d-separation
Definition
d-separation (directional separation)은 DAG에서 두 변수 집합이 세 번째 집합에 조건부로 독립인지 판단하는 graphical criterion.
Formal Definition:
DAG 에서, 가 와 를 d-separate 한다면:
와 사이의 모든 path가 에 의해 blocked.
Path Blocking Rules
Three Elementary Structures
| Structure | Name | Blocked by ? |
|---|---|---|
| Chain | 이면 blocked | |
| Fork | 이면 blocked | |
| Collider | and 이면 blocked |
Blocking Rule Summary
Path 가 에 의해 blocked 되려면:
- Non-collider (chain or fork)의 중간 node가 에 포함
- Collider의 중간 node와 그 descendants가 에 미포함
Intuitive Understanding
핵심 아이디어:
d-separation = “정보 흐름의 차단”
Fork (Common Cause):
A ← B → C
- B가 주어지면: A, C 독립 (confounding 제거)
- B가 주어지지 않으면: A, C 연관 (via B)
Chain (Mediation):
A → B → C
- B가 주어지면: A, C 독립 (mediator blocked)
- B가 주어지지 않으면: A, C 연관 (causal path)
Collider (Common Effect):
A → B ← C
- B가 주어지지 않으면: A, C 독립 (default blocked)
- B가 주어지면: A, C 연관! (collider bias)
d-separation Algorithm
Input
- DAG
- Sets , ,
Procedure
For each path π between X and Y:
blocked = False
For each node B on path π (excluding endpoints):
If B is a non-collider on π:
If B ∈ Z:
blocked = True
break
Else (B is a collider on π):
If B ∉ Z and De(B) ∩ Z = ∅:
blocked = True
break
If not blocked:
return "X and Y are NOT d-separated by Z"
return "X and Y are d-separated by Z"
Faithfulness Assumption
Markov Property
가 DAG 에 대해 Markov:
그래프의 d-separation → 확률적 독립
Faithfulness
가 DAG 에 faithful:
확률적 독립 → 그래프의 d-separation
Combined (Perfect Map):
Examples
Example 1: Simple Chain
X → Y → Z
- ? Yes (Y blocks the chain)
- ? No (path open)
Example 2: Fork (Confounding)
C
↙ ↘
X Y
- ? Yes (C blocks the fork)
- ? No (confounding path open)
Example 3: Collider
X → C ← Y
- ? Yes (collider blocks by default)
- ? No (conditioning opens collider)
Example 4: Complex Graph
A
↙ ↘
B C
↘ ↗
D
-
? Check all paths:
- : Open
- Not d-separated
-
?
- : Blocked (B ∈ Z)
- : Open
- Not d-separated
-
?
- : Blocked
- : Blocked
- d-separated!
d-separation and Causal Inference
Back-door Criterion
Back-door Criterion은 d-separation 기반:
가 의 causal effect 식별에 sufficient ⟺
- 가 와 사이의 모든 back-door path를 d-separate
Adjustment Formula
d-separation을 통해 adjustment set 결정:
가 back-door paths를 d-separate할 때 valid.
Extensions
m-separation (Mixed Graphs)
Bidirected edges를 포함하는 mixed graphs:
- MAG (Maximal Ancestral Graph)
- PAG (Partial Ancestral Graph)
σ-separation (Cyclic Graphs)
Cyclic graphs를 위한 확장:
- Strongly Connected Components (SCC) 고려
- d-separation으로 reduce 가능
Related Concepts
- DAG - d-separation이 정의되는 graph
- Confounder - Fork structure (d-separation으로 제어)
- Collider - Inverted fork (conditioning이 path를 open)
- Back-door Criterion - d-separation 기반 identification
- Markov Equivalence Class - 같은 d-separations를 가진 graphs
- SCM - Structural Causal Model
- Faithfulness - d-separation ↔ CI 대응 가정
- σ-separation - Cyclic graphs 확장
References
- Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems
- Pearl, J. (2009). Causality
- yaoSurveyCausalInference2021 - d-separation in causal discovery