Ja, dit voorbeeld past "correlation vs causation". Hoewel de gegevens van de eigenaar een opmerkelijk bewijs van correlatie zijn, kan de eigenaar de causaliteit niet vaststellen, omdat dit geen willekeurig experiment is. In plaats daarvan is wat hier waarschijnlijk is gebeurd, dat degenen die een huisdier wilden hebben en in staat waren het te krijgen, de mensen waren die met een huisdier belandden. De wens om een huisdier te hebben rechtvaardigt achteraf hun geluk, en het vermogen om het huisdier te veroorloven wijst op het feit dat ze waarschijnlijk financieel onafhankelijk waren, ze hadden waarschijnlijk geen grote schulden, terminale ziektes enz.
Hoewel het aannemelijk is dat het hebben van een huisdierenkat depressie kan genezen, bewijzen deze gegeven gegevens van de eigenaar het niet. Zijn bewijs is net zo goed als de bewering van Apple dat de iPhone geluk veroorzaakt.
Het volgende model van een sportwagen kost 13,8% meer dan het huidige model. Het huidige model kost $ 53.000. Hoeveel kost de prijs in dollars? Wat is de prijs van het volgende model?
$ 60314> $ 53000 "vertegenwoordigt" 100% "oorspronkelijke kosten" 100 + 13,8 = 113,8% = 113,8 / 100 = 1,138 "vermenigvuldigend met 1,138 geeft de kosten na de stijging" "prijs" = 53000xx1.138 = $ 60314
Wat betekent "correlatie versus oorzakelijkheid" in statistieken?
Correlatie: twee variabelen hebben de neiging om samen te variëren. Voor een positieve correlatie, als een variabele toeneemt, neemt de andere ook toe in de gegeven gegevens. Oorzaak: één variabele veroorzaakt de wijzigingen in een andere variabele. Aanzienlijk verschil: correlatie kan gewoon toeval zijn. Of misschien verandert een derde variabele de twee. Bijvoorbeeld: er is een verband tussen "naar slaap gaan met schoenen dragen" en "wakker worden met hoofdpijn". Maar deze relatie is niet causaal, omdat de echte reden voor dit toeval (te veel) alcohol is.
Hoe verschilt een bewegingsgrafiek van afstand versus tijd van een grafiek van snelheid versus tijd?
Kijk eens of het logisch is. De twee grafieken zijn verbonden omdat de snelheid vs tijd een grafiek is van de hellingen verkregen uit de afstand versus tijdgrafiek: bijvoorbeeld: 1) beschouw een deeltje dat met constante snelheid beweegt: de afstand versus tijdgrafiek is een lineaire functie terwijl de snelheid vs tijd is een constante; 2) beschouw een deeltje dat met variërende snelheid beweegt (constante versnelling): de afstand versus tijdgrafiek is een kwadratische functie terwijl de snelheid versus tijd lineair is; Zoals je aan de hand van deze voorbeelden kunt zien, is de snelheids- versus tijdgrafiek de grafiek