論文の概要: Probabilities of Causation with Nonbinary Treatment and Effect
- arxiv url: http://arxiv.org/abs/2208.09568v1
- Date: Fri, 19 Aug 2022 23:54:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-23 13:12:29.678329
- Title: Probabilities of Causation with Nonbinary Treatment and Effect
- Title（参考訳）: 非バイナリ治療による因果関係の確率と効果
- Authors: Ang Li and Judea Pearl
- Abstract要約: TianとPearlは、必要および十分性の確率の鋭い境界を導出した。
我々は、多値な治療と効果に対する因果関係のあらゆる種類の確率に関する理論的境界を提供する。
- 参考スコア（独自算出の注目度）: 20.750773939911685
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper deals with the problem of estimating the probabilities of
causation when treatment and effect are not binary. Tian and Pearl derived
sharp bounds for the probability of necessity and sufficiency (PNS), the
probability of sufficiency (PS), and the probability of necessity (PN) using
experimental and observational data. In this paper, we provide theoretical
bounds for all types of probabilities of causation to multivalued treatments
and effects. We further discuss examples where our bounds guide practical
decisions and use simulation studies to evaluate how informative the bounds are
for various combinations of data.
- Abstract（参考訳）: 本稿では,治療と効果が二元的でない場合の因果関係の確率を推定する問題を扱う。
テンとパールは、実験データと観測データを用いて、必然性と十分性の確率(pns)、十分性の確率(ps)、必然性の確率(pn)に対する鋭い境界を導出した。
本稿では,多値処理と効果に対する因果関係のあらゆるタイプの確率に対する理論的境界を提案する。
さらに,この境界が実用的決定を導く事例を考察し,その境界が様々なデータの組み合わせに対してどの程度有益であるかをシミュレーションによって評価する。
関連論文リスト
- Intervention and Conditioning in Causal Bayesian Networks [23.225006087292765]
単純だが現実的な独立を仮定することで、介入公式の確率を推定できることを示す。
多くの場合、仮定が適切であれば、これらの確率推定は観測データを用いて評価することができる。
論文 参考訳（メタデータ） (2024-05-23T15:55:38Z) - Tightening Bounds on Probabilities of Causation By Merging Datasets [0.0]
因果確率(PoC)は、法律、医療、公共政策における意思決定において基本的な役割を担っている。
余分な情報を活用することでこれらの境界をさらに強化する作業は、数値的境界、固定次元の記号的境界、または同じ処理と結果変数を含む複数のデータセットへのアクセスを必要とする。
ここでは、挑戦的なシナリオのために、PoCに象徴的な境界を提供します。
論文 参考訳（メタデータ） (2023-10-12T15:19:15Z) - Approximating Counterfactual Bounds while Fusing Observational, Biased
and Randomised Data Sources [64.96984404868411]
我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。
利用可能なデータの可能性は局所的な最大値を持たないことを示す。
次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
論文 参考訳（メタデータ） (2023-07-31T11:28:24Z) - B-Learner: Quasi-Oracle Bounds on Heterogeneous Causal Effects Under
Hidden Confounding [51.74479522965712]
本稿では,B-Learnerと呼ばれるメタラーナーを提案する。
我々は、その推定が有効で、鋭く、効率的であることを証明し、既存の方法よりも一般的な条件下で構成推定器に対して準オーラル特性を持つことを示した。
論文 参考訳（メタデータ） (2023-04-20T18:07:19Z) - Bounding probabilities of causation through the causal marginal problem [12.542533707005092]
因果関係の確率は、法律、医療、公共政策における意思決定において基本的な役割を担っている。
多くの臨床試験や公共政策評価ケースでは、異なる治療が同じ結果変数に与える影響を調べる独立したデータセットが存在する。
本稿では、このような独立したデータセットから構築されたSCM間の対実的整合性を示すことにより、因果関係の確率に対する既存の限界を著しく厳格化する方法について概説する。
論文 参考訳（メタデータ） (2023-04-04T12:16:38Z) - Probabilities of Causation: Role of Observational Data [20.750773939911685]
本稿では,境界値の品質向上を図る上で,観測データに価値がある条件について論じる。
また、Li と Pearl によって定義される単位選択問題に対して提案された定理を適用する。
論文 参考訳（メタデータ） (2022-10-17T09:10:11Z) - Treatment Effect Risk: Bounds and Inference [58.442274475425144]
平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。
本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。
いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
論文 参考訳（メタデータ） (2022-01-15T17:21:26Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - Causes of Effects: Learning individual responses from population data [23.593582720307207]
個別化の問題とその医学への応用について研究する。
例えば、治療の恩恵を受ける確率は、治療された場合の好ましくない結果と、治療されていない場合の好ましくない結果である。
必要十分度(PNS)の確率に限界を当て、グラフィカルな基準や実用的応用とともに既存の研究を分析・拡大します。
論文 参考訳（メタデータ） (2021-04-28T12:38:11Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T14:29:07Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳（メタデータ） (2020-06-14T01:15:00Z)
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。