La correlazione non implica causalità: 5 esempi concreti

La frase ” la correlazione non implica causalità ” è spesso usata in statistica per sottolineare che la correlazione tra due variabili non significa necessariamente che una variabile causa l’altra.

Per comprendere meglio questa espressione, consideriamo i seguenti esempi concreti.

Esempio 1: vendite di gelati e attacchi di squali

Se raccogliessimo dati ogni anno sulle vendite mensili di gelato e sugli attacchi mensili di squali negli Stati Uniti, scopriremmo che le due variabili sono altamente correlate.

Questo significa che mangiare il gelato provoca attacchi di squali?

Non abbastanza. La spiegazione più probabile è che più persone consumano il gelato e nuotano nell’oceano quando fuori fa più caldo, il che spiega perché queste due variabili sono così altamente correlate.

Sebbene le vendite di gelati e gli attacchi di squali siano altamente correlati, l’uno non causa l’altro.

Esempio 2: Masteries e ricavi al botteghino

Se raccogliessimo dati sul numero totale di master rilasciati ogni anno dalle università e sul totale degli incassi generati ogni anno al botteghino, scopriremmo che le due variabili sono altamente correlate.

Questo significa che il rilascio di più Master comporta ogni anno un aumento degli incassi al botteghino?

Non abbastanza. La spiegazione più probabile è che la popolazione mondiale aumenta ogni anno, il che significa che ogni anno vengono assegnati più master e il numero di persone che vanno al cinema ogni anno aumenta in proporzioni più o meno uguali.

Sebbene queste due variabili siano correlate, l’una non causa l’altra.

Esempio 3: annegamenti in piscine in relazione alla produzione di energia nucleare

Se raccogliessimo dati sul numero totale di annegamenti di piscine ogni anno e sulla quantità totale di energia prodotta ogni anno dalle centrali nucleari, scopriremmo che le due variabili sono altamente correlate.

Ciò significa forse che l’aumento degli annegamenti nelle piscine sta in qualche modo portando ad un aumento della produzione di energia nucleare?

Non esattamente. La spiegazione più probabile è che la popolazione mondiale è aumentata, il che significa che sempre più persone stanno annegando nelle piscine, e che la produzione di energia nucleare sta diventando ogni anno più fattibile, motivo per cui è aumentata.

Sebbene queste due variabili siano altamente correlate, l’una non causa l’altra.

Esempio 4: Casi di morbillo in relazione al tasso di matrimonio

Se raccogliessimo dati ogni anno sul numero totale di casi di morbillo negli Stati Uniti e sul tasso di matrimonio, scopriremmo che le due variabili sono altamente correlate.

Ciò significa che un minor numero di casi di morbillo porta a tassi di matrimonio più bassi?

Non esattamente. Invece, le due variabili sono indipendenti: la medicina moderna sta portando a una diminuzione dei casi di morbillo e ogni anno sempre meno persone si sposano per una serie di ragioni.

Sebbene queste due variabili siano altamente correlate, l’una non causa l’altra.

Esempio 5: Diplomati rispetto al consumo di pizza

Se raccogliessimo dati ogni anno sul numero totale di diplomati e sul consumo totale di pizza negli Stati Uniti, scopriremmo che le due variabili sono altamente correlate.

Ciò significa che un numero crescente di diplomati sta portando ad un aumento del consumo di pizza negli Stati Uniti?

Non abbastanza. La spiegazione più probabile è che la popolazione statunitense sia aumentata nel tempo, il che significa che il numero di persone con un diploma di scuola superiore e la quantità totale di pizza consumata aumentano con l’aumento della popolazione.

Sebbene queste due variabili siano correlate, l’una non causa l’altra.

Risorse addizionali

Le seguenti esercitazioni forniscono ulteriori informazioni sulla correlazione:

Un’introduzione al coefficiente di correlazione di Pearson
La causalità implica una correlazione?
Correlazione vs. associazione: qual è la differenza?
Cos’è considerata una correlazione “forte”?
Quando dovresti usare la correlazione?