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
- 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) - 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) - 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) - 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) - BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。
BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
論文 参考訳(メタデータ) (2022-06-03T16:25:48Z) - Identifiability of Sparse Causal Effects using Instrumental Variables [5.368313160283353]
弱条件下では因果係数が識別可能であることが証明され、因果関係の親の数と同じくらい楽器の数が小さいモデルでも特定できる。
推定器として spaceIV 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し,その性能をシミュレーションデータ上で評価する。
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。
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。