想象你是一位穿越到千年前的考古学家，被交托复原“羽族”王国的完整王室家谱。手头只有三样东西：一卷被虫蛀掉一半的老族谱残页、一地散落的碑文拓片，以及一位年迈史官的口述。你要做的，不是简单罗列人名（变量），而是把“谁是谁的先祖”这种因果血缘关系（有向边）梳理成一张无懈可击的世系图——它必须满足一条铁律：血缘只能向下传递，绝不能出现“某人是自己祖先”的循环矛盾。这张世系图，就是因果推断领域的主角——有向无环图（DAG）。而“如何从残卷、碑文和口述中拼出这张图”，正是文章要讲透的 DAG 构建方法：从领域专家知识出发、从观测数据中挖掘、把两种线索混合校验，再通过不断迭代细化，最终得到一张能支撑因果效应估计的可靠图谱。

岗位关联

对 AI 从业者而言，DAG 构建是从“发现相关”走向“证明因果”的关键技能，也是做医学研究、政策评估、反事实推理时最基础的一步。学会它，你的模型就多了一双看穿混杂与因果的“透视眼”。

目录
  1. 可视化演示
  2. 构建目标
  3. 专家知识
  4. 数据驱动
  5. 混合策略
  6. 迭代细化
  7. 质量评估
  8. 应用前沿
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示有向无环图DAG的构建流程、三种因果发现算法(PC/GES/LiNGAM)对比、以及DAG验证与迭代优化过程，交互切换三种模式探索因果图构建原理。

本节配有交互动效（进入视口后自动加载，约 3KB）。

'+CAPS.mode1+'

构建目标

考古队为什么要费尽心力复原羽族家谱？因为只有掌握了完整世系，才能回答“若当年太子未早逝，王位会传给谁”这种反事实问题。AI 构建 DAG 的动机同样如此——空有一堆观测数据，你只能回答“这两件事经常一起发生”（相关）；而一张因果图能让模型回答“如果我强行改变 X，Y 会变成多少”（干预）。所以构建 DAG 的第一目标，就是把变量间“因→果”的依赖结构准确画出来，为后续效应估计铺路。

从家谱过渡到技术语言：DAG 的节点是随机变量（家族成员），有向边表示直接因果依赖（血缘传递），且不允许有向环（血缘倒流）。当我们拿到这样一张图，就能用贝叶斯网络的链式法则，把原本指数级复杂的联合分布拆解成一组局部条件概率，大幅降低建模难度。这正是构建 DAG 带来的数学红利：一张好图 = 一份可解释、可计算的压缩家谱。

拼接完的“关系表”就是因果蓝图。你会发现，想要回答干预性问题，根本绕不开这张图——这就是构建 DAG 的首要意义。

P(X1,X2,…,Xn)=∏i=1nP(Xi∣Pa(Xi))P(X_1, X_2, \ldots, X_n) = \prod_{i=1}^{n} P(X_i \mid Pa(X_i))
整张联合分布被拆成“每个成员只依赖自己直接祖先”的一系列小条件概率，相乘即得全局概率。
  1. 联合概率$P(X_1, X_2, \ldots, X_n)$ 表示 n 个变量同时取某组值的概率，如同“全家福合影时每个人都在场”的组合概率。
    P(X1,X2,…,Xn)P(X_1, X_2, \ldots, X_n)
  2. 乘积符号$\prod_{i=1}^{n}$ 把 n 项条件概率连乘，对应把家谱各分支逐块拼接成完整族史。
    ∏i=1n\prod_{i=1}^{n}
  3. 条件概率$P(X_i \mid Pa(X_i))$ 读作“给定父节点后 Xi 的概率”，$Pa(X_i)$ 是 Xi 的直接原因集合，即名单上“直接血缘长辈”。
    P(Xi∣Pa(Xi))P(X_i \mid Pa(X_i))

专家知识

老族谱残卷虽然残缺，但上面有几条铁律写得清清楚楚：“王位必传长子”“王室不与外族通婚”。这些来自史官世代积累的领域规则，能立刻排除大量不合理的分支。在 DAG 构建中，专家知识承担同样的角色：医学专家知道“吸烟先于肺癌”，经济学家知道“制度变革先于 GDP 变化”。把这些约束编码成结构先验，能极大缩小搜索空间。

