Recent Changes - Search:

Pagine di servizio

Gruppi

Pagine in allestimento

Strumenti

Domini correlati

PmWiki

pmwiki.org

edit SideBar

Correlazione e causalità statistica

Autore: Peter Forster

MedPop Medicina popolare

a cura di D. Rüegg

Correlazione (statistica) it.Wikipedia Causalità it.Wikipedia

Dei dati statistici possono per definizione illuminare solo delle correlazioni e mai delle dipendenze causali.

  • causale: significa una dipendenza di un fatto ← da un'altro.
  • correlato: significa la coincidenza (per intanto ignoti motivi) di due ↔ fatti.

Malgrado sia banale questa differenza terminologica, si incontrano numerosissime "statistiche" che cortocircuitano correlato e causale tirando così molto spesso delle conclusioni completamente errate - non solo dei giornalisti, politici e responsabili di marketing, ma anche dei ricercatori stessi che si squalificano da brutto con simili mosse.

1.  Correlazione come causalità

(Una correlazione rappresentata come causalità)
Di seguito un esempio di apparenza scientifica pubblicato di associazione di pediatri Statunitensi, commentato poi da Salman Khan dalla KHANacademy


cliccare per accedere

Collazione combatte l'obesità di adolescenti
In questo studio, pubblicato in Pediatrics dei ricercatori analizzarono i dati di 2'216 adolescenti durante un periodo di 5 anni dalle scuole pubbliche a Minneapolis-St.Paul, Minnesota.

I ricercatori scrivono, che gli adolescenti che fanno regolarmente collazione consumano meno grassi saturi ma più fibre vegetali e carboidrati che i loro compagni che saltano questo pasto. In più quelli che fanno regolarmente collazione sembrano più attivi fisicamente che i loro compagni saltapasti.

Nel tempo, costatarono i ricercatori, gli adolescenti che fanno regolarmente collazione aumentano meno di peso e hanno un'indice di peso corporeo inferiore che quelli "salta-collazione".

Salman Khan commenta questo peccato mortale (anti)scientifico (suberbia & acedia) ca. al seguente:


Suberbia & Acedia


◦⦆─────⦅◦

2.  Dalla correlazione alla causalità

Dai dati statistici, rilevati o misurati ed elaborati regola d'arte (come descritto nel capitolo sulla statistica descrittiva) si possono dedurre delle coincidenze (correlazioni) più o meno strette e con vari indicatori sulla distribuzione e l'affidibilità del campione. Ulteriori elaborazioni inferenziali riescono poi a chiarire variabilità e significatività correlativa.

Non si riesce a dimostrare delle causalità con dei strumenti statistici.

Non si riesce p.es. a decifrare, se la correlazione tra colazione ↔ obesità dimostrata è dovuto al fatto:

  • che l'obesità è un'effetto ← di mancante colazione (causa) ?,
  • che la "salta-colazione" è un effetto ← dell'obesita (causa) ? oppure
  • che c'è un terzo o vari altri fattori determinativi ? (p.es. attività fisica, sonno, genetica, televisione, ...) → causante sia la colazione → che l'obesità.

A partire da questo punto non sono più richieste delle conoscenze statistiche bensì di creatività mentale, professionalità nel tema trattato, una dose di scetticismo, abitudine di formulare delle ipotesi e di falsificarli. Alla fine rimangono (forse) poche supposizioni plausibili.
Bisogna poi formularli, giustificarli e commentarli; cioè mettersi in discussione (che non è cosa di tutti).

Chi non si sente a fare tutto questo lavoro speculativo e di ragionamento pubblico per arrivare a una ipotesi (plausibile e stringente), meglio che ponga delle domande sugli punti non evidenti e non chiari. Partecipa meglio così alla progressione di sapere che sparando un'altro giudizio o un'ulteriore credenza (che non tiene) alla pattumiera esistente.

◦⦆─────⦅◦

3.  Implicazioni della confusione

Per evitare delle brutte figure (come nell'esempio cui sopra), le riviste scientifiche serie usano il metodo del "Peer Review" (revisione paritaria): sottopongono un'articolo del genere (anonimizzato) a degli collaudati esperti scientifici, sia del tema trattato che di statistica, chiedendo una valutazione formalizzata. Certo che queste procedure sono impegnative, ma una rivista scientifica rinomata si mantiene la ficucia dei lettori solo in questo modo.

