• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  Science >> Ciencia >  >> Otro
    Causación versus correlación explicada con 10 ejemplos
    Recuerdas el viejo jingle, "pisa una grieta y rómpele la espalda a tu mamá". Pero está claro que pisar una grieta no provoca que a tu madre se le rompa la espalda. Es sólo un ejemplo simple de correlación sin causalidad. saulgranda/Getty Images

    A estas alturas se podría pensar que podríamos decir de manera inequívoca qué causa qué. Pero la cuestión de causalidad versus correlación , que ha perseguido a la ciencia y la filosofía desde sus inicios, todavía nos persigue por numerosas razones.

    Los humanos están evolutivamente predispuestos a ver patrones y psicológicamente inclinados a recopilar información que respalde puntos de vista preexistentes, un rasgo conocido como sesgo de confirmación. Confundimos coincidencia con correlación y correlación con causalidad.

    Contenido
    1. ¿Cuál es la diferencia entre causalidad y correlación?
    2. Medición de la correlación
    3. Diez ejemplos de correlación y causalidad

    ¿Cuál es la diferencia entre causalidad y correlación?

    La diferencia entre causalidad y correlación es que en una relación causal, un evento es directamente responsable de otro, mientras que en una correlación, dos eventos existen simultáneamente, pero su relación puede deberse a una tercera variable.

    Es incorrecto decir que correlación implica causalidad. Para que A cause B, tendemos a decir que, como mínimo:

    • A debe preceder a B.
    • Los dos deben covariar (variar juntos)
    • Ninguna explicación competitiva puede explicar mejor la covarianza de A y B.

    Sin embargo, tomados por sí solos, estos tres requisitos no pueden probar la causa; son, como dicen los filósofos, necesarios pero no suficientes. En cualquier caso, no todo el mundo está de acuerdo con ellos.

    Hablando de filósofos, David Hume argumentó que la causalidad no existe en ningún sentido demostrable [fuente:Cook]. Karl Popper y los falsacionistas sostenían que no podemos probar una relación, sólo refutarla, lo que explica por qué los análisis estadísticos no intentan probar una correlación; en cambio, obtienen una doble negativa y refutan que los datos no estén correlacionados, un proceso conocido como rechazo de la hipótesis nula [fuente:McLeod].

    Teniendo en cuenta estas consideraciones, los científicos deben diseñar y controlar cuidadosamente sus experimentos para eliminar sesgos, razonamientos circulares, profecías autocumplidas y variables de confusión. Deben respetar los requisitos y limitaciones de los métodos utilizados, extraer muestras representativas siempre que sea posible y no exagerar sus resultados.

    Medición de la correlación

    En lugar de emprender la difícil (y tal vez imposible) tarea de establecer la causalidad, la mayoría de las investigaciones científicas se centran en la fuerza de las correlaciones. Las correlaciones pueden ser positivas o negativas, débiles o fuertes. El coeficiente de correlación estadística, que oscila entre -1 y 1, muestra la fuerza y ​​la dirección de la correlación.

    Si traza puntos de datos en un gráfico donde una variable ocupa el eje X y otra ocupa el eje Y, las variables se correlacionan si tienen una relación lineal.

    • En una correlación positiva , dos variables se mueven en la misma dirección. Cuando una variable aumenta, la otra también aumenta. En una correlación positiva perfecta, el coeficiente de correlación es 1.
    • En una correlación negativa , dos variables se mueven en direcciones opuestas. Al aumentar una variable disminuye la otra. El coeficiente de correlación es un número negativo entre 0 y -1.
    • Hay correlación cero si los puntos de datos están por todo el gráfico en lugar de formar una línea recta. El coeficiente de correlación será 0.

    Diez ejemplos de correlación y causalidad

    Debido a que el cerebro humano tiende a buscar relaciones causales, los científicos son extremadamente cuidadosos al crear experimentos altamente controlados, pero aun así cometen errores. Aquí hay diez ejemplos que ilustran lo difícil que es identificar la causalidad.

    10. El problema con Henry (y Hawthorne)

    Los investigadores que investigaban la productividad de los trabajadores en las fábricas a principios del siglo XX descubrieron el efecto Hawthorne, o la idea de que el conocimiento de los participantes de un experimento puede influir en sus resultados. Colección histórica de la biblioteca Baker

    Es complicado investigar a las personas. Reaccionan no sólo al estímulo que se estudia, sino también al experimento mismo. Hoy en día, los investigadores intentan diseñar experimentos para controlar dichos factores, pero no siempre fue así.

