Hispanopedia Wiki
Articulo de referencia

La correlación no implica causalidad.

El analfabetismo sobre los dinosaurios y su extinción pueden estar correlacionados, pero eso no significa que exista una relación causal entre ambas variables. La frase « la cor...

Hispanopedia WikiContenido en espanolLectura gratuita
El analfabetismo sobre los dinosaurios y su extinción pueden estar correlacionados, pero eso no significa que exista una relación causal entre ambas variables.

La frase « la correlación no implica causalidad » se refiere a la incapacidad de deducir legítimamente una relación de causa y efecto entre dos eventos o variables basándose únicamente en una asociación o correlación observada entre ellos. [ 1 ] [ 2 ] La idea de que «la correlación implica causalidad» es un ejemplo de una falacia lógica de causa cuestionable , en la que se asume que dos eventos que ocurren simultáneamente han establecido una relación de causa y efecto. Esta falacia también se conoce por la frase latina cum hoc ergo propter hoc («con esto, por lo tanto, a causa de esto»). Esto difiere de la falacia conocida como post hoc ergo propter hoc («después de esto, por lo tanto, a causa de esto»), en la que un evento que sigue a otro se considera una consecuencia necesaria del evento anterior, y de la conflación , la fusión errónea de dos eventos, ideas, bases de datos, etc., en uno solo.

Como ocurre con cualquier falacia lógica, identificar que el razonamiento detrás de un argumento es defectuoso no implica necesariamente que la conclusión resultante sea falsa. Se han propuesto métodos estadísticos que utilizan la correlación como base para pruebas de hipótesis de causalidad, incluyendo la prueba de causalidad de Granger y el mapeo cruzado convergente . Los criterios de Bradford Hill , también conocidos como criterios de Hill para la causalidad, son un conjunto de nueve principios que pueden ser útiles al considerar la evidencia epidemiológica de una relación causal. En última instancia, siempre se requieren supuestos para llegar a conclusiones causales, y los marcos modernos de inferencia causal se centran en analizar la solidez de estos supuestos.

Uso y significado de los términos

"Implicar"

En el uso informal, la palabra «implica» significa, en sentido amplio , «sugiere », en lugar de « requiere » . Sin embargo, en lógica , el uso técnico de la palabra «implica » significa «es una condición suficiente para». [ 3 ] Ese es el significado que pretenden los estadísticos cuando afirman que la causalidad no es segura. De hecho, «p implica q» tiene el significado técnico del condicional material : « si p, entonces q» , simbolizado como p  →  q . Es decir, «si la circunstancia p es verdadera, entonces q se deduce». En ese sentido, siempre es correcto decir «la correlación no implica causalidad».

"Causa"

La palabra causa (o causalidad ) tiene múltiples significados en inglés. En la terminología filosófica, causa puede referirse a causas necesarias, suficientes o contribuyentes . Al examinar la correlación, causa se usa con mayor frecuencia para referirse a "una causa contribuyente" (pero no necesariamente la única causa contribuyente). [ 4 ]

Análisis causal

El análisis causal es el campo del diseño experimental y la estadística que se ocupa de establecer la relación causa-efecto. [ 5 ] Típicamente, implica establecer cuatro elementos: correlación , secuencia temporal (es decir, las causas deben ocurrir antes que su efecto propuesto), un mecanismo físico o teórico de la información plausible para que un efecto observado se derive de una posible causa, y la eliminación de la posibilidad de causas comunes y alternativas ("especiales") . Este análisis suele implicar uno o más experimentos controlados o naturales . [ 6 ]

Inferencia causal

La inferencia causal es el proceso de determinar el efecto real e independiente de un fenómeno particular que forma parte de un sistema mayor. La principal diferencia entre la inferencia causal y la inferencia de asociación radica en que la inferencia causal analiza la respuesta de una variable de efecto cuando se modifica una causa de dicha variable. [ 7 ] [ 8 ]

El estudio de por qué ocurren las cosas se denomina etiología y puede describirse mediante la notación causal científica . Se dice que la inferencia causal proporciona la evidencia de la causalidad teorizada por el razonamiento causal . La inferencia causal se estudia ampliamente en todas las ciencias. En las últimas décadas, se han multiplicado diversas innovaciones en el desarrollo e implementación de metodologías diseñadas para determinar la causalidad. La inferencia causal sigue siendo especialmente difícil cuando la experimentación es difícil o imposible, lo cual es común en la mayoría de las ciencias.

