論文の概要: General Probabilities of Causation with Causal Knowledge

• arxiv url: http://arxiv.org/abs/2608.12657v1
• Date: Wed, 12 Aug 2026 23:40:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.346431
• Title: General Probabilities of Causation with Causal Knowledge
• Title（参考訳）: 因果知識による因果関係の一般的な可能性
• Abstract要約: 因果関係(PoCs)の確率は、直接観察できない個々の因果反応を特徴付ける。 本稿では,多値設定における余分な因果的知識が境界をさらに強めることができるかどうかという問題に対処する。 提案した境界は、既存の非二項境界よりも厳密であることを示す。
• 参考スコア（独自算出の注目度）: 24.25148273833436
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilities of causation (PoCs) characterize individual causal responses that cannot be directly observed and therefore generally require partial identification. Tian and Pearl first derived theoretically sharp bounds for binary PoCs, including the probability of necessity (PN), the probability of sufficiency (PS), and the probability of necessity and sufficiency (PNS). Mueller et al. subsequently tightened the bounds for binary PNS by incorporating causal information encoded in covariates and mediators. More recently, Li and Pearl, as well as Shu et al., extended PoCs to multivalued settings and derived corresponding theoretical bounds. These developments naturally raise the question of whether additional causal knowledge can further tighten the bounds in multivalued settings. This paper addresses this question by deriving tighter bounds for multivalued PoCs through the incorporation of causal information encoded in covariates and mediators. We illustrate the theoretical results with toy examples, while simulation studies further demonstrate that the proposed bounds are tighter than existing nonbinary bounds.
• Abstract（参考訳）: 因果関係の確率(PoCs)は直接観察できない個々の因果反応を特徴付けるため、一般に部分的同定を必要とする。 TianとPearlはまず、必要確率(PN)、十分確率(PS)、必要・十分確率(PNS)を含む二元性PoCの理論的に鋭い境界を導出した。 ミュラーらはその後、共変量体やメディエーターに符号化された因果情報を組み込むことで、バイナリPASのバウンダリを強化した。 最近では、Li と Pearl と Shu と al は、PoC を多値設定に拡張し、対応する理論的境界を導出した。 これらの発展は、追加の因果的知識が、多値設定における境界をさらに締め付けることができるかどうかという疑問を自然に提起する。 本稿では,共変量体や媒介体に符号化された因果情報を組み込むことにより,多値PoCの厳密な境界を導出することでこの問題に対処する。 おもちゃの例で理論的結果を説明し、シミュレーション研究により提案された境界が既存の非二項境界よりも厳密であることを示す。

関連論文リスト

• Variational Inference for Evidential Deep Learning [69.9353638875714]
  数学的に原理化されたフレームワークである変分推論証拠深層学習(VI-EDL)を提案する。 VI-EDLは、分布外検出、ノイズ検出、自律運転シナリオにおいて最先端の性能を達成する。
  論文  参考訳（メタデータ） (2026-05-26T02:32:59Z)
• Robust Regression with Adaptive Contamination in Response: Optimal Rates and Computational Barriers [65.58071581164043]
  本研究では, 共変剤を清潔にし, 応答を適応的に劣化させる汚染モデルの下で, 頑健な回帰について検討する。 本研究では,ハマー汚染下で達成可能なものよりも優れた推定率を持つ推定器を構築するために,追加情報を慎重に活用できることを示す。 情報理論の観点からは、ハマーモデルよりも改善されているにもかかわらず、この問題が強い情報計算ギャップを示すという公式な証拠を提供する。
  論文  参考訳（メタデータ） (2026-04-05T19:07:24Z)
• Causal Identification from Counterfactual Data: Completeness and Bounding Results [54.147490305295456]
  本研究では,任意のレイヤ3分布の集合から対実的なクエリを識別するアルゴリズムを開発した。 我々は、物理的に実現可能な分布から反事実を特定できる理論的限界を確立する。 我々は、そのような量の新たな解析的境界を、実現可能な対実データを用いて導出する。
  論文  参考訳（メタデータ） (2026-02-26T22:48:12Z)
• Operational Derivation of Born's Rule from Causal Consistency in Generalized Probabilistic Theories [0.0]
  許容可能な状態対確率写像は、混合の下でアフィンでなければならないことを示す。 我々はボルンの法則を許容可能な確率的法則の因果的固定点とみなす。
  論文  参考訳（メタデータ） (2025-12-14T10:50:42Z)
• Identification of Probabilities of Causation: A Complete Characterization [14.18654714001098]
  本稿では、因果関係の完全な代表的確率のセットを提案し、それらが構造因果モデル(SCM)の枠組みの中で因果関係のすべての確率を特徴付けるのに十分であることを示す。 次に、形式的な数学的証明を用いて、これらの代表量に対して厳密な境界を導出する。
  論文  参考訳（メタデータ） (2025-05-21T08:50:12Z)
• The boundary of Kirkwood-Dirac quasiprobability [0.759660604072964]
  カークウッド・ディラック準確率(Kirkwood-Dirac quasiprobability)は、合同量子観測器の測定統計を記述している。 我々は、KD準確率の外部境界を与えるため、軽微な仮定の下で量子後準確率を導入する。 驚くべきことに、古典的確率とKD準確率の両方に有効ないくつかの非自明な境界を導出することができる。
  論文  参考訳（メタデータ） (2025-04-12T14:23:36Z)
• New Rules for Causal Identification with Background Knowledge [59.733125324672656]
  オープンな問題に対する新たな視点を提供するBKを導入するための2つの新しいルールを提案する。 これらのルールは、観測データによる因果効果のセットを決定するなど、典型的な因果関係のタスクに適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-07-21T20:21:21Z)
• 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)
• Probabilities of Causation with Nonbinary Treatment and Effect [20.750773939911685]
  TianとPearlは、必要および十分性の確率の鋭い境界を導出した。 我々は、多値な治療と効果に対する因果関係のあらゆる種類の確率に関する理論的境界を提供する。
  論文  参考訳（メタデータ） (2022-08-19T23:54:47Z)
• A Unifying Theory of Thompson Sampling for Continuous Risk-Averse Bandits [91.3755431537592]
  本稿では,多腕バンディット問題に対するリスク-逆トンプソンサンプリングアルゴリズムの解析を統一する。 大規模偏差理論における収縮原理を用いることで、連続リスク汎関数に対する新しい濃度境界が証明される。 リスク関数の幅広いクラスと「ニセ」関数が連続性条件を満たすことを示す。
  論文  参考訳（メタデータ） (2021-08-25T17:09:01Z)
• R\'enyi divergence inequalities via interpolation, with applications to generalised entropic uncertainty relations [91.3755431537592]
  量子R'enyiエントロピー量、特に'サンドウィッチ'の発散量について検討する。 我々は、R'enyi相互情報分解規則、R'enyi条件エントロピー三部類連鎖規則に対する新しいアプローチ、より一般的な二部類比較を示す。
  論文  参考訳（メタデータ） (2021-06-19T04:06:23Z)
• 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)

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。