    Tomemos como ejemplo las obras Hawthorne en Cicero, Illinois. En una serie de experimentos realizados entre 1924 y 1932, los investigadores estudiaron los efectos en la productividad de los trabajadores asociados con la alteración del entorno de la fábrica de Illinois, incluido el cambio de los niveles de luz, la limpieza del lugar y el cambio de estaciones de trabajo.

    Justo cuando pensaban que habían dado con algo, notaron un problema:los aumentos observados en la productividad cayeron casi tan pronto como los investigadores abandonaron el trabajo, lo que indica que el conocimiento de los trabajadores sobre el experimento -no los cambios de los investigadores- había impulsado el aumentar. Los investigadores todavía llaman a este fenómeno el efecto Hawthorne [fuente:Obrenović].

    Un concepto relacionado, el efecto John Henry, ocurre cuando los miembros de un grupo de control intentan vencer al grupo experimental acelerando sus esfuerzos. No necesitan saber nada del experimento; sólo necesitan ver a un grupo recibir nuevas herramientas o instrucción adicional. Al igual que el legendario hombre que conduce acero, quieren demostrar sus capacidades y ganarse el respeto [fuentes:Saretsky; Vogt].

    9. ¿Apostar siempre al negro?

    Si la pastilla cae en negro 26 veces seguidas en la ruleta, ¿serías ¿Es más probable que apueste al rojo o al negro en ese turno 27? Fuente de la imagen/Getty Images

    Los personajes principales de la película de Tom Stoppard "Rosencrantz y Guildenstern están muertos" comienzan la película desconcertados y finalmente asustados cuando cada uno de los 157 lanzamientos consecutivos de una moneda sale cara. Las explicaciones de Guildenstern sobre este fenómeno van desde bucles temporales hasta "una espectacular reivindicación del principio de que cada moneda individual, hilada individualmente, tiene tantas probabilidades de salir cara como cruz..."

    La evolución preparó a los humanos para ver patrones, y nuestra capacidad para procesar adecuadamente ese impulso parece sufrir un cortocircuito cuanto más tiempo pasamos jugando. Podemos aceptar racionalmente que eventos independientes como el lanzamiento de una moneda mantengan las mismas probabilidades sin importar cuántas veces los realices.

    Pero también vemos esos eventos, de manera menos racional, como rachas, creando correlaciones mentales falsas entre eventos aleatorios. Viendo el pasado como un preludio, seguimos pensando que el próximo lanzamiento debería ser cruz.

    Los estadísticos llaman a esto la falacia del jugador, también conocida como la falacia de Montecarlo, después de un ejemplo particularmente ilustrativo que ocurrió en esa famosa ciudad turística de Mónaco.

    Durante el verano de 1913, los apostadores observaron con creciente asombro cómo la ruleta de un casino caía en negro 26 veces seguidas. Inflamados por la certeza de que el rojo era "debido", los apostadores siguieron tirando sus fichas. El casino ganó dinero [fuentes:Lehrer; Oppenheimer y Monin; Vogt].

    8. La mano caliente y la garra del mono

    Las supersticiones toman todas las formas en los deportes. Aquí vemos al defensa de los Boston Bruins, Zdeno Chara, besando la parte posterior de su casco para tener buena suerte durante el Juego 7 de las Finales de la Copa Stanley contra los St. Louis Blues el 12 de junio de 2019 en el TD Garden de Boston. Sin embargo, la suerte de Chara se agotó y los Blues vencieron a los Bruins 4-1 para ganar la Copa Stanley esa noche. Michael Tureski/Icon Sportswire vía Getty Images

    Ninguna discusión sobre rachas, pensamiento mágico o causalidad falsa estaría completa sin hojear las páginas de deportes. Las temporadas deportivas estelares surgen de una interacción de factores tan misteriosa (habilidad natural, entrenamiento, confianza, el factor X ocasional) que imaginamos patrones en el rendimiento, a pesar de que los estudios rechazan repetidamente las rachas y las supersticiones sobre el "éxito" como algo más que imaginario. /P>

    La creencia en rachas o depresiones implica que el éxito "causa" el éxito y el fracaso "causa" el fracaso o, quizás más razonablemente, que la variación en algún factor común, como la confianza, causa ambos. Pero estudio tras estudio no logra confirmar esto [fuente:Gilovich, et al].

