Grafos Causales

Grafos Causales

“Correlation is not causation but it sure is a hint.” — Edward Tufte

Hasta ahora hemos aprendido a representar distribuciones de probabilidad con grafos dirigidos y a calcular consultas probabilísticas. Pero hay una pregunta que la probabilidad sola no puede responder: ¿qué pasaría si intervenimos?

La pregunta central de este módulo es: ¿cuál es la diferencia entre observar que algo ocurre y hacer que ocurra?

Contenido

Sección Tema Idea clave
11.1 Estructuras Causales Las tres estructuras (fork, chain, collider) y la paradoja de Simpson
11.2 Causalidad y el Operador do Intervenciones, cirugía de grafos, fórmula de ajuste y RCTs

Objetivos de aprendizaje

Al terminar este módulo podrás:

  1. Distinguir entre correlación y causalidad usando grafos dirigidos
  2. Identificar las tres estructuras causales fundamentales (fork, chain, collider) y su efecto sobre las correlaciones observadas
  3. Explicar la paradoja de Simpson y resolverla con razonamiento causal
  4. Diferenciar entre observar $P(Y \mid X)$ e intervenir $P(Y \mid do(X))$
  5. Aplicar la cirugía de grafos y la fórmula de ajuste para calcular efectos causales
  6. Describir por qué los experimentos aleatorizados (RCTs) eliminan el sesgo de confusión

Prerrequisitos

Este módulo asume que ya conoces:

Concepto Módulo
Probabilidad condicional $P(A \mid B)$ 05 — Probabilidad
Teorema de Bayes 05 — Probabilidad
Regla del producto y de la suma 05 — Probabilidad

Mapa Conceptual

"¿Correlación o causalidad?"
         │
         │ "Necesitamos un lenguaje formal"
         │
    ┌────▼──────────────────┐
    │  GRAFOS CAUSALES      │ ← Nodos = variables
    │  (DAGs)               │ ← Flechas = causa directa
    └────┬──────────────────┘
         │
    ┌────▼──────────────────┐
    │  TRES ESTRUCTURAS     │
    │  ├─ Fork (confounding)│ ← Causa común crea correlación espuria
    │  ├─ Chain (mediación) │ ← Causa indirecta a través de un mediador
    │  └─ Collider (sesgo)  │ ← Condicionar crea correlación falsa
    └────┬──────────────────┘
         │
         │ "Observar ≠ Intervenir"
         │
    ┌────▼──────────────────┐
    │  OPERADOR do()        │
    │  ├─ Cirugía de grafos │ ← Cortar flechas entrantes
    │  └─ Fórmula de ajuste │ ← P(Y|do(X)) con datos observacionales
    └────┬──────────────────┘
         │
    ┌────▼──────────────────┐
    │  RCT                  │ ← La aleatorización implementa
    │  (Experimento         │    cirugía de grafos físicamente
    │   aleatorizado)       │
    └───────────────────────┘

Siguiente: Estructuras Causales →