В аналитике термины взаимозаменяемы: если переменные коррелируют с p < 0.01 на большой выборке, это и есть статистическое доказательство причинно-следственной связи между ними
Каузация не существует без корреляции по определению: если X вызывает Y, то любая мера корреляции (Pearson, Spearman, Kendall) между ними обязательно будет статистически значимой
Корреляция — статистическая связь. Каузация — причинно-следственная. Корреляция не доказывает каузацию (confounders, reverse causation, spurious correlation). Для каузации нужны эксперименты или квази-экспериментальные методы
Граница: если Пирсон r > 0.7 — мы говорим о причинности, потому что случайное совпадение на таком уровне силы связи практически исключается при адекватном объёме выборки
Как разобрать этот вопрос на собеседовании
Раздели задачу на «какая гипотеза», «какой тест подходит» и «как интерпретировать результат». Держи в голове предпосылки теста, ошибки I и II рода и разницу между статистической и практической значимостью. Интервьюер чаще проверяет рассуждение, а не вывод формулы — проговаривай допущения вслух.
На собеседовании по такому вопросу важно не только назвать ответ, но и кратко объяснить, почему он верный.
Тема вопроса — «Статистика». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: конспекты по статистике и a/b помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.
Разбор ответа
Подробный разбор с объяснением «почему правильный ответ верный» и почему остальные неверны — после регистрации.
3000+ вопросов с разбором, quiz-режим с проверкой, AI-собес и подготовка к интервью аналитика.