最典型的一类专家约束是时间先后——原因绝不可能晚于结果。若变量 i 的发生时间必然早于变量 j，那么边 $X_j \to X_i$ 就是被禁止的。这类约束如同一张“出生日期的非对称表”：爷爷的出生日期不可能晚于爸爸，那么箭头只能从早指向晚。把所有违反时间序的候选边剔除后，图的可选范围立刻小了一半以上。

老族谱虽不能覆盖全部真相，但每条铁律都能斩断一批错误分支。专家知识的意义，正是给数据驱动的搜索装上“方向导航仪”。

T(Xj)≤T(Xi)  ⇒  禁止边 Xi→XjT(X_j) \le T(X_i) \;\Rightarrow\; \text{禁止边 } X_i \to X_j
如果变量 j 的时间不可能早于 i，那么从 i 指向 j 的边会被直接否决——就像不允许画“儿子生出父亲”。
  1. 时间标识$T(X_i)$ 表示变量 i 的发生或观测时间点，类似出生证上的年份。
    T(Xj)≤T(Xi)T(X_j) \le T(X_i)
  2. 禁止边符号$\text{禁止边 } X_i \to X_j$ 表示在候选图中删除这条边，原因是指向过去的方向违反物理直觉。
    禁止边 Xi→Xj\text{禁止边 } X_i \to X_j
  3. 整体效果约束把“谁是祖先”的问题从双向可能压缩为单向，等价于老族谱直接告诉你某个支线的上下代顺序。
    ⇒\Rightarrow

数据驱动

碑文与朝贡记录记载了大量“谁与谁常同席”“谁向谁进贡”的观测事实，但考古学家深知：常同席未必是亲属——可能只是同乡。对应到数据驱动的 DAG 构建，核心挑战就是把“表面相关”与“真实因果”区分开。为此我们引入条件独立性：若控制住潜在共同原因 Z 之后，X 与 Y 的相关性消失，则说明 X 与 Y 之间不存在直接因果边。

条件独立性检验落地到连续数据上，常用偏相关：先剔除 Z 对 X 和 Y 的线性影响，再看剩余残差的相关性。而离散数据则用 G² 统计量比较“观测频数”与“期望频数”的偏离程度。PC 算法就是沿着这个思路，从一张完全图出发，对每一对变量做条件独立检验，不显著的边直接删除，仅留下真正的因果骨架。

碑文本身不会直接写“谁是谁的父亲”，可当大量条件检验交叉印证后，假血缘被一点点剔除，真实骨架自然浮现——这就是数据驱动路径的威力。

ρXY⋅Z≈0  ⇔  X⊥Y∣Z\rho_{XY \cdot Z} \approx 0 \;\Leftrightarrow\; X \perp Y \mid Z
G2=2∑i,j,kOijkln⁡OijkEijkG^2 = 2 \sum_{i,j,k} O_{ijk} \ln\frac{O_{ijk}}{E_{ijk}}
控制住共同熟人后，两人若再无明显交集，就判定他们没有直接血缘——这就是条件独立检验在“拆穿假关联”时的核心逻辑。
  1. 偏相关$\rho_{XY \cdot Z}$ 指剔除 Z 的影响后 X 与 Y 的相关系数，约等于 0 代表条件独立。
    ρXY⋅Z≈0\rho_{XY \cdot Z} \approx 0
  2. 独立性符号$X \perp Y \mid Z$ 读作“给定 Z 时 X 与 Y 独立”，是删边的直接依据。
    ⇔  X⊥Y∣Z\Leftrightarrow\; X \perp Y \mid Z
  3. 观测频数$O_{ijk}$ 是实际数据中 (Xi, Yj, Zk) 组合出现的次数，相当于碑文里“三家聚会同时出现的记录数”。
    OijkO_{ijk}
  4. 期望频数$E_{ijk}$ 是假设 X 与 Y 独立时理论上应出现的次数；两者偏差越大，越不支持独立，边越该保留。
    ln⁡OijkEijk\ln\frac{O_{ijk}}{E_{ijk}}

