統計的因果推論―モデル・推論・推測

Ｐｅａｒｌ，Ｊｕｄｅａ【著】/黒木 学【訳】

共立出版（2009/03発売）

• サイズ B5判／ページ数 398p／高さ 27cm
• 商品コード 9784320018778
• NDC分類 417.6
• Cコード C3041

出版社内容情報

●内容
　本書は，「人工知能分野の巨人のひとり」(Richard Korf)として数えられ，統計的因果推論の世界的権威である人工知能研究者Judea Pearlによって書かれた"Causality-Models, Reasoning and Inference-"（Cambridge Univ. Press）の邦訳である。
　本書は，既存の統計的因果推論の教科書とは異なり，因果推論の背後にある哲学的考え方を踏まえながら，グラフィカルモデル，反事実モデル，構造モデルといった数理解析法を用いて因果関係の解明に迫るという独創的なアイデアに基づいて執筆されている。また，統計科学と因果推論との類似点や相違点も詳しく記述されており，因果的関連尺度と統計的関連尺度を結びつけるための数理的基盤の整備も行われている。
　本書の特徴として，邦訳出版にあたって原著者から提供された最新の研究情報も追加されており，統計的因果推論に関する最新のフレームワークを体系的に理解するのに役立つよう配慮されていることがあげられる。そのため，統計的因果推論の主要課題である １．観察された結果に対する原因の究明，２．観察データに基づく因果的効果の定量的評価，３．観察データに基づく因果メカニズムの解明，に関心を持つ読者に対して，大きなインパクトを与えるだろう。

目次

第１章　確率、グラフ、因果モデル入門
第２章　因果関係を推測するための理論
第３章　因果ダイアグラムと因果効果の識別可能条件
第４章　行動、計画、直接効果
第５章　社会科学と経済学における因果関係と構造モデル
第６章　Ｓｉｍｐｓｏｎのパラドックス、交絡、併合可能性
第７章　構造に基づく反事実の論理
第８章　不完全実験：因果効果の存在範囲と反事実
第９章　原因の確率：説明と識別
第１０章　実際の原因
エピローグ　因果関係の芸術と科学

著者等紹介

Ｐｅａｒｌ，Ｊｕｄｅａ［ＰＥＡＲＬ，ＪＵＤＥＡ］［Ｐｅａｒｌ，Ｊｕｄｅａ］
ＵＣＬＡコンピュータサイエンス学科の教授であり、「人工知能分野の巨人のひとり」（Ｒｉｃｈａｒｄ　Ｋｏｒｆ，ＵＣＬＡ教授）として数えられている研究者である。この表現が誇張されたものではないことは、Ｂｅｎｊａｍｉｎ　Ｆｒａｎｋｌｉｎ　ＭｅｄａｌやＬａｋａｔｏｓ　Ａｗａｒｄをはじめとして、国際的な学術賞を数多く受賞していることから容易にわかるであろう。ベイジアン・ネットワークを開発し、人工知能の分野に確率論的アプローチを導入したパイオニアの一人であり、グラフィカル・モデルと因果推論を体系的に結びつけることによって、因果関係の数理的取り扱いを可能にした代表的な研究者でもある。その研究成果は、人工知能という枠をはるかに超えて、工学・医学・哲学・経済学・政治学にまで影響を与えており、科学技術の発展に大きく貢献している

黒木学［クロキマナブ］
２００１年東京工業大学大学院社会理工学研究科経営工学専攻博士後期課程修了。同年、東京工業大学大学院社会理工学研究科経営工学専攻・助手。２００３年大阪大学大学院基礎工学研究科システム創成専攻・助教授。２００７年より現職。この間、ＵＣＬＡコンピュータサイエンス学科および北京大学数学科学学院において在外研究。現在、大阪大学大学院基礎工学研究科システム創成専攻・准教授（工学博士）。専攻は統計科学（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[月をみるもの]

介入主義的因果関係の定義「X が Y の原因であるのは、何らかの（人為的・自然的）な介入によって、X の状態を変化させることによって、Y の状態を変化させることができるようなときである」　https://repository.kulib.kyoto-u.ac.jp/dspace/bitstream/2433/96277/1/Tronso_35_09.pdf

2021/01/23

[月をみるもの]

とりあえず、最終章だけでも読む価値が十二分にある。。とか偉そうなこと言ってないで、ちゃんと途中の章も読んでベイジアンネット動かせるようにせんと。。

2017/05/27

[shin_ash]

パールの統計的因果推論のバイブルである。読むのかなり時間がかかったし、完全な理解には程遠いかもしれないが因果推論の理論の大枠が見えた気がする。ルービンの因果推論が統計学に閉じた方法であるため理論はクリアかもしれないが、前提条件の実務的解釈が極めて難しい。“強い意味での無視可能性”など、だからどうすればいいのか？と行き詰まってしまう。このような困難を哲学領域に躊躇せずに踏込むことで、例えば一般因果と単称因果の区別をdo演算子と反事実表記で表現するなどのように解決している。視界が広がった気がする。

2020/03/21

[Naohiko Oikawa]

ガリレオ、ヒューム、ラッセルらに代表される、「因果関係」の客観性に対する懐疑的な立場を取るピアソンが、「相関関係」を重視するように強く方向づけた今日的な統計学に対して、データに基づいた因果関係を検証できることが科学的に証明された唯一の方法論であるフィッシャーの「ランダム化実験」に着目し、統計学が使用する確率言語が取り扱うことができなかった「原因（介入）」という情報を取り扱う”do”という演算子を提唱し、「疑似相関」と明確に峻別された「因果関係」を特定する統計処理の可能性を拓いた一連の論文を集めた本。

2014/11/24

[roughfractus02]

統計学は因果律を拒否した相関関係の科学(ピアソン)となったのは、ヒュームが因果を学習の効果とし科学的に扱う契機を逸したからだと考える著者は、統計化を行なう時点で因果関係の解析のモチーフの存在を認める。データの背後に因果関係を見る思考を計算機科学でどう表現すべきか? 著者はフィッシャーの確率論を検討し、存在の論理(確率論)に行為(因果)が入る余地がないことを確認する。そこで著者は独自の「do演算子」を導入し、相関関係から「介入」を通じて因果関係の推論を導出した。I・ハッキング『表現と介入』と交互に読みたい。

2017/02/12