一起变化就是因果吗：相关从发现工具到边界警报

不确定性为什么成为数学问题

十九世纪末，遗传与测量研究推动回归、相关等工具发展，相关系数后来在许多领域成为描述线性共变的标准量。它能把两列数据共同变化的方向和强度压缩成一个数，却不说明变化由谁造成。共同原因、反向作用、选择偏差和偶然波动都可能制造相关。

这一章每一课都先区分三层：现实中发生了什么，数据怎样被记录，模型怎样给结果加权。概率不是把无知包装成小数，统计也不是把表格交给公式。只有样本空间、抽样机制和问题目标说清楚，数值才有含义。

陪你算一次

对x=(1,2,3)、y=(2,4,6)，两列数据完全正线性变化，相关系数为1。但若x是季节温度、y是冰淇淋销量，高相关不等于销量导致温度；季节是共同原因。反之，非线性确定关系也可能有接近0的线性相关，所以画散点图和检查机制不能被单个系数替代。

计算时请保留分母、权重、样本量或残差，不要只交最终小数。算完再用一句话解释这个数对单次事件、长期重复或总体参数分别意味着什么；这三种解释不能互换。

历史与模型边界

因果判断需要额外设计与假设：随机分配、自然实验、时间顺序、混杂控制或明确因果模型。‘控制了几个变量’也不自动充分，错误控制中介或碰撞变量会引入新偏差。相关是提出问题和描述模式的工具，不是自动盖章的因果证明。

历史判断仍按四步：原问题、可用数据、数学方法、尚未解决的限制。不要把后来的统一术语原样倒贴给早期作者，也不要因为早期材料不完备就抹去方法创新。制度怎样记录数据、谁被纳入样本，同公式本身一样值得检查。

与全章连接

赌博分配先建立可能分支，期望把结果按价值加权，人口表把个案聚成频率，贝叶斯从证据反推原因，误差理论从重复测量估计真值，相关再描述变量共同变化。每一步都扩大了可处理问题，同时引入新的假设与误用风险。

把本课的数值分别放进单次、重复试验和决策三个句子中，检查主语是否一致。若同一个数在三句话里被解释成确定结果、长期平均和个人偏好，就要立即拆开重写。

迁移任务

更换正文数值重新计算，并故意破坏一个假设：让骰子有偏、样本漏报、检测基率改变、测量含系统误差或相关来自共同原因。比较答案如何改变，写出模型失效的具体位置。能指出失败边界，才算真正会用。

本课验收

完成单选、多选和数值题。选择题漏选或多选均不得分；数值题保留计算链，并写一句不允许从该数值推出的结论。