Glosario IA
El diccionario completo de la Inteligencia Artificial
DAG (Grafo Acíclico Dirigido)
Representación gráfica de las relaciones causales donde los nodos son variables y las aristas dirigidas indican relaciones de causa a efecto sin ciclos cerrados.
Aleatorización por bloques
Método experimental donde los sujetos se agrupan en bloques homogéneos antes de la asignación aleatoria del tratamiento, reduciendo la variabilidad y aumentando la potencia estadística.
Variable instrumental
Variable correlacionada con el tratamiento pero no directamente con el resultado, utilizada para identificar el efecto causal en presencia de variables de confusión no observadas.
Criterio de back-door
Condición suficiente para identificar un efecto causal ajustando por un conjunto de variables que bloquean todos los caminos no causales entre tratamiento y resultado.
Criterio de front-door
Alternativa al criterio de back-door que permite la identificación causal cuando existe un mediador observable bloqueando todos los caminos directos entre tratamiento y resultado.
Equivalencia de Markov
Principio que establece que las independencias condicionales observadas en los datos corresponden a las separaciones en el grafo causal que representa el proceso generador.
Efecto promedio del tratamiento (ATE)
Diferencia promedio esperada entre los resultados potenciales con y sin tratamiento sobre el conjunto de la población, medida fundamental del efecto causal.
Efecto promedio del tratamiento en los tratados (ATT)
Efecto causal promedio calculado específicamente sobre la subpoblación que ha recibido efectivamente el tratamiento, pertinente para la evaluación de políticas públicas.
Método de diferencias en diferencias
Estrategia de identificación cuasi-experimental que compara los cambios en los resultados antes y después del tratamiento entre grupos de tratamiento y control.
Regresión discontinua
Método de identificación causal que aprovecha los umbrales de tratamiento donde la asignación del tratamiento cambia bruscamente pero otros factores varían continuamente.
Inferencia causal estructural
Paradigma de análisis causal basado en modelos estructurales explícitos de las relaciones entre variables, permitiendo distinguir correlación de causalidad.
Modelo causal estructural
Formalización matemática de los mecanismos causales subyacentes que describen cómo las variables generan otras variables, fundamento del análisis causal moderno.
Resultados potenciales
Marco conceptual que define para cada unidad los resultados potenciales bajo cada nivel de tratamiento, aunque solo uno sea observable en la práctica.