¿Los bordes de un gráfico acíclico dirigido representan causalidad?

Question

Estoy estudiando Modelos Gráficos Probabilísticos, un libro de auto-estudio. Hacer los bordes en un gráfico acíclico dirigido (DAG) representan las relaciones causales?

Lo que si quiero construir una red Bayesiana, pero no estoy seguro acerca de la dirección de las flechas en ella? Todos los datos que me dicen es que las correlaciones observadas, no la interrelación entre ellos. Sé que estoy pidiendo demasiado, como estoy seguro capítulos siguientes se abordan estos temas, pero es que yo no puedo dejar de pensar en él.

Answer 1

Muchos de la estructura de algoritmos de aprendizaje sólo puede puntaje compitiendo estructuras hasta su Markov equivalencias y, como resultado, es imposible aprender una única DAG para una Red Bayesiana (BN) se basa únicamente en los datos, lo que hace que la relación de causalidad hipótesis cuestionables. Spirtes et al. término este asunto como "estadística indistinguishability", analizándolo en profundidad en su libro.

Puedo tomar la opinión de que los bordes en un DAG principalmente debe ser interpretado como probabilísticas dependencias que también ayudan a comprender las relaciones causales. Esto está en línea con el punto de vista de los partidarios de la 'causal' Redes Bayesianas (incluyendo Judea Pearl) que defienden que la distribución de probabilidad representada por un BN tiene una estructura causal subyacente.

El mensaje es, no existe un acuerdo general sobre este tema. Pero supongo que el punto de vista que he compartido anteriormente es más segura.

Answer 2

Yo solo se dibujar un borde dirigido si estoy feliz de asumir la relación sea causal. Esta suposición de curso no puede ser verificada por los datos de observación, pero por la formalización de un conjunto de hipótesis de relaciones causales como un DAG, puedo identificar las variables que ajustar para hacer lo mejor posible las inferencias causales sobre una determinada relación en el gráfico. Desde mi punto de vista, si el DAG es cierto (grande si, especialmente la acíclicas bits, relaciones observadas entre las variables debe buscar una manera determinada, pero es todavía un completo absraction, y no veo el valor de la abstracción de si agregar flechas que no reflejan la hipótesis de relaciones causales.

Answer 3

Sí, los bordes en DAG representan relaciones causales. Considerar un borde que va desde $A\rightarrow B$, esto implica que el $A$ 'causa' $B$.

También es imposible construir una única red de Bayes, dada sólo los datos como nociones diferentes pueden conducir a la construcción de gráficos diferentes.

Un buen recurso para aprender más sobre esto puede encontrarse aquí.

Answer 4

Como Zhubarb dijo, no hay acuerdo general sobre este tema. Así que, voy a tirar en una perspectiva que no ha cubierto todavía. Para causal Dag, la estructura causal se considera a menudo ser codificado por la ausencia de flechas. En este marco, las flechas pueden ser causales o no, pero faltan las flechas deben estar firmemente cree o se sabe que no causal. Esto no puede ser ampliamente aplicable a las Redes Bayesianas, pero desde que empezó su pregunta de manera más general, creo que vale la pena destacar.

También, si usted desea aprender una red, no será capaz de decirle la dirección de las flechas, ya que la asociación de los flujos en ambos sentidos a lo largo de las flechas. Usted tiene que hacer algunas suposiciones acerca de la direccionalidad o imponer algo de información acerca de ordenación temporal.