Una ambigüedad para mí cuando exploré este tema por primera vez fue la diferencia entre las redes bayesianas y las redes causales . Así que mencionaré brevemente la diferencia. El lector ilustrado puede omitir esta sección.
A primera vista, las redes bayesianas y causales son completamente idénticas. Sin embargo, la diferencia radica en sus interpretaciones. Considere el ejemplo en la siguiente figura.
Aquí tenemos una red con 2 nodos (icono de fuego e icono de humo) y 1 borde (flecha que apunta de fuego a humo). Esta red puede ser una red bayesiana o causal.
La distinción clave, sin embargo, es cuando se interpreta esta red. En una red bayesiana, vemos los nodos como variables y la flecha como una probabilidad condicional , es decir, la probabilidad de que haya humo dada la información que tenemos sobre que hay fuego. Al interpretar esto como una red causal , también vemos los nodos como variables, sin embargo, la flecha indica una conexión causal. En este caso ambas interpretaciones son válidas.
Sin embargo, si tuviéramos que cambiar la dirección del borde, la interpretación de la red causal no sería válida, ya que el humo no provoca incendios.
Shawhin Talebi, Causal Inference, octubre 2021
No hay comentarios:
Publicar un comentario