論文の概要: Retrospective Counterfactual Prediction by Conditioning on the Factual Outcome: A Cross-World Approach
- arxiv url: http://arxiv.org/abs/2603.27320v1
- Date: Sat, 28 Mar 2026 15:56:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:44.902257
- Title: Retrospective Counterfactual Prediction by Conditioning on the Factual Outcome: A Cross-World Approach
- Title（参考訳）: 実測結果の条件付けによる反事実予測:世界横断的アプローチ
- Authors: Juraj Bodik,
- Abstract要約: 我々は、$(x,y)=mathbbE[Y(1)mid X=x,Y(0)=y]$を推定する問題を研究する。
我々はNeyman-Rubin超人口モデルの下で有効な予測間隔を構築する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Retrospective causal questions ask what would have happened to an observed individual had they received a different treatment. We study the problem of estimating $μ(x,y)=\mathbb{E}[Y(1)\mid X=x,Y(0)=y]$, the expected counterfactual outcome for an individual with covariates $x$ and observed outcome $y$, and constructing valid prediction intervals under the Neyman-Rubin superpopulation model. This quantity is generally not identified without additional assumptions. To link the observed and unobserved potential outcomes, we work with a cross-world correlation $ρ(x)=cor(Y(1),Y(0)\mid X=x)$; plausible bounds on $ρ(x)$ enable a principled approach to this otherwise unidentified problem. We introduce retrospective counterfactual estimators $\hatμ_ρ(x,y)$ and prediction intervals $C_ρ(x,y)$ that asymptotically satisfy $P[Y(1)\in C_ρ(x,y)\mid X=x, Y(0)=y]\ge1-α$ under standard causal assumptions. Many common baselines implicitly correspond to endpoint choices $ρ=0$ or $ρ=1$ (ignoring the factual outcome or treating the counterfactual as a shifted factual outcome). Interpolating between these cases through cross-world dependence yields substantial gains in both theory and practice.
- Abstract（参考訳）: ふりかえりの因果質問は、異なる治療を受けた場合、観察された個人に何が起こったのかを尋ねる。
我々は、$μ(x,y)=\mathbb{E}[Y(1)\mid X=x,Y(0)=y]$, 共変量$x$と観測結果$y$を推定し、Neyman-Rubinスーパーポピュレーションモデルの下で有効な予測区間を構築するという問題を考察する。
この量は一般に追加の仮定なしでは特定されない。
観測された可能性と観測されていない可能性の結果を結びつけるために、私たちは世界横断の相関式 $ρ(x)=cor(Y(1),Y(0)\mid X=x)$; $ρ(x)$ の有界な有界性を考える。
我々は、標準因果仮定の下で、漸近的に$P[Y(1)\in C_ρ(x,y)\mid X=x, Y(0)=y]\ge1-α$ を満たすレトロスペクティブ反事実推定器 $\hatμ_ρ(x,y)$ および予測区間 $C_ρ(x,y)$ を導入する。
多くの共通基底線は、エンドポイントの選択に暗黙的に対応し、$ρ=0$ または $ρ=1$ (事実結果を無視したり、反事実をシフトした事実結果として扱う)。
これらのケースの相互依存による補間は、理論と実践の両方においてかなりの利益をもたらす。
関連論文リスト
- Direct Bias-Correction Term Estimation for Propensity Scores and Average Treatment Effect Estimation [6.44705221140412]
本研究は平均治療効果(ATE)の推定について考察する。
我々は、直接バイアス補正項推定により、確率スコアを推定する。
本稿では,この直接バイアス補正項推定手法の一般的な枠組みを提案する。
論文 参考訳（メタデータ） (2025-09-26T09:45:12Z) - Cross-validating causal discovery via Leave-One-Variable-Out [11.891940572224783]
私たちは"Leave-One-Variable-Out (LOVO)"予測を使い、$Y$は$X$から推論されるが、$X$と$Y$は共同で観測されることはない。
Acyclic Directed Mixed Graphs (ADMGs) という形で、2つの部分集合上の因果モデルが、しばしば$X$ と $Y$ の依存関係に関する結論を導くことを示した。
この予測誤差は、$P(X, Y)$が利用可能であると仮定され、$X$と$Y$がfalの目的のために省略されているため推定できる。
論文 参考訳（メタデータ） (2024-11-08T15:15:34Z) - Mind the Gap: A Causal Perspective on Bias Amplification in Prediction & Decision-Making [58.06306331390586]
本稿では,閾値演算による予測値がS$変化の程度を測るマージン補数の概念を導入する。
適切な因果仮定の下では、予測スコア$S$に対する$X$の影響は、真の結果$Y$に対する$X$の影響に等しいことを示す。
論文 参考訳（メタデータ） (2024-05-24T11:22:19Z) - Variational Inference for Uncertainty Quantification: an Analysis of Trade-offs [9.72680221121084]
難解分布$p$が与えられたとき、変分推論(VI)の問題は、より難解な族$Q$から最高の近似を求めることである。
古典的なKullback-Leiblerの発散、より一般的な$alpha$-divergences、および$nabla log p$と$nabla log q$を比較するスコアベースの発散を考える。
論文 参考訳（メタデータ） (2024-03-20T16:56:08Z) - TIC-TAC: A Framework for Improved Covariance Estimation in Deep Heteroscedastic Regression [109.69084997173196]
奥行き回帰は、予測分布の平均と共分散を負の対数類似度を用いて共同最適化する。
近年の研究では, 共分散推定に伴う課題により, 準最適収束が生じる可能性が示唆されている。
1)予測共分散は予測平均のランダム性を真に捉えているか?
その結果, TICは共分散を正確に学習するだけでなく, 負の対数類似性の収束性の向上も促進することがわかった。
論文 参考訳（メタデータ） (2023-10-29T09:54:03Z) - $L^1$ Estimation: On the Optimality of Linear Estimators [64.76492306585168]
この研究は、条件中央値の線型性を誘導する$X$上の唯一の先行分布がガウス分布であることを示している。
特に、条件分布 $P_X|Y=y$ がすべての$y$に対して対称であるなら、$X$ はガウス分布に従う必要がある。
論文 参考訳（メタデータ） (2023-09-17T01:45:13Z) - Universality laws for Gaussian mixtures in generalized linear models [22.154969876570238]
一般化線形推定器の族(Theta_1, dots, Theta_M)の合同統計について検討する。
これにより、トレーニングや一般化エラーなど、異なる量の興味の普遍性を証明できる。
我々は,本研究の結果を,アンサンブルや不確実性など,興味のあるさまざまな機械学習タスクに応用することについて議論する。
論文 参考訳（メタデータ） (2023-02-17T15:16:06Z) - AI without networks [0.0]
我々は、生成モデリングを取り入れたAIのためのネットワークフリーフレームワークを開発する。
我々は、この枠組みを、民族学、制御理論、数学の3つの異なる分野の例で示す。
また、生成AIによる倫理的法的課題に対処するために、この枠組みに基づいて容易に計算された信用割当手法を提案する。
論文 参考訳（メタデータ） (2021-06-07T05:50:02Z)
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。