Elements of Causal Inference

Dopo aver spiegato la necessità dei modelli causali e discusso alcuni dei principi alla base dell'inferenza causale, il libro insegna ai lettori come utilizzare i modelli causali: come calcolare le distribuzioni di intervento, come inferire modelli causali da dati osservazionali e interventistici, e come le idee causali possano essere sfruttate per problemi classici di apprendimento automatico. Tutti questi argomenti vengono discussi inizialmente in termini di due variabili e poi nel caso più generale multivariato. Il caso bivariato si rivela essere un problema particolarmente difficile per l'apprendimento causale, poiché non ci sono indipendenze condizionali come quelle utilizzate dai metodi classici per risolvere casi multivariati. Gli autori considerano l'analisi delle asimmetrie statistiche tra causa ed effetto altamente istruttiva e riportano un decennio di ricerca intensiva su questo problema.