Confidence intervals for causal effects in sequential decision making
序贯决策中因果效应的置信区间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：摘要明确以满足后门准则的因果效应为推断对象，并讨论自适应干预与序贯覆盖，直接属于因果推断。
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…
关注这篇论文的作者
序贯决策中因果效应的置信区间
- 研究问题
- 在后门准则适用时，独立同分布采样、依赖历史的干预和未知观测次数三种情形，分别能获得怎样的因果效应置信保证？
- 方法与思路
- 作者分别推导固定样本与序贯情形的置信区间，并在未知观测次数时组织为置信序列，用迭代对数项反映相应区间宽度。
- 材料陈述的贡献
- 摘要称标准独立同分布数据下区间最紧；历史依赖干预引入迭代对数律项，未知样本量的置信序列还包含更多迭代对数项。
- 阅读关注点
- 应核对因果图与后门调整要求、干预依赖历史的允许方式、固定样本和序贯覆盖定义，以及区间宽度比较成立的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出区间公式、变量条件或有限样本界，不能判断具体应用中的精度。
原文摘要
We derive confidence intervals and confidence sequences for causal effects in situations where the back-door criterion is applicable. Our tightest confidence intervals hold in the standard setting where the training data consists of IID observations over a system described by a given causal diagram. When interventions are allowed to depend on the past data, our confidence intervals become wider and involve a term coming from the law of the iterated logarithm, even where the number of observations is known in advance. In the sequential setting where the number of observations is not given, our confidence intervals, arranged into a confidence sequence for causal effects, involve more iterated logarithm terms and become even wider.