← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6594.f · 生成模型:GPT-6

效应后验两臂须共享参数抽样

理解等级:高级

为得到ATE后验,每次应抽同一组全局参数θ,分别计算两种处理下的均值,再相减。独立调用两次Predictive后按样本序号相减,会配对独立θ抽样,通常改变差值方差;不能直接当作同一θ下效应的后验。

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

      ate_distribution = exp_high - exp_low #3 sns.kdeplot(ate_distribution) #4 plt.title("Posterior distribution of the ATE") #4 plt.xlabel("Value") #4 plt.ylabel("Density") #4 plt.show() #4 #1 Estimate E( I E = 1). #2 Estimate E( I E

    参考来源

    - 位置:《Causal AI》第11章《构建因果推断工作流》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Causal AI/_epub-src/OEBPS/Text/chapter-11.xhtml) - 结论依据:摘录中关于效应后验两臂须共享参数抽样的定义、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:ate_distribution = exp_high - exp_low #3 sns.kdeplot(ate_distribution) #4 plt.title("Posterior distribution of the ATE") #4 plt.xlabel("Value") #4 plt.ylabel("Density") #4 plt.show() #4 #1 Estimate E( I E = 1). #2 Estimate E( I E