混合策略

单靠老族谱，可能漏掉碑文里才有的远亲支线；单靠碑文，又会在几个方向难分难解时卡壳。聪明的考古学家把两路线索合并使用：先用专家先验锁定一批确定的方向，再用数据检验去增删边、修正结构。这就是 DAG 构建的混合策略，也是工业界最常用的做法。

为了让“修正”有据可依，我们需要一个统一的质量标尺：BIC 得分。它同时衡量两件事——图解释数据的能力（对数似然项）以及图的复杂度（参数惩罚项）。似然越高说明图越能讲圆整个故事的来龙去脉，但参数越多也意味着模型越臃肿、越容易过拟合。BIC 在两者间取平衡，得分更高的图胜出。

混合策略的精髓就在于此：老族谱给出“应该往哪想”的方向，碑文数据决定“是否真如此”。双重考证得到的图，远比单一来源可靠。

BIC(G∣D)=ln⁡L(D∣G)−d2ln⁡N\mathrm{BIC}(G \mid D) = \ln L(D \mid G) - \frac{d}{2}\ln N
BIC 像一位严格的评审：既看族谱能否解释全部碑文（拟合），又罚那些为了凑数硬加远亲的复杂图（复杂度）。
  1. 对数似然$\ln L(D \mid G)$ 表示给定图 G 时观测数据 D 出现的对数概率，数值越大说明图对数据的解释力越强。
    ln⁡L(D∣G)\ln L(D \mid G)
  2. 惩罚项$\frac{d}{2}\ln N$ 中，d 是图中自由参数个数（边界数相关），N 是样本量；样本越多，越警惕复杂度虚高。
    d2ln⁡N\frac{d}{2}\ln N
  3. 减法结构整体是“拟合 − 惩罚”，防止模型为了讨好数据而过度生长出无意义的关系边。
    BIC=拟合−复杂度惩罚\mathrm{BIC} = \text{拟合} - \text{复杂度惩罚}

迭代细化

初版族谱拼完后，考古学家突然发现一条荒唐的矛盾链：某支系的 A 被列为 B 的先祖，B 又被列为 C 的先祖，而 C 的碑文铭刻却早于 A——“先祖”怎么可能晚于“后代”出生？这对应 DAG 构建中的有向环，是必须消灭的结构错误。消除环的过程，往往需要回溯修改某几条边的方向或增删边，这就是迭代细化。

但迭代中还会遇到一个更微妙的问题：有些图的数据解释力完全相同，方向却不同。比如链式结构 $X \to Y \to Z$ 与 $X \leftarrow Y \leftarrow Z$ 属于同一马尔可夫等价类，数据无法区分谁先谁后。唯一能被观测数据识别的方向结构是 V 型结构（汇合结构）——两个节点共同指向同一子节点，这个“交汇点”自带方向信息。利用 V 型结构可以对部分边定向，剩余边再请专家知识或干预实验裁决。

家谱不是一次成型，画完要核，核出矛盾就回头改。迭代细化正是这个“发现矛盾 → 回溯修正 → 重新验证”的循环，直到图中再无可疑环或冲突边。

X→Z←Y为V型结构，方向可识别X \to Z \leftarrow Y \quad \text{为V型结构，方向可识别}
X→Y→Z  ∼  X←Y←ZX \to Y \to Z \;\sim\; X \leftarrow Y \leftarrow Z
两位家长共同指向一个孩子，这种“双箭头交汇”的结构是数据能自己说出方向的少数例外；而直链式关系，数据只能干瞪眼。
  1. V 型结构$X \to Z \leftarrow Y$ 中 Z 有两个父节点，无向图中唯一的“碰撞点”，它暴露了方向信息。
    X→Z←YX \to Z \leftarrow Y
  2. 等价关系$\sim$ 表示两种有向图对所有观测数据给出相同概率，统计上不可区分。
    X→Y→Z  ∼  X←Y←ZX \to Y \to Z \;\sim\; X \leftarrow Y \leftarrow Z
  3. 可识别性V 型结构是打破等价类僵局的关键，配合专家约束或实验才能完成全部定向。
    方向可识别\text{方向可识别}

