小肯尼迪和川普的草台班子不懂Causation和correlation的区别

[windy]

你这是文科生啊。

双盲实验就是有控制的causation.在使用后找相关性就是correlation分析，可信度要大打折扣的。

瑞典的那个实验是比较接近causality分析的，因为用的是sibling，算是控制了大部分参数。

按您这看法我帝得药厂全是sb啊，我帝fda批新药根本依据就是correlation不是causation，你做的ppt人家不看得，需要要在临床证明correlation啊

[赖美豪中]

显然他不是药厂得他才不懂fda只懂correlation. 你看看fda能不能只看causation给你批药么，你做个causation ppt上去下一秒就进了trash can

楼主估计是药厂的？

[赖美豪中]

大哥你是文科生么？causation是病理学，你可以用ppt吹上天。但是你证明不了correlation只能进垃圾桶

你这是文科生啊。

双盲实验就是有控制的causation.在使用后找相关性就是correlation分析，可信度要大打折扣的。

瑞典的那个实验是比较接近causality分析的，因为用的是sibling，算是控制了大部分参数。

[windy]

算了，看来你和博导都是文科生。双盲实验是causation分析,因为基本控制了其它参数。

双盲测试不就是相关性correlation

真的能找到caussation，千老有这个本事吗？我看你们千老没这个本事，否则弄啥双盲测试

[windy]

你真懂cuasation是什么意思吗？有Causation一定有correlation，反之不然。Causation是数学/统计学概念，虽然用在病理啥的研究，但本身和病理学没半毛钱关系。

大哥你是文科生么？causation是病理学，你可以用ppt吹上天。但是你证明不了correlation只能进垃圾桶

[windy]

你这话说的太文科生了

显然他不是药厂得他才不懂fda只懂correlation. 你看看fda能不能只看causation给你批药么，你做个causation ppt上去下一秒就进了trash can

[omicron]

我看很多药物写作用的机理都是假的，根本不能严格证明

作用机理能严格证明，还要双盲干嘛

你们千老文科生的文字游戏花招，我们码农一下就能看出来

[windy]

现在有chatgpt,问一下很难吗？英文不好问中文也行啊：

DA 批准药物是看causation分析还是correlation分析？

好问题

FDA 在批准药物时看的主要是 causation（因果关系），而不是单纯的 correlation（相关性）。

---

为什么不是只看 correlation？

• Correlation（相关性） 只是说明 A 和 B 经常一起出现，但可能是巧合、混杂因素、或反向因果。
• 例如：吃维生素的人寿命更长 → 可能是因为他们整体生活方式更健康，而不是维生素本身延长寿命。

---

FDA 如何确保因果关系？

FDA 要求的是 随机对照临床试验（RCT, randomized controlled trial），通常分三期：

1. Phase I

   • 小规模（几十人），主要看安全性、副作用、剂量范围。

2. Phase II

   • 中等规模（几百人），看初步疗效。

3. Phase III

   • 大规模（上千人），严格的 双盲、随机对照实验：

     • 随机化 → 消除混杂因素。

     • 双盲 → 防止研究者和受试者偏差。

     • 对照组 → 确认药物的效果不是自然恢复或安慰剂效应。

这些设计的目的就是为了证明 药物 X 确实导致了患者病情改善（因果关系），而不是只是“和改善相关”。

---

总结

• FDA 批准药物必须有因果证据（药物 引起 改善），不能仅凭相关性。
• 因果证据主要来自 随机对照临床试验（尤其是双盲）。

---

要不要我给你举一个具体例子（比如某种药物是怎么通过相关性研究发现 → 然后必须用因果性临床试验证明，才能最终获批的）？

[windy]

哎，causation不是机理分析啊。先搞懂这个词是啥意思再来批驳好不好？

我看很多药物写作用的机理都是假的，根本不能严格证明

作用机理能严格证明，还要双盲干嘛

你们千老文科生的文字游戏花招，我们码农一下就能看出来

[mmking]

说说看她是哪的？

显然他不是药厂得他才不懂fda只懂correlation. 你看看fda能不能只看causation给你批药么，你做个causation ppt上去下一秒就进了trash can

[juderiverman]

据说，哈佛校长闹过类似的笑话。故事是，校长在新生家长会上说，不要花钱请Tutor，因为相关性分析表明，请了Tutor的学生成绩并不比没请Tutor的学生高。

[windy]

看来causation这个概念大部分统计课都不教，大多数人可能听都没听过？

[苍井吱]

Correlation不代表Causation.

