전체 게시글 (184)

  • Algorithm (15)
  • Bayesian (15)
  • Causal Inference (13)
  • Data Structure (2)
  • Deep Learning (28)
  • Differential Privacy (10)
  • Gaussian Process (7)
  • Jekyll (2)
  • Linear Model (10)
  • Machine Learning (42)
  • Manifold Learning (4)
  • Mathematics (27)
  • NLP (1)
  • Optimization (4)
  • Paper Review (16)
  • PGM (4)
  • Probability Theory (8)
  • Project (9)
  • Python (13)
  • Real Analysis (24)
  • Spatial Statistics (15)
  • Spectral Analysis (5)
  • Statistics (17)
  • TDA (2)
  • Time Series (4)

Sensitivity Analysis

39

Sensitivity Analysis 관측 자료로부터 인과추론을 하기 위해서는 unconfoundedness, Overlap의 두 가지 가정이 필요하다. Overlap 가정은 각 처치대상을 기반으로 하므로, 관측 자료로부터 검정이 가능testable하다. 반면, unconfoun...

Causal Inference Sensitivity Analysis Unconfoundedness

Bayesian Causal Inference

13

Bayesian Causal Inference Setting 각 샘플 단위(개체)에 대해 다음과 같이 네 가지 변수가 존재한다. [Y_{i}(0), Y_{i}(1), Z_{i}\in\lbrace 0,1\rbrace ,X_{i}] 이때 결과변수 Yi에 대해서는 하나만...

Causal Inference Bayesian

ATE estimation

17

ATE estimation 바로 이전 글에서 살펴보았듯이, 교란변수confounder(공변량)이 모두 관측된다는 가정하에서 평균처치효과가 statistical estimand τ의 함수로 식별가능함을 확인했다. 이제 이로부터 평균처치효과 ATE를 관측데이터로부터 어떻게 ...

ATE Causal Inference Inverse Probability Weighting

Confounder Adjustment

4

Confounder Adjustment 인과추론에서 실제로 인과관계를 규명해내는 가장 기본적인 방법은 Average Treatment Effect를 추정하는 것이다. 여기서는 아래와 같은 기본적인 SCM 예시를 바탕으로 살펴보도록 하겠다. 우선, 위 SCM에서 처치변수 $A...

Causal Inference ATE Confounder

Average Treatment Effect

16

Average Treatment Effect Example 먼저, 이번 글에서 다룰 Structural Causal Model로 다음과 같은 예제를 설정하자. 아래 SCM은 흡연 여부 A, 암 발병여부 Y, 건강 자각도(?)health conciousness H, 그...

Causal Inference ATE

Randomized Experiment

23

Randomized Experiment Randomized Experiment, 혹은 Randomized Control Test(RCT)라고 부르는 실험 계획 방식은 일반적인 연구방법에 약간의 확률변수를 추가하여 인과추론을 가능하게끔 하는 실험 방식이다. 일반적인 관찰 연구에서...

Causal Inference Experimental Design Graphical Model

Probabilistic Graphical Models

1

Probabilistic Graphical Models 이전에 graph의 markov property을 살펴보며 markov property 하에서(parent 노드가 주어질 때 다른 노드들과의 조건부 독립성) graphical model을 다음과 같은 markov chain...

Causal Inference Graphical Model Statistics

Causal Inference (6) - Multivariate Causal Model (2)

4

Multivariate Causal Model (2) 이번 글에서는 저번에 이어 노드가 여러개인 multivariate causal model에 대해 계속 다루어보도록 할텐데, 그래피컬 모델과 관련된 중요한 개념중 하나인 Markov property, equivalence, b...

Causal Inference Graphical Model Markov Property

Causal Inference (5) : Multivariate Causal Models

4

Multivariate Causal Models 이전까지는 변수가 2개인 SCM, 즉 원인-결과의 SCM을 살펴보았었다. 이제부터는 변수가 여러개인(multivariate) causal model들에 대해 살펴보도록 하자. 우선, cause-effect 모델도 포함되지만 다변량 ...

Causal Inference Statistics Graphical Model

Causal Inference (4) - Learning Cause-Effect Models (2)

2

Learning Cause-Effect Models (2) 이번 게시글에서는 저번에 이어 다른 Cause-Effect 모델들과 이들의 식별가능성에 대해 계속 살펴보도록 하자. Post-nonlinear Models Post-nonlinear model은 이전에 살펴본 Nonl...

Causal Inference Statistics

Causal Inference (3) : Learning Cause-Effect Models

2

Learning Cause-Effect Models 통계적 학습이론(Statistical Learning)의 관점에서 살펴보면, 가장 간단한 케이스인 cause-effect model을 학습하는 것 조차 어려움이 존재한다. Statistical Learning은 소위 주어진 관...

Statistics Causal Inference

Causal Inference (2) : Structural Causal Model

4

Cause-Effect Model Structural Causal Model 줄여서 SCM이라고 하는 Structural Causal Model은 인과관계모델을 구조화한 표현이다. 여기서는 우선 원인(C)과 결과(E) 두 변수로 구성된 Cause-Effect 모델만을 다루고, 이...

Causal Inference Statistics Structural Causal Model

Causal Inference (1)

2

Causal Inference Causal Inference, 즉 인과관계추론은 통계학의 한 분야로 사회과학 등 다양한 분야에 응용될 수 있는 영역이다. 2021년 노벨경제학상이 인과관계추론 분야에서 수상되며 전통적인 방법론이었으면서도, 최근 통계학의 중요한 분야로 떠오르는 추세...

Causal Inference Statistics