Construisez des DAG causaux, explorez la d-séparation, calculez les interventions do-calculus et découvrez le paradoxe de Simpson
Un DAG (Graphe Orienté Acyclique) encode les hypothèses causales : chaque nœud est une variable, chaque flèche X→Y signifie que X cause directement Y. L'absence de flèche affirme l'absence d'effet causal direct.
Deux variables X et Y sont d-séparées par Z si tout chemin est bloqué : (1) chaîne A→B→C avec B dans Z, (2) fourche A←B→C avec B dans Z, (3) collisionneur A→B←C avec B hors de Z.
Un traitement semble bénéfique globalement mais nocif dans chaque sous-groupe. La résolution dépend de la structure causale : sans DAG, les statistiques seules ne peuvent pas déterminer quelle analyse est correcte.
L'inférence causale est essentielle en épidémiologie, économie, évaluation de politiques et apprentissage automatique.
Mode Édition : ajoutez des nœuds et reliez-en deux avec Maj+clic. Mode D-Séparation : choisissez la source, la cible et les variables conditionnées ; les chemins ouverts sont en vert et les chemins bloqués en rouge. Mode Intervention : sélectionnez un nœud et comparez P(Y|X=x) à P(Y|do(X=x)).