Fugu-MT 論文翻訳(概要): Epsilon-Identifiability of Causal Quantities

論文の概要: Epsilon-Identifiability of Causal Quantities

arxiv url: http://arxiv.org/abs/2301.12022v1
Date: Fri, 27 Jan 2023 23:16:57 GMT
ステータス: 処理完了
システム内更新日: 2023-01-31 19:42:03.390373
Title: Epsilon-Identifiability of Causal Quantities
Title（参考訳）: 因果量のEpsilon-Identifiability
Authors: Ang Li, Scott Mueller, Judea Pearl
Abstract要約: 因果関係のいくつかの確率に対して, 部分的識別がまだ可能であることを示す。特に,不特定因果効果と反事実確率が狭義に限定されることを示す。
参考スコア（独自算出の注目度）: 17.565045120151865
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Identifying the effects of causes and causes of effects is vital in virtually every scientific field. Often, however, the needed probabilities may not be fully identifiable from the data sources available. This paper shows how partial identifiability is still possible for several probabilities of causation. We term this epsilon-identifiability and demonstrate its usefulness in cases where the behavior of certain subpopulations can be restricted to within some narrow bounds. In particular, we show how unidentifiable causal effects and counterfactual probabilities can be narrowly bounded when such allowances are made. Often those allowances are easily measured and reasonably assumed. Finally, epsilon-identifiability is applied to the unit selection problem.
Abstract（参考訳）: 原因や原因を特定することは、事実上全ての科学分野において不可欠である。しかし多くの場合、必要な確率は利用可能なデータソースから完全に識別できない。本稿では,いくつかの因果関係の確率に対して,部分的同一性が依然として可能であることを示す。このエプシロン識別性(英語版)を表現し、特定のサブポピュレーションの挙動が狭い範囲内で制限される場合にその有用性を示す。特に,不特定因果効果や反事実確率が,そのような手当が作られる場合に狭義に限定できることを示す。多くの場合、これらの手当は容易に測定され、合理的に推定される。最後に、単位選択問題にepsilon-identifiabilityを適用する。

関連論文リスト

On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-24T08:08:05Z)
Identifiable Latent Polynomial Causal Models Through the Lens of Change [82.14087963690561]
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)
Partial Identification of Causal Effects Using Proxy Variables [19.23377338970307]
近位因果推論は,非測定的共起の存在下での因果効果を評価するためのフレームワークとして最近提案されている。本稿では,橋梁関数の完全性を必要としない部分的識別手法を提案する。
論文参考訳（メタデータ） (2023-04-10T04:18:27Z)
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)
Interventional Causal Representation Learning [75.18055152115586]
因果表現学習は、低レベルの感覚データから高レベルの潜伏因子を抽出しようとする。介入データは因果表現学習を促進するか? 介入データは、しばしば潜伏因子の支援の幾何学的シグネチャを持つことを示す。
論文参考訳（メタデータ） (2022-09-24T04:59:03Z)
Identifying Weight-Variant Latent Causal Models [82.14087963690561]
推移性は潜在因果表現の識別性を阻害する重要な役割を担っている。いくつかの軽微な仮定の下では、潜伏因果表現が自明な置換とスケーリングまで特定可能であることを示すことができる。本稿では,その間の因果関係や因果関係を直接学習する構造的caUsAl変分自動エンコーダを提案する。
論文参考訳（メタデータ） (2022-08-30T11:12:59Z)
Bounding Counterfactuals under Selection Bias [60.55840896782637]
本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
論文参考訳（メタデータ） (2022-07-26T10:33:10Z)
Identifiability of Sparse Causal Effects using Instrumental Variables [11.97552507834888]
本稿では,共変量$X$の応答に対する因果効果が疎い線形モデルを考える。観測された分布から因果係数が同定可能な条件を提供する。推定器として、空間IVを提案し、モデルが同定可能であれば因果効果を常に推定することを証明する。
論文参考訳（メタデータ） (2022-03-17T15:15:52Z)
Typing assumptions improve identification in causal discovery [123.06886784834471]
観測データからの因果発見は、正確な解を常に特定できない難しい課題である。そこで本研究では,変数の性質に基づいた因果関係を制約する仮説を新たに提案する。
論文参考訳（メタデータ） (2021-07-22T14:23:08Z)
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)
Identifying Causal Effects via Context-specific Independence Relations [9.51801023527378]
因果効果の同定は、介入確率分布が受動的に観察された分布から一意に決定できるかどうかを考える。我々は、文脈固有の独立関係の存在下で、因果効果の非識別性を決定することはNPハードであることを示す。そこで我々は,CSIの存在下での因果関係を識別する計算法と自動探索法を設計した。
論文参考訳（メタデータ） (2020-09-21T11:38:15Z)

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。