검색 본문
deepdata.tistory.com 통계학 세상 상관관계는 인과관계가 아니다 - confounder model(교란변수 모델) 0. 개요 조건부확률은 두 변수간의 상관정도를 측정해주는 통계적 해석을 제공하지만 데이터가 충분히 많아지더라도 이것이 인과관계를 가진다고 추론할 수는 없다. 조건부확률에 기반한 모형은 보통 확률분포 변화에 민감하다 무슨말이냐면 훈련된 모형에서 정확도가 매우 높더라도 테스트 모형에서 분포(데이터)가 조금이라도 변하면 성능이 떨어질 수 있다. 인과관계에 기반한 예측모형은 테스트할 때 데이터의 변화에 강건하여 성능변화가 거의 없다 조건부확률은 교란변수(중첩요인,confounding factor)의 영향에 의해 높게 측정될 수... 1. confounding factor 독립변수와 종속변수에 모두 영향을 미치는 변수이다. 특히 중요한 점은 confounding factor를 생각할 때는 상관관계나 연관관계의 측면에서 기술하지 않고 두 변수간 인과관계를 가정하고 기술한다 Confounding is a causal concept, and as such, cannot be described in terms of correlations or associations. confounding 모형 예시 중요한 점은 X가 Y의 원인이라 생각하고 둘은 Z에 영향을 미치지 않는데 Z가 두 변수에 모두 영향을 미친다 2.두 변수가 오직 서로만 영향을 미치는 인과관계란 독립변수 X와 종속변수 Y, confounder를 Z라고 한다. 여기서 P(Y|do(X))는 X를 직접 통제했을 때 Y가 일어날 조건부확률 이 때 두 변수가 Z에 의해 인과관계가 교란받지 않을 필요충분조건은 두 확률변수가 가질 수 있는 모든 X = x, Y = y에 대해 $$P(Y = y | do(X = x)) = P(Y = y | X = x)$$ X를 랜덤하게 통제한 실험에서 관측한 두 변수간 연관성과 자연적으로 관측한 두 변수 X,Y간 연관성이 동일하다면... 두 변수 X,Y는 오직 서로만 영향을 끼치는 것이다. 3.통제를 하는 직관적인 이유 직관적인 이유는 아주 간단하다. X를 다른 이유없이 내가 바꿨을 때 Y의 변화를 관측하는 P(Y = y|do(X = x))은 오직 X,Y의 관계를 인위적으로 관측한 것이다. 그런데 P(Y = y | X = x)인 X의 변화에 따른 Y의 변화 관계를 자연적으로 관측한 것이다. 그런데 Z가 X,Y에 모두 영향을 미치므로 X의 자연적인 변화에 Z의 영향이 반드시 있지 않겠는가 그래서 만약 P(Y = y | do(X = x)) = P(Y = y | X = x)이면 z의 영향이 없다고 보는 것이다. 4. 교란변수의 영향을 통제하는 방법 다음과 같이 가정하고 전확률법칙으로부터, 그런데 X는 Z에 영향을 미치지 않으므로, 그러므로 일반적으로 위와 같은 가정에서 그러면 X = x로 통제한 조건부확률은... 치료법 a,b에 따른 완치여부를 검사하고자 한다. 위에서 구한 식에 따르면 P(R = 1 | T = a, Z = 0)은 신장결석크기가 작은 사람한테 치료법 a를 적용할 확률 $\frac{81}{87}$이고 P(Z = 0)은 신장결석크기가 0인 사람들의 비율 전체사람은 350 + 350 = 700 Z = 0에 해당하는 사람은 87 + 270 = 357이므로 $\frac 10 독립변수 X와 종속변수 Y, confounder를 Z라고 한다. 여기서 P(Y|do(X))는 X를 직접 통제했을 때 Y가 일어날 조건부확률 이 때 두 변수가 Z에 의해 인과관계가 교란받지 않을 필요충분조건은 두 확률변수가 가질 수 있는 모든 X = x, Y = y에 대해 $$P(Y = y | do(X = x)) = P(Y = y | X = x)$$ X를 랜덤하게 통제한 실험에서 관측한 두 변수간 연관성과 자연적으로 관측한 두 변수 X,Y간 연관성이 동일하다면... 두 변수 X,Y는 오직 서로만 영향을 끼치는 것이다. 통계 상관관계 인과관계 조건부확률 confounder 교란변수 전확률법칙 spurious correlation 허위 상관관계 2024.04.20 블로그 검색 더보기 arxiv.org abs Title:A Unification of Exchangeability and Continuous Exposure and Confounder Measurement Errors: Probabilistic Exchangeability Honghyok Kim View a PDF of the paper titled A Unification of Exchangeability and Continuous Exposure and Confounder Measurement Errors: Probabilistic Exchangeability, by Honghyok Kim View PDF... 2024.05.13 웹문서 검색 더보기 blog.naver.com H_ology [역학 공부] Causal Inference:: 인과추론 | 독립변수, 종속변수, EMM, Confounder, Bias 종류 | Causal diagrams, DAG 13 outcome, when measured using an additive scale (left), a multiplicative scale (middle) and both additive and multiplicative scales (right). 