Woordenlijst

Causale inferentie

Wat is Causale inferentie?

Causale inferentie omvat methoden om oorzaak-gevolgrelaties uit data af te leiden in plaats van alleen correlaties vast te stellen. Ze beantwoordt vragen als ‘Wat zou er gebeurd zijn als we deze maatregel niet hadden genomen?’. Hulpmiddelen zijn gerandomiseerde experimenten zoals A/B-tests, causale grafen en statistische technieken voor observationele data. Voorbeeld: nagaan of een kortingsactie de omzet daadwerkelijk heeft verhoogd of dat die om seizoensredenen toch al zou zijn gestegen.

Onderwerpen

Statistiek
Oorzaak en gevolg
Analyse

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Bayesiaanse netwerken

Bayesiaanse netwerken zijn grafische modellen die variabelen als knooppunten en hun probabilistische afhankelijkheden als gerichte pijlen weergeven. Met de stelling van Bayes laten ze zien hoe nieuwe waarnemingen de kans op andere gebeurtenissen veranderen. Een voorbeeld is diagnostische ondersteuning: op basis van waargenomen symptomen de meest waarschijnlijke oorzaak inschatten. Hun sterke punten zijn transparantie en het vermogen om met onzekere of onvolledige gegevens om te gaan.

Kansrekening
Grafische modellen
+1

Voorspellende analyse

Voorspellende analyse gebruikt historische gegevens, statistiek en machine learning om waarschijnlijke toekomstige gebeurtenissen te schatten. Ze beantwoordt vragen als: welke klanten staan op het punt op te zeggen? Hoeveel voorraad is er volgende maand nodig? Wanneer valt een machine waarschijnlijk uit? De resultaten zijn kansen, geen zekerheden. De waarde hangt sterk af van de datakwaliteit en van de vraag of de voorspellingen daadwerkelijk doorwerken in beslissingen en processen.

data-analyse
voorspellen
+1

Bias

In AI verwijst bias naar een systematische vertekening van resultaten. Die komt vaak voort uit onevenwichtige of historisch scheve trainingsdata, maar ook uit het modelontwerp of de manier waarop een vraag wordt gesteld. Een bekend voorbeeld: een tool voor het screenen van sollicitanten die leert van eerdere aannamebeslissingen, kan bestaande achterstelling in stand houden. In de statistiek betekent bias ook de afwijking van een schatting ten opzichte van de werkelijke waarde. Tegenmaatregelen zijn onder meer diverse data, regelmatige audits en menselijke beslissingen over personeelszaken.

AI-ethiek
Fairness
+1

Verkennende data-analyse (EDA)

Verkennende data-analyse (exploratory data analysis, EDA) is de eerste, open blik op een dataset: u berekent samenvattende cijfers, onderzoekt verdelingen en grafieken en zoekt naar patronen, uitschieters en ontbrekende waarden – nog zonder vaste hypothese. Het helpt de datakwaliteit te beoordelen en zinvolle vragen te vinden voor verdere analyse of modellering. Voorbeeld: vóór een omzetvoorspelling blijkt uit EDA dat één maand door een systeemmigratie onvolledig is vastgelegd.

Data-analyse
Statistiek
+1

Sjabloon