a:

Una correlazione, positiva o negativa, non implica alcuna causa. Nelle statistiche, il termine correlazione viene utilizzato per descrivere la relazione tra due o più variabili. Le correlazioni sono positivi quando un aumento della frequenza di una variabile è accompagnato da un aumento della frequenza dell'altra variabile. Le correlazioni negative sarebbero il contrario: una diminuzione della frequenza di una variabile è accompagnata dalla diminuzione della frequenza dell'altra variabile. La correlazione può essere uno strumento prezioso per l'analisi statistica, ma non può implicare la causa causata da ciò che gli statisti chiamano variabili confondenti.

Le variabili confuse influenzano la relazione tra due o più variabili in modi spesso non rilevabili o incommensurabili. Il guardiano cita la correlazione tra il fumo e il cancro al polmone come un buon esempio di come le variabili confondenti possono confondere il processo di analisi correlativa. In questo caso, c'è stata una correlazione positiva tra l'aumento del fumo e un aumento dei casi di cancro ai polmoni. Tuttavia, per gli analisti non è stato possibile stabilire definitivamente che il fumo da sola era responsabile dell'incremento a causa di altri fattori, come l'attuazione di migliori procedure diagnostiche e l'aumento dell'inquinamento industriale e del traffico. Poiché tutte queste variabili sono state importanti per determinare la causa causata dall'incremento dei casi di cancro ai polmoni, hanno oscurato la relazione tra fumo e cancro al polmone e ha reso molto più difficile individuare la relazione esatta.

Non significa che le correlazioni non possano dare agli analisti una migliore comprensione di come due variabili abbiano effetto, ma questi tipi di analisi non possono offrire una certezza assoluta. Nel caso del cancro al fumo e del polmone, è stato necessario più di 40.000 medici e molti anni di studio intensivo per accertare con ogni alto grado di certezza il vero rapporto tra le due variabili. Tutto ciò si è detto, maggiore è la correlazione tra due variabili, positivi o negativi, più è probabile che esista almeno una certa quantità di causalità in gioco. Se analizzando la correlazione per scopi finanziari, prova a ricercare i modi che le istituzioni finanziarie professionali lo farebbero.