Colisor (estatísticas)
Em estatísticas e gráficos causais, uma variável é um colisor quando ela é influenciada causalmente por duas ou mais variáveis. O nome "colisor" reflete o fato de que em modelos gráficos, as pontas de seta das variáveis que levam ao colisor parecem "colidir" no vértice que é o colisor.[1] Às vezes, eles também são chamados de garfos invertidos.[2]
.png)
As variáveis causais que influenciam o colisor não estão necessariamente associadas. Se as variáveis causais não estiverem adjacentes, o colisor não está blindado. Caso contrário, o colisor é blindado e faz parte de um triângulo.[3]
O resultado de ter um colisor no caminho é que o colisor bloqueia a associação entre as variáveis que o influenciam.[4][5][6]
Às vezes, os colisores são confundidos com variáveis de confusão. Ao contrário dos colisores, as variáveis de confusão devem ser controladas ao estimar associações.
Ver também editar
Nota editar
- Este artigo foi inicialmente traduzido, total ou parcialmente, do artigo da Wikipédia em inglês cujo título é «Collider (statistics)».
Referências editar
- ↑ Hernan, Miguel A.; Robins, James M. (2010), Causal inference, ISBN 978-1-4200-7616-5, Chapman & Hall/CRC monographs on statistics & applied probability, CRC, p. 70
- ↑ Julia M. Rohrer (2 de julho de 2018). «Thinking Clearly About Correlations and Causation: Graphical Causal Models for Observational Data». PsyArXiv. doi:10.31234/osf.io/t3qub
- ↑ Ali, R. Ayesha; Richardson, Thomas S.; Spirtes, Peter; Zhange, Jiji (2012). «Towards characterizing Markov equivalence classes for directed acyclic graphs with latent variables». Proceedings of the Twenty-First Conference on Uncertainty in Artificial Intelligence (UAI2006): 10–17. arXiv:1207.1365
- ↑ Greenland, Sander; Pearl, Judea; Robins, James M. (janeiro de 1999), «Causal Diagrams for Epidemiologic Research» (PDF), Epidemiology, ISSN 1044-3983, 10 (1): 37–48, OCLC 484244020, PMID 9888278, doi:10.1097/00001648-199901000-00008
- ↑ Pearl, Judea (1986). «Fusion, Propagation and Structuring in Belief Networks». Artificial Intelligence. 29 (3): 241–288. CiteSeerX 10.1.1.84.8016 . doi:10.1016/0004-3702(86)90072-x
- ↑ Pearl, Judea (1988). Probabilistic reasoning in intelligent systems: networks of plausible inference
. [S.l.]: Morgan Kaufmann