    Lo mismo se aplica a las supersticiones, aunque eso nunca impidió que el jugador retirado de la NBA y base de los Dallas Mavericks, Jason Terry, durmiera con los pantalones cortos de los equipos contrarios antes de cada partido, o que el centro de la NHL y jugador retirado de los Ottawa Senators, Bruce Gardiner, hundiera su palo de hockey en el agua. inodoro para romper la depresión ocasional [fuente:Exact Sports].

    La crisis del segundo año también suele surgir de un primer año demasiado bueno. Las oscilaciones del rendimiento tienden a nivelarse a largo plazo, un fenómeno que los estadísticos llaman regresión hacia la media [fuente:Barnett, et al]. En los deportes, este promedio es ayudado por la oposición, que se ajusta para contrarrestar el exitoso conjunto de habilidades del nuevo jugador.

    7. Desequilibrio hormonal

    La historia de la terapia de reemplazo hormonal, que alguna vez se usó ampliamente para tratar los síntomas de la menopausia, resultó no ser ser tan sencillo después de todo. BSIP/Universal Images Group/Getty Images

    Los ensayos controlados aleatorios son el estándar de oro en estadística, pero a veces (en epidemiología, por ejemplo) consideraciones éticas y prácticas obligan a los investigadores a analizar los casos disponibles.

    Desafortunadamente, estos estudios observacionales corren el riesgo de sesgos, variables ocultas y, lo peor de todo, grupos de estudio que podrían no reflejar con precisión la población. Estudiar una muestra representativa es vital; permite a los investigadores aplicar los resultados a personas fuera del estudio, como el resto de nosotros.

    Un ejemplo de ello:la terapia de reemplazo hormonal (TRH) para mujeres. Más allá de tratar los síntomas asociados con la menopausia, alguna vez fue aclamado por reducir potencialmente el riesgo de enfermedad coronaria (CHD), gracias a un estudio observacional muy publicitado de 1991 [fuente:Stampfer y Colditz].

    Pero estudios controlados aleatorios posteriores, incluida la Iniciativa de Salud de la Mujer a gran escala, revelaron una relación negativa, o estadísticamente insignificante, entre la TRH y la enfermedad coronaria [fuente:Lawlor, et al.].

    ¿Por qué la diferencia? Por un lado, las mujeres que usan TRH tienden a provenir de estratos socioeconómicos más altos y reciben una dieta y ejercicio de mejor calidad, una relación explicativa oculta que el estudio observacional no tuvo en cuenta en su totalidad [fuente:Lawlor, et al].

    6. Cambio del mercado de valores del Super Bowl

    Puedes seguir la NFL y puedes seguir el mercado de valores. Pero utilizar la racha ganadora de los 16 equipos originales de la NFL para elegir sus acciones probablemente no sea una estrategia ganadora. Alistair Berg/Getty Images

    En 1978, el periodista y columnista deportivo Leonard Koppett se burló de la confusión entre causalidad y correlación sugiriendo irónicamente que los resultados del Super Bowl podían predecir el mercado de valores. Resultó contraproducente:no sólo la gente le creyó, sino que funcionó, con una frecuencia espantosa.

    La propuesta, ahora comúnmente conocida como Indicador del Super Bowl, era la siguiente:si uno de los 16 equipos originales de la Liga Nacional de Fútbol (los que existían antes de la fusión de la NFL con la Liga de Fútbol Americano en 1966) ganara el Super Bowl, el mercado de valores aumentará durante el resto del año. Si ganara un ex equipo de la AFL, bajaría [fuente:Bonsal].

    De 1967 a 1978, el sistema de Koppett funcionó 12 de 12; Hasta 1997, contaba con una tasa de éxito del 95 por ciento. Tropezó durante la era de las puntocom (1998-2001) y especialmente en 2008, cuando se produjo la Gran Recesión, a pesar de la victoria de los Gigantes de Nueva York (NFC). Aun así, en 2022, el indicador tenía una tasa de éxito del 73 por ciento [fuente:Chen].

    Algunos han argumentado que el patrón existe, impulsado por la creencia; Funciona, dicen, porque los inversores creen que sí, o porque creen que otros inversores también lo creen.

    Esta noción, aunque inteligente en cierto modo regresiva, difícilmente explica los 12 años de correlaciones exitosas que precedieron al artículo de Koppett. Otros argumentan que un patrón más relevante reside en la tendencia alcista a gran escala del mercado de valores, salvo algunas fluctuaciones mayores y menores a corto plazo [fuente:Johnson].

