In qualsiasi dataset reale è estremamente improbabile che qualsiasi correlazione sia esattamente zero, per motivi aritmetici, di probabilità a priori e di reti causali latenti.
Il rifiuto dell’ipotesi nulla di correlazione zero è scontato con dati sufficienti, rendendo il test di significatività privo di significato confermativo.
Le ipotesi direzionali (>0 o <0) offrono scarso valore confermativo perché indovinare il segno di un parametro diverso da zero è casuale al 50%.
L’estesa intercorrelazione tra variabili complica l’interpretazione di modelli statistici, favorisce la confusione residua e implica l’esistenza di reti causali complesse con variabili chiave centrali.
La presenza di variabili apparentemente non correlate deve sollevare sospetti su underpowering, errori sistematici o dati corrotti, poiché l’assenza di correlazione è inusuale.
Get notified when new stories are published for "Hacker News 🇮🇹 Italiano"