Correlación y causalidad

Coeficientes de correlación estadística, covarianza y distinción rigurosa frente a mecanismos causales.

Qué es

La correlación es una medida estadística que cuantifica el grado de asociación lineal o dependencia mutua entre dos variables cuantitativas $X$ e $Y$. El coeficiente de correlación lineal de Pearson $r$ se define como la covarianza normalizada por el producto de las desviaciones estándar individuales: $r = \frac{\operatorname{cov}(X, Y)}{\sigma_X \sigma_Y} = \frac{\sum_{i=1}^N (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^N (x_i - \bar{x})^2} \sqrt{\sum_{i=1}^N (y_i - \bar{y})^2}}$ Este valor está estrictamente acotado en el intervalo $[-1, +1]$. Un valor $r = +1$ denota una relación lineal creciente perfecta; $r = -1$ denota una relación lineal decreciente perfecta; y $r = 0$ indica ausencia total de correlación lineal (aunque pueden existir fuertes dependencias no lineales).

Por el contrario, la causalidad es un principio ontológico y dinámico fundamental: una variable $X$ es causa de $Y$ ($X \to Y$) si y solo si una perturbación o intervención deliberada sobre el estado de $X$, manteniendo constantes todos los demás factores del universo, provoca un cambio verificable en el estado de $Y$ mediado por un mecanismo físico bien definido en el espacio-tiempo respetando el principio de relatividad y la flecha termodinámica del tiempo ($t_X < t_Y$).

La máxima epistemológica universal establece: "Correlación no implica causalidad".

Por qué aparece en física

En física y ciencia experimental, confundir correlación con causalidad conduce a errores catastróficos:

1. Variables de confusión latentes (efectos de tercera variable): Dos magnitudes físicas pueden mostrar una correlación empírica casi perfecta de $r = 0.99$ no porque una cause a la otra, sino porque ambas responden simultáneamente a una causa común no observada $Z$. Por ejemplo, en un plasma astrofísico, la densidad electrónica y la emisión sincrotrón pueden correlacionar fuertemente porque ambas son gobernadas por la compresión magnética inducida por una onda de choque estelar.
2. Correlaciones espurias en series temporales: Dos señales físicas no estacionarias que presentan una deriva o tendencia temporal monótona (como la temperatura global media y la concentración de un trazador químico) mostrarán matemáticamente un coeficiente $r \approx 1$ aun cuando no tengan ninguna conexión física causal entre sí.
3. Control experimental e identificación de leyes: Para demostrar que una fuerza causa una aceleración ($F = m a$) y no al revés, o para descartar la acción a distancia en fenómenos cuánticos (desigualdades de Bell), los físicos diseñan experimentos con variables de control e intervenciones activas (aislamiento adiabático, apantallamiento electromagnético, modulación periódica de fuentes).

Idea visual o geométrica

Geométricamente, el coeficiente de correlación de Pearson corresponde al coseno del ángulo $\theta$ entre dos vectores centrados $\mathbf{u} = \mathbf{x} - \bar{x} \mathbf{1}$ y $\mathbf{v} = \mathbf{y} - \bar{y} \mathbf{1}$ en el espacio vectorial euclidiano $\mathbb{R}^N$: $r = \cos\theta = \frac{\mathbf{u} \cdot \mathbf{v}}{\|\mathbf{u}\| \|\mathbf{v}\|}$ Si los dos vectores son colineales y paralelos, $\theta = 0^\circ \implies r = 1$. Si son ortogonales, $\theta = 90^\circ \implies r = 0$.

Desde la perspectiva de grafos causales (redes bayesianas de Pearl y diagramas causales DAG), las dependencias estadísticas fluyen a través de aristas dirigidas:

• Cadena causal: $X \to Z \to Y$ (mediador $Z$).
• Causa común (tenedor): $X \leftarrow Z \to Y$ (confusor $Z$ induce correlación no causal entre $X$ e $Y$).
• Colisionador: $X \to Z \leftarrow Y$ (acondicionar o filtrar por $Z$ crea una correlación espuria artificial entre $X$ e $Y$, conocido como sesgo de Berkson).

Lenguaje simbólico mínimo

1. Coeficiente de correlación de Pearson: $r_{xy} = \frac{S_{xy}}{\sqrt{S_{xx} S_{yy}}} \in [-1, 1]$
2. Coeficiente de determinación (varianza compartida): $R^2 = r_{xy}^2$
3. Causalidad de Granger en series temporales: La variable $X$ "causa en el sentido de Granger" a $Y$ si el error de predicción autorregresiva de $Y_{t}$ condicionado al historial pasado de $Y$ y $X$ es estrictamente menor que usando solo el pasado de $Y$: $\operatorname{Var}(Y_t | Y_{<t}, X_{<t}) < \operatorname{Var}(Y_t | Y_{<t})$
4. Operador de intervención "do" de Judea Pearl: $P(Y | \operatorname{do}(X = x)) \neq P(Y | X = x)$ La distribución observacional pasiva $P(Y | X)$ difiere radicalmente de la distribución causal intervencional $P(Y | \operatorname{do}(X))$.