    5. Big Data, poca claridad

    Con suficientes datos, paciencia y margen metodológico, las correlaciones son casi inevitables. Así es como funcionan los big data. Weiquan Lin/Getty Images

    Big data, el proceso de buscar patrones en conjuntos de datos tan grandes que resisten los métodos tradicionales de análisis, genera gran revuelo en la sala de juntas [fuente:Arthur]. Pero, ¿más grande siempre es mejor?

    Es una regla que se les inculca a la mayoría de los investigadores en su primera clase de estadística:cuando se encuentre con un mar de datos, resista la tentación de emprender una expedición de pesca. Con suficientes datos, paciencia y margen metodológico, las correlaciones son casi inevitables, aunque poco éticas y en gran medida inútiles.

    Después de todo, la mera correlación entre dos variables no implica causalidad; ni, en muchos casos, indica una gran relación.

    Por un lado, los investigadores no pueden utilizar medidas estadísticas de correlación, quieran o no; cada uno contiene ciertas suposiciones y limitaciones que las expediciones de pesca ignoran con demasiada frecuencia, por no hablar de las variables ocultas, los problemas de muestreo y los errores de interpretación que pueden arruinar un estudio mal diseñado.

    Pero los big data se utilizan cada vez más y son aclamados por sus invaluables contribuciones en áreas como la creación de programas de aprendizaje personalizados; dispositivos portátiles que proporcionan información en tiempo real a sus registros médicos electrónicos; y servicios de transmisión de música que le brindan recomendaciones específicas [fuente:IntelliPaat]. Simplemente no espere demasiado del big data en el departamento de causalidad.

    4. El salario mínimo equivale al desempleo máximo

    Por cada persona que se manifiesta en el Capitolio para aumentar el salario mínimo, hay un congresista en el Capitolio Quien no está de acuerdo, es necesario ese cambio. Congressional Quarterly/CQ-Roll Call, Inc vía Getty Images

    Cualquier cuestión relacionada con el dinero seguramente generará profundas divisiones y estará altamente politizada, y los aumentos del salario mínimo no son una excepción. Los argumentos son variados y complejos, pero esencialmente una de las partes sostiene que un salario mínimo más alto perjudica a las empresas, lo que reduce la disponibilidad de empleo, lo que perjudica a los pobres.

    La otra parte responde que hay poca evidencia para esta afirmación, y que los 76 millones de estadounidenses que trabajan con un salario mínimo o por debajo de él, que según algunos no es un salario digno, se beneficiarían de tal aumento. Argumentan que el salario mínimo federal para los empleados cubiertos y no exentos ($7,25 por hora en septiembre de 2023) ha reducido el poder adquisitivo de los estadounidenses en más del 20 por ciento [fuentes:Departamento de Trabajo de EE. UU.; Cooper, et al].

    Como supuestamente bromeó el crítico literario George Shaw:"Si todos los economistas fueran puestos uno al lado del otro, nunca llegarían a una conclusión", y el debate sobre el salario mínimo parece confirmarlo [fuente:Quote Investigator]. Por cada analista que dice que los aumentos del salario mínimo eliminan puestos de trabajo, hay otro que argumenta en contra de tal correlación.

    Al final, ambas partes comparten un problema fundamental:a saber, la abundancia de evidencia anecdótica en la que muchos de sus parlantes confían para obtener apoyo. Las historias de segunda mano y los datos seleccionados minuciosamente no aportan nada bueno a cualquier partido, incluso cuando se presentan en bonitos gráficos de barras.

    3. El desayuno vence a la obesidad, la cena niega las drogas

    La familia que cena junta se mantiene junta sin drogas. Suena bien, pero no es del todo cierto. Producciones MoMo/Getty Images

    Entre aplicaciones de fitness, medicamentos y cirugías, la pérdida de peso en los Estados Unidos es una industria que genera 78 mil millones de dólares al año, y millones de estadounidenses superan el listón de la pérdida de peso anualmente [fuente:Research and Markets]. No es sorprendente que los estudios sobre la pérdida de peso (buenos, malos o feos) reciban mucha prensa en los EE. UU.

    Tomemos como ejemplo la idea popular de que desayunar vence a la obesidad, una pepita cubierta de azúcar derivada de dos estudios principales:uno, un estudio controlado aleatorio de la Universidad de Vanderbilt de 1992, demostró que revertir los hábitos normales de desayuno, ya sea comiendo o no comiendo, se correlacionaba con la pérdida de peso; el otro, un estudio observacional de 2002 realizado por el Registro Nacional de Control de Peso, correlacionó el desayuno con personas que perdieron peso con éxito, lo que no es lo mismo que correlacionarlo con la pérdida de peso [fuentes:Brown, et al.; Schlundt y col.; Wyatt y otros].

