Никита Поваров, principal analyst в JetBrains, пришёл, чтобы рассказать об одной из самых коварных ловушек в работе с данными: мы привыкли видеть корреляции, но совершенно не умеем доказывать причинность. А разница между «связано» и «вызывает» – это разница между правильным решением и красивой иллюзией. В выпуске прошли по истории вопроса от Гальтона и Фишера до современных каузальных графов: почему исторически статистика и каузальность шли разными путями и как они всё-таки сошлись.
Разбираем d-сепарацию, конфаундеры, медиаторы и строим каузальные графы на конкретных примерах из A/B тестирования, медицины и продуктовой аналитики. Выпуск для всех, кто работает с данными и хочет не просто находить паттерны, а понимать, что на что влияет и уметь это обосновать.
Содержание:
- 00:00 О чем выпуск?
- 03:17 Историческая справка
- 11:37 Восприятие экспериментов в прошлом
- 16:53 Когда начали думать про каузальность?
- 27:55 Корреляции и конфаундеры
- 39:11 Отличие конфаундеров от медиаторов
- 53:38 Методы исследования
- 01:15:05 Где каузальные модели используют в жизни?
- 01:39:06 Что почитать о каузальных моделях
- 01:41:49 Заключение
