题目: Decision-theoretic foundations for statistical causality

摘要:

我们为企业决策理论的统计因果关系(DT)建立了一个数学和解释基础,这是一种直接表达和解决因果问题的方法。DT将因果推理重新定义为“辅助决策”,目的是了解何时以及如何利用外部数据(通常是观察性的)来帮助解决决策问题,利用数据与我的问题之间假定的关系。

因果问题的任何表述中所包含的关系都需要更深层次的证明,这必然取决于上下文。在这里,我们澄清了支持DT方法应用所需要考虑的事项。互换性考虑被用来构建所需的关系,而意图治疗和干预治疗之间的区别形成了“可忽略性”启用条件的基础。我们还展示了DT的观点是如何统一和阐明统计因果关系的其他流行形式的,包括潜在的响应和有向无环图。

成为VIP会员查看完整内容
44

相关内容

【硬核书】不完全信息决策理论,467页pdf
专知会员服务
336+阅读 · 2020年6月24日
经典书《斯坦福大学-多智能体系统》532页pdf
一文读懂机器学习中的贝叶斯统计学
数据分析
26+阅读 · 2019年5月8日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
NSR观点| 学习因果关系和基于因果性的学习
知社学术圈
17+阅读 · 2018年1月7日
论文笔记 | Modeling MOOC Student Behavior
科技创新与创业
5+阅读 · 2017年12月25日
科普 | 知识图谱相关的名词解释
开放知识图谱
12+阅读 · 2017年12月4日
A Survey on Bayesian Deep Learning
Arxiv
60+阅读 · 2020年7月2日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
3+阅读 · 2018年10月11日
Next Item Recommendation with Self-Attention
Arxiv
5+阅读 · 2018年8月25日
VIP会员
相关VIP内容
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
336+阅读 · 2020年6月24日
相关资讯
经典书《斯坦福大学-多智能体系统》532页pdf
一文读懂机器学习中的贝叶斯统计学
数据分析
26+阅读 · 2019年5月8日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
NSR观点| 学习因果关系和基于因果性的学习
知社学术圈
17+阅读 · 2018年1月7日
论文笔记 | Modeling MOOC Student Behavior
科技创新与创业
5+阅读 · 2017年12月25日
科普 | 知识图谱相关的名词解释
开放知识图谱
12+阅读 · 2017年12月4日
微信扫码咨询专知VIP会员