1. 兩件事（a與b）相互關聯（association）
2. a的發生可以**b的發生（prediction）
3. 排除其他可能的混淆變數（excluding confounding variable）所以可以看出，判斷因果其實是個邏輯過程。
首先要證明兩個事件有關聯（association）。這種關聯一般來說是粗淺、樸實、簡單的一種現象，比如常常有人說「窮人的孩子早當家」、「有錢就是爺」、「量小非君子」、「帥哥往往很有領導才能」等等。關聯現象不一定意味著因果關係，但卻是乙個很好的起點。如果a與b兩個事件有關聯，往往會吸引研究者的注意，去發掘其中的可能存在的因果關係。
證明關聯的方法有很多種，比如證明統計學上的相關（correlation），通過資料分析可以看出a和b是否存在正相關和負相關。不存在關聯就不存在因果。（不過統計資料有時候有侷限性，因為樣本過大後干擾因素變多，不過這麼專業的問題不在這兒**了，有時間大家可以查查關於吸菸與肺癌的關係的辯論）
證明關聯後，一般會產生乙個假設（hypothesis），該假設會對闡述a和b的先後關係的推測（direction of causation）。
如果假設a導致b，那麼需要證明a在b前，a的出現要能**b的出現（所以有時間上的順序）。這是單向的**。反過來的另乙個方向需要再單獨證明。
所謂混淆變數（confounding variable），就是發生在a以外的其他事情導致了b。因為我們想要證明的是 a導致了b，可如果其他的東西導致了b，這個因果關係就不成立了。比如，冰淇淋銷量和溺水率是正相關，但事實上這兩個都是由「氣溫」這個因素共同導致的，氣溫高使冰淇淋銷量公升高，同時增加了游泳的人數和相應的溺水率。
常見的去掉混淆變數的方法有：
實驗組/對照組 設計 （control group design，也被稱為experimental manipulation)
樣本一致性
隨機抽樣/隨機分組
實驗前測量如果這個實驗（通常是一系列的各種實驗和研究過程）證明了關聯和先後，並排除了可能的第三方因素，那麼就可以說這個因果關係在某個確定的條件下（你的實驗條件）是可信的，成立的。
js判斷兩個區間是否存在交集
思路 兩個區間，兩者的最小值中的最大值 兩者最大值的最小值時 就存在交集 let arr1 1,4 let arr2 2,5 let arr3 5,2 let arr4 4,5 let arr5 9,5 let arr6 1,4 let arr7 5,6 let arr8 5,5 判斷兩個區間是否相...
讓兩個物件間建立weak關係
讓兩個物件間建立weak關係 這是為了給兩個物件間建立weak關係，當乙個物件被釋放時，另外乙個物件再獲取這個值時就是nil，也就是不持有這個物件 原始碼 weakrelateddictionary.h 與 weakrelateddictionary.m testdemo created by yo...
兩個用例之間可能存在的關係
包含 擴充套件 泛化，而通常不應該有通訊關係 包含關係 在uml中，用構造型 表示 箭頭方向是從基用例到被包含用例 它是指基用例在它內部說明的某乙個位置上顯式地合併了另乙個用例的行為 擴充套件關係 在uml中，擴充套件關係用構造型 表示 箭頭從擴充套件用例到基用例 它表示基用例在由擴充套件用例間接說...