“Il libro dei perché” capitoli 1 e 2, una serie Leggi con me
Nel mio articolo precedenteHo dato il via al club del libro “Leggi con me” per esplorare “Il libro dei perché” di Judea Pearl. Vorrei ringraziare tutti coloro che hanno mostrato interesse e iscritto per unirsi al club. Spero che potremo intraprendere un viaggio per approfondire la nostra comprensione della causalità leggendo e condividendo insieme approfondimenti. Dopo due settimane, come promesso, condivido alcuni punti chiave che ho tratto dai primi due capitoli.
In questi due capitoli, Judea inizia spiegando la scala della causalità e passa in rassegna lo sviluppo storico della teoria causale. Approfondiremo ulteriormente i tre pioli.
Già nel 1800, da Galton a Pearson, mentre cercavano di capire come gli esseri umani ereditano i tratti genetici, scoprirono che la correlazione era sufficiente in senso scientifico. Dopotutto, “I dati sono tutto ciò che c’è nella scienza.” Per loro, la causalità è semplicemente un caso speciale di correlazione che non può mai essere dimostrato. D’altra parte, la correlazione è abbastanza potente da spiegare perché i figli di padri più alti sono più alti della media della popolazione. I modelli di previsione basati sulla correlazione fanno previsioni in base a identificare le variabili più predittive rispetto al target di interesse, anche se in molti casi potrebbe non avere senso. Ad esempio, esiste una forte correlazione tra il reddito pro capite di una nazione consumo di cioccolato e il suo numero di Vincitori del premio Nobel. Apparentemente, mangiare più cioccolato non aumenterebbe la possibilità di vincere il Premio Nobel, ed è più probabile che la ricchezza di un paese sia il fattore confondente in questo caso. Possiamo trovare molti esempi come questo che non forniscono informazioni significative e scientifiche. Quando gli furono presentati questi risultati, Pearson li liquidò come semplici “spurio” correlazioni.
Oltre alla correlazione “spuria”, è anche comune trovare correlazioni riscontrate nella popolazione invertite nei sottogruppi. Ad esempio, quando si misura la correlazione tra lunghezza e larghezza del cranio, la correlazione è trascurabile se misurata separatamente nei gruppi maschili e femminili. Tuttavia, è…
Fonte: towardsdatascience.com