Qué significa el resultado

• Un valor de $r \approx 0$ no demuestra independencia: dos variables pueden tener $r = 0$ y mantener una relación funcional causal determinista estricta (por ejemplo, en un oscilador armónico $y = \sqrt{1 - x^2}$ simétrico en $[-1, 1]$ tiene covarianza nula pero dependencia absoluta).
• Encontrar una correlación estadísticamente significativa ($p < 0.05$ o $z > 3\sigma$) es únicamente el primer indicio observacional para formular una hipótesis física. La confirmación causal exige:
  • Mecanismo físico mediador demostrable.
  • Orden temporal estricto (la causa precede al efecto).
  • Estabilidad bajo intervenciones experimentales y bloqueo de variables de confusión.

Cuándo no debes usarlo

1. Relaciones no lineales severas: El coeficiente de Pearson evalúa exclusivamente linealidad. Si la relación es monótona pero fuertemente no lineal (exponencial, potencial o sigmoidal), debe usarse el coeficiente de correlación de rangos de Spearman $\rho$ o Kendall $\tau$.
2. Series temporales no estacionarias con tendencia: Calcular $r$ entre dos series que crecen en el tiempo sin eliminar previamente la tendencia (diferenciación o detrending) produce correlaciones artificiales cercanas a 1 que carecen de significado físico.
3. Conclusiones de causalidad basadas únicamente en datos observacionales pasivos: Nunca se debe afirmar que "$A$ provoca $B$" en un sistema físico complejo basándose solo en un valor alto de $r$ sin haber realizado un experimento controlado con intervención o un análisis de mediación causal.

Resumen operativo

• Representa siempre el diagrama de dispersión $(x_i, y_i)$ antes de calcular cualquier número estadístico.
• Calcula el coeficiente de Pearson $r$ y su significancia estadística (valor p o intervalo de confianza de Fisher).
• Si la relación es curvilínea o existen valores atípicos (outliers), recurre a la correlación no paramétrica de Spearman.
• Para evaluar causalidad física, verifica el orden cronológico temporal, aísla posibles variables de confusión $Z$ mediante experimentos controlados, y confirma el mecanismo de interacción mediante las leyes dinámicas correspondientes.

Procedimiento de Análisis de Correlación y Discriminación Causal

Antes de calcular

Antes de calcular coeficientes estadísticos, inspecciona los datos crudos:

• Traza el diagrama de dispersión bidimensional $(x_i, y_i)$.
• Comprueba si existen puntos atípicos aislados (outliers) que puedan distorsionar artificialmente la covarianza.
• Determina si las observaciones son independientes o si proceden de series temporales con tendencias continuas de fondo.

Paso 1: identifica el objeto matemático

Determina la métrica adecuada para el tipo de datos:

• Relaciones lineales sin outliers: Coeficiente de correlación de Pearson $r$.
• Relaciones monótonas no lineales o con presencia de outliers: Coeficiente de correlación de rangos de Spearman $\rho_s$.
• Series temporales continuas dependientes del tiempo: Función de correlación cruzada con retraso $\tau$: $R_{xy}(\tau) = \int x(t) y(t+\tau) dt$.

Paso 2: elige la operación

Para el coeficiente de Pearson $r$:

1. Calcula las medias muestrales $\bar{x}$ e $\bar{y}$.
2. Calcula las sumas de cuadrados centradas: $S_{xx} = \sum_{i=1}^N (x_i - \bar{x})^2, \quad S_{yy} = \sum_{i=1}^N (y_i - \bar{y})^2$
3. Calcula el producto cruzado de covariación: $S_{xy} = \sum_{i=1}^N (x_i - \bar{x})(y_i - \bar{y})$
4. Evalúa el cociente de Pearson: $r = \frac{S_{xy}}{\sqrt{S_{xx} S_{yy}}}$

Paso 3: conserva unidades y signos

• Los numeradores y denominadores de la fórmula de Pearson comparten exactamente las mismas dimensiones físicas ($[x] [y]$), por lo que $r$ es un número puro adimensional.
• El signo algebraico de $S_{xy}$ determina el sentido físico de la asociación:
  • $r > 0$: cuando $X$ aumenta, $Y$ tiende a aumentar.
  • $r < 0$: cuando $X$ aumenta, $Y$ tiende a disminuir (relación inversa).

