因果推理0-因果律武器

因果推理0-因果律武器

本文旨在整理本人在学习途中的思路，可能会有些逻辑混乱或疏漏之处，望大家勘误。当然如果能引发读者对因果方向的兴趣那将不胜荣幸。

幸存者偏差

在开始前，我想先举一个例子，希望这个例子可以引出我们后续的思考。

假如在一场战争中，你是一名飞机工程师，你的上司扔给你一堆飞行员开回来的战损机，并要求你改进飞机的模型。

你根据战损机的信息统计出了弹孔模型，如图1所示。红色的是弹孔位置，统计发现机翼上的弹痕最多，机尾和引擎最少，你的同行凭此判断应加强机翼的防御，并减轻机尾和引擎的防御，你是否赞同？

图1. 战机弹孔信息

想必聪明的你已经有了正确的答案，没错，你的同行可能是个卧底。

因为你知道，这些战损机是因为只被打中了机翼才能飞回来，而被打中引擎的飞机根本飞不回来。

这就是统计学中著名的幸存者偏差，是一种选择偏差。

辛普森悖论

假如你是一名药剂师，现在有两种药以及其实验数据，如图所示，treatment表示处理，及使用A药治疗和使用B药治疗，Total中分母表示病人总数目，分子表示治愈的病人数目。

现在你需要据此推理出哪一种药的效果更好，请问你会如何作答？

图2. 实验数据-total

相信聪明的你会不假思索的认为B的药效要更好一些，因为我也是这样认为的。

但如果我们给数据再加上一个条件(condition)，如图所示，将病人分为病情较轻和病情较重两部分。

图3. 实验数据-conditional

整体看来B效果更好，但加上条件后，看每个子组，A效果似乎更好一些。那么究竟那种药物是更好的呢？

这就是统计学中的辛普森悖论， 这个悖论曾经困扰了统计学家数十年，他揭示了统计学中”相关性“（association）的脆弱。

因果

鉴于许多现实问题的出现，我们需要一个更精确的的评判标准，这或许就是因果推理存在的价值。那么究竟什么是因果呢？

因果推理(causal inference)指推断出任意处理(treatment)或干预(intervention)等的效果(effect)。

比如，公鸡打鸣是否会造成太阳升起？需要打鸣几声才能造成太阳的生气？地面潮湿是否会造成天要下雨？要多潮湿才会下雨？这些都是因果推理要解决的问题。

好了，我想第一章就到这里结束了。这一章我们提了两个统计学中有趣的问题，最后给出了关于因果的定义：推断出任意处理或干预等的效果。没有涉及到什么公式，但希望能引起大家的思考。

最后，我希望能以一张图片作为本章的结尾。这是因果方向一张很著名的图，被称为因果之梯，在后续我的学习中会频繁的涉及到这里面的知识。

图4. 因果之梯

Reference

1.Introduction to Causal Inference

2.the book of why

3. 因为这个数学悖论，美国曾不允许宣传吸烟导致肺癌