24
个编辑
更改
→例子
#'''结合以上两种因果效应'''<math> P(y|do(t))= \sum_m P(y|do(m)) P(m| do(t))</math>.
#'''结合以上两种因果效应'''<math> P(y|do(t))= \sum_m P(y|do(m)) P(m| do(t))</math>.
==前门准则==
==前门准则<ref>Pearl, Judea. "Models, reasoning and inference." ''Cambridge, UK: CambridgeUniversityPress'' 19 (2000).</ref>==
定义：我们说变量集 M 关于 T 和 Y 满足前门准则，若：
定义：我们说变量集 M 关于 T 和 Y 满足前门准则，若：
# M 完全中介了 T 和 Y，即所有从T到Y的因果路径都经过M。
# M 完全中介了 T 和 Y，即所有从T到Y的因果路径都经过M。
# 从 T 到 M 没有未被阻断的[[后门路径]]。
# 从 T 到 M 没有未被阻断的[[后门路径]]。
# 所有从M到Y的后门路径被 T阻断。
# 所有从M到Y的[[后门路径]]被 T阻断。
==前门调整==
==前门调整==
<math> P(y|do(t))= \sum_m P(m| t) \sum_{t'} P(y|m,t') P(t') </math>.
<math> P(y|do(t))= \sum_m P(m| t) \sum_{t'} P(y|m,t') P(t') </math>.
==例子==
==例子：吸烟与肺癌==
[[文件:吸烟与肺癌.png|缩略图|吸烟与肺癌。S=smoking=吸烟，T=Tar=焦油，C=cancer=肺癌，G=gene=基因。我们需要估计吸烟对肺癌的因果效应。]]
[[文件:吸烟肺癌数据.png|缩略图|吸烟、焦油、肺癌数据。]]
<references />
<references />