    Desafortunadamente, el estudio del NWCR no logró controlar otros factores ni, de hecho, establecer ninguna conexión causal a partir de su correlación. Por ejemplo, una persona que quiere perder peso podría hacer más ejercicio, desayunar o consumir proteínas enteras, pero sin un diseño experimental capaz de marcar vínculos causales, tales comportamientos no son más que características concurrentes comunes [fuente :Brown, et al].

    Un problema similar afecta a los numerosos estudios que relacionan las cenas familiares con un menor riesgo de adicción a las drogas en los adolescentes. Aunque son atractivos por su estrategia simple y atractiva, estos estudios con frecuencia no logran controlar factores relacionados, como fuertes conexiones familiares o una profunda participación de los padres en la vida de un niño [fuente:Miller, et al].

    2. El sexo suicida

    Los investigadores que estudian el suicidio en todos los géneros deben ser conscientes de que los hombres y mujeres suicidas a menudo utilizan métodos diferentes, por lo que el éxito de sus resultados varía ampliamente. SONGPHOL THESAKIT/Getty Images

    A menudo escuchamos que los hombres, especialmente los jóvenes, tienen más probabilidades de suicidarse que las mujeres. En verdad, tales declaraciones participan de una generalización empírica (el acto de hacer una declaración amplia sobre un patrón común sin intentar explicarlo) y enmascaran varios factores de confusión conocidos y potenciales.

    Tomemos, por ejemplo, una encuesta sobre conductas de riesgo entre jóvenes de 2021 que encontró que las niñas de los grados 9 a 12 intentaron suicidarse casi el doble que los estudiantes varones (13 por ciento frente a 7 por ciento) [fuente:Fundación Estadounidense para la Prevención del Suicidio].

    ¿Cómo puede entonces existir una mayor correlación entre el sexo opuesto y el suicidio? La respuesta está en los intentos de suicidio por metodología:si bien el método de suicidio más común para ambos sexos en 2020 fue con arma de fuego (57,9 por ciento para los hombres y 33,0 por ciento para las mujeres), las mujeres tenían casi la misma probabilidad de morir por envenenamiento o asfixia [fuente:Instituto Nacional de Salud Mental].

    Incluso si pudiéramos eliminar esos factores de confusión, seguiría siendo un hecho que la masculinidad, per se, no es una causa. Para explicar la tendencia, necesitamos identificar factores comunes a los hombres, o al menos suicidas.

    Lo mismo se aplica a las tasas comparativamente altas de suicidio entre hombres divorciados. El divorcio no hace que los hombres se suiciden; en todo caso, es más indicativo de una relación causal subyacente con factores como la inflexibilidad del rol masculino, sus redes sociales, la creciente importancia del cuidado infantil y el deseo de los hombres de controlar las relaciones [fuente:Scourfield y Evans].

    1. Molestia por la vacunación

    La gente lleva décadas protestando contra los mandatos de vacunación. Pero con el brote de COVID-19, la división adquirió una nueva importancia. Michael Nigro/Pacific Press/LightRocket vía Getty Images

    Ninguna lista de correlación/causalidad estaría completa sin discutir las preocupaciones de los padres sobre la seguridad de la vacunación. Antes de que la pandemia de COVID-19 azotara el mundo en 2020, el problema principal era el temor entre algunos padres de que la vacunación contra el sarampión, las paperas y la rubéola estuviera causalmente relacionada con los trastornos del espectro autista. Esta noción fue popularizada por celebridades como Jenny McCarthy.

    A pesar de que la comunidad médica desacreditó el artículo de Andrew Wakefield de 1998 que inspiró la falsedad, y a pesar de que estudios posteriores no muestran ningún vínculo causal, algunos padres siguen temerosos de una conexión con el autismo u otros peligros relacionados con las vacunas [fuentes:Park; Sifferlin; Szabo].

    Luego llegó la COVID-19, que hasta la fecha ha matado a millones de personas en todo el mundo. Los científicos se apresuraron a crear una vacuna eficaz y lo consiguieron; La primera vacuna COVID-19 de EE. UU. estuvo disponible en diciembre de 2020 bajo la autorización de uso de emergencia de la FDA [fuente:FDA]. Pero también rápidamente se entrelazó con la extrema polarización de la política estadounidense y la desinformación.

