原因図：観察データのアキレス腱への立ち向かい

原因図研究：観察データに挑むアキレス腱

「The Book of Why（なぜという本）」 第3章と第4章、連載「Read with Me」シリーズ

前回の2つの記事では、「Read with Me」シリーズを始め、ジュデア・パールの「The Book of Why」の最初の2章を読み終えました。これらの記事では、人間らしい意思決定を可能にする因果関係の導入の必要性について説明し、将来の議論の基礎となる因果関係のはしごを強調しました。この記事では、因果推論への移行を可能にするカギとなる要素を探求します。ベイズの法則からベイジアンネットワーク、そして因果関係のダイアグラムへと進みます。

ベイズの法則から逆確率へ

探偵小説のファンとして、私のお気に入りのシリーズはシャーロック・ホームズです。時間が経つのも忘れて読み続けた日々を今でも覚えています。数年後、多くの事件の詳細は記憶から消え去ってしまいましたが、他の皆と同様に有名な名言は記憶しています：

あり得ないものを排除し、残ったものがどんなにあり得なくても真実である。

この引用を統計の分野に翻訳すると、順方向の確率と逆方向の確率の2つのタイプが存在します。シャーロック・ホームズの演繹的な推論に基づいて、探偵業は最も高い逆確率を持つ殺人犯を見つけるだけのことです。

• 「現実世界の問題と、データが私たちにどのように解決を助けるのか」
• 「アニマ・アナンドクマールとともにAIを使用した科学の探求」
• 「PythonのSet union() – 5分で完全ガイド」

順方向の確率から逆確率へ移行するには、単に変数を逐次的に反転するだけでなく、因果関係を強制する必要があります。前の記事で簡単に説明したように、ベイズの法則は客観的なデータ（証拠）と主観的な意見（事前信念）を結びつける架け橋を提供します。ベイズの法則に基づいて、任意の2つの変数から条件付き確率を計算できます。変数AとBについて、Bが起こったという条件下でAが起こる確率は以下の通りです：

P(A|B) = P(A&B)/P(B)

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!