Los enfoques de inferencia causal son ampliamente aplicables a todo tipo de disciplinas científicas, y muchos métodos de inferencia causal diseñados para disciplinas específicas se utilizan también en otras. Este artículo describe el proceso básico de la inferencia causal y detalla algunas de las pruebas más convencionales empleadas en diferentes disciplinas; sin embargo, esto no debe interpretarse como una sugerencia de que estos métodos se apliquen únicamente a dichas disciplinas, sino simplemente como aquellos que se utilizan con mayor frecuencia en ellas.

La inferencia causal es difícil de realizar y existe un debate significativo entre los científicos sobre la forma adecuada de determinar la causalidad. A pesar de otras innovaciones, persisten las preocupaciones sobre la atribución errónea de resultados correlativos como causales, el uso de metodologías incorrectas y la manipulación deliberada de resultados analíticos para obtener estimaciones estadísticamente significativas. Se suscita especial preocupación en el uso de modelos de regresión, en particular los modelos de regresión lineal.

Ejemplos de inferencia ilógica de causalidad a partir de la correlación

B causa A (causalidad inversa o causalidad inversa)

La causalidad inversa , también conocida como causalidad inversa o dirección errónea, es una falacia informal de causa cuestionable en la que se invierten la causa y el efecto. Se dice que la causa es el efecto y viceversa. [ 9 ]

Ejemplo 1
Cuanto más rápido se observa que giran los molinos de viento, mayor es la cantidad de viento que se observa.
Por lo tanto, el viento es causado por la rotación de los molinos de viento. (O, dicho de forma más sencilla: los molinos de viento, como su nombre indica, son máquinas que se utilizan para producir viento).

En este ejemplo, la correlación (simultaneidad) entre la actividad de los molinos de viento y la velocidad del viento no implica que el viento sea causado por los molinos. Más bien es al revés, como sugiere el hecho de que el viento no necesita molinos para existir, mientras que los molinos necesitan viento para girar. Se puede observar viento en lugares donde no hay molinos o donde no giran, y existen buenas razones para creer que el viento existía antes de la invención de los molinos.

Ejemplo 2
Los niveles bajos de colesterol se asocian con un aumento de la mortalidad.
Por lo tanto, un nivel bajo de colesterol aumenta el riesgo de mortalidad.

La causalidad es en realidad a la inversa, ya que algunas enfermedades, como el cáncer, provocan colesterol bajo debido a una miríada de factores, como la pérdida de peso, y también provocan un aumento de la mortalidad. [ 10 ] Esto también se observa en los alcohólicos. Cuando a los alcohólicos se les diagnostica cirrosis hepática, muchos dejan de beber. Sin embargo, también experimentan un mayor riesgo de mortalidad. En estos casos, son las enfermedades las que provocan un mayor riesgo de mortalidad, pero este aumento se atribuye a los efectos beneficiosos que siguen al diagnóstico, lo que hace que los cambios saludables parezcan perjudiciales.

Ejemplo 3

En otros casos, simplemente puede resultar poco claro cuál es la causa y cuál es el efecto. Por ejemplo:

Los niños que ven mucha televisión son los más violentos. Claramente, la televisión hace que los niños sean más violentos .

Podría ser fácilmente al revés; es decir, a los niños violentos les gusta ver más televisión que a los menos violentos.

