Analiza efectos causales mediante el diseño del estudio, la aleatorización y los supuestos de regresión.
El recorrido avanza desde las preguntas causales y sus supuestos hasta los experimentos aleatorizados, el emparejamiento y el ajuste por regresión. Define un efecto objetivo, dibuja un diagrama causal, identifica riesgos de confusión y selección y comunica los límites de las conclusiones observacionales. Los ejemplos enseñan métodos, pero no demuestran que un único estimador resuelva la identificación.
Formular una pregunta causal con población objetivo, intervención, comparación, resultado y horizonte temporal. Explicar cómo la aleatorización, el emparejamiento y la regresión abordan distintas partes de un diseño. Identificar supuestos de confusión, selección, solapamiento y medición que puedan debilitar una estimación.
Se recomienda conocer regresión, probabilidad y diseño de estudios. El curso enseña métodos y no sustituye el asesoramiento estadístico específico de un ámbito.
Personas con experiencia que quieren profundizar y aplicar habilidades avanzadas de IA
Quienes aprenden mejor con ejemplos, lecciones guiadas y práctica
Profesionales, creadores y desarrolladores independientes que buscan un flujo de trabajo repetible
La lección 1 es gratis
4 lecciones · Avanzado · Curso completo.
Este curso utiliza material con licencia CC BY atribuido a su proveedor de contenido o a quien lo publicó. La reproducción de las lecciones solo está disponible tras iniciar sesión y superar las comprobaciones de publicación y licencia.