Если мы хотим вычислить причинное влияние на Y на приведенном ниже причинном графике, мы можем использовать как теоремы регулировки задней двери, так и теоремы регулировки передней двери, т. Е. P ( y | do ( X = x ) ) = ∑ u P ( y | x , u ) P ( u )
и
Легко ли домашнее задание показать, что две корректировки приводят к одинаковому причинному влиянию на Y ?
Ответы:
Действие соответствует вмешательству в переменную X, которое устанавливает его в значение xdо ( х ) Икс Икс . Когда мы вмешиваемся в , это означает, что родители X больше не влияют на его значение, что соответствует удалению стрелок, указывающих на X. Итак, давайте представим это вмешательство в новом DAG.Икс Икс Икс
Назовем исходное распределение наблюдений и распределение после вмешательства P ∗ . Наша цель состоит в том, чтобы выразить Р * в терминах P . Обратите внимание , что в Р * мы имеем , что U ⊥ X . Кроме того, вероятности до вмешательства и после вмешательства разделяют эти две инвариантности: P ∗ ( U ) = P ( U ) и P ∗ ( Y | X , U ) = P ( Y |п п* P∗ P P∗ U⊥X P∗(U)=P(U) поскольку мы не касались стрелок, вводящих эти переменные в нашем вмешательстве. Так:P∗(Y|X,U)=P(Y|X,U)
Где я использую штрих для удобства обозначения следующего выражения. Таким образом, эти два выражения уже относятся к распределению перед вмешательством, и мы просто использовали предыдущее обоснование бэкдора для их получения.
Следовательно, две корректировки дают вам такое же распределение после вмешательства на этом графике, как мы показали.
Перечитывая ваш вопрос, я подумал, что вас может заинтересовать прямая демонстрация того, что правая часть двух уравнений одинакова в распределении до вмешательства (которым они должны быть, учитывая наш предыдущий вывод). Это не сложно показать напрямую. Достаточно показать, что в вашем DAG:
Следовательно:
источник