Цитаты из книг автора «Richard E. Nisbett»

величины А является причиной изменения величины Б. Возможно, А влияет на Б или Б влияет на А, а также ассоциация может возникнуть вследствие того, что А и Б связаны с некой третьей величиной В, но между А и Б нет никакой причинно-следственно связи.

Расчет коэффициента корреляции — только один из шагов в определении причинно-следственных связей. Если между величиной А и величиной Б нет корреляции, тогда между ними (вероятно) нет и причинно-следственной связи. (Исключением может быть такой случай, когда существует третья величина В, которая маскирует корреляцию между А и Б, когда между ними на самом деле есть и причинно-следственная связь.) Если между А и Б есть корреляция, это еще не говорит о том, что изм

Корреляция 0,3 это вовсе не пустяк — это значит, что если кто-то находится в 84-м процентиле (одно СКО выше среднего значения) переменной величины А, то этот человек скорее всего будет в 63-м процентиле по величине Б (0,3 СКО выше среднего значения). А это уже более высокая прогнозируемость для величины Б, чем та, что была у вас, когда вы ничего не знали о величине А. В этом случае вы должны догадаться, что 50-й процентиль для каждого — среднее значение распределения величины Б.

увеличивается, то значение второй величины увеличивается в соответствующей степени. Корреляция, равная –1, означает полную отрицательную связь

Статистические методы могут рассказать нам о том, насколько тесна связь между двумя величинами. Один из часто используемых методов исследования степени связи между непрерывными величинами называется методом корреляции смешанных моментов Пирсона. Корреляция, равная 0, означает, что между двумя величинами нет никакой связи. Корреляция, равная +1, означает, что между двумя величинами существует полная положительная связь, то есть если значение первой величины увеличивается

(или/или), но и к непрерывным. Когда мы имеем дело с непрерывными случайными величинами и хотим знать, насколько тесно они связаны одна с другой, мы применяем статистический метод корреляции.

Существует статистический критерий, называемый хи-квадрат, который рассматривает вероятность того, что две пропорции достаточно отличаются друг от друга, чтобы можно было с уверенностью утверждать, что перед нами подлинная взаимосвязь явлений. Мы называем взаимосвязь подлинной, если разница между двумя пропорциями статистически значима. Типичный критерий, на основе которого можно утверждать, значима связь или нет, формулируется так: показывает ли тест (хи-квадрат или любой другой статистический тест), что данная степень связи может оказаться случайной лишь в пяти случаях из ста. Если так, мы говорим, что уровень статистической значимости равен 0,05. Тест оценки значимости можно применять не только к дихотомическим

сравнения количества людей, у которых нет данного заболевания, но есть этот симптом, и количества людей, у которых нет заболевания и нет симптома. Так как в результате получаются две одинаковые пропорции, мы понимаем, что этот симптом ничуть не больше связан с этой болезнью, чем с ее отсутствием.

Не имея представления о статистике как науке, мало кто понимает, что нужно принимать во внимание все четыре графы таблицы, чтобы суметь ответить на простой вопрос о связи между этими двумя явлениями. Нужно составить пропорцию для сравнения количества людей, у которых диагностировали данное заболевание в сочетании с данным симптомом, и количества людей, у которых обнаружили данную болезнь, но не этот конкретный симптом. Затем вы составляете

Вам нужно правильно охарактеризовать явление 1, а также явление 2. Затем вам нужно подсчитать, насколько часто явление первого типа возникает вместе с явлением второго типа, как часто явление первого типа не возникает вместе с явлением второго типа и т.д. Если переменные величины непрерывны, задача усложняется еще больше. Нужно рассчитать, связаны ли более высокие показатели явлений первого типа с более высокими показателями явлений второго типа