    Muchos padres, especialmente republicanos, temían que las vacunas no fueran seguras porque se desarrollaron muy rápidamente y porque podrían tener efectos secundarios a largo plazo aún desconocidos. También hubo temores incorrectos de que la vacuna afectara la fertilidad futura. Ahora se ha demostrado que son falsas [fuente:Kelen y Maragakis].

    En enero de 2022, solo el 28 por ciento de los niños de 5 a 11 años habían recibido al menos una dosis de la vacuna, lo que decepcionó a muchos en el campo médico [fuentes:Hamel, Kates]. El número de niños vacunados está aumentando; en mayo de 2023, el 40 por ciento de los niños de 5 a 11 años habían recibido al menos la dosis completa [fuente:CDC].

    Estos no son malentendidos inofensivos. A pesar de desacreditar el vínculo entre el autismo y las vacunas infantiles, muchos padres siguen desconfiando de las vacunas. En 2019, hubo 1282 casos de sarampión en 31 estados, el número más alto en los EE. UU. desde 1992. La mayoría de estos casos ocurrieron entre personas no vacunadas [fuente:CDC].

    Vale la pena considerar si esa correspondencia es coincidente, correlativa o causal. Y los efectos de las actuales dudas sobre la vacunación contra el COVID-19 aún están por verse.

    Mucha más información

    Artículos relacionados

    • ¿Son las personas estúpidas más felices?
    • ¿Los países con leyes de armas más estrictas realmente tienen menos criminalidad o menos homicidios?
    • ¿Existe una correlación entre la felicidad y las emisiones de carbono?

