0
0

Statistical / Factual Cause–Effect

Introduction

Statistical அல்லது Factual Cause-Effect questions, data trends, numerical patterns, அல்லது real-world statistics அடிப்படையில் அமைந்தவை. இத்தகைய கேள்விகளில், இரண்டு statements-லும் அளவிடக்கூடிய facts இருக்கும்; அவற்றில் ஒன்று மற்றொன்றுக்கு cause ஆக உள்ளதா, அல்லது இரண்டும் வெறும் தொடர்புடையவை (correlated) மட்டும்தானா என்பதை நீங்கள் கண்டறிய வேண்டும். இந்த pattern, assumptions-ஐ விட observed data அடிப்படையில் logical reasoning-ஐ வளர்க்க உதவுகிறது.

Pattern: Statistical / Factual Cause–Effect

Pattern

முக்கிய கருத்து: இரண்டு statements-லும் factual அல்லது numerical trends காட்டினால், மற்றொரு trend-ஐ logic-ஆக விளக்கும் அல்லது அதற்கு வழிவகுக்கும் statement தான் cause.

Step-by-Step Example

Question

1️⃣ online learning apps பயன்பாடு அதிகரித்துள்ளது.
2️⃣ Internet data consumption வேகமாக உயர்ந்துள்ளது.

கீழ்கண்டவற்றில் எது சரியான தொடர்பை காட்டுகிறது?
(A) 1 → Cause; 2 → Effect
(B) 2 → Cause; 1 → Effect
(C) இரண்டும் ஒரே பொதுவான cause-இன் effects
(D) இரண்டும் தனித்தனியானவை

Solution

  1. Step 1: Statistical facts-ஐ அடையாளம் காணுதல்

    இரண்டு statements-லும் அளவிடக்கூடிய உயர்வுகளை காட்டுகின்றன - ஒன்று app usage-ல், மற்றொன்று data consumption-ல்.

  2. Step 2: Logical direction-ஐ நிறுவுதல்

    app usage அதிகரிப்பது நேரடியாக அதிகமான Internet data usage-க்கு வழிவகுக்கிறது.

  3. Step 3: Reversal சாத்தியமா என்பதை சரிபார்த்தல்

    data usage உயர்வதால் மட்டும் அதிக app downloads ஏற்பட வேண்டும் என்பதில்லை - எதிர்திசை தான் logic-ஆக பொருந்துகிறது.

  4. Final Answer:

    1 → Cause; 2 → Effect → Option A

  5. Quick Check:

    app usage நிறுத்தப்பட்டால், data consumption குறையும் ✅

Quick Variations

1. data, surveys, sales reports, அல்லது market trends-இல் இருந்து வரலாம்.

2. பொதுவாக ஒரு trend மற்றொன்றை இயக்கும் - உதாரணமாக income vs. expenditure, price vs. demand, அல்லது usage vs. cost.

3. சில நேரங்களில் இரண்டு facts-உம் ஒரு வெளிப்புற cause-இல் இருந்து உருவாகலாம் (உதா: festival season, policy change).

Trick to Always Use

  • Directional dependency-ஐ கவனியுங்கள் - எந்த நிகழ்வு மற்றொன்றை logic-ஆக உயர்த்துகிறது அல்லது குறைக்கிறது?
  • இரண்டு data points-உம் ஒரே நேரத்தில் நகருகிறதா (correlation) அல்லது வரிசையாக நடக்கிறதா (causation) என்பதை சரிபார்க்கவும்.
  • சந்தேகம் இருந்தால், ஒரு factor-ஐ நீக்கி நினைத்துப் பாருங்கள் - இரண்டாவது மாறினால், முதலாவது தான் cause.

Summary

Summary

  • Statistical அல்லது Factual Cause-Effect questions, quantitative trends அல்லது factual changes-ஐ சார்ந்தவை.
  • cause, மற்றொரு variable-ல் அளவிடக்கூடிய மாற்றத்தை (effect) உருவாக்கும்.
  • Correlation ≠ causation - இரண்டு data facts-க்கும் இடையில் logic-ஆன link இருக்கிறதா என்பதை உறுதி செய்யுங்கள்.
  • data reasoning மற்றும் practical interpretation skills-ஐ சோதிக்க exams-ல் பயன்படுத்தப்படுகிறது.

நினைவில் வைத்துக்கொள்ள உதவும் உதாரணம்:
“App usage increased → Internet data usage rose.”

