1 minute read
2.2.4 Inférence statistique
from Statistique et causalité, F. Bertrand, G. Saporta, C. Thomas-Agnan - Editions Technip
by TO Groupe
204
Chapitre 7
#> experiment # A law for (W,A,Y) in [0,1] x {0,1} x [0,1]. # # If the law is fully characterized, you can use method # ’sample_from’ to sample from it. # # If you built the law, or if you are an _oracle_, you can # also use methods ’reveal’ to reveal its relevant features # (QW, Gbar, Qbar, qY -- see ’?reveal’), and ’alter’ to change # some of them. # # If all its relevant features are characterized, you can # use methods ’evaluate_psi’ to obtain the value of ’Psi’ at # this law (see ’?evaluate_psi’) and ’evaluate_eic’ to obtain # the efficient influence curve of ’Psi’ at this law (see ’? # evaluate_eic’).
La loi P0 de l’expérience reproductible experiment que nous avons construite génère une observation générique O qui se décompose sous la forme O (W, A, Y ) ∈ [0; 1] × {0; 1} × [0; 1]. Nous interprétons W comme une mesure résumée, appartenant à [0; 1], d’un contexte aléatoire dans lequel une action A, choisie parmi deux actions possibles, est entreprise et conduit à l’obtention d’une récompense Y , appartenant à [0; 1]. Nous pouvons simplement échantillonner sous P0 grâce à la méthode sample_from. Par exemple, le code suivant réplique l’expérience cinq fois indépendamment :
#> (five_obs <- sample_from(experiment, n = 5)) # W A Y # [1,] 0.429 1 0.981 # [2,] 0.454 1 0.855 # [3,] 0.377 0 0.836 # [4,] 0.461 1 0.582 # [5,] 0.419 1 0.878
La nature d’experiment révélée
En tant qu’oracle, nous pouvons lever le voile sur la nature de experiment et révéler une sélection de ses traits pertinents, eu égard à ce que nous souhaiterons en apprendre au premier chef, sujet qui sera abordé dans la section 7.2.
#> relevant_features <- reveal(experiment) #> names(relevant_features) # [1] "QW" "Gbar" "Qbar" "qY" "sample_from"
