Glosario IA
El diccionario completo de la Inteligencia Artificial
Variables de confusión
Variables que influyen simultáneamente en la variable de tratamiento y en la variable de resultado, creando una asociación espuria entre ellas que debe ser controlada para estimar el efecto causal.
Do-calculus de Pearl
Conjunto formal de reglas de inferencia desarrolladas por Judea Pearl que permiten calcular los efectos causales a partir de grafos causales y distribuciones observables.
Criterio de la puerta trasera (backdoor)
Condición suficiente para identificar los efectos causales en un DAG que especifica qué conjunto de variables debe ser condicionado para bloquear todos los caminos no causales entre el tratamiento y el resultado.
Efecto de tratamiento promedio condicional (CATE)
Efecto causal heterogéneo que varía según las características de los subgrupos de población, permitiendo una personalización de las intervenciones basada en las covariables.
Modelos causales estructurales
Formalismos matemáticos que combinan ecuaciones estructurales y grafos para representar los mecanismos causales subyacentes que generan los datos observados.
Métodos de ponderación
Enfoques que utilizan pesos basados en los propensity scores para crear una pseudopoblación donde el tratamiento es independiente de las covariables observadas.