2) Confounder (교란 요인): 역학 연구에서 중요한 통계적 문제 중 하나 주된 exposure와 outcome 간 관계를 왜곡시키는 다른 요인 또는 변수. 이로 인해 exposure와... 2023.11.07 namu.wiki 통계학 - 나무위키 반응 변수(responsible variable): 다른 변수에 의해 영향을 받는 변수이다. 교란변수 또는 혼란변수(confounder): 인과관계와 상관관계를 혼동시킬 수 잇는 변수이다. 교회가 많으면 범죄율도 높지만 그건 교회... 개요 용어 다른 학문과의 관계 세부 분야 수험과목으로서의 통계학 관련 저널 통계 소프트웨어(데이터분석) 각종 오해와 통념들 2024.05.16 noelee.tistory.com LITTLE BY LITTLE [3-2] 실무로 통하는 인과추론 with 파이썬 - 3장. 그래프 인과모델 21 경계를 설정하는 것 3.8 선택편향 : 공통 효과(Collider)나 매개자(Mediate)를 조건부로 설정할 때 나타나는 편향 (↔ 교란편향은 처치와 결과의 공통원인(Confounder)을 통제하지 않을 때 발생하는 편향) 3.8.1 선택 편향(1) 충돌부(Collider) 조건부 설정 ✅ EX. 신규 기능(X)이 고객의 만족도(Y)를 높였을까? 공통... 2024.05.05 dheldh77.tistory.com 테리의 일상 [논문 리뷰] DR3 : Value-Based Deep Reinforcement Learning Requires Explicit Regularization (ICLR 2022) 20 원인이 x라고 하고 싶은데, x와 y에 동시에 영향을 주는 제 3의 변수 z가 존재할 때 Confounding effect가 발생하고, 변수 z를 confounding factor 또는 confounder라곡 부름 선행 연구에서 Offline deep neural nets. RL으로 학습된 value function은 성능이 저하된다는 것과 low-rank features의 출현에 관련되어... 2024.03.12 통합웹 더보기
서비스 안내 스토리의 글을 대상으로 검색결과를 제공합니다. 자세히보기 kingnamji.tistory.com 킹남지 컴퍼니 [논문 리뷰] Causal Attention for Vision-Language Tasks (CVPR, 2021) 14 더 악영향을 미칠 것이라고한다. 그럼 결국 Dataset Bias에 대한 해결책을 마련해야하는데, 이런 Dataset Bias는 Causal Inference 관점에서는 Confounder가 존재하기에 발생한다. 저자들은 여기서 Dataset에 많이 존재하는 Concept, 즉, Common sense 를 Confounder 라고 가정한다. Figure 3을 다시 그리면, 아래와... attention 논문 리뷰 CVPR paper review 2024.02.05 티스토리 검색 더보기 brunch.co.kr 문 진영 챕터 1, 2: 통계와 인과모형, 그래프 모형 9 s Paradox입니다. 다 아는 내용이니 넘어갑니다. 저자는 주저리 주저리 설명하는데 사실 directed acyclic graphs (DAGs)를 미리 그릴 줄 아는 사람이라면 confounder와 mediator 내용을 DAG로 그려보면 쉽게 해결되는 내용입니다. 다만 Simpson's Paradox를 기하적으로 설명하는 것은 배울만 합니다. 인과추론에서 통계... 모형 그래프 교과서 2023.09.07 브런치스토리 검색 더보기 story.kakao.com 박만훈 박만훈 - 카카오스토리 entrepreneurs I know are optimistic. It's part of the job description." Caterina Fake, Confounder of Flickr 오늘의 인용문 "내가 아는 가장 성공적인 기업가들은 낙관적입니다. 직업설명의 일부입니다... 2023.03.05 카카오스토리 검색 더보기
서비스 안내 Melon Company가 운영하는 음악 서비스입니다. 다른 사이트 더보기 Confounder EP Rune 2015.06.22.