134
个编辑
更改
小第51行：
第51行： − + + + 第61行：
第63行： − + + + + + + + + + + + + + − 1.3.2 Causal Relationships and Their Stability 24+ − '''1.4 Functional Causal Models 26'''+ − 1.4.1 Structural Equations 27+ − + − 1.4.3 Interventions and Causal Effects in Functional Models 32+ − + − '''1.5 Causal versus Statistical Terminology 38'''+ +
→1 概率、图和因果模型介绍 Introduction to Probabilities, Graphs, and Causal Models 1
1.2.2 贝叶斯网络 Bayesian Networks 13
1.2.2 贝叶斯网络 Bayesian Networks 13
* 介绍了马尔可夫父母的定义，这有利于简化贝叶斯模型的输入信息，以及马尔可夫兼容性的定义。
* 介绍了马尔可夫父代的定义，这有利于简化贝叶斯模型的输入信息，以及马尔可夫相容性的定义。
1.2.3 d-分离准则 The d-Separation Criterion 16
1.2.3 d-分离准则 The d-Separation Criterion 16
* d-分离的定义，以及概率下的d-分离，有序马尔可夫条件，父代马尔可夫条件，观测等价性这些定理。
*
*
'''1.3 因果贝叶斯网络 Causal Bayesian Networks 21'''
'''1.3 因果贝叶斯网络 Causal Bayesian Networks 21'''
1.3.1 Causal Networks as Oracles for Interventions 22
1.3.1 作为Oracle的被干预的因果网络 Causal Networks as Oracles for Interventions 22
* 因果贝叶斯网络的定义和两个性质
1.3.2 因果关系和它们的稳定性 Causal Relationships and Their Stability 24
* 说明了因果关系为何比概率关系稳定，因果关系的重要性。
'''1.4 函数因果模型 Functional Causal Models 26'''
1.4.1 结构等式 Structural Equations 27
1.4.2 因果模型中的概率预测 Probabilistic Predictions in Causal Models 30
* 介绍了因果马尔可夫条件，其通过父代马尔科夫条件建立了因果和概率间的联系
1.4.3 函数模型中的干预和因果效应 Interventions and Causal Effects in Functional Models 32
* 阐释了为什么干预在函数模型中的表示比在随机模型更灵活和通用
1.4.2 Probabilistic Predictions in Causal Models 30
1.4.4 函数模型中的反事实 Counterfactuals in Functional Models 33
* 强调了回答反事实问题是困难的，说明了反事实和结构等式间的关系，随机因果模型不足以计算反事实中概率的真正原因。
1.4.4 Counterfactuals in Functional Models 33
'''1.5 因果和统计学的术语 Causal versus Statistical Terminology 38'''
* 介绍了概率参数，统计参数，因果参数，统计假设与因果假设。
* 对比了统计学与因果科学术语的差异
=== 2 推断因果理论 A Theory of Inferred Causation 41 ===
=== 2 推断因果理论 A Theory of Inferred Causation 41 ===