Data Science do zero: Primeiras regras com o Python
Alguns Outros Pontos de Atenção sobre Correlação
Baixar 5.26 Mb. Pdf preview
|
- Navegue nesta página:
- Correlação e Causalidade
| Alguns Outros Pontos de Atenção sobre Correlação
Uma correlação de zero indica que não há uma relação linear entre as duas variáveis. Porém, podem haver vários tipos de relações. Por exemplo, se: x = [-2, -1, 0, 1, 2] y = [ 2, 1, 0, 1, 2] então x e y possuem uma correlação zero. Mas, certamente, têm uma relação — cada elemento de y é igual ao valor absoluto do elemento correspondente de x . O que eles não têm é uma relação em que saber como x_i se compara a mean(x) nos dá informações sobre como y_i se compara a mean(y) . Esse é o tipo de relação que a correlação procura. Além do mais, a correlação não diz nada sobre o tamanho das relações. As variáveis: x = [-2, 1, 0, 1, 2] y = [99.98, 99.99, 100, 100.01, 100.02] estão perfeitamente correlacionadas, mas (dependendo do que você está medindo) é bem possível que essa relação não seja muito interessante. Correlação e Causalidade Você já deve ter escutado alguma vez que “correlação não é causalidade”, mais possivelmente de uma pessoa pesquisando dados que impuseram desafios às partes da visão de mundo que ele estava relutante em questionar. Apesar disso, este é um ponto importante — se x e y possuem uma forte correlação, isso talvez signifique que x causa y , que y causa x e que cada um causa o outro, que algum terceiro fator causa ambos ou pode não significar nada. Considere a relação entre num_friends e daily_minutes . É possível que ter mais amigos faça com que os usuários da DataSciencester passem mais tempo no site. Esse pode ser o caso se cada amigo postar uma certa quantidade de conteúdo diariamente pois, quanto mais amigos você tem, mais tempo você leva para pôr em dia suas atualizações. Porém, também é possível que, quanto mais tempo você passe discutindo nos fóruns da DataSciencester, mais você encontrará e fará amizade com pessoas parecidas com você. Ou seja, passar mais tempo no site faz com que os usuários tenham mais amigos. Uma terceira possibilidade seria que os usuários mais dedicados com data science passassem mais tempo no site (porque eles acham mais interessante) e ativamente colecionassem mais amigos data science (porque eles não querem se associar com mais ninguém). Uma maneira de se sentir mais confiante sobre causalidade é conduzir experimentos aleatórios. Se você pode dividir seus usuários aleatoriamente em dois grupos com demografia parecida e dar a um dos grupos uma experiência um pouco diferente, logo você verá que experiências diferentes estão causando resultados diferentes. Por exemplo, se você não se importar de ser acusado de fazer experimentos com seus usuários (http://nyti.ms/1L2DzEg), você pode escolher um subconjunto aleatório de usuários e mostrar a eles o conteúdo de somente uma parte dos seus amigos. Se esse subconjunto subsequentemente passar menos tempo no site, isso lhe dará mais confiança de que ter mais amigos faz passar mais tempo no site. |