“Cidades com mais livrarias têm menos crimes.” “Pessoas que tomam café vivem mais.” “O consumo de sorvete sobe junto com os afogamentos.” Frases assim circulam o tempo todo, e todas compartilham o mesmo problema: elas observam duas coisas se movendo juntas e concluem que uma causa a outra. Essa é provavelmente a confusão mais comum em estatística — e também uma das mais fáceis de desarmar quando se conhecem os mecanismos por trás dela.
O que correlação realmente significa
Correlação é uma medida de quanto duas variáveis variam em conjunto. Quando os valores de uma sobem e os da outra também, a correlação é positiva. Quando uma sobe e a outra desce, é negativa. Quando não há padrão, a correlação fica perto de zero.
O coeficiente de correlação mais usado varia de -1 a +1. Os extremos representam relações perfeitamente lineares; o zero representa ausência de relação linear. É importante notar essas duas palavras: ausência e linear. Uma correlação próxima de zero não garante que não exista relação nenhuma — pode existir uma relação em curva que o coeficiente simplesmente não capta.
E, sobretudo, a correlação não diz absolutamente nada sobre quem causa o quê. Ela é simétrica: a correlação entre A e B é idêntica à correlação entre B e A. Uma medida simétrica não pode, por construção, indicar uma direção de causa.
As quatro explicações possíveis
Sempre que você encontra duas variáveis correlacionadas, existem quatro cenários possíveis. Causalidade direta é apenas um deles.
| Cenário | O que acontece | Exemplo |
|---|---|---|
| Causalidade direta | A realmente provoca B | Aumento da altitude provoca queda da pressão atmosférica |
| Causalidade reversa | B provoca A, e não o contrário | Supor que hospitais causam doença porque doentes estão neles |
| Variável oculta | Um terceiro fator C causa A e B | Calor causa consumo de sorvete e frequência a praias |
| Coincidência | Nenhuma relação real; acaso | Séries temporais longas que sobem por motivos independentes |
A variável oculta: o caso do sorvete
O exemplo do sorvete e dos afogamentos é o clássico do tema, e vale desmontá-lo com calma. É verdade que, ao longo do ano, o consumo de sorvete e o número de afogamentos sobem e descem juntos. Não é fraude estatística: a correlação existe mesmo.
Mas nenhuma das duas variáveis causa a outra. Existe um terceiro fator — a temperatura — que causa as duas. Dias quentes aumentam a venda de sorvete e também levam mais gente à água. Esse terceiro fator é chamado de variável de confusão ou variável oculta.
A pista para identificar uma variável oculta costuma ser uma pergunta simples: existe algo que poderia afetar as duas coisas ao mesmo tempo? Idade, renda, escolaridade, região, estação do ano e tamanho da população são suspeitos frequentes, porque influenciam quase tudo.
Causalidade reversa: a seta apontando para o lado errado
Às vezes existe sim uma relação de causa, mas na direção oposta à que se imaginou. Se alguém observa que pessoas que praticam exercício têm menos dores nas articulações e conclui que o exercício protege as articulações, a conclusão pode estar certa — ou pode ser que quem já tem dor simplesmente pare de se exercitar. As duas histórias produzem exatamente o mesmo dado observado.
Distinguir as duas exige informação adicional: acompanhar as mesmas pessoas ao longo do tempo, observar quem estava saudável no início, verificar a ordem dos acontecimentos. Um retrato único de um momento raramente resolve a questão.
Coincidência e o problema das séries que crescem
Duas séries temporais que crescem de forma constante vão apresentar correlação alta mesmo que não tenham nada em comum. O número de assinaturas de streaming e o consumo de energia elétrica no país provavelmente sobem juntos — assim como quase qualquer outro par de indicadores que acompanhe crescimento populacional e econômico.
Há ainda o efeito do volume de comparações. Se alguém testa milhares de pares de variáveis procurando coincidências, encontrará algumas correlações altíssimas por puro acaso. É por isso que “achar” uma correlação vasculhando dados é muito menos convincente do que prever uma correlação antes de olhar para eles.
Como a ciência tenta estabelecer causa
Se a correlação não basta, o que basta? A ferramenta mais forte é o experimento controlado com sorteio. A ideia: em vez de observar quem escolheu fazer algo, o pesquisador sorteia quem vai receber o tratamento e quem não vai.
O sorteio é o coração do método. Como a alocação é aleatória, as variáveis ocultas — idade, renda, hábitos, genética — se distribuem de maneira parecida entre os dois grupos. Se, depois, os grupos diferem no resultado, a explicação mais plausível é o tratamento, porque foi a única coisa distribuída de propósito.
Nem sempre é possível sortear. Não se pode sortear quem vai fumar, quem vai morar em qual cidade ou quem vai passar por um desastre natural. Nesses casos, pesquisadores recorrem a estudos observacionais com controles estatísticos, comparações entre grupos parecidos e análise de situações em que o acaso já separou as pessoas naturalmente. São métodos válidos, mas mais frágeis, e por isso a linguagem dos bons estudos observacionais costuma ser cautelosa: “associado a”, e não “causa”.
Sinais de alerta na leitura de uma notícia
- O texto usa “causa” mas o estudo diz “associação”. A diferença entre os dois verbos costuma ser o ponto em que a manchete exagera.
- Não se menciona o desenho do estudo. Observacional ou experimental? Quantas pessoas? Por quanto tempo?
- A relação é fácil demais de inverter. Se a frase continua fazendo sentido com a seta trocada, cuidado.
- Nenhuma variável de confusão é discutida. Estudos sérios normalmente listam o que tentaram controlar.
- O tamanho do efeito é omitido. Uma relação real mas minúscula pode ser estatisticamente detectável e praticamente irrelevante.
Correlação continua sendo útil
Nada disso significa que correlação seja inútil. Ela é ótima para previsão, mesmo sem causa: se sei que o consumo de sorvete sobe, posso prever que fará calor, ainda que o sorvete não aqueça nada. Correlações também funcionam como ponto de partida: muitas descobertas importantes começaram com alguém notando que duas coisas andavam juntas e resolvendo investigar por quê.
O erro não está em observar a correlação. Está em parar ali e chamá-la de explicação.
Conclusão
Sempre que dois números caminharem juntos, vale rodar mentalmente a lista: pode ser causa direta, pode ser causa invertida, pode haver um terceiro fator, pode ser acaso. Esse hábito de quatro segundos evita a maior parte dos erros de interpretação que aparecem em provas, em relatórios de trabalho e no noticiário.
Para quem quer ir além — coeficientes, regressão, testes de hipótese e leitura crítica de gráficos —, os cursos gratuitos de estatística e probabilidade da Cursa cobrem esse caminho de forma progressiva, com linguagem acessível a quem está começando.
