Отправить статью по E-mail 
Статистический анализ причинно-следственных связей
- Авторы: Грушо А.А.1,2, Грушо Н.А.1, Забежайло М.И.1, Самуйлов К.Е.2, Тимонина Е.Е.1,2
-
Учреждения:
- Федеральный исследовательский центр «Информатика и управление» РАН
- Российский университет дружбы народов
- Выпуск: Том 32, № 2 (2024)
- Страницы: 213-221
- Раздел: Статьи
- URL: https://journals.rudn.ru/miph/article/view/41389
- DOI: https://doi.org/10.22363/2658-4670-2024-32-2-213-221
- EDN: https://elibrary.ru/CPUADE
Цитировать
Полный текст
Аннотация
Рассмотрена проблема выявления детерминированных причинно-следственных связей, изначально скрытых в накопленных эмпирических данных. Для выявления таких связей использовались статистические методы. Предложена простая математическая модель причинно-следственных отношений, в рамках которой описано несколько моделей причинно-следственных связей в данных - для простейших отношений между причиной и следствием, для многих следствий одной причины, а также для цепей причинно-следственных связей (так называемых транзитивных причин). Сформулированы оценки, позволяющие с помощью теоремы Муавра-Лапласа определить параметры модели, связывающие события в испытаниях полиномиальной схемы. Обоснованы утверждения об однозначной идентификации причинно-следственных связей, которые восстанавливаются по накопленным данным. Обсуждаются возможности использования таких схем анализа данных в задачах медицинской диагностики и кибербезопасности.
Ключевые слова
Об авторах
А. А. Грушо
Федеральный исследовательский центр «Информатика и управление» РАН; Российский университет дружбы народов
Автор, ответственный за переписку.
Email: grusho@yandex.ru
ORCID iD: 0000-0003-4400-2158
Principal scientist, Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences; professor of Department of Probability Theory and Cyber Security of Peoples’ Friendship University of Russia named after Patrice Lumumba
ул. Вавилова, д. 44, стр. 2, Москва, 119133, Российская Федерация; ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская ФедерацияН. А. Грушо
Федеральный исследовательский центр «Информатика и управление» РАН
Email: info@itake.ru
ORCID iD: 0000-0002-5005-2744
Candidate of Physical and Mathematical Sciences, Senior scientist, Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences
ул. Вавилова, д. 44, стр. 2, Москва, 119133, Российская ФедерацияМ. И. Забежайло
Федеральный исследовательский центр «Информатика и управление» РАН
Email: m.zabezhailo@yandex.ru
ORCID iD: 0000-0002-5067-5909
Professor, Doctor of Physical and Mathematical Sciences, Principal scientist, Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences
ул. Вавилова, д. 44, стр. 2, Москва, 119133, Российская ФедерацияК. Е. Самуйлов
Российский университет дружбы народов
Email: samuylovke@rudn.ru
ORCID iD: 0000-0002-6368-9680
Professor, Doctor of Technical Sciences, Head of the Department of Probability Theory and Cyber Security of Peoples’ Friendship University of Russia named after Patrice Lumumba
ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская ФедерацияЕ. Е. Тимонина
Федеральный исследовательский центр «Информатика и управление» РАН; Российский университет дружбы народов
Email: eltimon@yandex.ru
ORCID iD: 0000-0002-6493-3622
Professor, Doctor of Technical Sciences, Leading scientist, Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences; professor of Department of Probability Theory and Cyber Security of Peoples’ Friendship University of Russia named after Patrice Lumumba
ул. Вавилова, д. 44, стр. 2, Москва, 119133, Российская Федерация; ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская ФедерацияСписок литературы
- Zhang, X., Hu, W. & Yang, F. Detection of Cause-Effect Relations Based on Information Granulation and Transfer Entropy. Entropy 24, 212. doi: 10.3390/e24020212 (2022).
- Reimer, J., Wang, Y., Laridi, S., Urdich, J., Wilmsmeier, S. & Palmer, G. Identifying cause-andeffect relationships of manufacturing errors using sequence-to-sequence learning. Scientific Reports 12, 22332. doi: 10.1038/s41598-022-26534-y (2022).
- Pearl, J. Causal Inference in Proceedings of Workshop on Causality: Objectives and Assessment at NIPS 2008 (eds Guyon, I., Janzing, D. & Schölkopf, B.) 6 (PMLR, Whistler, Canada, Dec. 2010), 39-58.
- Pearl, J. The mathematics of causal inference in Joint Statistical Meetings Proceedings. ASA (2013), 2515-2529.
- Yao, L., Chu, Z., Li, S., Li, Y., Gao, J. & Zhang, A. A Survey on Causal Inference. ACM Transactions on Knowledge Discovery from Data 15, 1-46. doi: 10.1145/3444944 (2021).
- Höfler, M. Causal inference based on counterfactuals. BMC Medical Research Methodology 5, 1- 28. doi: 10.1186/1471-2288-5-28 (2005).
- Richens, J. G., Lee, C. M. & Johri, S. Improving the accuracy of medical diagnosis with causal machine learning. Nature Communications 11, 3923. doi: 10.1038/s41467-020-17419-7 (2020).
- Grusho, A. A., Grusho, N. A. & Timonina, E. E. Root Cause Anomaly Localization [Lokalizatsiya iskhodnoy prichiny anomalii]. Information Security Problems. Computer Systems. in Russian, 9- 16 (2020).
- Smirnov, D. V. Methodology of problem-oriented Big Data analysis in limited time mode [Metodika problemno-orientirovannogo analiza Big Data v rezhime ogranichennogo vremeni]. International Journal of Open Information Technologies 9. in Russian, 88-94 (2021).
- Grusho, A., Grusho, N., Zabezhailo, M. & Timonina, E. Evaluation of Trust in ComputerComputed Results in Distributed Computer and Communication Network (eds Vishnevskiy, V. M., Samouylov, K. E. & Kozyrev, D. V.) (Springer International Publishing, Cham, 2022), 420-432. doi: 10.1007/978-3-030-97110-6_33.
- Guyatt, G. etal. Evidence-Based Medicine: A New Approach toTeaching the Practice of Medicine. JAMA 268, 2420-2425. doi: 10.1001/jama.1992.03490170092032 (Nov. 1992).
- Shiryaev, A. N. Probability [Veroyatnost’] in Russian. 521 pp. (MTsNMO, Moscow, 2004).
- Grusho, A., Grusho, N. & Timonina, E. Method of Several Information Spaces for Identification of Anomalies in Intelligent Distributed Computing XIII (eds Kotenko, I., Badica, C., Desnitsky, V., El Baz, D. & Ivanovic, M.) (Springer International Publishing, Cham, 2020), 515-520. doi:10. 1007/978-3-030-32258-8_60.
