Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Modèles Graphiques Causaux
Utilisation de graphes acycliques dirigés (DAGs) pour représenter et analyser les relations causales entre variables.
Scores de Propension
Méthodes statistiques pour équilibrer les groupes de traitement et de contrôle en utilisant la probabilité conditionnelle d'être traité.
Variables Instrumentales
Technique utilisant des variables corrélées avec le traitement mais non directement avec l'outcome pour identifier les effets causaux.
Contre-factuels et Potentiels Outcomes
Framework théorique basé sur la comparaison des résultats observés avec les résultats potentiels non observés.
Régression Discontinue
Méthode d'identification causale exploitant les seuils dans les règles d'assignation du traitement.
Différences de Différences
Approche quasi-expérimentale comparant les changements dans le temps entre groupes traités et non traités.
Inférence Causale par Machine Learning
Application d'algorithmes d'apprentissage automatique pour estimer les effets causaux dans des données de haute dimension.
Méthodes d'Appariement
Techniques créant des paires d'unités traitées et non traitées avec des caractéristiques similaires pour estimer les effets causaux.
Analyse de Mediation
Décomposition des effets totaux en effets directs et indirects pour comprendre les mécanismes causaux.
Inférence Causale Bayésienne
Approche probabiliste incorporant des connaissances a priori pour estimer les relations causales et leur incertitude.
Tests de Causalité de Granger
Méthodes économétriques pour déterminer si une série temporelle prédit une autre en analyse de séries temporelles.
Méthodes Synthétiques de Contrôle
Construction d'un groupe de contrôle synthétique pondéré pour estimer les effets des interventions politiques.