Näennäinen Korrelaatio Selittää Esimerkkejä

väärä korrelaatio on suhde, jossa kaksi tapahtumat/muuttujat, jotka todellisuudessa ole mitään loogista yhteyttä päätellä liittyvän johtuen näkymätön kolmas esiintyminen. Tämä PsycholoGenie-artikkeli selittää väärän korrelaation esimerkkien kanssa.

sanalla ”spurious” on Latinalainen juuri; se tarkoittaa ”väärää” tai ”laitonta”.

korrelaatio on eräänlainen assosiaatio kahden muuttujan tai tapahtumia., Käytetään laajasti teoreettisilla ja analyyttisillä tieteenaloilla, kuten matematiikassa, tilastoissa, psykologiassa, sosiologiassa jne. korrelaatio on erittäin tärkeää, jotta voidaan ymmärtää muuttujien väliset suhteet pienryhmässä niin, että tulokset voidaan yleistää suurempi ryhmä.

määritelmän kahden muuttujan tai tapauksissa sanotaan olevan spuriously korrelaatio jos oletetaan, että he ovat sukua toisilleen, joka on tietenkin, ei ole totta, koska näkymätön kolmas muuttuja tai tapahtuma osoittautuu todellinen syy-tekijä. Jäljempänä olevissa kohdissa tätä käsitettä selostetaan yksityiskohtaisesti esimerkein.,

• Teoria
• Esimerkkejä
  • Sosiologia
  • Psykologia
  • Media
  • Historia

• Yleinen havainto, joka johtaa väärä oletus muuttujien välisen suhteen on se, että yksi muutoksia yhdessä muiden.
• oletuksena on, että koska muuttuja B lisääntynyt/vähentynyt muuttujan A lisääntynyt/vähentynyt, ne ovat sukua toisilleen. Varsinainen syy on kolmas muuttuja C, joka sai aikaan muutoksen molemmissa muissa muuttujissa.,
• se, että A ja B samanaikaisesti tehtiin muutos on vain sattumaa, ja mitä heittää tarkkailijat off-track on, että C on ’näkymätön’ tai ’piilee’.
• esimerkiksi, harkita että tietty tutkimus paljastaa suhdetta asunnottomien ja rikollisuus.
• teknisesti näiden kahden muuttujan välillä ei ole suoraa yhteyttä. Kolmas, vaaniva muuttuja, kuten työttömyys tai alkoholin väärinkäyttö, voi kuitenkin olla syy-yhteys molempiin tilanteisiin.,
• Joka on, emme voi todeta, että ’kasvu asunnottomien johtuu kasvava rikollisuus’ tai päinvastoin. Syy-seuraus voi tässä olla työttömyys, jonka takia ihmiset ovat joko asunnottomia tai turvautuvat rikoksiin tai molempiin.
• ymmärrät teoriaa paremmin alla esitetyllä esimerkkilistalla.

◼Esimerkiksi
Harkitse suhdetta kaksi tapahtumaa juhlissa., Eniten tanssineet oppilaat oksensivat. Oletus on, että tanssi sai heidät oksentamaan, tai päinvastoin (joo, se kuulostaa ällöttävältä). Mutta näkymätön muuttuja tässä on liiallinen alkoholinkäyttö, joka saa ihmisen oksentamaan sekä tanssimaan kuin mielipuoli.

◼Esimerkki II
opiskelija huomaa, että niinä päivinä hän on liian laiska herätä ja saada valmis college, ovat ne ajat, kun siellä ovat liikenneonnettomuudet. Korrelaatiota ei tietenkään ole., Syynä tähän lienee moroottinen sää, joka aiheuttaa hänelle uneliaisuutta ja myös liikenneonnettomuuksia.

◼Esimerkki III
Toinen esimerkki olisi opiskelija-urheilijoita ja heidän naispuolinen fani seuraavat. Yleinen oletus on, että naiset ovat kiinnostuneita näistä opiskelijoista, koska he ovat urheilijoita., Ei ole sellaista korrelaatiota, vaikka, tosiasia on, että urheilijat ovat lihaksikas elinten (kolmas muuttuja), naiset ovat houkutelleet niiden vahva persoonallisuus, ja siten väärinkäsitys.

