Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
29<br />
Daran anschließend wurde <strong>die</strong> <strong>Bayes</strong>-Netz-Theorie eingeführt, <strong>die</strong> sich mathematisch<br />
als Verknüpfung von gerichteten kausalen Graphen <strong>und</strong> dem Wahrscheinlichkeitskalkül<br />
darstellt. Zentrale Annahme ist <strong>die</strong> <strong>Markov</strong>-<strong>Bedingung</strong>, nach<br />
der eine Variable in einer Kausalstruktur konditionalisiert auf ihre direkten Ursachen<br />
unabhängig von den anderen Variablen ist, <strong>die</strong> nicht Nachfolger der Variablen<br />
sind. Darauf aufbauend wurde gezeigt, wie Kausalstrukturen mit den<br />
Constraint-based-Methoden <strong>und</strong> mittels bayesianischen Hypothesentesten entdeckt<br />
werden können <strong>und</strong> dass Probanden in solchen Aufgaben oft sehr schlecht<br />
abschneiden. Menschen scheinen daher auch weitere Informationen, wie <strong>die</strong><br />
zeitliche Abfolge von Ereignissen <strong>und</strong> das Ergebnis von Interventionen, <strong>und</strong> abstraktes<br />
Vorwissen, wie es in kausalen Grammatiken formal beschrieben werden<br />
kann, zu nutzen, um Kausalrelationen zu identifizieren.<br />
Als Brückenschluss zurück zu den psychologischen Ansätzen wurde das<br />
Causal-Support-Modell von Griffiths <strong>und</strong> Tenenbaum (2005) eingeführt. Dieses<br />
formalisiert das Lernen elementarer Ursache-Effekt-Relationen im <strong>Bayes</strong>-Netz-<br />
Framework. Griffiths <strong>und</strong> Tenenbaum konnten zeigen, dass <strong>die</strong> psychologischen<br />
Maße <strong>und</strong> Causal Power beide Maximum-Likelihood-Schätzer der Kausalstärke<br />
unter unterschiedlichen Annahmen bezüglich der funktionalen Verknüpfung<br />
von Ursache <strong>und</strong> Hintergr<strong>und</strong> sind.<br />
Des Weiteren sind <strong>die</strong> empirischen Arbeiten von Rehder <strong>und</strong> Burnett<br />
(2005) genauer vorgestellt worden. Diese nähren Zweifel an der <strong>Markov</strong>-<br />
<strong>Bedingung</strong> als Teil einer psychologischen Theorie des kausalen <strong>Denken</strong>s. Die Beurteilung<br />
der Anwesenheit eines Effektes in einer Common-Cause-Struktur gegeben<br />
der An- oder Abwesenheit seiner Ursache hängt im Widerspruch zur<br />
<strong>Markov</strong>-<strong>Bedingung</strong> sehr wohl <strong>und</strong> gleichsam auch sehr deutlich vom Status der<br />
weiteren Effekte der gemeinsamen Ursache ab. Darauf aufbauend <strong>und</strong> in Abgrenzung<br />
zu den akausalen Erklärungsversuchen von Rehder <strong>und</strong> Burnett wurde<br />
<strong>die</strong> Idee entwickelt, dass Probanden bei Kausalinferenzen systematisch weiteres<br />
Wissen, insbesondere um <strong>die</strong> zugr<strong>und</strong>e liegenden kausalen Prozesse <strong>und</strong> <strong>die</strong><br />
damit verb<strong>und</strong>ene Fehlerstruktur, miteinbeziehen. Dies soll im folgenden Kapitel<br />
genauer untersucht werden.