في عالم التحليل السببي، تُعتبر الاحتمالات السببية (Probabilities of Causation) من الأسس الأساسية لفهم كيفية تأثير الأحداث المختلفة على بعضها البعض. ورغم ذلك، كانت نتائج التحليل السابقة تقتصر في الغالب على الإعدادات الثنائية، مما حد من إمكانيات استخدامها في سيناريوهات أكثر تعقيدًا.

تقدم ورقة جديدة تعريفات مبتكرة للاحتمالات السببية متعددة القيم، حيث تتوسع نتائجها لتشمل حالات التعامل مع نتائج متعددة تعتمد على نماذج سببية هيكلية (Structural Causal Models). من خلال تقديم حدود سببية مغلقة، تقوم هذه الدراسة بتطوير أطر جديدة تُستخدم في التجارب والموزعات الرصدية التقليدية.

واحدة من المفاهيم الجديدة التي تم تقديمها هي فكرة فئات التكافؤ للاحتمالات السببية، والتي تقلص الاحتمالات السببية المتقطعة العشوائية إلى عائلة محددة. كما تم تأسيس مبدأ قابلية الاستبدال الذي ينقل الحدود عبر تنسيقات القيم المختلفة.

علاوة على ذلك، تم التحقق من صحة هذه الحدود جميع الأبعاد، مما يوفر إمكانية تطبيق فعالة لتقنيات البرمجة الخطية عبر طريقة بالكي (Balke's linear programming method). تشير المحاكاة إلى أن حدود السببية المغلقة تقدم مستويات أفضل من التضييق مقارنةٌ بالحدود التكرارية الأخيرة، في حين أنها لا تزال أبسط في حساباتها.

للتوضيح أكثر، تم تقديم الأمثلة البسيطة التي تظهر الأهمية العملية لنتائج هذه الورقة، مما يعد بإحداث تأثير كبير في مجالات اتخاذ القرار الشخصية.