test realizado por estos niños fue una versión del test “Moray House Test No. 12” el cual tenía 71 items que podian tener diferentes temas( algunos ejemplos son: clasificación de palabras , analogías, ítems prácticos, razonamiento, proverbios , aritmética, elementos espaciales, oraciones mixtas o decodificación de cifrado). La puntuación de 76 era lo máximo posible.
    Sesenta y nueve años mas tarde se realizo la misma prueba a los participantes del primer test que aun seguían con vida, llegando a las conclusiones que ya vimos en clase.
    Me impresiona la paciencia y dedicación necesarias para llevar acabo un experimento con un rango de tiempo tan largo y con un número tan grande de persona.

  16. JuanMS

    Guillermo Enrique Guerrero Muñoz y Carlos Astilleros Aparicio, efectivamente, nunca está de más repetir el mantra “correlación no implica causación” y estar alerta. Los dos enlazáis a la web http://www.tylervigen.com/spurious-correlations que había mencionado yo en clase, Pero un comentario a Guillermo: el periodo entre dos lunas llenas consecutivas no es 28 días (en ese caso, siempre caería en el mismo día de la semana) sino 29,5, así que el día de la semana en el que hay luna llena se va desplazando. También repiten el mantra (muy bien explicado, como de costumbre) en el blog Gaussianos que enlaza Sergio Bautista Ortega.

    En la misma línea, los dos ejemplos que nos trae Irene Rayo son casos en los que hay una variable oculta que es la que tiene la relación de causalidad con las dos que correlacionan.

    Caleb Francisco Vicente Moreno y Victor Casas Molina recuerdan dos precauciones útiles antes de hacer cualquier interpretación estadística: eliminar los atípicos (“outliers”) y tener en cuenta la distribución estadística de los datos (puede que lo que tengamos sea dos distribuciones en lugar de una, como en el caso de alturas de hombres y mujeres).

    Otro punto de atención es el que comenta Mario Alonso Sánchez: en la vida real, las cosas suelen depender de muchas variables, y al fijarnos en una sola podemos encotrarar correlaciones antiintuitivas (como la de mucha incidencia de hipertensión a pesar de poco consumo de mantequilla). De hecho, muchos presuntos “descubrimientos” médicos, que luego se acaban refutando, pueden atribuirse a este efecto.

    Abraham Huélamo, muy curiosa y simple la idea de girar los ejes 45º. De esa manera contrarrestamos nuestra tendencia a pensar en la “y” como causada por la “x” y somos más imparciales, No conocía la idea, pero me ha gustado. En cuando a la observación sobre la regresión a la media, efectivamente, como dijimos en clase fue Galton el que la descubrió y la puso nombre.

    José Julián Gallardo Estrada, el ejemplo que mencionas no sale, se te ha olvidado o se ha subido mal. En realidad ‘cum hoc ergo propter hoc’ es una manera más fina de expresar la falacia de confundir correlación y causalidad, no conocía la expresión pero me la apunto, que el latín siempre queda bien. El vídeo que enlazas es curioso, el profesor que habla es un inglés con mucho humor, muy inglés. Y sobre la (co)rrelación entre distintos aspectos del temario, sí que hay una causalidad oculta: es lo que busco al organizarlo, aunque no siempre lo consigo… Otro ejemplo de co(rrelación) interna en este curso es que, como señala Victor Casas Molina, la idea de ‘cum hoc ergo propter hoc’ tiene mucha relación con la crítica de Hume al concepto de causalidad, a su vez relacionada con su crítica (que hemos mencionado en clase) a la posibilidad de demostrar nada por inducción.

    También Victor Casas Molina comenta sobre un punto técnico pero curioso: las dos definiciones de la varianza que encontramos por ahí, una con “n” en el denominador y otra con “n-1”. El origne de ese “-1” (llamado corrección de Bessel) es que cuando estimamos la varianza de una distribución a partir de una muestra resulta que siempre la subestimamos; al poner un (n-1) en vez de un n en el denominador, se corrige este sesgo. En este artículo de la wikipedia:https://es.wikipedia.org/wiki/Correcci%C3%B3n_de_Bessel#La_fuente_del_sesgo se demuestra con un ejemplo.

    Álvaro Piqueras, es un poco traído por los pelos relacionar los problemas de Fermi con la correlación porque "todo está relacionado con todo"… en cualquier caso, el comentario iba mejor en el tema anterior.

    Francisco Manzano Barrios, en el enlace que nos traes destaco este párrafo, que señala algo que mencioné en clase: ” Muchas veces ocurre algo peor que una falsa causalidad y es cuando realmente existe una causalidad, pero se establece invertida, es decir, se establece una consecuencia de una causa, cuando la realidad es que la causa fue la consecuencia. Por ejemplo, las compañías tabacaleras intentaron evitar su responsabilidad en que fumar aumenta las probabilidades de desarrollar cáncer indicando que era el cáncer el que provocaba que la gente fumara para evitar los dolores.” En cuanto a los ejemplos de freakonomics, hay que andar con cierto cuidado porque estos autores han sido criticados por “pasarse de listos” ofreciendo interpretaciones que eran tan poco rigurosas como las que criticaban (pero que, por ser antiintuitivas o polémicas, les daban publicidad: lo de los beneficios del aborto para reducir el crimen es un ejemplo).

    Alejandro Fernández Carvajal, cuando dices ” investigación correlacional” ¿te refieres a un tipo particular (y quizá novedoso) de investigación estadística o simplemente a la investigación de la correlación entre variables, tal como se hace en ciencias desde hace mucho? Me da la impresión de que el artículo que enlazas habla simplemente de lo segundo, pero quizá esté equivocado.

    David Badía Núñez, es un buen intento de explciación causal. Un punto esencial es que el hecho de que un estado sea rico no quiere decir que la mayoría de su población sea rica: California, por ejemplo, es muy rica por ser la sede de Apple o de Google, pero tiene mucha población hispana con renta muy baja. Por otra parte, habría que buscar una explicación a que la mayoría de los estados pobres voten republicano…

    Marta Moure Garrido los apuntes que enlazas sobre coeficiente de correlación son muy simples pero muy buenos para explicar efectos poco intuitivos que hemos mencionado en clase, gracias. El artículo sobre las “trampas de la estadística”, aunque muy centrado en medicina, también está bien. Y en cuanto a la viñeta… ¡no se ve! (¿puedes subirla?)

    Jaime Parras Vega, gracias por la información sobre el Scottish Mental Survey, es un caso de un estudio poco conocido pero muy importante. ¿Podrías poner de dónde lo has sacado?

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s