Ejemplo 4

La correlación entre el consumo de drogas recreativas y los trastornos psiquiátricos podría darse en ambos sentidos: quizás las drogas causen los trastornos, o quizás las personas las consuman para automedicarse por afecciones preexistentes. La teoría de la droga de entrada podría argumentar que el consumo de marihuana conduce al consumo de drogas más fuertes, pero el consumo de drogas fuertes podría conducir al consumo de marihuana (véase también la confusión de lo inverso ). De hecho, en las ciencias sociales, donde a menudo no se pueden utilizar experimentos controlados para discernir la dirección de la causalidad, esta falacia puede alimentar debates científicos de larga data. Un ejemplo de ello se encuentra en la economía de la educación , entre los modelos de selección o señalización y los de capital humano : podría ser que tener una capacidad innata permita completar una educación, o que completar una educación desarrolle dicha capacidad.

Ejemplo 5

Un ejemplo histórico de esto es que los europeos en la Edad Media creían que los piojos eran beneficiosos para la salud, ya que rara vez se encontraban en personas enfermas. El razonamiento era que las personas enfermaban porque los piojos se iban. Sin embargo, la verdadera razón es que los piojos son extremadamente sensibles a la temperatura corporal . Un pequeño aumento de la temperatura corporal, como en el caso de la fiebre , hace que los piojos busquen otro huésped. El termómetro médico aún no se había inventado, por lo que ese aumento de temperatura rara vez se notaba. Los síntomas perceptibles aparecían más tarde, lo que daba la impresión de que los piojos se habían ido antes de que la persona enfermara. [ 11 ]

En otros casos, dos fenómenos pueden ser causa parcial el uno del otro; por ejemplo, la pobreza y la falta de educación, o la procrastinación y la baja autoestima. Sin embargo, quien argumente basándose en estos dos fenómenos debe tener cuidado de evitar la falacia de la causalidad circular . La pobreza es causa de la falta de educación, pero no es la única causa, y viceversa.

El tercer factor C (la variable causal común) causa tanto A como B.

La falacia de la tercera causa (también conocida como ignorar una causa común [ 12 ] o causa cuestionable [ 12 ] ) es una falacia lógica en la que se confunde una relación espuria con causalidad . Afirma que X causa Y cuando, en realidad, tanto X como Y son causados ​​por Z. Es una variante de la falacia post hoc ergo propter hoc y pertenece al grupo de falacias de causa cuestionable .

Todos estos ejemplos tratan sobre una variable oculta , que es simplemente una tercera variable que afecta a ambas variables observadas como correlacionadas. Esta tercera variable también se conoce como variable de confusión , con la ligera diferencia de que las variables de confusión no tienen por qué estar ocultas y, por lo tanto, pueden corregirse en un análisis. Cabe señalar que el enlace de Wikipedia a "variable oculta" redirige a "variable de confusión". A menudo surge una dificultad cuando el tercer factor, aunque fundamentalmente diferente de A y B, está tan estrechamente relacionado con A y/o B que puede confundirse con ellos o ser muy difícil de distinguir científicamente (véase el Ejemplo 4).

Ejemplo 1
Dormir con los zapatos puestos está fuertemente relacionado con despertarse con dolor de cabeza.
Por lo tanto, dormir con los zapatos puestos provoca dolor de cabeza.

El ejemplo anterior incurre en la falacia de que la correlación implica causalidad, ya que concluye prematuramente que dormir con los zapatos puestos causa dolor de cabeza. Una explicación más plausible es que ambos problemas se deben a un tercer factor, en este caso acostarse borracho , lo que da lugar a una correlación. Por lo tanto, la conclusión es falsa.

Ejemplo 2
Los niños pequeños que duermen con la luz encendida tienen muchas más probabilidades de desarrollar miopía en la edad adulta.
Por lo tanto, dormir con la luz encendida provoca miopía.

Este es un ejemplo científico que surgió de un estudio en el Centro Médico de la Universidad de Pensilvania . Publicado en la edición del 13 de mayo de 1999 de Nature , [ 13 ] el estudio recibió mucha cobertura en la prensa popular en ese momento. [ 14 ] Sin embargo, un estudio posterior en la Universidad Estatal de Ohio no encontró que los bebés que duermen con la luz encendida causaran el desarrollo de miopía. Sí encontró una fuerte relación entre la miopía de los padres y el desarrollo de la miopía infantil, y también señaló que los padres miopes eran más propensos a dejar una luz encendida en la habitación de sus hijos. [ 15 ] [ 16 ] [ 17 ] [ 18 ] En este caso, la causa de ambas afecciones es la miopía de los padres, y la conclusión antes mencionada es falsa.

