Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Dokumenttyp:
Masterarbeit
Autor(en):
Daniela Schkoda
Titel:
Goodness-of-fit tests for non-Gaussian linear causal models
Abstract:
Inferring causal relationships between variables solely from observational data is a central question in many scientific fields. Various algorithms have been developed to tackle this problem by leveraging different types of a priori assumptions. One prominent example is the assumption that the joint distribution of the observed variables follows a linear non-Gaussian structural equation model. In this thesis, we derive a characterization of this linearity assumption. Specifically, the assumptio...     »
übersetzter Abstract:
Das Rückschließen auf kausale Zusammenhänge zwischen Variablen nur auf Grundlage von Beobachtungsdaten ist ein zentrales Problem in vielen wissenschaftlichen Bereichen. Es wurden zahlreiche Algorithmen für diese Aufgabe entwickelt, die von verschiedenen zugrundeliegende Annahmen Gebrauch machen. Ein prominentes Beispiel ist die Annahme, dass die gemeinsame Verteilung der beobachteten Variablen einem linearen nicht-gaußschen Strukturgleichungsmodell folgt. In dieser Arbeit zeigen wir eine Charak...     »
Fachgebiet:
MAT Mathematik
DDC:
510 Mathematik
Aufgabensteller:
Mathias Drton
Betreuer:
Mathias Drton
Jahr:
2022
Quartal:
4. Quartal
Jahr / Monat:
2022-10
Monat:
Oct
Seiten/Umfang:
65
Sprache:
en
Hochschule / Universität:
Technische Universität München
Fakultät:
TUM School of Computation, Information and Technology
TUM Einrichtung:
Lehrstuhl für Mathematische Statistik
Format:
Text
Annahmedatum:
31.10.2022
 BibTeX