Book of Why: The New Science of Cause and Effect

„The Book of Why“ ist ein populärwissenschaftliches Buch über ein Thema, das sich für viele eher trocken anhört: die mathematische Datenanalyse. Und ein leidenschaftliches Plädoyer für die Kausalanalyse, die laut Meinung der Autoren zu Unrecht ein Schattendasein gegenüber dem Mainstream der statistischen Analysemethoden fristet. Judea Pearl, ein Professor für Informatik, bringt in dem Buch zusammen mit seinem Koautor, dem Wissenschaftsjournalisten Dana Mackenzie, einen Überblick über seine Forschungen zu dem Thema in einer (zumindest besser) lesbaren Form zu Papier (im Vergleich z.B. zu seinen Lehrbüchern wie Pearl, J. (2009): „Causality, Models, Reasoning, and Inference“).Das Buch arbeitet zunächst den Unterschied zwischen einer Korrelation (gemeinsames Auftreten von Ereignissen A und B) und einem Kausalzusammenhang (Ereignis A führt zu Ereignis B) heraus. Darauf aufbauend wird ein Formalismus zur Beschreibung von Kausalzusammenhängen (causal trees, „do“-calculus) entwickelt. Diese Methoden werden dann zur Analyse einer Reihe von statistischen Problemen eingesetzt. Dabei weisen die Autoren ausführlich auf mögliche Fehlinterpretationen der Ergebnisse der üblichen statistischen Methoden hin. Besonders lehrreich ist in meinen Augen auch die Analyse von unterschiedlichen statistischen Paradoxa wie z.B. das bekannte Ziegenproblem (Monty-Hall-Problem). Überlegungen zur Verwendung der Methoden im Zusammenhang mit Künstlicher Intelligenz schließen das Buch ab.Das Buch ist eine lesbare Form der Forschungsarbeiten von Prof. Pearl. Alle Konzepte werden mit reichhaltigen Beispielen und Einführungen versehen. Trotzdem ist der Inhalt nicht ohne Anspruch. Es werden im Laufe des Buchs auch einige mathematische Formeln entwickelt. Die Leser, die das nicht abschreckt, werden mit einigen Einsichten über Statistik belohnt. Zumindest ging es mir so, obwohl ich mich schon seit über 20 Jahren beruflich mit statistischer Analyse beschäftige. Beispielsweise hat mich die Einfachheit und Eleganz beeindruckt, mit der sich das Ziegenproblem durch die Werkzeuge in dem Buch analysieren lässt.Pearl ist ein leidenschaftlicher Verfechter seines Ansatzes. Seine Kritik an den bisherigen Methoden fällt an einigen Stellen sehr harsch aus. Auch sind manche Einführungen für meinen Geschmack etwas zu ausladend ausgefallen. Das Sendungsbewusstsein des Autors tritt an diesen Stellen deutlich hervor. Trotzdem kann ich jedem, der sich mit Statistik beschäftigt, dieses Buch wärmstens ans Herz legen.

This book is must to read for anyone interested in causal inference (field which has been hyping recently, e.g. see implementations of Microsoft doWhy, McKinsey CausalNex Über CausalML and older yet useful Google CausalImpact).