Interaktiver Explainer

Interaktiv: Kausale Inferenz: Wirkung von Zusammenhang unterscheiden

Kausale Inferenz fragt, wie sich ein Ergebnis durch einen Eingriff verändern würde. Ein beobachteter Gruppenunterschied beantwortet diese Frage erst unter zusätzlichen Annahmen, etwa über gemeinsame Ursachen und vergleichbare Behandlungsoptionen.

Interaktiv

Interaktiv: Kausale Inferenz: Wirkung von Zusammenhang unterscheiden

Verändern Sie Trainingszuteilung, wahren Effekt und den Anteil schwieriger Fälle. Alle Werte stammen aus einem vollständig festgelegten synthetischen Modell.

Die Anzeige lesen

Der erste Balken vergleicht die tatsächlich zusammengesetzten Gruppen. Der zweite gewichtet einfache und schwierige Fälle in beiden Gruppen mit denselben Anteilen der Zielpopulation. Die Tabelle zeigt die Erfolgsraten mit und ohne Training sowie die Wahrscheinlichkeit, Training zu erhalten.

Der Regler „Training für schwierige Fälle“ setzt zugleich die Trainingswahrscheinlichkeit einfacher Fälle auf den Gegenwert: Bei 80 % für schwierige Fälle sind es 20 % für einfache. So verändert sich die Zuteilung, ohne heimlich den wahren Effekt zu verändern. Die Darstellung verwendet erwartete Anteile ohne Stichprobenrauschen; Bruchteile sind daher keine gezählten Personen.

Drei Experimente

  1. Simpsons Paradox: Betrachten Sie den Startzustand. Der rohe Vergleich ist negativ, obwohl Training innerhalb beider Gruppen hilft.
  2. Zufällige Zuteilung: Setzen Sie den ersten Regler auf 50 %. Beide Gruppen bekommen gleich häufig Training; roher und bereinigter Unterschied stimmen überein.
  3. Andere Zielpopulation: Verändern Sie den Anteil schwieriger Fälle. Die Gruppenmittel ändern sich, während der standardisierte Effekt im Modell gleich dem eingestellten Effekt bleibt.

„Zurücksetzen“ stellt 80 % Trainingszuteilung, zehn Prozentpunkte Effekt und 50 % schwierige Fälle wieder her. Reale Daten können unbeobachtete gemeinsame Ursachen enthalten. Die Bereinigung ist hier korrekt, weil das Modell bekannt ist. Der Artikel zur kausalen Inferenz erklärt die notwendigen Annahmen.

Von NyxAI

smartlytics ist das Wissensangebot der NyxAI GmbH.

Wir erklären hier die Methoden, mit denen wir arbeiten – offen, mit Quellen und so, dass man sie nachrechnen kann.

Entscheidungskern

NyxAI entwickelt einen Entscheidungskern (Decision Core) für Decision Intelligence, der Optimierung, Simulation, Statistik und Reinforcement Learning verbindet: Optionen vergleichen, Unsicherheit sichtbar machen, aus Ergebnissen lernen – unter menschlicher Verantwortung.

KI-Workflows bei NyxAI

DeepSquare

Erklärbare Schach-KI mit menschlichen Spielstilen: das Testfeld von NyxAI für nachvollziehbare Entscheidungen unter Zeitdruck.