Que sont la corrélation et la causalité et en quoi sont-elles extraordinaires ?
Au moins deux facteurs considérés comme liés, dans un cadre factuel, si leurs qualités changent de telle sorte que l’estimation d’une variable augmente ou diminue de même que l’estimation de l’autre variable (malgré le fait qu’elle puisse être dans l’autre sens).
Par exemple, pour les deux facteurs “heures travaillées” et “salaire gagné”, il existe un lien entre les deux si l’augmentation des heures travaillées est liée à une augmentation de salaire gagné. Si l’on considère les deux facteurs “coût” et “obtention de pouvoir”, à mesure que le coût des marchandises augmente, la capacité d’un individu à acheter ces produits diminue (en attendant une rémunération constante).
La corrélation est une mesure factuelle (communiquée sous forme de nombre) qui décrit l’importance et l’importance d’un lien entre au moins deux facteurs. En tout état de cause, une relation entre les facteurs n’implique pas que l’ajustement d’une variable soit la raison de l’ajustement des estimations de l’autre variable.
Le lien de causalité démontre qu’une occasion est la conséquence de l’événement de l’autre occasion ; par exemple, il existe un lien de causalité entre les deux occasions. Il est également fait allusion à cette situation en tant que circonstances et résultats logiques.
Hypothétiquement, la distinction entre ces deux types de liens est tout sauf difficile à faire : une activité ou un événement peut en provoquer un autre (par exemple, le fait de fumer entraîne une expansion du danger de créer une croissance maligne des poumons), ou il peut être lié à un autre (par exemple, le fait de fumer est lié à l’abus d’alcool, mais il ne provoque pas de dépendance à l’alcool). En pratique, quoi qu’il en soit, il reste difficile d’établir de manière incontestable des circonstances et des résultats logiques, de contraster et d’établir la relation.
Pour quelle raison la corrélation et la causalité sont-elles significatives ?
L’objectif d’une grande partie de la recherche ou de l’investigation logique est de distinguer le degré d’identification d’une variable avec une autre variable. Par exemple :
Existe-t-il un lien entre le niveau de formation d’un individu et son bien-être ?
La possession d’un animal de compagnie est-elle liée à l’allongement de la durée de vie ?
Les efforts de promotion d’une organisation ont-ils permis d’augmenter le nombre d’articles vendus ?
Ces enquêtes, ainsi que d’autres, visent à déterminer s’il existe un lien entre les deux facteurs et, si par hasard il y a un lien, cela peut permettre de contrôler l’examen ultérieur visant à déterminer si une activité est à l’origine de l’autre. En obtenant le lien et la causalité, elle considère que les arrangements et les projets qui prévoient d’atteindre un résultat idéal sont mieux ciblés.
Comment la connexion est-elle estimée ?
Pour deux facteurs, un lien factuel est estimé par l’utilisation d’un coefficient de relation, auquel renvoie l’image (r), qui est un chiffre unique décrivant le niveau de connexion entre deux facteurs.
La valeur numérique du coefficient s’étend de +1,0 à – 1,0, ce qui donne un signe de la qualité et de l’évolution de la relation.
Si le coefficient de corrélation a une valeur négative (inférieure à 0), cela démontre un lien négatif entre les facteurs. Cela implique que les facteurs évoluent de manière inverse (c’est-à-dire lorsque l’on construit différentes réductions, ou lorsque l’on décline différentes augmentations).
Si le coefficient de corrélation a une valeur positive (supérieure à 0), cela démontre un lien positif entre les facteurs, ce qui implique que les deux facteurs font bouger un couple, par exemple lorsqu’une variable diminue l’autre, ou lorsqu’une variable augmente l’autre de la même manière.
Lorsque le coefficient de connexion est égal à 0, cela démontre qu’il n’y a pas de lien entre les facteurs (une variable peut rester stable alors que d’autres augmentent ou diminuent).
Si le coefficient de connexion est une mesure utile, il a ses limites :
Les coefficients de corrélation sont généralement liés à l’estimation d’une relation directe.
Par exemple, si vous analysez les heures travaillées et la rémunération d’un ouvrier qui facture son travail à l’heure, il existe un lien direct (ou linéaire) puisque chaque heure supplémentaire travaillée entraîne une augmentation de la rémunération d’un montant fiable.
