สาเหตุบ่งบอกถึงความสัมพันธ์หรือไม่?


118

ความสัมพันธ์ไม่ได้บ่งบอกถึงสาเหตุเนื่องจากอาจมีคำอธิบายมากมายสำหรับสหสัมพันธ์ แต่สาเหตุแสดงถึงความสัมพันธ์หรือไม่? โดยสังหรณ์ใจฉันจะคิดว่าการปรากฏตัวของสาเหตุหมายถึงมีความสัมพันธ์จำเป็น แต่สัญชาตญาณของฉันไม่ได้ให้บริการฉันอย่างดีในสถิติ สาเหตุบ่งบอกถึงความสัมพันธ์หรือไม่?


5
ปัญหาคือหากคุณค้นหา "บ่งบอก" ในพจนานุกรมคุณจะเห็นทั้ง "แนะนำ" และ "จำเป็น"
rolando2

6
ความสัมพันธ์ไม่ได้บอกเป็นนัยถึงสาเหตุ แต่มันทำให้คิ้วของมันขยับเขยื้อนอย่างมีนัยสำคัญ xkcd.com/552
jchristie

1
คำถามดูเหมือนจะไม่ได้มองหาคำตอบเฉพาะจริงตามที่ระบุโดยการใช้คำว่านัย การอ้างอิงข้างต้นเป็นเหมือนบางทีที่สุด หรือมากกว่าอาจจะเป็น แต่ฉันไม่สามารถพิสูจน์ได้
jchristie

คำตอบ:


96

เป็นจำนวนมากของคำตอบดังกล่าวข้างต้นได้ระบุสาเหตุไม่ได้หมายความถึงความสัมพันธ์เชิงเส้น เนื่องจากแนวคิดเรื่องสหสัมพันธ์จำนวนมากมาจากเขตข้อมูลที่ต้องอาศัยสถิติเชิงเส้นอย่างมากความสัมพันธ์โดยทั่วไปจึงถูกมองว่าเท่ากับความสัมพันธ์เชิงเส้น บทความวิกิพีเดียเป็นแหล่งเป็นไรสำหรับเรื่องนี้ผมชอบภาพนี้:

ตัวอย่างความสัมพันธ์

ดูตัวเลขในแถวด้านล่างตัวอย่างเช่นรูปร่างพาราโบลา - อิชในตัวอย่างที่ 4 นี่คือสิ่งที่เกิดขึ้นในคำตอบ @StasK (เพิ่มเสียงเล็กน้อย) Y สามารถเกิดขึ้นได้อย่างสมบูรณ์จาก X แต่ถ้าความสัมพันธ์ที่เป็นตัวเลขไม่ใช่เชิงเส้นและสมมาตรคุณจะยังคงมีความสัมพันธ์เป็น 0

คำที่คุณกำลังมองหาคือข้อมูลร่วมซึ่งเป็นความสัมพันธ์ทั่วไปที่ไม่ใช่แบบเชิงเส้น ในกรณีที่คำสั่งของคุณจะเป็นจริง: สาเหตุหมายถึงข้อมูลซึ่งกันและกันสูง


3
เป็นเรื่องปกติ แต่ไม่จริงเสมอไปที่ข้อมูลร่วมกันระดับสูงมาพร้อมกับสาเหตุ ดูคำตอบของ @ gung โดยที่ "ถ้าสาเหตุมีความสัมพันธ์อย่างสมบูรณ์กับตัวแปรสาเหตุอื่นที่มีผลตรงกันข้าม"
Neil G

5
ข้อโต้แย้งของทั้งสองสาเหตุที่มีผลตรงข้ามที่มักจะยกเลิกแต่ละอื่น ๆ ไม่ได้ทำให้ความรู้สึกมากให้ฉันเป็นสาเหตุ ฉันสามารถสันนิษฐานได้ว่ามียูนิคอร์นเป็นสาเหตุของบางสิ่งบางอย่างและ gremlins ยกเลิกความพยายามของพวกเขาอย่างสมบูรณ์แบบ ฉันหลีกเลี่ยงสิ่งนี้เพราะมันโง่ แต่บางทีฉันอาจเข้าใจผิดจุดของคุณ
Artem Kaznatcheev