Practice

(1/5)
1. 1️⃣ The sales of air conditioners have risen sharply. 2️⃣ The average temperature recorded this summer is higher than usual. Identify the correct cause-effect relationship.
easy
A. 2 → Cause; 1 → Effect
B. 1 → Cause; 2 → Effect
C. Both are effects of a common cause
D. Both are independent

Solution

  1. Step 1: Examine the facts

    Both statements present measurable data - sales figures and temperature levels.

  2. Step 2: Identify logical direction

    High temperature leads to more AC sales, not vice versa.

  3. Step 3: Confirm reasoning

    Weather (temperature) influences consumer purchases.

  4. Final Answer:

    2 → Cause; 1 → Effect → Option A

  5. Quick Check:

    If temperatures were low, AC sales wouldn’t rise ✅
Hint: Environmental data (like temperature) usually acts as the cause for consumer trends.
Common Mistakes: Assuming product sales affect temperature.
2. 1️⃣ The number of road accidents has decreased. 2️⃣ The enforcement of traffic rules has become stricter. Identify the correct cause-effect sequence.
easy
A. 1 → Cause; 2 → Effect
B. Both are effects of a common cause
C. 2 → Cause; 1 → Effect
D. Both are independent

Solution

  1. Step 1: Identify factual connection

    Both are measurable outcomes - accident rate and rule enforcement.

  2. Step 2: Logical dependency

    Stricter rule enforcement (cause) → fewer accidents (effect).

  3. Step 3: Reverse check

    Fewer accidents don’t cause rules to become strict.

  4. Final Answer:

    2 → Cause; 1 → Effect → Option C

  5. Quick Check:

    If traffic laws were lenient, accidents would increase ✅
Hint: Policy enforcement data generally acts as the cause for safety statistics.
Common Mistakes: Mixing up policy outcome with implementation.
3. 1️⃣ Mobile data usage has increased by 40%. 2️⃣ The number of video streaming users has grown rapidly. Determine the correct cause-effect relationship.
easy
A. 1 → Cause; 2 → Effect
B. 2 → Cause; 1 → Effect
C. Both are effects of a common cause
D. Both are independent

Solution

  1. Step 1: Observe correlation

    Both are factual usage trends - data and streaming users.

  2. Step 2: Logical link

    More streaming → more data consumption.

  3. Step 3: Verify reverse

    Higher data usage doesn’t directly cause streaming increase.

  4. Final Answer:

    2 → Cause; 1 → Effect → Option B

  5. Quick Check:

    Less streaming → lower data usage ✅
Hint: Usage behaviour often triggers data changes, not the reverse.
Common Mistakes: Confusing correlation with causation between two rising statistics.
4. 1️⃣ The sales of electric vehicles (EVs) increased this year. 2️⃣ The government reduced taxes on EVs. Identify the correct cause-effect pattern.
medium
A. 1 → Cause; 2 → Effect
B. 2 → Cause; 1 → Effect
C. Both are independent
D. Both are effects of a common cause

Solution

  1. Step 1: Examine facts

    Government tax policy and EV sales figures are measurable trends.

  2. Step 2: Logical link

    Tax reduction (cause) → sales growth (effect).

  3. Step 3: Verify

    Sales rise doesn’t lead to tax reduction directly.

  4. Final Answer:

    2 → Cause; 1 → Effect → Option B

  5. Quick Check:

    No tax cuts → sales remain lower ✅
Hint: Economic policy data almost always precedes market trend data.
Common Mistakes: Assuming popularity forced tax cuts instead of the reverse.
5. 1️⃣ The number of hospital admissions for respiratory issues increased. 2️⃣ The city’s air pollution level rose significantly. Identify the correct cause-effect order.
medium
A. 1 → Cause; 2 → Effect
B. Both are effects of a common cause
C. 2 → Cause; 1 → Effect
D. Both are independent

Solution

  1. Step 1: Identify measurable data

    Hospital admissions and pollution levels are factual metrics.

  2. Step 2: Logical connection

    Rising pollution (cause) → higher respiratory illness (effect).

  3. Step 3: Cross-check

    Admissions don’t cause pollution; the reverse is true.

  4. Final Answer:

    2 → Cause; 1 → Effect → Option C

  5. Quick Check:

    Cleaner air → fewer hospital visits ✅
Hint: Environmental data usually drives health statistics - not the other way around.
Common Mistakes: Reversing cause and effect order based on occurrence timing.

Mock Test

Ready for a challenge?

Take a 10-minute AI-powered test with 10 questions (Easy-Medium-Hard mix) and get instant SWOT analysis of your performance!

10 Questions
5 Minutes