Ejemplo 3
A medida que aumentan las ventas de helados, la tasa de muertes por ahogamiento aumenta drásticamente.
Por lo tanto, el consumo de helado provoca ahogamientos.

Este ejemplo no reconoce la importancia de la época del año y la temperatura para las ventas de helados. El helado se vende mucho más durante los meses calurosos de verano que durante los meses más fríos, y es precisamente durante estos meses cuando la gente tiende a realizar más actividades acuáticas, como nadar . El aumento de muertes por ahogamiento se debe simplemente a una mayor exposición a actividades acuáticas, no al helado. La conclusión planteada es falsa.

Ejemplo 4
Un estudio hipotético muestra una relación entre las puntuaciones de ansiedad ante los exámenes y las puntuaciones de timidez, con un valor r estadístico (fuerza de correlación) de +0,59. [ 19 ]
Por lo tanto, se puede concluir simplemente que la timidez, en cierta medida, influye causalmente en la ansiedad ante los exámenes.

Sin embargo, como se observa en numerosos estudios psicológicos, se ha descubierto otra variable, la «puntuación de autoconciencia», que presenta una correlación más marcada (+0,73) con la timidez. Esto sugiere un posible problema de «tercera variable». No obstante, al encontrar tres medidas tan estrechamente relacionadas, se sugiere además que cada una podría tener tendencias bidireccionales (véase « variable bidireccional », más arriba), constituyendo un conjunto de valores correlacionados que se influyen mutuamente en cierta medida. Por consiguiente, la conclusión anterior podría ser errónea.

Ejemplo 5
Desde la década de 1950, tanto el nivel de CO2 atmosférico como los niveles de obesidad han aumentado drásticamente.
Por lo tanto, el CO 2 atmosférico causa obesidad.

Las poblaciones más ricas tienden a consumir más alimentos y a producir más CO 2 .

Ejemplo 6
El colesterol HDL ("bueno") está correlacionado negativamente con la incidencia de infarto de miocardio.
Por lo tanto, tomar medicamentos para aumentar el colesterol HDL disminuye la probabilidad de sufrir un ataque cardíaco.

Investigaciones posteriores [ 20 ] han puesto en duda esta conclusión. En cambio, es posible que otros factores subyacentes, como los genes, la dieta y el ejercicio, influyan tanto en los niveles de HDL como en la probabilidad de sufrir un infarto; incluso es posible que los medicamentos afecten el factor directamente medible, los niveles de HDL, sin afectar la probabilidad de sufrir un infarto.

Causalidad bidireccional: A causa B, y B causa A.

La causalidad no es necesariamente unidireccional; en una relación depredador-presa , el número de depredadores afecta al número de presas, pero el número de presas, es decir, la disponibilidad de alimento, también afecta al número de depredadores. Otro ejemplo conocido es que los ciclistas tienen un índice de masa corporal (IMC ) menor que las personas que no practican ciclismo. Esto suele explicarse asumiendo que el ciclismo aumenta los niveles de actividad física y, por lo tanto, disminuye el IMC. Dado que los resultados de estudios prospectivos sobre personas que aumentan su uso de la bicicleta muestran un efecto menor en el IMC que los estudios transversales, también puede existir causalidad inversa. Por ejemplo, las personas con un IMC más bajo pueden ser más propensas a querer practicar ciclismo en primer lugar. [ 21 ]

La relación entre A y B es casual.

