Анализ вероятностей причинно-следственной связи
arXiv: 261 0366176v1 Аннонс Тип: новое резюме. Многие оценки причинной выборки строят контрфактические данные с использованием весов или скрытой структуры, оцениваемой непосредственно на основе наблюдаемых результатов, что делает оценки воздействия и лечения чувствительными к зашумленности наблюдений. Байезийские иерархические модели могут учитывать этот шум и использовать информацию в соответствующих наблюдениях, однако существующие байесианские подходы к причинно-следственному анализу с помощью выборки обычно сочетают моделирование результатов и контрфактическое условное исчисление в составы для оценки конкретных составов, которые могут потребовать алгоритмов прямого отбора проб. Мы разрабатываем рамки, которые учатся скрытой неочищенной панели с вероятностной моделью и применяют установленные причинно-следственные оценки к ее задним рисункам. Эта модель учитывает негауссские наблюдения и структурированное объединение, а переоценка по всему миру ведет к повышению неопределенности посредством контрфактического условного расчета. Мы устанавливаем условия для последующей последовательности контрфактического условного расчета, характеризуем то, как объединение влияет на условный расчет
