Від коваріацій до каузальності. Відкриття структур залежностей у даних

Abstract

Проаналізовано сучасну методологію виводу каузальних моделей та структур систем імовірнісних залежностей із статистичних даних пасивних спостережень. Висвітлено можливості, проблеми, застереження та обмеження методів індуктивної ідентифікації каузальних відношень в апараті марковських властивостей та баєсових мереж. Виділено кілька ступенів каузальних моделей згідно з рівнем їх обґрунтованості та адекватності джерелу даних. Сформульовано статистичний паттерн, який зводить обґрунтування висновку про каузальний характер зв’язку двох змінних до тестування набору статистичних фактів (не)залежності.

Проанализирована современная методология вывода каузальных моделей и структур систем вероятностных зависимостей из статистических данных пассивных наблюдений. Освещены возможности, проблемы, оговорки и ограничения методов индуктивной идентификации каузальных отношений в аппарате марковских свойств и байесовых сетей. Выделены несколько ступеней каузальных моделей согласно уровню их обоснованности и адекватности источнику данных. Сформулирован статистический паттерн, который сводит обоснование вывода о каузальном характере связи двух переменных к тестированию набора статистических фактов (не)зависимости.

The current methodology of output casual models and structures of systems of probabilistic dependencies of stafistical data of passive observation is analysed. The problems, features, traps and limitations of the methods of the inductive identification of casual relation in the unit of marcov properties and bayesias nets are highlighted. Several stages of casual models according to the level of their validity and adequacy of the data source are emphasized. The statistical pattern, which brings the justification of a finding about casual nature of the connections between two variables to the test of a set of statistical facts of (in)dependency is formulated.