本讲座将介绍贝叶斯网络及其因果解释,如因果图模型、d-分离、微积分和Shpitser-Pearl ID算法。我们将从介绍贝叶斯网络、因果图模型和干预开始。然后,我们将展示两个具有相同骨架和v结构的贝叶斯网络,它们代表了相同的条件独立假设,并证明存在于任何贝叶斯网络中的d分离,会使所有条件独立假设在根据该网络进行因数分解的任何分布中都不成立。然后我们转向因果模型并引入微积分。我们展示了每一个演算规则的合理性。最后,我们描述了半马尔可夫模型中因果效应识别的shpitsere - pearl算法,并在时间允许的情况下,证明了该ID算法对因果效应识别的完备性;也就是说,当且仅当ID算法成功终止时,因果关系是可识别的。