Las dos variables no están relacionadas en absoluto, sino que se correlacionan por casualidad. Cuanto más se examinan las cosas, más probable es que dos variables no relacionadas parezcan estarlo. Por ejemplo:

Uso de la correlación como evidencia científica

Gran parte de la evidencia científica se basa en la correlación de variables [ 22 ] que se observan simultáneamente. Los científicos se cuidan de señalar que la correlación no implica necesariamente causalidad. La suposición de que A causa B simplemente porque A se correlaciona con B no se acepta como un argumento legítimo; sin embargo, a veces se comete la falacia opuesta de descartar la correlación por completo. Esto implicaría descartar una gran cantidad de evidencia científica importante [ 22 ] .

Dado que puede resultar difícil o éticamente imposible realizar estudios controlados doble ciego para abordar ciertas preguntas, la evidencia correlacional desde diferentes perspectivas puede ser útil para la predicción, aunque no proporcione evidencia de causalidad . Por ejemplo, los trabajadores sociales podrían estar interesados ​​en saber cómo se relaciona el maltrato infantil con el rendimiento académico. Si bien sería poco ético realizar un experimento en el que los niños sean asignados aleatoriamente a recibir o no recibir maltrato, los investigadores pueden analizar grupos existentes mediante un diseño correlacional no experimental. Si, de hecho, existe una correlación negativa entre el maltrato y el rendimiento académico, los investigadores podrían utilizar este conocimiento de una correlación estadística para hacer predicciones sobre niños ajenos al estudio que sufren maltrato, incluso si el estudio no proporcionó evidencia causal de que el maltrato disminuye el rendimiento académico. [ 23 ]

La combinación de metodologías limitadas disponibles con la falacia de la correlación desestimada se ha utilizado en ocasiones para contrarrestar un hallazgo científico. Por ejemplo, la industria tabacalera se ha basado históricamente en la desestimación de la evidencia correlacional para rechazar un vínculo entre el humo del tabaco y el cáncer de pulmón , [ 24 ] al igual que el biólogo y estadístico Ronald Fisher (frecuentemente en nombre de la industria). [ lista 1 ] La correlación es un tipo valioso de evidencia científica en campos como la medicina, la psicología y la sociología. Las correlaciones deben confirmarse primero como reales, y luego debe explorarse sistemáticamente cada posible relación causal. En última instancia, la correlación por sí sola no puede utilizarse como evidencia de una relación de causa y efecto entre un tratamiento y un beneficio, un factor de riesgo y una enfermedad, o un factor social o económico y diversos resultados. Es uno de los tipos de evidencia más mal utilizados porque es fácil e incluso tentador llegar a conclusiones prematuras basándose en la apariencia preliminar de una correlación. [ 24 ]

