論文の概要: Revisiting the Berkeley Admissions data: Statistical Tests for Causal Hypotheses

• arxiv url: http://arxiv.org/abs/2502.10161v1
• Date: Fri, 14 Feb 2025 13:43:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 14:48:01.511742
• Title: Revisiting the Berkeley Admissions data: Statistical Tests for Causal Hypotheses
• Title（参考訳）: バークレー許可データの再検討:因果仮説の統計的検証
• Authors: Sourbh Bhadane, Joris M. Mooij, Philip Boeken, Onno Zoeter,
• Abstract要約: 我々は、バークレーの大学院入学を因果レンズで説明する。 因果モデル上でのグラフィカル、対実的、介入的クエリに基づいて、フェアネスの異なる因果的概念を比較した。 観測データのみを用いたこれらの概念の統計的テストを開発する。
• 参考スコア（独自算出の注目度）: 2.9123921488295768
• License:
• Abstract: Reasoning about fairness through correlation-based notions is rife with pitfalls. The 1973 University of California, Berkeley graduate school admissions case from Bickel et. al. (1975) is a classic example of one such pitfall, namely Simpson's paradox. The discrepancy in admission rates among males and female applicants, in the aggregate data over all departments, vanishes when admission rates per department are examined. We reason about the Berkeley graduate school admissions case through a causal lens. In the process, we introduce a statistical test for causal hypothesis testing based on Pearl's instrumental-variable inequalities (Pearl 1995). We compare different causal notions of fairness that are based on graphical, counterfactual and interventional queries on the causal model, and develop statistical tests for these notions that use only observational data. We study the logical relations between notions, and show that while notions may not be equivalent, their corresponding statistical tests coincide for the case at hand. We believe that a thorough case-based causal analysis helps develop a more principled understanding of both causal hypothesis testing and fairness.
• Abstract（参考訳）: 相関に基づく概念による公平性に関する推論は、落とし穴に満ちている。 1973年、カリフォルニア大学バークレー校大学院入学試験(1975年)は、このような落とし穴、すなわちシンプソンのパラドックスの古典的な例である。 受験率の差は,全部署の総括データにみると,各部署ごとの受験率の差がみられた。 我々は、バークレーの大学院入学を因果レンズで説明する。 そこで本研究では,Pearl 1995におけるPearlの不等式に基づく因果仮説の統計的検証について紹介する(Pearl 1995)。 我々は、因果モデル上でのグラフィカル、対実的、介入的クエリに基づく公平性の異なる因果的概念を比較し、観察データのみを用いたこれらの概念の統計的テストを開発する。 本稿では,概念間の論理的関係を考察し,概念は等価ではないかもしれないが,その対応する統計的テストは,手元にあるケースと一致することを示す。 我々は、徹底的なケースベースの因果分析が、因果仮説テストと公平性の両方をより原則的に理解するのに役立つと信じている。

関連論文リスト

• Reconciling Predictive and Statistical Parity: A Causal Approach [68.59381759875734]
  本稿では,予測パリティに付随する公平度対策のための因果分解式を提案する。 統計的および予測パリティの概念は、実際には互いに排他的ではなく、相補的であり、公正の概念のスペクトルにまたがっていることを示す。
  論文  参考訳（メタデータ） (2023-06-08T09:23:22Z)
• Reinterpreting causal discovery as the task of predicting unobserved joint statistics [15.088547731564782]
  我々は因果発見が、観測されていない関節分布の性質を推測するのに役立つと論じている。 入力が変数のサブセットであり、ラベルがそのサブセットの統計的性質である学習シナリオを定義する。
  論文  参考訳（メタデータ） (2023-05-11T15:30:54Z)
• Response: Commentary: Is the moon there if nobody looks? Bell inequalities and physical reality [0.0]
  Gill と Lambare はこの記事の内容と結論を完全に誤解している。 彼らのモデルはベルテストの生データのみを記述するモデルに対して確率的結合を定義する。 我々のモデルは統計的独立に反するため、不平等は導出できない。
  論文  参考訳（メタデータ） (2023-02-16T03:52:27Z)
• Sound and Relatively Complete Belief Hoare Logic for Statistical Hypothesis Testing Programs [0.8103046443444949]
  仮説テストによって得られた統計的信念を形式化し、推論するための信念 Hoare logic (BHL) を定義した。 このプログラム論理は、仮説テストのためのクリプキモデルに対して、健全で比較的完全である。
  論文  参考訳（メタデータ） (2022-08-15T08:42:24Z)
• Active Bayesian Causal Inference [72.70593653185078]
  因果発見と推論を統合するための完全ベイズ能動学習フレームワークであるアクティブベイズ因果推論(ABCI)を提案する。 ABCIは因果関係のモデルと関心のクエリを共同で推論する。 我々のアプローチは、完全な因果グラフの学習のみに焦点を当てた、いくつかのベースラインよりも、よりデータ効率が高いことを示す。
  論文  参考訳（メタデータ） (2022-06-04T22:38:57Z)
• Nonparametric Conditional Local Independence Testing [69.31200003384122]
  条件付き局所独立は、連続的な時間プロセス間の独立関係である。 条件付き地域独立の非パラメトリックテストは行われていない。 二重機械学習に基づく非パラメトリックテストを提案する。
  論文  参考訳（メタデータ） (2022-03-25T10:31:02Z)
• Identifiability of Causal-based Fairness Notions: A State of the Art [4.157415305926584]
  機械学習アルゴリズムは、偏見のある結果/予測を生成することができ、通常は少数派や少数民族に対するものである。 本論文は,機械学習の公正性に特に関係する主要な識別可能性の結果をまとめたものである。
  論文  参考訳（メタデータ） (2022-03-11T13:10:32Z)
• 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)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)
• Logic of Machine Learning [0.0]
  私は、予測には根底にある依存の「予測可能性」を信じる必要があると提案する。 私は、人気のある教科書学習者の例を挙げ、それぞれが自身の不整合を最小化していることを示す。
  論文  参考訳（メタデータ） (2020-06-16T20:25:41Z)
• On Disentangled Representations Learned From Correlated Data [59.41587388303554]
  相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。 本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。 また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-14T12:47:34Z)

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。