🎓Programa y acreditación

Unidad 1: Introducción a los DAGs

  • Definición y elementos de un DAG causal.

  • Construcción del DAG a partir de suposiciones causales.

  • Sesgos por confusión y de selección.

  • Mediación.

  • Reglas de d-separación.

Unidad 2: Confusión

  • Sesgo por confusión.

  • Criterio del backdoor path.

  • Estudios aleatorizados vs. observacionales.

  • Introducción a métodos de control de la confusión.

Unidad 3: Sesgo de selección

  • Sesgo de selección y estructuras que lo originan.

  • Sesgo en estudios de caso-control y de seguimiento.

  • Introducción a métodos de control del sesgo de selección.

Forma de evaluación

Certificado de asistencia para quienes asistan al menos al 75% de las clases.

Bibliografía

  • Hernan, M. A., & Robins, J. (2020). Causal inference: What if.

  • Pearl, J., Glymour, M., & Jewell, N. P. (2016). Causal inference in statistics: A primer.

  • Cunningham, S. (2021). Causal inference: The mixtape.

  • Neal, B. (2020). Introduction to causal inference. Course Lecture Notes (draft).