Back to chapter

1.6:

La correlación y la causalidad

JoVE Core
Biology
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Core Biology
Correlation and Causation

Languages

Share

– [Narrador] Los resultados de un experimento pueden sugerir que las variables dependientes e independientes son relacionadas. La relación entre variables, la correlación, puede ser positiva, ambas variables aumentan o disminuyen juntas. O negativa, una aumenta y la otra disminuye. Adicionalmente, no puede haber ninguna relación entre las variables. Para determinar si una correlación aparente refleja una asociación de causa y efecto directa, una relación causal, experimentos de control adicional deben ser ejecutados. Por ejemplo, si un investigador apunta a determinar la causa de perdida de cola en cinco poblaciones de geco diferentes y encuentra una disminución en el numero de gecos sin cola mientras aumenta el número de garrapatas parásitas, este resultado seria una correlación negativa. Y uno puede concluir que el cuervo parásito no esta directamente causando la perdida de colas en gecos. No obstante si el investigador ha contado el numero de cuervos en cada localización, puede que el haya encontrado una correlación positiva entre el numero de cuervos y el numero de gecos sin cola. Y después de examinar el contenido del estomago del cuervo también hubiese encontrado las colas de geco desaparecidas por lo tanto, el numero de cuervos directamente determinó el numero de colas perdidas por gecos.

1.6:

La correlación y la causalidad

Visión general

Las pruebas estadísticas pueden calcular si existe una relación, o correlación, entre variables independientes y dependientes. Una relación indirecta de las variables significa una correlación mientras que una relación directa muestra la causalidad. Si se determina que no existe ninguna conexión entre las variables, entonces la correlación es una coincidencia.

Correlación versus Causal

Si la variable dependiente aumenta o disminuye cuando la variable independiente aumenta, hay una correlación positiva o negativa, respectivamente, entre las dos variables. Si esta relación es indirecta, entonces se debe a una correlación. Sin embargo, una relación directa significaría causalidad.

Por ejemplo, si un investigador quiere determinar la causa de la pérdida de la cola en cinco poblaciones de geckos diferentes, y encuentra una relación negativa entre el número de gecos sin colas y el número de garrapatas parasitarias en cuervos, este resultado constituiría una correlación negativa e indicaría que el parásito del cuervo no está causando directamente la pérdida de las colas en los gecos.

Sin embargo, si los cuervos hubieran sido contados cerca de cada población de gecko, se pudo haber encontrado una relación positiva entre el número de cuervos y los gecos sin cola. Si, después de examinar el contenido de los estómagos de los cuervos, se descubrieran las colas de los gecos perdidas, el número de cuervos habría determinado directamente el número de las colas perdidas por los gecos, lo que indica la causalidad. Si en el estómago de los cuervos no se hubieran encontrado las colas de los gecos, entonces la correlación podría haber sido coincidente.

Es importante destacar que en este ejemplo, hay una correlación negativa entre el número de cuervos y el número de garrapatas de cuervo parásito. En realidad, es probable que el número de parásitos de cuervos aumente con un número creciente de cuervos, una correlación positiva. En este escenario, el número de garrapatas de cuervo también se correlacionaría positivamente con el número de lagartos sin cola. Sin embargo, a diferencia de la relación entre las poblaciones de cuervos y lagartos sin cola, el número de garrapatas y lagartos sin cola no están relacionados causalmente.