인과적 마코프 조건과 비결정론적 세계

Bayesian networks have been used in studying and simulating causal inferences by using the probability function distributed over the variables consisting of inquiry space. The focus of the debates concerning Bayesian networks is the causal Markov condition that constrains the probabilistic independence between all the variables which are not in the causal relations. Cartwright, a strong critic about the Bayesian network theory, argues that the causal Markov condition cannot hold in indeterministic systems, so it cannot be a valid principle for causal inferences. The purpose of the paper is to explore whether her argument on the causal Markov condition is valid. Mainly, I shall argue that it is possible for upholders of the causal Markov condition to respond properly the criticism of Cartwright through the continuous causal model that permits the infinite sequence of causal events.

베이즈망은 탐구 공간을 구성하는 변수들 사이에 성립하는 확률적 관계를 이용하여 그 변수들 사이에 성립된다고 가정되는 인과 관계를 추론하는데 이용된다. 베이즈망에 관한 철학적 논쟁의 대상은 특정한 변수들의 확률적 독립성을 가정하는 인과적 마코프 조건이다. 베이즈망 이론에 대한 강력한 비판자인 카트라이트는 인과적 마코프 조건이 비결정적 세계에서는 성립될 수 없기 때문에 인과적 추리에 대한 타당한 원리가 될 수 없다고 주장한다. 이글의 목적은 인과적 마코프 조건이 인과적 추리에 대한 타당한 원리가 될 수 없다는 카트라이트의 비판이 타당한가를 검토하는 것이다. 나는 인과적 사건들의 연쇄를 허용하는 연속모델은 카트라이트의 비판을 벗어날 수 있다고 주장한다.