همبستگی رابطهایی عددی مابین دو متغیر را اندازهگیری میکند. یک ضریب همبستگی بالا (نزدیک به 1) به این معنی نیست که قطعن میتوانیم رابطهای واقعی بین دو متغیر را بیابیم.
یک مثال کلاسیک:
- در طول تابستان، فروش بستنی در ساحلها افزایش مییابد
- به طور همزمان، حوادث غرق شدن در دریا نیز بالا میرود
آیا از این روابط میتوانیم نتیجه بگیریم که افزایش فروش بستنی (Ice_Cream_Sale) دارای رابطهی مستقیمی با افزایش حوادث غرقشدن (Drowning_Accident) در دریا را دارد؟
مثال ساحل در پایتون
در ادامه یک دیتاست ساختگی ایجاد کردیم تا این موضوع را در پایتون پیادهسازی کنیم.
مثال:
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)خروجی کد فوق به صورت زیر است:
همبستگی نسبت به علیت (Causality)- مثال ساحل
سؤال: آیا میتوان فروش بستنی را برای پیشبینی حوادث غرقشدگی بکار گرفت؟
پاسخ: احتمالن خیر.
پس چه چیزی باعث غرق شدن میشود؟ برخی از آنها را در ادامه لیست کردهایم:
- شناگران بدون مهارت شنا
- امواج دریا
- گرفتگی عضلات
- مشکلات مغزی
- کمبود نجات غریق
- مصرف الکل
- موارد دیگر
حال اجازه دهید که استدلال خود را برعکس نمائیم.
آیا یک همبستگی کم (نزدیک به 0) به این معنی است که تغییرات در متغیر x اثری روی متغیر y ندارد؟ (روی این سؤال فکر کنید!)
بازگشت مجدد به سؤال:
- آیا میتوانیم نتیجه بگیریم که متوسط ضربان قلب، میزان مصرف کالری را تحت تاثیر قرار نمیدهد، چون همبستگی پائینی بین این دو برقرار است؟
پاسخ منفی است.
فرقی مهم و اساسی بین دو مفهوم همبستگی و علیت موجود است:
- همبستگی یک عدد است که اندازه میگیرد، چقدر دادهها مرتبط با یکدیگر هستند
- علیت نتیجهای است که بیان میکند x علت بروز y است
نکته: همیشه به مفهوم علیت در هنگام پیشبینی دقت و توجه خاص و انتقادی داشته باشید. این واژه را با همبستگی اشتباه نگیرید!
