Запитання з тегом «dag»

Я починаю балуватися з використанням glmnetз LASSO регресією , де мій результат становить інтерес дихотомический. Я створив невеликий макетний кадр даних нижче: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

Дві випадкові величини A і B статистично незалежні. Це означає, що в DAG процесу: і звичайно . Але чи це також означає, що від В до А немає вхідних дверей?(A⊥⊥B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P(A|B)=P(A)P(A|B)=P(A)P(A|B)=P(A) Тому що тоді нам слід отримати . Отже, якщо це так, чи автоматично статистична незалежність означає відсутність причинного …

40 independence  causality  bayesian-network  dag 

Направлені ациклічні графіки (DAGs; наприклад, Greenland, et al, 1999) є частиною формалізму причинного висновку від контрафактичного тлумачення табору причинності. На цих графіках наявність стрілки від змінної до змінної стверджує, що змінна безпосередньо викликає (деяку зміну ризику) змінної , а відсутність такої стрілки стверджує, що змінна не викликає безпосередньо (деяка зміна …

17 interaction  causality  dag 

Направлені ациклічні графіки (DAG) - це ефективні візуальні уявлення про якісні причинно-наслідкові припущення в статистичних моделях, але чи можна їх використовувати для подання звичайного приладового змінного рівняння (або інших рівнянь)? Якщо так, то як? Якщо ні, то чому?

15 causality  instrumental-variables  dag 

Я вивчаю імовірнісні графічні моделі , книгу для самостійного вивчення. Чи ребра в спрямованому ациклічному графіку (DAG) представляють причинно-наслідкові зв’язки? Що робити, якщо я хочу побудувати байєсівську мережу , але я не впевнений у напрямку стрілок у ній? Усі дані підкажуть мені, що спостерігаються кореляції, а не взаємозв'язки між ними. …

13 causality  graphical-model  bayesian-network  dag 

Якщо ми хотіли обчислити причинний ефект на Y у причинному графіку нижче, ми можемо використовувати як теорему регулювання задньої двері, так і теореми регулювання передньої двері, тобто P ( y | do ( X = x ) ) = ∑ u P ( y | x , u ) P …

12 self-study  causality  graph-theory  dag 

Я маю в виду регулювання задніх дверей і регулювання передніх дверей тут : Регулювання задніх дверей : Архетипічна епідеміологічна проблема в статистиці полягає в коригуванні ефекту відміряного конфордера. Задній критерій Перла узагальнює цю ідею. Регулювання передніх дверей : Якщо деякі змінні не помічені, можливо, нам доведеться вдатися до інших методів …

12 causality  dag