Skip to main content
LibreTexts - Ukrayinska

2.5: Кореляція та причинно-наслідкові зв'язки, розсіяні ділянки

  • Page ID
    65959
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

    Етикетка на банці Planters Cocktail Арахіс говорить: «Наукові дані свідчать, але не доводять, що вживання 1,5 унцій на день більшості горіхів, таких як арахіс, як частина дієти з низьким вмістом насичених жирів і холестерину і не призводить до збільшення споживання калорій може зменшити ризик серцевих захворювань. Дивіться харчову інформацію про вміст жиру (1,5 унції. це близько 53 штук)». Чому воно пишеться саме так і що означає це твердження? Існує багато досліджень, які показують, що дві змінні пов'язані один з одним. Сила зв'язку між двома змінними називається кореляцією. Змінні, які сильно пов'язані один з одним, мають сильну кореляцію. Однак, якщо дві змінні співвідносяться, це не означає, що одна змінна спричинила виникнення іншої змінної. Наведений вище приклад з етикетки Planters Cocktail Peanuts є прикладом цього. Існує сильна кореляція між вживанням дієти з низьким вмістом насичених жирів та холестерину та серцевими захворюваннями. Але ця кореляція не означає, що вживання дієти з низьким вмістом насичених жирів і холестерину призведе до зниження ризику серцевих захворювань. Там може бути багато різних змінних, які можуть викликати обидві змінні, про які йде мова, щоб піти вниз або вгору. Одним із прикладів є те, що генетичний склад людини може змусити їх не хотіти їсти жирну їжу, а також не розвивати серцеві захворювання. Незалежно від того, наскільки сильна кореляція між двома змінними, ви ніколи не можете точно знати, чи одна змінна викликає іншу змінну, що відбувається без проведення експериментів. Єдиний спосіб з'ясувати, чи дієта з низьким вмістом насичених жирів і холестерину насправді знижує ризик серцевих захворювань, - це провести експеримент. Тут ви говорите одній групі людей, що вони повинні їсти дієту з низьким вмістом насичених жирів і холестерину, а іншій групі людей, що вони повинні їсти дієту з високим вмістом насичених жирів і холестерину, а потім спостерігати за тим, що відбувається з обома групами протягом багатьох років. Морально робити цей експеримент не можна, тому немає можливості довести твердження. Саме тому в висловлюванні є слово «може». Ми бачимо багато кореляцій, як цей. Завжди переконайтеся, що не робіть заяву про кореляцію в заяву про причинно-наслідковий зв'язок.

    Приклад\(\PageIndex{1}\): Кореляція проти причинно-наслідкового зв'язку

    Для кожного з наступних сценаріїв дайте відповідь на питання і наведіть приклад іншої змінної, яка могла б пояснити кореляцію.

    1. Існує негативна кореляція між кількістю дітей у жінки та тривалістю її життя. Чи означає це, що наявність дітей змушує жінку померти раніше?

    Кореляція між двома змінними не означає, що одна викликає іншу. Можливою причиною для обох змінних може бути краще медичне обслуговування. Якщо є краща медична допомога, то тривалість життя зростає, а також з кращим охороною здоров'я контроль народжуваності є більш доступним.

    1. Існує позитивна кореляція між продажами морозива і кількістю потопаючих на пляжі. Чи означає це, що вживання морозива може призвести до того, що людина потоне?

    Кореляція між двома змінними не означає, що одна викликає іншу. Причиною обох може бути те, що температура піднімається. Чим вище температура, тим більше шансів хтось придбає морозиво і тим більше людей на пляжі.

    1. Існує кореляція між мірами талії та зап'ястя. Чи означає це, що вимірювання талії призводить до зміни вимірювання зап'ястя?

    Кореляція між двома змінними не означає, що одна викликає іншу. Причиною обох може бути генетика людини, харчові звички, звички фізичних вправ тощо.

