डेटा विज्ञान - सांख्यिकी सहसंबंध बनाम कारणता
सहसंबंध कार्य-कारण नहीं दर्शाता है
सहसंबंध दो चरों के बीच संख्यात्मक संबंध को मापता है।
एक उच्च सहसंबंध गुणांक (1 के करीब), का मतलब यह नहीं है कि हम निश्चित रूप से दो चर के बीच एक वास्तविक संबंध का निष्कर्ष निकाल सकते हैं।
एक क्लासिक उदाहरण:
- गर्मियों के दौरान समुद्र तट पर आइसक्रीम की बिक्री बढ़ जाती है
- साथ ही साथ डूबने की दुर्घटनाएं भी बढ़ जाती हैं
क्या इसका मतलब यह है कि आइसक्रीम की बिक्री में वृद्धि डूबने से होने वाली दुर्घटनाओं का सीधा कारण है?
पायथन में समुद्र तट का उदाहरण
यहां, हमने आपके लिए कोशिश करने के लिए एक काल्पनिक डेटा सेट बनाया है:
उदाहरण
import pandas as pd
import matplotlib.pyplot as plt
Drowning_Accident = [20,40,60,80,100,120,140,160,180,200]
Ice_Cream_Sale =
[20,40,60,80,100,120,140,160,180,200]
Drowning = {"Drowning_Accident":
[20,40,60,80,100,120,140,160,180,200],
"Ice_Cream_Sale":
[20,40,60,80,100,120,140,160,180,200]}
Drowning = pd.DataFrame(data=Drowning)
Drowning.plot(x="Ice_Cream_Sale", y="Drowning_Accident", kind="scatter")
plt.show()
correlation_beach = Drowning.corr()
print(correlation_beach)
आउटपुट:
सहसंबंध बनाम कार्य-कारण - समुद्र तट उदाहरण
दूसरे शब्दों में: क्या हम डूबने वाली दुर्घटनाओं की भविष्यवाणी करने के लिए आइसक्रीम की बिक्री का उपयोग कर सकते हैं?
यह उत्तर संभवतः नहीं है।
यह संभावना है कि ये दो चर एक दूसरे के साथ गलती से सहसंबद्ध हो रहे हैं।
फिर डूबने का क्या कारण है?
- अकुशल तैराक
- लहर की
- ऐंठन
- जब्ती विकार
- पर्यवेक्षण का अभाव
- शराब (गलत) उपयोग
- आदि।
आइए तर्क को उलट दें:
क्या कम सहसंबंध गुणांक (शून्य के करीब) का मतलब है कि x में परिवर्तन y को प्रभावित नहीं करता है?
प्रश्न पर वापस जाएं:
- क्या हम यह निष्कर्ष निकाल सकते हैं कि कम सहसंबंध गुणांक के कारण औसत_पल्स कैलोरी_बर्नेज को प्रभावित नहीं करता है?
जवाब न है।
सहसंबंध और कार्य-कारण के बीच एक महत्वपूर्ण अंतर है:
- सहसंबंध एक संख्या है जो मापती है कि डेटा कितनी बारीकी से संबंधित है
- कार्य-कारण यह निष्कर्ष है कि x, y का कारण बनता है।
इसलिए जब हम भविष्यवाणियां करते हैं तो कार्य-कारण की अवधारणा पर गंभीर रूप से चिंतन करना महत्वपूर्ण है!