Glossário IA
O dicionário completo da Inteligência Artificial
Grafo Acíclico Dirigido (DAG)
Representação gráfica das relações causais entre variáveis onde os nós representam as variáveis e as arestas orientadas indicam a influência causal direta sem ciclos possíveis.
Efeito Médio do Tratamento (ATE)
Diferença média esperada entre os resultados potenciais com e sem tratamento em toda a população, medida fundamental do impacto causal na avaliação de intervenções.
Análise de Mediação
Método causal que decompõe o efeito total de um tratamento em efeito direto e efeito indireto através de variáveis intermediárias (mediadores) para compreender os mecanismos de ação.
Modelo de Causalidade de Rubin
Estrutura teórica baseada em resultados potenciais (potential outcomes) onde cada unidade possui resultados contrafactuais para cada estado de tratamento, fundamento da inferência causal moderna.
Método de Regressão com Descontinuidade
Desenho quase-experimental que explora limiares de elegibilidade para estimar efeitos causais locais, comparando unidades logo acima e abaixo do ponto de corte.
Score Causal
Função que resume a informação necessária para o ajuste do viés de confusão, generalização do propensity score incluindo informações sobre as relações causais entre variáveis.
Causalidade de Pearl
Abordagem da causalidade baseada em grafos acíclicos dirigidos e no do-calculus, permitindo uma representação formal do conhecimento causal e do raciocínio contrafactual.
Efeito Médio Condicional do Tratamento (CATE)
Efeito causal médio condicionado a características específicas das unidades, permitindo identificar heterogeneidades nos efeitos do tratamento para personalizar as intervenções.
Critério de porta da frente
Estratégia de identificação causal que utiliza um mediador observável bloqueando todos os caminhos entre o tratamento e o resultado, permitindo a estimação causal mesmo na presença de confusão não medida.
Teste de randomização
Validação experimental de relações causais através da alocação aleatória do tratamento, eliminando sistematicamente os vieses de confusão e fornecendo a prova causal mais robusta.