在大数据时代中需要突破“所有知识都来自数据关联”这一框架，亟需因果关系范式融合领域知识、常识约束的问题研究，本书就描述了这样一种体系，介绍了因果关系分析和推断的思想和方法，其中包括do-操作、反事实、原因的充分性与必要性、特异原因、实际原因等内容。“因果性的研究经历了一次重要的转变：从一个被神秘面纱笼罩的概念转变为一个具有明确语义和逻辑基础的数学对象。”在下一个十年里，这个框架将与现有的机器学习系统相结合，从而可能引发“第二次因果革命”。
本书第1版曾获2001年拉卡托斯奖，作者朱迪亚·珀尔是2011年图灵奖得主。本书的出版将有利于中国的广大学者、学生和各领域研究人员了解和掌握因果模型、推理和推断相关的内容，在相关领域做出优异的成果。

李廉，合肥工业大学教授、原党委书记，教育部高等学校大学计算机课程教学指导委员会主任，中国计算机学会理论计算机科学专委会主任。长期从事计算机数学和网络计算等方面的研究及教学工作，先后主持国家自然科学基金重点和面上项目5项，参加“科技部国家科技大平台”“下一代互联网络关键技术与应用”等项目多项。曾先后主讲“计算机程序语言学”“算法学”“计算复杂性理论”“多处理器编程”“社会计算”“近世代数”等本科生、研究生课程。积极参与大学计算机基础课程改革，2012年获得安徽省教学成果特等奖，2014年获得国家级教学成果二等奖。

中文版序
推荐者序
译者序
我为什么写这本书：回顾与期望
第2版前言
第1版前言
第1章 概率、图及因果模型
1.1 概率论概述
1.1.1 为什么学习概率
1.1.2 概率论的基本概念
1.1.3 预测支持与诊断支持结合
1.1.4 随机变量与期望
1.1.5 条件独立与图
1.2 图与概率
1.2.1 图的符号与术语
1.2.2 贝叶斯网络
1.2.3 d-分离准则
1.2.4 贝叶斯网络推断
1.3 因果贝叶斯网络
1.3.1 用于干预谕言的因果网络
1.3.2 因果关系及其稳定性
1.4 函数因果模型
1.4.1 结构方程
1.4.2 因果模型中的概率预测
1.4.3 函数模型中的干预与因果效应
1.4.4 函数模型中的反事实
1.5 因果与统计术语
第2章 因果关系推断理论
2.1 简介：基本直觉
2.2 因果发现框架
2.3 模型偏好（奥卡姆剃刀原则）
2.4 稳定分布
2.5 获取DAG结构
2.6 重建潜在结构
2.7 因果关系推断的局部准则
2.8 非时间因果与统计时间
2.9 结论
2.9.1 关于极小性、马尔可夫性和稳定性
第3章 因果图与因果效应识别
3.1 简介
3.2 马尔可夫模型中的干预
3.2.1 作为干预模型的图
3.2.2 干预作为变量
3.2.3 计算干预效应
3.2.4 因果量值的识别
3.3 控制混杂偏差
3.3.1 后门准则
……
第4章 行动、计划和直接效应
第5章 社会学和经济学中的因果关系与结构模型
第6章 辛普森悖论、混杂与可压缩性
第7章 结构化反事实的逻辑
第8章 不完美实验：边界效应和反事实
第9章 因果关系概率：解释和识别
第10章 实际原因
第11章 对读者的回应、阐述和讨论