Glossário IA
O dicionário completo da Inteligência Artificial
Inferência Causal
Conjunto de métodos estatísticos para estimar os efeitos causais a partir de dados observacionais ou experimentais.
Grafos Causais DAG
Representação matemática das relações de causa e efeito na forma de grafos acíclicos dirigidos.
Modelos Estruturais Causais
Estrutura formal combinando equações estruturais e grafos para modelar os mecanismos causais.
Cálculo Causal de Pearl
Sistema de regras (do-calculus) que permite derivar efeitos causais a partir de correlações observadas.
Análise Contrafactual
Estudo de cenários hipotéticos e do que teria acontecido se diferentes ações tivessem sido tomadas.
Descoberta de Causalidade
Algoritmos para identificar automaticamente estruturas causais a partir de dados brutos.
Variáveis Instrumentais
Técnica que utiliza variáveis externas para identificar efeitos causais na presença de confusão.
Mediação Causal
Análise dos mecanismos intermediários pelos quais uma causa produz seu efeito.
Viés de Confusão
Estudo e correção dos fatores que influenciam tanto a causa quanto o efeito, criando associações espúrias.
Scores de Propensão
Método de estimação da probabilidade de tratamento para corrigir vieses de seleção em estudos observacionais.
Causalidade Temporal
Análise das relações de causa e efeito em séries temporais e dados longitudinais.
Inferência Causal em Alta Dimensão
Métodos adaptados a dados com muitas variáveis e amostras limitadas.
Aprendizagem por Reforço Causal
Integração de princípios causais em algoritmos de RL para melhorar a generalização.
Testes de Causalidade de Granger
Testes estatísticos para determinar se uma série temporal prevê outra série temporal.
Modelos de Equações Estruturais
Abordagem estatística que combina análise fatorial e regressão para modelar relações causais complexas.