Paso 4: calcula

1. Contraste de significancia estadística: Bajo la hipótesis nula $H_0: \rho = 0$, el estadístico $t$ de Student sigue una distribución con $\nu = N - 2$ grados de libertad: $t = \frac{r \sqrt{N - 2}}{\sqrt{1 - r^2}}$ Si $|t| > t_{\text{crítico}}$ (para el nivel de significancia elegido $\alpha = 0.05$ o $0.01$), se rechaza la hipótesis nula de ausencia de correlación.
2. Transformación de Fisher para intervalos de confianza: $z_r = \frac{1}{2} \ln\left( \frac{1 + r}{1 - r} \right) = \operatorname{artanh}(r), \qquad \sigma_z = \frac{1}{\sqrt{N - 3}}$

Paso 5: interpreta el resultado (Test de causalidad física)

Para evaluar si la correlación refleja una relación causal real, aplica la prueba sistemática de cuatro filtros:

1. Filtro temporal: ¿Ocurre la variación de $X$ estrictamente antes que la de $Y$ ($t_X < t_Y$)? Si $Y$ cambia antes de aplicar $X$, $X$ no puede ser la causa.
2. Filtro de confusión: ¿Existe una variable física $Z$ (temperatura ambiente, presión atmosférica, envejecimiento temporal) que afecte simultáneamente a $X$ e $Y$? Realiza correlación parcial $r_{xy.z} = \frac{r_{xy} - r_{xz} r_{yz}}{\sqrt{(1 - r_{xz}^2)(1 - r_{yz}^2)}}$. Si $r_{xy.z} \to 0$, la correlación original era espuria.
3. Filtro de intervención experimental: Si fuerzas externamente el valor de $X$ mediante un generador de señales o actuador ($do(X)$), ¿responde $Y$ como predice el modelo?
4. Mecanismo dinámico: ¿Existe una ecuación diferencial o ley de conservación física fundamental que conecte $X$ con $Y$?

Checklist de autocontrol

• ¿He comprobado que el valor de $r$ esté en el rango $[-1, 1]$?
• ¿He graficado los datos para asegurar que $r \approx 0$ no enmascare una relación cuadrática o circular?
• Si los datos son series temporales, ¿he eliminado las tendencias lineales comunes antes de correlacionar?
• ¿He evitado inferir una relación causal sin haber verificado la precedencia temporal y la ausencia de factores de confusión?
• ¿He calculado el valor $p$ o el estadístico $t$ para comprobar que la correlación no sea fruto de una muestra reducida?

Ejemplo guiado: Correlación espuria frente a causalidad en física de semiconductores

Situación física

En una sala limpia de fabricación de microchips de silicio, un ingeniero de control de calidad monitorea diariamente durante 30 días dos variables en una cámara de deposición química de vapor (CVD):

• $X$: La concentración de impurezas de oxígeno disuelto en las obleas de silicio (medida en partes por millón, ppm).
• $Y$: La tasa de fallo dieléctrico de los transistores en las pruebas de tensión de ruptura (defectos por centímetro cuadrado).

Al cruzar los datos se observa una correlación lineal aparente de $r = 0.88$ ($p < 0.0001$). El ingeniero concluye preliminarmente que "el oxígeno en la oblea causa directamente la degradación del dieléctrico de puerta" y propone un costoso cambio de proveedor de obleas.

Traducción matemática

Se dispone de una muestra de $N=30$ pares $(x_i, y_i)$. El coeficiente de Pearson es $r = 0.88$. El estadístico $t$ de Student asociado es: $t = \frac{0.88 \sqrt{30 - 2}}{\sqrt{1 - (0.88)^2}} = \frac{0.88 \times \sqrt{28}}{\sqrt{1 - 0.7744}} = \frac{0.88 \times 5.2915}{\sqrt{0.2256}} = \frac{4.6565}{0.4750} \approx 9.80$ Con $p < 10^{-10}$, la correlación estadística entre $X$ e $Y$ es indiscutible. Sin embargo, se registra una tercera variable física en la cámara:

• $Z$: Fluctuación de la temperatura de la placa calefactora del reactor CVD (en $^{\circ}\text{C}$). Los datos muestran correlaciones cruzadas individuales: $r_{xz} = 0.92$ (temperaturas altas aumentan la difusión de oxígeno en la cámara). $r_{yz} = 0.90$ (temperaturas altas provocan microfisuras térmicas en el óxido de silicio).

