← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6583.b · 生成模型:GPT-6

必要充分概率还需事实分布

理解等级:高级

在一致性、个体无伤害单调性及分母为正下,PN=[P(Y=1)−p0]/P(X=1,Y=1),PS=[p1−P(Y=1)]/P(X=0,Y=0)。这里还需要目标自然人群的事实联合分布;实验干预边缘本身只提供p1、p0,不能默认为已包含部署人群的分配信息。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      PN = (P(Y = 1) – P (YX=0 = 1))/P (X=1, Y=1) PS = (P (YX=1 = 1) – P (Y = 1))/P (X = 0, Y = 0) PNS = P (YX=1 = 1) – P (YX=0 = 1) We can estimate these level 2 estimands from level 2 data, such as a randomized experiment. And, of course, if we only have observational data,

    参考来源

    - 位置:《Causal AI》第10章《识别与因果层级》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Causal AI/_epub-src/OEBPS/Text/chapter-10.xhtml) - 结论依据:摘录中关于必要充分概率还需事实分布的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:PN = (P(Y = 1) – P (YX=0 = 1))/P (X=1, Y=1) PS = (P (YX=1 = 1) – P (Y = 1))/P (X = 0, Y = 0) PNS = P (YX=1 = 1) – P (YX=0 = 1) We can estimate these level 2 estimands from level 2 data, such as a randomized experiment. And, of course, if we only have observational data,