論文の概要: Probabilities of Causation: Adequate Size of Experimental and Observational Samples

• arxiv url: http://arxiv.org/abs/2210.05027v1
• Date: Mon, 10 Oct 2022 21:59:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 16:55:04.257466
• Title: Probabilities of Causation: Adequate Size of Experimental and Observational Samples
• Title（参考訳）: 因果関係の確率:実験試料および観測試料の適度なサイズ
• Authors: Ang Li, Ruirui Mao, Judea Pearl
• Abstract要約: テアンとパールは, 必要十分性(PNS), 十分性(PS), 必要性(PN)について, 実験的および観察的データを用いて, 鋭い境界を導出した。 この仮定は、実験的な分布と観測的な分布を正確に推定するために十分な量のサンプルを保有しているというものである。 本稿では、所定の信頼区間(CI)が特定された場合に、そのような推定に必要なサンプルサイズを決定する方法を提案する。
• 参考スコア（独自算出の注目度）: 17.565045120151865
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The probabilities of causation are commonly used to solve decision-making problems. 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. The assumption is that one is in possession of a large enough sample to permit an accurate estimation of the experimental and observational distributions. In this study, we present a method for determining the sample size needed for such estimation, when a given confidence interval (CI) is specified. We further show by simulation that the proposed sample size delivered stable estimations of the bounds of PNS.
• Abstract（参考訳）: 因果関係の確率は一般に意思決定問題を解決するために用いられる。 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。 仮定は、実験値と観測値の分布を正確に推定するために十分な量のサンプルを持っているというものである。 本研究では,与えられた信頼区間(ci)が特定された場合に,その推定に必要なサンプルサイズを決定する手法を提案する。 さらにシミュレーションにより,提案したサンプルサイズがPNSの境界を安定に推定することを示した。

関連論文リスト

• To Believe or Not to Believe Your LLM [51.2579827761899]
  大規模言語モデル(LLM)における不確実性定量化について検討する。 疫学的な不確実性が大きい場合にのみ確実に検出できる情報理論の指標を導出する。 定式化の利点を実証する一連の実験を行う。
  論文  参考訳（メタデータ） (2024-06-04T17:58:18Z)
• 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)
• User-defined Event Sampling and Uncertainty Quantification in Diffusion Models for Physical Dynamical Systems [49.75149094527068]
  拡散モデルを用いて予測を行い,カオス力学系に対する不確かさの定量化が可能であることを示す。 本研究では,雑音レベルが低下するにつれて真の分布に収束する条件付きスコア関数の確率的近似法を開発する。 推論時に非線形ユーザ定義イベントを条件付きでサンプリングすることができ、分布の尾部からサンプリングした場合でもデータ統計と一致させることができる。
  論文  参考訳（メタデータ） (2023-06-13T03:42:03Z)
• Detecting Adversarial Data by Probing Multiple Perturbations Using Expected Perturbation Score [62.54911162109439]
  逆方向検出は、自然分布と逆方向分布の差に基づいて、与えられたサンプルが逆方向であるかどうかを判定することを目的としている。 本研究では,様々な摂動後の標本の予測スコアであるEPS(pre expected perturbation score)を提案する。 EPSに基づく最大平均誤差(MMD)を,試験試料と自然試料との差を測定する指標として開発する。
  論文  参考訳（メタデータ） (2023-05-25T13:14:58Z)
• 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)
• Counterfactual Inference of the Mean Outcome under a Convergence of Average Logging Probability [5.596752018167751]
  本稿では,適応実験で得られたサンプルから,アクションの平均結果を推定する。 適応実験では、過去の観測に基づいて行動を選択する確率を逐次更新することができる。
  論文  参考訳（メタデータ） (2021-02-17T19:05:53Z)
• Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
  新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。 標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。 原理的に部分観測可能なベイズ的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-12T20:37:33Z)
• Density of States Estimation for Out-of-Distribution Detection [69.90130863160384]
  DoSEは状態推定器の密度である。 我々は、他の教師なしOOD検出器に対するDoSEの最先端性能を実証する。
  論文  参考訳（メタデータ） (2020-06-16T16:06:25Z)
• Balance-Subsampled Stable Prediction [55.13512328954456]
  本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。 設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。 合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2020-06-08T07:01:38Z)
• Witnessing Entanglement in Experiments with Correlated Noise [1.1246250197597698]
  そこで我々は,各状態が任意に相関する雑音を受けることのできる目撃実験を解析するための2つの手法を提案する。 第1の方法は拒絶実験であり、実験が分離可能な状態しか生成できないという仮説を否定することで絡み合いの生成を認証する。 第2の方法は推定実験であり、平均的な目撃者値に対する信頼区間を推定し、構成する。
  論文  参考訳（メタデータ） (2020-02-27T19:23:08Z)
• Estimating the number and effect sizes of non-null hypotheses [14.34147140416535]
  効果の大きさの分布を知ることで、実験的な設計のパワー(タイプIIエラー)を計算することができる。 我々の推定器は、将来の実験で与えられた実験設計を用いて行われる発見の数を保証するために使用できる。
  論文  参考訳（メタデータ） (2020-02-17T23:20:21Z)

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。