Mira el gráfico superior: están relacionados la edad de Miss América con el número de asesinatos por vapor y objetos calientes. ¿Dirías entonces que la edad de 24 años de Miss América provoca más asesinatos de este tipo? o que ¿el mayor número de asesinatos provoca que las Miss América tengan 24 años?
Este es solo un ejemplo de lo que se puede hacer con cualquier conjunto de datos. Depende de cómo se presenten, puede parecer que una cosa causa otra, cuando en realidad es simple casualidad o una correlación.
Un estudiante de Harvard ha creado la web Spurious Correlations en los que presenta datos aleatorios correlacionados entre sí de tal forma que parezca que una cosa causa la otra.
Por ejemplo, en la siguiente gráfica se ve claramente que en cuantas más películas al año aparece Nicolas Cage, más ahogados al caer a piscinas hay ese año:
¿Qué podemos aprender de todos estos datos? Lo primero, que aplicando el suficiente poder de computación a grupos de datos se pueden sacar todo tipo de relaciones entre un grupo y otro y hacerlos parecer relacionados, causa efecto, cuando no tienen nada que ver.
Y lo segundo es que debemos mirar cualquier cuadro de estadísticas y gráficos con sentido crítico. Mirar su podemos encontrar una relación causal (de causa – efecto) y buscar una correlación estadísticamente relevante.
Es, mediante esta fórmula de correlación cómo a menudo los medios crean titulares muy llamativos pero totalmente falsos. Algunos ejemplos que muestra esta web de correlaciones que no son causa efecto podrían ser:
– A mayor consumo de margarina, mayor riesgo de divorcio
– A mayor consumo de queso per cápita, mayor número de personas que mueren enredados en sus sábanas
– A mayor gasto de EEUU en ciencia, espacio y tecnología, mayor número de suicidios por ahorcamiento
– A menor número de colonias de abejas de miel, mayor número de jóvenes arrestados por posesión de marihuana
