В отчете нашли положительную correlation между числом пушей на пользователя и выручкой. Какой вывод наиболее корректен?
AНельзя утверждать причинность:
correlation не доказывает, что пуши увеличили выручкуBПуши точно увеличили выручку, раз
correlation положительнаяCПричинность есть только если
Pearson r больше 0.5DПричинность есть, потому что данные за один и тот же месяц
Правильный ответ. Связь в данных не равна причинному эффекту.
Разбор
correlation показывает совместное изменение двух величин, но не отвечает на вопрос, что является причиной. Часто есть скрытый confounding: например, активные пользователи получают больше пушей и больше покупают. Чтобы говорить о причинности, нужен эксперимент или дизайн, который делает группы сопоставимыми.
Проверь себя · 1/3разбор после ответа
В
линейная регрессия orders = a + b*price вы получили b = -0.02. Как правильно читать этот коэффициент?Ещё вопросы по теме «Корреляция и регрессия»
- В данных по товарам `Pearson r` между ценой и конверсией равен -0.7. Как это интерпретировать?
- У вас 100 наблюдений, где почти нет связи между `x` и `y`, но есть одна точка с очень большим `x` и `y`. После добавления этой точки `Pearson r` стал 0.8. Что это чаще всего означает?
- Конверсия растет со скидкой до порога, а затем почти не меняется. При этом `Pearson r` между скидкой и конверсией близок к 0. Какой вывод корректен?
- Вы видите положительную `correlation` между продажами мороженого и количеством утоплений по дням. Это типичный пример спуриозной (`spurious`) связи. Что наиболее вероятно объясняет наблюдение?
- Вы нашли `correlation` между количеством показов рекламы и выручкой. Но вы знаете, что в праздники и показы, и выручка растут. Как лучше описать риск интерпретации?
- Все вопросы по «Корреляция и регрессия» →