Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
58<br />
der kausalen Mechanismen widerspiegeln. In einem <strong>Bayes</strong>-Netz werden mögliche<br />
Fehlerquellen als unabhängig gedacht: Jedem kausalen Link ist damit eine<br />
hypothetische, unabhängige Fehlerquelle zugeordnet, <strong>die</strong> mit Wahrscheinlichkeit<br />
(1 – w C ) <strong>die</strong> Ursache daran hindert, den entsprechenden Effekt hervorzubringen.<br />
Diese hypothetischen Fehlervariablen sind unbeobachtet. Ihr Einfluss äußert sich<br />
im Parameter w C . Je schwächer <strong>die</strong> Fehlerquellen, desto größer w C . Es liegt nahe<br />
– insbesondere im Hinblick auf <strong>die</strong> in Kapitel 3 durchgeführten Stu<strong>die</strong>n – das kausale<br />
System (hier ein Common-Cause-Modell) einfach um eine weitere Fehlerquelle<br />
zu ergänzen, <strong>die</strong> auf alle kausalen Links gleichermaßen präventiv wirkt,<br />
indem sie deren Kausalstärke mindert. Auch <strong>die</strong>se Fehlerquelle sei unbeobachtet.<br />
Ihre Existenz erzeugt aber auf der Ebene der beobachtbaren Variablen des<br />
kausalen Systems konditionale Abhängigkeiten, mithin also <strong>Markov</strong>-<br />
Verletzungen. Je stärker <strong>die</strong> gemeinsame Fehlerquelle, desto stärker <strong>die</strong>se Abhängigkeiten.<br />
Mit <strong>die</strong>ser gemeinsamen Fehlerquelle lassen sich somit unterschiedliche<br />
Annahmen hinsichtlich der Abhängigkeiten der Kausalrelationen abbilden:<br />
Versagen <strong>die</strong>se eher gemeinsam, ist mithin also eher <strong>die</strong> Ursache für Fehler<br />
verantwortlich (wie z.B. in der „Sending“-<strong>Bedingung</strong>), dann ist <strong>die</strong> gemeinsame<br />
Fehlerquelle stark; sind <strong>die</strong> kausalen Links dagegen nahezu unabhängig voneinander,<br />
also eher <strong>die</strong> Effekte für Fehler verantwortlich (wie z.B. in der „Reading“-<strong>Bedingung</strong>),<br />
dann ist <strong>die</strong> gemeinsame Fehlerquelle eher schwach.<br />
Abbildung 15 zeigt <strong>die</strong>ses um <strong>die</strong> gemeinsame Fehlerquelle PN (preventive<br />
noise) erweiterte Common-Cause-Modell mit der Ursache C, den Effekten E 1 , …,<br />
E n sowie den Parametern w C , w PN , b C , b PN <strong>und</strong> b E , wobei<br />
– <strong>die</strong> Kausalstärke von C im Hinblick auf <strong>die</strong> Effekte,<br />
– <strong>die</strong> präventive Stärke von PN im Hinblick auf <strong>die</strong> Links<br />
C–E i ,<br />
– <strong>die</strong> Basisrate der gemeinsamen Ursache C,<br />
– <strong>die</strong> Basisrate von PN (preventive noise) <strong>und</strong><br />
– <strong>die</strong> Basisrate der Effekte E 1 , …, E n .<br />
Es wird dabei vereinfachend davon ausgegangen, dass <strong>die</strong> Kausalstärke w C<br />
für alle Ursache-Effekt-Relationen identisch ist, wie auch alle Effekte <strong>die</strong> gleiche