保護中: 因果効果推定の応用 – CM接触の因果効果と調整効果
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される統計的因果推論の具体的な適用例(平均処置効果ATEや処置群での平均処置効果ATTを用いたCM接触の因果効果と調整効果)
統計的因果推論
保護中: 統計的因果効果の基礎(2)回帰モデルを用いた手法とマッチングと層別解析を用いた手法
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される統計的因果推論のための回帰モデル手法、マッチングと層別解析手法を使った因果効果推定
保護中: 相関と因果と関係構造(1)相関関係(回帰係数)と因果関係(介入効果)のズレ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのための統計的因果推論として回帰係数と介入効果の値のズレから見た相関関係と因果関係の相違
保護中: 因果推論イントロダクション(1)交絡因子とランダム化実験
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクのための統計的因果推論のイントロダクション(因果関係と疑似相関を区別する為の交絡因子を制御するランダム化実験)
保護中: 統計的因果探索 – 拡張アプローチ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクで用いられる統計的因果推論でのLiNGAMアプローチ仮定(線形性、非巡回性、非ガウス性)の拡張
保護中: 未観測共通項がある場合のLiNGAM(2)未観測共通原因を和としてモデル化するアプローチ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのための統計的因果推論への未観測共通原因を和としてモデル化するLiNGAMアプローチ
保護中: 未観測共通項がある場合のLiNGAM(1) 独立成分分析で未観測共通原因を明示的にモデルに組み込むアプローチ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに活用される統計的因果推論における独立成分分析で未観測共通原因をモデルに組み込むLiNGAMアプローチ
保護中: LiNGAM(4)LiNGAMモデルの推定(2)回帰分析と独立性の評価を用いたアプローチ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習に活用される統計的因果推論への回帰分布と独立性評価を繰り返すアプローチによるLiNGAM推定の適用
保護中: 統計的因果推論の基礎(2) – 構造的因果モデルとランダム化実験
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのための統計的因果推論の基礎としての構造的因果モデルとランダム化実験
保護中: 統計的因果推論の基礎(1)-反事実モデルによる因果の定義と構造方程式モデル
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクの為の統計的因果推論基礎:反事実モデルでの因果の定義と構造方程式モデル