Véase también

Referencias

  1. ↑ Tufte 2006 , pág. 5 
  2. ↑ Aldrich, John (1995). "Correlaciones genuinas y espurias en Pearson y Yule" (PDF) . Statistical Science . 10 (4): 364– 376. doi : 10.1214/ss/1177009870 . JSTOR 2246135 . 
  3. ↑ "Suficiente" . Wolfram . 2 de diciembre de 2019. Consultado el 3 de diciembre de 2019 .
  4. ↑ "Definición de CAUSA" . www.merriam-webster.com . 5 de mayo de 2026. Consultado el 10 de mayo de 2026 .
  5. ↑ Rohlfing, Ingo; Schneider, Carsten Q. (2018). "Un marco unificador para el análisis causal en la investigación multimétodo basada en la teoría de conjuntos" (PDF) . Sociological Methods & Research . 47 (1): 37– 63. doi : 10.1177/0049124115626170 . S2CID 124804330. Recuperado el 29 de febrero de 2020 . 
  6. ↑ Brady, Henry E. (7 de julio de 2011). «Causalidad y explicación en las ciencias sociales» . The Oxford Handbook of Political Science : 1054–1107 . doi : 10.1093/oxfordhb/9780199604456.013.0049 . ISBN 978-0-19-960445-6Consultado el 29 de febrero de 2020 .
  7. ↑ Pearl, Judea (1 de enero de 2009). "Inferencia causal en estadística: una visión general" (PDF) . Statistics Surveys . 3 : 96–146 . doi : 10.1214/09-SS057 . Archivado (PDF) del original el 6 de agosto de 2010. Recuperado el 24 de septiembre de 2012 .
  8. ↑ Morgan, Stephen; Winship, Chris (2007). Contrafactuales e inferencia causal . Cambridge University Press. ISBN 978-0-521-67193-4.
  9. ↑ Spiegler, Ran (1 de octubre de 2022). "Sobre las consecuencias conductuales de la causalidad inversa" . European Economic Review . 149 104258. doi : 10.1016/j.euroecorev.2022.104258 . ISSN 0014-2921 . 
  10. ↑ Naveed Sattar; David Preiss (13 de junio de 2017). "Causalidad inversa en la investigación epidemiológica cardiovascular" . Circulation . 135 (24): 2369– 2372. doi : 10.1161/CIRCULATIONAHA.117.028307 . PMID 28606949 . 
  11. ↑ Willingham, Emily. "De piojos y hombres: una historia de picazón" . Scientific American Blog Network . Consultado el 26 de febrero de 2019 .
  12. 1 2 Labossiere, MC, Páginas de filosofía del Dr. LaBossiere Archivadas el 22/05/2009 en Wayback Machine
  13. ↑ Quinn, Graham E.; Shin, Chai H.; Maguire, Maureen G.; Stone, Richard A. (mayo de 1999 ) . "Miopía e iluminación ambiental nocturna". Nature . 399 (6732): 113– 114. Bibcode : 1999Natur.399..113Q . doi : 10.1038/20094 . PMID 10335839. S2CID 4419645 .  
  14. ↑ CNN , 13 de mayo de 1999. La luz nocturna puede provocar miopía.
  15. ↑ Noticias de investigación de la Universidad Estatal de Ohio , 9 de marzo de 2000. Un estudio sugiere que las luces nocturnas no provocan miopía. Archivado el 1 de septiembre de 2006 en Wayback Machine.
  16. ↑ Zadnik, Karla; Jones, Lisa A.; Irvin, Brett C.; Kleinstein, Robert N.; Manny, Ruth E.; Shin, Julie A.; Mutti, Donald O. (2000). "Visión: miopía e iluminación ambiental nocturna". Nature . 404 (6774): 143– 144. Bibcode : 2000Natur.404..143Z . doi : 10.1038/35004661 . PMID 10724157 . S2CID 4399332 .  
  17. ↑ Gwiazda, J.; Ong, E.; Held, R.; Thorn, F. (2000). "Visión: miopía e iluminación ambiental nocturna" . Nature . 404 (6774): 144. Bibcode : 2000Natur.404..144G . doi : 10.1038/35004663 . PMID 10724158 . 
  18. ↑ Stone, Richard A.; Maguire, Maureen G.; Quinn, Graham E. (2000). "Visión: respuesta: miopía e iluminación ambiental nocturna" . Nature . 404 (6774): 144. Bibcode : 2000Natur.404..144S . doi : 10.1038/35004665 . PMID 10724158 . 
  19. ↑ Carducci, Bernardo J. (2009). La psicología de la personalidad: perspectivas, investigación y aplicaciones (2.ª ed.). John Wiley & Sons. ISBN  978-1-4051-3635-8.
  20. ↑ Ornish, Dean. "Colesterol: Lo bueno, lo malo y la verdad" (consultado el 3 de junio de 2011)
  21. ↑ Dons, E (2018). "Elección del modo de transporte e índice de masa corporal: evidencia transversal y longitudinal de un estudio a nivel europeo" ( PDF) . Environment International . 119 (119): 109– 116. Bibcode : 2018EnInt.119..109D . doi : 10.1016/j.envint.2018.06.023 . hdl : 10044/1/61061 . PMID 29957352. S2CID 49607716 .  
  22. 1 2 Novella (18 de noviembre de 2009). "Evidencia en medicina: correlación y causalidad" . Ciencia y medicina . Medicina basada en la ciencia.
  23. ↑ Nielsen, Michael (23 de enero de 2012). "Si la correlación no implica causalidad, ¿entonces qué lo hace? | DDI" . Michaelnielsen.org . Consultado el 8 de octubre de 2017 .
  24. 1 2 "Evidencia en Medicina: Correlación y Causalidad – Medicina Basada en la Ciencia" . Sciencebasedmedicine.org. 18 de noviembre de 2009. Consultado el 8 de octubre de 2017 .
  25. ↑ Silver, Nate (2015), La señal y el ruido: por qué fallan tantas predicciones, pero algunas no (2.ª ed.), Nueva York : Penguin Books , págs . 254-255  
  26. ↑ Fisher, Ronald (6 de julio de 1957), "Peligros del tabaquismo", The British Medical Journal , 2 (5035), Londres : British Medical Association : 43, doi : 10.1136/bmj.2.5035.43 , JSTOR 25383068 , PMC 1961750  
  27. ↑ Fisher, Ronald (3 de agosto de 1957), "Peligros del tabaquismo", The British Medical Journal , 2 (5039), Londres : British Medical Association : 297–298 , doi : 10.1136/bmj.2.5039.297-b , JSTOR 25383439 , PMC 1961712  
  28. ↑ Fisher, Ronald (1958), "Cigarettes, Cancer, and Statistics" (PDF) , The Centennial Review of Arts & Science , 2 , East Lansing, Michigan : Michigan State University Press : 151–166 , archivado (PDF) del original el 9 de octubre de 2022
  29. ↑ Fisher, Ronald (1958), "La naturaleza de la probabilidad" (PDF) , The Centennial Review of Arts & Science , 2 , East Lansing, Michigan : Michigan State University Press : 261–274 , archivado (PDF) del original el 9 de octubre de 2022
  30. ↑ Fisher, Ronald (12 de julio de 1958), "Cáncer de pulmón y cigarrillos" (PDF) , Nature , 182 (4628), Londres : Nature Publishing Group : 108, Bibcode : 1958Natur.182..108F , doi : 10.1038/182108a0 , PMID 13566198 , archivado (PDF) del original el 9 de octubre de 2022 
  31. ↑ Fisher, Ronald (30 de agosto de 1958), "Cáncer y tabaquismo" (PDF) , Nature , 182 (4635), Londres : Nature Publishing Group : 596, Bibcode : 1958Natur.182..596F , doi : 10.1038/182596a0 , PMID 13577916 , archivado (PDF) del original el 9 de octubre de 2022 
Referencias agrupadas

