Analyse de l'échec de la découverte causale bayésienne sous confusion latente dans les réseaux gaussiens linéaires

Cette étude analyse le comportement de l'infériorité a posteriori dans la découverte causale bayésienne lorsque des confondants latents sont présents dans les modèles gaussiens linéaires, en se concentrant spécifiquement sur la confusion additive entre deux variables observées.

• Les auteurs dérivent un seuil critique de corrélation au-delà duquel la fonction de score favorise les graphes contenant une arête spurieue entre les variables confondues.
• Ce seuil diminue à mesure que la taille de l'échantillon augmente, ce qui signifie qu'une plus grande quantité de données réduit la corrélation requise pour que l'arête spurieue soit favorisée.
• Au-delà de ce seuil, le posterior présente deux régimes d'échec distincts déterminés par la structure locale autour des variables confondues.
• Ces résultats sont étayés par des calculs exacts du posterior sur plusieurs structures de graphes, confirmant les régimes d'échec prédits.