Cálculo paso a paso

Para discernir si el oxígeno $X$ tiene una relación causal directa sobre los defectos $Y$ o si la correlación observada es un artefacto espurio causado por la temperatura del reactor $Z$, calculamos el coeficiente de correlación parcial $r_{xy.z}$ controlando estadísticamente el efecto de $Z$: $r_{xy.z} = \frac{r_{xy} - r_{xz} r_{yz}}{\sqrt{(1 - r_{xz}^2)(1 - r_{yz}^2)}}$

1. Numerador: $r_{xy} - r_{xz} r_{yz} = 0.88 - (0.92 \times 0.90) = 0.88 - 0.828 = 0.052$
2. Denominador: $\sqrt{(1 - (0.92)^2)(1 - (0.90)^2)} = \sqrt{(1 - 0.8464)(1 - 0.8100)} = \sqrt{0.1536 \times 0.1900} = \sqrt{0.029184} \approx 0.1708$
3. Correlación parcial resultante: $r_{xy.z} = \frac{0.052}{0.1708} \approx 0.304$
4. Contraste de significancia de la correlación parcial: Los grados de libertad con una variable de control son $\nu = N - 3 = 27$: $t_{\text{parcial}} = \frac{0.304 \sqrt{27}}{\sqrt{1 - (0.304)^2}} = \frac{0.304 \times 5.196}{\sqrt{1 - 0.0924}} = \frac{1.580}{\sqrt{0.9076}} = \frac{1.580}{0.9527} \approx 1.66$ Para $\nu = 27$, el valor crítico de dos colas a nivel $\alpha = 0.05$ es $t_{0.05} = 2.052$. Como $|t_{\text{parcial}}| = 1.66 < 2.052$, el valor $p$ es superior a $0.10$ (no estadísticamente significativo).

Lectura del resultado

Al controlar la temperatura del reactor ($Z$), la supuesta relación entre la concentración de oxígeno ($X$) y la tasa de defectos ($Y$) colapsa y pierde significancia estadística. La variable $Z$ era un confusor común: la temperatura inestable causaba tanto la incorporación de impurezas de oxígeno como la degradación dieléctrica. Cambiar de proveedor de obleas habría sido un gasto inútil; la intervención causal correcta es estabilizar el lazo de control térmico del reactor CVD.

Error común evitado

Asumir que una correlación con $p < 10^{-10}$ prueba causalidad directa. El análisis multivariable y la correlación parcial son obligatorios en física experimental cuando no se controlan activamente todas las condiciones termodinámicas.

Ejemplo inverso: Detección de acoplamiento causal mediante retraso temporal (Time-Lagged Cross-Correlation)

Situación física

En geofísica espacial se estudian las tormentas geomagnéticas midiendo dos señales temporales continuas:

• $X(t)$: La componente hacia el sur del campo magnético interplanetario del viento solar $B_z(t)$ medida por el satélite ACE en el punto de Lagrange L1 (a $1.5 \times 10^6 \text{ km}$ de la Tierra).
• $Y(t)$: El índice geomagnético de perturbación ionosférica $Dst(t)$ medido por estaciones magnéticas terrestres.

La correlación instantánea contemporánea (sin desfase temporal, $\tau = 0$) da $r(0) = -0.15$ (muy débil). Sin embargo, al calcular la función de correlación cruzada $R_{xy}(\tau)$ variando el retardo $\tau$, se observa un pico pronunciado y estrecho de correlación negativa $r(\tau^*) = -0.85$ para un retardo exacto de $\tau^* = 45 \text{ minutos}$.

Resultado dado

Correlación contemporánea nula: $r(0) \approx 0$. Correlación cruzada máxima con desfase: $r(45 \text{ min}) = -0.85$.

Reconstrucción analítica

La correlación cruzada en función del retraso temporal se define como: $R_{xy}(\tau) = \frac{\sum_t [X(t) - \bar{X}][Y(t + \tau) - \bar{Y}]}{\sqrt{\sum_t [X(t) - \bar{X}]^2} \sqrt{\sum_t [Y(t) - \bar{Y}]^2}}$ El retardo óptimo $\tau^* = +45 \text{ min}$ satisface $\tau^* > 0$. Esto demuestra matemáticamente que las variaciones en $X$ preceden cronológicamente a las respuestas de $Y$ en exactamente tres cuartos de hora.

Qué pregunta física permite responder

¿Es este desfase temporal compatible con la velocidad física de propagación del viento solar? La distancia del satélite ACE a la magnetosfera terrestre es de aproximadamente $d = 1.35 \times 10^6 \text{ km} = 1.35 \times 10^9 \text{ m}$. La velocidad de propagación de la perturbación del viento solar deducida es: $v_{\text{plasma}} = \frac{d}{\tau^*} = \frac{1.35 \times 10^9 \text{ m}}{45 \times 60 \text{ s}} = \frac{1.35 \times 10^9}{2700 \text{ s}} = 5.0 \times 10^5 \text{ m/s} = 500 \text{ km/s}$ Esta velocidad coincide exactamente con la velocidad de flujo del viento solar rápido medida directamente por los espectrómetros de plasma de protones. El análisis de desfase confirma el mecanismo causal: el campo magnético del viento solar viaja a $500 \text{ km/s}$, impacta la magnetopausa terrestre 45 minutos después y desencadena la reconexión magnética.

Verificación de límites

Si se invierte el retraso a $\tau = -45 \text{ min}$ (el suelo terrestre precede al satélite solar en el espacio profundo), la correlación cruzada es estrictamente nula ($r(-45) = 0.02$), respetando de forma rigurosa la causalidad relativista y la flecha del tiempo.

