A Measure-Theoretic Axiomatisation of Causality
因果性的测度论公理化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于通用因果性与概率论基础研究，未明确涉及所列具体计量模型或应用细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
因果性的测度论公理化
- 研究问题
- 能否以概率论的测度论公理为起点，建立描述系统干预的统一因果框架，并处理循环、潜在变量和随机过程等问题？
- 方法与思路
- 作者提出因果空间，将概率空间与一组编码因果信息的转移概率核结合，尝试把干预和因果结构纳入测度论框架。
- 材料陈述的贡献
- 摘要称，该框架具有严格的测度论基础，并为理解既有因果框架在循环、潜在变量及随机过程方面的长期局限提供视角。
- 阅读关注点
- 应核对因果核所满足的公理、干预后的概率构造及一致性，并考察循环与潜在变量的处理方式和框架与现有表示的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实。摘要未列出公理、证明或可识别性结果，形式化框架本身不保证可从数据估计因果效应。
原文摘要
Causality is a central concept in a wide range of research areas, yet there is still no universally agreed axiomatisation of causality. We view causality both as an extension of probability theory and as a study of \textit{what happens when one intervenes on a system}, and argue in favour of taking Kolmogorov's measure-theoretic axiomatisation of probability as the starting point towards an axiomatisation of causality. To that end, we propose the notion of a \textit{causal space}, consisting of a probability space along with a collection of transition probability kernels, called \textit{causal kernels}, that encode the causal information of the space. Our proposed framework is not only rigorously grounded in measure theory, but it also sheds light on long-standing limitations of existing frameworks including, for example, cycles, latent variables and stochastic processes.