कार्रवाई चर x पर एक हस्तक्षेप से मेल खाती है जो इसे x पर सेट करता हैdo(x)Xx । जब हम पर हस्तक्षेप करते हैं , तो इसका मतलब है कि एक्स के माता-पिता अब इसके मूल्य को प्रभावित नहीं करते हैं, जो एक्स के लिए तीर को हटाने से मेल खाती है। तो आइए एक नए डीएजी पर इस हस्तक्षेप का प्रतिनिधित्व करते हैं।XXX
चलो मूल अवलोकन वितरण और पोस्ट-हस्तक्षेप वितरण पी erv कहते हैं । हमारा लक्ष्य है व्यक्त करने के लिए है पी * के मामले में पी । ध्यान दें कि P ∗ में हमारे पास U in X है । इसके अलावा, पूर्व हस्तक्षेप और बाद हस्तक्षेप संभावनाओं इन दो invariances का हिस्सा: पी * ( यू ) = पी ( यू ) और पी * ( Y | एक्स , यू ) = पी ( Y |PP∗P∗PP∗U⊥XP∗(U)=P(U) चूंकि हमने अपने हस्तक्षेप में उन चरों में प्रवेश करने वाले किसी भी तीर को नहीं छुआ था। इसलिए:P∗(Y|X,U)=P(Y|X,U)
P(Y|do(X)):=P∗(Y|X)=∑UP∗(Y|X,U)P∗(U|X)=∑UP∗(Y|X,U)P∗(U)=∑UP(Y|X,U)P(U)
सामने के दरवाजे की व्युत्पत्ति थोड़ी अधिक विस्तृत है। पहली सूचना है कि और Z के बीच कोई उलझन नहीं है , इसलिए,XZ
P(Z|do(X))=P(Z|X)
इसके अलावा, को प्राप्त करने के लिए एक ही तर्क का उपयोग करते हुए हम देखते हैं कि X का नियंत्रण Y पर Z के प्रभाव को प्राप्त करने के लिए पर्याप्त है , अर्थातP(Y|do(X))XZY
P(Y|do(Z))=∑X′P(Y|X′,Z)P(X′)
जहां मैं अगली अभिव्यक्ति के लिए अभ्यावेदन सुविधा के लिए प्रधानमंत्री का उपयोग कर रहा हूं। इसलिए ये दो अभिव्यक्तियाँ पहले से ही हस्तक्षेप-पूर्व वितरण के संदर्भ में हैं, और हमने उन्हें वापस लाने के लिए पिछले पिछले दरवाजे के औचित्य का इस्तेमाल किया।
पिछले टुकड़ा हम जरूरत के प्रभाव का अनुमान लगा रहा है पर वाई के प्रभाव के संयोजन जेड पर Y और एक्स पर जेड । ऐसा करने के लिए, हमारे ग्राफ P ( Y | Z , d o ( X ) ) = P ( Y | d o ( Z ) , d o ( X ) ) = P ( Y | d o ( Z ) ) पर ध्यान दें।XYZYXZP(Y|Z,do(X))=P(Y|do(Z),do(X))=P(Y|do(Z)), क्योंकि Y पर का प्रभाव Z द्वारा पूरी तरह से मध्यस्थ है और X पर हस्तक्षेप करने पर Z से Y तक का पिछला रास्ता अवरुद्ध है । अत:XYZZYX
P(Y|do(X))=∑ZP(Y|Z,do(X))P(Z|do(X))=∑ZP(Y|do(Z))P(Z|do(X))=∑Z∑X′P(Y|X′,Z)P(X′)P(Z|X)=∑ZP(Z|X)∑X′P(Y|X′,Z)P(X′)
कहाँ निम्नलिखित तरीके से समझा जा सकता है: जब मैं पर हस्तक्षेप जेड , तो के वितरण Y में परिवर्तन पी ( Y | घ ओ ( जेड ) ) ; लेकिन मैं वास्तव में पर हस्तक्षेप कर रहा हूँ एक्स इसलिए मुझे पता है कि कितनी बार होगा चाहते जेड जब मैं बदलने के लिए एक विशिष्ट मान ले एक्स , जो पी∑ZP(Y|do(Z))P(Z|do(X))ZYP(Y|do(Z))XZX ।P(Z|do(X))
इसलिए, दो समायोजन आपको इस ग्राफ पर समान पोस्ट-इंटरवेंशनल वितरण प्रदान करते हैं, जैसा कि हमने दिखाया है।
आपके प्रश्न को फिर से पढ़ते हुए यह मेरे साथ हुआ कि आपको सीधे यह दिखाने में दिलचस्पी हो सकती है कि दो समीकरणों के दाहिने हाथ की तरफ पूर्व-परम्परागत वितरण (जो उन्हें होना चाहिए, हमारी पिछली व्युत्पत्ति को देखते हुए) के बराबर हैं। सीधे दिखाना भी मुश्किल नहीं है। यह दिखाने के लिए कि आपके DAG में:
∑X′P(Y|Z,X′)P(X′)=∑UP(Y|Z,U)P(U)
सूचना DAG तात्पर्य और यू ⊥ जेड | X फिर:Y⊥X|U,ZU⊥Z|X
∑X′P(Y|Z,X′)P(X′)=∑X′(∑UP(Y|Z,X′,U)P(U|Z,X′))P(X′)=∑X′(∑UP(Y|Z,U)P(U|X′))P(X′)=∑UP(Y|Z,U)∑X′P(U|X′)P(X′)=∑UP(Y|Z,U)P(U)
अत:
∑ZP(Z|X)∑X′P(Y|X′,Z)P(X′)=∑ZP(Z|X)∑UP(Y|Z,U)P(U)=∑UP(U)∑ZP(Y|Z,U)P(Z|X)=∑UP(U)∑ZP(Y|Z,X,U)P(Z|X,U)=∑UP(Y|X,U)P(U)