Errores comunes en Correlación y Causalidad

1. Concluir causalidad a partir de un valor elevado de $r$

Parece razonable porque si dos magnitudes oscilan juntas de forma armónica, la intuición sugiere que una mueve a la otra. Falla porque una alta correlación puede originarse por una causa común oculta (confundidor $Z$), por retroalimentación cíclica o por puro azar en muestras reducidas. Se detecta si se proponen mecanismos causales sin haber realizado pruebas de intervención ($do(X)$) o aislamiento experimental. Se corrige realizando ensayos controlados donde se altere activamente $X$ mientras se mantienen invariables los demás parámetros del sistema. Mini-ejemplo: la presión barométrica y el punto de ebullición del agua correlacionan fuertemente con la altitud; afirmar que el agua hirviendo en la cocina altera la presión atmosférica regional invierte la causalidad real.

2. Asumir independencia física porque $r = 0$

Parece razonable porque $r = 0$ se describe coloquialmente como "sin correlación". Falla porque el coeficiente de Pearson solo detecta dependencias lineales. Si la relación física es circular ($x^2 + y^2 = R^2$), parabólica ($y = x^2$) o sinusoidal ($y = \sin x$), $r$ puede ser exactamente cero a pesar de que la física sea totalmente determinista. Se detecta al observar un diagrama de dispersión con patrones geométricos claros que arroje un valor de cálculo $r \approx 0$. Se corrige utilizando métricas de información mutua $I(X; Y)$, correlación de distancia de Székely o el coeficiente no paramétrico de Spearman. Mini-ejemplo: en una trayectoria balística simétrica, la posición horizontal $x$ y la energía potencial gravitatoria $E_p(x)$ tienen correlación de Pearson $r = 0$, pero $E_p$ está rígidamente fijada por $x$.

3. Correlacionar series temporales no estacionarias con tendencia

Parece razonable porque calcular la fórmula de Pearson sobre dos columnas temporales es inmediato en cualquier software. Falla porque el Teorema de Yule demuestra que dos procesos estocásticos no estacionarios independientes (como dos paseos aleatorios con deriva) producen correlaciones espurias de gran magnitud con altísima probabilidad. Se detecta si los datos presentan una pendiente temporal sostenida y los residuos del ajuste muestran autocorrelación serial muy elevada (estadístico de Durbin-Watson $d \ll 2$). Se corrige aplicando pruebas de raíces unitarias (Dickey-Fuller) y trabajando siempre sobre series diferenciadas estacionarias ($\Delta x_t, \Delta y_t$) o mediante modelos de cointegración de Engle-Granger. Mini-ejemplo: el precio del cobre y la velocidad de rotación de la Tierra medidos a lo largo de 50 años muestran correlaciones altas sin vínculo físico alguno.

4. El sesgo de selección y acondicionamiento en colisionadores (paradoja de Berkson)

Parece razonable porque filtrar o seleccionar una muestra de datos que cumpla cierta condición experimental parece una buena práctica de limpieza. Falla porque si seleccionas datos condicionando en una variable $Z$ que es consecuencia común de dos factores independientes $X$ e $Y$ ($X \to Z \leftarrow Y$), inducirás una correlación espuria negativa artificial entre $X$ e $Y$. Se detecta cuando un experimento de laboratorio filtra eventos exigiendo que la suma o energía total $Z = E_1 + E_2$ supere un umbral de disparo del detector. Se corrige analizando los grafos causales (DAGs) y evitando acondicionar en variables colisionadoras. Mini-ejemplo: en un calorímetro de física nuclear que solo registra eventos si la energía combinada $E_1 + E_2 > 10 \text{ MeV}$, dos partículas emitidas de forma independiente parecerán estar fuertemente anticorrelacionadas.

5. Confundir la dirección del flujo causal en sistemas dinámicos acoplados

Parece razonable porque la causa y el efecto coexisten en el mismo fenómeno físico. Falla porque en circuitos con retroalimentación (feedback) o fluidos acoplados, la correlación instantánea no revela si $A$ estimula a $B$ o si $B$ amortigua a $A$. Se detecta si no se realiza un análisis de desfase temporal dinámico ni se introducen perturbaciones impulsionales de Dirac para medir la respuesta al escalón. Se corrige empleando la causalidad de Granger, la entropía de transferencia de Schreiber o ensayos de respuesta en frecuencia con barrido de Bode. Mini-ejemplo: en un termostato de laboratorio, la temperatura de la habitación y la corriente de la resistencia calefactora están correlacionadas negativamente en promedio (cuando hace frío la estufa se enciende), lo que podría llevar al error absurdo de pensar que encender la estufa enfría la habitación.