    Fuentes

    • Fundación Estadounidense para la Prevención del Suicidio. "Estadísticas de suicidio". (21 de febrero de 2022) https://afsp.org/suicide-statistics/
    • Arturo, Lisa. "¿Qué son los grandes datos?" Forbes. 15 de agosto de 2013. (18 de diciembre de 2013) http://www.forbes.com/sites/lisaarthur/2013/08/15/what-is-big-data/
    • Bansal, Ayush. "Todo lo que quieres saber sobre el indicador del Super Bowl". Historia tecnológica. 14 de febrero de 2022. (16 de febrero de 2022)
    • Barnett, Adrián y otros. "Regresión a la media:qué es y cómo afrontarla". Revista Internacional de Epidemiología. 27 de agosto de 2004. (16 de febrero de 2022)
    • Brown, Andrew W., Michelle M, Bohan Brown y David B. Allison. "Creencia más allá de la evidencia:uso del efecto propuesto del desayuno sobre la obesidad para mostrar dos prácticas que distorsionan la evidencia científica". Revista americana de nutrición clínica. vol. 98, núm. 5. Página 1298. (18 de diciembre de 2013) http://ajcn.nutrition.org/content/early/2013/09/04/ajcn.113.064410
    • Centros para el Control y la Prevención de Enfermedades. "Casos y brotes de sarampión". 19 de noviembre de 2021 (21 de febrero de 2022)
    • Centros para el Control y la Prevención de Enfermedades. "Calendario de vacunación recomendado para personas de 0 a 18 años:Estados Unidos, 2013". (18 de diciembre de 2013) http://www.cdc.gov/vaccines/schedules/hcp/imz/child-adolescent.html
    • Chen, James. "Indicador del Super Bowl". Investopedia. 10 de febrero de 2022. (16 de febrero de 2022) https://www.investopedia.com/terms/s/superbowlindicator.asp
    • Cooper, David y otros. "Veintiún estados aumentaron sus salarios mínimos el día de Año Nuevo." Instituto de Política Económica. 6 de enero de 2022. (21 de febrero de 2022) https://www.epi.org/blog/states-minimum-wage-increases-jan-2022/
    • ESPN. "Estadísticas de Michael Jordan". (18 de diciembre de 2013) http://espn.go.com/nba/player/stats/_/id/1035/michael-jordan
    • Deportes exactos. "Rituales y supersticiones previos al juego". 19 de julio de 2010. (16 de febrero de 2022) https://exactsports.com/blog/pregame-superstitions/2010/07/19/
    • FDA. "La FDA aprueba la primera vacuna COVID-19". 23 de agosto de 2021. (21 de febrero de 2022) https://www.fda.gov/news-events/press-announcements/fda-approves-first-covid-19-vaccine
    • Gilovich, Thomas, Robert Vallone y Amos Tversky. "La mano caliente en el baloncesto:sobre la percepción errónea de secuencias aleatorias". Psicología cognitiva. vol. 17. Página 295. (16 de febrero de 2022) https://www.sciencedirect.com/science/article/abs/pii/0010028585900106
    • Hamel, Liz y otros. "Monitor de vacunas KFF COVID-19:octubre de 2021". KFF. 28 de octubre de 2021. (21 de febrero de 2022) https://www.kff.org/coronavirus-covid-19/poll-finding/kff-covid-19-vaccine-monitor-october-2021/
    • Colina, Cachemira. "Cómo Target descubrió que una adolescente estaba embarazada antes que su padre". Forbes. 16 de febrero de 2012. (18 de diciembre de 2013) http://www.forbes.com/sites/kashmirhill/2012/02/16/how-target-figured-out-a-teen-girl-was-pregnant -antes-de-lo-hiciera-su-padre/
    • Datos de aro. "Estadísticas promedio de la liga". (18 de diciembre de 2013) http://hoopdata.com/regstats.aspx
    • IntelliPaat. "Diez aplicaciones de Big Data en la vida real". (21 de febrero de 2022) https://intellipaat.com/blog/10-big-data-examples-application-of-big-data-in-real-life/
    • Johnson, Bob. "¿Basarías tus apuestas de mercado en el Super Bowl?" CNBC. 27 de enero de 2015. (16 de febrero de 2022) https://www.cnbc.com/2015/01/26/would-you-base-your-market-bets-on-the-super-bowl.html
    • Johnson, Eric O. y Lonni Schultz. "Sesgo telescópico hacia adelante en la edad de inicio informada:un ejemplo del tabaquismo". Revista internacional de métodos de investigación psiquiátrica. vol. 14, nº 3. Página 119. (18 de diciembre de 2013) http://www.ncbi.nlm.nih.gov/pubmed/16389888
    • Kates, Jennifer y otros. "Actualización sobre la vacunación COVID-19 de niños de 5 a 22 años en los EE. UU." KFF. 20 de enero de 2022. (21 de febrero de 2022) https://www.kff.org/coronavirus-covid-19/issue-brief/update-on-covid-19-vaccination-of-5-11-year -viejos-en-ee-uu/
    • Lawlor, Debbie A., George Davey Smith y Shah Ebrahim. "Comentario:El enigma del reemplazo hormonal y la enfermedad coronaria:¿Es esta la muerte de la epidemiología observacional?" Revista Internacional de Epidemiología. vol. 33, núm. 3. Página 464. (18 de diciembre de 2013) http://ije.oxfordjournals.org/content/33/3/464.full#ref-4
    • Lehrer, Jonás. "Cómo decidimos". Houghton Mifflin Harcourt. 2009.
    • Lorkowski, C.M. "David Hume:causalidad". Enciclopedia de Filosofía de Internet. (16 de febrero de 2022) https://www.simplypsychology.org/Karl-Popper.html
    • Mandell, David S., Maytali M. Novak y Cynthia D. Zubritsky. "Factores asociados con la edad de diagnóstico entre niños con trastornos del espectro autista". Pediatría. vol. 116, núm. 6. Página 1480. (18 de diciembre de 2013) http://pediatrics.aappublications.org/content/116/6/1480.abstract
