La identificación causal con grafos acíclicos dirigidos (cálculo-do)
La identificación causal mediante DAG es un marco, desarrollado por Judea Pearl (2009), que codifica las suposiciones causales como un grafo acíclico dirigido y utiliza las reglas del cálculo-do para determinar si y cómo un efecto causal puede ser identificado a partir de datos observacionales. Maneja sistemáticamente confundidores, variables instrumentales y caminos de puerta trasera (backdoor paths).
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. ISBN: 978-0521895606
- Pearl, J., Glymour, M., & Jewell, N. P. (2016). Causal Inference in Statistics: A Primer. Wiley. ISBN: 978-1119186847
Cómo citar esta página
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/es/causal-inference/dag-identification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Método de Variables Instrumentales (VI) para Inferencia CausalEconomía de la salud↔ compare
- Ponderación por Probabilidad Inversa de Tratamiento (IPW / IPTW)Inferencia causal↔ compare
- Análisis de MediaciónEstadística↔ compare
- Emparejamiento por Puntuación de PropensiónEstadística para la investigación↔ compare
- Análisis de Sensibilidad para Sesgo Oculto (Rosenbaum Bounds / E-value)Inferencia causal↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →