书籍简介

过去十年,由于因果推断在生物医学研究、社会科学、人工智能等领域的广泛应用,因果推断研究与教育引起了极大的关注。本教材基于作者在加利福尼亚大学伯克利分校教授的因果推断课程,过去七年来积累的教学经验,要求读者具备基础的概率论、统计推断、线性回归和逻辑回归知识。书中假设读者对因果推断的了解较少,并在附录中回顾了基本的概率和统计概念。本书从统计学角度讲解因果推断,并包括来自生物统计学和计量经济学的示例与应用。 主要特点:

所有R代码和数据集可在哈佛数据平台(Harvard Dataverse)获取。 * 为教师提供解答手册。 * 包含100多个习题。 * 本书适合高级本科生或研究生层次的因果推断课程,亦适用于统计学和生物统计学系的博士后及博士生课程。

书评

“这本书提供了统计学家对因果推断的视角,对从观察数据中推断因果关系的统计悖论进行了宝贵的回顾,并将这些悖论与Pearl的有向无环图(DAGs)联系起来。关于匹配的文献概述是我见过的最好的,书中包含的R代码也是一个巨大的优势。这本书将是高级本科生和硕士项目中因果推断的极好入门教材。” —— 布莱恩·道德教授,美国明尼阿波利斯大学 《因果推断入门》由彭丁所著,作为该领域的权威,本书的技术水平使其区别于现有的因果推断教材。对于具有良好数学和统计学背景的公共卫生、医学和社会科学领域的学生和研究人员来说,这本书将是一本宝贵的资源。书中的习题引导读者通过重要的结果,附录复习了关键的数学和统计概念,并包含了精心编写的R代码,极大地帮助理论转化为实践。” —— 埃本·凯纳教授,美国俄亥俄州立大学 “彭丁教授在这本书中做了一件令人印象深刻的事情——为因果推断提供了一个清晰、精准且全面的介绍。这本书是任何有兴趣理解因果推断的人必备之作。我强烈推荐。” —— 雨果·贾勒斯教授,美国雪城大学麦克斯韦公民与公共事务学院 作者简介

彭丁是加利福尼亚大学伯克利分校统计学系的副教授。他的研究主要集中在因果推断及其应用领域。

成为VIP会员查看完整内容
10

相关内容

【新书】数据挖掘与机器学习,777页pdf
专知会员服务
77+阅读 · 11月7日
【新书】《实用概率编程》,458页pdf
专知会员服务
44+阅读 · 10月23日
【新书】大型语言模型:概念、技术与应用
专知会员服务
77+阅读 · 9月8日
【新书】生成式人工智能模型,419页pdf
专知会员服务
98+阅读 · 9月3日
【新书】深度学习中的博弈论应用
专知会员服务
72+阅读 · 3月27日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
206+阅读 · 2020年1月13日
【新书】分布式强化学习,280页pdf
专知
21+阅读 · 2021年12月19日
8月最新-《可解释机器学习-Christoph Molnar》-新书分享
深度学习与NLP
10+阅读 · 2019年8月12日
下载 | 512页教程《神经网络与深度学习》,2018最新著作
机器学习算法与Python学习
49+阅读 · 2019年1月6日
机器学习圣经《模式识别与机器学习(PRML)-2018》pdf分享
深度学习与NLP
35+阅读 · 2018年12月2日
国家自然科学基金
6+阅读 · 2017年6月30日
国家自然科学基金
13+阅读 · 2016年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年4月30日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
68+阅读 · 2023年3月26日
Arxiv
147+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关VIP内容
【新书】数据挖掘与机器学习,777页pdf
专知会员服务
77+阅读 · 11月7日
【新书】《实用概率编程》,458页pdf
专知会员服务
44+阅读 · 10月23日
【新书】大型语言模型:概念、技术与应用
专知会员服务
77+阅读 · 9月8日
【新书】生成式人工智能模型,419页pdf
专知会员服务
98+阅读 · 9月3日
【新书】深度学习中的博弈论应用
专知会员服务
72+阅读 · 3月27日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
206+阅读 · 2020年1月13日
相关基金
国家自然科学基金
6+阅读 · 2017年6月30日
国家自然科学基金
13+阅读 · 2016年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年4月30日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员