Kausales Denken, Bayes-Netze und die Markov-Bedingung

129
Abbildung 38. Modellvorhersage auf der Basis einer Monte-Carlo-Simulation mit
100 000 Durchgängen in einem Common-Cause-Modell mit einer Ursache C und
fünf Effekten. Die Parameter des kausalen Systems wurden hierfür aus den gleichen
Verteilungen gezogen, die für die „Sending“-Bedingung im Basismodell
Verwendung fanden. Der Parameter für die cluster-spezifischen Merkmalswahrscheinlichkeiten
wurde aus einer -Verteilung gezogen. Die A-
priori-Wahrscheinlichkeiten der möglichen Partitionen entstammen einem Chinese-Restaurant-Prozess
(CRP).
6.3 Experiment 8
Die Vorhersage des Modells, dass der Einfluss des Status der Effektvariablen von
deren weiteren (kausal relevanten) Merkmalen abhängt, soll im Folgenden empirisch
im bereits in den vorhergehenden Experimenten benutzten Paradigma getestet
werden. Hierfür bietet es sich an, für den „Sending“-Fall – der ja starke
Abhängigkeiten repräsentiert – Effektaliens mit unterschiedlichen Merkmalen zu
benutzen. Das Modell sagt vorher, dass im Hinblick auf die Bewertung der Anwesenheit
eines Zieleffekts der Einfluss derjenigen Effekte, die andere Merkmalsausprägungen
haben als der Zieleffekt, deutlich geringer ausfallen sollte, als der
Einfluss derjenigen Effekte, die die gleichen Eigenschaften haben wie der Zieleffekt.
Als saliente Eigenschaft kann hierfür die Farbe der Aliens herangezogen