我将通过一些例子来说明相关性如何暗示一种联系。
在使用两个不同事物的视觉效果时确实需要小心，通常还有另一个第三个变量在起作用，它会对两个值产生影响，女士们先生们，这被称为混杂因素。
相关性和因果关系的坏例子。
我从Tyler Vigens 的网站上获取了一些统计数据，并重现了人们认为相关性较高的变量的影响。
我相信在看到这张精彩的图片之前，我们都会同意，街机 使用此服务的好处 游戏收入和计算机科学博士学位之间绝对没有任何关系。事实上，它们之间没有关系。但如果以一种有意义的方式呈现，你可能会让某人相信，如果街机游戏收入增加，计算机科学博士学位也会增加。
这样想想，如果我提出这样的想法：网站内容的数量会直接影响收入，SEO 人员就会打我的脸并把我塞进传真机里。
这就是混杂因素出现的地方。
在我上面的打脸例子中，混杂因素代表了大量变量和努力，例如关键词研究、内容创作和少量公关，以及许多其他变量。所有这些都有助于网站成功。
现在来看一个相关性的好例子
很自然地，人们会认为在炎热的天气里人们会购买更多的冰淇淋，对吧？对吧？好吧，我在Maths Is Fun上看到了一个数据集，它完美地证明了这篇文章的观点。
好吧，天哪，亲爱的读者，看来你是对的。看来气温升高时冰淇淋的销量确实会上升。
这被称为回归图，它使用统计数据来计算直线的系数，也称为“最佳拟合线”或斜率。
此值显示事物之间的相关性，值可以是 1 到 -1 之间的任何值。两个极端都显示高度正相关或负相关。
上图确实表明 ，随着气温升高，冰淇淋销量也会上升。根据这个数据集，我们可以说这是正确的，准确率为 91%。当然会有一个峰值，如果气温达到 40 摄氏度，许多人就不会出门去冒险变成西红柿了，这也是混杂因素的另一个很好的例子。
