条件付独立：共通の原因と複数の結果

2002 年から 2007 年にかけて，台湾では 20 回のスロー地震（身体では感知されないような微弱な滑り現象）が確認されました。

ある研究者チームは，興味深いことに，これらスロー地震の発生が台風の到来と期を同じくしているということに気が付きました。

20 回のうち実に11 回が，台風の通過時あるいはその直後に生じていたのです。

計算によれば，両者が独立に生じた場合にこうした相関が得られる確率は極めて低くなります。

ここから研究者たちは，スロー地震と台風は共通の原因，すなわち気圧の低下によって生じていると結論しました。

このような推論は，因果と確率の間の関係性についての一般的な理解に基いています。

ある事象 A と B に共通の原因 C が存在するとき，A と B は確率的に相関するといいます。

しかしこの相関は，共通原因である C を観察することによって解消されます。あるいは，C は A から B をスクリーン・オフする）。

例えば，気圧という共通原因を考えることによって，台風（気圧低下に伴う暴風雨）とスロー地震の間の不可解な相関は解消されます。

このことを A と B は C の下で条件付独立になるといいます。

つまり，ある共通の原因から生じる複数の結果は，その原因の下で互いに条件付独立となります。

原因によって条件付独立となるのは，結果同士の間だけではありません。

今仮に，発達性低気圧は亜熱帯地方における海水温の上昇によって生じるとしましょう。

すると私たちは，海水温上昇が低気圧を引き起こし，これがスロー地震を引き起こすことで，海水温上昇とスロー地震の間に一定の相関が生じると期待するでしょう。

しかしここでも，もし一旦気圧の状態を知ってしまえば，亜熱帯で海水温が上昇したか否かはスロー地震の予測には無関係となります。

つまり事象とその間接原因の間の従属関係は，事象の直接原因の下で条件付独立となります。

このように，因果と確率の間にはある種の普遍的関係がありそうです。

因果命題の確率論的評価

ではこのような関係を手がかりに，因果命題を確率論的に評価できないでしょうか。

一般にベイジアンネットワークあるいはベイズネットとして知られる統計的因果推論の手法は，因果的マルコフ条件という因果と確率の間の関係性を利用することで，この課題に答えることを目的としています。

ChatGPTに聞いてみた

プロンプト

あなたは最高のデータサイエンティストです。
ベイジアンネットワークについて解説してください。
#制約条件：
サルでもわかる平易な日本語で
文字数は300字程度

ChatGPTの回答

ベイジアンネットワークは、事象の間の因果関係を表すためのモデルです。簡単に言うと、ある事象が起きる確率が、他の事象が起きたかどうかによってどう変わるかを示す地図のようなものです。例えば、「雨が降る」と「傘を持って行く」の関係を考えてみましょう。雨が降ると傘を持って行く確率が高くなりますよね。ベイジアンネットワークでは、このような関係を矢印で結んで、雨が降る（原因）と傘を持って行く（結果）の関係を表します。このネットワークは、複雑な関係を持つ多くの事象の間で、どのように影響が及ぼされるかを理解するのに役立ちます。特に、医療での病気の診断や、気象予報などでよく使われています。ベイジアンネットワークの特徴は、新しい情報が得られたときに、それまでの確信（信念）を更新することができる点です。例えば、外が曇っていると知ったら、雨が降る確率を上げることができます。このように、ベイジアンネットワークは、情報が更新されるたびに、事象の確率を柔軟に変更できる強力なツールです。