Regla rápida de detección

• ¿$r$ es alto? Comprueba si ambas variables crecen con el tiempo. Si es así, la correlación es casi seguro espuria.
• ¿$r$ es cero? Mira el gráfico de dispersión. Si ves una parábola o una curva, hay física causal real oculta.

Aplicaciones físicas de Correlación y Causalidad

1. Óptica cuántica: correlaciones de entrelazamiento y teorema de Bell

Aparece en física cuántica fundamental al comprobar el entrelazamiento entre pares de fotones polarizados emitidos por conversión paramétrica descendente espontánea (SPDC) y dirigidos hacia polarizadores distantes orientados en ángulos $\alpha$ y $\beta$. Se calcula evaluando el coeficiente de correlación cuántica de polarización $E(\alpha, \beta) = \frac{N_{++} + N_{--} - N_{+-} - N_{-+}}{N_{++} + N_{--} + N_{+-} + N_{-+}} = -\cos(2(\alpha - \beta))$. El resultado da la violación experimental de la desigualdad de Bell-CHSH ($|S| \leq 2$ para modelos clásicos de variables ocultas locales frente a $|S| = 2\sqrt{2} \approx 2.828$ predicho por la mecánica cuántica). El error peligroso es interpretar la correlación cuántica instantánea como una señal causal más rápida que la luz (violación de causalidad relativista de Einstein); el teorema de no-comunicación demuestra que ninguna información causal clásica puede transmitirse modulando polarizadores locales porque las distribuciones marginales $P(A)$ y $P(B)$ son completamente independientes y aleatorias. Como control final se verifica que el cierre de los vacíos de detección (detection loophole) y localidad espacial (locality loophole) preserve la violación estricta de las desigualdades de Bell sin superar la velocidad de la luz.

2. Geofísica y meteorología: teleconexiones climáticas y El Niño (ENSO)

Aparece en climatología física al estudiar la teleconexión entre anomalías de temperatura superficial del océano en el Pacífico ecuatorial (índice Niño 3.4) y patrones globales de precipitación y presión atmosférica (Oscilación del Sur). Se calcula aplicando funciones de correlación cruzada con retraso temporal $R(\tau)$ y análisis de causalidad de Granger sobre campos de viento y temperatura superficial a nivel global. El resultado da el tiempo de propagación de las ondas de Kelvin y Rossby atmosféricas (de 2 a 4 meses de retardo), lo que permite predecir sequías o inundaciones estacionales con meses de antelación. El error peligroso es correlacionar directamente las temperaturas superficiales sin filtrar el ciclo estacional anual ni la tendencia térmica secular del calentamiento global, lo que generaría correlaciones climáticas falsas inducidas por el forzamiento solar periódico. Como control final se descompone la variabilidad mediante funciones ortogonales empíricas (EOF / PCA) aislando el modo físico de ENSO.

3. Dinámica de fluidos: correlaciones espaciales en turbulencia de Kolmogorov

Aparece en túneles de viento y aerodinámica experimental para caracterizar la estructura de vórtices y la cascada de energía en flujos turbulentos mediante anemometría de hilo caliente. Se calcula evaluando la función de correlación espacial longitudinal de fluctuaciones de velocidad $R_{LL}(r) = \frac{\langle u(x) u(x + r) \rangle}{\langle u^2 \rangle}$ y la función de estructura de segundo orden $D_{LL}(r) = \langle [u(x + r) - u(x)]^2 \rangle$. El resultado da la escala integral de turbulencia $L = \int_0^\infty R_{LL}(r) dr$ y confirma la ley universal de Kolmogorov de dos tercios $D_{LL}(r) \sim r^{2/3}$ en el rango inercial. El error peligroso es asumir correlación isotrópica en flujos próximos a paredes sólidas donde los gradientes de cizalladura rompen la simetría espacial e introducen anisotropía causal marcada. Como control final se comprueba mediante la hipótesis de Taylor de turbulencia congelada que la correlación espacial inferida de la serie temporal concuerde con mediciones ópticas PIV simultáneas.

4. Astrofísica de altas energías: desfase temporal en estallidos de rayos gamma (GRB)

Aparece al detectar pulsos de fotones de rayos gamma de distintas energías emitidos durante colapsos estelares o fusiones de estrellas de neutrones a distancias cosmológicas. Se calcula aplicando la técnica de correlación cruzada lagarítmica (MCCF) entre las curvas de luz de fotones de alta energía ($> 300 \text{ keV}$) y de baja energía ($25 - 50 \text{ keV}$). El resultado da el retardo temporal espectral (spectral lag) $\tau_{\text{lag}}$, el cual correlaciona inversamente con la luminosidad pico intrínseca del chorro relativista según la relación empírica de Norris. El error peligroso es atribuir el desfase temporal exclusivamente a física de gravedad cuántica (dispersión del vacío o violación de invarianza Lorentz) sin descartar antes los mecanismos astrofísicos intrínsecos de emisión sincrotrón y enfriamiento de choque en el cascarón relativista. Como control final se comprueba que el desfase temporal no crezca linealmente con el corrimiento al rojo $z$ para diversas distancias cosmológicas antes de emitir afirmaciones sobre dispersión del vacío.

