Korrelation och kausalitet

Vi får två dataparametrar.

1. En lärares skostorlek
2. En lärares lön

Vi vill veta om det sannolikt finns en korrelation mellan dessa parametrar. Om ja, vill vi veta om den korrelationen återspeglar ett orsakssamband. Observera att orsakssamband alltid återspeglar en korrelation, men korrelation innebär inte kausalitet. Låt oss komma ihåg definitionerna av korrelation och kausalitet.

• Korrelation: En statistisk koppling mellan två dataparametrar så att en förändring i den ena är förknippad med en förändring i den andra.
• Kausalitet: Ett förhållande mellan två korrelerade kvantiteter där den ena direkt påverkar den andra.

En lärares lön är mest relaterad till deras erfarenhet och kvalifikationer. Lönen bestäms inte alls av skostorlek under några omständigheter. Därför är det sannolikt ingen korrelation.

Tänk på en rea på hamburgare och mängden hamburgare som säljs. Hur är det med en prisökning och mängden hamburgare som säljs? I det här fallet är det troligt att det finns ett samband. Tänk på följande möjliga scenarier. Lägre kostnad &→ Ökning av försäljningen Högre kostnad &→ Minskning av försäljningen Folk kommer att köpa mer av något om det är billigare. Omvänt kommer de att köpa mindre av det om de tycker att det är för dyrt. Dessa scenarier är vanliga i verkligheten. Detta beskriver definitivt ett orsakssamband.

Vi vill ta reda på om den tid man pratar i en mobiltelefon korrelerar med återstående batteritid. Låt oss vara uppmärksamma på den här situationen.

Finns det en korrelation?

När du använder telefonen mycket tar batteriet slut snabbare än om du lämnar den orörd under samma tid. Därför, om du pratar i telefonen, kommer batteriet att förlora mer av sin laddning ju längre du pratar. En anpassningslinje som matchar den här situationen skulle sannolikt likna grafen nedan.

Observera att domänen endast kan vara värden inom den första kvadranten. Du kan inte prata under ett negativt antal minuter och du kan inte fortsätta prata efter att telefonens batteri har laddats ur helt. När du pratar dräneras batteritiden. Detta är en negativ korrelation.

Är förhållandet kausalt?

Telefonanvändningen är anledningen till att batteritiden minskar, så förhållandet är kausalt.

Vi vill ta reda på om ett barns längd korrelerar med storleken på deras ordförråd. Låt oss vara uppmärksamma på denna situation.

Finns det en korrelation?

Korrelerar ett barns längd med storleken på deras ordförråd? Ofta har längre barn ett större ordförråd. Anpassningslinjen skulle förmodligen se ut ungefär som grafen nedan.

Observera att domänen endast kan vara värden inom den första kvadranten. Ett barns längd och deras ordförrådsstorlek kan inte vara negativ. Dessutom kan barn inte ha en höjd på 0. Faktum är att en genomsnittlig längd för ett nyfött barn är mellan 45 och 55cm. Därför vet vi att grafen börjar vid någon positiv höjd. Om vi tittar på grafen kan vi säga att detta är en positiv korrelation.

Är förhållandet kausalt?

Observera att en positiv korrelation här inte betyder att en ökning av längden med en centimeter kommer att orsaka en förändring i ett barns ordförråd. Detta är inte ett kausalt samband. Kom ihåg att korrelation inte innebär kausalitet! Den mest troliga förklaringen här är att längre barn oftare är äldre och människor lär sig fler ord med åldern.

En korrelation är ett förhållande mellan datamängder. Vi vill veta om det är sannolikt att det finns en korrelation mellan hur många hattar en person äger och storleken på den personens huvud. Låt oss undersöka vad en positiv korrelation mellan dessa två skulle leda till.

En positiv korrelation låter osannolik. En negativ korrelation skulle å andra sidan innebära att en person med ett stort huvud vanligtvis äger få hattar. Detta låter också osannolikt. Detta betyder att korrelationen mellan antalet hattar en person äger och storleken på deras huvud är osannolik.