I politici, giornalisti e manager del marketing coinvolti usano comunque questi testi per i loro scopi, anche se raramente sono interessati (o capaci) di interpretare le "sfumature" ragionevoli (che sarebbero le causalità).

Gli effetti sociali possiamo poi ammirare nella pubblicità televisiva per i musli a colazione che si servono spudoratamente di queste oscenità "scientifiche".

4.  Allegati

4.1  Sitografia

MedPop

description: Biometria, Statistica, epidemiologica, descrittiva, inferenziale, Indici di peso corporeo, Rischio peso, Colesterolemia, Lipidemie, MedPop, Medicina popolare
description: Insidie, statistiche, Visualizzazione grafica, Standardizzazione, Statistiche strane, Statistica descrittiva, Statistica inferenziale, MedPop, Medicina popolare
description: Epidemiologia, statistica, Correlazione, causalità, ipotesi, Implicazioni, confusione, Analisi di regressione, Statistiche di paragone, MedPop, medicina popolare
description: Dati, statistici, fondamentali, Media, moda, mediana, Deviazione standard, Indicatori, distribuzioni, Campo di variazione, Coefficiente di variazione, interpretazione, Lavoisier, somma, totale, Medie, mobili, Ovvietà, paradosso di Simpson, fattore d'inganno, Contesto, MedPop, Medicina popolare
description: campionamento, sondaggi, probabilistico, randomizzazione, Errori, caso, Variabilità, stima, Errore standard, limiti fiduciali, significatività, chi-quadro, Yates, Fisher, Meta-analisi, Eterogeneità, MedPop, Medicina popolare
description: Formula di Broca, Body mass index, BMI, IMC, giovani, Indice di massa corporea, mortalità
description: biometria, antropometria, medicina popolare, profana, laica, complementare, rischio peso, aspettativa vita, corporeo, Indici, IMC, indice di massa corporea, BMI, body mass index, Valutazione, biologiche, biologica, Implicazioni, mediche, sanitarie, Determinanti, peso, Valutazione peso, Misure, pazienti, sottopeso, sovrapeso, magrezza, obesità, Peter Forster, Daniela Rüegg
description: Medicina popolare, MedPop, biometria, colesterolo, lipidi, Lipidemie, lipoproteine, popolazioni, nazioni, sessi, età, referenza, prevenzione, rischi, colesterolemia, statistiche, misurazione, mortalità, riferimento, sanitario, chimico, Col, HDL, diagnosi, alimentazione, Medicamenti, economia, socioeconomia, statine, infarto, occlusioni, arterie, Aterosclerosi, Peter Forster, Daniela Rüegg
description: Medicina popolare, MedPop, biometria, colesterolo, lipidi, Lipidemie, lipoproteine, popolazioni, nazioni, sessi, età, referenza, prevenzione, rischi, colesterolemia, statistiche, misurazione, mortalità, riferimento, sanitario, chimico, Col, HDL, diagnosi, alimentazione, Medicamenti, economia, socioeconomia, statine, infarto, occlusioni, arterie, Aterosclerosi, Peter Forster, Daniela Rüegg

Wikipedia

Vari

  • galenotech: FACOLTA' di FARMACIA e MEDICINA corso di laurea in SCIENZE FARMACEUTICHE APPLICATE: La Sapienza Università di Roma
  • EPIDEMIOLOGIA STATISTICA: : FACOLTA' di FARMACIA e MEDICINA corso di laurea in SCIENZE FARMACEUTICHE APPLICATE: La Sapienza Università di Roma
  • Tubes: KHANacademy
  • Statistics Tubes: KHANacademy

4.2  Commenti

alla pagina Biometria / Correlazione e causalità statistica: ev. cliccare sul titolo per accedere.

(:description :)

(:keywords :)

Commento 
Autore 
Enter code 652


Edit - History - Print - Recent Changes - Search
Page last modified on December 26, 2011, at 08:52 PM