Inferência causal

• Autor(es): Cavique, Luís
• Data: 2025
• Identificador Persistente: http://hdl.handle.net/10400.2/20391
• Origem: Repositório Aberto da Universidade Aberta
• Assunto(s): Causalidade
• Tipo de Documento: Outro
• Idioma: Português
• Contribuidor(es): Repositório Aberto

Descrição

Este documento pretende complementar a bibliografia da unidade curricular Extração de Conhecimento de Dados (Data Mining) oferecida nos cursos de mestrado MEIW (Mestrado em Engenharia Informática e Tecnologia Web) e MBB (Mestrado em Bioestatística e Biometria). A inferência causal quantifica o efeito de uma intervenção. O problema central é que não é possível observar simultaneamente os resultados com e sem tratamento, exigindo métodos que estimem efeitos contrafactuais. No conjunto de dados do Titanic, que contém informações sobre passageiros e sobrevivência, é possível analisar quais fatores influenciam a chance de sobrevivência. São usadas duas abordagens. As abordagens contrafactuais, como NATE, T/S-Learner, Duplamente Robusto e MICE, estimam resultados que não podem ser observados diretamente, enquanto métodos de estratificação, como o Matching, comparam indivíduos semelhantes para reduzir viés. A inferência causal permite, assim, compreender relações de causa e efeito mesmo em dados observacionais, fornecendo insights confiáveis sobre fatores determinantes de desfechos importantes.