互联网 类型
可以朗读 语音朗读
263千字 字数
2022-12-01 发行日期
展开全部

主编推荐语

通过案例分析介绍因果推断的基本概念和基本方法。

内容简介

本书对因果推断相关知识进行了系统、全面的介绍，为便于学习，对大多数知识点都进行了详细的推导说明。

目录

  • 版权信息
  • 前言
  • 第1章 绪论
  • 1.1 辛普森悖论
  • 1.2 相关性与因果关系
  • 1.3 变量之间的关系
  • 1.4 本书主要内容及安排
  • 第2章 数学基础
  • 2.1 随机变量和随机事件
  • 2.1.1 随机变量
  • 2.1.2 随机事件
  • 2.2 概率及其计算
  • 2.2.1 概率与条件概率
  • 2.2.2 概率分布
  • 2.2.3 概率的计算公式
  • 2.3 独立性
  • 2.4 贝叶斯公式及其应用
  • 2.5 随机变量的数字特征
  • 2.6 回归
  • 2.6.1 一元线性回归
  • 2.6.2 多元线性回归
  • 2.7 因果关系的表示：图模型与结构因果模型
  • 2.7.1 因果关系的概念
  • 2.7.2 图模型
  • 2.7.3 结构因果模型
  • 2.7.4 图模型和结构因果模型的比较
  • 2.8 因子分解
  • 2.8.1 图模型的马尔可夫性
  • 2.8.2 因子分解表达式
  • 2.9 图模型结构的程序实现
  • 2.9.1 R软件的安装
  • 2.9.2 DAGitty包的安装与加载
  • 2.9.3 图模型的生成
  • 第3章 图模型分析
  • 3.1 基本图模型结构的分析
  • 3.1.1 链式结构
  • 3.1.2 分叉结构
  • 3.1.3 对撞结构
  • 3.2 d-划分
  • 3.2.1 d-划分的概念
  • 3.2.2 d-划分的判断
  • 3.2.3 d-划分变量集合搜索
  • 3.3 图模型与概率分布
  • 3.4 图模型分析的程序实现
  • 第4章 干预分析
  • 4.1 因果效应的调整表达式计算
  • 4.1.1 混杂偏差
  • 4.1.2 干预的数学表达
  • 4.1.3 通过调整表达式计算因果效应
  • 4.1.4 调整变量的设计
  • 4.2 后门准则与前门准则
  • 4.2.1 后门准则
  • 4.2.2 前门准则
  • 4.3 多变量干预和特定变量取值干预
  • 4.3.1 多变量干预
  • 4.3.2 特定变量取值时的干预分析
  • 4.3.3 条件干预
  • 4.4 直接因果效应与间接因果效应
  • 4.5 因果效应的估计
  • 4.5.1 反概率权重法
  • 4.5.2 倾向值评分匹配法
  • 4.6 线性系统中的因果推断
  • 4.6.1 线性系统因果推断分析的特点
  • 4.6.2 路径系数及其在因果推断分析中的应用
  • 4.6.3 线性系统中路径系数的计算
  • 4.7 工具变量
  • 4.8 干预分析的程序实现
  • 4.8.1 获取调整变量集合
  • 4.8.2 通过倾向值评分匹配计算ACE
  • 第5章 反事实分析及其应用
  • 5.1 反事实概念的引入及表达符号
  • 5.2 反事实分析的基本方法
  • 5.2.1 反事实假设与结构因果模型修改
  • 5.2.2 反事实分析的基本法则
  • 5.3 反事实分析计算
  • 5.3.1 外生变量取值与个体
  • 5.3.2 确定性反事实分析
  • 5.3.3 概率性反事实分析
  • 5.3.4 反事实分析中概率计算的一般化方法
  • 5.4 反事实符号表达式与do算子符号表达式的对比
  • 5.5 基于图模型的反事实分析
  • 5.6 SCM参数未知及线性环境下的反事实分析
  • 5.6.1 SCM参数未知条件下的反事实分析
  • 5.6.2 线性模型在给定事实条件下的反事实分析
  • 5.7 中介分析
  • 5.7.1 自然直接效应和自然间接效应的定义
  • 5.7.2 自然直接效应和自然间接效应的计算
  • 5.8 反事实的应用
  • 第6章 因果关系概率分析
  • 6.1 因果关系概率的定义
  • 6.2 因果关系概率的性质
  • 6.3 必要性概率与充分性概率的量化计算
  • 6.3.1 外生性与单调性
  • 6.3.2 在外生性条件下PN、PS和PNS的计算
  • 6.3.3 在外生性和单调性条件下PN、PS和PNS的计算
  • 6.3.4 在不具有外生性但具有单调性条件下PN、PS和PNS的计算
  • 6.3.5 在外生性和单调性都不成立条件下PN、PS和PNS的计算
  • 6.4 因果关系概率的应用
  • 第7章 复杂条件下因果效应的计算
  • 7.1 非理想依从条件下因果效应的计算
  • 7.1.1 研究模型假设
  • 7.1.2 一般条件下平均因果效应的计算
  • 7.1.3 附加假设条件下平均因果效应的计算
  • 7.2 已干预条件下因果效应的计算
  • 7.2.1 ETT的计算
  • 7.2.2 增量干预的计算
  • 7.2.3 非理想依从条件下ETT的计算
  • 7.3 复杂图模型条件下因果效应的计算
  • 7.3.1 do算子推理法则
  • 7.3.2 do算子推理法则应用示例
  • 7.3.3 因果效应的可识别性
  • 7.3.4 试验中干预变量的替代设计
  • 7.4 非理想数据采集条件下因果效应的计算
  • 第8章 图模型结构的学习
  • 8.1 图模型结构学习算法概述
  • 8.1.1 图模型结构学习的过程
  • 8.1.2 图模型结构学习的假设
  • 8.2 图模型结构学习算法的分类及基于评分的学习算法简介
  • 8.3 基于约束的算法
  • 8.3.1 独立性测试
  • 8.3.2 IC算法简介
  • 8.3.3 IC算法的具体实现过程
  • 8.3.4 其他基于约束的算法
  • 8.4 图模型结构学习的程序实现
  • 8.4.1 pcalg包的安装
  • 8.4.2 图模型结构的学习
  • 8.4.3 因果效应计算
  • 第9章 因果推断的应用
  • 9.1 因果推断在推荐系统中的应用
  • 9.2 因果推断在强化学习中的应用
  • 9.2.1 多臂赌博机问题场景
  • 9.2.2 基于因果推断的多臂赌博机问题分析
  • 9.2.3 基于因果推断的多臂赌博机问题算法改进
  • 9.2.4 基于因果推断的多臂赌博机问题算法改进效果
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。