0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

X→Z←Y における独立性の性質を数式で証明する

Last updated at Posted at 2025-05-31

因果推論の合流経路の基本性質の証明をします。

合流経路1とは次のような状態を示します:

X \rightarrow Z \leftarrow Y

このとき、次の内容1が成立します:

\begin{align}
X \perp Y \\
X \not\perp Y | Z \\
\end{align}

1に記載はないですが、本記事では合流経路の同時確率は $P(X, Y, Z) = P(Z|X, Y) P(X) P(Y)$ で与えられると仮定します。

1) XとYが独立であることの証明

独立性の定義より、$P(X)P(Y) = P(X,Y)$ が成立することを示します。

まず、$P(X, Y)$ を計算します。

\begin{align}
P(X, Y) &= \sum_Z P(X, Y, Z) \\
\end{align}

合流経路の仮定から、$P(X, Y, Z) = P(Z|X, Y) P(X) P(Y)$ なので、これを代入します。

\begin{align}
P(X, Y) &= \sum_Z P(Z|X, Y) P(X) P(Y) \\
&= P(X) P(Y) \sum_Z P(Z|X, Y) \\
\end{align}

ここで、特定の $X, Y$ が与えられたときの $Z$ の全確率が1であるため、$\sum_Z P(Z|X, Y) = 1$ が成立します 。
したがって、

\begin{align}
P(X, Y) &= P(X) P(Y) \\
\end{align}

これは $X$ と $Y$ が独立であることの定義そのものです。

よって $X \perp Y$。

2) XとYはZが与えられた時の条件付き独立でないことの証明

条件付き独立の定義より、$P(X,Y|Z) \neq P(X|Z)P(Y|Z)$ が一般的に成立することを示します。

まず、$P(X,Y|Z)$ を計算します。

\begin{align}
P(X,Y|Z) &= \frac{P(X,Y,Z)}{P(Z)} \\
\end{align}

合流経路の仮定から、$P(X,Y,Z) = P(Z|X, Y) P(X) P(Y)$ なので、これを代入します。

\begin{align}
P(X,Y|Z) &= \frac{P(Z|X, Y) P(X) P(Y)}{P(Z)} \\
\end{align}

次に、$P(X|Z)$ と $P(Y|Z)$ をそれぞれ計算します。
$P(X|Z) = \frac{P(X, Z)}{P(Z)} = \frac{\sum_Y P(X, Y, Z)}{P(Z)} = \frac{\sum_Y P(Z|X, Y) P(X) P(Y)}{P(Z)}$
$P(Y|Z) = \frac{P(Y, Z)}{P(Z)} = \frac{\sum_X P(X, Y, Z)}{P(Z)} = \frac{\sum_X P(Z|X, Y) P(X) P(Y)}{P(Z)}$

$X$ と $Y$ が $Z$ を条件として条件付き独立であるためには、$P(X,Y|Z) = P(X|Z)P(Y|Z)$ が成り立つ必要があります。
すなわち、以下の等式が一般的に成立しないことを示します。
$$\frac{P(Z|X, Y) P(X) P(Y)}{P(Z)} = \left( \frac{\sum_Y P(Z|X, Y) P(X) P(Y)}{P(Z)} \right) \left( \frac{\sum_X P(Z|X, Y) P(X) P(Y)}{P(Z)} \right)$$

この等式が一般には成立しないことを示すために、具体的な反例を挙げます。

反例:
$Z$ が $X$ と $Y$ の和である場合($Z=X+Y$)を考えます。
$X \in {0, 1}, Y \in {0, 1}$ で独立。

  • $P(X=0)=0.5, P(X=1)=0.5$
  • $P(Y=0)=0.5, P(Y=1)=0.5$

このとき、$Z \in {0, 1, 2}$ となります。

  • $Z=0$ の場合: $X=0, Y=0$ のみ。$P(Z=0) = P(X=0)P(Y=0) = 0.5 \times 0.5 = 0.25$
  • $Z=1$ の場合: $(X=0, Y=1)$ または $(X=1, Y=0)$。$P(Z=1) = P(X=0)P(Y=1) + P(X=1)P(Y=0) = 0.25 + 0.25 = 0.5$
  • $Z=2$ の場合: $X=1, Y=1$ のみ。$P(Z=2) = P(X=1)P(Y=1) = 0.5 \times 0.5 = 0.25$

$Z=1$ の場合に $X$ と $Y$ が条件付き独立でないことを示す:
$P(X=1, Y=1|Z=1)$ を計算します。
$X=1$ かつ $Y=1$ で $Z=1$ となる組み合わせは存在しないため、$P(X=1, Y=1|Z=1) = 0$。

$P(X=1|Z=1)$ を計算します。
$P(X=1|Z=1) = \frac{P(X=1, Z=1)}{P(Z=1)}$
$P(X=1, Z=1) = P(X=1, Y=0) = P(X=1)P(Y=0)$
$= 0.5 \times 0.5 = 0.25$
したがって、$P(X=1|Z=1) = \frac{0.25}{0.5} = 0.5$。

$P(Y=1|Z=1)$ を計算します。
$P(Y=1|Z=1) = \frac{P(Y=1, Z=1)}{P(Z=1)}$
$P(Y=1, Z=1) = P(X=0, Y=1) = P(X=0)P(Y=1)$ (なぜなら $X=0, Y=1$ のとき $Z=1$ となるため)
$= 0.5 \times 0.5 = 0.25$
したがって、$P(Y=1|Z=1) = \frac{0.25}{0.5} = 0.5$。

$P(X=1|Z=1)P(Y=1|Z=1) = (0.5)(0.5) = 0.25$

$P(X=1, Y=1|Z=1) = 0$ であり、$P(X=1|Z=1)P(Y=1|Z=1) = 0.25$ です。
$0 \neq 0.25$ であるため、$P(X, Y|Z=1) \neq P(X|Z=1)P(Y|Z=1)$ です。

よって $X \not\perp Y|Z$。

最後に

本記事があなたの役に立てば幸いです。

  1. 因果推論 基礎から機械学習・時系列解析・因果探索を用いた意思決定のアプローチ 金本拓 pp.43 2 3

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?