Identifikation bedingter interventioneller Verteilungen

Gegenstand dieses Papiers ist die Aufklärung der Auswirkungen von Handlungen aus kausalen Annahmen, die als gerichteter Graph dargestellt sind, und statistischem Wissen, das als Wahrscheinlichkeitsverteilung gegeben ist. Insbesondere interessieren wir uns dafür, bedingte Verteilungen vorherzusagen, die sich aus der Durchführung einer Handlung an einer Menge von Variablen ergeben und anschließend Messungen einer anderen Menge vorgenommen werden. Wir bieten eine notwendige und hinreichende grafische Bedingung für die Fälle, in denen solche Verteilungen eindeutig aus den verfügbaren Informationen berechnet werden können, sowie einen Algorithmus, der diese Berechnung durchführt, wann immer die Bedingung erfüllt ist. Darüber hinaus verwenden wir unsere Ergebnisse, um die Vollständigkeit des do-calculus von Pearl, 1995, für dasselbe Identifikationsproblem zu beweisen.