論文の概要: Deriving Bounds and Inequality Constraints Using LogicalRelations Among
Counterfactuals
- arxiv url: http://arxiv.org/abs/2007.00628v1
- Date: Wed, 1 Jul 2020 17:25:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 23:27:58.854255
- Title: Deriving Bounds and Inequality Constraints Using LogicalRelations Among
Counterfactuals
- Title(参考訳): 対物関係を用いた境界と不等式制約の導出
- Authors: Noam Finkelstein, Ilya Shpitser
- Abstract要約: そこで我々は,因果モデルによる確率の規則と反事実の制約を用いて因果パラメータの境界を求める新しい手法を開発した。
このアプローチは、既知の鋭い境界と厳密な不等式制約を回復し、新しい境界と制約を導出するのに十分強力であることを示す。
- 参考スコア(独自算出の注目度): 8.185725740857595
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Causal parameters may not be point identified in the presence of unobserved
confounding. However, information about non-identified parameters, in the form
of bounds, may still be recovered from the observed data in some cases. We
develop a new general method for obtaining bounds on causal parameters using
rules of probability and restrictions on counterfactuals implied by causal
graphical models. We additionally provide inequality constraints on functionals
of the observed data law implied by such causal models. Our approach is
motivated by the observation that logical relations between identified and
non-identified counterfactual events often yield information about
non-identified events. We show that this approach is powerful enough to recover
known sharp bounds and tight inequality constraints, and to derive novel bounds
and constraints.
- Abstract(参考訳): 因果パラメータは、観測されていない共起の存在下では特定できない。
しかし、境界の形で特定されていないパラメータに関する情報は、一部のケースでは観測データから回復する可能性がある。
確率の規則と因果モデルに含意される反事実の制約を用いて因果パラメータの境界を求める新しい一般的な方法を開発した。
さらに,このような因果モデルに含意される観測データ法の関数に対する不等式制約を与える。
我々のアプローチは、識別された事象と特定されていない事象の間の論理的関係が、しばしば特定されていない事象に関する情報をもたらすという観察によって動機づけられている。
このアプローチは、既知の鋭い境界と厳密な不等式制約を回復し、新しい境界と制約を導出するのに十分強力であることを示す。
関連論文リスト
- Identifiable Latent Polynomial Causal Models Through the Lens of Change [85.67870425656368]
因果表現学習は、観測された低レベルデータから潜在的な高レベル因果表現を明らかにすることを目的としている。
主な課題の1つは、識別可能性(identifiability)として知られるこれらの潜伏因果モデルを特定する信頼性の高い保証を提供することである。
論文 参考訳(メタデータ) (2023-10-24T07:46:10Z) - Identifiability Guarantees for Causal Disentanglement from Soft
Interventions [26.435199501882806]
因果解離は因果モデルを通して相互に関係する潜伏変数を用いてデータの表現を明らかにすることを目的としている。
本稿では,各介入が潜伏変数のメカニズムを変えることにより,未ペアの観測データと介入データが利用可能となるシナリオに焦点を当てる。
因果変数が完全に観測されると、忠実性の仮定の下で因果モデルを特定するために統計的に一貫したアルゴリズムが開発された。
論文 参考訳(メタデータ) (2023-07-12T15:39:39Z) - Learning nonparametric latent causal graphs with unknown interventions [18.6470340274888]
潜在因果グラフが非パラメトリック同定可能な条件を確立する。
隠れ変数の数は分かっていないと仮定し、隠された変数に対して少なくとも1つの未知の介入が必要であることを示す。
論文 参考訳(メタデータ) (2023-06-05T14:06:35Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳(メタデータ) (2023-06-01T10:51:58Z) - Inference on Strongly Identified Functionals of Weakly Identified
Functions [71.42652863687117]
本研究では,ニュアンス関数が存在しない場合でも,関数を強く識別するための新しい条件について検討する。
本稿では,プライマリおよびデバイアスのニュアンス関数に対するペナル化ミニマックス推定器を提案する。
論文 参考訳(メタデータ) (2022-08-17T13:38:31Z) - The Causal Marginal Polytope for Bounding Treatment Effects [9.196779204457059]
グローバル因果モデルを構築することなく因果関係を同定する手法を提案する。
我々は,グローバル因果モデルを構築することなく,因果モデルの限界とデータとの整合性を強制する。
我々はこの局所的に一貫した辺縁の集合を、因果的辺縁ポリトープと呼ぶ。
論文 参考訳(メタデータ) (2022-02-28T15:08:22Z) - Effect Identification in Cluster Causal Diagrams [51.42809552422494]
クラスタ因果図(略してC-DAG)と呼ばれる新しいタイプのグラフィカルモデルを導入する。
C-DAGは、限定された事前知識に基づいて変数間の関係を部分的に定義することができる。
我々はC-DAGに対する因果推論のための基礎と機械を開発する。
論文 参考訳(メタデータ) (2022-02-22T21:27:31Z) - Variational Causal Networks: Approximate Bayesian Inference over Causal
Structures [132.74509389517203]
離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。
実験では,提案した変分後部が真の後部を良好に近似できることを示した。
論文 参考訳(メタデータ) (2021-06-14T17:52:49Z) - Bayesian Model Averaging for Data Driven Decision Making when Causality
is Partially Known [0.0]
我々はベイズモデル平均化(BMA)のようなアンサンブル法を用いて因果グラフの集合を推定する。
潜在的な介入の期待値とリスクを明示的に計算して意思決定を行います。
論文 参考訳(メタデータ) (2021-05-12T01:55:45Z) - Leveraging Unlabeled Data for Entity-Relation Extraction through
Probabilistic Constraint Satisfaction [54.06292969184476]
シンボリックドメイン知識の存在下でのエンティティ関係抽出の問題を研究する。
本手法では,論理文の正確な意味を捉える意味的損失を用いる。
低データ体制に焦点をあてて、セマンティックな損失がベースラインをはるかに上回ることを示す。
論文 参考訳(メタデータ) (2021-03-20T00:16:29Z) - Partial Identifiability in Discrete Data With Measurement Error [16.421318211327314]
我々は、疑わしい前提の下で正確な識別を追求するよりも、妥当な仮定の下で境界を提示することが好ましいことを示す。
我々は線形プログラミング手法を用いて,実測誤差と実測誤差に対する鋭い境界を導出する。
論文 参考訳(メタデータ) (2020-12-23T02:11:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。