11
ตัวอย่างของเขารุนแรงเกินกว่าที่จะเป็น เป็นไปได้ที่คุณจะมีตัวแปรบูลีนและซึ่งและเป็นสาเหตุของและ (mod 2) จากนั้นการขาดความรู้เกี่ยวกับ ,และก็ไม่มีข้อมูลร่วมกัน เป็นผู้สับสนที่ยังไม่ถูกค้นพบ - สิ่งที่คุณเรียกว่า "gremlins" แม้ว่ามันจะเป็นสิ่งที่พบได้บ่อยมาก A,BCABCC=A+BBACB
Neil G

2
@NielG ฉันเห็นด้วยกับประโยคแรกของคุณ แต่ไม่ใช่ประโยคที่สอง เพียงเพราะ A & B ทำให้ C ไม่ได้หมายความว่า A ทำให้ C และ B เป็นสาเหตุ C ฉันไม่เห็นสาเหตุที่ทำให้เกิดการกระจายมากกว่า &
Artem Kaznatcheev

4
สาเหตุที่ A เป็นสาเหตุของ C เนื่องจากการเปลี่ยนแปลง A จะเปลี่ยน C ดังนั้น C ขึ้นกับ A แม้ว่าเราไม่ได้สังเกต B
Neil G

41

คำตอบที่เข้มงวดคือ "ไม่สาเหตุไม่จำเป็นต้องสื่อถึงความสัมพันธ์"

พิจารณาและYสาเหตุไม่ได้รับการใด ๆ ที่แข็งแกร่ง:กำหนดYทว่าความสัมพันธ์ระหว่างและคือ 0 การพิสูจน์:ช่วงเวลา (ข้อต่อ) ของตัวแปรเหล่านี้คือ: ; ; ใช้ คุณสมบัติของการแจกแจงแบบปกติมาตรฐานที่ช่วงเวลาแปลก ๆ นั้นมีค่าเท่ากับศูนย์ (สามารถหาได้ง่ายจากฟังก์ชันการสร้างช่วงเวลาของมัน) ดังนั้นความสัมพันธ์มีค่าเท่ากับศูนย์XN(0,1)Y=X2χ12XYXYE[X]=0E[Y]=E[X2]=1

Cov[X,Y]=E[(X0)(Y1)]=E[XY]E[X]1=E[X3]E[X]=0

เพื่อกล่าวถึงความคิดเห็นบางส่วน: เหตุผลเดียวที่ข้อโต้แย้งนี้ใช้ได้เพราะการกระจายของนั้นมีศูนย์กลางที่ศูนย์และมีความสมมาตรประมาณ 0 ในความเป็นจริงการกระจายตัวอื่น ๆ ที่มีคุณสมบัติเหล่านี้ที่จะมีช่วงเวลาที่เพียงพอ สถานที่ของเช่นเครื่องแบบหรือ Laplace|) อาร์กิวเมนต์สมจริงเป็นที่สำหรับทุกค่าในเชิงบวกของมีค่าเท่าเทียมกันมีแนวโน้มเชิงลบของในขนาดเดียวกันดังนั้นเมื่อคุณสี่เหลี่ยมคุณไม่สามารถพูดได้ว่าค่าที่มากขึ้นของที่เกี่ยวข้องกับค่ามากกว่าหรือน้อย ของXN(0,1)(10,10)exp(|x|)XXXXY. อย่างไรก็ตามถ้าคุณพูดดังนั้น , ,และCov} นี้จะทำให้ความรู้สึกที่สมบูรณ์แบบสำหรับค่าของแต่ละด้านล่างเป็นศูนย์มีค่าไกลมีโอกาสมากขึ้นของที่อยู่เหนือศูนย์ดังนั้นค่าขนาดใหญ่ของที่เกี่ยวข้องกับค่าขนาดใหญ่ของY(อันหลังมีการกระจายที่ไม่ใช่ส่วนกลางคุณสามารถดึงความแปรปรวนจากหน้า Wikipedia และคำนวณสหสัมพันธ์หากคุณสนใจ)XN(3,1)E[X]=3E[Y]=E[X2]=10E[X3]=36Cov[X,Y]=E[XY]E[X]E[Y]=3630=60XXXYχ2


