Back to chapter

1.6:

Correlação e Causalidade

JoVE Core
Biology
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Core Biology
Correlation and Causation

Languages

Share

Os resultados de um experimento podem sugerir que as variáveis independentes e dependentes estejam relacionadas. A relação entre as variáveis, a correlação, pode ser positiva, ambas as variáveis aumentam ou diminuem juntas, ou negativa, uma aumenta e a outra diminui. Além disso, pode não haver relação entre as variáveis.Para determinar se uma correlação aparente reflete uma relação direta de causa e efeito, uma relação causal, deve-se realizar experiências adicionais de controle. Por exemplo, se um pesquisador pretende determinar a causa da perda da cauda em cinco diferentes populações de geckos, e encontra uma diminuição no número de geckos sem caudas à medida que o número de carrapatos parasitas de corvos aumenta, esse resultado seria uma correlação negativa, e pode-se concluir que o parasita dos corvos não está causando diretamente a perda de cauda nos geckos. No entanto, se o pesquisador contasse o número de corvos em cada local, ele pode ter encontrado uma correlação positiva entre o número de corvos e o número de geckos sem caudas.E depois de examinar o conteúdo do estômago do corvo, ele também teria encontrado as caudas desaparecidas dos geckos. Portanto, o número de corvos determinou diretamente o número de caudas perdidas pelos geckos. e predições dedutivas.Por exemplo, os cientistas puderam observar que as borboletas tendem a evitar flores com pétalas pequenas.

1.6:

Correlação e Causalidade

Visão Geral

Testes estatísticos podem calcular se há relação, ou correlação, entre variáveis independentes e dependentes. Uma relação indireta das variáveis significa uma correlação enquanto que uma relação direta mostra causalidade. Se for determinado que não existe conexão entre as variáveis, então a correlação é uma coincidência.

Correlação versus Causação

Se a variável dependente aumentar ou diminuir quando a variável independente aumenta, há correlação positiva ou negativa, respectivamente, entre as duas variáveis. Se essa relação é indireta, então é devido a uma correlação. No entanto, uma relação direta significaria causalidade.

Por exemplo, se um investigador quer determinar a causa da perda de cauda em cinco populações diferentes de geckos, e encontra uma relação negativa entre o número de geckos sem cauda e o número de carraças parasitas em corvos, esse resultado constituiria uma correlação negativa e indicaria que o parasita do corvo não está a causar diretamente a perda de cauda em geckos.

No entanto, se os corvos tivessem sido contados perto de cada população de geckos, uma relação positiva entre o número de corvos e geckos sem cauda pode ter sido encontrada. Se, depois de examinar o conteúdo do estômago dos corvos, as caudas dos geckos desaparecidas fossem descobertas, o número de corvos teria determinado diretamente o número de caudas perdidas pelos geckos—indicando causalidade. Se as caudas dos geckos não tivessem sido encontradas no estômago dos corvos, então a correlação poderia ter sido coincidência.

É importante ressaltar que, neste exemplo, há uma correlação negativa entre o número de corvos e o número de carraças parasitas em corvos. Na verdade, o número de parasitas de corvos provavelmente aumentará com o aumento do número de corvos, uma correlação positiva. Nesse cenário, o número de carraças-corvo também estaria positivamente correlacionado com o número de geckos sem cauda. No entanto, ao contrário da relação entre populações de corvos e geckos sem cauda, o número de carraças e geckos sem cauda não estão causalmente relacionados.