质量评估

定稿的家谱要接受终极检验：能否回答“若当年取消公主联姻，两国邦交会怎样”。在 DAG 构建中，这对应因果效应估计——图建得好不好，要看它能否支撑可信的干预推理。其中最重要的工具是 do 算子与后门调整。当我们想估计“强制所有家庭实施 X”的效应时，不能直接比较观察数据中 X 的取值差异，因为混杂因素会污染因果信号。正确做法是控制 X 的父节点集合，把混杂路径“封死”。

后门调整公式的直观含义：把干预组按父节点的分布加权平均，模拟“在每种背景条件下都推行 X”再对比结果。如果构建的 DAG 漏掉了关键父节点（比如遗漏了“王太后”这个隐藏决策者），调整就会失效，效应估计将产生严重偏差。因此，质量评估的核心就是检查父节点集合是否完备、调整公式是否成立。

一幅合格的因果图，必须让后门调整公式成立：控制父节点后，干预效应与观察关联之间的鸿沟被真正填平。这也是检验 DAG 构建质量最硬核的试金石。

P(y∣do(x))=∑zP(y∣x,z)P(z),z∈Pa(X)P(y \mid do(x)) = \sum_{z} P(y \mid x, z) P(z), \quad z \in Pa(X)
强行让所有家族都采用 X 策略后，Y 的发生概率等于“按父节点分布加权”后的条件概率平均——这就是从观察走向干预的桥。
  1. do 算子$do(x)$ 表示人为干预使 X 取值为 x，与普通“看见 X=x”有本质区别。
    P(y∣do(x))P(y \mid do(x))
  2. 求和符号$\sum_{z}$ 对 X 的所有父节点组合 z 求和，相当于把每个家族分支的情况都纳入核算。
    ∑z\sum_{z}
  3. 父节点集合$z \in Pa(X)$ 指明调整对象是 X 的直接原因，控制它们即可阻断所有后门混杂路径。
    P(y∣x,z)P(z)P(y \mid x, z) P(z)

应用前沿

当年史官编完国史，最终要服务于现实决策；今天 DAG 构建方法也走出了象牙塔，在多个领域开花结果。在医学研究中，研究者从海量电子病历里构建“疾病—症状—用药”的因果网络，用于估计某类药物对并发症的真实效应；在社会科学中，学者用制度变量与调查数据搭建政策因果图，评估“最低工资上调是否真能改善就业”。因果图的加入，让这些领域从“找关联”升级为“证因果”。

这些应用共享一个数学内核：因果效应可以表达为干预分布之差。以平均处理效应（ATE）为例，它比较“全员干预”与“全员不干预”两种理想世界的期望差异。基于 DAG 的后门调整或前门准则，正是把这种理想差异转化为可计算公式的方法论桥梁。

从考古拼家谱，到用家谱做“改写命运”的推演，DAG 构建方法贯穿了因果推断的始终——而它的故事，才刚刚翻开新篇章。

ATE=E[Y∣do(X=1)]−E[Y∣do(X=0)]ATE = \mathbb{E}[Y \mid do(X=1)] - \mathbb{E}[Y \mid do(X=0)]
平均处理效应就是“平行宇宙对比实验”：一边全体吃药，一边全体吃安慰剂，看结果期望相差多少。
  1. 数学期望$\mathbb{E}[\cdot]$ 表示对目标人群取平均，把每个个体的可能结果汇总成群体层面的数值。
    E[Y∣do(X=1)]\mathbb{E}[Y \mid do(X=1)]
  2. 干预变量$do(X=1)$ 与 $do(X=0)$ 分别表示干预组和对照组，是“想象出来的平行世界”。
    do(X=1),do(X=0)do(X=1), \quad do(X=0)
  3. 做差前后两项相减，得到纯粹由干预带来的平均因果效应，混杂因素在两边的抵消中被消除。
    E[Y∣do(X=1)]−E[Y∣do(X=0)]\mathbb{E}[Y \mid do(X=1)] - \mathbb{E}[Y \mid do(X=0)]

AI 应用场景

临床因果网络构建

阶段：因果结构学习

解决的问题：电子病历中变量成百上千，且混杂严重。传统统计只能发现“血压药与心梗相关”，无法判断到底是药物起效，还是服药者本身更关注健康导致结果更好。利用 DAG 构建方法（专家约束 + PC 算法 + BIC 筛选），可以从病历中学习出“高血压—用药—心梗”的局部因果图，为效应估计提供结构基础。

