验证干预分布的公式
Verifying formulas for interventional distributions
浏览论文内容
中文总结 AI 辅助
研究因果图模型中给定观测公式能否识别目标干预分布这一验证问题，提出证伪器，证明其可为正则指数族模型诱导正确验证器，并用此开发网关测试以找出前门公式中可允许集合。
中文摘要 AI 辅助
我们在因果图模型中形式化验证：确定给定的观测公式是否能识别目标干预分布。这提出了一个与识别互补的问题，不是问是否存在任何识别公式，而是问给定公式是否具有识别性。我们表明，即使是识别的可靠且完整的解决方案也不能解决验证问题。我们提出一种证伪器作为第一个实际的前进方向，证明它能为正则指数族模型诱导一个几乎肯定正确的验证器，并使用所得验证器开发网关测试，该测试能找到前门公式中所有可允许使用的集合。
英文摘要
We formalize verification in causal graphical models: deciding whether a given observational formula identifies a target interventional distribution. This opens a problem complementary to identification, asking not whether any identifying formula exists, but whether the given formula is identifying. We show that even sound and complete solutions to identification do not solve verification. We propose a falsifier as a first practical route forward, prove that it induces an almost-surely correct verifier for regular exponential-family models, and use the resulting verifier to develop the gateway test, which finds all sets admissible for use in a front-door formula.
发表机构
- University of Copenhagen（哥本哈根大学）
- University College Dublin（都柏林大学学院）
机构由 AI 辅助整理，请以论文原文为准。