Bibliografía

  • Beebee, Helen; Hitchcock, Christopher; Menzies, Peter (2009). The Oxford Handbook of Causation . Oxford University Press. ISBN 978-0-19-162946-4.
  • Tufte, Edward R. (2006). El estilo cognitivo de PowerPoint: Exponer lo que se corrompe internamente (2.ª  ed.). Cheshire, Connecticut : Graphics Press . ISBN 978-0-9613921-5-4.
Lecturas relacionadas
6 articulos
CausalidadLa causalidad es una influencia por la cual un evento , proceso , estado u objeto ( una causa ) contribuye a la producción de otro evento, proceso,...Variable y atributo (investigación)Variable y atributo (investigación)En ciencia e investigación , un atributo es una cualidad de un objeto (persona, cosa, etc.). [1] Los atributos están estrechamente relacionados con...CorrelaciónCorrelaciónEn estadística , la correlación o dependencia es cualquier relación estadística, ya sea causal o no, entre dos variables aleatorias o datos bivaria...FalaciaUna falacia es el uso de un razonamiento inválido o defectuoso en la construcción de un argumento [1] [2] que puede parecer bien razonado si no se ...Causa cuestionableCausa cuestionableLa causa cuestionable —también conocida como falacia causal , causa falsa o non causa pro causa (en latín , «no causa por causa» )— es una categorí...Post hoc ergo propter hocPost hoc ergo propter hocPost hoc ergo propter hoc ( en latín : «después de esto, por lo tanto, a causa de esto») es una falacia informal que afirma: «Como el evento Y sigu...