◼Esimerkki IV
yleinen-yhteys on oletettu välillä alkoholin hinnan ja korkeat palkat hallituksen virkamiehet; kuitenkin, ei ole suhdetta. Tosiasia on, poliitikot ja poliittiset puolueet yleensä asuu kaupunkialueilla, ja palkat ja kustannukset ovat yleensä korkeampia kaupungeissa.,

◼Esimerkiksi V
yleinen tarkkailija toteaa, että kasvu väestön turisti kaupungeissa johtaa lisätä määrä, varkaudet ja ryöstöt. Ei ole korrelaatiota ylimääräinen väestö ja rikosten määrä, vaikka tosiasia on, että kun uusia matkailijoita saapuu, väestö luonnollisesti lisää, ja turistit pudota uhreja vähäisten rikosten, kuten varkauden paikallinen julkinen, joten korrelaatio.

◼Esimerkki VI
sanotaan, opiskelija olettaa, että on olemassa korrelaatio valmistusaika tentit ja laatu vastauksia kirjoitettu., Tämä korrelaatio voi hyvinkin olla väärä, sillä ei ole näyttöä siitä, että mitä enemmän valmistaudut, sitä paremmin vastata testejä. Se on vain yleistys. Loppujen lopuksi, jos opiskelijat ovat tarpeeksi älykkäitä, he kirjoittavat parempia vastauksia jopa vähän käytännön. Näkymätön muuttuja tässä on se, mihin oppilas valmistautuu. Jos oppilaat valmistautuvat yhdessä talossa, heidän huomionsa herpaantuu helposti ja se vaikeuttaa heidän valmisteluaan. He myös keskittyvät ja keskittyvät vähemmän aiheeseen, mikä johtaa huonoihin arvosanoihin., Päinvastoin, kun he valmistautuvat hiljaisessa ympäristössä, kuten kirjasto, niillä on taipumus keskittyä paremmin, ja niin he kirjoittavat paperille paremmin.

Takaisin Alkuun

◼Esimerkiksi
yhteyden oletetaan olevan olemassa, välillä koot sekä vasen käsi ja oikea käsi. Tällaista yhteyttä ei ole; käsien koko riippuu geeneistä.

◼esimerkki II
pitää hypoteettista tilannetta, jossa opiskelijat olettavat, että arvosanojen ja hiusten pituuden välillä on korrelaatio., Oletus tässä on, että pidemmät hiukset, korkeammat pisteet. Kuitenkin, vaanii tekijä tässä voi olla se, että naisopiskelijoita on parempi, voi olla, koska he työskentelivät kovemmin ja enemmän vilpittömästi kuin pojat. Tai ehkä he olivat senioreita, joilla oli jo jonkin verran kokemusta, minkä takia he pärjäsivät paremmin.

◼Esimerkki III
Tämä on melko yleisesti oletetaan väärä suhde noin kengän kokoa lasten ja heidän lukutaito. Ihmiset olettavat, että mitä enemmän he lukevat, he kasvavat ulos kengistään, tai heidän kenkänsä eivät sovi heille, kun he lukevat paremmin. Kuinka väärin, miten väärin., Hyvin ilmeinen tekijä tässä on ikä. Kun ne kasvavat isommiksi, niillä on taipumus kehittää lukutaitoaan. Henkisten taitojen ohella myös heidän kehonsa muuttuu, ja heidän jalkansa kasvavat suuremmiksi, minkä vuoksi he kasvavat ulos kengistään.

◼Esimerkki IV
naurettava oletus on, että lihavia lapset ovat kömpelöitä tai päinvastoin. Totta puhuen juuri se, että syöminen saa heidät kohtuuttomasti uneliaiksi ja laiskoiksi, minkä vuoksi he eivät harrasta urheilua ja muuta toimintaa, mikä tekee heistä kömpelöitä ja lihavia.,

◼esimerkki V
toinen samanlainen naurettava oletus on, että ”turvallisuus lihottaa lapsia”. Turvallisuustekijä tässä on julkisten ja yksityisten tilojen ja puistojen turvatoimet. Yhteys oletetaan tässä on, että mitä enemmän turvatoimia käytössä, sitä lihavampia lapset saavat. Varsinainen syy on se, että ylimääräinen turvallisuus ja turvallisuus pilaa lasten urheilun ja pelien hauskuuden, minkä vuoksi he välttävät pelaamista lainkaan, ja liikunnan puute saa heidät lihomaan.,

