a:

Корреляция, положительная или отрицательная, никогда не подразумевает причинности. В статистике термин корреляция используется для описания взаимосвязи между двумя или более переменными. Корреляции положительны, когда увеличение частоты одной переменной сопровождается увеличением частоты другой переменной. Отрицательными корреляциями было бы обратное: уменьшение одной переменной в частоте сопровождалось уменьшением частоты другой переменной. Корреляция может быть ценным инструментом для статистического анализа, но она не может подразумевать причинность из-за того, что статистики называют смешающими переменными.

Смешивающие переменные влияют на отношения между двумя или более другими переменными способами, которые часто не обнаруживаются или неизмеримы. Guardian ссылается на корреляцию между курением и раком легких как хороший пример того, как смешающие переменные могут путать процесс корреляционного анализа. В этом случае наблюдалась очевидная положительная корреляция между увеличением курения и увеличением случаев рака легких. Тем не менее, аналитики не смогли окончательно определить, что сам по себе курильщик несет ответственность за увеличение из-за других факторов, таких как внедрение более совершенных диагностических процедур и увеличение промышленного и связанного с трафиком загрязнения. Поскольку все эти переменные были важны для определения причинности роста случаев рака легких, они омрачали связь между курением и раком легких и затрудняли точное определение точных отношений.

Это не означает, что корреляции не могут дать аналитикам лучшее понимание того, как две переменные влияют друг на друга, но эти типы анализа не могут обеспечить абсолютную уверенность. В случае курения и рака легких потребовалось более 40 000 врачей и многолетнее интенсивное исследование, чтобы с высокой степенью уверенности установить истинную связь между этими двумя переменными. При всем этом, чем сильнее корреляция между двумя переменными, положительная или отрицательная, тем больше вероятность того, что в игре есть хотя бы некоторое количество причинности. Если проанализировать корреляцию в финансовых целях, попробуйте исследовать, как это делают профессиональные финансовые учреждения.