Ok, la cosa es que todo este estudio se basa en una simulación que asume que las apariencias juegan un papel en la selección de pareja. Desarrollaron una evaluación de referencia de cuán atractivas eran las 600 fotos que usaban los cuarenta estudiantes. Luego insertaron estos datos en un modelo de simulación, donde dijeron que si establecemos los parámetros en tal o cual, y el atractivo es a partir de la encuesta de los estudiantes, y asumimos que el atractivo juega un papel importante en la selección de compañeros, ¿podemos establecer parámetros tales como ¿Que la selección de pareja interracial en nuestra simulación coincide con la selección de pareja interracial en la población, según el censo?
Bueno, por supuesto que puedes. Si juegas con parámetros, casi siempre puedes hacer que salga como quieras. Recientemente, realicé una simulación del cambio en el mercado de valores, año tras año, en el que pude establecer parámetros de aleatoriedad para obtener el mismo cambio y variación promedio que vemos en el mercado de valores de EE. UU. Luego ejecuté la simulación un montón de veces, para ver con qué frecuencia una inversión de 200K terminaría haciendo dinero o perdiendo dinero durante un período de veinte años. Generalmente hizo dinero, pero hubo un 5% de las veces que se perdió cada centavo. Es una pequeña parte del tiempo, pero aún así, es posible.
No hizo que mi esposa se sintiera muy segura, por lo que no pedimos dinero prestado para invertir. Pero en el mundo real, el mercado de valores se comporta de manera un poco diferente. El tiempo que sube, cambia de dirección y la cantidad del cambio probablemente no varíe únicamente en asociación con los rendimientos del año anterior, como supuso mi modelo.
Con cualquier modelo de simulación, tienes este problema. ¿Tienes todas las variables relevantes en tu modelo? Si no, puede hacer coincidir la distribución en el mundo real con su modelo, pero podría ser una coincidencia falsa, ya que puede jugar con parámetros para que la simulación salga bien.
En el mundo real, no jugamos con los parámetros y tenemos un conjunto completo de entradas. En la simulación, jugamos con parámetros y no tenemos idea de si nuestras entradas coinciden realmente con las del mundo real. De hecho, podemos suponer que no lo hacen.
La causalidad es muy difícil de determinar en la ciencia. La correlación es una cosa, pero no es causalidad, como todos sabemos. Construir una simulación basada en una suposición sobre la causalidad casi siempre confirmará tu hipótesis, si te permites manipular los parámetros a voluntad.
Así que no estoy seguro de lo que esto prueba, aparte de que podemos construir un modelo de simulación que imita el mundo real bastante bien. Solo porque podamos hacer eso no significa que sea realmente un modelo correcto.