统计学和因果论：相关性和因果关系
相关性：两个变量的一致性程度。存在3种状态：正相关、负相关、不相关。
相关性代表“有概率存在因果关系”，但是因果的方向未定。
因果关系：一个变量由于另一个变量的变化而产生变化。
高相关性的两个变量具有较大概率存在因果关系，但是因果的方向是不一定的，也有可能不存在因果关系，或不是直接的因果关系。这意味着当我们从历史数据中发现了某种相关，需要进一步进行验证时，只有引入操作变量，才能确定真实的机制是什么样的。
数据监控的建立和数据的输出，都需要和业务的实际问题紧密结合，只有专业知识+数据辅助，才能更快速地得出有效的结论。
相关性代替因果关系和因果倒置是我们在数据分析（更准确地说是“数据推理”）中经常存在的逻辑谬误。
统计学方法除了描述统计，另一个分支可以被称作“推断统计”，而推断统计的核心方法就是“假设检验”。
我们前面提到的AB测试、实验设计等内容，都是依托假设检验过程存在的。具体过程是：为了验证一件事情的真假，我们就先假设它为真（即认为它大概率发生），并约定它不发生的概率作为显著性水平，然后根据样本数据的验证结果，做出决策，即拒绝原假设或接受原假设。
这一过程基于一个重要的前提：在单次实验中，小概率事件不可能发生。如果发生了，我们就拒绝原假设——这也是假设检验过程的核心思想。这种方法和反证法非常类似——先假设事情是这样的，顺着当前情况推导出矛盾，就刚好说明假设不成立。
