반응형
Recent Posts
Notice
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
Tags
- recommendation system
- 인과추론 무작위 실험
- CausalInference
- 데이터분석가
- 독후감
- Bayesian
- DataAnalyst
- 베이지안통계
- 오블완
- 데이터분석
- 인과추론
- 선형대수학
- 글또10기
- 코세라
- 수학적해석학
- 나의서양미술순례
- BigQuery
- 티스토리챌린지
- SQL
- Recsys
- 잠재적결과
- chatGPT
- 인과추론개요
- 빅쿼리
- 네카라쿠배당토
- 실무로통하는인과추론
- 데이터분석가 코딩테스트
- 회고
- 벡터
- mathematicalthinking
Archives
- Today
- Total
목록무작위실험 (1)
Derek 의 데이터 분석 성장기

해당 글은 모두 실무로 통하는 인과추론을 기반으로 작성 및 참고하였습니다. 2-1. 무작위 배정으로 독립성 확보 1장에서는 인과관계와 인과추론이 무엇인지에 대해 배웠습니다. 2장에서는 무작위 실험이 인과추론의 가장 중요한 표준이라고 설명합니다. 그 이유는, 1장에서 배웠던 선택편향을 무작위 배정으로 독립성을 확보할 수 있다고 말하고 있습니다. E[Y | T = 1] - E[Y | T = 0] = E[Y_1 - Y_0 | T=1] + {E[Y_0 | T = 1] - E[Y_0 | T = 0]} 위 공식의 bold는 (ATT + 편향) 으로 표현하고 있습니다. 이 말은, 인과관계와 연관관계가 같기 위해선 두 가지 요소 att + 편향의 합이다 라고 설명하고 있습니다. 따라서 편향이 0 이면 이 둘은 같다..
Data/인과추론
2024. 10. 20. 23:12