Problemas en la causalidad de Judea Pearl Book

Question

Estoy empezando a leer la Inferencia Causal en las Estadísticas, Una Imprimación por Judea Pearl et. al. Tengo una maestría en matemáticas, pero nunca he tomado un curso de estadística. Estoy un poco confundido por una de las primeras preguntas de estudio, y no hay nadie que me puede preguntar acerca de él, así que estoy esperando que alguien en este sitio crítica mis respuestas para mí. (Esto no es una tarea problema. Soy un jubilado, sólo mantener mi mente activa.) Tenga en cuenta que no hay datos específicos dados en los problemas.

a)Hay dos tratamientos para las piedras del riñón, el Tratamiento de Una y El tratamiento B. los Médicos son más propensos a recetar un Tratamiento con Un en grande (y por lo tanto más graves) de las piedras y más propensos a recetar Tratamiento B en piedras pequeñas. Si un paciente que no conoce el el tamaño de su piedra examinar la población en general de los datos, o el el tamaño de los datos específicos de la hora de determinar cuál será el tratamiento más eficaz?

b)Hay dos médicos en un pequeño pueblo. Cada uno ha realizado 100 las cirugías en su carrera, que son de dos tipos: uno muy fácil de cirugía y uno muy difícil de la cirugía. El primer médico realiza la fácil cirugía mucho más a menudo de lo que la cirugía difícil, y la segunda realiza la cirugía difícil, más a menudo que los de la cirugía. Usted necesidad de la cirugía, pero usted no sabe si su caso es fácil o difícil. Deberías consultar la tasa de éxito de cada médico sobre todos los casos, o deberías consultar las tasas de éxito para la fácil y la difícil casos por separado, a fin de maximizar la probabilidad de éxito de una cirugía?

En cuanto a la parte a) es razonable suponer que hay inconvenientes para el Tratamiento de Una como en comparación con el Tratamiento B, o ¿por qué no es prescrito todo el tiempo? Así, me parece que yo no puedo tomar una decisión inteligente sin saber el tamaño de mi piedra en el riñón. Yo esperaría que los datos muestran Un Tratamiento para ser más efectivo en grandes piedras, y al menos tan eficaz en piedras pequeñas, pero yo no lo quiere asumir el presunto riesgos de Un Tratamiento si mi piedra es pequeña. Suponiendo que las pequeñas piedras casi siempre pueden ser tratados con éxito, yo esperaría que el Tratamiento B para mostrar una mayor tasa de éxito en la población general, pero no me gustaría adoptar Tratamiento B si tengo una piedra de gran tamaño.

A mí me parece que los datos son inútiles a menos que yo sepa el tamaño de mi piedra. Es esta la respuesta a la pregunta, tal vez? La cosa parece bastante inútil, porque no puedo ir a la farmacia y comprar cualquiera de los tratamientos sobre el mostrador. Mi médico le prescriba, y si él no puede (o no) dime el tamaño de la piedra, voy a cambiar de médico.

Como para la parte b) es claro que usted quiere mirar las tarifas de los procedimientos por separado, pero las tasas por sí solos no son suficientes. Supongamos que el primer médico que ha realizado la cirugía difícil solo una vez, con un resultado exitoso, y el segundo médico ha realizado 37 veces, con 35 éxitos. Yo estaría muy inclinado a ir con el segundo médico, pero me gustaría cómo 35 de los 37 compara con las normas nacionales, y también si los 2 se produjo errores en los inicios de su carrera (mientras que él todavía estaba aprendiendo) o más recientemente (después de que él comenzó a beber pesadamente).

Es este tipo de discusión ¿qué es llamado por los problemas, o es una más de corte y secado respuesta esperada? Si tengo la suerte de contar con un instructor de leer esto, ¿cómo valoraría mi respuesta?

Answer 1

En primer lugar, permítanme decir que si yo fuera la gradación de sus preguntas, me gustaría darle un excelente grado. Estas son las preguntas introductorias del libro, por lo que aún no tenemos todas las herramientas para pensar los problemas, pero que ya están demostrando que usted sabe que usted necesita para tomar causal de información en consideración a la respuesta.

Ahora, en cuanto a la respuesta, aviso a la pregunta que se le pregunta si desea ver los datos agregados o segregadas de datos. Resulta que en ambos casos usted desea ver los datos desglosados.

En la pregunta a), el tamaño de la piedra que afecta tanto a la elección del tratamiento y el estado de salud. Por lo tanto, usted necesita los datos desglosados para eliminar el sesgo y determinar qué tratamiento es el más eficaz, ya sea de forma condicional o incondicional. Para saber que tratamiento es incondicionalmente mejor, usted necesita los datos desglosados para obtener el efecto causal promedio ponderado por la probabilidad de tamaño de la piedra $P(Y = 1|do(T)) = \sum_{S}P(Y = 1|T, S)P(S) \neq P(Y =1 |T)$ donde $Y$ es el estado de salud, $T$ tratamiento de elección y $S$ tamaño de la piedra. Si quieres saber qué tratamiento es condicionalmente mejor, entonces es claro que usted también necesita el segregada de la tabla.

Si que es extraño pensar de elegir un tratamiento para ti sin saber el tamaño de la piedra, tal vez va a ser más fácil de entender el análoga cuestión de tener que elegir sólo un tratamiento para toda la población (por ejemplo, para técnico/presupuesto razones por las que usted no puede recoger a ambos). En este caso, usted quiere saber que uno tiene el mayor efecto medio del tratamiento sobre la población como un todo.

Pregunta B es un problema similar, la dificultad es un factor de confusión por lo que necesita el segregada tabla para saber qué médico es el mejor, tanto en forma condicional e incondicional. Su punto acerca del tamaño de la muestra es completamente válido, en la vida real siempre se debe considerar la muestra de la incertidumbre --- pero aviso que no cambia el hecho de que aún se necesita la información de los datos desglosados.

Respecto a tu último comentario,

si los 2 se produjo errores en los inicios de su carrera, cuando él todavía era de aprendizaje) o más recientemente (después de que él comenzó a beber pesadamente).

Lo que realmente toca un profundo problema de la inferencia causal, que es la asunción de la invariancia. Tome el caso de que el médico comenzó a beber pesadamente justo ahora. En este caso los datos antes y después de ese evento no provienen de un mismo modelo causal --- por lo que en realidad necesitamos más información y más causal supuestos para hacer inferencia en este caso.

Answer 2

He leído la Perla de la Causalidad, 2ª ed (2009), pero no la Imprimación usted consulte aquí. Usted parece estar acercándose a estas preguntas de estudio con exactamente la mentalidad. Usted es la obtención de sus propios conocimientos para llenar estos escenarios esenciales causal de información. También atacar directamente a lo que a mí me parecen bastante perverso vanidad de los problemas de decisión tal como se presenta, y tratando duro para reemplazarlos con más significativos y realistas de los problemas.