Вопросы с тегом «dag»

Я начинаю баловаться с использованием glmnetс LASSO регрессией , где мой результат представляет интерес дихотомический. Я создал небольшой фрейм данных ниже: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, …

78 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

Две случайные величины A и B статистически независимы. Это означает, что в DAG процесса: и, конечно, . Но значит ли это, что от B до A нет входной двери?(A⊥⊥B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P(A|B)=P(A)P(A|B)=P(A)P(A|B)=P(A) Потому что тогда мы должны получить . Так что, если это так, означает ли статистическая независимость автоматически отсутствие причинно-следственной …

40 independence  causality  bayesian-network  dag 

Направленные ациклические графы (DAG; например, Greenland, et al, 1999) являются частью формализма причинно-следственной связи из контрфактуальной интерпретации причинно-следственной связи. На этих графиках наличие стрелки от переменной AAA к переменной ВВB утверждает, что переменная AAA непосредственно вызывает (некоторое изменение в риске) переменную ВВB , а отсутствие такой стрелки утверждает, что переменная …

17 interaction  causality  dag 

Направленные ациклические графы (DAG) являются эффективными визуальными представлениями качественных причинных предположений в статистических моделях, но могут ли они использоваться для представления регулярного уравнения переменной инструмента (или других уравнений)? Если так, то как? Если нет, то почему?

15 causality  instrumental-variables  dag 

Я изучаю вероятностные графические модели , книгу для самостоятельного изучения. Представляют ли ребра в ориентированном ациклическом графе (DAG) причинные связи? Что если я хочу построить байесовскую сеть , но я не уверен в направлении стрелок в ней? Все данные скажут мне, что наблюдаются корреляции, а не взаимосвязь между ними. Я …

13 causality  graphical-model  bayesian-network  dag 

Если мы хотим вычислить причинное влияние на Y на приведенном ниже причинном графике, мы можем использовать как теоремы регулировки задней двери, так и теоремы регулировки передней двери, т. Е. P ( y | do ( X = x ) ) = ∑ u P ( y | x , u …

12 self-study  causality  graph-theory  dag 

Я имею в виду регулировки задней двери и регулировка передней двери здесь : Корректировка задним ходом : архетипическая эпидемиологическая проблема в статистике заключается в корректировке эффекта измеряемого собеседника. Задний критерий Перл обобщает эту идею. Корректировка парадного входа : если некоторые переменные не соблюдаются, нам, возможно, придется прибегнуть к другим методам …

12 causality  dag