5. Física nuclear y de reactores: monitoreo de reactividad por ruido neutrónico

Aparece en ingeniería nuclear para medir el coeficiente de temperatura del moderador y la estabilidad del núcleo de un reactor de potencia sin perturbar su operación comercial. Se calcula evaluando la función de densidad espectral cruzada (CPSD) y la función de coherencia $\gamma_{xy}^2(f) = \frac{|S_{xy}(f)|^2}{S_{xx}(f) S_{yy}(f)}$ entre detectores de neutrones en el núcleo y termopares a la salida del refrigerante. El resultado da la función de transferencia en lazo cerrado y determina si el coeficiente de reactividad por temperatura es negativo y seguro frente a oscilaciones inestables. El error peligroso es interpretar una alta coherencia a frecuencias de red eléctrica ($50 \text{ Hz}$ o $60 \text{ Hz}$) como acoplamiento termohidráulico nuclear, cuando en realidad es una contaminación espuria inducida por interferencia electromagnética de las bombas de refrigeración. Como control final se verifica que la fase de la función de transferencia cruzada muestre una pendiente lineal correspondiente al tiempo de tránsito físico del refrigerante entre los sensores.

Práctica guiada: Correlación y Causalidad

Nivel 1: reconocimiento

Analiza cada una de las siguientes afirmaciones e indica si describe una correlación estadística o una relación causal física:

1. En un circuito eléctrico simple, al duplicar la tensión aplicada en bornes de una resistencia óhmica fija, la corriente eléctrica que circula por ella se duplica de inmediato.
2. En una ciudad costera, las ventas de helados y el número de rescates de bañistas en las playas presentan una correlación de $r = 0.95$.
3. En la atmósfera, la densidad del aire disminuye de forma monótona a medida que aumenta la altitud sobre el nivel del mar.
4. En un acelerador de partículas, el encendido del haz de protones produce un incremento instantáneo en la señal de los detectores de radiación Cerenkov.

Solución:

1. Relación causal directa (la diferencia de potencial genera el campo eléctrico acelerador de los portadores de carga según la ley de Ohm $I = V/R$).
2. Correlación espuria inducida por una causa común (la temperatura ambiental en verano es la variable de confusión $Z$ que incrementa ambas).
3. Relación causal mediada (el equilibrio hidrostático $\frac{dP}{dz} = -\rho g$ y la gravedad causan el gradiente barométrico).
4. Relación causal directa (las partículas cargadas ultra-relativistas superan la velocidad de fase de la luz en el medio y emiten fotones Cerenkov).

Nivel 2: aplicación directa

Se miden simultáneamente el voltaje aplicado $V$ (en voltios) y la fuerza magnética $F$ (en milinewtons) ejercida sobre una espira conductora en 5 puntos de laboratorio:

• $V = [1.0, 2.0, 3.0, 4.0, 5.0] \text{ V}$
• $F = [2.1, 3.9, 6.2, 7.8, 10.1] \text{ mN}$

Calcula el coeficiente de correlación lineal de Pearson $r$ y determina la proporción de varianza compartida $R^2$.

Solución:

1. Medias: $\bar{V} = 15/5 = 3.0 \text{ V}$, $\bar{F} = 30.1/5 = 6.02 \text{ mN}$.
2. Desviaciones centradas: $V - \bar{V} = [-2.0, -1.0, 0.0, +1.0, +2.0]$. $F - \bar{F} = [-3.92, -2.12, +0.18, +1.78, +4.08]$.
3. Sumas de cuadrados y productos cruzados: $S_{VV} = (-2)^2 + (-1)^2 + 0^2 + 1^2 + 2^2 = 4 + 1 + 0 + 1 + 4 = 10.0$. $S_{FF} = (-3.92)^2 + (-2.12)^2 + (0.18)^2 + (1.78)^2 + (4.08)^2 = 15.3664 + 4.4944 + 0.0324 + 3.1684 + 16.6464 = 39.708$. $S_{VF} = (-2)(-3.92) + (-1)(-2.12) + (0)(0.18) + (1)(1.78) + (2)(4.08) = 7.84 + 2.12 + 0 + 1.78 + 8.16 = 19.90$.
4. Coeficiente de Pearson: $r = \frac{S_{VF}}{\sqrt{S_{VV} S_{FF}}} = \frac{19.90}{\sqrt{10.0 \times 39.708}} = \frac{19.90}{\sqrt{397.08}} = \frac{19.90}{19.92686} \approx 0.99865$
5. Coeficiente de determinación: $R^2 = r^2 = (0.99865)^2 \approx 0.9973 \quad (99.73\%)$ Existe una correlación lineal positiva casi perfecta ($r \approx 0.999$), donde el $99.73\%$ de la dispersión de la fuerza magnética se asocia linealmente al voltaje aplicado.

