Resumen: Introducimos a Cifly, un marco para primitivas algorítmicas eficientes en la inferencia causal gráfica que aísla la accesibilidad como una operación de núcleo reutilizable. Se basa en la idea de que muchas tareas de razonamiento causal pueden reducirse a la accesibilidad en los gráficos de espacio de estado especialmente diseñados que se pueden construir sobre la marcha durante el recorrido. Formalizamos un esquema de la tabla de reglas para especificar tales algoritmos y demostramos que se ejecutan en tiempo lineal. Establecemos cifly como una alternativa más eficiente a la moralización de primitivas comunes y la proyección latente, que mostramos son computacionalmente equivalentes a la multiplicación de la matriz booleana. Nuestros archivos de texto de la tabla de reglas de implementación de óxido de origen abierto y ejecutan los algoritmos Cifly Cifly que proporcionan una ejecución de alto rendimiento accesible desde Python y R. Demostramos la utilidad de Cificly al reimplementar una gama de tareas de inferencia causales establecidas dentro del marco y desarrollar nuevos algoritmos para las variables instrumentales. Estas contribuciones se posicionan como una columna vertebral flexible y escalable para la inferencia causal gráfica, guiando el desarrollo del algoritmos y permitiendo una implementación fácil y eficiente.
Publicado Originalme en export.arxiv.org El 22 de junio de 2025.
Ver Fuente Original
