Le informazioni nelle mani giuste possono essere molto incredibili e dovrebbero essere una componente chiave di qualsiasi scelta. Uno dei più assiomi di un analista americano, W. Edwards Deming, è: “In Dio abbiamo fiducia”. Tutti gli altri portino i dati”.

Sia come sia, più e più volte, le informazioni possono essere giudicate erroneamente e fraintese. Una delle più grandi idee sbagliate è quella che si distingue tra causalità e relazione.

Qualche tempo fa, Bloomberg ha pubblicato un articolo sui pericoli di mischiare le due cose. L’articolo trae conclusioni selvagge come Facebook sta guidando la crisi del debito greco o come la popolarità del nome del bambino ‘Avas’ abbia causato la bolla immobiliare statunitense. Chiaramente, si tratta di modelli oltraggiosi, eppure mostra le minacce di non comprendere la distinzione.

Cosa sono la causalità e la relazione?

Che ne dite di iniziare con i dadi e i bulloni. Qual è il significato di causalità rispetto alla connessione?

Tutto considerato, come indicato dal collegamento del Bureau of Statistics, è “una misura fattuale (comunicata come numero) che ritrae la dimensione e la portata di un collegamento tra almeno due fattori”.

Mentre la causalità “Mostra che un’occasione è la conseguenza dell’evento dell’altra occasione; per esempio, c’è una connessione causale tra le due occasioni. la sua è anche chiamata causa ed effetto”.

Il grande modello di causalità rispetto al modello di connessione che viene utilizzato per la maggior parte del tempo è che il fumo è associato all’abuso di alcolici, tuttavia, non causa l’abuso di alcolici. Mentre il fumo provoca un’espansione del pericolo di creare una crescita maligna polmonare.

Per quale motivo la distinzione è significativa?

La distinzione è fondamentale. L’evangelista Avinash Kaushik, che promuove l’evangelizzazione computerizzata, ha spiegato come non capire la distinzione possa essere rischiosa. Kaushik ha pubblicato un articolo di The Economist, che ha evidenziato l’affermazione che mangiare più yogurt gelato può aiutare a sostenere i punteggi dei sottostudio sulla scala di comprensione PISA.

“Agli individui comuni (non esperti), questo grafico e questo articolo sembrano autentici”, ha composto Kaushik. “Dopo questo è un sito affidabile ed è un gruppo legittimo. Santo cielo, e guardate che c’è una linea rossa, che assomiglia a un’autentica circolazione, e una R squadrata!

Sia come sia, Kaushik ha bisogno che noi riflettiamo sulle informazioni attuali e non ci fidiamo completamente delle cose.

Egli richiama l’attenzione sul fatto che, nonostante il ragionevole rapporto tra questi indici informativi, in realtà non c’è nulla che giustifichi la causalità dell’uno e dell’altro. Anche se può dare l’impressione di essere una chiara connessione che associa il QI all’utilizzo dello yogurt gelato, l’informazione non rivela completamente nulla, a parte questo cospicuo rapporto.

Fare casi forti

Finalmente Kaushik utilizza il modello dell’Economist come punto di partenza per ricordare a noi – e agli investigatori di tutto il mondo – di essere sempre più increduli di fronte a casi che fanno emergere forti determinazioni da informazioni collegate. Ha fatto riferimento a vari modelli diversi, tra cui la scienza e il suicidio, la valutazione della qualità degli aerei in volo e i piani di volo. La fonte di ispirazione di Kaushik ha esortato gli utenti a guardare oltre le informazioni e a mantenere una distanza strategica dai fini semplici.

“La nostra responsabilità è quella di essere sospettosi, di scavare e comprendere, di dare un colpo e una spinta e di respingere l’incredibilmente fuori strada e, nel caso in cui non sia ridicolmente fuori strada, a quel punto, di dare un senso a quanto possa essere giusto con l’obiettivo di poter dare un suggerimento informato”, ha proseguito.

Colpire il chiodo sulla testa

La causalità è una regione che viene abitualmente giudicata in modo errato e può essere notoriamente difficile dedurre la causalità tra due fattori senza fare un incontro controllato e randomizzato. Inoltre, una connessione può essere una misura utile ma ha dei limiti, in quanto è tipicamente connessa con la stima di una relazione retta. Sia come sia, capire che la connessione non suggerisce la causalità e realizzare la cosa che conta è un buon punto di partenza.