因果概率：观测数据的作用
人工智能
2022-10-18 v1
摘要
因果概率在现代决策中起着关键作用。Pearl 定义了三种二元因果概率：必要且充分概率（PNS）、充分概率（PS）与必要条件概率（PN）。随后 Tian 与 Pearl 利用实验数据与观测数据的组合对这些概率给出了边界。然而，观测数据在实践中并非总是可得；在此情况下，Tian 与 Pearl 的定理仅利用纯实验数据给出了有效但较弱的边界。本文讨论了在何种条件下值得考虑观测数据以改进边界质量。更具体地，我们假设观测分布在其可行区间内均匀分布，据此定义了边界的期望改进量。我们进一步将所提定理应用于 Li 与 Pearl 定义的单元选择问题。
引用
@article{arxiv.2210.08874,
title = {Probabilities of Causation: Role of Observational Data},
author = {Ang Li and Judea Pearl},
journal= {arXiv preprint arXiv:2210.08874},
year = {2022}
}