¿El helado atrae tiburones? Lo que los datos no te dicen

Mirá este gráfico:

Las dos curvas suben y bajan exactamente igual a lo largo del año. En los meses en que más helado se vende, más ataques de tiburones ocurren. La correlación entre ambas variables es de 0.97, casi perfecta.

Con esos datos, un titular sensacionalista no tardaría en aparecer:

"Nuevo estudio revela que el consumo de helado está fuertemente asociado con los ataques de tiburones."

Y sin embargo, la conclusión es completamente absurda. Nadie en su sano juicio pensaría que dejar de comer helado va a mantener alejados a los tiburones. Entonces, ¿qué está pasando? El gráfico no miente, los datos son reales. El problema es lo que el gráfico no te está mostrando. Que dos cosas ocurran juntas no significa que una cause la otra. Esto tiene nombre: correlación ≠ causalidad (o correlación no implica causalidad).

Entonces, ¿Qué falta en el gráfico?

El truco está en una variable que nadie te mostró: el calor. Cuando hace calor, la gente compra más helado y va más a la playa y se mete al mar. Más gente en el mar = más chances de encontrarse con un tiburón. El helado no tiene nada que ver en la conclusión de este estudio, y por eso tenemos que aprender a diferenciarlos.

Estudios observacionales vs. experimentales

Cuando los científicos juntan datos sobre el mundo tal como existe, sin intervenir, hacen un estudio observacional. El gráfico de arriba es exactamente eso: observamos dos cosas que pasan al mismo tiempo. El problema es que no podemos distinguir correlación de causalidad.

Para eso existe el experimento controlado: el investigador manipula una sola variable y mantiene todo lo demás igual. Si la correlación es causal, el efecto aparece. Si no, desaparece.

Tipo de estudio	Qué hace	Qué puede concluir
Observacional	Mide lo que ya existe en el mundo	Hay una asociación entre A y B
Experimental	Manipula una variable, controla el resto	A causa B (o no)

¿Cómo lo probaríamos?

Para saber si el helado realmente atrae tiburones, necesitaríamos un experimento así:

Diseño experimental (hipotético):

Tomamos dos grupos de playas en invierno (misma temperatura fría, sin turistas):

- Grupo A: vendemos helado masivamente en la playa.

- Grupo B: playa idéntica, sin venta de helado.

Si los ataques de tiburones aumentan en el Grupo A y no en el B, entonces sí hay causalidad. 

Pero, spoiler: no pasaría nada.

Claro que este experimento sería absurdo (¿quién va a meterse al mar en invierno?), y eso es exactamente el punto: la relación no tiene sentido causal. 

Entonces, ¿qué hacemos con los datos?

La próxima vez que un titular te diga que X causa Y, no lo descartes ni lo aceptes de inmediato. Hacete tres preguntas:

1) ¿Es un estudio observacional o un experimento controlado? Si solo observaron, la causalidad está en duda.

2) ¿Hay alguna variable escondida que pueda explicar la relación? El calor explicaba el helado y los tiburones. ¿Qué explica este caso?

3) ¿Tiene sentido biológico, físico o lógico que A cause B? Si la explicación suena forzada, probablemente lo sea.

Esto no significa desconfiar de toda la ciencia. Significa leerla mejor. Los estudios observacionales son valiosos, (nos dan pistas, nos dicen dónde mirar) pero no son la última palabra. La causalidad se gana con experimentación, con réplicas, con mecanismos explicados.

Para llevarte puesto

Los datos cuentan historias, pero no siempre las que parecen. El helado no atrae tiburones, el café no te hace inmortal, y Mozart probablemente no afecte el coeficiente intelectual de tu bebé. Lo que sí podés hacer es aprender a preguntarle a los datos: ¿correlación, o causalidad? La diferencia importa.