Como correlação estatística e causalidade são diferentes

Video: Correlação Linear - Aula 1 - Diagrama de Dispersão

De todas as questões estatísticas incompreendidos, o que é talvez o mais problemático é o abuso dos conceitos de correlação e causalidade. Correlação, como um termo estatístico, é a medida em que duas variáveis ​​numéricos têm uma relação linear (isto é, uma relação que aumenta ou diminui a uma velocidade constante). Seguem-se três exemplos de variáveis ​​correlacionadas:

Video: Aula de Estatística - Correlação Linear - Diagrama de Dispersão

• O número de vezes que um grilos por segundo é fortemente relacionada com a temperatura- quando está frio fora, eles chirp menos frequentemente, e como a temperatura aquece, eles piar a uma taxa sempre crescente. Em termos estatísticos, você diz que o número de silvos de críquete e temperatura têm uma forte correlação positiva.

  Video: Correlação e causalidade

• O número de crimes (per capita) tem sido frequentemente encontrado para ser relacionado com o número de policiais em uma determinada área. Quando mais policiais patrulha a área, o crime tende a ser mais baixa, e quando menos policiais estão presentes na mesma zona, o crime tende a ser mais elevado. Em termos estatísticos dizemos que o número de policiais eo número de crimes têm uma forte correlação negativa.

  Video: Correlação e Regressão Linear Simples

• 
  
  
  

  O consumo de gelado (pintas por pessoa) e o número de mortes em Nova Iorque estão positivamente correlacionados. Ou seja, como a quantidade de sorvete vendido por pessoa aumenta, o número de assassinatos aumenta. Estranho mas verdade!

Mas correlação como uma estatística não é capaz de explicar porque ou como a relação entre duas variáveis, X e y, exists- apenas que ele existe.

causação vai um passo além do que correlação, afirmando que uma mudança no valor do X variável vai causar uma mudança no valor do y variável. Muitas vezes na pesquisa, nos meios de comunicação, ou no consumo público de resultados estatísticos, o salto é feito quando não deveria ser. Por exemplo, você não pode afirmar que o consumo de sorvete causas um aumento nas taxas de assassinato só porque eles estão correlacionados. De facto, o estudo mostrou que a temperatura foi positivamente correlacionada com ambas as vendas de sorvete e mortes. Quando você pode dar o salto causalidade? O caso mais interessante é quando um experimento bem projetado é conduzida que exclui outros fatores que poderiam estar relacionados com os resultados.

Você pode encontrar-se querer saltar para uma relação de causa e efeito quando uma correlação é pesquisadores found-, a mídia eo público em geral fazê-lo o tempo todo. No entanto, antes de fazer quaisquer conclusões, veja como os dados foram recolhidos e / ou esperar para ver se outros pesquisadores são capazes de replicar os resultados (a primeira coisa que eles tentam fazer depois “resultado inovador” de outra pessoa atinge as ondas de rádio).