Correlation vs causation

Корреляция и причинность постоянно путают. Корреляция означает, что две переменные изменяются вместе, а причинность — что одно явление напрямую вызывает другое. Разница очевидна, но её игнорируют, из-за чего рождаются ложные выводы в науке, медицине и машинном обучении.

Корреляция — лишь подсказка, а не доказательство. Если принять совпадение за причину, начнёшь бороться не с тем явлением. Например, в городах с большим числом пожарных машин всегда больше пожаров. Но машины не вызывают пожары — просто пожары вызывают вызов машин. Направление связи обратное, и она статистическая, а не причинная.

Классический пример — мороженое и утопленники. Летом продажи мороженого растут, и одновременно растёт число утоплений. Но тонут не из-за мороженого. Причина — жара: она заставляет людей идти на пляж и купаться. Жара — скрытая переменная, влияющая на оба показателя. Такие скрытые факторы и создают иллюзию связи.

В медицине: исследование показало, что любители кофе живут дольше. На первый взгляд, кофе продлевает жизнь. Но скорее всего, они чаще образованны, больше двигаются и реже курят. Если не учесть эти факторы, мы припишем кофе то, что делают образ жизни и достаток. Для доказательства причинности нужен контрольный эксперимент, где все условия, кроме одного, одинаковы.

Вывод: корреляция — повод для исследования, а не для вывода «А вызывает Б». Только проверка, учёт посторонних переменных и случайное распределение на группы приближают к истинной причине. Иначе мозг, обожающий закономерности, легко обманет вас.