    Як ми можемо визначити, чи існує кореляція між двома змінними? Найпростіший спосіб полягає в тому, щоб зіставити дві змінні разом як впорядковані пари на графіку, який називається розсіяною графіком. Щоб створити графік розкиду, врахуйте, що одна змінна є незалежною змінною, а інша - залежною змінною. Це означає, що залежна змінна залежить від незалежної змінної. Зазвичай ми встановлюємо ці дві змінні як впорядковані пари, де незалежна змінна перша, а залежна змінна - друга. Таким чином, при графіку незалежна змінна графікується уздовж горизонтальної осі, а залежна змінна - по вертикальній осі. Ви не з'єднуєте точки після побудови цих впорядкованих пар. Замість цього подивіться, чи є шаблон, наприклад, рядок, який добре підходить до даних. Ось кілька прикладів розкиду графіків і наскільки сильна лінійна кореляція між двома змінними.

    Малюнок\(\PageIndex{1}\): Графіки розкиду, що показують типи лінійної кореляції

    Створити сюжет розкиду не складає труднощів. Просто переконайтеся, що ви налаштували свої осі з масштабуванням, перш ніж почати будувати впорядковані пари.

    Приклад\(\PageIndex{2}\): Створення ділянки розсіювання

    Зібрані дані про тривалість життя та рівень народжуваності в різних країнах («Світові рейтинги охорони здоров'я», 2013). Була взята випадкова вибірка з 10 країн, і дані такі:

    Таблиця\(\PageIndex{2}\): Тривалість життя та рівень народжуваності в 2013 році
    Країна Тривалість життя (років) Коефіцієнт народжуваності (кількість дітей на матір)
    СІНГАПУРСЬКИЙ 82.3 1.1
    МОНАКО 81.9 1.8
    КАНАДА 81.5 1.6
    ЕКВАДОР 76 2.5
    МАЛАЙЗІЯ 73.9 3
    ЛИТВА 73.8 1.2
    БЕЛІЗ 73.6 3.4
    АЛЖИР 73 1.8
    ТРИНІДАД/ТОБ. 70.8 1.7
    ТАДЖИКІСТАН 67.9 3

    Щоб зробити графік розкиду, ви повинні вирішити, яка змінна є незалежною змінною, а яка є залежною змінною. Іноді очевидно, яка змінна яка, і в деяких випадках це не здається очевидним. У цьому випадку, здається, має більше сенсу передбачити, що робить тривалість життя, виходячи з рівня народжуваності, тому вибирайте тривалість життя залежною змінною, а рівень народжуваності - незалежну змінну. Горизонтальна вісь повинна охоплювати від 1,1 до 3,4, тому вона коливається від нуля до чотирьох, з відмітками кожної одиниці. Вертикальна вісь повинна охоплювати цифри від 70,8 до 81,9, тому мають її діапазон від нуля до 90, і мати галочки кожні 10 одиниць.

    Примітка: Завжди починайте вертикальну вісь з нуля, щоб уникнути перебільшення даних.

    Графік 2.5.3: Розсіяний графік тривалості життя проти рівня народжуваності

    З графіка видно, що існує дещо тенденція до зниження, але вона не помітна. Це говорить про те, що зі збільшенням рівня народжуваності тривалість життя зменшується. Тенденція не є сильною, що може бути пов'язано з недостатньою кількістю даних, або це може представляти фактичний зв'язок між цими двома змінними. Давайте подивимося, як виглядає графік розкиду з даними з усіх країн 2013 року («Світовий рейтинг охорони здоров'я», 2013).

    Графік 2.5.4: Розсіяний графік тривалості життя проти рівня народжуваності для всіх країн у 2013 році

    Знову ж таки, спостерігається тенденція до зниження. Це виглядає трохи сильніше, ніж попередній графік розкиду, і тенденція виглядає більш очевидною. Ця кореляція, ймовірно, буде вважатися помірною негативною кореляцією. Схоже, що існує тенденція, що чим вище рівень народжуваності, тим нижча тривалість життя. Увага: лише тому, що існує кореляція між більш високим рівнем народжуваності та меншою тривалістю життя, не припускайте, що менше дітей означатиме, що людина живе довше. Рівень народжуваності не обов'язково призводить до зміни тривалості життя. Є багато інших факторів, які можуть вплинути як, наприклад, медична допомога та освіта. Пам'ятайте, що кореляція не передбачає причинно-наслідкового зв'язку.