Уважаемые специалисты TQM & 6 Sigm. Данные концепции основаны на использовании статистических методов. Рассел Акофф предупреждает, что в ходе анализа между переменными может быть обнаружена связь, что подтверждается статистическим данными, но это не означает, что это связь обязательно причинная. Неправильная идентификация типа связи между переменными может привести к неправильным выводам.
Какими методами вы пользуетесь для того, чтобы убедиться в наличии причинной связи между переменными?

Александр Запорожцев пишет: Уважаемые специалисты TQM & 6 Sigm. .....
Какими методами вы пользуетесь для того, чтобы убедиться в наличии причинной связи между переменными?

Александр, Вас интересуют конкретные "полевые" примеры или как это делается "в принципе"?

Я думаю Александр просто завуалировал функциональную зависимость y = f(x) назвав ее "типом связи".

И спрашивает, если равно убрать, связь есть или нет?

Как Эйнштейн говорил: Если потянуть кошку за хвост, она мяукнет. Связь есть. А беспроволочный телеграф, это то же самое, но без кошки.

Георгий Лейбович пишет: Александр, Вас интересуют конкретные "полевые" примеры или как это делается "в принципе"?

Меня интересует использование статистических методов после того, как на основе диаграммы Ишикава выдвинуто предположение о существовании ряда причин, приводящих к рассматриваемому следствию. Методология анализа 6 сигм предлагает весь набор известных статистических методов. Имея печальный опыт статистического подхода к анализу износа рельсов, хотелось бы познакомиться с положительным опытом. Ведь можно выявить статистическую связь между показателями, но никакой уверенности, что между этими явлениями причинная связь, нет

Александр Филонов пишет: Я думаю Александр просто завуалировал функциональную зависимость y = f(x) назвав ее "типом связи".

Нет, я имел ввиду другое: Есть два набора данных Х и У. Пусть коэффициент корреляции между этими наборами 0,7. Вопрос - как определить наличие причинной связи между этими наборами данных?

Александр Запорожцев пишет: Нет, я имел ввиду другое: Есть два набора данных Х и У. Пусть коэффициент корреляции между этими наборами 0,7. Вопрос - как определить наличие причинной связи между этими наборами данных?

Опытом. : )))

Александр Филонов пишет: Опытом. :

Я уже опыт провел - собрал данные. Что я еще должен сделать?

Александр Запорожцев пишет:

Александр Филонов пишет: Опытом. :

Я уже опыт провел - собрал данные. Что я еще должен сделать?

Это не опыт. Это теория.

Петух пропел. Солнце взошло. Корреляция 0.7. Статистическая причина - петух. (Из примеров Деминга)

Александр Филонов пишет: Это не опыт. Это теория.

Сбор данных был произведен из предположения, что между X и Y есть причинная связь Теория появиться если я докажу наличие причинной связи. Так какой еще опыт я должен поставить?

Александр Запорожцев пишет:

Александр Филонов пишет: Это не опыт. Это теория.

Сбор данных был произведен из предположения, что между X и Y есть причинная связь Теория появиться если я докажу наличие причинной связи. Так какой еще опыт я должен поставить?

Предположение - уже теория. Собирать данные лишь бы собирать - какой смысл. Теория (система) есть? Почему между пением петуха и восходом солнца должна быть связь? Что здесь причина, что следствие?