2
@DQdlM: ตัวแปรสุ่มมาตรฐานได้หายไปช่วงเวลากลางที่แปลกเนื่องจากความสม่ำเสมอของความหนาแน่น Matthew: คำตอบคือไม่ดังที่ StasK แสดงให้เห็นเพราะความสัมพันธ์ไม่ใช่การพึ่งพาเพียงอย่างเดียว
เอ็ม

3
@DQdlM: ดูกราฟด้านล่างตรงกลางในภาพแรกในวิกิพีเดียหน้าความสัมพันธ์ นั่นคือกรณีของ StasK ใช้งานได้เฉพาะเมื่อ x มีการกระจายเท่า ๆ กันเกี่ยวกับจุดกำเนิด (เช่นถ้าความสัมพันธ์จะค่อนข้างสูง)XN(3,1)
naught101

3
ป.ล. ฉันดีใจที่คุณโพสต์คำตอบนี้ มันยากที่จะเชื่อว่าคำถามนี้ใช้เวลานานมากโดยไม่มีคำตอบนี้ นี่คือตัวอย่างที่แน่นอนที่มาถึงใจของฉันเมื่อฉันเห็นคำถามนี้ แต่ไม่ได้มีเวลาที่จะเขียนมัน ฉันดีใจที่คุณไม่ใช้เวลาในการ ไชโย
พระคาร์ดินัล

3
@ cardinal: ใช่ฉันคิดว่าเราทุกคนได้เรียนรู้วิธีการโต้กลับแบบง่าย ๆ เหล่านี้ในโรงเรียนระดับบัณฑิตศึกษา ... และใช่จากการแปรปรวนร่วมของความแปรปรวนร่วมคุณจะต้องช่วงเวลาแรกและช่วงที่สามเป็นศูนย์ หากคุณมีตัวอย่างที่ไม่น่าสนใจของการแจกแจงแบบอสมมาตรซึ่งมีช่วงเวลาเป็นศูนย์ที่สาม (นับเป็นความน่าจะเป็นที่ได้รับการปรับอย่างละเอียดมากกว่าห้าหรือหกจุดจะไม่นับ) ฉันอยากรู้อยากเห็นมาก
StasK

3
ที่นี่ 'เวรกรรม' ถูกสันนิษฐานว่าสามารถแสดงออกได้เป็นฟังก์ชั่น นี่คือทำให้เกิดและถ้าหากมีอยู่ฟังก์ชั่นการวัดเช่นว่า(x) ฉันเดาว่าเราสามารถใช้เวลาที่เหลือในชีวิตของเราเพื่อพูดคุยเกี่ยวกับความถูกต้องของข้อโต้แย้งนี้ XYfY=f(X)

31

เป็นหลักใช่

ความสัมพันธ์ไม่ได้บ่งบอกถึงสาเหตุเนื่องจากอาจมีคำอธิบายอื่นสำหรับความสัมพันธ์ที่นอกเหนือจากสาเหตุ แต่เพื่อให้ A เป็นต้นเหตุของ B พวกเขาจะต้องเกี่ยวข้องในทางใดทางหนึ่ง ความหมายมีความสัมพันธ์ระหว่างพวกเขา - แม้ว่าความสัมพันธ์นั้นไม่จำเป็นต้องเป็นเส้นตรง

ตามที่ผู้วิจารณ์บางคนเสนอแนะน่าจะเหมาะสมกว่าที่จะใช้คำเช่น 'การพึ่งพา' หรือ 'การเชื่อมโยง' แทนที่จะเป็นสหสัมพันธ์ แม้ว่าที่ฉันได้กล่าวถึงในความคิดเห็นที่ฉันได้เห็น "ความสัมพันธ์ไม่ได้หมายถึงสาเหตุ" ในการตอบสนองต่อการวิเคราะห์ไกลเกินกว่าความสัมพันธ์เชิงเส้นที่เรียบง่ายและเพื่อวัตถุประสงค์ในการพูดฉันได้ขยาย "ความสัมพันธ์" เป็นหลัก การเชื่อมโยงระหว่าง A และ B


