निर्देशित अचक्रीय ग्राफ़ (Directed Acyclic Graphs - DAGs) के साथ कारणात्मक पहचान (do-calculus)
DAG कारणात्मक पहचान एक ढाँचा है, जिसे जूडिया पर्ल (2009) द्वारा विकसित किया गया है, जो कारणात्मक मान्यताओं को एक निर्देशित अचक्रीय ग्राफ़ के रूप में एन्कोड करता है और अवलोकनात्मक डेटा से कारणात्मक प्रभाव की पहचान की जा सकती है या नहीं और कैसे की जा सकती है, यह निर्धारित करने के लिए do-calculus नियमों का उपयोग करता है। यह व्यवस्थित रूप से कन्फ़ाउंडर्स, इंस्ट्रूमेंटल वेरिएबल्स और बैकडोर पाथ को संभालता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Causal Identification with Directed Acyclic Graphs (do-calculus). ScholarGate. https://scholargate.app/hi/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.
- कारण अनुमान के लिए वाद्य चर (IV) विधिस्वास्थ्य अर्थशास्त्र↔ compare
- उपचार भारण की व्युत्क्रम प्रायिकता (IPW / IPTW)कारणात्मक अनुमान↔ compare
- मध्यस्थता विश्लेषणसांख्यिकी↔ compare
- प्रोपेंसिटी स्कोर मैचिंगअनुसंधान सांख्यिकी↔ compare
- छिपे हुए पूर्वाग्रह के लिए संवेदनशीलता विश्लेषण (रोजनबाम बाउंड्स / ई-वैल्यू)कारणात्मक अनुमान↔ compare