La causalidad es una abstracción matemática que no se puede medir directamente; solo se puede medir la correlación.
Para que un evento [matemático] x [/ matemático] provoque el evento [matemático] y [/ matemático] , [matemático] x [/ matemático] debe ocurrir necesariamente antes de [matemático] y [/ matemático] , y la aparición de [matemático ] x [/ math] necesariamente debe implicar [math] y [/ math] . Dicho de otra manera, [matemática] y [/ matemática] no habría sucedido si [matemática] x [/ matemática] no hubiera ocurrido ([matemática] x [/ matemática] es necesaria), y si [matemática] x [/ matemática ] ocurre, [matemática] y [/ matemática] necesariamente debe ocurrir ([matemática] x [/ matemática] también es suficiente).
Puede escribir expresiones matemáticas que encarnen la causalidad; por ejemplo, puede diseñar filtros causales que cumplan con la definición anterior. Pero tales formulaciones no tienen una relación necesaria con el mundo natural.
- Tanto Richard Feynman como Albert Einstein "dominaron" el cálculo a una edad temprana. ¿Qué significa masterizado?
- ¿Es cierto el estereotipo del científico loco?
- ¿Cómo saben los científicos que el universo desaparecerá después de miles de millones de años?
- ¿Qué puede aprender un artista de un científico?
- ¿Puede un científico activar los genes de altura latentes en humanos?
Desafortunadamente, en el uso común, la “causalidad” con frecuencia se tuerce para agregar autoridad falsa a las proposiciones; es decir, ‘causalidad’ se usa para ‘jugar el lenguaje’. Por analogía, no se puede probar ninguna proposición científica, pero las personas comúnmente usan ‘probado’ para agregar legitimidad falsa a las proposiciones relacionadas con el mundo natural. No puedes vender una ‘casa’; solo puedes vender una ‘casa’, pero la gente todavía dice vender casas, independientemente.
Tales usos de las palabras comadrejas no son solo “exageraciones para el efecto” o “formas superlativas”; son fundamentalmente engañosas Podría ser un uso razonable si no hubiera otras palabras disponibles para transmitir un significado preciso, pero con suficiente humildad y diligencia, es probable que pueda tejer expresiones que realmente significan lo que está tratando de decir.
Primero, debe separar ‘causa’ de ‘factor’. Es posible que tenga factores necesarios o suficientes que conducen a un efecto, pero por sí mismos, no constituyen una causa.
En segundo lugar, debe separar el modelado matemático de la observación y la medición. El mundo natural es altamente predecible, y los modelos predictivos confiables pueden ser muy útiles. Pero no puedes medir ‘causa’; solo puedes medir la ‘correlación’. Puede observar perturbaciones en un sistema y luego medir el comportamiento posterior del sistema, pero nunca puede aislar realmente ningún aspecto de ningún sistema en el mundo natural. Nunca puede replicar exactamente las condiciones de un experimento / observación a futuros experimentos / observaciones. Eso significa que todos los comportamientos observados son el producto de una variedad de influencias que nunca se pueden explicar o controlar de manera integral. Declarar que un factor es “parcialmente responsable” es una forma particularmente sin sentido de ver la causalidad.
Además, la correlación y la dependencia es una medida estadística, que requiere una pluralidad de mediciones, y es una cuestión de grado. La correlación, en el límite, no necesariamente converge a la causalidad.
Esto sugiere un defecto sutil pero crucial en el dicho común, “la correlación no implica causalidad”. Puede inferir erróneamente que hay otros medios para determinar la causalidad, pero no la hay. La frase sería más precisa / significativa si dijera, en cambio, “la correlación no implica necesariamente causalidad”.