6 votos

Explicación simple de la condición causal de Markov

Intento explicar en palabras sencillas la condición causal de Markov para establecer la causalidad probabilística. La definición de Hausman y Woodward (1999) es la siguiente:

Sea G un grafo causal con un conjunto de vértices V y P una distribución de probabilidad sobre los vértices de V generada por la estructura causal representada por G. G y P satisfacen la condición de Markov causal si y sólo si para cada X en V, X es independiente de V\(Descendientes(X) Padres(X)) dado Padres(X)

Mi explicación es que una condición de Markov causal se cumple si el conjunto de variables en una relación causal con distribuciones de probabilidad dadas son independientes de todas las demás variables a menos que sean sus padres o sus descendientes. Esto es ligeramente diferente a otras definiciones por ahí así que, ¿es mi explicación primera, correcta?, segunda clara? Agradeceré cualquier consejo.

0 votos

Ha omitido la última cláusula de la definición de Hausman y Woodward: "dado Padres(X)". Sin esa cláusula, tanto la definición como su reformulación son incorrectas.

1 votos

Obsérvese también que Hausman y Woodward (1999) no definieron originalmente la Condición de Markov Causal. Citaron claramente el libro de Spirtes, Glymour y Scheines Causalidad, predicción y búsqueda y señalan que el CMC fue "aparentemente descrito por primera vez por Kiiveri y Speed (1982)".

1 votos

Y no parece cuantificarse en ninguna parte de la definición.

7voto

Lizzie Silver Puntos 520

Una forma de pensar en la Condición de Markov Causal (CMC) es dar una regla para "filtrar": una vez que se conocen los valores de $X$ todas las demás variables de $V$ se vuelven irrelevantes para predecir $X$ excepto $X$ descendientes.

Creo que los ejemplos hacen que la CMC sea más fácil de entender. He hecho una búsqueda rápida en Google de "mecanismo de la enfermedad cardiovascular" para poner un ejemplo médico. Tomemos este gráfico (llamémoslo $G$ ):

mechanism of cardiovascular disease. Source: Nat Clin Pract Cardiovasc Med (2008) Nature Publishing Group

Digamos que tienes una distribución de probabilidad $P$ sobre las variables de $G$ . Si la CMC se cumple en $P$ (en relación con $G$ ), entonces se puede deducir que:

  • Si conozco la cantidad de Estrés oxidativo e inflamación y, a continuación, conocer el grado de Progresión de la placa no me da extra información sobre el paciente Plaquetas .
  • Si conozco la cantidad de Atheroma a continuación, aprender la cantidad de Estrés oxidativo e inflamación no me ayudará a predecir Progresión de la placa .

Sin embargo, la CMC permite las siguientes posibilidades:

  • Si conozco la cantidad de Atheroma y, a continuación, conocer el grado de Rotura de placa aún podría decirme algo más sobre Progresión de la placa . (Estoy aprendiendo de una variable descendiente).
  • Si yo no conocer la cantidad de Estrés oxidativo e inflamación y, a continuación, conocer el grado de Progresión de la placa bien podría darme alguna información extra que me ayude a predecir la Plaquetas . (No estoy condicionando a los padres).

0 votos

Gracias por el útil ejemplo. Los tres primeros puntos están claros. Sin embargo, si no sé Estrés oxidativo e inflamación , pero sé de Progresión de la placa pero no estoy condicionando al padre Atheroma ¿me entero de Plaquetas forman el descendiente común Isquemia e infarto de miocardio _ ? Y si ese es el caso, ¿también aprendería sobre _Endothjelium ?

0 votos

Estás preguntando si la información puede ser transmitida entre Atheroma y Plaquetas a través del hijo común, Isquemia e infarto de miocardio . Pero usted está dando un ejemplo en el que la información se transmite a través del padre común, Estrés oxidativo e inflamación porque no lo estás condicionando. Digamos que condicionamos en Estrés oxidativo e inflamación así que bloqueamos ese flujo de información "por la puerta de atrás". Luego por la CMC, Atheroma y Plaquetas serán independientes. Así que ya ves cómo la CMC descarta la transmisión de información a través de un hijo común.

1 votos

Otro ejemplo aún más sencillo: supongamos que el gráfico es simplemente $A \to C \leftarrow B$ . A continuación, los conjuntos de padres de $A$ y $B$ son el conjunto vacío, por lo que siempre estás condicionando a sus padres (trivialmente). Porque ni $A$ ni $B$ es descendiente del otro, son independientes por la CMC, aunque tengan un hijo común $C$ .

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X