베이지안 인과 추론은 사후 추론을 통해 방향성 비순환 그래프(DAG)에 대한 인식론적 불확실성을 정량화하는 능력으로 널리 사용됩니다. 하지만 숨겨진 혼동 상태에서의 동작은 기존 연구가 식별 불가능성을 언급하지만 사후 그래프 분포의 반응을 특징짓지 않기 때문에 제대로 이해되지 않았습니다.
연구진은 두 개의 관찰된 변수 사이의 가법적 숨겨진 혼동이 있는 선형 가우시안 인과 모델에서 사후 동작을 분석했습니다. 혼동된 변수 사이에 가짜 엣지를 선호하는 점수 함수에 대한 중요한 상관 관계 임계값을 파악했으며, 샘플 크기가 증가함에 따라 이 임계값이 감소한다는 것을 보여주었습니다.
임계값 범위를 벗어나면 연구진은 혼동된 변수 주변의 로컬 구조에 의해 결정되는 두 가지 뚜렷한 사후 실패 모드를 특징짓습니다. 연구 결과는 여러 그래프 구조에 대한 정확한 사후 계산을 통해 뒷받침되며, 예측된 실패 모드를 보여줍니다.