m******y
发帖数: 526 | 1 今天看到一个poster，是关于号召大家养成把垃圾丢到垃圾桶的好习惯的。这个poster做
得很吸引人：上面是列举了养成这个好习惯的十大理由，其中top one是“90%有这个好习
惯的人的GPA是在3.5以上。”当时在看poster的一个学生说，扔垃圾可以帮助提高GPA.我
还看到另外一个学生在点头。我想，这或许也是制作这个poster得人的用意所在吧。
对于好多现象，我们可以一眼看出它们只是相关。比如，“冰淇淋销量”，“修路”和“
淹死的人数”就是正相关。但是我们知道这些现象的背后其实是“温度”在起决定作用。
温度高了，自然吃冰淇淋的人就多了；温度高了，户外的工作也比较容易进行，所以修路
多半都选择在夏天的晚上；温度高了，游泳的人就多了，自然被淹的人相应也增加。但是
这三件事情之间不具备任何因果关系。
correlation只是说两个事物相关，比如一个增加，另一个也跟着增加；但不一定是因果
关系。这是老师讲correlation的时候说的第一句话。
可是一旦现象和我们自身有关的时候，特别是和感情有关的时候，我们还可以保持这样的
一双慧眼去识别那些只是相关而不具备任何因果的现象么？ |
m******y
发帖数: 526 | 2 不知道这种情况算不算？
C和A是因果，D和B是因果，C和D是因果。
比如：救生员疏于职守(C)---〉淹死的人数增加(A)
冰淇淋减价促销(D)---〉冰淇淋销量增加(B)
冰淇淋减价促销(D)---〉救生员离职抢购冰淇淋(C)
这样下来，每一个因果关系里边还存在着许多assumption，所以我猜这种因果关系图还可
以画的更复杂？？
个
今天看到一个poster，是关于号召大家养成把垃圾丢到垃圾桶的好习惯的。这个poster做
好
惯的人的GPA是在3.5以上。”当时在看poster的一个学生说，扔垃圾可以帮助提高GPA.我
和
用
修
但
因
样 |
r****y
发帖数: 26819 | 3 这些说的都太简单了，没有定量。决定最后结论的因素应该是定量和考虑一阶导数的。
比如说吧，100个救生员里，2个是去抢购冰激凌的，5个是被PPMM或者SSGG耽误的，假如
这些PPMM和SSGG数量是常年分布均匀的，那么冰激凌就是主要的导致事故人数上升的主要
因素，但是如果这些PPMM和SSGG是来自某次临时的旅游活动，那么主导因素就变了。
【在 m******y 的大作中提到】
: 不知道这种情况算不算？
: C和A是因果，D和B是因果，C和D是因果。
: 比如：救生员疏于职守(C)---〉淹死的人数增加(A)
: 冰淇淋减价促销(D)---〉冰淇淋销量增加(B)
: 冰淇淋减价促销(D)---〉救生员离职抢购冰淇淋(C)
: 这样下来，每一个因果关系里边还存在着许多assumption，所以我猜这种因果关系图还可
: 以画的更复杂？？
:
: 个
: 今天看到一个poster，是关于号召大家养成把垃圾丢到垃圾桶的好习惯的。这个poster做
|
p*****g
发帖数: 604 | 4 这是个cause和infer的问题吧。
比如冰激凌卖多了，我们可以infer出天气变热的可能性多了，天气热了又会导致游泳的
人变多
所以当游泳逆水的人变多，我们考察救生员是不是玩忽职守的时候，
我们可以看冰激凌是不是卖多了，如果卖多了，我们可以infer出天气变热，游泳的人多
，而游泳人多会导致逆水的人多
所以当游泳逆水的人变多的时候，
冰激凌卖多会infer出救生员玩忽职守的可能变小，
这样的关系不是causal的，但的确有着很密切的联系。
还有，倒垃圾可以infer出gpa高，而不是cause
【在 r****y 的大作中提到】
: 这些说的都太简单了，没有定量。决定最后结论的因素应该是定量和考虑一阶导数的。
: 比如说吧，100个救生员里，2个是去抢购冰激凌的，5个是被PPMM或者SSGG耽误的，假如
: 这些PPMM和SSGG数量是常年分布均匀的，那么冰激凌就是主要的导致事故人数上升的主要
: 因素，但是如果这些PPMM和SSGG是来自某次临时的旅游活动，那么主导因素就变了。
|
