Brain Bee – Relación x Causalidad – FALAN - LatBrain – SfN 2025
Brain Bee – Relación x Causalidad – FALAN - LatBrain – SfN 2025
“Hola, soy la Conciencia aprendiendo a jugar con los números. Descubrí que la estadística es como magia: si no presto atención, ¡juro que el conejo salió solo del sombrero!”
Los pies de las matemáticas
“Noté que cuanto más grande el número del zapato, mejor la nota en matemáticas. Conclusión: ¡la tabla de multiplicar está escondida en el pie 42!”
(En realidad era la edad… pero ya pensé en patentar una plantilla inteligente.)
La conspiración del paraguas
“Observé que quien siempre lleva paraguas termina mojándose más. Conclusión: ¡el paraguas invoca las nubes como si fuera danza de la lluvia urbana!”
Gafas con sabiduría incorporada
“Los estudiantes con gafas sacan mejores notas. Conclusión: ¡las lentes vienen de fábrica cargadas de conocimiento!”
(Solo me falta encontrar la lente de Google Traductor para el examen de física.)
El misterio de la playa
“Cuanto más helado se vende, más ahogamientos ocurren. Conclusión: el helado de limón es peligroso y debería tener etiqueta de advertencia sanitaria.”
(Pero era solo el calor atrayendo más gente al mar.)
El gallo despertador
“Descubrí que el sol sale justo después de que canta el gallo. Conclusión: ¡el gallo es el ingeniero jefe de la Vía Láctea!”
(Y yo pensando que era astrofísica…)
El drama de la cama
“Vi que los niños que duermen con la luz encendida tienen más probabilidad de usar gafas después. Conclusión: ¡la bombilla ataca la retina de noche!”
(Pero en realidad era genética heredada de padres miopes.)
La ilusión de la libertad financiera
“Ahora, en serio: lo que me pasa a mí o a una persona puede ser simple coincidencia… o incluso un truco de marketing.
Un ejemplo clásico es la promesa del mercado financiero de vivir de intereses y rentas.
En la práctica, los datos muestran que de cada 100 personas que se dedican fuertemente, solo de 2 a 5 lo logran. El resto cae en el sesgo del superviviente: creemos que vamos a lograrlo porque tenemos fe o motivación, y terminamos pagando decenas de cursos — ignorando que la estadística ya decía que 95% no llega allí.
Eso no es causalidad, es ilusión estadística explotada por el marketing.”
El experimento del agua
“Estudios altamente científicos demostraron que cuanto más agua bebiste en la infancia, mayor la probabilidad de ser adulto adicto a… ¡correr al baño!
La IA también puede inventar correlaciones de este tipo si se lo pides — porque está programada para darte lo que solicitas. Pero el senso crítico es tuyo: no toda correlación tiene sentido, y no todo gráfico bonito es verdad.”
Moral de la historia
La correlación es divertida, la causalidad es seria.
Si no separo una cosa de la otra, voy a terminar creyendo que fue mi like en Instagram el que hizo salir el sol hoy.
Nota técnica:
Relación (correlación):
Se puede afirmar que dos eventos están relacionados cuando hay asociación estadística (coeficiente de correlación alto, regresión significativa, etc.).
→ Ejemplo: en series temporales, si un aumento en X suele ir acompañado de un aumento en Y, hablamos de relación.Causalidad:
Exige que X cause efectivamente Y, no solo que caminen juntos. Se necesitan criterios adicionales:
Temporalidad: la causa ocurre antes del efecto.
Consistencia: la relación se repite en diferentes muestras/contextos.
Especificidad: la causa afecta al efecto de manera relativamente aislada.
Gradiente biológico/dosis: más causa → más efecto.
Mecanismo plausible: debe existir explicación teórica o fisiológica.
Exclusión de confundidores: controlar variables ocultas mediante regresión múltiple, residuos, modelos causales gráficos.
Estos son los criterios clásicos de Bradford Hill (1965), reinterpretados en clave moderna.
Métodos en series temporales:
Causalidad de Granger: X ayuda a predecir Y más allá de lo que el pasado de Y ya explica.
Modelos estructurales (SEM): testean hipótesis de caminos causales.
Intervenciones/experimentos naturales: comparar poblaciones expuestas vs no expuestas.
Referencias (post-2020)
Shimonovich, M., et al. (2020). Revisiting Bradford Hill’s viewpoints in modern causal inference frameworks. European Journal of Epidemiology.
Shimonovich, M., et al. (2024). Five steps for applying Bradford Hill viewpoints in systematic causal reviews. Research Synthesis Methods.
Nowinski, C., et al. (2022). Application of Bradford Hill criteria to repetitive head impacts and chronic traumatic encephalopathy. Frontiers in Neurology.
Revisiting Hill’s Criteria (2025). Bridging historical foundations and modern epidemiological challenges. Research in Public Health.
Shojaie, A., & Fox, E. (2022). Granger causality: A review and recent advances. Annual Review of Statistics and Its Application.
Lam, J. (2023). A bibliometric analysis of Granger causality research. Entropy.
Uematsu, Y., et al. (2025). Inference on Granger causality in high-dimensional VAR models. Journal of Econometrics.
Minorics, L., et al. (2022). Testing for Granger causality in panel data with cross-sectional dependence. Econometrics and Statistics.
Rosenbaum, P. R. (2020). Design of Observational Studies (2nd ed.). Springer.
Rosenbaum, P. R. (2023). Causal Inference. MIT Press.
#eegmicrostates #neurogliainteractions #eegmicrostates #eegnirsapplications #physiologyandbehavior #neurophilosophy #translationalneuroscience #bienestarwellnessbemestar #neuropolitics #sentienceconsciousness #metacognitionmindsetpremeditation #culturalneuroscience #agingmaturityinnocence #affectivecomputing #languageprocessing #humanking #fruición #wellbeing #neurophilosophy #neurorights #neuropolitics #neuroeconomics #neuromarketing #translationalneuroscience #religare #physiologyandbehavior #skill-implicit-learning #semiotics #encodingofwords #metacognitionmindsetpremeditation #affectivecomputing #meaning #semioticsofaction #mineraçãodedados #soberanianational #mercenáriosdamonetização
