Ce cours propose une étude mathématique rigoureuse de l'inférence causale au niveau Master. Les inférences sur la causalité sont d'une grande importance en science, en médecine, en politique et en affaires. Ce cours fournit une introduction à la littérature statistique sur l'inférence causale qui a émergé au cours des 35-40 dernières années et qui a révolutionné la façon dont les statisticiens et les chercheurs appliqués dans de nombreuses disciplines utilisent les données pour faire des inférences sur les relations causales.

Nous étudierons les méthodes de collecte de données pour estimer les relations causales. Les étudiants apprendront à faire la distinction entre les relations causales et non causales, ce qui n'est pas toujours évident. Nous étudierons et évaluerons ensuite les différentes méthodes que les étudiants peuvent utiliser - telles que l'appariement, la sous-classification sur le score de propension, la pondération de la probabilité inverse du traitement et l'apprentissage automatique - pour estimer une variété d'effets - tels que l'effet moyen du traitement et l'effet du traitement sur les personnes traitées. À la fin, nous discutons des méthodes d'évaluation de certaines des hypothèses que nous avons formulées, et nous donnons un aperçu des extensions que nous aborderons dans la suite de ce cours.