会员服务
推断 · 估计/估计量 · 统计方法 · 统计理论 ·
2021 年 4 月 21 日
A calculus for causal inference with instrumental variables
翻译：与工具变量的因果推断计算法
Wing Hung Wong
Wing Hung Wong
from arxiv, 10 pages

Under a general structural equation framework for causal inference, we provide a definition of the causal effect of a variable X on another variable Y, and propose an approach to estimate this causal effect via the use of instrumental variables.


翻译：根据因果推断的一般结构等式框架,我们界定了变数X对另一个变数Y的因果影响,并提议了一种办法,通过使用工具变量来估计这种因果影响。
0
下载
关闭预览

相关内容

不可错过！UIUC最新《统计强化学习》课程！
专知会员服务
52+阅读 · 2020年9月7日
【硬核书】信息论，528页pdf，Information Theory and Coding by Example
【硬核书】信息论，528页pdf，Information Theory and Coding by Example
专知会员服务
146+阅读 · 2020年4月20日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
自动结构变分推理，Automatic structured variational inference
自动结构变分推理，Automatic structured variational inference
专知会员服务
38+阅读 · 2020年2月10日
【斯坦福大学AAAI2020】跨越因果层次的概率推理，Probabilistic Reasoning across the Causal Hierarchy
【斯坦福大学AAAI2020】跨越因果层次的概率推理，Probabilistic Reasoning across the Causal Hierarchy
专知会员服务
45+阅读 · 2020年1月11日
【新书】Python数据科学食谱（Python Data Science Cookbook）
【新书】Python数据科学食谱（Python Data Science Cookbook）
专知会员服务
114+阅读 · 2020年1月1日
【贝叶斯规则因果推理】《Causal Inference with Bayes Rule》by Finn Lattimore, David Rohde
【贝叶斯规则因果推理】《Causal Inference with Bayes Rule》by Finn Lattimore, David Rohde
专知会员服务
45+阅读 · 2019年12月13日
【神经网络数学的初学者指南】（A Beginner’s Guide to the Mathematics of Neural Networks），伦敦国王学院数学系教授| A. C. C. Coolen
【神经网络数学的初学者指南】（A Beginner’s Guide to the Mathematics of Neural Networks），伦敦国王学院数学系教授| A. C. C. Coolen
专知会员服务
53+阅读 · 2019年12月12日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
CMU 邢波教授2019春季《概率图模型》课程开讲，带你学习PGM（含讲义PPT及视频）
CMU 邢波教授2019春季《概率图模型》课程开讲，带你学习PGM（含讲义PPT及视频）
专知
51+阅读 · 2019年1月25日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
vae 相关论文 表示学习 1
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
【推荐】数学和科学的笔记/链接，包括统计学、贝叶斯、cmpsc、量化交易、机器学习等
【推荐】数学和科学的笔记/链接，包括统计学、贝叶斯、cmpsc、量化交易、机器学习等
机器学习研究会
9+阅读 · 2018年1月21日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Inference of Causal Effects when Control Variables are Unknown
Arxiv
0+阅读 · 2021年6月11日
Quantum Entropic Causal Inference
Arxiv
0+阅读 · 2021年6月10日
Confidence in Causal Discovery with Linear Causal Models
Arxiv
0+阅读 · 2021年6月10日
Gaussian Prepivoting for Finite Population Causal Inference
Arxiv
0+阅读 · 2021年6月9日
A Meta Learning Approach to Discerning Causal Graph Structure
Arxiv
0+阅读 · 2021年6月6日
Proximal Causal Learning with Kernels: Two-Stage Estimation and Moment Restriction
Arxiv
0+阅读 · 2021年6月6日
Causal Bandits with Unknown Graph Structure
Arxiv
0+阅读 · 2021年6月5日
On the Role of Entropy-based Loss for Learning Causal Structures with Continuous Optimization
Arxiv
0+阅读 · 2021年6月5日
Discovery of Causal Additive Models in the Presence of Unobserved Variables
Arxiv
0+阅读 · 2021年6月4日
A Survey on Causal Inference
Arxiv
110+阅读 · 2020年2月5日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
推断
估计/估计量
统计方法
统计理论
相关VIP内容
不可错过！UIUC最新《统计强化学习》课程！
专知会员服务
52+阅读 · 2020年9月7日
【硬核书】信息论，528页pdf，Information Theory and Coding by Example
【硬核书】信息论，528页pdf，Information Theory and Coding by Example
专知会员服务
146+阅读 · 2020年4月20日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
自动结构变分推理，Automatic structured variational inference
自动结构变分推理，Automatic structured variational inference
专知会员服务
38+阅读 · 2020年2月10日
【斯坦福大学AAAI2020】跨越因果层次的概率推理，Probabilistic Reasoning across the Causal Hierarchy
【斯坦福大学AAAI2020】跨越因果层次的概率推理，Probabilistic Reasoning across the Causal Hierarchy
专知会员服务
45+阅读 · 2020年1月11日
【新书】Python数据科学食谱（Python Data Science Cookbook）
【新书】Python数据科学食谱（Python Data Science Cookbook）
专知会员服务
114+阅读 · 2020年1月1日
【贝叶斯规则因果推理】《Causal Inference with Bayes Rule》by Finn Lattimore, David Rohde
【贝叶斯规则因果推理】《Causal Inference with Bayes Rule》by Finn Lattimore, David Rohde
专知会员服务
45+阅读 · 2019年12月13日
【神经网络数学的初学者指南】（A Beginner’s Guide to the Mathematics of Neural Networks），伦敦国王学院数学系教授| A. C. C. Coolen
【神经网络数学的初学者指南】（A Beginner’s Guide to the Mathematics of Neural Networks），伦敦国王学院数学系教授| A. C. C. Coolen
专知会员服务
53+阅读 · 2019年12月12日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
CMU 邢波教授2019春季《概率图模型》课程开讲，带你学习PGM（含讲义PPT及视频）
CMU 邢波教授2019春季《概率图模型》课程开讲，带你学习PGM（含讲义PPT及视频）
专知
51+阅读 · 2019年1月25日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
vae 相关论文 表示学习 1
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
【推荐】数学和科学的笔记/链接，包括统计学、贝叶斯、cmpsc、量化交易、机器学习等
【推荐】数学和科学的笔记/链接，包括统计学、贝叶斯、cmpsc、量化交易、机器学习等
机器学习研究会
9+阅读 · 2018年1月21日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
相关论文
Inference of Causal Effects when Control Variables are Unknown
Arxiv
0+阅读 · 2021年6月11日
Quantum Entropic Causal Inference
Arxiv
0+阅读 · 2021年6月10日
Confidence in Causal Discovery with Linear Causal Models
Arxiv
0+阅读 · 2021年6月10日
Gaussian Prepivoting for Finite Population Causal Inference
Arxiv
0+阅读 · 2021年6月9日
A Meta Learning Approach to Discerning Causal Graph Structure
Arxiv
0+阅读 · 2021年6月6日
Proximal Causal Learning with Kernels: Two-Stage Estimation and Moment Restriction
Arxiv
0+阅读 · 2021年6月6日
Causal Bandits with Unknown Graph Structure
Arxiv
0+阅读 · 2021年6月5日
On the Role of Entropy-based Loss for Learning Causal Structures with Continuous Optimization
Arxiv
0+阅读 · 2021年6月5日
Discovery of Causal Additive Models in the Presence of Unobserved Variables
Arxiv
0+阅读 · 2021年6月4日
A Survey on Causal Inference
Arxiv
110+阅读 · 2020年2月5日
Top
微信扫码咨询专知VIP会员
Top