Correlação não é causalidade — Dados, 14–17 anos
Um padrão entre duas medições não prova, por si só, que uma causa a outra. Dados, 14–17 anos.
A ideia
A correlação descreve um padrão em que duas variáveis mudam em conjunto. Numa correlação positiva, valores maiores de uma tendem a acompanhar valores maiores da outra; numa negativa, valores maiores tendem a acompanhar valores menores. Descreve uma associação, não a razão que está por detrás dela.
Porque precisamos dela
Encontrar padrões pode ajudar-nos a fazer previsões, mas confundir um padrão com uma causa pode levar a decisões erradas. Duas variáveis podem ser afetadas por um terceiro fator, uma pode causar a outra ou o padrão pode ser acidental. Um trabalho cuidadoso com dados pergunta primeiro que outras explicações podem justificar a ligação.
Exemplo resolvido
Suponha que uma localidade regista as vendas de gelados e as visitas à piscina todos os meses. Ambas sobem de 1000 e 200 na primavera para 3000 e 600 no verão, e depois descem. As variáveis têm correlação positiva. Seria errado concluir que comprar gelados causa as idas à piscina: o tempo quente aumenta as duas, funcionando como terceiro fator.
O erro comum
O erro tentador é dizer: «A aumenta quando B aumenta, logo A causa B.» Parece razoável porque as causas criam frequentemente padrões. Contudo, os dados podem não mostrar qual variável surgiu primeiro, podem omitir uma terceira variável ou incluir uma coincidência. Um gráfico pode revelar uma relação, mas não prova sozinho a causalidade.
Onde é usada
Os investigadores usam correlações para detetar possíveis ligações entre exercício e saúde, chuva e crescimento das culturas, ou sono e concentração. Estas ligações podem sugerir perguntas e experiências úteis. Decisões médicas, sociais e empresariais precisam de provas mais fortes quando se espera que mudar uma coisa cause outra, como um ensaio controlado ou uma comparação bem planeada.
Continua a explorar
Outras línguas
A carregar o MyLeoNes™…