Yani durum buysa, istatistiksel bağımsızlık otomatik olarak nedensellik eksikliği anlamına mı geliyor?
Hayır ve işte çok değişkenli normal bir basit sayaç örneği.
set.seed(100)
n <- 1e6
a <- 0.2
b <- 0.1
c <- 0.5
z <- rnorm(n)
x <- a*z + sqrt(1-a^2)*rnorm(n)
y <- b*x - c*z + sqrt(1- b^2 - c^2 +2*a*b*c)*rnorm(n)
cor(x, y)
İlgili grafik ile
Burada ve marjinal olarak bağımsız olduklarını biliyoruz (çok değişkenli normal durumda, sıfır korelasyon bağımsızlığı ifade eder). Üzerinden arka kapı yolu Bunun nedeni tam arasında doğrudan bir yol üzerinden iptal için olduğu, . Böylece . Yine de doğrudan neden olur ve , ki bu farklıdır .xyzxycov(x,y)=b−a∗c=0.1−0.1=0E[Y|X=x]=E[Y]=0xyE[Y|do(X=x)]=bxE[Y]=0
Dernekler, müdahaleler ve karşı olgular
Burada dernekler, müdahaleler ve karşı taraflarla ilgili bazı açıklamalar yapmanın önemli olduğunu düşünüyorum.
Nedensel modeller, sistemin davranışına ilişkin ifadeler gerektirir: (i) pasif gözlemler altında, (ii) müdahaleler altında olduğu gibi, (iii) karşı olgular. Ve bir seviyedeki bağımsızlığın mutlaka diğerine çevrilmesi gerekmez.
Yukarıdaki örnekte gösterildiği gibi, ile arasında bir ilişki , yani, ve yine de üzerinde yapılan manipülasyonların dağılımını değiştirdiği durumda , .XYP(Y|X)=P(Y)XYP(Y|do(x))≠P(Y)
Şimdi bir adım daha ileri gidebiliriz. müdahale etmenin nüfus dağılımını değiştirmeyeceği , ancak bu, karşı-fiilî nedensellik eksikliği anlamına gelmediği nedensel modellere sahip olabiliriz ! Yani, , her bireyin sonuçları için farklı olurdu, değiştirseydin . Bu tam olarak user20160 tarafından ve burada önceki cevabım tarafından açıklanan durumdur .XYP(Y|do(x))=P(Y)YX
Bu üç seviye , her biriyle ilgili soruları cevaplamak için gereken bilgiler açısından, bir nedensel çıkarım görevi hiyerarşisini oluşturur .