Estimativa de distribuições intervetionais conjuntas a partir de dados intervetionais marginais

Neste artigo, mostramos como explorar dados intervetionais para adquirir a distribuição condicional conjunta de todas as variáveis usando o princípio da Máxima Entropia. Para isso, estendemos o método da Máxima Entropia Causal para fazer uso de dados intervetionais além dos dados observacionais. Usando a dualidade de Lagrange, provamos que a solução para o problema da Máxima Entropia Causal com restrições intervetionais reside na família exponencial, assim como na solução da Máxima Entropia. Nosso método nos permite realizar duas tarefas de interesse quando distribuições intervetionais marginais são fornecidas para qualquer subconjunto das variáveis. Primeiro, mostramos como realizar seleção causal de características a partir de uma mistura de dados observacionais e dados intervetionais de uma única variável, e, em segundo lugar, como inferir distribuições intervetionais conjuntas. Para a primeira tarefa, mostramos com dados gerados sinteticamente que nosso método proposto supera o método de estado da arte na fusão de conjuntos de dados, e produz resultados comparáveis ao teste KCI, que requer acesso a observações conjuntas de todas as variáveis.