Avis des lecteurs
Résumé:L'inférence causale en statistique : A Primer fournit une introduction accessible à l'inférence causale, soulignant la nécessité d'hypothèses causales avec les données pour une analyse correcte. Rédigé par Judea Pearl et ses collaborateurs, le livre distille des concepts complexes tels que la théorie des graphes et le raisonnement contrefactuel dans des formats clairs et compréhensibles avec des exemples pratiques. Bien qu'il constitue une excellente base pour les étudiants et les praticiens, plusieurs critiques ont noté des problèmes tels que le manque de réponses aux questions des devoirs, de nombreuses erreurs de notation technique et une mauvaise qualité d'impression.
Avantages:⬤ Introduction concise à l'inférence causale, parfaite pour les non-statisticiens et les praticiens.
⬤ Un style d'écriture clair avec de nombreux exemples simples qui améliorent la compréhension.
⬤ Des chapitres bien structurés qui approfondissent des concepts clés tels que la théorie des graphes et les contrefactuels.
⬤ Il s'agit d'une bonne ressource complémentaire pour les étudiants avancés et les professionnels désireux d'approfondir leurs connaissances.
⬤ L'absence de réponses aux questions des devoirs rend l'auto-apprentissage difficile.
⬤ De nombreuses erreurs typographiques et une notation technique peu claire diminuent la qualité de l'étude.
⬤ Certains lecteurs ont eu l'impression que l'ouvrage se concentrait davantage sur les aspects théoriques sans conseils d'application pratique.
⬤ La mauvaise qualité physique du livre et les problèmes d'accès aux ressources supplémentaires du site compagnon.
(basé sur 57 avis de lecteurs)
Titre original :
Causal Inference in Statistics: A Primer
Contenu du livre :
INFÉRENCE CAUSALE EN STATISTIQUE
Un abécédaire
La causalité est essentielle à la compréhension et à l'utilisation des données. Sans une compréhension des relations de cause à effet, nous ne pouvons pas utiliser les données pour répondre à des questions aussi élémentaires que "Ce traitement nuit-il ou aide-t-il les patients ? "Mais bien qu'il existe des centaines de textes d'introduction aux méthodes statistiques d'analyse des données, jusqu'à présent, aucun livre pour débutants n'a été écrit sur l'arsenal explosif de méthodes permettant d'extraire des informations causales des données.
L'inférence causale en statistique comble cette lacune. À l'aide d'exemples simples et d'un langage clair, le livre explique comment définir les paramètres causaux, les hypothèses nécessaires pour estimer les paramètres causaux dans une variété de situations, comment exprimer ces hypothèses mathématiquement, si ces hypothèses ont des implications testables, comment prédire les effets des interventions et comment raisonner de manière contrefactuelle. Ce sont les outils fondamentaux que tout étudiant en statistique doit acquérir afin d'utiliser les méthodes statistiques pour répondre aux questions causales qui l'intéressent.
Ce livre est accessible à toute personne intéressée par l'interprétation des données, qu'il s'agisse d'étudiants de premier cycle, de professeurs, de chercheurs ou de profanes intéressés. Les exemples sont tirés d'une grande variété de domaines, y compris la médecine, la politique publique et le droit ; une brève introduction aux probabilités et aux statistiques est fournie pour les non-initiés ; et chaque chapitre est accompagné de questions d'étude pour renforcer la compréhension du lecteur.
Autres informations sur le livre :
| ISBN : | 9781119186847 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2016 |
| Nombre de pages : | 156 |
Achat:
Actuellement disponible, en stock.
