Causal Inference: DAG

[sturex]

Есть ли способ автоматической сборки подобных графов? Если есть, то как он работает и какие данные ему требуются на входе?

[Shmuma]

Можно еще добавить книгу Statistical Rethinking, в которой значительная часть посвящена причинно-следственным графам применительно в байесовскому ML: сайт книги

[phenik]

Но что если мы будем учитывать только ситуации, когда LMS уже не работает? Тогда вероятность одновременной работоспособности и сервера, и интернета становится нулевой — достаточно истинности одного фактора, чтобы LMS перестала работать!

Как посчитать остальные вероятности при условии неработоспособности LMS? Для этого нам нужно сложить вероятности оставшихся трёх исходов и поделить оставшиеся вероятности на эту сумму.

Вероятность, что оба работают: 0

Вероятность, что работает только сервер: 0.01 / (0.01 + 0.01 + 0.0) ≈ ≈ 0.497

Вероятность, что работает только интернет: 0.01 / (0.01 + 0.01 + 0.0) ≈≈ 0.497

Вероятность, что оба сломались: 0.00 / (0.01 + 0.01 + 0.0) ≈ 0.005

Что мы имеем?

Примерно в 50% случаев сервер не будет работать, а интернет будет

Примерно в 50% других случаев интернет не будет работать, а сервер будет

Очень редко не будут работать оба, но это должно очень повезти

К какому выводу мы можем прийти? Либо активность сервера ломает интернет, либо интернет ломает нам сервер! Оба варианта, конечно же, неверные.

Некоторое время ломал голову над этими умозаключениями) Остановился на анекдоте:

У прохожего человека, нет, не у блондинки, спрашивают: какова вероятность встретить на улице динозавра?
— Пятьдесят на пятьдесят — встречу или не встречу.

Каков вывод?
===========

Изложенное не плохо работает для относительно простых систем, для которых можно произвести полную декомпозицию, типа технических. Для сложных биологических систем и феноменов — организма, мозга и сознания, или сложных физических, напр, некоторых квантовых, уже далеко не очевидно. Для биологических иногда используются представления о нисходящей причинности, ставящей в тупик физиков, а в самой физике для описания иногда удобны представления об обратной причинности, ставящей в тупик уже биологов и психологов) Хотя тут ссылки на философские ресурсы, этими проблемами занимались весьма известные специалисты. Например, физики Уилер и Фейнман обратной причинностью, Д. Эллис, астрофизик, соавтор С. Хокинга, см. 1, 2; П. Дэвис, физик, 1, 2, нисходящей. Насколько они соответствуют действительности еще предстоит выяснить, так же, как и разработать общепринятые формализованные представления.