Nivel 3: elección de herramienta

Dos detectores de ondas acústicas submarinas situados a $3 \text{ km}$ de distancia registran señales ruidosas continuas producidas por el paso de un cetáceo. Las señales temporales individuales $s_1(t)$ y $s_2(t)$ parecen ruido aleatorio incomprensible con $r(0) \approx 0$. ¿Qué técnica matemática permite detectar si ambas señales proceden de la misma fuente biológica y calcular la dirección de propagación de la onda?

Solución: La herramienta adecuada es la función de correlación cruzada temporal normalizada: $R_{12}(\tau) = \frac{\int s_1(t) s_2(t + \tau) dt}{\sqrt{\int s_1^2(t) dt \int s_2^2(t) dt}}$

1. Se barre el parámetro de retraso $\tau$ en el rango admisible $[-\tau_{\text{máx}}, +\tau_{\text{máx}}]$, donde $\tau_{\text{máx}} = d / v_{\text{sonido}} = 3000 \text{ m} / 1500 \text{ m/s} = 2.0 \text{ s}$.
2. Si existe una fuente común, $R_{12}(\tau)$ mostrará un pico agudo y pronunciado en un retraso específico $\tau^*$.
3. El valor del retardo $\tau^*$ determina la diferencia de tiempos de llegada (TDoA), permitiendo triangular la posición angular del emisor mediante trigonometría hiperbólica.

Nivel 4: interpretación física

Demuestra formalmente que para una variable física $X$ distribuida simétricamente en el intervalo $[-1, 1]$ con media cero (por ejemplo, la posición de un oscilador armónico $x(t) = \cos(\omega t)$) y la variable cuadrática $Y = X^2$ (proporcional a la energía potencial elástica $U = \frac{1}{2} k x^2$), el coeficiente de correlación lineal de Pearson es exactamente $r = 0$, a pesar de que $Y$ depende funcionalmente de $X$ al $100\%$ sin aleatoriedad alguna.

Solución: Como $X$ es simétrica alrededor de cero, su valor medio es $\bar{x} = 0$. Calculamos la covarianza entre $X$ e $Y = X^2$: $\operatorname{cov}(X, Y) = E[(X - \bar{x})(Y - \bar{y})] = E[X (X^2 - \bar{y})] = E[X^3 - X \bar{y}] = E[X^3] - \bar{y} E[X]$ Dado que la densidad de probabilidad de $X$ es simétrica respecto al origen ($f(-x) = f(x)$), cualquier momento de orden impar se anula estrictamente: $E[X] = \int_{-1}^1 x f(x) dx = 0, \qquad E[X^3] = \int_{-1}^1 x^3 f(x) dx = 0$ Por tanto: $\operatorname{cov}(X, Y) = 0 - 0 = 0 \implies r = \frac{\operatorname{cov}(X, Y)}{\sigma_X \sigma_Y} = 0$ Conclusión física: $r=0$ demuestra únicamente la ausencia de tendencia lineal inclinada. Una correlación nula jamás debe interpretarse como independencia física o ausencia de leyes causales deterministas.

Nivel 5: error intencionado

Un analista de datos climatológicos recopila datos de temperatura media anual $T_t$ y el número acumulado de kilómetros de autopistas pavimentadas $K_t$ en un país entre 1970 y 2020. Encuentra que ambas series crecen casi monótonamente en el tiempo y arrojan una correlación de Pearson de $r = 0.97$ con $p < 10^{-15}$. El analista publica: "El asfaltado de autopistas es la causa dominante del calentamiento atmosférico regional". Identifica el error metodológico y explica cómo debe corregirse el análisis.

Error metodológico: El analista comete el clásico error de regresión y correlación espuria en series temporales no estacionarias. Dos variables que comparten una tendencia secular monótona en el tiempo $t$ (ambas crecen con el paso de los años debido al desarrollo socioeconómico general) mostrarán una correlación matemática cercana a 1 aunque no tengan interacción física causal entre sí.

Corrección analítica:

1. Se debe eliminar la tendencia común (detrending) o aplicar el operador de primera diferencia temporal a ambas series: $\Delta T_t = T_t - T_{t-1}, \qquad \Delta K_t = K_t - K_{t-1}$
2. Calcular la correlación de Pearson sobre las series estacionarias incrementales $r(\Delta T, \Delta K)$.
3. Al realizar la diferenciación, se observará que los años con picos inusuales de construcción de autopistas no coinciden en absoluto con los años de anomalías térmicas positivas, colapsando el coeficiente $r$ a valores estadísticamente nulos ($r \approx 0.05$).