具体案例：某三甲医院分析近十年十万份病历，构建“血压—血脂—心衰—心梗”DAG。条件独立检验发现“血脂”只是中间节点而非直接父节点，后门调整后重新估计某类降压药的心梗风险，发现其在心衰亚组中风险显著上升，及时修正了用药建议。

政策评估中的因果图建模

阶段：因果效应估计

解决的问题：评估“贫困补助金是否提升就业率”。直接比较补助与未补助人群，会被家庭背景、教育水平等混杂因素扭曲。研究者先用领域专家知识确定时间序约束（补助金发放必然先于就业状态变化），再用观测数据学习 DAG，识别补助金的父节点集合。

具体案例：省级社保部门借助 DAG 构建方法梳理“教育—家庭财富—补助—就业”因果链，通过后门调整剥离家庭财富的混杂路径。结果显示，补助金对长期就业的 ATE 为 +3.2%，但仅对低学历人群显著——这一结论直接影响了第二年补助金的精准发放策略。

Python 演示

python58 行
import numpy as npfrom scipy import statsfrom scipy.stats import pearsonr rng = np.random.default_rng(42)n = 2000 # 1. 模拟真实 DAG: X0->X1->X2, X0->X3->X4, X1->X4X0 = rng.normal(size=n)X1 = 0.8 * X0 + rng.normal(size=n) * 0.6X2 = 0.7 * X1 + rng.normal(size=n) * 0.6X3 = 0.9 * X0 + rng.normal(size=n) * 0.4X4 = 0.6 * X1 + 0.5 * X3 + rng.normal(size=n) * 0.5data = np.vstack([X0, X1, X2, X3, X4]).Tnames = ["X0", "X1", "X2", "X3", "X4"] def partial_corr(data, i, j, k=None):    Xi = data[:, i]    Yj = data[:, j]    if k is None:        return pearsonr(Xi, Yj)[0]    Zk = data[:, k]    Xi_r = Xi - np.polyval(np.polyfit(Zk, Xi, 1), Zk)    Yj_r = Yj - np.polyval(np.polyfit(Zk, Yj, 1), Zk)    return pearsonr(Xi_r, Yj_r)[0] def pvalue_from_r(r, df):    t = r * np.sqrt(df / (1 - r * r))    return 2 * (1 - stats.t.cdf(abs(t), df)) # 2. 数据驱动：从完全图出发做条件独立检验删边p_thresh = 0.05keep = []for i in range(5):    for j in range(i + 1, 5):        r0 = partial_corr(data, i, j)        p_max = pvalue_from_r(r0, n - 2)        for k in range(5):            if k == i or k == j:                continue            rk = partial_corr(data, i, j, k)            pk = pvalue_from_r(rk, n - 3)            p_max = max(p_max, pk)        if p_max < p_thresh:            keep.append((i, j)) # 3. 专家知识：用时间序锁定方向（X0最早，X4最晚）time_order = {"X0": 0, "X1": 1, "X2": 2, "X3": 1, "X4": 3}edges = []for i, j in keep:    a, b = (names[i], names[j])    if time_order[a] > time_order[b]:        a, b = b, a    edges.append((a, b)) print("DAG 有向边（父 -> 子）：")for a, b in sorted(edges):    print("  %s -> %s" % (a, b))
目的：演示混合策略构建 DAG——先用数据驱动的条件独立性检验删掉假相关边得到骨架，再用专家知识的时间先后约束为每条边定向，最终输出完整有向无环图。
  1. data = np.vstack([X0, X1, X2, X3, X4]).T把五个模拟变量拼成样本×特征的数据矩阵，模拟考古现场的“碑文观测记录”。
  2. def partial_corr(data, i, j, k=None)定义偏相关函数：控制变量 k 后，计算 i 与 j 的剩余相关性。这是条件独立检验的核心工具。
  3. Xi_r = Xi - np.polyval(np.polyfit(Zk, Xi, 1), Zk)先用一次回归把 Zk 对 Xi 的线性影响“剥离”掉，残差就是剔除混杂后的纯信号。相当于从聚会名单中划掉所有共同熟人的关联。
  4. p_max = max(p_max, pk)对每一对变量取所有“给定第三变量的条件检验”中最大的 p 值。只有最坏情况下依然显著，边才敢保留。
  5. if p_max < p_thresh: keep.append((i, j))条件独立检验不显著就删边，对应 PC 算法的核心删边逻辑。
  6. time_order = {"X0": 0, "X1": 1, ...}用专家知识为每个变量标注时间戳，这是最可靠的定边依据：原因永远早于结果。
  7. if time_order[a] > time_order[b]: a, b = b, a把边统一调整为“早→晚”方向，相当于老族谱规定箭头只能从祖先指向后代。