16
ฉันมักจะสงวนคำว่าสหสัมพันธ์สำหรับความสัมพันธ์เชิงเส้นและใช้การพึ่งพาสำหรับความสัมพันธ์แบบไม่เชิงเส้นที่อาจมีหรือไม่มีความสัมพันธ์เชิงเส้น
จดจำ

4
@ การรวบรวมฉันก็เช่นกันประหยัดสำหรับความจริงที่ว่าผู้คนวิ่งเหยาะๆออก "ความสัมพันธ์ไม่ได้หมายถึงสาเหตุ" อีกครั้ง: สมาคมที่ไม่ใช่เชิงเส้นที่ค่อนข้างซับซ้อน
Fomite

Memming ถูกต้อง คุณจำเป็นต้องนิยามความสัมพันธ์ถ้าคุณไม่ได้หมายถึงความสัมพันธ์ของเพียร์สัน
Neil G

1
@ NeilG หรือสำหรับเรื่องนั้นหนึ่งอาจจะได้รับความสัมพันธ์เชิงเส้นเพียร์สันโดยการเปลี่ยนตัวแปรหนึ่งหรืออื่น ๆ ปัญหาคือสุภาษิตเองนั้นง่ายเกินไป
Fomite

1
@EpiGrad: ทั้งสองจุดที่ดี ในการพูดจาร่วมกันความสัมพันธ์เป็นสิ่งที่เกิดขึ้นพร้อมกับบีมากกว่าฉันคิดว่าคำตอบของคุณจะได้รับประโยชน์จากการใช้คำจำกัดความกว้าง ๆ ของความสัมพันธ์ที่ชัดเจน
Neil G

23

กำลังเพิ่มคำตอบของ @EpiGrad ฉันคิดว่าสำหรับคนจำนวนมาก "ความสัมพันธ์" จะหมายถึง "ความสัมพันธ์เชิงเส้น" และแนวคิดเรื่องความสัมพันธ์ไม่เชิงเส้นอาจไม่ง่าย

ดังนั้นฉันจะพูดว่า "ไม่พวกเขาไม่ต้องมีความสัมพันธ์แต่พวกเขาจะต้องเกี่ยวข้อง " เราเห็นด้วยกับสาร แต่ไม่เห็นด้วยกับวิธีที่ดีที่สุดในการกำจัดสาร

ตัวอย่างหนึ่งของสาเหตุดังกล่าว (อย่างน้อยผู้คนคิดว่าเป็นสาเหตุ) คือระหว่างโอกาสในการตอบรับโทรศัพท์และรายได้ของคุณ เป็นที่ทราบกันว่าผู้คนที่ปลายทั้งสองของคลื่นความถี่รายได้มีโอกาสน้อยที่จะรับโทรศัพท์ของพวกเขามากกว่าคนที่อยู่ตรงกลาง มันคิดว่ารูปแบบเชิงสาเหตุนั้นแตกต่างกันไปสำหรับคนจน (เช่นหลีกเลี่ยงการสะสมเงิน) และคนรวย (เช่นหลีกเลี่ยงคนที่ขอบริจาค)


21

สิ่งที่เหมาะสมยิ่งที่นี่อย่างแน่นอน สาเหตุไม่ได้บ่งบอกถึงความสัมพันธ์หรือแม้กระทั่งการพึ่งพาอาศัยกันทางสถิติอย่างน้อยไม่ได้อยู่ในวิธีที่ง่ายที่เรามักจะคิดเกี่ยวกับพวกเขาหรือในทางที่คำตอบบางอย่างจะบอก (เพียงเปลี่ยนหรือฯลฯ )XY

พิจารณาโมเดลเชิงสาเหตุต่อไปนี้:

XYU

นั่นคือทั้งและสาเหตุYXUY

ตอนนี้ให้:

Xbernoulli(0.5)Ubernoulli(0.5)Y=1XU+2XU

สมมติว่าคุณไม่ได้สังเกตUขอให้สังเกตว่า(Y) นั่นคือแม้ว่าทำให้ (ในความรู้สึกสมการโครงสร้างที่ไม่ใช่พารามิเตอร์) คุณไม่เห็นการพึ่งพาใด ๆ ! คุณสามารถทำการแปลงแบบไม่เป็นเชิงเส้นที่คุณต้องการและนั่นจะไม่เปิดเผยการพึ่งพาใด ๆ เพราะไม่มีการพึ่งพาขอบของและที่นี่UP(Y|X)=P(Y)XYYX

เคล็ดลับคือแม้ว่าและทำให้เป็นขอบเขตเล็กน้อยผลกระทบเชิงสาเหตุโดยเฉลี่ยของพวกเขาคือศูนย์ คุณจะเห็นการพึ่งพา (แน่นอน) เมื่อปรับสภาพทั้งและด้วยกัน (นั่นแสดงให้เห็นว่าและไม่ได้หมายถึง ) ดังนั้นใช่ใครจะเถียงว่าแม้ว่าทำให้เกิดผลสาเหตุส่วนเพิ่มของในเป็นศูนย์เพื่อที่ว่าทำไมเราไม่เห็นการพึ่งพาอาศัยกันของและYแต่นี่แสดงให้เห็นว่าปัญหาที่เกิดขึ้นนั้นเหมาะสมเพียงใดเนื่องจากU Y X U X Y U Y { X , U } Y X Y X Y X Y X Y UXUYXUXYUY {X,U}YXYXYXYXทำให้ไม่ใช่แค่ในแบบที่คุณคิดอย่างไร้เดียงสา (มันโต้ตอบกับ )YU

ดังนั้นในระยะสั้นฉันจะบอกว่า: (i) เวรแนะนำการพึ่งพา; แต่ (ii) การพึ่งพาอาศัยกันนั้นเป็นการพึ่งพาการทำงาน / โครงสร้างและมันอาจจะใช่หรือไม่ใช่แปลในการพึ่งพาทางสถิติที่คุณกำลังคิด


คาร์ลอสมันถูกต้องที่จะบอกว่าถ้าเรารู้ว่าชุดตัวแปรทั้งหมดที่เกี่ยวข้องในตัวแบบเชิงสาเหตุปัญหานี้ (การล่องหนทางสถิติ) หายไป?
markowitz

@markowitz คุณจะต้องสังเกตทุกอย่างในระดับที่กำหนดดังนั้นจึงไม่ใช่สถานการณ์ที่สมจริงมาก
Carlos Cinelli

ฉันตีความคำตอบของคุณว่า“ ใช่” คุณพูดถูกสถานการณ์ที่ฉันคิดว่าไม่สมจริง ฉันรู้เกี่ยวกับมัน อย่างไรก็ตามคำถามนั้นเกี่ยวข้องกับตรรกะที่คุณอธิบายไว้เท่านั้นและสุดท้ายคือการเข้าใจ ความเชื่อมั่นของฉันคือบางสิ่งบางอย่างเช่น "ความสัมพันธ์เชิงสาเหตุบ่งบอกถึงความสัมพันธ์ทางสถิติ" และคำตอบอื่น ๆ ในหน้านี้เสียงเช่นนี้ หลังจากทั้งหมดของคุณเป็นตัวอย่างเล็กน้อยไม่สมจริง แต่ไม่ใช่ด้วยเหตุนี้ในไม่น่าสนใจ ดูเหมือนว่าโดยทั่วไปสาเหตุที่ไม่มีการเชื่อมโยงทางสถิตินั้นไม่สมจริงเล็กน้อย แต่น่าสนใจในทางทฤษฎี
markowitz