En supposant, dans tous les cas, que les charges de l’artisan dépendant d’un sous-jacent fassent sortir la dépense et qu’une charge horaire diminue logiquement au fur et à mesure que l’activité s’allonge, le lien entre les heures travaillées et le salaire serait non linéaire, le coefficient de relation pouvant plutôt s’apparenter à 0.
Il faut être prudent lorsqu’on traduit l’estimation de “r”. Il est concevable de découvrir des liens entre de nombreux facteurs, de toute façon les liens peuvent être dus à des facteurs différents et n’ont rien à voir avec les deux facteurs considérés.
Par exemple, les offres de yaourts glacés et les offres d’écran solaire peuvent augmenter et diminuer sur une année de manière précise, mais ce serait une relation qui serait due aux impacts de la période (c’est-à-dire que le climat plus fumeur voit une augmentation des individus portant un écran solaire juste comme mangeant un dessert) plutôt qu’à un lien immédiat entre les offres d’écran solaire et de yaourt glacé.
Le coefficient de connexion ne doit pas être utilisé pour dire quoi que ce soit sur la relation entre les circonstances et les résultats logiques. En examinant l’estimation de “r”, nous pouvons déduire que deux facteurs sont liés, mais que l’estimation de “r” ne nous permet pas de savoir si une variable a été la raison de l’ajustement de l’autre.
Par quels moyens la causalité pourrait-elle être établie ?
La causalité est le territoire des connaissances qui sont normalement mal interprétées et abusées par les individus dans la conviction confuse que, au motif que les informations montrent un lien, il existe fondamentalement une relation causale cachée.
L’utilisation d’un rapport contrôlé est la meilleure méthode pour établir la causalité entre les facteurs. Dans un rapport contrôlé, l’exemple ou la population fait partie de deux, les deux ensembles étant équivalents à peu près en tout point. Les deux groupes reçoivent alors différents médicaments, et les résultats de chaque groupe sont évalués.
Par exemple, dans le cadre de la recherche thérapeutique, un groupe peut recevoir un faux traitement alors que l’autre groupe reçoit une autre sorte de prescription. Si les deux groupes obtiennent des résultats sensiblement différents, les différentes rencontres peuvent être à l’origine des différents résultats.
Pour des raisons morales, il y a des points de confinement à l’utilisation d’enquêtes contrôlées ; il ne serait pas approprié d’utiliser deux rassemblements équivalents et de faire en sorte que l’un d’eux connaisse un mouvement destructeur alors que l’autre n’en connaît pas. Pour déjouer cette situation, des examens d’observation sont fréquemment utilisés pour rechercher les liens et les causes du nombre d’habitants en cause. Ces examens permettent de jeter un coup d’œil sur les pratiques et les résultats des rassemblements et d’observer leur progression au bout d’un certain temps.
L’objectif de ces examens est de fournir des données mesurables à ajouter aux différentes sources de données qui seraient nécessaires pour déterminer s’il existe une causalité entre deux facteurs.
You may also like
Faux négatif
Lors de la compréhension de l’hypothèse, deux erreurs peuvent être assez déroutantes. Ces deux erreurs sont les faux négatifs et les faux positifs. Vous pouvez également vous référer à l’erreur faux négatif comme une erreur de type II et au faux positif comme une erreur de type I. Pendant votre apprentissage, vous pouvez penser que […]
Révision du Box Plot
Un box plot ou un box and whisker plot vous aide à afficher la répartition de la base de données sur un résumé en cinq chiffres. Le premier quartile Q1 sera le minimum, le troisième quartile Q3 sera la médiane et le cinquième quartile Q5 sera le maximum. Vous pouvez trouver les valeurs aberrantes et […]
Réseaux bayésiens
La création d’un modèle probabiliste peut être difficile mais s’avère utile pour l’apprentissage machine. Pour créer un tel modèle graphique, vous devez trouver les relations probabilistes entre les variables. Supposons que vous créiez une représentation graphique des variables. Vous devez représenter les variables comme des nœuds et l’indépendance conditionnelle comme l’absence d’arêtes. Les modèles graphiques […]
