Tajuatko, mitä eroa on syy-yhteydellä, ajallisella yhteydellä ja tilastollisella yhteydellä?

Onpa outo kysymys. Missä yhteydessä ;)

Onpa outo kysymys. Missä yhteydessä ;)

Ymmärrätkö tai luuletko ymmärtäväsi näiden käsitteiden erot? Ja mikä on koulutuksesi?

Terv. Matemaattinen analyytikko :) vaikkei siitä noitten ymmärtämiseen mitään etua ole...

Rupesin oikein miettimään enkä rehellisesti sanoen TÄYSIN taida tietää. Tarvitsen tietoa mitä suurimmassa määrin työssäni (aina välillä).



Voiko syy-yhteyttä oikeastaan koskaan varsinaisesti TODISTAA? Sitä puoltavaa dataa vain alkaa kertyä niin paljon, että syy-yhteyttä aletaan pitää tosiasiana?



Olen kiitollinen tyhjentävästä selityksestä.

Tai siis tietenkin koeasetelmalla laboratoriossa tai kliinisessa koeasetelmassa voidaan syy-yhteys todistaa (joskus).



Mutta nyt varmaan viittasit näihin rokotuksiin ja narkolepsiaan.



Itse työskentelen lääketeollisuudessa.

Rupesin oikein miettimään enkä rehellisesti sanoen TÄYSIN taida tietää. Tarvitsen tietoa mitä suurimmassa määrin työssäni (aina välillä).

Voiko syy-yhteyttä oikeastaan koskaan varsinaisesti TODISTAA? Sitä puoltavaa dataa vain alkaa kertyä niin paljon, että syy-yhteyttä aletaan pitää tosiasiana?

Olen kiitollinen tyhjentävästä selityksestä.

Tyhjentävä selitys sinun tulee lukea kirjoista. Lyhyesti sanoisin seuraavaa:

Syy-yhteyttä voidaan kuvata korrelaatiolla, joka voi olla suora- tai käyräviivaista. Havaintopisteisiin sovitetaan käyrä, jonka sopivuutta esittää korrelaatiokerroin. Jos sopivuus on yli 80%, pidetään korrelaatiota yleensä vahvana. Kuitenkaan ei aina voida sanoa, että kaikilla asioilla on syy-seuraus yhteys, vaikka korrelaatiotakin olisi, vaan tulosta täytyy tulkita inhimillisesti. (Vrt. kesällä kun lämpötila nousee, syödään enemmän jätksiä ja hukkuu enemmän ihimisiä, mutta korrelaatiota ei ole jätskillä ja hukkumisilla)

Tilastollinen riippuvuus liittyy samaan asiaan. Tilastollisilla testeillä voidaan laskea onko asia tosi saatavilla olevan datan perusteella. JOs siis dataa on riittävästi ja sen virhemarginaali on pieni (ja se on kerätty oikein), niin voidaan sanoa asioiden riippuvan toisistaan. Myös em. korrelaatio on tavallaan tilastollinen testi, sillä vaikka korrelaatio olisikin täydellinen kolmella havainnolla, se ei ole sitä välttämättä kymmenellä.

Ajallinen seuraus on sitten sitä, riippuuko jokin asia ajasta esim. lämpötila. Tähän on myös tilastollisia testejä joilla voidaan määrittää onko esim. lämpötilan vaihtelu luonnollista vai epänormaalia.

Selitykset meni nyt kuitenkin tilastomatikkaan :)

Olen FL ja luulen kyllä käsittäväni noiden eron. Sen sijaan en ole koskaan joutunut käyttämään noita termejä tarkasti.



En oikein tiedä, missä asiayhteyksissä noita termejä erityisen tarkasti käytetään. Nyt olen törmännyt niihin tuota sikarokotetta koskevassa uutisoinnissa.



Sanoisin, että syy-yhteys on käsittääkseni aika laaja ja epämääräinen käsite, ajallinen yhteys liittyy aikaan ja ajankohtaan (eri asiat liittyvät toisiinsa siksi, että tapahtuvat tiettynä ajankohtana, joka voi olla pitkäkin, tai tietyn ajan päässä toisistaan), tilastollinen yhteys voidaan osoittaa vertaamalla tilastoa x tilastoon y tiettyjen kriteerien puitteissa.



Olenko ihan hakoteillä?

Olen FL ja luulen kyllä käsittäväni noiden eron. Sen sijaan en ole koskaan joutunut käyttämään noita termejä tarkasti.

En oikein tiedä, missä asiayhteyksissä noita termejä erityisen tarkasti käytetään. Nyt olen törmännyt niihin tuota sikarokotetta koskevassa uutisoinnissa.

Sanoisin, että syy-yhteys on käsittääkseni aika laaja ja epämääräinen käsite, ajallinen yhteys liittyy aikaan ja ajankohtaan (eri asiat liittyvät toisiinsa siksi, että tapahtuvat tiettynä ajankohtana, joka voi olla pitkäkin, tai tietyn ajan päässä toisistaan), tilastollinen yhteys voidaan osoittaa vertaamalla tilastoa x tilastoon y tiettyjen kriteerien puitteissa.

Olenko ihan hakoteillä?

Teollisuudessa käytetään tuotannossa, laadunvalvonnassa ja tuotekehityksessa ainakin, tai noissa minä olen ollut töissä :)

Kiitos kasille ja ysille!



Useinkin lääkkeiden harvinaisesten haittavaikutusten syy-yhteyttä arvioitaessa dataa ei ole tarpeeksi. Jos joku haitta tulee joka miljoonannelle käyttäjälle, on vaikea luotettvasti arvioida, johtuiko se käytetystä lääkkeestä, kyseisestä sairaudentilasta vai potilaan muusta lääkityksestä vai ns. huonosta tuurista (eli sen henkilön genetiikasta, metaboliasta tms).



Jos tämä haitta on kuitenkin vakava, niin laitetaan varoitus valmisteyhteenvetoon, vaikka syy-yhteys ei olekaan selvillä.

Ensimmäisellä ilmeisesti tarkoitetaan kausaliteettiä. Ja siitähän löytyy sitten sellainen tuhatvuotinen kirjallisuus, eikä mitään konsesusta.



Kaksi jälkimmäistä ovat hivenen eri tason käsitteitä. Ajallinen yhteys on juuri se mitä sanookin olevansa: kaksi asiaa on tapahtunut peräkkäin. Sitä ei tiedetä, onko ensimmäinen toisen syy. Tilastotieteessä taas on omat sääntönsä, joiden mukaan voidaan esittäää yhteyden olemassaolo.

Tupakointiko aiheuttaa syöpää?



Tupakoinnilla ja syövällä on tilastollinen yhteys eli tilastollisesti voidaan osoittaa tupakoijilla olevan keskimäärin selvästi enemmän keuhkosyöpää kuin muilla. Tämä ei kuitenkaan ole vielä riitänyt todistaman syy-yhteyttä, sillä on mahdollista, että tupakanpolttoon liittyy on toistaiseksi tuntematon selittäjä X, joka itse asiassa aiheuttaakin syöpää eikä itse tupakka.

Tutkimustaustakin minulta löytyy, enkä olisi missään nimessä valinnut sellaista uraa jos ko. käsitteiden väliset erot olisivat minulle joko epäselviä tai yhdentekeviä.

Mutta olenkin käynyt yliopiston :)