    • Manson, JoAnn y otros. "Terapia hormonal menopáusica y resultados de salud durante la intervención y las fases extendidas posteriores a la interrupción de los ensayos aleatorios de la Iniciativa de Salud de la Mujer". Revista de la Asociación Médica Estadounidense. vol. 310, núm. 13. Página 1353. (18 de diciembre de 2013) http://jama.jamanetwork.com/article.aspx?articleid=1745676
    • McLeod, Dr. Saúl. "Karl Popper - Teoría de la falsificación". Simplemente Psicología. 2020. (16 de febrero de 2022) https://www.simplypsychology.org/Karl-Popper.html
    • Miller, Daniel y otros. "Comidas familiares y resultados académicos y de comportamiento de los niños". NCBI. 7 de agosto de 2012. (21 de febrero de 2022) https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3498594/
    • Instituto Nacional de Salud Mental. "Suicidio." (21 de febrero de 2022) https://www.nimh.nih.gov/health/statistics/suicide
    • Oppenheimer, Daniel y Benoît Monin. "La falacia del jugador retrospectivo:eventos improbables, construcción del pasado y universos múltiples". Juicio y Toma de Decisiones. vol. 4, núm. 5. Página 326. (16 de febrero de 2022) https://psycnet.apa.org/record/2009-12960-001
    • Ozonoff, Sally, Kelly Heung, Robert Byrd, Robin Hansen e Irva Hertz-Picciotto. La aparición del autismo:patrones de aparición de síntomas en los primeros años de vida. Investigación sobre el autismo. vol. 1, núm. 6. Página 320. http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2857525/
    • Investigador de cotizaciones. "Si todos los economistas fueran puestos de punta a punta, no llegarían a una conclusión". 13 de septiembre de 2016. (21 de febrero de 2022) https://quoteinvestigator.com/2016/09/13/economists/
    • Investigación y Mercados. "El mercado estadounidense de control de la dieta y pérdida de peso". Marzo de 2021. (21 de febrero de 2022) https://www.researchandmarkets.com/reports/5313560/the-u-s-weight-loss-and-diet-control-market
    • Saretsky, Gary. "El experimento OEO P.C. y el efecto John Henry". El Phi Delta Kappan. vol. 53, núm. 9. Página 579. (18 de diciembre de 2013) http://www.jstor.org/stable/20373317
    • Schlundt, David G., James O. Hill, Tracy Sbrocco, Jamie Pope-Cordle y Teresa Sharp. "El papel del desayuno en el tratamiento de la obesidad:un ensayo clínico aleatorizado". Revista americana de nutrición clínica. vol. 55, núm. 3. Página 645. (18 de diciembre de 2013) http://ajcn.nutrition.org/content/55/3/645.abstract?sid=2ef145a4-5324-40d0-bead-e669e51756d1
    • Scourfield, Jonathan y Rhiannon Evans. "¿Por qué los hombres podrían tener mayor riesgo de suicidio después de una ruptura de relación? Perspectivas sociológicas". Revista estadounidense de salud masculina. 26 de agosto de 2014. (21 de febrero de 2022) https://journals.sagepub.com/doi/full/10.1177/1557988314546395
    • Cállate, Nancy. "La última palabra sobre terapia hormonal de la Iniciativa de Salud de la Mujer". NPR. 4 de octubre de 2013. (18 de diciembre de 2013) http://www.npr.org/blogs/health/2013/10/04/229171477/the-last-word-on-hormone-therapy-from-the -iniciativa-de-salud-de-la-mujer
    • Sifferlin, Alexandra. "Varias vacunas el mismo día no aumentan el riesgo de autismo". Revista hora. 29 de marzo de 2013. (18 de diciembre de 2013) http://healthland.time.com/2013/03/29/multiple-vaccinations-on-same-day-does-not-raise-autism-risk/
    • Referencia deportiva. "Líderes y récords de puntos por partido de la NBA y la ABA año tras año". (18 de diciembre de 2013) http://www.basketball-reference.com/leaders/pts_per_g_yearly.html
    • Stampfer Meir J. y Graham A. Colditz. "Terapia de reemplazo de estrógenos y enfermedad coronaria:una evaluación cuantitativa de la evidencia epidemiológica". Medicina Preventiva. vol. 20, núm. 1. Página 47. (18 de diciembre de 2013) http://www.sciencedirect.com/science/article/pii/009174359190006P
    • Szabo, Liz. "El calendario completo de vacunación es seguro para los niños, no hay vínculo con el autismo". EE.UU. Hoy en día. 29 de marzo de 2013. (18 de diciembre de 2013) http://www.usatoday.com/story/news/nation/2013/03/29/vaccine-schedule-autism/2026617/
    • Toporek, Bryan. "Kobe Bryant contra Michael Jordan:Comparando la CABRA con el cumpleañero". Informe del blanqueador. 23 de agosto de 2013. (18 de diciembre de 2013) http://bleacherreport.com/articles/1732165-kobe-bryant-vs-michael-jordan-comparing-the-goat-to-the-birthday-boy
    • EE.UU. Oficina de estadísticas laborales. "Estadísticas de población activa de la encuesta de población actual". 20 de enero de 2022. (21 de febrero de 2022https://www.bls.gov/cps/cpsaat44.htm
    • EE.UU. Departamento de Trabajo. "Salario mínimo." (21 de febrero de 2022) https://www.dol.gov/general/topic/wages/minimumwage
    • Vogt, W. Paul. "Diccionario de Estadística y Metodología". Sabio. 1993.
    • Wyatt, Holly R., Gary K. Grunwald, Cecilia L. Mosca, Mary L. Klem, Rena R. Wing y James O. Hill. "Pérdida de peso y desayuno a largo plazo en sujetos del Registro Nacional de Control de Peso". Investigación sobre la obesidad vol. 10, núm. 2. Página 78. (18 de diciembre de 2013) http://onlinelibrary.wiley.com/doi/10.1038/oby.2002.13/pdf



    © Ciencia https://es.scienceaq.com