在我看来，作者假设大多数科学家不知道或不了解如何处理相关性，并且几乎假设不存在使用处理相关数据的方法（可能在 Makov Chains 之外）。事实并非如此。有许多统计方法可以解释相关数据，大多数统计学家、流行病学家、生态学家和其他科学家知道（或应该）何时使用适当的方法。我不认为科学家需要放弃假设独立的方法，因为它们非常有用——如果它们不是模拟和现实世界的实验，证明它们的有用性就不会比比皆是。相反，如果有的话，

那只是我的两分钱。

我完全不赞同作者的观点。特别是根据我的经验，绝对不是“[..] 压倒性的普遍做法只是假设采样事件是独立的”。相反，相关性问题是我们必须经常处理的问题（在我从事金融行业的工作期间）。而且，最重要的是，我们清楚地意识到这一点！

不过，我完全同意简化现实世界的说法。对我来说，归因于 George Box 的名言是这里的主要指南：

所有模型都是错误的；有些模型很有用。

当然，迄今为止广为宣扬的统计独立性的概念几乎是一个神话（大部分）。我不认为任何人应该不同意宇宙及其内部的一切，与其他一切一起工作。

事实上，就统计独立性而言，它仅存在于数据集或某种类型中，它以非常具体的术语存在。但总的来说，依赖是宇宙不可分割的一部分。