泰诺和autism有相关性，不代表泰诺是自闭症的原因。有可能是吃泰诺因为某些病，而真正造成自闭的可能是那些病而不是泰诺本身。

比如溺死人的数量和冰激凌的销量有很强的正相关性。其实是因为冰激凌销量大增是在夏天，而夏天大家才去游泳。按小肯和懂王的草台班子的逻辑，应该禁止冰激凌的销售

别说聚聚这种草台班子

本站这么多phd都不知道无论数据多少都无法证明因果性这个简单的道理

[omicron]

哎，causation不是机理分析啊。先搞懂这个词是啥意思再来批驳好不好？

不是机理的因果关系，用概率的很多都是不对的

统计造假就是这么玩的，现在不仅劳工数据是造假，CPI可能也是造假，

[赖美豪中]

因为这个概念就是一个bullshit。只有你们搞生物统计自己编造出来得bullshit。真正得物理系统都是多模态。

别说聚聚这种草台班子

本站这么多phd都不知道无论数据多少都无法证明因果性这个简单的道理

[omicron]

新冠疫苗有效率97%，防止死亡有效率99%，大家都忘了？

[赖美豪中]

no，这是你们造出来得伪概念好么。从我们物理学角度看任何所谓得机理就是一种解释，和你得观测路径有关。在实际操作里correlation是最重要的。你们非要把causation编造成controlled condition correlation就是bs，没有任何意义。

看来causation这个概念大部分统计课都不教，大多数人可能听都没听过？

[Joerougen]

问题的根本是前脚FDA，后脚big Pharma

[solohiker]

我早就说过，粉其实都挺好的，只是智商低下，加上收入低。你不能要求他们有什么逻辑。

这个回复很正常，符合预期

自己不如别人，唯一的精神胜利法就是臆想别人SB 自己牛逼。然后又是幸福满满的普信男的一天。

梦里啥都有。

[windy]

不懂就少说几句。说的越多，越显得无知

Causality analysis 在物理学里有用吗

有的，因果性分析（causality analysis）在物理学里非常重要，而且用途广泛。它不仅是哲学上的思考工具，也在实际的物理理论和实验分析中扮演核心角色。下面我分几个层次来解释：

⸻

1. 理论物理中的因果性约束
   • 相对论中的因果性
   在狭义相对论中，因果性要求信息不能以超过光速的方式传播。这直接决定了光锥结构，区分了“因果相关事件”和“无关事件”。这对量子场论和广义相对论中的时空结构分析至关重要。
   • 量子场论中的因果性
   场算符必须满足因果对易关系：时空上类空间隔的场算符要对易（或反对易）。这是确保不同观测者不会得到因果冲突的观测结果。
   • 格林函数与克拉默-克罗尼希关系
   在电动力学和固体物理中，因果性要求响应函数满足解析性条件。比如，介质的折射率实部与虚部之间满足克拉默–克罗尼希关系，这完全来自因果性约束。

⸻

1. 实验与数据分析中的因果性
   • 信号处理
   在物理实验里，数据往往通过傅里叶变换或卷积处理。因果性条件保证了系统的响应不会先于激励出现，这限制了滤波器和系统函数的形式。
   • 复杂系统
   在统计物理或非线性动力学中，人们会用因果分析方法（例如 Granger 因果、转移熵）来研究变量之间的因果关系，比如在等离子体湍流、气候物理、甚至量子信息实验中。

⸻

1. 哲学与基础问题
   • 在量子力学里，因果性与测量问题、非定域性（Bell 不等式）、以及“未来是否能影响过去”的讨论相关。
   • 在宇宙学和黑洞物理里，因果结构（例如事件视界、因果图）是理解时空几何和信息传播的核心工具。

⸻

总结：
因果性分析在物理学里不仅有用，而且是基本原则之一。它既限制了理论结构（比如相对论和量子场论），又指导了实验信号处理和复杂系统研究。

要不要我帮你举几个具体物理案例（比如电磁波传播、黑洞因果结构、或者量子场论里的算符对易关系）来更直观说明因果性分析的应用？

no，这是你们造出来得伪概念好么。从我们物理学角度看任何所谓得机理就是一种解释，和你得观测路径有关。在实际操作里correlation是最重要的。你们非要把causation编造成controlled condition correlation就是bs，没有任何意义。