Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 20 | 21 | 22 | 23 | 24 | 25 | 26 |
| 27 | 28 | 29 | 30 |
Tags
- Omitted Variable Bias
- 회귀불연속설계
- 최소제곱법
- 사영
- residuals
- 통계
- rct
- 크롤링
- 머신러닝
- 인과추론
- least square estimation
- 단순선형회귀
- causal inference
- 잔차의 성질
- 누락편의
- 예제
- 교란변수
- 네이버 뉴스
- LU분해
- Instrumental Variable
- 선형대수
- 인과 추론
- Sharp RD
- backdoor adjustment
- HTML
- confounder
- 교란 변수
- OVB
- simple linear regression
- Python
Archives
- Today
- Total
목록Bayesian Network (1)
Always awake,
backdoor adjustment
"observational data에서 causal estimand를 추론하는 방법 중 하나인 backdoor adjustment를 정리하였습니다 :)" 모든 자료 및 그림의 출처는 아래 youtube 강의의 Chapter 4입니다. Brady Neal - Causal Inference Causal inference www.youtube.com do-operator do-operator는 Intervention의 수학적 operator입니다. 일반적인 확률의 notation에서 Intervention(개입)이라는 것은 conditioning(조건부)와 다른 의미를 지닙니다. Conditioning on $T=t$ : $T=t$인 subset을 선택하는 것을 의미합니다. $p(Y | T = t)$ 개입 없..
인과추론(Causal Inference)
2021. 7. 12. 23:19