Model Thinking
See how employees at top companies are mastering in-demand skills Earn a career certificateAdd this credential to your LinkedIn profile, resume, or CV Share it on social media and in your performance review We live in a complex world with diverse people, firms, and governments whose behaviors aggregate to produce novel, unexpected phenomena. We see political uprisings, market crashes, and a never
相関と因果について考える：統計的因果推論、その(不)可能性の中心
3. 今回のもくじ イントロ -『相関と因果』再訪 基礎編 - 因果概念の変遷： 心の習慣 から 反事実 へ - 因果と確率論を繋ぐ：Pearlのdo演算子 実務編 - 重回帰とは因果構造分解酵素である - バックドア基準による変数選択 考察 - 因果推論の不可能性, モデル選択の３視点 4. 相関と因果は一致しない 86 女 性 84 の 平 82 均 寿 80 命 78 （歳） 30 34 38 NHKの放送受信契約数（百万） http://www.stat.go.jp/data/nihon/02.htm 元データ→ http://pid.nhk.or.jp/jushinryo/know/pdf/toukei2010.pdf 5. 相関と因果は一致しない 86 p < 0.00000002 女 2 性 84 R = 0.99 の 平 82 均 寿 80 命 78 （歳） 30 34 3
統計的因果推論 勉強用 isseing333
3. 確率は何を表現しているか？ ◦ 科学的に記述できない不確実性 ◦ 例外の部分 わざわざ記述する必要がない場合 モデルをシンプルにするために記述しない場合 確率の公理（離散、ベイズの場合、確率は確信度を表す） 1. 0≦P(A)≦1 2. P(確実な事象)=1 3. AとBが排反であればP(A∨B)=P(A)+P(B) P(A)に関して2種類の記述方法 ◦ 積集合を用いた表現 Σi P(A,Bi) Bについて周辺をとる P(A)はAの周辺確率 ◦ 条件付き確率を用いた表現 Σi P(A|Bi)P(Bi) 4. 条件付き確率に対する記述 ◦ 伝統的な記述 P(A|B)=P(A,B)/P(B) P(A,B)をP(B)で基準化している P(A|B) は常にP(A,B)より小さくはならない Bである事がわかれば情報量が減るということはない P(B
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
How prescriptive norms influence causal inferences
https://www.kellogg.northwestern.edu/faculty/gordon_b/files/kellogg_fb_whitepaper.pdf
APA PsycNet
Mechanism and Causality in Biology and Economics