Construya DAGs causales, explore d-separación, calcule intervenciones do-calculus y descubra la paradoja de Simpson
Un DAG (Grafo Acíclico Dirigido) codifica supuestos causales: cada nodo es una variable, cada flecha X→Y significa que X causa directamente Y. La ausencia de una flecha es una afirmación fuerte — significa que no hay efecto causal directo.
Dos variables X e Y están d-separadas por un conjunto Z si todo camino entre ellas está bloqueado. Un camino está bloqueado si contiene: (1) una cadena A→B→C donde B está en Z, (2) una bifurcación A←B→C donde B está en Z, o (3) un colisionador A→B←C donde B no está en Z.
Un tratamiento parece beneficioso en general pero dañino en cada subgrupo. La resolución depende de la estructura causal: sin un DAG, la estadística por sí sola no puede decir cuál es correcta.
La inferencia causal es esencial en epidemiología, economía, evaluación de políticas y aprendizaje automático.
Modo Edición: agregue nodos y conecte dos nodos con Shift+clic. Modo D-Separación: seleccione origen, destino y variables condicionales; los caminos abiertos se resaltan en verde y los bloqueados en rojo. Modo Intervención: seleccione un nodo y compare P(Y|X=x) con P(Y|do(X=x)).