ویرگول
ورودثبت نام
rohola zandie
rohola zandie
rohola zandie
rohola zandie
خواندن ۵ دقیقه·۷ سال پیش

همبستگی لزوما به معنای علیت نیست!

کوواریانس مثبت به معنای نوعی رابطه مثبت بین دو متغیر است: یعنی اگر اولی افزایش یابد دومی هم افزایش می یابد و برعکس (مثلا وقتی نمره درس ریاضی دانشجویان افزایش یابد معمولا نمره درس فیزیکشان هم افزایش می یابد) و اگر کوواریانس منفی باشد رابطه برعکس می شود: اگر اولی افزایش یابد دومی کاهش پیدا می کند و برعکس( مثلا وقتی زمان سپری کردن در کافه افزایش یابد نمره درس ریاضی کاهش می یابد و برعکس!) این موضوع آنقدر برای آمارادان ها مهم است که یک مفهوم جدا برای آن ایجاد کرده اند و اسم آن را همبستگی(کورریلیشن correlation) گذاشته اند. همبستگی بین دو متغیر همان کوواریانس آن است که به عددی بین -1 تا 1 نرمال شده است. برای نرمال کردن کافی است کواریانس را به واریانس دو متغیر تقسیم کنیم:

در متلب می توان همبستگی را به صورت زیر حساب کرد:

در ماتریسی که داریم همواره قطر اصلی برابر یک است و به معنای همبستگی کامل هر متغیری با خودش است. اما همبستگی بین x و y برابر با 0.25 است.

در شکل های زیر چند نمونه از داده های مختلف را می بینیم که چگونه با هم ارتباط دارند. هرقدر ارتباط بین دو متغیر خطی تر باشد میزان همبستگی به یک نزدیک تر است و هر قدر متغیر ها به هم بی ربط تر باشند داده ها به صورتی نا منظم پخش می شوند و نتیجه شبیه یک دایره می شود( چون ویژگی اول بدون توجه به ویژگی دوم مقادیر مختلفی میگیرد و بنابراین همه جا حضور دارد اما در حالت خطی زمانی که ویژگی اول یک مقدار دارد ویژگی دوم هم یک مقدار تقریبا متناظر میگیرد)

اگر بر روی مجموعه داده iris برنامه زیر را اجرا کنید میزان همبستگی ویژگی های مختلف را می بینید:

corr(iris_dataset’)

چیزی که تا الان متوجه شده اید این است که رابطه آماری بین دو متغیر تصادفی یک رابطه لزوما کامل، فرمول دار، خطی و خلاصه تر و تمیز نیست. این اتفاقا به متغیر هایی که در دنیای اطرافمان میبینیم نزدیک تر است:

✔️ کشیدن سیگار لزوما عمر را کم نمی کند اما همبستگی قوی ای بین کشیدن سیگار و کم شدن طول عمر وجود دارد.

✔️ پول خوشبختی نمی آورد، هر کسی هم که خوشبخت است پولدار نیست! اما وابستگی مثبت نسبتا قوی ای بین پول داشتن و خوشبختی وجود دارد.

وقتی این گونه به مسائل نگاه کنید از "منطقی" دیدن دنیا هم خلاص می شوید و آن را به صورت درست تر "آماری" می بینید!

اما به مساله به همین سادگی ها هم نیست زیرا دنیا پر است از همبستگی های بی معنی و صد البته افرادی هم هستند که با توسل به مغلطه ی همبستگی، بین چیز های بی ربط، ارتباط برقرار می کنند. برای نشان دادن پوچ بودن تکیه بیش از حد به همبستگی به مثال های زیر نگاه کنید:

همانطور که می بینید همبستگی قوی ای بین این متغیرها وجود دارم اما بعید میدانم کسی بین شما وجود داشته باشد که اعتقاد داشته باشد رابطه ای بین سن دختر شایسته آمریکا و قتل های با بخار وجود داشته باشد!


تشخیص نادرست بودن مواردی مانند بالا ساده است. اما مشکل اینجاست که بعضی اوقات حتی متخصصین دچار اشتباه می شوند و فکر می کنند هبستگی بین دو متغیر به معنای رابطه ی علی بین آن هاست: پزشکان تا مدت ها تصور می کردند استفاده از داروی HRT منجر به کاهش سکته های قلبی می شود تنها بر اساس داده هایی که نشان از یک همبستگی می داد!

اما ما چیزی به جز داده ها نداریم چگونه می توانیم بفمیم رابطه "علی" واقعی کدام است؟

دیوید هیوم فیلسوف تجربه گرای انگلیسی "علیت" را به صورت هم آیی (نظم در ادراک) دو اتفاق در طول زمان و اتفاق افتادن علت قبل از معلول تعریف می کند. با این که این تعریف بسیار مدرن و جامع است هنوز مشکلات زیادی دارد به طور مثال هم آیی تقریبا مشابه با هبستگی آماری است که مشکلات آن را دیدیم و همچنین در مورد بسیاری از متغیر ها تشخیص قبل تر آمدن یکی قبل از دیگری سخت و گاهی بی معنی است. مثلا زمان حضور نیکلاس کیج در فیلم و غرق شدن در استخر!

برای همبستگی آماری بین A و B حالت های زیر ممکن است:

تشخیص علیت نیازمند تحقیق زیادی بر روی تمامی جوانب مساله است و دانشمندان معمولا در نتیجه گیری برای یافتن علیت بسیار محتاط عمل می کنند. قبل از نتیجه گیری های کلی باید آزمون های تست آماری انجام شود و داده ها چندین بار مورد بررسی قرار گیرد. در نهایت اینکه همبستگی مفهومی بسیار مفید، حتی به اندازه خود علیت است.اما باید حواستان باشد وقتی با مجموعه داده ای روبرو می شوید سریعا نتیجه گیری نکنید! در قسمت های بعدی سعی میکنیم در مورد مفهوم توزیع احتمالاتی و چگونگی پیاده سازی آن در متلب صحبت کنیم.

آمارکامپیوتربرنامه نویسیاحتمالفلسفه
۲
۰
rohola zandie
rohola zandie
شاید از این پست‌ها خوشتان بیاید