Erstellen Sie kausale DAGs, erkunden Sie d-Separation, berechnen Sie do-Calculus-Interventionen und entdecken Sie Simpsons Paradoxon
Ein DAG (Gerichteter Azyklischer Graph) kodiert kausale Annahmen: jeder Knoten ist eine Variable, jeder Pfeil X→Y bedeutet, dass X direkt Y verursacht.
Zwei Variablen X und Y sind d-separiert durch Z, wenn jeder Pfad blockiert ist: (1) Kette A→B→C mit B in Z, (2) Gabel A←B→C mit B in Z, (3) Kollider A→B←C mit B nicht in Z.
Eine Behandlung scheint insgesamt nützlich, aber in jeder Untergruppe schädlich. Die Auflösung hängt von der kausalen Struktur ab.
Kausale Inferenz ist wesentlich in Epidemiologie, Wirtschaft, Politikbewertung und maschinellem Lernen.
Bearbeitungsmodus: Knoten hinzufügen und mit Umschalt+Klick verbinden. D-Separation: Quelle, Ziel und Bedingungsvariablen wählen; offene Pfade werden grün, blockierte rot markiert. Interventionsmodus: Einen Knoten für do(X) wählen und P(Y|X=x) mit P(Y|do(X=x)) vergleichen.