Glossário IA
O dicionário completo da Inteligência Artificial
Inferência Causal
Processo estatístico que visa estabelecer relações de causa e efeito entre variáveis, distinguindo correlações de ligações causais genuínas, essencial para compreender o impacto real das intervenções.
Grafo Causal Acíclico (DAG)
Representação gráfica das relações causais entre variáveis onde os nós simbolizam as variáveis e as setas orientadas indicam influências diretas, sem possibilidade de ciclo para manter a coerência causal.
Contrafactual
Cenário hipotético que descreve o que teria acontecido se uma causa fosse diferente, permitindo estimar o efeito causal comparando a situação real com esta alternativa imaginária.
Variável de Confusão
Variável que influencia simultaneamente a causa e o efeito estudado, criando uma associação espúria que pode ser erroneamente interpretada como uma relação causal direta.
Score de Propensão
Probabilidade condicional de receber um tratamento dadas as covariáveis observadas, utilizada para equilibrar os grupos e reduzir vieses em estudos observacionais não randomizados.
Cálculo-Do
Conjunto de regras formais desenvolvidas por Judea Pearl que permitem transformar expressões causais em expressões probabilísticas calculáveis a partir de dados observacionais.
Intervenção Causal
Manipulação deliberada de uma variável num sistema para observar seu efeito sobre outras variáveis, distinta da observação passiva pois modifica a estrutura causal subjacente.
Efeito Causal Médio (ACE)
Medida agregada do impacto médio de uma intervenção sobre toda a população, calculada como a diferença entre os resultados potenciais com e sem tratamento.
Modelo Causal Estrutural (SCM)
Estrutura matemática que combina equações estruturais e grafos causais para representar explicitamente os mecanismos geradores de dados e as relações causais.
Critério Frontdoor
Condição de identificabilidade causal que permite estimar o efeito de um tratamento em um resultado através de mediadores observáveis, mesmo na presença de confusão não medida.
Critério Backdoor
Conjunto de condições sobre as variáveis a serem ajustadas para bloquear todos os caminhos não causais entre tratamento e resultado, permitindo uma identificação correta do efeito causal.
Mediação Causal
Análise quantitativa dos mecanismos pelos quais uma causa afeta um efeito, decompondo o efeito total em efeitos diretos e indiretos através de variáveis intermediárias.
Causalidade de Granger
Conceito estatístico que determina se uma série temporal prediz significativamente outra, baseado na melhoria da precisão preditiva ao incluir valores passados.
Efeito do Tratamento nos Tratados (ATT)
Medida do impacto causal médio do tratamento especificamente nos indivíduos que realmente o receberam, relevante para avaliar a eficácia de programas direcionados.
Viés de Confundimento
Distorção sistemática da estimativa do efeito de um tratamento devido a fatores não controlados que influenciam simultaneamente a exposição e o resultado.
Randomização Causal
Técnica de atribuição aleatória de tratamentos para eliminar sistematicamente os vieses de confundimento, garantindo que os grupos comparáveis difiram apenas pelo tratamento recebido.
Análise de Trilha Causal
Método quantitativo que decompõe as correlações totais em efeitos diretos e indiretos através de uma rede de relações causais especificada a priori.
Transportabilidade Causal
Capacidade de generalizar os efeitos causais estimados em uma população fonte para uma população alvo diferente, ajustando para as diferenças nas distribuições.