Summary - Confundimento

Por 9 de julho de 2017Summary

Como já mostramos em um post anterior a correlação é útil para avaliar a relação entre duas variáveis.

Mas a existência de correlação entre duas variáveis não indica necessariamente uma relação de causa e efeito entre as mesmas. Em alguns casos, a correlação observada pode ser espúria, em outros, uma alta correlação pode ocorrer devido a um terceiro fator, chamado de fator de confundimento.

Fator de confundimento

Um exemplo clássico é apresentado pelo estatístico Gustav Fischer, que mostrou uma correlação positiva entre o número de recém nascidos e o número de cegonhas na cidade de Oldenburg da Dinamarca. Mas ao contrário das histórias infantis, não era o aumento do número de cegonhas que causava o aumento do número de bebês, mas sim o crescimento da cidade, que era causa de ambos os fenômenos, uma vez que as cegonhas faziam seus ninhos perto de casas com chaminés.

Exemplo de confundimento entre cegonhas e número de nascimentos

Logo, o fator urbanização que implica tanto no aumento populacional de humanos quanto de cegonhas torna-se um fator de confundimento, que implica na alta correlação observada.

Assim, é importante ressaltar que a correlação ou associação quantifica a força com que duas variáveis estão correlacionadas, mas não aponta se uma interfere de fato no resultado da outra.

Mas uma relação de causa e efeito entre as variáveis pode existir sim, a chamada causalidade, mas isso é assunto para um próximo post, então fique atento.

Entre em contato conosco

Autor Larissa Fernandes

Mais posts de Larissa Fernandes

Insira uma resposta