Ya está disponible en YouTube la sesión 9 del curso de Metodología y Estadística de la @uiem2017
Hablamos sobre correlación y, sobre todo, de causalidad.
(Link al final del 🧵)
Hablamos sobre correlación y, sobre todo, de causalidad.
(Link al final del 🧵)
Una correlación puede ser perfecta y de todos modos ser inútil.
Por ejemplo, un reloj con la hora de 🇪🇸 tendría una correlación perfecta con la hora de 🇲🇽 pero me haría llegar temprano a mis citas.
Por ejemplo, un reloj con la hora de 🇪🇸 tendría una correlación perfecta con la hora de 🇲🇽 pero me haría llegar temprano a mis citas.
Por otro lado, mucha gente cree que, aunque las correlaciones no sirvan para detectar causalidad, por lo menos sirven para detectar:
1) X influye en Y (o al revés).
2) La misma causa influye tanto en X como Y.
3) Una hipótesis valiosa.
1) X influye en Y (o al revés).
2) La misma causa influye tanto en X como Y.
3) Una hipótesis valiosa.
Pero esto es falso.
El número de películas con Nicolas Cage no influye en cuánta gente se ahoga. El número de ahogados no influye en cuántas películas hay con Nicolas Cage y no es probable que el mismo fenómeno cause ambas cosas.
Tampoco hay hipótesis útiles que buscar aquí.
El número de películas con Nicolas Cage no influye en cuánta gente se ahoga. El número de ahogados no influye en cuántas películas hay con Nicolas Cage y no es probable que el mismo fenómeno cause ambas cosas.
Tampoco hay hipótesis útiles que buscar aquí.
El análisis de causalidad no siempre es intuitivo.
Sobre todo en Medicina en donde una exposición puede no ser "causa necesaria", ni "causa suficiente" y de todos modos definitivamente causar enfermedades.
Es frecuente encontrar médicos que piensan que los ensayos clínicos aleatorizados sirven para encontrar relaciones causales.
Pero esto también es un error.
(Cambien las agujas de acupuntura de la imagen por cualquier medicamento de su elección).
Pero esto también es un error.
(Cambien las agujas de acupuntura de la imagen por cualquier medicamento de su elección).
O personas que creen que la "pirámide de la evidencia" tiene algo que ver con la causalidad.
Pero esto también es falso.
Pero esto también es falso.
Hablando de @yudapearl , sería un error hablar de causalidad sin recomendar su libro.
En donde, por cierto, nos recuerda que ni Bradford Hill creía que los criterios que propuso son una buena herramienta para encontrar relaciones causales.
La mejor forma de evaluar causalidad es con análisis contractuales.
Hablamos sobre ellos en la sesión y, si quieren profundizar en el tema, les recomiendo este post de @fhuszar .
En donde los explica con emojis.
inference.vc/causal-inferen…
En donde los explica con emojis.
inference.vc/causal-inferen…
También hay parábolas sobre un pavo que sabe estadística pero no causalidad y sobre un universo paralelo en donde los gallos son deidades.
Espero que les sea útil y que les parezca interesante.
¿Las clases de estadística causan que las personas entiendan sobre correlación y causalidad? 🤔🤔🤔
• • •
Missing some Tweet in this thread? You can try to
force a refresh
