Os dados nas mãos certas podem ser surpreendentemente inovadores e devem ser um componente chave de qualquer escolha. Uma das expressões mais conhecidas do analista americano, W. Edwards Deming, é: “Em Deus confiamos”. Todas as outras pessoas, tragam informações.”

Seja como for, repetidamente, a informação pode ser mal avaliada e mal interpretada. Um dos maiores equívocos é distinto entre causa e conexão.

Há algum tempo atrás, a Bloomberg descarregou um artigo de língua e bochecha sobre os perigos de misturar os dois. O artigo chegou a inferências selvagens como o Facebook está conduzindo a emergência da obrigação grega ou que a fama do nome da criança ‘Avas’ causou a bolha do alojamento dos EUA. Claramente, estes são modelos ultrajantes, no entanto, mostra as ameaças de não entender a distinção.

O que são a causa e a correlação?

Que tal começarmos com o essencial. Qual é o significado de causalidade versus correlação?

Tudo considerado, como indicado pela Agência de Insights é, “Uma medida factual (comunicada como um número) que representa o tamanho e o cabeçalho de uma conexão entre pelo menos dois fatores”.

Enquanto a causalidade “Mostra que uma ocasião é a consequência do evento da outra ocasião; por exemplo, há uma conexão causal entre as duas ocasiões. Isto é aludido adicionalmente como circunstâncias e resultados lógicos”.

A grande causa versus modelo de correlação que é utilizado com a maior frequência possível é que fumar corresponde ao abuso de bebidas alcoólicas, no entanto, não causa vício em bebidas alcoólicas. Enquanto fumar causa uma expansão no perigo de criar malignidade pulmonar.

Por que razão a distinção é significativa?

Fazer a distinção certa é básico. O evangelista publicitário avançado Avinash Kaushik, desde há muito tempo, explicou como não entender a distinção pode ser excepcionalmente perigoso. Kaushik apresentou um artigo do The Financial specialist, que destacou a declaração de que comer mais sobremesa pode ajudar a apoiar as pontuações dos substitutos na escala de compreensão do PISA.

“Para indivíduos comuns (não-investigadores), este gráfico e artigo parece genuíno”, composto por Kaushik. “Depois deste é um site respeitável e é um grupo legítimo”. Gracioso, e olha que há uma linha vermelha, o que se parece com uma apropriação razoável, e um R-quadrado!”

No entanto, Kaushik precisa de nós para contemplar as informações atuais e não confiar totalmente nas coisas.

Ele menciona que, apesar da ligação sensata entre estes índices informativos, não há, na verdade, nada que fundamente a causa de um e do outro. Embora possa dar a impressão de haver uma clara conexão associando nível de inteligência à utilização de iogurte congelado, a informação não revela conclusivamente nada além dessa correlação inegável.

Fazendo casos fortes

Finalmente, Kaushik utiliza o modelo de especialista financeiro como um ponto de partida para nos lembrar – e aos investigadores de todo o lado – de estarmos progressivamente desconfiados dos casos que chegam a fortes determinações a partir dos focos de informação correspondentes. Ele se referiu a vários modelos diferentes, incluindo ciência e suicídio, avaliações de qualidade de companhias aéreas e planos de vôo. A fonte de inspiração de Kaushik exortou os utilizadores a olhar mais para a informação e a manter uma distância estratégica dos fins simples.

“A nossa principal responsabilidade é ser desconfiado, enterrar e compreender, e dar um soco e um soco, e descartar o incrivelmente fora da base e na hipótese de não ser inacreditavelmente fora da base, naquele momento, para fazer sentido de como pode ser certo para que você possa fazer uma sugestão informada”, prosseguiu ele.

Fazendo certo

A causalidade é uma zona que é tão frequentemente quanto possível mal interpretada e pode ser muito bem difícil reunir a causalidade entre dois factores sem fazer um encontro controlado e aleatório. Além disso, uma ligação pode ser uma medida útil, mas tem limitações, pois geralmente está ligada à estimativa de uma relação directa. Seja como for, entender que a correlação não sugere a causalidade e perceber o que importa é um ponto decente para começar.