Cum hoc ergo propter hoc (en latín, "juntamente con esto, luego a consecuencia de esto"), es una falacia lógica que afirma que dos eventos que ocurren a la vez tienen una relación causa-efecto.

En este tipo de falacia lógica, se hace una conclusión prematura sobre la causalidad después de observar una relación entre dos o más hechos. Normalmente, si se observa que un acontecimiento (A) sólo está correlacionado con otro acontecimiento (B), se garantiza a veces que A está automáticamente causando B, incluso cuando no hay ninguna evidencia que apoye una relación causa-efecto. El asegurar erróneamente que A causa B lo convierte en una falacia lógica, pues existen por lo menos cuatro posibilidades:

• (1.) B puede ser la causa de A, o
• (2.) un tercer acontecimiento, desconocido, es la causa de la relación entre A y B, o
• (3.) la relación es tan compleja que puede ser etiquetada como coincidente (dos hechos ocurriendo al mismo tiempo que no tienen una relación simple entre ellos, más allá de que están ocurriendo a la vez), o
• (4.) B puede ser la causa de A a la vez que A es la causa de B (contradiciendo que la única relación entre ambos es que A causa B).

En otras palabras, (1.) no puede haber una conclusión considerando la direccionalidad de una posible relación causa-efecto tan sólo teniendo en cuenta que A está correlacionada con B, y (2.) en una correlación entre dos acontecimientos existe siempre la posibilidad de que un desconocido tercero sea la causa de esa relación. Deteminar la existencia de una relación causa-efecto requiere una investigación científica, aún en aquellos casos en los que se asegura que la relación entre A y B es una correlación estadística "perfecta" (en estadística, los coeficientes +1 y -1, esto es, que en todo caso un acontecimiento o bien está presente con el otro o bien siempre ausente). El ejemplo (4.) describe un sistema auto-reforzante.

Ejemplos

Una investigación científica concluye que la gente que usa cannabis (A) tiene un mayor riesgo de desarrollar una enfermedad psiquiátrica. (B)

Esta correlación es a veces empleada para apoyar la teoría de que el uso de cannabis causa una enfermedad psiquiátrica (A es la causa de B). A pesar de que esto podría ser verdad, no podemos automáticamente percibir una relación causa-efecto de un estudio que sólo ha mostrado que aquellos que usan cannabis son más propensos a tener enfermedades psiquiátricas. De este mismo estudio se puede concluir que (1.) tener una predisposición a una enfermedad psiquiátrica causa el uso de cannabis (B causa A), o (2.) que un tercer factor (por ejemplo, la pobreza) es la verdadera causa de haber encontrado un gran número de gente (comparado con el público en general) que usa cannabis y sufre un desorden mental. Asumir que A causa B es tentador, pero se necesita otra investigación científica que pueda aislar extrañas variables cuando la actual sólo ha determinado una correlación estadística.

Otro ejemplo:

La venta de helados está fuertemente correlacionada con el índice de crímenes.

Por lo tanto, unas mayores ventas de helados causan el crimen.

El anterior argumento asegura prematuramente una relación entre las ventas de helados y el crimen. Una explicación más plausible es que las altas temperaturas hacen aumentar las ventas de helados pero también el índice del crimen, quizá por provocar irritación o cansancio ente la gente, o por aumentar el número de personas que salen por la noche.

Un ejemplo reciente:

Los niños que duermen con la luz encendida son más propensos a desarrollar miopía en la edad adulta.

Ésta fue la conclusión de un estudio del centro médico de la Universidad de Pensilvania, publicada el 13 de mayo de 1999 en la revista Nature, y que tuvo gran repercusión en la prensa de la época. Sin embargo, un posterior estudio de la Universidad Estatal de Ohio no encontró ningún enlace entre el hecho de que niños durmiendo con la luz encendida y el desarrollo de miopía, pero sí que encontró una fuerte relación entre la miopía parental y el desarrollo en los niños de este defecto, y también observó que los padres miopes tenían una mayor tendencia a dejar las luces encendidas en las habitaciones de sus hijos [1].

Otro ejemplo:

No comer causa anorexia nerviosa.

Éste podría ser un ejemplo del caso (4.): es cierto que no comer causa anorexia nerviosa, pero también se puede defender que el haber desarrollado anorexia nerviosa le hace a uno no comer.

Determinación de la causalidad

Para que un acontecimiento sea causa de otro ha de suceder primero, aunque a veces se dice que ambos ocurren simultáneamente.

Una consideración importante es la presencia o ausencia de un mecanismo conocido que pudiese explicar cómo un acontecimiento causa el otro. Usando un ejemplo anterior, si se descubre que los helados contienen una sustancia química que hace más agresivo a quien los ingiera, la causalidad sería más plausible. Un contraejemplo puede ser la astrología, donde no hay un mecanismo conocido convincente que explique por qué la personalidad de una persona pudiera ser afectada por la posición de las estrellas. Por supuesto, la ausencia de un mecanismo conocido no descarta la posibilidad de la existencia de uno desconocido.

Otra posibilidad en acontecimientos correlacionados es que la dirección de causalidad sugerida sea incorrecta. Por ejemplo:

Cada vez que se saca a la venta un juego de alto nivel, las ventas de las consolas aumentan.

Por lo tanto, los juegos de alto nivel coinciden en el tiempo con los picos de ventas de las consolas.

En este ejemplo, la causa más plausible sería que el aumento de las ventas de las consolas vienen causadas por la salida a la calle de juegos de alto nivel. En el ejemplo citado, la dirección de la causalidad es errónea.

El enunciado "correlación no implica causalidad" denota que es incorrecto deducir causalidad únicamente de una correlación estadística. Si sólo se tiene A y B, una correlación entre ellos no permite deducir que A causa B, o al revés, y menos aún deducir la conexión. Pero si había una causa común, y se tiene esa información, sí se puede establecer la estructura correcta. Más aún si se tiene un efecto común a partir de dos causas independientes.

Sin embargo, aunque se suele olvidar, este consejo también se exagera, como si implicase que no se puede deducir una causalidad de datos estadísticos. Obviamente, no se debe concluir prematuramente que los helados causan tendencias criminales. Se espera que la correlación nos lleve hasta la causalidad real. De nuevo, la tendencia es suponer que las correlaciones fuertes implican algún tipo de causalidad, independientemente de una causa común o algo más complicado como múltiples acontecimientos. El filósofo Hans Reichenbach sugirió el Principio de causa común, que básicamente afirma que las correlaciones fuertes tienen explicaciones causales, y que si no hay un camino causal de A a B (o al revés), entonces debe haber una causa común, quizá una remota.

El principio de Reichenbach está estrechamente unido a la condición causal de Markov usada en redes bayesianas. La teoría propone condiciones bajo las cuales se puede deducir una estructura causal, cuando no se tiene sólo correlaciones, sino también correlaciones parciales. Esto puede ayudar a nuestro problema. Por ejemplo, una vez considerada la temperatura, la correlación entre helados vendidos y crímenes desaparecen, que concuerda con una causa común.

En documentación estadística este tema se discute a menudo bajo el título de falsa correlación y la paradoja de Simpson.

El filósofo David Hume defendió que cualquier tipo de causalidad no puede ser percibida (y por tanto no puede ser conocida o probada), y en cambio sólo se puede percibir correlación. Sin embargo, podemos usar el método científico para descartar falsas causas.

Véase también

• Post hoc ergo propter hoc
• Relación espuria
• Lista de prejuicios cognitivos