1
@markowitz "การล่องหนทางสถิติ" เกิดขึ้นเมื่อโมเดลไม่ซื่อสัตย์ต่อกราฟ สำหรับการยกเลิกที่แน่นอนขึ้นอยู่กับตัวเลือกเฉพาะของการกำหนดพารามิเตอร์ดังนั้นบางคนโต้แย้งว่ามันไม่น่าเป็นไปได้ อย่างไรก็ตามการยกเลิกใกล้อาจเป็นไปได้เนื่องจากมันขึ้นอยู่กับพื้นที่ใกล้เคียงของพารามิเตอร์ดังนั้นทั้งหมดขึ้นอยู่กับบริบท ประเด็นตรงนี้คือคุณต้องทำให้สมมติฐานเชิงสาเหตุชัดเจนเนื่องจากเหตุผลเหตุผลไม่ได้เชื่อมโยงตัวเอง - คุณจำเป็นต้องมีสมมติฐานพิเศษ
Carlos Cinelli

13

สาเหตุและผลกระทบจะมีความสัมพันธ์กันเว้นแต่จะไม่มีการเปลี่ยนแปลงเลยในอุบัติการณ์และขนาดของสาเหตุและไม่มีการเปลี่ยนแปลงเลยในแรงเชิงสาเหตุ เพียงคนเดียวที่เป็นไปได้อื่น ๆ จะเป็นอย่างไรถ้าสาเหตุที่ดีที่สุดที่มีความสัมพันธ์กับตัวแปรเชิงสาเหตุอื่นที่มีว่าผลตรงข้าม โดยทั่วไปสิ่งเหล่านี้เป็นเงื่อนไขการทดลองทางความคิด ในโลกแห่งความเป็นจริงสาเหตุจะหมายถึงการพึ่งพาอาศัยกันในบางรูปแบบ (แม้ว่ามันอาจจะไม่ใช่ความสัมพันธ์เชิงเส้น )


3
@NeilG ผมตามใจติดยาเสพติดของฉันไปที่ตัวเอียง
gung

1
บางทฤษฎีบอกเป็นนัยถึงเรื่องนี้เช่นแบบจำลองทฤษฎีเกมจำนวนมาก สถานการณ์เชิงประจักษ์บางอย่างที่คุณไม่สามารถแยกแยะความแตกต่างได้ (แม้ว่าจริง ๆ แล้วจะมีหนึ่ง 'ใน gung-italics' เหมือนเดิม :-) รวม 'เป็นกลาง' ไม่มีสถานการณ์การเปลี่ยนแปลงของยีนเมื่อความดันเลือกวิวัฒนาการที่สองระดับชี้ไปในทิศทางที่แตกต่างกัน
conjugateprior

1
ฉันชอบข้อยกเว้นแรก แต่ไม่ใช่ข้อยกเว้นที่สอง ฉันชอบที่จะคิดว่าการพลิกสวิตช์ทำให้ไฟสว่างขึ้น แต่ถ้าฉันบังเอิญพลิกสวิตช์เพียงอย่างเดียวในช่วงที่ไฟดับไม่มีอะไรเกิดขึ้น บางทีอาจจะไม่ได้มีความสัมพันธ์เชิงสาเหตุ
emory

1
@ naught101, คุณยกประเด็นที่ดีซึ่งมีการพูดถึงที่อื่นในหน้านี้ ฉันได้แก้ไขคำตอบของฉัน อย่างไรก็ตามเมื่อฉันได้ทำงานกับผู้คนฉันไม่คิดว่าพวกเขามีความคิดที่แข็งแกร่งของความสัมพันธ์เป็นเชิงเส้นจำเป็นแม้ว่าฉันจะบอกพวกเขาว่า แม้ว่าพวกเขาจะไม่ใส่มันในข้อตกลงเหล่านี้ แต่ฉันคิดว่าคนส่วนใหญ่เข้าใจ 'ความสัมพันธ์' ใกล้เคียงกับ 'หน้าที่ของ' อย่างไรก็ตามฉันควรมีความชัดเจนในการใช้คำศัพท์และควรเป็นตั้งแต่เริ่มต้น
gung

