Вы увидели на диаграмме рассеяния высокую корреляцию между числом уведомлений и оттоком. Какой вывод корректнее всего?
AУведомления увеличивают отток: нужно отключить рассылки и зафиксировать снижение оттока в отчёте на этой неделе
BВысокая корреляция означает, что отток заставляет систему отправлять больше уведомлений, и связь причинная
CПо одной корреляции нельзя утверждать причинность: нужны эксперимент или контроль смешивающих факторов
DПри высокой корреляции ошибки измерения и смешивающие факторы исключены, поэтому вывод о причинности обоснован
Правильный ответ. Корреляция не равна причинности без дизайна, который исключает смешивающие факторы и обратную зависимость.
Разбор
Связь может быть вызвана третьим фактором, например активностью: активным пользователям отправляют больше уведомлений, и они же реже уходят (или наоборот). Для причинного вывода нужны рандомизация, квази-эксперимент или хотя бы тщательный контроль смешивающих факторов. Высокое значение корреляции само по себе не исключает ошибок измерения и обратной зависимости.
Можно заниматься бесплатно
Готовим вопросы…
Три вопроса по теме этой страницы, с объяснениями.
Ещё вопросы по теме «Зависимости и scatter-графики»
- Какой график лучше всего подходит, чтобы показать связь между двумя числовыми переменными на уровне отдельных наблюдений (например, `price` и `quantity`)?
- На диаграмме рассеяния посчитан коэффициент корреляции r = -0.8 между X и Y. Что это означает?
- На точечной диаграмме с сотнями тысяч точек всё сливается в сплошное пятно из-за наложения. Что сделать первым, чтобы увидеть структуру плотности?
- Когда добавление линии тренда на точечную диаграмму обычно наиболее уместно?
- На диаграмме рассеяния переменная X имеет сильную асимметрию (значения от 1 до 1 000 000), а связь выглядит мультипликативной. Что чаще всего улучшит читаемость?
- Все вопросы по «Зависимости и scatter-графики» →