a correlation, it's natural to look for explanations or causes of it. This is called Reichenbach's Principle.

相関関係があれば、その説明や原因を探すのは自然なことです。これを「ライヘンバッハの原理」といいます。

But sometimes correlations occur just by chance, like those on the website “spurious correlations”

しかし、ウェブサイトの "spurious correlations "のように、ただ偶然に相関関係が発生することもあります。

which selectively cherry-picks data points from different stats that randomly happen

ランダムに発生する様々な統計からデータポイントを選択して抽出します。

to line up.

を並べてみました。

As an example of a chance correlation, if I flip two coins enough times, eventually

偶然の相関の例として、2枚のコインを何度もはじいていると、最終的には

there'll be a long string of matching heads or tails just by chance, and if I just cherrypick

偶然にも頭か尻尾が一致する長い列ができて、もし私がただチェリーピックしたら

those flips I can make it look like the coins are super correlated.

これらのフリップは、コインの相関性が高いように見せることができます。

But when an apparent correlation is actually random in origin (like in this case), then

しかし、今回のように、見かけ上の相関関係が実はランダムなものである場合には

if you keep looking at larger and larger samples, the correlation should go away.

より多くのサンプルを見続ければ、相関関係はなくなるはずです。

This is it sometimes looks like particle physicists have discovered a new particle, only for that

これは、素粒子物理学者が新しい粒子を発見したかのように見えることがありますが、それだけではありません。

to go away when they collect more data.

は、より多くのデータを集めることで解消されます。

Also, you may have noticed there was no mention of feedback loops in the main video – that's

また、メインのビデオでは、フィードバックループについての言及がなかったことにお気づきでしょうか。これは

because, from a causal point of view, feedback loops, like how more grass means more sheep

なぜなら、因果関係の観点から、草が増えれば羊が増えるというようなフィードバックループがあるからです。

means less grass means less sheep means more grass and so on – from a causal point of

草が減れば羊が減り、草が増えれば羊が減る、というように、因果関係を考えると

view, this isn't actually a loop.

ビューでは、これは実際にはループではありません。

It's more of a chain, where the amount of grass and sheep now affect the amounts of

むしろ連鎖的に、草の量と羊の量が影響しているのが現状です。

grass and sheep next year, and the year after and so on, so from year to year there's

次の年も、その次の年も、草や羊が出てくるので、年ごとに

feedback between the amount of grass and the amount of sheep which we kind of draw as a

草の量と羊の量との間のフィードバックを、私たちはある種の形で描いています。

loop, but the causal relationship always goes from the present to the future, which we should

因果関係は常に現在から未来に向かっています。

draw as some sort of spirally helix thing.

螺旋のような形で描かれています。