- 大きな枠組み:観察データから因果関係を見出したい、グラフ・ネットワークを用いて機械的計算で見出したい
- 観測される変数と観測されない変数とがノードとなったモデルを作る
- 「観察されない変数」をなんでも自由に決めて良ければ、観察を説明するモデルはいくつでも作れるので、どれにするかの判断基準が必要となる
- オッカムの剃刀
- もっとも単純なモデルがよい〜極小構造を答えとする
- 潜在変数がないとき、極小なモデルは一意に決まる
- 潜在変数があると、極小モデルは複数ありうる。極小モデルの集合(パターン)がある
- 定常性…(どうしてそんなに大事かわかっていない)
- パターンのうちの一つを探すアルゴリズムがある
- ICアルゴリズムはその一つ
- 統計的時間
- 極小モデルとして得られた因果モデルの変数について、物理的な時間関係を満足してほしいというのは因果推論上、(結構)譲れない
- 極小モデルはDAGなので変数ノードに半順序がある。そこに、物理的時間関係を入れようと思ったら、「半順序」を満足する「全順序」を入れることになる。そんな「全順序」を統計的時間(の順序)という
数学・コンピュータ関連の姉妹ブログ『ryamadaのコンピュータ・数学メモ』
京都大学大学院医学研究科ゲノム医学センター統計遺伝学分野のWiki
講義・スライド
医学生物学と数学とプログラミングの三重学習を狙う学習ツール
駆け足で読む○○シリーズ
ぱらぱらめくるシリーズ
カシオの計算機
オンライン整数列大辞典