कुछ statistical methods भविष्यवाणी (Prediction) पर ध्यान केंद्रित करती हैं कि क्या होने वाला है।
अन्य प्रकार की statistical methods यह समझाने पर केंद्रित होती हैं कि चीज़ें कैसे जुड़ी हुई हैं।
कुछ statistical methods यह समझाने पर ध्यान नहीं देतीं कि चीज़ें कैसे जुड़ी हुई हैं। केवल भविष्यवाणी की सटीकता (Accuracy of Prediction) महत्वपूर्ण होती है।
कई statistical methods भविष्यवाणी में सफल होती हैं बिना यह बताए कि चीज़ें कैसे जुड़ी हैं।
कुछ प्रकार की machine learning कंप्यूटरों को कठिन कार्य करने देती है, लेकिन उनकी भविष्यवाणी करने का तरीका समझना मुश्किल होता है। ये तरीके भी गलतियों के प्रति संवेदनशील हो सकते हैं अगर परिस्थितियाँ बदलती हैं, क्योंकि उनका कार्य करने का तरीका कम स्पष्ट होता है।
नोट: भविष्य के घटनाओं के बारे में भविष्यवाणियाँ (Forecasts) की जाती हैं। सभी भविष्यवाणियाँ भविष्य के बारे में नहीं होतीं।
कुछ भविष्यवाणियाँ किसी अन्य अज्ञात चीज़ के बारे में भी हो सकती हैं, भले ही यह भविष्य में न हो।
विभिन्न statistical methods अक्सर यह समझाने के लिए उपयोग की जाती हैं कि चीज़ें कैसे जुड़ी हुई हैं। ये statistical methods अच्छे भविष्यवाणियाँ नहीं कर सकतीं।
ये statistical methods अक्सर केवल संपूर्ण स्थिति के छोटे हिस्सों को समझाती हैं। लेकिन, यदि आप केवल यह जानना चाहते हैं कि कुछ चीज़ें कैसे जुड़ी हैं, तो बाकी चीज़ें मायने नहीं रख सकतीं।
यदि ये methods सभी प्रासंगिक चीज़ों के बीच संबंध को सटीक रूप से समझाती हैं, तो वे भविष्यवाणी में भी अच्छी होंगी। लेकिन हर विवरण को समझाना अक्सर चुनौतीपूर्ण होता है।
कभी-कभी हम विशेष रूप से यह समझने में रुचि रखते हैं कि क्या एक चीज़ दूसरी चीज़ का कारण बनती है। इसे causal inference कहा जाता है।
यदि हम जटिल स्थितियों (Complicated Situations) का अध्ययन कर रहे हैं, तो कई चीज़ें जुड़ी होती हैं। यह समझने के लिए कि क्या क्या कारण बनता है, हमें इन चीज़ों के बीच के सभी संबंधों को सुलझाना होगा।
नोट: कारणात्मकता (Causality) के बारे में निष्कर्ष निकालने में सावधानी बरतनी चाहिए।