AI 용어집
인공지능 완전 사전
Contrefactuel (Counterfactual)
Raisonnement causal évaluant ce qui se serait produit si une condition différente avait été appliquée, en maintenant toutes autres variables constantes.
Intervention de Pearl
Opérateur do(X=x) modifiant la valeur d'une variable X pour analyser l'effet causal direct, distinct de l'observation passive.
Propensity Score Matching
Technique d'appariement basée sur la probabilité conditionnelle de recevoir un traitement donné les covariables observées.
Modèle causal de Rubin
Cadre conceptuel basé sur les résultats potentiels (potential outcomes) pour estimer les effets causaux dans les études observationnelles.
Confondance (Confounding)
Biais systématique où une tierce variable influence simultanément le traitement et le résultat, faussant la relation causale apparente.
Graphe causal
Représentation mathématique des hypothèses causales explicitant les relations directes et indirectes entre variables.
Effet moyen du traitement (ATE)
Différence moyenne entre les résultats potentiels avec et sans traitement sur toute la population cible.
Effet causal local (LATE)
Effet causal identifié pour les sous-groupes compliants dans les études avec variables instrumentales ou assignation aléatoire imparfaite.
Algorithme de découverte causale
Méthodes algorithmiques (PC, FCI, GES) inférant la structure causale à partir de données observationnelles et tests d'indépendance.
Modélisation par équations structurelles (SEM)
Approche paramétrique combinant équations structurelles et hypothèses graphiques pour modéliser les mécanismes causaux latents.
Analyse de sensibilité
Évaluation quantitative de la robustesse des inférences causales face à des violations potentielles des hypothèses d'identification.