和逻辑有关,和统计无关,估计是不同课程混了起来。
因果和相关
Eating Breakfast May Beat Teen Obesity通过持续5年时间观察2千多名青少年,提到“早餐规律进食的青少年,饱和脂肪占总卡路里比例较低,同时摄入更多的纤维”,“早餐规律者似乎比不吃早餐的更积极运动(breakfast->more active)”,研究发现,长时间规律早餐的青少年肥胖更少(breakfast skipping -> obese)。但是这些观察数据能否这告诉我们早餐能使人运动,早餐能使人保持身材?
因果关系和相关关系很不相同,要避免由相关性而误认为因果性。上面的观察,是correlation,而不是causality,注意不要被此误导。例如有可能activity causes breakfast,说不清啊。
因果关系是causality, A causes B
相关关系是(correlation , A & B 被同时观察到,并没有必然因果关系,可能是因A而B,也可能是因B而A,或者B->C->A,或者C->(A、B))
归纳和演绎
归纳推理:inductive reasoning,looking for pattern or trend, and then generalizing,是推广,不一定趋势未来也如此,但假设如此。
演绎推理:deductive reasoning: taking some set of data or facts, and using that to come up with other, or deducing some other facts that you know are true. 演绎是真实的,是一种证明而不是推测,从facts->facts。
归纳例子:
例子1:知道小镇的历史人口,预测未来人口,采用的是inductive reasoning.
例子2:6、9、12、15,……,第n项,我们只是假设趋势保持
演绎例子:解方程,从一个已经的known fact(方程开始),经过一系列的运算,一步一步,最后得到other fact(x求解的答案)
End
终于看完,恭喜自己
相关链接:我的四方书库