常见误区

误区“X 和 Y 的相关系数高达 0.8，肯定有因果关系！直接画一条 X→Y 的边就行，方向凭直觉或看谁先说话。”

正解高度相关完全可能是共同原因造成的假关联——就像“常同席”的两人其实只是同乡，并非亲属。正确的做法是条件独立检验：控制潜在混杂变量后，若相关性消失，这条边就不该存在。方向更不能靠直觉，要用时间约束、V 型结构或实验来确定。

为何常见：人脑天然擅长从共现中联想因果，相关性又极易计算，于是“相关即因果”成为最自然的思维捷径。

误区“能知道哪些变量有关系就够了，箭头朝哪边无所谓，反正后面预测时也用不上方向。”

正解方向是因果效应估计的命根子。同样一条边，X→Y 表示“干预 X 可影响 Y”，Y→X 则完全相反。后门调整、do 算子都需要精确知道父节点是谁。方向搞反，效应估计就会彻底失真，就像把“儿子生出父亲”写进族谱。

为何常见：许多机器学习任务只关心预测准确率，而预测模型天然对方向不敏感，导致从业者低估了定向的重要性。

误区“领域专家说 A 导致 B，那就直接把这个边画死，不用再看数据了，专家不可能错。”

正解专家知识是宝贵先验，但不是免检金牌。专家的判断可能基于旧理论、小样本经验或特定环境。正确的混合策略是把专家约束作为“候选方向”和“硬性逻辑禁区”，仍要用数据去验证边的存在与强度，发现冲突时回溯修正，而非盲从。

为何常见：专家权威和“先验=真理”的思维惯性，让人潜意识里省略了数据校验这一步。

误区“图构建完了，跑一次结果出来就万事大吉，以后所有分析都直接用这张图，不用再管它。”

正解真实世界的数据会漂移、样本会更新、变量集合会扩充。初始图可能漏边、多边或方向存疑，需要周期性用新数据重新做条件独立检验、BIC 比较和环检测。迭代细化不是可选项，而是保证因果图长期可靠的必修课。

为何常见：构建过程的“完成感”让人误以为产物是终稿，忽略了因果结构本身也会随环境变化这一事实。

面试题

Q1. DAG 中“有向无环”的含义是什么？

单选题 · easy

  • A.每条边有方向，允许存在有向环
  • B.每条边有方向，图中不存在任何有向环路← 正确答案
  • C.所有节点方向一致，无任何逆向边
  • D.每条边没有方向，整体呈树状结构

答案：B。DAG 的两个核心约束是“有方向”和“无环”。方向表示因果指向，无环保证血缘不会倒流成“自己生自己”的逻辑矛盾。A 允许环错误，C 和 D 分别把方向约束和树形结构混淆了，均不正确。

Q2. 贝叶斯网络联合分布分解的核心思想是什么？

单选题 · easy

  • A.将所有变量视为相互独立直接相乘
  • B.用条件概率表示每个变量对其父节点的依赖← 正确答案
  • C.用相关系数矩阵替代概率分布
  • D.强制所有变量服从同一高斯分布

答案：B。链式法则 P(X₁..Xₙ)=∏P(Xᵢ|Pa(Xᵢ)) 的关键是“每个变量只依赖自己的直接父节点”。A 是全独立假设，C 和 D 与贝叶斯网络的定义无关，只有 B 准确描述了分解结构。