2
@emory: สาเหตุของแสงที่เกิดขึ้นจริง ๆ แล้วคือการปิดวงจรไฟฟ้า (ซึ่งเกิดจากการสะบัดของสวิตช์กับสภาพแวดล้อมรวมถึงตารางการทำงาน) ในระหว่างที่มีไฟดับสวิตช์จะไม่ปิดวงจรเนื่องจากมีการแตกหักที่อื่น ดังนั้นในแง่หนึ่งความมืดมนคือเอฟเฟกต์ "ตรงข้าม" ที่ฆ้องกำลังพูดถึง (เช่นมีการเปิดไฟดับไฟดับ) มันอาจจะคิดว่าเป็นผลลบล้าง
naught101

2

มีคำตอบที่ดีที่นี่ Artem Kaznatcheev , FomiteและPeter Flomชี้ให้เห็นว่าสาเหตุมักจะหมายถึงการพึ่งพาอาศัยกันมากกว่าความสัมพันธ์เชิงเส้น Carlos Cinelliยกตัวอย่างที่ไม่มีการพึ่งพาเนื่องจากวิธีการตั้งค่าฟังก์ชั่นการสร้าง

ฉันต้องการเพิ่มจุดว่าการพึ่งพานี้สามารถหายไปในทางปฏิบัติในประเภทของชุดข้อมูลที่คุณอาจทำงานได้ดี สถานการณ์เช่นตัวอย่างของคาร์ลอสไม่ได้ จำกัด เพียงแค่ "เงื่อนไขการทดสอบความคิด"

การพึ่งพาอาศัยกันหายไปในกระบวนการควบคุมตนเอง ตัวอย่างเช่นสภาวะสมดุลของร่างกายทำให้มั่นใจว่าอุณหภูมิภายในร่างกายของคุณยังคงเป็นอิสระจากอุณหภูมิห้อง ความร้อนภายนอกมีผลต่ออุณหภูมิร่างกายของคุณโดยตรง แต่ยังส่งผลต่อระบบทำความเย็นของร่างกาย (เช่นเหงื่อออก) ซึ่งทำให้อุณหภูมิของร่างกายคงที่ หากเราสุ่มตัวอย่างอุณหภูมิในช่วงเวลาที่รวดเร็วมากและใช้การวัดที่แม่นยำมากเรามีโอกาสสังเกตการขึ้นอยู่กับสาเหตุ แต่ที่อัตราการสุ่มตัวอย่างปกติอุณหภูมิของร่างกายและอุณหภูมิภายนอกนั้นไม่ขึ้นกับใคร

กระบวนการควบคุมตนเองนั้นพบได้ทั่วไปในระบบชีวภาพ พวกมันถูกสร้างขึ้นโดยวิวัฒนาการ สัตว์เลี้ยงลูกด้วยนมที่ไม่สามารถควบคุมอุณหภูมิร่างกายของพวกเขาจะถูกลบออกโดยการคัดเลือกโดยธรรมชาติ นักวิจัยที่ทำงานกับข้อมูลทางชีววิทยาควรทราบว่าการพึ่งพาเชิงสาเหตุอาจหายไปในชุดข้อมูลของพวกเขา


-3

สาเหตุจะไม่มีความสัมพันธ์ใด ๆ จะเป็น rng หรือไม่?

นอกจากว่าคำตอบที่ได้รับการยอมรับหมายถึงคุณกำลังใช้การตีความที่ จำกัด อย่างไม่น่าเชื่อของคำว่า 'สหพันธ์' มันเป็นคำถามที่โง่เขลา - ถ้าสิ่งหนึ่ง 'ทำให้เกิด' อีกสิ่งหนึ่งมันเป็นคำจำกัดความที่ได้รับผลกระทบจากมัน เพิ่มจำนวนประชากรหรือเพิ่มความเข้ม

ขวา?

จากนั้นอีกครั้งคุณอาจจะพูดคุยกันมากกว่านี้การมองเห็นสิ่งที่ได้รับผลกระทบจากสิ่งอื่นซึ่งฉันคิดว่ามันจะดูเป็นสาเหตุ แต่จริงๆแล้วคุณไม่ได้วัดสิ่งที่คุณคิดว่าคุณกำลังวัด ...

ดังนั้นใช่ฉันเดาคำตอบสั้น ๆ ว่า "ใช่ตราบใดที่คุณไม่สามารถสร้างเอนโทรปี"

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.