◼Esimerkki VI
Tutkimus oli kerran paljastui korrelaatio vaihdevuodet ja lisääntynyt sydän-ja verisuonitautien riskiä, jonka lääketieteen asiantuntijat olivat ehdottaneet, vaihdevuosien hormonihoito, julistaa, että se alentaa naisten riskiä sairauksia. Tämä yhteys osoittautui täysin vääräksi, kun myöhemmissä tutkimuksissa havaittiin, että HT: n ottaminen lisäsi sydänsairauksien ja muiden häiriöiden riskiä.

takaisin huipulle

uutisissa on ollut lukematon määrä virheellisiä korrelaatioita. Jotkut huomattavista korostuvat tässä., Tässä Emme ole maininneet todellista syy-seuraussuhdetta, koska sitä ei ole vielä vahvistettu tai saatu selville.

◼esimerkki I
juurikanava tai maidon kuluttaminen on sukua syövälle.

◼esimerkki II
uimahalleihin hukkuminen ja kuoleminen liittyy Nicholas Cagen elokuvien katseluun.

◼Esimerkki III
Kiusaaminen liittyy vähentää kroonisten sairauksien riskiä.

◼Esimerkki IV
juuston Kulutus yhdysvalloissa on liittyvät siihen, että ihmisiä kuolee saada takkuinen niiden lakanat.

◼esimerkki V
US: n menot tieteestä ja teknologiasta liittyvät hirttämällä tapahtuvaan itsemurhaan.,

◼ esimerkki VI
Mainen eroprosentti liittyy margariinin kulutukseen.

Takaisin Alkuun

◼ Esimerkiksi
hameen pituus teoria on yksi tunnetuimmista ja tärkeä näennäisiä korrelaatioita historiassa. Siellä oli yleinen uskomus, että lyhyempi pituudet hameet kuluneet naisten, parempi osakemarkkinoiden kehityksestä. Mikä on yhteys, Jos saan kysyä? Ei mitään. Hämmästyttävää kyllä, tämä korrelaatio on yleensä totta 25% ajasta., Syy-tekijä tässä voi olla se, että takaisin vuonna aiemmin päivällä, lyhyempiä hameita merkitsi löysä arvoja, jonka vuoksi sijoittajat omistettu kaiken aikansa parantaa markkinaosuuttaan.

◼Esimerkki II
Toinen havaittu suuntaus on ollut korrelaatiota ice-cream myynti ja kuolleiden määrä oli hukkuminen. Kolmas tekijä voi olla sää―ihmiset ovat yleensä enemmän jäätelöä kesäisin, ja myös haluavat mennä uimaan kirjanpito lämmin sää, joka voi johtaa hukkuminen, jos asianmukaista hoitoa ei ole otettu.,

◼esimerkki III
poikien ja tyttöjen korkeuksien välillä oletetaan olevan suhde. Mutta ainoa yhteys tässä on vain genetiikka.

Example Esimerkki IV
rikosten määrän ja poliisien määrän välillä havaittiin yleinen suuntaus. Näkymättömissä oli alue―tiheään asutulla alueella on enemmän poliiseja ihmismäärän vuoksi. Myös väestömäärän kasvu lisää rikoksia.

◼esimerkki V
Tämä on yksi naurettavimmista virheellisistä korrelaatioista koskaan., Yhteys oli välillä tehty asukkaan kaupunki Saksassa, nimeltään Oldenburg, ja määrä haikaroita nähty kaupungissa yli puoli vuosikymmentä. Mikä on yhteys? Ainoa selitys on se, että kaupungin ja lintujen väkiluku kasvoi samanaikaisesti.

◼Esimerkki VI
Toinen esimerkki aikaa on myötävaikuttanut tekijä heijastui korrelaatio kerran tehty välillä kustannukset alkoholi ja opettajien palkat. Tosiasia on, että molemmat lisääntyvät, kun vuodet vierivät; suoraa yhteyttä ei ole.,

Takaisin Alkuun

kaikin keinoin, väärä suhde ei voi käyttää, jotta löytää aiheuttava tekijät, koska ristiriita, että se on väärin merkinnän syy. Kuitenkin, se tapahtuu hyvin usein tutkimuksen alalla ja lääketieteessä, koska lääkärit ja tutkijat käyttävät korrelaatio teoria löytää yhdistysten ja laatia päätelmät.