Elements of Causal Inference

Nachdem die Notwendigkeit von kausalen Modellen erklärt und einige der Prinzipien der kausalen Inferenz diskutiert wurden, lehrt das Buch die Leser, wie man kausale Modelle anwendet: wie man Interventionsverteilungen berechnet, wie man kausale Modelle aus Beobachtungs- und Interventionsdaten ableitet und wie kausale Konzepte für klassische Probleme des maschinellen Lernens genutzt werden können. All diese Themen werden zunächst im Hinblick auf zwei Variablen und dann im allgemeineren multivariaten Fall behandelt. Der bivariate Fall erweist sich als besonders schwieriges Problem für das kausale Lernen, da es keine bedingten Unabhängigkeiten gibt, wie sie von klassischen Methoden zur Lösung multivariater Fälle verwendet werden. Die Autoren halten die Analyse statistischer Asymmetrien zwischen Ursache und Wirkung für äusserst lehrreich und berichten über ihr Jahrzehnt intensiver Forschung zu diesem Problem.