Por Haru · Actualizado · 2026-09-07
Correlación y Causalidad — Cómo Distinguirlas
Las ventas de helado y los ahogamientos suben y bajan juntos, y ninguno causa al otro — el calor del verano empuja a los dos. Esa imagen contiene toda la diferencia. Correlación significa que dos cosas se mueven juntas; causalidad significa que una de ellas realmente produce a la otra. Distinguirlas no es un ejercicio académico: decide si un titular merece que actúes, si vale la pena cambiar un hábito y si un gráfico demuestra lo que dice demostrar. Esta página te da las tres preguntas que las separan, las tres trampas que las hacen parecer iguales, y para qué sigue sirviendo una correlación aunque no diga nada sobre la causa.
Dos palabras, una imagen
Una correlación es un patrón: cuando un número es alto, el otro tiende a ser alto, o tiende a ser bajo. La causalidad es un mecanismo: cambiar una cosa cambia la otra, y hay un camino que puedes señalar. El ejemplo del helado funciona porque el patrón es real — las dos líneas de verdad se mueven juntas, mes tras mes — y aun así el mecanismo no existe. Ningún cono mete a nadie al agua. Una tercera cosa, el calor del verano, empuja las dos líneas a la vez: más gente compra helado y más gente nada. Casi toda estadística engañosa que vas a encontrar es una versión de esta imagen con la tercera cosa escondida.
Las tres trampas que las hacen parecer iguales
Casi todos los casos en que una correlación se confunde con una causa caen en una de tres trampas.
- Una tercera variable mueve a las dos. El calor empuja el helado y la natación; el dinero de una familia empuja las clases particulares y las notas. Las dos cosas visibles solo se conectan a través de la que está oculta.
- La causa corre al revés. Los incendios con más camiones de bomberos terminan con más daños — no porque los camiones causen daños, sino porque los incendios grandes convocan más camiones. La flecha apunta en dirección contraria a la primera impresión.
- Es una coincidencia. Compara suficientes pares de números y algunos coincidirán maravillosamente por puro azar, sobre todo en periodos cortos con pocos datos. Que dos curvas encajen no significa nada hasta preguntar cuántas curvas se probaron.
Tres preguntas para distinguirlas
Cuando alguien afirme que A causa B, pásalo por tres preguntas en orden.
- ¿A ocurrió realmente antes que B? Una causa tiene que preceder a su efecto. Si los datos no pueden establecer qué se movió primero, tampoco pueden establecer la dirección.
- ¿Qué más podría mover a las dos? Nombra candidatos a propósito — estación, ingresos, edad, temperatura, el propio paso del tiempo. Si existe una tercera variable plausible y nadie la descartó, la correlación no puede sostener sola la afirmación causal.
- ¿Qué pasa cuando alguien interviene? Esta es la decisiva. En un experimento, los investigadores cambian A a propósito en un grupo elegido al azar y dejan en paz a un grupo de control. La asignación al azar corta de un golpe el vínculo con todas las terceras variables, y por eso un experimento controlado puede sostener una afirmación causal y un patrón hallado en datos existentes casi nunca puede.
Leer las noticias con estas preguntas
Los titulares se escriben en el idioma de la correlación y se leen en el idioma de la causalidad. Vinculado a, asociado con, relacionado con — cada una de esas frases significa que dos cosas se movieron juntas en los datos de alguien, y nada más. Cuando encuentres una, busca dos datos en la nota. Primero: ¿fue un experimento o una observación? Si los investigadores miraron grupos ya existentes en lugar de asignar personas al azar, las terceras variables siguen vivas, por grande que sea el estudio. Segundo: ¿es un estudio o son muchos? La trampa de la coincidencia vive en el resultado llamativo y único; lo que sobrevive es lo que sigue apareciendo cuando otros equipos repiten el trabajo. La ronda de replicación de nuestro quiz de psicología trata exactamente por qué un estudio aislado engaña, y la ronda de método del quiz de ciencias hace la pregunta del grupo de control de varias formas.
Para qué sigue sirviendo la correlación
Nada de esto vuelve inútil a la correlación — la vuelve una herramienta para otro trabajo. Si solo necesitas predecir, una correlación estable alcanza: las ventas de paraguas predicen los retrasos por lluvia sin causar la lluvia, y esa confusión no daña a nadie. El problema empieza solo cuando intervienes. Comprar paraguas no retrasa ningún vuelo, y prohibir el helado no evita un solo ahogamiento, porque intervenir actúa sobre la causa, no sobre el patrón. La regla práctica es corta: la correlación es para pronosticar, la causa es para decidir. Antes de actuar sobre un patrón necesitas la respuesta a la tercera pregunta — qué pasa cuando alguien cambia la cosa a propósito — y no solo un par de curvas bien alineadas.
Dónde practicar
La distinción se fija más rápido cuando la encuentras como preguntas y no como definiciones. El quiz de ciencias tiene una ronda entera sobre cómo sabemos las cosas — grupos de control, correlación y causalidad, estudios a ciegas, y por qué una teoría no es una suposición. El quiz de psicología dedica su última ronda a la replicación: sesgo de publicación, muestras pequeñas y resultados famosos que desaparecieron al repetirse. Y el quiz de medio ambiente entrena la otra mitad de la destreza — su ronda final pregunta qué cambia realmente y cuánto, que es la pregunta para la que las afirmaciones causales existen. Ninguno pide registro y cada respuesta se explica, así que un error enseña más que un acierto.
Preguntas frecuentes
Si dos cosas están fuertemente correlacionadas, ¿no es probable que haya causalidad?
No — la fuerza no dice nada sobre la dirección ni el mecanismo. El helado y los ahogamientos se correlacionan con fuerza todos los años, y el vínculo causal es exactamente cero. Una correlación fuerte es una buena razón para investigar, no una buena razón para concluir. Las tres preguntas siguen necesitando respuesta: qué vino primero, qué más mueve a las dos, y qué pasa al intervenir.
¿Se puede establecer causalidad sin un experimento?
A veces, pero hace falta mucho más que un patrón. Se busca que la causa preceda al efecto, que a más dosis haya más efecto, un mecanismo que explique el camino, el mismo resultado en poblaciones y métodos distintos, y el descarte de terceras variables con nombre y apellido, una por una. Así se estableció la relación entre fumar y el cáncer de pulmón — no con una correlación, sino con muchas líneas de evidencia independientes apuntando en la misma dirección.
¿Un coeficiente de correlación más alto significa estar más cerca de la causalidad?
No. El coeficiente mide qué tan juntas se mueven dos cosas, no por qué. Una tercera variable puede producir un coeficiente casi perfecto entre dos cosas que nunca se tocan, y una causa genuina puede producir uno modesto cuando otras influencias meten ruido. Ese número dice qué tan útil es el patrón para predecir; sobre la causa guarda silencio.
¿Qué se supone que muestra el ejemplo del helado y los ahogamientos?
Muestra una variable de confusión — una tercera variable, el calor del verano, que mueve al mismo paso dos cosas sin relación. El ejemplo se volvió clásico porque sus dos mitades son visiblemente reales: los datos de ventas y los de accidentes de verdad suben juntos. Es un recordatorio de que un patrón genuino y medible puede no tener ningún significado causal, que es justo el error que esta distinción existe para evitar.