统计因果推理入门

因果性是理解和应用数据的核心，如果无法从数据中获知因果关系，则甚至无法回答诸如“治疗方案对患者有益还是有害”这类基本问题。虽然现在有很多关于数据分析统计方法的教科书，但到目前为止还没有适合初学者水平的书，介绍如何从数据中快速梳理因果信息的各种方法。

本书弥补了这种缺憾。书中使用简单的实例与朴实的语言介绍了如何定义因果关系，在各种情形下估计因果参数所必需的假设，如何数学化地表示这些假设，这些假设是否有可检测的蕴涵，如何预测干预的效应，以及如何进行反事实推理等。这些都是有兴趣用统计方法回答因果问题的读者需要掌握的基本工具。

本书适用于对解释数据感兴趣的任何读者，该书的实例来自不同领域，涵盖医学、公共政策以及法律等。

Judea Pearl 是美国加利福尼亚大学洛杉矶分校计算机科学和统计学的教授，他是认知系统实验室负责人，从事人工智能、因果推理和科学哲学的研究。Pearl 是《因果推理期刊》的联合创始人和编辑，著有三本关于推理领域的里程碑式著作。他的著作《因果关系：模型、推理和推断》（剑桥出版社，2000，2009）介绍了现代因果分析中使用的许多方法。该书获得了伦敦经济学院拉卡托斯奖（ Lakatos Award），并被超过13000篇科学出版物引用。Pearl 是美国国家科学院院士、美国国家工程院院士、美国人工智能协会的创始会士。由于对概率和因果推理的基础性贡献，Pearl 囊获了包括以色列理工学院的哈维奖（Harvey Prize）和 ACM 图灵奖在内的众多奖项。

Madelyn Glymour 是卡内基-梅隆大学的数据分析师、加利福尼亚大学洛杉矶分校认知系...

(展开全部)