Q3. 专家知识可以提供哪些类型的结构约束？

多选题 · mid

  • A.变量的时间先后顺序← 正确答案
  • B.因果方向的硬性偏好← 正确答案
  • C.某些边的逻辑存在与否← 正确答案
  • D.每个变量的全部观测数值

答案：ABC。专家先验能给出时间序（A）、方向的强偏好（B）以及边存在性的领域判断（C）。但观测值数据是数据驱动路径的输入，不属于专家知识能凭空给出的内容，故 D 错误。

Q4. 条件独立性 X⊥Y|Z 的统计学含义是什么？

单选题 · mid

  • A.X 与 Y 完全不相关
  • B.给定 Z 后 X 与 Y 不再相关← 正确答案
  • C.X 与 Z 之间完全相互独立
  • D.X 与 Y 之间必然存在因果边

答案：B。条件独立意味着控制住 Z 之后，X 与 Y 之间在统计上失去关联，这正是删边的依据。A 忽略 Z 的控制，C 把对象搞错，D 则与结论相反——条件独立通常意味着应删除边。

Q5. PC 算法中删除一条边的直接依据是什么？

单选题 · mid

  • A.两个变量之间的相关性不够强
  • B.存在某条件集合使两变量条件独立← 正确答案
  • C.边的方向无法用算法确定
  • D.两个变量来自不同类型的分布

答案：B。PC 算法从完全图出发，对每一对变量搜索条件集，只要找到某个 Z 使 X⊥Y|Z，就删掉二者之间的边。相关性弱不一定删边，方向难定也不会删边，故 B 正确。

Q6. BIC 得分公式包含哪些组成部分？

多选题 · mid

  • A.数据的对数似然项← 正确答案
  • B.模型复杂度的惩罚项← 正确答案
  • C.样本量对惩罚强度的影响← 正确答案
  • D.因果边方向的先验概率

答案：ABC。BIC=lnL−d/2·lnN，第一项是似然（A），第二项是含参数 d 与样本量 N 的惩罚项（B、C）。它不包含方向先验概率，故 D 错误。BIC 的本质是拟合与复杂度的权衡。

Q7. 在马尔可夫等价类中，哪种结构的方向可以被观测数据唯一识别？

单选题 · hard

  • A.链式结构 A→B→C
  • B.分叉结构 A←B→C
  • C.V 型结构 A→B←C← 正确答案
  • D.以上结构都无法被识别

答案：C。链式和分叉结构在无向图层面无法区分方向，属于同一等价类；唯独 V 型结构中两个箭头共同指向同一个子节点，这种“碰撞点”模式改变条件独立关系，因此方向可被数据识别。

Q8. 后门调整公式中需要控制的变量集合是什么？

单选题 · hard

  • A.处理变量的全部子节点
  • B.处理变量的父节点集合← 正确答案
  • C.结果变量的全部子节点
  • D.处理与结果之间的中介变量

答案：B。后门准则要求控制处理变量 X 的父节点 Pa(X)，以阻断从 X 到 Y 的所有后门混杂路径。子节点和中介变量属于因果路径本身，控制它们反而会引入偏差，故 B 正确。

Q9. 构建的图中检测到有向环时，合理的处理方式有哪些？

多选题 · hard

  • A.删除环上的某一条边← 正确答案
  • B.反转环上某条边的方向← 正确答案
  • C.重新进行条件独立检验确认← 正确答案
  • D.保留环并继续做效应估计

答案：ABC。有向环是逻辑矛盾，必须消除。删除或反转都是可行的修正操作，且应先用数据重新检验各条边的存在性（C）。保留环（D）会让后续所有因果结论失效，绝不可取。

Q10. 关于 DAG 在医学研究中的应用，下列说法正确的是？

单选题 · extreme

  • A.用因果图表达疾病网络，支撑药物效应的后门调整估计← 正确答案
  • B.用因果图直接预测某个患者的精确剩余寿命
  • C.用因果图完全替代所有随机对照临床试验
  • D.用因果图证明相关性就是临床因果关系

答案：A。DAG 的核心价值是提供结构支撑，让研究者通过后门调整等工具从观察数据中估计因果效应（A）。它不能精确到个体寿命（B），不能替代金标准 RCT（C），更不能把相关性直接宣布为因果（D）。