귀하의 질문에, 당신은 "인과적인 베이지안 네트워크"와 "후문 테스트"가 무엇인지 모른다고 진술합니다.
인과적인 베이지안 네트워크가 있다고 가정합니다. 즉, 노드가 제안을 나타내고 방향 모서리가 잠재적 인과 관계를 나타내는 방향성 비순환 그래프입니다. 각 가설마다 그러한 네트워크가 많이있을 수 있습니다. 모서리 의 강도 또는 존재에 대해 설득력있는 주장을하는 세 가지 방법이 있습니다 .A →?비
가장 쉬운 방법은 개입입니다. 이것이 "적절한 무작위 배정"이 문제를 해결할 것이라고 말할 때 다른 답변이 제안하는 것입니다. 무작위로 가 다른 값을 가지도록하고 를 측정 합니다. 그렇게 할 수 있다면 끝났지 만 항상 그렇게 할 수는 없습니다. 예를 들어, 사람들에게 치명적인 질병에 대해 비효율적 인 치료를 제공하는 것은 비 윤리적 일 수도 있고, 치료할 때 어떤 말을 할 수도 있습니다.B에이비
두 번째 방법은 정문 방법입니다. 당신은 것을 보여주고 싶은 에 작용하여 를 통해 , 즉, . 당신이 가정하면 잠재적으로 인해 발생 있지만 다른 원인이없는, 당신은 것을 측정 할 수있는 와 상관 하고, 와 상관 , 당신은 증거를 통해 흐르는해야 결론을 내릴 수있다 . 원래 예 : 는 흡연, 는 암,B C A → C → B C A C A B에이비CA→C→BCACABC A B CCCABC타르 축적입니다. 타르는 흡연에서만 나올 수 있으며 흡연과 암과 관련이 있습니다. 따라서 흡연은 타르를 통해 암을 유발합니다 (이 효과를 완화시키는 다른 인과 경로가있을 수 있음).
세 번째 방법은 백도어 방식입니다. "후문"으로 인해 와 가 서로 관련이 없음 을 보여 주려고합니다 ( 예 : . 인과 관계 모델을 가정 했으므로 증거가 에서 로 흐를 수있는 모든 경로 (변수를 관찰하고 그에 대한 조건화)를 차단하기 만하면 됩니다. 이러한 경로를 차단하는 것은 약간 까다 롭지 만 Pearl은 이러한 경로를 차단하기 위해 관찰해야하는 변수를 알려주는 명확한 알고리즘을 제공합니다.B A ← D → B A BABA←D→BAB
gung은 무작위 화가 좋으면 혼란스러운 사람들은 중요하지 않을 것입니다. 우리는 가상의 원인 (치료)에 개입하는 것이 허용되지 않는다고 가정하기 때문에, 연령 또는 신장 결석 크기와 같은 가상의 원인 (치료)과 효과 (생존) 사이의 일반적인 원인은 혼란을 초래할 것입니다. 해결책은 모든 백도어를 막기 위해 올바른 측정을하는 것입니다. 자세한 내용은 다음을 참조하십시오.
진주, 유대. "실증적 연구를위한 인과 관계 도표." Biometrika 82.4 (1995) : 669-688.
이것을 문제에 적용하려면 먼저 인과 관계 그래프를 그리겠습니다. (치료 전) 신장 결석 크기 와 치료 유형 는 모두 성공 원인입니다 . 다른 의사가 신장 결석 크기에 따라 Tratment를 할당하는 경우 는 의 원인 일 수 있습니다 . 분명히 , , 사이에는 다른 인과 관계가 없습니다 . 는 다음에 로 원인이 될 수 없습니다. 마찬가지로 는 와 뒤에옵니다 .Y Z X Y X Y Z Y X Z X YXYZXYXYZYXZXY
이후 일반적인 원인, 그것은 측정해야한다. 변수의 우주와 잠재적 인과 관계를 결정하는 것은 실험자에게 달려 있습니다. 모든 실험에 대해 실험자는 필요한 "후문 변수"를 측정 한 다음 각 변수 구성에 대한 처리 성공의 한계 확률 분포를 계산합니다. 새 환자의 경우 변수를 측정하고 한계 분포로 표시된 치료를 따릅니다. 모든 것을 측정 할 수 없거나 데이터가 많지 않지만 관계의 아키텍처에 대해 알고있는 경우 네트워크에서 "믿음 전파"(베이지 언 추론)를 수행 할 수 있습니다.X